Deep Randomized Distributed Function Computation (DeepRDFC): Neural Distributed Channel Simulation
该论文提出了一种基于自编码器的深度随机化分布式函数计算（DeepRDFC）框架，旨在利用数据样本最小化模拟分布与未知目标分布之间的总变差距离，从而在公共随机性受限的场景下，实现相比传统数据压缩方法更显著的通信负载增益和函数计算性能。
🤖 Category
cs.AI
2385 篇论文
Taking Shortcuts for Categorical VQA Using Super Neurons
该论文提出了一种名为“超级神经元”（Super Neurons）的免训练方法，通过直接探测视觉语言模型浅层中生成的标量激活值来构建分类器，从而在显著提升分类性能的同时实现高达 5.10 倍的推理加速。
AI-Enhanced Spatial Cellular Traffic Demand Prediction with Contextual Clustering and Error Correction for 5G/6G Planning
本文提出了一种结合上下文感知两阶段划分策略与残差空间误差校正的 AI 框架，通过解决空间自相关导致的泄漏问题，显著提升了 5G/6G 网络规划中细粒度蜂窝流量需求预测的准确性与泛化能力。
Towards Intelligent Spectrum Management: Spectrum Demand Estimation Using Graph Neural Networks
该论文提出了一种基于图注意力网络（HR-GAT）的层级多分辨率模型，利用公开部署数据在细粒度空间尺度上准确估算频谱需求，从而有效降低空间自相关并提升泛化能力，为频谱共享与分配决策提供了可靠支持。
Risk-Adjusted Harm Scoring for Automated Red Teaming for LLMs in Financial Services
该论文针对金融服务领域大语言模型的安全评估局限，提出了一种结合领域特定危害分类、自动化多轮红队测试及风险感知判罚机制的框架，并引入了风险调整危害评分（RAHS）以量化操作严重性，揭示了高随机解码与持续对抗交互会显著加剧金融披露风险。
Nurture-First Agent Development: Building Domain-Expert AI Agents Through Conversational Knowledge Crystallization
该论文针对现有 AI 智能体开发模式与领域专家知识隐性、动态特性不匹配的问题，提出了“培育优先开发（NFD）”范式，主张通过结构化对话与“知识结晶循环”机制，将智能体从最小化脚手架逐步培育为具备领域专业能力的系统。
Protein Counterfactuals via Diffusion-Guided Latent Optimization
该论文提出了名为 MCCOP 的框架，通过在预训练扩散模型引导的连续潜在空间中进行流形约束优化，生成兼具生物合理性、最小突变数且能实现目标属性（如稳定性或活性）的蛋白质序列反事实，从而为蛋白质工程提供可解释的机制洞察和具体的设计指导。
Speaker Verification with Speech-Aware LLMs: Evaluation and Augmentation
该论文首先提出了一种模型无关的评估协议，揭示了当前语音感知大语言模型在说话人验证任务中表现薄弱，随后提出了一种通过注入冻结的 ECAPA-TDNN 说话人嵌入并仅训练 LoRA 适配器的轻量级增强方法，使大语言模型在保留自然语言接口的同时实现了接近专用系统的说话人验证性能。
BALD-SAM: Disagreement-based Active Prompting in Interactive Segmentation
本文提出了 BALD-SAM 框架，通过将贝叶斯主动学习中的分歧（BALD）策略适配到空间提示选择中，利用冻结的大模型结合轻量级预测头来量化认知不确定性，从而在交互式分割中自动定位最具信息量的区域进行提示，在跨领域基准测试中显著优于现有方法及人类标注。
On the Reliability of Cue Conflict and Beyond
该论文指出当前基于风格化的线索冲突基准在评估神经网络形状 - 纹理偏好时存在不稳定性与歧义性，并提出了名为 REFINED-BIAS 的新框架，通过构建平衡的线索对和基于排名的全类别评估指标，实现了对模型偏置更可靠、可解释的诊断与跨模型公平比较。
Human Presence Detection via Wi-Fi Range-Filtered Doppler Spectrum on Commodity Laptops
本文提出了一种基于商用笔记本电脑内置 Wi-Fi 硬件的首个无需外部设备或传感器的单站人体存在检测方案，通过引入范围滤波多普勒谱（RF-DS）技术和自适应多速率处理框架，实现了低复杂度、高稳定性且无需校准的隐私保护型用户存在感知。
Towards Cold-Start Drafting and Continual Refining: A Value-Driven Memory Approach with Application to NPU Kernel Synthesis
针对数据稀缺的 NPU 内核合成领域，本文提出了名为 EvoKernel 的自进化智能体框架，通过基于价值的记忆检索机制实现从冷启动草稿到持续优化的自动化流程，显著提升了大模型在特定硬件生态中的代码正确率与执行效率。
Semantic Landmark Particle Filter for Robot Localisation in Vineyards
本文提出了一种融合语义地标（树干与杆）与 2D 激光雷达的语义地标粒子滤波（SLPF）方法，通过构建语义行边界有效解决了葡萄园中因行级感知混叠导致的定位歧义问题，显著提升了机器人在重复性农业环境中的定位精度与鲁棒性。
: Generalist Value Model as a Prior for Sparse RL Rollouts
本文提出了模型，通过实时统计检验动态融合通用价值模型先验与稀疏采样经验均值，在极低方差下构建鲁棒优势基线，从而在数学推理任务中显著超越 GRPO 和 DAPO 并实现更快的收敛。
GRACE: A Unified 2D Multi-Robot Path Planning Simulator & Benchmark for Grid, Roadmap, And Continuous Environments
本文介绍了 GRACE，这是一个统一的二维多机器人路径规划模拟器与基准测试平台，它通过在网格、路线图和连续环境等多个抽象层级上实例化相同任务，实现了不同建模选择间的透明、可复现比较，从而推动了多机器人规划研究向实际应用的转化。
An Extreme Multi-label Text Classification (XMTC) Library Dataset: What if we took "Use of Practical AI in Digital Libraries" seriously?
本文发布了一个包含英语和德语编目记录及机器可读 GND 本体的大型双语数据集，旨在通过支持本体感知的多标签分类和可复现的评估，推动权威锚定的人工智能在数字图书馆编目中的实际应用。
Continuous Diffusion Transformers for Designing Synthetic Regulatory Elements
该论文提出了一种参数高效的连续扩散 Transformer 模型，通过引入 2D CNN 输入编码器替代传统 U-Net 骨干网络，在显著降低训练成本、收敛损失及序列记忆化风险的同时，结合 DDPO 微调与 Enformer 奖励模型，成功生成了具有高预测活性的细胞类型特异性合成调控 DNA 序列。
Dynamics-Predictive Sampling for Active RL Finetuning of Large Reasoning Models
本文提出了一种名为“动力学预测采样”（DPS）的新方法，通过将提示词在强化学习微调中的解决进度建模为动态系统并利用贝叶斯推断进行在线预测，从而在无需昂贵的大量推理滚动的情况下高效筛选出高价值训练样本，显著降低了计算开销并提升了大型推理模型的微调效率与性能。
A Hybrid Knowledge-Grounded Framework for Safety and Traceability in Prescription Verification
本文提出了名为 PharmGraph-Auditor 的新型系统，通过构建基于虚拟知识图谱的混合医药知识库（HPKB）并采用迭代模式优化与基于知识库的验证链（CoV）推理范式，有效解决了大语言模型在处方审核中缺乏事实可靠性与可追溯性的问题，从而为药师提供了更安全、高效的验证辅助。
LookaheadKV: Fast and Accurate KV Cache Eviction by Glimpsing into the Future without Generation
LookaheadKV 提出了一种轻量级的 KV 缓存淘汰框架，通过引入参数高效模块直接预测未来重要性评分，在无需耗时的草稿生成前提下，实现了比现有方法更精准的淘汰效果并显著降低了推理开销。