Aggregative Semantics for Quantitative Bipolar Argumentation Frameworks
本文针对具有内在权重且存在攻击与支持关系的定量双极论证框架，提出了一种将攻击者与支持者分别聚合的“聚合语义”新家族，通过三阶段计算机制在保持双极性的同时增强了语义的可解释性与可参数化能力。
🤖 Category
cs.AI
7674 篇论文
Text-Driven Emotionally Continuous Talking Face Generation
该论文提出了名为“情感连续口型生成”（EC-TFG）的新任务及相应的 TIE-TFG 模型，旨在通过文本和动态情感描述驱动生成能够展现自然、平滑情感过渡的高保真说话人脸视频，从而解决现有方法难以模拟人类连续情感变化的问题。
Lifelong Embodied Navigation Learning
本文提出了名为 Uni-Walker 的终身具身导航学习框架，通过解耦任务共享与特定知识、结合知识继承、专家协同激活及正交约束等策略，有效解决了大语言模型驱动的智能体在连续多任务导航中面临的灾难性遗忘问题。
StreamVoiceAnon+: Emotion-Preserving Streaming Speaker Anonymization via Frame-Level Acoustic Distillation
本文提出了 StreamVoiceAnon+，一种通过监督微调结合帧级情感蒸馏的流式说话人匿名化方法，在保持低延迟和强隐私保护的同时，显著提升了情感内容的保留能力。
Offline Materials Optimization with CliqueFlowmer
本文提出了一种名为 CliqueFlowmer 的新型离线模型基优化方法，该方法将目标材料属性的直接优化与流生成模型相结合，显著优于传统生成式基线，从而更有效地探索材料空间并发现高性能材料。
Experiences Build Characters: The Linguistic Origins and Functional Impact of LLM Personality
该研究通过无监督领域预训练模拟大语言模型的经验积累，利用机器人格量表量化其性格特征，发现“表达型通才”与“抑制型专才”表现最佳，且社会性特质受抑反而能提升复杂推理能力，从而揭示了训练数据语言特征对模型性格及性能的因果影响，为“人格工程”提供了新路径。
Making Implicit Premises Explicit in Logical Understanding of Enthymemes
该论文提出了一种结合大语言模型生成隐含前提、将自然语言转化为逻辑公式以及利用神经符号推理器验证蕴涵关系的流水线方法，旨在系统性地解决现实文本中省略三段论（enthymemes）的逻辑解码难题。
A Hazard-Informed Data Pipeline for Robotics Physical Safety
该论文提出了一种基于明确资产声明、系统性漏洞枚举及危害驱动合成数据生成的机器人物理安全框架，旨在通过形式化的危害本体论，将传统安全工程与数字孪生仿真、合成数据生成及机器学习模型训练紧密对齐。
A Causal Graph Approach to Oppositional Narrative Analysis
该论文提出了一种基于因果图的新框架，通过将叙事建模为实体交互图并利用节点级因果估计提取最小因果子图，从而克服了传统黑盒模型的偏见与线性局限，实现了对对立叙事的更精准检测与分类。
Partial Policy Gradients for RL in LLMs
该论文提出了一种名为“部分策略梯度”的新方法，通过优化未来奖励的子集来构建不同复杂度的策略类（如贪婪、K 步前瞻等），从而在 Persona 对齐对话任务中实现更可靠的梯度估计与更优的策略选择。
Place-it-R1: Unlocking Environment-aware Reasoning Potential of MLLM for Video Object Insertion
本文提出了 Place-it-R1 框架，通过利用多模态大语言模型的思维链推理能力来引导视频扩散模型，实现了能够感知环境、符合物理因果逻辑且支持用户灵活权衡“合理性”与“保真度”的视频物体插入。
Predictive Coding Graphs are a Superset of Feedforward Neural Networks
该论文证明了预测编码图（PCGs）在数学上是前馈人工神经网络（多层感知机）的超集，从而将预测编码网络更紧密地融入现代机器学习框架，并强化了对神经网络拓扑结构的研究。
VLM-RobustBench: A Comprehensive Benchmark for Robustness of Vision-Language Models
本文提出了 VLM-RobustBench 基准，通过涵盖 49 种增强类型和 133 种扰动设置，评估了主流视觉语言模型在多种图像失真下的鲁棒性，揭示了当前模型虽语义能力强但空间脆弱，且低严重度几何扰动（如玻璃模糊）往往比高严重度光度扰动造成更显著的性能下降。
Ensemble Graph Neural Networks for Probabilistic Sea Surface Temperature Forecasting via Input Perturbations
该研究提出了一种基于输入扰动（如分形 Perlin 噪声）的集成图神经网络方法，用于在无需额外训练成本的情况下，显著提升区域海温概率预报的校准度与不确定性表征能力。
Do Compact SSL Backbones Matter for Audio Deepfake Detection? A Controlled Study with RAPTOR
该研究通过 RAPTOR 框架的受控实验表明，在音频深度伪造检测中，多语言 HuBERT 预训练轨迹带来的跨域鲁棒性比模型规模更为关键，使得 1 亿参数模型能媲美大型商业系统，且其在扰动下的校准稳定性优于 WavLM 变体。
Reflective Flow Sampling Enhancement
该论文提出了名为“反思流采样”（RF-Sampling）的训练无关推理增强框架，通过形式化推导证明其能隐式执行文本 - 图像对齐得分的梯度上升，从而有效解决了现有增强策略在 FLUX 等流匹配模型上表现不佳的问题，并显著提升了生成质量、提示词对齐度及测试时扩展能力。
Contrastive-to-Self-Supervised: A Two-Stage Framework for Script Similarity Learning
该论文提出了一种两阶段框架，通过先在标注的人造字母表上训练对比学习教师模型，再利用蒸馏技术引导学生在无监督条件下学习历史文字系统的变形不变嵌入，从而在无需确切演化关系真值的情况下实现脚本相似性学习与聚类。
CRIMSON: A Clinically-Grounded LLM-Based Metric for Generative Radiology Report Evaluation
本文提出了 CRIMSON，这是一种基于临床指南的大语言模型评估框架，通过引入患者背景信息、细粒度的错误分类及基于临床重要性的加权机制，在诊断正确性、上下文相关性和患者安全性方面实现了对胸部 X 光报告生成任务更精准且与放射科专家判断高度一致的评估。
Whisper-CD: Accurate Long-Form Speech Recognition using Multi-Negative Contrastive Decoding
本文提出了 Whisper-CD，一种无需训练的多负对比解码框架，通过对比干净音频与三种声学扰动生成的负向 logits，有效解决了 Whisper 模型在长语音识别中的幻觉、重复和遗漏问题，显著降低了词错率并提升了推理速度。
MAPO: Mixed Advantage Policy Optimization for Long-Horizon Multi-Turn Dialogue
本文提出了名为 MAPO 的无 Critic 强化学习算法，通过利用判别模型提供的密集过程反馈并结合混合优势估计器，有效解决了主观多轮对话中长程信用分配与训练不稳定的难题，在多个情感智能基准测试中显著提升了模型性能与泛化能力。