搜索 AI 资讯

TACS-RF: Tool-driven Agentic Circuit Synthesis of RF and mmWave Modules

arXiv:2610.31882v1 Announce Type: new Abstract: We present the framework of TACS-RF - a Tool-driven Agentic Circuit Synthesis of RF and mmWave modules. In this framework, a large-language-model (LLM) coding agent (Claude Opus 4.8) directly drives industry-standard electronic-design-automation (EDA) tools such as Cadence Virtuoso/Spectre, Calibre, Cadence EMX, and Ansys HFSS to design RF and mmWave modules. We validate the framework through the agentic design of a 240-251 GHz sub-THz transmitter in a 90 nm SiGe BiCMOS process. The agent semi-autonomously designed the sub-blocks including a 60 GHz push-push Colpitts VCO with second-harmonic extraction, multistage differential cascode power drivers, a push-push frequency doubler, a differential bowtie antenna, and all the interstage matching

这位十七岁的少年写下了哪个答案？——六种前沿语言模型中作者年龄误归因、信心失准与非纠正性自我解释的行为学案例研究

arXiv:2610.31946v1 发布类型：新 摘要：三名学生手写回答了同一道考试题目：“什么是幸福？你幸福吗？”他们在收集时的年龄分别为17岁、28岁和45岁。其中，17岁学生的答案措辞谨慎、表述正式。在要求将每份答案匹配到特定年龄与性别标签时，大多数前沿语言模型都自信地将其归为成年人。本文报告了一项针对这一失败现象的结构化案例研究，涉及六种模型：Claude Fable 5、Gemini 3.1 Pro、GPT-5.6 Sol、Grok 4.5、GPT-4o（2024）以及 DeepSeek V4。我们共运行了1,081次API调用，在六个实验条件下对3,225条回复进行了评分，这些条件分别操控了框架设置、披露格式以及受众意识提示。在匹配任务中，六种模型中有三种的表现处于或接近随机水平（1/3），而它们却报告了73%至88%的

RSI-Opt：用于模型训练的递归自我改进优化代理

arXiv：2610.32026v1 发布类型：新 摘要：传统的神经网络训练通常遵循预先设定的优化方案，为此我们设计了一种LLM智能体，它能够监测训练过程中的动态变化，并在训练推进过程中适时调整优化器的参数设置。然而，固定不变的智能体策略无法在多次运行之间积累经验。我们提出了RSI-Opt，一种即插即用的递归自我改进优化器智能体，它能够不断演化指导这一过程的知识体系：包括一个提示模板、一套操作规程、一个经过验证的优化器代码库，以及一套决策节奏。一个元智能体基于先前运行中获得的证据来重写这一策略，同时通过存档机制保留已评估过的策略，以便进一步演化。在三项训练任务上历经五代迭代后，这些元智能体逐步形成了可复用的操作流程与代码，并自主开展其自身的…

篡改的机器学习：评估大型语言模型对机器学习研究的判断

arXiv：2610.32114v1 发布类型：新 摘要：加速人工智能对齐研究进展的一种方法，是将对齐研究的部分环节实现自动化。这需要能够可靠地完成难以监督的研究任务的系统，包括识别研究方案中的缺陷，以及评估某项实验设计是否支持其预期结论。为评估这一能力，我们提出了“Tampered ML”基准，包含1,858个项目对，每个项目由一篇已发表的机器学习论文重构而成的实验方案，以及一个经过轻微修改、引入特定方法学缺陷的反事实版本组成。模型需在两种呈现顺序下均能识别出方法上更为合理的方案。一项针对分层抽样的人工验证研究估计，其中86%的项…

Ψ-0.6：在统一的视觉-语言世界模型中自适应的思想流

arXiv：2610.32177v1 发布类型：新 摘要：人类在面对不断演化的复杂问题时，能够灵活地将多种推理形式有机结合，从而对物理世界进行推理。实现这种灵活性是人工智能领域的一项重大开放性挑战：当前的各类能力往往仍被分割在不同的专用模型中，限制了它们之间的组合方式以及针对特定任务的协同适配能力。我们提出了Ψ-0.6，这是一种统一的视觉—语言世界模型，能够在一种名为“思维流”的共享推理过程中自适应地整合感知、语言、几何与仿真等模块。这些思维流交织着图像、文本以及关于几何与运动的显式表示，而模型可通过统一的标记接口生成并解释所有这些信息。Ψ-0.6在多视角空间推理的零样本任务上超越了当前领先的开放权重模型。

DirCast：通过单一的流媒体视频语言模型实现电竞赛事的实时导播与解说

arXiv:2610.31734v1 发布类型：新 提要：一场电子竞技的实时直播需要一位导演来决定哪路摄像机画面该播出，以及一位解说员在每秒钟、且完全不知下一秒将呈现何景的情况下进行解说。流媒体视频语言模型已经学会进行赛事解说，但仅限于由人类导演事先制作完成的直播内容。我们研究的是实时直播制作场景：模型仅接收每位选手的原始摄像头画面，必须凭借过往信息同时完成导播与解说任务。我们提出了 DirCast，一款能够同时胜任这两项工作的单模型流媒体视频语言模型。它每秒以低分辨率扫描所有摄像头，通过“保留”或“切换”的决策机制判断是否以及何时切镜，并在发言前以高分辨率读取所选画面。其上下文会记录已播出的内容以及……

SAGE基准与GAR框架发布：推动多模态语义对齐评估

2026年10月26日，arXiv发布论文arXiv:2610.31838v1，提出Sense-Aligned Grounding Evaluation（SAGE）——一个统一的10候选图像选择基准，并配套训练无关的Gloss-Augmented Reasoning（GAR）框架，用于跨名词、动词和实体中心的多模态接地评估。

推荐理由：该研究首次将VWSD、VerSe和WikiDiverse三类任务统一为术语中心的接地评测协议，引入混淆难负样本与上下文交换诊断机制，并通过实证表明定义增强与约束引导推理的协同可显著提升Hits@1指标（65.90→71.22），为多模态语义对齐提供了更细粒度、可解释的评估新范式。

InferSlice：一种面向电信广域网的、由SLO驱动的LLM推理参考架构

arXiv：2610.32638v1 发布类型：新 摘要：大型语言模型（LLM）推理正日益作为企业和交互式应用的核心服务被广泛部署，但主权、合规性、延迟以及资源本地化等方面的要求，可能限制集中式云部署的适用性。电信运营商提供地理分布式的计算与网络基础设施，以应对这些约束。然而，现有的 LLM 服务框架主要面向紧密耦合的数据中心设计，对协调地理分布且异构的资源支持有限。我们提出 InferSlice，一种面向电信基础设施、以服务等级目标（SLO）为导向的 LLM 推理参考架构，集成了网络切片、GPU 分区、弹性服务与可观测性等功能。

超越该说什么：基于内心想法的狼人角色主动发言时机选择

arXiv:2610.32107v1 发布类型：新 摘要：参与对话不仅需要决定该说些什么，还需要判断是否应该开口。在像“狼人杀”这样的环境中，由于参与者之间的利益相互冲突，这种判断显得尤为重要，因为无论是发言还是沉默，都会受到他人的解读与评估。因此，对于一个参与“狼人杀”游戏的 LLM 智能体而言，何时发言以及说什么都至关重要。在本研究中，我们介绍了一款专为 AIWolfDial 共享任务中的“随时发言赛道”开发的“狼人杀”AI 智能体。我们的系统基于现有的 Inner Thoughts 框架，通过生成内部思考并评估每种想法的价值，来决定对话中的发言时机。

面向开放ISA的超级计算：RISC-V、Arm与x86架构在HPC工作负载上的比较研究

arXiv：2610.32632v1 发布类型：新 摘要：RISC‑V 正在成为高性能计算（HPC）领域的候选架构，但其与成熟的 x86 和 Arm 处理器相比的竞争力仍难以评估，因为现有研究采用的平台、工作负载和方法各不相同，且很少考虑能效。我们的工作基于统一的软件栈和评估方法，对当前主流的 HPC RISC‑V、Arm 和 x86 处理器进行了全面评测。我们详细分析了 Sophgo SG2044，并将其与 NVIDIA Grace CPU 超级芯片以及 Intel Xeon Platinum 8480+ 在四项 HPC 基准测试（STREAM、HPL、HPL‑MxP 和 HPCG）以及四款典型应用（iPIC3D、PLUTO、OpenFOAM 和 llama.cpp）上进行了对比。用于本研究的 HPL‑MxP 版本链接至 OpenBLAS，并以此为基础进行构建和测试……

实时分区控制中的零样本协同认知受限伙伴

arXiv：2610.31726v1 发布类型：新 摘要：有效的人机协作需要能够与不可预测的人类伙伴协同工作的智能体。基于实时人类反馈或大规模行为数据集的强化学习成本高昂，而纯模拟训练则容易过拟合于人工设定的规范，难以实现与真实人类的零样本协作。我们提出了一种针对认知受限伙伴进行团队协作智能体训练的框架：这些模拟伙伴的多样性源于基于人类生理学文献的程序化约束，具体包括反应延迟和感知局限，而非通过奖励塑造或历史训练检查点来实现。在经过改造的月球着陆器环境中，我们报告了初步证据，表明这些伙伴的表现更像 r

超越策略内与策略外：LLM智能体蒸馏应在何种层次上遵循学生模型？

arXiv:2610.31918v1 发布类型：新 摘要：对交互式大型语言模型代理进行知识蒸馏时，需要在教师生成的示范与学生生成的经验之间做出选择，这大致对应于离策略蒸馏与在线策略蒸馏。尽管两者都被证明是有效的，但我们认为这种区分本质上具有层次性：引发交互历史的策略未必与生成当前动作所用标记前缀的策略相同。我们提出了一种分层代理蒸馏框架，将这两种层次的在线策略性加以形式化，并允许对其配对方式、混合比例以及训练计划进行显式控制。我们通过自蒸馏来研究这一问题，在自蒸馏中，冻结的教师能够获得学生无法获取的任务指导，而

迁移作为稳态执行原语：一种用于近地轨道虚拟静止状态的运行时环境

arXiv：2610.32720v1 发布类型：新 提要：低地球轨道（LEO）卫星巨型星座为对时延敏感的地球同步应用提供了在轨边缘计算能力，但卫星的运动使视距通信窗口被压缩至仅几分钟。为保持逻辑上的地理邻近性，一种称为“虚拟静止性”（VS）的范式要求应用在星座中不断跨过经过的卫星进行迁移。传统的实时迁移机制仅针对单个发起的重定位或复制操作进行优化，而未能满足轨道运动所必需的连续宿主机切换需求。我们重新将实时迁移建模为一种稳态执行模型，并提出了一种全新的虚拟静止性运行时范式。我们形式化了连续迁移的可行性……

Bounding Queue Waits for Fair Scheduling of Bursty HPC Workloads via Hierarchical Algorithms

arXiv:2610.32027v1 Announce Type: new Abstract: HPC clusters are shared among many projects, each holding an allocation of node-hours, and ensuring fairness is becoming harder. Foundation models workflows and automated pipelines have made job submissions bursty and concentrated among a few heavy users, so occasional users absorb queueing delays created by frequent ones, with no indication of how long their jobs will wait. Existing schedulers either forget past usage, protect only the job at the head of the queue, or assume that running jobs can be preempted. We propose HyDRA, a Hybrid Deadline and Ranking-Aware scheduler that enforces fairness among users while bounding the queue wait of every job. HyDRA assigns each job a deadline on arrival based on its size, the priorities of its projec

BARC基准测试：良性请求，风险后果

arXiv：2610.32024v1 发布类型：新 摘要：用户向智能体发出的任务指令本质上往往不够明确，尤其是在安全边界方面——这会带来行为风险。为研究此类风险，我们提出了 BARC-Bench，这是一个包含 110 项任务的基准，涵盖九种模拟工作空间环境；在这些环境中，看似无害的请求可能会为不安全操作留下可乘之机。在该基准中，我们依据工作空间记录、隐含的环境背景以及未明示的社会规范所设定的安全边界，对智能体的行为进行评估。例如，当一个智能体被要求安排离职面谈时，必须在不通过共享日历邀请过早暴露员工辞职信息的前提下安排会议。通过对四种前沿模型配置在每项任务上进行五次尝试的评估发现，m

仅知道该信任谁还不够：重复性多方大型语言模型谈判中的信任—协议鸿沟

arXiv:2610.31971v1 发布类型：新 摘要：大型语言模型（LLM）代理越来越多地代表个人和组织参与谈判，但它们仍然容易受到操纵，尤其是在反复进行的多方互动中。传统的多智能体系统通过显式的信任与声誉模型来应对这一挑战，而现有的LLM谈判研究则大多将信任视为一种涌现现象。我们探究LLM代理能否从以往的交互中形成有用的信任评估，并利用这些评估来改善未来的谈判结果。我们提出了一种重复的、多方参与的、涉及多个议题的谈判框架，在该框架中，循环出现的代理在一系列谈判博弈中展开互动，同时有一方参与者暗中试图阻止达成协议

CEMIR vs. FISER: a comparative study of reasoning-based and enrichment-based approaches to pragmatic intent recognition

arXiv:2610.32022v1 Announce Type: new Abstract: Intent recognition in human-robot interaction requires agents to resolve ambiguous natural language instructions by inferring the speaker's underlying goals. Research has increasingly focused on two notable paradigms for addressing this task: structured symbolic reasoning and multimodal input enrichment. However, it remains unclear whether enrichment-based methods provide benefit in settings where the ambiguity concerns unstated human intent rather than missing observable scene information. In this paper, we present a comparative and diagnostic study benchmarking FISER - a framework utilizing structured social and embodied reasoning - against CEMIR (Context-Enriched Multimodal Intent Recognition), a method that performs multimodal enrichment

DraMaze：一种具备未来感知记忆的多智能体流水线，用于多样化的微剧剧本生成

arXiv：2610.32002v1 发布类型：新 摘要：微剧的迅猛发展使得对高质量剧本创作的需求日益增长。利用大语言模型进行长篇微剧剧本生成，既需要多样化的剧情推进，又要求具备长时段的叙事连贯性。我们的观察表明，随着生成过程的推进，候选续写内容越来越倾向于聚焦于少数几种叙事机制；而传统的检索方式则可能加剧套路的重复使用，并忽视对未来情节至关重要的历史信息。为应对这些挑战，我们提出了DraMaze，这是一种多智能体流水线，通过基于套路记忆的进化树搜索与变异机制，探索多样化的因果路径；同时，它还构建了逆向叙事依赖树，用于组织、保存并检索历史记忆。

你有多信任一只狗？量化推理语言模型中的提示遵循行为

arXiv:2610.32055v1 发布类型：新 摘要：大型语言模型（LLMs）常常表现出阿谀奉承的倾向，即使在客观的事实性和推理类任务上，也会调整其回答以迎合用户的建议。然而，这种影响的量化形式——以及它是否与信息源的可靠性相匹配——仍然知之甚少。在本研究中，我们通过提示诱导的答案偏移来探究这一现象，具体考察了MMLU问题上的“[信息源]认为答案是（X）”这类提示。我们在三个开源模型系列——Qwen、Gemma和SmolLM——中系统性地改变了提示所指向的信息源（教授、朋友或狗），并发现由提示引发的变化遵循一种可预测的结构，该结构可用指数倾斜很好地刻画：提示会诱发

基于ISO 11783网络的机器可读操作手册，用于离线、多语言LLM辅助

arXiv：2610.31863v1 发布类型：新 摘要：如果农业机械要支持智能化的离线辅助功能，那么系统就必须能够动态访问技术文档。本文分析了基于 ISO 11783 的 CAN 总线上的操作手册语义同步机制，将其定义为一种使拖拉机端助手的本地知识库与所连接农具的操作手册保持一致的过程。研究采用 Markdown、JSON 和 XML 对数据传输性能进行了基准测试，并在跨语言查询任务中评估了多种开源大型语言模型（LLMs）。答案的自动评估结果经由四位人工评分员进行验证。一份完整的手册通过物理层的 ISO 11783 网络完成传输，耗时 31 至 89 秒，具体取决于 f