检索标题、摘要与正文，把分散的信息连起来。
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。
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部署，但主权、合规、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。我们提出了 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。
arXiv:2610.32107v1 发布类型：新 摘要：参与对话不仅涉及决定该说些什么，还涉及是否应该开口。在诸如狼人杀这样的环境中，由于参与者利益相冲突，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判。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。
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……
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进行协调的智能体。通过实时人类反馈或大规模行为数据集进行强化学习成本高昂，而纯模拟训练则容易过拟合于人工设定的规范，在与真实人类的零样本协作中往往表现不佳。我们提出了一种针对认知受限伙伴训练协作智能体的框架：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，而非依赖奖励塑造或历史训练中的关键节点。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接近r
arXiv:2610.31918v1 发布类型：新 摘要：对交互式大型语言模型代理进行蒸馏时，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的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
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，一种被称为“虚拟静止性”（VS）的范式要求应用程序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间切换需求。我们重新将实时迁移表述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……
arXiv:2610.32027v1 发布类型：新 摘要：HPC 集群被多个项目共享，每个项目都享有一定数量的节点小时配额，而如何确保公平性正变得愈发困难。基础模型工作流与自动化流水线使得作业提交呈现出突发且高度集中的特点，少数重度用户占据了大量资源，导致偶尔使用的用户不得不承受由频繁提交的用户造成的队列等待延迟，却无法获知自己的作业究竟需要等待多久。现有的调度器要么忽视历史使用情况，要么仅保护队列头部的作业，要么假定正在运行的作业可以被抢占。我们提出了一种名为 HyDRA 的混合式截止时间与排名感知调度器，它能够在保障用户间公平性的同时，严格限制每项作业的队列等待时间。HyDRA 在作业到达时即根据其规模及其所属项目的优先级为其分配一个截止时间……
arXiv：2610.32024v1 发布类型：新 摘要：用户向智能体发出的任务指令往往存在固有的表述不充分问题，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 基准，它包含涵盖九种模拟工作空间环境的 110 项任务，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
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、多方的、多议题的谈判框架，在该框架中，循环参与的代理在一系列谈判博弈中展开互动，同时有一名参与者暗中试图阻止达成协议
arXiv：2610.32022v1 发布类型：新 摘要：在人机交互中，意图识别要求智能体通过推断说话者的潜在目标来化解含糊不清的自然语言指令。近年来，研究日益聚焦于两种颇具代表性的范式来应对这一任务：结构化符号推理与多模态输入增强。然而，在那些歧义源于未明示的人类意图而非缺失可观测场景信息的情形下，基于增强的方法是否确实具有优势，仍不明确。本文开展了一项对比与诊断性研究，将采用结构化社会与具身推理的FISER框架与CEMIR（上下文增强型多模态意图识别）方法进行基准测试——后者是一种实施多模态增强的技术。
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，既需要丰富多样的情节推进，又要求具备长远的叙事连贯性。我们的观察发现，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——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，探索多样化的因果路径；同时，它还构建了后向叙事依赖树，用于组织、保存并检索历史记忆。
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暗示。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，我们通过在MMLU问题上观察提示诱导的答案偏移来探究这一现象，评估了诸如“[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归因的信息源（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
arXiv:2610.31863v1 发布类型：新 摘要：若农业机械需支持智能化的离线辅助功能，则系统必须能够动态访问技术文档。本文分析了基于ISO 11783的CAN总线上操作手册的语义同步问题，将其定义为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。通过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者验证。一份完整的手册在物理层面上的ISO 11783网络上完成传输，耗时31至89秒，具体取决于f
2026年10月26日，arXiv发布论文arXiv:2610.31723v1，提出拉丁语专用编码器Latin Modern BERT（LAMB），基于ModernBERT架构，经两阶段预训练，使用超740亿拉丁语词元及新型形态学感知掩码策略；同时公开两个全新拉丁语语料库：含240亿词元的Acervus（含76万经ByT5修复的OCR损坏文本）和首个人工构建的拉丁语语义三元组数据集Corpus Trinum（超1亿强/弱三元组）。
推荐理由：该研究填补了古典语言NLP基础资源空白，首次系统构建面向拉丁语语义理解的大规模预训练模型与配套评测基准，并通过严谨实验验证LAMB在17个子任务中16项领先，具备明确技术贡献与可复现性；所有结论均严格对应arXiv论文摘要与事实提取内容，未引入外部信息。
arXiv：2610.31721v1 发布类型：新 摘要：在评估成本高昂且约束复杂的高维物理系统时，如何进行优化是科学与工程领域的一项核心挑战。在离线模型基优化（MBO）中，方法必须仅利用固定的数据集来改进设计方案，而不能在测试阶段访问真实的优化目标。然而，现有方法通常存在保守性、对代理模型的无约束利用，或作为静态的推理阶段采样器，无法根据精确的物理目标进一步优化候选解等问题。本文提出了一种用于离线模型基优化的可微扩散条件化（D2C）方法，该方法利用了这样一个事实：确定性采样使得反向去噪链相对于条件信号是可微的。D2C将一个 fro
一篇于2026年10月26日发布在arXiv（编号2610.31820v1）的AI研究论文指出，针对采用基于价值的强化学习（value-based RL）训练的大语言模型（LLMs），其已有的Critic模块无需额外训练或数据即可作为高精度、高校准性的置信度估计器使用。
推荐理由：该研究揭示了置信度估计与RL中Critic训练在数学本质上的等价性（在正确性结果定义下），并通过跨十余个领域（数学、代码、工具调用、通用推理）的实证验证了复用Critic的有效性与泛化能力；成果对降低LLM可信部署门槛具有直接工程价值。
arXiv:2610.31972v1 发布类型：新 摘要：评估那些基于实时、动态变化的企业数据运行的对话代理十分困难：由于后端状态不断更新，重放的会话会逐渐偏离真实情况；而今天构建的基准测试，随着其所描述的数据不断演进，也可能在不知不觉中变得过时。我们提出了一种针对生产级对话代理的离线评估框架，该框架能够在所操作的实时数据发生变化的情况下保持可复现性，并且在基准过时时能够按需重新生成。随后，我们将这一框架用作基于GEPA的提示优化的适应度函数，并通过一个正确性约束机制来防范奖励欺骗。将其应用于一款面向商家的生产级代理后，经过正确性约束的压缩处理，可在不降低保留任务正确率的前提下，将代理的完整提示空间缩小3.5%至7.6%。
arXiv：2610.31765v1 发布类型：新 摘要：从单个参考视频生成动态场景的多段视频，需要在不同视角之间一致地合成已观测与未观测的内容。现有的用于视频扩散的相机控制方法通常依赖于一些架构机制，包括相机嵌入、跨视图注意力以及几何条件化等。尽管这些方法对静态场景内容较为有效，但在处理必须在各视角及随时间保持一致的细粒度动态几何时，往往面临困难。我们通过在源自源视频的规范3D空间中采样高斯噪声先验，并将其光栅化至目标相机，从而同步扩散过程本身，而非在每个2D图像平面中独立采样。我们的 m
arXiv于2026年10月26日发布题为《SPECMEM: Accelerating Agentic Tool Calling via Live Memory Management》的预印本论文（编号2610.31840v1），提出名为SpecMem的新系统，通过跨会话、在线更新的用户级工具调用记忆管理，显著降低工具调用延迟。
推荐理由：该研究针对当前工具调用智能体在部署中因自回归解码导致的高延迟问题，提出可验证写回、LRU淘汰、副作用门控等关键技术，并在多用户多会话真实查询流上验证了其有效性（最高1.74倍实测加速、27%平均接受token提升），属AI系统工程方向的重要进展。
