cs
01-05 00:00
针对文本到图像扩散模型在相同提示下生成结果单一（模式崩溃）的问题，本研究提出了一种简单的噪声优化方法。该方法通过优化初始噪声向量，在保持基础模型生成质量的同时，有效提升了输出图像的多样性。研究还分析了噪声的频率特性，发现采用不同频率分布的噪声初始化能进一步改善优化效果和搜索效率。实验表明，该方法在生成质量和多样性方面均优于现有方法。
扩散模型模式崩溃噪声优化生成多样性文本到图像
cs
01-05 00:00
本文提出了一种推理感知的知识检索方法，旨在解决大语言模型难以有效融合检索与推理策略的挑战。该方法采用由粗到精的两阶段检索：首先定位与对话主题相关的知识子区域，然后在该区域内精炼出与推理过程直接相关的知识。核心创新在于引入蒙特卡洛树搜索（MCTS）启发的方法，利用关键词在知识库中进行高效导航。实验表明，该方法不仅能更好地对齐人类对话的底层推理逻辑，还显著提升了检索知识的多样性，从而生成更具信息量和创造性的回复。
大语言模型知识检索推理增强蒙特卡洛树搜索多轮对话信息多样性
cs
01-05 00:00
本研究针对尼日利亚因临床资源匮乏、语言障碍导致的抑郁症筛查覆盖率低的问题，提出了一种创新的自动化筛查方法。研究者收集了432份尼日利亚皮钦英语的音频回答，并进行了转录、预处理和标注（包括语义标签、俚语解释及PHQ-9严重程度评分）。在此基础上，对Phi-3-mini、Gemma-3-4B和GPT-4.1三个大语言模型进行了微调。评估结果显示，GPT-4.1在PHQ-9严重程度评分预测上达到了94.5%的准确率，并且在文化适宜性、清晰度和相关性方面表现最佳。这项工作为在语言多样、资源有限的环境中部署对话式心理健康工具奠定了基础。
心理健康ai大语言模型微调低资源语言抑郁症筛查尼日利亚皮钦英语
cs
01-05 00:00
本研究针对工业应用中因故障数据稀缺导致的极端类别不平衡问题，系统评估了14种异常检测算法。通过使用基于超球面分布的合成数据集（2维与10维），在异常率0.05%至20%、训练集规模1000至10000的设定下进行基准测试。研究发现，最佳检测器高度依赖于训练集中故障样本的总数：当故障样本少于20个时，无监督方法（kNN/LOF）占优；当故障样本达到30-50个时，半监督（XGBOD）与监督方法（SVM/CatBoost）性能显著提升。研究揭示了小数据集上异常检测方法的泛化性能下降问题，为工业场景的算法选型提供了实用指南。
异常检测类别不平衡工业机器学习算法评估泛化性能合成数据集
cs
01-05 00:00
本研究将经典骰子游戏Yahtzee建模为马尔可夫决策过程，并作为强化学习的中等规模基准进行测试。研究对比了REINFORCE、优势演员-评论家（A2C）和近端策略优化（PPO）三种策略梯度方法。在固定训练预算下，A2C在多种设置下均能稳健训练，其智能体在10万局评估中获得中位数241.78分，接近最优动态规划得分254.59的5.0%以内。所有模型在学习上层奖励策略时均遇到困难，突显了长期信用分配和探索的挑战。
强化学习策略梯度yahtzee游戏a2c算法基准测试马尔可夫决策过程
cs
01-05 00:00
本研究提出了一种基于铁电忆阻器突触的脉冲神经网络（SNN），用于解决脑机接口（BCI）中脑电信号（EEG）因个体和会话差异导致的非平稳性问题。通过制备并建模铁电突触器件，研究团队评估了两种部署策略：器件感知训练和软件训练权重迁移后的低开销设备端重调。为高效适应，他们引入了一种器件感知权重更新策略，将梯度更新数字累积，仅在超过阈值时转换为离散编程事件，从而模拟非线性编程动态并降低编程频率。两种策略均实现了与最先进软件SNN相当的分类性能，且仅重训练网络最后几层的特定对象迁移学习进一步提升了分类准确率。这为在资源受限平台上实现个性化、自适应的神经形态信号处理开辟了实用路径。
脉冲神经网络铁电忆阻器脑机接口自适应学习神经形态计算脑电信号处理
cs
01-05 00:00
本研究针对城市最后一公里包裹配送中人力资源工作量分配不均的问题，提出了一种多算法协同优化方法。该方法综合考虑配送点距离与工作量，通过结合k-means聚类、进化算法、基于k-means初始化的递归分配以及混合进化集成算法等多种技术，旨在实现每日每位配送员完成相似工作量（$W_i \approx \bar{W}$）的平衡目标。在西班牙Azuqueca de Henares的实际案例中验证了该方法的有效性，优化了传统仅依赖地理邻近分配的不足。
最后一公里配送工作量平衡多算法优化人力资源调度智能物流
cs
01-05 00:00
本文针对经典印度拉米纸牌（13张牌变体）这一不完全信息序列游戏，提出了一种基于规则的战略博弈框架。核心贡献是引入了一种名为MinDist的新手牌评估度量，该度量通过量化手牌与最近有效配置之间的编辑距离，来捕捉其接近完成的结构邻近性。研究设计了一种计算高效的算法，利用动态剪枝和模式缓存来精确计算此度量，并将对手手牌建模纳入双人零和模拟框架。实证结果表明，基于MinDist的智能体胜率相比传统启发式方法有显著提升。
博弈论规则策略度量优化不完全信息博弈拉米纸牌算法设计
cs
01-05 00:00
本研究以伊朗鸽塔为案例，探究生成式AI对乡土建筑中蕴含的设计智慧的理解能力。通过测试Midjourney v6、DALL-E 3和基于SDXL的DreamStudio三个扩散模型，在参照、适应和推测三个提示阶段的表现，并采用包含类型、材料、环境、真实性和文化特异性五个维度的评估框架。研究发现，AI能可靠地再现几何图案，但在材料和气候逻辑上存在误读。参照图像能提升真实性但限制创造性，而脱离参照则能产生更具创意但文化模糊的结果。这揭示了AI在视觉相似性与建筑推理能力之间的边界。
生成式ai建筑智能扩散模型文化遗产人机交互计算设计
cs
01-05 00:00
本研究将强化学习探索算法Go-Explore适配于对具备工具使用能力的生产级LLM代理（GPT-4o-mini）进行安全测试。通过28次实验运行发现：随机种子方差对结果的影响是算法参数的8倍，单一种子比较不可靠，而多种子平均能有效降低方差。奖励塑形持续损害性能，导致94%的运行中出现探索崩溃或产生18个未经验证的误报。结果表明，在测试经过安全训练的模型时，种子方差和针对性领域知识的重要性可能超过算法本身的复杂性。
ai安全测试红队测试大语言模型强化学习随机种子方差探索算法
cs
01-05 00:00
本研究揭示了大语言模型（LLM）组合技术中的一个关键供应链漏洞。通过利用不同模型间词汇表对齐（tokenizer transplant）这一必要步骤，攻击者可以设计一个在“供体模型”中功能惰性的“破坏性令牌”。该令牌在移植到“基础模型”后，会可靠地重构为一个高显著性的恶意特征，从而破坏基础模型的生成能力，同时使供体模型的行为在统计上与正常情况无法区分。攻击形式化为一个双目标优化问题，并通过稀疏求解器实现。实证表明，该攻击无需训练，能通过谱模仿规避异常检测，并对微调和权重合并具有结构持久性，突显了模块化AI组合流程中的隐藏风险。
大语言模型安全模型组合攻击词汇表移植供应链漏洞对抗性令牌
cs
01-05 00:00
本文针对固定置信度最优臂识别（BAI）中，严格误差控制导致样本效率低、对分布假设敏感的问题，提出了一种渐近框架。该框架仅在样本量足够大时要求误差控制有效，更符合现实世界中信号弱、显著性要求高、需事后推断的场景。研究者开发了一种基于臂索引的渐近任意时间有效置信序列，并设计了新的BAI算法。该方法能灵活纳入协变量以降低方差，并在完全非参数设置下确保近似误差控制。在温和的收敛假设下，理论分析给出了样本复杂度的渐近界，并证明其最坏情况样本复杂度与已知方差的高斯BAI在精确误差保证下的最佳情况相匹配。实验表明，该方法在保持误差控制的同时，显著降低了平均样本复杂度。
最优臂识别渐近理论置信序列非参数推断样本复杂度协变量调整
cs
01-05 00:00
本文提出了一种统一的、基于自动机的强化学习框架，用于在度量区间时序逻辑（MITL）规范下，为马尔可夫决策过程（MDP）和部分可观测马尔可夫决策过程（POMDP）合成策略。核心方法是将MITL公式转换为定时极限确定性广义Büchi自动机（Timed-LDGBA），并与底层决策过程同步，构建适合Q学习的乘积定时模型。通过一个简洁而富有表现力的奖励结构来强制时序正确性，同时兼顾其他性能目标。在三个仿真研究（5x5网格世界MDP、10x10网格世界POMDP及办公室服务机器人场景）中验证了该框架能有效学习满足严格时间约束的策略，可扩展至更大状态空间，并在部分可观测环境中保持有效。
强化学习时序逻辑机器人规划部分可观测自动机理论运动规划
cs
01-05 00:00
针对大语言模型在方程发现任务中表现出的“指令脆弱性”（即输出对提示词高度敏感）问题，本研究提出NeuroSymBO框架。该框架将提示工程重构为一个序列决策问题，通过维护一个离散的推理策略库，并利用贝叶斯优化根据数值反馈在每一步选择最优指令。在偏微分方程发现基准测试中，这种自适应指令选择方法显著优于固定提示策略，能以更简洁的解决方案获得更高的方程恢复率。
大语言模型贝叶斯优化方程发现指令调优偏微分方程自适应策略
cs
01-05 00:00
本文提出了Spatial4D-Bench，一个用于全面评估多模态大语言模型（MLLMs）4D空间推理能力的大规模基准。该基准包含约4万个问答对，覆盖物体理解、场景理解、空间关系、时空关系、空间推理和时空推理等6个认知类别下的18项具体任务。评测发现，当前最先进的MLLMs在路径规划、动作识别、物理合理性推理等多种4D空间推理任务上仍存在显著局限。该工作旨在为社区提供有价值的洞见，并推动MLLMs向人类水平的4D空间智能发展。
多模态大模型空间智能基准评测时空推理计算机视觉
cs
01-05 00:00
针对寻找有向图中最长简单环这一NP难问题，本文提出基于最优环均值（最小和最大环均值）的严格代数界和启发式近似方法。最优环均值可在强多项式时间内计算，为最长简单环的权重和长度提供了多项式时间可计算的约束，适用于分支定界算法的搜索空间剪枝。实验表明，严格代数下界通常较宽松（中位数低于真实值85-93%），而启发式近似误差仅为6-14%。研究还发现最大权重环与最大长度环常重合，表明长环倾向于积累大权重。
最长简单环最优环均值加权有向图np难问题启发式近似代数界
cs
01-05 00:00
本文提出MetaJuLS，一种基于元强化学习的通用自适应约束传播方法，用于加速大语言模型的结构化推理任务（如JSON模式强制、多语言解析）。该方法将结构化推理建模为自适应约束传播问题，通过元学习训练一个图注意力网络作为策略。实验表明，MetaJuLS在保持与最先进解析器精度差距在0.2%以内的同时，相比GPU优化的基线方法实现了1.5-2.0倍的推理加速。在跨10种语言的通用依存解析和LLM约束生成任务上，仅需5-10个梯度步（5-15秒）即可快速适应新语言和任务，无需数小时的任务特定训练。机理分析显示，该策略能自动发现类似人类的“易优先”解析策略和新的非直观启发式方法。通过减少LLM部署中的传播步骤，MetaJuLS有助于直接降低推理碳足迹，推动绿色AI发展。
元强化学习约束传播结构化推理大语言模型图注意力网络绿色ai
cs
01-05 00:00
本研究对比了增强现实手持导航系统与传统纸质地图在大型医院环境中的导航效果。通过32名参与者的混合方法实验，测量了导航性能、认知负荷、情境焦虑及用户满意度。结果显示，AR用户完成任务显著更快、错误更少，且焦虑和认知负荷更低。然而，纸质地图用户在空间记忆任务中表现更佳，揭示了实时效率与长期空间学习之间的权衡。研究为包容性AR设计及医疗可及性提供了策略。
增强现实室内导航医院环境用户体验认知负荷空间记忆
cs
01-05 00:00
本研究针对知识图谱（KG）在生态与生物多样性领域应用时面临的查询困难与用户需求脱节问题，提出了“语义单元”（SUs）的概念。语义单元是知识图谱中具有语义意义的命名子图，旨在增强用户的认知互操作性。研究以德国生物多样性探索区（BE）的出版物和数据集元数据为基础，构建了一个知识图谱，并首次实现了语义单元的应用。此外，研究还展示了如何利用大语言模型（LLMs）从文本中提取结构化元数据，以及如何利用嵌入模型为元数据补充潜在信息，以支持创建符合FAIR原则的结构化元数据。
知识图谱语义单元生物多样性元数据大语言模型fair原则
cs
01-05 00:00
本文提出了一种基于守恒定律约束下不可逆信息处理的物理智能理论。该理论将智能系统建模为智能体-环境耦合过程，其演化将信息转化为目标导向的功。通过引入守恒一致编码框架，将编码对应于由守恒定律强化的吸引子盆地，从而将信息与物理状态联系起来。在此框架下，智能被定义为每纳特不可逆处理信息所产生的目标导向功。由此推导出开放系统中信息摄入、不可逆计算和功提取的物理约束层次。该理论揭示了长期效率如何依赖于内部信息结构的保存，从而产生自我建模，并确立了物理具身智能系统存在固有的认知极限。
物理智能理论不可逆信息处理守恒定律吸引子动力学目标导向功认知极限
cs
01-05 00:00
本文集收录了于2025年9月在意大利卡拉布里亚大学举办的第41届国际逻辑编程会议（ICLP）的技术通讯。作为该领域的顶级国际会议，ICLP自1982年首届会议以来一直是展示逻辑编程研究成果的重要平台。本卷收录的论文和扩展摘要涵盖了理论基础、语言设计与编程方法论、程序分析与优化、应用与实现方法论等多个核心领域，并包含主轨道、IJCAI快速通道和近期发表研究轨道三个投稿方向的贡献。
逻辑编程程序设计语言理论计算机科学会议论文集程序分析
cs
01-05 00:00
TeleWorld提出了一种实时多模态4D世界建模框架，通过“生成-重建-引导”的闭环范式，将视频生成、动态场景重建与长期世界记忆统一起来。其核心在于将生成的视频流持续重建为动态的4D时空表示，并以此引导后续生成，以维持空间、时间和物理一致性。为降低长序列生成的延迟，模型采用了基于自回归扩散的视频模型，并结合了从微观到宏观的分层规划方法（MMPL）以及高效的分布匹配蒸馏技术（DMD），从而在有限计算预算下实现实时合成。该工作推动了世界模型向实用、交互式和可计算系统的演进。
世界模型4d重建视频生成实时合成多模态动态场景
cs
01-05 00:00
本文提出IMBWatch，一种利用时空图神经网络（ST-GNN）检测非法按摩店（IMB）的框架。该框架从开源情报（如在线广告、营业执照、用户评论）构建动态异构图，节点代表商家、别名、电话号码和地址等实体，边捕捉时空与关系模式（如共址、电话复用、广告同步）。模型结合图卷积与时序注意力机制，建模IMB网络在时空上的演化规律（如跨城人员流动、一次性电话轮换、广告协同激增）。在多个美国城市的真实数据集上，IMBWatch在准确率和F1分数上均优于基线模型，并具备更好的可解释性，为主动干预提供可操作的洞察。
图神经网络非法活动检测时空数据挖掘开源情报分析公共安全
cs
01-05 00:00
本文提出RIMRULE，一种基于动态规则注入的神经符号方法，用于提升大语言模型（LLM）在特定领域工具使用中的可靠性。该方法从LLM的失败轨迹中提炼出紧凑、可解释的规则，并在推理时注入提示中以提升任务性能。规则由LLM自身提出，并通过最小描述长度（MDL）目标进行整合，该目标倾向于选择通用且简洁的规则。实验表明，该方法在不修改模型权重的情况下，提升了LLM在已见和未见工具上的使用准确率，优于基于提示的适应方法，并能与微调互补。
大语言模型工具使用规则学习神经符号方法最小描述长度模型适应