新闻
医疗 LLM 能获知指南更新，却常常仍按旧规则回答
ChronoEvo 对 1709 项临床指南变更的研究显示：在基础模型中，90.8% 的回答记录了新变化，但只有 58.5% 完整应用了这些变化；这一差距达 32.3 个百分点，并且在 14 个模型中均存在。即使提高更新内容的显著性，也未能显著提升将新规则完整纳入临床指南的比例。
种子
353 材料
排序为
新闻
封闭式 LLM 智能体的世界模型：在风险点进行校正
提出了 PAWM——一种外部预测器，不会重复逐步观察，而是在可能发生故障时介入，引导智能体避开错误操作。经过基于合成场景的 SFT 和 GRPO 协同训练后，该方法使 Claude Sonnet 4.5 在 ScienceWorld 和 WebArena-Lite 上分别提升了 24.3% 和 7.7%。
比较
SpeechLLM 上的分类头：在情感识别中，它在哪些方面优于标签生成？
基于 IEMOCAP 和 MELD，比较了紧凑型 SpeechLLM 的情感标签生成输出与基于其隐藏表示的线性分类器。分类器带来的性能提升并非普遍存在：它取决于语料库，以及使用的是参考转录文本还是 ASR 输出。
新闻
从个体评分到可接受集合：DDI 约束下的全局解码
本文将基于 mixed-integer linear programming 实现的精确全局兼容药物组合选择，与在 MIMIC-III 上使用固定 FLAME 评分的多种局部 DDI 冲突消解方案进行了比较。在测试集上，全局方案的 Jaccard 得分略有提升，但优势稳定；随着约束收紧，优势进一步扩大，相较于最强的局部基线方法达到 +0.0064。
新闻
转向概率单纯形可缩小对比式多模态模型中的模态差距
在论文 arXiv:2610.32890 中，作者提出用概率单纯形替代球面嵌入，并加入轻量级 softmax 适配器和总变差相似度。在五个检索基准测试中，模态间的质心 ℓ2 距离降低了 97–99%，同时检索质量保持不变或有所提升。
新闻
ActionRAG 如何在 LLM 智能体的记忆图扩散过程中重新审视证据
提出了一种图式记忆架构，在索引阶段谨慎协调实体，并在查询时依据局部结构重新评估关联。在 MemoryAgentBench 上，该方法的平均准确率达到 55.1，比最强检索基线高 5.4 个百分点，且每次查询的合成成本很低。
新闻
自主投资中 LLM 智能体的可控发展：采用不可变安全防护层的多智能体架构
本文介绍了 Steward——一个由九个不同角色的 LLM 智能体组成的系统：投资组合决策需经风险经理审核，只有通过可逆的控制流程并重放已记录的数据，才能修改提示词。核心结论是，不可变的核心机制与审计流程让智能体得以持续发展，同时不将风险规则和订单执行的控制权交给它们。
新闻
TeachBack：双向偏好调优教会导师模型探索任务，而非复述标准答案
提出了 TeachBack 方法，该方法在基于自身策略进行自蒸馏的过程中，使教师形成重新求解问题的策略，而非依赖特权参考解。在数学推理和逻辑推理任务中，与已知的 OPSD 方案相比，学生的表现得到稳定提升。
新闻
GoldiMask 扩散语言模型微调方法：上下文选择与目标加权
本文提出 GoldiMask：一种面向离散扩散语言模型的监督微调方法，通过近似最大化子模函数来选择可见词元，并根据其训练效用为其余目标分配权重。在多个模型和数据集上的实验表明，该方法提升了平均准确率和逻辑推理、编程任务的表现，并在 GSM8K 和 MATH-500 上以相近的性能减少了并行解码迭代次数。
