今日速览 · AI 导读
自动抓取 arXiv 多学科 RSS，DeepSeek 自动润色标题与摘要，最快 24 小时内汇总。每日 14:00 初始化批次并每 15 分钟轮询学科，24h 无数据则回退 72h/7 天；arXiv 周末停更时自动跳过。
计算机科学领域今日呈现“智能体与治理并进，小模型与多任务突破”的格局。以下为4条要点：
智能体自主性与复现能力提升：多项研究通过分层技能架构（如MolClaw）或LLM智能体，实现药物分子筛选、社会科学结果复现等长周期任务。MolClaw在MolBench上达最先进性能，而基于论文描述的复现系统揭示了模型与论文描述的双重局限。
小模型与代码生成优化路径：1-3B参数模型通过管道组合提升代码能力，关键发现是执行反馈（尤其修复运行时错误）比管道结构更重要，但逻辑错误修复仍是瓶颈。代码专用模型优于通用管道，早期停止可避免负收益。
多任务与统一优化求解新范式：GORED将多种优化问题统一转化为MaxSAT求解，在11类实例上质量不逊于专用方法；MONET用图网络建模任务空间，实现大规模多任务优化，性能达或超基线，尤其适用于高维任务集。
治理滞后与安全评审成核心风险：具身AI的治理滞后被指为最大风险，涉及观测、制度与分配三种滞后。外部评审DeepMind安全案例发现新问题，强调Assurance 2.0框架对适用范围和决策有效性的影响。
2026-04-27 共 23 条抓取，按综合热度排序
本研究基于2021-2025年核电站实际运行事件，量化分析了数字化控制室界面与程序耦合风险。开发了三维标签框架和四因素界面机制模型，发现42.6%的事件涉及界面缺陷，且其存在使程序偏离概率翻倍。语义混淆是主要诱因，占界面诱导错误的27.3%。研究为数字控制室早期脆弱性识别提供了数据驱动的人因可靠性评估工作流。
现有数学基准多依赖预设符号，难以判断模型是否真正理解数学。新提出的“Math Takes Two”基准测试，要求两个无数学先验的AI代理通过通信，从零开始为视觉任务发明共享符号协议。该测试旨在评估模型能否像人类一样，在交流中涌现出抽象的数学推理能力。
该研究提出一种基于工件的代理框架，通过语义层增强医学图像处理。框架利用工件合约形式化中间与最终输出，支持工作流状态的结构化查询和基于目标的条件配置组装。执行由工作流执行器负责，确保确定性计算图构建和溯源追踪，代理在本地运行以保护隐私。在真实临床CT和MRI数据集上验证了自适应配置合成、确定性可复现性及基于工件的语义查询能力。
MolClaw 是一种自主智能体，通过三层分层技能架构（工具级、工作流级、学科级）统一 30 多种专业资源，实现药物分子评估、筛选和优化的长周期交互。在 MolBench 基准测试中，它覆盖 8 至 50+ 次连续工具调用，并在所有指标上达到最先进性能，消融实验证实工作流编排能力是 AI 驱动药物发现的关键瓶颈。
本文指出，具身AI的核心风险并非取代工作岗位，而是治理滞后——公共机构难以跟上技术快速渗透实体经济的步伐。随着可复用机器人平台与通用AI模型结合，具身AI可能在制造、物流、护理和基础设施领域迅速扩展，而治理系统在观察、解读和响应上存在观测性、制度性和分配性三种滞后。政策挑战在于治理能否在颠覆固化前适应。
本文针对高速公路交织区瓶颈，提出一个统一均衡框架，分析混合交通中人类驾驶车辆（HDV）与自动驾驶车辆（AV）的相互作用。通过Stackelberg-Wardrop模型，AV作为策略领导者优化系统性能，而HDV通过均衡适应响应。研究发现，在自私的HDV行为下，AV渗透率的影响呈现非递增特性，仅在关键阈值处才显著改善系统效率，为设计AV控制与激励机制提供了理论指导。
该研究探讨了1-3B参数的小语言模型通过管道组合提升代码生成能力。实验表明，自优化循环中的执行反馈比复杂管道结构更关键，能将代码生成性能提升4个标准差以上。但反馈主要修复运行时错误（如NameError），对逻辑错误（如AssertionError）效果有限。代码专用模型优于通用管道，早期停止对避免负收益至关重要。
本文提出一套多层次方法论，通过软硬件协同设计加速多模态基础模型（MFM）。方法包括层级感知混合精度量化与结构剪枝实现模型压缩，结合推测解码、模型级联及序列长度/分辨率协同优化。同时，基于硬件架构优化数据流，并采用专用加速器（专家或LLM辅助设计）提升效率。在医学MFM和代码生成任务上验证有效性，并扩展至节能脉冲MFM。
该系统处理2010-2025年间1.6万场赛事的160万条田径成绩，运用统计规则、机器学习及轨迹分析等八种检测方法。轨迹分析法通过对比运动员实际表现与预期职业发展曲线，在识别违规与减少误报间取得最佳平衡。系统提供交互式可视化界面，支持专家人工研判，旨在辅助而非替代现有反兴奋剂检测流程。
本文采用PRISMA方法系统综述生成式AI在IT项目管理中的应用，发现OpenAI的GPT模型占主导地位，但研究仍处于探索阶段，主要依赖提示工程。论文提出三个未来方向：面向过程组的AI代理、基于角色的AI代理以及人机混合协作网络，为AI赋能项目管理提供路线图。
本文提出一种名为OP-to-MaxSAT的自动化归约方法，并基于此构建通用优化求解器GORED。GORED能在多项式时间内将多种优化问题转化为MaxSAT实例，利用现有MaxSAT求解器统一求解。在11类共136个实例上的实验表明，GORED能成功求解广泛问题，且解质量与现有专用方法无显著差异。该工作将优化求解范式从为每类问题设计专用算法，转向用单一算法应对多样问题。
本文提出 MONET 算法，将多任务优化中的任务空间建模为图结构，节点代表任务，边连接相邻任务参数空间。通过结合社会学习（邻域交叉生成候选解）与个体学习（独立变异优化），MONET 在弓箭、机械臂、推车杆（各5000任务）和六足机器人（2000任务）四个领域上，性能达到或超过现有 MAP-Elites 基线方法，尤其适用于高维大规模任务集。
本文指出电子健康记录（EHR）虽提升数据可访问性，却增加了医生的认知负担。通过微软内部医生的半结构化访谈，研究识别了数据导航与综合中的关键挑战，并探讨了生成式AI如何通过动态自适应界面支持医生诊断工作流。基于医生对AI的认知模型，提出了以临床医生为中心的生成式用户界面设计考量。
本文首次系统综述了“日常计算”领域，整合了截至2025年8月的203项研究。提出了新的文献分类法，聚焦时间结构、行为交互、认知方面及变异性处理。该领域目标涵盖无障碍护理、健康习惯促进、自适应支持及大规模人口洞察，并指出了低层活动识别与高层意图间的鸿沟等挑战。
本文提出一种基于软调和函数的非参数条件异常检测方法，用于识别临床实践中异常响应（如重要实验室检查遗漏）。该方法通过估计标签置信度检测异常标记，并引入正则化避免孤立或边界样本误检。在真实电子健康记录数据集上验证了有效性，优于多种基线方法。
本研究对比了VRChat Discord社区中人类用户支持与AI聊天机器人支持的差异。通过分析用户参与度、响应动态和互动模式，揭示了两种支持方式的独特优势与局限。研究采用定量与定性方法，为优化在线社区支持策略、提升用户参与度提供了重要见解。
本文运用Assurance 2.0框架对DeepMind的“无法密谋”安全案例进行外部评审，发现了影响其适用范围和决策有效性的重大新问题。基于此，作者提出了具体建议，指导如何开展外部评审及AI开发者应提供哪些信息以支持评审。
本研究开发了一种基于 LLM 智能体的系统，仅通过论文的方法描述和原始数据，即可复现社会科学实证结果。系统在严格信息隔离下运行，并实现了确定性、细胞级别的输出比较与错误归因。在 48 篇人工验证的论文上评估了四种智能体框架和四种 LLM，发现智能体基本能复现结果，但性能因模型、框架和论文而异。失败原因既包括智能体错误，也包括论文本身描述不充分。
研究人员提出一种仅用单张图像预测太阳能电池板未来任意时刻辐照度的方法。通过分析图像中的视觉线索确定相机朝向和可见天空区域，并结合附近建筑反射的平滑变化规律，实现精准预测。在城市峡谷实测中，该方法优于传统辐照度转换和3D模型模拟，并可用于优化面板朝向。
本文提出软各向异性图（SAD），一种显式且可微分的图像表示方法。它通过自适应站点和软Voronoi分区，在保持清晰边界的同时提供可导梯度。在Kodak数据集上，SAD以2.2秒编码时间达到46.0 dB PSNR，相比Image-GS速度提升19倍，并支持高效随机访问和紧凑存储。
本文提出“社区为本的AI学习”框架，主张将AI参与根植于学习者的生活与社区认知方式中。通过“认知微调”、“权威再分配”和“情境辨别”三个承诺，校准信任、凸显社区知识，并支持集体判断何时使用、质疑或拒绝AI，从而促进公平的AI教育。
本研究利用ABIDES模拟器构建多智能体环境，生成具有时间分辨率的真实流动性侵蚀数据。通过订单簿特征识别机械性报价崩塌，并训练神经网络模型输出校准后的崩塌概率。实验表明，该框架在正常、高波动、牛市和熊市条件下均优于基于规则的基线，AUC提升36%，且能泛化至独立和自相关的流动性撤回动态。
本研究报道了一个为期五周的参与式设计项目，加州三名11年级拉丁裔学生与三名高中教师共同协商生成式AI工具在课堂中的使用与教学方式。通过分析视频记录与设计产物，揭示了三种批判性AI素养实践：集体质疑AI假设、互补专业知识互学、以及将AI批判植根于文化知识与创意实践。该案例为青少年参与新兴技术设计提供了策略，扩展了以学生为主体的AI素养培养路径。