🤖 AI 速览

Google DeepMind 推出 Gemini 3.8 Live 与 Live Avatar，将实时多模态交互推向基础设施层；智能体从规划走向协作与可观测，Bot Screen、Claude Code 云会话回应透明度与扩展需求；合成人物角色预测真实受众的负结果与 Bitget 被盗事件，则提醒有效性和风控验证比模型能力更关键。
📋 文章元数据
发布时间
2026-09-25
类型
ai-daily
字数
3208
阅读时长
16 min

2026-09-25 AI日更 | Gemini 3.8 Live 发布，实时多模态与智能体可观测性成为新落点 链接到标题

Google DeepMind 推出 Gemini 3.8 Live 与 Live Avatar，将实时多模态交互推向基础设施层；智能体从规划走向协作与可观测，Bot Screen、Claude Code 云会话回应透明度与扩展需求；合成人物角色预测真实受众的负结果与 Bitget 被盗事件，则提醒有效性和风控验证比模型能力更关键。

📖 本期 Watch List 深度导读 链接到标题

今天最值得关注的主题有三个。一是多模态与实时交互：Google DeepMind 推出 Gemini 3.8 Live 与 Live Avatar，将实时对话与可交互形象带入基础设施讨论；Ovis-Embedding 用统一主干打通文本、图像、视频、音频，Claude Opus 5.5 相关能力讨论也值得留意。二是智能体从规划走向协作：X-Planner 为具身智能补上事件结构规划，ReAdapt 研究 LLM 的社交关系推理，COMED 讨论多模型路由与协作的中间地带，适合关注 agent 架构的团队深读。三是垂直场景中的验证问题：MedGate-Fusion、可解释 GBM 生存预测、合成人物角色预测真实受众的负结果等研究，提醒医疗与营销落地时“有效性验证”比单纯模型能力更关键。

🌐 X 平台 AI 热点快讯 链接到标题

话题 1:Nous Research Launches Bot Screen for Live AI Agent Monitoring 链接到标题

  • 分类:AI · News
  • 概况:热度时间:1 day ago,相关帖子数:842
  • 是什么事:Nous Research推出Bot Screen工具，用于实时监控AI代理的运行状态。
  • 为什么重要:随着自主AI代理增多，实时可观测性成为安全部署和调试的关键，该工具回应了行业对代理透明度的需求。
  • 讨论概况:X上主要讨论该工具能否有效降低AI代理失控风险、与现有监控方案的差异，以及实时监控对代理隐私和性能的影响。

话题 2:Bitget Crypto Exchange Hit by $351.6 Million Hot Wallet Breach 链接到标题

  • 分类:AI · News
  • 概况:热度时间:3 hours ago,相关帖子数:16000
  • 是什么事:加密交易所 Bitget 热钱包遭攻击，损失约 3.516 亿美元。
  • 为什么重要:该事件凸显数字资产平台在实时风控与异常检测上的薄弱环节，可能加速 AI 驱动的链上监控、自动化威胁响应与安全审计技术应用。
  • 讨论概况:X 上主要讨论攻击手法与平台责任，焦点包括用户资金是否受损、平台偿付能力，以及 AI 能否提前识别异常交易或应对日益智能化的攻击。

话题 3:House Report Accuses DOJ of Secretly Targeting Republican Lawmakers 链接到标题

  • 分类:AI · Other
  • 概况:热度时间:,相关帖子数:125
  • 是什么事:美国众议院司法委员会共和党人发布解密FBI“Arctic Frost”调查文件，指控司法部秘密监控共和党议员及特朗普盟友。
  • 为什么重要:该事件暴露执法机构大规模调取金融、社交媒体和通信数据，可能加剧AI辅助监控、数据隐私与算法问责争议，影响政府使用AI工具的监管边界。
  • 讨论概况:X上焦点集中在司法部是否被武器化：支持者认为证据显示FBI与J6委员会协作越权、针对保守派；反对者则认为这是对2020选举干预及国会骚乱的正常问责。

话题 4:Alexandr Wang’s Camo Crocs Outfit Sparks Luxury Memes at Meta Connect 链接到标题

  • 分类:AI · News
  • 概况:热度时间:17 hours ago,相关帖子数:4700
  • 是什么事:Alexandr Wang 在 Meta Connect 上穿着迷彩 Crocs 搭配正装的造型引发网友创作奢侈品风格梗图。
  • 为什么重要:该事件反映了 AI 领域明星创始人的个人形象与公众关注度如何超越技术话题本身，成为行业文化传播和品牌认知的一部分。
  • 讨论概况:讨论焦点集中在调侃其混搭风格与硅谷精英着装规范的冲突，以及这种轻松 meme 是否有助于拉近 AI 领袖与大众距离，还是分散了对技术议题的注意力。

话题 5:CLM Model Speeds Up AI Agent Decisions with Contrastive Learning 链接到标题

  • 分类:AI · News
  • 概况:热度时间:20 hours ago,相关帖子数:1400
  • 是什么事:一种名为CLM的模型通过对比学习显著提升了AI智能体的决策速度。
  • 为什么重要:该进展有望降低AI智能体的推理延迟，提升实时交互和自动化任务中的效率，对资源受限场景的部署具有积极意义。
  • 讨论概况:X上的讨论主要集中在该模型对比传统强化学习方法的实际优势、在复杂环境中的泛化能力与稳定性，以及对比学习在决策任务中是否真正有效。

话题 6:Anthropic Launches Cloud Sessions for Claude Code with Subscriber Credits 链接到标题

  • 分类:AI · News
  • 概况:热度时间:1 day ago,相关帖子数:8000
  • 是什么事:Anthropic 为 Claude Code 推出云会话功能，订阅用户可使用账户积分在云端运行编码代理。
  • 为什么重要:这标志着 AI 编码助手从本地命令行工具向托管云服务扩展，有助于降低开发者使用门槛并推动代理式编程的普及。
  • 讨论概况:X 上的讨论主要聚焦于积分消耗速度与成本、云会话和本地运行的体验差异、安全与延迟问题，以及相较 OpenAI Codex、Cursor 等竞品的定位。

话题 7:AI Agent Trims 400,000 Lines of Redundant Tests in OpenClaw Project 链接到标题

  • 分类:AI · News
  • 概况:热度时间:6 hours ago,相关帖子数:367
  • 是什么事:一个 AI 智能体在 OpenClaw 项目中清理了约 40 万行冗余测试代码。
  • 为什么重要:这展示了 AI 智能体在大规模代码清理和自动化维护方面的能力，可能显著降低技术债务并提升开发效率。
  • 讨论概况:讨论主要围绕 AI 清理的准确性、是否会误删有效测试，以及此类自动化操作是否应经过更严格的人工审查。

话题 8:Paper Rex Beats Team Liquid 2-1 to Top VALORANT Champions Odds 链接到标题

  • 分类:AI · Sports
  • 概况:热度时间:,相关帖子数:164
  • 是什么事:Paper Rex以2-1击败Team Liquid，升至VALORANT Champions夺冠赔率第一。
  • 为什么重要:此事作为AI与体育交叉话题受到关注，反映AI驱动的赛事预测和赔率模型在电竞赛事中的影响力与准确性正被实际检验。
  • 讨论概况:X上的讨论主要围绕AI预测是否高估Paper Rex、赔率变化是否合理，以及数据模型在电竞预测中的可信度。

话题 9:Israeli Forward Scores Then Sent Off for Flag Celebration 链接到标题

  • 分类:AI · Other
  • 概况:热度时间:3 hours ago,相关帖子数:17000
  • 是什么事:以色列一名足球前锋在进球后展示旗帜庆祝，被裁判出示红牌罚下。
  • 为什么重要:该事件本身与AI技术无直接关联，但其被平台自动归入“AI·Other”分类并成为高热话题，反映出自动内容分类、政治敏感内容识别与推荐算法在体育与政治交叉场景中的治理难度，对AI内容审核有参考意义。
  • 讨论概况:X上的讨论主要聚焦红牌判罚是否合理、旗帜是否属于政治表达，以及体育赛事中政治象征的边界；用户对裁判标准和平台内容标签处理存在分歧。

话题 10:Dagestani Fighters’ Relentless Discipline Powers UFC Dominance 链接到标题

  • 分类:AI · Other
  • 概况:热度时间:8 hours ago,相关帖子数:328
  • 是什么事:达吉斯坦格斗选手以其严格的纪律性在UFC中取得统治地位。
  • 为什么重要:该话题虽属于综合格斗领域，但因训练纪律与强化学习中的持续优化原则存在类比，引发AI社区对“纪律驱动迭代”这一方法论的关注。
  • 讨论概况:X上讨论集中在：达吉斯坦选手的训练体系是否可类比为AI中的奖励函数设计，以及非技术领域的极端纪律能否为AI模型的长期稳健训练提供启示。

话题 11:Van Dijk Commits to Netherlands as Gakpo’s Late Goal Earns Draw vs. Klopp’s Germany 链接到标题

  • 分类:AI · Other
  • 概况:热度时间:1 day ago,相关帖子数:57000
  • 是什么事:荷兰队凭借加克波终场前破门战平克洛普执教的德国队，范戴克确认将继续为荷兰国家队效力。
  • 为什么重要:该话题属于体育热点，对 AI 领域无直接技术或商业影响；其被归入“AI · Other”趋势，反映社交平台话题分类对非 AI 内容边界较模糊，可能干扰 AI 趋势观察。
  • 讨论概况:X 上讨论主要围绕范戴克的国家队去留、加克波的关键进球以及克洛普执教德国后的战术调整；AI 社区对此无明显讨论或分歧。

话题 12:Lewis Hamilton Shares AI Video of F1 Drivers in Funny Car Ride 链接到标题

  • 分类:AI · Sports
  • 概况:热度时间:8 hours ago,相关帖子数:10000
  • 是什么事:刘易斯·汉密尔顿在X上分享了一段由AI生成的F1车手搞笑乘车视频。
  • 为什么重要:该事件体现生成式AI在体育娱乐内容中的传播力，也引发对AI生成视频真实性与边界的关注。
  • 讨论概况:讨论焦点集中在视频的逼真程度和娱乐效果，以及AI合成内容是否会误导观众、涉及车手肖像权等问题。

话题 13:Chile’s Golden Retriever Puppies Nap After Military Parade 链接到标题

  • 分类:AI · Entertainment
  • 概况:热度时间:,相关帖子数:146
  • 是什么事:智利一场军事游行后，几只金毛幼犬在路边打盹的视频和照片在 X 上迅速走红，并被平台归入“AI · Entertainment”趋势分类。
  • 为什么重要:该话题反映了 AI 推荐系统对娱乐性萌宠内容的自动聚类与放大作用，也引发了关于真实动物视频与 AI 生成内容难以区分的讨论。
  • 讨论概况:X 上用户主要争论这些幼犬画面是真实拍摄还是 AI 合成，以及平台算法为何将自然萌宠内容纳入 AI 类别；也有人关注 AI 推荐机制对娱乐话题传播的影响。

话题 14:Birdman and Toni Braxton Spotted Together After Rocky Marriage Timeline 链接到标题

  • 分类:AI · Entertainment
  • 概况:热度时间:,相关帖子数:48
  • 是什么事:Birdman与Toni Braxton在经历被媒体称为“坎坷婚姻时间线”的多次分合后，再次被拍到共同现身。
  • 为什么重要:该话题进入AI·娱乐热榜，显示社交媒体AI推荐与自动分类系统正在将高互动娱乐内容纳入AI相关标签，暴露了跨域内容理解与标签准确性的问题，是评估AI内容审核与分类偏差的典型案例。
  • 讨论概况:X上用户主要争论两人是否复合或已秘密结婚，粉丝回顾其关系时间线；也有声音质疑该娱乐八卦被归入AI分类的合理性，讨论AI标签为何未能区分娱乐与科技议题。

话题 15:OnlyFans Faces Claims of Fake Subscribers and Hidden Motives 链接到标题

  • 分类:AI · Entertainment
  • 概况:热度时间:,相关帖子数:50
  • 是什么事:OnlyFans被指存在大量虚假订阅者，并涉嫌隐藏平台运营动机。
  • 为什么重要:事件凸显生成式AI与自动化机器人可能被用于伪造用户和互动，加剧平台信任危机并影响创作者经济。
  • 讨论概况:X上讨论聚焦于虚假账号是否由AI驱动、平台是否默许或参与，以及这对创作者收入和内容生态的潜在影响。

今日 X 上的 AI 舆情小结 链接到标题

今天讨论主线围绕AI代理与生成式AI加速落地时的“信任与边界”展开。行业普遍认为实时可观测性、低延迟决策、云端代理编码和自动化代码清理是提升AI部署安全与效率的关键，但Bitget被盗和OnlyFans虚假订阅事件暴露出AI既可能用于风控也可能被用于攻击或伪造互动，能否真正防控风险存在明显分歧。内容治理方面，多起体育娱乐话题被算法归入AI分类，加上F1搞笑视频和萌宠视频的真实性争议，反映出推荐与审核系统在跨域理解和AI生成内容辨别上的不可靠；FBI监控文件更激化了政府使用AI辅助监控与隐私边界的政治对立。潜在风险集中在自主代理失控或误删、金融与创作者经济中的自动化欺诈、AI合成内容误导公众，以及平台算法分类失准可能进一步放大治理混乱。

💡 大佬观点(Influencer Insights) 链接到标题

今日大佬观点暂缺,推荐阅读 Watch List 深度内容。

📚 附录:今日 Watch List 更新源列表 链接到标题

时间窗口:最近 3 天;覆盖 22 个源;共 33 条更新

Stratechery by Ben Thompson (A_full) 链接到标题

  • An Interview with Colossus EIC Jeremy Stern About Profiling Mark Zuckerberg
    • 发布时间:2026-09-24 18:00 北京时间
    • 摘要:- Colossus EIC 杰里米·斯特恩 (Jeremy Stern) 接受采访，了解马克·扎克伯格 (Mark Zuckerberg) 和其他著名科技人物的概况。
      • 15 美元/月或150 美元/年。
      • 通过每周三封电子邮件或播客对当天新闻进行实质性分析。
      • 策略采访。
      • 采访领先的上市首席执行官、私营公司创始人，并与分析师同行进行讨论。
    • EN 要点:
      • An interview with Colossus EIC Jeremy Stern about profiling Mark Zuckerberg and other prominent tech figures.

Google DeepMind Blog (A_full) 链接到标题

  • Introducing Gemini 3.8 Live with Live Avatar
    • 发布时间:2026-09-25 00:20 北京时间
    • 摘要:- 推出 Gemini 3.8 Live 和 Live Avatar。
      • 这篇来自 Google DeepMind 博客的文章解释了 Gemini 3.8 Live 与 Live Avatar 的介绍如何塑造更广泛的人工智能和基础设施格局。
      • 在推出 Gemini 3.8 Live with Live Avatar 后，它还为创始人、运营商和投资者带来了实际影响。
    • EN 要点:
      • Introducing Gemini 3.8 Live with Live Avatar

Two Minute Papers (B_intro+search) 链接到标题

  • Claude Opus 5.5 AI: An Incredible Leap Forward
    • 发布时间:2026-09-24 16:40 北京时间
    • 摘要:- ❤️ 在这里查看 Lambda 并注册他们的 GPU Cloud：。
      • 注意：在行走生物实验中，Astra 使用了简化模型，无法实现正确的模型。
      • 模拟了更多代之后，情况并没有改善。
      • 行走的生物视频和论文：。
    • EN 要点:
      • ❤️ Check out Lambda here and sign up for their GPU Cloud:
      • Note: in the walking creatures experiment, Astra used a simplified model and was unable to implement the correct one
      • Things did not improve after simulating it for more generations
      • Claude Opus 5.5:

ArXiv cs.AI (B_intro+search) 链接到标题

  • Do Synthetic Personas Predict Real Audience Response? A Sim-to-Real Study Where a No-Persona Baseline Beats Persona-Based Copy Simulation

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.25010v1 公告类型：新。
      • 摘要：营销人员越来越多地使用大型语言模型 (LLM) 作为“合成人物角色”，以在发布之前预测受众对一份副本的反应，这受到基于个人资料条件的 LLM 模仿人类样本的证据的鼓励。
      • 但是这个预测对于真实行为真的有效吗？角色机制有帮助吗？
      • 我们使用 Upworthy Research Archive 提出了一项从模拟到真实的有效性研究 - 对共享真实流量进行了数千个标题 A/B 测试，并测量了点击率 - 作为保留的基本事实。
    • EN 要点:
      • arXiv:2609.25010v1 Announce Type: new
      • Abstract: Marketers increasingly use large language models (LLMs) as “synthetic personas” to predict how an audience will react to a piece of copy before it shi…
      • But is that prediction actually valid against real behaviour - and does the persona machinery help
      • We present a sim-to-real validity study using the Upworthy Research Archive - thousands of headline A/B tests on shared real traffic, with measured click-throug…

  • Do Existing Preconditioners Improve Biomedical Tabular Foundation Learning? An Empirical Study on TabPFN Optimization

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.25013v1 公告类型：新。
      • 摘要：表格基础模型最近显示出结构化生物医学数据分析的强大潜力。
      • 其中，TabPFN 已成为低数据表格分类任务的有效方法。
      • 然而，优化和预处理策略对生物医学微调的影响在很大程度上仍未得到探索。
    • EN 要点:
      • arXiv:2609.25013v1 Announce Type: new
      • Abstract: Tabular foundation models have recently shown strong potential for structured biomedical data analysis
      • Among them, TabPFN has emerged as an effective approach for low-data tabular classification tasks
      • However, the impact of optimization and preconditioning strategies on biomedical fine-tuning remains largely unexplored

  • 4DGS-JEPA: Temporally Compositional Joint-Embedding Prediction for Dynamic Gaussian Splatting

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.25036v1 公告类型：新。
      • 摘要：动态高斯分布提供了不断变化的 3D 场景的明确表示，但现有方法主要针对重建、未来状态生成或渲染进行优化，而不是用于学习可重用的预测动力学。
      • 我们提出 4DGS-JEPA，一种高斯原生联合嵌入预测架构，用于动态高斯场景的因果多水平预测。
      • 该模型使用分层场景、运动组和高斯级表示以及支持直接预测和递归推出的地平线条件转换运算符。
    • EN 要点:
      • arXiv:2609.25036v1 Announce Type: new
      • Abstract: Dynamic Gaussian Splatting provides an explicit representation of evolving 3D scenes, but existing approaches are primarily optimized for reconstructi…
      • We propose 4DGS-JEPA, a Gaussian-native joint-embedding predictive architecture for causal multi-horizon prediction over dynamic Gaussian scenes
      • The model uses a hierarchical scene-, motion-group-, and Gaussian-level representation together with a horizon-conditioned transition operator that supports bot…

  • An Accurate and Interpretable Hyper Graph Neural Network for GBM Survival Prediction

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.25088v1 公告类型：新。 -摘要：多形性胶质母细胞瘤（GBM）的生存预测需要模型既准确又可解释，但现有方法将这些目标视为相互竞争，其中高性能模型牺牲了透明度，而可解释模型接受了预测能力下降的结果。
      • 我们认为这种权衡并不是固有的。
      • 图神经网络为提取可解释的、可解释的表示形式提供了结构基础，同时又不影响辨别能力。
    • EN 要点:
      • arXiv:2609.25088v1 Announce Type: new
      • Abstract: Survival prediction for glioblastoma multiforme (GBM) demands models that are both accurate and interpretable, yet existing approaches treat these obj…
      • We argue that this trade-off is not inherent
      • Graph neural net- works offer a structural foundation for extracting interpretable, explainable representations without compromising discriminative ability

  • Ovis-Embedding: Pushing the Frontiers of Universal Omni-Modal Embeddings

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.25165v1 公告类型：新。
      • 摘要：在本报告中，我们介绍了 \textbf{Ovis-Embedding}，这是一个基于文本、图像、视频和音频的本机集成构建的最先进的全模态嵌入系列。
      • Ovis-Embedding 没有组装单独的模态塔，而是使用共享的多模态主干在公共表示空间中对不同模态进行编码。
      • 具体来说，我们做出了 \textbf{三个关键进展}： (1) \textbf{原生全模态初始化}：我们采用预训练的 Qwen-omni 模型作为嵌入主干，并通过低秩初始化的对比训练来适应它； (2) \textbf{以数据为中心的全模态训练}：我们构建了一个广泛的、高质量的语料库，涵盖文本、图像、视频、音频和交错的多模态数据。
    • EN 要点:
      • arXiv:2609.25165v1 Announce Type: new
      • Abstract: In this report, we introduce \textbf{Ovis-Embedding}, a state-of-the-art omni-modal embedding family built on native integration of text, image, video…
      • Instead of assembling separate modality towers, Ovis-Embedding uses a shared multimodal backbone to encode different modalities in a common representation space
      • Specifically, we make \textbf{three key advances}: (1) \textbf{native omni-modal initialization}: we adopt a pretrained Qwen-omni model as the embedding backbon…

  • X-Planner: Event-Structured Task Planning for Embodied Intelligence

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.25187v1 公告类型：新。 -摘要：任务规划在长视野操作中连接高级指令和可执行行为，但现代视觉-语言-动作（VLA）系统通常隐含这种中间结构。
      • 现有的思想链（CoT）规划器也倾向于依赖粗略的任务级注释或逐个序列化长推理轨迹。
      • 我们推出了 X-Planner，这是一个规划前端，可以解决具体推理的监督和表示问题。
    • EN 要点:
      • arXiv:2609.25187v1 Announce Type: new
      • Abstract: Task planning bridges high-level instructions and executable behavior in long-horizon manipulation, yet modern Vision-Language-Action (VLA) systems of…
      • Existing chain-of-thought (CoT) planners also tend to rely on coarse task-level annotations or serialize long reasoning traces token by token
      • We present X-Planner, a planning front-end that addresses both the supervision and representation of embodied reasoning

  • Lean Pool: An AI-Maintained Archive of Formalized Mathematics

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.25199v1 公告类型：新。
      • 摘要：Lean Pool 是形式化数学的存储库。
      • 它由人工智能代理生长、维护和优化。
      • arXiv:2609.25199v1 公告类型：新 摘要：精益池是形式化数学的存储库，由人工智能代理增长、维护和优化。
    • EN 要点:
      • arXiv:2609.25199v1 Announce Type: new
      • Abstract: Lean Pool is a repository of formalized mathematics
      • It is grown, maintained and optimized by AI agents.

  • The AI Neuroscientist: An Interactive Agentic Interface for Neuroimaging Analysis

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.25254v1 公告类型：新。
      • 摘要：分析神经影像数据需要专门的编码和统计专业知识，这限制了没有计算背景的研究人员的可访问性。
      • 我们推出了 AI Neuroscientist，这是一种用于交互式数据探索的语言代理。
      • 该系统将大型语言模型 (LLM) 与神经影像工具集集成，以执行质量控制、建模和可视化。
    • EN 要点:
      • arXiv:2609.25254v1 Announce Type: new
      • Abstract: Analyzing neuroimaging data requires specialized coding and statistical expertise, which limits accessibility for researchers without computational ba…
      • We present the AI Neuroscientist, a language agent for interactive data exploration
      • The system integrates a large language model (LLM) with a neuroimaging toolset to perform quality control, modeling, and visualization

  • MedGate-Fusion: Integrating First-Encounter Semantic Narratives and Physiological Biomarkers for Prospective Stroke Risk Stratification

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.25272v1 公告类型：新。
      • 摘要：初级保健中的前瞻性卒中风险分层具有挑战性，因为早期风险信号分布在常规生物标志物和非结构化临床叙述中。
      • 我们提出了 MedGate-Fusion，这是一种多模式门控架构，它将基于变压器的首次遭遇叙述嵌入与十个常规记录的风险标记集成在一起。
      • 我们使用来自加拿大初级保健哨兵监测网络 (CPCSSN) 的电子病历数据。
    • EN 要点:
      • arXiv:2609.25272v1 Announce Type: new
      • Abstract: Prospective stroke risk stratification in primary care is challenging because early risk signals are distributed across routine biomarkers and unstruc…
      • We propose MedGate-Fusion, a multi-modal gated architecture that integrates transformer-based embeddings of first-encounter narratives with ten routinely record…
      • We used electronic medical record data from the Canadian Primary Care Sentinel Surveillance Network (CPCSSN)

  • When LLM Agents Fail to Read the Room: ReAdapt for Relational Social Reasoning

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.25284v1 公告类型：新。
      • 摘要：社交代理最基本的决定（我应该对这篇文章做出反应吗？
      • 我应该联系谁？）并不是纯粹的内容问题。
      • 正确的行动通常取决于人与人之间的潜在关系——联系强度、互惠、相互联系——而不是哪个内容最突出。
    • EN 要点:
      • arXiv:2609.25284v1 Announce Type: new
      • Abstract: A social agent’s most basic decisions (should I react to this post
      • who should I reach out to
      • ) are not purely content problems

ArXiv cs.CL (B_intro+search) 链接到标题

  • COMED: The Missing Middle Between Routing and Collaboration in Multi-LLM Inference

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.26913v1 公告类型：新。
      • 摘要：没有一个大型语言模型 (LLM) 在跨查询时是一致可靠的，这激发了多模型推理系统在模型之间路由或组合其输出。
      • 但是，路由在选择初始模型后停止，而密集协作会在每个查询上调用对等点。
      • 我们证明协作是非单调的：同行可以恢复模型单独解决的故障，但也可能破坏最初的正确答案。
    • EN 要点:
      • arXiv:2609.26913v1 Announce Type: new
      • Abstract: No single Large Language Model (LLM) is uniformly reliable across queries, motivating multi-model inference systems that either route among models or…
      • However, routing stops after selecting an initial model, while dense collaboration invokes peers on every query
      • We show that collaboration is non-monotonic: peers can recover failures that no model solves alone, but can also corrupt initially correct answers

  • Experts Rise Where LLMs Disagree: Using Cross-Model Disagreement to Target Expert Effort in LLM Codebook Revision for Large-Scale Annotation

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.26926v1 公告类型：新。
      • 摘要：大规模文本注释通常通过人工智能注释者遵循的密码本为数百万份文档带来专家见解。
      • 然而，开发一个强大的密码本需要几个月的时间。
      • 大型语言模型 (LLM) 可以通过将早期密码本应用于数据、呈现具有强烈 LLM 分歧的案例并征求专家反馈来解决这些问题，从而加快这一过程。
    • EN 要点:
      • arXiv:2609.26926v1 Announce Type: new
      • Abstract: Large-scale text annotation brings expert insight to millions of documents, often through a codebook that AI annotators follow
      • Developing a robust codebook, however, takes months
      • Large language models (LLMs) could speed this process by applying an early codebook to the data, surfacing cases with strong LLM disagreement, and eliciting exp…

  • Recognized but Not Produced: A Generation Benchmark for Culturally Specific Kinship Terms

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.26942v1 公告类型：新。
      • 摘要：当前文献使用多项选择基准评估多语言亲属关系理解的大型语言模型（LLM），并将其视为识别问题。
      • 相反，我们提示五名开放权重法学硕士在两项交际任务中以三种非西方语言（印地语、泰米尔语和韩语）生成亲属关系术语，并将其与匹配的选项支持的选择基线配对。
      • 在相同的关系语言单元上，GPT OSS120B 在 75 个有效单元中的 90.67% 中选择了正确的术语，但在相应尝试的 36.00% 中生成了可接受的术语； Llama 3.370B 显示了相同的模式（77.92% 对比 24.24%）。
    • EN 要点:
      • arXiv:2609.26942v1 Announce Type: new
      • Abstract: Current literature evaluates large language models (LLMs) on multilingual kinship understanding using multiple choice benchmarks, treating it as a rec…
      • We instead prompt five open weight LLMs to generate kinship terms in three non Western languages (Hindi, Tamil, and Korean) across two communicative tasks and p…
      • On identical relation language cells, GPT OSS120B selects the correct term in 90.67% of 75 valid cells but produces an accepted term in 36.00% of the correspond…

  • Classifying Interpretive Canons at the Sentence Level: A Benchmark from the German Federal Constitutional Court

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.26945v1 公告类型：新。
      • 摘要：司法推理对于大型语言模型 (LLM) 的分析仍然具有挑战性。
      • 本文提供了一个句子级基准，用于评估法学硕士对解释规范进行分类的能力，正如拉伦茨按照萨维尼的传统所阐述的那样。
      • 我们的贡献是三重的。
    • EN 要点:
      • arXiv:2609.26945v1 Announce Type: new
      • Abstract: Judicial reasoning remains challenging for large language models (LLMs) to analyze
      • This paper contributes a sentence-level benchmark for evaluating the ability of LLMs to classify interpretive canons as articulated by Larenz in the tradition o…
      • Our contributions are threefold

  • When Learned Context Planning Fails to Beat Strong Retrieval: A Controlled Study of Planning, Routing, and Reranking for Long-Context QA

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.26976v1 公告类型：新。
      • 摘要：学习上下文规划在答案模型对证据原子进行推理之前选择证据原子。
      • 我们测试这种学习选择是否在强大的检索、路由、预算选择器和重新排名控制后改善了长上下文多项选择 QA。
      • 我们的主要诊断使用 Qwen2.5-7B-Instruct 的所有 503 个 LongBench-v2 MCQ 问题。
    • EN 要点:
      • arXiv:2609.26976v1 Announce Type: new
      • Abstract: Learned context planning selects evidence atoms before an answer model reasons over them
      • We test whether this learned selection improves long-context multiple-choice QA after strong retrieval, routing, budgeted-selector, and reranking controls
      • Our primary diagnostic uses all 503 LongBench-v2 MCQ questions with Qwen2.5-7B-Instruct

  • LEGO: Synergizing Expert GraphRAG and Expert Chain-of-Thought for Legal Reasoning

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.27009v1 公告类型：新。 -摘要：大型语言模型越来越多地应用于法律等高风险领域，但复杂的法律推理仍然受到两个结构性挑战的限制。
      • 首先，现有的RAG和GraphRAG方法强调词汇或语义相似性，而忽视了法律条款之间的规范关系。
      • 其次，普通的思维链提示可能会产生看似合理的理由，而无需强制执行法律推理的规范结构。
    • EN 要点:
      • arXiv:2609.27009v1 Announce Type: new
      • Abstract: Large language models are increasingly applied to high-risk domains such as law, yet complex legal reasoning remains limited by two structural challen…
      • First, existing RAG and GraphRAG methods emphasize lexical or semantic similarity while overlooking normative relations among legal provisions
      • Second, vanilla Chain-of-Thought prompting may generate plausible rationales without enforcing the normative structure of legal reasoning

  • LexLattice: Multilingual Extractive Summarization via Neural Cellular Automata on Document Hierarchies

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.27032v1 公告类型：新。 -摘要：忠实性是法律文本摘要的一个核心问题，它激发了提取方法，选择可追溯到其来源的逐字内容。
      • 此类方法通常对段落或其他结构单元进行孤立排名，但很少关注分布在文档的较远部分之间并在其之间共享显着性的证据的整合。
      • 我们引入了 LexLattice，一种提取式摘要器，它将法律行为的层次结构具体化为二维语义格，并在选择之前用屏蔽的二维神经细胞自动机对其进行巩固。
    • EN 要点:
      • arXiv:2609.27032v1 Announce Type: new
      • Abstract: Faithfulness is a central concern in legal text summarization, which motivates extractive approaches that select verbatim content traceable to its sou…
      • Such methods typically rank paragraphs or other structural units in isolation, yet give little attention to consolidating evidence that is distributed across, a…
      • We introduce LexLattice, an extractive summarizer that reifies a legal act’s hierarchy as a two-dimensional semantic lattice and consolidates over it with a mas…

  • EduBehaviors: Assertion-based Schemas for Auditable Coding of Educational Dialogues

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.27043v1 公告类型：新。 -摘要：大型语言模型允许快速部署与感兴趣的结构相对应的教学注释，允许自然语言接口在会话数据集上生成分类。
      • 然而，由于 LLM 推理的不透明性，我们无法对模型为话语选择标签的原因进行可验证的、机械的洞察。
      • 我们引入了 EduBehaviors 框架，这是一种可解释、可扩展的方法来注释教育数据，该方法使用法学硕士来测量与许多感兴趣的结构相关的重复可观察行为，然后根据这些可观察行为学习该结构的分类器。
    • EN 要点:
      • arXiv:2609.27043v1 Announce Type: new
      • Abstract: Large language models have allowed the rapid deployment of pedagogical annotations corresponding to constructs of interest, allowing a natural languag…
      • However due to the opaque nature of LLM reasoning, we have no verifiable, mechanistic insight into why a model chose a label for an utterance
      • We introduce the EduBehaviors framework, an interpretable, scalable approach to annotating educational data that uses LLMs to measure repeated observable behavi…

  • The Illinois Social Attitudes Aggregate Corpus (ISAAC): An Open Tool and Reproducible Pipeline for Analyzing Social Group Discourse at Scale

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.27059v1 公告类型：新。
      • 摘要：我们介绍了伊利诺伊州社会态度综合语料库 (ISAAC)，这是一个开放、模块化且易于访问的语料库，包含超过 5.27 亿条 Reddit 英语帖子，这些帖子根据种族、性别、年龄、能力、体重和肤色等因素与六个关键社会群体特征相关，涵盖 2007 年至 2023 年的 17 年时间。
      • 使用多步骤、人工审核的过滤管道将策划数据集中的不相关内容保持在 10% 以下，无论是整体还是针对每个社会群体的区别。
      • 然后通过算法对每个帖子进行注释，其中包含用户估计的家庭区域，以及一套经过验证的现成和自定义语义标签，包括道德、情感、情感和语言概括。
    • EN 要点:
      • arXiv:2609.27059v1 Announce Type: new
      • Abstract: We introduce the Illinois Social Attitudes Aggregate Corpus (ISAAC), an open, modular, and accessible corpus of 527 million+ English-language Reddit p…
      • A multi-step, human-audited filtering pipeline was used to keep irrelevant content in the curated dataset below 10%, both overall and for each social group dist…
      • Each post was then algorithmically annotated with the user’s estimated home region, along with a suite of validated off-the-shelf and custom semantic labels inc…

  • What Changes When Fact-Verification Scores Improve? Evidence and Answer Accounting Across Trained Verifiers and LLMs

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.27064v1 公告类型：新。
      • 摘要：联合事实验证分数一起评估答案和提交的证据。
      • 当分数提高时，如果答案保持不变，还能剩下多少增益？
      • 在 FEVEROUS 上，严格分数是指在提交的证据中具有正确答案和完整注释证据组的主张的百分比。
    • EN 要点:
      • arXiv:2609.27064v1 Announce Type: new
      • Abstract: A joint fact-verification score assesses answers and submitted evidence together
      • When the score improves, how much of the gain remains if the answers are held fixed
      • On FEVEROUS, strict score is the percentage of claims with a correct answer and a complete annotated evidence group in the submitted evidence

ArXiv cs.LG (B_intro+search) 链接到标题

  • The Drift Contract: Spectral Updates for Depth-Robust Local Learning

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.26811v1 公告类型：新。
      • 摘要：局部学习用自己的辅助损失来训练每一层，并且没有全局后向传递，这使得层更新在结构上是并行的。
      • 有两个问题使其处于边缘地位：精度随着深度的增长而降低，并且超参数很脆弱。
      • 我们将 Muon 式谱更新几何结构（具有谱步长缩放的动量正交化）应用于每层局部更新，这是以前未研究过的交集。
    • EN 要点:
      • arXiv:2609.26811v1 Announce Type: new
      • Abstract: Local learning trains each layer with its own auxiliary loss and no global backward pass, which makes layer updates structurally parallel
      • Two problems have kept it marginal: accuracy degrades as depth grows, and hyperparameters are fragile
      • We apply Muon-style spectral update geometry (momentum orthogonalization with spectral step scaling) to per-layer local updates, an intersection not previously…

  • Signal2Symbol: Neuro-Symbolic Temporal Reasoning for Explainable Physiological Time-Series Anomaly Detection

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.26820v1 公告类型：新。
      • 摘要：心电图 (ECG) 和脑电图 (EEG) 等生理时间序列表现出复杂的时间结构、巨大的采集可变性以及对透明决策的强烈需求。
      • 尽管深度模型可以实现较高的检测性能，但它们通常只能提供有限的洞察力来了解片段为何异常、局部异常如何随时间变化以及检测是否属于更广泛的重复模式。
      • 我们提出 Signal2Symbol，一种用于可解释的生物信号异常检测的神经符号框架。
    • EN 要点:
      • arXiv:2609.26820v1 Announce Type: new
      • Abstract: Physiological time series such as electrocardiograms (ECG) and electroencephalograms (EEG) exhibit complex temporal structure, substantial acquisition…
      • Although deep models can achieve high detection performance, they often provide limited insight into why a segment is anomalous, how local anomalies relate over…
      • We propose Signal2Symbol, a neuro-symbolic framework for explainable biosignal anomaly detection

  • HARN: Hierarchical Associative Resonance Network for Event-Driven Multi-Timeframe Forecasting

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.26822v1 公告类型：新。
      • 摘要：金融时间序列在多个时间分辨率上演变，这对预测系统提出了挑战，要求其纳入新的可用信息，而无需重复重新计算未更改的表示。
      • 我们引入了 HARN，一种用于事件驱动的多时间范围预测的分层关联共振网络。
      • HARN 维护跨时间级别的持久表示，并且仅当其对应的完整条可用时才更新每个级别。
    • EN 要点:
      • arXiv:2609.26822v1 Announce Type: new
      • Abstract: Financial time series evolve across multiple temporal resolutions, challenging forecasting systems to incorporate newly available information without…
      • We introduce HARN, a Hierarchical Associative Resonance Network for event-driven multi-timeframe forecasting
      • HARN maintains persistent representations across temporal levels and updates each level only when its corresponding completed bar becomes available

  • What Makes a Terminal-Bench Task Hard? Separating Genuine Hardness from Fake-Hardness on an Adjudicated Agentic Corpus

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.26826v1 公告类型：新。
      • 摘要：前沿基准需要当前模型无法解决的任务。
      • 但是没有模型能够解决的任务并不一定是一项艰巨的任务。
      • 相同的零通过率可能来自实际的能力差距，但也可能来自上下文缺失、参考解决方案损坏、基础设施故障或可绕过的验证器。
    • EN 要点:
      • arXiv:2609.26826v1 Announce Type: new
      • Abstract: Frontier benchmarks need tasks that current models cannot solve
      • But a task that no model solves is not automatically a hard task
      • The same zero pass rate can come from a real capability gap, but it can also come from missing context, a broken reference solution, infrastructure failure, or…

  • LWCal: Loss-Weighted Calibration for Tabular Classifiers with Noisy Calibration Labels

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.26839v1 公告类型：新。
      • 摘要：事后概率校准通常在乐观假设下进行评估：保留的校准标签是干净的。
      • 然而，在许多人工智能部署设置中，标签来自弱注释器、历史决策、启发式或远程监督，因此破坏训练的相同标签噪声也会破坏校准。
      • 我们研究了表格分类器这种被忽视的故障模式，并提出了 LWCal，这是一种仅包含 CPU 的事后校准器，它可以降低校准示例的权重，这些校准示例的噪声标签与基本模型的保留概率相矛盾。
    • EN 要点:
      • arXiv:2609.26839v1 Announce Type: new
      • Abstract: Post-hoc probability calibration is usually evaluated under an optimistic assumption: the held-out calibration labels are clean
      • In many AI deployment settings, however, labels come from weak annotators, historical decisions, heuristics, or distant supervision, so the same label noise tha…
      • We study this overlooked failure mode for tabular classifiers and propose LWCal, a CPU-only post-hoc calibrator that down-weights calibration examples whose noi…

  • A Leakage-Aware Multimodal Evaluation Framework for Early Intraoperative Acute Kidney Injury Prediction

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.26848v1 公告类型：新。
      • 摘要：重大非心脏手术后术后急性肾损伤 (AKI) 的发病率很高，但早期术中风险分层仍然很困难。
      • 在这项回顾性队列研究中，我们提出了 SynerT，一种仅波形的混合时间主干，它将因果扩张的 TCN 与扩张的循环层层次结构相结合，为 AKI 风险预测的早期术中生理轨迹进行编码。
      • 在 SynerT 的基础上，我们进一步设计了两种模型变体，通过结构化临床背景扩展主干：SynerT-MM，一种后期融合多模态扩展，集成了血流动力学负荷摘要和术前协变量；以及 SynerTStack，一种泄漏安全堆叠集成，它将 SynerT-MM 的交叉验证预测与元学习阶段的强大表格基线相结合。
    • EN 要点:
      • arXiv:2609.26848v1 Announce Type: new
      • Abstract: Postoperative acute kidney injury (AKI) after major non-cardiac surgery carries substantial morbidity, yet early intraoperative risk stratification re…
      • In this retrospective cohort study, we propose SynerT, a waveform-only hybrid temporal backbone that combines a causal dilated TCN with a hierarchy of dilated r…
      • Building on SynerT, we further design two model variants that extend the backbone with structured clinical context: SynerT-MM, a late-fusion multimodal extensio…

  • COPE: Continual Personalization of LLMs under Sparse User Feedback via User Embeddings and Self-Evaluation

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.26853v1 公告类型：新。
      • 摘要：虽然大型语言模型 (LLM) 在各种基准测试中取得了显着的成果，但它们与规范值的一致性往往会导致同质化的响应，无法满足不同的用户偏好。
      • 现有的免训练方法通常通过即时工程占据宝贵的上下文窗口，而基于训练的方法通常在训练后保持静态，无法支持现实环境中所需的持续优化。
      • 为了应对这些挑战，我们提出了 COPE（带有个性化嵌入和自我评估的持续优化），这是一种新颖的优化框架，专为具有稀疏用户反馈的现实世界驱动的交互设置而定制。
    • EN 要点:
      • arXiv:2609.26853v1 Announce Type: new
      • Abstract: While Large Language Models (LLMs) have achieved remarkable results across various benchmarks, their alignment with normative values often results in…
      • Existing training-free methods often occupy valuable context windows through prompt engineering, while training-based methods typically remain static post-train…
      • To address these challenges, we propose COPE (Continual Optimization with Personalized embedding and self-Evaluation), a novel optimization framework tailored f…

  • QUARTET: Quad-branch cross-Attention and Random-walk Traces for Enhancing Transformers on Relational Graphs

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.26855v1 公告类型：新。
      • 摘要：关系深度学习 (RDL) 将多表数据库建模为异构时间图，而图转换器目前在 RelBench 等基准测试中实现了最先进的性能。
      • 然而，当前领先的模型 RelGT 存在两个关键限制：其随机局部采样器产生松散连接的子图，阻碍消息传递，其全局注意力模块依赖于单一的、基于种子特征的内存，忽略了更广泛的宏观动态。
      • 为了克服这些限制，我们引入了 QUARTET，一种富有表现力的图转换器架构，它在局部子图上应用完全的自注意力，同时通过交叉注意力分支丰富全局上下文。
    • EN 要点:
      • arXiv:2609.26855v1 Announce Type: new
      • Abstract: Relational Deep Learning (RDL) models multi-table databases as heterogeneous temporal graphs, and graph transformers currently achieve state-of-the-ar…
      • However, the current leading model, RelGT, suffers from two key limitations: its random local sampler yields loosely connected subgraphs that hinder message pas…
      • To overcome these limitations, we introduce QUARTET, an expressive graph transformer architecture that applies full self-attention on local subgraphs while enri…

  • Marginally Correct Tool Caches Can Reverse Group-Normalized Policy Updates

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.26866v1 公告类型：新。
      • 摘要：工具结果缓存减少了代理训练中的重复执行，但也增加了推出的随机性。
      • 我们研究了一个双行动模型，其中独立和共享执行保留了每次部署的条件奖励分配。
      • 尽管存在这一边际协议，但每个组共享一个随机结果可能会逆转预期的组标准化政策更新。
    • EN 要点:
      • arXiv:2609.26866v1 Announce Type: new
      • Abstract: Tool-result caching reduces repeated execution in agent training, but also couples rollout randomness
      • We study a two-action model in which independent and shared execution preserve every rollout’s conditional reward distribution
      • Despite this marginal agreement, sharing one stochastic result per group can reverse the expected group-normalized policy update

  • PR-Smoother: Simulator-Preserving Non-Gaussian Smoothing for Data Assimilation

    • 发布时间:2026-09-24 12:00 北京时间
    • 摘要:- arXiv:2609.26890v1 公告类型：新。 -摘要：许多物理数据同化（DA）工作流程需要平滑方法来表示物理状态变量上的非高斯后验，缩放到高维模拟器，仅从观察窗口进行训练，并与指定模拟器的校准保持兼容。
      • 我们推出 PR-Smoother，这是一种专为这种规定的模拟器 DA 机制而设计的保留模拟器的摊销平滑器。
      • 其关键设计原则是在证据下限和变分族中保持规定的模拟器明确：PR-Smoother 只学习围绕规定的推出的未来条件修正，而不是先学习替换动态或学习轨迹。
    • EN 要点:
      • arXiv:2609.26890v1 Announce Type: new
      • Abstract: Many physical data assimilation (DA) workflows require smoothing methods that represent non-Gaussian posteriors over physical state variables, scale t…
      • We introduce PR-Smoother, a simulator-preserving amortized smoother designed for this prescribed-simulator DA regime
      • Its key design principle is to keep the prescribed simulator explicit in both the evidence lower bound and the variational family: rather than learning replacem…