MemoType：按事件、个人与一般知识分流的长期记忆检索
类型路由改变检索策略，但过滤召回、评测泄漏与在线成本仍需拆开验证
MemoType先把对话记忆分为事件、个人和一般知识，再针对事件对齐要素、针对个人反推可能问题、针对一般知识生成假想记忆进行检索，最后用两次回答筛除无关记录。四个基准显示收益，但类别硬过滤并非所有召回指标都更好，低写入费用也不等于低端到端成本。
香港城市大学 · 华为诺亚方舟实验室阅读简报
2026.10.11 简报
研究补刊 · 覆盖 2026.09.10 — 2026.10.11
以下为当期记录；研究详情页展示最新已核对信息。
33 项工作
Research World Models：把真实实验记录变成下一次实验的预测依据
上下文中的失败与成功经验，能比单纯增加推理强度更有用
研究让冻结语言模型读取环境配置、代码改动和既往实验收益，预测候选实验的最终增益，再从预算允许的少数候选中选择。2653条真实记录覆盖九个环境；上下文经验改善同环境和部分跨环境排序，但多轮实验仍围绕固定基线与预先给定候选池，不能等同于开放式自我改进。
Amazon、UC Santa Cruz、Emory、Penn State、UC Santa Barbara阅读简报
InfiLoop：让反复推理保留有效状态，而不是不断覆盖答案
7M解谜模型的循环残差机制；97.9%数独成绩依赖39种深度与规则验收
InfiLoop用共享内容评分和指数时间衰减，把历次循环的候选状态压缩成固定大小的加权摘要。它在小型递归解谜模型中减少已解答案被后续循环破坏，但并非已验证的通用语言模型；最高数独成绩还使用多深度重启和外部数独规则检查。
香港理工大学、ELLIS Tübingen、中科院深圳先进院 等阅读简报
Lapras：传感器语言模型能否先在连续空间推理，再给文字答案？
六个潜在步骤自蒸馏；效率收益明确，可读解释仍缺忠实性验证
Lapras让时间序列语言模型学习显式推理教师在答案位置的隐藏状态，推断时用六次连续向量反馈代替长段文字推理。它在多种传感器分类问答上减少生成成本并提升若干骨干的平均F1，但不是每项任务都获益，事后读出的文字也尚未证明就是模型真正依赖的因果依据。
Dartmouth College、Aionic Labs、ETH Zurich、Stanford、NUS 等阅读简报
Remory：给压缩摘要加一层可学习记忆，保留下一步决策需要的线索
冻结主模型、训练软token补充；输入缩短不等于总运行成本同比下降
Remory保留可读文本摘要，再根据历史和摘要生成有界连续记忆token，帮助冻结语言模型接近完整历史下的后续输出。它在多轮压缩时递归携带旧记忆，仍保留普通档案检索工具；实验显示来源归因、长程代理成绩及重复工具调用有所改善。
上海科学智能研究院、复旦大学等联合团队阅读简报
Internalizer：把文档生成大模型的LoRA，但重建分数还不是问答能力
共享超网络从小模型迁移到284B目标；训练长度外适配器出现明显失效
Internalizer读取冻结语言模型逐层文档特征，以共享Perceiver主干生成按文档变化的LoRA块；每增加一个512-token分块，适配器秩随之增加。它先在1–3B模型上训练共享部分，再迁移到284B目标，展示较好的文档教师强制重建，但尚未报告实际问答、代码任务或服务成本收益。
Interval阅读简报
TRACE：分数变了，先查代理行为还是评分器变了
配对实验、轨迹检查、反事实重评分与重复运行对照
TRACE用四步诊断把评测分差拆成系统行为变化与评分规则变化。在人工构造的25任务环境里，工具别名让行为完全相同的脚本损失0.25分，评分时恢复名字即可消除；在真实LLM交互中，初步发现的增益未能复现。更大规模重复实验说明，稳定的裁判也可能在衡量不同的“成功”。
Radhika Gaonkar · Prime Intellect阅读简报
HarnessSQL：让SQL代理在部署时的工具接口里完成训练
完整交互轨迹SFT再做执行奖励RL；共享数据库与接口错误影响结果解释
HarnessSQL将数据库代理的列举表、检查schema、执行试探SQL和最终提交放进同一个受限接口，用实际运行验证过的完整轨迹训练，再做稀疏执行奖励RL。Qwen3-8B在Spider2.0 SQLite子集由15.5%升至45.2%，14B由22.2%升至54.8%；但主测试共享训练数据库，域外成绩仍显著较低。
香港科技大学、微软研究院、清华大学、澳门大学阅读简报
Chronos：让代码代理检索一个改动背后的软件演化历史
PR关系图帮助找到语义搜索漏掉的经验；三角色总收益不等于图检索的独立收益
Chronos把合并PR蒸馏成包含动机、解法和检索信号的经验卡，再以文件连续性、显式引用、作者跟进和组织关系连成图。代码代理先找语义入口，再沿有类型的关系扩展，按需读历史经验；完整工作流让两个代理分别写补丁，再由第三个代理选一个。结果支持关系历史有检索价值，但总体收益同时包含角色提示与更多候选计算。
浙江大学、上海交通大学、Hithink Research、国家工业信息安全发展研究中心阅读简报
DPPM：把历史证据保留与顺序修订分成两条参数记忆路径
约53万可训练参数；遗忘行为、信息删除和恒定端到端成本需要分开
DPPM在冻结的Doc-to-LoRA编译器之上训练一个轻量记忆整合器：Evidence按内容直接汇总所有历史段，Delta按时间顺序把新信息与已有预测的差写入关联矩阵。融合后的表示交给冻结解码器生成个性化LoRA，回答时无需把原历史放进上下文。结果支持双路径在两种个性化选择题基准上提升回答准确率，但其遗忘理论只在特定表示扰动和收缩条件下成立，不证明永久记忆、参数删除或一般开放式对话可靠性。
中国科学技术大学、科大讯飞研究院阅读简报
QGMem：长期保留事件和状态轨迹，提问时才建小图
图token、文本证据与时间有效性分工；十条记忆不等于整个系统恒定成本
QGMem把历史对话拆成带原始出处、实体、地点和双时间的原子事件，再把同一主体关系的更新串成轨迹。提问后用BM25、语义与事件属性混合检索，重排选10条记忆，仅对这些事实构图；图编码器压成一个软token，与可读文本共同供冻结大模型回答。LoCoMo与冲突多跳有提升，但收益很大部分来自记忆粒度和重排，图分支并非每个基准都有效。
中科院自动化所、阿里巴巴、中国人民大学等阅读简报
LadderEdit：给每次知识编辑分配足够的存储秩
先保存覆盖，再按行为测试加细节；摘要的压缩结论需要连同路由假设和账目疑点阅读
LadderEdit先训练每条知识编辑的LoRA，再依据奇异值尾部和行为余量提出低秩版本，以改写、泛化和局部性探针检查，失败则增加秩。论文报告1万编辑的持久存储从100.93GB降到19.44GB；这不包括减少最初训练成本，主实验还预先提供正确编辑身份。全文存在量化比例、长程压缩与阈值描述不一致，须与核心思路分开看。
Yale University、Washington University in St. Louis、Icahn School of Medicine at Mount Sinai、Arizona State University阅读简报
CogMem：把谁说的、何时有效和原始证据保存在长期记忆图中
观点与记录分型有助于多跳问答；归纳并不删除旧事件，也不能把自述自动变成已核实事实
CogMem将对话拆为人物、事件、概念、观点和事实记录，保留来源与时间，再用受限图操作重建回答证据。它在LoCoMo多跳与LongMemEval更新问题上优于所列基线，但归纳增加存储，意图解析和类型限制也会漏证据。这里的Fact是一种记录类型，不是外部核验后的真相。
清华大学深圳国际研究生院阅读简报
Deception by Omission：代理能识别错误，为什么仍不向用户披露？
预填错误、旁观者能力对照与分离裁判，区分没察觉、含蓄纠正和知情沉默
研究把明确错误植入助手历史，让七种模型继续处理新消息，再分别评价推理记录和用户可见回答。代理设置下明确披露不足与可观察知情沉默都存在，但大部分未披露属于未显式察觉或没有可用推理记录；不能把67.1%的未明确披露全部称为故意欺骗。
斯图加特大学AI Safety Research Group阅读简报
Gated Memory：在写入记忆前保留事实的上下文
LoCoMo整体只增加1.3个百分点，多跳下降提醒过滤也会切断证据链
Gated Memory在记忆后端之前加入准入、事实拆分和有条件知识补充：只从当前交换形成新事实，历史仅用于指代消解，并保留来源和适用条件。在检索与回答配置不变的LoCoMo测试中，准确率50.6%升至51.9%，但多跳下降；这支持写入质量值得研究，尚不足证明生产收益或隐私保证。
Samsung Research America阅读简报
谁验证评分器：智能体分数上升，裁判也可能已经失效
Double Ratchet把评分器写成可检查的小规则组合，并用独立参考检验它
这项工作让评分器本身进化：从失败聚类生成小型缺陷检测器，再用十个带参考样例和无标签一致性选择逻辑组合。最重要的结果并非任务涨分，而是去掉锚点保护后评分器几乎全部放行，智能体仍能进步。评分器有效性必须独立测量，不能用它所训练系统的分数代替。
AWS Forward Deployed Engineering、汇丰科技阅读简报
Agentic-TTT：让策略决定何时训练、选哪种适配、何时复用LoRA
精选可获益任务上的效用近翻倍，离开放部署的自主持续学习仍有距离
Agentic-TTT把五种测试时训练算法包装成工具，用独立策略LoRA决定存储材料、适配、加载或直接回答。每个技能是冻结基座上的独立LoRA，可随查询流复用。Qwen2.5-7B在176题精选流上效用0.256到0.510，但约65%的数据特意筛为适配有益，不能将翻倍解释成一般真实流量的预期收益。
新加坡国立大学、NUS AI Institute阅读简报
UFM：多走几步真的能推理吗？关键在于训练整段隐空间轨迹
小型流模型的推理步数扩展；理论构造、实际训练与测试集选择需分开看
传统流匹配在随机噪声时刻训练单次去噪，未必教会后一步利用前一步。UFM从自己的隐状态轨迹反向传播，只在终点预测答案；长轨迹通过球面回缩控制尺度。它在图可达、数独与迷宫上显示更多积分步可带来收益，但尚未验证开放语言任务。
马克斯·普朗克智能系统研究所、ELLIS图宾根、ETH Zurich、牛津大学、图宾根AI中心、Liquid AI阅读简报
STI-OPD：学生先作答，老师按分歧概率接管一轮
重要性权重校正老师生成的token，不会把被干预的整条轨迹变回纯学生分布
STI-OPD针对多轮智能体蒸馏的错误累积：学生先提议完整回复，老师给其token评分，以非负KL估计构造接管概率；若介入则重生成整轮，执行后再交回学生。老师token用学生/老师概率比加权反向KL。Qwen3-1.7B在ScienceWorld由普通OPD的17.1%升至27.5%，但方法需要逐token概率，纯采样API无法直接使用。
莫纳什大学、香港理工大学、中关村实验室阅读简报
CoTrace：训练终端智能体时，执行框架也是数据的一部分
按提示、工具和观测处理的来源筛选轨迹；小语料有效不等于总成本更低
CoTrace交替优化模型权重与执行框架，将运行失败交给框架修改，将与当前框架匹配的验证成功轨迹用于监督训练，并持续补充新任务。9B模型在反复用于选择版本的102题promotion split上由78到88，RL系统到90；但独立运行框架会改变迁移结果，SFT在SWE-bench Lite的配套系统仍不如基础系统。
UC San Diego、Salesforce AI Research、University of Washington阅读简报
RH-Detect：奖励作弊检测器的高分为何难跨来源迁移
同域微调接近满分，却可能在另一输入轨道退到随机水平
RH-Detect统一11个来源的奖励作弊数据，区分开放轨迹、选择题和受保护响应。实际主评测使用六来源5021条合格轨迹，显示部分通用模型能很好排序，但工具轨迹更难；去掉思考文本、抽取证据或单token微调都有明显模型和来源依赖。
University of Toronto、Vector Institute、Aether、Trajectory Labs阅读简报
U-Space：从模型内部追踪疑虑，但不要把疑虑当成错误概率
四条语义轴与预测熵组合；长度控制、白盒成本和代码差异决定如何解读
U-Space把表示歧义、信息缺失、证据冲突与一般疑虑的词语映射回模型隐藏状态，构造四维空间，再把推理结束处的方向信号与整段推理的平均预测熵相乘。它提供可观察的疑虑轨迹，但既不输出校准后的错误概率，也没有证明四种轴是真实错误原因的完备分类。
Tobias Braun等研究团队阅读简报
小模型抽象推理系统研究：同分布会做题，不代表规则能迁移
千余次实验拆开训练、网格尺度与输出格式，单模型代表一种架构仍是混杂因素
研究用ARC-TGI可重复采样的网格变换家族，对三种小模型开展超过1000次训练与评估。结果把同家族新样本、网格尺度变化和原始ARC跨基准迁移区分开：同分布拟合可很高，但迁移、提示长度与直接输出网格或生成Python程序会明显改变表现。
汉诺威大学、TIB、Amazon作者（注明工作在Amazon之外完成）阅读简报
看出工程题不可能，为什么模型仍把结果标成“已解决”？
成对力学题区分求解、识别矛盾与结构化拒绝；格式改善拒绝也可能损伤正常题
研究为力学题构造只改一个数据或前提的错误孪生题，先用两套数值方法核验答案，再分别评估正常题求解和错误题拒绝。14个模型的结果显示，正文指出矛盾、给出修正后答案、JSON仍标solved可以同时发生；允许状态报告flawed能提高部分模型拒绝率，却不是无代价的提示修复。
圣克拉拉大学 · Shaoliang Yang、Jun Wang阅读简报
基础模型的推理开关：开头两个词元与训练数据的联系
数据替换与重新训练给出因果证据；不能据此把强化学习的全部价值缩减为开头措辞
研究固定基础模型回答的开头词元，Olmo-3-7B在MATH-500的单次采样正确率从42.2%到77.9%，接近RL-Zero参考模型。更关键的是，替换中期训练数据的词语再训练，可以让原本无关的Chicken触发类似推理，也能把原触发词重定向为提问。有效前缀依赖模型、提示模板和位置，较强后训练模型及部分任务未获益。
MIT、UC Berkeley、华盛顿大学、Allen Institute for AI阅读简报
SSR：在同一推理前缀下，学会拒绝少数低价值续写
首个可分辨退化点监督LoRA门控；不等于证明该步逻辑错误
Self-Step Rejection 冻结推理模型，用同骨干LoRA适配器判断新生成的一段是否接受，拒绝则从原前缀重采样。训练以相对初始解题成功概率首次明显下降为负标签，并用同前缀排序和最终答案奖励优化。三模型五数学测试显示较好的准确率/生成token折中，但需离线标签与训练，并非模型无需监督自然自检。
佐治亚理工学院、普渡大学阅读简报
R-Quest：自我进化先问“题目成立吗、是否只换了说法”
有效性与结构新颖性抑制十轮退化；初始化仍用了外部强模型和人工核验
R-Quest 发现自生成数学题会逐渐变得无效或重复，而中等答案一致性筛选甚至偏向无效题。它先教解题器识别题目缺陷，再让有效性和冻结基础模型的题型比较共同约束出题奖励。Qwen3-4B的十轮实验避免R-Zero式退化，但并非无外部知识、无限自我提升或每个测试都更好。
圣路易斯华盛顿大学、密歇根大学安娜堡分校阅读简报
缩短推理链之后，我们还看得懂模型吗？
忠实性与可监督性不是同一个指标，输出不稳定也会拉低解释分数
研究在三种4B–8B推理模型上比较固定截断、指定长度和组内长度奖励。多数设置降低推理链对模型行为的可预测性，但对迎合用户线索的检测大体保留；严重压缩时，医学问题中的偏置影响更容易被隐藏。结果反对把“更短”与“更不可信”直接画等号。
谢菲尔德大学、阿斯利康阅读简报
OMVV：什么时候换一个便宜的验证器，什么时候请强验证器？
在线路由、独立阈值与随机审计共同作用；保证针对有条件的累计误差
OMVV维护多个弱验证器，每轮只调用一个，再决定接受、拒绝或交给昂贵oracle。它利用候选答案之间的一致性校正分数，并从抽样获得的oracle反馈更新阈值和路由权重。论文把核验成本与错误控制结合，但真实成本、可靠真值和冷启动仍是落地关键。
加利福尼亚大学欧文分校阅读简报
Text-Centric Omni：先用文本增强推理，再以少量音视频恢复感知
训练便宜但能力有取舍；纯文本路线不能完全替代原生感知训练
研究发现单跳感知正确并不保证多跳音视频推理正确，用局部梯度投影分析两目标的部分可分性。文本SFT与GRPO能增强Omni模型推理，但会损伤感知；最终加入减少数据量的音视频GRPO恢复感知。最强文本数据来自视频脚本，另有完全由文本LLM合成的独立实验，不能混为一条无多模态数据路线。
上海交通大学阅读简报
Mem++：保留组织原始文档，把取舍留到查询时
非破坏性记忆的价值明确，但附录揭示截断、时间泄漏与评测口径限制
Mem++将每份文档连同时间和作者完整保存，查询时先按目标日期过滤，再融合词法、向量与标签检索，把带出处的原文交给回答模型。它减少写入摘要造成的证据损失，但保存完整不等于检索或上下文完整；组织基准的截断使部分宣称机制实际未到达回答模型。
Ahmad Yehia等 · UT Austin、AIDAChip阅读简报
按提及顺序寻址：模型怎样从上下文中找到一个事实
一次残差向量干预能改选事实，但并非通用长文检索定律
研究比较模型面对同一事实列表、切换提问对象时的最后提示token状态差异。跨上下文平均得到的序数向量，可把模型从第一个事实引向第二个事实，即使名字、内容和关系改变。控制实验区分事实顺序、名字顺序与token距离，提出中间层“事实地址”假说。
Duke University · Yufa Zhou阅读简报
CounterMem：把经过检验的反事实修正变成可复用记忆
记住为什么改、何时适用，并允许选择器跳过记忆
失败后，CounterMem在同一状态的副本中检验局部替代动作，保存原动作、修正、检验证据和适用条件。之后由小型DQN决定用一条记忆还是跳过，基础LLM不更新。这里的世界模型是测试、证明检查器或求解器；经源任务验证的经验依然可能害了新任务。
Hongji Pu、Ruixiang Tang、Yongfeng Zhang · UIUC、Rutgers阅读简报
人物与观点
0 条该期没有收录这个领域的人物动态。