标签： 人工智能

arXiv 上一项基于宣城 29 天重建需求的研究发现，交通预测精度提升并不自动转化为更好的信号控制决策，问题出在时间可观测性、动作可识别性、动力学一致性和目标对齐四个环节。

Hugging Face Papers 收录的论文提出 VIEScore2，把图像质量打分和缺陷位置放进同一个模型一次输出，在主要评测集上整体分数 SRCC 为 0.601，高于同等输入条件下 Gemini-3-Flash 的 0.491。

新论文提出 VIEScore2，把图像生成与编辑的“质量打分”和“缺陷位置”合并到一个模型里输出，不再只给一个孤立分数。按论文摘要，其在整体评分相关性上超过零样本通用大模型基线 Gemini-3-Flash。

arXiv 上一篇新论文提出 EPOCH 架构，用任务契约、类型化记忆、主动证伪和独立复现来管理 AI 科研代理的证据强度，试图解决候选方案被过度拔高为“发现”的问题。

arXiv 上新论文 EPOCH 提出用“证据治理”约束 AI 科研智能体对评测反馈的使用，宣称在 AlgoTune 等基准上跑赢最强基线，目标是减少把脆弱候选误判为科学发现的情况。

Hugging Face Papers 收录的论文提出 RunningTab，用环境侧的任务标签记录智能体“还欠什么”，以减少直接工作区交互（DWI）中漏读文件或漏交成果的问题。

Hugging Face Papers 收录的论文 RunningTab 提出：在智能体直接读工作区文件（DWI）时，由环境侧维护每个任务的“待办记录”，把需求、已读片段和未打开文件对齐，减少漏读漏写。值得关注，因为它把“记任务”从模型上下文挪到环境执行层。