标签： 人工智能

一项新论文系统比较了在策略自蒸馏（OPSD）中16种特权信息（PI）配置，发现PI的内容、生成来源和学生模型都会影响效果；研究还提出用KL类指标在训练前预判PI是否有效。

一篇 arXiv 新论文发现，在多智能体大模型系统中，协作通常能提升临床任务成绩，但并不能稳定降低推理过程中的幻觉；决定幻觉水平的主要是底层模型，而不是智能体拓扑结构。

Hugging Face Papers 收录的一篇论文提出 EdgeKernelBench 基准和 LEKA 智能体，系统评测大模型为异构边缘后端生成算子内核的能力。摘要显示：模型首次生成可编译正确率达 64.5%，但性能达标率只有 25.5%，说明“能跑”和“跑得快”之间仍有明显差距。

一篇 arXiv 新论文提出 MAMath-Bench，用 1003 道覆盖文本、图像、音频的多模态数学题，同时考察多智能体系统答案是否正确、推理过程是否可靠、以及面对对抗性推理链扰动时是否稳健。摘要显示，多智能体协作未必能稳定超过强单模型。

针对Flow-matching架构的VLA模型，研究者提出VLA-Rolling推理框架，把上一轮被丢弃的“动作尾部”当作下一次生成的初始化，在不改动底层模型的前提下减少去噪步数。摘要称在16个模型—基准组合上全部降低推理成本，最高1.48倍加速，14组成功率提升最多15.08个百分点。