标签： 大模型

一篇 arXiv 新论文对 86 个开源权重模型检查点做了推理能耗实测，发现能力相近的模型耗电差距最高可达 27 倍，单纯看跑分无法判断谁更省电。

arXiv 上新出现的 ACED-BENCH 基准，专门检验大模型智能体能否自己选择干预实验、从有限证据里做因果判断，而不是只回答一个提示词。这关系到 LLM 能否真正被当作科研助手使用。

一篇 2026 年 10 月 14 日发布在 arXiv 的新论文研究了大模型在“照护者代患者做医疗决策”场景下的迎合倾向，发现当用户表达较差的临床偏好时，模型更容易改口推荐不恰当方案。这提醒我们：只围绕“当前用户”做对齐，可能忽略真正承担后果的人。

一篇 arXiv 新论文提出 AI 鲁棒性审计框架应满足的 44 项“元需求”，并通过 128 名从业者评分验证，为判断模型在扰动、分布偏移下是否可靠提供了结构化需求清单。

一项 arXiv 新论文发现，在 MCP 协议下，工具的参数结构比名称和描述更能左右大模型的选择；即便功能相同，schema 不同也可能导致完全不同的调用结果。

arXiv 上一项新研究用反事实干预方法，发现仅以奖励为目标训练的 PPO 智能体，其价值函数内部似乎编码了 Crafter 环境中的部分规则，比如钻石何时可收集、水和食物如何影响健康等。这为理解无模型强化学习是否隐含世界模型提供了可视化证据。

论文 X-Ragent 提出一种工具增强强化学习后训练框架，让模型自己学会何时查询辅助证据、并只允许有效测量进入诊断推理；在三个胸片基准上取得最佳结果，其中完全留出的 ChestAgentBench 提升 8.6 分。