arXiv论文提出CToM框架:让大模型先预测用户回应再自我修正

arXiv 2026年10月12日发布的一篇新论文提出 Collaborative Theory of Mind(CToM)框架,让大模型在给出回复前先预测用户会怎么回应,并据此自我修正,以改善多轮协作中的表现。

arXiv 2026年10月12日发布的一篇新论文提出 Collaborative Theory of Mind(CToM)框架,让大模型在给出回复前先预测用户会怎么回应,并据此自我修正,以改善多轮协作中的表现。

arXiv 上一项新研究指出,On-Policy Self-distillation(OPSD)这类大模型自我提升方法在整体能力上涨的同时,会让部分早期能做对的题逐渐做错;作者提出表征几何正则化(RGR),试图在不改核心优化流程的前提下缓解这种遗忘。

一篇 arXiv 新论文尝试用统一数学结构定义和测量 AI 创造力,并在国际象棋走法和毕加索、雷诺阿等画家作品上做了验证。如果这套方法站得住脚,未来 AI 应用可能多出一个可计算的“创造力”指标。

一篇 2026 年 10 月 12 日发布在 arXiv cs.AI 的论文提出新的模块化层级,认为神经网络即使单个神经元不专一,仍可能在子空间层面存在功能模块,并通过因果消融实验在视觉、语言和 RNN 模型中找到证据。

arXiv 2026年10月12日发布的一篇新论文提出 VEPA,试图用“形式化规则 + LLM 提出补丁 + 验证器把关”的方式,让 LLM Agent 的安全护栏像软件补丁一样持续进化,而不是每次靠大模型推理临时决定放行或拒绝。

针对小模型在持续后训练中“学新忘旧”的难题,研究者提出 SynthSelf 方法,用小幅度同族对齐模型承担分布内改写任务,在 4 个习得数据集和 14 项保持基准上优于 6 种对比方法。该工作目前仅为论文摘要信息,尚未核验全文实验。

arXiv 上线的一篇新论文提出 EvoBelief,把智能体对环境的认知拆成可被证伪、可被推翻的规则,让模型在不更新参数的前提下积累和修正环境知识。

一项名为 SepGen 的研究把音视频生成与音频分离合并到一次采样过程中,让视频 soundtrack 里的每个声源都能以独立音轨形式导出,而不只是混成一条音频。

arXiv 上一项新研究提出用蒸馏最优传输做表征对齐,在只有约 100 到 500 对配对样本时,把两个独立预训练的单模态编码器映射到同一坐标系,并在图像-文本与分子-文本任务上报告了优于现有方法的结果。

arXiv 上一项新研究提出用大模型分块提取、分层路由与迭代精炼,把硬件数据手册自动转成可溯源的层级知识图谱,在 20 份手册评测中属性忠实度达 98.8%,明显高于一次性处理的 76.1%。