更好交通预测为何未改善信号控制?宣城29天数据诊断研究

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。

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。

arXiv 上一项新研究提出 AegisFlow 多智能体框架,尝试让 Watchdog 与 Repair 智能体自动检测并修补脆弱的数据管道,摘要称在五类故障场景下可将平均修复时间从 170 分钟降至 3.2 分钟。

arXiv 2026年10月7日发布一篇新论文,提出多智能体框架 AegisFlow,用 Watchdog 与 Repair 智能体自动检测并修复数据管道故障。摘要称在五类常见故障测试中,平均修复时间从170分钟降至3.2分钟,补丁成功率92%。

Meta 在 2026 年 10 月 7 日为 AI 助手 Muse 推出 iPad 版,距其 9 月 8 日登陆 iOS 和 Android 仅一个月,Sensor Tower 数据显示其跨平台装机量已超 660 万次。这反映出消费级 AI Agent 的终端覆盖正在加速,同时 Meta 正通过连接器和开放…