2026 年 6 月 10 日 arXiv 人工智能前沿论文汇总
1. PhantomBench：评估语言模型面对不存事实的幻觉风险 原文标题：PhantomBench: Benchmarking the Non-existential Threat of Language Models 发布时间：2026-06-09 论文链接:http://arxiv.org/abs/2606.11105v1 语言模型（LMs）产生违背事实的响应（即幻觉）构成了严峻挑战，极易引发用户的盲目信赖。此种隐患在医疗、司法等关键领域尤为致命，模型的误判可能招致严重后果。尽管学界在解析幻觉成因上已有建树，但如何精准衡量模型对自身知识边界的认知依然模糊。为此，我们推出了 PhantomBench——首个覆盖科学、金融、历史等 12 个垂直领域的大规模通用幻觉基准（包含 60,000+ 个跨域虚构概念）。利用该基准对 21 种不同架构与规模的模型进行了对比测试：结果显示平均幻觉率高达 86.7%（部分子集甚至触及 92.3%）。尤为值得注意的是，顶尖大模型在识别虚构概念时表现堪忧——即便输入中明确预设了不存在的实体（如‘量子生物学’中的‘反重力细胞’），即便是千亿级参数的模型也难以正确拒绝回答。我们进一步证实 PhantomBench 是评估模型处理罕见概念能力的有效代理：通过构建概念相似度矩阵，发现虚构概念的语义混淆度与真实概念的关联强度呈显著负相关（p<0.01）。此外，我们还开源了自动化生成工具 PhantomGen v1.2.0：支持动态组合实体属性以生成符合 NLP 语义空间分布的虚拟概念（代码库已上传 GitHub 并收获 1.2k+ stars）。
1. PhantomBench：评估语言模型面对不存事实的幻觉风险
原文标题：PhantomBench: Benchmarking the Non-existential Threat of Language Models
发布时间：2026-06-09
论文链接:http://arxiv.org/abs/2606.11105v1
语言模型（LMs）产生违背事实的响应（即幻觉）构成了严峻挑战，极易引发用户的盲目信赖。此种隐患在医疗、司法等关键领域尤为致命，模型的误判可能招致严重后果。尽管学界在解析幻觉成因上已有建树，但如何精准衡量模型对自身知识边界的认知依然模糊。为此，我们推出了 PhantomBench——首个覆盖科学、金融、历史等 12 个垂直领域的大规模通用幻觉基准（包含 60,000+ 个跨域虚构概念）。利用该基准对 21 种不同架构与规模的模型进行了对比测试：结果显示平均幻觉率高达 86.7%（部分子集甚至触及 92.3%）。尤为值得注意的是，顶尖大模型在识别虚构概念时表现堪忧——即便输入中明确预设了不存在的实体（如‘量子生物学’中的‘反重力细胞’），即便是千亿级参数的模型也难以正确拒绝回答。我们进一步证实 PhantomBench 是评估模型处理罕见概念能力的有效代理：通过构建概念相似度矩阵，发现虚构概念的语义混淆度与真实概念的关联强度呈显著负相关（p<0.01）。此外，我们还开源了自动化生成工具 PhantomGen v1.2.0：支持动态组合实体属性以生成符合 NLP 语义空间分布的虚拟概念（代码库已上传 GitHub 并收获 1.2k+ stars）。
2. FADA：基于选择性蒸馏的统一视觉 - 语言模型用于胎儿超声的可访问性解读与标注 原文标题：FADA: Accessible fetal ultrasound interpretation and annotation with a selectively distilled unified vision-language model 发布时间：2026-06-09 论文链接:http://arxiv.org/abs/2606.11106v1 全球范围内专业超声医师的匮乏，严重制约了低收入和中等收入国家孕妇的产前筛查——这些地区过半孕妇无法获得专业检查。现有的深度学习方案往往孤立处理病灶检测、分割或分类任务（需独立训练模型且依赖专家标注），导致效率低下且部署成本高昂。我们提出了 FADA 框架：这是一个基于 Qwen3.5-VL 构建的多模态统一模型体系（VLM），仅需单次临床解读即可驱动全流程任务（涵盖诊断解释、分类、病灶检测与分割）。该框架采用四阶段知识蒸馏策略：1) 预训练阶段融合 FetalCLIP（图文预训练）、UltraSAM（分割引导）、USF-MAE（视觉 Transformer）及 UltraFedFM（联邦学习）的知识图谱；2) 利用离线特征缓存实现跨模态对齐；3) 实施选择性蒸馏机制——仅针对标注相关任务优化特征对齐（如调整分割任务的掩膜生成权重），而临床解读模块维持标准微调；4) 构建端到端推理管道：FADA-SKD 变体在验证集上实现了 0.8820 的平均 Dice 系数（分割）、0.7671 的 mAP@0.50（检测）以及 100% 的结构化解读合规率。经 237 例临床验证：在自主运行模式下达到 73.5% 的专家指导完美评分；在人工辅助场景下诊断一致性高达 91%。部署优势包括：1) 单块消费级 GPU 即可完成全流程训练；2) 压缩至 800M 参数后，可在搭载骁龙 7 Gen 1 芯片的手机（12GB RAM）上离线运行完整的五阶段诊断流程（从预处理到报告生成），单次分析仅需约 60 秒且无需云端支持。该方案通过 AI 辅助解读与便携超声设备的深度融合，有效填补了资源匮乏地区的产前诊断缺口。代码、模型及数据集已开源至 GitHub:https://github.com/mahmoodphd/FADA
2. FADA：基于选择性蒸馏的统一视觉 - 语言模型用于胎儿超声的可访问性解读与标注
原文标题：FADA: Accessible fetal ultrasound interpretation and annotation with a selectively distilled unified vision-language model
发布时间：2026-06-09
论文链接:http://arxiv.org/abs/2606.11106v1
全球范围内专业超声医师的匮乏，严重制约了低收入和中等收入国家孕妇的产前筛查——这些地区过半孕妇无法获得专业检查。现有的深度学习方案往往孤立处理病灶检测、分割或分类任务（需独立训练模型且依赖专家标注），导致效率低下且部署成本高昂。我们提出了 FADA 框架：这是一个基于 Qwen3.5-VL 构建的多模态统一模型体系（VLM），仅需单次临床解读即可驱动全流程任务（涵盖诊断解释、分类、病灶检测与分割）。该框架采用四阶段知识蒸馏策略：1) 预训练阶段融合 FetalCLIP（图文预训练）、UltraSAM（分割引导）、USF-MAE（视觉 Transformer）及 UltraFedFM（联邦学习）的知识图谱；2) 利用离线特征缓存实现跨模态对齐；3) 实施选择性蒸馏机制——仅针对标注相关任务优化特征对齐（如调整分割任务的掩膜生成权重），而临床解读模块维持标准微调；4) 构建端到端推理管道：FADA-SKD 变体在验证集上实现了 0.8820 的平均 Dice 系数（分割）、0.7671 的 mAP@0.50（检测）以及 100% 的结构化解读合规率。经 237 例临床验证：在自主运行模式下达到 73.5% 的专家指导完美评分；在人工辅助场景下诊断一致性高达 91%。部署优势包括：1) 单块消费级 GPU 即可完成全流程训练；2) 压缩至 800M 参数后，可在搭载骁龙 7 Gen 1 芯片的手机（12GB RAM）上离线运行完整的五阶段诊断流程（从预处理到报告生成），单次分析仅需约 60 秒且无需云端支持。该方案通过 AI 辅助解读与便携超声设备的深度融合，有效填补了资源匮乏地区的产前诊断缺口。代码、模型及数据集已开源至 GitHub:https://github.com/mahmoodphd/FADA
3. 基于 SECDA 的面向自主设计的 FPGA 加速器生成方法研究 原文标题：Towards Autonomous Accelerator Design: FPGA Accelerator Generation with SECDA 发布时间：2026-06-09 论文链接:http://arxiv.org/abs/2606.11117v1 设计基于 FPGA 的现代 AI 工作负载加速器，需探索涵盖架构参数、数据流策略及存储层级的大规模复杂硬件空间，过程极其耗时费力。现有方法如 SECDA 虽通过系统 C 仿真与 FPGA 实现加速了软协同设计，但识别高效加速器配置仍依赖大量领域知识的手动操作。SECDA-DSE 是一个将大型语言模型（LLM）整合进 SECDA 生态的框架，旨在指导 FPGA 加速器的设计空间探索（DSE）。该框架结合结构化 DSE 探索器生成候选架构，并利用 LLM 堆叠进行检索增强生成与思维链提示引导的探索，同时通过反馈循环实现迭代强化优化。本文在前期 SECDA-DSE 工作基础上扩展评估：生成了涵盖元素级向量乘法、二维卷积和矩阵转置的三类加速器方案，并在 FPGA 硬件上完成了端到端执行验证。实验显示：SECDA-DSE 能生成符合规范的加速器方案并成功完成 FPGA 合成与执行；生成的设计有效捕捉了计算并行度与数据移动间的核心权衡，凸显了 LLM 引导探索在适应多样化负载架构配置方面的潜力，同时显著缩短了探索时间并降低了对深度领域知识的依赖。
3. 基于 SECDA 的面向自主设计的 FPGA 加速器生成方法研究
原文标题：Towards Autonomous Accelerator Design: FPGA Accelerator Generation with SECDA
发布时间：2026-06-09
论文链接:http://arxiv.org/abs/2606.11117v1
设计基于 FPGA 的现代 AI 工作负载加速器，需探索涵盖架构参数、数据流策略及存储层级的大规模复杂硬件空间，过程极其耗时费力。现有方法如 SECDA 虽通过系统 C 仿真与 FPGA 实现加速了软协同设计，但识别高效加速器配置仍依赖大量领域知识的手动操作。SECDA-DSE 是一个将大型语言模型（LLM）整合进 SECDA 生态的框架，旨在指导 FPGA 加速器的设计空间探索（DSE）。该框架结合结构化 DSE 探索器生成候选架构，并利用 LLM 堆叠进行检索增强生成与思维链提示引导的探索，同时通过反馈循环实现迭代强化优化。本文在前期 SECDA-DSE 工作基础上扩展评估：生成了涵盖元素级向量乘法、二维卷积和矩阵转置的三类加速器方案，并在 FPGA 硬件上完成了端到端执行验证。实验显示：SECDA-DSE 能生成符合规范的加速器方案并成功完成 FPGA 合成与执行；生成的设计有效捕捉了计算并行度与数据移动间的核心权衡，凸显了 LLM 引导探索在适应多样化负载架构配置方面的潜力，同时显著缩短了探索时间并降低了对深度领域知识的依赖。
4. 通过目标分布设计重构监督微调的统一视角 原文标题：A Unifying Lens on Supervised Fine-Tuning Through Target Distribution Design 发布时间：2026-06-09 论文链接:http://arxiv.org/abs/2606.11189v1 监督微调（SFT）通常通过最大化演示轨迹中每个 token 的似然进行优化。然而，观测到的 token 可能非唯一、含噪声或与模型先验知识冲突。严格拟合此类独热目标可能并非最优，尤其当预训练模型已编码丰富先验时。本研究将 SFT 重新定义为目标分布设计：不仅关注损失函数的目标，更分析驱动模型匹配的 token 级目标。为此我们提出 Q-目标框架，将 SFT 分解为两个明确的参数选择：（1）对观测 token 的依赖强度；（2）剩余概率质量在替代方案上的分配方式。该视角统一了现有多种 SFT 变体（视作隐式的目标分布 Q 选择）。基于此，我们提出了 Target-SFT 方法（直接从期望目标分布 Q 构建训练目标）。实验表明，该方法在十组推理数据集 - 模型组合中均优于基线（如传统 SFT），证明了基于目标分布设计的优越性。总体而言，我们的形式化工作揭示了 SFT 训练更根本的设计原理，并拓展了可探索的空间范围。
4. 通过目标分布设计重构监督微调的统一视角
原文标题：A Unifying Lens on Supervised Fine-Tuning Through Target Distribution Design
发布时间：2026-06-09
论文链接:http://arxiv.org/abs/2606.11189v1
监督微调（SFT）通常通过最大化演示轨迹中每个 token 的似然进行优化。然而，观测到的 token 可能非唯一、含噪声或与模型先验知识冲突。严格拟合此类独热目标可能并非最优，尤其当预训练模型已编码丰富先验时。本研究将 SFT 重新定义为目标分布设计：不仅关注损失函数的目标，更分析驱动模型匹配的 token 级目标。为此我们提出 Q-目标框架，将 SFT 分解为两个明确的参数选择：（1）对观测 token 的依赖强度；（2）剩余概率质量在替代方案上的分配方式。该视角统一了现有多种 SFT 变体（视作隐式的目标分布 Q 选择）。基于此，我们提出了 Target-SFT 方法（直接从期望目标分布 Q 构建训练目标）。实验表明，该方法在十组推理数据集 - 模型组合中均优于基线（如传统 SFT），证明了基于目标分布设计的优越性。总体而言，我们的形式化工作揭示了 SFT 训练更根本的设计原理，并拓展了可探索的空间范围。
5. EEVEE：迈向真实世界的测试时提示学习与自改进代理 原文标题：EEVEE: Towards Test-time Prompt Learning in the Real World for Self-Improving Agents 发布时间：2026-06-09 论文链接:http://arxiv.org/abs/2606.11182v1 本文提出 EEVEE 框架——首个面向 LLM 代理的多数据集测试时提示学习框架，支持在现实任务流中执行测试时提示学习。现有方法多针对单数据集场景，而实际应用需模型处理来自多数据集、多领域及多任务分布的异构输入流（这限制了其实用性）。为此，EEVEE 引入路由机制：将输入流划分为任务簇并分配至适配的提示配置组；通过路由器与提示配置协同进化策略（交替优化两者），解决相互依赖问题。实验表明：在保持单基准测试能力与效率的同时，该框架显著增强了模型对异构数据流的鲁棒性——平均多基准得分较 Qwen3-4B-Instruct 提升 10.38%，较 DeepSeek-V3.2 提升 24.32%；且性能超越当前最优方法 GEPA（提升 37.2%）和 ACE（提升 48.2%）。
5. EEVEE：迈向真实世界的测试时提示学习与自改进代理
原文标题：EEVEE: Towards Test-time Prompt Learning in the Real World for Self-Improving Agents
发布时间：2026-06-09
论文链接:http://arxiv.org/abs/2606.11182v1
本文提出 EEVEE 框架——首个面向 LLM 代理的多数据集测试时提示学习框架，支持在现实任务流中执行测试时提示学习。现有方法多针对单数据集场景，而实际应用需模型处理来自多数据集、多领域及多任务分布的异构输入流（这限制了其实用性）。为此，EEVEE 引入路由机制：将输入流划分为任务簇并分配至适配的提示配置组；通过路由器与提示配置协同进化策略（交替优化两者），解决相互依赖问题。实验表明：在保持单基准测试能力与效率的同时，该框架显著增强了模型对异构数据流的鲁棒性——平均多基准得分较 Qwen3-4B-Instruct 提升 10.38%，较 DeepSeek-V3.2 提升 24.32%；且性能超越当前最优方法 GEPA（提升 37.2%）和 ACE（提升 48.2%）。
6. 反馈对齐在自蒸馏机制中的关键作用 原文标题：The Role of Feedback Alignment in Self-Distillation 发布时间：2026-06-09 论文链接:http://arxiv.org/abs/2606.11173v1 在语言模型中引入额外上下文（如过往尝试的反馈）通常能提升响应质量。自蒸馏技术旨在让模型在无上下文时也能保留此改进效果。其核心在于匹配两种训练设置下的输出分布：一种仅接收问题的学生模型，另一种同时接收问题和上下文的自教师模型。然而，当前对自教师接收的上下文设计机制研究尚浅。我们通过让解算器学习来自冻结批评家的反馈来探索此问题。实验对比了三种条件：（i）二进制奖励机制（GRPO），（ii）基于参考解的条件化训练，（iii）与解算器推理轨迹严格对齐的逐步式批评反馈。结果显示第三种条件效果最佳：与推理轨迹严格对齐的逐步式批评使性能提升达 16.11 分（超越二进制奖励），且比参考解条件化训练高出 5.27 分（在_avg@12_指标下）。深入分析表明：逐步式反馈具备精准定位能力——仅修正推理中错误的 token 位置，完整保留正确步骤逻辑；而参考解条件化训练则强制模型在每个 token 位置调整行为（即使原步骤正确），这是由不同推导方案在表达和路径上的差异导致的。该研究揭示：在自蒸馏框架中实现结构化且与推理过程动态对齐的反馈机制，能有效提升模型的自主改进能力。
6. 反馈对齐在自蒸馏机制中的关键作用
原文标题：The Role of Feedback Alignment in Self-Distillation
发布时间：2026-06-09
论文链接:http://arxiv.org/abs/2606.11173v1
在语言模型中引入额外上下文（如过往尝试的反馈）通常能提升响应质量。自蒸馏技术旨在让模型在无上下文时也能保留此改进效果。其核心在于匹配两种训练设置下的输出分布：一种仅接收问题的学生模型，另一种同时接收问题和上下文的自教师模型。然而，当前对自教师接收的上下文设计机制研究尚浅。我们通过让解算器学习来自冻结批评家的反馈来探索此问题。实验对比了三种条件：（i）二进制奖励机制（GRPO），（ii）基于参考解的条件化训练，（iii）与解算器推理轨迹严格对齐的逐步式批评反馈。结果显示第三种条件效果最佳：与推理轨迹严格对齐的逐步式批评使性能提升达 16.11 分（超越二进制奖励），且比参考解条件化训练高出 5.27 分（在_avg@12_指标下）。深入分析表明：逐步式反馈具备精准定位能力——仅修正推理中错误的 token 位置，完整保留正确步骤逻辑；而参考解条件化训练则强制模型在每个 token 位置调整行为（即使原步骤正确），这是由不同推导方案在表达和路径上的差异导致的。该研究揭示：在自蒸馏框架中实现结构化且与推理过程动态对齐的反馈机制，能有效提升模型的自主改进能力。
7. 大语言模型自动化叙事中的潜在缺陷 原文标题：Flaws in the LLM Automation Narrative 发布时间：2026-06-09 论文链接:http://arxiv.org/abs/2606.11166v1 大型语言模型（LLMs）在知识经济任务中常被描述为接近人类专家水平。这些结论多基于 LLMs 在标准数据集上的平均性能基准。然而，许多基准测试存在局限：它们常直接依赖训练数据内容评估模型，且鲜少衡量 LLMs 表现的可靠性与错误幅度，而这在高风险情境中至关重要。我们通过设计新型基准任务（要求编写代码完成数据分析），将前沿 LLMs 表现与人类专家方案对比，并明确测量响应方差与错误幅度。研究发现：多项指标下人类专家平均表现优于 LLMs；且人类专家表现波动更小（方差更低）。该研究证实 LLMs 并非始终达到人类专家水平，并强调在 LLM 基准评估中测量方差和量化误差幅度的必要性。
7. 大语言模型自动化叙事中的潜在缺陷
原文标题：Flaws in the LLM Automation Narrative
发布时间：2026-06-09
论文链接:http://arxiv.org/abs/2606.11166v1
大型语言模型（LLMs）在知识经济任务中常被描述为接近人类专家水平。这些结论多基于 LLMs 在标准数据集上的平均性能基准。然而，许多基准测试存在局限：它们常直接依赖训练数据内容评估模型，且鲜少衡量 LLMs 表现的可靠性与错误幅度，而这在高风险情境中至关重要。我们通过设计新型基准任务（要求编写代码完成数据分析），将前沿 LLMs 表现与人类专家方案对比，并明确测量响应方差与错误幅度。研究发现：多项指标下人类专家平均表现优于 LLMs；且人类专家表现波动更小（方差更低）。该研究证实 LLMs 并非始终达到人类专家水平，并强调在 LLM 基准评估中测量方差和量化误差幅度的必要性。
8. ReasonAlloc：推理模型中的分层解码时 KV 缓存预算分配 原文标题：ReasonAlloc: Hierarchical Decoding-Time KV Cache Budget Allocation for Reasoning Models 发布时间：2026-06-09 论文链接:http://arxiv.org/abs/2606.11164v1 针对大语言模型（LLM）长推理链（CoT）导致的严重推理瓶颈：当前解码时压缩方法通过令牌驱逐缓解问题，但通常假设均匀的跨层头预算分配；现有非均匀分配方法多针对静态提示预填充阶段，无法捕捉自回归推理中逐步递增的上下文需求。为此我们提出 ReasonAlloc 框架——一种无需训练的跨层头资源分配方案：其离线层级预分配策略捕捉了模型架构驱动的“推理浪潮”模式；在线头级动态重分配机制则根据实时信息丰富度动态调整资源。实验表明，在 MATH-500、AIME~2024 等数学推理基准上，使用 DeepSeek-R1-Distill-Llama-8B、DeepSeek-R1-Distill-Qwen-14B、AceReason-14B 等模型时：ReasonAlloc 在小型预算（128-512 tokens）场景下优于均匀预算 R-KV、SnapKV 及 Pyramid-RKV 基准；该方案与现有令牌驱逐策略兼容且计算开销可忽略。
8. ReasonAlloc：推理模型中的分层解码时 KV 缓存预算分配
原文标题：ReasonAlloc: Hierarchical Decoding-Time KV Cache Budget Allocation for Reasoning Models
发布时间：2026-06-09
论文链接:http://arxiv.org/abs/2606.11164v1
针对大语言模型（LLM）长推理链（CoT）导致的严重推理瓶颈：当前解码时压缩方法通过令牌驱逐缓解问题，但通常假设均匀的跨层头预算分配；现有非均匀分配方法多针对静态提示预填充阶段，无法捕捉自回归推理中逐步递增的上下文需求。为此我们提出 ReasonAlloc 框架——一种无需训练的跨层头资源分配方案：其离线层级预分配策略捕捉了模型架构驱动的“推理浪潮”模式；在线头级动态重分配机制则根据实时信息丰富度动态调整资源。实验表明，在 MATH-500、AIME~2024 等数学推理基准上，使用 DeepSeek-R1-Distill-Llama-8B、DeepSeek-R1-Distill-Qwen-14B、AceReason-14B 等模型时：ReasonAlloc 在小型预算（128-512 tokens）场景下优于均匀预算 R-KV、SnapKV 及 Pyramid-RKV 基准；该方案与现有令牌驱逐策略兼容且计算开销可忽略。
9. ABC-Bench：面向生物安全的代理型生物能力基准测试 原文标题：ABC-Bench: An Agentic Bio-Capabilities Benchmark for Biosecurity 发布时间：2026-06-09 论文链接:http://arxiv.org/abs/2606.11150v1 大型语言模型（LLMs）正迅速获得多项与生物研究相关的能力，从文献综述到实验数据分析。日益增强的 LLM 智能体甚至能完成此前需资深生物学家才能实现的计算生物学任务。这些新兴 AI 能力为科学发现和生物医学进步带来新机遇，但也改变了生物安全风险格局。为此我们开发了代理式生物安全能力基准集（ABC-Bench），用于综合评估 LLM 智能体的生物安全相关代理能力。ABC-Bench 同时评估良性应用与双用途生物学任务：编写操作液态处理机器人代码、设计 DNA 片段进行体外组装、以及规避 DNA 合成筛查机制。这些任务需结合生物学与软件工程知识。所有测试的 LLM 智能体在三项任务上均显著优于人类基线专家的中位数水平：基于既有文献的任务表现优异；依赖标准协议的任务完成度较高；而需原创生物信息学推理的任务则相对薄弱。在三个湿实验室验证实验中我们发现：OpenAI 的 o4-mini-high 模型生成的操作脚本，在 OpenTrons 液态处理机器人上成功实现了预期的 DNA 序列组装。
9. ABC-Bench：面向生物安全的代理型生物能力基准测试
原文标题：ABC-Bench: An Agentic Bio-Capabilities Benchmark for Biosecurity
发布时间：2026-06-09
论文链接:http://arxiv.org/abs/2606.11150v1
大型语言模型（LLMs）正迅速获得多项与生物研究相关的能力，从文献综述到实验数据分析。日益增强的 LLM 智能体甚至能完成此前需资深生物学家才能实现的计算生物学任务。这些新兴 AI 能力为科学发现和生物医学进步带来新机遇，但也改变了生物安全风险格局。为此我们开发了代理式生物安全能力基准集（ABC-Bench），用于综合评估 LLM 智能体的生物安全相关代理能力。ABC-Bench 同时评估良性应用与双用途生物学任务：编写操作液态处理机器人代码、设计 DNA 片段进行体外组装、以及规避 DNA 合成筛查机制。这些任务需结合生物学与软件工程知识。所有测试的 LLM 智能体在三项任务上均显著优于人类基线专家的中位数水平：基于既有文献的任务表现优异；依赖标准协议的任务完成度较高；而需原创生物信息学推理的任务则相对薄弱。在三个湿实验室验证实验中我们发现：OpenAI 的 o4-mini-high 模型生成的操作脚本，在 OpenTrons 液态处理机器人上成功实现了预期的 DNA 序列组装。
10. 基于潜在扩散模型参数化的地下水流数据同化：集合卡尔曼滤波与蒙特卡洛技术性能对比 原文标题：Data assimilation for subsurface flow using latent diffusion model parameterization: performance of ensemble-Kalman and Monte Carlo techniques 发布时间：2026-06-09 论文链接:http://arxiv.org/abs/2606.11140v1 地下水流的数据同化（DA）涉及通过观测数据（通常来自井口）校准模型参数以保持地质合理性。潜在扩散模型（LDMs）通过将高维地质模型映射至低维潜在变量来降低反问题维度并维持后验地质合理性。然而，LDM 映射的高非线性可能削弱基于卡尔曼增益的集合更新性能。我们通过系统性比较面向大规模三维通道化地质模型的分层地质不确定性应用的数据同化算法：对比了潜在空间与模型空间的 DA 方法（使用多数据同化的集合平滑器 ESMDA），揭示了关键权衡：模型空间更新虽显著减少不确定性但导致后验地质模型失真；潜在空间更新虽保持地质合理性但不确定性减少有限。为此我们探索了严格马尔可夫链蒙特卡洛（MCMC）和序贯蒙特卡洛（SMC）算法在 3D-LDM 潜在空间的应用。为缓解高昂计算成本，开发了快速替代流场模型以近似井口响应曲线。实验表明 MCMC 与 SMC 结果一致且优于潜在空间 ESMDA：在三个合成测试案例中均保持 LDM 参数化的地质合理性条件下，MCMC/SMC 展现出更优的数据拟合度与更显著的不确定性降低效果。整体结果表明：基于集合的卡尔曼方法在高非线性参数化场景下可能高估后验不确定性；而结合快速代理模型的严格蒙特卡洛采样可作为更可靠的替代方案。
10. 基于潜在扩散模型参数化的地下水流数据同化：集合卡尔曼滤波与蒙特卡洛技术性能对比
原文标题：Data assimilation for subsurface flow using latent diffusion model parameterization: performance of ensemble-Kalman and Monte Carlo techniques
发布时间：2026-06-09
论文链接:http://arxiv.org/abs/2606.11140v1
地下水流的数据同化（DA）涉及通过观测数据（通常来自井口）校准模型参数以保持地质合理性。潜在扩散模型（LDMs）通过将高维地质模型映射至低维潜在变量来降低反问题维度并维持后验地质合理性。然而，LDM 映射的高非线性可能削弱基于卡尔曼增益的集合更新性能。我们通过系统性比较面向大规模三维通道化地质模型的分层地质不确定性应用的数据同化算法：对比了潜在空间与模型空间的 DA 方法（使用多数据同化的集合平滑器 ESMDA），揭示了关键权衡：模型空间更新虽显著减少不确定性但导致后验地质模型失真；潜在空间更新虽保持地质合理性但不确定性减少有限。为此我们探索了严格马尔可夫链蒙特卡洛（MCMC）和序贯蒙特卡洛（SMC）算法在 3D-LDM 潜在空间的应用。为缓解高昂计算成本，开发了快速替代流场模型以近似井口响应曲线。实验表明 MCMC 与 SMC 结果一致且优于潜在空间 ESMDA：在三个合成测试案例中均保持 LDM 参数化的地质合理性条件下，MCMC/SMC 展现出更优的数据拟合度与更显著的不确定性降低效果。整体结果表明：基于集合的卡尔曼方法在高非线性参数化场景下可能高估后验不确定性；而结合快速代理模型的严格蒙特卡洛采样可作为更可靠的替代方案。
11. 基于溯源的门控机制与自适应恢复在合成后训练数据策源中的应用 原文标题：Provenance-Grounded Gating and Adaptive Recovery in Synthetic Post-Training Data Curation 发布时间：2026-06-09 论文链接:http://arxiv.org/abs/2606.11127v1 合成后训练管道通常利用奖励模型或整体大语言模型（LLM）判别器过滤生成样本，但两种实践鲜少被联合研究：过滤信号是否基于引发该生成的原始证据，以及被拒绝样本能否通过系统性恢复而非永久丢弃。我们通过对抗性注入语料库提供地面真值的错误标签，针对这两个问题在大模型生成器规模、门控配置和恢复策略之间进行了受控研究。研究发现：（1）精确的