一篇最新的预印本研究揭示了Transformer模型在AdamW优化器训练过程中，其权重分布中的Weibull尺度参数λ为何会呈现先增长、过冲、再松弛的独特动态。该研究来自Tiexin Ding，论文《Weibull Weight-Scale Parameter Evolution under AdamW Training Dynamics》为理解深度学习训练动力学提供了新的理论视角。 ## 背景：Weibull框架为何重要？ 此前研究已发现，Transformer模型的权重分布可以用双参数Weibull分布很好地拟合，其中尺度参数λ反映了权重的整体量级。然而，λ在训练中并非单调变化，而是先迅速上升，超过最终稳定值，再缓慢回落。这种现象背后的驱动力一直缺乏系统解释。 ## 核心发现：三力分解模型 研究者从AdamW更新规则出发，对权重范数的平方进行了一阶动力学分解，识别出三种主要作用力： - **对齐力（Alignment Force）**：衡量权重与自适应更新方向之间的相关性。它主导了λ的上升阶段，贡献了**88%至94%**的绝对力预算（基于四个随机种子的实验），并且对移除极端权重（super-weight）保持稳健。 - **注入力（Injection Force）**：来自自适应步长的大小，与梯度历史相关。 - **衰减力（Decay Force）**：来自解耦的权重衰减（decoupled weight decay），持续将权重向零拉回。 当λ接近峰值时，对齐力与衰减力趋于平衡，从而解释了从增长到松弛的转变。这些力直接驱动了λ背后的平方范数分量。此外，均方根（RMS）到Weibull的重构偏移量可分解为桥接与积分两部分，总计约**5%至6%**。 ## 实用方法：从稀疏检查点恢复对齐力 一个关键挑战是：真实训练中优化器动量（如一阶矩、二阶矩）通常不可获取。为此，作者提出了**样条位移法（Spline Displacement Method）**，仅从稀疏保存的检查点即可恢复对齐力，准确率达到**92%至94%**，约为朴素两点基准（two-point baseline）的两倍。这使得该方法可应用于实际训练场景。 ## 数据依赖性与未来方向 实验还观察到，λ的峰值与训练数据的连贯性（coherence）有关，暗示权重尺度增长存在数据依赖成分。作者计划在后续控制性研究中深入探索这一点。 ## 总结 该工作不仅为AdamW训练中权重尺度的非单调演化提供了清晰的物理图像，还给出了实用的诊断工具。对于从事大模型训练、优化器设计或理解神经网络内部动力学的从业者，这一框架有望帮助更精细地监控训练过程，甚至指导超参数调整。 论文代码与数据已公开：https://arxiv.org/abs/2606.19367
分布估计算法（EDA）是一类强大的黑箱优化进化方法，尤其适用于目标函数结构未知的场景。与依赖手工设计变异和交叉算子的经典进化算法不同，EDA 通过直接对最优个体拟合概率分布并从中采样生成下一代，从而避免了算子设计的偏差和复杂性。然而，传统 EDA 在连续参数空间上表现良好，却未能推广到稀疏参数空间——即大部分最优解系数恰好为零的场景。现有稀疏黑箱优化器不得不重新引入手工设计的稀疏算子、双层交替优化机制、零阈值截断等方法，恰恰违背了 EDA 的设计初衷。 为了填补这一空白，研究者提出将**多变量零膨胀高斯（ZIG）分布**作为 EDA 的采样法则。ZIG 分布通过一个潜高斯模型，将稀疏模式（指示维度）与活跃参数值（数值维度）分离又联合建模，能够同时刻画稀疏结构、活跃参数间的相关性以及两者之间的交互作用。这意味着稀疏模式和活跃参数值可以在无层级结构的情况下联合优化，无需任何手工干预。 **关键贡献**在于证明了该模型的潜参数可以从观测样本中**识别**，这与传统缺失数据场景中的相关构造不同。研究者还提出了实用的**摊销逆推估计器**，能够高效恢复潜相关结构。在 Lunar Lander 基准测试中，基于 ZIG 的 EDA 相比稠密高斯 EDA、手工设计的稀疏进化算法以及临时稀疏 EDA，**收敛速度更快、最终回报更高**，且找到的控制器仅激活了少量参数。 这一工作将 EDA 的适用边界扩展到了稀疏优化问题，为机器学习中的特征选择、模型压缩、神经网络剪枝等需要稀疏解的领域提供了新的理论工具和实用算法。未来，ZIG-EDA 有望在更复杂的黑箱优化任务中展现优势，并推动进化计算与稀疏表示研究的交叉融合。
## 自博弈加少量人类数据，自动驾驶习得类人行为 近日，一篇发表于 arXiv 的研究论文《Human-like autonomy emerges from self-play and a pinch of human data》提出了一种新颖的自动驾驶策略训练方法。该方法结合自博弈强化学习与少量人类驾驶数据，仅需 **30 分钟** 的人类驾驶示范和 **15 小时** 的单消费级 GPU 训练，即可训练出能与人类驾驶行为协调的自动驾驶策略。 ### 背景与挑战 自博弈强化学习近年来成为训练驾驶策略的新方向，其核心优势在于无需人类数据，仅通过大规模仿真即可训练。然而，纯自博弈训练的策略往往习得“高效但怪异”的驾驶风格——例如在并道时采取人类难以预料的激进行为，导致与人类驾驶员的交互出现安全隐患。此前的研究尝试通过大量奖励工程和域随机化来缓解行为不匹配，但这些方法不仅脆弱，而且人工调参成本高昂。 ### 方法核心：人类数据作为“调味料” 该研究的核心思路是：**不彻底抛弃人类数据，而是将其作为正则化目标**，叠加在一个最小安全目标达成奖励之上。作者将人类数据比作“好炖菜里的香料”——少量即可显著改善风味。具体而言，他们仅使用了 **30 分钟** 的人类驾驶示范，这比传统模仿学习方法少 **2500 倍** 的数据量。 训练流程如下： 1. 在仿真环境中使用自博弈强化学习，以最小安全目标达成奖励为基础进行训练。 2. 引入一个正则化项，惩罚策略与人类示范行为的偏离。 3. 通过权重平衡，使策略在保持自博弈高效性的同时，输出类人行为。 ### 实验结果与意义 实验表明，该策略能够与预留的人类轨迹进行协调，有效避免“外星驾驶”行为。训练效率极高：在单张消费级 GPU 上仅需 **15 小时** 即可完成训练。作者已在 GitHub 上开源完整代码和视频演示。 这项研究的价值在于： - **数据效率**：将人类数据需求从海量示范降低至分钟级，大幅降低数据采集成本。 - **训练效率**：15 小时的单 GPU 训练时间，使研究团队和小型企业也能轻松复现。 - **行为对齐**：通过少量人类数据引导，解决了纯自博弈策略与人类行为不兼容的痛点。 ### 局限与展望 尽管方法高效，但仍有改进空间：30 分钟的人类数据是否覆盖足够多的驾驶场景？在极端或罕见情境下，正则化是否仍能有效引导？未来工作可探索动态调整正则化强度，或结合元学习自动确定最优数据量。 总体而言，该研究为自动驾驶行为学习提供了一种“轻量级”解决方案，在自博弈与模仿学习之间找到了实用平衡点。
## 概述 大型语言模型（LLM）推理中的预填充阶段正成为云端能耗的日益增长的贡献者。许多用户提示包含社交性内容——如礼貌用语、道歉式开场白、重复表达和建立关系的话术——这些对人类交流重要，但对机器推理却信息量低。这种差异被称为**社交-语义鸿沟**。最新研究提出**SPSD（情感保留语义蒸馏）**，一种在边缘设备上运行的提示压缩管道，旨在减少发送到云端LLM的输入长度，从而降低能耗，同时保持响应质量。 ## 方法 SPSD 在用户终端（如手机或物联网设备）上部署一个 4-bit 量化的小型语言模型（SLM），在将提示传输到云端之前对其进行压缩。SLM 负责过滤掉社交性填充内容，仅保留核心语义信息，并保留情感基调。压缩后的提示再发送给云端的大型语言模型（如 Llama-3.1-8B-Instruct）进行推理。对于安全关键领域（如医疗或法律咨询），系统通过规则门控自动将提示原样透传，避免风险。 ## 关键结果 研究团队使用 **Gemma-2-2B-Instruct (Q4_K_M)** 作为 SLM，**Llama-3.1-8B-Instruct** 作为云端评估模型，在 248 条提示的语料库上进行了评估。主要结果包括： - **输入 token 节省**：每次蒸馏调用平均节省 **99.9 个 token**，所有 146 次蒸馏调用均实现正节省。 - **响应质量**：通过盲法 LLM-as-judge 评分（121 对对比），蒸馏路径的响应质量在 15 分制下与原始路径相比**非劣效**（预设 1 分边界）。评判结果中 43% 平局，28% 蒸馏胜出，29% 原始胜出。 - **余弦相似度**：平均 0.682，中位数 0.712，54.1% 的对超过 0.70 参考阈值。 - **能耗节省**：每次调用净节能估计为 **70-270 μWh**（基于假设）。 ## 意义与展望 SPSD 证明了在设备端进行提示蒸馏可以有效降低云端 LLM 的输入 token 成本，同时在实际非劣效性边界内保持响应质量。该工作对边缘计算与云推理的协同具有重要启示：通过将轻量级处理卸载到边缘，可以显著减少云端负载和能源消耗，而无需牺牲用户体验。未来方向包括扩展 SLM 的压缩能力、优化安全路由策略，以及在更广泛的提示类型上验证鲁棒性。
Transformer 架构中的标准点积注意力机制，因其密集的 token 间交互模式，在扩展到长上下文时面临计算瓶颈。一篇发表于 arXiv 的新论文提出 **高斯混合注意力（Gaussian Mixture Attention, GMA）**，通过概率潜路由替代显式的成对查询-键比较，实现线性时间序列混合。 ## 核心思想：从成对比较到潜路由 GMA 的核心创新在于引入 $K$ 个可学习的高斯混合组件，将查询和键映射到这些组件上的后验“责任”向量。这里的“责任”表示每个 token 属于某个潜在路由组件的概率。两个 token 的亲和度由它们在责任空间中的重叠隐式定义，而非直接计算点积。值则通过一个 $K$ 槽的潜在记忆进行写入和读取。 这种方法巧妙地利用了矩阵乘法的结合律：GMA 不需要构造 $N \times N$ 的亲和矩阵，而是维护两个责任矩阵，其存储和计算复杂度为 $\mathcal{O}(NK)$，其中 $K$ 是固定的组件数量。相比标准注意力的 $\mathcal{O}(N^2)$ 复杂度，GMA 实现了线性缩放。 ## 模型变体与实现 论文提出了 **双向（bidirectional）** 和 **因果（causal）** 两种变体。双向 GMA 适用于分类等非自回归任务，因果 GMA 则适用于语言建模等自回归生成任务。研究者设计了端到端可微的高斯混合组件参数化方法，并分析了责任调制梯度结构、约束非负低秩亲和性解释以及局部路由稳定性。 ## 实验表现：线性记忆与竞争性能 实验结果表明，GMA 在长上下文分类任务上与注意力基线性能相当，同时保持固定的线性记忆缩放。在 WikiText-103 语言建模任务上，因果 GMA 优于测试的线性/随机特征注意力变体，但在当前实现中仍落后于优化后的因果 SDPA（标准点积注意力）和 Mamba 状态空间模型。 对学习到的责任向量进行分析显示，GMA 广泛使用了所有组件，并与表面形式的 token 类别存在中等程度对齐。这表明 GMA 是一种概率性、可解释、固定 K 的线性时间注意力替代方案，而非针对优化后的 softmax 注意力或状态空间模型的通用替代品。 ## 行业意义 长上下文处理是当前大语言模型领域的核心挑战之一。GMA 提供了一种兼顾效率与可解释性的新思路：通过概率路由实现线性复杂度，同时保留注意力机制的部分特性。虽然目前性能尚未超越顶尖方法，但其理论框架和初步结果展示了在保持线性扩展的同时实现类似注意力行为的可能性，为未来序列混合器设计开辟了新方向。
## 研究背景与问题 在代码大语言模型（Code LLM）的监督微调（SFT）中，传统方法对所有响应 token 施加统一的交叉熵损失，隐含假设每个 token 提供同等有用的学习信号。然而，自然语言领域的 token 级选择性监督方法（如仅对高价值 token 计算损失）直接迁移到代码上时，可能会破坏语法和语义上完整的程序单元，因为代码依赖于结构完整性和定义-使用关系。 ## 方法：CODEBLOCK 框架 为解决上述问题，来自多所机构的研究者提出了 **CODEBLOCK**，一种结构感知的稀疏监督框架。其核心思想是：**选择结构完整的代码片段（code block）而非孤立 token 进行监督**。具体流程如下： 1. **高质量数据筛选**：首先筛选出高质量的指令-响应对。 2. **代码分区**：将代码响应划分为语法上连贯的“编码项”（coding items），例如完整的语句、函数或代码块。 3. **效用估计**：通过聚合核心逻辑 token 上的广义交叉熵，估计每个编码项的效用。 4. **重排序**：利用数据流可达性和桥接信号（bridge signals）对编码项进行重排序，优先选择那些传播或连接重要程序依赖的块。 在训练过程中，完整响应仍作为上下文可用，但损失仅计算在选中的代码项和有信息的自然语言 token 上，实现稀疏监督。 ## 实验结果与亮点 在 **六个代码生成基准** 上的实验表明，CODEBLOCK 在 **pass@1** 指标上平均优于全 token SFT 及多种竞争性选择基线，同时仅使用了 **1.9%** 的监督响应 token。这意味着 CODEBLOCK 能以极低的计算成本实现更优或相当的性能，验证了结构感知稀疏监督的有效性。 ## 行业意义与展望 该工作为代码大模型的微调提供了新思路：**从 token 级到代码块级的粒度转换**，更符合代码的结构特性。未来可探索将 CODEBLOCK 集成到更多代码智能任务中，如代码修复、测试生成等，并进一步优化编码项划分和效用估计策略。
多模态神经影像技术通过融合fMRI的功能连接与DTI的结构连接，结合图神经网络（GNN）分析脑网络，为脑疾病诊断提供了非侵入式手段。然而，年龄、性别等人口统计学因素会系统性混杂脑连接与临床结果之间的关系，导致GNN模型学习到虚假关联而非因果不变表征。现有因果GNN方法虽在图建模层面引入因果性，但其因果机制是领域无关的，未能针对临床神经影像数据中固有的真实混杂因素进行调整。此外，脑网络基于脑图谱分区构建，不同脑区对人口统计学因素的敏感性各异，亟需区域感知的调整策略。 为此，来自多所机构的研究团队提出了**Artemis**——一种区域级别的因果框架，通过为每个脑区独立学习轻量化的混杂表征，实现因果干预。该框架作为一个即插即用模块，可兼容任意GNN主干网络，并充分利用多模态功能和结构特征进行图推理。 在三个基准数据集上的实验表明，Artemis显著优于代表性的GNN基线方法： - **ADNI**（阿尔茨海默病诊断） - **OASIS**（痴呆分期） - **HCP**（性别分类） 多项补充实验进一步验证了其统计显著性和神经科学可解释性。 ### 核心创新 - **区域级因果干预**：针对每个脑区独立学习混杂因子表征，精细调整因果效应。 - **轻量即插即用**：模块化设计，不改变GNN主干结构，易于集成。 - **多模态融合**：同时利用fMRI和DTI信息，增强图推理的鲁棒性。 ### 行业背景与意义 当前，AI在医疗影像中的应用面临两大挑战：**混杂因素干扰**和**模型可解释性不足**。Artemis通过引入解剖级因果干预，直接回应了这两个痛点。其区域感知的设计更贴近神经科学实际——不同脑区对年龄、疾病的敏感性确实存在差异，例如海马体对阿尔茨海默病高度敏感，而额叶在衰老中变化显著。这种细粒度的因果建模不仅提升了预测准确性，还为医生提供了可解释的脑区级分析依据。 ### 局限与展望 论文目前基于脑图谱分区（如AAL、Desikan-Killiany），未来可探索更精细的皮层分区或功能性网络定义。此外，混杂因素主要考虑了年龄和性别，实际应用中可能还需纳入教育水平、基因型等更多变量。Artemis的模块化设计为扩展预留了空间。 ### 小结 Artemis代表了因果图神经网络在神经影像领域的一次重要进展。它从“领域无关”走向“区域感知”，从“黑箱预测”走向“可解释因果”，为脑疾病研究和临床决策支持提供了更可靠的工具。随着多模态数据获取技术的普及，这类方法有望在早期诊断、疗效预测等场景中发挥更大价值。
混合专家（Mixture-of-Experts, MoE）模型虽能高效扩展计算，但其巨大的内存占用和推理开销仍制约着实际部署。现有压缩方法多在专家级别操作，要么移除整个专家，要么依据粗粒度的重要性分数对专家排序。然而，这种专家级别的决策往往过于粗糙，无法捕捉细粒度冗余，导致剪枝预算分配不当，压缩效果有限。 针对这一问题，研究团队观察到：MoE专家中的信息高度集中在少量通道上，即使是重要的专家也存在大量冗余。基于这一发现，他们提出了一种专为MoE模型设计的结构化剪枝框架。该方法将剪枝比例分配重新定义为通道分数覆盖最大化问题，并通过基于归因的近似方法高效求解。 在 **DeepSeek** 和 **Qwen** 系列MoE模型上的实验表明，该方法在结合4比特量化后，即使在50%或25%的结构化剪枝率下仍能保持模型精度。以 **Qwen3-30B-A3B** 为例，该方法将内存占用减少了 **5.27倍**，并在多个基准测试中持续优于现有最优基线。 ## 技术原理 ### 细粒度冗余的发现 传统方法认为专家整体重要性有高低之分，但该研究通过归因分析发现，即使是被认为重要的专家，其内部通道的贡献也极不均衡——少数关键通道贡献了大部分信息，而大量通道存在冗余。这为在通道级别进行剪枝提供了理论依据。 ### 覆盖最大化问题 剪枝的核心挑战在于如何为不同专家分配剪枝比例。研究者将其建模为一个优化问题：在总剪枝预算约束下，最大化保留通道的“归因分数”覆盖度。通过贪心算法近似求解，可以自动为冗余多的专家分配更高剪枝率，而保留关键专家的核心通道。 ## 实验效果 在 **Qwen3-30B-A3B** 模型上，该方法实现了 **5.27倍** 的内存压缩，同时保持与原始模型相当的准确率。在 **DeepSeek-MoE** 系列上，50%结构化剪枝后，模型在多个NLP任务上的性能下降不足1%。与专家级剪枝、通道级均匀剪枝等基线相比，该方法在精度-压缩比曲线上均显著占优。 ## 行业意义 MoE模型因其稀疏激活特性，在训练阶段表现出色，但部署时所有专家权重需同时加载，导致显存需求巨大。该研究提出的通道级结构化剪枝，能够在不改变模型架构的前提下大幅减少参数，且兼容常见的量化与蒸馏技术。这对于将MoE模型部署到资源受限的边缘设备或降低云端推理成本具有重要价值。 该论文已被 **ICML 2026** 接收，研究者来自多所高校与机构，代码将开源。
## 从高斯宽度到Fisher宽度：统计流形的几何复杂度新视角 在高维概率、压缩感知、凸优化和学习理论中，**高斯宽度**（Gaussian width）一直扮演着核心角色。它通过衡量一个集合在随机方向上的平均延伸程度，有效刻画了约束集、假设类和下降锥的“有效维度”。然而，这一概念本质上依赖于欧几里得几何——而统计模型本身拥有由**Fisher信息度量**诱导的自然黎曼几何，其中方向的重要性取决于统计可区分性，而非欧氏长度。 近期一篇arXiv论文（arXiv:2606.18306）提出了**Fisher宽度**（Fisher width），作为统计流形上高斯宽度的黎曼几何类比。作者Vu Khac Ky从理论到应用，系统构建了这一新概念的基础。 ### 核心思想：用Fisher度量“重新标度” 在参数点 θ 处，Fisher宽度用局部度量张量 G(θ)^(1/2) 替代欧几里得单位矩阵，从而测量**Fisher重新标度后的集合的高斯宽度**。这使得该度量对局部统计曲率敏感，且在平滑重参数化下保持不变。简单来说，Fisher宽度将“方向的重要性”从欧氏长度转移到统计可区分性上，更贴合统计模型的本质几何。 ### 理论性质：保留高斯宽度的优点，捕捉各向异性 论文证明Fisher宽度保留了高斯宽度的关键结构性质，包括： - **浓度性质**：高维概率下的集中性； - **度量扰动稳定性**：对度量微小变化的鲁棒性； - **谱比较界**：与欧几里得基线的比较。 更重要的是，它能捕捉欧几里得度量无法体现的**各向异性几何效应**——例如，在统计流形上不同参数方向可能具有截然不同的曲率，Fisher宽度能自然反映这种差异。 ### 应用与实证 作为应用，作者推导了**Fisher-Lipschitz假设类的泛化界**，并提出了可计算的估计量。在MNIST数据集上，针对三种模型类（如神经网络、概率模型等）的实证评估显示，Fisher宽度能有效反映模型在统计流形上的复杂度，为泛化性能提供新的几何解释。 ### 意义与展望 “Fisher宽度之于统计流形，正如高斯宽度之于欧几里得凸体。”这一工作为在弯曲统计流形上研究复杂性和学习问题奠定了基础。未来，该度量有望用于模型选择、正则化设计以及理解深度学习中的泛化现象——尤其是在参数空间具有非平凡几何结构的场景中。 对于机器学习研究者而言，Fisher宽度提供了一个更符合统计本质的复杂度工具。它在理论上的优雅性和实证中的有效性，使其成为连接信息几何与学习理论的一座新桥梁。
在监督微调（SFT）中，训练数据的分布直接影响大语言模型（LLM）的最终能力。传统数据筛选方法虽能在有限预算下加速训练，但往往难以突破模型性能的上限。近期一篇来自 arXiv 的论文提出了一种名为 **DRIFT**（Data Refinement via On-Policy Influence Functions for Supervised Fine-Tuning）的新方法，通过同策略数据归因来精细化调整指令数据分布，从而持续提升模型能力边界。 ## 核心问题：从“筛选”到“精炼” 现有数据筛选方法侧重于从大规模数据中选出子集以维持性能，但研究者指出，真正的挑战已不再是“找更小的子集”，而是“将数据分布调整为最有助于提升模型能力的实例”。为此，DRIFT 引入了基于影响函数（Influence Functions, IF）的实例级数据归因。 ## 技术突破：解决影响函数的两大局限 影响函数虽能估计每个训练样本对模型输出的贡献，但在 SFT 场景中面临两个结构性问题： 1. **邻近性差距（Proximity Gap）**：由于使用离线（off-policy）验证目标，导致参数空间中的局部近似失效。 2. **梯度范数偏差（Gradient Norm Bias）**：影响分数严重偏向梯度范数大的样本，掩盖了真实贡献。 DRIFT 的创新在于： - **同策略验证目标**：利用模型自身的同策略（on-policy）生成结果作为验证目标，而非依赖外部参考数据。这有效缩小了参数邻近性差距，使影响函数更符合局部线性假设。 - **轨迹正确性加权**：根据模型在验证查询上的生成轨迹正确性进行符号加权，并针对“梯度黑客”问题对影响分数去偏，从而仅用少量验证查询就能作为可靠锚点，归因整个训练集。 ## 实验效果：突破性能天花板 在 7B 参数的指令微调和推理模型上，DRIFT 持续提升了性能上限，优于现有数据筛选基线。这表明，通过精细化的数据归因，可以更高效地利用训练数据，推动模型在复杂任务上达到更高水平。 ## 行业意义：数据精炼成为新焦点 随着 LLM 参数规模的增长，数据质量对模型能力的影响愈发关键。DRIFT 提供了一种从“量”到“质”的转变思路：不是简单地剔除低质量数据，而是主动优化数据分布，使每个实例都能最大化地贡献于模型进步。这对于构建更强大、更可靠的 AI 系统具有重要参考价值。
近日，一篇发表于 arXiv 的研究论文（编号 2606.18303）为理解深度神经网络的训练动力学提供了全新的数学视角。该论文被 2026 年国际人工神经网络会议（ICANN 2026）接收，作者 Taiki Miyagawa 巧妙地将冲击波理论与随机梯度下降（SGD）的对称约化学习动力学联系起来，揭示了神经网络训练中隐藏的物理结构。 ### 核心思想：对称约化与粗粒化 现代神经网络（如 Transformer、卷积神经网络）的参数空间通常存在大量对称性——例如权重缩放、排列不变性等。这些对称性使得原始参数轨迹充满冗余，难以直接揭示学习本质。论文的核心创新在于：**首先对参数对称性进行商化（quotienting），然后应用局部熵粗粒化（coarse-graining）**，从而得到有效动力学方程。研究证明，经过这些处理后，神经网络的训练动力学满足一个**粘性 Hamilton-Jacobi 方程**，这是一个在经典力学和流体力学中广泛研究的偏微分方程。 ### 从 Hamilton-Jacobi 到 Burgers 方程：冲击波形成 进一步地，论文假设商化空间上的原始参数动力学可以用一个梯度场来概括。在此假设下，粗粒化损失函数的梯度满足一个**Burgers 型方程**——这是一个描述非线性波传播和冲击波形成的基本方程。Burgers 方程的一个关键特性是，即使初始条件光滑，解也会在有限时间内形成间断（即冲击波）。这意味着，**神经网络的训练过程中，损失景观的梯度场可能自发地形成“冲击波”**，对应着训练阶段的相变，例如从欠拟合到过拟合的转变、或学习速率的突然调整。 ### 广泛应用与实用价值 论文验证了该理论适用于多层感知机、卷积神经网络、Transformer 以及平均场网络等多种架构，均满足 Hamilton-Jacobi 或 Burgers 型方程。更重要的是，作者指出，**原始参数范数常常因对称性冗余而失真**，例如在 Transformer 中，层归一化后的参数范数可能误导我们对模型行为的判断。而对称性校正后的商化可观测量（quotient observables）则提供了监控、预测和控制训练阶段相变的原理性基础。这意味着，该框架有望发展为一种实用的诊断工具，帮助研究者实时识别训练中的关键转折点。 ### 意义与展望 这项工作将深度学习的训练动力学与流体力学中的冲击波理论联系起来，为理解神经网络的泛化能力、训练稳定性等核心问题提供了新的数学工具。未来，或许我们可以利用 Burgers 方程的解来预测学习率衰减的最佳时机，或通过控制冲击波的形成来避免训练崩溃。这一跨学科的融合，再次印证了物理直觉在 AI 理论中的强大解释力。
强化学习（RL）训练智能体的资源瓶颈正逐渐转向“前沿任务供给”——那些有效、可解、且刚好足够挑战当前模型的任务。随着推理和智能体模型能力的提升，固定任务分布迅速饱和，而简单的合成生成又会产生琐碎、不可能或不适定的任务。为此，来自多个机构的研究者在论文《Breaking the Solver Bottleneck: Training Task Generators at the Learnable Frontier》中提出了**PROPEL框架**，一种求解器摊销（solver-amortized）方法，能够在不频繁调用求解器的情况下，训练任务生成器以瞄准目标求解率。 ## 核心挑战：任务生成与求解器评估的权衡 在RL中，任务生成器通常需要与求解器（solver）配合：生成器创建任务，求解器尝试解决。理想的生成器应产出处于“可学习前沿”的任务——既不过于简单（已学会）也不过于困难（无法学会）。然而，直接优化任务生成器需要大量求解器评估：每一个候选任务都需要求解器实际运行，对于软件工程（SWE）任务，单次求解可能耗时数十分钟，导致训练难以扩展。 ## PROPEL框架：轻量级探针作为代理 PROPEL的核心思想是**解耦生成器优化与求解器评估**。具体来说，它首先在一个一次性标注的语料库上训练一个轻量级激活探针（activation probe）。该语料库由生成器生成的任务及其在目标求解器上的结果组成。探针从冻结的生成器参考模型中提取特征，并预测任务在目标求解器上的通过率。一旦探针训练完成，它就可以作为求解率的代理，在生成器优化过程中仅需一次前向传播即可评估任务质量，从而避免了昂贵的求解器调用。 ## 实验结果：显著提升前沿任务比例 在数学、代码和软件工程等多种任务上，PROPEL均有效将生成分布向目标求解率偏移。例如： - **代码任务**：对于Qwen2.5-3B-Instruct求解器，可学习前沿任务占比从10.1%提升至20.0%；对于Qwen2.5-7B-Instruct求解器，从5.3%提升至12.6%。 - **软件工程任务**：在未见过的仓库上，对于Qwen3.5-27B求解器，前沿任务占比从9.8%提升至19.6%。 这些结果表明，PROPEL能够在不牺牲效率的前提下，显著提升任务生成的“前沿性”。 ## 意义与展望 PROPEL为RL中的任务生成瓶颈提供了一种实用解决方案。通过摊销求解器评估，它使得训练更强大的任务生成器成为可能，进而推动智能体在更复杂、更真实的环境中进行持续学习。未来工作可进一步探索探针的泛化能力，以及将其应用于多求解器场景。
多模态大语言模型（MLLMs）的知识编辑技术虽能高效更新模型知识，但最新研究揭示了一个关键漏洞：当输入为图文配对时，实体知识可被成功更新；然而一旦将配对输入拆分为单模态（仅文本或仅图像），模型往往会“遗忘”更新内容，回退至编辑前的旧知识。这一现象被称为**编辑解耦失败（editing decoupling failure）**，其根源在于MLLMs中的实体知识并非以统一表征存储，而是分散在解耦的模态特定通路中。 来自多所机构的研究团队（Tingchao Fu等）在论文《Correct When Paired, Wrong When Split: Decoupling and Editing Modality-Specific Neurons in MLLMs》中，通过深入实证分析揭示了这一机制：多模态查询（图文对）引发的更新偏向于多模态通路，但无法有效传播至单模态回路，导致模型在单模态输入下“失忆”。 为解决该问题，团队提出**DECODE**方法，核心思路是显式解耦并定位不同模态对应的神经元群组，然后针对性地实施知识编辑。具体而言，DECODE首先通过激活模式分析识别出与文本、图像及多模态关联紧密的神经元子集，随后在编辑过程中对这些模态特定神经元分别施加约束，确保更新能同时作用于多模态和单模态推理路径。 实验在多个基准数据集上验证了DECODE的有效性： - 在多模态触发（图文对）下，DECODE的知识更新准确率与现有方法持平或更优； - 在单模态触发（仅文本或仅图像）下，DECODE显著优于基线，编辑后模型能保持更新知识，而基线方法则出现大幅衰退； - 消融实验进一步证实，模态解耦与局部编辑是缓解解耦失败的关键组件。 这项工作的启示在于：**MLLMs的知识编辑不能仅关注多模态表现，必须兼顾单模态泛化能力**。DECODE通过模态特定神经元定位提供了一种轻量级解决方案，不依赖额外训练数据或模型结构修改。未来，该方向可延伸至更多模态（如视频、音频）以及动态知识更新场景。 论文已发布于arXiv（2606.17057），并提供了实验代码与可视化分析工具。对于从事模型编辑、多模态对齐及AI安全的研究者而言，该工作揭示了当前编辑范式的盲区，并为构建更鲁棒的知识更新机制奠定了基础。
电子健康记录中的实验室检测数据往往采集不规律，而检测的缺失本身可能蕴含着与测量值同等重要的信息。近日，一项发表在 arXiv 上的研究提出了一种基于扩散模型的新方法，能够联合建模实验室检测值及其观察模式，从而生成更真实的临床时间序列数据。 ## 研究背景与核心问题 在临床实践中，医生决定何时进行某项实验室检测——例如，病情稳定的患者可能检测频率较低，而危重患者则可能接受更密集的监测。这种检测的“缺失”并非随机，而是反映了临床决策和患者生理状态。传统方法通常将缺失值视为预处理中的噪声或插补对象，但这样做会丢失缺失模式本身所携带的信息。该研究试图将缺失模式作为模型的一部分，直接捕捉其与生理指标之间的关联。 ## 方法：扩散模型联合建模 研究团队基于 **TimeDiff** 框架进行扩展，设计了一个能够同时处理连续实验室值和离散缺失模式的扩散模型。模型使用 **MIMIC-III** 数据库中的 **DACMI** 基准数据集，将检测时间对齐到 4 小时间隔，并将每次住院分割为 7 天窗口。每个时间点的数据包含一个实验室值和对应的观察指示器（0/1，表示是否在该时间点进行了检测）。通过互补的扩散目标函数，模型学习值分布和缺失模式的联合分布。 ## 实验结果与意义 实验结果显示，生成的数据在单个实验室值分布以及“值-缺失”联合嵌入空间上，均与真实患者轨迹高度吻合。这表明扩散模型能够捕捉临床实践中 **非随机缺失** 条件下的生理-检测行为依赖关系。研究者指出，这项工作可作为开发临床基础模型的初始组件——通过生成保留关键生理-缺失关系的合成先验，为后续训练 **先验数据拟合网络** 提供基础，从而充分利用信息性缺失模式。 ## 行业背景与展望 在医疗 AI 领域，如何处理不规则时间序列中的缺失数据一直是个难题。传统插补方法可能引入偏差，而忽略缺失模式则损失临床洞察。该研究将缺失视为“信号”而非“噪声”，为电子健康记录的数据生成、模型预训练和下游任务（如预后预测）提供了新思路。未来工作在更大规模数据上的验证，有望推动临床决策支持系统更准确地模拟真实医疗场景。
## 核心观点：KV缓存不只是缓存，更是可编辑的“笔记” 大型语言模型（LLM）推理中的前缀缓存（Prefix Caching）通常假设：只有完全匹配的前缀才能复用预填充结果。一旦前缀中某个字段发生变化，整个下游缓存就会失效，必须重新计算。然而，一篇来自 arXiv 的新论文提出了颠覆性观点：**KV 缓存本质上是模型在预填充阶段写下的“笔记”**，它不仅可复用，还**可编辑**和**可组合**。 ## 发现：字段自身KV对决策贡献不足1% 研究者在四个模型家族上进行因果分析后发现，当模型在预填充阶段处理一个字段（例如用户输入中的某个参数）时，它实际上已经将该字段的条件结论写入了后续位置的“笔记”（即 KV 缓存中的 value 向量）中。**字段自身的 key/value 向量对最终决策的贡献不足 1%**，真正起作用的是那些“笔记”内容。因此，直接覆盖字段的 key/value 向量并复用其余缓存，模型仍然会基于旧值行动——因为笔记没有被修改。 ## 能力一：可编辑的KV缓存 既然 KV 缓存是笔记，那么就可以像修改文档一样编辑它。论文提出了一种“勘误”（erratum）机制：只需在缓存末尾追加一个修正标记，就能修改笔记中的结论。实验表明，**结合思维链（Chain-of-Thought）时，仅编辑字段本身即可完全恢复正确决策**（在 8B 模型上准确率 1.00，仅需约 1% 的计算量）；而不使用思维链时，编辑则被忽略。这意味着编辑效果依赖于模型内部的推理结构。 ## 能力二：可组合的KV缓存 笔记还有一个关键特性：**位置可移植**。由于笔记内容与绝对位置解耦（通过旋转位置编码 RoPE 调整），一个预编译好的“技能”（例如一段推理步骤的 KV 缓存）可以被重新定位并拼接到任意上下文中，效果与完全重新计算**不可区分**（logit 余弦相似度 0.90-0.999，涵盖 12 个模型）。而拼接的时间复杂度仅为 O(L)，远低于完全重算的 O(L²)，大幅降低首 token 延迟。 ## 统一框架：编辑+组合，延迟降低14.9倍 论文将编辑和组合能力统一到一个智能体框架中，在保持决策与完全重算一致的前提下，**延迟最高降低 14.9 倍**。该方法适用于任何逐 token 注意力 KV 缓存，并在不同规模、量化、混合专家模型（MoE）以及多模态缓存上得到验证。对于部分注意力变体，只需通过小型适配器即可扩展。 ## 兼容现有生产系统：vLLM缓存命中率98.5% 由于勘误仅追加在缓存末尾，它天然兼容生产级前缀缓存系统。在在线 vLLM 基准测试中，该方法**保持了 98.5% 的缓存命中率**，并将 p90 首 token 延迟降低了 **53-398 倍**——这意味着用户几乎感觉不到延迟。 ## 意义与展望 这项工作从根本上重新定义了 KV 缓存的角色：它不再是被动的高速缓存，而是模型推理过程中主动生成的、可修改、可迁移的“笔记”。这为 LLM 推理优化开辟了新方向——例如在线持续学习、个性化模型调整、多轮对话中的动态上下文编辑等。未来，我们或许能看到模型在推理过程中实时“涂改”自己的笔记，而非每次都从头计算。
在药物警戒领域，区分真实的药物不良反应（ADE）与虚假关联一直是个核心难题。InferBERT框架将Transformer模型与Do-calculus相结合，但其成功高度依赖于底层分类模型的选择。最新研究对InferBERT框架下的四种分类模型进行了系统性比较，揭示了领域预训练的重要性远超模型规模。 ## 研究背景与实验设计 药物不良反应的因果推断面临两大挑战：一是混杂因素导致的虚假关联，二是传统信号检测方法（如PRR、ROR、EBGM）无法区分因果与非因果关联。InferBERT通过整合Transformer的上下文理解能力与因果推断的Do-calculus，为这一问题提供了新思路。但框架中的分类模型选择是否影响最终效果？研究者选取了**XGBoost**（基线模型）、**ALBERT**（原始InferBERT模型）、**BioBERT**（生物医学领域预训练Transformer）和**Med-LLaMA**（医学大语言模型）四种代表性模型，在两个基准数据集——**镇痛药诱导的急性肝衰竭（AILF）**和**曲马多相关死亡率（TRAM）**上进行了严格比较。 实验采用**5折交叉验证重复20次**，评估指标包括准确率、校准误差（ECE，含等渗回归前后）以及因果术语与PRR、ROR、EBGM的一致性（Jaccard系数），并辅以配对t检验验证显著性。 ## 关键发现：领域预训练胜过规模扩展 结果明确显示，**BioBERT在两个数据集上均取得了最高准确率**，而**Med-LLaMA尽管参数规模庞大且采用参数高效微调，表现却不尽如人意**。这一反直觉结果说明，对于药物警戒这一专业领域，**领域特定的预训练（如BioBERT在生物医学语料上的预训练）比单纯扩大模型规模更具优势**。校准技术虽能改善ECE，但对准确率和因果发现的影响参差不齐。在因果术语一致性方面，BioBERT同样表现最佳，与传统信号检测方法高度吻合。 ## 行业启示：小模型大智慧 该研究为AI制药和药物安全监测提供了重要参考：在资源有限的实际部署场景中，**投资于可管理、领域感知的模型（如BioBERT）比追求大语言模型更高效**。这并非否定LLM的价值，而是强调在特定任务上，**领域适配性比通用能力更重要**。未来，研究者可进一步探索如何将领域预训练与因果推断框架更深度融合，或开发混合模型以兼顾规模与专业性。
基模型（Foundation Models，FMs）在医学数据表征提取方面展现了强大潜力，但其在分布偏移数据集上的泛化能力尚未得到充分探索。近日，一篇发表于 arXiv 的研究论文系统评估了基于 FM 的表征在计算病理学任务中的表现，涉及两个真实世界商业队列——IH-BC 和 IH-NSCLC（来自授权内部肿瘤数据集）。该研究聚焦全切片图像与转录组图谱两种模态，首先在五个 FM 上对八项下游分类任务进行单模态探针性能基准测试，发现图像与组学表征携带互补的预测信号。随后，通过比较三种基于配对表征的图像-组学融合策略，探讨多模态融合能否带来额外增益。最后，利用共形预测评估所选单模态与多模态管线的可信度。 结果显示，FM 表征在分布外数据上取得了具有竞争力的性能，且多模态融合仅在单一模态信号不占主导时发挥主要作用。共形预测揭示，在大多数点预测失败的案例中，真实诊断仍能在预测集中被找回，这强化了不确定性感知推理在临床支持中的价值。该研究为多模态癌症分析中基模型的表征质量、融合策略与可信度评估提供了系统性参考。
混合专家多模态大语言模型（MoE-MLLMs）在性能上表现出色，但巨大的GPU显存开销成为部署瓶颈。模型压缩因此变得至关重要。在已有的后训练量化（PTQ）方案中，专家级混合精度量化已被证明对MoE-LLMs有效，然而直接应用于MoE-MLLMs时却出现明显的性能退化。研究者发现，根本原因在于专家重要性估计中存在两种被忽视的偏差：**跨模态偏差**和**视觉内偏差**。 **偏差来源** - **跨模态偏差**：在MoE-MLLMs中，视觉token在数量上占据绝对优势，导致专家选择频率统计被视觉token主导，从而掩盖了对文本模态至关重要的专家。 - **视觉内偏差**：大量冗余的视觉token进一步扭曲了频率统计，使得对信息性视觉内容关键的专家被淹没。 **MODE框架** 为弥补上述偏差，来自中国科学院等机构的研究团队提出了**MODE（Modality-Decomposed Expert-Level Mixed-Precision Quantization）**，一个专门针对MoE-MLLMs的模态分解专家级混合精度量化框架。核心思路包括： 1. **按模态分解专家选择频率**：分别统计各模态（文本、视觉）下的频率，避免视觉token的数值优势掩盖文本专家的重要性。 2. **过滤冗余视觉token**：通过去噪处理得到更纯净的视觉频率，突出对有效视觉内容贡献大的专家。 3. **引入模态级量化敏感度**：将每个模态下的量化敏感度作为频率估计的补充信号，更全面地评估专家重要性。 4. **整数线性规划（ILP）**：将上述多维度信号整合到ILP优化问题中，在给定比特预算下为每个专家分配最优位宽。 **实验效果** 大量实验表明，MODE特别适配MoE-MLLMs。在**W3A16**（权重3比特，激活16比特）设置下，平均性能损失控制在**2.9%以内**；在极端的**2比特**设置下，性能提升更为显著。该方法有效解决了传统混合精度量化在多模态场景下的失效问题，为部署高容量MoE多模态模型提供了切实可行的压缩方案。
## 研究背景 基于学习的单次条纹投影轮廓测量术（FPP）在近距离场景下已取得显著进展，但远程（>1米）应用仍面临挑战：强度随距离平方衰减导致信噪比下降，单次拍摄缺乏条纹阶次信息，且现有网络架构的机制尚未被深入理解。 ## 诊断：模型走“捷径”而非真正解码相位 研究团队通过**机械可解释性（MI）**和**共形不确定性量化（UQ）**两种方法，对UNet基线模型进行诊断。在包含15,600张条纹图像、50个物体、距离1.5-2.1米的光照真实合成基准上，最佳UNet基线达到**14.54毫米**物体平均绝对误差（MAE）。 三项探针实验（线性探针、Grad-CAM、平面外分布测试）一致表明：基线模型并非通过解码条纹相位来求解深度，而是依赖**物体边界的形状先验**——即通过物体轮廓直接猜测深度，这相当于“作弊”式的捷径学习。 ## 修复：从架构层面消除捷径 研究者提出 **PhiCalNet**，其核心创新在于**不直接回归深度**，而是输出包裹相位，再通过一个固定的可微分标定层将相位映射为深度。这一架构设计从根本上移除了形状先验解存在的假设空间，而非通过损失函数惩罚来抑制。 实验显示，物理信息损失函数（将相同物理约束作为软惩罚施加给深度回归网络）并未带来可测量的提升，证明**架构本身是决定性因素**。PhiCalNet将物体MAE降低了**3.3倍**，达到**4.46毫米**；残余误差主要来自±π包裹不连续处的**0.103%**像素。 ## 验证：不确定性量化确认诊断 像素级共形UQ进一步验证了诊断结论：若按快照差异拒绝前5%的物体像素，PhiCalNet的均方根误差（RMSE）降低**64%**（从20.6毫米降至7.4毫米），而基线仅降低**3.5%**。MI与UQ两种方法共同指向同一失效模式。 ## 意义与展望 本研究首次系统性地将MI和UQ应用于光学测量网络诊断，证明**架构设计比单纯添加物理损失更能引导模型学习正确物理规律**。PhiCalNet为远程单次FPP提供了一种有效方案，其“先输出中间物理量、再用固定变换层”的思路，或可推广至其他依赖物理先验的视觉任务。
深度神经网络（DNN）在训练中常出现一种令人困惑的现象：模型在长时间过拟合后突然泛化，仿佛“顿悟”。最新研究从统计物理视角揭示了这一机制——噪声驱动的亚稳态逃逸。 ## 核心发现 来自波茨坦大学的研究者在论文中证明，DNN中的**泛化延迟（grokking）**本质上是**L2正则化强度变化**引发的一级相变中的**滞后效应**。当正则化强度低于临界值时，所有特征原则上都可学习，但网络会陷入由能量势垒分隔的**亚稳态**，导致收敛停滞。 关键在于，**随机梯度下降（SGD）中的噪声**提供了逃离亚稳态所需的能量。研究者在线性DNN中观察到，模型从低精度亚稳态逃离的时间符合**阿伦尼乌斯标度**——即逃逸时间随势垒高度指数增长。通过刻意将模型困在亚稳态，他们成功复现了跨越两个数量级的延迟收敛现象，且测试误差最终逼近训练误差的经典曲线。 ## 亚稳态数量与特征维度 论文进一步指出，亚稳态的数量恰好等于**可学习特征的数量**——每个数据协方差矩阵的奇异值对应一个特征。这意味着，任务越复杂（奇异值越多），潜在的滞后效应越强，模型越容易陷入局部最优。 ## 对深度学习实践的意义 这一发现为加速训练提供了新思路： - **动态正则化**：通过调整L2强度或噪声水平，主动控制模型在相空间中的迁移路径。 - **初始化策略**：避免模型落入与目标任务无关的亚稳态。 - **理解泛化边界**：将泛化能力与相变理论中的阶参数（如奇异值分布）关联，可能量化模型的“学习容量”。 尽管实验主要在线性模型上验证，作者提供了证据表明**非线性DNN**中同样存在类似机制。该工作不仅统一了“顿悟”现象的解释，更将深度学习与统计物理中的**成核理论**紧密联系起来。