导语：arXiv 最新论文提出 RelayS2S 框架，解决实时语音对话系统中延迟与质量的根本矛盾。研究指出现有端到端语音模型响应快但语义弱，级联 pipeline 质量高但延迟大。RelayS2S 通过双路径并行架构——快路径 S2S 模型推测生成短前缀立即播放，慢路径 ASR→LLM 生成高质量续写——在 GPT-4o 后端实现 P90 延迟 81ms（级联基线 1091ms）同时保持 99% 响应质量，且无需修改现有组件即可集成。 核心内容 研究背景 实时语音对话是对话 AI 最具挑战性的场景之一：系统需以人…
导语：Nous Research 开源 Hermes Agent，首个内置学习循环的自改进 AI 代理系统。研究指出传统 Agent 缺乏持续学习能力，每次对话从零开始。Hermes 通过经验驱动的技能创建、使用中自我改进、跨会话用户建模和自主知识持久化，实现"越用越聪明"。系统支持多平台部署（Telegram/Discord/Slack/WhatsApp/CLI）、200+ 模型切换、子代理并行工作，并提供 OpenClaw 无缝迁移，让个人 Agent 真正成长为用户的数字分身。 核心内容 研究背景 现有 AI…
导语：arXiv 最新论文提出 SpecTM（Spectral Targeted Masking）框架，为地球观测基础模型引入物理约束掩码设计。研究指出现有随机掩码方法忽视光谱物理规律，限制模型可信度。SpecTM 通过多任务自监督学习（波段重建、生物光学指数推断、8 天时序预测），在 NASA PACE 高光谱图像上实现微囊藻毒素浓度预测 R²=0.695（当周）和 0.620（8 天预测），超越基线模型 34%-99%，标签效率提升 2.2 倍。 核心内容 研究背景 基础模型在地球观测（EO）领域快速发展，但现…
导语：GitHub 最新开源项目 RuView 将普通 WiFi 信号转化为人体感知系统，实现无摄像头、无穿戴设备的实时姿态估计与生命体征监测。研究指出传统视觉感知存在隐私泄露、部署成本高、环境受限等痛点。RuView 通过分析 WiFi 信道状态信息（CSI）扰动，结合 Rust 高性能信号处理与自学习嵌入模型，在 ESP32 低成本硬件上实现 54K fps 姿态重建、呼吸心率检测、穿墙感知，为隐私优先的空间智能提供全新方案。 核心内容 研究背景 人体姿态估计与生命体征监测在医疗监护、智能家居、灾难救援等场景需…
导语：斯坦福大学联合 UCSF 推出 MARCUS 系统，一种用于心脏诊断的多模态智能体视觉语言模型。研究指出现有 AI 模型局限于单模态输入且缺乏交互能力。MARCUS 通过分层智能体架构整合心电图、超声心动图和心脏磁共振三种模态，在 1350 万张图像和 160 万问答对上训练，内部和外部测试中准确率达 87-91%（心电图）、67-86%（超声）、85-88%（磁共振），超越 GPT-5 Thinking 和 Gemini 2.5 Pro Deep Think 达 34-45%，多模态病例准确率 70% 是前…
导语：arXiv 最新论文提出 PowerLens 系统，将大语言模型的推理能力应用于 Android 设备电源管理。研究指出现有电源管理机制依赖静态规则，忽视用户活动和个人偏好。PowerLens 通过多 Agent 架构识别 UI 语义、生成 18 项设备参数的 holistic 电源策略，采用 PDL 约束框架验证每个动作，并通过双层记忆系统从隐式用户覆盖中学习个性化偏好。在真实 Android 设备上实现 81.7% 动作准确率和 38.8% 能耗降低，系统自身仅消耗 0.5% 日电量。 核心内容 研究背景…
导语：arXiv 最新论文提出效用引导的 Agent 编排框架，将工具使用 LLM Agent 的行为控制作为显式决策问题。研究指出固定工作流稳定但僵化，ReAct 等自由推理灵活但可能过度执行。新框架通过效用函数平衡估计收益、步骤成本、不确定性和冗余，在 HotpotQA 基准上实现与 ReAct 竞争的性能，同时提供更可解释、可控制的多步执行轨迹。 核心内容 研究背景 工具使用的大型语言模型 Agent 面临答案质量与执行成本之间的根本张力。更好的任务性能通常需要更多推理步骤、更多工具交互和更长的执行轨迹，这反…
导语：arXiv 最新论文提出动态信念图框架，增强大型语言模型的心智理论（ToM）推理能力。研究指出现有方法将信念视为静态独立变量，导致动态场景中推理不一致。新框架通过能量因子图表征信念依赖关系、语义到势函数投影、ELBO 优化目标，在真实灾难疏散数据集上显著提升行动预测准确率，恢复可解释的信念轨迹。 核心内容 研究背景 心智理论（ToM）指推断他人潜在心理状态（如信念、意图、期望）并据此解释和预测行为的能力。这对构建能与人类有效交互的 AI 系统至关重要，尤其在灾难响应、紧急医疗、人机协作等高风险场景中。然而，现…
导语：arXiv 最新论文提出 cuGenOpt，一种 GPU 加速的通用元启发式组合优化框架。研究指出现有方法在通用性、性能和可用性之间面临根本权衡。cuGenOpt 通过"一块演化一解"CUDA 架构、统一编码抽象、双层自适应算子选择和 LLM 建模助手，在五个主题套件、三种 GPU 架构上验证，相比通用 MIP 求解器提升数个数量级，在 n=150 实例上与专用求解器质量相当，30 秒内 TSP-442 差距降至 4.73%。 核心内容 研究背景 组合优化问题广泛存在于物流、调度和资源分配场景，但现有方法面临…
导语：EMNLP 2025 接收论文提出 LightRAG，一种简单高效的检索增强生成框架。研究指出传统 RAG 系统在检索精度和生成速度之间难以平衡。LightRAG 通过双层知识图谱索引、增量更新机制和智能查询路由，在多个基准测试中实现与复杂 RAG 系统相当的性能，同时显著降低计算开销和响应延迟。 核心内容 研究背景 检索增强生成（RAG）已成为大语言模型应用的核心架构，但现有方案面临两大挑战：一是检索精度与计算效率的权衡，二是知识更新需要重建整个索引系统。LightRAG 旨在解决这两个关键问题。 研究团队…
