LLM Agent安全治理、多模态医学理解与量子计算编译优化
今日精选 8 篇 AI/ML 论文，涵盖LG, AI, CL, CV, CR, quant-ph, ET, stat.ML, physiacc-ph, IR等方向
今天从 arXiv 精选了 8 篇值得关注的 AI/ML 论文，涵盖可解释强化学习、LLM 社会仿真、检索增强认知架构、多模态医疗大模型、LLM Agent 安全策略、量子编译器、类脑储层计算以及科学设施知识管理。
1. 通过物理感知策略蒸馏实现可解释强化学习
作者: Shaker Al-Tamari, Waled Kadour | 分类: cs.LG 链接: arxiv.org/abs/2607.24672v1
在机器人和汽车工程等安全关键领域，深度强化学习（DRL）的部署常因深度神经网络的“黑箱”性质而受阻。本文提出了一种通过策略蒸馏框架实现可解释连续控制的方法：将高性能的TD3智能体（教师模型）的策略蒸馏为一棵浅层决策树（学生模型）。通过利用自定义的物理感知特征和“噪声神谕展开”生成数据集，蒸馏过程达到了与专家教师相当的性能。控制理论分析揭示了从连续控制转向离散规则控制时的一个根本性权衡：这种转换会引发高频的Bang-Bang驱动和稳定的双模态极限环。仿真结果表明，系统在保持有界输入有界输出（BIBO）稳定性的同时，为安全自主系统提供了全局和局部可解释性。
点评: 用物理学知识显式指导蒸馏过程，将黑盒强化学习策略转化为可读的决策树，同时严谨分析了控制理论代价，对自动驾驶等安全场景极具价值。
2. 使用交易成本感知的LLM Agent模拟租户对能源政策的响应
作者: Weijie Xia, Stefanie Horian, Hanyue Huang, Queena K. Qian, Jie Yang 等 | 分类: cs.AI 链接: arxiv.org/abs/2607.24341v1
近期研究使用大语言模型（LLM）模拟人类意见和决策，但很少捕捉影响政策实际响应的实践、认知或社会摩擦。本文引入“感知交易成本”（PTC）视角，构建了一种摩擦感知的角色建模方法。在能效改造政策模拟中，租户不仅由其人口统计学特征表示，还由其感知到的成本、收益、障碍和不确定性来描述。基于荷兰1068名公民的约4万个问卷数据，研究对比了提示工程与微调设置，并评估了SFT和GRPO训练方法。结果表明，融入PTC角色和推理持续提升了模型性能，为机构政策理论与可解释的LLM政策仿真之间架起了桥梁。
点评: 成功将经济学中的“交易成本”概念引入LLM角色建模，显著提升了政策仿真的真实性和可解释性，是计算社会科学的一次有力实践。
3. 检索增强型大语言模型作为认知计算架构组件用于法规知识管理
作者: Dariusz Nowak-Nova | 分类: cs.CL 链接: arxiv.org/abs/2607.24352v1
本文验证了将LLM与检索增强生成（RAG）架构集成，能否将其从纯粹的生成模型转变为具有增强认知可靠性的认知计算基础设施组件。该方案采用本地部署的LLM（无需高端GPU加速器），结合外部知识库，构建了混合认知架构：LLM负责语义解释，RAG层提供受控的知识检索、上下文化和来源可追溯性。在波兰语模型Bielik和PLLuM上的验证表明，RAG显著提升了生成文本的事实一致性、领域特异性和规范性精度，同时降低幻觉风险，并无需重新训练模型即可实现法规信息的动态更新。
点评: 聚焦本地化、低算力部署场景，系统论证了RAG如何将LLM从“文本生成器”升级为法规合规场景中可信的“语义处理模块”，工程价值高。
4. ClinFusion：面向整体医学理解的以视觉为中心的多模态大语言模型系统
作者: Hangjie Yuan, Yichen Qian, Zhiwei Tang, Xianzhe Xu, Lirong Wu 等 | 分类: cs.CV, cs.AI, cs.CL 链接: arxiv.org/abs/2607.24743v1
本文提出ClinFusion，一个以视觉为中心的多模态大语言模型（MLLM），旨在实现整体医学理解。其核心创新包括：一种组合级联的视觉编码器架构（Cascade Spatial-Aware Locality Fusion算子），统一处理2D和原生3D医学图像；以及一套视觉导向的评估框架，包含指令跟随评估基准MedIF-Bench和基于感兴趣区域（RoI）的临床级报告生成评估方法。ClinFusion在24个医学基准中的20个上超越了领先的开源医疗MLLM，并在16个基准中的13个上优于GPT-5.2和Gemini-3-Flash等强大闭源模型。放射科医生盲评确认ClinFusion生成了质量最高的报告。
点评: 系统性解决了医疗MLLM在视觉理解、评估对齐和3D原生支持上的关键短板，性能全面超越现有开源和闭源模型，代表了医疗AI视觉-语言融合的最前沿。
5. LLM Agent污点隔离的Agent权限策略代数
作者: Arseny Kravchenko, Vadim Liventsev, Innokentii Konstantinov, Ildar Iskhakov, Matvey Kukuy | 分类: cs.CR, cs.AI 链接: arxiv.org/abs/2607.24625v1
处理混合机密性数据的自主LLM Agent面临严重的提示注入攻击和推理错误风险。本文提出APPA框架，一种解决传统污点追踪可用性瓶颈的动态信息流控制（IFC）方案。APPA通过引擎管理的上下文分支和前瞻性采集执行机制运行：在数据采集前进行标签评估并生成可执行补救计划；通过为子轨迹打标签来检查未经验证的数据，允许可信的清洗器将约束后的衍生结果返回给未改变的父上下文。在多轮工具链基准上的评估表明，APPA将外泄成功率从31-50%压制到0-7%，并在三个模型上通过分支恢复了大部分被污点追踪牺牲的效用。
点评: 解决了LLM Agent安全领域的一个核心矛盾——如何在防止数据泄露的同时不破坏Agent的功能完整性，形式化证明和实验效果都很扎实。
6. LLM生成的高效离子阱量子计算穿梭编译器
作者: Fabian Kreppel, Reza Salkhordeh, Ferdinand Schmidt-Kaler, André Brinkmann | 分类: quant-ph, cs.AI, cs.ET 链接: arxiv.org/abs/2607.24714v1
离子阱量子计算机依赖“穿梭编译器”将算法映射为量子比特的移动序列。本文首次实现使用单个前沿LLM（Claude Opus 4.7）从文本规范生成并迭代优化完整的穿梭编译器Python代码。从线性分段阱开始，逐步扩展到带结的阱，最终实现对通用连接阱图的高效编译。与最先进的手写编译器相比，LLM生成的编译器将穿梭时间步减少了最高76%。使用第二个前沿LLM（Claude Fable 5）重复实验验证了结果，表明未经修改的前沿LLM仅用几天就生成了具有竞争力的编译器，取代了原本需要数月的人工算法工程。
点评: 证明前沿LLM已具备生成复杂量子计算专用编译器的能力，大幅缩短开发周期，对加速量子硬件软件栈迭代具有里程碑意义。
7. 基于频率的储层计算
作者: Arthur S Powanwe | 分类: stat.ML, cs.LG 链接: arxiv.org/abs/2607.24420v1
储层计算作为一种高效的时间序列预测框架，其内部动态机制长期以来缺乏精确解释。本文提出了受大脑振荡动力学和时标层次启发的“基于频率的储层计算”方法。该储层可解释为一系列独立振荡单元的集成，每个单元处理输入信号的一部分频率成分。借鉴受复杂周期输入驱动的非线性振荡器理论，研究发现频率储层单元会选择性地放大和存储特定输入频率用于预测。该方法性能与随机储层相当或更优，且在短时预测优化上具有随机储层不具备的优势，并能预测复杂的时空动力学。
点评: 首次从非线性振荡理论层面解释清了“储层为什么能工作”，将生物学启发和物理学理论完美结合，为储层计算的设计提供了全新的确定性方法论。
8. 面向科学设施的可纠错Agent混合RAG系统与运维评估基准
作者: Rajat Sainju, Dariusz Jarosz, Hairong Shang, Michael Prince, Ryan M. Aydelott 等 | 分类: physics.acc-ph, cs.AI, cs.IR 链接: arxiv.org/abs/2607.24663v1
科学用户设施积累了跨越数十年的运维知识，但未被任何单一搜索索引覆盖。本文介绍APS-RAG，一个部署在先进光子源（APS）的检索增强生成平台，让员工通过自然语言查询访问机构知识。其检索引擎融合了稠密、稀疏和知识图谱通道，并加入了可纠错Agent循环和MCP工具调用层。基于50道QA题目的APS-Bench评估显示，完整版Agent GraphRAG的严格关键信息召回率达到70.3%，优于BM25基线的63.8%。交叉编码器重排序器对答案质量贡献显著，移除此模块后严格召回率下降32.8%。
点评: 将一个真实的大型科学设施的RAG系统从研究原型推向了生产部署，并提供了可复现的构建方法论和评估基准，对同类设施具有直接借鉴价值。
本内容由 AI 辅助生成，论文信息来源于 arXiv。