🌍 AI学术论文前沿

🛰️ OpenEarthAgent: 工具增强地理空间智能体的统一框架

链接: https://arxiv.org/abs/2602.17665v1
概况: 多模态推理的最新进展使得智能体能够解释图像、连接语言并执行结构化分析任务。将这种能力扩展到遥感领域仍然具有挑战性，因为模型必须在空间尺度、地理结构和多光谱指数上进行推理，同时保持连贯的多步逻辑。OpenEarthAgent引入了一个统一框架，用于开发在卫星图像、自然语言查询和详细推理轨迹上训练的工具增强地理空间智能体。训练管道依赖于结构化推理轨迹的监督微调，使模型与多样化分析上下文中的验证多步工具交互对齐。

🔪 Sink-Aware Pruning for Diffusion Language Models

链接: https://arxiv.org/abs/2602.17664v1
概况: 扩散语言模型由于迭代去噪而产生高推理成本，促使高效剪枝。现有的剪枝启发式方法主要继承自自回归LLM，通常保留注意力sink令牌，因为AR sink作为稳定的全局锚点。研究表明这一假设不适用于DLM：注意力sink位置在整个生成轨迹上表现出显著更高的方差，表明sink通常是瞬时的，结构上不如AR模型中重要。基于这一观察，提出Sink-Aware Pruning，自动识别并剪枝DLM中的不稳定sink。

📜 CLEF HIPE-2026: 从多语言历史文本中评估准确高效的人地关系提取

链接: https://arxiv.org/abs/2602.17663v1
概况: HIPE-2026是一个CLEF评估实验室，专门从嘈杂的多语言历史文本中提取人地关系。在HIPE-2020和HIPE-2022活动的基础上，它通过针对在多语言和时间段中识别人-地关联的任务，将该系列扩展到语义关系提取。系统被要求对两种类型的关系进行分类 - at（“此人是否曾到过此地？”）和isAt（“此人在出版时间前后是否位于此地？”）- 需要在时间和地理线索上进行推理。

🤖 When Vision Overrides Language: VLAs中的反事实失败评估与缓解

链接: https://arxiv.org/abs/2602.17659v1
概况: 视觉-语言-动作模型承诺将语言指令基础化到机器人控制中，但在实践中经常无法忠实遵循语言。当面对缺乏强场景特定监督的指令时，VLA遭受反事实失败：它们基于数据集偏差诱导的视觉捷径行动，重复执行良好学习的行为，并选择训练期间经常看到的对象，而忽略语言意图。为了系统研究这一问题，引入LIBERO-CF，第一个针对VLA的反事实基准。

🎯 MARS: Margin-Aware Reward-Modeling with Self-Refinement

链接: https://arxiv.org/abs/2602.17658v1
概况: 奖励建模是现代对齐管道（包括RLHF和RLAIF）的核心组件，支撑着包括PPO和TRPO在内的策略优化方法。然而，训练可靠的奖励模型严重依赖人工标记的偏好数据，这成本高昂且有限，促使使用数据增强。现有的增强方法通常在表示或语义级别操作，并且对奖励模型的估计难度保持不可知。提出MARS，一种自适应、边缘感知的增强和采样策略，明确针对奖励模型的模糊和失败模式。

🌐 What Language is This? Ask Your Tokenizer

链接: https://arxiv.org/abs/2602.17655v1
概况: 语言识别是许多多语言自然语言处理管道的重要组件，它促进语料库整理、训练数据分析和大型语言模型的跨语言评估。尽管在高资源语言上性能接近完美，但现有系统在低资源和密切相关语言设置中仍然脆弱。引入UniLID，一种基于UnigramLM分词算法的简单高效LID方法，利用其概率框架、参数估计技术和推理策略。

🛒 Mine and Refine: 电子商务搜索检索中的分级相关性优化

链接: https://arxiv.org/abs/2602.17654v1
概况: 提出一个两阶段"Mine and Refine"对比训练框架，用于语义文本嵌入，以增强多类别电子商务搜索检索。大规模电子商务搜索需要能够泛化到长尾、嘈杂查询的嵌入，同时遵守与产品和政策约束兼容的可扩展监督。一个实际挑战是相关性通常是分级的：用户接受替代品或补充品超出精确匹配，生产系统受益于在这些相关性层次之间清晰分离相似性分数，以实现稳定的混合混合和阈值处理。

🧠 Differences in Typological Alignment in Language Models’ Treatment of Differential Argument Marking

链接: https://arxiv.org/abs/2602.17653v1
概况: 最近的工作表明，在合成语料库上训练的语言模型可以表现出类似于人类语言中跨语言规律的类型学偏好，特别是对于句法现象如词序。在本文中，将这一范式扩展到差异参数标记，这是一种语义许可系统，其中形态标记取决于语义突出性。使用受控合成学习方法，在18个实现不同DAM系统的语料库上训练GPT-2模型，并使用最小对评估其泛化能力。

👁️ Human-level 3D shape perception emerges from multi-view learning

链接: https://arxiv.org/abs/2602.17650v1
概况: 人类可以从二维视觉输入推断物体的三维结构。建模这种能力一直是视觉智能科学和工程的长期目标，但几十年的计算方法未能达到人类性能。开发一个建模框架，预测任意物体的人类3D形状推断，直接从实验刺激中。通过一类新颖的神经网络实现这一点，这些网络使用自然主义感官数据上的视觉空间目标进行训练。

🎮 The Effectiveness of a Virtual Reality-Based Training Program for Improving Body Awareness in Children with Attention Deficit and Hyperactivity Disorder

链接: https://arxiv.org/abs/2602.17649v1
概况: 本研究调查了基于虚拟现实的培训计划在改善注意力缺陷多动障碍儿童身体意识方面的有效性。利用准实验设计，研究样本包括10名4至7岁的儿童，智商分数在90到110之间。参与者被分为实验组和对照组，实验组在三个月内接受结构化VR干预，总共36个会话。评估工具包括斯坦福-比奈智力量表（第5版）、ADHD的Conners测试和研究人员准备的身体意识量表。

🤝 Multi-Round Human-AI Collaboration with User-Specified Requirements

链接: https://arxiv.org/abs/2602.17646v1
概况: 随着人类越来越多地依赖多轮对话AI进行高风险决策，需要原则性框架来确保此类交互可靠地提高决策质量。采用以人为中心的观点，受两个原则支配：反事实伤害，确保AI不会削弱人类优势；互补性，确保它在人类容易出错的地方增加价值。通过用户定义的规则形式化这些概念，允许用户为特定任务精确指定伤害和互补性的含义。

🎯 Pushing the Frontier of Black-Box LVLM Attacks via Fine-Grained Detail Targeting

链接: https://arxiv.org/abs/2602.17645v1
概况: 大型视觉语言模型的黑盒对抗攻击由于缺失梯度和复杂的多模态边界而具有挑战性。虽然先前最先进的基于转移的方法如M-Attack使用源图像和目标图像之间的局部裁剪级匹配表现良好，但发现这会在迭代中诱导高方差、几乎正交的梯度，违反连贯的局部对齐并使优化不稳定。将此归因于（i）产生尖峰状梯度的ViT平移敏感性和（ii）源和目标裁剪之间的结构不对称性。

♻️ A.R.I.S.: Automated Recycling Identification System for E-Waste Classification Using Deep Learning

链接: https://arxiv.org/abs/2602.17642v1
概况: 传统的电子回收过程由于材料分离和识别能力不足而遭受显著的资源损失，限制了材料回收。提出A.R.I.S.（自动化回收识别系统），一个用于粉碎电子废物的低成本、便携式分拣机，解决了这一效率差距。该系统采用YOLOx模型实时分类金属、塑料和电路板，实现低推理延迟和高检测精度。

🔧 FAMOSE: A ReAct Approach to Automated Feature Discovery

链接: https://arxiv.org/abs/2602.17641v1
概况: 特征工程仍然是机器学习中关键但具有挑战性的瓶颈，特别是对于表格数据，因为从指数级大的特征空间中识别最优特征传统上需要大量领域专业知识。为了解决这一挑战，引入FAMOSE（特征增强和最优选择代理），一个新颖的框架，利用ReAct范式自主探索、生成和细化特征，同时在代理架构中集成特征选择和评估工具。

📚 AI开源项目精选

🔐 cybersec-520-applied-ml-cybersecurity

链接: https://github.com/ericiortega/cybersec-520-applied-ml-cybersecurity
概况: 网络安全520：网络安全中人工智能基础课程（2026年春季）的课程作业。涵盖应用机器学习、深度学习、LLM安全和代理AI在网络安全用例中的应用。该项目提供了全面的学习材料，帮助学习者理解AI在网络安全领域的实际应用。

---

今日AI动态总结: 今日的AI学术研究重点集中在地理空间智能体、扩散语言模型剪枝、历史文本关系提取、视觉语言动作模型评估、奖励建模优化、语言识别、电子商务搜索、语言模型类型学对齐、3D形状感知、VR治疗ADHD、人机协作、黑盒攻击、电子废物分类和自动化特征发现等前沿领域。这些研究展示了AI在遥感、自然语言处理、机器人技术、强化学习、计算机视觉、医疗健康、网络安全和特征工程等多个方向的最新进展。开源项目方面，重点关注了网络安全中AI应用的课程资源。