arXiv cs.AI（学术论文）
65
推荐理由：该研究首次系统比较了前沿推理模型与强化学习在行为与脑活动对齐上的差异，为理解AI与人类认知机制的一致性提供了重要证据，对认知科学和AI体设计有参考价值。
全部 AI 动态
AI 相关资讯全量信息流
5月11日
11:44
这项研究通过fMRI记录人类学习新视频游戏时的脑活动，对比了前沿推理模型（LRMs）与深度强化学习代理及贝叶斯理论模型。研究发现LRMs不仅在游戏表现上最接近人类，还能以数量级优势预测人脑活动，且这种对齐主要源于模型对游戏状态的上下文表示而非下游推理。实验证明了LRMs作为复杂环境中人类学习与决策的计算模型的潜力。
11:43
arXiv cs.AI（学术论文）
30
推荐理由：该方法为Text-to-SQL领域提供了可落地的复杂度感知计算分配方案，对提升LLM在结构化查询等推理密集型任务中的效率有参考价值。
11:42
arXiv cs.AI（学术论文）
65
推荐理由：该研究揭示了LLM能力提升（如上下文窗口扩展）在社会互动场景中的意外负面效应，对多智能体系统设计和部署具有重要警示意义。
11:42
arXiv cs.AI（学术论文）
70
推荐理由：该研究通过分解奖励为多标准评判规则，实现了更细粒度的优化信号，在多个推理基准上验证了迁移效果，对大模型推理能力的训练方法有重要参考价值。
11:42
arXiv cs.AI（学术论文）
65
推荐理由：VecCISC通过聚类与过滤显著降低计算开销，对工业界部署高精度推理模型具有实际价值，尤其适合长轨迹场景。