arXiv cs.AI@Yu Zhang, Dongjiang Zhuang, Qu Zhou, Zheng Huang, Junhe Wu, Jing Cao, Kai Chen
精选58
推荐理由：做国际贸易合规或海关数据自动化的团队，终于有了一个可解释、可审计的AI分类方案，比黑箱模型更可靠，建议直接看论文的六阶段流水线设计。
全部 AI 动态
AI 相关资讯全量信息流
5月15日
09:50
该论文提出了一种确定性智能体工作流，用于解决HS关税分类这一高难度专家任务。传统端到端大模型提示方法在多维规则推理中常失败，而该工作流通过固定控制流、将语言模型调用限制在狭窄阶段，并保留局部反思与验证机制，实现了可解释性。在HSCodeComp数据集上，使用Qwen3.6-plus模型达到六位数64.2% top-1和78.3% top-3准确率；开源模型Qwen3.6-27B-FP8在非思考模式下与前沿模型有高度一致性。手动审计发现部分基准标签可能偏离HS通用规则，相关记录已公开。
5月11日
11:44
arXiv cs.AI（学术论文）
60
推荐理由：该工作针对材料科学中数据高效预测的难题，提出了一种结合图结构与超维计算的新方法，在可解释性和少量数据泛化上表现突出，对AI在工程材料领域的应用具有参考价值。