Agent 交易策略、LLM 安全运维与医学影像推理新进展

今天从 arXiv 精选了 8 篇值得关注的 AI/ML 论文，涵盖智能体安全与维护、多模态交易策略、医学影像分析、数学推理自动形式化以及学习理论前沿等方向。本期内容既有对 LLM Agent 在金融、安全、无人机导航等领域应用边界的探索，也有对 Kernel 回归理论的新洞见。

1. RetailAgent：自条件多模态 LLM 交易智能体中的结构化逆向择时

作者: Yupeng Zhang, Liuyuan Jiang, Hongyi Huang, Bingheng Li, Lisha Chen | 分类: cs.AI, q-fin.TR 链接: arxiv.org/abs/2608.28399v1

在金融市场中，对价格变动做出系统性反应的序列策略可能会被其他市场参与者预测。本文通过 RetailAgent 实验框架研究 LLM 智能体是否表现出这种方向性结构。该框架让 LLM 观察匿名的日内股票价格历史与允许状态，然后在后续区间回报揭示之前，反复选择做多（持有股票）或空仓（保持观望）。我们比较同一股票日内路径中做多与空仓区间的回报（在剔除整体做多决策比例后）。这种暴露匹配的测量揭示了跨模态、跨时间跨度、跨状态和跨模型家族持续的负向择时效应。打乱已保存的动作序列会显著削弱该效应，表明动作与后续回报之间的对齐驱动了负向得分。将自我撰写的记忆输入决策中会进一步增加策略的持续性，而在智能体同时使用两种动作的股票日中，择时效应更为负面。这些结果揭示了序列化 LLM 金融决策中存在稳定、可恢复的方向性结构，并提供了研究其他参与者如何应对可预测策略的行为信号。

点评: 该研究通过严谨的暴露匹配设计，首次系统论证了 LLM 交易智能体存在可被对手利用的”节奏”，对构建更稳健的算法交易策略具有警示意义。

2. D-TAIA：面向多任务预测性流程监控的领域感知 LLM 适配

作者: Sjoerd van Straten, Christine Jacob, Marwan Hassani | 分类: cs.LG 链接: arxiv.org/abs/2608.28236v1

预测性流程监控（PPM）使组织能够预测未来的流程行为，例如正在运行案例的下一个活动和剩余时间。在实践中，数据稀缺、高流程熵和分布偏移这三个条件会导致现有方法性能下降。虽然基础模型（FM），特别是大语言模型（LLM），通过广泛的序列推理提供了新的范式，但在这些条件下将其适配到多任务 PPM 仍然是一个开放的挑战。现有的基于 FM 的方法要么缺乏处理分布偏移的机制，要么依赖与连续时间预测任务在结构上可能错位的直接回归头。本文介绍了 D-TAIA（领域感知训练与基于注意力的推理架构），一个通过 FM 骨干网的参数高效微调来联合预测下一个活动和剩余时间的框架。我们的方法结合了领域感知三元组损失（DATL）预训练与基于 FAISS 的最近邻检索用于剩余时间预测，并采用 TAIA 推理策略以在微调期间保持预训练的序列推理能力。在四个真实世界事件日志上的评估表明，与微调的 LLM 和循环神经网络基线相比，D-TAIA 持续展现出 SOTA 或具有竞争力的性能。消融研究证实，NLP 和计算机视觉中的技术可以有效地迁移到 PPM，且仅需 1000 万参数的骨干网，尽管各组件的作用因数据集熵而异。

点评: 该工作为流程挖掘领域提供了轻量级 LLM 适配新思路，仅用 10M 参数就达到 SOTA，解决了数据稀缺和分布偏移这两个落地痛点。

3. NL2AGBench：面向 AlphaGeometry 的 LLM 自动形式化基准测试

作者: Samuel Xiao, Judy Song, Rory Hu, Ziliang Zong | 分类: cs.CL, cs.AI 链接: arxiv.org/abs/2608.28481v1

大语言模型（LLM）在自然语言理解和数学推理方面的最新进展展示了强大能力。然而，它们将非正式数学问题转换为形式化表示的能力仍未得到充分探索。这一限制对神经符号几何系统（如 AlphaGeometry）尤为重要，其定理证明引擎需要以专门的领域特定语言（DSL）输入。尽管 AlphaGeometry 达到了接近 IMO 金牌得主的性能，但手动将自然语言问题转换为其形式语法仍然是一个重大的可用性瓶颈。为了解决这一挑战，我们引入了自然语言到 AlphaGeometry 基准测试（NL2AGBench），用于评估 LLM 将英文几何问题翻译成 AlphaGeometry 兼容的形式化表示的能力。NL2AGBench 使用 AlphaGeometry 内的基于执行的验证来评估翻译质量，而非仅依赖文本相似度。我们评估了跨越多个参数规模的十个最先进的开源和闭源 LLM，并分析了可执行翻译准确率、语法正确性和错误特征。我们的实验揭示了闭源和开源模型之间的巨大性能差距：领先的闭源模型可执行翻译率超过 80%，而即使是最大的开源模型也难以一致地保留几何约束并产生有效的形式化表示。我们引入了一个区分语法错误和逻辑错误的错误分类法，并研究了几种缓解策略，包括少样本提示、微调和人工引导提示，这些策略在多个模型家族中产生了可测量的改进。

点评: 该基准测试精准抓住了 AlphaGeometry 落地的关键痛点——人机交互瓶颈，其”基于执行验证”的评估方式比单纯文本相似度更有说服力。

4. ARC-CT：面向 3D 胸部 CT 的解剖路由对比视觉-语言学习

作者: Huseyin Umut Isik, Mehmet Alp Ozaydin, Sila Kurugol, Şeyda Ertekin | 分类: cs.CV, cs.AI 链接: arxiv.org/abs/2608.28455v1

对比视觉-语言学习利用配对的胸部 CT 体积和放射学报告来学习异常分类器，而无需手动标注标签。然而，胸部 CT 的两个特征给传统的全局对比学习带来了挑战。首先，许多关键异常是微小或局部化的，将整个体积池化为单一嵌入可能会稀释其视觉证据。其次，标准的对比目标将批次中的每个其他扫描视为负样本。由于许多胸部 CT 共享异常，该目标会错误地将共同阳性配对推开。我们提出了用于 3D 胸部 CT 的解剖路由对比学习（ARC-CT），这是一个区域感知框架，仅使用由 LLM 从报告中提取的标签来解决这些限制，无需手动标注或边界框。ARC-CT 结合了三个组件：（1）AnatoQFormer，通过由自动生成的器官掩膜约束的查询来定位证据；（2）标签-Jaccard 软 InfoNCE 目标，将标准单热目标与每对样本的标签集重叠相结合，减少了共享临床发现的研究之间的假阴性惩罚；（3）器官级对齐损失，将掩膜池化的视觉特征与离线使用大语言模型提取的器官特定报告文本连接起来。ARC-CT 使用紧凑的 3D ResNet-18 骨干网，在 18 种异常中实现了 0.86 的无掩膜宏 AUC。总体而言，ARC-CT 优于可比的高效基线和几个更大的 Transformer 模型。我们的代码和权重可在 https://github.com/arc-ct/arc-ct 获取。

点评: 针对医学影像中病灶微小与标签稀疏两大顽疾，ARC-CT 的”解剖路由+软对比学习”思路可迁移性强，且在小模型上取得了优于大模型的成绩。

5. 基于 LLM 的软件与系统安全智能体：方法、应用与评估

作者: Jingjing Nie, Jiawei Guo, Krishna Meda, Haipeng Cai | 分类: cs.CR, cs.AI 链接: arxiv.org/abs/2608.28490v1

软件和系统安全工作流通常是程序化的：分析师检查异构工件、形成假设、调用工具、解释输出并修改计划。基于大语言模型（LLM）的智能体，能够在多步骤工作流中进行规划、使用工具、保留状态和修正动作，正被迅速用于自动化这项工作。鉴于将安全决策委托给自主系统的后果，理解这些智能体是如何构建、使用和评估的至关重要。然而到目前为止，该领域仍缺乏对已做工作及进展程度的系统性理解：“智能体”一词的使用不一致，应用的风险差异很大，评估协议往往不可比。为了全面而连贯地了解这一领域并指导相关未来研究，本文对同行评审文献（2023—2026）进行了系统性文献综述，涵盖（1）技术方法，包括智能体架构、感知、记忆、推理与规划、动作空间、编排和自我改进，（2）应用，以及（3）评估，包括数据集、结果和轨迹指标、安全措施和考虑的基线。我们的综合揭示了一个已经构建了能够行动的智能体，但其权限尚未受限、行为尚不可审计的领域。除了知识系统化之外，我们还对当前方法、应用和评估设计的局限性及面临的挑战提出了见解，这为未来有价值的研究方向提供了启示。

点评: 这篇综述非常及时，它明确指出当前安全智能体领域”能行动但不可审计”的尴尬现状，为后续研究划定了”权限边界”与”行为可审计”这两个关键路标。

6. 基于 LLM 空间-语义推理的高效无人机搜索作业

作者: Marin Maletic, Marijana Peti, Tamara Petrovic, Stjepan Bogdan | 分类: cs.RO, cs.AI 链接: arxiv.org/abs/2608.28270v1

我们提出了一个用于无人驾驶飞行器（UAV）的实时语义导航框架，旨在提高目标目标导航（ObjectNav）任务的时间效率。我们方法的核心是一个大语言模型（LLM），它解释用户提供的自然语言指令，并对检测到的物体和空间上下文进行语义推理，以优先考虑高概率搜索区域。该系统结合了实时目标检测、3D 空间映射和多项式样条插值，用于平滑且可行的 UAV 轨迹规划。与依赖离线推理或模拟器约束动作空间的先前方法不同，我们的框架可以实时运行，根据新观察结果持续更新语义相关性。在模拟和真实环境中的实验表明，在保持高搜索精度的同时，任务持续时间得以缩短，这强调了 LLM 引导推理在时间高效的 UAV 目标导航中的有效性。

点评: 该工作把 LLM 从”纸上谈兵”带入物理世界，实现了基于语义推理的实时路径重规划。其在线更新机制对于搜索救援等时效性敏感场景意义重大。

7. 峰间学习：幂律各向异性下核岭回归的尖锐渐近

作者: Lorenzo Rizzi, Arie Wortsman Zurich, Bruno Loureiro | 分类: stat.ML, cs.LG 链接: arxiv.org/abs/2608.28564v1

我们研究了各向异性高斯数据下的核岭回归，其中输入协方差以指数 α≥0 的幂律衰减，使用多项式内积核。我们在多项式高维机制 n=Θ(d^κ) 下推导出核谱和泛化误差的渐近精确表达式，揭示了各向异性如何重塑学习曲线。对于弱各向异性（0<α<1），问题仍然保持有效高维，并保留了各向同性情况的一些特征，但在其他方面有所偏离：方差仍在整数样本复杂度 κ∈N 处达到峰值，但这些峰值随着 α 的增长而逐渐被抑制；同时，对于与数据主方向强烈对齐的目标，偏差在分数样本复杂度处下降，使偏差转变与插值峰值解耦。对于强各向异性（α>1），问题的有效维数是恒定的，方差完全不再依赖于样本大小，在无岭插值下趋于平稳，或在固定岭惩罚下以显式速率消失。偏差经历一个由目标衰减率控制的尖锐转变：低于阈值时，学习是突变的而非渐进的；高于阈值时，偏差以幂律衰减，恢复了经典的源和能力率。我们最终将这些结果专门应用于单指标目标，展示了指标与数据主方向的对齐如何决定各向异性对学习的影响。总而言之，我们的结果阐明了输入几何如何塑造核特征并从根本上影响其泛化特性。

点评: 该理论工作揭示了输入协方差各向异性与学习曲线峰值的深层耦合关系，特别是”偏差转变与插值峰解耦”的发现，对理解真实非各向同性数据下的核方法行为具有指导价值。

8. 智能体插件的维护与协同演化：Claude Code 插件市场的实证研究

作者: Ahmed Hereiz, Yingzhe Lyu, Hao Li, Bram Adams, Ahmed E. Hassan | 分类: cs.SE, cs.AI 链接: arxiv.org/abs/2608.28497v1

AI 编码智能体是通过推理和工具使用来自动化开发任务的软件工具，其正日益通过插件市场进行扩展，然而这些新兴仓库的结构、维护和协同演化动态仍未得到实证探索。与传统软件包通过源代码交付功能不同，智能体插件通过自然语言指令文件、脚本和配置文件的组合来交付功能，这引发了一个问题：这些插件是跨组件协同演化的受维护工件，还是开发者一次性编写后无需再访问的一次性工件。为了研究智能体插件的维护和协同演化，我们对托管 Claude Code 插件市场的 1,926 个仓库进行了实证研究，分析了跨 2,018 个市场的 8,351 个插件和 77,773 次提交。我们发现市场正在快速扩张，插件相关提交活动在 2025 年 10 月发布后的六个月内增长了 8.8 倍，针对软件工程任务的插件占所有插件的 61.3%。插件开发主要是功能驱动的，功能提交的发生率是传统开源软件（OSS）的两倍多（39.6% 对比 17.2%）。Claude 共同撰写了所有提交的 34.9%，并且四种提交类型（文档、性能、风格和重构）在插件仓库中的含义与传统软件中截然不同。大多数组件类型独立演化，但在技能目录中，自然语言指令文件和实现脚本以高于偶然预期的比率协同演化，其中 78% 的协同更改在功能上是耦合的，代表了一类在传统软件工程中未观察到的新型维护依赖关系。

点评: 这是首篇系统刻画 AI 编码插件生态的实证论文，发现了”LLM 共笔”与”指令-脚本功能耦合”这两个全新维护模式，为未来智能体软件工程工具链的设计提供了数据支撑。

本内容由 AI 辅助生成，论文信息来源于 arXiv。