多智能体协同、LLM自进化与多模态感知-音频伪造检测及神经网

今天从 arXiv 精选了 8 篇值得关注的 AI/ML 论文，涵盖多智能体强化学习、LLM 自我进化、假新闻检测、GUI 智能体、音频反欺诈、机器人操作、神经网络理论以及神经反编译等多个方向，既有面向实际部署的系统框架，也有扎实的理论分析。

1. CoRe-MARL：未知动态下的协作再分配循环多智能体强化学习

作者: Naimur Rahman Chowdhury, Shatabdi Sen Prapti, Md. Salehin Seyam, Limon Bin Hossain | 分类: cs.LG, cs.AI 链接: arxiv.org/abs/2609.18639

应急管理援助项目（如救灾物资分发）对于向受灾社区运送必要物资至关重要。然而，这些项目运行在由地方中心组成的去中心化网络中，面临不确定的本地供需动态，导致本地服务供应不稳定。中心之间的物资再分配可以缓解这些失衡，但各中心往往在信息有限、交通中断的情况下独立决策。本研究提出 CoRe-MARL，通过将问题建模为去中心化部分可观测马尔可夫决策过程（Dec-POMDP），构建了一个协作式多智能体强化学习框架。我们将每个中心视为一个智能体，学习再分配策略以改善最差区域的服务水平、缩小区域间服务差距，同时保护全网服务。我们引入循环网络来捕捉无法直接观测的供需动态演变，并采用多智能体近端策略优化（MAPPO）实现集中训练与分散执行（CTDE）。我们在具有多样轨迹的仿真环境中评估该框架，其中真实动态对执行者和 MAPPO 评论家均不可见。我们将循环 MAPPO 与循环独立 PPO（IPPO）以及仅本地启发式方法进行比较，发现 MAPPO 能够缩小各地方中心之间的服务差距，提升服务最差中心的服务水平，同时保持有竞争力的全网服务。循环 MAPPO 在多样轨迹模式下也表现出稳定性能，展示了其适应动态演变的能力。研究结果证明了协作学习在去中心化再分配和不确定演变动态下改善公平服务方面的能力。

点评: 将救灾物资再分配建模为 Dec-POMDP 并用循环 MAPPO 求解，是 MARL 落地公共服务的典型案例；其中”最差区域服务水平”的优化目标比单纯追求平均收益更贴近公平性诉求。

2. STRETCH：面向 LLM 渐进式进化的统一自教学框架

作者: Yajie Yu, Mark Lee, Yue Feng | 分类: cs.CL 链接: arxiv.org/abs/2609.18642

大语言模型（LLM）在自我改进训练中常常遭遇能力停滞，因为固定难度级别无法适应其不断进化的能力水平。为解决这一问题，我们提出 STRETCH（Self-Taught Reasoning Evolution via Targeted CHallenge），一个受认知脚手架理论启发的统一框架。STRETCH 引入动态”伸展区”机制，持续将问题难度与模型的求解能力对齐。在单一参数空间内，模型在”脚手架”角色（生成自适应的、逼近能力边界的挑战题）和”学习者”角色（通过强化学习优化求解轨迹）之间交替。这种双环协同进化有效稳定了训练、缓解了奖励黑客问题并促进推理能力的渐进式增长。在谈判和运筹学基准上的实验表明，STRETCH 持续优于强提示基线和领域专用基线。进一步的脚手架配置分析显示，动态难度对齐对于持续能力提升和同步推理进化至关重要。

点评: 把”最近发展区”这一教育学概念做成动态难度调节机制，直击自进化训练中难度失配的痛点；单参数空间内双角色交替的设计也避免了额外的模型副本开销。

3. 通过进化进行推理：面向 LLM 假新闻检测的自动元路径发现

作者: Ziyi Zhou, Xiaoming Zhang, Hui Pang, Yuting Zhang, Tiesunlong Shen 等 | 分类: cs.AI, cs.LG 链接: arxiv.org/abs/2609.18597

传播结构为假新闻检测提供了关键证据，但现有方法主要依赖有监督的 GNN 模型，需要大量标注数据且泛化能力有限。尽管大语言模型（LLM）展现出强大的推理能力，但直接将原始传播图输入会造成严重的模态错配和信息过载，使零样本和少样本场景下的结构感知推理不可靠。为弥合这一差距，我们提出 MAGER，一个多智能体遗传进化框架，能够自动发现针对 LLM 推理优化的元路径。通过将复杂传播图压缩为富含信息的子图，进化出的元路径同时缓解了信息过载和模态错配，使冻结的 LLM 能够执行结构感知的真实性推理。我们进一步引入图上下文学习策略，检索语义和结构相似的示例以增强分类与推理。大量实验表明，MAGER 在数据高效设置下显著提升了冻结 LLM 作为独立假新闻检测器的表现。代码已开源。

点评: 用进化搜索代替人工设计元路径，把”图结构”翻译成 LLM 能消化的子图语言，思路巧妙；对标注数据稀缺的假新闻场景尤其实用。

4. RankGround：基于轻量级重排序引导裁剪选择的高效高分辨率 GUI 定位

作者: Liyang Fan, Xinping Bi, Yitai Li, Shuaimin Li, Hui Li 等 | 分类: cs.CV, cs.CL, cs.HC 链接: arxiv.org/abs/2609.18690

图形用户界面（GUI）定位是多模态智能体的基础感知任务，使其能够理解自然语言指令并与数字界面交互。现有方法面临精度与效率的根本性权衡：直接全图推理往往无法捕捉小而视觉相似的 UI 元素，而多裁剪策略虽提升定位精度，却需为每次查询付出多次昂贵的视觉语言模型（VLM）调用。为解决这一挑战，我们提出 RankGround，一个两阶段框架，实现每次查询仅需一次 VLM 调用的精确 GUI 定位。其核心是 GroundRanker，一个轻量级多模态重排序器，能从密集候选集中识别最有前景的裁剪区域。由于缺乏现成的排序数据集，我们从已有定位数据集构建排序监督数据。严格的包含准则和边界感知的正样本增强提升了杂乱布局中的对齐度和空间覆盖率。GroundRanker 采用两阶段课程训练：先以逐点目标学习粗略包含关系，再以列表目标细化视觉相似裁剪之间的细微语义与空间差异。实验结果表明，RankGround 在持续超越强基线的同时降低了计算成本：推理速度提升 1.4 倍，在所有骨干网络和屏幕尺度上平均定位精度较次优方法提升 5.5%，在效率与精度两方面均达到 GUI 定位的新 SOTA。

点评: “先轻量重排序选裁剪、再单次调用 VLM”的两阶段设计，把多裁剪方法的精度优势和单次推理的效率优势结合了起来，对 GUI Agent 的实际部署很有价值。

5. FRAUDSkill：面向音频反欺诈检测的结构化冻结权重技能优化

作者: Chengxian Hu, Zhiming Ma, Mingjun Pan, Yifan Wang, Shun Zhang 等 | 分类: cs.SD, cs.CL 链接: arxiv.org/abs/2609.18766

大型音频语言模型通过直接处理语音并推理欺诈相关证据，在反欺诈检测中展现出潜力。然而其部署要求预测遵循预定义的标签空间和结构化决策协议，包括服务场景识别、欺诈检测以及条件式欺诈类型分类。现有的微调和提示方法通常将任务知识、约束和决策规则编码进模型参数或人工维护的提示中，难以适应欺诈模式和标注策略的演变。为此，我们提出 FRAUDSkill，一个结构化冻结权重适配框架，保持底层音频语言模型不变，转而优化外部层的技能程序、路由特定策略和决策规则。我们进一步将结构化输出控制与验证引导的多路径推理相结合，确保预测符合协议。在 TeleAntiFraud 基准上，FRAUDSkill 达到 73.50% 的 Macro-F1，较共享冻结模型基线提升 31.96%，同时将无效输出降至 1.94%。大量实验表明，外部技能优化为结构化音频反欺诈检测提供了一种有效且可适配的解决方案，无需修改底层模型。源代码已公开。

点评: 不改模型权重、只优化外部”技能层”的思路，让系统能随欺诈手法和标注政策快速迭代，比重新微调大模型务实得多；无效输出率降到 2% 以下对风控场景尤为关键。

6. 梦见接触之声：利用视频与音频生成实现零样本力感知操作与数据生成

作者: Guanhua Ji, Tianyu Li, Dayoon Suh, Yuqian Zhang, Boyan Zhang 等 | 分类: cs.RO, cs.AI 链接: arxiv.org/abs/2609.19137

视频生成的最新进展使机器人能够从生成视频中学习操作轨迹。然而这些方法产生的是纯运动学轨迹，缺乏力信息，导致在接触力对成功至关重要的富接触任务中失败。在本工作中，我们探索用音频增强生成视频，利用生成接触声音的响度来塑造有界的时变目标力曲线。我们提出一条流水线，联合利用生成的视频和音频，从结构化自然语言任务提示中推导运动轨迹及对应的目标力曲线。我们在 Franka Panda 机器人上执行这些力感知轨迹，使用闭环力调节器在接触过程中跟踪音频塑造的力曲线。我们在多个需要接触的任务上评估该流水线，展示了仅运动学基线失败情况下的成功操作。我们还将该流水线用作数据生成引擎，训练能够闭环完成任务的策略。项目网站、视频和数据集已公开。

点评: 用”接触声的响度”作为力信号的代理，把视频生成从纯运动学扩展到力感知，是个很有想象力的跨模态监督来源；配套的数据生成引擎也缓解了机器人力控数据稀缺的问题。

7. DAG ReLU 网络路径提升雅可比矩阵的秩与计算

作者: Manon Verbockhaven | 分类: stat.ML, cs.LG 链接: arxiv.org/abs/2609.18682

本文通过对网络隐藏节点数进行归纳，给出了 DAG ReLU 网络路径提升（pathlifting）雅可比矩阵秩的自包含证明。事实上，该归纳是初等的，关键技巧是考虑网络的骨架矩阵——一个编码网络路径的稀疏矩阵——并将其中一个隐藏神经元的表示转换为输出节点。证明依赖若干中间命题，这些命题将路径提升、其雅可比矩阵、网络参数与骨架矩阵联系起来；这些命题除了可用于确定路径提升雅可比矩阵的秩之外，还提供了一种无需反向传播即可计算它的方法，且其计算成本在实践中相比常规反向传播极为高效。本文附带一个 Python 模块，为前馈网络实现了论文中的各项命题，并用于实验量化所提理论在计算路径提升雅可比矩阵时的计算收益。

点评: 给出 ReLU 网络路径提升雅可比秩的初等归纳证明，并顺带提供了比反向传播更高效的计算路径；这类结构化分析对理解网络的可解释性与敏感性传播有理论价值。

8. Echo：基于可信反向翻译的学习式匹配反编译

作者: Jun Bi, Xiangxin Fang, Aarsh Chaube, José Wesley De Souza Magalhães, Rodrigo C. O. Rocha 等 | 分类: cs.CR, cs.AI 链接: arxiv.org/abs/2609.18706

神经反编译器能从二进制文件中恢复可读且可重新编译的源代码，但其预测结果仍难以信任。匹配反编译通过搜索重新编译后汇编与目标完全一致的源代码来解决这一问题，为正确性提供更强证据。然而，在未知编译配置下，对优化后的二进制实现精确匹配仍具挑战。我们提出 Echo，一个基于可信反向翻译的匹配反编译系统。我们的核心洞见是：不仅将编译用于验证，还将其作为可信反馈来引导迭代搜索。Echo 首先使用领域专用模型生成候选程序及编译配置，重新编译这些候选，测量汇编级相似度，并合成有前景的代码-配置对。剩余的不匹配则通过基于规则的改写、神经精修和基于推理的精修逐步修复。我们在函数级基准和 Mirai 恶意软件二进制上评估 Echo。与最强基线相比，Echo 平均产生 2.43 倍的精确匹配，并取得与真实源码最高的结构相似度。在 Mirai 上，Echo 匹配的函数数量分别是 GPT-5.6 和 Codex 的 2.75 倍和 7.4 倍。

点评: 把”编译验证”从终点变成搜索过程中的可信反馈信号，是这套系统的关键创新；在 Mirai 这类真实恶意软件上大幅超越通用大模型，说明领域专用搜索流程仍不可替代。

本内容由 AI 辅助生成，论文信息来源于 arXiv。