AI论文速递 - 2026年4月23日¶
🤖 AI Agent (4篇)¶
1. SWE-chat: Coding Agent Interactions From Real Users in the Wild¶
核心贡献: 首个大规模真实用户编码代理交互数据集，包含6000+会话，揭示开发者如何在实际工作中使用AI编码助手 【这意味着什么】: 为理解AI编码助手在真实开发环境中的实际效用和改进方向提供了宝贵的数据基础
2. Stateless Decision Memory for Enterprise AI Agents 【值得关注】¶
核心贡献: 提出无状态决策记忆架构，解决企业级AI代理在监管环境中的可审计性和确定性需求 【这意味着什么】: 为AI在企业关键业务（保险、税务等）中的安全部署提供了新的架构范式
3. AgentSOC: A Multi-Layer Agentic AI Framework for Security Operations Automation¶
核心贡献: 多层代理AI框架，通过感知、预期推理和基于风险的行动规划增强SOC自动化 【这意味着什么】: 将AI代理技术从传统的规则响应提升到主动威胁预测和智能处置
4. Information Aggregation with AI Agents¶
核心贡献: 通过实验证明AI代理能够通过交易聚合分散的私人信息，并能通过价格变化观察他人的知识 【这意味着什么】: 为AI代理在市场信息收集和决策中的应用提供了理论基础
🧠 LLM (3篇)¶
5. Can "AI" Be a Doctor? A Study of Empathy, Readability, and Alignment in Clinical LLMs¶
核心贡献: 多维度评估临床LLMs在医疗解释中的语义保真度、可读性和情感共鸣能力 【这意味着什么】: 为LLM在医疗领域的部署提供了重要的评估框架和改进方向
6. Large Language Models Outperform Humans in Fraud Detection and Resistance to Motivated Investor Pressure 【值得关注】¶
核心贡献: 在3360次AI投资咨询对话中证明LLM在欺诈检测中优于人类，且能抵抗投资者压力的影响 【这意味着什么】: LLM在金融风控领域的实际应用价值得到验证，可能重塑投资顾问行业的格局
7. Separable Pathways for Causal Reasoning: How Architectural Scaffolding Enables Hypothesis-Space Restructuring in LLM Agents¶
核心贡献: 提出因果推理的可分离路径架构，使LLM代理能够重构假设空间，解决证据需求问题 【这意味着什么】: 为AI代理的高级推理能力提供了新的架构设计思路
🎯 其他AI应用 (3篇)¶
8. LLaDA2.0-Uni: Unifying Multimodal Understanding and Generation with Diffusion Large Language Model¶
核心贡献: 统一的离散扩散大语言模型，支持多模态理解和生成，采用完全语义分词器和MoE骨干架构 【这意味着什么】: 推动多模态AI向更自然、更统一的架构方向发展
9. DAIRE: A lightweight AI model for real-time detection of Controller Area Network attacks in the Internet of Vehicles¶
核心贡献: 轻量级机器学习框架，实时检测车辆网络中的控制器局域网攻击 【这意味着意义】: 为智能车辆网络安全提供了轻量级实时解决方案
10. HumanScore: Benchmarking Human Motics in Generated Videos¶
核心贡献: 系统性框架评估AI生成视频中人体动作的质量，定义六个可解释指标 【这意味着什么】: 为视频生成AI的逼真度评估提供了客观标准
数据来源: arXiv (2026-04-23) 采集时间: 2026-04-23 14:00 分类: AI Agent (4)、LLM (3)、其他AI应用 (3)