基于归一化的似然比估计用于法医作者身份验证
提出两种无需校准模型即可从作者验证分数推导似然比的新方法（平方根校正与Hapax校正），解决长文本证据强度被高估的问题。相比传统逻辑回归校准，新方法在约45%的测试中表现更优，且大幅降低数据准备成本与复杂度，适合需要快速透明评估的司法鉴定场景。
arXiv cs.CL
arXiv cs.CL — 最新计算语言学研究论文。
文章
AgentKGV: 面向知识图谱事实验证的 Agentic LLM-RAG 框架与两阶段训练
提出 AgentKGV 框架，利用动态路由和迭代查询重写解决知识图谱事实验证中的表面形式不匹配问题。引入两阶段训练策略，通过 turn-level SFT 蒸馏推理能力，以及 trajectory-level GRPO 优化搜索策略以减少冗余检索。在 T-REx 基准测试中，该框架显著提升了宏 F1 分数，同时将平均搜索调用次数降低近一半且保持精度。
大型文学语料库的自动主题索引：基于机器学习方法的伏尔泰全集研究
利用机器学习自动为伏尔泰全集进行主题索引，对比了编码器模型与微调大语言模型的效果。最佳模型（Mistral 4-bit量化版）达到0.67 F1分数。研究指出专业索引存在主观性，模型预测虽不同但语义有效，评估了跨语料库泛化能力及对文学修辞特征的自动化难点。
Freya-TTS 技术报告：无需音素化的紧凑型高效土耳其语语音合成模型
介绍 Freya-TTS，一个专为土耳其语设计的紧凑型端到端 TTS 模型。该模型基于 DiT 架构，无需音素化或离散 Tokenizer，直接在 AudioVAE 连续潜在空间中进行非自回归并行去噪。参数量仅 1.83 亿，在消费级 GPU 上实时因子为 0.11，CPU 即可实时运行。在 Freya-TR-Eval 基准测试中，WER 降至 8.0%，…
涌现的幻影：涌现失配与重新对齐真的是稳健现象吗？
这篇论文对近期热门的“涌现失配”(Emergent Misalignment)现象提出了有力质疑。研究发现，所谓的快速重新对齐效果很大程度上是由回答长度差异等表面数据集特征造成的幻觉，且之前的机制签名（如LoRA空间相变）与行为失配并不一致。这对当前大模型对齐研究是一个重要警示，提醒我们在评估对齐鲁棒性时必须严格控制表面伪影，避免被虚假的相关性误导。
HALO：用于语言模型的混合自适应潜在推理
提出 HALO 方法，通过动态选择 Token 进行二阶细化，在冻结预训练模型基础上以更低计算成本提升性能。在 MMLU-Pro 和 GPQA-Diamond 基准上表现优于固定细化步骤的方法，实现了精度与算力的更好平衡。
WILDTRACE：长上下文推理中的自然证据链基准测试
提出WILDTRACE基准，针对长文档中分散的自然证据整合难题。构建481个任务，涵盖事故报告与文学叙事，定义七种内部证据几何结构。旨在解决现有基准依赖人工植入事实、无法反映真实长文本推理能力的问题。
PRecG：基于图神经网络与修辞角色分割的法律判例检索
提出PRecG方法，利用图神经网络和修辞角色分割提升法律判例检索精度。该方法将法律文书分解为语义单元并构建知识图谱，在印度法律数据集上验证了有效性。适合关注法律科技、NLP及知识图谱应用的开发者参考。
面向长上下文大模型的自引导测试时训练法
针对长上下文模型在长输入下准确率下降的问题，提出 Self-Guided TTT (S-TTT) 方法。该方法让模型在适配前先识别与问题相关的证据片段，仅在这些高质量片段上进行测试时训练。实验显示，该方法在 LongBench-v2 和 LongBench-Pro 上使 Qwen3-4B 和 Llama-3.1-8B 的准确率提升了高达 15%。这为解决长…
欺骗性接地：临床检索增强生成中的实体归属失败
临床RAG系统存在“欺骗性接地”问题：模型引用了真实文档，却将药物Y的证据错误归因于查询的药物X。现有自动化检查无法发现此错误。在740个药物-疾病对的实测中，已部署RAG系统的错误率达7.8%，近期获批药物高达13.6%。研究提出实体归属验证方法，能高精度检测此类错误。
利用大语言模型增强基本面分析：一种基于 RAG 的投资简报生成系统
利用 RAG 架构结合 GPT-4o 处理 SEC 财报及宏观经济数据，自动生成针对 9 家公司的投资简报，并由 9 位散户投资者评估其有用性。该研究探索了 LLM 在基本面分析中的自动化应用路径及实际效果。
复杂度引导的分量初始化在语言模型预训练中的应用
研究尝试复用预训练语言模型的权重谱特征作为初始化信号，发现虽然能改变模型结构，但未带来性能提升。结论指出仅靠组件级尺度匹配并非可靠优化策略，预训练权重复用仍具竞争力。