今日概览
- 主动学习需要按阶段切换训练方式：早期从头训练、稳定后沿用检查点微调，HybridAL在守住效果的同时最多节省49%重训时间。
- ICL的稀缺资源正变成示例选择预算，DearICL动态排序示例组合，较强线性老虎机基线取得8.08%—15.9%的准确率增益。
- Agent的长期一致性依赖关系化世界状态。MARBO通过显式维护角色、阵营及其关系，让行动和话术建立在可更新的信念之上。
- 多历史步反演瞄准大幅编辑中的区域保护：MIEdit结合预测—校正机制与自动语义角度掩码，尝试改善未编辑区域保真度、编辑稳定性与采样效率。
重点关注
01 训练优化 主动学习换挡：早期从头练，后期接着练
早期从头训练，后期沿用检查点微调——主动学习的训练方式原来不必从头到尾保持一致。原因在于，最初几轮新增样本会明显改变标注数据的分布，重训更有机会修正模型方向；等训练轨迹稳定后，继续重训的收益下降，微调反而更划算。HybridAL监测权重变化或验证集准确率变化，在信号持续稳定后自动切换；这两类信号对应不同的时间—校准权衡，摘要未进一步说明各自的具体取舍。在3种编码器、6个文本分类任务和每项5次实验中，它让最终macro-F1相对重训与微调保持在0.010的非劣界限内，同时最多节省49%的重训时间。更值得注意的是，它还保留了相当一部分重训在校准上的优势，并且比预先规定轮次的固定切换获得更低的负对数似然，只是计算成本略高。对主动学习团队来说，与其继续只优化「下一批标什么」，不如先检查每轮默认的训练方式：一个随阶段换挡的调度策略，可能更直接地改善成本与可靠性，不过具体切换阈值及跨任务稳定性仍需看全文确认。
原文：Train Smarter, Not Harder: Switching Signal-Guided Training in Active Learning
02 推理 示例不缺了，真正稀缺的是选择预算
上下文学习正遇到一个更实际的瓶颈：团队可能已经积累了大量演示样本，却很难为每条新查询快速组成合适的示例集。DearICL把这个过程建模为子集排序，并用非线性代理模型学习示例组合与模型表现之间的复杂关系，而不是离线选出一套固定模板反复使用。它还会重点探索表现接近的候选组合，试图区分真正有效的示例集和「差一点」的示例集，从而降低搜索所需的数据成本。在开源大模型的示例选择基准上，该方法较强线性老虎机基线取得8.08%—15.9%的准确率增益；不过摘要没有给出具体采样预算，效率优势仍需看全文确认。对采用上下文学习的团队而言，演示样本池不应只是静态数据集，而应作为需要持续评估、更新和按查询调度的推理资产。
原文：Data Efficient Sample Selection for In-Context Learning
03 Agent 长期一致性来自关系化世界状态
社交推理游戏真正考验的不是一句话说得多像人，而是Agent能否在信息残缺时持续维护「谁可能是什么角色、谁和谁可能同阵营」的关系化世界状态。MARBO把这层信念引入偏好优化：只有当行动和话术得到可靠关系信念支持，并产生有利的社交结果时，才提供训练反馈。这样优化的重点不再只是下一步选什么，而是让决策、表达与此前积累的判断保持一致。摘要称，该方法让小模型Agent稳定超过现有基线，但没有给出具体幅度，仍需看全文确认信念可靠性如何判定。对Agent开发者更实际的启发是：在部分可观测任务中，先补齐可更新、可追溯的关系状态，再谈策略优化；至于能否迁移到真实业务中的多Agent协作，还不能由游戏结果直接推出。
原文：MARBO: Relational Belief Grounding for LLM Agents in Social Deduction Games
04 图像生成 多看几步历史，反演能否守住未编辑区域
现有反演方法在大幅局部编辑中往往难以准确保护未编辑区域，单步信息也不足以兼顾稳定性和修改幅度。MIEdit的核心思路是让反演过程参考多个历史步骤，再用预测—校正机制减少采样步数并稳定大幅编辑，而不是只依赖当前一步决定噪声走向。它还利用无分类器引导自动生成语义角度掩码，将区域约束贯穿后续采样，无需用户额外绘制输入，瞄准的正是「只改该改的地方」。作者在覆盖30类细粒度任务、包含1000多组图像—文本—掩码的EditEval++上报告了全面领先，但摘要没有给出具体提升幅度、运行成本和失败案例，因此「质量、效率、可编辑性全赢」仍需看全文确认。对做图像编辑产品的团队而言，更值得验证的是这种多历史步控制能否在复杂背景和大幅改动下持续守住未编辑区域。
原文：Multi-History-Step SDE Inversion for Image Editing with Superior Regional Awareness
