AI日报 | 2026年1月28日 | by@jasonhuang

🔬 AI学术论文前沿

🏥 ONCOTIMIA: 基于LLM的肿瘤委员会支持系统评估

链接: https://arxiv.org/abs/2601.19899v1
概况: 多学科肿瘤委员会在肿瘤学决策中发挥着核心作用，但需要手动处理和结构化大量异质临床信息，导致巨大的文档负担。ONCOTIMIA是一个模块化和安全的临床工具，旨在将生成式人工智能集成到肿瘤学工作流程中，并评估其在自动完成肺癌肿瘤委员会表格中的应用。该系统结合了多层数据湖、混合关系和向量存储、检索增强生成以及规则驱动的自适应表单模型，将非结构化临床文档转换为结构化和标准化的肿瘤委员会记录。

🎨 DuwatBench: 通过阿拉伯书法基准桥接语言与视觉遗产

链接: https://arxiv.org/abs/2601.19898v1
概况: 阿拉伯书法代表了阿拉伯语言最丰富的视觉传统之一，将语言意义与艺术形式融合。虽然多模态模型在多种语言中取得了进展，但它们处理阿拉伯文字（尤其是艺术化和风格化的书法形式）的能力在很大程度上仍未得到探索。DuwatBench是一个包含1,272个精选样本的基准，涵盖六种古典和现代书法风格，每个样本都配有句子级检测注释。

🔄 自蒸馏实现持续学习

链接: https://arxiv.org/abs/2601.19897v1
概况: 持续学习使模型能够在不降低现有能力的情况下获取新技能和知识，仍然是基础模型的一个基本挑战。提出了自蒸馏微调方法，这是一种简单的方法，可以直接从演示中实现策略性学习。SDFT利用上下文学习，使用演示条件模型作为自己的教师，生成在策略训练信号，在保留先前能力的同时获取新技能。

⚛️ 动态平均场理论的实时迭代方案：近端量子模拟框架

链接: https://arxiv.org/abs/2601.19896v1
概况: 提出了一种时间域迭代方案，用于使用实时的延迟格林函数解决动态平均场理论的自洽方程。与传统DMFT方法不同，该方案直接使用实时量进行操作，使其特别适用于具有有限希尔伯特空间的近端量子计算硬件。

🏗️ Post-LayerNorm回归：稳定、表达力强且深度

链接: https://arxiv.org/abs/2601.19895v1
概况: 大语言模型扩展正面临瓶颈。拓宽模型会带来递减的回报，扩展上下文长度并不能改善基本表达能力。提出了Keel，一个Post-LN Transformer，用高速公路式连接取代了残差路径，防止信号从顶层到底层的梯度消失，使训练在超过1000层的深度下保持稳定。

🌐 通过可信执行环境和零知识证明启用EUDI钱包凭证的SSI兼容使用

链接: https://arxiv.org/abs/2601.19893v1
概况: 提出了一个架构，通过可信执行环境和零知识证明使IT钱包凭证和服务在SSI兼容环境中使用。该架构解决了eIDAS 2.0及其实现法案与SSI原则的分歧问题。

🔬 活性布朗粒子的有效相互作用

链接: https://arxiv.org/abs/2601.19892v1
概况: 报告了一种获得有效对势的方法，该方法描述了活性布朗粒子二维系统的结构。通过逆方法找到对势，该方法匹配来自两种不同方案的径向分布函数。

⚡ 在量子计算机上区分合成解缠

链接: https://arxiv.org/abs/2601.19889v1
概况: 引入了作为量子电路在单量子比特和双量子比特上实现的合成解缠。设计了两种解缠——投影测量解缠和随机幺正"踢"解缠——它们共享相同的系综平均演化，同时产生不同的非线性条件状态统计。

🌍 M-SGWR: 多尺度相似性和地理加权回归

链接: https://arxiv.org/abs/2601.19888v1
概况: 提出了一个新的多尺度局部回归框架M-SGWR，该框架在两个维度上表征空间交互：地理邻近性和属性相似性。对于每个预测变量，分别构建地理和基于属性的权重矩阵，然后使用优化参数alpha组合。

🚀 AI开源项目精选

⚙️ universal-ollama-optimizer

链接: https://github.com/jtgsystems/universal-ollama-optimizer
概况: 用于启动和优化Ollama AI模型的专业bash脚本，具有智能配置文件、系统监控和全面的错误处理功能。支持55+个最新的2025年模型，提供通用的模型支持。

📊 latest_ai_development-

链接: https://github.com/SahSanjeev/latest_ai_development-
概况: 2025年的AI LLM领域以快速技术进步、广泛民主化和深刻社会影响为特征。随着新模型、基准和部署范式的出现，重点正在转向负责任集成、稳健评估和可持续性。

🔍 CrewAI-Content-Research

链接: https://github.com/rohitkshirsagar19/CrewAI-Content-Research
概况: 使用CrewAI构建的多代理系统，用于自动化研究和总结2025年最新AI趋势。它使用LLM和网络搜索工具生成清晰、简洁的markdown报告，帮助用户了解快速发展的AI进展。

📚 jeeadv2025-benchmark

链接: https://github.com/naveenreddy61/jeeadv2025-benchmark
概况: 在JEEADV 2025考试上评估最新的推理LLM模型。该项目提供了对大型语言模型在复杂教育评估任务中性能的深入分析。

📈 genai-llm-trends-2025

链接: https://github.com/Haroon921/genai-llm-trends-2025
概况: 跟踪2025年生成式AI和大型语言模型的最新发展。该项目专注于监测AI领域的技术趋势和进展。

🔬 AI-Experiments-2025

链接: https://github.com/Gunjaomprakash/AI-Experiments-2025
概况: 在NLP、CV、RL和LLM中的个人实验 | 探索2025年最新的AI进展。包含各种AI实验和探索性研究。

---

今日AI动态总结: 今日的AI学术研究重点集中在医疗AI应用（肿瘤学LLM系统）、多模态理解（阿拉伯书法基准）、持续学习技术、量子计算与AI结合、Transformer架构深度扩展、数字身份安全、物理系统AI建模以及量子计算中的解缠理论。开源项目方面，重点关注了Ollama模型优化工具、AI趋势研究系统、教育评估基准和多代理AI研究系统。这些研究展示了AI在医疗保健、文化遗产保护、量子计算、数字身份验证和教育评估等领域的深度应用和前沿进展。