【5月14日AI前沿速递】今日arXiv更新数百篇论文，精选4篇前沿成果分享。

① ICML 2026接收论文《Topology-Preserving Neural Operator Learning via Hodge Decomposition》。Tao Zhong等提出Hodge Spectral Duality（HSD）架构，利用Hodge正交性将拓扑自由度与几何动态分离，从原理上解决谱干扰问题。该方法在几何图物理场建模中实现了更高精度和物理不变量的保真度，代码已开源。

② 《Quantifying Sensitivity for Tree Ensembles》，Ajinkya Naik等针对决策树集成验证问题，提出基于代数决策图（ADD）的敏感性量化方法，通过将问题分解为可组合求解的子问题实现高效计算。其工具XCount相较现有方法实现显著加速，可良好扩展至大规模集成模型。

③ 《Di-BiLPS: Denoising induced Bidirectional Latent-PDE-Solver》，Zhonghao Li等提出统一神经框架，在观测数据稀疏度低至3%的极端条件下仍能高效求解PDE正反问题。框架结合VAE压缩、潜在扩散和对比学习，在多个PDE基准上达到SOTA，同时支持零样本超分辨率。

④ 《Senses Wide Shut: Representation-Action Gap in Omnimodal LLMs》，Trung Nguyen Quang等揭示全模态LLM存在表示-行动鸿沟：模型内部已编码文本前提与感官输入的不匹配，但输出中却几乎不拒绝错误断言。研究构建IMAVB基准验证此现象，并提出PGLA干预方法改善拒绝行为。

AI资讯 人工智能