统计日期 2026-11-06·本期 3 篇·问题与新思路速读
统计范围：北京时间 2026-11-06 00:00–24:00首次提交、截至检索时已公开并被 arXiv 编目的匹配论文。完整取得 3 篇候选，本期收录 3 篇。
阅读依据：论文标题、摘要与可核对元数据。下文是摘要速读，未逐篇全文审阅或独立复现。
昨日研究概览
这组论文共同聚焦大模型系统中“结构保留与约束适配”的难题：AutoCompress把参数剪枝从参数量目标转向硬件、工作负载和服务引擎成本；知识图谱研究用多层查询区分图谱接地对多跳推理及幻觉的影响；代理记忆工作则指出近邻局部保真不足以支持全局整合，并据理论界限改造量化目标。三者分别从部署约束、关系推理和长期记忆结构提供新思路。
逐篇看：问题与新思路
01. 以硬件成本引导的自动模型压缩
原文：AutoCompress: Automated Hardware-Guided Model Compression
要解决的问题： 现有剪枝流程多以参数规模为目标，但参数量无法可靠预测延迟、吞吐和显存；这些指标还随模型结构、工作负载、硬件及服务引擎而变，导致部署者只能反复手工挑选模型规格。
新颖的想法： 作者提出AutoCompress，将延迟、吞吐和显存约束直接纳入可微架构搜索，并联合调整全局结构与逐层结构，生成非均匀架构；搜索使用经端到端测量校验的服务引擎成本模型，以适配不同部署条件。
入选线索： 按方向匹配及摘要中的方法贡献线索入选；发表和机构权威线索未核实
02. 图谱接地下的异构知识图谱评测
要解决的问题： 大模型在生物医学与认知科学异构知识图谱上的多跳推理可靠性仍不清楚；查询复杂度、通用模型与领域模型差异，以及是否进行图谱接地，都会影响事实准确性和幻觉，亟需可区分这些因素的统一评测。
新颖的想法： 作者在五个知识图谱上评测五个大模型，并设计多层查询数据集，分别设置图谱接地与图谱无关条件；再以人工一致性指标支撑标注，系统比较推理深度、复杂度效应和幻觉变化，并据结果讨论模型—图谱集成策略。
入选线索： 按方向匹配及摘要中的方法贡献线索入选；发表和机构权威线索未核实
03. 兼顾局部与全局结构的记忆量化
原文：Enhancing Local and Global Structure in Compressed AI Agent Memory
要解决的问题： 代理压缩记忆通常只检查条目近邻是否保留，但记忆的整合、删除和比较还依赖远距离条目之间的主题与相对结构；高局部保真可能让大量内容换到别的主题，而重评分又无法改变存储码的全局关系。
新颖的想法： 作者从近远排序违例与压缩距离噪声建立可证明界限，并将远端约束转化为OPQ索引码本的铰链目标，提出局部性感知的LAQ量化器；它在保留字节数、旋转与搜索机制的同时直接优化全局保真，而非只做近邻重建。
入选线索： 按方向匹配及摘要中的方法贡献线索入选；发表和机构权威线索未核实
来源、筛选与阅读边界
Top 10 是可解释的阅读优先级，不是公认学术权威排名。排序参考作者标注的发表/录用信息、作者区的机构原文、研究发布和开源线索，再结合方向与方法贡献线索；未提供的依据不从作者姓名或模型常识推断。arXiv 元数据中的录用信息仍是作者标注，不等于本站独立核实了会议录用。
同一论文可以属于多个研究方向；每个方向内部按基础论文 ID 去重，版本更新不另算新论文。候选按首次提交时间筛选，不把旧论文的新版本当作昨天新论文。超过十篇时筛选十篇，不足十篇按实际数量收录。
检索截至：2026.11.07 08:16（北京时间）。本方向共 3 篇候选，本期收录 3 篇。
查询记录：第 1 页。
本文由 AI 研究助手整理并进行来源审校。新颖性为作者的贡献主张，摘要可能省略关键条件；涉及采用、复现或投资决策时，请继续阅读原文。arXiv 收录不代表已经通过同行评审。
有 AI 项目想法？一起聊聊。
欢迎交流实践、寻找伙伴，或聊聊你的项目需求。
