前沿论文解读 本期前沿 6 篇 + 基础文献 2 篇 · 国际团队原作 · 15 分钟读完一篇
“本期前沿”是这两年发表的新工作，到期会换成更新的；“基础文献”是这门方法的代表作，讲清楚它为什么成立，所以年份旧是正常的，不会因为年份被换掉。读完每篇都要能说出它解决什么、哪里不可信。
Can LLMs Be CEOs? Benchmarking Strategic Resource Reallocation with Multi-Role Agent Simulation
预算只有一份，CFO/CTO/COO/CMO 各说各话，模型能不能自己拍板？
四个角色化顾问各带私有信号与不同优先级，模型要在多轮约束下把资金分到各事业部；分四个维度打分：角色整合、有条件果断、历史敏感、方案可执行。
五个前沿模型在 13 个场景上结构合规都很高，但“战略校准”分歧极大；失败模式是只听一个顾问、含糊时默认保守、忘记上一轮已做的承诺。
“整合得好”和“敢拍板”在这批模型上互相拉扯——越认真权衡多个意见，越容易给出不痛不痒的方案。这恰好是开会开不出结论的组织病。
AuditFlow: Executable Symbolic Environments for Structured Financial Reporting Verification
一张报表“对不对”，该让模型读文本判断，还是让它去图上核对？
把 US-GAAP 分类图与这份 XBRL 申报图拼成一个可执行环境，模型只用类型化工具取事实、走分类树、重算期望值；两名策略不同的初级审计员分头查，高级审计员只做分歧仲裁。
GPT-5.5 骨干下联合审计准确率 82.09%，比最强基线高 14.93 个百分点；拿掉确定性检查器后掉到 17.91%，无效输出从 1.49% 涨到 35.82%。
高分不是模型变强，是它不再负责自己最不擅长的那一步；能查的规则取决于有人写好了检查器，天花板是工程投入，不是模型能力。
A multimodal large language model for materials science
能不能让语言模型直接“看懂”原子结构，而不是先把结构压成一串数字？
用一个桥接模块，把预训练的通用原子间势与预训练的语言模型对齐；结构走势模型，文字走语言模型，两边在同一个表示空间里对话。
在材料性质预测与人机交互上明显超过通用大模型（含 GPT-4），并能做分步的合成推理。
桥接的是“势模型已经会的那部分物理”；势模型没训过的元素组合，语言侧说得再顺也不代表算得对。
Can LLM Agents Be CFOs? Benchmarking Long-Horizon Resource Allocation in an Uncertain Enterprise Environment
让模型管一家公司的钱，管 11 年，能不能活下来？
把 CFO 的决策做成一个 132 个月的部分可观测模拟器：流动性、结账、买信号、配股与借债都算动作，观测要花预算。
23 个模型 × 4 套智能体框架，只有 15.4% 的回合跑完全程；更大的模型并不稳定更强，失败在观测、时点、额度三层连锁。
这是考场不是岗位：模拟器里的“活下来”不等于真实企业能活。把它的分数当成招聘或授信依据，是把基准当成了能力证明。
SupChain-Bench: Benchmarking Large Language Models for Real-World Supply Chain Management
一条二十几步的业务流程，模型是走完了才给结论，还是走到一半就说“差不多”？
把领域专家提炼的 SOP 变成可执行考场：435 道知识题分“给材料/不给材料”两遍，工具调用分三个难度层级、分“给 SOP/不给 SOP”两遍。
知识题各家差距不大（给材料涨 12–21 个百分点）；工具调用差距极大——GPT-5-nano 从 25.51% 到 84.69%，Qwen3-Max 从 7.14% 到 28.57%，且非 GPT 模型常只走完一半流程就收工。
25%→85% 不是模型变聪明，是把不确定性换成了流程；“提前收工但说得挺像”才是最贵的失败，复核要防的是证据链缺环，不是结论错。
VGGT: Visual Geometry Grounded Transformer
能否不跑增量式 SfM，用一次前向就同时给出相机位姿、深度与点云？
把多视图几何压进一个 Transformer，直接回归相机参数、深度图与跟踪特征。
在多个重建基准上接近或超过需要迭代优化的传统流程，速度快几个量级。
“快”不等于“可追溯”：位姿没有平差残差，出错时很难定位是哪一帧。巡检报告需要可审计的中间量。
3D Gaussian Splatting：巡检重建的实时路线
3D Gaussian Splatting for Real-Time Radiance Field Rendering
能否在保证渲染质量的同时，做到实时新视角合成，而不是离线慢渲染？
用各向异性 3D 高斯显式表示场景，光栅化替代体渲染。
视觉质量接近 NeRF，渲染速度提升到实时量级。
薄壁、反光金属、细线缆是弱项；位姿不准时，重影会伪装成“缺陷”。
Fourier Neural Operator for Parametric Partial Differential Equations
能否学一个“算子”，一次训练后对整族参数直接出解，而不必每次重跑求解器？
在频域做全局卷积，捕捉长程相关；分辨率无关。
在 Navier–Stokes 等参数化 PDE 上，误差显著低于此前的神经算子。
外推到训练参数区间之外会迅速失效；用它替代校核，等于把验证环节删掉。
换稿候选 3 篇 · 到期时从这里取
候选守同一条寿命：发表超过 24 个月就不再算“前沿”，只能作为基础文献或背景读物。
© 慧之帆信息科技 · 打印时间: