arXiv AI 前沿日报｜8 月 11 日：创造性标记、HLS 验证与推理路由

本期三篇表面跨度很大，但都在回答同一个问题：有限算力该分给哪一段 token、哪一次硬件优化动作、哪一个候选答案。

arXiv recent 将它们归入 Mon, 10 Aug 2026 公告批次；按 arXiv 20:00 ET 的放榜时间换算，这一批约在北京时间 8 月 11 日 08:00 出现。三篇的 v1 实际提交时间更早，分别落在 8 月 7 日和 8 日，不能把公告日当成首次提交日。123

本期排序只计作者帖和人工第三方帖；互动数保留各平台原生口径，不跨平台相加。Reddit 本轮没有找到对应论文的直接讨论。

论文：CreativeInstruct: Scalably Teaching LLMs to Balance Quality, Creativity, and Diversity（arXiv 2608.07460） v1：2026-08-08 01:55:48（北京时间） 作者与机构：Ananya Sahu—Columbia University；Mohit Bansal—University of North Carolina at Chapel Hill；Elias Stengel-Eskin—The University of Texas at Austin。4

团队先从 Tülu V3 SFT 数据中过滤 4,000 个英文写作 prompt，每个生成 3 个回答，得到 12,000 个样本。BACo 的 prob+punc 路由按 token 熵在基础模型和指令模型之间切换；连续来自基础模型的区间会被 [StartCreativity] 与 [EndCreativity] 包围。LoRA 随后学习这些标记，推理时不再需要同时访问两个模型。4

人类评测由 3 名非作者标注者完成。50 组成对比较中，70.3% 更偏好 CreativeInstruct 的创造性，创造性维度的一致性 κ=0.720；质量维 κ=-0.167，因此作者放弃了这一维的人评结论。这个 70.3% 不是质量胜率。5

在 Qwen3 8B + GRPO 的 Table 6 中，CreativeInstruct+RL 相对 Instruct+RL 的 AMC 从 0.438 升到 0.478，MATH 从 0.409 升到 0.459，分别提高 4.0 和 5.0 个百分点。论文没有独立 Limitations 章节；可直接确认的边界是英文叙事数据、50 组小样本人评，以及 MATH/AMC 两项 RL 结果。5

作者 @EliasEskin 于北京时间 8 月 11 日 00:29 发布主帖；抓取时页面值为 29 赞、12 转、1 回、1,166 浏览。该账号随后还发布了数据帖，抓取时为 1 赞、44 浏览。67

精读前先核对：BACo 标签能否从英文叙事迁移到开放域；70.3% 只回答「更有创造性吗」，没有回答「质量更好吗」。

论文：HLSmith: An Expert-Guided Agentic Framework for C/C++-to-HLS Translation（arXiv 2608.06791） v1：2026-08-07 12:27:04（北京时间） 作者与机构：Yuebo Luo—University of Minnesota Twin Cities；Ahmad Sedigh Baroughi—Simon Fraser University；Philip Stachura—University of Minnesota Twin Cities、Simon Fraser University；Le Chen—Argonne National Laboratory；Venkatram Vishwanath—Argonne National Laboratory；Zhenman Fang—University of Minnesota Twin Cities、Simon Fraser University；Caiwen Ding—University of Minnesota Twin Cities。机构映射来自 PDF 首页脚注。89

HLSmith 接收无 pragma 的算法 C、参考实现和硬件约束。Translator 先生成 HLS C/C++；Advisor 从经验库调用带前置条件与不安全条件的优化动作；Analyzer 用 Vitis HLS 做 C 仿真、综合和 QoR 诊断；Verifier 再做软件与 RTL 联合仿真。守卫条件不满足的动作不会放行。8

与 ChatHLS 共同覆盖的 14 个内核中，HLSmith 有 14/14 个 valid design，ChatHLS 为 8/14；这里的 valid 不只是译码成功，而是软件和 RTL 双重通过。对 8 个共同通过内核计算时，包含 syr2k 的几何平均加速为 6.91×；剔除这个离群内核后，其余 7 核的几何平均为 4.24×。9

实验边界很窄：PolyBench 28 核、Vitis HLS 2023.2、AMD Alveo U280、300 MHz 单工具链。7 核灵敏度集上的 4.24× 不能直接外推成普遍加速。

人工第三方账号 @Underfox3 于北京时间 8 月 10 日 17:59 发布讨论帖；抓取时为 10 赞、7 转、1 回、967 浏览。对应 Hacker News 条目于北京时间 8 月 10 日 21:52 发布，抓取时为 2 points、0 comments；两平台指标不相加。1011

精读前先核对：换一套 HLS 工具链、FPGA 和内核后，14/14 的有效设计率与 4.24× 是否还成立。

论文：CoBa: Cost-Effective Test-Time Scaling via Compute-Balanced Routing（arXiv 2608.07424） v1：2026-08-08 01:12:13（北京时间） 作者与机构：Yan Zhou、Yue Ouyang、Kaiyang Zheng—长沙理工大学数学与统计学院；Suncheng Xiang（通讯作者）—上海交通大学生物医学工程学院。机构映射来自 PDF 首页脚注。1213

CoBa 先采 2 个 warm-up 答案，用规则频率和 Qwen3-8B 轻量验证器打分；当头部答案占比至少 0.6、轻量分至少 0.7 时早停，否则继续采样。最后只把 top-4 送给 Qwen3-14B 强验证器融合。成本除了总 token，还用模型参数量加权后的 token 统计不同验证器的成本。12

Table 2 汇总 3 个生成器 × 5 个数学或符号基准，共 15 个数据集—生成器组合、3,129 次评估。Routed-Strong 的宏平均准确率为 85.13%，best-of-16 majority 为 85.12%；参数加权 token 从每项 1,533.3k 降到 629.9k，省 58.9%。和 self-eval weighted 比，准确率是 85.13% 对 85.20%，参数加权 token 省 49.1%。13

宏平均接近不代表逐例完全打平：论文的配对检验仍显示 best-of-16 高 0.70 个百分点，但成本为 CoBa 的 2.43 倍。所有方法复用预生成的 16 候选池；数学与符号任务之外、在线部署中的收益还没有验证。12

人工第三方账号 @bingwujinyi 于北京时间 8 月 11 日 02:45 发布讨论帖；抓取时页面值为 1 赞、4 回复、169 浏览，属于弱信号。14

精读前先核对：参数加权 token 是否符合自己的成本模型；49.1% 只对应 self-eval weighted 这条基线，不能移到其他比较对象上。