机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明ReSight-SMC：基于岛屿式SMC与视觉侦察器的两阶段幂采样方法（用于视觉语言模型推理）
简介本文提出ReSight-SMC，一种无需验证器的两阶段幂采样方法，用于大型视觉语言模型推理。第一阶段利用祖先隔离的SMC岛屿保持独立的推理轨迹，并让视觉侦察器关注与前缀相关的图像区域；第二阶段按规范化答案汇总重要性质量并采样答案及其支持轨迹。在四种骨干模型和五个基准上，该方法在推理与感知任务中总体优于Power-SMC，且无需后训练即可与经强化学习训练的同骨干模型相竞争。
说明参考尾部信任：已部署网络内学习型更新的可证概率下限
简介图神经网络在部署后，如何既利用更好的消息传递，又保证已被信任的预测不被破坏。论文提出RTT框架，在冻结的图神经网络内部允许学习型更新，并对实际输出的预测进行认证。实验在ogbn-arxiv上给出了每次调用平均0.0065奈特的增益及回归率、负翻转率的上界，并在多种图、分子及图像、表格数据上做了评估。
看点提出在冻结GNN内部准入学习更新并给出概率下界认证的框架，理论推导较新，ogbn-arxiv与多场景实验支撑较充分。
说明基于二维网格注意力的双流同步翻译
简介本文提出一种双流注意力框架，把源语和目标语的隐藏状态表示为二维网格，并通过四种结构不同的注意力机制及联合归一化进行建模，用于同步机器翻译。作者还提出了两种近似方法以降低计算复杂度，并采用自引导训练与增量式KV缓存支持流式推理。在中译英任务上，该模型在相近延迟下优于Wait-k基线，BLEURT和COMET分别提高5.66与10.36。
说明受监管智能体AI中有界自主性的评估：一个包含宪法奖励、升级标签与运行时治理的诊断框架
简介论文提出RegLLM诊断框架，用于评估受监管智能体工作流中的有界自主性，涵盖引用有效性、来源依据、模式合规、升级正确性、宪法一致性和不安全行为率六项指标。在小规模试验中，启用治理后升级召回率由0提升至0.67，不安全行为率由0.33降至0.08。作者同时指出，配置差异可能掩盖调参效果，结论仅具诊断意义，不足以证明可靠性或投产就绪。
说明FILIGREE3D：面向超高分辨率单图转3D生成的稀疏潜空间流匹配扩展方法
简介该论文提出FILIGREE3D，可从单张图像生成体素分辨率最高达2048³的三维几何，并可扩展到4096³。方法包括结构感知的稀疏扩展、基于高分辨率几何增益筛选训练样本、将多尺度图像特征注入稀疏3D DiT，以及可见性感知的体素正则化。作者称其在默认配置下显存处于实用范围，约一分钟可生成，并在几何保真度和细节保留上优于现有基线。
说明ColNanoVDR：基于最优传输的无文档多向量视觉文档检索查询蒸馏
简介该论文提出ColNanoVDR框架，把多向量视觉文档检索中大型查询编码器的能力蒸馏到小型学生模型，无需编码或缓存训练页面，而是用最优传输方法对齐查询向量。学生模型仅1.49亿参数、只处理文本，在ViDoRe v1-v3上保留约95%的教师NDCG@5，查询编码速度最高快26倍。
看点将无文档蒸馏首次引入多向量视觉文档检索，并提出最优传输对齐并给出MaxSim分数差界证明；在ViDoRe三个版本上保留约95%性能。
说明面向全切片病理图像分类的角色引导混合专家编码器表示学习
简介该论文针对全切片病理图像（WSI）分类中冻结病理基础模型表示不够贴合目标组织的问题，提出一种角色引导的混合专家前馈网络（MoE-FFN）框架，用于高效的编码器级表示学习。方法分两阶段：先从冻结的Virchow2教师模型向轻量DINOv2-small学生模型蒸馏病理先验并初始化专家，再通过非对称原型引导优化进行目标域适应。实验在公开BRACS数据集和私有PAROTID数据集上、基于五种主干网络进行，结果较最强基线有一致提升。
说明DeShortcut-Align：解耦虚假捷径以实现大型推理模型的稳健安全对齐
简介该论文指出，大型推理模型经过监督微调和强化学习后虽安全评分很高，但会过度拒答并削弱通用能力，原因在于模型学会了模板格式和敏感词等虚假捷径。作者提出DeShortcut-Align框架，通过归因、对比增强与反事实一致性正则化三阶段减少对表层线索的依赖。在7B和14B模型上的实验显示，其对模板剥离攻击的稳健性提升，过度拒答明显减少，通用推理能力保持更好。
说明LVMT：面向长时视频分割的视频掩码 Transformer
简介该论文针对长视频中的在线目标分割难以在长时间遮挡下持续跟踪物体的问题，提出基于 GRU 的轻量时序传播模块，学习选择需要跨时间保留的信息。并提出截断查询传播（TQP）训练策略，以分块处理视频，在块间传播信息、块内反向传播，从而在长视频上训练。作者称，所提模型 LVMT 在六个基准上取得新的最优结果，并比先前最优方法快 10 倍。
看点提出GRU时序传播模块与截断查询传播训练策略，对长视频分割有实质改进；六个基准上达到新的最优并公开代码。
说明ECHO：面向仅手腕视角操作的事件增强上下文与回溯、前瞻方法
简介该论文提出ECHO方法，用于机器人仅依靠腕部相机进行操作的学习策略。它利用事件相机记录像素亮度变化，以补充强光或过暗时RGB图像质量下降的问题。方法包含回溯模块保留过去事件记录的抓手轨迹，以及前瞻模块预测未来场景变化。论文报告，在RLBench仿真任务中ECHO的表现优于RGB和RGB+事件基线，真实世界实验也得到类似结果。
说明表格基础模型的保形预测与条件覆盖
简介本文针对表格基础模型（TFM）给出的回归预测分布，指出即使点预测准确，预测区间仍可能覆盖不足或过度。作者提出 C-USIM 方法，是对最高预测密度分裂保形预测的轻量应用，可处理多峰预测，且无需额外训练或模型推理。实验基于 TabPFN 和 TabICL，结果显示边际覆盖精度提高，平均条件与分组覆盖误差降低。
说明设计上减少假设：用于 LLM 辅助 Verus 验证的可复用技能
简介本文研究大语言模型（LLM）代理能否为 Rust 中的双向链表（DLL）这类自引用数据结构生成强且依赖较少假设的 Verus 形式化规范。作者比较了手动验证、针对特定属性的验证，以及一种封装了领域知识与任务分解策略的专用技能。结果表明，配备精心设计验证技能的 LLM 代理能为 DLL 生成强且可信基较小的规范。
说明SubRot：面向视觉语言模型旋转量化的带符号梯度子空间校准方法
简介该论文针对视觉语言模型的训练后量化问题，提出SubRot方法，通过对激活梯度的经验Fisher矩阵做特征分解，找出跨样本稳定、敏感度分离明显的通道子空间。该方法结合一阶与二阶泰勒约束引导量化误差，并保留MSE以控制重建质量。在五个模型和五个基准上，相比FlatQuant在W4A6和W4A4下平均分数有所提升，其中LLaVA-NeXT-7B提升1.4个百分点。
说明一次读出，多次修复：基于扩散模型引导的分层搜索用于工具智能体修复
简介工具智能体借助大语言模型通过外部工具执行操作，但即使调用成功，用户请求仍可能未被满足。本文提出ReCommit，一种无需训练、由扩散模型引导的修复框架，通过复用掩码扩散语言模型的一次并行读出分数，降低操作层面的计算开销。在Agent-Diff基准的四类企业服务真实故障实验中，相比评测的8B对比方法，恢复收益相对提升75.9%和63.2%（预算B=3和B=13），平均完整修复时间分别减少61.3%和51.3%。
说明SPOC-Net：面向GNSS干扰组合识别的单基元在线合成网络
简介该论文针对卫星导航（GNSS）干扰识别中为每种组合单独分类难以扩展的问题，提出SPOC-Net，将识别转化为判定一组基本干扰成分。模型利用多分辨率时频特征与可学习的成分查询，并通过高分辨率分支估计活跃干扰类型数量，再由结构化解码器选出有效的干扰集合。训练仅使用实测单成分记录，并在训练时按需合成不同相对功率的混合样本；在14,220个测试混合信号上，精确集合准确率为80.69%，微平均F1为92.84%，在未参与开发的组合上准确率为80.89%。
说明P4Q：联合设计视觉令牌剪枝与量化，加速视觉语言模型
简介视觉语言模型计算和内存开销大，难以高效部署。本文提出P4Q框架，把视觉令牌剪枝与低比特量化联合优化：先用模拟量化的特征选择视觉令牌，再用与剪枝相同的保留令牌分布校准量化模型。在LLaVA-NeXT上，P4Q在八个测试集上平均端到端推理加速2.8倍，同时精度高于此前的压缩与量化方法。
说明从注意力敏感度到层角色：重新审视 Transformer 的混合精度量化
简介本文提出 JAB 方法，在注意力块的 Q、K、V 联合权重上定义以注意力输出为准的损失，用于量化拟合与层级比特分配。作者发现仅量化注意力时该方法有效，但加入 MLP 层后效果变差；一种无需敏感度估计的层角色偏移规则在 Mistral-7B 上表现更好。
说明大语言模型元认知监控的局限
简介本文研究四个前沿大语言模型在15个基准上的置信度报告，考察模型能否判断自己的答案是否可能出错。研究发现，任务准确率很高的模型，其区分正误的能力可能很弱，例如某模型在竞赛数学题上解答率达97%，但其答题时置信度对正确与错误答案的排序仅略优于随机。作者认为，困难题目和模型共同犯的错误，即使经过提示式自我复核或同伴监督，仍然难以发现。
说明重访以分割：面向推理式分割的工作记忆蒸馏
简介多模态大模型通过推理视觉内容来预测目标位置，其生成的推理过程和定位结果可作为工作记忆。本文提出SWiM框架，基于分割质量挑选推理轨迹构建工作记忆，由带记忆的模型作为教师进行蒸馏，学生模型仅接收原始图像与问题，并结合结果导向的强化学习。实验表明该方法在推理式分割基准上达到了最优性能。
说明当文本很重要：视觉语言模型中视觉 token 剪枝的设计原则
简介视觉 token 剪枝是降低大型视觉语言模型计算成本的常用方法，但容易丢失关键视觉信息。本文提出一种无需训练的方法：先用视觉编码器注意力剪枝，保留额外候选，直到解码器中层，再用文本到视觉的注意力确定最终视觉 token 集合。在八个基准和三个模型上，该方法在80%和90%剪枝率下，性能恢复平均分别比最佳基线高出11.10和16.84个百分点。
看点提出训练免费的分阶段视觉token剪枝：先用视觉编码器注意力剪枝，再在解码器中段用文本到视觉注意力重选，8个基准3个模型上显著提升保留性能。
说明在可变带宽下实现稳健多智能体通信的注意力分层变分信息瓶颈方法
简介本文研究带宽受限时多智能体的学习型通信问题，关注只收到消息前缀的截断传输情形。作者提出AH-VIB模型，结合变分信息瓶颈、注意力机制的自回归消息生成与分层鲁棒性损失，并在自建的协作物体检测与占据栅格建图任务上，与MADDPG、CommNet等基线比较。结果显示其平均回报具有竞争力，且在带宽最受限的条件下性能更可靠。
说明超越语言表述的置信度：用可微读出校准推理模型
简介强化学习可验证奖励（RLVR）训练的推理模型常常过度自信。已有方法让模型用文字说出数值置信度，但这种采样方式方差大、不可微。CREDO 改为从输出分布中的专用标记对读取确定性置信度，并以可微回归训练，同时依据置信度与结果的偏差对样本加权，使准确率与校准共同提升。在数学与代码推理任务上，CREDO 取得了最佳的准确率与校准效果，并延伸到弃答与选择性预测。
说明AUV-Bench：面向用户界面的审美理解与生成评测基准
简介该论文提出AUV-Bench，与专业UI设计师合作构建了约1395个可执行网页界面，涵盖审美打分、问题诊断、修复和文本生成界面四项任务。对12个模型的评测显示，模型在整体打分上与设计师有一定一致性，但完整诊断链的成功率最高仅24.7%，且判断正确与修复成功并不总是同时出现，即存在“判断-行动差距”。作者认为当前模型只具备部分审美能力。
说明EviSplat：在3D高斯溅射中保留多视角证据，用于开放词汇分割
简介该论文提出EviSplat方法，用于基于文本查询的三维场景开放词汇物体定位与分割。与先在查询前合并多视角观测的做法不同，它保留每个观测的特征作为证据，并为每个高斯学习其所支持的视觉外观分布。回答查询时，依据最相关的观测为实例打分，再结合局部证据为每个高斯打分。实验表明该方法在多个数据集和评估协议下达到了最先进的性能。
说明学习高风险、高精度的运动控制
简介本文关注一类高风险、高精度的运动控制问题，其中动作结果不可逆转，奖励曲面上存在尖锐的峰与脊。作者以台球击球为代表场景，提出一种名为SCOOT的深度强化学习算法，基于优势加权回归并加入精英样本优化、混合专家策略和距离正则化与课程学习三项改进。实验表明该方法能学习高精度的物理击球，并为同一球局发现多种击球策略。
说明从软目标到奖励信号：分配方式与奖励目标如何相互作用
简介该论文研究在奖励模型训练中，将一组固定的偏好强度分配给不同回答对，会如何改变不同奖励目标所学到的奖励信号。作者提出“分配几何”框架，比较均值匹配平滑与分层内重新分配两种操作。在五种奖励目标下，保持正确对应关系的软目标在相同准确率预算内保留了最大的干净偏好间隔。
说明稀疏奖励遇上稠密蒸馏：同策略蒸馏的训练动力学
简介该论文研究把强化学习的稀疏奖励与教师模型的稠密逐词蒸馏信号结合训练时的不稳定问题。作者通过神经正切核（NTK）分析，提出衡量奖励梯度与蒸馏梯度在各位置对齐程度的指标，并识别出梯度量级压制和局部方向冲突两种失效模式。
说明我们能信任教师模型吗？用于自蒸馏的解耦信用方向与幅度（DCSD）
简介这篇论文指出，在用教师模型监督逐步骤信用分配时，信用方向与贡献幅度相互耦合，容易受教师判断错误影响。作者提出解耦信用自蒸馏方法DCSD，分别用信念边际探测确定方向、用边际信息增益量化幅度，并在11个基准上取得整体最佳分数。
说明基于超储层（HyperReservoir）的上下文相关时间序列预测
简介本文提出一种名为超储层（HyperReservoir）的储层计算扩展模型，用于处理包含多种动力学状态的时间序列。该模型由主储层和较小的上下文储层组成，后者调制前者的输出权重，训练仍采用线性回归。作者在洛伦兹系统和罗斯勒系统的预测任务上，将其与传统回声状态网络及全矩阵概念器（Conceptor）比较，结果显示超储层在三项任务中平均测试误差最低。
说明ORAV：基于多模态参考的音视频生成基准测试
简介本文提出ORAV基准，用于评估利用多种异构多模态参考（图像、视频、音频等）生成音视频的能力。基准包含380个任务实例，每个实例有2至10个参考，涵盖9种语义角色和30种角色组合。文中还设计了一套考虑参考的成对评测协议，在与人工判断的对比中达到86.08%的有效一致率；对5个前沿系统的测试显示，不同参考组合下各系统优势各异，常见失败是生成与参考高度相似但不符合要求的源内容。
说明QiYao-M：区分内生与外生模态的多模态时间序列基础模型
简介本文提出QiYao-M，一种按角色区分建模的多模态时间序列基础模型，分别处理内生模态与外生模态。对于内生模态，引入内生多模态预测器与监督机制，学习其从历史到未来的演化；对于外生模态，提出外生多模态检索增强器，在不更新模型参数的情况下实现下游快速适配，并通过内生模态代理训练在无外生多模态预训练数据的条件下训练该检索模块。实验表明，该模型在有无外生模态的场景中均具有较强的预测性能。
说明只调语义、不改结构：基于少量样本的科学PDF抽取模式校准
简介论文针对大模型按既有抽取模式执行前需要大量人工调整字段定义的问题，提出仅用少量标注文档校准模式的方法CPSE。该方法将模式分为不变的结构约定和可调的字段语义，并区分实体识别与记录补全。在聚合物科学领域的专家标注文档上，CPSE比执行匹配的基线提升了9.93个点，并在独立评判和盲审专家检查中保持一致提升。
说明痛觉作为控制原语：单一身体中部署的智能体的传入通道与痛觉记忆
简介论文研究只能在单一身体上运行、无法通过多次试验学习磨损速率的智能体。作者提出一个负载门控的痛觉通道，并配合保留感受记忆，使智能体能把分配转向尚未感受过的、报酬最高的工作。在两千个模拟地板工人膝关节的实验中，该方法将工作寿命从55.2岁延长至59.6岁，职业产出从33.7提高到36.1，69.3%的个体获益且无人受损。
说明OpenWhistle：宽吻海豚叫声的大规模长期数据集与基准
简介该论文介绍了OpenWhistle，一个公开的宽吻海豚叫声数据集，包含约18万个哨声（114小时），于五年间在半自然环境中录制自一个稳定的五头海豚群体。数据集还包括8354个经专家标注的哨声子集，以及哨声类型检测与分类的可复现评估协议，并公开了完整的处理流程。研究者用该数据集预训练了适配海豚声学的Wav2Vec2.0模型，结果在两项任务上优于AVES和BioLingual等通用生物声学模型。
说明DivOPD：面向多轮智能体异步在策略蒸馏的批次选择方法
简介该论文提出 DivOPD，一种面向异步多轮智能体训练的学习器端批次选择方法，用于在线策略蒸馏（OPD）。它把固定的轮次预算分散到更多的 rollout 上，并在每条 rollout 中优先训练师生分歧较大的轮次，没有可用教师反馈的轮次则被排除。实验在模拟的 ALFWorld、ScienceWorld 和 WebShop 上进行，DivOPD 将跨设置平均峰值成功率从 77.4 提升至 84.4，达到各目标所需的训练 token 与学习器 GPU 时间相对原始 OPD 的几何平均加速约为 1.84 倍和 1.87 倍。
说明MW-Nowcast：极端降水的六小时集合临近预报
简介本文提出 MW-Nowcast，一种六小时集合雷达临近预报模型，先用确定性预测器学习各集合成员共有的有组织降水结构，再用生成器在该预测附近产生局部多样化的残差。在美国、欧洲和中国的独立测试数据上，该模型对强降水和极端降水的探测技能高于主流方法。对最强降雨，其预警时间在三个地区均翻倍，达到六小时预报。
看点提出确定性预测与生成残差相结合的六小时集合临近预报，并在美国、欧洲和中国的独立数据上验证，极端降水预见期翻倍，影响面较广。
说明面向有损点云属性压缩的变换对齐学习特征（TALF）
简介该论文提出一种变换对齐学习特征方法，把学习到的空间表示施加属性变换，使其与编码目标在变换域中对齐。作者将其集成到基于变换的属性编解码器中，采用统一的系数域率失真目标。在三个基准数据集和多种变换基上的实验显示，该方法相比传统方法和学习型基线改善了率失真性能。
说明城市环境中的多尺度语义建图：观测校准与策略依赖正则化
简介本文针对城市环境中物体尺度差异大、观测距离多变的语义建图问题，构建了一个包含多尺度实例标注的大规模城市语义建图数据集。作者提出按物体类别与观测距离校准观测似然的策略，并引入互信息正则项以降低校准策略与运动策略之间的依赖，同时采用分类别的价值估计器，并以帕累托优化处理各类别间的梯度冲突。
说明BV损失：面向块验证的块扩散投机解码训练目标
简介该论文针对块扩散投机解码中草稿模型的训练目标，提出块验证感知损失（BV loss），以最大化草稿序列在块验证规则下的期望接受长度。在数学、代码和对话基准上，相较交叉熵训练，使用DFlash与DSpark搭配Qwen3-4B、Qwen3-8B时，每次验证调用接受的平均token数提升13.0%至21.0%，且无需改变推理流程。
说明用于函数式校准的结构化神经随机微分方程
简介本文提出 SLiSDE，一类由结构化线性随机层构成的神经随机微分方程模型，可在层内并行模拟长时间范围的路径。通过门控的层间流堆叠恢复表达能力，并对罕见路径主导损失的函数式校准任务，加入可选的 Girsanov 倾斜作为带精确似然比修正的学习型重要性采样器。作者给出了适定性、离散化误差界、测度变换有效性及终端分布的稠密性结果，实验表明该模型优于全神经网络的基线方法。
说明从弱任务规范到科学信息抽取智能体：优化任务构建
简介该论文研究如何从只含简短目标和未标注参考文档的弱规范出发，自动构建科学信息抽取任务所需的输出模式、抽取指令和评估标准。方法在优化过程中持续调整模式构建与抽取指令，并把反馈集中在得分较低的文档上。在多相催化文献语料上的实验显示，同时优化两者在四种评判标准设置下表现最好，消融实验和盲评也支持这一设计。
说明模拟受访者而非单个问题：基于大语言模型的连贯问卷生成
简介该论文提出FR-LLM方法，用两个专门微调的大语言模型分别学习单题的回答分布和受访者内部各题之间的依赖关系，再通过MCJP投影使整份问卷的模拟回答既保持单题准确，又具有跨题的一致性。在两个真实社会调查数据集上，该方法更好地再现了多题回答模式，并对未见过的人群和题目有更好的泛化。在一个小型商业调查数据中，利用模拟回答做定价与备货决策，实现了最高的实际利润。
说明WM-VLM：探究用于图文交错视觉推理的内部世界模型
简介论文提出WM-VLM，在预训练视觉语言模型上加入一个轻量级世界模型分支，用于生成中间视觉状态，并采用两阶段训练先生成下一视觉状态、再利用它推理。作者程序化构建了带有可验证中间视觉状态的空间推理任务。在2D和3D心理旋转任务上，WM-VLM持续优于监督微调的基础模型，最高提升39.25个百分点；消融实验显示，移除或破坏生成的视觉状态会明显降低性能。
说明高斯神经网络：一种对激活值施加先验的新正则化方法
简介本文提出高斯神经网络（GaNNs），把前层的激活值视为带高斯噪声的信号，并用额外的无监督损失预测噪声分布的性质。训练时该无监督损失对异常激活起惩罚作用，使权重在不那么意外的方向上更新幅度更大。论文在多种分类和回归任务上展示了其优于标准神经网络的表现，并考察了它量化不确定性的能力。
说明生成式残差分解：将图像块预测的条件信息拆分为可消除与不可消除两部分
简介该论文在共享因子模型下，把下一图像块的条件分布拆成对共享场景因子的后验与给定该因子的残差核。文中指出，条件熵可分为无法被因子观测消除的残差熵，以及可通过更好的过去表示来降低的后验项。论文还讨论了基于下一嵌入预测的方法，并指出在标量高斯模型中该拆分成立且可闭式计算。
说明CEO Arena：竞争市场中长周期多智能体决策的评测基准
简介该论文提出 CEO Arena 基准，用于评估 LLM 智能体担任 CEO 时在竞争市场中的长周期决策能力。八家公司在 500 个模拟日内就定价、采购、营销、研发和服务做出连续决策，并通过匹配替换评估衡量每个智能体对自身收益及对竞争对手和市场的影响。主要结果显示，多数智能体的平均收益为负，个别智能体的私人收益可能伴随市场损失。
说明仅依据目录与文件名进行一次性代码搜索路由的评估
简介本文测试语言模型能否仅根据目录和文件名找到被固定词法查询遗漏的带标注代码文件。在11个代码仓库的82个问题上，目录路由在八个候选中召回0.465的标准文件，高于FTS5的0.352和固定全文rg查询的0.245。作者指出，该结果只能说明目录路由为一次性词法搜索增加了相关候选文件，无法将收益归因于目录层级结构，也不能证明其能提升问题修复效果。
说明加速器选择还不够：在 Cloud TPU 上运行 AlphaFold2 推理
简介这篇论文比较了 AlphaFold2 在 Colab CPU、NVIDIA T4 GPU 和 8 芯片 Cloud TPU v5e 上的推理表现。单芯片 TPU 的稳态单次调用耗时为 0.47 秒，T4 为 13.1 秒，但默认执行只使用 8 芯片中的一颗，并且软件层的批处理与并行方式会显著影响实际获得的吞吐量。作者还指出，硬件比率只适用于其测量活动，五周后重新运行时无法复现云端基线。
说明ESTHER：野外第一人称立体手部三维估计与重建
简介本文提出ESTHER模型，用于从可穿戴的第一人称立体相机中估计并重建手部的公制三维结构。作者同时构建了ESTHER3D数据集，训练集的标签由模型生成，测试集则使用动作捕捉获得的真实公制标注。实验显示该方法精度达到当前最优，并在缺失视角、丢帧和极端光照或运动模糊等真实场景条件下保持稳健。
看点提出面向可穿戴立体视觉的端到端模型与真实场景基准，并展示单目退化后仍保持度量尺度，新意明显；实验覆盖外部泛化与鲁棒性测试。
说明带老虎机式反馈的矩阵博弈中的多对数纳什遗憾
简介本文研究未知有限矩阵博弈中的纳什遗憾最小化问题，学习者只能获得赌博机式的收益反馈并能观察对手的动作。作者提出乐观收益平衡方法（OPB），在任意自适应对手下实现与实例相关的 O(log²T) 纳什遗憾，包括均衡不唯一的博弈。该结果将 Maiti 等人（2025）在 2×2 博弈中的多对数保证推广到任意有限维度，并表明观察对手动作足以在一般有限矩阵博弈中达到多对数纳什遗憾。
看点解决了Maiti等人提出的开放问题，将多对数Nash遗憾从2×2博弈推广到任意有限矩阵博弈，并给出非唯一均衡下的构造，证明为主。
说明UniOPSD：统一结果反馈与事后反馈的智能体强化学习方法
简介该论文提出UniOPSD方法，用于训练语言模型智能体。它通过自适应的局部信用仲裁，将环境回报与成功样本的事后反馈统一起来，以决定每一步决策中两种信号的影响权重。在ALFWorld、WebShop和Search-QA等任务上，论文报告了基于Qwen2.5-3B-Instruct和Qwen2.5-7B-Instruct的成功率或准确率结果，并称在3B的WebShop上比SDAR提高了7.0个百分点。
看点通过自适应局部信用仲裁统一结果反馈与事后反馈，在ALFWorld、WebShop、Search-QA上实验充分，并较SDAR提升7.0个百分点。
说明从感知到整合：重新审视视觉语言模型推理的内部动态
简介视觉语言模型能回答简单视觉问题，但遇到需要多次视觉判断的问题时常出错。作者用特征绑定、数量、空间关系和非模态补全等受控任务及其组合任务，并配以反事实图像对进行研究。他们发现，隐藏状态可解码出组合任务的答案，且模型常在自行停止前就已具备答案。作者训练了一个小型检测器预测这一就绪状态，并据此提前停止推理，在MMStar和RealWorldQA上分别减少79.1%和74.5%的推理token，同时平均准确率分别提升3.13和3.30个百分点。
说明ControlTrace：恢复隐藏内容识别所用的控制场
简介空间条件扩散模型可将文字或轮廓嵌入看似自然的图像中，但视觉语言模型往往难以识别其中的隐藏内容。本文构建了包含6000张图像的FreqBlind基准，并提出ControlTrace方法，用一个8.4M参数的U-Net从载体图像预测生成时使用的灰度控制场，再由视觉语言模型识别其内容。在所评估的设置中，该方法在轮廓识别上取得较高准确率，且对JPEG压缩、高斯噪声和降采样保持稳定。
说明大型音频语言模型中的时间绑定机制研究
简介该论文借助机制可解释性方法，研究大型音频语言模型如何表示声音事件的时间信息并与事件绑定。研究在三个开源模型中发现，事件的位置信息集中在中间层的事件名称表示中，并沿低维弯曲的相对时间轨迹编码粗略位置。沿该轨迹调整这些表示会系统性地改变“先后”判断，但并不能可靠地改变预测的起始时间戳，表明粗略时间推理与精确定位依赖不同机制。
说明SIPO：面向树状智能体强化学习的选择性推断策略优化方法
简介该论文针对树状强化学习搜索智能体在自适应扩展时的统计偏差问题，指出已选分支的价值可能混入选择历史的影响。作者提出SIPO方法，通过尺度无关的分支准则、可交换分支与顺序统计量修正来进行信用估计。在七个问答基准上，基于Qwen3-8B的实验显示其多跳与单跳平均分优于对比方法，并在六个基准上排名第一。
说明区分个体增益与群体增益：为新用户校准脑电基础模型
简介该论文评估了三种冻结的脑电（EEG）基础模型（CBraMod、REVE、LaBraM）在235名未参与训练的受试者上的个性化适配效果，数据来自三个运动想象数据集。研究发现，个人适配器相比群体模型和交换的适配器都有提升，但这一收益随群体模型的训练规模增大而变小；少量标签校准的效果并不稳定。作者认为，个性化效果应同时与群体参考和交换参数比较，并考虑群体训练预算。
说明通过还是不通过？在两项希腊入学考试基准上评估大语言模型
简介本文提出Prot-Ex和Pan-Ex两个希腊语基准，题目分别来自希腊示范校和实验校入学考试以及全希腊大学入学考试，涵盖现代希腊语、数学、物理等学科。研究在多种纯文本大语言模型上进行评测，结果显示本地化的KriKri-8B明显优于其基础模型，并在语言要求较高的人文任务上可与大得多的模型相媲美。此外，研究还发现少样本提示在封闭题上有助于提高准确率，但在结构化任务中会使8B模型的上下文窗口过载，导致性能明显下降。
说明STRIDE：跨多种情境自动评估文本到轨迹的一致性
简介论文提出STRIDE框架，用于评估场景描述与行人轨迹之间的情境一致性，无需真实人类轨迹数据。框架基于社会学理论设计VRDST评估协议，把情境分解为可自适应的行为问题，并用确定性测量工具库给出可复现的答案。作者构建了STRIDE-Bench（含1K场景、6K问题、11K测量，覆盖30张真实地图），人工验证一致率为80%，并发现现有文本到轨迹模型的情境对齐能力有限。
说明InfiMed2：基于上下文证据与稳定性监督的通用医学多模态基础模型
简介该论文提出InfiMed2，一组4B和27B参数的通用医学多模态基础模型，围绕分阶段的数据设计构建。作者整理了55.68B词元的语料，并在持续预训练与后训练中分阶段调配数据。在监督微调阶段，通过答案稳定性等方法重新生成视觉问答回答，并对4B模型进行了可验证奖励的强化学习。论文报告在五个医学多模态基准上，InfiMed2-4B平均准确率为66.73%，InfiMed2-27B为73.72%。
说明用于资源受限设备的水下图像增强：物理引导的频谱蒸馏
简介论文提出一种物理引导的频谱蒸馏方法（PSD），用于在资源受限的水下机器人上实时运行水下图像增强模型。方法通过多级Haar离散小波变换，按频带分别迁移颜色光照与结构细节，并利用退化感知权重与可靠性掩码选择性保留教师模型的指导。实验在UIEB、LSUI和EUVP数据集上验证了其有效性，并在自研ROV上完成部署。
说明D²-VLA：面向长时程动态操作的双记忆双频率视觉-语言-动作模型
简介该论文提出D²-VLA模型，用于让机器人在移动物体操作中记住已不在视野内的视觉线索。模型在预训练视觉-语言-动作策略的KV缓存接口上结合双记忆与双频率控制，并提出十项任务的DOMINO-Long基准。在DOMINO、DOMINO-Long、真实机器人任务及LIBERO-Long、RoboTwin 2.0上，论文报告其成功率均高于对比方法。
说明投影双时间尺度随机逼近在马尔可夫噪声下的有限时间集中性与收敛速率
简介本文研究由受控马尔可夫链驱动、慢变量投影到紧凸多面体上的双时间尺度随机逼近算法的有限时间集中性与收敛速率。作者利用Skorokhod映射给出跟踪快变平衡点和投影慢动态的显式高概率界，并得到几乎必然收敛及在特定步长下的最后迭代收敛速率。文中还将结果应用于演员-评论家算法、投影TD(0)和投影随机梯度下降。
看点针对投影双时间尺度随机逼近与马尔可夫噪声，给出有限时间高概率界及显式收敛速率，并处理了边界不连续向量场，理论推进明确，证据为严格证明与应用示例。
说明面向时间序列基础模型的实例自适应提示作为上下文
简介该论文提出 PaCTS 方法，为冻结的时间序列基础模型生成一小组依据输入上下文的连续嵌入式提示，以替代较长的历史输入。提示由实例的全局统计量构建，并结合分段时序信息加以细化。实验显示，在较短输入下，其预测效果可超过使用双倍上下文的同一模型，且推理计算量显著降低，泛化能力也优于权重空间适配方法。
说明BEHAVE：基于功能行为建模的硬件设计与验证自我改进智能体
简介该论文提出BEHAVE框架，用可执行的功能行为模型描述硬件任务，不限定实现时序，供智能体在多轮交互中同时开发RTL设计与验证参考模型。作者发布了BEHAVE-Train与BEHAVE-Eval两个数据集，其中包含600组经人工审核的规格-行为对。实验显示，经自我改进后，Qwen3.8-27B在BEHAVE-Eval上的RTL pass@1由55.0%提升至75.0%，接近使用540个任务池的强化学习效果。
看点提出以功能行为模型替代逐周期比对的硬件设计验证框架，并设计自我改进流程，但依据摘要仅有一个主要实验结果，证据规模有限。
说明投影法线场：一种用于构建光滑无符号距离场的凸优化方法
简介本文提出投影法线场（PNF），仅依据点坐标即可估计双向法线，无需已知方向。方法将秩一投影子松弛为凸包，并通过局部切平面拟合、软 PCA 锚定和重叠正则化组成的凸优化求解全局法线场，再利用热扩散与泊松积分构建正则化的无符号距离场近似。实验显示其对邻域大小不敏感，在噪声、离群点及非流形交汇处表现具有竞争力。
说明TQTS-Bench：面向时序数据库自然语言查询的多语法基准测试
简介该论文提出TQTS-Bench，一个用于评估大语言模型把自然语言转换为时序数据库查询能力的多语法基准，包含6125组问答对，覆盖97个时序数据库、23种查询语法和22个应用领域。测试显示，表现最好的模型执行准确率为48.98%，人类为87.34%。作者认为差距主要来自查询语法不统一、对时间相关意图的误解以及模式链接错误。
看点首个面向时序数据库多语法text-to-query的基准，规模较大且经专家复核，但属于评测基准的常规扩展。
说明CoHuB：多人形机器人协作的仿真基准
简介该论文提出 CoHuB，一个在仿真中评估多台人形机器人协作的基准。它包含 10 项任务，其中 8 项为两台机器人协作、2 项为三台机器人协作，覆盖多种协作模式。作者通过多操作员 VR 遥操作收集了同步示范数据，每位操作员从第一人称视角控制一台机器人。实验显示，现有视觉运动策略在协调感知与控制方面仍面临较大挑战。
说明当视觉语言模型相信上下文：误导性语境下的场景文字识别评测
简介该论文提出SceneFaith基准，包含781张生成的场景图片，用于检验视觉语言模型识读场景文字时是否会被周围语境误导。模型输出被分为字面转录、按语境改写和其他三类。测试15个模型发现，即使在清晰图片上，所有模型都存在改写现象，比例在8.45%到58.51%之间。
说明道路级交通事故预测的复现失败与简单基线对比
简介该论文重新搭建了一个不确定性感知图神经网络模型的数据流程，在伦敦三个行政区、扩展窗口协议下检验了其11项设计决策，仅4项在第二个行政区复现成立。论文还将两种网络与按历史事故累计次数排序的无参数基线比较，发现在相同历史长度下，所提模型与该基线统计上无显著差异，而参考架构在18个留出窗口上均不及该基线。作者认为，图网络相对历史基线的优势在很大程度上源于基线计算时历史期过短，并建议采用历史期匹配的基线和多随机种子报告。
说明大语言模型在临床医学中的应用：近期趋势与展望
简介本文梳理了近年来关于大语言模型（LLM）在医学研究和临床实践中应用的讨论与文章。文章指出，与针对特定任务的传统深度学习方法相比，大语言模型在处理现有数据时能力更广、更灵活。同时，文章也讨论了其可靠性、准确性、透明度、安全性及在医疗场景中的适当角色等问题，并兼顾机遇与实施挑战。
说明面向 EvalLLM 2026 的页面感知检索增强生成：针对法语 PDF 的五变体研究
简介本文研究针对法语 PDF 文档提问的检索增强生成（RAG）系统，同时评估答案及其所依据的文档页面。作者在 BM25 基线上加入稠密检索、排序融合、重排序和查询分解等五种变体。在 595 个挑战题上，完整系统的 MRR@10 为 0.4450，Recall@10 为 0.4013，高于 BM25 的 0.3430 和 0.2994。结论认为，在此场景中，准确选出页面比单纯的语义检索更值得改进。
说明在令牌确定之前：扩散式视觉语言模型视觉幻觉的轨迹级基准测试
简介本文提出DynaHall，一个基于轨迹的视觉幻觉基准，覆盖物体存在、计数、属性和关系等二元视觉命题，并记录扩散模型每一步解码的中间答案倾向。研究发现，在五个扩散视觉语言模型中，不受支持的答案在答案位置仍被掩码时已是首选状态，后续步骤很少将其逆转。作者还提出PGS方法，在确定前编辑掩码状态以减少误判，并在不降低通用能力的前提下迁移到另一架构。
看点提出轨迹级幻觉评测与提交前干预，发现幻觉在提交前已稳定，并跨五个模型验证，证据较充分。
说明模型内部表征何时有用：表征工程在大模型安全中的作用探讨
简介本文对比了行为对齐方法（DPO）与表征工程方法在大模型安全控制和安全监测上的表现。结果显示，DPO总体控制效果最强，但良性微调后安全性可能下降；表征引导在低数据场景下较有竞争力。在监测方面，专用文本监测器检测准确率最高，表征探针则以更低的边际成本保持竞争力。作者认为表征工程不能全面取代行为安全手段，但在特定条件下有实用优势并可提供互补的安全收益。
说明面向遵循指令的泰英机器翻译的参考译文驱动数据筛选
简介该论文针对指令遵循型机器翻译中规则遵守与译文质量之间的权衡，提出两阶段的数据构建流程：先用指令遵循难度评分筛选英泰平行语料中的高难度可学习样本，再从满足约束的参考译文中提取约束并只保留完全符合的生成结果，构建了约197万条记录的数据集。基于该数据微调的ChindaMT系列模型在多个规模上与同规模基线相比表现更优或持平，并在对比评测中取得最高68.4%的胜率。
说明LongPuzzleBench：评估GUI智能体的长程视觉解谜能力
简介该论文提出LongPuzzleBench基准，包含六款解谜游戏共114个关卡，要求智能体通过原生GUI操作完成。研究发现，通用智能体在较难、较长的关卡上成功率大幅下降，且代码执行类智能体也未能弥补这一差距。作者认为，失败的主要原因是智能体只根据眼前可见的进展判断每一步，而没有考虑这一步会对未来可选操作造成的影响。
说明VehicleArena：面向多智能体驾驶的逼真城市环境
简介该论文提出 VehicleArena，一个三维城市驾驶基准，用于研究在共享动态环境中各自独立运行的智能体。由大模型控制的车辆需要在复杂交通中完成不断变化的乘客请求，且每辆车的驾驶决策都会影响周围车辆的交通流、延误、风险与后续观测。基准共包含 112 个单智能体与多智能体任务。
说明超越重建损失的训练后量化：面向大型视觉-语言模型的平衡拟合方法
简介大型视觉-语言模型的训练后量化通常在小规模校准集上进行，但需要泛化到多种下游任务。本文提出平衡拟合（Balanced Fitting）框架，通过衡量各层及各组件（权重、视觉激活、文本激活）的量化效应，对敏感组件进行精细拟合，对其他部分采用较粗的拟合以利用可能的正则化收益。多个模型上的实验显示，该方法在仅权重量化和权重-激活量化下均优于以往方法，且较低的重建损失并不必然带来更好的下游表现。
说明KT-EGO：一种用于高维昂贵黑箱问题的知识迁移辅助高效全局优化算法
简介许多工程问题需要在高维、评估代价高昂的黑箱设计空间中寻优。该论文提出KT-EGO算法，将原设计空间划分为若干低维子空间，并通过基于代理模型的数据融合策略利用子空间信息加速全局优化，同时采用自适应变量范围的搜索策略强化对有潜力区域的开发。在12个基准函数和一个28维压气机叶片设计问题上，该算法与现有先进算法进行了比较。
说明WeaveData：具备自我审查与计划自我演化能力的多模态数据分析系统
简介该论文提出 WeaveData，一个用自然语言回答关系表格、文本和图像问题的多模态数据分析系统。系统会在执行前逐步审查大模型生成的逻辑计划，执行后检查结果是否回答了问题；计划失败或偏离问题时，会依据实际数据诊断并修正，同时积累规划经验。论文在两个公开多模态数据集上进行了演示。
说明PanoVLN：迈向有效的全景视觉语言导航
简介该论文研究基于全景图像的视觉语言导航（VLN），即模型依据视觉观测和语言指令预测导航动作。作者提出 PanoVLN，通过改进动作预测（置信度引导执行策略）、训练路线设计和全景语义与几何特征融合来利用更宽的视野。在 R2R-CE 和 RxR-CE Val-Unseen 上，成功率分别比此前最佳方法高出 11.9% 和 8.7%，四足机器人实机实验也显示导航更快、停顿更少。
说明在对角线性网络中从预训练初始化微调的统计优势
简介该论文以稀疏线性回归和双层对角线性网络为模型，研究从预训练权重出发的微调为何有效。预训练信息通过初始化预测器的支持集（及符号）体现，可以改变隐式偏置和训练动态。在初始化干净且符号正确继承的情况下，所需样本量与显式利用预训练支持集的加权Lasso估计器相当，从而减少恢复下游任务参数所需的数据量。
说明Draft-KV：学习语言模型之间有效的潜在通信
简介该论文研究语言模型之间通过内部状态而非解码文本进行通信的方法。作者发现，接收方准确率提升并不代表它真正利用了消息内容。提出的Draft-KV方法发送发言方起草答案时形成的键值状态，两个模型均保持冻结，接口仅训练1.05M参数。实验显示，接收方在MMLU-Redux上准确率由37.45%提升至78.04%，且通信效果可迁移到未见过的任务。
看点提出以草稿KV状态替代文本的潜在通信接口，并用错配消息检验接收方是否真正利用内容，证据充分，对子领域有实质影响。
说明一个带完备性保证的基于概念的可解释人工智能统一框架
简介该论文提出一个理论框架，用共同的数学语言描述基于概念的神经网络解释方法。概念发现被视为一个概念自编码器：编码器从模型潜在空间提取概念表示，解码器用其重建原始表示。作者证明，概念对模型输出的不完备程度可由重建误差界定，并给出概念归因之和与模型预测的关系及偏差上界。
说明CoDrive：面向协同驾驶、跨车辆世界一致的带精确轨迹控制的视频生成
简介现有驾驶世界模型大多只从单车视角生成画面，简单地扩展到多车并不能保证各车看到的是同一个一致的世界。本文提出CoDrive框架，可联合生成共享同一动态场景的多辆车的多视角视频，并精确控制相机轨迹。该方法在共享的世界坐标系中表示所有相机轨迹，并通过投影相对位置编码注入注意力层；同时采用混合任务训练，结合真实单车数据与合成的跨车交互数据。作者还提出了CoDrive-Bench评测基准，实验表明CoDrive提升了轨迹可控性和跨车几何与实例一致性，同时保持了有竞争力的视觉质量。
说明无痛更多收获：面向多教师在线策略蒸馏的迭代合并方法
简介论文研究多教师在线策略蒸馏（MOPD），即把多个领域教师模型的预测蒸馏到一个学生模型上。作者发现，当教师共享参考模型但后训练流程不同时，MOPD 有时难以恢复部分教师能力，且初始化效果不能仅由初始基准表现判断。作者提出迭代合并方法 IM-MOPD，从均匀合并开始，在蒸馏过程中逐步为恢复不足的领域加入任务向量增量。在 5 个领域的实验中，该方法的平均归一化恢复率高于使用均匀合并或 SFT 预热初始化的 MOPD。
说明情绪概念能否跨来源、模态和架构泛化？视觉语言模型中的研究
简介本文研究视觉语言模型（VLM）内部是否以相似方式编码情绪概念。作者构建了跨模态情绪刺激数据集CMES，包含情绪故事、真实面部表情、合成肖像和合成情绪场景，并从三个模型中提取六种Ekman基本情绪向量。结果显示，图像与文本得到的情绪向量几何结构相似，跨模态与跨架构对应关系在一定程度上依然存在，且可构建共享的情绪子空间。
说明用于列生成的预测式双重平滑方法
简介本文研究大规模线性规划中的列生成算法。原有双重平滑方法用过去的对偶解稳定迭代，但未必能引导定价子问题找到有用的新变量。作者提出预测式双重平滑，将当前对偶解与离线训练的未来对偶预测结合，仅修改定价子问题的目标函数，并以精确的检验与回退机制保证正确性。在下料和广义指派问题上的实验显示，该方法相比标准列生成及已有的经典与学习型稳定化方法，减少了生成列数和运行时间。
说明超越词元对齐：面向跨分词器同策略蒸馏的事件补全方法（ESCD）
简介该论文研究语言模型之间的知识蒸馏，重点处理学生模型与教师模型分词器不同时，一个教师词元需由多个学生词元生成的中间状态。作者提出事件集补全蒸馏（ESCD），汇总与前缀相关的教师事件，监督所有字节兼容的单步补全的总概率。实验报告在数学、代码和科学推理任务上有稳定提升，并扩展到从1T教师到35B学生的大规模MoE蒸馏。
说明SeLMRoute：用于大语言模型路由的概率语义证据
简介该论文提出SeLMRoute框架，为大语言模型路由先提取与候选模型无关的语义证据，例如查询的推理需求和对外部知识的依赖，每项判断以概率分布保存，再由轻量监督路由器估计各候选模型的表现。在LLMRouterBench上，其平均准确率为72.08%±0.45，分组五折外样本评估为72.64%，高于最强固定候选模型的69.23%。
看点将候选无关的概率语义证据与性能估计、部署目标解耦，在11481条查询上做分组交叉验证并优于最强固定候选，新意属于有实质改进的组合。
说明从人类叙事到和声结构：通过和弦轮图对算法音乐生成的以人为本研究
简介本文研究六首叙事性流行歌曲（Bob Dylan、Johnny Cash、Ritchie Valens），将人类原创和声与一个可解释的计算和声生成器在相同旋律上的输出进行比较。作者借助和弦轮图与基于BPMN的表示，考察和声词汇、功能持续性、重复、非调内事件及张力解决模式。结果显示，旋律与和弦的高度兼容并不必然保留原作的和声决策模式；论文提出以叙事为条件的和声结构作为计算音乐分析的补充视角。
说明SurgGMF：面向预判式手术场景渲染的全因果高斯运动预测
简介本文提出 SurgGMF 框架，用于预测手术场景中可变形结构的未来状态。该方法不直接预测未来图像，而是基于历史高斯运动场预测未来高斯的位置、尺度和旋转变化，并通过全因果渲染协议避免目标帧信息泄露。在 12 个 EndoNeRF 和 StereoMIS 视频片段上，学习型预测方法在渲染空间中优于经典动力学基线；延迟分析显示 TKAN 精度最高，而 GRU 和 LSTM 的模块级延迟更低。
说明视觉生成模型需要教师提供什么：重新思考表征对齐
简介扩散 Transformer 训练中的表征对齐，通常让学生模型中间层去逼近冻结的预训练编码器特征，但应对齐教师的哪一层、对齐多久，目前仍依惯例而定。本文提出可恢复性差距指标，衡量未对齐学生能恢复教师各层增量的程度；基于此的 RARE 方法在 SiT-B/2、ImageNet 256×256 上取得 FID 18.02（无引导）和 4.46（有引导）的结果，并比 iREPA 少用约 14% 的 GPU 小时。
说明马尔可夫数据下下一词元预测的信息论分析：探讨上下文长度、时间依赖与泛化的关系
简介本文提出一套信息论框架，用于分析时间相关数据下下一词元预测模型的泛化能力。作者以互信息刻画算法依赖，以混合性刻画时间依赖，并推导交叉熵损失下的期望泛化界，还通过率失真形式扩展到连续假设空间。实验基于TinyStories和ETTh2数据集，显示更长上下文会更多降低训练损失，从而扩大泛化差距；ETTh2分析还指出约24小时的有效预测记忆尺度。
说明图神经网络中的边级自同构：量化框架与链接预测的有效设计
简介本文针对图神经网络在链接预测中因自同构节点被映射为相同表示而表达能力受限的问题，提出了边自同构比率（EAR）这一量化指标，用于衡量模型区分图中不同链接的能力，并称该指标与预测性能有较强相关性。作者据此设计了边轨道等变图神经网络（EO-GNN），通过自同构感知的dropout和子图轨道偏置聚合两项设计，在保持等变性的同时缓解该问题。在合成图和真实图上的实验显示，在高自同构场景下预测效果分别最高提升42.36%和28.44%。
说明动态流、静态图：移动端NPU上面向高效大模型推理的KV缓存复用
简介该论文针对手机等移动端NPU上运行大语言模型的场景，指出为云端GPU设计的KV缓存方案不适用于静态编译的计算图和受限的内存与I/O带宽。作者提出计算与存储协同设计，包括在静态NPU图中实现选择性重计算、优化分块合并的调度器、分层KV管理器以及重叠数据搬运与计算的流水线。实验显示，与不复用及仅前缀缓存相比，首词元延迟（TTFT）降低40%至60%。
说明几何作为地址：将注意力路由到视觉记忆，用于长时程相机可控视频生成
简介该论文针对长时程相机可控视频生成，提出GEAR框架，用几何信息作为视觉记忆的token级地址，而不是构建全局三维表示，以避免几何误差累积。其中几何对应注意力（GCA）在去噪时把匹配的历史特征注入目标区域，另设不可见八叉树以剔除被遮挡的错误对应。实验称其在视觉质量、相机控制和重访一致性上达到领先水平，并能生成分钟级视频。
说明DBCF：融合两个基础模型以实现通用深度伪造检测
简介该论文针对人脸伪造检测在跨领域和未见篡改方式下泛化能力不足的问题，提出一个双分支互补融合框架。它用基于CLIP的全局语义分支捕捉整体语义线索，用基于DINOv3的细粒度分支捕捉局部结构异常，并设计特征融合模块以参数高效方式适配冻结的基础模型。作者称该方法在多个基准上，尤其是跨数据集和跨篡改方式设置下，表现出较强性能。
说明质量决定强化方向，长度只调节幅度：开放式强化学习中的长度控制（QGLAS）
简介该论文研究强化学习让语言模型回答变长、降低token效率的问题，提出质量门控长度优势调整方法（QGLAS）：先仅依据质量奖励计算优势，再只对质量优势为正且较短的回答加上有界奖励，同时根据组内质量差距调节奖励强度。论文称，在多个模型、基准和奖励来源上，该方法在约30%压缩率下保留了质量收益的98.4%至102.0%，而基线方法为68.3%至75.5%。
说明ReMCTS：用于代码生成的反思增强蒙特卡洛树搜索
简介本文提出ReMCTS框架，用类似蒙特卡洛树搜索的方式，结合执行反馈、记忆和大语言模型来生成函数级代码。它将候选程序组织为树状状态，保留分支内的调试上下文，并跨分支检索失败经验。在HumanEval和MBPP-Sanitized上，该方法在10组模型与数据集组合中的8组优于直接生成。另有一个30题的HumanEval-X C++小规模试验，表明其可与编译器执行配合，但并非广泛的多语言评估。
说明从像素生成到拓扑推断：面向可信跨物理域骨小梁形态学习的结构对偶超分辨率方法
简介临床CT和超高分辨率CT无法分辨单根骨小梁，而同步辐射显微CT分辨率更高但不能用于活体成像。论文提出结构对偶超分辨率网络SDN，把任务从像素生成转为由低分辨率输入确定性推断不变的微结构，并以形态学参数评估效果。该模型在测试集上六项形态学指标与同步辐射显微CT基本一致，SSIM达到0.8，并能从3.2微米数据泛化到独立来源的3.25微米数据。
