机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明先学、即用、后信：面向LLM智能体的序贯式测试时学习（StepLearn）
简介该论文针对大语言模型智能体在部署时如何从新经验中学习的问题，提出了非参数框架StepLearn。它把信息量较大的单步交互转化为可即时指导下一步决策的假设，但只有经过后续跨回合观察验证、支持充分的假设才会被持久保留。论文在WebArena-Lite和ALFWorld上进行了五轮实验，在多个设置中优于基线方法EvoTest，且模型参数保持不变。
说明APOLO：面向本体学习的自动提示优化方法
简介本文提出APOLO方法，将从文本中学习本体（OL）的问题转化为对大语言模型模块的显式提示优化问题。研究利用多智能体系统从专家编纂的本体生成文本-本体配对训练数据，并设计了贪心型与自回归型两种本体学习器，借助基于DSPy的GEPA进行优化。在生物医学本体DOID和植物本体PO上的实验表明，优化后性能在几乎所有模型与模式组合中均有提升，其中自回归学习器增益最大。
说明TSGate：面向扩散 Transformer 的时间步感知门控注意力
简介扩散 Transformer（DiT）是高保真图像和视频生成的主流架构。论文发现，面对用户自由撰写的非训练分布提示词时，生成质量会明显下降，并与注意力沉积（attention sink）及早期步骤图像到文本注意力减弱有关。作者提出 TSGate，在门控信号中加入时间步条件偏置，使门控随去噪步骤自适应变化。实验显示其在多个基准上优于基线和标准门控注意力，原始提示词下的 DPG 分数比基线提升 9.5%。
说明浅层查询，成熟数值：面向循环 Transformer 的深度异步自推测解码（DAS）
简介循环 Transformer 在多个递归深度复用同一模块，自回归解码成本高。本文发现查询和键比数值更早接近最终深度的表示，并提出深度异步自推测方法 DAS，使浅层草稿计算可读取全深度前缀数值，并进一步提出 DAS-Wave。在四个循环模型检查点及数学与代码任务上，DAS-Wave 相比同推理环境下的全深度自回归解码，平均吞吐量提升 4.00 至 6.96 倍。
说明科学推理的马拉松：科学智能体在多轮交互扰动下的稳健性
简介论文提出了SciARP基准，用于评估基于大语言模型的科学智能体在多轮解题过程中遇到合理科学扰动时的稳健性。该基准将620个科学问题转化为3至13轮的相互依赖任务，并定义了13类扰动。实验覆盖四个模型系列的八个大语言模型，结果显示当前科学智能体在扰动下仍不够稳健，错误常未被察觉、会持续传播且难以恢复。
说明无代码的论文：*CL 论文所链接 GitHub 仓库的可用性研究
简介该短文考察了计算语言学期刊（CL）及 ACL 等会议近十年论文中所链接的 GitHub 代码与数据仓库是否仍然可用。结果出人意料：较新的 ACL 论文链接仓库的不可用比例与早期论文相近，部分原因是空仓库和占位仓库增多。其他 *CL 会议呈现类似趋势，但其他平台则没有此现象。
说明基于提示词分歧的偏好引导开放词汇语义分割自适应方法
简介该论文针对开放词汇语义分割模型在医学影像、遥感、工业检测等专业领域性能下降的问题，提出一种偏好引导的自适应框架，用二元偏好代替逐像素掩码标注。作者发现不同提示模板对同一图像会产生系统性不同的分割结果，并将这种“提示分歧”作为偏好监督来源，从高跨模板不确定性区域挖掘局部偏好查询，结合区域局部偏好优化与一致性正则化进行适配。论文称在MESS基准上，该方法在多种骨干模型上取得稳定提升，且无需任何像素级标注，噪声偏好下仍有效。
说明RRG-SLAM：面向室内场景、可感知反射的实时高斯SLAM
简介本文提出首个面向室内场景、可实时处理反射的高斯SLAM系统，用TSDF与高斯混合表示把漫反射外观与反射分量分开建模。系统通过三阶段渲染生成基础图像与反射图像并合成最终输出，并利用几何、语义和时序线索识别反射平面、在线重建。实验表明，该方法在有反射的室内环境中，重建质量、跟踪鲁棒性和新视角渲染均优于现有SLAM系统，同时保持实时性能。
说明PairPref：何时应让记忆指导回答？一个关于情境化偏好运用的基准
简介该论文提出 PairPref 基准，用于测试带记忆的助手是否能判断用户偏好在何种情境下适用。每组配对只改变情境，偏好与请求保持不变。在选择任务中，模型需从四个候选回复中选出只在合适情境下运用偏好的回复；在自由生成任务中，模型需自行判断是否运用偏好。结果显示，模型在两种情境下都会运用偏好，自由生成时两种回复都合适的比例仅为 3.6% 至 18.3%。
说明SAGE：面向混合专家扩散模型中无分类器引导的子空间对齐方法
简介论文指出，采用混合专家路由的扩散 Transformer 在无分类器引导（CFG）中，有条件与无条件两支的激活落在不同子空间，导致过高引导尺度下生成崩溃。作者提出 SAGE，一种训练时正则化方法，将无条件分支的专家激活对齐到有条件子空间，且不限制路由多样性、推理时无额外开销。论文称玩具实验中极端偏移被抑制9.2倍，在10亿参数文生图模型上 DPG-Bench 峰值提升9.3%。
说明证据先于准确率：基于MRI-PET融合网络的阿尔茨海默病分类与因果区域验证
简介论文提出一个融合T1 MRI与FDG PET的深度网络，用于阿尔茨海默病分类，基于ADNI的554名配对受试者训练。模型AUC为0.962、准确率0.909、F1为0.891。作者还通过捷径对照、区域消融和归因方法，检验模型结论是否依赖与阿尔茨海默病相关的脑区，结果显示海马区证据主要来自MRI，后扣带回证据主要来自PET。
说明EOPSA：高效的同策略自蒸馏安全对齐方法（一种让大模型更安全的训练技术）
简介该论文针对同策略自蒸馏（OPSD）用于模型安全对齐时的低效问题，指出生成过长时教师模型的纠正效果下降，以及安全无关的风格差异稀释了安全信号两大瓶颈。作者提出EOPSA方法，通过自适应生成长度调度和选择性蒸馏，把计算与梯度集中在安全关键的词元上。论文称在最高32B参数的推理模型上，该方法使生成计算量减少约50%，仅对约2%的词元反向传播，且在安全合规与推理能力保持方面优于全词元蒸馏基线。
说明XFlow：用于胸部X光病灶分割的指令引导工作流模型
简介本文提出XFlow，一种面向胸部X光片指令引导病灶分割任务的工作流模型。它模仿放射科医生由粗到细的判读过程，先定位肺部和病灶框，再用多轮点提示修正轮廓。实验显示，XFlow在内部与外部评估中分割质量最佳，并在相同标注训练下超过ROSALIA。
说明HALO：借助超球面潜变量与掩码自回归模型提升时间序列生成
简介现有时间序列生成方法多先离散化潜表示再做自回归预测，离散化会丢失信息，自回归又易累积误差。HALO 改为在连续潜空间中进行生成，先用超球面 VAE 将潜变量约束在固定半径的球壳上以稳定数值，再用掩码自回归模型平衡并行解码与时序相关性建模。论文称其生成性能达到当前最优，同时推理效率明显优于现有先进基线。
说明低置信度重掩码会限制灵活性：释放扩散语言模型中任意顺序生成的多样性潜力
简介本文研究掩码扩散语言模型在任意顺序生成时输出多样性下降的原因，指出主要来自常用的低置信度重掩码（LCR）解码规则，而非任意顺序生成本身。作者提出以最高概率位置选择（TPP）替代LCR以恢复多样性，并进一步提出熵引导初始化（EGI）方法，使多样性和解覆盖率超过从左到右解码。
说明KiT：基于扩散Transformer的金融K线时间序列预测基础模型
简介该论文提出KiT，一种面向K线数据的扩散Transformer基础模型，将未来预测转化为基于流匹配的条件路径生成，从历史窗口生成多条可能的未来OHLCV轨迹。模型在数十亿根K线上进行多规模预训练，覆盖三个市场和七种时间分辨率。论文报告其平均收益RankIC为0.057，平均波动率RankIC为0.66，在各时间尺度上均优于特定金融预测模型和通用时间序列基础模型。
说明模型的不确定性能否反映人类的模糊感？基于多标注者视觉基准的证据
简介该研究用 FER+ 和 CIFAR-10H 两个视觉数据集（每张图像有多位人工标注）检验模型的不确定性是否与人类分歧一致。研究评估了三类架构下的八个预训练模型，发现二者对应程度较弱。在 CIFAR-10H 的 50.4% 和 FER+ 的 33.5% 图像上，人类给出多个有效分类，而模型却只收敛到一个结果。因此，模型的不确定性不宜在高风险决策中默认被视为可靠信号。
说明面向类增量学习的分布条件任务路由：一种无需重训练的推理时校准方法
简介论文研究参数高效类增量学习中的任务路由问题，即在不知道输入所属任务的情况下，对所有已见类别进行分类。作者指出路由误差来自特征、任务与类别三个层面的错配，并提出特征分布校准方法（FDC），包括任务子空间过滤、残差似然校准与原型亲和度校准三个组件。实验显示该方法可即插即用于八种参数高效方法，在五个基准上平均提升最终准确率约4.4个百分点。
说明SubjectAnchor：面向多镜头叙事的主体感知记忆到视频生成方法
简介该论文提出SubjectAnchor，一种主体感知的记忆到视频生成范式，用于多镜头故事生成。方法以前序镜头提取的显式视觉记忆为条件生成当前镜头，并通过主体相关记忆构建、主体感知时间旋转位置编码和记忆感知注意力划分三个组件实现。实验表明，相比代表性的基于记忆和整体式基线方法，该方法提升了跨镜头的主体身份一致性，同时保持了有竞争力的视觉质量。
说明在优化之前能否判断攻击难度？针对行人消失攻击的优化前难度研究
简介该论文研究针对目标检测器的对抗攻击，探讨能否在优化开始前估计不同输入图像的攻击难度。作者提出基于二次近似的几何估计器 Quad-CLEVER，实验显示其与实际优化成本相关。在此基础上提出难度感知攻击框架，按估计难度分配优化预算，在 BDD100K 与 EventPed 数据集上提升或保持攻击效果并减少优化迭代次数。
说明基于图神经网络、可扩展的知识图谱表示学习方法（高效消息传递）
简介图神经网络在知识图谱的链接预测、实体分类等任务上表现突出，但其消息传递计算开销大，限制了在大型知识图谱上的应用。现有的子图采样等优化方法依赖具体任务和模型，且不能可靠地保证无损的运行时间或空间缩减。本文将原本用于无损降低组合式消息传递空间复杂度的关系稀疏矩阵乘法（RSPMM）扩展到更具表达力的函数，如2x2分块对角矩阵乘法、Givens旋转和循环相关。作者称，该方法可与任务无关地显著降低现有图神经网络的运行时间和空间开销，并以较低计算成本在困难的知识图谱任务上保持接近最优的性能。
说明QAMM：用于少步离线强化学习的伴随 MeanFlow 匹配方法
简介这篇论文提出 QAMM 方法，用 Critic 的动作梯度作为监督信号，训练 MeanFlow 的平均速度，使流策略能直接学习有限区间的传输并用少量网络调用生成动作。作者在十个 HumanoidMaze 任务上进行了测试，结果显示两次调用即可得到有效策略，并与强流策略基线相比具有竞争力。
说明MASTraceBench：通过提案轨迹诊断基于大模型的多智能体系统协作收益
简介该论文提出 MASTraceBench，一个用于评估多智能体系统的基准，通过追踪智能体提案的演变过程，诊断协作收益的产生、保留与丢失。研究发现，最终答案很少超过最强的初始提案，较弱提案在交互中会被拉向其水平，而较强提案则很少被进一步改进甚至可能退步。作者因此提出 CLEARS 方法，以跨智能体的主张级评估取代整体提案交换，在六项任务中的五项取得最高协作收益。
说明ConCAD：基于双粒度奖励的约束感知图像到CAD生成方法
简介该论文提出ConCAD框架，用于从参考物体图像生成可执行的参数化CAD程序，并通过GRPO优化，结合代码级约束奖励与执行级几何奖励。作者还提出B-rep几何约束满足率（G-CSR）指标，用于评估设计意图的恢复。在DeepCAD和Zero2CAD数据集上，该方法在IoU和Chamfer Distance上优于对比基线，G-CSR也更高。
说明LLN：用于参数高效长时程动力学预测的可学习透镜网络
简介该论文提出可学习透镜网络（LLN），用可学习的光学式传输替代常见的特征空间残差累加，在增广的位置-角度相空间中交替进行自由传播与可学习透镜变换。作者从理论上证明了该传输结构可逆且保体积，逐坐标高斯传输还满足辛性，同时保持通用逼近能力。实验显示，在多种动力学系统上，LLN 以明显更少的参数改善了长时程预测。
说明PowerBench：电力系统中智能体检索与推理的基准测试
简介该论文提出了PowerBench，一个用于评估大语言模型智能体在电力系统场景中自主检索证据和推理能力的基准。由于真实运行数据保密，研究者通过生成框架构建了包含761台设备、1335万条小时级遥测记录和24,939份运行文档的合成数据集，并设计了300道题目。测试结果显示，表现最好的模型联合准确率为74.2%，说明这些任务仍具挑战性。
说明M3OS：基于蒙特卡洛图搜索的多智能体大模型分子优化系统，可追溯证据
简介论文提出 M3OS，一个多智能体大语言模型系统，用蒙特卡洛图搜索把分子设计推理与优化状态管理分开。系统用持久图记录候选分子、母子变换关系和评估证据，并结合奖励与访问统计辅助选择母本。在三个分子优化基准上，M3OS 的成功率高于基线方法。
说明感知计算的决策价值：升级感知模式未必提升决策效果
简介该论文研究自适应感知中，把输入从低成本感知模式升级到高成本模式所带来的下游决策损失变化。作者提出DEEP基准，在选择、延迟和能耗预算下评估预升级分配策略，并在KITTI、nuScenes和nuPlan上测试。结果显示，相当一部分升级会使下游损失变差，且感知层面的增益与决策价值常常方向不一致。
说明HPMD：用于行级标注词检索的历史波斯语手稿数据集
简介本文介绍了HPMD，一个包含223页、3,678行、37,631个词的历史波斯语手稿数据集，标注涵盖区域、行和文本层面。作者提出了一种仅用行级标注训练、却能输出词级位置的基线方法，通过字符后验矩阵进行查询匹配。在测试集上，该方法的词检索F1从0.487提升到0.558，优于基于PHOC的对比方法。
说明数据较少时小模型教师更有优势：重新思考知识蒸馏中的教师容量与数据选择
简介本文研究知识蒸馏中教师模型容量与训练数据量的关系，发现数据有限时较小的教师模型可能优于较大的教师。作者将教师监督拆分为类别排序与分数几何两部分进行分析，并据此提出DVA方法，用小教师模型作为代理进行难度过滤与关系多样性选择，无需训练动态统计即可优于无训练动态的基线方法。
说明FlexLoop：用于深度强化学习中自适应测试时计算的深度弹性循环策略
简介本文提出FlexLoop，一种后训练框架，可将预训练的固定深度循环策略转化为深度弹性策略。作者发现，原有循环策略的可靠决策集中在接近完整训练深度处，导致部署时计算量难以降低。FlexLoop在保持原始强化学习目标训练的同时，通过相邻深度策略蒸馏，将决策质量从较深的循环步逐步迁移到较浅的循环步。在30个长时程目标条件环境的实验中，它在保持完整深度性能的同时，将平均循环深度最多降低43%，压力测试中实现最高1.34倍的墙钟加速。
说明PACER：在临床信息不完整条件下用于放射报告生成的渐进式可用性条件证据路由
简介该论文提出PACER框架，用于在输入临床证据（如多视角X光片、既往报告）不完整时生成放射学报告。方法按照精炼、校准、提交三步进行：先精炼视觉表征，再根据可用证据校准语言模型前缀，最后在报告前生成结构化的临床判断。作者称其在MIMIC-RG4的四种设置和MIMIC-CXR上取得了临床效果方面的领先结果。
说明ARS：用于机器人学习的代理式奖励系统，借助通用视觉语言模型估计任务进度
简介论文提出代理式奖励系统（ARS），无需额外训练奖励模型，而是用通用视觉语言模型对机器人离线轨迹做任务进度估计：子代理提出任务相关事件时间线，主代理验证修订后逐帧估计进度。在受控语义不匹配基准和仿真、真实机器人策略学习中，ARS比若干基线更能抑制错误进度。作者称结构化推理与验证可提升通用视觉语言模型在机器人奖励建模中的实用性。
说明CARDAMOM：面向自动语音识别的阿拉伯语次方言语音数据集
简介本文提出 CARDAMOM，一个用于阿拉伯语自动语音识别（ASR）细粒度评估与适配的次方言语音数据集。数据约 40 小时，来自 YouTube 转录语音，涵盖埃及、约旦、黎巴嫩、毛里塔尼亚、巴勒斯坦和沙特阿拉伯的 21 种次方言，并标注了方言标签、语码转换和说话者感知性别。作者还比较了四个多语种 ASR 系统在零样本和适配设置下的表现：最佳零样本系统整体词错误率为 43.47%，适配后降至 35.21%。
说明当图像能决定答案时？跨图表与场景的视觉可回答性基准测试
简介这篇论文提出一个基准，用于检验视觉问答模型在证据充分时能否给出正确答案、证据不足时能否拒绝作答。基准涵盖 PlotQA 图表、CLEVR 渲染场景与 GQA 照片，每个问题配有原图与编辑后的图像。在六种模型配置的 72,000 条回答中，完整任务成功率最高分别为 57.0%、43.5% 和 33.7%；即使判断准确率很高，仍存在答案错误的情况。
说明SentZero：面向多任务零样本胸片分析的增强型以句子为中心的视觉-语言预训练方法
简介该论文提出SentZero框架，用于胸部X光片的零样本多任务分析。它利用大语言模型对报告进行摘要级句子结构化与映射，扩大正样本对的多样性，并加入额外损失项以减少对比学习中的假负例；同时引入句子条件的视觉特征残差调制。作者称，在多个下游任务和数据集上，SentZero提升了零样本泛化能力，优于以往的多任务零样本方法。
说明在保留领域激活图谱上实现输入条件化的可塑性：学习此处，少动他处
简介论文提出 ATLAS 方法，用保留领域的激活表示构建依赖输入的任务适应规则，在学习新任务时减少对已有回答的改写。实验基于 Qwen3-8B 等五种骨干模型，在编程任务上取得提升，同时保留领域输出的 KL 散度低于七种已发表基线。
说明因果路由遗忘：让大模型只抑制特定概念所在的神经元
简介该论文提出因果路由遗忘方法（CRU），用于让大语言模型遗忘特定内容。方法先通过一次无训练的前向传播，找出与待遗忘数据激活变化相关的神经元，再用小型路由模块只抑制这些神经元，基础模型保持冻结。作者报告其参数量约为基础模型的0.01%，在TOFU和RWKU基准上取得了优于对比基线的遗忘与效用平衡结果。
说明VL-AcneSeg：一种面向区域感知的痤疮病灶分割视觉-语言框架
简介痤疮评估对临床决策很重要，但传统的分级和计数方法主观，且未考虑病灶大小。本文提出VL-AcneSeg，利用CLIP和区域级文本提示引入空间先验，实现全脸范围的病灶定位。在内部临床数据集上，该方法在仅使用全局提示的设定下取得0.5082的Dice分数，并能基于分割结果估算病灶面积，其与IGA评分的相关性（r=0.719）接近专家标注（r=0.658）。
说明可交互世界中的精确编辑与灵活参考
简介EditWorld 是一种视频世界模型，允许用户在生成的可交互世界中精确修改内容并灵活使用参考图像。它在自回归生成过程中流式输入编辑指令和参考图像，并引入门控因果注意力与稀疏上下文机制。在作者提出的 WBench-Editing 评测中，其总分为 73.8，编辑分数为 80.0，编辑相关指标明显优于现有方法。
说明《最后一公里是文件本身：OfficeEditBench 用于保留感知的办公文档编辑基准》
简介论文提出 OfficeEditBench，一个包含 170 个任务的基准，用于测试对电子表格、演示文稿和文档做小范围修改时的维护能力。它既要求完成所有必要更新，也要求不改动受保护内容。对 WorkBuddy、豆包和 Codex 的 510 个存档结果分析显示，文件可交付率为 92% 至 100%，但没有任何选定输出满足完整合同要求。
说明对齐引导的流匹配 Transformer：提升视觉-语言-动作策略学习效率
简介论文提出 AGFT 框架，通过专门的对齐损失显式约束视觉、语言和动作三种模态之间的对齐，以改善动作落地、泛化与微调效率。作者还采用流匹配目标，在保持精度的同时减少推理步数。实验称其成功率更高、推理延迟更低，并认为三模态对齐是扩展稳健机器人操作的关键。
说明PhysioTRACE：面向生理基础模型的来源感知压力测试
简介论文提出PhysioTRACE，一套针对冻结编码器的四轴行为审计方法，用于检测生理信号模型是否依赖采集条件（来源信息）这一捷径。方法包括可解码性评分、反转来源-标签关联的压力测试、移除训练中定位的来源成分，以及与随机投影对比的验证。在EEG和ECG上的实验显示，该审计能够给出无依赖、已认证移除或拒绝补救三种结论。
说明结构化数学知识何时有助于神经定理证明：用知识图谱增强大模型在Lean 4中证明定理的研究
简介该论文提出MathAgent，利用由364个Mathlib定理和定义、9,434条语义边构成的知识图谱MathKG增强大语言模型的定理证明能力。作者在miniF2F等基准上对五个模型做了四种增强模式的对照实验。结果显示，针对Lean的专门微调带来的提升远大于知识增强，知识图谱上下文对小模型有益、对大模型有害，且不同增强模式解决的问题各不相同，因此提出按模型能力和问题选择增强策略。
看点构建数学知识图谱增强Lean定理证明器，并通过受控消融发现模型专门化主导增强效果、增强效果依赖能力和问题，有新意且证据较充分。
说明跳出局部视角：为可解释多智能体强化学习发现潜在概念
简介该论文针对多智能体强化学习中each智能体只能观察局部信息导致协作困难的问题，提出可解释框架ELV。框架从每个智能体的局部观察和动作-观察轨迹中提取语义概念，通过变分自编码器将其编码为上下文潜变量，并用双路径注意力机制建模决策，同时以下一概念预测误差作为内在奖励鼓励探索。实验表明ELV在多个环境中取得有竞争力的性能，并能明确展示智能体的决策推理过程。
说明理解泛化需要通用归纳：用算法信息论解释现代AI为何能够泛化
简介论文指出，经典统计理论依赖无法自证的人工归纳偏置，难以解释通用AI模型的成功。作者以“没有免费午餐”定理为出发点，提出以所有已有信息为视角、偏向短程序的Solomonoff归纳，并认为前沿AI系统大致近似这一理论上的最优推断。
说明ZonoGPT：面向大型GPT模型验证的抽象域方法
简介本文提出ZonoGPT，一种用于验证大型Transformer模型的抽象域方法，其空间复杂度不随网络深度增加。方法借助结构化zonotope和生成元约简机制保留变量间相关性，并为Attention、LayerNorm及GELU设计了专门的变换以维持精度。作者称其为首个能验证标准架构的方法，可扩展至HuggingFace官方的GPT-2 Medium（24个块，300M以上参数），并在文本和视觉任务的1,339个实例上完成验证。
看点提出深度无关空间复杂度的抽象域并结合融合变换，首次验证标准GPT规模模型，但实验规模与基准对比有限。
说明RGDT-Bench：评测大模型在规则约束决策及其理由上的推理能力
简介论文研究“规则约束决策任务”（RGDT），要求模型依据外部规则对案件事实作出决定并说明理由，适用于政策、合同和合规场景。作者提出RGDT-Bench基准，涵盖四类任务和八种任务-探针组合，并从规则运用、条件、证据、综合判断四个过程层面归因失败。原文报告六个被评测大模型中，正确答案的理由不完整率平均为40.2%，且现有评估器检测此问题的能力有限。作者训练的简单奖励模型在正确答案上的任务平均AUROC为69.24%，优于结果监督基线和最佳现有评估器。
说明当文字表达不足：用于大模型置信度估计的言语化推理与隐藏特征迭代协同
简介该论文研究大语言模型的置信度估计。实验表明，专用估计器可明显优于模型自我口头报告的置信度，说明模型内部表示蕴含更丰富的置信信号。作者提出迭代策略-估计器训练框架IPoET，交替进行策略优化与估计器更新，在多个数据集和Qwen、Llama模型上，域内表现优于两类基线，域外指标表现更好或相当。
看点提出迭代交替训练策略与估计器的框架，将隐藏特征与语言化推理结合，实验覆盖多数据集和两类骨干模型，在域内外指标上优于基线。
说明灾害影像的多任务地理空间推理：利用视觉语言模型与众包影像进行灾害测绘
简介本文提出GRDisaster框架，用视觉语言模型理解、定位并推理众包灾害影像。研究基于PhotoMappers构建了包含26,340张图像的新基准数据集，涵盖2018至2024年多次灾害事件中的志愿地理信息、街景和遥感影像三元组。框架结合跨视角定位与多视角融合，并引入两组空间推理指标，用于验证跨视角对应关系和评估灾害损毁严重程度。
说明SPACE-LoRA：为持续学习分配激活子空间保护
简介本文针对使用低秩适应（LoRA）进行持续学习时的灾难性遗忘问题。作者指出，现有方法主要约束参数更新，未充分考虑新增残差适配器在旧任务重要输入方向上产生的响应所造成的叠加性干扰。为此提出SPACE-LoRA方法，直接抑制新残差分支在旧任务重要激活方向上的响应，并依据基于Fisher敏感度估计的旧任务敏感性，自适应地确定各模块的保护覆盖范围。
说明将全切片病理图像建模为动态肿瘤微环境场
简介全切片病理图像分辨率极高，常被当作多示例学习问题处理。本文提出TMEvolve框架，把图像视为基于图块图的潜在肿瘤微环境场，先自适应形成组织区域，再通过区域内扩散和概念引导的边界通量进行伪时间演化。作者在六个数据集上评估了生存预测、基因表达预测和组织学亚型分类三项任务，结果优于代表性方法。
说明CORTEX：在稠密语言模型中学习共享与专门化
简介大型语言模型训练数据来自多种领域，既需要共享知识，也需要专门化能力。本文提出CORTEX框架，受学习动态启发，在稠密语言模型内部自动学习模块划分：依据领域条件梯度与跨领域梯度相似度，将可训练矩阵分组并分配模块。实验涵盖160M、Qwen3-8B与Qwen3-32B模型，结果显示其在合成领域精确匹配和平均困惑度下降方面表现最佳，在真实领域评测中保持竞争力，并形成可识别的模块。
说明面向在线策略蒸馏的无偏Top-k估计：一种用于大语言模型后训练的梯度估计方法
简介在线策略蒸馏（OPD）用于把强教师模型的推理能力迁移到较弱的学生模型，其梯度估计存在计算成本与监督信息之间的权衡。Top-k OPD只使用选出的前k个词元，但会丢弃其余概率质量从而引入偏差。本文提出尾部校正的Top-k在线策略蒸馏（TT-OPD），同时使用top-k词元和学生采样的词元，以期望意义上恢复被丢弃的概率质量，得到反向KL散度梯度的无偏估计。实验结果显示其显著优于其他测试的OPD变体。
说明《Livin' on a Prior》：面向逆问题的似然得分近似方法
简介本文提出似然得分近似（LSA）生成框架，保持预训练的无条件生成先验不变，并从成对样本中学习以观测为条件的模型来近似似然得分。该方法可在得分或速度坐标下训练，支持确定性与随机采样，并可在训练后更换先验模型。在语音和图像逆问题上，LSA 在约 0.01% 的完整训练数据下仍有效，在 ImageNet-256 上取得有竞争力或更好的复原质量，所需网络评估次数少几个数量级。
说明多智能体回声室背后的社会回路：通过接收方内部激活追踪消息影响，并据此挑选更有用的消息
简介语言模型智能体通过交换消息综合证据，但这种交流也可能形成回声室，放大共同的错误。本文提出“社会回路”框架，比较接收方在更换消息前后的回答，并恢复原消息下记录的部分激活，以判断这些激活能复现多少消息影响。基于此提出“回路引导的审议”（CGD）方法，利用接收方激活变化学习挑选有用消息。实验在三个模型和四个数据集上进行，CGD在主要比较中取得最高或并列最高的平均准确率，且生成的词元少于多智能体基线。
说明让大语言模型真正遗忘：通过搜索、选择和切断知识路径实现深度遗忘
简介论文指出，即使模型不再直接说出某个事实，仍可能通过相关知识的多跳推理把它还原出来。作者提出一种可配合现有遗忘算法使用的深度遗忘框架，用图的最小割切断所有可恢复的推理路径，同时保留无关知识。实验显示，选择性遗忘支撑知识比表层方法遗忘得更深，且保持了模型的效用。
说明当评分成为优化目标：重新审视自动驾驶指标的有效性
简介论文探讨自动驾驶基准分数被当作优化目标后，分数提升是否仍能可靠反映驾驶能力的提升。作者将评分过程拆解为执行、测量、子分数映射和汇总四个环节，并通过受控干预与闭环对比进行检验。结果显示，部分行为变化因评分环节的省略、阈值化或衰减而几乎未被反映，且优化收益会随执行接口的变化而逆转。作者认为，优化条件下的指标有效性需同时考察评分过程测量了什么以及优化后的行为如何被执行。
说明医学视觉-语言预训练中的临床轨迹对齐（MedCTA）
简介现有医学视觉-语言预训练主要逐次就诊匹配影像与报告，难以学习病情随时间的变化。本文提出MedCTA，从异常和患者病程两个层面建模临床变化，并用离线大语言模型从纵向报告中提取趋势监督信号，无需人工时序标注。实验显示，在时序图像分类、图文检索和零样本分类任务上，该方法优于较强的医学视觉-语言基线。
说明以提问检索促进记忆演化：面向大模型智能体的检索诱导记忆框架（RIME）
简介本文提出 RIME 框架，用于大语言模型智能体的长期记忆。它在写入记忆时先用通用自问检索对话中的关键证据，并结合历史记忆，更新带有时间与来源信息的记忆库，而非一次性压缩整段交互。推理时若压缩记忆不足以回答，则检索原始对话及其上下文作补充。作者在 LoCoMo 上使用 Qwen3-235B-A22B 与 GPT-5.6 Sol 进行实验，报告其三项质量指标均优于对比方法，且查询时所需的 LLM token 明显更少。
说明ADMIT：用于多模态干预轨迹的可容许扩散框架
简介该论文提出ADMIT框架，结合不规则多模态表示、以治疗为条件的潜在扩散模型以及对生成状态或动作的显式约束，用于估计不同治疗方案下的临床轨迹。在模拟给药方案实验中，模型较好预测了固定总剂量重新分配所引起的肿瘤体积变化；多模态输入在隐状态恢复和治疗对比误差上有所改善，而约束投影减少了违反约束的情况，但执行并不完全。
说明协调条件流匹配语音合成中的频谱演化
简介该论文针对文本转语音（TTS）的条件流匹配（CFM）模型在推理时频率演化不协调的问题，提出一种无需训练的频率选择性增强策略。方法利用离散小波变换（DWT）在ODE积分过程中调制梅尔频谱的子带，抑制低频的过快增长，并增强滞后的高频细节。实验在Matcha-TTS、F5-TTS、IndicF5等架构上进行，结果显示所需函数评估次数（NFE）从32降至26，Fréchet音频距离（FAD）最多改善61%，同时保持了平均意见分、说话人相似度和语音可懂度。
说明HUMAN-TCI：面向文本到动作检索的分层多流动作感知网络（以躯干为中心的交互）
简介该论文提出HUMAN-TCI，用于根据自然语言描述检索人体动作序列。模型采用三流结构，分别建模上身、下身和躯干的动作，并显式捕捉三者之间的相互作用，同时引入专门设计的躯干注意力机制。作者称该方法能够处理单一动作和包含连续或重叠动作的复杂描述，且无需依赖复杂模型。
说明AgentHop：面向智能体多跳科学问答的诊断基准
简介本文提出AgentHop，一个包含1,011道选择题的诊断基准，配有在固定令牌数、轮次和工具调用次数限制下运行的七工具沙盒环境。该基准将单一准确率沿检索、综合、工具调用和资源管理四个维度拆解，以揭示模型的薄弱环节。作者在19个模型上进行测试，发现行为会按模型家族聚类，并发布了完整基准集与测试框架。
说明将大模型作为自适应元求解器：面向工业级优化的多策略强化学习
简介本文提出一种训练开源大模型解决真实工业规模优化问题的框架。作者发现，求解器集成推理、精确组合算法和启发式搜索在不同问题结构与规模上各有优势，并据此提出多策略强化学习（SDRL），让模型充当自适应优化元求解器。论文称该方法在多个基准和工业规模任务上的平均表现优于已有微调方法及包括DeepSeek-V4-Pro和GPT-5.5在内的前沿模型。
说明用于安全离线强化学习的Q学习惩罚Transformer（QPT）
简介本文研究安全离线强化学习，即利用离线数据集训练策略以满足安全约束。作者提出Q学习惩罚Transformer策略（QPT），用Transformer按轨迹上下文和目标回报/成本生成动作，并在训练中加入基于奖励与成本Q函数的惩罚项，推理时用同一Q函数执行成本阈值并选择可行的最高奖励动作。在DSRL基准的38个任务上，QPT表现优于多个强基线，并能零样本适应不同的约束阈值。
说明基于线索的零样本口语文档主题切分
简介本文提出一种名为 Cue-Grounded Segmentation（CGS）的免训练框架，用于将口语文档切分为连贯的段落。该方法先找出明确标示新话题开始的短语，并以其所在句子的位置作为段落边界；线索不足时，再依据抽取线索时推断出的文档结构进行语义切分。作者称其在六个基准和六种大语言模型上均优于现有基线，对噪声较大的语音识别转写文本也保持稳健，并在商用模型上以较低 API 成本取得这些效果。
说明区间遗憾与动态遗憾之间的关系
简介该论文研究在线学习中两种衡量非平稳环境性能的指标：区间遗憾与动态遗憾。文章首先证明，具有最优区间遗憾的算法不一定能达到最优动态遗憾，否定了两者之间的直接蕴含关系。随后，作者通过在扩大的欧氏球上调用区间遗憾最小化过程并使用转换后的替代损失，获得最优动态遗憾，适用于凸函数和曲率函数。作为副产品，文章给出了针对指数凹函数的首个适当且高效的最优动态遗憾算法。
看点证明了区间遗憾最优不蕴含动态遗憾最优的负面结果，并给出归约得到首个适当高效的指数凹函数最优动态遗憾算法，证据严格。
说明编码智能体记忆后训练：借助强化学习释放预训练文件操作在长周期任务中的记忆潜力
简介语言模型智能体处理长周期任务时，交互历史常超出上下文窗口。本文提出 Coding Agent Memory Gym（CAMG），包含 Shop、Coding、DeepResearch、AutoResearch 四类长周期智能体强化学习环境，并提供可执行 shell 与会话内持久工作区，使智能体可把文件当作记忆来创建、修改、检索和复用。作者还提出 CAMG-RL，用异步 PPO 在四个环境上联合训练单一策略，直接从下游任务奖励中学习这种基于文件的记忆行为。在 SWE-bench Verified 和 MLE-bench Lite 上，CAMG-RL-4B 和 CAMG-RL-9B 分别与 Qwen3.5-35B-A3B、Qwen3.5-122B-A10B 具有竞争力。
说明MegaGraph：面向大规模图Transformer的自动混合并行高效训练框架
简介图Transformer（GT）能克服传统图神经网络的深度限制和过平滑问题，但扩展到大规模图时会遇到注意力矩阵内存开销大、图嵌入层导致负载不均的瓶颈。本文提出MegaGraph，这是首个面向GT训练的自动混合并行框架，包含图感知上下文并行、异构流水线并行和混合数据并行三种策略，并通过Profile-Model-Search流程自动搜索最优配置。实验显示其可在基线因内存不足而失败的大规模图上训练，单设备峰值内存最多降低77.8%，训练速度最多提升4.51倍，且保持模型精度。
说明超越端到端黑箱映射：面向认知驱动面部反应生成的意向智能体框架
简介该论文提出“意向智能体”（Intentional Agent）框架，用于生成类人的面部反应，把生成过程通过结构化的内部状态来中介，而不是直接把说话者行为映射为听者表情。模型包含情绪驱动与迭代的内部思维流（ITF），该状态在对话沉默期间仍可继续更新。在REACT 2025数据集上，论文报告FRDist为72.39、FRDiv为0.5057；人工盲评显示完整模型与真实反应的均值无显著差异，并显著优于两个对照方法。
说明OSPD：面向人设一致对话的同策略自蒸馏方法
简介该论文提出OSPD框架，让同一个模型在信息不对称下同时充当教师和学生：教师看到完整角色档案，学生只看到简短摘要，并由学生自身策略生成对话轨迹。作者还引入了角色感知的散度切换和逐步特质遮蔽课程，以加强角色知识的内化。在CharacterBench、CharacterEval和SocialBench上的实验显示，该方法相比监督微调和多轮强化学习基线，显著提升了人设一致性，且无需外部教师或奖励模型。
说明PROACT-Agent：面向实时安全的渐进式运行时监督与主动熔断框架
简介该论文指出，智能体的安全风险从有害文本转为不可逆的环境危害，而现有防御多为事后检测。作者提出PROACT-Agent框架，合成高保真轨迹数据以支持实时护栏，并构建了包含155,780个状态、双语标注的PROACT-Bench基准。在完整来源留出测试中，训练后的护栏达到91.46%的不安全类F1和90.63%的精确边界检测率；在AgentDojo中，非拒绝服务类定向攻击成功率由20.82%降至0.40%。
说明人类认知与数学：在问题求解中寻找瓶颈的资源理性搜索
简介该论文认为，人类的认知限制并非只是阻碍，反而可能推动数学发展。作者提出一种数学抽象理论，把它看作对问题求解瓶颈的资源理性搜索。由认知限制造成的瓶颈会促使人们重组已有知识，进而产生可用于更广泛问题的新形式体系。文中借助数学史案例说明这一过程，并讨论其对机器数学发现的启示。
说明意图修订下的承诺层级：工具使用智能体中残留结果挽救的信念修订视角
简介本文研究用户中途改变需求时，智能体如何决定已缓存的子任务结果是保留、修补还是丢弃。作者发现，关键在于角色设计而非模型能力：让模型对整个修订只做一次分类，再由确定性机制传播决策，效果最好。文中还证明，仅依据局部视图的策略无法同时做到安全且成本最优，而单次分类设计可以，在三个环境中相比重新开始节省43%成本，且正确率为100%。
说明MASCIT：面向自然不规则时间序列的掩码感知状态空间分类器
简介该论文提出一种名为MASCIT的时间序列分类模型，用于处理观测不同步、缺失值、长度不一和采样不均匀的自然不规则时间序列。模型把观测掩码输入编码器，并在门控时序聚合中排除无效时间步。作者在34个不规则时间序列数据集上进行评估，并通过析因消融实验比较了部分选择性与完全选择性的效果。
说明将视觉推理蒸馏到文本空间：一种让视觉语言模型无需生成中间图像即可完成视觉推理的方法
简介大型视觉语言模型在需要超出输入图像直接可见内容的任务上表现不稳定。本文提出 V2T（视觉到文本的思维链蒸馏）框架，先用图文交错的思维链训练教师模型，再通过知识蒸馏训练学生模型，使其在推理时无需生成中间视觉表示。文中报告在多个多模态推理基准上，V2T 优于教师模型和现有基线，并且训练速度最高可提升 42 倍。
说明解锁少步扩散模型，实现忠实预览
简介扩散模型生成图像时采样耗时长，用户常需生成大量候选再挑选。本文发现，标准少步采样器的输出质量差并非重建能力不足：只优化初始噪声，冻结的3到4步采样器就能较好地复现对应的全步输出。作者进一步利用端点监督学习对初始噪声和去噪更新的修正，使少步预览更接近全步结果，用户可低成本筛选候选，再对有希望的候选进行全步生成。实验显示重建误差较重新训练的LD3降低53%至78%，并在SD1.5、SDXL和FLUX.1-dev上改善了排序保持与候选选择。
说明Eval4DiRec：面向基于扩散模型推荐系统的统一系统评测框架
简介基于扩散模型的推荐系统近年兴起，但缺乏统一的评测基准，导致实验难以复现、比较不公平。本文提出Eval4DiRec，作为首个专为该类系统设计的统一开源评测框架，支持5种推荐场景下的14个代表性模型，提供一致的实验设置。作者在统一协议下对这些模型进行了大量实证研究，结果显示扩散模型在推荐中潜力可观，并指出了影响其性能的关键因素与实际挑战。
说明GeoCFM：用于矿产点位采样的仅正样本条件流匹配模型
简介该论文针对矿产勘探中只有已知矿点（正样本）而缺乏可靠负样本的问题，将找矿建模为在给定地球物理图像条件下学习矿点位置的条件空间分布。作者提出GeoCFM，一种条件流匹配模型，直接生成矿点点集，无需伪负样本。在合成数据和USGS Earth MRI数据（按空间不相交的图块划分）上，该方法相较基于得分图和非条件的基线，与已观测矿点的几何吻合度更高，并通过条件采样表示认知不确定性。
说明SkillFocus：通过能力分解演化智能体技能
说明HyperDAM：面向 SAM 3 跟踪的高光谱干扰感知记忆与被遮挡区域扩展
简介本文提出 HyperDAM，一种基于 DAM4SAM3 的高光谱视频目标跟踪方法。它利用光谱材质线索区分外观相似的目标，并通过光谱一致性门控和因果时空扩展等模块改进记忆更新与遮挡处理。该系统在 HOTC 2026 竞赛的主办方私有评测中排名第二，AUC 为 68.0093%，DP@20 为 87.7703%。
说明Org-Agent：从个人助手走向组织级智能体，即面向组织、协调多用户请求并利用跨用户知识的语言模型智能体框架
简介论文指出服务于组织的语言模型智能体需要协调多个用户的请求，并利用分散在各次交互中的知识，并据此提出两类能力及其受组织约束影响的三个方面。作者提出以约束为中心的推理框架Org-Agent，将任务分解为原子子任务、构建依赖图并按拓扑排序执行，同时借助证据获取与记忆管理工具。在MUSES-Bench和GroupMemBench上的实验表明该框架在两类能力上有效，消融实验也支持依赖建模和工具使用的作用。
说明P2P：面向无配对单细胞扰动响应预测的跨视图群体去噪方法
简介该论文提出P2P（Perturbation-to-Perturbation）方法，用于预测细胞群体在基因扰动后的转录响应。由于Perturb-seq是破坏性测序，对照细胞与扰动细胞无法配对观测，且同一条件下的细胞异质性强、噪声大。P2P以随机细胞集合作为监督单元，从同一条件下抽取的两个视图中学习可复现的群体效应。在Adamson、Norman、Replogle K562和Replogle RPE1四个数据集上，P2P在表达RMSE、Effect Pearson、DEG F1和DEG平均精度上均优于GenePert、LinearPert、SLIM、Scouter和scPILOT等基线。在Replogle K562上，相较最强基线Scouter，Effect Pearson由0.643提升至0.702，DEG F1由0.067提升至0.178。
说明VastMAT：面向多动物跟踪的大规模多类别基准数据集
简介该论文提出了VastMAT，一个用于多动物跟踪的大规模基准数据集，包含2947个视频、超过一百万标注帧，覆盖337个动物类别，并提供大量边界框与身份轨迹标注。作者在已见类别和未见类别两种协议下评估了八种主流多目标跟踪方法，最高HOTA分别为66.37%和52.90%。此外，论文提出一种无需额外训练的中心距离增强关联模块CDA，使TrackTrack的HOTA分别提升1.58和1.31个百分点。
说明SynIL：利用运动协同性从不完美示范数据集中进行离线模仿学习
简介该论文提出SynIL框架，用于在离线强化学习中自动评估示范数据的质量，无需人工标注。方法基于运动协同性与运动熟练度相关的神经科学证据，通过自监督奖励回归生成逐步的稠密奖励信号。在D4RL运动基准和多人类Robomimic操作数据集上，协同性推导出的奖励与真实奖励高度相关，SynIL的表现显著优于行为克隆，并在稀疏奖励的人类遥操作场景中优于使用真实环境奖励训练的离线强化学习。
说明互惠引导（RecGuide）：在并发变化的推理服务中协调扩散草稿与自回归验证的预算，以提升自投机解码的吞吐
简介本文针对扩散模型起草、自回归模型验证的投机解码，提出运行时调度框架 RecGuide。该方法利用草稿与验证之间的相互可预测性，在低并发时让草稿与验证重叠执行以利用空闲算力，在高并发时为每个请求动态分配草稿块大小。实验显示，在多种并发水平下，相比原始自投机解码，吞吐量有一致提升，最高可达 1.8 倍加速。
说明CAR-VLA：面向自动驾驶的复杂度感知与风险自适应推理模型
简介该论文提出CAR-VLA，一种同时考虑场景复杂度与动态风险来决定推理深度、紧迫性与关注点的自动驾驶视觉-语言-动作模型。模型将四类复杂度-风险组合映射为快速直觉、慢速思考和反射响应三种推理模式，并通过渐进式监督学习与强化学习训练。论文报告其在NAVSIM v1、NAVSIM v2和Navhard基准上取得有竞争力的驾驶性能（PDMS 91.1，EPDMS 90.3，Navhard 35.0）。
看点将场景复杂度与动态风险联合用于选择推理模式，对已有自适应推理有实质改进；在NAVSIM多个基准上有竞争性结果。
说明先看再选：重新思考在线策略蒸馏中的词表稀疏化
简介本文研究在线策略蒸馏（OPD）中的词表稀疏化问题。作者提出SparseOPD方法：先用教师模型的全词表修正确定哪些修正重要，再只对选中的词元logits做反向传播，以降低长序列训练的显存占用。实验覆盖数学、化学问答和多模态推理六种任务与规模设置，报告其任务平均准确率优于Sampled Token和TopK，并与Full Vocabulary相当或更高；在4B数学任务上梯度余弦相似度达99%，8K全参数训练的反向显存降低70.5%。
说明即时式智能体记忆：在运行时通过智能体式检索构建上下文的论文
简介该论文提出即时式智能体记忆框架JAM，与提前构建记忆的方法不同，它在收到具体请求时才针对该请求构建上下文。框架包含负责保存完整历史并生成导航摘要的Memorizer，以及迭代检索和整合证据的Researcher。作者还提出了Memory-Gym数据合成流程，并通过微调与强化学习训练Researcher。论文称该方法在多项基准上任务表现优于提前构建式记忆系统，且效率显著高于以往经过训练的智能体记忆方法。
说明RoboIRGBench：视觉-语言-动作模型中隐式指代定位的基准测试
简介视觉-语言-动作（VLA）模型在机器人操作上表现出色，但现有基准通常假设指令中已明确给出任务所需信息。本文提出隐式指代定位（IRG）能力，并构建基于RoboMME的RoboIRG-Bench基准，包含由11个任务衍生的40个变体，涵盖直接、推理中介、空间和上下文四类指代挑战。结果显示，在明确指令下表现良好的模型，在需从上下文恢复信息时性能明显下降；在真实Franka Research 3机械臂上也验证了这一差距。
说明视频与音频的联合及跨模态生成与编辑：统一表述与设计分类
简介本文综述同时建模视频与音频的生成方法，包括联合生成、由一种模态生成另一种模态，以及耦合式编辑。文章给出统一的数学表述，把三类问题都看作音视频配对分布上的任务，并从五个设计维度对方法进行分类。作者称这是首篇系统梳理音视频联合编辑的综述，并把编辑归为九类、共28种编辑类型。文中还介绍了各类设定下的方法、数据集和评估指标，并列出最重要的待解决问题。
说明DPS：基于半统一内存的双精度大模型推理服务系统
简介现有大模型推理系统只优化KV缓存内存，模型权重内存在运行中固定不变。本文提出DPS系统，负载正常时运行全精度模型，KV缓存压力大时切换到嵌套的低精度版本，并把空出的权重内存用于KV缓存块。该系统基于半统一内存（SUM）设计，并在vLLM上实现，论文称在多种模型与负载轨迹下，持续吞吐量提升2.1至3.3倍，同时保持接近FP16的精度。
说明Marathoner：超长视野自主智能体（一种能持续数小时执行复杂任务的AI模型）
简介本文提出名为Marathoner的自主智能体模型，旨在让AI具备超长时间跨度的持续执行能力。研究通过合成基于大型代码发布PR的任务、任务链接、拒绝采样微调和强化学习等后训练流程来培养该能力，并设计了后期阶段奖励机制。论文称，该模型在5个超长任务基准上优于基础模型，并超过某一强大的专有模型，能连续工作10小时以上并进行1000多次工具调用。
说明LRC-JEPA：分离动力学与残差上下文的高效世界模型
简介该论文提出LRC-JEPA，一种轻量级端到端世界模型，将信息分别编码到紧凑的预测潜变量z和残差上下文嵌入u中，仅用z进行动力学预测与规划。在四个模拟控制环境中，其平均规划成功率比参数量相当的JEPA基线高9个百分点，并在Bridge-v2真实数据集上优于DINO-WM与V-JEPA2的编码器，同时规划更快。
说明ABC-Align：带自适应偏差控制的预测增强对齐方法
简介语言模型后训练常受限于人工偏好数据昂贵且难以扩展。ABC-Align 利用大量伪标签信号降低方差，并基于少量人工标注子集进行轻量级自适应校正，校正强度在训练中自动调节。论文称在 RLHF、DPO 和 GRPO 的大模型对齐实验中，该方法在不同规模的实验里都优于先前的半监督基线。
说明涌现，而非带宽：物理耦合与学习型多智能体通信的极限
简介该论文研究速率受限的多智能体团队如何学习通信协议。作者在三个MuJoCo环境中、每次决策固定2比特的条件下比较工程化发送方与强化学习得到的发送方，发现通信价值主要取决于物理耦合程度而非带宽。在部分耦合条件下，工程化协议取得1.000的四分位均值，学习得到的协议仅为0.482，与不通信相当；热启动实验显示问题在于强化学习未能发现协议。
看点提出速率受限多智能体通信的理论界限，并用物理耦合实验区分工程化与学习得到的协议差距，证据较充分，对子领域有实质影响。
说明PersMem：将人格内化为双通路记忆的大模型智能体记忆机制
简介角色扮演智能体的人格通常只写在系统提示词中，其记忆的筛选与检索却与人格无关，导致行为难以验证是否符合设定。本文提出人格整合记忆（PersMem），将人格映射到记忆处理的四个步骤中：情感评估、记忆保留、被动的情感驱动检索和主动的目标驱动检索。在依恋类型和大五人格设置下的实验显示，该方法能产生可区分的人格相关记忆处理模式。
说明从静态到动态：从图像扩散模型到视频扩散模型的同策略蒸馏
简介本文提出MILD框架（运动保持的图像到视频潜空间蒸馏），让视频扩散模型在学生模型自身生成轨迹上接受图像专家的指导，从而吸收图像模型在美学、文字识别等方面的专长。方法通过可学习的线性连接器对齐异构潜空间，并约束修正以保留预训练视频的动态，同时加入基于光流的运动奖励以提升运动质量和时间一致性。实验显示其在多种视频学生模型上优于以视频教师为基础的同策略蒸馏基线。
说明Spexis：面向大语言模型推理的推测式前瞻调度
简介Spexis是一个多GPU大语言模型推理框架，通过推测式并行提升流水线并行和张量并行的效率。它让推测与正常执行并行运行，引入新的并行维度且不增加KV缓存内存占用，并利用前瞻调度预测推测质量和未来内存压力，以减少无效推测、KV缓存驱逐和重复计算。基于vLLM构建，在多种GPU配置下服务性能提升明显，相比采用最优流水线与张量并行组合的基线最高加速34%。
