机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明全向高斯溅射中基于率失真的自适应图元选择（OIC-GS）
简介论文提出OIC-GS，一种面向全向（360度）图像的高斯溅射编解码器，采用分层HEALPix图元网格，图元锚定在预定义球面位置。方法使用轻量熵模型，并以球面率失真目标优化，可自动删除率失真收益不足的图元。原文称其单一码流支持全球面、视口相关和渐进解码，在100张全向图像基准上，WS-PSNR BD-rate相比GaussianImage++降低49.6%，相比SGI降低68.6%。
说明当架构胜过规模，而阅读能力胜过两者：一篇关于 DocSem 文档定量推理共享任务的论文
简介论文介绍了作者在 DocInsights 2026 的 DocSem 文档定量推理共享任务中的系统，并分析其在标注数据上表现良好、在测试集上失败的原因。系统结合混合区块检索、在沙箱解释器中执行的 Program-of-Thoughts 生成、自洽采样与知识图谱实体增强。结果显示，应用架构对指标的影响远大于模型规模；在测试的原始水印 PDF 上，该系统联合准确率仅为 13.58%，排名第 149（共 163）。
说明SyncRA：在全模态模型中学习音视频时间对应关系
简介全模态模型能较好地感知音频和视觉输入，但常难以把同一时刻听到的内容与看到的画面对应起来，可能给出基于错误音视频配对的合理答案。作者通过受控的时间交换实验诊断了这一问题。为此提出轻量方法 SyncRA，在每段视频内对比中间层的音视频表示，拉近匹配时刻、拉远不匹配时刻，监督信号直接来自已有的输入时序，无需额外标注，推理过程也不变。在四个不同规模和架构的开源全模态模型和五个公开视频基准上，SyncRA 均优于仅针对答案的微调。
说明CoeF-SFL：在提升通信效率的同时保留服务器与客户端协同学习
简介分割联邦学习让资源受限的客户端也能参与协同训练，但传统方法每个批次都要传输中间数据和梯度，通信开销很大。已有方法使用客户端侧的辅助网络来减少开销，但这会使客户端优化与端到端目标不同的局部目标。本文提出基于补偿反馈的CoeF-SFL框架，不使用辅助网络，每轮只交换一次中间数据和梯度，并通过激活空间中基于曲率的修正来补偿过时梯度，实验显示其优于基于辅助网络的方法，视觉任务上提升最明显。
说明通过运行时程序状态推理提升代码大模型
简介该论文研究让大模型学习推理程序运行时状态，是否能提升软件工程能力。作者设计了两项任务：一是生成能暴露错误程序与正确实现差异的输入并预测执行结果，二是符号化描述触发缺陷的前置条件与后置条件并转为回归测试。基于这两项任务训练出90亿参数模型Comet-9B，在补丁生成、回归测试和安全PoC生成等基准上取得提升。
说明FORGE：为冻结大模型智能体逐题选择证据形式与推理深度的路由框架
简介本文针对只能通过 API 调用、无法改动权重的冻结大模型，提出 FORGE 框架，根据每个问题动态选择提供给模型的证据形式与推理深度。作者用一个仅 269K 参数的轻量路由器实现该策略，经离线枚举、监督蒸馏和 GRPO 强化学习三阶段训练。在 5 个知识密集型基准和 8 个 7B 至 671B 参数的冻结模型上，文中报告其在两个主要模型上以低 42–45% 的 token 成本提高准确率。
说明预测性语义安全：从视觉物理推理到安全关键控制
简介本文提出预测性语义安全（PSS）框架，将视觉语言模型对物理事件的预测与基于备用机动的安全过滤相结合。系统通过分割式共形预测校准物体位置误差，并把预测的占据区域纳入安全约束，在仿真中使机器人在含倒落物体、冲击导致支撑丧失等场景下的安全回合率达到99.3%，高于仅依据当前障碍物几何的基线方法（43.3%）。
说明FAST-Brain：一种流对齐的时空替代脑模型，用于模拟静息态脑功能磁共振信号
简介该论文提出FAST-Brain模型，用于模拟静息态功能磁共振成像（rs-fMRI）数据，以理解全脑神经活动。模型采用流对齐生成框架直接预测去噪后的BOLD信号，结合图卷积网络捕捉脑解剖空间结构，并用Transformer建模长程时间依赖。作者在合成数据和人类连接组计划（HCP）数据集上的实验表明，该模型在恢复功能连接、有效连接和低维信号子空间方面达到了当前最优表现。
说明SemRD-V2X：面向协同感知的闭包引导通信与有界推理方法
简介本文研究车路协同感知中的通信效率问题，提出以闭包保真度为视角，判断接收端在已有自身观测的情况下哪些远端证据是必需的。作者提出SemRD-V2X，通过预算内的BEV特征选择、逐点通道压缩和带掩码的共享权重重建来减少传输量。在仿真数据集V2XSet上，相较于本地复现的V2X-ViT-v1基线，其特征传输量降低26.6倍，AP@0.5和AP@0.7分别提升4.13和8.57个点，平均计算延迟增加3.81%。
说明基于模糊分布建模并保持因果关系的合成表格数据生成
简介本文提出一种基于模糊集理论的合成表格数据生成方法。它用模糊集表示特征分布，用模糊认知图建模特征之间的依赖关系，从而得到参数少、可解释性强的数据表示。生成样本时采样的是模糊概念而非原始数值，可直接处理混合数据类型、缺失值和领域约束。在基准数据集上，该方法在效用、保真度和隐私方面与现有先进方法具有竞争力，并显著提升了可解释性。
说明交换梯度记忆：语言模型中稀疏、路径局部的训练历史读取与调控
简介论文研究语言模型在两份数据上按不同顺序训练时，权重会产生与顺序相关的差异，并探讨这种差异是否构成可读取的参数化训练历史记忆。作者用两次梯度更新的李括号近似权重差，将其投影到词表token上得到每个token的分数，并报告这些分数具有局部性和可干预性，同时可用于判断模型来自哪种训练顺序。
看点提出用李括号定义的训练顺序记忆并通过logit投影到词元，在多模型上验证局部性与因果干预效果，新意较突出。
说明SAIL：基于解耦声学-空间编码与双流Q-Former的空间音频大语言模型
简介该论文提出SAIL框架，让大语言模型理解空间音频。它将梅尔频谱与双耳相位差分成声学和空间两条特征流，并为每个声源学习事件、方向和距离信息。在双声源的声音事件检测、方向与距离估计及空间推理任务上，SAIL相比早期融合基线取得了一致的提升。
说明E-WAVE：基于事件相机、无需相关体积的连续光流估计方法
简介论文提出 E-WAVE，一种利用事件相机数据估计高时间分辨率光流的框架。它不构建全对相关体积，而是用全局注意力建模长程依赖，并借助贝塞尔曲线进行轨迹引导的特征扭曲，迭代预测可在任意时间戳查询的轨迹。在 MultiFlow 与 DSEC-Flow 数据集上，相比现有基线，轨迹误差降低 25%，端点光流精度相当；自采数据上的头戴式原型实验也显示其在真实条件下较为稳健。
说明CRISP：面向隐含情境得体性的文化奖励建模
简介大语言模型跨国家和地区部署后，需要识别并恰当回应不同文化情境。本文提出文化奖励模型CRISP-RM，依据开放式社交场景中的文化得体性给出奖励，并引入规范落地监督（NGS）以增强策略对相关文化规范的敏感度。实验表明，该模型在最佳N选一实验中优于通用奖励模型，在GRPO策略优化中改善文化情境行为，加入NGS后效果进一步提升。
说明学习引导，引导以见：通过可训练向量揭示大语言模型中RLVR的几何结构
简介本文研究带可验证奖励的强化学习（RLVR）在大语言模型中的训练机制，利用向量引导在激活空间中找到与强化学习收益相关的低维有效流形。作者提出两条几何性质，并在5个大语言模型与6个可验证奖励任务上进行实验。基于这些发现，论文提出Alpha-Stabler框架，用于监测并抑制训练中的不稳定现象，据称可稳定训练2000步并提升强化学习收益。
说明数据集蒸馏中的组合缺口：分别蒸馏的数据集合并后未必等同于联合蒸馏
简介论文研究多方各自蒸馏数据后再合并使用，是否能复现在真实数据并集上训练的效果。作者发现即使每个来源都被精确蒸馏，合并结果仍可能失败，原因是训练轨迹压缩是非线性的。在二次目标下，论文推导了两步压缩为一步时的精确组合误差，并分析了学习得到的合成集的误差分解。
说明SAGE：面向高效大语言模型博弈的结构化策略推理框架
简介该论文提出 SAGE，一种无需训练、仅在推理时使用的框架，把大语言模型的策略推理组织为锚定、适应与再校准三步：先锚定到均衡策略，再依据对手行为倾向的软信念调整决策，最后把相关历史交互提炼为反事实假设以修正推理。在三个重复不完全信息博弈（Leduc Hold'em、Liar's Dice、Goofspiel）中，SAGE 相比多种推理密集型智能体取得最高 127.6% 的收益提升，输入与输出 token 分别最多减少 80% 和 90%。
说明SkillPE：面向创意的电影式文本生成视频提示词工程技能进化框架
简介论文提出SkillPE框架，让非专业用户写的视频提示词也能获得更专业的电影式效果。该方法从专家编写的种子技能出发，检索电影参考并分为三类，经生成视频评估后构建最终技能库。在StoryEval和VBench上，相比最强外部基线最多提升1.40分，相比种子技能提升0.51分（七分制四维评估）。
说明MiCo：通过语义擦除建模优化互信息覆盖，实现高效多模态大模型推理
简介多模态大语言模型处理大量视觉令牌时计算成本高。本文提出无需训练的两阶段剪枝方法MiCo，先用视觉信号筛选代表性候选池，再进行任务感知的子集选择，并以单调次模覆盖函数贪心优化，在令牌预算内保留信息。在7B至13B的多种模型和多类图像、视频基准上，MiCo在几乎所有设置中表现最佳；在LLaVA-NEXT-13B上仅用5.6%的视觉令牌，保留97.5%的基线性能，推理速度提升3.8倍。
看点以互信息覆盖目标推导无训练两阶段视觉token剪枝，并在多种MLLM与基准上验证，对子领域有实质改进。
说明知道何时思考不够：训练小型推理模型超越其参数化知识
简介这篇论文研究小型推理模型在测试时增加思考是否总是有效，发现自我精炼主要是把概率集中到已可达的解，而非开辟新解。作者据此提出 FlyBy 框架：模型先推理、诊断未解决之处，遇到知识瓶颈时选择性地向更强的模型提问，并通过监督微调与成本感知强化学习训练。在1,158道难题上，FlyBy-4B 的 pass@8 为 45.96%，高于 Qwen3-14B 的 41.64%，且服务成本约低 2.7 倍；FlyBy-8B 进一步达到 51.81%。
看点通过干预中间推理状态区分执行瓶颈与知识瓶颈，提出选择性查询框架FlyBy，新颖性较强；实验在1158题六个基准上比较，但规模与对比仍有限。
说明无需嵌入的路由：用正则表达式实现快速且可解释的大模型路由
简介论文发现，把编码器从0.5B扩大到72B对大模型路由的准确率提升不大。作者提出REGEXROUTE方法，用稀疏自编码器发现可解释特征，再由大模型把特征转写成正则表达式，在推理时无需神经编码器。在四个基准上，128个固定特征的平均路由准确率为76.43%，与最强的神经文本编码器基线（76.41%）相当，且延迟更低。
说明DORA：用于视觉Transformer令牌剪枝的动态在线强化学习代理
简介视觉Transformer（ViT）的自注意力计算量随令牌数量呈二次增长。本文提出DORA，为冻结的ViT学习一种随输入自适应变化的剪枝策略，决定何时剪枝、剪掉多少令牌以及剪掉哪些令牌。在ImageNet-1K上以DeiT-Base为例，DORA在准确率下降不到一个百分点的前提下，将FLOPs降低了38.4%。
说明基于预算的多属性验证：一种面向大模型测试时扩展的候选答案认证方法
简介该论文研究在共享计算预算下，如何决定检验哪些候选答案、评估哪些验证属性，以认证出在所有属性上都超过阈值的更多候选答案。作者提出 BMA-GAI 算法，结合考虑成本的候选选择与属性自适应采样，并给出渐近覆盖保证和匹配的信息论下界。实验显示，该方法在合成基准和大模型答案验证任务上，比对比方法更高效地分配验证预算。
说明一次推演就够：面向 GUI 智能体的完全测试时自适应
简介部署后的图形界面（GUI）智能体权重固定，且无法利用运行中的经验。本文提出完全测试时自适应的约束条件，并给出轻量方法 SOLO：辅助模型筛选成功的执行轨迹，并对失败轨迹的前缀重新标注，再通过自蒸馏更新小型适配器。在 WebArena、VisualWebArena 和 MobileWorld 构建的重复任务流上，SOLO 相较冻结的智能体提升了成功率，并在网页任务流上超过两种同场景记忆方法。
说明LLM智能体评估的可认证选择性自动化
简介该论文研究如何让自动评判器接管部分LLM智能体轨迹的评估，并以证书保证自动判定结果的错误率低于设定的预算。作者提出按任务级别进行自助法（bootstrap）的认证方法，并报告一个4B评判模型在两个语料上可认证覆盖0.30至0.59的评估量（alpha=0.1）。
看点提出任务级自助法认证，解决智能体轨迹相关性导致的误差高估问题，并给出可预测覆盖率与自训练过滤，证据覆盖多语料多模型。
说明文本-视觉协同令牌缓存：一种无需训练、用于高效视觉-语言-动作推理的框架
简介视觉-语言-动作（VLA）模型可用于通用机器人控制，但计算开销较大。本文提出无需训练的TVCache框架，依据文本与视觉的信息聚焦程度筛选注意力头，并通过文本-视觉熵差选择可复用的层，以减少不稳定表示的缓存。在四个VLA模型、两个仿真基准和真实机器人任务上的实验表明，在相同令牌保留比例下，TVCache的任务成功率优于现有VLA缓存方法。
说明动力学参数：时间序列基础模型的可解释性框架
简介本文研究时间序列基础模型中的一个问题：某些动力学属性即使能从隐藏状态中读出，模型的预测也可能无法随该属性的变化正确调整。作者将趋势斜率、振荡频率和自回归依赖等定义为动力学参数，并比较其在隐藏状态中的可提取性与预测响应。结果显示，多数参数的可提取性很高，但预测响应的中位数仅为参考值的0.46；因果几何分析表明，参数干预使隐藏状态朝向与所需方向不同，因此可读出的信息未必体现在预测中。
看点提出动力学参数框架并区分表示可及性与预测响应差距，通过因果几何解释该差距；在九个TSFM和十三类规律上验证，证据较充分。
说明PlaylistEval：视频-语言裁判在整日规模及更长视频上可信吗？
简介视频-语言模型越来越多地被用作视频理解的裁判，用于评估模型输出和训练奖励模型。本文提出PlaylistEval，一个无需人工标注、基于智能体框架构建的基准，覆盖100小时的播放列表合集，问题对的差异通过因果退化控制。基准包含630对问题，在152对分层子集上与人工判断一致率为93.0%。实验显示，前沿裁判的两两准确率仅为75.4%，开源裁判表现更差。
看点提出无人工标注的百小时级视频评判基准构建框架，并以人类一致性验证，新意明显；在17个模型上的实验较充分。
说明ControlScope：LLM智能体工作流的修订与可靠性研究
简介该论文研究语言模型智能体在运行中应修订多少工作流，比较了三种方式：继续沿用已生成的代码、只修改下一次工具调用的数据参数、以及基于同一公开执行状态整体替换未完成的工作流。实验覆盖文件系统任务、ALFWorld和AppWorld等基准，结果显示修订权限的选择会影响任务完成率与成本。论文并不主张某种修订方式总是更优，而是强调修复能力应与智能体的实际选择及后续执行相对应。
说明用于K均值聚类的黎曼差凸优化方法：通过带约束的黎曼优化重新表述K均值聚类，并提出一种新的求解算法RADA-DC。
简介本文研究基于紧致嵌入子流形上基数约束形式的K均值聚类。作者用差凸（DC）惩罚项替代基数约束，并证明当惩罚参数超过某个有限阈值时，惩罚形式与约束形式具有相同的全局最小值点。随后提出RADA-DC方法，将问题转化为极小极大问题并求解。在标准假设下，该方法可在O(ε^-3)次迭代内找到ε-黎曼临界点；在合成与真实数据集上的实验显示，当聚类数较大时，其解的质量优于包括K-means++在内的对比方法。
说明MaLiang-Harness：通过可编程代码生成图像与视频的框架
简介该论文提出 MaLiang-Harness，用多模态大模型生成可执行程序来构建图像和视频，并通过构建、检查、修订的持续流程减少程序运行正确但视觉结果不符要求的问题。作者在 MaLiang-IBench 和 MaLiang-VBench 上评估了多个闭源模型，并指出通用能力分数与视觉生成表现之间存在差距。
说明CAT-Free：无需标定、标注或目标场景训练的多视角行人定位
简介该论文提出 CAT-Free，只需同步的 RGB 视频即可完成多摄像头行人定位，无需相机标定、位置标注或目标场景训练。系统直接从视频估计相机配置，并通过两个自适应几何过滤器剔除不可靠的位置估计。在 WildTrack、MultiviewX 和 GMVD 上分别达到 82.5、84.5 和 65.7 MODA，并能在无需重新调参的情况下迁移到其他场景。
说明同一序列，多种解码：CAGenMol-2 将药物设计重构为掩码分子推断
简介该论文提出 CAGenMol-2，一种掩码扩散分子语言模型，将分子、连续数值属性和三维蛋白口袋统一放入同一个封装序列中。推理时通过选择观测或掩码哪些区域，同一检查点可完成属性预测、条件生成和部分约束设计。作者还提出无梯度的掩码-回填搜索方法 AdaFO，在 CrossDocked2020 上将成功率从 30.2% 提高到 70.8%。
说明当世界模型出错：错误想象下的自适应安全分析
简介论文指出，机器人的世界模型预测可能有偏差或过度自信，这会让基于它学习的潜空间安全过滤器给出过于乐观的安全判断。作者提出一种自适应方法，利用自适应共形推断，根据预测潜状态与观测推断潜状态之间的差异在线构建不确定性集合，并以保守方式评估安全性。仿真与硬件实验显示，该方法相比现有方法显著减少了失败，同时保持了任务完成率，并给出了自适应不确定半径的有限时间覆盖保证。
说明PSM：基于难度的精确统计匹配数据集蒸馏
简介数据集蒸馏旨在把大型原始数据集压缩成小型蒸馏数据集并保持训练效用。作者指出，现有解耦统计匹配方法用整个数据集的统计量监督所有样本，忽视了样本难度差异。PSM 先用全局精度分数估计图像难度并按类别分组，再为每组分别更新教师模型的 BN 统计量，并用对应难度的原始图像初始化蒸馏样本。实验显示，该方法在多数评估设置中扩大了蒸馏样本的难度范围并提升了下游性能。
说明Dr.Credit：基于评分标准的深度研究智能体过程信用分配
简介该论文针对以评分标准（rubric）作为强化学习奖励的开放式任务，指出现有奖励只评价最终答案，无法区分中间决策的贡献。作者提出以任务要求为共同参照的过程信用分配方法，依据工具返回信息对每条评分标准新增的支持程度进行评估，并用于训练深度研究智能体；在四个基准上优于所评估的开源深度研究基线，8B参数模型的平均表现与所评估的前沿闭源模型相当。
说明基于固体物理启发的大语言模型压缩预注册检验：小模型规模下的一组负面结果
简介作者用一个为期三个月的自主研究代理程序，检验了五种受固体物理启发的预训练语言模型压缩方案，预测在试点数据出现前已提交至 git，并以 3-sigma 阈值决定通过或搁置。结果多数为负面：多数情形下预测被证伪，注意力头的衰减规律也与预期相反，结论仅适用于不超过 3.5 亿参数的模型规模。
说明ReScraper：统一抓取与清洗网页数据、用于大语言模型预训练的方法
简介论文提出 ReScraper，一个仅 0.6B 参数的统一语言模型，用来替代传统上由人工规则构成的网页抽取与过滤流程。模型先从原始网页中提取正文，再在保留、删除噪声、整页删除和改写四种操作中选择。用其整理的数据预训练 400M、1.4B、2.8B 模型后，DCLM Core 分数相对最强基线提升约 3.8%–4.7%。
说明灵巧触觉世界模型：用视频与触觉预测手部操作的未来画面
简介该论文提出灵巧触觉世界模型（DTWM），在预训练的视频扩散Transformer上融合佩戴在双手上的触觉手套信号，用于预测第一人称操作的未来帧。与结构、参数和训练方式相同的纯视觉模型相比，DTWM将手部运动的低估比例从23%降至9%，手部区域感知误差降低7.4%，且预测时间越远优势越明显。消融实验显示，力的大小和空间位置都有贡献。
说明基于不精确标注的认知学习：用信度集合作为监督信号
简介本文提出从信度监督中进行认知学习的框架，用凸集合（信度集）表示多种合理的标注分布，并学习一组预测分布。作者提出悲观-乐观信度分类器（POCC），包含共享主干和两个分类头，分别最小化最坏和最好情况损失，其输出的预测信度集合的离散程度可作为不确定性分数。实验以人工标注分歧、教师模型预测以及标签平滑作为不精确标注的代理，在准确率、校准和选择性分类上取得较好平衡。
说明过度个性化是决策失误：LLM中生成诱发的“应用偏差”
简介个性化大语言模型需要判断每条已存偏好在当前语境下应“应用”还是“抑制”，但常出现过度个性化。本文将偏好处理拆为三个阶段分别测量，发现多数情况下错误决策被忠实执行，失败主要出现在决策环节。作者提出ABIDE方法，揭示生成回答这一要求会使决策分数偏向“应用”，且敏感度基本保持；减去一个偏差标量可在减少泄露的同时基本保持偏好满足度。
说明基于假设与证据引导搜索的智能体式高维贝叶斯优化
简介本文研究高维贝叶斯优化（变量数量远多于评估预算时的样本高效优化）中，基于大语言模型和智能体的方法能否有效迁移。实验表明这些方法在高维场景下不够可靠。作者提出HERA智能体，结合任务背景、优化反馈和结构诊断来修订搜索假设、选择并配置优化策略，并配套数值优化引擎PRISM。结果显示HERA在四个无元数据合成函数及八个真实任务上表现具有竞争力，在多数基准上取得最佳平均最终目标值。
说明MoSPR：利用形态-空间宏观状态和低秩分子程序从组织学图像预测基因表达
简介该论文提出MoSPR方法，从组织病理切片图像预测基因表达。方法先将图像块聚类为形态微状态，再依据空间邻接模式归并为宏观状态，最后通过线性映射到低秩基因表达基底上。作者在三个癌症队列上报告其平均基因表达预测得分在所评估方法中最高，并称其线性形式可将预测表达分解为全局与宏观状态分别的贡献。
看点将邻接感知的形态宏观状态与低秩分子基结合，对已有组织学到基因表达预测方法有实质改进；在三个TCGA队列上与多种基线对比并做了消融，证据较充分，对该子领域有用。
说明直接自我进化优化（DEO）：无需训练挑战者即可让大模型自我进化
简介该论文提出直接自我进化优化方法DEO，用求解器引导的任务采样取代挑战者模型的参数更新。冻结的大模型生成并变异任务，求解器为其打分，再通过近似Metropolis选择规则更新训练池，只训练求解器。作者在实验中称其推理表现与R-Zero相当，训练耗时减少超过50%。
说明让视觉语言模型在病理图像中“看准、量准、推对”的研究：ASPECT 方法与 PathoVernier 基准
简介本文针对视觉语言模型在组织病理图像中细节感知不足的问题，提出 ASPECT 方法，通过对细胞外观和数量进行显式监督来改进基于视觉的推理。作者还构建了包含 759 个经专家审阅问题的 PathoVernier 基准，同时评估最终答案和中间测量结果。论文报告 ASPECT 在该基准上的准确率相对提升约 19.2%（相对最强基线 Gemini-3.1-Pro）和 99.3%（相对其 Qwen3-VL-8B 骨干模型），并在三个外部病理基准上也优于骨干模型。
说明BIABench：在真实生物图像分析任务上评估AI智能体
简介本文提出BIABench，一个包含16项任务的基准，任务改编自已发表的生物学研究，保留了科学问题、成像数据和标准答案。评估同时看输出结果与标准答案的吻合度，以及由视觉语言模型依据专家评分标准判断的方法选择与质量控制。结果显示，二维常规任务表现较好，但涉及三维或时间序列的任务中，没有任何智能体得分超过0.19，且智能体的表现不够稳定。
看点构建了基于已发表生物研究的16项端到端生物图像分析基准，并系统评估多种智能体，揭示三维和时序任务的明显短板；证据充分，对子领域有较大参考价值。
说明Transformer注意力几何中查询扩展与键特化的研究
简介该论文研究Transformer注意力机制中查询（Q）与键（K）投影在训练中的几何变化。作者在字符级WikiText-103上训练了小型类GPT模型，比较4、6、8层及三种初始化与多个随机种子，用参与比（participation ratio）衡量有效维度。结果显示查询的有效维度扩大而键的有效维度缩小，并且两者差值在所有轨迹中为正；键的收缩与更尖锐的注意力权重相关，直接控制键谱的实验进一步表明这种关联具有因果性。
说明BF16注意力中的对称性破坏：为何FlashAttention梯度在训练后期会爆炸
简介该论文发现，用FlashAttention-3以BF16预训练450M参数Transformer时，训练约250亿词元后梯度范数急剧增长，损失高于FP32注意力。作者指出两个原因：前向softmax中一处融合乘加的问题，以及BF16舍入破坏了softmax分数梯度每行求和为零的守恒性质。作者提出GProj方法，在每行用两个秩一修正恢复零和，使梯度误差大幅下降，训练结果与FP32注意力相当。
看点发现BF16融合注意力梯度爆炸的成因，指出softmax梯度零和守恒被破坏，提出GProj修正并在预训练中验证效果，影响较大。
说明利用百万级数据集扩展通用三维资产编辑能力
简介论文提出Alchemy3D框架，用于训练和评估通用三维资产编辑模型，涵盖数据构建、模型结构与基准评测。作者整理了包含125万个资产和138万个编辑对、覆盖七种编辑类型的Alchemy3D-1M数据集，并基于此训练了一系列生成式流模型，支持图像与文本条件编辑、少步推理，并可迁移到多视角三维部件分割。论文还提出了GEdit3D-Bench开放场景基准。作者称，该方法在多数编辑保真度、源资产保持和视觉质量指标上优于现有方法。
说明交互式机器人规划中用于消除意图歧义的贝叶斯主动学习
简介本文针对人类自然语言指令常有歧义或不完整的问题，提出一个贝叶斯框架，把澄清过程视为基于信号时序逻辑（STL）任务规范的主动学习问题。方法利用大语言模型生成候选形式化规范并提出澄清问题，同时以贝叶斯优化估计用户意图的不确定性，并选择信息增益最大的提问。收敛后，推断出的STL规范交由形式化规划器生成可验证的机器人轨迹。在四个仿真与真实任务领域中，该方法通常比大语言模型基线获得更高的任务满足度且澄清轮数更少。
说明SAGE：面向大语言模型任务规划器的符号化动作门控与局部编辑方法
简介该论文提出SAGE，一种基于单一大语言模型的家庭机器人任务规划方法，包含一个约250行Python实现、不消耗模型调用的符号化安全门控，用于在执行前拦截不满足前置条件的动作；以及只重新生成失败子目标后缀的局部编辑机制。作者在AI2-THOR的75项任务基准上，采用无泄漏评估协议测试了五个开源模型，并报告了在多目标组合和执行中途失败场景下的表现。
说明ZeroCode：基于强化学习、从零矩阵按需构造纠错码
简介该论文提出ZeroCode，一种基于强化学习的方法，从全零矩阵出发逐步构造纠错码的校验矩阵，以满足不同应用的设计需求。在(32,16)码的实验中，其在误码率10^-4处比先前的强化学习构造方法约提升1 dB，并优于遗传算法、可微方法和经典码设计方法。该方法还能通过掩码加入最大度、无4环和准循环等结构约束。
说明面向低秩自适应的旋转流形优化方法
简介本文提出一种用于低秩自适应（LoRA）的新优化器，显式利用低秩分解的规范对称性。作者把面向全参数训练的矩阵优化器扩展到固定秩矩阵流形上，将其解释为旋转基下的归一化，并给出旋转与归一化与固定秩流形高效结合的方法。实验表明，该优化器收敛更快，保留集损失更低，在监督微调和强化学习任务上的下游表现与其他方法相当或更好。
说明随着智能体能力提升维护基准：检测与修复“不当通过”
简介论文提出一套过程验证框架，审核通过的任务轨迹，区分有证据的奖励作弊与验证器缺陷，并定位可被利用的漏洞以便修复。在29个模型-基准组合的3810条通过轨迹中，确认的违规比例随模型代次上升但并非单调。修复案例表明，仅封堵已记录的漏洞并不足够，需结合最小补丁、漏洞重放与新的智能体评估。
说明RoboICL：基于GPT-6 Astra的具身上下文学习机器人控制框架
简介该论文提出RoboICL，一种无需机器人专用参数更新或学习型VLA的上下文学习机器人控制框架，用于改进通用视觉语言模型在高精度和长时程操作任务上的零样本表现。方法将示范上下文与交互记忆分开，并结合有界锚定记忆以保留任务阶段间的经验。在30项RoboDojo任务中，其总分高于原始零样本基线，并在真实机器人任务上随示范数增加而提升进度。
说明QuantaSpike：面向大语言模型的短窗口脉冲驱动量化方法
简介本文提出 QuantaSpike，一种用于大语言模型推理的短窗口脉冲驱动量化框架，核心是基于对数三值积分发放（LTIF）神经元，以降低推理时的能耗。方法通过分组自适应增益和选择性异常值接纳处理激活中的异常值。实验显示，在 OPT 与 Llama-2 上其困惑度和零样本准确率达到同类脉冲方法的领先或有竞争力水平，在四步发放窗口下接近 FP16 参考结果，并据解析估算使单次线性变换能耗相较 SpikeQuant 分别降低约 80.0%（OPT）和 67.1%（Llama-2）。
说明通过多解问题考察人类与 AI 的差异
简介该论文关注前沿 AI 模型与人类在面对存在多个正确答案的推理题时，选择的解法分布是否不同。研究使用了 5 类共 270 道题，每题有 3 至 8 个有效解。结果显示模型之间彼此相似，且多样性低于人类，这一差异在各类题目中都存在。
说明生物医学问答中语言模型递归合成数据训练导致的退化：跨代研究
简介该论文研究语言模型反复使用自身生成的数据训练时的性能变化，实验基于PubMedQA数据集和Qwen2.5的0.5B、3B两种规模模型，比较递归合成数据训练与使用原始人工数据训练两种条件，共四代、两个随机种子。结果显示，递归训练在疾病实体F1、化学实体F1、上下文支持率、ROUGE-L和余弦相似度等指标上下降更明显，主要行为变化是答案变长，3B模型的差异更显著。作者指出这些结论仅限于生物医学问答领域，并未确立临床幻觉率或普遍的模型崩溃。
说明DreamingGoose：从自回归 Transformer 分阶段蒸馏为双向循环扩散语言模型
简介论文提出 DreamingGoose，把 Qwen3 的 1.7B 和 8B 自回归教师模型分三个阶段转换为无注意力、双向、门控 delta 规则的扩散学生模型，以便追踪各项能力在哪个阶段被保留或丢失。语言建模仅部分迁移，而上下文检索完全未能迁移：学生模型在多查询召回测试中得分为 0.000，教师模型为 0.34 至 0.58。采用逐步拉长键值与查询间距的检索课程后，检索能力可以恢复，但固定进度下仅三分之一的种子学会检索；按准确率阈值自适应推进则三个种子都能学会，并可推广到 8B 模型。
说明WAM-OPD：通过同策略蒸馏提升世界动作模型
简介论文提出 WAM-OPD，用同策略蒸馏（OPD）让预训练的世界动作模型在目标机器人操作任务上达到专家水平，同时尽量保留原有通用能力。为避免蒸馏中反复采集环境数据，作者提出前缀加权轨迹重放（PWTR），复用固定轨迹池并对损失加权。模拟与真实机器人实验显示，目标任务性能提升，未参与适配的任务仍接近初始水平。
说明对话中共情支持优先级的动态演化：基于上下文自适应评分准则的强化学习（CARE）
简介论文指出，在共情强化学习中，支持优先级会随对话状态变化，而现有方法使用固定的奖励规范。作者提出上下文自适应评分准则演化方法CARE，每轮对话动态调整认知、情感与主动共情三个维度的权重及细化评估标准。结合RLVER与MICA后，CARE在SentientBench、EQBench3和EMPA上取得领先结果，在EMPA的EPM-Idx指标上较最强基线提升至少13分。
说明SALMONN-duo：面向全双工语音智能体的自适应双系统协同
简介该论文提出SALMONN-duo，一种受认知双过程理论启发的自适应双系统语音智能体。快速系统（全双工语音大模型）负责实时对话，慢速系统（异步大模型智能体）负责需要工具和推理的计算，前者决定直接回答还是委托后者。实验显示，自适应委托提升了知识密集型与多跳推理问题的准确率，成本感知强化学习则进一步平衡了任务表现与后端调用。
说明CasEm：面向长时程神经模拟的级联架构
简介自回归神经模拟器在长时间滚动预测中可能出现漂移或发散，即使短期预测很准确。本文提出级联模拟架构 CasEm，在已有的全状态骨干模型之外，增加一个独立演化、描述物理聚合量的模型，用其预测结果修正全状态预测，且信息不从骨干回传。在四个 ODE/PDE 基准上，CasEm 降低了长时程滚动误差；在全球气候模拟中，加入区域总水量子系统后，10 年全状态时间平均误差分别降低 66.6%（ACE）和 46.3%（Spherical DYffusion），推理时间增加不到 3%。
说明Stashbird：面向对话智能体记忆的基于事件溯源的生命周期对账方法
简介该论文提出 Stashbird，一种基于情节（episode）并利用溯源信息的记忆系统，在更新和删除时同步图结构与检索状态。重复证据会延长支持关系，修正会取代原有活跃关系，删除时则移除缺乏支持的状态。在固定语义决策下，对账在 20 个更新序列中均得到正确最终状态，并在 263 次删除操作中满足既定检查。论文报告，在四个长期记忆基准上问答准确率具有竞争力，在 LoCoMo 上摄取提示词 token 比 Graphiti 少 76.4 倍，检索提示词 token 比复现的 Hindsight 少 8.1 倍。
说明AdaGuard：可按用户自定义策略调整的自适应安全守卫模型
简介这篇论文提出 AdaGuard，一个能在推理时接收用户自定义策略的语言模型守卫系统，用来判断智能体行为是否违反规则。作者构建了 AdaptiveSafety 数据集，包含 10,939 条训练样本和 1,000 条测试样本，规则数量从 1 到 100 不等。论文还提出 SafePO 强化学习算法，并训练出 0.6B、4B、8B 三种规模的模型，其中 4B 模型在 AdaptiveSafety 上的二分类准确率为 89.30%，在 DynaBench 上为 71.82%。
说明面向开放式文本生成的连贯性感知分布评估（CHORD 指标）
简介论文指出现有开放式生成指标（如似然、词汇多样性、分布相似度）可能漏掉全局连贯性问题，例如局部通顺但整体前后矛盾或主题脱节。作者提出 CHORD，用冻结大模型隐藏层表示、带连贯性提示的生成文本与人类文本，并以 RBF-MMD 比较分布。在构造的反事实评测集上，CHORD 能识别关系、篇章、结构等连贯性失败，并与人类对输出是否合理、是否像人写的判断高度一致。
看点提出以冻结LLM隐状态与RBF-MMD衡量全局连贯性的分布式指标，并构建反事实评估套件，能分辨连贯性失败与良性改写，有实质新意。
说明DecFlowEdit：通过引导解耦实现自定位的基于流的图像编辑
简介论文指出 FlowEdit 默认的无分类器引导配置会造成明显的背景泄漏。作者提出 DecFlowEdit，将定位与编辑所用的最优引导尺度解耦，先由无引导速度差分提取编辑相关先验，再用其重加权默认引导下的更新。该方法无需训练、无需反演，也不依赖外部空间掩码或注意力操作。在 PIE-Bench 上，于 FLUX、SD3 和 SD3.5 模型中，与 FlowEdit 相比，在编辑保真度相当的前提下，结构距离降低约 61% 至 73%，背景 LPIPS 降低 68% 至 80%。
说明SegBanana：引导统一多模态模型成为医学图像分割器
简介该论文提出SegBanana，一个无需训练即可用于医学图像分割的智能体式视觉生成框架。它以冻结的统一多模态模型为核心，结合解剖感知知识检索与比较式质量评审，并通过状态感知控制器迭代优化预测结果。在八个医学分割数据集上，其平均mDice达到77.45%，优于所列通用模型与医学专用基线。
说明MAS-OPD：面向多智能体系统的同策略蒸馏方法
简介该论文针对多智能体系统（多个分工角色协作完成任务）的联合训练问题，提出MAS-OPD方法。它利用同策略蒸馏，让教师模型对学生模型采样的轨迹给出逐词监督，并通过角色优势专业化和协作归因机制，促使各角色形成更清晰的分工并改善协作。在代码和数学基准上的实验显示，该方法在两种学生模型规模下平均得分最高。
说明可信的合成视觉媒体：贯穿媒体全生命周期的证据
简介这篇综述梳理生成式系统环境下判断图像与视频真伪的方法。作者指出，外观已无法说明媒体是拍摄、合成还是被修改，可信度需依靠说明其来源与流转过程的证据，部分证据可从媒体本身恢复，部分需在制作时记录并随资产保存。文章认为不存在通用的单一真实性标记，证据需匹配具体问题，并能被判断者理解、在出现更好信息时可被修正。
说明ReGDiff：用于探索超材料体素几何形状的受控潜空间引导扩散模型
简介论文提出 ReGDiff，一种将体素表示、潜空间正则化与引导扩散结合的生成框架，用于生成超材料的三维几何结构。该方法引入排斥-下沉（RAS）机制平滑合理几何的潜分布，并利用短程排斥（SRR）引导避免生成过于接近已知样本的结构。作者还提供了针对桁架型与壳型超材料的体素基准及评估模块，实验显示其在两个数据集上平均在几何合理性、新颖性和多样性上分别提升 8.9%、46.4% 和 128.6%。
说明SleuthBench：利用表格隐藏信号评测大模型统计分析能力的基准
简介该论文提出SleuthBench基准，通过在公开表格数据中注入受控的数据质量问题与特征效应，自动生成可验证的标准答案，以评测大语言模型的统计发现能力。测试六个先进模型共1680条回答，模型检测数据质量问题的准确率为83.8%，但识别特征贡献的准确率仅41.9%。加入作者提出的预计算统计成果（Empirical Layer）后，特征贡献准确率提升至68.0%。
说明何时选择取代抽取？一项针对带类型决策模型的智能体记忆的预注册检验
简介本文比较了两种对话记忆方式：由大模型抽取事实，还是直接选取合适的原始对话轮次。作者在 LoCoMo 和 LongMemEval 的留出对话上进行了预注册研究，其中 Jev 为带类型的决策模型。结果显示，在紧张的预算下，单次调用 Jev 选出的原始轮次在统计上不劣于基于大模型抽取的记忆方法，且写入成本低得多；重排序的收益随预算增加而减小。
看点通过预注册实验对比原始对话选择与LLM抽取记忆，结论有新意；在LoCoMo和LongMemEval上证据较扎实，对该子领域有实际指导意义。
说明USA：面向语言智能体跨领域同策略蒸馏的更新感知SAM方法
简介该论文研究语言智能体的同策略蒸馏，指出单一领域训练很快饱和，需引入其他领域数据。作者发现模型合并在部分领域组合中出现负迁移，原因是跨领域更新耦合。为此提出USA方法，依据预热阶段测得的参数更新幅度为每个坐标设定扰动半径，在数学、科学和代码领域的实验中均优于单领域基线并扭转了负迁移。
说明揭示视听大模型中的顺序匹配偏差
简介该研究关注视听大语言模型在多人场景中能否把语音正确对应到画面中的说话者。作者构建了一个合成诊断数据集，发现三个开源模型常按画面中人脸的左右、上下顺序与语句顺序机械对应，而非依靠唇形同步等视听线索，并将此称为顺序匹配偏差。作者提出的解耦微调方法（OD-FT）使用400个合成视频训练，可抑制该偏差，并在真实视频的三个视听基准上带来平均提升。
说明WorldWeave：为视频生成构建可持续扩展的几何世界
简介该论文提出WorldWeave框架，将世界状态的维护与视觉渲染分离。它通过扩散式图像外绘生成连续的高度图，并由智能体组织和拼接场景，构建可不断扩展的显式三维世界。视频生成时，相机轨迹只读取该几何世界以生成深度序列，结果不写回世界状态，从而保持跨视角和重复访问时结构的一致性。
说明mmHRI：利用毫米波雷达实现保护隐私的人机交互
简介该论文提出 mmHRI 框架，利用毫米波雷达在不拍摄可识别图像的情况下感知人体动作与三维姿态，并将其转换为文字指令，驱动机器人完成递送与取回任务。在隐私遮挡场景下，动作识别准确率为 85.09%，并在视觉遮挡条件下展示了稳定的任务表现。
说明Loop Dropout：在循环语言模型中正则化共享更新
简介该论文针对循环语言模型（反复应用同一Transformer模块的模型）的微调问题。作者发现标准LoRA的共享更新在早期循环位置的适应效果有限。他们提出Loop Dropout，对适配器的应用进行随机屏蔽，并用逆存活率重新缩放，以保持期望更新强度、促进各循环间的有效适应。实验显示其在数学推理、通用指令微调和代码生成上有提升，推理时仍使用标准LoRA，不增加可训练参数。
说明基于大语言模型、可解释且可泛化的自发语音认知衰退检测
简介该研究提出一个双语语音大语言模型框架，直接处理原始语音，同时学习声学与语义表征，并生成临床人员可理解的解释，用于阿尔茨海默病和轻度认知障碍的自动化认知筛查。研究使用新收集的PUTH-AD数据集及多个开源语料库，在六种数据集与任务组合中取得了最高的平均准确率与AUROC，并在未经任务特定微调的未见认知任务上保持分类准确率。临床人员评估认为，生成的解释具有临床相关性，且大体与语音证据一致。
说明同一赢家、不同成功率：评估LLM智能体如何从故障中恢复
简介该论文指出，现有基于检查点的基准仅用“动作集合一致性”衡量智能体故障恢复能力，这种有序指标无法反映绝对成功水平：当所有动作都失败时，结果会呈现虚假的稳定。作者证明了成功概率不同的两种情形可得到相同的最佳动作集合分布，并基于864个RecoveryBench片段和两个规划队列（共3456个回复）的实验验证了理论结论。论文建议同时报告一致性、全零比例、留出集成功率和合并成功率四项诊断指标。
说明GlyphBench：用于语言模型强化学习的游戏环境套件
简介本文提出 GlyphBench，一个包含 360 多个跨多种游戏任务的环境套件，用于语言模型智能体的强化学习后训练。它将空间观测渲染为二维 Unicode 字符网格，并提供统一接口。在 Craftax 实验中，字符观测优于原生文本和像素；用 100 个任务做强化学习后，Qwen3.5-4B 在留出的 Reasoning Gym 题目上达到 63.48% 准确率，优于基础模型及数学、代码训练的基线。
说明X-MoD：超越混合深度（Mixture-of-Depths）的稀疏深度路由实用缩放定律
简介论文提出 X-MoD，一种可扩展的稀疏深度 Transformer 架构，将 token 稀疏度与锚点步长解耦，使总参数量可增长而等效活跃容量基本不变。为训练深层稀疏路由，它结合稠密锚点、方差缩放的分层门控和深度方向的 token 平衡。作者还把稀疏深度路由配置选择表述为架构设计问题，并通过与 FLOP 匹配的稠密基线拟合，给出可解释的缩放定律，用于预测验证损失。
说明基于交易行为的语义增强：用于金融欺诈建模与推理
简介金融欺诈检测缺少丰富语义，公开真实数据常因隐私限制而缺乏文本语境。本文提出一个以原始交易行为为依据的多智能体语义增强框架，生成可解释的金融语义并经一致性修正，并发布多模态金融欺诈数据集MS-FFSD。实验显示该语义增强具有统计保真度与一定泛化性，更丰富的语义有助于欺诈建模和基于大语言模型的语境推理。
说明幅度-相位函数自编码器：一种分离函数数据形状与时间错位的无监督表示学习方法
简介论文提出幅度-相位函数自编码器（AP-FAE），用于处理单变量与多变量函数数据。该方法把潜在空间分解为幅度嵌入和相位嵌入，并通过共享的单调、保端点的时间变换捕捉相位变化。实验报告称，在合成数据和六个真实基准上，AP-FAE 在多数聚类与对齐指标及全部重建指标上优于现有基线。
说明WorldGuide：在潜在世界模型中学习成功与失败的边界，以改进视觉-语言-动作策略
简介该论文提出WorldGuide框架，利用成功与失败的轨迹进行预测预训练，并结合成功-失败配对的对比学习，在潜在空间中学习二者的区别。训练得到的预测器提供可微分奖励，用于联合优化策略与视觉编码器，部署时将其丢弃。作者报告其在LIBERO 100和SimplerEnv上分别达到96.8%和72.0%的性能。
说明通过求解器约束的自我博弈学习优化建模
简介本文提出OPT-Zero，一种无需任何外部训练数据的优化建模自我博弈训练框架。同一个大语言模型分别扮演出题者和求解者两个角色，出题者生成优化问题及其数学模型与求解代码，求解者仅依据自然语言描述来解题，二者借助外部优化求解器的执行反馈，通过强化学习交替训练并共同进化。作者报告称，在零数据条件下，该方法与依赖数据的先进方法表现相当，且泛化能力明显更强。
说明固定裁判、移动的智能体：版本相关的大模型裁判误差与裁判辅助评估的局限
简介论文指出，用大模型作为裁判比较智能体新旧版本时，固定裁判会因版本不同而系统性出错。作者分析了35个编程智能体提交、两个客服智能体及大量专家标注轨迹，发现多数裁判在多重校正后都不满足任务条件下误差不变的假设，并存在误判升级的情况。论文认为，相比仅依赖裁判的发布决策或迁移旧版校准，对当前输出进行配对审计更为可靠。
看点分析LLM裁判对不同版本智能体的系统性误差，并用多基准、多重检验调整展示其失效，新颖性中等，证据较充分，对评估实践有一定影响。
说明ConvCue：为视觉语言模型补充卷积视觉特征
简介论文提出ConvCue方法，在已有视觉语言模型基础上，引入一个冻结的预训练卷积网络（CNN）最后阶段的特征，通过可学习适配器和门控交叉注意力与原始视觉标记融合，并采用两阶段训练。在Qwen3-VL-2B、Qwen3-VL-4B和LLaVA-OneVision-7B上，于13个多模态基准测试中，该方法在三种骨干模型上平均性能均优于原模型及匹配的两阶段微调对照组。在Qwen3-VL-4B上，平均分从75.00提升至78.82（相对微调对照组）。
说明PainterBench：面向使用工具语言模型的图形发散思维基准
简介该论文提出PainterBench，把人类的不完整图形绘制任务改造为智能体场景：模型通过工具调用在画布上作画，起始图形不可擦除，目标是创作出最有原创性的图画，并自行决定何时完成。研究评测了14个多模态语言模型，收集2,700幅作品及人类创造力与可识别性评分，并提出自动评分器ViDrA-adapted，其对人类创造力评分的预测相关系数为0.85。结果显示模型间差异很大，智能体作品在创造力上高于人类作品，但可识别性较低。
说明按购物篮规模分层的交互分解：交易篮数据中可解释的两两与高阶关联结构
简介本文提出CSID方法，把交易篮数据中按剩余商品数量分层的对数优势比分解为商品集合特有成分与规模共有成分，无需拟合全局联合分布。模拟中，即使两两效应为零，CSID的两两估计仍接近零，而普通Ising耦合会因小购物篮规模势而被错误估为负值。在三个杂货数据集上，高信息量的三元组成分随时间可复现，且在跨期迁移评估中优于对比方法。
说明MotionSpaceFlow：在直接运动空间中进行表示感知的流匹配，用于文本驱动的人体动作生成
简介该论文提出 MotionSpaceFlow（MSFlow），一种直接在连续运动空间中预测干净动作的流匹配框架，无需学习编码器或解码器。作者设计了表示感知的噪声缩放与 RA-MMDiT 架构，并报告其在文本到动作生成上达到当前最优表现；其全局表示变体还支持推理时对任意关节或帧进行无需控制条件训练的零样本约束控制。
说明AlphaPareto：基于大语言模型引导多目标强化学习的公式化Alpha因子挖掘
简介本文针对量化交易中公式化Alpha因子挖掘的问题，提出AlphaPareto方法。该方法将Alpha池编码后纳入状态，并用大语言模型处理，以应对搜索环境随Alpha池变化而非平稳的问题；同时以多目标奖励向量替代单一标量奖励，兼顾预测能力、时间稳定性、扰动鲁棒性和多样性，并通过帕累托正则化学习优化。作者称在真实数据集上的实验中，该方法优于对比方法。
说明大语言模型并非随机鹦鹉：来自类人工语言任务的意义中介抽象证据
简介该论文检验"随机鹦鹉"假说，即大语言模型只能做统计模式匹配而无法抽象推理。研究者仅给模型提供虚构语言的自然语言描述，这些语言刻意违背训练数据中的常见模式，且不提供示例输出。结果显示，多数模型能遵循规则并调整语义关系，部分模型甚至与复杂翻译答案完全一致，作者据此认为该强版假说不成立。
说明EntroPack：任意比特率下快速且准确的熵编码权重压缩方法
简介该论文提出 EntroPack，一种可用于神经网络权重压缩的方法，支持任意目标比特率，无需激活校准或微调。它结合行归一化的 E8 格点量化与格点坐标的条件概率模型，并通过分块熵编码实现 GPU 上的快速解码与权重重建。在图像生成模型 Z-Image-Turbo 上，目标为每参数 4 比特时，其权重误差低于 NF4（相对 L2 权重误差约低 24%），且存储更少。
说明CASS：面向模型合并的贡献感知结构化稀疏方法
简介多个针对不同任务微调的模型合并为一个多任务模型时，任务向量之间的冲突更新会造成参数干扰。本文提出CASS框架，通过识别并保留与任务相关的注意力头和前馈网络神经元，减少这种干扰。CASS包括用作即插即用去噪过滤器的CASS-Merging，以及在可微调场景下约束梯度的CASS-Tuning。作者报告，在视觉与语言基准上，CASS能提升多种代表性的合并基线方法。
说明CRF损失：网络应如何学习弱监督分割中的边界
简介该论文针对弱监督语义分割（仅用图像级标签学习像素级预测）中的边界精度问题。作者指出，常用的DenseCRF后处理依赖低层颜色线索，可能把正确标签改错；而以SAM作为中间细化步骤并生成独热伪标签，又会丢弃CAM中的不确定性。作者提出DS-CRF框架，将软伪标签作为一元监督、二值边缘图作为二元监督，分别用各自的损失训练，并在MS COCO上取得56.5% mIoU的新最优结果。
说明基于人类示范的视觉-触觉-动作统一建模，用于灵巧操作
简介该研究指出机器人触觉示范难以规模化，而人类示范能提供更丰富多样的触觉交互数据。作者构建了可同步记录图像、触觉信号和手部动作的触觉动作捕捉系统，并建立了包含五类接触密集任务、1000段人类示范和每任务150段机器人示范的UVTA数据集。提出的统一视觉-触觉-动作模型将两类数据映射到对齐的表示中，联合预测未来动作与触觉轨迹；真实机器人实验中平均成功率为70%，高于最强视觉-触觉基线的29%和架构消融版本的42%。
说明通过潜空间约束优化实现高效推理
简介大型推理模型常因过度思考而生成冗余步骤，消耗大量token。该论文发现高效的推理步骤在潜空间中聚集于一个集中区域，并用二次规划把偏离该区域的隐藏状态拉回其中，从而无需训练即可减少生成token。实验覆盖1.5B至14B的四个模型和六个数学、编程、科学问答基准，结果显示准确率最多提升12.1%，生成token减少11.8%至52.8%。
看点将隐状态投影到高效推理区域的二次规划方法，属于对已有方法的实质改进；在四个模型、六个基准上验证，证据较充分，影响面限于推理效率子领域。
说明视频异常检测中的决策读出方式：对 Jev 与 Qwen 的探索性评估
简介该研究在 UCF-Crime 与 XD-Violence 两个视频数据集的 40 个视频、400 个目标锚点上，比较了 Jev 的类型化决策与三种 Qwen 读出方式，视频衍生文本证据保持固定。结果显示，在 XD 字幕上 Jev Noul 的平均精度（75.99%）高于 Qwen 生成概率与有序似然期望，但在 UCF 上没有相应优势。论文强调这些离线结果只描述排序、概率质量与接口失效情况，并不能证明因果收益或普遍优越性。
说明RAGWarrant：面向检索增强生成系统策略发布的可审计证据治理框架
简介该论文提出开源框架RAGWarrant，用于决定检索增强生成（RAG）系统的策略变更能否发布。框架在质量、成本、延迟与风险约束下，依据预先声明的门槛与证据等级给出PROMOTE、BLOCK、REJECT或INCONCLUSIVE决定，并保留负面结果。作者在多个数据集上进行了评估，结论是提出一种可审计的发布控制抽象，而非优化器优越性或生产就绪性。
