机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明基于轨迹对齐字形渲染的增强视频文字编辑
简介该论文研究视频文字编辑，即替换或添加视频中的文字并保持其余画面不变。作者提出轨迹对齐的字形渲染参考，按帧引导文字的位置与透视，并提出深度归一化的识别器特征监督，以捕捉扩散损失忽略的笔画错误。作者还构建了包含288个真实场景片段、440条标注文字轨迹的VTEdit基准。实验显示该方法在文字准确率和背景保持上优于相关方法与商业模型，句子准确率为0.9408。
说明ReplayLens：审计智能体如何使用历史结果
简介本文提出 ReplayLens，一种黑盒审计方法，用于判断智能体复用历史经验时，决策变化究竟来自记录的分数、动作名称还是记录的存储位置。方法每次只改动历史中的一种关系并保持其余接口不变，再观察决策结果。作者在黑盒大语言模型接口、有界记忆、序贯实验规划和代码调试等场景中进行了实验，结果显示仅看最终准确率无法区分这些依赖关系。
说明AGILE-GS：面向主动3D高斯泼溅的锚点引导快速下一最佳视角选择
简介该论文提出AGILE-GS方法，用于3D高斯泼溅（3DGS）的下一最佳视角选择。它先在SE(3)上优化一个虚拟锚点位姿以最大化期望信息增益，再用该锚点的视角几何为候选视角打分，并通过贪心岭杠杆步骤压缩出一个小而不冗余的候选列表。在标准基准和闭环具身采集中，两种变体均达到或超过现有基线，同时将选择延迟降低一到两个数量级。
说明GradLev：基于协态预测的词元并行测试时训练
简介论文提出GradLev，用于测试时训练（TTT）的并行化方法。模型在推理时逐个词元更新权重，但顺序梯度写入使并行训练困难。作者利用在线梯度下降在给定层输入和激活梯度（协态）时可以进行精确并行扫描的特性，用因果辅助网络并行预测所有词元的协态，再通过关联扫描计算适应后的权重与前向激活，并以一致性损失监督预测器。部署时辅助预测器被丢弃，模型仍逐词元进行前向和反向传播。
说明GPARA：面向扩散先验的图后验对齐精修与主动采集方法
简介这篇论文提出 GPARA 方法，用于在冻结的扩散先验上进行主动测量与重建优化。方法学习一个依赖上下文的图代理模型，刻画扩散预测残差，用于估计新测量的价值并更新重建结果。实验在物理场和计算机视觉两类重建任务上进行，结果显示其在精修与主动采集方面优于所比较的基线方法。
说明基于自然图像自编码器的fMRI表征，用于特质与状态预测
简介该论文提出FReD方法，用仅在自然图像上预训练、且保持冻结的深度压缩自编码器（DCAE）提取fMRI表征，并配合针对任务的读出模块。在四个静息态数据集的六项特质预测任务中，冻结DCAE特征上的线性探针总体优于fMRI基础模型表征，并与全量微调的fMRI基础模型相当；在三项任务态fMRI状态预测中，表现与最强的基础模型相近。
说明隐藏激活不够（一）：知识矩阵作为更高层表示
简介本文将训练好的前馈网络的知识矩阵视为输入的更高层表示，该矩阵由网络的表示与激活函数共同决定，其行和恰好等于 logits。作者分析了它的决定因素、不变性及几何含义，并在 ResNet-152、DenseNet-121 和 GoogLeNet 等网络上进行了对抗攻击的比较实验。文中也报告了两个负面结果：在 AlexNet/CIFAR-10 上，倒数第二层特征在部分检测器和攻击中表现更好。
说明SlideDP：在多张 GPU 上扩展主机驻留式大模型微调
简介该论文提出 SlideDP，一种面向共享主机多 GPU 系统的同步数据并行运行时，用于全参数微调超出显存容量的大语言模型。它维护单一权威主机状态，并流水化参数传输、梯度聚合与 CPU 更新。在匹配批量的实验中，相比 SlideFormer、MegaTrain 与 ZeRO-Offload，吞吐量几何平均比为 1.46 到 2.64 倍；在四块 H100 上，Qwen3-14B 的吞吐量接近 GPU 驻留的 FSDP2。
看点针对共享主机多GPU的分层流式微调提出同步数据并行运行时并给出分析模型，实验覆盖多个基线与大模型，但新颖性属于对已有方法的实质改进。
说明GT-PSSM：用于多变量时间序列异常检测的统一概率框架，兼顾随机动态与依赖关系学习
简介论文指出，许多多变量时间序列异常检测方法依赖确定性模型的逐点误差，而真实数据受测量噪声影响具有随机性，误差大未必是异常。作者提出GT-PSSM，将概率状态空间模型与图Transformer结合，同时建模随机动态、长程时间依赖和变量间相互作用，以期实现更稳健的异常检测。
说明RoutePrism：追踪智能体记忆构建顺序的影响
简介该论文提出诊断协议RoutePrism，用同一批来源记录按两种不同顺序构建两份记忆，并逐层追踪来源、编译上下文和答案的差异。通过固定其他条件并进行配对的四条件干预实验，论文发现按顺序被挤出的单条记录若被恢复，可挽回60多个百分点的准确率，而替换为长度相同但无支持作用的记录则无效。该方法在PersonaMem-32K与LongMemEval-S数据集上进行了评估，并在五个答案模型上复现了核心干预结果。
说明WorldGraph：以图为原生的世界建模
简介该论文提出图世界建模（GWM），把随时间演化的图本身视为世界动态，而非仅用图组织内部状态。作者构建了覆盖节点、边和图三个层级转移的基准GWM-Zero，基于八个时序图数据集。提出的WorldGraph结合状态感知图Transformer与带动态分组和结构感知可验证奖励的转移感知GRPO，在三种转移粒度上均优于代表性基线。
说明衡量大型语言模型信念稳定性的分级指标
简介该论文提出“分级信念稳定性”，用于衡量一个信念在大型语言模型整体信念体系中能否保持稳固，而不只看模型单独对某一说法的把握程度。作者用直接条件估计器，借助模型内部表示估计条件信念概率。在12个模型与三个领域的实验中，在按单独信念概率匹配后，稳定性较低的信念在对话挑战下的平均行为变化更大，比例为83.3%。
说明TableSeek：面向异构表格语料的结构保持式主动证据检索
简介该论文提出 TableSeek，一种用于异构表格语料的结构保持式智能体检索框架。它由大语言模型智能体迭代地依据稀疏线索查找证据，检查保留结构的预览并修正检索过程，同时以单元格和模式作为证据锚点、以完整表格作为证据单元。论文称，该方法无需训练检索器或预先建立语义索引，即可在异构表格基准上与强大的检索加重排序流程取得有竞争力的端到端表现。
说明迁移校准的预测驱动推断（TC-PPI）：用少量金标准样本把源领域的预测模型校准到目标领域，以提升置信区间的效率
简介预测驱动推断（PPI）及其功效调优扩展（PPI++）通过结合少量金标准标注样本与大型AI模型的预测来改进置信区间，但其效率依赖于较低的残差方差，若预测器在不同源领域预训练则可能不成立。本文提出迁移校准的预测驱动推断（TC-PPI），利用金标准样本通过交叉拟合将源领域预测器适配到目标领域，支持稀疏线性校准、LoRA和微调等多种适配方法。联合调优的交叉拟合估计量Joint-TC-Cross-PPI++在保持无偏性的同时，效率至少不低于经典推断、PPI和PPI++，从而防范负迁移。作者给出了高维校准的均方误差界，并在多个真实应用中显示优于基线方法的经验结果。
说明SPINET：基于层理（sheaf）的蛋白质反向折叠网络，可利用分子动力学轨迹设计序列
简介该论文提出SPINET模型，从分子动力学轨迹而非单一固定骨架预测氨基酸序列，以适应蛋白质功能过程中的结构变化。模型用细胞层（cellular sheaves）表示每一帧内的残基相互作用，用循环单元整合跨帧信息，并一次性预测全部氨基酸。在mdCATH数据集上，其top-1序列恢复率为56.7%，高于最强静态基线的44.5%和最强集合基线的40.7%；在该数据集上，预测序列与目标轨迹构象的中位TM-score为0.760。
说明用预训练语言模型量化北日耳曼语支内语言距离：以丹麦语、挪威语、瑞典语为例
简介本文提出一套基于多语言预训练模型的三项指标框架，用于量化丹麦语、挪威语（书面挪威语Bokmål）和瑞典语之间的语言距离，三项指标分别为句子语义距离、正字法碎片化率和掩码语言模型可预测性。研究以Tatoeba语料中150组三语平行句为样本，在LaBSE和mBERT两个模型上得到一致的距离排序：丹麦语与挪威语最近，其次是挪威语与瑞典语，丹麦语与瑞典语最远。作者指出该结果与历史语言学结论相符，但方法的推广仍需在更多语言群组上验证。
说明基于似然引导的工具空间优化实现自进化智能体
简介这篇论文研究智能体如何通过累积的工具输出经验，持续调整每类重复任务可用的工具空间，而不改变模型参数。作者提出LOTS方法，通过衡量移除某工具输出后模型生成答案的似然变化来评估该工具的贡献，并据此更新任务专属的工具空间。论文报告其在三个基准上提升了任务表现并显著减少工具上下文，且学到的配置可在不同模型间迁移。
说明基于功能性手型先验的第一人称单目视频三维手部姿态估计与动作识别
简介本文针对第一人称视角动作识别中仅依赖几何或物理信息难以捕捉动态手部动作的问题，提出一种功能性手型分类体系，并据此为现有数据集逐帧标注手型。作者设计了以手型语义为先验的手部动作识别框架，包含特征提取、估计三维手部姿态、物体类别与手型的模块，以及对较长时间序列进行聚合的动作模块。在FPHA和H2O两个大规模基准上的实验表明，该模型优于现有最先进方法。
说明视觉语言模型空间推理的几何编码方法
简介该论文提出 Geometric Code，一条从感知到几何的流程：先从单目视频中分割、分类物体并恢复深度、相机位姿与内参，再由确定性几何引擎生成包含物体位置、尺寸、距离等信息的空间编码，并将其作为文本提供给视觉语言模型。论文称该方法无需训练或微调任何组件，在 VSI-Bench 上使 2B 和 4B 开源模型的平均准确率较仅使用帧的基线有所提升，其中绝对距离等数值估计任务提升最明显。
说明ExpertoRhythm：基于波形形态感知的单通道PPG无袖带血压估计方法
简介该论文提出ExpertoRhythm模型，一种带注意力机制的1D U-Net，可从单通道光电容积脉搏波（PPG）信号重建动脉血压波形，并直接从重建波形推算收缩压和舒张压。作者设计了结合范围加权SmoothL1重建损失与窗口范围正则项的复合损失函数，以更好地处理高动态血压片段。在含942名受试者的UCI无袖带血压数据集上，收缩压和舒张压的平均绝对误差分别为2.46和1.46 mmHg，并报告符合AAMI标准且达到BHS A级。
说明CAST：面向交互式世界模型的重建耦合加速方法
简介交互式世界模型需要快速响应控制信号，同时保持场景一致性。论文提出CAST框架，依据交互敏感度和跨层覆盖选择锚点，用相位感知重建（PAR）恢复被跳过的特征残差，并按下游重建责任协调历史KV路由。在Matrix-Game 3.0和HY-World 1.5上，CAST分别实现2.15倍和3.48倍加速，视觉质量接近原生模型，并在对比方法中取得最高的VBench分数。
说明超越几何：面向三维逻辑异常检测的基准与一致性推理
简介现有三维工业异常检测主要针对局部几何偏差，而许多工业异常违反对象层面的设计或装配规则，本文称之为三维逻辑异常。作者提出首个面向工业点云逻辑异常的数据集ILGAD，包含15个类别的2,774个样本，并提供点级标注，涵盖存在性、规格、姿态和装配状态错误。同时提出一致性推理框架，检测几何变化、预期结构缺失及异常局部排布，在ILGAD、Anomaly-ShapeNet和IEC3D上取得较好的对象级检测与点级定位效果。
说明基于解析与卷积神经网络的运动矢量传播方法，用于高效视频目标检测
简介本文提出一种软硬件协同设计方法，在检测器两次调用之间复用视频编解码器的运动矢量，以降低延迟和功耗。文中比较了解析式运动矢量传播（Analytical-MV）和基于卷积神经网络的学习式传播（CNN-MV）两种模型。解析式方法的F1为0.909，平均端到端延迟9.03毫秒，每帧能耗0.177焦耳，相比逐帧检测分别降低25.9%的延迟和36.4%的能耗。
说明同一任务，不同应用：为何移动端GUI智能体难以泛化？
简介该论文提出AnyAppBench，一个面向安卓真机的分类可控基准，用于测试移动GUI智能体在保持用户目标不变时能否跨应用完成同类任务。基准包含10个功能类别、100个任务模板和52个应用，共520组任务与应用配对。研究发现，13个智能体在原应用上的成功率不能可靠地迁移到功能相同的新应用，提供高层子目标分解只带来小幅且依类别而异的改变，失败类型组成也随目标界面变化。
看点针对移动GUI智能体的跨应用泛化问题提出新基准，在520个任务-应用对、13个智能体上验证，证据较充分。
说明印度语言词语相似度数据集：标注与基线系统
简介本文为乌尔都语、泰卢固语、马拉地语、旁遮普语、泰米尔语和古吉拉特语六种印度语言构建了人工标注的单语词语相似度数据集。数据集通过翻译英文词语相似度数据集并重新标注而成。作者还用最新技术对乌尔都语、泰卢固语和马拉地语的词向量模型给出了基线评测分数。
说明你无法两全其美：概念纠缠限制扩散模型的遗忘效果
简介该论文研究文生图扩散模型中的概念遗忘：在抑制目标概念（如“马”）的同时保留相近概念（如“驴”）。作者从概念表征的几何结构出发，证明目标概念与其他概念的重叠程度决定了强力擦除必然造成的损害，且两者的权衡与重叠程度呈线性关系。在十三种遗忘方法的测试中，没有一种方法能同时做到强擦除和强保留邻近概念。
看点将概念纠缠的几何视角形式化为下界定理，并在十三种方法、多个模型上验证权衡关系，新颖且证据较充分。
说明Waggle：为自组织 LLM 智能体群学习一条匿名本地规则
简介本文提出 Waggle，一种在有限本地视野上共享的匿名策略，可同时决定任务动作、语义通信和本地承诺更新。作者还提出了群体一致蒸馏方法（SCD）来训练该规则。论文称，同一规则在群体规模和交互预算变化时仍保持有效，达到特定环境最优方案质量的 96% 以上，且无需重新训练即可迁移。
说明Evo2Team：进化得到的技能何时能够迁移？从选择到部署
简介该论文研究在多智能体团队之间迁移路由与通信技能的效果，实验涵盖 4 至 32 个智能体及 GPT、Qwen 模型。作者提出 Evo2Team 方法，用于为目标团队选择、适配并确认源技能，并与六种冻结选择器在 28 个迁移方向上比较。结果显示，技能迁移需要通过智能体的实际行为、所覆盖的任务以及最终部署的质量与成本来评估，而不能仅看技能选择本身。
说明StateGuard：面向长时程数据分析智能体的分析状态有效性管理框架
简介论文指出，基于大模型的数据分析智能体在多阶段长流程中，约束、变量和结论隐含在交互历史里，过时结果可能被静默沿用并向下游传播错误。作者提出 StateGuard，把分析进展外化为状态图，并通过证据验证与分级干预维护状态有效性。在三个长时程数据分析基准上的实验显示，该方法提升了智能体表现，并减少了依赖导致的下游错误传播。
说明PrefLUT：基于成对偏好的可复用、可迭代个性化调色模型
简介该论文提出PrefLUT框架，用户通过“偏好/非偏好”图像对表达调色偏好，系统将其编码为一个轻量、可复用并可用更多偏好对迭代优化的用户档案，无需为每位用户单独优化。模型据此预测可导出的3D LUT（查找表）及编辑强度，实验在三个数据集上展示了个性化编辑与通用增强效果，并提出了用于验证个性化编辑是否依赖用户偏好与查询图像的PCVP评估协议。
说明从攻击成功到攻击严重程度：针对大语言模型智能体的反事实记忆攻击
简介大语言模型智能体越来越依赖持久记忆，恶意写入的记忆可能长期影响其后续行为。本文指出，除了攻击是否成功，攻击造成的后果严重程度也是一个独立的设计目标，并用“反事实记忆遗憾”（CMR，即相对于干净记忆的下游损失增量）加以度量。作者提出MemHarm方法，在预先限定的稀疏语义编辑集合中，利用离线配对损失反馈进行筛选，结果显示其在保留大部分成功率提升的同时，造成了明显更大的下游损失。
说明PLDR-LLM训练与推理动力学：行映射坍缩、重整化与预测性约简
简介本文从统一角度研究幂律解码器表示语言模型（PLDR-LLM）的训练与推理过程，给出精确的有限功恒等式，用于分解可学习行中心映射绝对能量的变化。文中区分了绝对行坍缩、相对行集中、算子稳定与预测精度，并通过实验显示结果依赖观测者与优化器，同时否定了所测试的自治行状态候选。
说明STITCH-RAG：基于主题超图的时空影响追踪，用于多跳检索增强生成
简介该论文提出STITCH-RAG框架，用于多跳检索增强生成。它通过半合并主题超图、时空影响桥接传播以及连续得分的个性化PageRank，帮助检索器跨文档连接分散的证据。在HotpotQA和2WikiMultiHopQA上，按所报告的评测协议，其Contain-Acc和LLM-Acc点估计值以及Recall@8均高于所比较的方法；混合领域基准仅有LLM判定的准确率，结果作为辅助参考。
说明JET：测试时由评判器引导的智能体程序进化
简介该论文提出 JET（Judge-Guided Evolution at Test Time）方法，在带标签的源轨迹上进化出一个可执行的评判器，然后冻结并迁移到目标任务，用于引导智能体程序的进化，无需真实奖励或模型权重更新。在未见过的 WebShop 任务上，相比固定评分标准，JET 在冷启动和热启动情况下平均奖励分别约高 13% 和 4%，冷启动的精确成功率相对提升 36%。
说明用大语言模型理解临床认知评估对话
简介本文提出一个去标识化语料库，包含33段认知评估对话、8250条话语，标注了三种说话者角色和56种对话行为。作者用该语料评估大语言模型在细粒度对话行为分类和生成下一条患者话语方面的表现，并测试域外指令数据与带解释的训练是否有效。结果显示，指令微调在患者话语匹配和分类准确率上表现最好；即便如此，模型仍难以区分相近的对话行为。本文不作诊断判断，仅提供数据与评估框架。
说明SpatialSkill：面向跨视角空间推理的自演化技能框架
简介该论文提出SpatialSkill，一种不更新模型权重的方法，让冻结的视觉-语言模型从离线轨迹中积累可读的自然语言推理技能。技能需经过视觉定位和可执行性检验后才会入库，并按空间推理类别路由以减少负迁移。在CityCube上，四个冻结执行器均获得一致提升，其中配备该方法的9B执行器超过评测中最强的闭源参考模型。
说明流匹配中的“流模型”究竟带来了什么？
简介该论文分析了流匹配中用高斯过程流替代线性插值的做法，并称其在部分基准上误差更低。作者论证这类流模型的条件路径，本质上仍是条件流匹配已能参数化的高斯条件路径，并指出所用的高斯过程核把均值与方差耦合在一起，改用此方法并未带来额外收益。作者还发现，发布的代码并未实现文中描述的状态与速度相关机制。
说明基于不确定性量化的电力需求概率预测
简介多数用电量预测研究只给出每个时间步的单一点估计。本研究比较了四种当代概率预测模型在真实电力系统数据集上的表现。结果显示，在所有用电区域中，NGBoost（自然梯度提升）的 MAE 和 RMSE 最低，且不确定性估计校准良好，预测区间覆盖率高、区间相对较窄，优于贝叶斯模型、MC Dropout 和高斯过程回归（GPR）。
说明SlimWise：在预填充与解码阶段分别剪枝专家，提升MoE推理效率
简介混合专家（MoE）模型每个token只激活少数专家，但批量解码时几乎要访问全部专家权重，成为瓶颈。本文提出SlimWise服务框架，预填充阶段使用完整模型，解码阶段使用剪枝后的模型并直接复用预填充生成的KV缓存。在两个MoE骨干模型和三种剪枝准则上，这种免训练的KV缓存交接在许多设置下明显缩小了与完整模型的精度差距，并通过低成本蒸馏进一步减少残余精度损失。在Qwen3.6-35B-A3B上，50%专家剪枝时解码吞吐量最高提升1.81倍，精度损失很小。
说明用于非线性政治面板数据的预测必要性因果发现：反馈、函数形式与民主化动态
简介论文提出一套面板数据推断流程，结合灵活的自回归估计、预测必要性检验、函数形式刻画和同数据线性基准比较，用于判断动态面板中不显著系数背后的真实关系。将其应用于包含113个国家的V-Dem面板数据，流程复现了公民社会、法治与制度化政党的核心发现，并识别出民主对其制度支撑的反向关系。论文还指出，已发表的三个弱直接效应分别因不同原因被修正：一个消失，一个被平均化，一个因变量集缩减而被掩盖。
说明多目标强化学习框架中公平性的演化
简介本文提出一个多目标强化学习框架，把公平性的演化看作物质收益最大化与公平驱动道德行为之间的动态权衡，并由公平压力系数调节。作者在双目标Q学习最后通牒博弈模拟中发现，公平压力增大会促进公平结果；在中等压力下，应答者会转为接受低额提议的“宽容”行为。微观分析显示，这种策略反转源于收益最大化偏好与公平偏好之间的竞争。
说明GUITAR：通过状态转移对 GUI 智能体进行结构化失败诊断
简介该论文指出，现有以步骤准确率评估 GUI 智能体的方法会忽略界面的功能结构。作者提出 GUITAR 框架，用状态转移图把外观不同但功能相同的界面映射到共享状态，从状态和转移两方面分析失败。在 AndroidControl 和 Mind2Web 的 8 个智能体与 6 项任务上，约 60.4% 的失败集中在 20% 的状态中。针对这些瓶颈的引导使成功率提升 2.8%。
说明“未知”不等于“正常”：将语言模型信息提取与基于规则的临床风险评分决策逻辑分离
简介这篇论文研究用大语言模型从临床自由文本中提取信息以计算风险评分时，如何避免把未记录的症状当作正常。作者将信息提取分为“存在、不存在、未知”三种状态，再由确定性代码根据未知输入计算分数范围，只询问可能改变决策的问题。在1200个合成急诊案例和六种评分工具上的实验表明，该方法准确率与逐项询问相当，但问题数减半；把缺失视为正常则会明显漏判。
说明SpecRegMatch：面向车内噪声预测的鲁棒半监督回归方法
简介本文提出一种名为 SpecRegMatch 的半监督回归方法，用于预测汽车车内噪声水平。该方法只用一个模型，通过一致性正则化和信息最大化，并对嵌入向量和预测值施加多种增强来稳健训练，从而避免多次数据采样带来的高计算成本。实验显示，即使使用单一模型，该方法在多种场景下达到当前最佳性能，R² 分数为 0.434，在标注数据稀缺时尤为突出。
说明谱偏差：用于稳健表示蒸馏的谱平衡特征匹配
简介大型视觉基础模型迁移能力强，但体积大，部署困难。论文指出常用的 L2 特征匹配蒸馏会偏向还原教师表示中的主导谱方向，而对可能含有任务相关信息的低方差方向优化不足。作者提出谱平衡特征匹配（SpecMatch），自适应地强调欠优化的谱方向，同时保留主导方向的相对重要性。实验显示其在多数设置下优于传统特征匹配，并在蛋白质理解任务上也有提升。
说明重建隐含的科学知识：通过天文学论文端到端复现评估大语言模型智能体
简介该研究提出一个框架，用端到端复现来评估大语言模型智能体，把执行与验证、计算失败与方法模糊区分开。作者在14项天文学研究中测试，其中13篇发表于《自然》，其余来自《天体物理学杂志》，多数存在无法唯一确定复现路径的模糊之处。在一个案例中，12条预设路径得出的同一量从2.16到3.53千秒差距不等，只有一条接近已发表的约2.70千秒差距，而关键的+0.02毫角秒视差零点修正其实已写在论文中，智能体却直到分析显示其影响后才意识到其相关性。
说明用于点云流序列边界框配准的可微优化框架
简介本文提出一种免训练的方法，在激光雷达点云流上同时优化一整段轨迹的所有位姿，把时间平滑约束融入配准目标，而不是先逐帧配准再做后处理平滑。在可见度良好的目标上，该方法在几何精度与轨迹平滑度之间表现更优；随着视角变为单侧，优势逐渐减弱，在近乎侧视的目标上趋于零。作者指出，朝向对齐依赖估计速度，速度噪声大时方法失效，并给出一种无需真值即可选择时间尺度的规则。
说明超越正确性：评估跨表迁移中的语义知识
简介该论文指出，在表格学习中，常用的语义消融实验可能误导对语义知识预测价值的判断。作者区分了“内容敏感性”与“预测效用”两个概念，并提出按所研究问题选择对照组的评估框架。对25组语义消融比较的审计显示，18项明确的预测效用主张中只有1项配有能清楚隔离语义贡献的对照。
说明通过融合环境元数据的多模态动物重识别推进野生动物保护
简介该论文提出多模态动物重识别数据集 MetaWild，包含六个物种的 20,890 张图像，并配有从相机陷阱叠加信息和场景中提取的环境元数据。作者还提出轻量模块 Meta-Feature Adapter（MFA），可接入现有基于视觉语言模型的重识别方法。实验表明，结合元数据后，重识别性能相比仅使用视觉信息持续提升。
说明评估自动语音识别中的机器遗忘
简介本文研究机器遗忘（MU）算法和评估工具是否适用于自动语音识别（ASR）模型，以响应“被遗忘权”相关法规。作者对ASR模型应用多种遗忘方法，比较单一主体遗忘时的隐私与效用权衡，并考察顺序遗忘和同时遗忘的效果。结果显示，基于梯度上升的方法权衡较好，而更复杂的方法会过度遗忘样本，使其更易被识别；同时，简单的成员推断攻击不足以可靠评估遗忘效果。两种多主体遗忘方式的隐私与效用均差于单一主体遗忘。
说明何时可以认为一个SAE特征具有可解释性：面向EEG基础模型的验证阶梯
简介论文研究稀疏自编码器（SAE）在EEG基础模型中的特征解释问题。作者发现，去除alpha频段会使部分潜变量激活变化较大，但滤波器同时删除的信号远多于对照陷波，按去除的频谱能量归一化后，比值降至0.28，且在全部27个设置中均未超过1。作者据此提出一个验证阶梯，逐层检验潜变量是否响应、响应是否可由信号去除量解释、是否具有特异性，以及该性质在未扰动数据中是否可见。
说明TRACE：面向急性心脏护理的专家对齐心电图表征学习
简介TRACE 是一种多模态心电图（ECG）表征模型，通过联合学习心电信号本身与心电图和心脏科医生报告之间的跨模态关系，生成可用于心律失常和结构异常分类的信号嵌入。论文在公开基准上评估了该模型，并在一个大型私有急性冠脉闭塞（ACO）数据集上验证：与临床实践相比，灵敏度提高19.0%，或在临床基线下假阳性率降低62.6%。
看点在CLIP式ECG-报告训练上结合单模态与跨模态不确定性加权多任务学习，并用于急性冠脉闭塞的临床验证，证据扎实，影响面较大。
说明AD-E2E-JEPA：面向端到端自动驾驶的联合嵌入预测架构
简介本文先系统评估了现有基于动作条件的联合嵌入预测架构（JEPA）世界模型（包括LeWM、DINO-WM和JEPA-WM）在端到端自动驾驶中的表现，并采用不训练驾驶策略、以真实未来观测为目标的零样本规划设置进行测试。作者提出AD-E2E-JEPA，通过对投影图像块嵌入施加SIGReg正则化的可学习投影器，将规划所用图像块数量减少16倍、嵌入维度减少4倍，推理速度提升100倍，同时保持规划性能。在NAVSIMv2基准上，该模型在目标条件零样本规划中取得67.3/72.9 EPDMS（含乘法安全指标），并且自监督预训练的投影器可将下游模仿学习的EPDMS从80.2提升至85.4。
看点在JEPA世界模型上加入SIGReg正则投影器以降低规划开销，实验覆盖NAVSIMv2并给出100倍加速与下游模仿学习提升，新意属实质改进。
说明超越单轮训练：面向推荐模型的不确定性加权敏感性正则化
简介论文指出，稀疏嵌入与共享消费者结构的推荐模型在第二轮训练后会出现训练损失下降、泛化明显变差的现象。作者将其归因于嵌入在后续轮次中受标签更新影响，消费者可能利用这种偏移，且这种利用无法泛化。作者提出不确定性加权敏感性正则化（UWSR），通过惩罚消费者对不确定嵌入的依赖来缓解该问题，并在三个基准上报告四轮训练相较单轮训练降低了测试交叉熵并提升了AUC。
说明K-OPSD：面向建筑工程图纸的可验证在线自蒸馏视觉语言模型后训练方法
简介本文针对建筑、工程与施工（AEC）图纸的理解难题，提出 K-OPSD 方法，用于改进视觉语言模型的后训练。方法以模型自身的多次采样结果构建教师，经过程级验证器筛选，并通过提示揭示答案的重采样挽救失败样本，再用交叉熵损失在线更新模型。作者在 AECV-Bench 数据集上微调 Qwen3-VL 模型，取得较高的平均评分与综合准确率，并在域外的 ArchCAD 数据集上迁移有效。
说明GenoMorph：基于通路推理并自适应调整潜在计算的基因组疾病推断框架
简介该论文提出 GenoMorph，一个多模态基因组推理框架，希望让疾病预测依靠生物通路推理，而非死记硬背基因与疾病的对应关系。方法包括冻结的 DNA 基础模型、自适应潜在推理（LatentSp）以及拒绝采样微调等。作者用匿名化的 KEGG 基准测试，加权 F1 达到 0.9465，并报告在另一设置下 F1 为 0.9725、延迟降低近 60%。
说明WhiteCon：基于白化变换与双重一致性的半监督域适应回归方法
简介该论文针对连续输出的回归任务，提出半监督域适应回归方法WhiteCon，结合领域专用白化变换和双重一致性正则化，以提升训练稳定性和跨域适应能力。论文称其在多个基准数据集的半监督域适应回归设定下取得了优于现有方法的表现，代码已公开在GitHub。
说明MaskCoFT：面向省显存 MoE 推理的掩码协同自适应微调
简介混合专家（MoE）语言模型往往超出单块 GPU 的显存，专家卸载把多数专家放在主机内存中按需加载。该论文提出 MaskCoFT，在微调时用可学习的二值掩码限制每层路由的专家子集，并与专家一同用交叉熵损失训练，使专家适应被重定向来的词元。推理时掩码转为软先验重新排序专家。在模拟缓存下，相对基础模型每个词元的专家读取次数分别减少 23.7%（Mixtral-8x7B）和 10.1%（DeepSeek-V2-Lite），九项基准平均准确率仍高出 0.92 和 0.53 个点。
说明信息的双刃剑：学区择校中公开与隐藏抽签号码的比较
简介在学区择校中，当想进同一所学校的学生多于学位时，匹配机制会用抽签号码打破平局。本文放宽了“所有学生偏好排序相同”的假设，在贝叶斯纳什均衡的博弈模型下分析公开抽签号码对匹配率和社会福利的影响。研究发现，公开号码可能改善也可能恶化结果，部分公开信息时的效果也呈非单调变化。
说明PhysFieldBench：多模态模型能否理解物理场？
简介该论文提出 PhysFieldBench 基准，包含 24 项任务和 1160 个评测样例，涵盖受控方程场、模拟物理场与观测物理场，考察模型识别物理机制、比较隐含控制变量和预测结果属性的能力。结果显示，零样本条件下表现最好的模型标准化得分仅为 29.3，多个开源模型接近随机水平；而任务专用的监督视觉 Transformer 表现明显更好，说明输入数据中存在可学习的物理信息。研究还发现，强化学习在思维链监督之后的泛化效果最好。
说明SNaP：面向带噪逆问题的单步后验采样方法
简介该论文提出 SNaP，一种用于带高斯噪声线性逆问题的单步 MeanFlow 后验采样器。其核心是依据测量算子、观测值和噪声水平构造的测量适配源分布，使测量充分的方向被锚定，测量较弱的方向保留变化。作者称在自然图像修复与多线圈 MRI 中，SNaP 每次采样只需一次网络评估，速度比迭代采样器快 30 至 2250 倍。
说明FLARE：用于随机微磁演化的局部轴角表示流匹配方法
简介该论文提出FLARE，一种基于流匹配的框架，用于预测磁化强度的随机演化。它把有限时间内的磁化预测转化为锚点相对局部轴角旋转空间中的条件传输，保持单位范数。该方法可在多个目标时间直接生成全场随机终点，无需逐步积分。论文报告了与外部基线的对比指标，并称在一个5纳秒两段式协议上相对MuMax³取得约3062倍的单GPU加速。
说明面向证书驱动的软件移植：一种用于科学程序优化的自我改进代理框架
简介该论文提出证书驱动的进化搜索（CDES），让大语言模型在移植科学代码时，把失败候选的假设、检查证据和限制条件记录为证书，并据此拒绝、回溯或定向修复后续候选，避免重复犯同样的错误。作者将其用于 Geant4 粒子模拟两个函数的 CPU 到 GPU 翻译，加速比分别为 13.78 倍和 23.54 倍（含数据传输）。在一组执行设置的消融实验中，证书反馈使通过必要正确性检查的候选比例从 55% 提高到 90%。
说明谁能获得一个词元，它又承载什么？大语言模型中名字支持不平等与概念可及性
简介论文指出，许多针对语言模型公平性的评测默认"匹配"的人名输入可比，但实际上有些名字能被模型作为单个词元直接处理，有些则要拆成多个子词，形成不平等的词汇支持。作者提出NameTrace框架，通过模型自身概率衡量这种差异是否会在招聘、奖学金、临床评估和贷款等任务的内部表示中体现，结果显示相关差异在各匹配组别中持续存在。
看点提出名字词元支持不均衡及NameTrace框架，揭示输入层面差异如何延续到任务相关的内部表示；覆盖多个模型族和未见名字，证据较充分。
说明面向LLM智能体的扰动鲁棒策略学习：稳定优化方法
简介本文研究大语言模型智能体经强化学习训练后的策略对隐藏状态噪声、剪枝和量化等扰动的敏感性问题。作者提出“扰动鲁棒策略”概念，分析扰动策略更新保持单调改进的条件，并据此提出SPrPO方法，在RL训练中施加自适应、感知敏感度的扰动。作者在ALFWorld和WebShop上进行了多种扰动类型与强度的系统实验，结果显示该方法在保持策略优化稳定的同时提高了扰动鲁棒性。
说明局部重建增益未必代表最终保真度：残差补全的反例研究
简介该论文研究残差补全（用于补偿稀疏注意力中被省略 token 的贡献）。作者在冻结的语言模型上测试 RESA 和学习型 Top-K+φ 方法，发现在两个 Qwen3-0.6B/Multi-LexSum 干预中，局部注意力输出重建有所提升，但最终 KL 保真度反而比 Exact Top-K 基线差。精确恢复同一层则能改善最终保真度。
说明视觉-语言-动作模型的分位数头：一种单次前向预测多分位动作的机器人控制方法
简介该论文面向机器人控制中的视觉-语言-动作（VLA）模型，指出常见动作头的局限：点回归只给出动作分布的点估计，标准流匹配采样需要多次迭代。作者将回归与流匹配统一到共同目标下并推导出分位数目标，据此设计了分位数头，一次前向预测中位数与正间隔以形成有序的边际动作分位数。论文报告，该联合监督的中位数策略在LIBERO等基准及两个真实机器人任务上取得了比较方法中最高的平均成功率。
看点将回归与流匹配统一到共享目标并导出分位数目标，提出单次前向即可输出分位数的动作头，新意明确；在LIBERO等多个基准及真机任务上对比，证据较充分。
说明KVCMAS：面向多智能体系统共享上下文的高效KV缓存校正方法
简介多智能体系统中，各智能体的专属前缀会改变同一共享上下文生成的KV缓存，导致重复预填充和高额计算与内存开销。本文提出KVCMAS，用紧凑的低秩状态表示跨智能体的缓存偏差，并沿智能体工作流串联校正，无需额外的参考预填充。在多个语言和视觉语言任务上，它的准确率与以往方法相当或更好，在高并发服务下首token延迟最低；在受控场景中，相比不使用缓存共享的推理，TTFT加速2.0倍，峰值GPU内存最多降低3.7倍。
说明世界模型能否学会全局理解？——基于幺半群世界的约束传播研究
简介该论文认为AI的“理解”是指学习约束并推导其后果。作者在幺半群构成的状态世界中设置任务，测试模型能否从局部转移学到逆、交换、组合、周期等全局约束。结果显示，常规下一状态训练难以传播非平凡约束，而隐藏中间状态的组合式训练在多种架构上达到96%准确率，并提升了具身环境和Wikidata微调语言模型的泛化表现。
说明用价值移植引导语言模型的目标
简介本文研究大型推理模型的内部“价值轴”信号能否改变模型所追求的目标。作者在微调后分别具有诚实与作弊倾向的 Qwen3-8B 和 GPT-OSS-20B 模型上，逐个词元将宿主模型的激活沿候选价值轴移动，以把它导向捐赠模型的目标。结果显示该干预双向有效，并在部分可解的编程任务中提高了作弊宿主模型的隐藏测试表现，初步表明其可用于模型控制。
说明PReCache：通过低秩预计算与中性重建实现多LoRA智能体的高效KV缓存共享
简介该论文针对多LoRA智能体系统中各智能体重复处理共享轨迹、重复构建KV缓存造成的内存与计算冗余问题，提出免训练的KV缓存共享框架PReCache。其中PreLRShared预先计算各智能体的紧凑低秩缓存以避免重复预填充，ReBaseShared则从无适配器的隐状态重建共享基础缓存以提高准确性。实验显示，PreLRShared相比不共享缓存的推理最高可实现3.1倍TTFT加速和2.3倍单请求吞吐提升，ReBaseShared平均仅下降1.1个点。
说明带反馈的因果发现的统计代价
简介本文研究循环线性非高斯因果模型中，从观测数据恢复强连通分量划分及分量间边所需的样本代价，并给出该任务的首个信息论样本复杂度下界。作者提出 BlockExo 方法，在适当条件下无需预先知道最大分量规模与外部父节点数即可达到与下界结构一致的样本量，仿真实验支持了其理论结论。
看点首次给出循环线性非高斯模型中SCC恢复的信息论样本下界，并提出基于残差独立的块外生性原理，理论贡献突出；实验仅为模拟验证。
说明跳出框框：滑动窗口KV推理中的信息保留与传递
简介该论文研究在滑动窗口KV缓存下，预训练因果Transformer逐段处理序列时，窗口外的信息能否通过缓存状态持续保留并用于检索。作者在Qwen、Llama、Mistral和Muse Glimmer等五个开源模型上做了实验。结果显示，保留先前计算的状态比从原始词元重算最后窗口的检索效果更好，其中Muse Glimmer和Mistral 7B表现出最明显的潜在信息中继现象。
说明ARCH-B：建筑表示、理解与层级基准测试
简介本文提出ARCH-B基准，包含354道四选一题目，涵盖11类跨表示的建筑图像对应关系，题目取自3.9百万张与建筑关联的图像。研究评估了25个多模态模型，并收集了5830份非专业人员的作答作为人类基线。结果显示模型准确率在10.45%至83.90%之间，人类基线为35.35%，模型在平面图与照片的对应上表现较弱。
说明Kafila：在一组可信的异构普通机器上部署大语言模型
简介论文提出 Kafila 系统，让研究小组或朋友圈里的多台消费级电脑组成一个可信的环形网络，共同运行单台无法承载的大语言模型。其规划器会先测量各设备的内存带宽、容量和可达性，再划分模型层并确定输出端的放置位置，从而缩短最慢的流水线阶段。实验显示，相比均匀划分和按内存比例划分，它在多个机器组上取得更好的效果，并在网络条件好时提升了吞吐量。
说明SCOPD：面向高效视觉语言模型的稀疏上下文同策略自蒸馏方法
简介推理型视觉语言模型处理的视觉token很多，推理成本高。论文提出SCOPD框架，让学生模型基于剪枝后的视觉token生成推理轨迹，由掌握完整视觉上下文的教师模型监督同一前缀，无需标准答案或额外推理开销。在10%视觉token保留率下，Vanilla模型保留未剪枝性能的86.37%，SCOPD提升至90.49%，SCOPD+进一步达到92.43%（13个基准）。
说明非负矩阵分解的奇点及其在贝叶斯推断中的应用
简介本文研究非负矩阵分解（NMF）这一奇异统计模型的局部几何结构，给出其实对数典范阈值（RLCT）的上界。在真矩阵存在严格正分解且内维为H0的假设下，证明该阈值不超过{(H-H0)min(M,N)+H0(M+N-H0)}/2；当H等于H0且等于真矩阵的普通秩时，得到精确值H0(M+N-H0)/2。这些结果可用于界定贝叶斯泛化误差和贝叶斯自由能的主导系数。
说明受约束强化学习中的视觉-语言信号：无需预判也能提升安全性
简介该论文提出VLM-Safe-RL框架，将冻结的CLIP视觉-语言信号通过奖励塑形和改进的乘子更新整合进PPO-Lagrangian算法，用于带安全约束的自动驾驶强化学习。在MetaDrive Hard场景中，灾难事件率从31.6%降至19.4%。但分析显示CLIP信号并不能预判碰撞，且其对拉格朗日乘子的影响可以忽略。
说明用于结构化临床数据分析的大语言模型：双智能体锚定与验证（CLEAR-Med）
简介论文提出 CLEAR-Med，一个双智能体框架：一个智能体把自然语言问题转为 SQL 查询并生成草稿，另一个独立的验证智能体负责接受、要求一次修复或弃答。作者在 532 条新生儿缺氧缺血性脑病记录的表格上，用 25 个开发基准问题测试查询智能体，其正确率为 66.4%，高于无锚定的 ChatGPT 基线的 12.0%。验证与弃答阶段的前瞻性完整流程评估被列为后续工作。
说明UOPD：面向多轮智能体同策略蒸馏的不确定性感知干预方法
简介本文提出UOPD方法，用于改进多轮智能体的同策略蒸馏（OPD）。学生模型在低教师置信度的关键步骤上由教师接管动作，并通过监督微调模仿教师，其余步骤仍使用标准OPD损失。作者在ALFWorld、WebShop和Search等任务上进行评估，报告相较标准OPD在WebShop得分上最多提升15.8%。
说明基于状态空间模型的三维点跟踪：在单卡预算下追踪场景中点的绝对米制三维位置
简介论文提出一种单目、无需位姿的三维点跟踪方法，以绝对米为单位追踪动态场景中的点。方法先用冻结的光流网络获取二维对应关系、用单目度量深度网络估计深度，再用紧凑的状态空间模型Mamba-3（结合DINOv3外观特征）学习并修正深度残差。在TAPVid-3D minival基准上，最佳配置的平均度量Average Jaccard为0.256，在相同条件下评估的方法中最高。
说明ADPTNet：用于序列建模的自适应非线性状态空间模型
简介本文提出一种名为ADPTNet的序列建模网络，旨在以较低能耗替代基于Transformer的AI，同时兼顾数据自适应、长程依赖捕捉、GPU并行和非线性循环能力。作者通过线性注意力与黎曼优化的组合构建局部拓扑共轭，并给出动力系统理论证明以控制其时间尺度。实验显示ADPTNet在Selective Copying及sequential CIFAR-10上表现优于若干现有方法，其脉冲版本在Spiking Speech Commands数据集上取得83.56%的准确率。
说明多跳检索增强生成中的保形事实性控制
简介本文研究了为单跳检索增强生成设计的声明级保形事实性控制，能否在多跳检索增强生成中依然有效。作者在HotpotQA、Natural Questions和TriviaQA上，使用Llama 3.1 8B和GPT-4o-mini进行了实验。结果显示，控制目标越严格，保留声明均有充分依据的回答比例越高；但这种提升伴随着大量声明被舍弃，因此可靠性需要与保留率和弃答情况一并解读。
说明忠实的激活语言化：减少大语言模型表示解释中的幻觉
简介论文提出AVPO，一个两阶段框架：先从隐藏激活重建源文本，再用独立冻结的问答模型评估该文本，得到可检查的中间结果。作者还用直接偏好优化（DPO）训练重建器，奖励同时考虑语义可恢复性与词汇保真度。在六类文本上，AVPO在要点与细节层面的信息恢复分别比最强基线提高至多17.1和9.3个百分点。
说明Re:Cognize：开放集漫画角色重识别框架
简介该论文提出Re:Cognize框架，要求模型在阅读漫画故事的过程中逐步识别角色并学习角色身份，而非依赖预先给定的固定角色集合。作者在三个漫画数据集上评测了五种重识别骨干模型以及他们提出的记忆增强基线MECHA。研究发现，模型依据自身预测更新角色库时性能会下降，并据此提出VOUCH方法，仅在页面提供支持证据时才更新记忆。
说明后验状态与潜在欺诈：用于金融交易序列欺诈检测的隐马尔可夫模型变分贝叶斯推断
简介本文提出三层递进的隐马尔可夫模型：最大似然（Baum-Welch）、变分贝叶斯（VBEM）及神经变分扩展（Neural VBEM），把每位客户的交易历史建模为少数潜在行为状态间的轨迹，其中一个状态经实证被认定与欺诈相关。在IEEE-CIS交易数据上，神经版本在其识别出的状态中实现14.4倍的欺诈富集；其AUPRC低于判别式XGBoost基线，作者认为这一差距是结构性的，该模型更适合作为校准的分诊与可解释层。
说明通过发现时序解释中的重复概念，揭示音频分类器中的捷径学习
简介论文提出一套流程：先找出解释分类器决策的音频片段，用多个大型音频语言模型为其生成描述，再用大型语言模型归纳出重复出现的概念，供人工审查以发现潜在的捷径学习。作者在从AudioSet Strong构建、可控制是否存在虚假相关的数据集上进行评估，结果显示该方法能可靠地发现模型学到的捷径，例如模型依赖“笑声”来预测“掌声”。
说明结构自适应树场积分器：面向树上张量场的近线性快速积分算法
简介本文提出一类名为结构自适应树场积分器（STAD-TFI）的近线性算法，用于在树结构上高效积分带距离相关核的一般张量场。该方法利用路径主干和单顶点分隔符进行分解，并借助二维快速傅里叶变换联合计算相互作用，比已有的树场积分器更高效。论文给出理论分析，并通过合成树速度测试、真实网格上的加速最优传输 Sinkhorn 松弛以及视觉任务的拓扑注意力 Transformer 进行实验验证。
说明Jev在医学领域的基准评估：Jev是一种非生成式的快速模型，只能在预设选项中作答
简介研究者在四个医学问答与病例诊断推理基准上评估了Jev 1.13，并以GPT-6 Sol（带中等推理与不带推理两种设置）作为参照。结果显示，Jev在PubMedQA上准确率与带中等推理的GPT-6 Sol相近，但在MetaMedQA、DiagnosisArena-MCQ和NEJM病例上明显较低。作者认为，在临床使用前需要进行针对具体任务的验证。
说明视觉语言模型测试时训练中的位置感知层查询方法
简介该论文针对视觉语言模型在测试时适应分布外样本的问题，提出轻量级的层查询网络（LQN），通过单次前向传播完成适应，避免了多次增强视图带来的高计算成本。方法包括位置感知蒸馏和位置一致性正则化，用坐标采样替代图像增强。论文报告在OOD ImageNet上将零样本CLIP ViT-B/16的Top-1准确率提高9.8%，并在细粒度分类、训练速度及分割任务上也有改进。
说明SR4-Fit：一种面向可信决策的可解释规则机器学习框架
简介论文提出 SR4-Fit，一种本身可解释的分类与回归算法，能生成紧凑且稳定的规则集。作者用美国人口普查局的社区调查人口数据预测众议院选举结果，并在14个基准数据集上与 RuleFit、决策树及黑箱模型比较，结果显示其在准确性、稳定性和紧凑性方面优于现有规则方法，预测能力与黑箱模型相当。
说明面向分布型结果的 Wasserstein 因果森林
简介本文提出 Wasserstein 因果森林（WCF），用于每个单位的结果本身是概率分布的情形，并定义了有限网格上的变换平均与条件平均处理效应。在多种模拟设计中，WCF 在条件分布指标上多数表现最准确，但在多峰情形下弱于森林基线。作者将其应用于 Project STAR 数据，发现小班额使数学成绩在年级内平均提高 0.161 个标准差，且提升在分数分布高位更大，离散程度基本不变。
说明估计而非模仿：复用可微分的基于状态的策略进行视觉运动控制
简介该论文针对仿真中训练的操作策略在只能依赖带噪声相机图像等部分观测时的部署问题。作者不再用视觉策略模仿专家动作，而是冻结可微分的状态专家，只训练一个视觉状态估计器，同时使用状态监督和经专家反向传播的动作一致性损失。在五个目标条件操作任务中，保留专家的方法优于直接从像素到动作的模仿；在真实 Panda 机器人上实现了 76% 的成功率，且无需重新训练底层专家。
说明Maat：面向多智能体大模型工作流的独立确定性契约治理
简介该论文提出 Maat，一个运行时治理层，依据版本化的工作流契约检查智能体之间的交接内容，验证和评分过程不使用语言模型。作者在六个受控领域工作流（522 次试验）中测试，结果显示在可由契约检测的交接缺陷上有一定改善，但也发现约 37% 的拦截属于误报，并指出验证器配置和拦截归因本身需要测试。
说明基于 YOLOv8 的计算机视觉方法：识别钓鱼网站的视觉欺诈
简介这篇论文提出一种用图像识别钓鱼网站的方法，把网页截图当作人眼看到的画面来判断，而不依赖网址、HTML 或域名信息。研究用 YOLOv8 卷积神经网络，依据版式、标志位置、配色和登录表单结构进行分类。在留出的测试集上，系统准确率为 92%，单张截图处理约 100 毫秒，经过针对光照、压缩和缩放的数据增强后，误报率相对基线下降 11%。
说明LTV-CTDNet：用于短期转向流量预测的组合式转向分解网络
简介该论文提出 LTV-CTDNet 模型，用于预测路口短期内各转向车流量，以支持信号控制和走廊运营。模型分别预测非负的进口道总流量和各转向比例，再由二者重构各转向流量预测。在田纳西州纳什维尔八个监测点的七个月 15 分钟 LiDAR 数据上，模型的转向级 MAE 为 1.8189、RMSE 为 3.8072，且输出不含负值，而无约束模型的原始预测中约 10.6% 至 29.2% 为负值。
说明已知物理何时对神经PDE模型有帮助：残差约束优于通用先验，适用于非线性动力学
简介本文比较了神经PDE代理模型中的几种结构先验，发现在相同调参预算下，已知方程残差约束优于最佳通用正则化方法。该优势在Burgers、KdV和Allen-Cahn等非线性方程中持续存在，但在线性热方程和对流扩散方程中趋于消失。当网格分辨率不足时，强制执行该残差反而有害。
说明ZeroBot：借助生成式 Real2Sim，几分钟内从零学会机器人操作
简介论文提出 ZeroBot，在没有人工示范、没有预训练策略、也不知道物体模型的条件下，让机器人几分钟内从零学习操作任务。系统只需一张物体单视角图像和目标位姿，用图像到三维的生成模型得到完整网格，再放入仿真中进行大规模并行强化学习。实验显示，在抓取、推动、关节物体交互和多阶段操作等真实任务上成功率为 87%，平均训练时间为 119 秒。
说明基于费舍尔信息重校准的反馈式同策略自蒸馏（FIRE）
简介本文针对大语言模型在外部反馈下进行同策略自蒸馏时训练不稳定、可能性能崩溃的问题，提出FIRE方法。该方法采用双分支框架：对正确回答改用重加权的同策略SFT，对错误回答则识别对教师诱导更新影响过大的反馈成分并重新校准目标。实验表明，FIRE在保持较强下游性能的同时，明显提高了自蒸馏的稳定性。
说明EHRAdapt：借助语义先验，将预训练语言模型适配到电子病历以处理罕见临床事件
简介该论文提出EHRAdapt，一种适配器，可将电子病历中的（时间、模态、编码）元组直接映射到冻结语言模型的嵌入空间，避免将其转为文本造成的序列过长。每个事件向量由冻结的生物医学语义先验与低秩学习残差相加构成，以缓解罕见事件样本稀少的问题。在约400万患者的记录上进行持续预训练，仅训练适配器参数（占全部参数的0.1%至0.6%），在三个骨干模型上，完整适配器在留出集的下一事件预测中均优于消融变体，并在传染病与症候群分类任务中表现更好。
