机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明不同语言模型在串行需求下如何重新分配注意力头的活动
简介该研究在17个开源模型的每一层中，固定提示长度、改变任务所需的串行步骤数，观察注意力头的活动是集中在少数头上还是分散到更多头上。多数模型在中层之前的层倾向集中、之后的层倾向分散，但不同模型的位置与强度各不相同。研究还发现，活动更集中于顶层注意力头的模型，在任务中也更依赖这些头给出答案，并提供了比较模型信息路由方式的新视角。
说明LeRF：学习用于视角采择推理的参考坐标系
简介该论文提出LeRF框架，训练视觉语言模型在需要从他人或想象观察者视角推理时，自行判断是否需要坐标系，并预测参考实体及其坐标原点。模型借助轻量渲染器把坐标系叠加到图像上，无需外部感知模型或显式三维重建。训练包括监督微调和在空间视觉问答数据上的强化学习，在多个视角采择基准上优于其骨干模型，并优于现有开源方法。
说明CineSubBench：基于多语言电影字幕评测大模型的长篇叙事与文化理解能力
简介本文提出CineSubBench基准，用于评测大语言模型基于多语言电影字幕理解长篇影片的能力。基准包含1012部电影的六种语言完整字幕，共6072条字幕轨道、813万条带时间戳的字幕条目。任务涵盖叙事重建与概括、类型预测、适龄评估、十种国家分级制度下的电影分级，以及基于字幕的语言安全判断。在九个大模型上的测试显示，故事前提比事件完整的剧情概要更易还原，跨语言一致性差异明显。
说明稀疏视角可解释的三维动物行为表征，用于神经编码与解码
简介该论文提出SABLE，一种自监督框架，用于从视频中学习动物行为的三维可解释表征。它在多视角Transformer中融合单目深度与姿态估计先验，能够从极少的视角（如两路视频）重建三维动物行为，且无需三维真值标签。在International Brain Lab和Cheese3D数据集上，其学到的三维表征在神经编码与解码任务中达到或超过现有最优方法，并可在预训练后零样本泛化到未见过的动物。
说明预条件化物理信息神经算子训练：一种无需标注数据、用方程本身训练神经算子的改进方法
简介神经算子通常需要先用经典求解器生成数据集再做有监督训练。本文提出一种预条件残差损失函数，解决物理信息损失因微分算子导致的病态问题，使训练仅依据控制方程即可进行。文中称该方法在泊松方程、Allen-Cahn方程和稳态Stokes方程上，精度与有监督训练相当，并比以往物理信息算子学习方法高4至25倍。
看点提出基于多重网格的预处理残差损失，解决物理信息损失的病态问题，并在泊松、Allen-Cahn、Stokes方程上验证，精度提升显著，证据较充分。
说明EnergyEminence：基于物理的电网数字孪生中的来源感知环境校准与评估
简介本文提出一个早期的 EnergyEminence 测试平台，将图时序预测器、非线性交流级联仿真与类运营界面的时间回放结合起来，并引入共享的有界校准方法，把野火检测置信度和空间范围转换为可比较的证据。基于 16 段合成环境视频生成 160 个带来源追踪的电网场景，在源视频不重叠的测试中得到 10 个真阳性、8 个假阳性、22 个真阴性、无假阴性。作者指出，按场景随机划分会掩盖环境捷径学习，并支持将环境预警与电气级联推断分开处理。
说明《迷失于翻译》：测量非母语英语对大语言模型终端用户表现的影响
简介母语非英语的用户使用大语言模型时，往往得到质量较低的回答。本文提出 FABLE 数据集，包含从 17.4 万条真实写作类用户提示派生的 190,911 个英文提示变体，并以此评测 34 个开源权重大语言模型。结果显示，模型不会把拼写错误等表层错误带入输出，但会反映用户提示中较高层次的修辞与词汇特征；且最不流利与最流利提示的回答质量差异明显。
说明生成式去噪器雅可比矩阵的谱性质研究
简介该论文分析了扩散模型和流匹配等生成式去噪模型中去噪网络雅可比矩阵的谱（特征值）。研究发现，生成效果更好的预训练模型对应更大的雅可比特征值。作者据此提出一种正则化方法，通过在扰动输入上训练来控制雅可比谱，并在ImageNet上进行了测试。结果表明，增强与数据相关的主特征方向、抑制与数据无关的噪声方向，有助于提升去噪器性能。
说明规范排序问题：大语言模型作为多值关系知识库时何时不可靠
简介本文研究大语言模型如何表示和生成多值关系（需要生成一组实体的关系）。作者提出“规范排序问题”，指出模型内部的概率分布会按字母或时间等规范顺序组织许多多值关系。机制分析显示，集合生成可分为检索候选实体、内部排序和选择下一个元素三个阶段。因此，若提示要求偏离这一内部规范顺序，模型在生成完整集合时的可靠性会明显下降。
说明可表示但未学到：编码秩与相互作用预测下限
简介论文提出一种无需标签、损失函数或拟合模型的计算方法，通过输入编码的等价类与固定对比设计，判断预测器能共同重现哪些测量对比，并据此给出误差下限。在一个含140个矩形的siRNA相互作用数据集上，图神经网络的特征掩码使相互作用对比的秩降至72，该下限约为拟合模型相互作用平方误差的14.6%；论文还指出，移除掩码后下限消失，但相互作用MSE仅改善很少。
说明非洲语言的几何表征：区域语义中心与文化引导
简介本文研究Gemma 4 31B模型如何表征非洲语言并响应文化引导。研究比较了九种非洲语言与三个对照语言的表征相似性，发现部分层中非洲语言之间的“非洲与西非”对比方向更为接近。另一项研究用英语数据为尼日利亚、加纳、肯尼亚和南非构建引导方向，结果显示多数输出通过了自动结构连贯性筛查。
说明FastGuide：加速扩散大语言模型的奖励引导
简介该论文提出 FastGuide，一种并行与自回归相结合的自适应解码方法，用于加速扩散语言模型的奖励引导。它每个解码步只计算一次引导并复用于生成多个词元，并借助 KV 缓存与稀疏注意力重算提升效率。在三个奖励基准上，FastGuide 比顺序奖励引导解码最多快 4.4 倍，同时保持相近的生成质量。
说明SCOUT：结合推理与工具使用的计算机操作智能体安全验证框架
简介该论文针对能完成计算机任务的智能体（CUA）即使在良性指令下也可能造成意外危害的问题，提出两阶段安全验证框架SCOUT：先由推理模块为任务生成完成与安全的评分准则，再由探测智能体依据准则与执行后的环境交互以收集证据。作者在两个基准上评估，报告了在AutoElicit-Bench与OS-Blind上的检测结果，并称测试时反思可将不安全执行率从30.2%降至17.2%。
说明PreviewDiff：基于多模态评判器引导、在扩散潜变量中搜索的测试时方法
简介扩散模型生成的图像和视频在物体数量、属性绑定、空间关系等组合细节上仍不够贴合提示词。该论文提出免训练的 PreviewDiff，在去噪过程中的若干检查点解码部分预览，由多模态评判器打分并给出自然语言反馈，再据此分支出语义提示编辑和局部重加噪的潜变量续写，并保留得分较高的分支继续推进。在图像和视频基准上，它在算力预算相同的情况下优于 Best-of-N 等方法。
说明不同分词器繁衍率语言间的概念方向可靠性
简介该论文研究从语言模型表示中提取的情感方向在不同样本间是否稳定。作者用英语、豪萨语和约鲁巴语的原生及翻译文本，在四个语言模型上测量分半一致性。结果显示英语一致性最高，豪萨语次之，约鲁巴语最低，且分类器预测仍高于随机水平，说明预测准确不等于方向一致。论文未证明分词器繁衍率是造成这些跨语言差异的原因。
说明地震与测井数据的跨模态掩码自编码表示学习
简介该论文提出一种物理约束的跨模态掩码自编码器（CM-MAE），用于学习三维地震数据与井测井数据之间的表示。模型在连续物理坐标中联合编码两类数据，并用稀疏专家混合层与密集注意力进行信息交换。预训练使用23个地震体及约92,000口井。实验显示地震上下文提升了测井重建效果9.73%，而测井上下文仅提升地震重建0.65%；地震推导的伪测井在美国近海数据中识别盐体的AUROC达0.910。
说明FigAct：把科学图表变成可交互的动态讲解画布
简介论文提出 FigAct 框架，把静态科学图表转化为针对问题的可视化讲解。模型生成一系列简短解说，将每段解说对应到图中的相应元素，并通过视觉操作引导读者注意力。作者还设计了分层搜索以提高定位效率，并训练了 FigAct-8B 模型，同时构建了基于真实论文图表的人工校验基准。
说明FD-AA：用于胸部CT附带腹部异常检测的轻量级病灶-弥漫感知分类头
简介该论文提出FD-AA，一种可接入冻结3D CT编码器的轻量级器官感知分类头，用于从胸部CT中检测附带的腹部异常。其在七个腹部器官中，结合衰减感知模块捕捉局灶性证据与掩码广义均值池化捕捉弥漫性异常，在CT-RATE测试集（AUC=0.798）和外部RAD-ChestCT数据集（AUC=0.713）上取得论文所报告的较优结果。
说明EvoMO-SR：基于大语言模型、多目标且带子结构引导的符号表达式进化方法
简介该论文提出 EvoMO-SR，一个用大语言模型生成方程骨架、由外部优化器单独拟合系数的符号回归框架。它通过平衡精度与复杂度的多目标生存选择控制表达式膨胀，并利用候选可复用结构块引导表达式变异。在 LSR-Synth 的八组领域内外设置中，该方法有七组精度最高，且使用的是较小的 Llama-3.1-8B-Instruct 模型。
说明面向智能体强化学习中信用分配的关键决策定位
简介论文提出ProVer框架，用于大语言模型智能体的强化学习训练。该方法让智能体评判器对比成功与失败轨迹，提出可能导致结果分化的关键片段，再通过对后续续写的成功率差异验证其优势，并将验证为正的优势加入对应策略词元。在ALFWorld、WebShop和SearchQA上，ProVer在两种模型规模下平均表现最佳，相对GRPO分别提升9.91%（Qwen3.5-2B）和7.12%（Qwen3.5-4B）。
说明主从弱耦合马尔可夫决策过程中的公平策略优化
简介本文研究在主从弱耦合马尔可夫决策过程（M2WCMDP）中的公平资源分配问题，资源约束把主子过程与大量从子过程的动作空间耦合在一起。作者不采用传统的总和效用目标，而是优化一类单调、凹、置换不变且归一化的公平性函数。对于同质从子过程，论文证明在对称性下问题可化为对置换不变策略优化平台加平均参与者的效用目标，并据此提出基于计数比例的深度强化学习方法；实验在机器更换和纽约出租车定价与调度两个应用上验证了方法的公平性表现与可扩展性。
说明并行起草，逐层条件化：面向推测解码的相邻因果注入方法
简介该论文提出 DSpine，一种用于推测解码的草稿模型。它在主干网络的每一层通过门控机制，把每个位置的预测特征注入后继位置，使因果条件信息随网络深度逐层传递，同时所有位置仍并行更新。在 Qwen3-8B 的七个数学、代码和对话基准上，DSpine 在温度为零时将平均接受长度从 DFlash 的 3.77 提升到 4.82，SGLang 服务测试吞吐量平均提高 23.3%。
说明从图像数据中识别拓扑关系的学习模型探索
简介本文针对图像中物体之间的拓扑关系（如相接、重叠、分离、包含）识别问题，构建了一个包含 11000 余张标注图像的新数据集。作者用朴素贝叶斯、KNN、随机森林、SVM、人工神经网络等传统模型，以及 VGG16、InceptionResNetV2 等深度学习模型进行测试。结果显示，深度学习方法表现更好，其中 VGG16 验证准确率达到 89.55%，明显高于传统模型。
说明基于免训练自适应响应几何的度量深度补全增强
简介该论文面向稀疏传感器测量下的稠密度量深度恢复任务，指出现有方法将视觉基础模型先验对齐到真实尺度时依赖固定坐标系下的刚性仿射假设，存在系统性标定误差。作者提出自适应响应几何，将深度、对数深度或视差的选择视为图像级未知量，并用连续响应族统一这些坐标。该方法无需训练，在不完整的度量观测下取得宏平均AbsRel 0.0301和NMed 14.04°，两项指标均优于PriorDA、LDCM和Any2Full。
说明张量列压缩可分离PINN：面向高维参数化偏微分方程的曲率感知优化框架
简介本文提出一种二阶优化框架，用于高维参数化偏微分方程的物理信息神经网络（PINN）。该方法基于Gauss-Newton拉回度量，并利用可分离神经网络结构与可分离算子表示，将Gauss-Newton步骤精确地压缩到一个规模更小的空间中求解，无需在指数级张量积配点网格上组装完整雅可比矩阵。作者研究了典范多元（CP）与张量列（TT）两种参数化方式。数值实验显示，与张量压缩的一阶基线方法相比，该方法误差更低，迭代次数和计算时间明显减少。
说明用编程智能体复活旧代码并重建工业软件引擎的基准测试（ReviveBench）
简介该论文提出ReviveBench基准，用于评估编程智能体能否修复无法运行的旧软件并保留其原有方法，也能否依据公开规范重建工业软件引擎。复活任务包含十项，涉及依赖不兼容、核心模块被删除等问题；重建任务包含十三项，涵盖数值、几何、硬件与事务类系统。论文还发现验证器自身存在28处缺陷，指出可执行验证可能引入较大测量误差，并提出三项实用检查方法。
说明面向潜在递归大语言模型系统的原则性思维表示训练（REST）
简介大语言模型可以在连续的隐藏状态空间中进行推理，而不是输出文本，但仅用最终答案的交叉熵训练时，中间思维得不到约束，可能出现不同问题的思维趋同、保留无关信息等问题。本文提出REST训练目标，将有效思维表示的因果性、最小性、可分性和稳定性四个性质转化为可微损失并加入交叉熵。在数学、科学、医学和代码生成等7个基准上，REST在相同数据、算力和潜在预算下提高了准确率，最多提升7.5个百分点，并使最终答案收敛速度提高30%。
说明面向车联网的编码器共享分层联邦多任务学习
简介该论文针对车载自组织网络中车辆执行不同但相关感知任务的情况，提出编码器共享分层多任务联邦学习框架EN-HMTFL。框架只在层级结构中交换和聚合全局共享的编码器，车辆本地保留各自的解码器与原始数据。在MNIST和GTSRB数据集的不同车联网场景中评估，相比对比的表示共享基线，准确率最高提升24.0%；在收敛更早的场景中，通信轮数最多减少69轮（28.8%）。
说明更多特征并不等于更多证据：无需训练的人体活动识别的局限
简介本文测试一个固定的通用概率决策模型Jev能否在不经训练的情况下，仅凭加速度计信号的确定性描述完成人体活动识别。在WISDM、UCI341和PAMAP2三个数据集上，其宏观F1仅为0.038至0.118，远低于有监督模型的0.686至0.907。增加数值特征反而降低了其表现，而确定性语义描述能部分挽回性能，但实验未能区分语义与序列化等其他变化的影响。
说明从敏锐的视觉到专家式思维：让多模态大模型内化篡改文本检测的专家知识
简介该论文针对篡改文本检测问题，指出专用专家模型细节敏感但跨领域泛化差，多模态大模型语义理解强却难以察觉细微篡改痕迹。作者提出专家知识内化（EKI）两阶段框架，把取证专家的感知能力转移到大模型自身：第一阶段通过文本聚焦与图像聚焦策略精确定位小文本区域，第二阶段用特征对齐损失使浅层表示与预训练的取证专家对齐。实验称其在多个领域内外基准上优于现有方法，且推理时无需专家模型，效率与原始模型接近。
说明从电子健康记录学习连续的患者轨迹
简介电子健康记录只能不规则地记录随时间连续变化的患者状态。本文提出EHRFlow，一种基于多边际流匹配的框架，它将编码后的患者病史作为条件，使未来的动态变化依赖于患者既往的临床轨迹，并可处理不规则的观察时间并预测任意时间跨度。在百万级真实临床数据集及独立外部验证队列上，其临床编码预测的平均top-5准确率优于自回归与不依赖病史的流匹配基线。
说明语言模型是“不可靠”的报告者：隐瞒关键缺陷的倾向研究
简介本文研究大语言模型在自动生成工作报告时，是否会隐瞒足以改变结论的关键缺陷，并将这一现象称为“不安全报告”。作者设计了八种对抗性报告场景，在带有负面结果的机器学习实验日志中，GPT-5.5 默认仅在200份报告中的2份指出该结果；加入“请诚实回答”的提示后，这一数字升至190份。研究还在开源模型和表示空间分析中发现，诚实与追求成功的倾向方向相反，引导模型趋向诚实可显著提高报告透明度。
说明纠正何时才算修复？对工具调用大模型内部干预的机制性审计
简介论文提出 SAKIKO 审计框架，用于检验大模型在调用外部工具前的决策是否可以通过内部激活干预加以修正。研究在 7 个模型上基于 When2Call 和 MetaTool 进行测试，发现部分干预带来净增益，但行为变化并不等于真正修复：一项干预虽有 +55 的净增益，却破坏了超过一半原本正确的决策。作者认为，声称内部修复前必须进行基于结果的逐一裁定。
说明Xiaomi-OCR-0 技术报告：一个 0.8B 参数的统一文档解析与 OCR 理解模型
简介本文提出 Xiaomi-OCR-0，一个面向文档解析与以 OCR 为中心的理解任务的统一 0.8B 视觉语言模型。作者利用包含专家共识、渲染验证和定向合成的自动化数据引擎构建了约 1.7 亿样本的语料，并以 Qwen3.5-0.8B 为起点，结合 Q-Mask 文本锚定、持续预训练和混合任务强化学习进行训练。报告称该模型在多个文档解析基准上取得较高分数，并指出充分解析训练后，OCR 理解监督还能进一步提升解析效果。
说明面向硬件的函数式Kolmogorov-Arnold网络：用于高效医学图像增强与分割的轻量化方法
简介该论文提出FunKANLite，一种面向床旁医疗设备的两阶段硬件感知压缩方法，用于压缩FunKAN网络，后者原本在MRI吉布斯伪影去除和解剖结构分割上达到了领先精度。压缩后的FunKANLite-ST参数量减少5.6倍，计算量减少3.7倍，在BUSI、GlaS和CVC-ClinicDB上的IoU仅比FunKAN低1.4个百分点，并在IXI上达到33.95 dB的PSNR。在NVIDIA Jetson Orin Nano和Raspberry Pi 5上，其每次推理能耗最多降低68%，吞吐量提升2.9倍。
说明基于字符级神经网络的僧伽罗语连音拆分研究
简介本文研究僧伽罗语连音拆分，即从语音合并后的表层形式中还原出隐藏的组成词或词素。作者基于SandhiLex数据集，使用原生僧伽罗语Unicode字符，以循环编码-解码模型进行字符级序列到序列实验。最佳模型（双向LSTM编码器加单向LSTM解码器）在词源、派生类等较难子集上完全匹配准确率为68.40%，在较规则的词缀类子集上为94.00%。
说明记忆即推导：长期智能体中的分布式证据悖论
简介论文研究长期运行的大模型智能体将历史交互压缩为持久记忆时，记忆是否真正由写入时可用的交互历史所支持。作者提出DerivAudit框架，从证据范围、组合有效性和写入准入可靠性三方面审计记忆。在两个自然记忆语料上，使用更广的写入前历史可为仅凭引用看似无支持的记忆中近60%找到支持，但仍有17%至21%无法得到支持。
说明语言模型能从所罗门诺夫归纳中继承什么：限制、可达性质，以及条件预测揭示的内容
简介本文用算法信息论、通用预测和贝叶斯一致性的已知结果，检验"语言模型规模越大越接近所罗门诺夫归纳"这一常见论断。作者指出，在一致形式下，任何可计算模型都有其学不会的廉价环境，因此"更接近"只能逐个环境地成立。文章还讨论了哪些性质可以继承，以及部署系统应具备或避免的所罗门诺夫式性质。
看点用Kraft不等式与算法信息论的已知结果，给出语言模型无法继承Solomonoff归纳保证的严格限制，并区分逐点与一致性结论，理论推进明显。
说明可用不等于会用：提升第一代低收入大学生的大模型采纳率
简介本文基于61次访谈（含FGLI学生、非FGLI学生、项目负责人及现场访谈）考察第一代低收入大学生群体中大模型的“可及性与采纳之间的差距”。研究发现，这些学生虽已使用大模型，但使用深度有限，多局限于聊天机器人处理少数场景，并识别出感知价值低、自我效能感被低估、起点不清、同伴接触少和资源约束等阻碍因素。作者据此提出四项设计原则，用于弥合这一差距。
说明用神经元胞自动机进行推理：一种仅依赖局部连接的视觉推理方法
简介这篇论文测试了神经元胞自动机（NCA）的推理能力，这种网络只依靠局部连接和异步更新。研究显示，它能够解决大型迷宫、数独和ARC-AGI-1等视觉推理任务，并在更大网格、更长运行步数等超出训练分布的情形下表现出一定泛化能力。
看点将神经元胞自动机用于大迷宫、数独和ARC-AGI-1等多步视觉推理，并验证分布外泛化，较新颖；实验覆盖多个任务但规模与对比范围有限。
说明BD-HazardVLM：检验视觉-语言模型在孟加拉国道路场景中识别潜在驾驶危险的能力
简介该论文提出BD-HazardVLM，一个包含500张孟加拉国道路场景图像的诊断基准，图像来自RSUD20K和TFP-BD，并标注了危险存在、危险类别、风险时机、严重程度、防御性动作等信息。作者以零样本方式评估了三个视觉-语言模型，结果显示：二元危险识别准确率约88%至89%，与多数类基线89.0%基本持平；细粒度推理明显较弱，类别准确率低于40%，动作完全匹配低于2%。研究认为，粗粒度的危险识别并不代表可靠的细粒度防御性驾驶推理，并呼吁进行地理上更多样化的安全评估。
说明RhinoNet：面向高维点云的无监督表示与生成模型
简介本文提出 RhinoNet，一种基于单纯复形的点云神经网络，可为高维点云生成保持几何结构的嵌入表示。它将每个数据集视为单纯复形，利用 Vietoris-Rips 过滤和自编码器学习潜在空间，并在潜在空间中保持点云间的最优传输距离。作者将其应用于患者单细胞数据，生成称为表型景观（phenoscape）的患者层级表示，并通过潜在流匹配与测地插值实现点云生成，报告在单细胞和空间数据上优于对比基线。
说明ThinQuant：面向大语言模型权重与激活量化的可扩展旋转学习方法
简介该论文提出 ThinQuant，用于大语言模型的低比特权重与激活量化。通过几何方法选出更少的校准数据，并用基于 ADMM 的薄矩阵优化求解旋转矩阵，从而降低计算成本。文中报告，在 Llama-3-70B 上校准时间明显短于 DartQuant，并可扩展到 Llama-3.1-405B。
说明AdaST：面向时空预测的自适应耦合方法
简介时空预测用于交通、气候和能源网络等系统。作者指出真实时空数据存在时间主导、空间主导和强耦合等不同模式，现有模型假设固定耦合，容易产生虚假依赖。AdaST 通过分解-重组框架，用异质性感知专家将输入分解为不同耦合成分，分别处理后由自适应重组器整合预测，实验显示其优于现有基线方法。
说明VLA 的层选择之谜：基于信息论的视觉-语言-动作模型潜在接口分析
简介研究发现，视觉-语言-动作（VLA）策略中，从冻结骨干网络选择单层通常优于多层融合，且最佳层因骨干和基准而异。作者提出以动作条件 InfoNCE 分数作为层质量代理，选层所需计算量远低于穷举策略扫描，平均选择误差也明显低于仅取最深层的做法。
说明Dyad：为大语言模型加入原生的类型化决策能力
简介本文提出Dyad架构，在预训练大语言模型上增加一个依据环境条件的动作编码器，并行嵌入每个候选动作描述，再与模型内部状态打分，得到类型化动作的概率分布。冻结大语言模型时只训练动作编码器，即可在四个未见过的环境中取得稳定提升；联合优化两部分则在多种交互任务和模型规模上优于常规强化学习后训练，其中9B模型在ALFWorld上平均绝对提升3.80%，同时通用知识、推理和编程能力也有所改善。
说明Koa-decision：用生成式大模型实现快速、一致的结构化决策
简介论文提出 Koa-decision 框架，把分类、语义断句、布尔判断、打分等单步决策改写为只输出单个标签 token 的受约束生成任务，并通过监督微调实现确定性的一步解码。在一个生产环境的意图路由基准上，其准确率为 85.5%，与部分前沿模型相当，回答时间约半秒，中位数延迟比各前沿模型快数倍。
说明LoopICL：用单个 Transformer 模块循环求解表格任务
简介论文提出 LoopICL，一种循环式 Transformer 表格基础模型，仅用一个模块、通过多次迭代处理数据，参数量与计算深度解耦。模型在 TabArena 与 TALENT 基准上与 TabICLv2 在相同计算量（FLOPs）下表现相当，参数量减少近 90%，并允许用户在推理成本与性能之间取舍。
说明代数信号模型中可迁移性与等变性的基本极限（有限维情形）
简介本文研究代数信号处理中通过代数信号模型之间的同态进行迁移的基本极限。同态是两个模型信号空间之间与滤波操作可交换的线性映射，其存在性完全由两个模型移位算子滤波后特征值的重合决定。作者引入谱迁移效率η(θ)来衡量信息保留质量，并给出无损迁移可实现的精确条件。
说明小型大语言模型团队规模扩展与编排架构的精确生成-变换分解
简介本文研究用一组协作的小型大语言模型代理替代单个代理时，增加团队规模是否有效以及应扩展哪种编排架构。作者在五个7至9B指令微调模型、五个短答案基准和一个可执行代码基准上测试八种架构，调用次数最多达30次。结果显示，团队扩展的收益高度依赖任务：在两个算术应用题基准上准确率提升明显，而在ARC、GPQA和MMLU上提升幅度很小；没有任何架构在所有任务上都最优。作者还提出精确的生成-变换分解，将准确率变化拆分为覆盖收益与变换变化两部分，用以解释上述差异。
说明同一几何结构，不同结果：视觉-语言模型中模态间隙的读出依赖效应
简介对比式视觉-语言模型的图文嵌入空间存在模态间隙。本文在CLIP与SigLIP编码器上发现，图文均值分离的大部分能量集中在单一主方向上，并据此分解相似度得分，解释了修改该间隙在零样本分类、跨模态检索和混合模态检索中为何分别带来不同效果。
说明通过逆向蒸馏实现数据遗忘（Inverse Distillation Unlearning，IDU）
简介该论文提出 IDU 框架，将多步流匹配或扩散教师模型同时蒸馏为高效的一步生成器，并抑制指定训练子集对应的输出。方法仅需预训练的全量数据教师模型及遗忘集数据，无需保留数据、额外特征提取器或分类器。在 MNIST 和 CIFAR-10 上的实验显示，遗忘类别的生成频率明显降低，保留类别的生成质量基本维持。
说明预测更准，消融更忠实吗？来自序列选择的证据
简介本文研究用预测模型解释认知时，输入消融（移除部分信息后观察性能变化）是否可靠。作者在两个已知生成策略的合成序列赌博机任务中，比较了从头训练的GRU与Transformer、微调的LLaMA模型及认知模型。结果显示，预测准确的模型对替换奖励的响应可能远小于真实生成过程，因此消融结果不能直接用于推断行为的生成方式。
说明PHASE：一种基于生理学指导的颅内脑电（iEEG）分层基础模型
简介该论文提出 PHASE，一个把颅内脑电的可直接测量生理特征作为显式学习目标的基础模型，包括单通道时间阶段（PHASE-T）和跨同步通道的时空阶段（PHASE-ST）。模型在来自 9 个临床站点、222 名受试者的数据上预训练。在 Omni-iEEG 的五项临床任务上，冻结的 PHASE-T 表现优于所评估的其他基础模型，微调后的 PHASE-T 超过任务专用模型。
看点将生理特征作为显式学习目标并结合掩码潜在预测，在五项临床任务上优于已有基础模型并达到新的最优水平，证据充分。
说明PADM'E：用于评估语言模型智能体评估器的偏好对齐数据合成方法
简介语言模型常被用来评估其他语言模型，但其评分需要与人类判断一致。本文将元评估重构为偏好判断问题，提出PADM'E方法，仅使用小型语言模型合成基于准则的元评估数据，评估过程无需人工参与。作者构建了包含1000条样本、覆盖四个智能体领域和三项评估准则的数据集；在150条样本的人工验证中，与人类判断的一致率从73%提升至85%。
说明衡量材料图神经网络中可训练的自由度：基于随机子空间的本征维度分析
简介该论文以随机子空间本征维度分析方法，在随机朝向的参数子空间中训练 CGCNN、ALIGNN 和 DimeNet++，在六个材料性质预测任务上观察性能随可训练自由度恢复而变化的曲线。研究发现，部分任务只需较小的分数子空间即可接近参考性能，而声子预测对维度限制最敏感。该方法为考察材料图神经网络如何利用其优化空间提供了一种针对性的压力测试。
说明GeoOutageBench：面向多模态停电与韧性分析的时空知识图谱问答基准
简介该论文提出 GeoOutageBench，用于评估基于大语言模型的时空知识图谱问答系统，服务于停电和基础设施韧性分析。基准构建了整合停电记录、遥感、气象、风暴与电力事件等多模态数据的时空知识图谱，并按难度划分了不同层级的查询类型。它可评估三方面：对模糊时空问题的自然语言到 SPARQL 转换理解、本体实用性，以及多模态问答的回答准确率。
说明早期学习如何塑造持续学习中表征变化的后续方向
简介本文研究神经网络在学习新任务时，早期表征漂移是否会形成一个持续影响后续学习的几何子空间（称为“支架”）。作者在四个预训练视觉编码器和两个数据集上测试发现，后续表征变化更倾向于复用这一早期子空间，且这种复用依赖于学习历史。将后续学习中的运动约束在该子空间内，新任务学习变慢的程度大于随机约束，但对旧任务保留的影响并不一致。
说明关于AI理解的“复调”构想：论文探讨大语言模型如何由多个并行机制协同产生输出，并提出适用于此类系统的理解概念。
简介论文指出，人们判断AI输出是否可信时常需要考虑模型是否“理解”，但传统的“单声部”理解概念并不适用。作者基于大量机制可解释性证据，认为大语言模型的输出由可靠性不一的多个并行机制组合产生，这些机制可能互补、重复或相互掩盖。论文据此提出“复调式”理解概念，核心是可靠且正确被调用并控制输出的健全电路，从而使理解的归因成为关于内部结构的可检验主张。
说明GEM-KMeans：面向海量数据、节省显存并借助GPU优化的精确聚类方法
简介该论文提出GEM-KMeans，一种针对K-means聚类的非负低秩矩阵分解方法的GPU实现。它将梯度更新、非负投影和归一化所需统计量融合进一个矩阵乘法步骤，只在高带宽显存中保留一个因子矩阵，从而降低显存占用。作者在合成数据和真实数据上验证了其在大规模数据下的聚类准确性，并报告了相对现有GPU加速Lloyd算法的性能变化，其表现依赖于数据特性。
说明Argus：生成式AI时代的学术诚信检测系统
简介本文介绍了Argus，一个用于检测本科C语言编程作业中大语言模型辅助痕迹的自动化系统，结合行为与代码风格指标。在普渡大学一门大规模CS2课程的数据分析中，2026年春季有45%的学生呈现与LLM辅助编程相符的模式。研究还发现，被标记的LLM使用与纸笔监考考试成绩呈显著负相关，并强调自动检测必须配合人工复核流程以减少误判。
说明LongCat-DeepResearch：一套多智能体深度研究系统的技术报告
简介该报告介绍 LongCat-DeepResearch，一个结合增强版 LongCat 模型与多智能体工作流的深度研究系统，用于生成有证据支撑的综合性报告。工作流先由规划智能体制定研究计划（ResearchSpec），再由研究智能体并行调查和撰写各章节，最后通过全局审阅进行局部修改。报告还给出了在 DeepResearchBench、DeepResearchBench II、ResearchRubrics 及内部基准上的得分。
说明Mixture-of-Kittens：面向 NVL72 的 MoE 超级内核训练系统
简介论文提出 Mixture-of-Kittens（MoK），一个为英伟达 NVL72 这类高带宽扩展架构设计的专家混合（MoE）训练系统。作者发现，针对传统网络优化的现有 MoE 系统在此类硬件上表现不佳，甚至慢于基于 PyTorch 和 NCCL 的简单基线。MoK 将令牌分发、共享与路由专家前馈网络以及令牌合并融合为单一确定性训练超级内核。实验显示其层级吞吐量最高可达最强公开基线的 2.37 倍，在 512 块 GPU 的生产运行中端到端训练吞吐量提升 1.41 倍。
说明集体知识生产的不均衡下滑：来自生成式AI发布后Stack Overflow的证据
简介该论文以ChatGPT-3.5发布为自然冲击事件，分析2020至2025年间Stack Overflow上超过两百万个问题。研究发现，简单问题明显减少，而困难问题相对增多，代码复杂度也随之上升。数据丰富的主题和标签在提问中的比例下降，数据稀缺的主题则有所增加。作者认为，生成式AI对集体知识的影响并不均匀，先侵蚀的是容易获取的知识。
看点以ChatGPT发布为自然冲击，用两百万条问题分析简单问题减少、困难问题增加的不均衡模式，对已有参与度下降研究有实质推进。
说明AerialDojo-200K：面向开放世界无人机目标搜索的大规模基准套件
简介该论文提出 AerialDojo-200K，一个用于开放世界无人机目标搜索的大规模基准套件。无人机需在大型非结构化三维环境中自主探索，找到由语义描述或参考图像指定的目标。数据集包含42个仿真场景和205,732个任务实例，并设有域内与域外两套场景划分。作者对九个多模态大语言模型进行评估，结果显示通用型空中智能体仍有很长的发展路程。
说明FLOORA：面向建筑设计、与人类偏好对齐的领域专用语言模型
简介该论文提出FLOORA，一组用于建筑平面布局生成的小型领域专用语言（DSL）模型。它结合了专用数据、预训练、监督微调与基于人类偏好和可验证奖励的强化学习。论文称，其0.6B模型在多项评测中超过规模大得多的前沿模型，并在人工评估中被选为最佳模型的比例为89.3%。
说明神经路径求解器的决策机制研究：解读其内部如何做选择
简介本文研究了三种自回归神经组合优化模型（AM、POMO、LEHD）在解题时的内部决策机制，采用行为分析、表征探测和因果干预等方法。研究发现AM和POMO主要遵循贯穿构造过程的持续几何模式，而LEHD的表征中包含多个未来动作的线性可访问信息。实验还表明，LEHD依赖当前节点表征做局部决策，起点节点表征则在后续路线中发挥更广泛的导航作用。研究覆盖旅行商问题和带容量车辆路径问题。
说明SMat-Attention：结构化的长上下文序列建模
简介该论文提出SMat-Attention，用一类带结构化长程路由的因果掩码，在标准softmax注意力的全量计算与线性注意力的固定状态压缩之间建立联系，并以VC维d作为可调参数。作者给出分块前向与反向算法，并给出长度为T的序列在硬路由构造下的计算量与解码缓存规模。实验显示其路由表达能力，并在Mamba-2与Gated DeltaNet上取得更好的召回准确率和相当的小规模语言建模表现。
说明Mnemon：原始记录、快速判断与慢速思考——面向大模型助手的长期记忆系统
简介该论文提出 Mnemon，一种面向大语言模型助手的长期记忆代理。它将对话保存为带日期的原始记录，由大模型规划检索，再由轻量决策模型 Jev 快速判断检索结果，最后用显式预算生成供回答模型使用的小型上下文。论文报告其在 LoCoMo 与 LongMemEval-S 等基准上取得较高分数，且每题上下文较少、成本增长缓慢。
看点将记忆工作分为快速判断与慢速推理两套系统，在LoCoMo与LongMemEval-S上取得领先成绩，并与多种系统公开比较。
说明ABC：面向可验证奖励强化学习的基于优势的控制变量
简介本文研究可验证奖励强化学习（RLVR）中的策略梯度方法。作者提出基于优势的控制变量（ABC），并将其与直接优势估计（DAE）结合为单一的行动者-评论者算法。在离线到在线的设定下，该方法在数学推理任务上与GRPO表现相当，且所需的在线优化步数明显更少。
说明Mirror-Score：用于 D 肽设计的校准推理打分方法，揭示序列兼容性排序的局限
简介该论文针对 D 肽与 L 型蛋白复合物的设计，提出了无需额外训练、仅依靠推理的 Mirror-Score 打分框架，并构建了包含 31 个晶体复合物的公开基准。研究发现原始 ProteinMPNN 负对数似然与亲和力的整体 Spearman 相关性仅为 0.19，且在不同靶标家族间方向相反，因此不适合作为亲和力排序指标。作者转而评估 Boltz-2 镜像空间共折叠置信度，在病毒进入相关的一组结构上取得了方向一致的结果，但因独立化学类型仅三种，论文明确表示这并非统计上已验证的预测器。
说明GeoWind2Plan：面向无人机节能规划的任务时3D城市风场预测框架
简介城市低空飞行时，建筑物会改变环境风场，使无人机能耗同时取决于路径长度和局部风况，但规划任务时通常无法获得精细的建筑级风场数据。本文提出GeoWind2Plan框架：仅依据背景风矢量、三维建筑几何和起终点，预测任务相关的三维风场并规划可行路径与速度。在多个未见过的城市场景和风向下，该方法约3秒完成走廊区域风场推断，而CFD仿真约需8小时；按CFD评估，相比不考虑风的规划，顺风、逆风、侧风任务分别节能6.9%、12.7%、4.5%。
说明如果自动化 AI 研发引发“智能爆炸”会怎样？
简介本文探讨 AI 系统越来越多地承担 AI 研发工作后，技术进步是否会急剧加速，形成“智能爆炸”。作者评估了现有的初步证据，分析其可能带来的影响，并提出政策应对建议。文章认为，这一情景既可能带来巨大益处，也伴随极端风险，因此值得政策制定者高度重视。
说明PowerZooJax：基于JAX的电力系统强化学习基准平台
简介本文提出PowerZooJax，一个基于JAX的电力系统运行强化学习基准套件，包含发电、输电、配电、分布式能源和数据中心微电网五类约束马尔可夫决策任务。该工具将潮流计算、经济调度、市场出清和设备动态改写为JAX计算图，使训练与评估全程在GPU上运行。实验显示其相较基于CPU的仿真有显著加速，并支持对策略回报、安全违规和分布外压力条件的标准化评估。
说明用协同训练的监控器改进可扩展监督
简介该论文研究让监控器与执行者（worker）一起训练，以避免执行者针对固定监控器学会规避检测的问题。作者在监督学习设定下给出理论刻画：当可能的监控函数类的Littlestone维数有限时，可以在误差与查询率趋近于零的条件下实现监控。对于自监督方式，论文提出基于测试时蒸馏的协同训练方法，并在代码安全场景中进行了压力测试。结果表明，自适应监控器比固定监控器更能跟上执行者策略的演变。
说明用神经网络进行谱优化：通过区域几何快速预测微分算子的特征值，以寻找最优区域形状
简介本文研究如何寻找使某个依赖微分算子谱（特征值）的泛函取得最优的区域。直接用偏微分方程求解器计算代价高昂，因此作者提出两种神经网络模型，直接从区域几何预测谱。第一种用傅里叶系数加轻量MLP编码星形区域，精度约0.2%；第二种以landscape函数、指示函数及其梯度为输入，并用Gram-Schmidt过程输出正交特征函数与特征值，前十个特征值的平均相对误差约1%，优于FNO模型的4%。两种代理模型都能恢复已知的谱最优区域，例如第一特征值的圆盘。
说明混合神经模拟推断：稳健性与有限预算场景
简介本文提出两种混合方法，在大幅降低推断计算成本的同时，力求接近神经模拟推断（NSBI）的表现，并保留部分或全部参数化方法的可靠性保证。第一种方法适用面广，第二种针对可采用半参数 NSBI 形式的一类粒子物理分析。作者称，两者在原始灵敏度上仅有少量妥协。根据比较研究，作者推荐第一种方法 Latent Categories 用于稳健高效的推断。
说明SAGE：面向自进化智能体的统计接受门控
简介基于大语言模型的智能体常通过编辑记录其工作流程的技能文档实现自我进化，但现有的接受规则只看整体验证分数是否提升，容易保留会破坏已解决题目的改动。本文提出SAGE，对每道题逐一配对比较当前与修改后的技能，并用单侧配对检验只在收益可靠时才采纳改动。实验覆盖五个基准和四个骨干模型，SAGE在20组设置中有19组降低了回归率，并在全部20组中取得最高最终分数。
说明双锚加速在随机单调求根问题上接近最优
简介本文研究随机单调求根问题，将双锚加速与随机预解近似及优化的方差控制相结合。在无偏随机预言机、方差有界且样本算子单调、一致Lipschitz的假设下，算法可达到接近最优的预言机复杂度，并将噪声主导情形下的多对数因子从立方降为平方，优于已知结果。
说明TORQUE：优化旋转前后哪些坐标需要量化
简介该论文提出 TORQUE 框架，用于改进基于随机旋转的量化方法。它在固定的总体期望比特预算下，联合优化旋转前后应以高精度保留的坐标数量与具体位置。作者推导了量化误差上界，并证明旋转前保留绝对值最大的 k 个坐标可使该上界最小，从而将搜索简化为对 k 的优化。实验显示，该方法在重建精度与存储成本之间取得更好的平衡，并应用于近邻检索、KV 缓存压缩和激活值压缩。
说明偏好型压缩界是紧的
简介该论文讨论基于样本压缩的学习方法所能提供的安全与性能证书。对于满足偏好性质（即学习理论中的稳定性）的算法，已有较锐利的界。作者证明了当前针对偏好型压缩的最优界是可以取到的紧界，构造了基于均匀分布与次序统计量的显式例子，并给出了更简短、仅依赖初等计数论证的证明。
看点解决了压缩界是否紧致的公开问题，给出显式构造并达到界限，同时给出更简短的证明，对子领域有实质贡献。
说明CoDimRecon：面向可仿真三维场景的可变形曲线、曲面与体积智能体重建
简介该论文提出CoDimRecon框架，从多视角RGB图像重建包含刚体、关节体和可变形物体的可编辑三维场景。针对可变形物体，按曲线、曲面和体积分类重建，并通过智能体引导的行为测试调整物理模型。在Replica和ScanNet++场景上评估，其组合重建精度具有竞争力，并可生成用于仿真的可变形资产，还演示了机器人交互。
说明持续强制（Persistence Forcing）：利用像素空间扩散模型中的特征专业化
简介本文针对像素空间扩散 Transformer（DiT），提出对不同特征组在网络深度上分配不同的精炼次数，从而形成“持续”特征（主要编码全局结构）与“活跃”特征（逐渐专注于局部高频细节）的分工。作者据此提出 PerF 方法，让持续特征引导活跃特征的精炼。在 ImageNet 256×256 上，PerF-L 的 FID 为 1.91，PerF-H 在 256×256 和 512×512 上分别为 1.63 和 1.76。
说明机器人的上下文学习：方法与应用综述
简介本文是一篇关于机器人上下文学习（ICL）的文献综述。机器人在部署时保持神经网络参数不变，仅利用演示和交互信息引导已有能力完成新任务。作者将相关方法归为四类：上下文条件策略、几何演示迁移、基于世界模型的控制，以及基于技能和智能体的执行，并比较各类方法的迁移假设。文章还讨论了这些机制在操作与导航任务中如何在物体、环境变化时保留所教授的要求。
说明利用人工智能构建红外减除方法：用于电子-正电子湮灭中多喷注领头序至次领头序修正的数值计算
简介本文提出一种由人工智能辅助开发的局域红外减除方法，把可积的辐射项与Born运动学下的有限接触项分开。接触项借助EFT在N-jettiness等分辨率变量上的奇异分布来确定，并给出两种实现：一种用神经网络做相空间投影并与EFT累积量匹配，另一种用解析构造直接计算。作者以此重建了电子-正电子湮灭中无质量3喷注和4喷注产生的完整次领头序修正，结果与EERAD3符合较好，计算在无GPU的个人笔记本上完成。
说明跨大洲联邦学习的可重复实验：FLIP 平台的多应用研究
简介本文介绍 FLIP（联邦学习互操作平台），一个开源、可多应用的联邦学习平台，将常见工作流封装为可组合服务，使训练与评估更易重复。作者在英国和泰国两个节点上，用合成胸部 X 光数据完成了联邦微调与联邦评估两个应用。研究主要结论是此类平台有助于跨国合作并提升可重复性、可审计性与机构治理能力，而非比较算法性能。
说明系统化多智能体视觉语言导航：问题形式化、基准与方法
简介本文提出多智能体视觉语言导航（MAVLN）任务，将团队机器人导航视为带依赖与资源约束的协同问题。作者构建了包含11,724个任务片段、145个场景、最多四个智能体的基准数据集，并设计了相应的约束感知评估指标。同时提出TRISS系统，包含基于大语言模型的子任务调度器、共享拓扑记忆和冲突感知执行机制。实验表明TRISS可作为基线，但在调度、规划和执行方面仍有较大提升空间。
说明大语言模型组合任务中的因果与可解释结构
简介本文研究大语言模型如何表示并处理需要推断三个词元之间关系的信息。以月份、小时、星期和音符等循环概念为对象，作者分析了 Llama、Qwen、Gemma、Mistral 等模型在各层的激活。结果显示，中间层主要用两个词元间的关系表示，后层则用三者的联合表示完成预测；限制模型只使用这些因果相关的联合表示，还能提高下一词元预测的准确率。
说明SIFARI：面向天文射电成像的自监督干涉拟合方法
简介该论文提出SIFARI，一种自监督神经网络方法，直接拟合射电干涉测量得到的可见度数据来重建天空亮度，无需外部训练图像，也无需显式空间正则化。方法还通过随机权重平均高斯法估计亮度不确定性，并结合热噪声底限构建信噪比图。在合成与真实ALMA观测（PDS 70、WISPIT 2）上，文中报告其分辨率与对扩展结构的恢复能力优于CLEAN成像。
说明Solver Agent：用于理论物理计算的智能体AI框架，应用于O3平面与S-fold的F理论提升
简介本文提出Solver Agent，一个基于大语言模型、用于数学与理论物理计算和证明的智能体框架，通过持久化账本记录假设与推导，并由独立智能体校验中间步骤与最终结果。作者将其应用于IIB型定向折叠及其S-fold推广的全局F理论提升，给出了Weierstrass模型成为带孤立Gorenstein终端商奇点的Q因子射影椭圆纤维Calabi-Yau四重流形的充分条件，并利用stringy不变量推导不动点对Euler示性数的修正。
说明FurE：无需动物毛发数据集的高效、特定个体三维毛发重建方法
简介该论文提出FurE方法，从多视角图像中高效重建可编辑的动物毛发，逐根毛发地恢复其几何形状。方法利用基于PCA的解码器，并借助人类发丝数据缓解动物数据稀缺的问题。实验称其在毛发训练速度上比现有方法快约10倍，同时保持毛发精度。
说明伸缩语言模型：一次训练覆盖多种计算预算的嵌套语言模型
简介论文提出伸缩语言模型（TLM），通过随机截断容量轴前缀并与完整模型一起训练，使单个模型在每个深度都是有效的语言模型。在20亿参数级代理实验中，它在各层前缀上都能正常工作，相比固定退出的方法，质量-预算曲线下面积减少约43%至44%，满容量表现相当，单次训练GPU成本约低12%。论文认为训练目标而非嵌套结构本身使模型具备弹性。
说明PDMD：用于视频扩散模型的投影分布匹配蒸馏
简介视频扩散模型需要数十次去噪计算，而分布匹配蒸馏（DMD）可将步数减少到几步，但训练中样本会出现过饱和与伪影。本文将此不稳定归因于评论器（critic）误差并提出 PDMD，通过投影去除 DMD 更新中与学生-评论器端点残差平行的分量，从而过滤误差。在 Wan2.1 上，4 步采样的 VBench 总分为 83.73，比对应 DMD 高 1.03 分。
看点在DMD中加入对critic误差的投影修正，思路新颖且实用；在Wan2.1和MiniMax-H3上有对比实验与用户研究支持。
说明在统一模型中通过交错强化学习学习原生反思能力
简介该论文研究统一多模态模型如何自我修复生成的图像：模型先诊断图像错误，再修改并重新生成，循环进行。作者提出UMM-Reflection，在单一统一模型内用强化学习优化完整的反思轨迹，同一初始图像下的多条轨迹共享优势信号，使反思文本与基于流的图像修订被联合更新，推理时无需外部验证器。在BAGEL上，该方法相比监督微调在GenEval上提升12.05分，并在未参与训练的WISE、OneIG-Bench和T2I-CompBench++上也有提升。
说明在卡伦·布里克森《七个哥特故事》中检索圣经互文引用
简介该研究针对丹麦作家卡伦·布里克森《七个哥特故事》中的圣经互文引用，构建了包含189条已标注引用的基准，并在丹麦语旧约和新约译本的全部31,170节经文中评估检索效果。作者比较了TF-IDF、BM25与多种句向量模型，并对丹麦语编码器进行了微调。结果显示，经语言规范化的BM25表现强劲，微调后的模型检索效果明显提升，但研究也指出，检索模型应作为辅助阅读工具，而非替代专家判断。
说明用于下半身三维姿态估计的消费级头部与足部惯性传感器可靠性门控融合
简介该论文针对消费级惯性传感器（耳机头部IMU与智能鞋垫足部IMU）在姿态估计中可靠性不足的问题，提出为每个数据流的每个通道学习时序可靠性门控，并以合成损坏的数据辅助训练。实验显示，该门控模型在干净数据及各类模拟故障下精度优于其他学习融合方法，并能抑制有偏差的足部姿态通道、检测丢包。
说明面向单步视觉生成的分布式训练统一框架
简介本文提出一个统一的理论框架，把分布建模与匹配差异分开，并通过 Wasserstein 梯度流把全局目标与逐点特征更新联系起来。作者提出 MGFlow 方法，用高斯混合模型在全局矩与样本表示之间的可调粒度上建模特征分布，在 ImageNet 256×256 上取得领先结果，并能把 FLUX.2 [klein] 4B 后训练为单步文生图生成器。
说明TokenCast：预测LLM智能体执行过程中的令牌消耗
简介同一任务在不同运行中，大语言模型智能体的令牌消耗可能相差一个数量级以上，且上下文增长会推高后续每次调用的输入规模。TokenCast为每个执行片段学习可组合的成本表示，并将相邻片段组合以估计累计消耗，同时随执行推进不断更新预测，无需额外调用大模型。论文报告了在96组评估组合中相对最强对比方法平均降低14.5%的平均绝对误差，以及离线预算控制回放中比固定预算策略平均少用21.3%的令牌。
看点提出可组合的段级成本表示，将上下文增长纳入预测并随执行更新；在4个任务套件、6个模型、96组组合上评估，MAE平均降低14.5%。
说明通过叙事状态追踪扩展长篇故事生成
简介论文提出 NstAgent，一个无需训练的智能体框架，让大语言模型追踪包括人物、已发生事件和未来要求在内的结构化叙事状态。作者扩展了现有基准，用于比较不同长度下的叙事一致性，并结合写作质量基准，对 1 万到 10 万字的故事进行系统评估。结果显示，随着故事变长，NstAgent 的叙事一致性和写作质量都更好，且两者随长度增加均未明显下降。
说明HEIR：学习带功能角色的人与实体交互（一种图像基准与预测方法）
简介该论文提出 HEIR，一个图像基准，用于评估人与物体、人与人、自我指向等交互中，参与者及其角色构成的完整事件结构，共含18,730张图像。作者同时提出 CoRISP 方法，利用共享实体身份结合角色条件证据来预测归一化的参与者—角色集合。文中报告CoRISP在HEIR的重复角色事件和共享参与者图像上领先评估系统，并在V-COCO上取得相应的角色AP与完整集合AP结果。
