Importance-Aware Feature Sparsification for Wireless Split Learning
说明面向无线分割学习的重要性感知特征稀疏化
简介论文针对无线分割学习中中间特征传输开销大的问题，提出重要性感知类别均衡稀疏化方法ICS。服务器利用真实类别logit反传得到的Grad-CAM分数对特征通道排序，聚合为类别均衡的重要性向量，客户端据此保留前N个通道且不增加本地前向与反向计算。实验表明该方法在各类基线中表现更好，在严重非独立同分布划分下优势更明显。
Dynamics to decision: A mathematical theory of Lyapunov spectra and decision boundaries in deep classifiers
说明从动力学到决策：深度分类器中李雅普诺夫谱与决策边界的数学理论
简介论文把深度分类器的逐层变换看作有限非自治离散动力系统，用有限时间最大李雅普诺夫指数（FTMLE）衡量样本轨迹的收敛或发散速率。作者从概率、逻辑值到隐藏表示逐层向后观察，证明对高斯类别，概率层的FTMLE与决策边界法向有明确对应，而逻辑层和隐藏层的关系则分别依赖训练损失和特定结构条件。论文还提出几何感知微调方法及相关条件，并以数值实验验证理论结论。
ViLegalExpert: A Large-Scale Benchmark for Vietnamese Legal Retrieval and Question Answering from Real-World Consultations
说明ViLegalExpert：基于真实咨询的越南语法律检索与问答大规模基准
简介该论文提出ViLegalExpert，一个由真实市民与律师咨询构建的越南语法律基准，包含超过17.2万个问题，涵盖34个法律领域，并附有专业解答与经专家核验的法律依据。基准支持法律信息检索、抽取式问答和生成式问答。实验显示，证据检索和有据可依的答案生成仍面临较大挑战；预训练模型在问答上表现较强，而混合检索取得了最佳检索效果。
Attention Function as an Intrinsic Inductive Bias: How Models' Behavior Diverges in Novel Contexts
说明注意力函数作为内在归纳偏置：模型在新情境中的行为如何分化
简介论文提出 MoFA（Mixture of Function Attention），在训练前固定 softmax 与 sigmoid 注意力头的比例，用 124M 参数的 GPT-2 在五种比例、五个随机种子下进行实验。结果显示，同分布内不同比例的差异很小，但在 15 个分布外领域的零样本测试中，困惑度差距明显放大，且最佳比例主要与文本的短而非正式、或长而技术性的特征相关。
Low-Discrepancy Dither for Quantized Recurrent State Caches
说明用于量化循环状态缓存的低差异抖动方法
简介论文研究类 Mamba 及混合语言模型中循环状态的低精度存储问题。作者提出一种无需随机数的确定性黄金比例 Weyl 抖动舍入方法，在多种模型、存储格式和较长解码长度下，其量化结果比随机舍入更接近全精度模型，且不增加额外开销。论文还指出就近舍入会因丢弃微小更新而误差持续增长，并给出了解释这一排序的差异性分析。
Fiber-Resolved Microstructure Quantification from Multi-Shell Diffusion MRI using Detection Transformers
说明基于检测Transformer从多壳扩散MRI中按纤维分辨量化微结构
简介该论文针对扩散MRI中白质纤维方向与微结构难以同时估计的问题，将其重构为类似目标检测的任务，采用检测Transformer（DETR）架构，从标准多壳线性编码扩散MRI中，为每个体素预测数量可变的成分的平均扩散率、分数各向异性、主纤维方向和信号比例。在最多五个成分的合成测试数据上，模型对平均扩散率的R²为0.95，对分数各向异性的R²为0.88，中位角度误差为4.2度。
Aligning Thoughts with Answers: Probability Rewards to Tame Thinking Drift
说明让思考与答案保持一致：用概率奖励抑制思路漂移
简介本文研究视觉语言模型中的“思考-答案一致性”问题，聚焦视觉意图定位任务：模型根据人的意图提问推断目标物体并预测边界框。作者发现，基于IoU的强化学习方法会出现“思路漂移”，即推理过程指向错误物体，最终框却恰好正确。为此提出Rita方法，使用不依赖推理标注的思考奖励和一致性奖励，并结合基于难度的数据筛选。在EgoIntention和新建的RefEgo-Int基准上，Rita稳定优于监督微调和原始强化学习方法。
MEND: Label-Free Detection, Localisation, and Correction of Latent Hallucination in World Models
说明MEND：无标签检测、定位并修正世界模型潜在空间中的幻觉
简介本文研究潜在世界模型（World Model）中的“幻觉”现象：给定状态和动作后，预测出的潜变量可能解码为从未出现过的场景，且这种错误会因自回归反馈而累积。作者提出MEND方法，用一个条件分数网络在真实转移数据上进行去噪分数匹配训练，在推理时用其分数场检测、定位幻觉并给出修正方向。在两个导航环境中，该方法检测的AUROC最高达0.80，并能定位错误（逐token AUPRC最高0.87），修正也能降低单步潜在误差。
Whitening Improves Robustness to Spurious Correlations in Linear Probes
说明白化处理提升线性探针对伪相关的鲁棒性
简介论文研究线性探针（在预训练模型表征上拟合的线性分类器）为何容易依赖伪相关特征。作者指出，这类模型倾向于协方差矩阵特征值较大的方向，而白化处理可以均衡各特征值，从而削弱这种偏好。实验显示，在合成数据和常用伪相关基准上，白化都提高了鲁棒性，并且与已有方法结合时也能带来改善。
Faithful Chart Generation for Multimodal Deep Research: Frame-Evidence Co-Adaptation
说明面向多模态深度研究的忠实图表生成：视觉框架与证据协同适应
简介该论文针对多模态深度研究中的分析图表，指出图表数值必须忠实于检索到的证据。作者提出FECA框架，让可视化框架与检索证据迭代互动，根据证据决定框架被接受、修改或舍弃。在100个真实研究主题上的实验显示，FECA明显提升了数值忠实度，同时保持了报告质量和图表实用性。
Asymptotic Properties of Support Vector Machines in High-Dimension, Low-Sample-Size Settings under a Spiked Model
说明在尖峰模型下高维小样本场景中支持向量机的渐近性质
简介本文研究在尖峰（spiked）模型下，支持向量机（SVM）在高维小样本（HDLSS）场景中的渐近性质。作者证明该场景下原有的几何表示不再成立，Gram 矩阵收敛为随机矩阵，SVM 的误分类率不趋于零，不具备一致性。作者进而提出尖峰校正 SVM（SC-SVM），在样本量趋于无穷时具有一致性，并通过数值模拟验证了分类器的表现。
Reinforcing Multimodal Reasoning via Token-Level Perception-Grounded Advantage Estimation
说明通过词元级感知锚定优势估计强化多模态推理
简介该论文针对多模态大模型的强化学习训练，指出现有方法只用序列级奖励，缺少对视觉依据步骤的细粒度监督。作者提出词元级感知锚定优势估计（TPAE），依据正确推理链中的视觉依赖与预测熵模式，为每个词元打分并调整序列级优势。在七个基准上的实验显示，该方法优于主要强基线，优化更稳定高效。
When Do Attention-Head Ablations Support Causal Claims? Projection-Level Confounds, Floor Effects, and Matched Controls
说明注意力头消融何时能支持因果结论：投影层混淆、地板效应与匹配对照
简介该论文以GPT-2 small为例，研究通过将单个注意力头置零并观察任务表现变化来推断因果作用的方法。作者发现，投影后置零与修正后的投影前消融几乎不相关，且选出的前五个重要头完全不同；二元准确率会掩盖地板和天花板附近的效应，而金标记对数概率仍可分级。在匹配的随机头与同层头对照下，修正后的排序在数据划分间高度稳定，但在GPT-2上任务特异性证据不稳健；在DistilGPT2上复现了干预语义与匹配对照的结论。
Deep Learning-Based Tri-Hybrid Multi-User MIMO Precoding: The Blessing of EM-Reconfigurable Antennas
说明基于深度学习的三重混合多用户MIMO预编码：电磁可重构天线的优势
简介电磁可重构天线每个单元可选多种辐射方向图，引入了额外的电磁域自由度。本文将这一电磁域预编码与传统的模拟-数字混合预编码结合，提出基于Conformer的三重混合预编码网络Tri-PNet，以无监督方式以最大化平均和频谱效率为目标联合学习三类预编码。仿真结果表明，Tri-PNet优于随机电磁预编码和无电磁预编码的传统混合MIMO，接近贪婪搜索方案且在线复杂度显著更低，并对不完美信道状态信息具有鲁棒性。
Beyond the Remembered World: Predictive 4D Belief for Persistent Navigation in Evolving Worlds
说明超越记忆中的世界：面向动态环境中持续导航的预测性四维置信
简介该论文研究动态环境中的导航问题：目标在智能体未观察时可能移动，记忆中的位置在到达时已不可靠。作者提出EvolvingNav方法，基于带时间戳的三维物体历史构建时间索引的置信模型，并结合RGB-D观测更新判断，同时构建了包含54个场景、803,680个任务的EvoWorld-Bench基准。仿真与真实机器人实验显示，该方法在导航成功率和搜索效率上优于所评估的基线方法。
QuanVI: Score-based Variational Inference via Quantum Maximally Mixed States
说明QuanVI：基于量子最大混合态的分数变分推断
简介论文提出QuanVI，一种受量子启发的可扩展变分推断方法，通过最小化变分分布与目标分布之间的Fisher散度来近似目标分布。该方法用密度算符（混合态）描述低能子空间，并采用矩阵乘积算符形式的量子张量网络进行参数压缩，以避免指数级参数增长。实验表明，其在低维情形下与精确解一致，并能扩展到高维合成基准和包括非高斯目标在内的贝叶斯后验近似任务。
Training-Free Affinity Fusion of Neural and Embedding-Based Speaker Diarization
说明无需训练的神经说话人分离与嵌入式说话人分离亲和度融合
简介该论文提出一种名为TFAF的方法，将神经说话人分离器推断出的说话人结构融入基于说话人嵌入的分离系统中。方法通过构建连续亲和度矩阵并与嵌入亲和度结合，再进行一次全局聚类，且无需额外训练。作者报告在AMI和CALLHOME数据集上，相比两个原始系统，DER均有稳定改善；在AMI上，融合也提升了说话人归属转写效果。消融实验显示，神经说话人划分贡献了大部分增益。
TripleFlow: Training-Free Video Object Removal by Bridging Residual Editing and Native Generation
说明TripleFlow：无需训练的视频物体移除，结合残差编辑与原生生成
简介视频物体移除难度较大，因为模型只知道要擦除什么，却要自行补出被遮挡的背景。TripleFlow 是一个无需训练的框架，协调源流、残差流和合成流：残差流隔离并抑制物体，合成流重建被遮挡的背景，并在每一步把新生成的背景注入编辑轨迹。原文称其在五个基准上表现优于现有基线，在重建保真度与时间一致性方面均有提升。
★★★★☆ 值得关注
DAGent: Evaluate-then-Grow Planning for Deep Research Agents
说明DAGent：面向深度研究智能体的先评估后增长规划方法
简介该论文提出 DAGent，一种基于有向无环图（DAG）的多智能体框架，用于完成需要跨多个来源检索与综合证据的深度研究任务。它采用“先评估后增长”的增量规划方式，由编排器依据已完成节点的置信度与不确定性信号逐批扩展任务图，而非事先固定全部计划。论文还提出 DAGRPO，一种基于 GRPO 的强化学习改进方法，并报告其在 BrowseComp-Plus、GAIA、xbench-DeepSearch 等基准上的实验结果。
看点提出逐批增长的增量规划并引入拓扑条件化的结构强化学习信号，在多个深度研究基准上有对比与消融支撑，属于有新意的组合改进。
Linear Recurrent Memory Suffices to Distil a World-Model Policy for Robot Air Hockey
说明线性循环记忆足以蒸馏出机器人空中曲棍球的世界模型策略
简介该论文在仿真空中曲棍球防守任务中研究记忆依赖型控制，发现教师模型（DreamerV3）在短暂丢失冰球跟踪时优于无记忆策略，且重置其循环状态会明显降低性能，说明任务需要记忆。作者将教师蒸馏为64维状态的紧凑循环策略，纯线性循环模型（k=0）在五个匹配随机种子下与GRU基线和教师表现相当，增加非线性创新秩未带来可测收益。结论仅适用于所研究的仿真任务、教师模型、状态维度和遮挡时长，且观测编码器与动作头仍为非线性。
OP-CAD: On-Policy Clean-Audio Distillation for Robust Audio-Visual Reasoning
说明OP-CAD：面向鲁棒视听推理的同策略干净音频蒸馏方法
简介该论文研究多模态大模型在环境噪声和竞争语音干扰下的视听问答鲁棒性。作者提出OP-CAD框架，采用由轻到重的噪声课程训练，学生模型基于受损音视频生成回答，冻结的教师模型则利用干净音频和已验证答案提供逐词监督，并依据有无音频的对比信号对受声学干扰影响的位置加权。论文称该方法在各噪声条件下均优于对比方法，且在强干扰下更好地保留了原本正确的答案，同时未观察到整体干净数据准确率下降。
Rep2Skill: Representation-Guided Skill Self-Evolution for LLM Agents
说明Rep2Skill：基于表示引导的智能体技能自我演化方法
简介该论文提出Rep2Skill框架，让大语言模型智能体通过分析自身内部表示轨迹，定位偏离成功执行模式的回合，并据此修订外部文本技能。在两个智能体环境和两个开源大模型上的实验表明，该方法在自我演化设定下优于仅依赖文本反思的方法。
Do Self-Evolving Skills Generalize to Held-Out Tasks?
说明自我进化的技能能否泛化到未见任务？
简介AI 智能体会把过往任务中学到的内容整理成可复用的技能（如流程、清单、代码）。本文测试了五种自我进化方法和一次性生成的技能在六个基准上的表现，发现在训练任务上有提升的 21 个技能中，只有 5 个在测试任务上保持全部提升，13 个保持部分，3 个完全没有保持。作者提出以写技能的指南为核心、为每个任务单独生成技能的方法 GSO，并称其在六个基准上均得分最高。
MindWorldBench: Evaluating Mental-State-to-Behavior Reasoning in Image-to-Video Generation
说明MindWorldBench：评测图像到视频生成中从心理状态到行为的推理能力
简介该论文提出 MindWorldBench 基准，用于评测视频生成模型能否依据人物的信念、欲望和感知等心理状态生成相应行为，而不依赖显式动作指令。基准包含 744 条提示，采用零动作提示和反事实设计来分离心理状态的因果作用，并通过自动化流程评估视频质量、常识合理性和心理状态一致性。对 11 个模型的测试显示，它们视觉表现和物理推理良好，但行为与潜在心理状态对不齐，并出现名为「全知偏差」的失败模式，即模型默认采用客观世界状态而非人物的主观信念。
MADBench: Benchmarking the Security of Multi-Agent Debate
说明MADBench：多智能体辩论安全性基准测试
简介该论文提出 MADBench，一个用于评估多智能体辩论（MAD）安全性的基准。研究将攻击按 MAD 工作流程组织为分层分类，评估六类攻击在 356 个源任务、3,958 个测试用例上的表现。结果显示，在攻击下，多智能体辩论不一定能提升大语言模型的推理能力：在问答任务中相较单智能体基线可减轻攻击对答案准确率的影响，但在问答和工作区任务中会放大未授权读写。
Blackout vs. Freeze: Analyzing Physical Failure Modes of VLAs under Camera Faults
说明黑屏与冻结：摄像头故障下视觉-语言-动作模型的物理失效模式分析
简介该论文研究了视觉-语言-动作（VLA）模型在图像黑屏和画面冻结等输入故障下的表现，分析对象为 π0.5 与 GR00T 模型。结果显示两种故障即使任务成功率相近，导致的物理失效也不同：冻结会造成更极端的关节动作，夹爪闭合后黑屏则更容易引起物体掉落。论文还测试了两种缓解方法，二者在部分条件下提升了任务成功率，但可能增加意外接触；真实机器人实验也显示成功执行时仍可能出现意外物理交互。
★★★★★ 值得关注
Sharp Stationary Gaussian Approximation for Constant-Stepsize SGD
说明常步长随机梯度下降（SGD）平稳分布的精确高斯近似
简介本文证明了在有界加性噪声、噪声由外生一致遍历马尔可夫链产生的情形下，常步长SGD不变分布的一个精确高斯近似。对于光滑强凸目标函数（Hessian满足Lipschitz条件）且长期噪声协方差非退化的情形，按步长平方根归一化后的中心化迭代点，与其极限高斯分布的1-Wasserstein距离为O(√α)。证明结合了分块高斯比较与长期压缩性质。文中还给出一个四状态例子，说明该阶数是紧的。
看点证明了恒定步长SGD不变分布的一阶高斯近似，给出匹配的下界示例，理论推进明确，但应用范围偏窄。
RefCon: Iterative Refinement and Contrastive Memory Extraction for Context-Evolving Agent
说明RefCon：面向上下文演化智能体的迭代精炼与对比式记忆提取
简介该论文提出RefCon方法，将顺序自我精炼与并行自我对比相结合，在没有标准答案标签的情况下提取质量更高的记忆，以便智能体从长时交互经验中学习。在AppWorld和BFCL-V3基准上，RefCon在多个框架中取得稳定提升，例如相对无扩展基线在ACE上提高21.6%、在ReMe上提高16.6%。
When Can Text Replace Vision? Structural Bottlenecks in Diagram Reasoning
说明文本能否取代视觉？图示推理中的结构性瓶颈
简介本文研究用结构化文本替代图像进行图示推理是否可行，并提出诊断方法区分错误来自表示遗漏关键信息还是求解器未能利用已有信息。在240张公开FlowGen图示的保留测试集上，使用标准答案结构的准确率为87%，而直接视觉输入和学习得到的文本表示均低于30%。研究还发现，只重试无效提取结果并不能提高准确率，且与问题相关的拓扑结构比整体拓扑更能预测正确性。
Schema: Discovering Unknown Environments via Agentic Program Induction
说明Schema：通过智能体程序归纳发现未知环境
简介该论文提出Schema，一种让大模型智能体通过交互式程序归纳来学习未知环境规则的框架。智能体把对环境的理解写成可执行程序，并在可验证的程序工作区中检验、规划和执行。文中报告在ARC-AGI-3上RHAE指标从58.7%提升至99.2%（同一基础模型），并在公开的DiG-bench游戏和MazeBench上取得相应结果。
BELIEFRAG: Making Adaptive RAG State-Aware under Evolving Evidence
说明BELIEFRAG：让自适应检索增强生成在证据变化中感知状态
简介该论文提出BELIEFRAG，一种闭环控制器，在多步检索中维护关于证据充分性、可靠性、冲突、不确定性、证据缺口和获取成本的显式状态，并据此选择检索、改写查询、验证、回答、停止或弃答。在六个问答基准上，使用gpt-oss-120b时，其平均token F1为0.572，每题约3.89k个token，优于固定迭代检索（0.555），同时少用39%的token。主要收益来自纠正性重新检索，而校准后的可回答性作用最强。
ID Balancing: Stable Training of Extremely Sparse MoE via PID-Based Load Control
说明ID 平衡：基于 PID 负载控制的极稀疏 MoE 稳定训练
简介论文针对大语言模型中专家混合（MoE）路由越稀疏、专家负载越不均衡的问题，把两种无辅助损失方法统一看作不完整的 PID 控制器，并提出积分-微分式的 ID 平衡方法。在 768 个专家的多种 Top-k 路由设置下，该方法降低了最坏情况下的负载偏差指标，并在参数规模增大时保持较低偏差，同时维持有竞争力的语言建模与下游任务表现。
When Harnesses Lose the Signal: Causal Evaluation of Recovery in LLM Agents
说明当外部框架失去信号时：大语言模型智能体恢复机制的因果评估
简介论文指出，大语言模型智能体依靠外部框架在模型与环境之间传递信息并从执行错误中恢复，但现有评估只看平均任务成功率，掩盖了恢复操作可能既救援失败轨迹又破坏原本成功轨迹的矛盾。作者将恢复视为因果决策问题，并提出轻量策略因果干预路由器（CIR），在长时程 ALFWorld 任务上使用 Qwen3-14B 将成功率从 70.33% 提升到 73.33%。
★★★★☆ 值得关注
Asking the World: Generalist Physical Reasoning through Agentic World Modeling and Probing
说明向世界提问：通过代理式世界建模与探测实现通用物理推理
简介该论文提出 Asking the World（ATW），一种通用智能体，先从视频中校准出任务相关的可执行世界模型，再针对问题对其进行查询、模拟与干预以获取证据。团队还开发了基于 Warp 的多物理场仿真器 PolyWorld Engine。在 CLEVRER、ContPhy 及三个真实场景的测试中，ATW 的准确率均高于直接使用 Gemini-3-Flash 或 GPT-5.5 等基线模型。
看点提出可自适应构建并探测物理世界的智能体框架，并自研多物理仿真器；在CLEVRER、ContPhy及真实场景上相对多个基线有明显提升。
EgoVine: Post-Training with Branching Experience Compiled from Real-World Videos
说明EgoVine：利用真实视频中的分支经验进行后训练的长时序规划框架
简介该论文提出EgoVine框架，将真实第一人称家庭视频标注编译成可执行的符号环境，使智能体能够在部分观测下探索替代动作并比较后果，从而从固定演示中学习。模型同时训练动作生成与后果预测，并利用失败尝试中的已验证修复进行恢复学习。论文报告，EgoVine-1.5B在共享基准的主要规划任务上成功率为81.8%，在较长任务组合上为66.7%，两项均高于所评估的各Flash LLM基线。
Feature-Aware Token Attack for Compression-Triggered Stealthy Failures in Large Vision-Language Models
说明面向压缩触发隐蔽失效的特征感知视觉令牌攻击
简介该论文研究大型视觉语言模型在视觉令牌压缩后可能出现的隐蔽失效：对抗图像在完整令牌推理时保持正确，压缩后却出错。作者提出特征感知令牌攻击（FATA），结合注意力抑制与基于余弦相似度的特征保持，仅利用视觉编码器梯度。实验报告其在完整令牌准确率保持（SR）和条件致盲率（CBR）上优于对比方法CAA，且在三种检测器下检测率最低。
Uncertainty-Aware Consistency Distillation for Few-Step Video Generation
说明面向少步视频生成的不确定性感知一致性蒸馏
简介本文研究少步视频生成，即把通常需要数十步采样、耗时耗算力的多步视频生成模型，蒸馏为只需几步的学生模型。方法依据局部不确定性估计对一致性监督进行区域加权：对两条独立扰动的教师引导路径取共识目标，以学生直接预测与该目标的差异作为不确定性代理，并对高不确定性区域放宽一致性惩罚。论文还结合特征空间对抗训练与语义对齐，并以LoRA对50步Wan模型进行参数高效适配，报告在VBench 2.0上4步生成达到0.556的平均分，且在用户研究中优于对比方法。
Characterizing High Bandwidth Flash for LLM Serving
说明面向大模型推理的高带宽闪存特性研究
简介大模型推理需要大量内存存放模型权重与KV缓存，模型和上下文变长后容量与带宽成为瓶颈。本文评估高带宽闪存（HBF）扩展加速器内存容量的效果，提出HBM-HBF-主机分层存储系统和带缓冲的缓存感知调度，并通过轨迹驱动仿真分析其对性能、能耗和HBF写入寿命的影响。结果显示，最快的HBF增强系统相比纯HBM系统可将完成时间缩短36.1%至87.7%，建模能耗节省最高达59.1%；带缓冲调度将估计写入寿命从1.21年延长至14.82年。
Perceptual Color Difference Modeling Using Machine Learning and Human Similarity Judgments
说明基于机器学习与人类相似性判断的感知色差建模
简介本文提出一种直接依据人类评价估计色差的数据驱动方法。研究者让七名观察者对2000组系统生成的颜色对进行四级序数相似性评分，并以RGB、HSI差值及COLIBRI模糊语言类别作为特征训练回归模型。结果显示，颜色表示方式比回归算法对预测效果影响更大，结合特征的LightGBM取得最佳表现（R²为0.703）。
GeoGAT: Bidirectional Temporal Sampling Meets Hierarchical Graph Attention for Global Video Geo-localization
说明GeoGAT：双向时序采样与分层图注意力结合的全球视频地理定位
简介该论文提出GeoGAT方法，用于推断视频拍摄的全球地理位置，评估城市、省/州、国家、洲四个层级。方法结合双向时序采样与图注意力网络，并通过约束机制消除层级间的预测冲突。作者构建了包含9,720个多镜头剪辑视频的GeoGAT10k数据集，在CityGuessr68k和GeoGAT10k上取得了四个层级的最优结果，其中在GeoGAT10k上准确率提升超过24个百分点。
How to Reduce Localization Ambiguity? Geometry-Semantic Constrained BEV Representation Learning for Satellite-Ground Localization
说明如何减少定位歧义？面向卫星-地面定位的几何-语义约束BEV表示学习
简介该论文研究卫星-地面定位，即估计地面相机在卫星图中的平面位置和偏航角。作者提出GeoSem-BEV方法，通过径向深度监督、垂直高度监督和共享语义监督，约束特征放置并提高描述子区分度。在VIGOR、DReSS-D和KITTI-CVL数据集上，该方法相比现有BEV定位模型降低了朝向误差。
CDMD: A Cross-Dataset Mixed-Type Diffusion Model for Tabular Data
说明CDMD：面向表格数据的跨数据集混合类型扩散模型
简介本文提出CDMD，一种在多个结构不同的表格数据集上联合训练的扩散模型，可同时处理数值特征与类别特征。它直接在混合类型特征空间中定义扩散过程，并用共享的感知结构Transformer去噪器建模特征间依赖。在七个真实数据集上，单个联合训练的CDMD取得了较高的平均生成质量，参数总量少于分别训练的多个模型；在337个数据集上预训练后，对未见过的数据集生成效果也有所提升。
Prequential E-Values for Selected-GP Near-Optimality Certificates
说明基于序贯 GP 的近优性证书：Prequential e-value 方法
简介论文研究在昂贵黑箱函数的序贯优化（如超参数优化）中，何时可以停止并证明当前最优值与全局最优的差距在 ε 之内。方法使用高斯过程（GP）给出的置信界，并用 prequential e-value 对候选 GP/RKHS 包络进行逐一检验，淘汰被否定的候选，并以幸存者中最大的上界进行认证。在 512 个随机种子的噪声 RBF 实验中，相比先拟合后认证的做法，误认证风险约减半且功效相当。
Is Better Teacher Supervision Enough? Unlocking Student-side Learning in Multimodal On-Policy Distillation
说明教师监督是否足够？解锁多模态在线策略蒸馏中的学生侧学习
简介在线策略蒸馏（OPD）通过教师对学生自身推理轨迹提供逐词监督来提升推理能力。本文发现，有限的学生视觉感知是多模态OPD的另一关键瓶颈，提供真实视觉事实后，学生性能仍可明显提升。作者提出S-OPD框架，通过教师校准的策略对比和策略一致性两个目标增强学生的感知学习，可直接接入现有OPD框架，在八个基准测试中取得稳定提升，LogicVista上最多提高4.25分。
Diagnosing On-Policy Self-Distillation for Reasoning Language Models
说明诊断推理语言模型中的同策略自蒸馏
简介本文针对数学推理任务，考察同策略自蒸馏（OPSD）在0.6B至8B参数模型上的表现。作者通过受控实验和逐词分析发现，教师信号取决于推理模式的一致性与完整教师前缀，而非特权信息本身。OPSD仅在狭窄的兼容条件下能提升推理能力，否则会导致无效的长度增长、性能持续下降或行为崩溃。
M²Weather: A Benchmark for Joint Multi-Station and Multi-Variable Weather Forecasting
说明M²Weather：多站点与多变量联合气象预报基准
简介本文提出 M²Weather，一个用于多站点与多变量联合气象预报的基准。作者经过多标准质量控制与站点分层，收集了法国、欧洲和全球三个空间尺度上的 2809 个高质量站点，每个站点包含 5 个物理耦合的气象变量。文中还提出统一的训练与评估方案、一个轻量即插即用适配器，用于在不重新训练模型的情况下引入缺失的站点或变量关系。对 16 个代表性模型的评估显示，联合建模站点与变量关系有益，补全缺失关系可使所有适配模型在三个数据集上的 MSE 进一步降低。
GRC-Pose: Generation-Reconstruction Correspondence for Prior-Free 6D Object Pose Tracking
说明GRC-Pose：面向无先验6D物体位姿跟踪的生成-重建对应方法
简介该论文研究在没有CAD模型、参考图像或位姿标注的情况下，仅从单段RGB视频中跟踪未知物体的6D位姿。作者提出GRC-Pose框架，将几何基础模型生成的物体CAD与重建得到的场景证据建立对应关系，并结合学习的对应预测与鲁棒位姿估计。在HOT3D数据集上使用SAM3D CAD时，该方法达到当前最优的平均召回率，运动保持指标较已有方法提升58%；在YCBInEOAT和LINEMOD等经典基准上也具有很强竞争力。
A Shared Taste for Model-Written Text: The Generator-by-Selector Matrices of "AI-AI Bias" Show No Detectable Own-Model Premium
说明模型偏好模型写的文本，但未发现“偏爱自家”的证据
简介该论文复核了 Laurito 等人（PNAS 2025）的实验数据，考察语言模型在同一产品、论文摘要或电影的两段描述间选择时，是否额外偏爱本模型生成的文本。作者用双向固定效应模型和精确置换检验分析，结果在产品、论文摘要、电影及合并数据上均未发现显著的自家偏好。原研究关于模型整体偏好模型写作文本的结论仍然成立。
Beyond Local Linearity: Scale-Resolved Geometry of Learned Image Encoders
说明超越局部线性：学习得到的图像编码器的多尺度几何
简介该论文研究图像编码器的特征在输入有限扰动下的响应，提出一种按尺度分辨的统计量，比较实测特征位移与局部线性预测的偏差。作者在多种图像编码器中发现一种称为“bump”的平台-上升-峰值-衰减形态，它在初始化时不存在，在标准训练早期出现，在随机标签或随机噪声输入下不形成，其形状随训练分布和鲁棒性目标而变化。
OceanMind: A multi-agent AI system for ocean diagnosis
说明OceanMind：用于海洋诊断的多智能体人工智能系统
简介该论文提出OceanMind，一个将大语言模型与随时间变化的三维海洋状态相结合的多智能体系统，用于海洋诊断。系统分为查询路由、基于技能的规划、工具执行和基于证据的摘要生成四个阶段，并配备63项海洋分析技能作为流程指南。在240个计算工作流查询的基准测试中，其有效性和效率分别比通用ReAct智能体相对提升41.2%和21.5%。
The Row Normalization Puzzle in Muon
说明Muon 优化器中的行归一化之谜：理论最坏情况与实际表现的差距
简介本文研究行归一化（row-wise renormalization）对 Muon 优化器的影响，聚焦 NorMuon 的最坏情况理论保证与其实际表现之间的差距。作者证明，在算子范数几何下，行归一化会在最坏情况迭代复杂度中引入依赖维度的因子，即使采用精确的极分解计算和任意固定动量参数也依然存在；并给出算法相关的下界与确定性设定下的匹配上界，还将上界分析扩展到随机设定。实验显示，在受最坏情况构造启发的合成问题上 NorMuon 比 Muon 慢，但在大语言模型预训练中表现更好。
CamAgent: An LLM-Agent Framework for Multi-Species Camera-Trap Workflows
说明CamAgent：面向多物种红外相机陷阱工作流的大语言模型智能体框架
简介该论文提出CamAgent，一个基于大语言模型的自主智能体框架，用于整合红外相机陷阱的分析流程。用户可用自然语言描述生态研究意图，系统调度并执行物种识别、数据管理、占据模型、活动时间分析和物种共现网络等工具，减少研究人员的手工编程负担。
DeepJEPA: Scaling World Models from Within
说明DeepJEPA：在内部扩展世界模型的深度
简介该论文提出 DeepJEPA，一种权重共享的联合嵌入预测世界模型，把每次状态转移的推理深度视为测试时的内部扩展维度。模型学习在哪些候选和推演步骤上值得多做一次循环更新，平均每次转移仅更新 1.00 至 1.26 次。在五个视觉控制任务中，它的表现不低于最强的固定深度规划器，额外计算集中在接触开始和持续的物体交互阶段。
Bongard: Training Machine Intuition
说明Bongard：训练机器直觉
简介该论文提出开源模型 Bongard，把机器直觉作为可独立设计和训练的能力。模型基于 T5Gemma 2 编码器-解码器，先读取状态再对多个候选项作出判断，并分三阶段训练。在 DecisionBench 上准确率为 78.05%，在 61 个系统中排名第四。
T-Router: Learning Thalamic Routing for Reasoning with Parameter-Efficient Reinforcement Learning
说明T-Router：利用丘脑式路由学习推理的参数高效强化学习方法
简介该论文提出 T-Router（丘脑路由器），通过一个压缩的可寻址模块库和深度循环控制器，学习复用已完成的计算结果，仅训练约 0.466% 的参数。在 8.95B 参数骨干模型上，它在 GSM8K 强化学习后的 MathAvg 指标达到 83.64，高于全参数 GRPO（73.79）和 LoRA（77.28），并将平均 AIME 准确率从 48.33 提高到 60.56。
MASCRDM: Multi-Agent System for Compliance Risk Detection and Mitigation in Training Process of Large Language Models
说明MASCRDM：大语言模型训练过程中合规风险检测与缓解的多智能体系统
简介大语言模型的合规与安全（如避免歧视和偏见）仍是挑战，现有方法多在训练完成后过滤输入输出，缺乏训练全过程的实时风险检测。本文提出MASCRDM多智能体系统，基于现有人工智能法律制定合规规则，将模型拆解为多个组件并依据合规知识图谱识别关键节点，在训练中向开发者给出风险提示与建议。在歧视与偏见基准上的实验表明，该方法能在保持合理语义性能的同时提升合规性。
Reserve-Aware Contrast Certificates for Conservative Bandits with Uncertain Baselines
说明带不确定基线的保守多臂老虎机中的储备感知对比证书
简介该论文研究保守多臂老虎机问题：在不耗尽规定性能预算的前提下，需要改进一个现有策略。当基线不确定时，分别界定候选策略与基线的奖励会对共享估计误差重复计费。作者围绕基线相对对比量提出Reserve-C4B方法，利用共享置信集给出可避免惩罚的精确表达式及更紧的可接受性检验，并通过储备账本区分统计证据与允许的性能缺口。对于线性奖励，自归一化置信集提供了随时间和自适应生成候选策略的同时有效性。实验表明，该方法显著减少了回退到基线的次数。
False Frontiers: Diagnosing and Mitigating Co-Cheating in Self-Evolving Search Agents
说明虚假前沿：诊断与缓解自演化搜索智能体中的“共谋作弊”
简介该论文研究自演化搜索智能体中出现的“共谋作弊”问题：出题器与解题器逐渐在共同错误上达成一致，内部奖励上升，外部正确性却未随之提高。作者提出多样本验证（MSV）与交叉拟合方法CrossFit，后者让出题器的奖励由其他文档分组训练的辅助解题器打分，并在两种模型规模上降低了虚假一致率，同时在七个下游搜索基准上优于标准耦合自演化与Search-R1。
Beyond Prediction: Steering VLM Agents with Retrospective World Modeling
说明超越预测：借助回溯式世界建模引导视觉语言模型智能体
简介该论文提出“回溯式世界建模”，让智能体根据前后两个状态反推最可能导致该转移的动作，而非只预测后续结果。作者据此设计了自洽奖励（SCR），衡量策略动作与回溯解释之间的概率一致性，并将其用于强化学习，以提供逐步转移层面的反馈。实验涵盖多类智能体任务，结果显示该方法相比仅做前瞻预测的基线，策略的稳健性与泛化能力有明显提升。
MoRA: MoE Pruning via Router Bias Learning and Expert Approximation
说明MoRA：通过路由偏置学习与专家近似对 MoE 模型进行专家剪枝
简介本文提出 MoRA 框架，用于剪除混合专家（MoE）模型中的部分专家以降低内存占用。方法为每个专家学习一个路由偏置，并结合语言建模损失与路由多样性正则项进行优化；剪枝后再用保留的专家通过仿射变换近似被剪专家的输出。作者在 Qwen3-30B-A3B、DeepSeek-V2-Lite 和 Moonlight-16B-A3B 上分别剪除 25% 与 50% 的路由专家，在九个零样本基准上报告优于现有剪枝方法。
What Should an Agent Remember? Disentangling Retention from Retrieval in Bounded-Memory Evaluation
说明智能体该记住什么？在有限记忆评估中区分保留与检索
简介论文指出，智能体的记忆需要同时决定信息到来时保留什么、查询出现时提取什么，但现有评估常把两者混为一谈。作者构建了流式召回基准，在300个随机种子情景上测试各种保留与选择规则的组合。结果显示，固定访问方式时，查询感知选择使所需事实召回率提高15.5个百分点；有限保留下，所有失败案例都源于驱逐而非排序错误，目标越久远召回率越趋于0%。
Manifold-Constrained Initial Noise Optimization for Efficient Generative Model Alignment
说明流形约束的初始噪声优化：一种高效的生成模型对齐方法
简介该论文针对蒸馏与流图生成模型，提出无梯度的初始噪声对齐方法ZeNOVA。该方法在黑盒奖励场景下，通过退火软值引导、超球面流形约束的朗之万动力学和Metropolis-Hastings跳跃来优化初始噪声。实验表明，在图像与视频生成模型上，ZeNOVA比所有评估的零阶基线更稳定地提升奖励。
A Generalisation Signal Need Not Be a Model-Selection Signal
说明泛化信号不一定是模型选择信号
简介论文研究在计算生物学中，当验证数据无法反映部署场景时，能否用训练后网络的几何性质（如 Hessian 相关指标）来挑选模型。作者提出一种前向传播的新代理指标，并在分子性质、蛋白质适应度和药物响应任务上与常见 Hessian 度量进行比较。结果显示，几何指标与泛化差距在多数任务上相关，却不能可靠地识别部署环境下的最佳模型。
DiFF: Doppler-informed Flow Matching for Human Motion Flow
说明DiFF：利用多普勒信息的人体运动流匹配方法
简介本文提出DiFF，一种用于4D毫米波雷达点云人体运动估计的生成式框架。它将多普勒速度先验与基于Kolmogorov-Arnold网络（KAN）的条件流匹配模型结合，用于应对稀疏、噪声大的雷达点云带来的病态求解问题。作者称，该方法在多个真实数据集上达到当前最优性能，并在mmBody基准上将三维端点误差降至毫米级。
DeCoPrune: Efficient KV-Cache Pruning for Autoregressive Video Diffusion via Denoising Consistency
说明DeCoPrune：基于去噪一致性的自回归视频扩散KV缓存剪枝方法
简介自回归视频扩散生成时，KV缓存会随历史内容持续增长。本文提出免训练方法DeCoPrune，用各token中间预测与最终去噪结果之间的差异衡量其去噪难度，保留差异大的token、剪除差异小的token。作者还构建了CMBench基准用于评估长程信息保留。实验显示，该方法在剪除超过85%历史KV token的同时，长程回忆接近完整缓存效果，续写生成加速超过4倍。
★★★★☆ 值得关注
Learning Infinite-Horizon Average-Reward CMDPs via State Augmentation
说明通过状态增广学习无限视界平均奖励约束马尔可夫决策过程
简介本文研究弱连通假设下的无限视界平均奖励约束马尔可夫决策过程（CMDP）。作者提出了首个在表格设定下计算高效、以高概率达到 Õ(√T) 遗憾与累计约束违反的算法，其中 √T 依赖在对数因子意义上是最优的。方法是把累计约束违反纳入状态，并通过 Huber 势函数的差分构造重塑奖励，从而把问题转化为可用乐观值迭代求解的形式。
看点提出首个计算高效且达到近似最优√T遗憾与约束违反的算法，通过状态增广与Huber势函数重塑奖励，理论改进突出。
Deep Learning for Anomaly Detection in Railway Systems: A Structured Survey
说明铁路系统异常检测的深度学习：结构化综述
简介本文对铁路系统中基于深度学习的异常检测方法做了结构化综述，按异常位置、数据表示、传感方式和时间特征建立统一分类法。综述涵盖卷积、循环、注意力、自编码器、生成对抗网络和Transformer等架构，并讨论数据挑战、评估指标以及边缘-云部署等实际问题，最后给出按异常特征、数据属性和运行约束选择检测方法的决策框架。
Steepest Guidance: A Practical and Principled Approach to Inference-Time Alignment of Flow and Diffusion-based Models
说明最速引导：一种面向流模型与扩散模型推理时对齐的实用且有理论依据的方法
简介本文针对基于流和扩散的生成模型，研究推理阶段的对齐问题。作者将其视为概率测度空间中的序列优化问题，提出名为“最速引导”（Steepest Guidance）的框架，其原则是在目标函数上最大化局部改进。文中给出了该方法的理论分析，并通过大量实验验证其有效性。
A strategic roadmap for an atomistic machine-learning ecosystem
说明原子尺度机器学习生态系统的战略路线图
简介本文是一篇战略路线图论文，总结了2026年1月在洛桑CECAM召开的研讨会讨论成果，内容涵盖算法、模型、软件与硬件基础设施，以及人工智能在原子尺度模拟中的应用。论文提出了若干长期目标和具体行动建议，旨在建立健康、可持续且有影响力的原子机器学习生态系统。
UGOD: Uncertainty-Guided Opacity and Dropout for Sparse-View 3D Gaussian Splatting
说明UGOD：面向稀疏视角三维高斯泼溅的不确定性引导透明度与丢弃方法
简介稀疏视角下的三维高斯泼溅容易过拟合，因为许多高斯基元约束不足。UGOD 为每个高斯估计依赖视角的不确定性分数，并据此降低高不确定性基元在合成前的不透明度，同时在训练中用分离梯度的软丢弃分支减少对不可靠高斯的依赖。实验显示，该方法在 Mip-NeRF 360 和 LLFF 数据集上改进了稀疏视角新视图合成，并得到更紧凑的高斯表示。
SCIC: Scope- and Codebook-Aware Instruction Conditioning for Speaker-Adapted Expressive TTS
说明SCIC：面向说话人自适应富有表现力语音合成的作用域与码本感知指令条件方法
简介该论文针对长文本直播类语音合成中逐句韵律控制不足的问题，提出在说话人相对意义上对音高、能量、语速和停顿进行分句控制的方法。作者分析了Qwen3-TTS的RVQ码本，发现能量集中在早期残差码本，音高则累积于较深层，据此提出SCIC方法，结合时序指令路由与标签特定码本加权。实验显示其在音高和能量控制上优于标准指令微调，并能在长文本中形成更清晰的段落级表现层次。
Trustworthy Runtime Error Healing in Real-World Repositories: A Benchmark and Guardrail
说明真实代码仓库中可信的运行时错误修复：基准与防护机制
简介该论文研究用大语言模型生成代码，在程序崩溃时修复其运行时状态从而让程序继续执行。作者构建了包含18个真实仓库、265个运行时错误的基准HealBench，并提出HealGuard，通过静态与动态污点分析检查修复所改变的状态是否影响受保护操作。实验显示最佳设置在38.11%的实例中恢复执行，28.68%通过目标测试；在通过的执行中，HealGuard标记了17.4%存在风险，其误报率为68.42%。
MRI Super-Resolution with RCDM/WaveMix and Task-Aware Segmentation
说明基于RCDM/WaveMix的MRI超分辨率与任务感知分割
简介该论文研究1.5T脑部MRI的超分辨率与画质增强是否能提升组织分割效果，以及对哪些分割模型有效。作者提出一种无配对、结合物理退化建模的轻量增强器训练方法。在ABIDE数据集上，增强使小波分割模型效果显著提升，却使U-Net效果下降，Swin-UNet无变化；在IXI数据集上，增强整体降低了所有组合的Dice分数，主要因脑脊液标签存在空间上不合理的体素。
Shared Phase and Retention Control for Efficient Adaptive Spectral Recurrence
说明用于高效自适应谱循环的共享相位与保持控制（SPARC）：一种用两个共享控制信号调节循环记忆的序列模型方法
简介论文指出，Transformer 的计算与缓存成本随上下文长度增长，固定状态的循环模型推理内存恒定，但已有线性和谱循环依赖静态转移。作者提出 SPARC，仅用两个依赖输入的标量信号协调所有复数记忆模式的保持与相位旋转，同时保留各模式的基础时间尺度和频率。在部分可观测连续控制、POPGym 和序列分类任务上，相比次优方法分别在 Walker-P 和 FordA 上取得相对提升；在 NVIDIA Blackwell GPU 上，循环混合层训练延迟降低 18.2%-34.2%。
Coding Agents for Coding Theory
说明用编码智能体研究编码理论：在编辑距离约束下寻找更大的码字集合
简介作者用大语言模型编码智能体，在五周内研究编码理论中的公开问题，即寻找编辑距离上彼此相隔较远的四字母词集合（如DNA条码）。通过限定具有指定对称性的搜索空间，长度6、最小编辑距离3的已知最优码由114个词提高到120个词。论文同时坦承，早期搜索中的中间结论被误判为事实，并导致错误放弃搜索，仅检查最终输出无法发现此类错误。
Association profile conditioning in a set-temporal transformer for cross-session intracortical motor decoding
说明在集合-时序 Transformer 中以关联特征条件化实现跨会话皮层内运动解码
简介皮层内运动解码器会随着会话变化而性能下降。本文提出 APST 模型，在冻结全部网络权重的前提下，利用少量带标签校准试次计算每个神经单元与行为的四维关联特征，并以此条件化集合注意力编码器与因果 Transformer。在两只猴子的 DANDI688 保留会话上，速度 R² 分别达到 0.78 和 0.81，优于仅用神经活动的变体。在 FALCON 私有保留评估的 M1、M2、H1 上，R² 分别为 0.65、0.42、0.44。
★★★★☆ 值得关注
Parameter symmetries determine representational geometry in overparameterized nonlinear networks
说明参数对称性如何决定过参数化非线性网络中的表示几何
简介该论文研究人工神经网络中表示几何与其所执行计算之间的关系。作者指出，一类参数对称性可以在保持函数不变的同时改变表示几何，并且这类对称性通过加法、复制和缩放三种基本特征变换作用于表示。据此，表示几何可被分解为本质部分与辅助部分，并说明过参数化时几何简并如何增加。论文还表明，实现层面的选择规则可以消除这种简并。
看点将参数对称性归约为加法、复制和缩放三种特征变换，给出表示几何的闭式分解，理论贡献明确，证据为严格推导。
Multi-LLM Collaborative Alignment via Stackelberg Games
说明基于 Stackelberg 博弈的多大模型协同对齐：用自适应指令课程让模型互相学习
简介该论文提出 Stackelberg Alignment，一种领导者-跟随者框架，用于多个语言模型之间相互学习。领导者为 EXP3 多臂老虎机，在固定采样预算下选择指令，并依据指令难度与回答可区分性更新采样分布；跟随者模型回答指令、互相评判并通过 DPO 或 GRPO 学习。实验在三组异构模型池和 12 个基准上进行，作者称其宏平均成绩最高，并称优于最强训练时基线最多 7.4%。
HO-FL: Hybrid-Order Federated Learning for Heterogeneous Edge Devices
说明HO-FL：面向异构边缘设备的混合阶联邦学习
简介该论文针对内存受限的边缘设备联邦学习提出HO-FL框架：模型底层用零阶优化（ZO）训练，顶层用一阶优化（FO，即反向传播）训练，各设备可按自身内存预算选择分界点。作者的收敛分析指出，FO部分越大的客户端更新越准确，但偏向它们可能使其他客户端数据代表性不足，并据此提出采样优化问题及实用近似方法。语言任务实验表明，混合阶本地训练能保留大部分全一阶训练的性能，同时显著降低客户端内存需求。
Beyond Text: LLM-Based Dimensional Emotion Evaluation in Multimodal Dialogue
说明超越文本：基于大语言模型的多模态对话维度情感评估
简介该论文提出一种基于大语言模型的框架，在IEMOCAP数据集上同时进行离散情感识别和效价-唤醒度-支配度（VAD）维度评估，并将声学线索以自然语言描述的形式加入输入。研究比较了LLaMA、GPT和Qwen系列六个模型在零样本、少样本及LoRA微调下的表现，结果显示经微调的LLaMA模型在两项任务上明显优于经提示工程处理的GPT模型，最佳模型的效价CCC达到0.7822。
LexReward: A Taxonomy-Driven Reward Framework for Legal Language Models
说明LexReward：面向法律语言模型的分类驱动奖励框架
简介论文提出 LexReward，一个用于法律语言模型的奖励建模框架，从语言风格、法律要素和推理链三个维度评估法律回答质量，并为每个维度制定评分准则。研究以这些奖励构建偏好数据用于直接偏好优化（DPO）和奖励模型训练，实验显示三个维度的表现均有提升。训练得到的奖励模型 LexRM 可在强化学习中提升对应维度的表现，且打分时无需参考答案。
CORE: Conflict-Oriented Reasoning Elimination for Verifiable Language-Model Search
说明CORE：面向可验证语言模型搜索的冲突导向推理消除方法
简介论文提出 CORE，一种搜索控制方法：从验证器获取经认证的冲突核心，回跳到该核心中最近的决策点，并缓存冲突以避免重复。在可靠验证和有限分支的前提下，不加限制的搜索是完备的，不会剪掉有效解。实验显示，在图着色实例上验证器调用次数少于按时间顺序修复的方法，在五个推理任务上成功率高于 Tree of Thoughts。
SparseEngine: Sparse-First Inference Engine
说明SparseEngine：以稀疏计算为核心的推理引擎
简介长上下文大模型代理的交互历史会占用大量 KV 缓存并增加注意力计算开销。SparseEngine 是一个从底层重新设计、以稀疏为先的推理引擎，通过统一的生命周期约定，让各种方法自行管理 KV 表示与计算，同时与通用服务基础设施协调状态变化。论文称其支持 15 种方法，并通过跨请求缓存机制（Chain Cache 与 Prefix-Cache Pruning）实现状态管理。论文报告在保持方法质量的前提下，吞吐量、解码速度和代理基准端到端速度均有明显提升。
Argus: A Real-EKS Study of When Predicting Spot Interruptions Beats Simple Checkpointing
说明Argus：在真实 EKS 上研究何时预测 Spot 中断比简单检查点更有效
简介论文介绍了 Argus，一个 Kubernetes 运维组件，用于应对 AWS EC2 Spot 实例被回收的问题。作者在 CIFAR-10 测试环境中，比较了预测中断与简单定期检查点两种策略。结果显示，在真实 EKS 上 Argus 能在 Spot 排空时通过 SIGTERM 完成检查点并从第 8 个 epoch 恢复；在 80 次试验基准中，预测策略可将浪费计算降为零，但提前量过大时会过度迁移，而定期检查点是较强的无机器学习基线。
★★★★☆ 值得关注
Agentic Tool-Augmented Reasoning for Explainable Image Forgery Detection
说明面向可解释图像伪造检测的智能体工具增强推理框架（ATAR）
简介该论文提出ATAR框架，集成七个互补领域共22种专业取证工具，通过多轮推理自主检测、定位并解释图像伪造。方法包括语义异常与低层伪造痕迹双路径推理，以及取证课程学习训练策略。在六个零样本IMDL基准上平均图像级F1达到78.5%，并在其他任务上与专用检测器保持竞争力，同时给出更可靠、有依据的解释。
看点提出融合22种取证工具的多轮推理框架并引入课程学习，在六个零样本基准上平均F1达78.5%，超过最强MLLM基线11.8个百分点。
A 3GPP-Compliant Benchmark Dataset for RIS-Aided Beyond 5G Networks
说明面向超5G网络、符合3GPP标准的RIS辅助基准数据集
简介该论文提出一个依据3GPP TR 38.901标准构建的大规模数据集，用于可重构智能表面（RIS）辅助的毫米波网络研究，涵盖20种受控场景变体。每个样本附带通过暴力码本搜索得到的最优相位配置作为监督标签，并提供信道状态信息、信道分解、相位矩阵和CQI等多任务标注。论文还提出了将链路质量预测转化为标量分类问题的CSI到CQI映射，作为主要基准任务。
The Missing Coefficients: Bayesian Pairwise Merging for Model Personalization
说明缺失的系数：面向模型个性化的贝叶斯成对合并
简介本文提出贝叶斯成对合并（BPM）方法，把用户的成对选择转化为合并奖励专家库所需的系数。方法将未知的奖励权重视为潜变量，根据成对选择和奖励分数差推断后验分布，并以其均值作为合并系数。在放射学摘要、图像描述和故事生成三项任务上的模拟与人工概念验证实验显示，该方法能在无需逐用户训练策略的情况下实现个性化，并刻画有限反馈下的系数不确定性。
TSMD: Temporal-Stream Modality Dropout for Robust Video Highlight Detection
说明TSMD：面向视频高光检测的时序流模态丢弃方法，提升多模态输入缺失时的鲁棒性
简介该论文指出，现有多模态视频高光检测方法通常假设视觉、音频和文本流持续可用，但实际输入可能存在局部帧缺失或整条模态中断。作者提出时序流模态丢弃方法TSMD，结合结构化缺失模拟与由逐点MSE、逐视频Pearson相关和峰值导向RankNet组成的联合损失。论文报告，在MoSu和Mr. HiSum数据集上，TSMD的多个变体在不同缺失条件下表现优于TripleSumm等基线。
Structure vs. Chain-of-Thought: Evaluating LLM Criteria Extraction for Depression Severity
说明结构化标准抽取与思维链：评估大语言模型对抑郁严重程度的判断
简介本文比较两种用大语言模型从社交媒体帖子判断抑郁严重程度的方法：直接评分（思维链），以及标注临床标准后由规则计数得出等级。研究在两个Reddit语料库上使用三个模型和PHQ-9、BDI-II两种问卷进行评估，以二次加权kappa衡量一致性。结果显示，标准抽取的优势并不显著，且在多数比较中严重病例的漏检率更高。
Structure-aware Reinforcement Learning for Protein Directed Evolution
说明面向蛋白质定向进化的结构感知强化学习方法（StructEvo）
简介该论文提出 StructEvo，一个结构感知的强化学习框架，用于蛋白质定向进化。它通过差分特征近似突变体的结构特征，并用分层动作网络把庞大的突变空间拆分为可管理的子空间。文中称，该方法在两个优化基准上分别比现有最优方法高出 9.2% 和 16.3%，并在 GFP 中识别出经实验验证的上位性模式。
★★★★☆ 值得关注
BadAction: Backdoor Attacks on Interactive Video Generation via Action-Guided Triggers
说明BadAction：通过动作引导触发器对交互式视频生成发动后门攻击
简介本文首次系统研究了交互式视频生成（IVG）模型交互性上的后门攻击。作者提出BadAction，将预定义的运动模式植入后门样本的动作序列，并与静态目标视频关联；触发后，模型生成的未来帧不再响应后续用户动作，而在正常动作序列上保持正常。论文还探讨了联合投毒动作、文本和图像的多模态触发器。
看点首次系统研究交互式视频生成模型的后门攻击，提出动作触发器并在实验中达到91.0%攻击成功率，并能绕过现有检测方法。
RSIGame: Autonomous Agentic Game Development with Recursive Self-improvement
说明RSIGame：通过递归自我改进实现自主智能体游戏开发
简介该论文提出RSIGame框架，让大语言模型自主开发游戏，并通过局部探索-诊断-改进循环与全局质量追踪循环实现递归自我改进。实验涵盖140个GameCraft-Bench任务、两种游戏引擎和五种生成器，结果显示在相同开发预算下游戏质量持续提升。经训练内化开发经验后，Qwen3.8-27B在Godot和Phaser上分别达到61.38和58.53分，超过GPT-5.5的一次性生成分数，同时生成令牌数减少11倍。
Hard-Gate Candidacy in a Deployed Validator Suite
说明部署验证套件中硬门禁候选资格的检验
简介论文针对已部署生成式智能体的13项验证器，检验其触发结果能否区分正常与异常的构建输出。研究使用550个运行时与350个静态构建进行评估，并以边际分离度J衡量。结果显示只有两项检查通过多重比较校正，多数检查与零无显著差异；探测被跳过的构建几乎全为有问题的构建，且跳过被记为通过，形成检出率上限。
Cycle-Aware Autoencoder with Cross-SignalConsistency for Railway Door Anomaly Detection
说明用于列车车门异常检测的循环感知自编码器（跨信号一致性）
简介本文针对铁路车门状态监测，将每个开门-停留-关门的完整循环视为一个监测单元，仅用正常循环训练无监督模型TCAA-CS。该模型融合连续物理信号与逻辑状态的双流编码、时间注意力LSTM以及重构、潜空间偏差和跨信号一致性三项异常分数。在一列商业运营列车的真实数据上，其召回率为93.8%，精确率为97.3%，误报率为0.5%，并在NVIDIA Jetson AGX Xavier上验证了实时车载部署的可行性。
Switching Linear Attention
说明切换线性注意力：一种兼顾表达力与固定大小循环状态的序列层
简介论文提出切换线性注意力（SwiLA），一种新的序列层。标准softmax注意力需要随序列长度线性增长的键值缓存，线性注意力虽内存固定但表达力较弱。SwiLA在保留线性注意力固定大小循环状态的同时提升表示能力，其递推式由测试时回归框架推导，把状态更新视为混合线性回归模型中的在线期望最大化。在关联回忆、上下文语言学习和语言建模基准上，SwiLA表现较强，缩小了与softmax注意力的差距，部分场景中甚至超过。
TED:Text-Axis Evidence Decomposition for Prompted Anomaly Localization
说明TED：面向提示式异常定位的文本轴证据分解方法
简介CLIP 视觉语言模型并非为精细缺陷定位设计，基于它的异常检测方法常通过提示或轻量模块提高对缺陷的敏感度，但在领域偏移下，易把真实缺陷与外观复杂的正常区域都判为异常。作者提出 TED 方法，在不改动骨干网络与提示、无需目标域训练的前提下，判断模糊响应更接近源域缺陷块还是被误判的正常块，并据此重新打分。实验显示其在多种设置下提升像素级定位效果，在难负样本竞争较强时增益更大。
★★★★☆ 值得关注
EarLog: Opportunistic Ear Physiology Sensing toward Personalized Hearing Risk Awareness
说明EarLog：利用耳机播放过程被动感知耳部生理反应，用于个性化听力风险提示
简介耳机使用者在高负荷聆听时可能造成不可逆的听力损伤，而现有保护主要依赖声压上限。本文提出EarLog，将播放内容本身作为探测信号，通过残差感知与稀疏有限脉冲响应模型，在日常聆听中识别较弱的声反射（听觉保护性反应）。在81名受试者、16款耳机和超过400小时录音上评估，其在临床参考基准上的灵敏度为99.0%，特异度为98.7%，并可记录个体的声反射事件，为听力风险的长期研究提供数据。
看点将播放内容转化为机会式探测信号以捕捉听觉反射，通过残差感知和稀疏FIR建模实现新方法；81名受试者、400多小时数据支持结果，对个性化听力风险监测有一定影响。
A Missing Piece for Trustworthy AI Reviewers: From Benchmarking Rhetorical Robustness to SciCore Review
说明可信AI审稿的缺失环节：从修辞稳健性评测到SciCore审稿
简介本文指出AI审稿人可能因论文措辞不同而给出不同评价，从而奖励修辞优化而非科学改进。作者提出“修辞稳健性”概念，构建包含1260个稿件版本的RobustReview基准，评测30种审稿配置。基于此提出双分支审稿器SciCore，结合全文判断与结构化科学核心的判断，在GPT-5.5的对比中取得较好的稳定性与区分度平衡。
★★★★☆ 值得关注
Search Shapes Conclusions: Auditing Evidence Selection Bias in Deep Research Agents
说明搜索塑造结论：审计深度研究智能体中的证据选择偏差
简介深度研究智能体会把证据整合成带引用的报告，但引用正确的报告仍可能得出误导性结论。本文指出，智能体读到的文档是自适应搜索形成的有选择的样本，现有评估很少考虑这一点。作者提出因果证据选择校正方法（CESS），利用记录的文档选择概率对候选文档池的证据方向均值进行校正，并在MS2系统综述基准和公开的Open Deep Research智能体轨迹上验证，结果显示其误差与波动明显降低。
看点将深度研究代理的证据选择建模为自适应采样并用因果校正估计候选池证据方向，结合多基准与4800条干预轨迹的验证，新意较明显。
A Rank Graduation metric for Algorithmic fairness
说明一种用于算法公平性的排序分级指标：基于预测误差排序分布评估个体层面的公平性
简介本文针对信贷等影响个人的算法决策，提出一个基于排序的公平性评估框架，通过模型预测误差的分布衡量公平性，并将其与预测准确性和可解释性联系起来。框架包括排序分级公平性（RGF）及其积分指标AURGF、中心化Cramér-von Mises置换检验，以及用于公平性解释的特征移除方法。在HMDA抵押贷款数据上，四种模型（逻辑回归、随机森林、梯度提升和多层感知机）的公平性排名与传统标准不同，树模型综合表现最好，且四种模型均拒绝公平性零假设。