机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明带隐混杂变量的循环线性高斯模型的可微结构学习
简介本文研究在存在有向环和未知数量（有上界）的外生隐混杂变量的线性高斯结构因果模型中，从观测数据学习因果结构的方法。作者将结构学习表述为最小化带对数复杂度惩罚的高斯负对数似然，并用伯努利门控对边和隐变量进行可微参数化。文中给出了全局最优解的一致性证明，并称该方法在多个实验设置中恢复误差低于既有方法。
说明纠正“去哪里”，保留“怎么做”：借助指代引导实现视觉-语言-动作模型的组合泛化
简介视觉-语言-动作（VLA）模型在训练数据多样性不足时，容易依赖与任务无关的视觉捷径，难以把已见过的物体、目标与背景重新组合。作者提出免训练的包装方法 ReGuide，利用抓取模块给出的物体位姿，结合语义与几何重新绑定，把末端执行器引导到示范支持的目标配置，使冻结的策略能够继续执行。仿真与真实机器人实验显示，组合性偏移下成功率分别提升最多 56.8 和 75.0 个百分点，同时保持标准任务表现。
说明Exo2EgoHOI：感知手-物交互的第三人称到第一人称视频生成
简介该论文提出 Exo2EgoHOI，一个能够感知手与物体交互的视频生成框架，把第三人称的操作视频转换为第一人称视角，同时尽量保留原有的手-物交互。方法包括统一的 4D 交互先验与双分支残差适配器，以及分解门控交叉注意力以保持物体一致性。在 ARCTIC-HOI 上，该方法的物体 mIoU 相对最佳基线提升 32.3%，MPJPE 与 PA-MPJPE 分别降低 34.7% 和 50.0%。
说明StreamDecisionBench：在不断变化的语言流中评估正在生效的决策
简介这篇论文发布了 StreamDecisionBench 数据集，包含四类应用中的八个流式场景，并附有依据公开规则生成的参考决策。作者提出了“生效准确率”指标，衡量在0.5至8秒的更新间隔内，被应用的决策正确的时间比例，并区分错误来自判断还是延迟。测试显示，最佳系统的正确决策仅约三分之二的时间处于生效状态，与实时应用仍有较大差距。
说明注意力残差U-Net小时降水后处理方法的改进说明
简介本文是先前一篇预印本的技术补充，该预印本描述了一种注意力残差U-Net，用于将The Weather Company的GRAF模型确定性预报转换为小时降水概率预报。文中说明了方法的变化：用按季节训练的单一模型（通过FiLM条件化）取代原先192个按月、按预报时效分别训练的模型，并将预报时效从48小时延长至72小时，同时新增逐像素地方太阳时与按月变化的降水气候态两个输入通道。验证结果显示，新训练的预报相对原训练有小幅但稳定的提升。
说明样本选择偏差下的可学习估计：紧致刻画
简介本文研究当结果变量只能在经过选择过滤后观测到时，回归能否进行。选择过程可能同时依赖协变量和结果本身，常见于临床试验中的患者退出、劳动力市场的自我选择以及拍卖中的策略性进入。作者给出了存在样本选择偏差时回归可行的充要刻画，并指出有些情形下回归函数可以识别，而选择过滤器本身却无法识别。在自然加强的条件下，作者还给出了有限样本估计保证和可实现的高效算法。
说明十年之后：借助智能体生成的训练数据，让阴影去除走向真实世界
简介本文指出阴影去除在现有基准上已接近解决，但在真实场景中仍表现脆弱，原因在于配对训练数据近十年几乎没有变化。作者提出一种离线智能体工作流，结合物理启发的生成、失败检测、反馈重试、候选筛选和确定性校正，把已有的阴影检测数据集转化为配对监督，并构建了包含17,138组图像-掩码-目标三元组的AgenticShadow数据集。
说明超越理想化沟通：在用户表达不清与意图变化下评测交互式意图对齐
简介论文指出现有大模型智能体基准通常假设用户能准确、完整地表达固定意图，这与实际不符。作者提出“交互式意图对齐”任务，并构建了Drift-Bench++基准和GRIP评估协议，用于测试智能体在沟通不畅和意图变化时的表现。结果显示，更充分的交互有所帮助，但仍远低于理想沟通下的水平。
说明Aperture：面向遥感的免训练多尺度概念瓶颈模型
简介该论文针对遥感影像模型可解释性不足的问题，提出无需训练的 APERTURE 方法，结合贪心四叉树路由定位小尺度概念，并用预训练多模态大模型替代对比式视觉语言模型生成概念分数。作者还构建了跨三国的细粒度概念数据集 SiFC，在其上宏观 F1 分数比最佳免训练基线高出 10 个百分点以上，并超过有监督的概念瓶颈模型。
说明《Sense and Sensitivity》：用医生专家标准评测大模型的临床分诊建议
简介本文针对大语言模型在临床分诊中的可靠性进行研究，将其建议与执业医生在保持临床情境不变的文本扰动下进行比较。作者构建了包含6000多个临床场景、7000多条医生标注和22.5万条模型回复的基准。结果显示，大模型在基线情况下比医生更倾向于推荐不必要的医疗处理，且在扰动输入下这一倾向更明显；此外，其建议对性别和语气的变化也比人类医生更敏感。
说明JARQ：面向量化的联合交替精修方法
简介这篇论文提出 JARQ，一种即插即用的量化精修方法，可在任意分组量化器的结果上进一步优化大语言模型权重的整数编码。方法交替进行所有分组缩放因子的联合最小二乘拟合，以及在当前网格上一次移动多个编码的有界 Babai 迭代。在 Llama-2、Llama-3、Qwen 等模型上，JARQ 在 96 项比较中有 90 项降低了困惑度，三比特 RTN 的困惑度最多降低 36%。
说明基于复数记忆的强化学习：用复值循环网络处理部分可观测环境
简介本文针对部分可观测环境下的强化学习，重新审视了在复向量空间中表示循环与隐状态的酉循环网络（uRNN）。作者提出三种版本的uRNN，可直接替换循环PPO架构，在多个依赖记忆的任务（包括连续控制）上取得显著提升。文中还借鉴量子态测量的思路，探讨了如何保留复数隐状态的相位信息以构建相位感知策略。
说明PixelUMM：无编码器的统一图像与视频理解与生成模型
简介该论文提出PixelUMM，一种直接在像素空间中同时处理图像理解、图像生成、视频理解和视频生成的无编码器统一多模态模型。图像被切分为空间块，视频被切分为时空管状块，二者通过单层线性投影接入共享的多模态主干网络。模型采用混合Transformer结构并支持文本自回归预测与像素空间流匹配，实验显示其在相关任务上取得了有竞争力的表现。
说明Prompt2Skill：仅凭自然语言指令进行无监督技能优化
简介该论文提出 Prompt2Skill 框架，让大语言模型的“技能”只需根据一段自然语言任务描述即可自动构建，无需人工编写或已标注的训练数据。系统会先推导任务规格，再发现或合成数据集，并通过反思式编辑的闭环不断改进技能。论文称，在问答、阅读理解、电子表格操作和数学推理四个领域，该方法均优于直接提示的基线，在开源与前沿模型上平均提升 10.8。
说明StereoGaussians：从立体图像前馈式生成三维高斯溅射场景
简介该论文提出StereoGaussians，可从单个已标定的立体图像对直接预测带尺度的三维高斯溅射（3DGS）表示，无需逐场景优化。方法复用冻结的预训练立体网络的中间特征预测高斯属性，并以标定视差锚定几何；额外的第二层高斯和扩展的图像画布用于表示遮挡区域与视场外内容。作者在实验中报告，在未见过的真实与逼真立体数据集上优于主流视图合成基线。
说明无遗忘的图像修复：基于参数空间积分梯度的滤波器级持续学习
简介该论文针对图像修复模型在连续接收新任务时容易遗忘旧知识的问题，提出RwF框架。它先用参数空间积分梯度找出与退化相关的关键滤波器，再通过低秩分解生成任务专用滤波器并局部放回模型。实验在六项修复任务上进行，结果显示该方法能避免遗忘，且新增参数数量远少于LoRA类方法。
说明NeurDuo-EEG：具有持续状态与显式记忆的长序列脑电基础模型
简介该论文提出 NeurDuo-EEG，一种带通道级持续记忆的因果式脑电（EEG）基础模型，采用多时间尺度记忆管理，在固定大小的状态下持续建模连续脑电。模型在来自 17 个公开数据集的 3,955 小时脑电上预训练。在五个下游基准中有四个取得最佳表现，其中癫痫检测的 AUC-PR 从 0.285 提升至 0.471。
看点提出带通道持久记忆与多时间尺度巩固检索的EEG基础模型，在多数基准上取得最佳，并有大规模预训练与实验对比支撑。
说明FlexRouter：学习互补的模型组合以实现灵活的大模型路由
简介现有大语言模型路由方法各自独立打分选出前 k 个模型，容易选中失败模式相同的冗余模型。FlexRouter 显式建模模型之间的互补性，以“答案覆盖率”为目标，即至少一个被选模型给出正确回答的概率，并用行列式点过程建模路由策略。推理时采用基于行列式对数增益的贪心策略，无需预设预算即可自适应决定子集大小。在 RouterEval 基准上的实验显示，其在领域内外任务上都比强基线获得更高覆盖率和更低冗余。
说明基于可学习展平的跨骨架动作重定向
简介本文提出一种Transformer自编码器，用于在不同骨架拓扑之间迁移人体动作。核心方法是对骨架图进行可学习的展平，并以乘法方式融合图位置编码，使模型能在单一架构中处理多种骨架并以无监督方式训练。在零样本评估中，该方法将全局关节位置误差降低43%至47%；用户研究（37人，包括专业动画师）显示其在动作对齐和物理合理性上排名最高。
说明用扩散模型条件生成有创意的国际象棋谜题
简介论文提出用掩码扩散模型按指定战术主题和部分棋盘局面生成国际象棋谜题，并加入同步预测最佳走法的辅助任务。作者还采用基于 DDPO 的强化学习框架，使解的唯一性和主题匹配的谜题比例进一步提高，并公开了首批开源权重模型。
说明迈向“模型即库”：面向非洲低资源语言的离线、社区来源AI
简介该论文提出“模型即库”（MaaL）软件架构，把小型社区语音模型作为可版本化的设备端依赖包。词汇由当地说话人在部署时用少量录音直接登记，而非依赖网络爬取的文本。系统通过关键词识别把封闭词表的文本表单转为语音表单，在设备上离线完成填写与提交。论文为立场与系统设计文章，给出概念、机制和分析性可行性论证。
说明新鲜草图对岭回归的优势：每步重新采样，收敛更快（arXiv 论文）
简介本文研究迭代式岭回归中，每一步使用新的随机草图（fresh sketching）是否比复用同一草图更有优势。作者证明了这种做法确有可证明的收益，并由此推导出考虑当前残差的采样规则。实验表明，与基线相比，这些方法的收敛速度明显更快。
说明LongTake：学习在长时程视频生成中维持动态变化
简介该论文提出 LongTake，一种两阶段训练方法，用于改进自回归视频扩散模型的长时程生成。方法通过在真实长视频上进行长时程教师强制训练，使模型在较长前缀条件下预测后续帧，以维持场景动态并保持视觉质量。作者报告，在 30 秒自回归展开中，该方法的动态程度高于短时程初始化，美学质量相当，并在 30 秒和 60 秒展开中取得较高的动态程度。
说明无参数零阶优化与椭球采样：POEM-ES 方法
简介本文提出 POEM-ES，一种无需调参的随机零阶优化算法，在原有 POEM 方法基础上结合子空间预条件与椭球随机采样。它利用预条件矩阵刻画问题的低维结构，并以有效维度 d* 指导采样与平滑参数。作者在低秩结构假设下给出了维度降低的收敛速率，并在 LibSVM 数据集的铰链损失二分类任务上进行了数值实验。
说明蕈样肉芽肿检测的双尺度机器学习框架：结合细胞细节与整体结构
简介本文提出一套用于自动检测蕈样肉芽肿（MF，一种皮肤T细胞淋巴瘤）的诊断框架，结合双倍率组织病理图像分析与深度学习。方法采用10倍与20倍两种放大倍率的卷积神经网络晚期融合，并搭配基于16项临床特征训练的随机森林分类器。在6267张图像、463名患者的数据集上，基于图像的融合模型准确率为83.58%、灵敏度为89.13%，临床模型准确率为96.6%、灵敏度为93.8%。
说明临床试验中人与AI交互的定义与分类：一种多维分类方法
简介本文提出一个多维分类框架，依据AI任务、人与AI的关系、交互配置以及参与交互的人群，对临床试验中的人与AI交互进行归类。研究从既有数据集中有目的地抽取15项临床试验，由两名人工评审员和六个大语言模型分类器分别独立归类。结果显示大语言模型辅助分类具有潜力，但在试验记录不完整或含糊时，人工判断仍然重要。
说明人口多元主义：在推理时建模多元人类偏好分布
简介该论文提出“人口多元主义”框架，在推理阶段无需意见分布训练数据或任务微调，通过在人口统计意义上划分的群体内生成多种观点，来估计人群层面的意见分布。在GlobalOpinionQA和VITAL数据集上、使用四种基础模型，该方法相比Modular Pluralism将Jensen-Shannon距离降低了8.4%至26.4%。论文还比较了加权、等权和反加权三种聚合方式，发现等权聚合整体表现最好。
说明公平性表演：供应商控制的早期预警系统中事后公平干预的评估
简介本文使用加拿大安大略省一所公立学院的学生记录，在模拟采购限制下评估了六种对研究用早期预警系统的事后公平干预方法。研究比较了公平性、准确率和人口群体差异，并通过错误类型分析追踪干预如何重新分配假阳性和假阴性。结果显示，干预只是重新分配了差异，并未稳定降低差异；两种实现方式因以群体规模定义弱势而偏向已有优势的群体，小型边缘群体仍然服务不足。
说明通过流匹配实现通用 Wasserstein 重心
简介该论文研究概率测度的加权平均（Wasserstein 重心）。以往方法多只针对固定权重计算，本文提出 BaryFM，用流匹配模型将边缘分布传输到 Wasserstein 单纯形中的任意重心，训练后可通过常微分方程采样。作者在域适应、泛化、贝叶斯后验聚合和算法公平性四类下游任务上验证了该方法，其中在 10 个域适应基准上，BaryFM 在 15 种对比方法中平均排名最好。
说明MedKIT：评估大语言模型的知识整合与泛化能力
简介论文提出医学知识整合与迁移基准 MedKIT，用于考察模型在临床更新序列下能否真正运用新整合的知识，而不只是记住事实。研究对 5 个模型（含通用模型和医学模型）的 12 种知识整合策略做了大规模实验。结果显示，多数方法在原始更新任务和词汇变化上提升明显，但关系泛化有限，组合推理和操作性任务上未见实质改进。
说明ThinkV2V：激发多模态大模型推理能力，用于指令引导的视频编辑
简介现有指令引导视频编辑多把多模态大语言模型当作语义编码器，处理需要因果或语义推理的隐含编辑时效果有限。本文提出ThinkV2V框架，在视觉生成前显式调用模型的思考过程，并通过渐进式课程训练与推理时思考扩展提升推理表现。作者还构建了ThinkV2V-150K数据集和ThinkV2V-Bench评测基准，实验显示其5B规模的DiT模型在复杂与标准编辑场景中优于10B规模的基线模型。
说明当平坦度代理不是函数时：鲁棒性证书与训练干预
简介论文研究一种用于最后一层相对平坦度的代理指标，区分了它作为曲率上界的有效性与其能否用于鲁棒性证书或训练干预。作者指出，经验风险平稳性并不能消除逐点一阶损失项，并给出一种全局有效、规范不变的特征空间修正。论文还表明，常见的softmax行偏移会使该代理无界，行中心化则可恢复其不变性。
说明ReLaG：将随机划分推广到含潜在关系数据的可扩展框架
简介当数据集中存在相互关联的样本（如生化研究中常见的情况）时，随机划分会得到不独立的训练集与测试集，从而使泛化估计过于乐观。本文提出 ReLaG，这是一个与数据模态无关的框架，通过分层潜变量过程建模样本间的相关性，并利用邻近图与社区检测推断相关样本组，以生成相互独立的训练集和测试集。在分子与蛋白质数据集上，ReLaG 的效果与现有关系感知方法相当，但扩展性明显更好。
说明这个动作还能解释任务吗？面向扩散语言模型智能体的逆向评分方法
简介论文指出，基于扩散的大语言模型智能体在并行解码下容易陷入重复尝试失败动作的循环。作者认为原因在于掩码解码会优先确定最有把握的位置，导致失败动作被直接复用，并提出一种无需训练的逆向评分方法（Reflect Reverse），即评估给定状态和候选动作时任务的似然。在四个多轮具身智能体基准上，该方法相比正向评分基线提高了任务成功率和推进率。
说明面向文生图扩散/流模型编辑的实例级无分类器引导（CFG）方法
简介该论文针对基于文生图扩散或流模型的提示词图像编辑，指出现有方法多使用固定的CFG尺度，忽略了不同编辑所需修改程度不同。作者发现为每个实例选择合适的CFG尺度可显著改善LPIPS指标且不损害CLIP-T。为避免反复运行编辑流程的低效，他们训练了一个轻量神经网络，直接预测给定编辑实例和CFG尺度下的指标，从而在推理时快速选出实例专属的CFG尺度。多种编辑方法和基准设置下的实验显示该方法优于基线。
说明位置编码的选择如何改变模型的上下文检索机制
简介该论文研究语言模型中位置编码（RoPE、NoPE 及其混合方式）的选择如何影响上下文检索所依赖的内部机制。作者在涵盖八个系列的 22 个开放权重模型上进行分析，发现标准 RoPE 模型主要依赖位置检索，而混合位置编码的模型更多转向语义检索。受控预训练实验显示，将位置编码限制在局部层会导致这种语义转移并削弱位置信息的表示。论文还指出，混合结构在长上下文上的提升掩盖了检索上的权衡。
说明重新审视奖励优化的缩放定律
简介本文研究AI对齐中针对奖励模型进行优化时的性能缩放规律，涉及训练偏好数据量与策略的KL散度预算。作者提出性能约按Θ(√min{log M, K})缩放，其中M为训练比较数，K为散度预算，并通过信息论模型给出上界及可达构造。实验用70B金标准奖励模型生成反馈、训练0.6B至4B的代理奖励模型，拟合优度R²为97%至99%。
看点提出训练比较数与散度预算联合的标度律Θ(√min{log M,K})，并给出信息论上界与构造性紧致性证明，理论改进显著。实验用70B金标准奖励模型与0.6B至4B代理模型验证，拟合度高。
说明基于预测状态的无限记忆过程生成式序列建模
简介本文研究多元随机过程下一步条件分布的估计问题，尤其是可能具有无限长程记忆的过程。作者提出基于过程预测状态的新估计方法，证明当过去历史可压缩为足以预测未来的低维统计量时，估计可获得较快收敛速度，且统计复杂度由预测状态空间的内在维数决定。文中还给出基于深度神经网络估计器的实例并提供了理论保证，并以实验予以支持。
说明MM-FinEval：面向真实金融预测的多任务多模态基准
简介该论文提出 MM-FinEval 基准，用于评估多模态大语言模型在财报电话会议相关金融任务上的表现。数据集包含 2019 至 2022 年间 2045 场标普 500 企业财报电话会议，每场同时提供文字稿、演示幻灯片和完整音频，并设定 12 项金融任务标签。研究评估了 19 个基线模型，结果显示同时处理三种模态的小型模型表现较强，优于仅接受两种模态输入的较大专有模型。
说明ShamAN-Q：用于亚 1 比特大语言模型权重的 Shampoo 增强型量化方法
简介本文提出 ShamAN-Q，一种亚 1 比特的训练后量化方法，以 NanoQuant 为基础，用基于 Shampoo 优化器思路的稠密曲率度量取代其对角重建几何。作者用少量校准数据的经验 Fisher 信息矩阵拟合 Kronecker 乘积，并据此构造马氏重建损失，同时重新分配各层的秩。在 Qwen3-Base 上，ShamAN-Q 在约 1 bpw 下降低了 WikiText-2 困惑度，0.6B 模型从 27.56 降到 22.96，并在 0.8 bpw 时达到 NanoQuant 在 1.0 bpw 时的困惑度。
说明GazeFlow：从人类注视行为到生成式第一人称注视预测
简介第一人称视角下的注视预测用途广泛但难度较大，因为人眼注视具有随机性。本文提出 GazeFlow，将注视建模为受自下而上视觉显著性与自上而下任务信息共同约束的时序注视位置联合分布。方法采用条件流匹配，从高斯噪声生成合理的注视轨迹，并在标准数据集上取得了逐帧指标的最优表现。
说明文本能否引导神经PDE代理模型？基于OperatorCLIP的受控诊断
简介该论文用OperatorCLIP比较无条件FNO、常数句FiLM对照组和经对比对齐训练的固定任务描述模型，在Darcy2D、ShallowWater2D和三维可压缩Navier-Stokes上做三种子实验。结果显示，常数条件在两个二维任务上的平均测试误差更低；作者强调，误差下降不能证明模型真正利用了文本含义，并指出需要路径对照实验。
说明从独自学习到社会化学习：刻画大语言模型中的递归社会改进
简介本文研究多个大语言模型智能体各自追求自身奖励时，能否通过相互学习共同提升整个群体。研究让智能体修改技能文件，并自行决定是否、何时以及向谁复制技能，同时与独立搜索、行动共享同一token预算。结果显示，三个大语言模型从同伴学习时每个token获得的奖励低于独自学习者，但复制和传递技能能提高学习效率，却未能带来更多独立发现。
说明VAmoS Part Deux：更难、更贴近现实的语音代理仿真基准
简介本文提出 VAmoS Energy 基准，包含 100 通关于公用事业账单与付款协助的通话，每位来电者提出两到四项请求。代理可调用十六种工具，并通过有状态的计费模拟环境进行测试。实验比较了十四种语音系统，完成率在 17.3% 至 44.7% 之间；背景电视声将汇总完成率从 38.7% 降至 8.6%。
说明DEdit：面向推测解码的迭代草稿编辑方法
简介该论文提出DEdit，一种基于扩散模型的草稿生成器，用于加速自回归大语言模型的推测解码。它不仅能并行生成草稿，还能通过逐token预测迭代编辑草稿，修复前面的错误，从而延长被接受的前缀。论文在Qwen3-4B和Qwen3-8B上的七个基准测试中报告，DEdit的宏平均token接受率和加速比在所评估的草稿方法中最高，贪婪解码下相对自回归生成的宏平均加速分别为5.72倍和5.97倍。
说明LVMH：面向长视频智能体记忆的元优化框架
简介该论文提出LVMH，一个自动化多智能体框架，将长视频智能体的记忆策略开发视为固定回答模型下的多目标代码搜索，并通过独立审查和持久元记忆避免自我认证与开发集过拟合。基于此框架发现的SEEM策略以“文本优先、视觉其次”为思路，依靠紧凑结构化事件记忆和证据专家作答，并通过选择性视觉门控查看局部帧。原文报告，SEEM在三个基准上以GPT-5取得65.7%的平均准确率，比此前最优结果高7.7个百分点，平均评估token用量约低32倍，平均响应时间约快91倍。
说明自回归前沿扩展：用图机器学习生成树状结构
简介该论文提出自回归前沿扩展方法，通过迭代扩展过程构建树状结构，模拟真实树木的生长。每一步由基于SO(2)等变图神经网络参数化的流匹配模型，预测活动分支是分叉还是终止。方法在皮层神经元和植物树木上进行了无条件、类别条件和形态引导生成的评估，生成结果与参考分布及指定目标高度吻合。
说明从传统到AI控制器的架构转变：Simulink控制器实证研究
简介本文对62个真实Simulink模型（涵盖8类控制器、10个应用领域）及13位从业者进行实证分析，比较传统与AI驱动控制器的结构差异。研究依据文献归纳的分类体系进行考察。主要发现：无论采用何种范式，子系统组织都占控制器结构的68%至72%；AI控制器的约束执行模块基本消失，安全机制由显式结构转为训练阶段的隐式产物，从而影响可追溯性。
说明关注什么，保留什么：基于技能条件的视触觉表征与进度引导的事件记忆
简介这篇论文研究机器人在操作中如何结合视觉与触觉。作者提出一种按基本技能条件化的表征方法，让当前技能决定对视觉和触觉短期观测的融合方式，并借助稀疏事件记忆保留最近执行过的技能的终止观测。在三个接触密集任务的技能进度估计中，该方法较微调的最新进度模型将滑移检测延迟降低87%，并将扭转完成延迟较纯视觉消融模型降低67.5%。
说明精神科临床语音录音中基于角色引导的说话人删除验证（使用音频语言模型）
简介本文研究在精神科访谈录音中删除指定说话人（医生或患者）语音并验证删除是否完整的问题。方法是对每个目标角色先对原始音频进行脱敏处理，再用音频语言模型和大语言模型扫描输出以发现遗漏的语音。研究在48段双人对话录音上测试了四个开源模型，并采用多模型或视角的析取式OR集成，综合F1为0.478，召回率较高，显示不同模型之间具有互补性。
说明对比协方差子空间用于激活导向：一种去除混淆因素的无训练方法
简介该论文提出对比协方差导向（CCS），在大语言模型推理时通过低维子空间投影去除导向向量中的无关混淆因素（如话题或文风）。在三个模型和四个导向领域的12组设置中，CCS均优于所有基线方法，并在多轮对话中保持概念表达与流畅度。
说明面向临床智能体的个性化状态转移感知记忆（STAM）：一种记录患者状态变化并区分当前与历史信息的记忆框架
简介论文提出STAM，一种面向临床大语言模型智能体的状态转移感知记忆框架，在新的临床记录到来时记录状态变化。STAM结合语义检索与带类型的临床关系来识别受影响的记忆，将当前信息保存在Active区，将被取代或已解决的信息保存在History区。读取时，查询相关的门控机制有选择地调用历史记忆。作者在四个纵向临床基准上，通过下游问答、状态维护诊断以及大致匹配上下文长度的比较进行了评估。
说明高斯点刻：基于混合采样与时空重建的免排序3D高斯渲染
简介论文提出“高斯点刻”，把3D高斯溅射的连续透明度替换为离散随机可见性样本，从而免去深度排序。方法自适应结合基于图元与基于片段的点刻，并用轻量时空重建网络从稀疏样本中恢复图像、抑制噪声。作者称该方法可直接用于未修改的3DGS资产，在未见场景上实现移动设备交互渲染，经场景专项训练后视觉质量更高。
说明多维观察者模型与人类图像质量评估的感知维度
简介本文提出一个框架，用于理解人类判断图像质量时潜在的感知空间。作者构建多维观察者模型，把图像表示为潜在感知空间中的分布，并将人类判断建模为比较带噪声的样本，模型受灵长类腹侧视觉通路神经表征约束，并拟合大规模行为数据。结果显示，解释人类图像质量判断所需的感知空间维度极低，且低层与高层质量判断的空间结构不同。
看点提出多维观察者模型，将图像质量判断视为潜在感知空间中的噪声比较，并用大规模行为数据拟合，发现感知空间极低维且依任务而变。
说明大语言模型时代的拟人化：潜在风险与缓解措施综述
简介本文综述了关于人工智能拟人化现象的近期文献，涵盖理论框架、语言如何将AI描述为类人、拟人化带来的各类风险以及缓解策略。作者提出一个风险分类法，将二十一项担忧归入认知、情感、人类能动性、规范以及社会与制度五大类，并把这些担忧与设计、传播、教育和治理方面的干预措施相联系。
说明纵向医学影像的深度学习：范围综述
简介本文对2018至2025年间发表的102项将深度学习应用于纵向医学影像的研究进行了范围综述。神经系统疾病（48%）和眼科疾病（12%）是最常见的临床应用，MRI为主要影像模态（67%）。最常用的方法是将卷积神经网络与LSTM/RNN等时序模型结合（40%），分类任务最为普遍（56%），仅24%的研究进行了外部验证。作者认为该领域前景良好，但仍需更新的时序架构和更大的数据集。
说明超越层级：统一多模态模型中按位置分辨的梯度冲突与位置感知调制
简介统一多模态模型在共享参数上同时训练图像理解与自回归图像生成，两者目标相互干扰。本文提出按视觉令牌位置分解的干扰图，发现生成梯度与理解的冲突随序列位置而变，序列前四分之一的平均梯度余弦为-0.18，后四分之一为-0.02。基于此，作者提出位置感知调制（PAM），仅在高冲突位置去除生成梯度中的反向对齐分量，在Show-o上相比按层分离提升了MME与GenEval指标。
说明RetroGEF：用于单步逆合成的动态图编辑流模型
简介逆合成用于寻找目标分子的可行合成路线，在药物发现和材料设计中作用重要。论文提出RetroGEF，一种基于流的生成模型，从目标分子出发，通过添加原子和改变化学键来构建可能的反应物。该模型在同一生成过程中同时处理分子结构变换和图规模变化，直接从产物-反应物配对数据中学习，无需预设编辑顺序。作者称其在代表性逆合成基准测试中达到了最先进的性能。
说明PANDA：面向可扩展、容错多智能体系统的去中心化、灵活编排架构
简介该论文提出PANDA，一种去中心化的多智能体系统架构，让大量异构、独立管理的智能体互相发现能力，并按任务自组织成小型专业团队。系统通过分离集体通信与团队通信实现扩展，支持星形、链形和网格三种编排模式，并能检测故障、动态重新规划任务，同时用信任网模型约束智能体交互。论文报告在HotPotQA基准上可扩展到数千个智能体，团队组建耗时毫秒级，准确率与先进水平相当，效率最高达8倍，并在故障情况下保持100%任务完成。
说明KlinikeBench：超越诊断准确率评估语言模型的临床基准
简介该论文提出 KlinikeBench，一个由临床医生编写的 333 项任务基准，每项任务提供虚拟患者、临床工具和成功标准，用于评估语言模型在问诊、检查申请和最终诊断等完整临床过程中的表现。研究发现，表现最好的模型诊断准确率达 90.7%，但完成任务的成功率低于 30%，说明诊断准确率不能反映交互式临床评估能力。
说明基于图像描述的行人路线感知安全估计
简介该论文提出一种可解释的行人路线方法：先用视觉-语言模型为街景图像生成并保存文字描述，再仅依据描述文本的结构化特征判定感知风险，使每段路线评分可被用户检视。在九种描述条件下的对比中，该方法与直接使用 CLIP 图像嵌入的基线持平。在英格兰北部曼彻斯特和哈德斯菲尔德的实地验证中，与人工评分的相关性具有统计显著性但较为有限（r=0.262）。
说明面向特定任务视觉感知的合成数据策展
简介本文提出，专用视觉系统的关键不在于生成更多数据，而在于生成哪些数据。作者讨论了围绕特定任务设计场景、外观、传感特性与标注的策展式合成数据，比较了程序化渲染、物理仿真和生成式AI三种范式。文章以工业表面缺陷检测、褪色数字化自动彩色底片修复以及基于RGB和事件数据的6自由度位姿估计为例进行说明，并认为将可控监督与学习得到的外观相结合的混合流程，是实现可靠仿真到现实迁移的最有前景方向。
说明重排序与后期交互驱动检索质量：科学问答 RAG 策略的受控对比
简介本文在约46万篇2024至2025年arXiv论文上，对六种科学问答检索策略进行受控比较，包括经典稠密检索、查询改写、改写加重排序、RRF多查询融合、由生成模型自行决定是否检索的智能体式工具调用，以及基于ColBERTv2的后期交互检索。所有流程共享同一生成模型、提示词和评估协议。作者同时发布了由19,484个合成问题组成的数据集及代码，用于可复现的评估。
说明Diffusion-2BC：用于自动驾驶离线行为克隆的扩散与回归混合训练
简介本文提出Diffusion-2BC，在扩散去噪目标之外，于共享视觉编码器上加入辅助的确定性行为克隆损失，该辅助分支仅在训练时使用，推理仍采用扩散方式。方法在Claw受控环境和鸟瞰视角CARLA导航任务中评估，包括路线条件驾驶、无路线多路口导航以及从Town01到Town02的跨地图测试。结果显示，在Claw任务中，其平均掩码距离误差相比扩散行为克隆基线约降低10%，相比标准确定性行为克隆约降低85%；在无路线CARLA中，其行驶距离明显长于两个基线。
说明为量化标量构造稠密二值超向量码本的去随机化方法
简介超维计算与向量符号架构常用稠密二值码本表示量化标量的各个级别，并期望相邻级别的相似度遵循给定的标量间距函数。有限维度下，随机构造的码本会因采样噪声、起始不平衡、更新次数波动等因素偏离目标。论文提出一种基于状态转移的去随机化框架，分别针对指数衰减和线性衰减两类目标相似度，并推导了平均相似度、偏差、方差与均方根误差的精确有限维表达式。仿真结果表明，各项约束能够消除或减少特定来源的相似度偏差。
说明背景环境揭示智能体周围世界让它付出的代价
简介本文提出BACKDROP基准，用于测试智能体在有他人干扰的真实环境中还能保留多少能力。它在同一任务中分别或同时加入权限冒充、注入文本、越界请求和写入失败四类风险，并测试了3,678个变体与16个模型。结果显示，四类风险同时存在时，平均通过率从69.5%降至31.3%，且最强模型下降幅度最大。
说明PAMI：用身体部位锚点引导的文本到人-物交互动作生成
简介本文提出PAMI框架，用于根据文本生成全身人与物体的交互动作。方法借鉴霍夫变换思想，让身体部位锚点为物体运动投票，并通过PamiVAE学习交互潜在空间，再由粗到细地生成动作并精修接触几何。在InterAct数据集上，PAMI比以往方法生成的交互更忠实，接触召回率高出14.5%。
说明比较系统一决策模型与训练好的分类器及语言模型在自动化决策闸门中的表现
简介该论文用同一测试框架比较了八个决策模型检查点（来自六个系列，包括托管模型 Jev）、四个开源生成式模型，以及有监督和零样本分类器，任务涵盖工作流、意图、情绪与社会科学条目。结果显示，有标签时微调的 DeBERTa-v3-large 在多数基准上准确率最高；无标签时，决策模型在工作流和意图上与 Jev 无显著差异，Gemma-4-31B 在部分任务上相当或更高但成本与延迟更高。论文还讨论了对是/否选项互换的敏感性及训练数据暴露等因素，并据此提出自动化决策闸门的条件性设计规则。
说明梯度冲突能否预测理解与生成的权衡？统一多模态模型中冲突指标有效性的受控审计
简介该论文审计了一个常见假设：统一多模态模型中，理解与生成目标之间的梯度冲突越小，下游的权衡表现就越好。作者在可精确计算真实权衡的受控测试平台 GRIDUMM 上，测试了 63 种配置、372 个检查点，结果显示没有任何方向性冲突指标与最终权衡存在显著相关。论文同时指出冲突并非无用，而是其作为诊断目标的有效性需要验证，并发布了可复用的审计协议。
看点对统一多模态模型中梯度冲突假设进行受控审计，提出验证诊断指标有效性的协议，有新意，实验规模较大。
说明自回归物理信息神经算子代理与四维地震-生产联合贝叶斯历史拟合
简介论文提出一种代理加速的贝叶斯历史拟合框架，在一个约10万网格的合成油藏模型上验证。用傅里叶神经算子替代正演模型，并以黑油模型残差作为物理约束训练；同时同化生产数据和四维地震数据，通过自适应正则化集合卡尔曼反演完成反演。原文报告代理模型在验证数据上压力和饱和度的R²超过0.999，单次推演用时0.579秒，相比原模型约快2500倍。
说明TrafficSignBench：面向自动驾驶交通标志合规性的以规则为中心的闭环评测基准
简介该论文提出 TrafficSignBench，用于系统评估自动驾驶规划器是否遵守交通规则。它结合基于真实地图的仿真与针对规则的程序化场景生成，覆盖 34 种交通标志并配有自动规则检查器。研究发现，现有规划器在标准指标上表现良好，但交通规则合规性较差；作者还通过显式交通标志约束将其改造为合规轨迹专家，用于生成微调所需的参考轨迹。
说明NAQD-Env：评估语言智能体选择性撤回行动能力的基准
简介该论文提出 NAQD-Env，一个合成环境，用于测试语言智能体在证据变化、授权撤销或停止指令出现时，能否只暂停受影响的行动、保留不受影响的工作，并在充分修复后恢复。研究在350个固定场景上评估了三个开源指令微调模型，结果显示撤回召回率最高仅为0.06，有效恢复几乎未出现，仅一个回合完全符合参考策略。作者认为选择性撤回应被视为智能体可靠性的独立组成部分，但该设置仅衡量结构化输入下的策略执行，不能证明现实中的约束或信息核实能力。
说明PrivMeSA：基于本地与远程大模型协作、兼顾隐私并自我演进的医疗多智能体系统
简介该论文提出PrivMeSA，一种在医疗场景中兼顾隐私的多智能体系统：本地智能体决定向远程专家模型披露哪些信息，并通过强化学习平衡诊疗准确性与隐私风险。系统还把已完成的咨询提炼为通用临床经验，供后续病例直接复用。在基于MIMIC-IV-ED急诊记录构建的基准上，任务准确率较直接委托最多提高15.8个百分点，个人信息披露比例由98.0%降至0.2%。
说明从最小范数插值视角看顿悟现象（Grokking）
简介论文研究神经网络在训练数据已拟合后仍延迟学到真实规律的“顿悟”现象，在高维回归中建立统计理论，分析正则化几何与信号稀疏性如何影响插值附近的泛化。作者证明强过参数化无噪声情形下存在零一泛化规律，并给出随ℓr正则化路径变化的训练与泛化误差精确刻画；实验在对角线性网络和模运算Transformer上验证了理论预测。
说明CHOIR：用自由列表探测揭示大语言模型集合中的不同声音
简介该论文提出CHOIR框架，借鉴认知人类学的自由列表方法，让多个大语言模型反复给出排序列表并归并为概念，以测量各模型、提示变体和人设条件下的概念显著性。在Infinity-Chat 100提示集上，93/100个提示的表面一致性高于随机水平，同时能区分窄问题与宽问题。研究发现基础模型身份是最稳定的可识别特征，人设提示会在各基础模型特征内改变所呈现的概念。
说明面向天气驱动的国家级作物产量预测的低输入深度学习框架：以巴西大豆为例
简介本文提出一种仅使用常规天气数据及两项轻量静态背景变量的深度学习框架，用于预测作物产量，可迁移至其他作物与地区。作者以巴西2001/02至2020/21年20个种植季的大豆为案例，采用留一年交叉验证，比较了多种模型。结果显示Transformer表现最佳，相较五年移动平均基线误差降低47.6%。
说明预训练与中训练让奖励可学习的内容是什么？
简介本文研究预训练和中训练如何为奖励驱动的任务适应提供所需的信息与计算能力。作者在顺序状态计算和上下文记忆两类任务中，刻画了在所有训练奖励上一致、却对未见答案给出不同预测的机制，并证明任务无关的源预测能消除这种歧义。实验基于预训练的 Qwen2.5 检查点，在八个任务环境中，使用正确源监督与首步操作监督训练的顺序模型成功率为 82.61%，私有随机源对照组为 44.15%。
说明AIM：面向自动化研究的智能体式想法管理框架
简介本文提出智能体式想法管理器（AIM），用于在自动化研究中管理和探索研究方向。该框架借鉴贝叶斯优化思路，通过智能体代理模型与获取机制组织并筛选想法，并配有方案审计与资源规划模块。在10个AutoLab基准任务上，AIM在系统优化任务上比最强基线高1.6个百分点，在长周期模型开发与CUDA任务上高4.9个百分点，且达到基线最佳性能最多快3.1倍。
说明可听世界模型：面向三维场景的空间感知声音生成
简介本文提出一种无需训练的框架，为由文字或图像生成的三维场景加入声音。系统先构建全景三维代理并分离语义层，识别发声的前景物体与环境背景，为每类声音合成干声，再将声源锚定到重建的几何结构上，并利用几何声学传播渲染随听者位置与运动变化的空间音频。在80个生成场景上的实验显示，其空间一致性明显优于基于文字、视频和全景的基线方法，语义对齐也保持竞争力。
说明BIND：将三维机器人动作与二维图像特征绑定
简介该论文提出 BIND，一种用于视觉运动机器人策略的新动作表示方法。它利用相机几何，把候选末端执行器三维位置与各相机视角中对应的二维图像特征相绑定，并据此选择动作。在真实机器人上的实验显示，BIND 在少至 5 次示范的任务中接近完美成功率，并在相机视角变化较大和未见过的物体位置下，性能下降平缓，而坐标回归基线则完全失效。
说明用于回旋动理学等离子体湍流代理建模的预训练变分自编码器
简介该论文提出PreVAE-Turb框架，利用Stable Diffusion中的预训练变分自编码器压缩湍流场，并用ConvLSTM在潜空间中学习时间演化，以加速等离子体湍流模拟。模型在二维Hasegawa-Wakatani漂移波湍流上验证，并扩展到GENE代码的回旋动理学湍流，同时预测静电势、密度和平行/垂直温度涨落。训练完成后，单块GPU上数秒即可生成数千个时间步。
说明TACIT：从错误中学习的优化模型
简介现实中的优化问题往往依赖领域专家的隐性知识，难以准确建模，导致模型目标或约束有误、遗漏约束或决策变量。本文提出TACIT方法，利用历史求解结果和用户随后的人工修改数据，自动修复有误的模型。该方法结合大语言模型的推理能力与优化方法的形式化基础，在38个误设场景（涵盖9类优化问题）上测试，修复成功率为78.9%，高于最佳基线的60.5%。
说明AI-Experiment：与人工智能共同创作的增强现实艺术项目
简介本文介绍一件实体艺术作品的创作过程，由艺术家、计算机科学家与生成式人工智能工具协同完成。研究者用该艺术家的作品照片微调潜在扩散模型，生成风格相近的合成作品，再从中挑选部分由艺术家以丙烯颜料在画布上重新绘制。作品还加入了增强现实组件，通过一组生成式视频模型让画作动起来。作者同时公开了部分训练数据、生成代码和增强现实体验。
说明MOBA-VL：面向实时MOBA解说的事件定位多轮强化学习模型
简介该论文提出MOBA-VL，一个90亿参数的视觉语言模型，用于为MOBA电竞比赛实时逐秒解说。作者利用记录事件精确发生时刻的游戏遥测数据作为监督信号，并通过事件定位的多轮强化学习奖励描述各事件的回合。论文还发布了包含860场职业比赛的MOBACast数据集及对应基准MOBACast-Bench，在该基准上，MOBA-VL的总体得分高于对比模型，事件召回率也较监督微调有所提升。
说明基于政策条件的AI使用检测：学术出版的证据框架
简介本文指出，目前常用的AI文本检测工具只判断文本是否由AI生成，与会议和期刊依据规则判断人机协作是否合规的需求并不一致。作者提出“政策条件化AI使用检测”框架，把具体规则作为显式输入，以假设、证据、校准和不确定性代替“检测到AI”的结论，并在事先设定的误报率下评估检测效果。文中以同行评审为例，指出该框架还要求场所落实结构化披露、保护审稿人保密性的工具路由，以及对检测结果提出异议的途径。
说明LoopVL：循环式视觉智能——一种把循环计算引入视觉语言模型的新尝试
简介本文提出LoopVL，用于研究循环Transformer能否有效扩展到视觉语言模型。模型通过共享模块在多轮循环中迭代更新统一的视觉语言状态，并经过语言预训练、多模态训练和后训练从头训练。实验显示其在多模态理解和视觉推理基准上优于一系列规模相近或更大的非循环模型，并观察到循环过程中视觉注意力明显转移的现象。
说明将图异常检测视为有限时域控制：基于经验贝叶斯的免训练打分方法
简介本文提出 EB-GAD，一种免训练的图节点异常检测框架，把正常性建模为图感知的广义 Ornstein-Uhlenbeck 松弛过程。方法用经验贝叶斯从残差似然拟合图精度，再以闭式有限时域控制能量计算异常分数。在 11 个基准数据集上，且全程不使用标签，该方法在 9 个数据集上取得最佳或并列最佳的 AUROC。
看点将图异常检测归结为有限时域控制能量，无需训练并由经验贝叶斯拟合先验，新颖性较突出；在11个基准上多数取得最优，证据较充分，对子领域影响较大。
说明《他们说了什么，而非他们“想了什么”：用于思维链验证的 Type-6 逻辑》：一套检验大模型推理步骤是否成立的逻辑框架
简介论文提出 Type-6 逻辑，它是一种带有“不确定性”和“递归”两个算子的动态认知逻辑，用来刻画大语言模型思维链（CoT）的推理过程。作者据此构建验证器，把推理轨迹转为图并依据公理和推理规则检查，在形式与非形式推理的语料上进行了评估。论文报告了其验证器能发现表层启发式方法遗漏的结构性错误，并指出推导出矛盾是最常见的硬性失败类别，以及不同验证方法之间的一致性差异较大。
说明基于自适应增强与多分辨率集成模型的结直肠癌分割
简介本文提出一种用于全切片病理图像的自动分割流程，可标注结直肠癌1至3级肿瘤及正常黏膜。该方法结合多种编码器的密集预测Transformer、重叠图像块与测试时增强，并用大语言模型引导的自适应增强策略改进训练，最后通过软投票集成与后处理完成掩膜优化。在一个结直肠癌分级数据集上，其F1分数由62.92提升至69.84。
说明无需训练的合成数据：面向表格、时序与关系型数据的纯推理管线
简介该论文提出GENSCRIPT，一种无需训练模型的合成数据生成管线。它先对源数据计算统计画像，再由语言模型推断字段语义与约束，并由编码代理生成可审计的采样程序。论文称其在单表、时序与关系型数据上均可使用，并报告了在多个基准上的生成速度与保真度结果。
说明VidHarness：用于低成本长视频理解的可进化智能体框架
简介视觉语言模型可以回答长视频问题，但逐帧处理成本过高，而一个问题的证据通常只分布在几秒钟内。本文提出 VidHarness，自动设计包裹冻结视觉语言模型的“harness”程序，通过蒙特卡洛树搜索与不确定性感知的多保真度验证迭代进化，并用混合 harness 按帧预算路由问题。论文称其在 LongVideoBench、Video-MME 和 Video-Holmes 上取得新的最优结果，并以少于均匀采样一半的帧数泛化到 Video-MMMU 与 MMVU。
说明面向巴西葡萄牙语金融新闻多类别分类的大规模数据集
简介本文发布了一个约16万篇巴西葡萄牙语金融新闻的大规模语料库，用于弥补该语言金融自然语言处理数据稀缺的问题。作者基于语义相似度，用余弦相似度、KNN和FAISS三种方法做了弱监督多类别分类的初步基准测试。结果显示，人工标注子集上KNN准确率为47.3%、F1为31.9%；LLM标注子集上准确率约50%但F1降至约20%，表明标签质量与类别分布影响很大。
说明ArgGYM：面向结构化可废止推理的程序化、引擎验证基准
简介该论文提出 ArgGYM，一个用于结构化可废止推理（结论可被暂时支持、反驳或修订）的程序化基准与可验证奖励训练环境。它将推理拆分为十二项任务，并由符号论证引擎计算评估所用的形式状态。冻结基准包含 1,440 个已验证实例，前沿模型与开源模型表现各异，且在依赖更长、结构更复杂的课程配置中成绩下降。作者公开了基准、生成器与验证器。
说明基于分歧正则化的模仿学习：用于高斯与Beta策略的图像连续控制
简介该论文研究分歧正则化模仿学习（DRIL），即把多个克隆策略之间的分歧转化为强化学习奖励，以改善基于图像的连续控制。实验在CarRacing环境中进行，比较高斯与Beta策略，并使用一条或二十条演示轨迹。结果显示，在少量演示时DRIL提升明显，多演示时行为克隆的Beta策略表现仍具竞争力。
说明评估大语言模型能否可靠地连接文本空缺
简介本文构建了一个包含约9.2K个实例的多领域叙事补全基准，通过遮盖一至三句话，覆盖百科文本、常识故事、新闻文章和视觉叙事四类文本。研究评估了20个参数量从1.5B到70B的开源指令微调大语言模型，结果显示模型规模并不能可靠地预测补全质量，较小的Gemma-2-2B得分最高，显式推理的帮助也有限。
说明从代码库到故障源：借助语义检索与分层强化学习缩小缺陷搜索范围的 C2C 框架
简介该论文提出 C2C 框架，用于精确定位软件缺陷，按文件、函数、代码行三个粒度逐级缩小调试范围。它先用基于 CodeBERT 对比学习微调嵌入的语义检索，从缺陷报告文本（含可用的堆栈信息）中召回可疑候选，再用分层强化学习逐级定位到具体代码行。论文称在真实 Java 与 Python 数据集上，C2C 提升了检索精度和定位准确率。
说明GestAdapt：面向人形机器人、以工作空间为条件的伴随语音手势生成
简介该论文提出GestAdapt框架，让机器人在生成伴随语音的手势时考虑可用工作空间（如靠墙时的限制），而不是事后修正不受约束的动作。框架基于六个语料库学习共享的动作表示，并可迁移到不同机器人本体。论文报告，在用户研究中该方法得分3.24/5，高于无工作空间约束版本的2.43/5，低于参考动作的3.68/5；在Reachy2机器人上的比较中，69.7%的情况下排名第一。
说明SimTrace：用于在线用户建模的、基于真实轨迹的多模态用户行为轨迹生成框架
简介该论文提出SimTrace框架，利用计算机使用客户端智能体，基于匿名化的真实用户交互和模拟的网页环境，生成细粒度的合成多模态点击流数据，可替代保密日志用于虚拟客户端开发。研究在电商场景下评估其保真度与下游任务效用：在8项保真度指标中有7项优于基线；用合成数据训练的模型在购买预测和推荐等任务上与用真实数据训练的模型表现相当；在下一步动作预测任务中，用合成数据扩充真实数据后准确率相对提升11.0%。作者已将其作为开源软件包发布。
说明随机最优控制中粗糙路径与伊藤框架的统一最优性条件
简介该论文研究随机微分方程的随机最优控制，比较伊藤微积分与粗糙路径理论两种框架下的庞特里亚金极大值原理。作者证明两者的伴随方程通过条件期望相互联系，并据此推导出统一的极大值原理。文中还给出两个应用：重新推导生成模型微调的伴随匹配方法，以及为一类反馈问题提出间接打靶法。
说明哪些任务能在自监督学习后保留？——研究自监督表示能保留哪些下游任务信息的论文
简介本文研究同一实例自监督学习（SSL）所学表示能保留哪些下游任务信息，提出“语义可恢复性”概念，用于衡量任务后验得分被表示函数空间捕获的比例。作者证明对于中心化并白化的表示，该可恢复性决定方向性类间距归一化方差（CDNV），并影响少样本最近质心分类。文章还给出两视图自监督目标的谱刻画，并在合成与真实数据上验证了相关预测。
