机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明重新审视跨重建方法以实现可泛化的深度伪造检测
简介该论文针对图像伪造检测器难以泛化到未见过的伪造方法这一问题，提出一种面向伪造痕迹的解耦框架。作者认为不同生成过程产生的伪造痕迹多样性包含有用的取证线索，因此通过语义对齐的跨生成器重建来保留这些差异，而不是强行对齐。方法还引入掩码频率感知的重建策略，以突出与伪造相关的残差。在多个基准数据集上，跨数据集和跨生成器的实验均显示出改进。
说明数据稀缺条件下长尾出血性病灶分割的合成训练方法
简介本文针对脑微出血（CMB）和皮层表浅含铁血黄素沉着（cSS）的自动分割问题，提出一种合成训练框架，训练时无需真实病灶标注。该框架基于解剖脑分区，结合临床关于病灶位置和形态的先验，合成图像与标签。在10例cSS和13例CMB病例上的评估显示，该方法优于经典滤波器基线。
说明AI评估沙盒配置器：支持AI监管沙盒中技术评估的框架
简介欧盟《人工智能法》要求各成员国在2027年8月前建立AI监管沙盒，用于在监管机构、技术专家与被评估组织共同参与下开展监督性测试。本文据此提出11项基础设施与治理要求，并介绍了一个开源框架AI评估沙盒配置器，包含可插拔测试目录、统一数据模型、角色化仪表板和分众报告功能。作者报告了一项在实际沙盒项目中进行的早期试点，该试点应用了数据统一与报告功能，并协助形成了正式的退出报告。
说明FedFit：通过向量库参数化与量化实现联邦微调大语言模型
简介本文提出FedFit方法，用于在联邦学习中微调大语言模型，以保护隐私并降低通信开销。方法包括：用两个不相交的全局向量库重构适配器矩阵以减少通信量；采用交替优化与残差谱聚合来缓解LoRA聚合困境；并结合分块量化与客户端误差反馈进一步压缩传输数据。作者还给出了收敛性理论保证，实验基于Qwen2.5模型，结果显示其困惑度与标准联邦LoRA方法相当，压缩比最高可达100倍。
说明既非黑也非白：用图信息语义ID（GrIS）平衡语义信号与协同信号
简介该论文将生成式推荐中的语义ID构造重新表述为图上的递归聚类问题，提出统一框架GrIS，并把RQ-VAE和RQ-KMeans视为图为空时的特例。作者探讨了两种实现：通过可微图池化进行层级分配的RecDMoN，以及引入图感知表示和图重建目标的RQ-GAE。论文报告，在多个真实数据集上GrIS较协同过滤感知的最优方法有一致提升，Hit@10最高提升52%。
说明面向自动驾驶的可靠视觉语言模型研究
简介该论文评估了五个视觉语言模型在四个自动驾驶问答数据集上的表现，考察不同类型的视觉输入（单帧、多视角、多帧、单目）在视觉退化情况下，模型准确率与置信度可靠性的变化。作者还测试了一种推理阶段方法（Visual Evidence Augmentation，VEA）能否在视觉退化条件下提升模型可靠性。结果显示，该方法对部分模型和数据集有提升，但在所有设置下效果并不一致。
说明通过多目标超参数优化校准剩余寿命预测的及时性
简介该论文针对剩余使用寿命（RUL）预测，指出提前预测与滞后预测的误差后果不对称，而常规超参数优化只关注单一精度指标。作者将优化目标本身作为设计变量，比较了五种模型在单目标最大化R²、单目标最小化NASA评分函数以及同时优化两者的多目标方法下的表现。结果显示，多目标方法在C-MAPSS数据集上使提前与滞后预测的方向不平衡约降低33%，在BackBlaze数据集上则表现出明显的泛化差距。
说明非马尔可夫决策过程中的精确可区分性
简介该论文研究在非马尔可夫环境中，固定行为策略下收集的数据能否区分两个候选的正则决策过程（RDP）。作者证明，对于观测等价的候选模型，后验比与先验比在任何样本量下都保持相等，并在 Lean 4 中完成形式化验证。论文还给出了这种等价关系的精确刻画，并提出 PEC 算法，可在与乘积自动机规模成线性的时间内判定等价性。
说明AI风险观测站：年报中的人工智能披露能告诉我们什么关于社会韧性的信息？
简介本研究用大语言模型（LLM）分析了英国1362家上市公司2020至2025年间的9821份年报，考察企业如何披露其应对人工智能的情况。研究发现，提及AI风险的报告比例从2.8%升至41.2%，但真正具有实质内容的AI风险披露仅占4.3%，且关键基础设施行业和AIM市场的披露率较低，伤害类披露几乎不存在。
说明Langevin引导的迁移学习：用黑盒反馈替代目标样本
简介该论文提出LITL框架，可在仅有有偏源样本和黑盒反馈的条件下，恢复目标Langevin动力学。方法通过Dirichlet表示学习估计目标生成元的主要谱结构与投影漂移项，从而重建动力学时间尺度与慢流形梯度场。论文还给出有限样本下特征值、特征函数及投影漂移估计的Sobolev范数保证，并在分子模拟、生成模型与神经网络潜变量引导等任务上进行了实验。
看点将Dirichlet表示学习用于从有偏样本恢复Langevin动力学并给出有限样本的Sobolev范数保证，新颖且证据较扎实，但应用范围偏窄。
说明自动形式化神经符号预测器：用大模型把文字知识转为逻辑约束
简介神经符号（NeSy）预测器把先验知识以逻辑约束的形式融入神经网络，使输出满足指定条件。论文研究大语言模型能否把文字领域知识自动转为可用的符号约束，并提出评测基准 auto-nesy-bench 进行检验。结果显示，大模型生成的公式在较大程度上接近人类专家给出的公式，语法有效时还能带来较好的下游预测效果。
说明SuperMotion：面向文本驱动人体动作编辑的源保持去噪方法
简介该论文提出 SuperMotion 框架，用于根据文本指令编辑人体动作。方法在每一步反向去噪时显式复用源动作，并通过学习到的保持门控进行融合，以减少时间细节损失。在 MotionFix 上全池 R@1 达到 33.20%，消融实验表明保持门控是性能提升的主要原因。
说明FedMIX-P：联邦学习中混合本地与全局预条件器的视觉与语言模型训练方法
简介该论文针对联邦学习中客户端自适应预条件器几何差异导致更新偏差的问题，提出FedMIX-P，在每个本地步骤混合共享与本地预条件器。作者在光滑非凸目标、随机梯度和部分参与条件下给出了O(R^{-1/2})的驻点界，并通过双客户端反例说明固定正混合可能保留非驻点。实验涵盖SOAP、Sophia、Muon等优化器的视觉与语言任务，报告在60M至350M语言模型上带来精度与验证损失的改善。
说明审计规则如何影响大模型因素解释的诚实性
简介本文研究在有限验证预算下，大模型报告各输入因素影响时是否诚实。作者把这一过程形式化为验证博弈，发现若审计依赖于报告内容，会促使模型压低重要因素以逃避检查。采用与报告无关的审计，或混合固定比例的无关审计，可消除此激励，使如实报告更优。作者以反事实Brier分数（CBS）在四个NLP基准上验证，理论预测与合成理性智能体吻合，真实大模型在激励明确时也表现一致。
说明Decision Titan：离线强化学习中用于长期记忆的测试时训练
简介本文研究将测试时训练（TTT）框架用于离线强化学习，在 Decision Transformer 中加入 TTT 层，构建 Decision Titan。作者在用于测试序列记忆的 X-Maze 环境中评估其性能，并通过可视化门控值观察记忆机制如何随时间学习。结果显示，该模型能学习长度约为上下文窗口 20 倍的长期依赖，并能泛化到训练数据长度的 1.7 倍；时间泛化依赖于所用的时间嵌入，长期依赖的学习能力则取决于相关信息的编码方式。
说明VoxelSynth3D：用于三维CT金属伪影减少的可解释体素图像域方法及合成基准
简介本文针对术后肌肉骨骼CT中金属伪影遮挡骨与植入物交界及周围软组织的问题，提出VoxelSynth3D，这是一种无需训练、直接作用于重建三维CT图像的方法，结合支持掩膜、组织合成、偏差门控和受限边缘细化。作者还构建了基于无金属CTPelvic1K数据的配对合成基准Synthetic CLINIC-Metal。在40个保留病例上，该方法将RMSE从801.48 HU降至786.18 HU，并在每个病例上均有改善，但靠近金属处的边缘一致性有所下降。
说明GAW-PO：基于梯度对齐词元权重的偏好优化方法
简介该论文提出GAW-PO，在直接偏好优化（DPO）中按梯度对齐程度为被拒绝回答中的每个词元重新加权：与优选行为梯度方向一致的词元获得较弱的负向惩罚，冲突的词元保留较强惩罚。在涵盖数学、推理、代码和问答的11个基准上，该方法平均表现优于标准DPO（提升0.97分）和最强对比基线（提升0.65分）。当DPO正则化参数β降低时，标准DPO明显退化，而GAW-PO仍能持续提升。
说明FedCKA：面向跨驾驶域联邦三维感知的表示引导分层个性化方法
简介论文针对智能车辆在时间、地点、天气变化下三维目标检测器不稳定的问题，提出FedCKA方法。该方法在训练中用中心核对齐（CKA）计算各客户端模型与全局模型的分层特征相似度，并据此决定哪些层参与共享聚合。在基于nuScenes的多域基准上，FedCKA的平均NDS比最强基线高出7个百分点。
说明后训练中的“锐化税”：强化学习后训练可能牺牲解题覆盖率
简介这篇论文研究大语言模型经强化学习后训练后的能力变化。作者发现，配备轻量推理框架的预训练模型在智能体任务上，给定足够测试时预算时，解题覆盖率（pass@K）往往超过后训练模型，尽管单次准确率（pass@1）较低。作者提出“锐化税”指标衡量后训练造成的测试时可扩展性损失，并提出后验调温分组采样方法（PTGS），在强化学习训练中以按题目难度调整采样温度的方式，减少这一损失。
看点提出以Sharpening Tax量化后训练对测试时可扩展性的损失，并给出PTGS采样方法；在42个案例和三个智能体基准上验证，结论具有一定新意和说服力。
说明MCRI：分析与评估智能体技能的四维框架
简介论文提出四维 MCRI 框架，用于系统分析和评估智能体技能，并据此设计了基于大语言模型的评估方法 MCRI-Eval。研究在 OpenClaw 技能库的 63,812 个公开技能上进行评估，并在 BigCodeBench、BFCL-Fundamental 和 Mind2Web 三个基准上完成约 58,275 次技能条件执行。结果显示，MCRI-Eval 评分与社区热度信号呈正相关，并在下游排名一致性上表现最好，同时能提升三个基准上的 top-1 技能选择效果。
说明用于扩散模型的可学习端到端引导时间表（LEEGS）
简介该论文提出 LEEGS 方法，通过随机梯度下降学习一个随时间变化的引导强度时间表，以更少的采样步数兼顾生成质量与条件满足度。训练时采用梯度近似来降低反向传播的计算成本。作者在图像修复、噪声图像逆问题、人脸身份引导生成及 PDE 正逆问题上进行了评估，结果显示在相同预算（50 或 100 次函数调用）下优于基线，或仅用约 10% 的步数即可达到恒定引导的效果。
说明VTR-Bench：评估视频生成中视觉文字渲染能力的系统基准
简介视频生成模型的画面质量已接近电影水准，但现有评测较少关注画面中的文字是否正确呈现。本文提出VTR-Bench，以广告、科学视频等五类场景的300条提示词，结合自动评测流程（以字错误率衡量文字准确度）进行测试。实验显示11个主流模型普遍难以准确渲染场景文字，表现最佳的模型总体字错误率为0.250。作者还提出一种关键帧引导的智能体框架，用于迭代优化与候选选择。
看点针对视频生成中被忽视的视觉文字渲染设计了系统基准，含300条提示、自动评估流程与11个模型实验，并提出关键帧引导的智能体框架。
说明OpenMTB-Audit：揭示基于大语言模型的分子肿瘤委员会安全评估中的过度拒答与临床专家观点
简介该论文提出OpenMTB-Audit，一个包含500例合成非小细胞肺癌病例的开源基准，用于评估大语言模型在分子肿瘤委员会中的安全性判断。研究发现，所有受测模型都普遍存在过度拒答，将部分有证据支持的情形误判，从而以标签塌缩换取较高的总体安全分数。作者随后提出确定性的七模块框架MTB-AuditAgent，将过度拒答降至6.7%，准确率达91.2%。
说明SALD：面向扩散模型的自参照优势学习，无需外部教师网络即可利用同一模型的两个噪声水平进行训练
简介本文提出SALD框架，用同一扩散模型在两个噪声水平上评估同一图文对：较低噪声路径不计算梯度，作为参照；较高噪声路径提供训练梯度，并依据两条路径的误差差异调整训练目标。文中提出的优势引导扩散（AGD）、时序优势记忆（TAM）和频谱优势分解（SAD）分别构成样本权重、跨训练累积的难度调整和基于频率的潜变量元素权重。方法不需要外部教师网络或额外可训练参数，也不改变推理流程；多种架构和数据集上的实验显示生成质量有一致提升，并通过组件消融量化各部分贡献。
说明审计注意力残差Transformer中路由熵作为不确定性信号的效果
简介该论文检验注意力残差（AR）Transformer中每个样本的路由熵能否在模型自身置信度之外，提供关于预测正确性的额外信息。在CIFAR-10/100上从头训练的AR版Swin-Tiny和DeiT-Small上，多项检验均未通过多重校正，且结果未在不同随机种子中复现。作者认为，这些未检出结果属于控制条件相关的增益与估计器恢复不完全，并不能证明条件路由信息不存在。
说明让注意力头相互通信：超越对角图注意力
简介本文研究层理神经网络中的矩阵值传输映射，并借助箭图表示将其与多头注意力联系起来。作者指出，标准多头注意力只允许源头与对应的接收头通信，据此提出拓扑注意力（Top-A），可学习依赖边的跨头路由。实验覆盖关系推理、异质图学习和算法推理等任务，结果显示跨头传输在需要交互依赖变换的任务中最有用，仅有异配性本身并无系统性优势。
说明无需模型：文本熵率过滤缓解迭代微调坍缩
简介该论文研究在合成数据上反复微调时出现的模型坍缩，即输出多样性随罕见模式丢失而变窄。作者提出仅依据原始文本、基于匹配长度统计计算的非参数Kontoyiannis熵率估计器h_k作为训练数据过滤器，无需任何模型。在Llama-3.1-8B的六代QLoRA实验中，h_k过滤在独特三元组、词汇量和重复率等文本多样性指标上优于依赖模型对数概率的基线方法。
说明Q-SPT：面向低帧率语音分词的可学习查询压缩方法
简介该论文提出 Q-SPT，一种低帧率双流语音分词器，用于为语音语言模型提供离散表示。它为语义流和声学流分别设计可学习的查询压缩器，并用自回归文本损失监督语义压缩以保留语言信息。实验显示，在相同帧率下其重建效果优于所比较的编解码器，并在下游语音语言模型中取得较好的语音识别与语音合成表现。
说明对 WebArena-Lite 网页智能体评估的人工审计：结果与执行轨迹复核
简介该论文对 WebArena-Lite 的全部 165 个任务进行了人工审计，比较了 GPT 5.5 与未经训练的 Qwen3.5 9B 模型在六种评估条件下的表现。人工复核可纠正自动评估器漏判的成功案例，并找出轨迹中的首个关键错误。研究还考察了执行状态记忆机制（MASM）与任务程序性指导文本的效果。结果表明，仅看最终得分不足以全面反映网页智能体的行为。
说明人设仍在，但谁在说话？持久化AI智能体中的潜在身份回退
简介本文研究一个常驻个人AI智能体在定时自动心跳检测后，停止以其设定人设发言并自称为底层框架的现象。作者通过在系统提示中持续锚定人设、以及移除系统级人设注入的对照实验，发现人设延续依赖系统级锚定与对话语境的共同作用。研究区分了“被表征的身份”与“被实际执行的身份”：人设信息可保留在对话历史中，但不再是“我”所指向的身份。
说明多人对话中的应答语（backchannel）预测：诊断、基准与上限
简介本文将应答语预测从一对一对话扩展到多人会议，基于 AMI 语料构建了多人基准数据集。现有一对一模型直接用于会议音频时表现接近随机（AUROC 0.499），但冻结的声学特征仍含有有用信息，重新训练后性能明显提升。研究发现，针对训练中见过的听者有效的条件建模，对未见过的听者并不奏效，并分析了说话人身份信息与应答语线索相互纠缠的原因。
说明FiVOS：一种基于交互式视频目标分割与滤波增强的鱼类分割算法
简介该论文针对水产养殖中鱼类视频分割的需求，提出改进的交互式视频目标分割方法FiVOS，并构建了两个鱼类专用数据集。方法通过掩码块滤波器及时发现并修正传播中的错误掩码块，并串联噪声滤波器去除错误噪声，以提高鲁棒性。实验表明，FiVOS在鱼类视频分割任务中达到了当前最优（SOTA）性能。
说明ALFRED：面向长期植物监测的开源移动机械臂，按需求驱动开发
简介论文介绍了一款由市售部件搭建的开源移动机械臂ALFRED，用于对同一批植物进行重复观测。研究者依据耐久性、模块化、可维修性、感知范围、续航和可复现性六项需求，经过四代改进。在最后三代的分析中，机械臂可用位姿比例从34.0%升至66.1%，且只有最终版本能让车架上的激光雷达向前后方均保持视野无遮挡。该机器人完成了为期一年、共528次的每月森林调查，没有错过任何计划采集。
说明零通量：基于流的高维离散分布比较方法
简介本文提出“零通量”判据，用于比较两个高维离散概率分布。该方法将基于流匹配的连续分布比较思路扩展到离散领域，依据局部概率通量进行差异度量。论文证明在独立耦合下，当且仅当两个分布相同时，所有局部通量在中点处为零，并可由样本高效估计、给出有限样本误差界。实验表明该方法能可靠识别稀疏依赖信号并稳定追踪分布变化。
说明第二个模型何时有帮助？大语言模型验证中的跨模型审查
简介论文研究由另一个不同模型进行第二次审查何时有帮助。实验使用30份文档、150个人为植入的错误、10种审查条件及900次审查会话，对比同模型与跨模型审查的效果。结果显示，顶级跨模型审查者与同模型新会话在F1值上无显著差异，两者发现的错误部分不同，但模型差异与审查者能力无法区分。
说明LESS：几分钟内完成的轻量级进化超网搜索（神经架构搜索方法）
简介论文提出 LESS（轻量级进化超网搜索），一种低成本神经架构搜索方法，结合短暂的公平硬路径预热与基于 CMA-ES 的离散搜索。在 NAS-Bench-201 上，LESS 在 409.1 秒内取得 93.189±0.467% 的 CIFAR-10 测试准确率，与 FairNAS 相差 0.04 个百分点，搜索时间约为其 1/24。冻结配置无需调参即可迁移到 CIFAR-100、ImageNet16-120 及更大的 DARTS 搜索空间，并在单 GPU 上约 43.5 分钟完成搜索。
说明NextMe-800：基于数月第一人称视频预测个人行为
简介论文提出 NextMe-800 数据集，包含一名志愿者126天、约800小时的第一人称视频、注视与音频记录，并按五个抽象层级标注。作者将个人行为预测定义为开放词汇的 K 步序列预测，并构建了 NextAct 基准（1500 个测试点，结合 NextMe-800 与多人数据集 EgoLife），用于评估模型在不同抽象层级与预测步长下的表现。
说明可分逻辑回归在稳定边缘的紧致转换时间界
简介本文研究线性可分数据上使用大常数步长梯度下降的逻辑回归。此类动态可能出现“稳定边缘”现象：损失先振荡，随后过渡到单调下降的稳定阶段。已有工作在二维情形给出了与步长无关的紧致界，并猜想高维也存在类似界。本文证明该猜想不成立：对固定样本数n≥2及足够小的间隔，最坏情况转换时间为Θ((log η)^{min{n-2,d-2}})，且对所有d≥2一致成立。
看点证明了已有猜想不成立，给出依赖步长的紧致转移时间界，并构造匹配的困难实例，理论贡献明确。
说明基于后验集中现象重新思考概率奖励强化学习
简介本文研究无验证器强化学习中概率奖励在长推理链中的可靠性问题，指出随推理轨迹变长，参考答案的条件概率会收敛到低方差区间，导致奖励难以区分。作者提出RLCPR框架，包含不确定性感知的数据采样与集中感知正则化两部分，实验显示其在七个基准中的六个上优于最先进的无验证器基线，最多高4.0%，同时提升了词元效率。
说明鲁棒最大最小多样性选择的流式算法
简介该论文研究在度量空间中选取 k 个点、使其两两最小距离最大的多样性问题，但这一目标容易受噪声点影响。作者指出已有的一种鲁棒流式算法存在三个缺点：需要线性内存的离线计算、可能返回少于 k 个点的不可行解，以及离群点排除保证只是概率性的。论文提出一种确定性的核心集算法，在类似的内外点分离假设下，可返回恰好 k 个内点，其近似比为 (2+ε)，并且在较宽的参数范围内内存与数据量 n 无关。
说明CLEAN：通过架构隔离在概念空间扩展下实现心理测量一致的增量认知诊断
简介该论文针对智能教育中的认知诊断任务，指出新增题目会引入新概念，而现有增量模型在概念空间扩大时会出现历史诊断被覆盖的遗忘问题。作者提出CLEAN框架，通过冻结历史诊断函数、正交列掩码隔离梯度，并为新概念增设可扩展分支，以结构性方式保证历史诊断的不变性。论文在三个大规模教育数据集上的实验显示，该方法的表示漂移为零，旧题指标与静态基线完全一致，新题表现与主流持续学习方法相当或更好。
说明重新利用过时表示以实现部署后适应
简介该论文针对长期部署的深度神经网络，提出一种名为 Deep Repurposing（DR）的事后适应框架，用于处理任务过时的情况。DR 通过估计过时区域与保留区域的潜在几何结构，移除支撑过时行为的成分，并借助解析修复映射重新分配与保留任务兼容的证据，无需梯度更新。在多种任务设置和分类基准上，论文报告 DR 能消除过时预测并保持保留任务的效用，速度最高可达竞争性遗忘方法的 60 倍。
说明基于不确定性引导的人机协同胶质瘤分割：用较少人工交互修正关键结构错误
简介该论文针对脑胶质瘤自动分割中偶发的严重局部错误，提出一种结合测试时增强不确定性与拓扑过滤的人机协同框架，用于定位高风险结构异常。在一个分布外临床测试队列（N=362）上，模拟人工校正后整体肿瘤Dice由0.891提升至0.914，HD95由5.82毫米降至4.76毫米；肿瘤核心HD95由17.96毫米降至14.83毫米。中位交互工作量为目标体积的11.3%。作者指出这是缺乏真实认知负担的模拟上限。
说明面向个性化体检解读与指导的多智能体大语言模型框架
简介本文提出一个多智能体大语言模型系统，用于个性化解读体检结果。系统识别用户的多个意图，为每个意图分配专门的智能体并行执行，再综合输出结果。在120条韩语复合查询的测试中，多智能体版本的加权评分由1.695提高到1.797（p = 0.027），其提升主要体现在实用性、一致性和对复合查询各项要求的覆盖上；但医疗安全性无显著差异，严重错误率也相近，且延迟与成本分别增加1.31倍和2.02倍。
说明把语码转换语音识别视为多标签集合预测
简介研究针对混合使用多种语言的语音（语码转换语音）的语种识别问题，这类语音常能通过只识别单一语言的过滤器，混入大规模语音语料库。作者提出一种直接输出语音中所含语言集合的生成模型，并与原子语言对和基于分数的分类基线进行比较。结果显示，已知语言数的Oracle Top-k方法表现最强，而单一阈值无法区分语码转换与单语语音；所提模型能预测未见语言对中的语言数量，但在完全集合准确率上不及Oracle Top-k。
说明ibUMAP：面向UMAP优化的一致且可扩展的场评估方法
简介UMAP依靠随机负采样实现可扩展的布局优化，但采样顺序会使多次运行的嵌入结果不稳定。本文提出ibUMAP，基于同一嵌入快照同步计算吸引与排斥作用，并用插值FFT方法高效评估加权排斥场。实验表明，该方法在CPU和GPU上取得明显加速，运行间稳定性更高，但局部与全局保真度之间存在可测量的权衡。
说明DRelay：面向前缀感知的并行推测解码修复方法（利用全局草稿上下文）
简介本文针对大语言模型的并行推测解码，指出即使正确词元已在候选池中，早期选择错误也会导致后续预测无法被利用，从而限制被接受的前缀长度。作者提出 DRelay，利用整个草稿块的全局信息，在目标模型验证前对候选选择进行前缀感知的选择性修复。实验在八个基准上进行，相比 DFlash、Domino 和 DSpark，DRelay 提升了平均接受长度与端到端解码性能；在 SGLang 服务下，平均端到端加速比分别高出 14.7%-16.8%、8.7%-9.3% 和 8.1%-9.3%。
说明处理参数对无人机摄影测量高精度测量的影响
简介本研究对同一220公顷研究区内1.5年采集的10组无人机数据，系统评估了768种处理方案，分析了8个关键参数。结果显示最佳方案三维均方根误差为16毫米，最差为303毫米。影响最大的因素是地面控制点数量、附加相机标定修正以及用于确定相机投影中心的PPK GNSS方法。
说明一种基于 MITRE ATLAS、可执行规则并经形式化验证的确定性、可审计 AI 安全风险评估框架
简介这篇论文提出一个以证据为依据的 AI 系统安全评估框架，把评估变成确定性的决策函数，使结果可复现、可审计。框架把工程证据归入统一的控制项分类，依据固定版本的 MITRE ATLAS 快照生成技术层面的可行性与影响结论，并对评估器的有界性、全域性、语义一致性和单调性做了形式化验证。作者在五个公开开源 AI 项目上进行了评估，结果显示增强可观察控制后可行性整体下降，但在相关核心控制缺失时最坏情况下的剩余可行性依然存在。
说明将表格基础模型蒸馏为高效预测器：一套有效的蒸馏方案
简介表格基础模型依靠上下文学习取得较强预测效果，但每次推理都需反复输入带标签数据，成本较高。本文研究如何将其预测能力蒸馏到轻量的数据集专用学生模型中，包括如何构造教师监督以及扩大查询覆盖是否有益。作者提出的方案以完整训练集作为教师上下文，学生仅学习教师对观测与合成查询的预测。在TabArena上，学生模型优于经调参与集成的有监督对应模型57至98个Elo分；在TALENT上，多数数据集上有所改进，并获得3.0至21.6倍的推理加速。
看点将表格基础模型蒸馏为轻量学生模型，给出蒸馏方案并在两大基准上大幅超越监督训练的学生模型，属于对已有思路的有效改进。
说明MWOP：面向高效多模态大模型的模态感知宽度剪枝方法
简介多模态大模型处理长图文序列时推理开销很大。本文提出MWOP方法，在每层注意力中分别剪除视觉到视觉、文本到视觉、文本到文本三类路径，并为视觉和文本输入分别选择前馈网络通道，剪枝依据一阶泰勒准则，并用LoRA进行恢复训练。在LLaVA-OneVision-7B上，MWOP单独使用时预填充加速1.6倍，12个基准平均保留99.7%的性能；与两种token压缩方法结合后，加速比分别提升至2.9倍和2.7倍。
看点在同一注意力头内区分V2V、T2V、T2T路径并对视觉与文本分别剪枝FFN通道，是对模态级压缩的细粒度改进；在12个基准上验证并给出明确加速数据。
说明从第一性原理学习相场模型：用分子动力学与神经网络构建介观模拟
简介论文提出一个从第一性原理学习相场模型的框架：由分子动力学经Mori-Zwanzig投影推导介观方程，其中未定的非局域自由能和迁移率由神经网络参数化，并借助接近第一性原理精度的机器学习势生成的短轨迹进行训练。作者将其应用于铁硼熔体和高压下的氢氦混合物。
看点通过Mori-Zwanzig投影从分子动力学推导介观相场方程，并用神经网络学习非局部自由能与迁移率，结合两个体系的验证，新意突出；证据覆盖铁硼熔体与氢氦混合物，但对比细节有限。
说明泛化是稳定性而非准确率：大语言模型的多维度评估
简介这篇论文认为，大语言模型的泛化能力应看同一输入在不同表述下输出是否一致、语义是否稳定，而不是只看整体准确率。作者提出稳定性感知泛化目标（SAGO），从生成一致性、内部激活、置信度和回应镜像等多个维度衡量模型行为的变化。研究发现，常用模型普遍存在统计上显著且一致的泛化不稳定性，不同维度反映的失效模式相互独立，而且跨数据集的差异可能使模型排名颠倒。
说明SHAMS：面向黎凡特阿拉伯语的音频对齐发音基准
简介本文提出SHAMS基准，包含从公开语音语料中选取的1300条语句，均衡覆盖五种黎凡特阿拉伯语变体（巴勒斯坦城市与乡村、约旦城市、黎巴嫩和叙利亚城市）。每条语句包含音频、无符号正字法文本、带符号文本和音标转写四个对齐层。作者在多项任务上测试了开源与商业模型，并公开了该基准。
说明最短时间梯度流（Least-time Gradient Flow）：一种按预设速率让训练风险下降的优化方法研究
简介论文提出一种梯度流动力学，让风险值按照预先指定的速率下降，且与损失曲面形状无关。作者以“到达零风险所需时间最短”为目标，并加入正则项使问题适定，证明了最优解存在、唯一，形式为线性缩放的摆线，并给出其在零风险附近的渐近行为。
说明为什么会出现训练集与验证集的差距？预训练骨干网络中的更新压力密度动力学
简介该论文提出一种动态结构解释：模型在预训练后继续拟合时，更新需求会从可广泛复用的特征转向范围更窄、迁移能力较弱的特征，从而拉大训练与验证表现的差距。作者用受控模拟、自然语言处理模型（RoBERTa、DeBERTa、Qwen）以及视觉模型（ResNet-18）进行了检验，结果支持该解释，且训练期探针指标与准确率差距呈正相关。
说明SpikeMoE：受大脑启发的竞争式路由脉冲专家混合模型
简介论文提出一种基于脉冲的 k-WTA 路由器，借鉴海马 CA1 区的竞争抑制机制，依据离散脉冲计数选择 Top-K 专家。在此基础上提出 SpikeMoE 框架，将神经元尺度的脉冲动力学与模型尺度的专家选择结合，并加入处理缺失模态的两阶段建模模块。实验显示其在视觉、语言和多模态基准上优于脉冲神经网络基线，性能与人工神经网络相当或更好。
说明超越记忆：用显式信念状态驾驭长程智能体
简介该论文提出PoS框架，在推理时为大语言模型智能体构建并持续维护显式的信念状态，把对当前世界状态的估计与未完成的任务需求结合起来。框架会校验信念的一致性，并监测任务进展，以发现“信念陷阱”（即智能体持续行动却没有实质进展），并据此进行针对性恢复。在四个基准测试中，PoS在三种大语言模型主干上总体表现最佳。
说明最优传输与强化学习：综述
简介本文综述了最优传输（OT）在强化学习目标与算法中的应用。它通过衡量把概率质量从一个分布移动到另一个分布的代价来比较分布，在分布重叠较弱时比常用散度更有效。文章按各方法的作用、比较的分布、所用的OT形式和时序结构进行归类，并讨论了代价设计、计算挑战以及若干开放问题。
说明面向预训练目标检测器的定位感知不确定性估计
简介本文提出一种轻量级的事后证据元模型，在保持基础检测器冻结的前提下，学习判断目标框的定位结果是否不可靠。方法利用显著性引导的图像修改构建逐步增难的训练课程，并结合定位误差、修改程度与预测不稳定性作为监督目标。论文称该方法无需改动检测器且保留其原始定位输出，在多种对抗攻击下，TP-FP AUROC 在部分情形下相对最强对比方法提升 22%，同时保持分布内检测性能。
说明通过对比式轨迹排斥实现更平滑的流匹配（CoFlow）
简介该论文关注流匹配（Flow Matching）中不同生成轨迹相交的问题，认为相交会导致速度场局部Lipschitz常数变大，使网络难以拟合，并在少步推理时产生较大积分误差。作者提出CoFlow框架，在训练中引入对比学习思想，通过随机微分方程视角加入排斥漂移项，使正样本轨迹远离负样本轨迹。实验基于ImageNet 256x256，结果显示在20步等少步推理下，CoFlow相比标准流匹配显著降低了FID，且未增加训练开销。
说明对比注意力缓解脉冲Transformer中的频谱偏置
简介论文指出脉冲神经元和脉冲自注意力都会像低通滤波器一样衰减高频成分，这是脉冲Transformer与人工神经网络之间性能差距的一个原因。作者提出脉冲对比注意力（SCA）模块，通过全局对比聚合和局部差分细化增强高频信息。实验表明该模块在图像分类、语义分割和基于事件的跟踪中均能提升性能，且复杂度低于原始脉冲自注意力。
说明在近端策略优化中复用历史样本：何时有效、如何起作用？
简介本文研究强化学习中近端策略优化（PPO）方法里复用历史样本的效果。作者基于多重重要性加权框架构建了两种变体wPPO-U和wPPO-BH，仅复用最近若干轮迭代的样本，以隔离数据复用的影响。文中为两者推导了策略改进下界，并在连续控制任务上实验分析数据复用何时、如何提升PPO的样本效率或最终性能。
说明AF-Muon：面向共享词表嵌入模型的无AdamW Muon优化器
简介该论文提出AF-Muon，一种不依赖AdamW的Muon优化器扩展。它对隐藏权重矩阵保留Muon的矩阵更新，对共享词表表格采用带有限上限的支持感知线性最小化算子，对一维辅助参数采用RMS归一化更新。在九种共享词表的设置中，AF-Muon的平均验证损失和困惑度均优于Hybrid Muon和SCION式Sign方法，且优化器状态内存约节省20%，单步时间开销约为1%。
说明利用大语言模型发现本体间带类型的语义链接，用于构建本体网络
简介该论文提出一个端到端框架，自动发现本体之间的域内与跨域语义关系，结合领域适配的DistilBERT嵌入、聚类预筛选和GPT-4o关系生成。在包含33个本体的ReproduceMeON网络上，约80万个概念对被筛减为9.5万个候选。专家验证429条关系的总体精确率为80.19%，F1为0.890；基于相似度的基线最佳F1为0.581，说明基于大语言模型的推理对准确建立关系较为必要。
说明AiSearch：基于视觉语言模型的交互式多模态搜索
简介本文提出 AiSearch，一个多模态检索框架，利用视觉语言模型（VLM）的零样本能力，支持用自然语言搜索图像和视频。系统允许用户通过反馈交互式地细化搜索结果，使其更贴合自身意图，并支持对多个 VLM 进行可视化对比，方便用户选择适合任务的模型。
说明利用真实场景中的自我运动监督声音定位
简介该研究提出一种学习双耳声音定位的方法，以相机自我运动作为监督信号。视频中相机移动时，声源相对相机的方向会随之变化。模型被训练去预测与相机运动视觉估计一致的声音方向，该估计来自多视几何的传统方法。这种监督较弱但数量充足，并与传统双耳线索结合使用。作者还提出一个包含自我运动的真实视听视频数据集，结果显示模型能从真实数据中有效学习并在声音定位任务上表现良好。
说明通过潜在一致性实现鲁棒的证据学习
简介本文提出CLEAR方法，这是一种轻量、与任务无关的事后处理方法，用于提升证据深度学习的鲁棒性，无需重新训练或改变基础预测。它利用校准数据刻画模型潜在空间的分组几何结构，并在推理时通过潜在空间扰动衡量证据冲突，从而对缺乏支持的证据降低证据强度。论文报告在ImageNet→CUB上，CLEAR使OOD和对抗样本的AUROC分别提升8.29和5.01，速度约为竞争方法的17.4倍，并在分类、回归和目标检测任务上保持预测性能。
说明PRISM：用范畴论衡量和改进多模态类比的框架
简介该论文提出PRISM框架，用范畴论中的关系映射表示类比，并以“拉回分数”衡量生成结果的关系对齐程度。在AnaloBench基准上，仅依靠该分数选出正确类比的准确率为82.5%。框架还通过迭代修订图像来增强视觉隐喻的关系深度，人类评测中57.65%的两两比较偏好优化后的结果；但作者指出，优化有时会偏向视觉上更拥挤的构图，而非真正更深的关系对应。
说明Gacha 解码：借助指令跟随生成多样化输出
简介本文提出 Gacha 解码，一种推理阶段的方法，用于让语言模型生成更多样的内容，且多样性会随模型指令跟随能力提升。作者在开放式任务（如对话、创意写作、图像生成规划和蛋白质设计）上测试，结果显示其在质量相当时明显优于既有方法，并能用更少样本覆盖更多高质量模式。核心思路是把多样性视为指令跟随问题，结合外部随机数工具来实现。
看点提出以指令遵循结合外部随机数生成多样性的新思路，并在多个开放领域上以远少样本取得更多高质量模式，证据较充分。
说明SupraTITO：面向超分子体系的可迁移生成式分子动力学
简介本文提出 SupraTITO，一种可迁移的生成式分子动力学框架，用于超分子体系，并以多肽自组装为例进行演示。模型以肽序列、分子拓扑和周期性几何为条件，学习隐式转移算子，使构型能在远长于单步分子动力学积分的时间间隔上推进。在二肽基准测试中，该方法可泛化到未见过的序列，并在长时间推演中保持分子完整性。相较于在同样轨迹数据上训练的直接系综预测方法，它能更准确地再现组装结构并刻画其时间演化。
说明在行为归因之前先确认生成溯源：合成语音研究对象的审计
简介论文提出一种生成溯源框架，把合成语音样本的来源规格、生成内容、波形、标签、事实要求、质量信号、审核记录和清单身份绑定在一起。作者以一个私有的日语护理交接流程为案例，审计了113项资产（约1.552小时合成语音）。文中指出，溯源是判断训练数据因果作用的必要条件，但并不足以完成行为归因，后者仍需冻结训练运行和干预或影响证据。
说明因果逻辑老虎机中反事实公平性的极小极大最优遗憾
简介本文研究带反事实公平约束的因果逻辑老虎机问题，学习者只能观察到事实奖励。作者指出某种覆盖条件是必要的，并在较弱的满秩条件下给出信息尺度V⋆及匹配的下界与上界，两者在T、V⋆和min{log K,d}的主导项上一致（相差对数因子）。
说明动作-条目偏好流：面向预测与生成式个性化的共享事件模式
简介论文提出一种统一的交互事件表示：把用户的动作角色与内容嵌入配对，使同一套更新参数能处理电影、新闻、对话等不同来源的历史记录。作者在 PENS 数据集上同时完成下一条新闻预测和个性化标题生成，并在 PENS 到 MovieLens 的迁移实验中，冻结的源域核心比随机初始化的同结构核心高出 15.23 个 MRR 点。
说明学习保持通勤时间的世界模型用于规划
简介论文提出通勤时间保持世界模型（CTWM），让智能体在潜在空间中规划动作以接近目标状态。作者指出现有自监督方法会破坏图拉普拉斯谱嵌入所需的特征值相关缩放，导致通勤时间表示不准确。CTWM结合潜在位移预测器与防止表示坍缩的对数行列式正则项，在可逆确定性动力学下理论上可恢复正确缩放的表示。数值实验显示其在多个连续目标到达基准上与任务无关基线LeWM相当或更优，且参数量减半。
说明从冗余到最简：基于不动点引导的分层约简学习分段线性动力学
简介本文针对从时间序列学习非线性动力系统的问题，研究几乎线性循环神经网络（AL-RNN），其中只有部分单元使用ReLU非线性。作者提出不动点引导的分层约简方法：先训练带较多ReLU单元的网络，再逐步线性化部分单元，合并相邻线性区域和图节点，并在每一步用父模型参数初始化后重新训练。在3-scroll Chua系统上，该方法将种子层面的成功率从直接训练的约20%提高到约71%。
说明基于大语言模型的多智能体控制：面向技能化智能制造的研究
简介该论文提出为每个工厂模块配备基于大语言模型的智能体和MCP工具服务器，通过OPC UA暴露模块技能，智能体之间经MQTT协调并接收工厂实时状态。研究在六模块六边形工厂仿真中比较了三种智能体架构，九项复杂度递增的生产任务中，单体式与点对点架构平均解决率最高（93%），编排器架构能在十次运行中都解决一次无声的传送带故障。
说明用于多层网络社区发现的度校正联合矩阵分解
简介本文针对多层网络中的社区发现问题，提出基于联合非负对称矩阵三分解的方法，将每一层图近似为非负对称矩阵三分解。该方法对因子矩阵施加约束，使社区互不重叠且在各层间共享，同时允许每层拥有各自的连接模式和节点度。作者还开发了高效求解该问题的算法，并使用多层度校正随机块模型生成测试图进行评估。实验显示，该方法能在多种情形下可靠地识别社区，而现有方法常受限于较严格的结构假设。
说明Fold'EM：直接从冷冻电镜颗粒图像推断原子结构
简介该论文提出 Fold'EM，一种推理阶段框架，将蛋白质生成模型的先验直接与冷冻电镜单颗粒图像结合，从少量颗粒图像确定原子模型，跳过中间的密度图重建和后续建模步骤。论文称，在合成与实验数据集上，无论颗粒取向已知还是需要与结构联合推断，该方法都能恢复准确的原子结构；在异质数据中，它还能从混合颗粒群体中区分不同构象状态。
看点将蛋白质生成模型先验直接与冷冻电镜颗粒图像结合推断原子结构，绕过中间密度重建，新颖性较强；在合成与实验数据上验证，证据较充分。
说明具有多个渐近稳定平衡点系统的端口哈密顿神经网络
简介稳定的端口哈密顿神经网络通过构造保证渐近稳定，但其哈密顿量只有一个全局最小值，因此只能表示单吸引子系统。本文用一个输入凸网络生成的Bregman散度之积参数化哈密顿量，使模型可以表示双阱能量景观等多吸引子系统。论文证明了该模型局部Lyapunov稳定，并在三个系统上恢复了能量面特征、收敛速度提升1.8至8.5倍。
说明离散 Wasserstein 流：用于一步生成建模的离散漂移方法
简介论文提出一种面向有限状态空间的一步生成建模框架，将漂移方法从连续域推广到离散域。方法利用离散 Wasserstein 几何，在可逆马尔可夫核的转移上定义目标相对的 KL 梯度流，并通过马尔可夫跳跃实现粒子级更新。训练时用潜变量条件生成器摊销这些传输更新，推理仍为一步生成。作者在可精确计算的受控设置中验证了 KL 耗散和数值缩放，并表明有限容量的神经生成器能够跟踪这些精确传输目标。
说明AI生成的科研文本是否遵循人类的论证模式？基于CARS模型的研究论文引言比较
简介本文用Swales提出的CARS模型分析论文引言的修辞结构，比较已发表语言学论文的原始引言与同一论文由大语言模型生成的版本。研究发现，人类撰写的引言在所用论证步骤及其顺序上更灵活，而生成的引言则更趋统一。向模型提供CARS定义后，其结构反而变得更加僵化。
说明MMVistaReason：面向多模态推理的开放数据与后训练方案
简介该论文提出 MMVistaReason（MVR），一套基于开放数据的多模态推理后训练方法，包括覆盖分析推理与现实世界推理的能力范围、高效的监督数据构建（MVR-SFT-528K 与 MVR-RL-63K），以及先分别训练强化学习专家再通过多教师策略蒸馏整合的训练方式。在 15 个多模态基准上，4B 模型平均得分 72.8，9B 模型提升至 74.4，且所用样本量比 MMFineReason 少约 70%。
说明ARCCS：一套自动化法规合规检查系统
简介该论文提出ARCCS，一个端到端的自动化法律自然语言处理系统，用于判断目标文件是否符合法规义务。系统先把法规原文拆分为可追溯的原子化要求，再结合检索到的证据、置信度分数和可读的理由进行评估。在GDPR政策文件评估中，基于大模型的评审认为其判断与理由在法律和证据上一致的比例最高达96.67%；在欧盟公共采购基准（1200多项规则检查）中，违规检测准确率为98.8%。
说明基于可达性信息的强化学习用于多脉冲行星际转移
简介本文提出可达性分析增强强化学习（RARL），用于确定性的多脉冲行星际转移轨道设计。策略在由一阶可达性map给出的椭球集合内选择中间路径点，再通过Lambert重构得到到达该路径点的机动。在地球-火星两体基准上，三次独立训练的平均机动代价为10.23 km/s，比验证过的局部序列凸规划参考高1.72%。多状态策略在10,000次留出的蒙特卡洛出发场景中均未违反脉冲数上限，而单状态策略的平均可行率为6.49%。
说明基于分类模型的鲁棒非先知调度
简介本文研究单机调度问题：在不知道每个作业处理时间的非先知设定下，最小化所有作业完成时间之和。作者利用分类模型的混淆矩阵刻画不确定性，把不确定性表示为各预测类别内的排列集合，并提出一种对三种鲁棒准则均不敏感的最优非自适应策略。论文还表明，在矩阵具有特定结构时，自适应与随机化算法可以优于该非自适应策略。
说明CLASP：用单一超网络为空间定位概念持续学习低秩适配器
简介本文针对文生图扩散模型的持续个性化问题，提出一种无需回放样本的方法：使用一个固定大小的超网络，在冻结的扩散模型上动态生成各概念所需的适配参数，并保留已学概念。该框架还将空间控制纳入个性化过程，使用户可以指定个性化概念出现的位置，且不增加每个概念的额外组件。实验显示该方法对已学概念保持能力强、空间定位可靠，在长序列个性化任务中表现与现有方法相当或更优。
说明跨部门危机管理本体：核心模块与公共卫生模块
简介本文提出欧洲危机管理本体（ECMO），这是一个基于 OWL 的模块化本体，作为减少灾害风险与应对的跨部门参考框架。其核心模块 ECMO-CORE 定义危害、事件、暴露、影响和应对措施等基本概念，并设有与 SNOMED CT 和 ICD-11 对齐的公共卫生领域模块。作者用它将欧盟联合研究中心开放源流行病情报系统的数据，转化为符合 ECMO 的知识图谱，初步结果显示其有助于知识表示的一致性与整合。
说明评估生物医学重排序对基于纵向临床病历的大模型问答的作用
简介该论文研究在纵向临床病历上做问答时，生物医学重排序能否提升证据检索效果。研究在本地部署的检索增强生成流程中，结合 PubMedBERT 稠密检索、BM25 词法检索、加权倒数排名融合与 MedCPT 交叉编码器重排序，使用 200 名减重手术患者的 1000 个问答对进行评估。结果显示重排序将前 10 项的 Hit@10 从 46.6% 提高到 60.6%，但答案正确率仅从 44.8% 升至 48.6%，检索改善并未等比例转化为答案质量的提升。
说明TRACE：面向多轮对话安全的轨迹回报归因与对比擦除方法
简介论文指出，安全对齐的大语言模型常在单轮提问时拒绝有害请求，但当同一目标分散到多轮对话中时会被诱导配合。作者给出抑制单轮上下文风险可约束多轮轨迹风险的充分条件，并据此提出TRACE方法，以词元级目标进行训练。在五个开源权重模型和七种多轮攻击的测试中，TRACE在全部35组模型与攻击组合中攻击成功率最低，同时MMLU和HellaSwag上的模型效用下降最多1.23分。
说明Clifford 层神经网络：一类几何图等变模型
简介本文提出 Clifford 层神经网络（CSNN），在细胞层的每个茎上放置 Clifford 代数，并沿边传递多向量特征，用于几何图的等变学习。作者用 K 项三明治形式替代代数同态或版子共轭作为限制映射，得到的层拉普拉斯算子半正定且仍能混合不同阶数。论文还从耦合的阶数、覆盖的自同态空间范围及条件数三方面刻画了这一映射族，其中 K 项数决定表达能力。
说明ProtoFlow：基于原型先验的流匹配多变量时间序列预测
简介该论文提出ProtoFlow框架，用于多变量时间序列预测。它先用向量量化自编码器把序列映射为离散潜在表示，再用训练好的码本构造结构化先验，并通过基于DiT的整流流把该先验转换为未来的潜在表示，以历史观测为条件。作者称，这种方法避免了自回归生成的训练与推理不一致问题，收敛更快，并在基准数据集上取得了更好的预测效果和较高的推理效率。
说明扩散模型中的特征选择性模型坍缩：全量替换与固定预算训练的对比
简介该论文研究在合成数据上反复训练扩散模型时出现的模型坍缩现象。作者比较了用合成数据完全替换真实数据与保留全部历史数据、每代仅用固定规模样本训练两种方式。实验在二维螺旋数据集及MNIST、Fashion-MNIST、CIFAR-10上进行，结果显示固定预算方式下数据退化较慢且只是部分退化，部分特征得以保留。
说明预测增强的神经架构搜索（PPNAS）：用少量标注与大量零成本代理共同指导架构评估
简介本文针对神经架构搜索中性能标签昂贵、零成本代理（ZCP）廉价但有噪声的矛盾，提出 PPNAS 方法。它结合少量已知性能的架构与大量带有 ZCP 信息的架构，利用 ZCP 提供的排序信息构造额外的成对排序监督，并通过预测驱动推断（PPI）修正 ZCP 与真实性能排序之间的系统偏差。作者称该方法在有限评估预算下达到了基于预测器的 NAS 的最优水平。
说明什么能赢得投票？法语Compar:IA大模型竞技场中的格式、长度与词汇多样性
简介该研究分析了2026年7月Compar:IA发布的137,293条法语对战投票，考察回答的格式、长度、可读性与词汇多样性等因素与获胜之间的关系。结果显示，粗体与词汇多样性（MATTR）的关联在各模型设定中最为稳定，但呈现方式与长度往往同时出现，难以分开估计。作者认为，外部基准并未表明调整后的排名更能衡量能力，因此建议并列发布原始与调整后的排名。
说明EP-Flow：无需位点级标注的无序晶体结构预测
简介这篇论文提出EP-Flow方法，用于在仅给定化学式的情况下预测无序晶体结构，例如元素替代混合、空位和间隙占据等情形。作者用占据分布矩阵统一表示有序与无序晶体，并通过熵约束的流匹配模型同时生成占据、分数坐标和晶格参数。在基于COD和MPDS构建的基准上，该方法表现优于改造后的有序晶体生成模型。
说明ARROW：面向真实场景的任意4D观测重建与跟踪
简介本文提出ARROW，一种前馈模型，可对任意图像集合同时进行三维重建与三维点跟踪。其核心是一种顺序不变的查询方法，能够将查询与任意输入中的观测相关联。作者发现，训练时使用更多样的输入集合可提升任务性能，模型还能泛化到多视角跟踪等任务。在WorldTrack和TAPVid-3D上，ARROW在三维跟踪方面达到新的最优水平，代码与权重已公开。
看点提出顺序不变的查询方法统一三维重建与点跟踪，在WorldTrack和TAPVid-3D上取得新的最优结果，有实质改进。
说明DAYJOB：长时程专业工作基准测试
简介该论文提出 DAYJOB 基准，包含由专业人员在医疗（50 项）和金融（80 项）领域构建的 130 个任务，预计每项任务平均需要 13.6 小时（医疗）和 16.6 小时（金融）。每个任务以容器化环境形式提供，由专家制定的二元评分标准进行判定，只有满足全部标准才算通过。测试结果显示，表现最好的模型通过率约为 24%，多数配置通过率很低；作者还发现，智能体会接受与记录相矛盾的前提，并把错误输入带入后续分析。
看点提出面向长时程专业工作的新基准，覆盖医疗与金融共130个任务，并对30个模型配置做了系统评测与案例分析。
说明面向移动网络的大语言模型联邦学习：无线接入网传输中的问题与解决方案
简介该论文指出，联邦大语言模型微调会在网络边缘产生对时限敏感的周期性通信流量，而传统传输网络把这些异步的设备更新当作彼此独立的流量处理，难以高效配置资源。论文主张未来的无线接入网应充当学习感知的流量整形器，通过基站侧的网内聚合减少传输次数，并在聚合传输窗口期间动态开通光网络容量。
说明STAGE：面向文本生成3D模型的子空间定向仿射概念擦除方法
简介该论文提出STAGE，一种无需训练的闭式框架，用于在原生文本到3D生成模型中擦除特定概念（如形状、材质或物体）。方法把擦除限定在由目标与安全锚点嵌入差值张成的低维子空间内，并按概念类型决定作用于结构阶段、外观阶段或两者。在TRELLIS上针对15个概念的实验中，STAGE综合得分为66.7，高于最强的适配基线的53.2。
