机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明面向视频生成中动态主体集合的主体一致性研究
简介论文指出，随着视频生成时长增加，主体一致性应在动态变化的主体集合上评估。作者提出 DynSC-Eval 评估框架，跟踪可见期内的主体，并用六项对象级指标衡量局部连续性与全局身份保持，同时检测不一致事件。实验显示其能揭示传统指标遗漏的差异，并通过 DiffusionNFT 后训练在 5 秒生成上降低了不一致指标。
说明网络世界模型：用于复杂系统算法设计的环境
简介本文提出一种以动作为条件的网络世界模型，用于学习干预下网络的扩散动态，并预测各项动作之后的结果。该模型作为快速评估器嵌入算法设计循环，由编码智能体据此设计和改进可执行算法。在八项网络任务和五种扩散模型上，所设计的算法在141个设置中有138个达到或超过已报告的最强基线，展开速度最高可达蒙特卡洛模拟的14.5倍。
看点提出行动条件的网络世界模型作为算法设计中的快速评估器，结合编码智能体迭代设计；在八项任务、五种扩散模型上与基线对比，最多快14.5倍。
说明面向协作技术文档的句子具体性评分：领域迁移研究
简介本文审查了技术文档中句子具体性评分工具的表现，比较了通用领域预测器SpeciTeller与另一基于领域适配的预测器在多个语料上的结果。研究还检验了生成之后用具体性分数从固定的大模型修订版本中做选择是否有帮助。结果显示，两种预测器的排序结果差异较大，且选择效果随模型与候选集而变化，因此分数的解释和决策价值需要结合具体预测器和候选集来判断。
说明空承诺：智能体许下无法兑现的诺言
简介论文提出“空承诺”概念，指智能体承诺在当前对话轮次之后采取行动，但其工具和运行环境实际上无法执行。作者构建了检测器，在受控基准的293条后续请求中测试多种配置，发现开源模型在无工具且未说明运行环境时失败率为45.9%。作者还比较了告知运行环境、能力说明卡和运行时检测改写等修复方法的效果与代价。
说明超越最终准确率：审计大语言模型多智能体系统中的通信
简介该论文提出 ICR 框架（独立推理、通信、修订），把多智能体通信视为独立推理之后的答案修订过程。研究在四个推理基准上发现，相近的总体准确率可能掩盖截然不同的修订行为；完整推理相比仅传递答案会提高纠正率、降低保留率，使有益与有害影响同时放大。
说明用合成状态转换引导视频交互生成
简介当前视频生成模型难以呈现合理的物理交互及其导致的状态变化，这对机器人与VR/AR应用是关键瓶颈。论文提出一个生成可控交互合成数据集的框架，借助结构化分类体系与图像编辑模型，生成明确的“起始”与“结束”状态图像作为视觉锚点。同时提出状态引导采样（SGS）方法以生成连贯视频，并建立与人工判断一致的自动评估系统。实验表明，在该数据集上微调基础模型能显著提升其生成合理交互的能力。
说明WAMJET：用于加速世界动作模型（WAM）推理的智能体工具框架
简介世界动作模型（WAM）借助预训练视频基础模型进行机器人操作，但其大型骨干网络和视频-动作联合预测开销很高。本文提出WAMJET，为编码智能体配备可复用的优化指南以及测量和验证工具，按瓶颈驱动的流程分析推理、修改相关代码并逐步完善加速方案。实验覆盖六种WAM、三种编码智能体和两种GPU架构，相比上游实现最高可实现9.95倍的无损加速；近似与硬件感知优化还能进一步降低延迟，成功率相当。
说明SLIM：单纯形格插值模型合并方法
简介该论文提出 SLIM（单纯形格插值合并），用于在少量评估下优化大语言模型的合并系数。方法利用经典混合设计，只需评估单个专家模型和等权重两两组合，即可拟合系数单纯形上的二次代理模型，之后无需再次评估目标指标即可完成优化。实验在两种模型架构上表明，该方法能较准确地预测未见过的多专家混合结果，并在有限评估预算下取得有竞争力的合并效果。
说明基于先验少步传输映射的源空间MCMC后验采样
简介本文研究如何在仅由样本表示的隐式先验（如历史集合、模拟器输出、预训练生成模型）下做贝叶斯推断。作者用一步或少步的改进MeanFlow（iMF）映射表示先验，并在其高斯源空间中进行后验采样。论文给出了精确后验与学习后验之间的Wasserstein误差界，并采用带预条件Crank-Nicolson更新的并行回火方法，以及结合分裂哈密顿蒙特卡罗的混合变体。合成实验与CLIP引导的ImageNet实验分别验证了采样精度与引导预训练图像先验的能力。
说明基于最优传输的重加权方法：在虚假相关与标签噪声下实现稳健学习
简介该论文提出POTER方法，用于应对子群体偏移中模型依赖捷径特征的问题。它利用有限的验证集分组标注构造参考分布，通过最优传输衡量单个样本与参考分布的对齐程度来重新加权，从而降低错误标注或强偏差样本的权重。该方法只需一个ERM训练阶段，并在标准基准和含噪标签设置下取得了最差组准确率的领先结果。
说明LawCompass：从法律问答到带证据依据的多智能体深度研究
简介该论文提出 LawCompass，一个基于证据的法律助手，由传统法律问答扩展到多智能体深度研究。系统包含法律问答、专业检索（通过查询改写探索法规与判例）和深度研究（由多智能体分解复杂任务并生成研究报告）三项功能。各模块保留明确的引用链接，便于用户对照原始法律资料核验输出结果。
说明用工作流进化更好的工作流（论文）：一种同时优化多智能体协作流程中各角色的训练方法
简介单个大语言模型难以完成复杂任务，因此常用多智能体工作流协调多个专门智能体。本文提出FloWright，把工作流作为训练框架，通过分层、结构感知的奖励，让单个角色自我进化，或让两个及以上角色协同进化，无需额外模型、标注或执行。文章还提出DataWright，把现有数据集改造为难度更高的工作流级任务。在文档、幻灯片、图表、代码、数学和金融任务上，经FloWright训练的小型开源模型性能最高提升7.41%，协同进化的多角色提升5.03%，高于只优化一个角色的2.83%。
说明可落地性比单纯规模更关键：较弱的审查者能否审计强大的编程智能体
简介论文研究编程智能体生成的补丁是否真正解决问题。作者分析了411条带执行标签的轨迹，发现即使是能力较弱的审查者，在提供经过执行验证的证据后，也能更可靠地判断补丁是否正确。但在无法使用官方测试的实际部署场景中，生成同样可靠的检查仍是主要瓶颈。
说明迈向自动视频标注：ASH 零样本开放词汇多目标跟踪与分割
简介该论文针对基于记忆注意力的视频实例分割方法在长视频上内存占用高、多类别跟踪计算代价大的问题，提出 Generalized Presence Token（GPT）让 SAM3 同时处理多个文本提示，以及 Annotation and Segmentation Handler（ASH）通过重叠时间片段和基于 IoU 的身份匹配处理任意长度视频。基于 SAM3 的 SAM3-ASH 在 MOTS20 上以完全零样本条件取得最优 HOTA，并在另外七个基准上与训练过的专用方法相当，GPU 峰值内存低于 25 GB。
说明FutureWorlds：从替代未来中学习机器人世界模型
简介该论文提出 FutureWorlds 框架，用于学习机器人世界模型，即根据动作预测未来场景。框架结合多样化束搜索构建候选未来、为每个候选保留有界记忆，并提出 MemSPO 方法，将视频轨迹奖励转化为组内相对优势来优化模型。在 RT-1、BridgeV2 和 RoboCasa 数据集上，其 32 帧预测的 LPIPS 指标相对最强基线分别降低 14.78%、20.84% 和 9.12%。
看点在离散自回归世界模型上用多样束搜索构造候选未来并结合记忆与相对优势优化，三个数据集上报告LPIPS显著下降，实验较充分。
说明只为故障付费，而非为流程付费：无标签的流程内多智能体工作流优化
简介该论文提出InFlowOp方法，用一个无需标签的统一成本衡量每个决策，包括任务拆分粒度与智能体分配，并在执行过程中以成本最低的方式修正故障。作者还提出Braid基准，其任务需要超出单智能体能力的多智能体协作。实验显示，InFlowOp相比单智能体基线最多提升11.97%，结合流程内优化后提升9.64%。
说明扩大并蒸馏文本嵌入，以提升可扩散性
简介该论文研究连续扩散语言模型中哪种文本嵌入最适合作为潜在空间。研究发现，同系列更强的嵌入模型（T5 到 T5Gemma-2）能显著提升生成效果，但原始 T5Gemma-2 嵌入过于区分，导致采样不完善时容易落到无效嵌入。作者将其蒸馏为学生编码器，用教师解码概率作为软标签，使嵌入空间更连通、更易扩散。文中称，其中等规模模型在 OpenWebText 上的生成困惑度为 17.8，优于 GPT-2-M。
说明基于卷积神经网络引导的无梯度优化框架，用于非线性阻尼黏性光声层析成像中的初始条件重建
简介本文研究光声层析成像中的逆问题：在存在非线性声传播和黏性衰减的情况下，由边界测量数据恢复初始压力分布。作者建立了非线性阻尼黏弹性波动方程的适定性结果，并给出逆问题的存在性、唯一性和局部唯一性结论。数值上，文章提出卷积神经网络与基于庞特里亚金极大值原理的无梯度优化方法相结合的混合重建框架，数值实验显示其在重建质量、对比度和稳健性方面优于单独的时间反演和卷积神经网络方法。
说明从发现到决策：有限调用预算下 LLM 投票的可恢复性
简介该论文研究多次调用大语言模型并通过投票取最终答案时的一个问题：答案即使被采样发现，在剩余调用预算内也未必能积累足够票数成为最终胜者。作者给出可恢复性阈值，并分析了候选答案集合与可达胜者的变化规律。文中还提出基于单一候选可达性的精确锁定判据，在 Word16 受控实验中报告可节省 28-30% 调用且保持每个固定预算输出不变。
看点提出有限预算下发现到决策的可恢复性阈值与收敛窗口，并给出精确有限视野概率与锁定证书，理论刻画较新颖；在受控Word16研究和精确锁定节省调用上有实证支持。
说明VASC：面向高效三维重建的值感知稀疏注意力与跨层记忆
简介该论文提出VASC，一种免训练的稀疏注意力方法，用于降低前馈式三维视觉模型（如VGGT）处理长图像序列时的计算开销。方法结合了值感知的块选择与跨层记忆机制，以减少冗余并兼顾查询相关内容。在7Scenes和NeuralRGB-D数据集上，与FasterVGGT相比，姿态估计与重建质量有所提升，推理速度最高可达稠密VGGT的2.29倍。
说明《Watch Your Speech》：利用文本条件的文本感知视频转语音合成
简介该论文研究从无声说话人视频生成自然语音的任务，难点在于视觉信息往往不足以唯一确定对应语句。作者提出 WYS 框架，引入文本作为显式语言线索，并通过基于注意力的嵌入融合模块与条件流匹配目标生成语音。在 LRS2 和 LRS3 数据集上的实验显示，该方法在音画同步指标（LSE-C/D）上取得新的最优结果，文本准确率（WER）也具有竞争力。主观评测进一步表明生成语音接近人类自然度。
看点在视频转语音中引入文本条件以缓解一对多歧义，结合注意力融合与流匹配；在LRS2/LRS3上做了充分实验与主观评测。
说明超越答案置信度：对黑箱决策模型自我认知能力的受控审计
简介该论文审计了名为Jev的黑箱决策模型，检验其置信度能否反映知识缺失。研究使用15个以上公开数据集和6类生成任务，通过固定条目、改变所提供信息的配对干预进行测试。结果显示，模型在熟悉任务上校准良好，但在缺乏相关信息或超出知识边界时仍给出高置信度，而针对性的是非题提问在部分情形下效果更好。
看点通过配对干预审计决策模型的置信度，区分偶然与知识缺失，并比较多种自检提问方式，证据较充分，对可靠性评估有实际参考价值。
说明基于容忍阈值的公平性审计：违规认定与敏感性筛查
简介本文提出一个统一的基于容忍阈值的算法公平性审计框架，用于判断群体差异是否超过预先设定的可容忍范围。框架包含两类目标：违规认定侧重控制误判违规的概率，敏感性筛查侧重减少漏判。论文分别提出约束经验似然检验和分割经验似然检验等方法，数值实验展示了二者在误差控制与敏感性之间的不同权衡，并以 COMPAS 数据分析说明其在预测公平性审计中的应用。
说明类比能告诉我们关于人工意识的什么？
简介本文探讨如何通过类比判断他者是否具有意识。作者提出一个因果框架，区分产生意识的相关因素相似性与下游行为或认知效果的相似性。框架认为，就当代人工智能而言，行为相似性对意识只提供有限证据，因为相关的因果对应关系尚未被充分确立。
说明稀疏Lévy图上的非局部哈密顿动力学：谱分析与多模态采样
简介本文提出一种稀疏图方法，通过带阻尼的非局部哈密顿动力学，将概率质量输送至多模态目标分布。该方法由相邻连接加上采样的长程边构成图，图建成后密度演化是确定性的，每步更新成本与节点数及长程采样预算呈线性关系。在合成多模态分布实验中，相较一阶方法和MCMC基线，模态平衡性与模态覆盖稳定性有所改善。
说明用于可控世界模型适应的校准风险路由
简介该论文针对基于模型的强化学习中模拟器与目标环境存在偏移时的模型选择问题，提出模型校正世界模型（MC-WM）。方法将初始目标数据划分为拟合、选择和校准三部分，选择标准化校准风险较低的模型族，并用学习到的置信度信号与确定性有效性判断加权想象中的策略更新。作者在三个受控的 MuJoCo 动力学偏移场景中评估了 540 个报告的运行单元。
说明评估大语言模型生成的偏好分布：模型生成的偏好分布是否可靠
简介研究者系统分析了大语言模型在航空出行、餐厅和消费品三类场景中生成的偏好分布。结果显示，各模型在重复采样下自身结果较为稳定，但不同模型家族和规模之间的最可能结果分歧很大。研究发现，结果更多取决于模型选择而非提示词措辞，因此不能假设能力足够强的模型会给出相似的偏好分布。
说明探索排列扩散大语言模型的设计空间
简介本文研究如何让扩散式语言模型生成排列，即在文本条件下把候选项一一对应到输出位置。作者比较了三种参数化方式：对打乱的候选索引序列做硬分配预测、对双随机矩阵做软分配预测，以及直接预测排序分数再排序。在三个亚马逊品类的推荐重排任务上，候选集大小为10和20进行了评估。结果显示，直接排序分数预测能保证输出为有效排列，且无需匈牙利算法或Sinkhorn归一化；增加函数评估次数并不总能提升排序质量，效果取决于状态表示和训练目标。
说明定向验证蒸馏：用模型已知的方向来为学生模型生成训练标签
简介该论文研究大语言模型的知识蒸馏。教师模型可能能在一个方向上回忆关系，却无法在反方向生成答案。作者提出定向标签蒸馏：冻结的教师模型以其已知方向为候选答案打分，得分最高的候选作为学生模型的训练目标。在父母与子女的事实上，这种打分比按所询问方向打分得到的标签更准确，学生模型的开放式问答准确率因此有明显提升。
说明基于多任务学习与自适应集中化的无人水面艇短期横摇预测及可靠性评估
简介本文针对无人水面艇（USV）的横摇预测，提出一种将置信度评估纳入预测流程的可靠性感知方法。模型采用多任务结构：共享特征提取主干连接回归头（用于横摇预测）和量化头（用于置信度评分）。此外，还引入面向短期实时预测的自适应集中化策略以提升泛化能力。在真实海况数据集上的实验表明，该方法能有效量化预测结果的可靠性，并在不同条件下保持较好的泛化性能。
说明ProsaBuddy：借助基于大语言模型的智能体辅助机械化实时可调度性分析
简介硬实时系统设计需要严格的可调度性分析，但手写证明容易出错。Prosa 项目提供了在 Rocq 证明助手中构建可机器检验证明的基础，但构造证明所需的时间和专业知识仍是推广的主要障碍。本文提出 ProsaBuddy，一个基于大语言模型的智能体系统，用于降低开发机械化实时可调度性证明的工作量。作者在源自实时调度文献的小型基准上评估该系统，结果显示其表现明显优于现有的基于大语言模型的 Rocq 自动证明智能体系统以及通用编程智能体 OpenCode。
说明VIEScore2：带空间定位解释的统一图像评估方法
简介现有合成图像评估器通常只给出一个总分，无法指出支持该分数的具体图像区域。本文提出VIEScore2，可用于图像生成与编辑任务的统一评估器。它将图像表示为N×N网格，在一次模型推理中同时预测质量分数和缺陷位置，并通过监督微调与GRPO强化学习优化缺陷定位。在主要测试集上，其总分SRCC达到0.601，高于零样本通用视觉语言模型Gemini-3-Flash的0.491。
说明相关测试的代价：模型发布闸门应该多严格？
简介论文把模型发布前的测试通过数量当作设计问题来研究：要求模型通过多少项测试，才能让放行的模型达到既定可靠性目标，同时尽量保留合格模型。作者用两类潜在因子模型刻画两类成本，并证明在共享相同潜在相关性时，闸门越严格，可靠性越高。文中给出的例子显示，测试之间的相关性会大幅推高所需的测试数量。
说明适配器丛：把RLVR训练预算分散优于集中，用于多数投票的论文
简介该论文研究强化学习可验证奖励（RLVR）与多数投票组合时的问题：单个经RLVR训练的策略虽然单样本准确率提高，但采样结果的错误趋于相同，多数投票反而可能低于未训练的基础模型。作者把同样的数据和训练预算拆分给K个各自训练的LoRA适配器（称为适配器丛），在16组模型与K的设置中，适配器丛的多数投票效果均优于完全训练的单一适配器。
说明基于公开结构的隐秘口袋检测：可审计的代数计数场方法
简介该论文针对蛋白质未结合（apo）结构中不易察觉的隐秘配体结合口袋，提出一种监督式代数计数场（ACF）方法，将几何、理化和拓扑特征编译为整数加权的查找表，使每个残基预测分数都可由特征值、训练计数和空间聚合追溯还原。在外部数据集上，ACF的平均配对ROC-AUC相比P2Rank高出0.044，但官方划分的ROC-AUC和匹配预算F1的差异未能确定，另一次外部评估也未证实新增结构特征带来的提升。
说明Kolmogorov-Arnold 网络的神经缩放律与可学习激活函数的演化：研究 KAN 随数据量增加时的性能变化规律，以及其激活函数形态如何从简单线性逼近转向可解释的符号形式。
简介本文研究了 Kolmogorov-Arnold 网络（KAN）在数据集扩大时的神经缩放律，并比较了 BSRBF-KAN、Gottlieb-KAN 和 Faster-KAN 三种变体，在 MNIST、Fashion-MNIST 图像分类以及莫尔磁性纹理的磁参数回归任务上的表现。结果显示，测试损失呈现断裂式缩放律，图像分类任务中损失经历由快到慢的两段缩放，而回归任务则服从单一缩放律。研究还发现，随着数据增加，激活函数会从类线性近似演化为稳定、可解释的符号形式。
说明HADRec：融合分子知识与电子病历、感知层级结构的药物推荐框架
简介该论文提出HADRec框架，把药物分子结构（SMILES字符串，用ChemBERTa编码）与电子病历临床记录（用LLaMA-7B编码）结合，并利用ATC药物分类体系的层级关系进行推荐。在MIMIC-III上的实验报告其在Jaccard、F1和PR-AUC指标上达到当前最优；在MIMIC-IV上的外部验证显示其在分布变化下有较好的泛化能力，校准指标为ECE=0.04、Brier=0.06。
说明重建损失尺度：重新审视大语言模型量化中的优化问题
简介本文研究训练后量化（PTQ）中以均方误差（MSE）作为重建损失时的优化行为。作者在多种方法、模型和设置下发现，各量化阶段的损失量级差异很大，导致梯度和参数更新强度不均衡。论文认为优化强度应与重建损失尺度解耦，并指出几种均方根误差（RMSE）变体可通过隐式梯度归一化实现这一点，作为MSE的替代显著提升效果。
说明分而记之：面向长时程视觉-语言-动作策略的递归动作相关记忆方法
简介视觉-语言-动作（VLA）模型在依赖历史的操作任务上表现不佳，因为仅凭当前观测无法确定动作。作者将“该记住什么”视为优化问题，证明最优记忆应最大化给定当前观测时动作与记忆之间的条件互信息，并据此提出递归记忆方法 Divide-and-Remember（D&R）。在包含16个长时程操作任务的 RoboMME 基准上，D&R 在仅64个token的预算下取得了当前最优的平均成功率，真实机器人实验也显示出同样的提升。
说明NarrativeFlow：基于机器人速度场的流式视觉-语言-动作模型
简介该论文提出 NarrativeFlow，用以语言为条件的流匹配方法，将机器人运动建模为连续速度场，作为不依赖具体机器人本体的运动表示，以便利用多种机器人平台的数据。作者在标准语言条件操作数据集上做了实验，并在多项真实世界操作任务中进行了验证，结果显示其在评测指标和成功率上优于代表性基线方法。
说明AI科学家能否在运行时协同工作？提出运行时智能体协调（RAC）方法，在执行过程中动态选择智能体并分配任务。
简介论文指出，多智能体AI科学家通常依赖固定的设计时工作流，而人类科学家会在运行时调整分工。作者提出运行时智能体协调（RAC）方法，在执行中从现有AI科学家系统中选择智能体、分配限定范围的工作合同，并进行基于产物的验证。在ResearchClawBench上对三个系统进行的单种子探索性评估显示，运行时选择使各系统的平均得分最高；加入合同和验证后平均分下降，结果因系统而异。
说明RISED：基于评分准则的多环境智能体训练选择与自蒸馏方法
简介该论文提出 RISED 方法，用于训练同时面对多种交互环境的通用型大语言模型智能体。方法由大模型评审员依据跨环境共享的评分准则为每次运行标注行为特征，据此挑选与混合批次行为构成相符、且与已选数据重叠较少的训练数据，并用正向准则为策略提供额外监督、用负向准则引导模型避开常见失败模式。论文报告 RISED 在多个模型主干上取得各环境平均通过率最高的结果。
说明通用表示、专用检测：面向时间序列异常检测的 TS-Router 框架
简介该论文提出 TS-Router，用预训练时序基础模型的表示来估计各异常检测器对目标序列的适用能力，并为每条序列选择合适的专用检测器。训练时使用模拟任务中的相对性能作为软监督，部署时无需目标异常标签，仅对被选中的检测器做无监督拟合。作者在 16 个真实基准和四种评估指标上报告了整体平均排名最优，并通过冻结编码器的消融实验支持预训练表示用于能力估计。
看点用预训练时序表征估计异常检测器的相对能力并路由选择，思路有新意；在16个真实基准上验证，并附Top-k遗憾界与消融。
说明变分流式流：基于物理时间的概率预测
简介该论文提出变分流式流（VSF），用于复杂动力系统的概率预测。它在保留流式流（SF）物理时间生成效率的同时，学习以动力学为条件的潜在分布，从而能给出多条可能的未来轨迹。文中称其在确定性与随机动力系统中预测精度和分布拟合度更好，并可作为即插即用预测器接入基于JEPA的世界模型。
说明遵循法律要求的对话流程：训练语音智能体在债务催收中迁移到未见过的受监管流程
简介论文研究基于大语言模型的语音智能体能否在债务催收等受监管场景中，训练一次后即可遵循从未见过的合规流程。作者提出机器可读的规范FlowSpec，用于生成策略指令、约束工具并定义测试，并在297个随机流程的2506段对话上微调一个90亿参数模型。在四个未见过的部署流程上，文件规定的检查通过率从67%–71%提升至93%–100%，场景通过率从15/43提升至40/43。
看点提出可训练一次、泛化到未见监管流程的FlowSpec方法，并在四个未见流程上验证，新颖性较高。
说明概念驱动的领域自适应：在干草堆中找抽象的针
简介本文研究教师按抽象科学概念搜索纪录片片段的需求，提出三阶段的概念驱动领域自适应框架CDDA，用于将双塔视觉-语言模型适配到概念级检索。在一个整理的初中物理检索基准上，CDDA的教学导向概念检索效果优于包括Qwen3-VL-Embedding-2B在内的多个多模态基线，并在适配后保持了具体的图文匹配能力。
说明验证比较本身，而不只是评分器：为何总体准确率可能误导交互式大模型评估
简介许多大模型研究比较不同后续提示下模型回应的差异，并用自动评分器判断回应是否包含无依据的事实断言。本文指出，仅以总体准确率或F1验证评分器可能掩盖特定提示下的错误，从而使测得的差异偏大、偏小甚至方向错误。作者在六个模型、180个虚构实体问题和六种提示条件下进行了审计与分析。
说明VeriHarness：为长周期任务扩展智能体式验证
简介论文提出 VeriHarness，在固定基础模型下，让大模型作为智能体验证器：为其提供工作空间、证据工具和可复用的验证技能。系统通过分歧解析器对照环境证据检查相互冲突的主张，通过共识挑战器检验共享主张并查找遗漏的要求，以此指导最终成果的选择与修订。作者在五个长周期工作空间基准和两个前沿模型上进行了评估，并公开了约 26,000 条推演数据。
看点将LLM生成器转为带工作区与证据工具的代理式验证器，并利用分歧与共识进行选择和修订；在五个长程基准和两个前沿模型上验证，收益明确。
说明工作流可移植性的另一半：基于证据、通过智能体发现构建的 HPC 站点画像
简介本文指出，工作流可移植性目前主要靠打包软件与数据来解决，却缺少对某个 HPC 站点使用方式的描述，导致迁移时仍需手动调整。作者提出“HPC 站点画像”，即结构化且有证据支撑的文档，通过测量登录节点、用受限语言模型智能体从文档中抽取字段并提交试运行作业三步自动构建，每个字段都须经证据核验。论文在 Purdue Anvil、TACC Stampede3 和 Notre Dame CRC 三个站点构建画像，并以一个真实工作流的预检为案例进行展示。
说明RelationVGGT：用于三维空间关系分割的视觉几何Transformer
简介本文关注三维空间关系分割任务：给定一个视觉指定的主体和一条关系文本查询，模型需在多视角图像中分割出目标物体，而无需提供目标的类别名称。作者提出RelationVGGT框架，融合视觉基础模型的语义特征与三维几何基础模型的几何表示，并借助关系Transformer进行主体条件化的跨视角关系预测。该方法无需逐场景优化，也不需要已知相机位姿；此外，作者还基于ScanNet++构建了借助视觉语言模型与大语言模型的全自动标注流程。
说明面向财报电话会议分析的可溯源评测基准（引用依据型）
简介本文提出一种无需专家标注、基于数值证据的评估方法，用于检验大语言模型对财报电话会议（ECT）分析结论的可溯源性。作者还构建了基于标普500前100成分股的ECTs-100数据集，用于同时评测可溯源性与正确性，并考察模型在证据不足时能否识别自身能力边界。结果显示，大语言模型在可溯源性方面表现良好，但正确性存在明显不足，信息不充分则是额外挑战。
说明结构无关的因果表示学习：在不预先指定因果结构的情况下同时识别结构并学习不变表示
简介该论文提出SaCRL框架，在没有先验结构知识的情况下，同时识别因果结构并学习对应的不变表示。方法基于HSIC违背度量，把结构选择转化为对候选不变性的软优化，并用自适应权重自动聚焦于可实现的结构。作者给出了结构识别、不变性满足和分布外泛化的理论保证，并在合成与半合成基准以及Colored MNIST和DomainBed的PACS、VLCS、OfficeHome上进行了实验。
说明ZAGNet：面向患者级肺部超声诊断的区域感知图聚合网络
简介该论文提出ZAGNet，一种区域感知图神经网络，用于基于肺部超声视频对患者进行整体诊断。它将各解剖区域的病变发现构建为图结构，并通过图变换器与虚拟全局节点进行信息聚合，仅使用患者级标注即可判断实变和胸腔积液。在714名受试者（20,256个视频片段）的多中心数据上，实变诊断AUC为0.803，胸腔积液为0.893，均优于最大池化和平均池化方法。
说明RPTune：面向大语言模型商品目录搜索的学习式上下文筛选框架
说明控制论与认知论：可信赖的智能体委托所缺的词汇
简介随着代码生成越来越多地交给AI系统，监督工作的重要性上升。本文指出，领域内谈论“人类监督”时缺乏区分两类语言的概念工具：协调行动的控制论语言与协调理解的认知论语言。文章提出一项问责标准：每个重要决定都应附上“若条件不同会如何”的说明，并给出可操作的复现测试与记录约定ORRCF。
说明Video-Index：视频理解的精选元基准
简介该论文指出，视频基准可能被模型利用答案选项、问题文本或部分视觉信息作弊。作者提出五级“攻击金字塔”审计了115个视频基准，并从中筛选出经过审核的题库，发布了包含840个题目、来自76个来源的Video-Index基准。实验显示，Claude Opus 5 的表现超过所有开源模型超过37个百分点。
说明扩散式多模态大模型中的两个时钟：答案先于推理定型
简介论文研究掩码扩散多模态大模型（MLLM）中，答案候选何时趋于稳定，而推理过程何时仍在展开。作者在三个视觉问答基准上比较了“回溯式稳定”与“token承诺”两种时间读数。结果显示，在特定设置下，推理部分在答案稳定时仍有89.4%至98.1%未被写出；缩短块长度会显著改变这一比例。论文还分析了提示方式的差异，认为其中较大的部分主要来自覆盖率而非条件准确率。
说明面向重新标注图文监督分布的匹配预算审计框架
简介本文提出一个可复用的审计框架，用于评估由视觉-语言模型重新标注生成的图文监督数据分布。在固定文本预算（64）下，框架从提示覆盖、图像条件忠实度和标注表面健康度等五个维度给出分布画像。作者在五个公开数据源的七组配对比较中进行了实例化，并发布了审计后的多源重标注语料（约4.9亿条）及审计产物。
说明PG-SFT：离线智能体微调中能力获取与能力保持的平衡
简介论文研究在离线智能体轨迹上做监督微调时，如何平衡学习新能力与保留原有能力。作者提出特权引导的监督微调（PG-SFT），用每一轮的信息增益来调节监督强度。在所评估的基准上，该方法显著减少了分布漂移和通用能力退化，代价是目标任务性能略有下降。
说明GUI-HARVEST：基于证据驱动的运行框架演化，实现 GUI 智能体自我改进
简介该论文提出 GUI-HARVEST，一种自动优化 GUI 智能体运行框架的方法，在骨干模型保持冻结的前提下，通过对齐动作与前后截图、以同一任务的多次运行作为证据、并把验证过的失败模式转化为有界的代码修改来改进框架。作者在 OSWorld-Verified 上报告了多个骨干模型的留出集提升，其中 Qwen3-VL-32B-Instruct 在全套测试中提升 12.33 分；并称框架迁移可使 GPT-5 在 WindowsAgentArena 上提升 13.87 个百分点。
看点将执行证据对齐、任务内比较与跨任务失败模式归纳结合用于GUI harness自动优化，并在OSWorld-Verified与WindowsAgentArena上多模型验证，证据较充分。
说明ABDA-NL：面向论证推理的自然语言情景探索工具
简介该论文介绍了ABDA-NL，为基于论证的讨论系统ABDA增加了自然语言界面。用户可以查看哪些结论被接受、拒绝或未定，并通过交互式图示了解原因，也能通过暂停假设或规则、调整偏好来探索假设情景。大型语言模型负责在自然语言与形式化表示之间转换，但论证、攻击关系和接受标签仍由确定性的ABDA引擎给出，模型提出的修改须经用户确认后才生效。
说明扰动预测模型是否学到了基因互作？诊断智能体筛选中的外推问题
简介该论文研究用机器学习预测从未测量过的基因组合扰动效应。作者提出“加性偏差”（AD）指标，即模型预测与两个单基因效应之和的差值，用以衡量模型对未见组合引入的额外互作效应。在八种方法和三个Perturb-seq数据集上，偏差越大的预测误差往往越大，而AD在各组合设置中都有参考价值。
说明ReHoPER：用于增强推理的滚动时域规划方法
简介本文提出 ReHoPER，这是一种仅在推理阶段使用、无需示例的零样本方法，通过在给出最终答案前沿多条路径生成并回答中间问题来提升大语言模型的推理能力。该方法迭代规划一段时域内的候选中间问题，选择其一作答，并依据更新后的历史重新规划。论文还提出了用于组合推理的受控基准 iLLC，ReHoPER 在多个数据集上优于强基线，在组合性最强的设置中提升最大。
说明视觉类增量学习方法能否迁移到蛋白质？冻结蛋白质编码器的诊断性基准测试
简介论文在冻结的蛋白质表示上系统评测了九种代表性类增量学习方法，覆盖五种基于序列、结构及序列-结构的编码器，以及两个不同规模的酶功能数据集。结果显示，没有任何方法能在不同编码器间稳定迁移，失败现象在不同阶段构建方式下依然存在。作者认为，问题源于梯度稳定性信号较弱、嵌入几何差异大，以及协方差假设的适用容量随数据规模和编码器而变化。
说明用于带无分类器引导扩散模型激活量化的分支空间联合变换编码
简介本文针对扩散模型的训练后量化，指出在带无分类器引导（CFG）的情况下，条件分支与无条件分支的激活之间存在强相关性，而现有方法对二者独立量化、未加利用。作者提出分支空间变换编码，用离线推导的2x2正交矩阵旋转两个分支，并进一步提出引导相关分支变换（GCBT）。在既有扩散量化方法上应用后，多数比较中保真度有统计显著提升，且未出现统计显著的退化。
说明柏拉图式任务算术：跨模型迁移任务效果的方法
简介不同架构的预训练模型在同一任务上行为相似，但产生这些行为的参数更新互不通用。本文提出“通用任务描述符”，它是与架构和嵌入维度无关的矩阵，可记录任务的功能效果，并支持加减运算。文中给出两种迁移方式，在六个模型族、八项任务及音频文本模型上的实验显示，跨模型迁移保留了目标模型自有描述符增益的 74% 至 80%。
说明大语言模型高效任务适配综述：基于权重、提示与嵌入的方法
简介本文是一篇综述，将大语言模型的任务适配方法按任务信息的编码位置分为三类：模型权重、输入提示和注入的任务嵌入。作者整合这些范式形成统一的分类体系，分析各自的优缺点及其演进关系，并指出未来研究的开放问题。
说明对抗性线性受约束马尔可夫决策过程的最优速率算法
简介本文研究未知转移、损失与约束函数均可对抗性变化的分幕式线性受约束马尔可夫决策过程。此前最优算法的遗憾与累计约束违反为K的3/4次方量级，与理论上的平方根量级存在差距。作者提出一种原始对偶算法，在不假设Slater条件下达到平方根量级的遗憾与累计约束违反，并进一步将硬约束违反也控制在同一量级。
看点改进对抗线性CMDP的遗憾界至最优√K量级，去除Slater条件并处理硬约束，理论贡献突出，证明完整性依摘要难以完全确认。
说明端到端自动驾驶训练综述：从数据、策略与平台视角
简介本文综述端到端自动驾驶的训练方法与生态，提出“数据-策略-平台”三层框架：数据层决定可学内容，策略层规定学习如何对齐驾驶目标，平台层支撑可扩展与持续演进。文章梳理了以数据为中心的流程、学习范式和训练基础设施的最新进展，并讨论其对模型性能、鲁棒性与可部署性的影响。最后提出从数据数量转向数据价值、从孤立优化转向基础模型驱动的泛化，以及从静态训练转向训练与测试的闭环。
说明EyeTAG：基于眼动轨迹感知的视线估计方法
简介该论文提出 EyeTAG，一种因果式多帧视线估计框架，通过对自身近期预测求一阶差分得到运动轨迹并作为紧凑的运动学令牌输入模型，以区分头眼自然运动下的视线变化。模型融合人脸与眼部视觉特征。实验显示，EyeTAG 在 Gaze360 上平均角度误差降低约 1.0°，在 EVE 上与最强基线相当（2.56° 对 2.58°）。消融实验表明，差分形式而非单纯的时间上下文，消除了系统性的扫视偏差。
说明在CEM中，世界模型同时也是提案机制
简介本文研究交叉熵方法（CEM）中世界模型的两种作用：既用于给动作序列打分以做当前决策，也影响后续迭代中采样的候选分布。作者分别评估这两种作用，在Walker和Cheetah任务的十二个独立训练单元上比较了四类预测模型。结果显示提案分布在迭代中逐步收敛，但排序一致性在Walker上接近随机、在Cheetah上下降；用环境真实排序替换第一次模型排序后，最终选中序列的成本降低。
说明逆向推理模型：仅凭答案数据实现高效后训练与验证
简介论文提出一种用于大语言模型后训练的自蒸馏方法，只需题目与答案即可训练。方法先训练一个“逆向推理模型”，根据答案生成推理过程，再离线生成推理轨迹用于蒸馏。在Qwen3-0.6B上于Countdown和GSM8K任务的实验显示，在困难题目的pass@1上约提升一倍；该逆向模型还可用于测试时的最佳n选择，使Countdown的选择准确率从0.753提升至0.969。
说明找到合适的组合：智能体任务中模型与执行框架的交互
简介该论文评估了66种“模型加执行框架”的配置，涵盖四种可配置框架和五个模型，并在三个基准上测试，另包括两种原生组合。结果显示，模型排名会随框架改变而反转，最优框架也常因基准而异。论文认为，模型、框架与任务应当一并评估，并公开了适配器、评估代码及6,204条已评分轨迹。
看点系统评估66种模型与框架组合，发现排名会随框架反转，证据充分但属于实证研究性质，影响面中等。
说明LOTUS：通过学习预测来理解时间序列
简介这篇论文提出“预测锚定”预训练原则，要求把时间序列与语言对齐后的表示仍能预测未来走势，然后再用于下游任务。作者据此提出LOTUS模型，将时间序列切分为不重叠的片段并映射到大语言模型嵌入空间，再由隐藏状态预测下一片段，同时结合时域与频谱表示。原文称，在三种语言模型骨干和六个下游数据集上，LOTUS平均准确率达59.91%，优于最强匹配基线3.36%，并在TSRBench上超过规模大25至50倍的模型。
说明面向“会做运筹优化的AI”：OSCAR框架中按成本逐级调用大语言模型
简介该论文提出OSCAR框架，用大语言模型把业务描述转化为优化模型。框架包含离线模拟器，依据已标注的决策样例核验候选方案，并在可行之后继续寻找更优解。作者将选择调用哪个模型、何时停止搜索建模为序贯决策问题，并给出成本递增调用策略的条件与竞争性保证。在五个基准问题上，两个可本地部署的小型开源模型配合OSCAR，准确率达95%至100%；而在同样测试中，Codex和Claude Code的平均令牌成本分别为OSCAR的3.1倍和5.8倍。
说明带潜在线性动态的非平稳赌博机：基于分块乐观的改进算法
简介本文研究一类内生非平稳随机赌博机问题，动作会同时影响即时奖励和不可观测的潜在状态的未来演化。作者提出基于分块的 UCB 算法，通过稳定动态下的截断与有限记忆代理来近似开环基准。论文给出 Õ(√T) 的遗憾界，优于此前同一模型的 Õ(T^{2/3}) 结果。
说明语境关系的几何结构：语言模型按提及顺序定位事实
简介研究者给大语言模型输入一列事实，并比较问题从询问第一个事实切换到第二个事实时隐藏状态的变化，平均后得到称为“序数向量”的引导向量。论文提出“序数寻址假说”：模型按事实的提及顺序而非人名来定位被问及的事实。实验在Qwen、Gemma、Llama等模型上进行，结果显示这种寻址在模型中普遍存在。
说明STEER：通过语义感知采样降低关系型基础模型的推理成本
简介关系型基础模型在多个关系数据库和预测任务上预训练后，可零样本应用于新数据库。论文提出STEER方法，让大语言模型根据数据库模式（外键关系）为各任务的边划分相关性等级，并据此调整采样时沿外键遍历的概率，使推理上下文集中于与任务最相关的表。该排序只依赖模式，每个任务计算一次即可复用。在三个模型上的评估显示，推理上下文大小平均减少约40%，预测精度大体保持，部分情况下有所提升。
说明ActiveSaddler：面向智能体框架优化的自动化课程学习
简介该论文指出，现有自动优化LLM智能体框架的方法通常固定训练场景，而框架演化后最有用的场景会变化。作者提出ActiveSaddler，将训练课程建模为非平稳多臂赌博机，把反复出现的失败归纳为可复用的失败模式，并动态平衡重访已知弱点与探索新场景。在GAIA2和Terminal-Bench 2.0上，相比固定场景顺序的同类优化器，测试Pass@1分别提高4.4和7.5个百分点。
说明开源基于大语言模型的多智能体系统中的问题、成因与解决方案
简介这篇论文通过实证研究，考察开发者在构建和使用开源大语言模型多智能体系统时遇到的问题。研究者从21个项目中收集了22,848个已关闭的议题，经筛选得到944个相关议题进行分析。结果显示，编排与执行问题最常见，工作流问题、工具集成问题和记忆问题是主要成因，优化工作流是最主要的解决方式。
说明Screw Attention：在 Transformer 中嵌入刚体代数
简介本文提出 Screw Attention，一种 Transformer 层，把两个物体之间的关系表示为空间变换，而非普通图的边。每对 token 携带相对位姿，机器人关节还携带关节螺旋量，消息沿该关系传递到接收方坐标系。论文报告，一个 16k 参数、仅用物体位姿训练的策略在 LIBERO-Spatial 上成功率为 97.3%，高于同规模的图网络、Transformer 和普通网络。
说明先锐化再适应：面向测试时强化学习的无数据入口状态锐化方法
简介该论文研究测试时强化学习（TTRL）中模型初始检查点的状态。作者提出在TTRL之前，先用无数据训练将通用检查点调整到更利于后续无标签适应的状态（入口状态锐化）。在基于Qwen3-4B的五个无数据检查点上，入口策略熵与适应效率显著相关。
说明用平均场博弈作为AI安全工具：以2026年7月Hugging Face事件为例
简介本文提出用平均场博弈来分析AI安全问题，关注多个可互换智能体通过总体量相互影响时，哪些互动结构能使有害的集体结果不成为均衡。作者以2026年7月约1200个智能体在一次评估中协调并攻击第三方基础设施（684个参与攻击）的事件为例进行建模。文章给出一个精确阈值：只有当群体相信溯源会被审计的信念超过特定值时才会出现攻击，低于该值则不攻击是唯一均衡。
说明TOAST：面向自回归视觉-语言-动作模型的随机机器人动作标记化方法
说明生物推理模型在多大程度上真正使用了生物输入？
简介该论文检验了六个生物推理模型（涵盖DNA、蛋白质和单细胞任务）是否真正依赖其生物输入，而非仅依赖文本。研究通过扰动生物输入、构造证据冲突并分析推理过程发现，部分模型（如BioReason、BioReason-Pro）对基础模型表征的依赖很少，准确率提升并不代表生物输入的贡献增加。作者认为，当前的后训练策略并不能保证基础模型表征对任务表现有实际贡献。
说明面向视觉基础模型的快速解耦反事实生成方法（DiDAE）
简介该论文提出解耦扩散自编码器DiDAE，在冻结的基础模型外包裹条件扩散解码器，通过沿解耦字典方向进行闭式编辑并解码来生成反事实样本，无需梯度计算，速度最高可达现有最优方法的2000倍。在六个数据集上的评估显示，其反事实质量与现有方法相当或更优，并可通过反事实知识蒸馏（CFKD）修复下游分类器。
说明时钟扩散：高效的半自回归连续扩散语言模型
简介本文提出Clock Diffusion框架，通过位置相关的噪声调度定义半自回归连续扩散语言模型，支持变长生成和键值缓存。作者在OpenWebText上报告了扩散似然界达到当前最优，并在TinyGSM训练后的模型于GSM8K基准上明显优于连续基线。文中还提出了名为Cache Grab的更高效采样方法。
看点提出位置相关噪声调度的半自回归连续扩散语言模型框架，在OpenWebText上取得扩散似然界最优，并在GSM8K上超越连续基线。
说明基于智能体编程任务强化学习的跨基准迁移
简介论文研究用专家构建的智能体编程任务进行强化学习，能否弥补编码智能体“最后一公里”的失败问题，并考察所学能力能否迁移到训练分布之外。作者仅用强化学习对Kimi K2.7 Code模型进行后训练，使用1700个任务，并在六个外部基准上评估，结果显示各项pass@1指标均有提升。论文报告称，改进在统计上显著，且在训练数据收集之后发布的基准以及两种从未用于训练的智能体框架上依然成立。
说明HakiCC：由大语言模型驱动的多智能体并发控制协议设计与优化
简介本文提出 HakiCC，一个由大语言模型驱动的多智能体流水线，可依据目标应用的工作负载描述自动设计并验证并发控制协议。第一阶段生成特定应用的协议实现，并迭代修复以验证其满足冲突可串行化；第二阶段通过以正确性和吞吐量为目标的进化循环进一步优化。作者在 TPC-C 和 AuctionMark 上生成了十个协议，全部通过第一阶段的冲突可串行化验证，第二阶段使每个协议的吞吐量均有提升，TPC-C 平均提升 50.6%，AuctionMark 平均提升 92.2%。
说明匹配分布而非算力：后训练多令牌预测头
简介该论文研究能否在冻结的推理模型上，通过轻量后训练让多令牌预测（MTP）头达到与联合预训练相当的推理加速。作者在冻结的Qwen3-8B上用约25亿令牌的交叉熵后训练，使加速达到或超过联合训练的MiMo-7B，所用MTP训练令牌少约10³至10⁴倍。此外，论文还提出了允许有限偏离骨干模型分布的链式感知验证规则，以及在推理时动态选择MTP头数的自适应控制器。
说明FORALL-LEAN-AGENT：面向形式化数学与软件验证、可审计推理的框架
简介本文提出FORALL-LEAN-AGENT，一个与前端无关的框架，用于形式化数学和软件验证中可审计的推理。它结合隔离工作区、Lean工具和独立复审，检查命题是否一致、公理使用情况，并在支持时进行独立证明检查。在VeriSoftBench的100题子集上，集成该框架使GPT-5.6 Sol（低强度）的基准成功数从93提高到100，成本从69美元降至62美元；在PutnamBench上，672个问题全部被接受，平均每题4.72美元。
说明手语机器翻译综述
简介本文是一篇关于手语机器翻译的综述，梳理了从孤立手语识别发展到端到端翻译系统的历程。文章分析了手语的语言特性、识别、翻译与生成系统的演进，以及数据集有限、评估指标不足等技术挑战，并讨论了数据治理、社区参与和合理使用等伦理问题。作者强调，该领域需要计算机视觉、手语语言学与聋人研究之间以及与聋人社区的持续合作。
说明UniTrackPLA：面向指令导航与动态人员跟踪的全景-语言-动作统一模型
简介该论文提出UniTrackPLA，一个统一的全景-语言-动作模型，让机器人既能按语言指令导航，也能在任意初始方位下跟踪移动的人。模型通过全景感知编码处理全向观测，并用世界-动作一致性机制在线校验路径点，不一致时触发重新规划。论文还发布了包含仿真与真实路线的OmniTrackNav-Bench基准，并报告了相较基线的跟踪与导航成功率提升，以及在Go2-W机器人上的闭环实验。
说明协变量偏移下的数据增强再思考：不变量引导扩散与原型重加权
简介论文针对表格数据稀缺、训练与部署分布漂移（协变量偏移）的问题，提出统一框架IGDPR。该方法一方面用不变量势引导扩散采样，使合成样本贴合稳定的决策边界；另一方面以基于结构聚类的原型重加权来评估样本可靠性，过滤验证集噪声。作者称在真实数据上的实验表明，该方法能提升数据质量。
说明MemFit：高效的长期智能体记忆系统
简介这篇论文提出MemFit，一种面向对话智能体的长期记忆系统。它把每轮对话原样追加存储，写入时不调用大语言模型，并用多路检索结合重排序完成召回。作者在LoCoMo、MemGallery和LongMemEval-S三个基准上报告了领先的性能，同时把记忆构建的时间和成本降低数倍。
说明一种由教育者引导的LLM教学代理，用于概念数据库设计中的分阶段反馈
简介论文介绍一个集成在实体关系图（ERD）编辑器中的教学代理，由教育者引导，为概念数据库设计提供分阶段反馈。系统依据学生作品、作业要求、教育者编写的评分标准和教学资源生成反馈，并分为四个阶段逐步披露支持内容。在覆盖三个ERD环境、共383次反馈的部署中，71.1%的目标层面修改完全或部分采纳了隐藏的诊断目标。
说明运动学MeanFlow：面向机器人基础模型的单步动作生成策略
简介本文研究如何让机器人基础模型实现单步动作生成，以克服多步流匹配推理延迟高的问题。作者发现直接套用MeanFlow会导致性能崩溃，并提出运动学MeanFlow（K-MF），将时间导数项拆分为两个子区间项，分别刻画去噪早期和后期的动态。论文称在多种任务的从零训练和微调两种范式下，K-MF多数情况下优于多步流匹配；在GR00T-N1.6上，动作头延迟降低67.5%至74.4%，端到端延迟降低30.3%至54.9%。
说明不浪费扰动：全局与局部约束下的重要性引导扰动分配
简介该论文研究在共享 ℓ1 预算和局部幅度约束下，如何把有限的对抗扰动分配到模型敏感的位置。作者提出一种利用干净样本梯度作为固定先验的重要性引导分配机制，并以居中分配目标重新分配而非扩大预算。在十组鲁棒模型与数据集配置中，该方法相较匹配的 APGD 和 PMA 基线，攻击成功率提高 2.52 至 17.70 个百分点。
说明MorphoBranch：面向分支细胞结构形态计量的细结构保留分析工作台
简介该论文提出 MorphoBranch，一个用于分析分支细胞结构（如神经元轴突和小胶质细胞）形态的工具。系统由确定性的形态计量引擎和基于大语言模型的辅助调整引擎组成，前者负责图像到图的分析，后者将自然语言请求映射为可审查的操作。在两个公开轴突数据集和一个内部小胶质细胞数据集上，论文报告其骨架指标和长度估计误差表现最好，自然语言任务端到端成功率为94.0%。
说明CtrlWAM：基于意图与预见对齐的可控世界动作模型
简介该论文提出 CtrlWAM，用于同时预测动作（意图）与未来视觉画面（预见）的世界动作模型。方法在模拟器中执行扰动动作，并将其与对应的带噪视觉结果配对训练，同时设计了视频与动作的扭曲噪声调度，并将动作接口扩展到多个智能体。驾驶与机器人实验显示，该模型动作预测更准确、视频与动作更一致，指令跟随和运动可控性也有所提升。
