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LiteReality-Agent：用于可交互三维室内场景重建的智能体系统
简介该论文提出 LiteReality-Agent，可从 RGB-D 扫描重建真实室内环境的三维场景，生成可关节活动、可用于仿真的数字孪生。系统把重建视为编程问题：编码智能体借助专用工具收集证据，并迭代编辑可执行的 Room.py 脚本。作者称其重建的几何精度、视觉真实感和仿真兼容性优于 Astra 与 Fable 等近期前沿模型。源代码与数据采集应用已公开。
说明AVSD-Scenes：城市场景视听描述数据集
简介本文提出 AVSD-Scenes，这是一个面向城市环境的配对视听场景描述数据集，包含基于 TAU Urban Audio-Visual Scenes 数据集生成的 12,291 条视听场景描述。作者先用音频和视觉模型分别生成描述，再用多个大语言模型将其合并为多模态描述。结果显示，多模态描述在语义对齐和跨模态检索上优于单一模态描述，城市场景分类准确率最高达 94.5%，结合多种嵌入后提升至 95.4%。
说明用 LLM 作为验证器检测模型规范中的矛盾
简介论文提出 VeriSpec 方法，直接审查大模型行为规范（如 OpenAI Model Spec）的文本本身，找出两条各自合理却在同一情境下要求互相冲突行为的原则。方法从规范中提取 405 条结构化规则，按主题聚类，再用 LLM 作为验证器推理检测矛盾。经人工验证，共发现 5 处矛盾并已报告给开发者。与五种基线相比，该方法验证通过的矛盾最多，精度为 38.5%，每个已验证矛盾的成本最低，为 11.12 美元。
看点提出直接审计模型规范文本以检测不一致的新范式，并在OpenAI Model Spec上验证了5处不一致，证据限于单一规范与人工验证。
说明超越可解码性：声学因素是否驱动语音阿尔茨海默病评估的预测？
简介该研究使用ADReSSo数据集和三种大型自监督语音模型，对参与者语音、非语音及完整录音施加可控的噪声和混响干预，观察其对阿尔茨海默病预测的影响。结果显示，声学干预会改变三种模型的预测结果，其中噪声的干预效应最强，即使其在原始数据中并无显著的诊断组差异。作者认为，仅有高预测性能或某声学因素无显著组间差异，不足以证明模型稳健，应将基于干预的稳健性测试纳入可信临床语音模型的标准。
说明用于龙棋的时序差分学习：两种自适应AI方法在三维棋类中的比较
简介本文研究两种自适应AI方法（进化迁移学习与TD(λ)）在三维棋类游戏龙棋中的表现。作者将龙棋引擎由PyGame改写为C++以加快对局，并进行了10,000局对战，附带置信区间与显著性检验。结果显示两种自适应方法均优于其他对比智能体，但进化得到的评估函数与学习得到的评估函数之间没有显著差异。
说明随机一阶预言机下的最优随机双层优化
简介本文研究在随机一阶预言机下的非凸-强凸双层优化问题。作者提出单循环一阶方法 MRT-FD，同时跟踪上层变量、下层解和隐式微分产生的辅助响应，并用有限差分近似二阶导数作用。论文证明该方法对任意固定阶数 p 可在 O(ε^{-4-2/p}) 次随机梯度查询内找到 ε-驻点，并给出匹配的 Ω(ε^{-4-2/p}) 预言机下界，从而在该设定下闭合了上下界之间的复杂度差距。
看点提出单循环一阶方法并给出与上界匹配的下界，闭合了复杂度差距，理论贡献显著，影响主要限于双层优化子领域。
说明时间序列世界模型中准确性与机制一致性的背离
简介论文提出时间序列世界模型（TSWM）的形式化框架与基准，用于检验模型对改变后的行动计划是否如真实系统般响应。研究发现，预测误差最低的配置在多数有已知机制的数据集上机制一致性并不更好，甚至接近随机；定向监督损失可在不改变误差的情况下显著提高机制一致性。
说明Varda-single-1.0：面向瑞士复杂地形的1公里分辨率确定性数据驱动天气预报系统
简介本文介绍了面向阿尔卑斯地区的中期数据驱动天气预报系统Varda-single-1.0，提供1公里分辨率的逐小时区域预报和31公里网格的全球预报。系统基于Anemoi框架的两个独立训练的图Transformer模型，并经过ERA5、20年千米级区域再分析及业务分析数据的分阶段训练。经一年验证，该系统在多数主要指标上与MeteoSwiss业务数值预报基线相当或更优，但对局部风极大值有所低估，且对流降水场偏于平滑。
说明代码负责模拟，Jev 负责评估
简介该论文测试判断模型 Jev 能否作为智能体的动作选择层，覆盖反射测试、矩阵博弈、文字游戏 ALFWorld 和机器人控制。结果显示，Jev 在可从输入直接判断的评估类问题上表现出色，例如解答 99% 的反直觉认知反射测试题，但在需要预测输入之外内容的模拟类问题上失败。作者认为，由代码完成预测或模拟后，Jev 便能凭借通用评估能力成为专家级控制器。
说明面向持续演进的企业AI智能体技能的过程级评估框架
简介该论文提出一套持续评估框架，同时检查最终结果和执行过程，用于企业AI智能体的业务价值判定技能（收入与生产力两种变体）。在240次试验中，即使最终数值检查全部通过，仍有92.6%的运行被检测到其他偏差，过程层面的行为漂移容易被只看结果的评估遗漏。论文还报告了依赖归因将每次运行平均6.34个失败检查减少到2.65个根因，以及可复用的模板测试的回归覆盖效果。
说明池化有益，学习到的加权在上下文中有害：分解组注意力机制
简介该论文研究时间序列预测模型Chronos-2中的组注意力（沿固定补丁索引对同组变量做注意力）。作者在推理时修改注意力矩阵，将V/O路径（对组进行加权汇总）与Q/K路径（决定权重）分开评估。结果显示，均匀池化在20个传感器网络配置中的18个中有正面效果，而学习到的Q/K加权在多变量预测中效果为正或可忽略，但在10个传感器网络上下文学习配置中有8个明显变差。
说明语言模型对齐在有记忆情形下的渐近性质：比较两种对齐方法给出的输出分布是否相近
简介这篇论文研究如何把一个语言模型调整为更符合奖励目标的版本，并比较两种常用方法（KL约束强化学习与best-of-n采样）得到的输出分布。已有工作在输出词元独立同分布的假设下证明了两者渐近接近。本文将结论推广到输出词元序列为马尔可夫链的情形，并对有限长度（尤其是长度为1）的情况，给出了使两种方法输出分布的KL散度为零的语言模型分布与奖励函数的完整刻画。
说明在验证拥堵下通过多保真度成对排序进行科学发现
简介计算方法能大量提出分子、材料等候选设计，但实验验证能力有限，因此需要筛选出少量有希望的设计进行实验。本文提出PRISMS框架，主要依靠专家之间的成对排序而非绝对分数来筛选候选，并依据费舍尔信息准则，将查询从低保真度专家逐步升级到高保真度专家。在药物发现库的迭代筛选中，它以更少的轮次达到相同的前十发现召回率；在不限于预定义库的设计优化中，超体积指标比贝叶斯优化基线高约18.8%。
说明基于Token通信的协同具身人工智能：概念、框架与机遇
简介本文研究以token作为原生智能接口的通信方式，服务于多个物理智能体协同感知、推理与行动的协同具身人工智能（CEAI）。作者提出由紧凑码本、语法规则和上下文示例构成的任务自适应通信协议，引导基于生成式基础模型的收发器压缩与重建消息。协同物体搬运的案例研究显示，该框架显著降低了源数据比特消耗，同时保持任务效率，并在含噪信道下表现稳健。
