机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明证据变化时：评估语言模型智能体的记忆修复与重新阅读
简介本文研究当智能体所依据的文档被撤销或替换时，应修复记忆还是重新阅读当前证据。作者基于公开ICU病历的用药和问题列表任务，比较了多种记忆修复方法与全文重读、按来源过滤重读等方案，并以两个7B模型测试。结果显示，记忆方案的总成本在多数条件下高于重读，而按来源过滤的重读最便宜；替换实验中四项主要确认性检验均未达到统计显著性。
说明AdaEva：通过自适应部分评估加速大语言模型驱动的算法设计
简介论文指出，用大语言模型自动设计算法时，对每个候选算法都在全部训练实例上评估成本很高。作者提出AdaEva框架，逐步在更大的实例子集上评估候选算法，并随证据积累淘汰表现不佳者。该方法无需修改原有流程，也不需要事先了解实例难度，并在多个框架、模型和优化领域中验证，在相同评估预算下提升了搜索效率与泛化表现。
说明代理置信度：用替身模型的对数概率审计黑盒大模型代理
简介论文针对部署中的大模型代理可能静默输出错误工具调用的问题，提出用一个低成本开源替身模型并行读取相同上下文，通过其对数概率为代理的动作打分，无需访问代理内部。在困难编程任务上，该方法AUROC达0.825，而代理自报置信度接近随机（0.598）。论文还展示了实时闸门和置信度反馈两种部署方式的效果。
看点用开源代理模型的对数概率为黑盒LLM智能体的工具调用打分，提出多种互补读出方式并给出原则性选择，实验覆盖多个智能体与基准，且在部署中带来任务成功率提升。
说明REACT：物理与化学一致的海洋活性示踪剂重建方法
简介该论文提出 REACT 框架，用于从稀疏观测中重建全球海表 pH，以监测海洋酸化。该方法先对溶解无机碳进行守恒输送，再通过源模块修正非保守的碳循环变化，并由碳酸盐平衡将结果解码为 pH。在模拟数据上，相比最优基线，pH 的 NRMSE 降低 14.7%，化学一致性误差降低 24.0%。
说明晶体生成器离散成分通道上的强化学习：验证收益与奖励破解
简介本文用群体相对策略优化（GRPO）对基于随机插值与离散流匹配的晶体生成模型做强化学习，使其针对黑盒奖励函数优化。奖励设计使亚稳、唯一且新颖（mSUN）结构的产出率由预训练模型的13.4%提升至45.5%（依社区基准评估）。作者同时发现直接强化原子类型转移似然会出现奖励破解，且社区指标存在漏洞：不同堆积方式的单元素结构也会被计为新材料。
说明面向3D人体动作生成的流式多轨时间线控制
简介该论文提出流式多轨时间线控制方法TimelineControl，允许在人物持续进行动作的同时接收并执行新的文本指令，例如边走路边接电话。方法通过区间感知条件保持指令时序，并利用因果的身体部位结构表示与部位感知去噪协调不同身体区域的并发动作。作者还构建了带有重叠指令区间和身体部位标注的TimelineMotion数据集，在TimelineMotion和MTT上的实验显示其语义对齐与时序遵循优于评估的流式基线。
说明通过自动诊断与技能发现训练数值智能
简介本文提出自动诊断与技能发现框架（ADSD），先解释数值求解器表现不佳的原因，再据此发现合适的数值方法，并将其打包为可复用的求解器技能。该框架在潮流方程、交流最优潮流控制、刚性常微分方程和异质扩散偏微分方程四个数值领域中，提升了求解器的精度、稳健性和效率。论文称，在GOC-500潮流问题上，平均求解误差降低了近71倍，且改进可迁移到未见过的电网拓扑和运行工况。
说明解码器越简单，编码器越好：基于新视角合成的几何表征学习
简介本文研究新视角合成（NVS）在几何表征学习中的作用。作者指出，现有基于编码器的NVS方法表征效果不佳，原因在于解码器过于强大以及使用低层像素级目标，而非监督信号不足。作者提出自监督编码器-解码器Transformer模型SNAP，采用位姿条件的局部解码器和潜空间重建目标，在视觉定位、位姿估计、点对应、深度估计和机器人操作五项任务上与自监督表征相比具有竞争力。
说明MoSE3：在每个像素上学习世界坐标系下的SE(3)运动
简介该论文提出MoSE3，一种从单目RGB视频前馈预测稠密SE(3)运动的模型，可在世界坐标系中为每个像素给出完整的6自由度刚体变换，同时包含旋转、平移与刚体分组信息。模型通过联合学习3D点轨迹和刚性嵌入来间接预测SE(3)，并引入合成数据集Art-Kubric以弥补标注数据不足。原文称其在刚体与铰接物体基准上取得像素、部件及物体层面的先进SE(3)估计结果，并在三个数据集上取得先进的平均3D点跟踪精度。
看点首次前馈预测逐像素世界坐标系SE(3)运动，并提出Art-Kubric数据集，在多个基准上取得领先，影响面主要在视觉运动建模子领域。
说明4DCodeBench：考察智能体通过代码对动态场景进行逆向图形重建的基准测试
简介该论文提出了4DCodeBench，一个通过代码生成进行四维逆向图形重建的基准测试，要求智能体把视频中的动态场景重建为可执行的图形程序。测试集包括真实视频和涵盖形变、流体流动、断裂等物理现象的合成场景。作者对前沿模型进行了大规模评测，发现较强的静态重建能力尚不能可靠地转化为对复杂动态的重建。
说明GOTT：基于物体中心、可跨机器人本体复用接触原语的灵巧操作框架
简介论文提出 GOTT，一个“接近-获取-移动”框架，核心是一个可在不同机器人本体间复用的接触获取原语。系统先把手移到任务相关的接触区域附近，再由闭环原语建立稳定接触，并由位姿条件控制器跟踪物体运动。实验表明，它在多种物体、手臂-手平台和未见过的手形上都能建立稳定接触，并且比开环抓取执行提高了端到端任务成功率。
说明世界模型应遗忘什么：面向持续适应的分层保留
简介该论文指出，持续学习中把旧数据上的性能下降视为失败并不适用于世界模型，因为环境会变化，过时的知识应当被修正或丢弃。作者主张按不变性时间尺度对知识分层保留：物理规律、物体恒存性等不变量绝不能被修改，而具体实例事实则应在环境变化后尽快更新。论文还提出“差异化保留”指标，把不变量回归测试与修正延迟分开报告、不做合并。
说明RNADyn：用于生成与理解 RNA 动力学的基准
简介RNA 的功能依赖构象变化，静态结构难以完整反映。作者提出 RNADynBench，包含 2585 条经质量控制的 100 纳秒全原子分子动力学轨迹，并设计了防泄漏的数据划分。在此基础上，他们开发了 RNADynNet，用同一主干网络从单个构象生成轨迹并提取动力学指纹，并引入物理约束。在两个测试集上，生成轨迹的 RMSF 相关系数分别为 0.875 和 0.766。
说明EyeRobot 2.0：仅用立体相机、借助主动注视实现精细双臂操作，无需腕部相机
简介该论文提出 EyeRobot 2.0，只用一台立体相机，通过主动注视让两个视点对准场景中的三维注视点，并对图像中心分配更多视觉标记以聚焦任务相关特征。系统分两层训练：底层注视伺服策略与目标选择器，均基于真实数据用强化学习训练。在 7 个真实任务与 6 个仿真任务上的实验显示，其真实成功率比被动立体相机高 40%，与带腕部相机的策略在腕部视野清晰时相当（69% 对 64%），在抓取物遮挡腕部相机时成功率明显更高（48% 对 22%）。
看点提出基于主动注视的分层策略，仅用双目相机即可实现精细双臂操作，并在千余次真机与千余次仿真试验中对比被动双目和多相机基线，证据较充分。
说明从混合到撕裂：基于消息传递的去中心化优化图分解方法
简介本文研究各智能体仅能与图中邻居通信时，多个光滑强凸函数之和的去中心化最小化问题。作者提出图分解框架，利用网络结构来设计算法，而不只是用于信息交换，并提出GATE方法及其代理变体GATE-S。论文证明了线性收敛性，并指出在以树为主的图上收敛速度更快，实验结果与理论预测的缩放规律及迭代与通信量节省相符。
看点提出以图分解设计分布式优化算法的新框架，并证明拓扑感知的预条件效应与树直径相关的收敛率；实验支持理论标度。
说明LESSER：利用输出层梯度进行后训练数据筛选
简介该论文研究大语言模型后训练阶段的数据筛选方法。传统基于梯度的方法需对每个样本做完整反向传播，计算代价高。作者提出LESSER，只用输出层梯度（只需前向计算）近似完整梯度来排序数据，在SFT和RL基准上分别将特征提取的FLOP成本降低9.7倍和3.0倍，同时下游任务表现接近完整梯度方法。
说明解析视觉Transformer中寄存器令牌与高范数补丁令牌的功能角色
简介该论文研究自监督视觉Transformer（以DINOv2为例）内部两类令牌的作用：寄存器令牌和背景区域中出现的高范数异常补丁令牌。作者用稀疏自编码器分析两者的激活特征，发现寄存器令牌特征更多对应高层语义概念，异常令牌特征更多对应结构、背景和纹理模式。因果消融实验显示，干扰寄存器相关特征使表示余弦相似度下降48.17%，干扰异常令牌相关特征仅下降0.31%，论文据此认为两类令牌存在功能分化。
说明能下棋并解释走法的语言模型：一种将沉默的国际象棋专家与语言模型结合的方法
简介论文介绍了Queen，一个4B参数的国际象棋语言模型，它既能像一般特级大师水平那样下棋，又能解释自己的走法和计划。方法上，它通过编码器-解码器架构把现成的国际象棋编码器与语言模型结合，并用迭代蒸馏方法改进解释质量。论文称，经过七轮迭代，模型Elo从1782提升到2697，在对弈强度和谜题准确率上超过所列前沿模型，其解释的流畅性和连贯性也得到了基于语言模型的评估支持。
说明基于转录组信息的多模态AI，利用乳腺癌活检预测新辅助治疗反应
简介该研究提出一种两阶段AI模型，先从组织病理图像推断基因表达（转录组），再结合临床变量预测乳腺癌新辅助治疗的病理完全缓解（pCR）。在1,412名患者的九个队列中，模型汇总AUROC为0.79（95% CI 0.73-0.85），并优于仅基于组织病理的生物标志物。作者认为，这种基于生物学信息的压缩方法可能适用于数据稀缺的精准肿瘤学应用。
说明FlowHMR：从视频中捕捉物理上合理的人体动作
简介该论文提出FlowHMR框架，用于从单目视频中恢复物理上合理的全局三维人体动作。方法将视频动作捕捉视为视频条件下的动作生成问题，先预训练流匹配模型，再用带有忠实度奖励和跟踪奖励的GRPO进行后训练。论文还构建了约4千段网络视频的Wild-4K数据集，据摘要称，在该数据集上其动作忠实度优于现有方法，物理跟踪成功率为82.47%，高于最强基线GVHMR的62.82%。
说明用于航拍火灾风险分类的 SigLIP2 图像模型研究
简介本文研究将预训练的 SigLIP2 图像编码器迁移到基于航拍图像的七类火灾风险分类任务中。作者对公开的 FireRisk 训练数据做了可复现的划分，并记录数据来源、预处理和模型选择过程。在验证集上，完全微调的模型准确率为 63.05%，宏 F1 为 58.94%，高于仅训练分类头的 55.95% 和 50.19%。这些结果只是开发阶段的结论，尚未在独立测试集或未见过的地区验证。
说明无需模拟、基于Wasserstein拉格朗日残差学习群体动力学
简介该论文提出Double-Stitch方法，通过惩罚学习到的群体路径上运动方程的残差，无需数值模拟即可学习Wasserstein空间中的拉格朗日力学。该方法可描述保守或周期性动力学，而梯度流方法无法做到。在合成、单细胞和海洋涡旋数据集上，它在多数任务中与梯度流方法及基于模拟的WLM方法持平或更优，训练速度比WLM快4至14倍。
看点将Wasserstein拉格朗日力学以无仿真方式学习，通过残差惩罚避免每步数值求解；在合成、单细胞和海洋数据上验证，训练快4-14倍。
说明FrugalEvo：面向成本意识的大模型引导程序进化
简介该论文提出FrugalEvo框架，用更强但成本更高的大模型探索解题策略，用较便宜的模型实现并迭代优化代码，并通过缓存复用降低开销。作者引入BA-AUC指标，衡量固定成本预算内的最优解质量随成本变化的曲线下面积。在10个数学与系统优化任务上，FrugalEvo在最终质量上与多个基线持平或超越，并在圆堆积问题上以较低成本取得新的最好结果。
说明基于检索的深度学习：在不断增长的非参数神经网络中的应用
简介该论文提出一种通用深度学习层，训练时为每个数据点保存一对键值表示，推理时通过注意力机制检索并重组这些表示，使神经网络规模随数据增长。作者指出直接把线性注意力的学习规则套用到更强的核注意力上并不可靠，因此基于径向基函数和类softmax核推导了函数梯度学习规则，建立“基于检索的深度学习”（RCDL）范式。实验在图像分类和合成师生学习任务上展示了其性能与学习效率，并表明将线性注意力替换为MesaNet/DeltaNet可与固定规模网络的优化器建立形式联系。
说明规划式学习：一种介于交叉熵与精确策略梯度之间的分类损失
简介该论文研究为何在分类任务中精确策略梯度的表现不如交叉熵：精确梯度只看到当前一步的收益，忽略了更新也会决定后续学习的起点。作者提出“视界损失”（horizon loss），按剩余可学习量截断累积误差，使其在训练接近结束时从交叉熵逐步过渡到精确策略梯度。原文报告，在MNIST以及ImageNet上使用ResNet-50、ResNet-101和ViT-S/16进行的实验中，该损失在固定学习率下提高了top-1准确率，且标签噪声越大，提升越明显。
看点将交叉熵解释为有限远见的策略梯度并提出截断视界损失，给出分配模型证明，并在MNIST与ImageNet上验证，新意突出。
说明Pivot-SD：面向掩码扩散语言模型的高效自蒸馏方法
简介掩码扩散语言模型可并行生成文本，但去噪过程中少数关键决策会决定大部分回答内容，训练信号分配困难。本文提出Pivot-SD，只针对这些高影响决策（枢轴）进行离线自蒸馏训练：依据信息增益选出枢轴，成功轨迹用交叉熵训练，失败轨迹用有针对性的非似然训练。使用200个问题、每题四次展开，在数学和代码基准上优于全序列SFT和预算匹配的扩散强化学习基线（LLaDA-8B-Instruct）。
说明ProAR：用自回归视频模型学习前瞻推理
简介自回归视频模型擅长因果式生成，但只预测下一段内容，缺乏长远规划。本文提出ProAR框架，通过非对称注意力掩码引入目标帧预测，并利用未来表示自对齐引导短程过渡，使生成过程朝目标推进。论文称其在多个视觉推理基准上均有提升，且仅用25%训练步数即超过完整训练的标准基线。
说明基于反事实模拟器推演的预测：从仿真到现实的评估
简介论文研究新决策策略上线时预测模型的冷启动问题：历史数据来自旧策略，新策略下的真实观测尚不存在。作者用模拟器在反事实场景中推演目标策略，训练预测模型，并在两个真实库存控制部署案例中，与仅用历史真实数据训练的同架构模型对比，结果显示模拟训练模型的点预测MAPE更低，上线后用早期真实观测做轻量校准还能进一步降低误差。
说明重新审视人声合唱多音高估计中的输入时频表示
简介本文研究多人合唱中的多音高估计，因歌手音域重叠、基频接近，谐波在时频图中相互干扰而困难。作者比较了常用的谐波恒Q变换（HCQT）与线性短时傅里叶变换（STFT），后者直接将频率点作为模型输入。结果显示，线性STFT效果优于HCQT，且特征提取成本明显更低。研究还发现，更长的分析窗或更宽的频谱范围并无额外收益，较短的分析窗对随时间变化的人声音高更有效。
说明MRVQ：一个常驻索引支持维度和码率可调的向量检索
简介稠密检索服务需要在不同嵌入维度和索引码率之间切换。MRVQ 是一种面向冻结嵌入的后处理残差量化方法，其最高码率编码可通过截断残差级数降低码率、截断嵌入坐标降低维度，因此一份常驻索引即可覆盖所评估的各组（维度，码率）组合。实验显示其内存占用最低，但每个码率单独训练的 QINCo2 在 FiQA 上质量更好，MRVQ 并非质量最优方案。
说明用于高效海洋环境监测的星载异常检测
简介该论文提出一种面向搭载多光谱或高光谱传感器的地球观测卫星的海洋事件检测流程，用于发现油污、藻华和泥沙洪水等海洋异常。流程先用自监督神经网络编码器把卫星图像压缩到低维潜在空间，再由异常检测模型识别偏离正常海况的情况，并与Isolation Forest、One-Class SVM和局部离群因子等传统算法比较。该方案轻量、资源占用低，可在嵌入式CPU到AI加速器等有限算力的卫星上运行，并优先传输关键信息以节省带宽。文中还说明该流程已在欧空局Phisat-2任务和微软/泰雷兹阿莱尼亚宇航IMAGIN-e任务中集成应用。
说明摊销结构化随机变分推断用于高斯过程隐变量模型
简介本文研究如何更好地近似数据所在的低维流形，并估计该流形的认知不确定性。作者在高斯过程隐变量模型中，将隐变量的变分后验设计为依赖于诱导点取值的条件形式，以替代原有的平均场近似。实验表明，这种更灵活的变分后验改善了数据流形上点的重建相关指标。
说明何时允许老虎机算法放弃历史记忆？——由 e-过程授权的非平稳汤普森采样
简介该论文提出 e-ATS 方法，在多臂老虎机中为每个臂同时保留全历史与折扣 Beta 状态。只有当任何时点有效的 e-过程授权后，才允许使用折扣状态，并通过可逆的相关性得分控制其影响。在平稳假设下，其偏离乐观汤普森采样的概率不超过设定的 α_E。实验显示，取消授权在注册测试集上使动态伪遗憾增加 38.4%，在文献回放测试集上却降低 7.5%，说明证据决定的是何时开始适应，而非适应一定有益。
说明关于策略优化中成功条件化方法的收敛性
简介成功条件化是一种改进随机环境中决策策略的方法，通过提高产生成功结果的动作概率来更新策略。作者证明该方法在一类广泛的马尔可夫决策过程上收敛到最优策略，并给出部分常见设定下的收敛速率。对于折扣马尔可夫决策过程，证明在 O(1/ε^p) 次迭代内得到 ε 最优策略，其中指数 p 取决于问题数据；对于单周期马尔可夫决策过程，则在 O(log(1/ε)) 次迭代内得到。
说明IDRF：用逆向蒸馏做掩码离散扩散模型的奖励微调
简介这篇论文提出 IDRF 框架，用于对少步掩码离散扩散生成模型做奖励微调。它用逆向蒸馏正则项代替难以计算的序列级 KL 惩罚，并在学生模型自身的少步采样轨迹上优化奖励。文中称在 DNA、图像和文本生成任务中，IDRF 能在去噪步数减少至多 32 倍的情况下获得较高奖励，同时缓解奖励作弊并保持样本质量。
说明欠完备线性自编码器中被打破的尺度对称性
简介该论文研究欠完备线性自编码器的损失函数几何。作者发现，在PCA解流形上，有限步长的随机梯度下降会偏好使解码器权重变大的尺度漂移方向。这种漂移发生在较慢的时间尺度上，且可以用解析方法描述，但会受到有限步长稳定性边界的限制。
说明大语言模型了解哥伦比亚法律吗？哥伦比亚法律体系可靠性基准测试
简介本文提出一套经专家验证的基准测试，涵盖十个法律领域的1042道题目，用于评估大语言模型在哥伦比亚法律问题上的可靠性。作者测试了15个主流模型，发现封闭式选择题准确率差异较大，而自由作答的事实正确率没有任何模型超过0.45。研究认为，当前模型处理哥伦比亚法律问题仍需专家监督，以权威来源为依据作答是提高可靠性的可能途径。
说明LoGo：用于长时程一致性视频生成的局部与全局奖励
简介该论文针对相机控制视频模型在长时程生成中出现的三维不一致问题（物体消失、场景结构漂移），提出LoGo方法，将全局奖励与空间局部奖励结合用于后训练。论文称局部奖励能提供细粒度的信用分配，显著改善三维一致性，全局奖励则保持相机跟随和视频质量。作者在三个基础模型上，于DL3DV和新提出的TrajectoryBench基准上报告了其优势。
说明精准分配信用：面向终端智能体的依赖感知策略优化
简介该论文针对用于终端任务（如编程和调试）的强化学习智能体，提出依赖感知的组策略优化方法DepGPO。它根据命令之间的执行依赖关系构建依赖图，从任务验证器检查的资源反向追溯，把训练信用分配给相关的写入及其支持性读取，从而在各步骤间重新分配轨迹优势。论文称，在复杂终端任务的对比实验和消融实验中，该方法提升了任务表现与训练稳定性。
说明世界嵌入基准：评测视频表征能否编码物理信息的数据集
简介该论文提出“世界嵌入基准”（World Embedding Benchmark），包含来自80个家族、共8000个受控仿真案例，涵盖流体力学、固体力学、动力学以及光学与电磁学。每个案例将渲染视频与仿真得到的物理标注配对，并设置文本-视频检索、物理属性回归和多选视频描述配对分类三项任务。实验显示，预训练的多模态嵌入模型检索效果较弱，轻量探针却能从冻结的视频嵌入中恢复有用的物理信息；用物理视频-文本对继续对比训练可提升检索与配对分类，但会降低物理属性回归表现。作者还将检索到的参考视频用于MiniMax-H3的检索增强生成，结果提高了生成视频的物理保真度。
说明NeutronGym：面向大语言模型智能体的、以物理为基准评分的中子仪器设计环境
简介该论文提出 NeutronGym，一个可执行的中子仪器设计环境：智能体通过验证工具搭建仪器，由 McStas 进行光线追踪，并用分级评分体系在语法、运行、结构和科学性四个层面打分，不依赖大语言模型评判。研究者还构建了 McStasBench 子集。结果显示，7 个模型中最多完成 16 项任务中的 7 项；用该环境的奖励进行强化学习后，Qwen3-8B 在一个隐藏设计族的留出实例上表现有明显提升。
看点提出首个可执行的中子仪器设计环境，用物理仿真分级评分，RL训练使小模型大幅提升，新颖且证据较扎实，影响限于子领域。
说明单步生成模型中的“深度即时间”：多步扩散的去噪过程被压缩进单次前向传播的网络深度中
简介这篇论文研究把多步扩散生成压缩为单次前向传播后，去噪过程会发生什么。作者提出“深度即时间”现象：多步扩散在各采样步中进行的去噪计算，似乎展开在单次前向传播的网络层数中，可通过模型自身的输出头解码中间层来还原。论文指出，这种分层计算取决于流映射所训练的传输任务，其中MeanFlow表现出去噪与再加噪并存；并称MeanFlow SiT-L/2模型可在参数上压缩16.6倍。
说明FALCON：一种与模型和数据集无关的NL2SQL数据合成框架
简介该论文提出FALCON框架，用于生成带有歧义感知的自然语言到SQL（NL2SQL）训练数据。它结合保留字SQL种子与基于人物角色的提示，生成结构更复杂的查询，并通过基于对齐的过滤保留难度。论文称生成的数据在SQL复杂度和自然语言丰富度上超过现有基准，且可用紧凑的开源模型在本地低成本完成。
说明马尔可夫博弈中的正规式相关均衡计算
简介本文针对有限视野马尔可夫博弈，提出了计算正规式相关均衡（NFCE）的首个高效算法：在玩家数量固定为 n 时，可在时间 S(AH/ε)^O(n) 内求得 ε-NFCE。算法通过对一系列辅助阶段博弈进行逆向归纳，并在每步计算常数期望相关均衡来实现。论文还证明了若干情形下的 PPAD 完全性，并指出常数期望相关均衡与 NFCE 之间存在等价关系。
看点首次给出有限时域马尔可夫博弈中正规式相关均衡的多项式时间算法，并建立PPAD完全性结果，理论突破明显。
说明UniIntervene++：面向高效真实世界强化学习的自适应干预智能体
简介该论文提出UniIntervene++，一种在在线强化学习中自适应分配控制权的干预智能体，决定何时干预、如何干预以及何时交还控制。它把RL策略、轨迹修正和代码策略统一为半马尔可夫决策过程中的选项，并周期性探测策略能力。在五个真实世界操作任务中，平均成功率为89.67%，人工干预降至0.77%。
说明基于视频时间先验的 EEG-fNIRS 情绪回归：熟悉视频上的研究
简介该论文研究在观看者被试生理信号（EEG 与 fNIRS）之外，只用视频与播放时间信息预测情绪评分是否已足够。作者以每个视频每秒的训练标签平滑中位数作为先验，并与基于图的生理信号模型以固定权重融合。结果显示，融合与单独先验的平均绝对误差差别很小，生理信号带来的增益有限，且仅适用于离线预测，未测试对未见视频的泛化。
说明DEPICT：通过答案一致性为文生图对齐打分
简介本文提出DEPICT，一种无需训练的文本到图像对齐评估方法。它用图像答案与仅依据描述文字得出的答案之间的期望一致性，替代固定参考答案，并按描述对问题的决定程度加权。该方法融合整体评分以保留分解过程中丢失的上下文，在五个基准、三个模型系列的十一个骨干网络上评估，结果优于所有免训练指标。
说明BAT-NO：一种感知边界条件的Transformer神经算子，用于车辆部件耐撞性预测
简介该论文提出BAT-NO模型，用深度学习替代高成本的有限元碰撞仿真，预测在几何形状与边界条件变化下的瞬态位移场和耐撞性指标。研究以B柱仿真框架评估泛化能力，结果显示该模型在各验证集上的平均误差最低，在最困难的情形下比次优模型降低32.6%。作者认为，显式的局部与全局边界条件表示有助于在更大的部件设计空间中改进耐撞性预测。
说明利用自动发现的选项精通 Atari 2600 游戏
简介这篇论文提出 Wayfarer，一种通用的在线深度强化学习智能体，它通过拉普拉斯表示学习从高维观测中自动发现“选项”（即时间抽象的行为单元），并用于控制。原文称，这些选项能同时改善探索、加速信用分配，并有效泛化到未见过的设定。在 Atari 2600 中最具挑战的游戏上，Wayfarer 在单流智能体中取得了最先进的表现，其中在需要长程探索和策略行为的游戏（如 Montezuma's Revenge 和 Private Eye）上提升最大。
看点通过拉普拉斯表示学习从高维观测发现选项并用于控制，在Atari难题上取得单流智能体最优表现，新颖性与证据较强。
说明GAMEGO：用锚定真实游戏资产的合成轨迹训练游戏开发智能体
简介本文提出GameGo框架，把简短的游戏创意自动转换为参照业界开发实践的产品需求文档，以减少编码智能体因需求不明而产生的缺失机制与玩法断裂。作者构建了包含55,060条2D、2.5D和3D游戏开发轨迹的GameGoData数据集，以及124个游戏查询的GameGoBench基准。基于该数据训练的GameGoCoder在多项游戏开发基准上优于同等基线，并与前沿模型相当。
说明ManifoldSplat：基于语言引导的3D高斯头部虚拟形象语义形状编辑
简介本文提出ManifoldSplat，这是首个用于语言引导语义形状编辑的端到端框架，可编辑由单目视频重建、可驱动的3D高斯溅射头部虚拟形象。该方法在结构化的FLAME流形上进行编辑，以保持身份与动画能力。作者还提出了按区域解耦的条件变分自编码器DeltaRegion以前馈方式生成形状变化，并配合细化阶段恢复多视角一致的细节。论文称该方法在局部提示对齐、几何一致性和身份保持方面达到新的最优水平。
说明联邦学习中多步梯度反演的路径积分代理方法
简介联邦学习中客户端只上传模型更新，本应比原始训练数据泄露更少隐私。该论文提出路径积分代理模型扩展（PI-SME），把多步本地训练累积的更新视为梯度场的路径积分，并沿可学习的贝塞尔路径用高斯-勒让德求积逼近，以更准确地从更新中重建客户端私有图像。在 CIFAR-100 和 FEMNIST 数据集上，该方法在多项反演指标和匹配损失上优于最强的代理基线。
说明HazardWeaver：面向灾害分析智能体的科学路线选择
简介该论文提出HazardWeaver框架，用于灾害分析类AI智能体在数据与工具条件变化时，自动选择可适用且可执行的科学方法路线，并据此调整决策。研究还构建了包含141个实例的评测基准，覆盖七类单一灾害和四类多灾害交互。实验显示该系统优于现有智能体系统，在存在多条可选科学路线的任务上提升最明显。
说明重新思考少步扩散 Transformer 中应缓存什么：感知求解器的目标选择
简介扩散 Transformer（DiT）生成每个样本都需多次昂贵的前向计算。本文提出 AutoTarget，针对给定模型、求解器和复用方案，通过少量无缓存复用的运行测量复用各候选张量造成的误差，并选择误差最低的候选作为缓存目标。实验表明，在蒸馏后的图像和视频 DiT 上，最佳缓存目标随模型、分辨率和求解器而变，该方法在减少 DiT 计算和缓存存储的同时，生成质量接近未缓存结果。
说明HyperBrowseComp：面向网页浏览智能体的多语言多模态压力测试基准
简介该论文提出HyperBrowseComp基准，包含由母语或高水平使用者人工编写并经人工验证的423道题目，覆盖13种语言。题目要求在开放网页上查找冷僻证据、跟随多步线索链，或查阅视频、扫描文档、图片、地图等异构来源。研究者还用无联网权限的模型筛除了过于简单的题目，并在统一的智能体协议下评测多个模型。
说明学习评估毫米波心率感知中的心跳可观测性
简介本文研究如何用毫米波雷达评估每次测量是否足以支持可靠的心率估计，所谓心跳可观测性指相位谱中心跳成分是否清晰可读。作者构建了可控的多散射体FMCW仿真器生成训练数据，并提出紧凑的双任务Transformer模型HEAR，同时预测可观测性分数和心率。模型仅用仿真数据训练，零样本迁移到两个60和120 GHz的公开真实数据集，并可用该分数进行选择性预测。
说明Writerslogic团队在CLEF 2026 SimpleText赛道的参赛论文：多候选LLM简化与复杂度定位
简介该论文介绍Writerslogic团队在CLEF 2026 SimpleText共享任务中的参赛方法，包括文本简化（任务1）与复杂度定位（任务2）。简化部分使用GPT-4o-mini为每句生成五个候选并按启发式评分选择；定位部分将幻觉检测转化为自然语言推理，微调DeBERTa-v3-large模型。论文报告了两项任务的排名成绩，数据来自Cochrane系统综述的生物医学文本。
说明Writerslogic 在 PAN 2026 的参赛系统：领域偏移下以过程特征取代内容特征的稳健检测
简介该论文介绍 Writerslogic 团队参加 PAN 2026 三项共享任务的系统，核心观点是领域偏移下特征的稳健性取决于训练与测试分布的支持重叠度。在推理轨迹检测任务中，团队在来源检测上获第 1 名（宏平均 F1 为 0.85），在安全分类上获第 3 名（宏平均 F1 为 0.66）。在 Voight-Kampff 生成式 AI 检测任务中，最佳配置在 PAN 2026 测试集上得分为 0.891。多作者写作风格分析的提交因平台错误未进入正式评测，论文仅报告设计与预先预测。
说明知识还是计算器？拆解可验证金融智能体工作流中的技能溢价
简介本文提出FinSkillBench评测套件，包含2603个时点情境，覆盖组合构建、风险管理和基本面分析12个子任务，并用确定性验证器评分。研究发现，精选技能包平均提升约16.2分，而单次情境内自动生成的技能几乎没有提升。进一步拆分显示，可执行工具的贡献大于程序性文档，二者组合呈次可加性，且效果高度依赖工作流类型。
说明Cephalonauts One：用于解码人脑自然语音的深度功能磁共振数据集
简介该数据集记录了三名健康受试者在聆听播客音频时的全脑3T功能磁共振成像（fMRI）数据，每人约30小时，是目前使用自然语音刺激中最深的fMRI数据集。数据同时提供音频、转录标注和刺激嵌入表示。论文还提出了以音频片段检索为形式的脑解码基准，并给出标准划分、评估指标和基线解码器；扩展性分析显示，解码性能随每人训练数据量增加而持续提升。
说明《Get a GRIP, this will be a long TRIP》：可量化的长程交互验证框架，用于检验过度挤压（over-squashing）
简介该论文指出，图神经网络中过度挤压与长程交互之间的关系，需要以真正依赖长程交互的基准来验证。作者提出四条可验证公理，并据此构建了 TRIP 与 GRIP 两种方法，能将任意图转化为可证明的长程任务，并给出逐跳的理论测试误差下界。文中还审计了 4 个常用长程基准，并检验了曲率与模型性能的关系。
看点提出四项可验证公理并给出构造性框架与逐跳贝叶斯式误差下界，理论与审计实验较扎实，对GNN长程基准评估有实质推动。
说明无态射的对象：数学用大语言模型未表示的内容
简介该论文研究大语言模型在跨子领域术语之间翻译数学陈述时的表现。作者提出一种不依赖外部评判的测量方法，发现模型在泛化方向上常扩大量化域，在具体方向上则常缩小，且极少显式补充所需假设。这一不对称性在七个模型中均存在，能力更强的模型扩大得反而更少。
看点提出以数学翻译中的一般性层级为对象的新诊断视角，并以盲评队列、对照实验与预注册划分支持结论，对理解LLM数学推理有实质意义。
说明面向前沿推理数据合成的递归式框架自我改进
简介本文提出任务与框架共同演化的方法，让用于合成推理题目的流程在生成过程中自我改进，而非仅复用已生成的题目。在数学、代码与科学任务上，经过十四轮演化，求解器的平均准确率从100.0%降至54.8%。用合成数据训练的27B学生模型在APEX上取得62.5%的平均准确率。
说明ZeroMAG：面向即插即用脑电基础模型的零样本多模态适配器生成方法
简介该论文提出ZeroMAG框架，在冻结脑电基础模型的前提下，利用无标签的目标数据生成适配器权重，从而把模型扩展到包含伴随生理信号的多模态记录。该方法无需目标标签或目标端优化，在六个留出的目标数据集和三种骨干模型上，平衡准确率相比仅用脑电推理提高7.22个百分点，接近有监督多模态适配。
说明基于分数的扩散模型与反射扩散模型中的概率流常微分方程
简介本文从理论上分析了概率流常微分方程（PF-ODE）作为确定性采样器的适用条件，指出仅靠福克-普朗克方程的改写不足以保证速度场生成良好定义的流。文章给出了正则流存在的充分条件，并讨论了可逆性所需的双侧散度控制。作者还分析了学习得到的分数的采样稳定性，并通过球面例子说明噪声趋近于零时确定性流会变得奇异。
说明DuoMatching：面向少步视频生成的联合-边缘分布匹配方法
简介这篇论文提出 DuoMatching，用于改进流式视频生成中的分布匹配蒸馏方法。它在联合分布匹配之外增加边缘（单帧）匹配目标，借助图像生成器提供帧级监督，并设计 LatentBridge 解决视频学生模型与图像教师模型之间的潜在表示不一致问题。实验显示，该方法在视觉质量、构图和语义对齐方面有所提升，同时基本保留运动动态；人工评估中，相对所有对比基线的总体偏好率超过 80%。
说明基于语义标签的腹部超声模拟：配对式标签到物理图像翻译
简介该论文提出一种两阶段学习流程，从解剖分割标签生成逼真的腹部超声图像，无需推理时使用患者特定的CT数据。第一阶段由语义标签合成基于CT光线投射的简化超声图像，比较了Pix2Pix与语义扩散模型（SDM），SDM在MAE、SSIM、mIoU等形态学指标上表现更好；第二阶段用分割引导的CycleGAN（SG-CycleGAN）将其细化为逼真超声图像。训练第一阶段仍需CT分割和光线投射模拟。
说明用于血管内脑机接口的自主机器人导航
简介该研究提出在体外（in vitro）实现脑静脉系统中血管内脑机接口（BCI）装置的自主机器人导航，无需开颅。研究使用软演员-评论家（Soft Actor-Critic）控制器在仿真中训练两项连续任务，从右颈内静脉到上矢状窦，并在训练解剖模型和未见过的保留模型中评估。仿真成功率为任务A 85.6%和42.0%、任务B 98.4%和91.6%；20次物理运行中有14次成功。
说明零样本作者归属中作者表示策略的比较研究：基于大模型与基于嵌入的方法
简介本文研究在没有任务监督数据的零样本条件下，如何表示作者以进行作者归属（判断文本出自谁）。作者比较了仅用标签的提示基线与三种作者表示方式：代表性写作样本、大模型生成的风格描述，以及风格嵌入（LISA），并提出了结合候选空间缩减与嵌入维度选择的两阶段嵌入归属框架。结果显示仅靠标签的零样本归属效果不佳，加入作者相关表示能持续提升性能；其中两阶段LISA框架整体表现最好，大模型生成的风格描述更为紧凑但归属性能有所下降。
说明散度如何控制蒸馏中的熵：一篇关于大语言模型蒸馏的理论与实证研究论文
简介本文从熵的角度研究大语言模型蒸馏，考察学生模型的熵如何取决于数据和定义蒸馏目标的散度。作者证明前向KL会使学生模型的熵高于教师模型，交叉熵训练是其特例，并在预训练和监督微调中进行了定量验证。其他散度则无此保证：反向KL会降低熵，直到学生与教师的差距过大；两者之间的插值在训练早期平滑改变熵、收敛时突变。同策略蒸馏的较低熵来自逐词反向KL，而非同策略采样。
看点证明前向KL使学生熵高于教师，并揭示散度作为隐式熵正则项的作用，理论与实验相互验证，新颖性较突出。
说明超越训练模型：编译图神经网络以构建可靠的解释器基准
简介图神经网络（GNN）的解释方法通常以“合理性”评估，即解释能否还原数据中预设的真实结构。作者指出，在多个常用基准上，仅靠度数统计即可完成任务，说明该假设并不成立。为此，作者提出 Gracr 编译器，将分级模态逻辑公式直接转换为 GNN 权重，并据此建立 GracrBench 基准，可精确计算真实解释。在六项任务、十一种解释方法上的实验显示，多数方法对间接影响或同一公式的其他实现并不稳健。
看点提出首个将分级模态逻辑编译为GNN权重的编译器并构建精确真值基准，在十一种解释器、六项任务上实验，证据充分。
说明面向表格转报告的可验证原子洞察结构化组合方法
简介该论文研究从关系表格自动生成分析报告的任务。作者提出ComInsight方法，把洞察发现转化为原子证据的组合：先枚举符合分析模式的原子洞察，再将其组织为多关系洞察图，并通过组合算子融合为高阶结论。每个结论附带可执行SQL和细粒度溯源，并在InsightBench、DDR-Bench和T2R-Bench三个基准上优于基线方法。
说明从基准到生产：面向复杂金融数据的 Text-to-SQL 系统
简介通用 Text-to-SQL 系统在 Spider、BIRD 等学术基准上表现良好，但在生产金融数据库中，概念以不透明的整数键存储，这些方法准确率低于 50%。本文提出 FLINT，一个面向金融领域的专用系统，包含查找代理、基于嵌入的查询模板检索和通过外键链剪枝的模式链接三个组件。在共计 359 个问题的两个数据集上，使用相同大模型，FLINT 优于多个先进基线，并已作为金融数据检索服务的一部分投入生产。
说明面向异构相机的前馈式新视角合成
简介该论文研究在多种相机（透视、鱼眼、全景）混合的系统中，仅凭稀疏带位姿图像合成新视角的前馈方法。作者指出现有相机编码无法区分同一视觉token内不同投影对应的光线分布，因此提出局部光线图和投影感知的2D RoPE，把各类相机统一视为共享光线空间的标定采样。在ScanNet++异构相机设置下，方法在混合相机评测中优于相机条件基线，并可零样本泛化到全景视角。
说明XGenAct：通过跨任务生成增强几何理解的世界动作模型
简介该论文提出XGenAct，一种机器人控制用的世界动作模型，把RGB观测、机器人动作、深度、表面法线和功能区域分割都编码为RGB视频，并用同一个视频扩散Transformer和同一目标进行时序预测。在保留的RLBench任务上，结构化感知训练提升了闭环成功率；在五任务外部对比中成功率为52%，高于最强基线的26%。该方法预测未来深度和分割也比先生成RGB再用冻结感知模型的方案更准确。
说明从修复后的推理中学习：基于根因引导的同策略蒸馏
简介该论文提出根因引导的同策略蒸馏（RC-OPD）方法，用于改进大模型的推理训练。它针对参考解答提供的指导与学生模型实际推理错误不匹配的问题，先定位学生推理中最早的实质性错误并局部修正，再以修正后的中间结果锚定有效前缀。实验显示该方法能缓解推理失配与蒸馏陷阱，并在多个数据集和模型规模上带来明显性能提升。
说明ProgressNet：用冻结的文生图模型逐步绘制与修改图像
简介论文提出 ProgressNet，一种无需训练的框架，让已冻结的文本生图模型跟随用户逐步绘制的过程：可以添加或擦除笔画、修改提示词，每一轮约一秒完成生成。该方法依靠模型内部现有机制并通过三种推理时机制实现。在 FS-COCO 上，随草图完成度增加，基线方法的 FID 翻倍，而 ProgressNet 基本保持稳定，并在用户偏好测试中优于五种对比方法。
说明Weave Forcing：面向交互式长视频生成的组合式记忆路由方法
简介该论文提出 Weave Forcing，一种无需训练的框架，用于交互式长视频生成中的组合式历史记忆复用。它先用大语言模型把用户提示拆分为角色和背景，并为每部分选择合适的历史参考，再通过掩码记忆编织和覆盖自适应 RoPE 控制历史信息的引用。实验表明，该方法提升了跨镜头的主体与背景一致性，同时保持了有竞争力的视觉质量和文本对齐效果。
说明高效推理训练未必损害思维链的忠实性与可监控性
简介本文研究让大语言模型用更少token完成推理的高效训练，是否会使思维链（CoT）无法忠实反映模型决策。作者以三种施加长度压力的方法微调多种模型，并评估忠实性（CoT对相关输入决策的反映程度）与可监控性（CoT是否揭示输入干预对输出的影响）。结果显示，忠实性在多数设置下下降，主要因为模型一致性变差；而可监控性更为稳健，即使CoT明显变短，模型仍会承认输入对答案的影响。
说明用于聚变材料裂纹识别与损伤评估的自动化可复现工作流
简介论文提出一个在Galaxy科学工作流平台中实现的自动化流程，用于从扫描电镜图像中识别裂纹并定量评估损伤，同时保留中间结果和处理历史以便复现。流程在无需针对单张图像调参的前提下，适用于不同牌号钨材、微观结构、放大倍数和损伤状态。研究以包含418张图像、114组实验的电子束热冲击数据集进行演示，并定义了裂纹密度指标。
说明扩散与流匹配后验采样中的引导权重如何设定
简介该论文针对免训练的后验采样方法（即插即用方法），这类方法利用预训练的无条件扩散或流匹配模型求解逆问题，但引导权重通常依赖经验调参。作者指出每个时间步的条件去噪损失是最小二乘目标，因此权重优化可化为二维线性最小二乘问题，可离线优化而无需重新训练模型。作者称该方法取得了较好的重建效果，并可将扩散采样步数从1000降至50而重建质量无明显下降。
说明KVE-KD：面向视觉语言模型、以关键视觉证据引导的知识蒸馏方法
简介该论文提出KVE-KD框架，用于压缩视觉语言模型以便部署到资源受限设备上。方法利用教师模型识别任务相关的关键视觉证据，将特征蒸馏集中在这些视觉标记上，同时抑制背景噪声。作者称在六个基准上优于现有跨模态蒸馏方法，在复杂推理和细粒度视觉理解任务上提升尤为明显，且推理阶段不增加开销。
说明深度表格生成模型在多小的训练规模下仍优于简单基线？一项在临床与标准数据集上的预注册规模梯度基准测试
简介该研究在8个公开数据集（训练行数从200到20,000不等）及4个原生小型临床数据集上，比较了7种生成方法（包括CTGAN、TVAE、TabDDPM等）与简单基线的表现，共完成2,220次运行，并以固定分类器在合成数据上训练、真实数据上测试的AUROC为主要指标。结果显示，在24组（数据集，深度模型）组合中有23组，深度模型在任何测量规模下都未能明显超过最佳简单基线；作者的排名不稳定预测未得到证实。研究同时指出，81%的情况下前两名方法的差距小于种子间的波动。
说明检测并抑制：针对视觉-语言-动作模型对抗补丁的机制性防御
简介该论文研究对抗补丁如何干扰视觉-语言-动作（VLA）机器人模型的控制。作者用稀疏自编码器分析模型内部表示，找到一个激活与对抗补丁存在高度相关的特征。推理时，仅当线性探针检测到攻击时才抑制该特征，无需微调模型。实验在LIBERO-10上进行，结果显示条件干预在间歇攻击下提高了成功率，而持续干预则明显降低策略表现。
说明基于最近锚定与循环排序的时间序列预测（MARO）
简介该论文提出MARO模型，用于时间序列长期预测。它从最近的数据片段开始，依次向更早的片段循环处理回看窗口，使表示始终以近期信息为中心。模型在各步复用同一共享模块，并保留中间状态以分别加权短期与长期历史，论文称其在长期和短期预测任务上取得了当前最优的性能。
说明双上下文类比检索用于时间序列预测（DuoTS）：一种结合近期动态与历史相似片段的长期预测模型
简介论文提出 DuoTS 模型，用于长期时间序列预测。模型先用并行补丁编码器和线性预测头生成基础预测，再逐个未来补丁进行细化：一路关注最近的动态，另一路检索历史相似片段及其后续走势，两者结合后逐段修正预测。作者称在多个真实数据集上达到当前最优表现，消融实验验证了两种上下文各自的作用，且该细化机制可集成到其他预测模型中。
说明AREX：用于流匹配少步采样的仿射残差指数积分器
简介本文提出AREX，一种无需训练、可直接用于已训练流匹配模型的采样方法。它利用目标分布的均值和协方差，把采样动力学中可解析的仿射部分单独求解，其余部分交由神经网络残差项积分。文中称，在图像和文生图任务中，AREX在少步采样情况下提高了样本保真度，且无需重新训练底层模型。
说明波斯语医疗语言模型中单次前向的声明级幻觉检测不确定性头
简介该论文针对波斯语医疗大模型，提出一种仅需一次前向计算、基于冻结生成器内部信号预测幻觉风险的轻量检测头，而无需多次采样。作者在168道伊朗医学入学考试题上比较了Gaokerena-V与Gaokerena-R，并构建了两套波斯语声明级幻觉数据集。在保留测试集上，检测头的PR-AUC分别为0.4820和0.4652，ROC-AUC分别为0.7852和0.7810，且推理时无需检索或重复采样。
说明Metropolis-Hastings在策略组合中优于重要性重采样
简介本文研究大语言模型解码时的策略组合：把多个奖励专用策略在推理时加权合并，以调整奖励间的权衡。标准做法合并的是逐词概率，会引入采样偏差。作者分析了一种基于独立Metropolis-Hastings（MH）的迭代校正方法，证明在相同采样预算下，它输出的分布对所有凸f散度而言都不劣于重要性重采样（SIR），并给出了相对未校正解码器的改进下界及两种渐近情形下的误差分析，附有可枚举与大模型规模的实验。
说明MobiAgent：用于长时程移动操作的双环递归策略自我改进框架
简介本文提出MobiAgent，一种双环智能体框架，用于解决移动机器人长时程操作中误差累积和移动与机械臂控制相互干扰的问题。内环在部署时通过可组合的原子技能，将高层推理与底层控制解耦，并由共享视觉语言模型骨干的专用流匹配专家执行技能；外环则自动切分和验证部署数据、聚类发现原子技能并持续微调技能库，无需人工标注。论文报告在BEHAVIOR-1K上比π0.5-TA高出22.5个百分点，并通过自动数据回收将RoboCasa成功率从7.50%提升至27.50%，在Astribot S1上从32.5%提升至57.5%。
说明相位结构强化学习：单一策略还是多策略？
简介该论文研究具有相位结构的非平稳强化学习问题，比较为各相位分别训练多个策略与共享一个状态增广单一策略两种方案。作者从理论上证明共享策略可达到多策略方案的性能，并提出基于动态区域（瞬态与准平稳期时长之比）的相位分解方法，用于判断哪种方案更好。作者通过数值实验验证了四个假设，包括相位时长较长、相位差异较大、多策略需要各相位充足数据，以及相位间转移动态会影响选择。
说明Fed-ADApt：面向资源感知医学图像分割的联邦式随时深度自适应方法
简介该论文提出 Fed-ADApt，一种用于基于 UNet 的医学图像分割的深度自适应联邦学习框架，允许算力不同的医疗机构按本地算力训练，并在部署时动态选择网络深度。研究在多机构二维视网膜眼底视盘分割和三维脑肿瘤分割任务上进行了评估。文中报告其在三维任务中与全算力 FedAvg 性能相当，在二维任务中平均 Dice 下降 4.7%，同时推理成本降低、受限站点训练成本显著下降。
说明针对特定事实绑定的再学习节省效应：测试时持续学习中的记忆痕迹研究
简介本文研究语言模型学过某个事实后，即使当前输出变得不准确，之后重新学习该事实是否更快。作者在 Qwen2.5-1.5B 上比较了学过正确答案、接触但未学到答案、学过错误答案三组历史，在无回放的持续微调后考察重新学习速度。结果显示，学过正确绑定的一组重新获得目标更快，因此当前行为准确率可能低估先前经验的持续影响。
看点提出以再学习优势衡量特定事实绑定的持久效应，对比有对照组的设计，实验规模单一（仅Qwen2.5-1.5B），影响面限于子领域。
说明UniDynamics：融合事件相机与RGB图像的统一未来4D动态场景生成
简介该论文提出UniDynamics，一种基于扩散模型的框架，仅凭一对事件流与RGB图像即可生成未来的RGB、深度和光流4D动态场景，无需长时间历史帧或额外控制先验。方法包括事件潜在增强模块（ELE）和嵌入多尺度U-Net的感知动态空间（PDS），用于提升几何与运动的一致性。作者报告在VKitti2和DSEC数据集上取得了当前最优的结果，尤其在高速运动模糊场景下表现突出。
说明基于视觉-语言模型的田间玉米点云程序化建模流程
简介该论文提出一种自动流程，从田间玉米的原始三维点云重建可编辑的程序化模型，无需人工调参或特定物种训练数据。流程用多模态视觉-语言模型标注叶片中线，再通过几何算法和可微NURBS拟合完成三维叶片重建。在MaizeField3D数据集的100株田间玉米上，整株中位Chamfer距离为5.4毫米，并恢复了99.4%的参考叶片。
说明保持解剖连续性：用于三维腹部CT结肠分割的三阶段流程
简介本文提出一种三阶段、保持拓扑结构的结肠分割流程，用于解决深度学习方法在复杂解剖结构下产生断开预测的问题。流程包括初始深度学习分割、中心线桥接以重新连接断开区域，以及重建阶段进一步优化连续性。在TotalSegmentator和RAOS数据集上，使用重叠、距离和拓扑指标评估，结果显示结构一致性有所提升且分割精度得以保持。
说明何时准确率可作为证据：泛化、验证与信息融合的统一理论
简介该论文提出 γ-CUBV 框架，用指数矩生成函数的累积量包络给出泛化风险上界，替代 K 折交叉验证的点估计准确率。文章分析了折间相关性下有效折数 Keff=K/[1+(K-1)ρ] 的含义，指出增加折数不一定增加统计证据。实验基于异质高斯混合数据，比较 K 折交叉验证与全样本再代入加风险修正的覆盖率和紧致性。
说明SYNLAT：面向思维链推理的句法对齐文本-潜变量压缩方法
简介长思维链推理会产生大量输出token成本。该论文提出SynLat框架，用不重叠的句法对齐单元（SAU）确定压缩边界，使压缩尽量保留短语、公式和局部推导等完整片段。教师模型为单一压缩条件学生模型构造KEEP/LATENT目标，学生模型推理时仅依据问题和指定压缩等级生成混合推理。论文报告在两种Qwen3规模、两类思维链设置和三个压缩等级下，SynLat在12组任务聚合中均不低于最强基线，其中11组严格领先。
说明监测器读数接近零并不等于行为受控
简介该论文研究用于训练的监测器：在代码生成任务中，三种通过离线检验的监测器训练出的策略，其读数都接近零，但不同种子下的实际奖励作弊比例差异很大。作者认为，低监测读数不能说明干预已控制行为，需要独立的行为检验。
看点通过在同一配置下改变种子，揭示低监控读数可能掩盖不同的奖励黑客比例，对监控式训练有新的警示意义；实验设计较扎实。
说明超越随机划分：在化学与生物分布偏移下评估药物-靶点亲和力模型
简介药物-靶点亲和力（DTA）预测常用于在实验筛选前排序候选化合物。本文从 ChEMBL 和 BindingDB 整理了 718,800 个药物-蛋白质对，比较了一个基线模型与 12 种受控架构在不同分布偏移评估下的表现。结果显示，蛋白质层面的偏移会使误差明显上升，且模型排名会随评估方式改变。因此作者认为，DTA 基准应与部署时预期的化学和靶点偏移相匹配。
