机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明少测量、多理解：自监督的测试时特征获取
简介论文提出 ECHO-k 方法，在测试时只按成本顺序挑选最有信息量的模态，而不必获取全部特征，且无需预先知道下游任务。方法利用预训练深度模型的内部表示作为代理目标，并在线性设定下给出理论保证，据此用强化学习训练顺序选择策略。实验表明，在预算约束下，ECHO-k 在多种基础模型后端上均优于任务无关及无标签的获取基线。
说明I2CD：从单张图像直接生成可用于仿真的凸分解碰撞几何
简介物理仿真器和运动规划器需要凸形碰撞几何，但图像到三维生成模型输出的网格通常密集且可能非流形，目前需要缓慢且易出错的重建后分解流程。本文提出I2CD，直接从单张RGB图像预测多个凸多面体的凸分解。它冻结预训练的Hunyuan3D-2模型，只训练一个约38M参数的轻量交叉注意力头，在227个保留测试对象上体积IoU最高，且端到端速度快6至37倍。在MuJoCo、PyBullet、Genesis和Isaac Sim中可直接使用，并在xArm7实机上完成20物体场景的规划准备与抓放实验。
说明基于非平稳性的同时与滞后因果关系表示学习
简介本文研究时间序列数据的因果表示学习，旨在从观测中识别潜在状态及其因果关系，包括跨时间间隔的滞后因果关系和区间内的瞬时因果关系。作者利用与转移噪声分布变化相关的辅助变量（如时间或条件标签），给出了识别潜在状态及其因果结构的充分条件，并提出了基于对比学习的框架iCReN。实验表明，该方法在合成数据上能准确恢复潜在状态和两类因果结构，学到的表示在真实数据预测任务中也有实用价值。
说明被扰动却仍正确：视觉语言模型为何在内部“自欺”
简介这篇论文研究视觉语言模型（以Qwen2.5-VL-7B-Instruct为例）在对抗扰动下的表现。作者发现，训练时的目标文本损失可被降到接近零，但模型自由生成时仍输出正确描述。研究在200张COCO图像上用两阶段PGD攻击，并借助logit lens与逐层分析定位这一“训练与推理差距”发生在语言解码器的一步生成中。
看点发现训练损失与推理输出之间的分离，并用logit lens定位到单一自回归步及各层的差异仲裁，机制分析新颖；实验在200张图像上做了统计检验，但规模有限且探针存在循环性担忧。
说明基于机器学习的分子吸收光谱：电子密度与分子几何结构作为输入的比较
简介该研究比较了用基态电子密度与分子几何结构作为机器学习模型输入来预测分子吸收光谱的效果，训练集包含从QM7数据集选出的6874个分子。光谱由线性响应含时密度泛函理论计算得到，基态密度由密度泛函理论计算得到。结果显示，基于密度的卷积神经网络验证相关性为0.9926，高于基于几何结构的最佳图模型的0.9795，残差去相关约减少64%。
说明ChromaGS：基于文本驱动的4D高斯数字人语义颜色编辑
简介该论文提出ChromaGS方法，可对可动画的3D高斯头部数字人进行实时、语言引导的颜色编辑。用户用自然语言指定语义区域的颜色，编辑在渲染时生效，无需重新训练。方法将颜色分解为区域基础色与高斯级残差，使修改能一致传递并保留细节外观。
说明基于深度假设引导迭代优化的事件相机与图像单目深度估计
简介本文提出HypoDepth，这是首个面向事件相机与图像融合的单目深度迭代优化框架。该方法引入离散深度假设体，把深度回归转化为受约束的深度搜索任务，并通过多尺度相关性搜索实现稳定的残差优化。论文称其在DSEC和MVSEC数据集上取得了领先结果，并具有较强的零样本泛化能力，其小型模型可在资源受限设备上实时运行。
说明语音的形状：语音驱动三维面部动画中协同发音的几何度量
简介该论文针对语音驱动的三维面部动画，提出一种衡量协同发音（相邻音影响发音轨迹）的几何指标：比较唇部运动路径长度与经过元音、辅音、元音位置的最短路线。测试四种现有方法时，其唇部轨迹都比真实语音更平缓；一项97名观众、3523次判断的预注册研究显示，人们更偏好真实语音（句子比较中占73.4%）。
说明信任但验证：为离散扩散模型设计区域非均匀的前向动力学
简介该论文针对离散语言扩散模型中上下文被完全信任的问题，结合吸收核与均匀混合核并按区域设置速率，让模型在训练时接触带噪的上下文。在推理时采用启发式采样器，对可疑上下文重新注入噪声并在后期冻结。对一个1.7亿参数模型微调的实验显示，对于随机替换的损坏，模型能较好地检测损坏上下文，并提升了补全的词级F1分数。
说明OptiSelect：优化器如何塑造数据课程？
简介本文研究在大语言模型预训练中，优化器如何影响在线数据选择。作者提出OptiSelect框架，将选择效果与优化器更新后的效用评分可区分性联系起来。理论证明Lion与Muon的符号类或极分解类预条件器会导致可区分性崩塌，而AdamW、Sophia等对角自适应优化器上界更优。124M和720M模型的预训练实验与理论分析一致。
说明插队攻击：利用大模型调度中的长度预测
简介该论文提出 JIL 攻击，针对依赖长度预测的大语言模型请求调度器。攻击者通过优化对抗性后缀，使轻量长度探测器低估请求长度，从而获得更高优先级。实验显示预测长度最多降低 83.4%，对抗请求端到端平均最多快 1.53 倍，并分析了回复质量的权衡及把预测结果粗分区间的防御效果。
说明跨境“可疑性”的形成：算法域外效力与人工智能驱动的金融监控
简介本文探讨反洗钱与反恐怖融资中“可疑”概念的变化：随着人工智能进入金融监控，可疑判断越来越多由数据驱动流程产生，而不再仅是特定司法管辖区内人类的法律判断。作者提出“算法域外效力”概念，指通过数据基础设施而非正式管辖声明行使的监管权力。文章还指出，个人被转化为数据化的可疑对象，使问责与申诉变得更加困难。
说明OuroReward：面向文本生成三维模型强化学习的顺序奖励调度方法
简介该论文针对文本生成三维模型（T23D）的强化学习训练，指出现有方法同时聚合多个质量维度的奖励，忽略维度间依赖，易造成优化失衡与相互干扰。作者提出OuroReward，先估计维度间两两依赖并构建循环优化路径以最小化累计干扰，再按一次性序列自适应推进奖励，并提出AdaSelect用于挑选与模型当前能力匹配的提示词以提升训练稳定性。实验表明该框架在多种模型与强化学习算法上均能提升多个维度的生成质量。
说明CLIMB：基于置信度引导的多模态检索增强生成互补证据方法
简介该论文提出 CLIMB，一种无需训练、在推理阶段使用的多模态检索增强生成框架，用于需要外部文本知识的视觉问答。它先用兼顾相关性与去冗余的方法构建互补证据池，再通过评分器和置信度估计器，只在置信度提高时才采纳更新后的答案。论文称，该方法在 Encyclopedic-VQA 与 InfoSeek 数据集上优于检索增强的多模态基线。
说明深度贝叶斯REFoCUS：用深度生成先验从欠定超声多静态数据中恢复图像
简介论文把任意发射序列下的超声多静态数据恢复问题表述为贝叶斯推断，并在多静态数据集上训练深度生成先验，以处理经典线性REFoCUS解码器失效的秩亏缺情形。该方法在各种秩亏缺程度和噪声水平下都优于线性基线，在求逆精确时退化为线性解码。模型还能表达采集数据零空间中的不确定性，而线性解码器只给出点估计；作者还显示其在仿真与活体采集之间的分布偏移下无需微调即有良好的泛化能力。
说明通过信息增长重新审视节点分类中的认知不确定性
简介本文提出一个统计框架，用于检验图节点分类中的认知不确定性是否会随着关于数据生成过程的信息增加而降低。作者指出现有图证据深度学习方法主要通过模型超参数调控认知不确定性，难以满足一致性。作者转而提出图自助法集成，通过图重采样和随机训练同时刻画数据与过程不确定性，并在相同实验协议下表现出比标准深度集成更明显的认知不确定性下降。
说明迭代一致性模型：稳定性、误差界与噪声调度
简介本文分析一致性模型（CM）多步采样的理论误差。作者把多步采样看作加噪与近似去噪两类算子的复合，在可验证的稳定性假设下给出非渐近误差界，区分初始误差的收缩与近似误差的累积。该界表明较大的早期噪声水平促进收缩，较小的后期噪声水平控制残余偏差；并给出强对数凹与半对数凹目标分布的显式常数。实验表明，相关的收缩与近似曲线可被可靠测量，并与理论预测的函数形式吻合。
说明AIBL：带结构化记忆与神经嵌入的增强型实例学习
简介该论文提出AIBL（增强型实例学习）模型，将基于实例的学习理论的符号匹配扩展为学习得到的向量空间相似度，用于处理文本、图像等高维序列数据。模型把记忆分为活跃、遗忘和意外三类，并通过晋升算法让反复出现的意外实例进入活跃记忆。作者在五个机器学习任务和三个模拟任务上进行评估，报告准确率提升6至17个百分点。
说明对比式神经嵌入揭示超越对话角色的个体特质（CEBRA 应用于对话双方的脑电）
简介本文将对比表示学习方法 CEBRA 用于对话双方的脑电数据，并将嵌入约束在二维球面上进行分析。研究发现，表示中的标签（包括双方自闭症商数差值）可以高于随机水平地被解码；但只有在每次置换标签时重新训练编码器的对照才能检验标签本身，此时结果不显著（p = 0.50）。嵌入主要按个体身份组织，说话与倾听角色的分析则处于随机水平。作者建议，对于分组数据的对比嵌入，应将重新训练的零假设作为默认检验方式。
