机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明沟通如何塑造自适应LLM群体中的集体推断：来自狼人杀的证据
简介研究在狼人杀游戏中考察：信息不对称的少数派（狼人）隐藏在无信息的多数派中，沟通能否帮助群体识别对手。研究者让8至100个claude-haiku-4-5智能体组成的群体进行了7,416局游戏，并比较了不同沟通协议。结果显示，同时广播在各种人数配置下都优于沉默，但轮流发言大多消除了这一优势；在70人时，阅读大量发言的群体识别效果反而差于沉默群体。研究还表明，智能体通过继承私有策略笔记而快速适应，但适应未必带来改进，因此协议的价值必须与其所引起的适应一并衡量。
看点通过精确求解的零信息基线和匹配实验，揭示通信与自适应对群体推理的相互作用，新颖且证据充分，但适用范围限于Mafia游戏。
说明标签稀缺条件下收获后烧荒耕地制图的校准弱监督方法
简介该论文针对印度旁遮普邦收获后烧荒耕地制图难题，提出一种校准的弱监督框架，利用Sentinel-2光谱变化、VIIRS火点和MODIS MCD64A1进行校准与对照。最佳配置采用多层感知机和全部光学特征，但在像素级与MODIS的一致性仍较有限，且跨年稳定性较弱。作者认为该框架适合区县尺度的负担评估和热点筛查，对精确烧痕边界或时间上稳定的年度制图支持有限。
说明面向智能体Harness优化的因果改进图（CIG）：用持久图结构记录并驱动元Harness的迭代改进
简介论文提出因果改进图（CIG），一种由图结构驱动的元Harness框架，用于优化智能体运行时的任务上下文构建与执行流程。CIG将证据、假设、干预和结果四类节点及其关系存入持久图中，使先前发现能直接指导后续优化。作者报告，在多种智能体任务上，CIG找到的Harness优于既有元Harness基线，并且对任务求解器和提议器的选择具有稳健性。
说明有限和单调包含问题的最优预言机复杂度
简介本文提出一种在均方Lipschitz连续条件下求解有限和单调包含问题的预言机最优方法。该方法采用切换正则化策略，避免了每个正则化阶段重启方差缩减求解器带来的额外开销。作者给出了匹配的下界，表明在所述预言机模型中，该方法的期望分量复杂度在通用常数意义下达到最优。
看点通过切换正则化并以O(n)总成本复用算子估计，消除了重启带来的n log n开销，并给出匹配的下界证明，理论上达到最优。
说明SparseCraft：面向稀疏计算的智能体软硬件协同优化
简介论文提出 SparseCraft，用语言模型在闭环中迭代修改稀疏加速器（基于 Gemmini）的 RTL、存储配置与计算调度，每轮都以仿真、逐位校验和综合的实测结果作为反馈。在 512×512 的 GraphChallenge 稀疏 DNN 层上，相比分块稀疏的 Gemmini 基线，报告的周期数减少 2.1 倍、片外访存减少 9.8 倍、面积减少 22.8%。
说明Code2Games：让编程智能体生成游戏世界
简介这篇论文提出 Code2Games，一个智能体框架，根据自然语言的游戏构想生成游戏世界，包括场景、玩法目标、可交互实体和可执行的游戏逻辑。它先基于同一构想生成 Blender 基础世界，再将其适配到 Unreal Engine 5，并利用编译诊断、运行反馈和玩法测试结果修正适配中出现的不一致。作者还提出 GameCode4D 基准，用十个固定提示从四个维度进行评估，结果显示其在视觉质量、交互保真度和可玩性上优于直接由编程智能体生成及现有基线方法。
说明基于掩码引导的块扩散语言模型KV缓存淘汰方法
简介该论文针对块扩散语言模型推理时KV缓存占用大、每步去噪都要访问的问题，提出无需训练的MaskAhead方法，用掩码查询排序同时决定当前块使用哪些历史token以及保留哪些以供后续块。其量化版本Q-MaskAhead直接基于低比特KV计算。在长提示问答任务上，MaskAhead平均减少9.5倍KV内存，平均F1下降1.2分；Q-MaskAhead减少20.1倍，平均F1下降2.3分。
说明大模型置于诊断工具之上：工业故障诊断中未实现的互补性
简介该论文研究大语言模型作为集成层，调用外部故障诊断工具（轴承振动、过程监测、半导体设备等五个数据集）时能否可靠利用外部信息。结果显示，外部信息常推翻大模型原本正确的判断，集成输出的准确率低于单独使用的更强诊断工具（田纳西-伊斯曼数据集上为77.43%对83.33%）。作者建议应将集成层与其更强的独立组件比较，而不只与未辅助的大模型比较。
说明EVISKILL：以可回放证据支撑技能演化的LLM智能体框架
简介该论文提出EVISKILL框架，让大语言模型智能体在不更新模型参数的前提下，从交互经验中持续积累并改进可复用的程序性技能。框架把执行观察整理为可回放的证据卡片，并把编辑与其支撑的任务上下文显式关联，再通过针对性回放重新执行来验证编辑。实验在三个交互式基准、六种大模型骨干上进行，结果表明该方法有效。
说明SPACE-CLIPv2：从冻结的CLIP特征中解码局部几何，用于单目深度估计
简介论文提出SPACE-CLIPv2，在冻结的CLIP骨干网络之上构建深度解码器，在CLIP的token空间中对固定局部邻域进行聚合，以恢复精细的局部结构。模型在选定的解码阶段预测聚合权重，并通过门控残差更新注入结果，另有高通分支保留浅层局部对比度。在NYU Depth V2上，该方法优于匹配的SPACE-CLIP基线；在零样本iBims-1评估中，边界和平面几何指标进一步提升。
说明联合上界覆盖与路线选择效用：两个城市代理任务上的实证评估
简介本文研究交通预测精度或不确定性覆盖率的提高，是否真能改善路线决策。作者在北京和成都的道路车速数据上构建离线代理任务，比较原始第90百分位路径时间上界与联合校准上界的效果。结果显示联合覆盖率明显提升，但路线选择后的晚点率和平均行程时间反而增加，因此覆盖率并不能代表下游路线效用，且结论仅限于离线实验。
说明GeoBridge-VLA：面向几何感知的视觉-语言-动作模型残差适配方法
简介该论文提出 GeoBridge-VLA，一种两阶段方法：先从预训练 VLA 的冻结视觉编码器中学习几何特征并用深度监督训练，再通过门控残差接口把几何信息加入现有视觉 token，用于动作预测。部署时只需 RGB、机器人状态和语言，无需深度输入。在 LIBERO 上成功率为 70.9%，高于 SmolVLA 的 60.0%；在实体 ROBOTIS OMY 机器人上，四项任务共 200 次试验中成功 148 次（74.0%），SmolVLA 为 108 次（54.0%）。
说明DART-ES：基于难度感知重加权与定向回放的进化策略大模型微调方法
简介该论文提出DART-ES方法，用于以进化策略（ES）对大语言模型进行全参数微调。方法根据各题在扰动种群中的通过率估计其可解程度，并汇总历史数据形成动态难度状态，用于连续重加权和稀有可解样本回放，无需额外难度模型或反向传播。实验报告其在多个基础模型和数学推理、指令微调、代码生成及Countdown任务上优于ES，并在运行时间和显存占用上低于GRPO。
说明更好的交通预测为何未能改善信号控制：预测到决策价值的分层诊断研究
简介本文基于中国宣城29天的重建需求数据，研究交通预测精度提升是否能转化为更好的信号控制决策。作者从点预测、共形区间、相关性感知情景到闭环控制器逐层评估。结果显示，预测误差有所下降，但在测试日的闭环控制中，因果预测与事件预言器均增加了排队车辆秒数，结论是预测价值取决于时间可观测性、动作可辨识性、动力学一致性和目标对齐。
说明基于预测不确定性触发通用推理的双系统VLA（TUD）
简介双系统视觉-语言-动作（VLA）模型用慢速、具推理能力的通用模型搭配快速的动作专家来实现实时机器人控制。该论文提出TUD框架，依据同一动作块位置上跨步重新预测的离散程度来衡量预测不确定性，据此选择性地跳过不必要的通用模型调用。作者报告，在VLA-Arena上，它在相同调用预算下成功率更高，并且在真实机器人实验中，相比固定间隔的最强基线将通用模型调用减少了75%，成功率仍更高。
说明LightVLN：面向无人机视觉语言导航的轻量级历史感知框架
简介该论文提出 LightVLN，一个用于无人机视觉语言导航的轻量框架，采用约 0.5B 的紧凑语言骨干，并将历史帧压缩为单个令牌、将当前观测由 256 个视觉令牌降至 32 个。在 OpenFly 公开数据集上，Test-Seen 与 Test-Unseen 成功率分别为 50.93% 和 36.14%；在 AerialVLN-S Val-Seen 上为 25.83%。作者还在 DJI M350 RTK 与 Jetson Orin NX 上完成了闭环机载实时到仿真硬件在环评估。
说明看你所说的地方：用于视觉推理的自我锚定注意力
简介本文提出 Self-Saliency 方法，训练视觉语言模型让其视觉注意力与推理过程中提到的图像区域更加一致。方法借助定位模型，把每一步推理中提到的物体所在区域作为注意力的监督信号。在统一构建的 25 个视觉推理基准上，该方法优于既有的注意力引导方法和对图像文本进行定位的基线。
说明用于结直肠癌与肺腺癌稀有联合分子表型预测的状态感知交互多示例学习
简介该论文提出一种弱监督方法State-Aware Interaction MIL，从病理图像预测联合分子表型。它保留各生物标志物特异的组织学表征并建模其交互，同时对四种分子状态组合进行监督。在结直肠癌（BRAF+/MSI+）与肺腺癌（EGFR+/TP53+）上，使用UNI2-h和CONCH表征，该方法的平均精确率均高于对比方法。
说明通过拓扑表示实现神经网络概念的可操作抽象
简介本文提出拓扑概念表示（TCR），一种事后操作抽象，用于同时刻画学习表示中编码的概念及其关系。TCR 基于概念可恢复性与交互分数构建中间概念空间，并以拓扑结构紧凑编码其组织方式，概念层面的干预通过修改该抽象并回传至原始表示实现。作者用 TCR 作为现有擦除方法的预处理步骤，在相近概念泄露水平下，最差群体准确率平均提升21.89；并用其将概念从教师模型迁移至学生模型，概念可恢复性最多提升5.54，同时保持有竞争力的测试top-1准确率。
说明修复批次天际线：基于地理空间危险密度的路面修复优化加权约束满足方法
简介该论文针对道路养护机构的修复规划问题，将路面病害分布转化为有限预算下的修复批次方案：坑洞必须修复，裂缝则在收益足以覆盖成本时纳入，历史修补点仅作为再劣化风险的参考。方法以路段里程而非时间建模，将其形式化为加权约束满足问题（WCSP）。在案例研究中，推荐方案覆盖全部坑洞并覆盖91.6%的裂缝，修复长度约为纳入全部软候选时的83.7%，并通过超参数搜索降低了维修车组调度次数。
说明MetaKernelBench：超越代码衡量GPU内核知识迁移
简介该论文提出MetaKernelBench基准，用于衡量GPU内核优化智能体在一种DSL中提炼出的经验，能否帮助其在另一种DSL中解决同一问题。基准包含74个融合子图问题，分别以CuTe DSL和TIRx两种变体呈现。结果显示，跨DSL技能迁移的收益在-19%至+29%之间，且多数模型在部分问题上出现退化。
说明EMBER-Bench：长时程具身任务中跨事件因果记忆的评测基准
简介该论文提出 EMBER-Bench，一个以第一人称视角构建的评测基准，包含189个家庭任务和699组问答，用于检验智能体能否基于历史事件进行跨事件因果推理。评测包括下一步动作预测和因果回溯两个方向。结果显示，表现最好的模型总体准确率为61.2%，而两位人类评估者的平均准确率为98.3%；作者认为，把过去事件中的因果信息转化为对当前动作的约束，仍是长时程具身智能体的关键难点。
说明FreeLoc：基于扩散辅助位姿精修的在线平面图室内定位
简介该论文提出FreeLoc，一种基于RGB图像的在线平面图定位框架，直接把平面图当作可实时查询的几何地图，无需预先构建密集的离线数据库。方法通过即时的平面图射线查询获取候选位姿，再用扩散模型将其精修为连续位姿估计，并通过在线似然构建支持直方图滤波的时序融合。实验显示其可实时推理，单帧与序列定位性能达到当前较优水平，真实场景结果也验证了其在室内机器人定位中的可部署性。
说明PortraitAes：基于拍摄意图的结构化人像美学评估
简介该论文提出 PortraitAes，用于评估人像照片的美学质量。方法先依据拍摄意图路由到专家评估模块，再进行验证与评分融合，并通过高斯分数校准和维度内跨图排序提升分数可比性。在标准基准和困难样本集上，其 Pearson 与 Spearman 相关系数均优于所评估的通用多模态大模型和专用美学基线。
说明知识追踪基准与模型诊断的信息论评估框架
简介知识追踪模型通常只用 AUC、准确率等整体指标评估，难以看出误差来自哪里，也难以判断基准是否接近饱和。本文提出一种信息论评估框架，以上下文树加权（CTW）估计的可操作不确定性为坐标，把预测结果投影到不同熵区间，分别比较模型的提升。在 NIPS Task 3/4 和 Algebra 2005 数据集上的实验显示，模型提升分布很不均匀，现代模型主要在高熵区域有明显增益；框架也能标出看似提升但需排查对噪声敏感的区域。
说明异步移动机器人的最小化最大位移均匀圆形编队
简介论文研究平面上点状机器人在目标圆上形成正 n 边形（均匀圆形编队）的问题，目标是使任一机器人移动的最大距离最小。作者在 ASYNC 模型（Look-Compute-Move、非刚性运动）下，先给出确定性解的必要条件，再提出确定性、分布式且无碰撞的算法，使机器人在有限时间内形成圆形与均匀圆形。
说明物理增强图Transformer用于贴片天线的正向与逆向设计
简介该论文提出一种基于网格的图学习框架，用于预测贴片天线的辐射方向图，以替代计算代价高昂的全波电磁仿真。模型引入物理增强中间监督（PAIS），让网络同时预测表面电流，从而提高预测精度且推理时不增加成本。在包含8万个样本的CST基准上，GPS+PAIS取得MSE 0.17、PSNR 19.67的结果，并能零样本迁移到标准贴片结构；在逆向设计中，经代理模型筛选的扩散方法相对最近邻检索的MSE降低32%。
说明这个极端场景有多“极端”？面向高速公路场景生成的百分位控制
简介该论文提出用生成场景在给定历史条件下未来风险分布中的百分位来衡量其危险程度，并据此控制生成的角落场景（corner case）的极端程度。方法结合百分位条件的联合扩散模型与采样时风险引导，在highD数据集上以最小侵入后时间（PET）作为风险代理进行实验，在1,440个请求中有1,422个在0.05百分位容差内实现。
说明EPOCH：通过证据治理搜索实现可靠发现
简介该论文提出EPOCH，一种面向AI研究代理的证据治理架构，通过任务契约、类型化记忆、主动证伪、准入检查与独立重放，约束候选方案的评估与解释。论文称其在AlgoTune上取得最优的总体表现（平均归一化得分0.65，最强基线为0.53），并在内部Math14套件上得分最高，同时在十个发现问题上取得了具体进展。作者认为证据治理是产出更可信科学发现的必要步骤。
说明VisualErase：用双分支视觉轨迹重定向实现文生图扩散模型中稳健的概念擦除
简介该论文针对文生图扩散模型的概念擦除问题指出，已有方法只重定向文本到图像的映射，被擦除的模型仍可能保留目标概念的视觉生成轨迹，易受对抗恢复攻击。作者提出VisualErase，借助结构保持的图像编辑构造去除概念后的对应图像，并用双分支重定向损失同时对齐有条件与无条件预测，同时以保留损失减少对非目标内容生成的影响。论文报告在风格、名人和裸露内容的擦除中，七种攻击下的最高攻击成功率分别为0%、8%和0.1%，且保持了通用生成质量。
说明超越过参数化：利用主动查询可证明地学习输入凸多层多项式网络
简介该论文研究层数为L、激活为偶数次k单项式、高层权重非负的多项式网络，这类网络对输入是凸的，但参数优化仍是高度非凸的。作者提出ASPIRE算法，利用输入凸性和主动数据查询，逐层恢复目标网络的全部参数，样本复杂度随深度呈多项式增长。文章称这是深层目标网络首个参数恢复保证，并对高质量数据的作用给出了理论依据。
说明EmoRSS：缓解大语言模型因情绪表达而过度拒答的问题
简介该论文发现，带有情绪表达的良性请求会使大语言模型更倾向于拒绝回答，造成不必要的过度拒答。作者提出一种名为EmoRSS的激活引导方法，在推理时对拒答相关的内部表示进行干预，且不更新模型参数。实验表明，在含情绪表达的请求中，该方法比既有缓解基线更好地平衡了拒绝有害请求与回答良性请求，并较好地保持了通用任务表现。
说明公私信息博弈下基于单侧覆盖的悲观极小极大离线学习
简介本文研究双人零和上下文博弈中的离线学习问题，博弈中同时存在公开信息与私有信息，场景类似带有私人估值的拍卖与谈判。作者提出单侧规定性集中性概念，指出信息不对称会通过影响均衡行为而改变离线数据覆盖。对于有限状态-动作空间，提出的悲观算法可达到 Õ(1/√n) 的可利用度速率；对于一般函数逼近，提出 PPA-PMD 框架，得到统一的 Õ(1/√n + 1/√T) 速率。
说明CIPO：面向自适应工具粒度选择的反事实想象策略优化
简介该论文研究大语言模型智能体在使用工具时，应在原子工具与复合技能之间如何选择。作者提出CIPO框架，通过从成功的工具调用轨迹中挖掘可执行技能，并在关键决策点对比原子与技能两种选择的结果差异来训练策略。实验显示，该方法在多个基准和模型上提高了任务成功率与决策效率，且并非单纯增加技能使用频率。
说明CrystalJev：校准的基础模型概率，决定材料发现中下一步该计算什么
简介该论文提出CrystalJev方法：对冻结的原子基础模型做一次前向推理，给出候选晶体稳定性的校准概率、共形保证，以及何时升级到结构弛豫或DFT计算的规则。在65个Matbench Discovery模型上，按决策价值而非概率排序更慢的计算，可以以十分之一的成本获得大部分收益。在2100次离子取代的DFT前瞻性测试中，基于既有数据校准的预测高估了新候选的稳定比例0.9至2.2个百分点，原因是数据分布发生了变化而非标注协议不同；来自新数据池的数百个标注比无标签修正更可靠地消除了这种偏差。
说明《How Long, Not How Close》：用于隐空间世界模型规划的学习型时间度量
简介该论文提出 TEMPO，一种时间距离规划目标。它在冻结的世界模型之上学习一个小的隐空间映射，使两状态间的距离反映环境步数，并将其并入规划成本，而不改动世界模型本身。在十一个模拟环境中，TEMPO 提升了 LeWM 与 PLDM 两种规划器在各目标距离下的表现，并在 TwoRoom 任务中把 LeWM 的成功率从 36% 提高到 99%。
说明TeleGen：通过运行时遥测改进基于大模型的网页应用生成
简介论文提出TeleGen框架，在大模型生成网页应用的过程中，对生成的应用进行插桩，收集任务执行时的运行时遥测数据，并将原始日志压缩为简要摘要用于代码修复。在WebGen-Bench上，任务成功率从不使用遥测的67.7%提升到76.2%；在Web-Bench上，累计Pass@2从21.7%提升到29.8%。论文指出，遥测对导航、表单流程和前后端协同等隐藏执行路径相关的失败尤其有帮助。
说明几何感知的文本到图像扩散模型偏好优化
简介本文从流形假设出发，重新审视用于扩散模型的 DPO 类偏好对齐方法。作者指出原始 Diffusion-DPO 在完整欧氏空间中优化，未考虑自然图像所在的低维流形结构，可能逐渐损害图像质量和多样性。为此提出各向异性几何感知偏好优化（APO），依据参考模型构造各向异性度量，在参考去噪函数敏感的方向加强约束，在允许安全语义调整的方向放宽约束。作者报告 APO 相较多种现有对齐方法平均胜率超过 60%，所需训练步数更少，且训练过程中保持了生成多样性。
说明基于反射卷积核范数最小化的鲁棒张量补全
简介该论文研究从部分观测且含稀疏严重错误的多维数据中恢复完整张量的问题。作者提出反射卷积核范数最小化方法（RCNNM），用端点不重复的反射代替循环平移，以减少有限非周期数据在边界处的人为失真。在随机采样和稀疏破坏条件下，论文给出了高概率精确恢复的理论结果，并在合成张量、BSDS彩色图像和CAVE多光谱图像上进行实验，边界区域的重建质量提升明显。
说明后训练能修好什么？单题收益在独立强化学习运行间是共享的，且现有检查点比事前信号更能预测
简介该论文测试了一个假设：训练前能否判断模型会在哪些题目上提升。作者在两个基座模型上，对18次后训练运行、最多1532道竞赛数学题进行评估。结果显示，独立运行在哪些难题会提升上高度一致，但两个基座模型之间的一致性较低；而另一模型族某个检查点的单题收益，比各类事前信号更能预测新运行的收益。
说明大语言模型能否理解序列结构？关于推断与生成的受控研究
简介本文研究大语言模型能否从上下文中识别隐含的序列结构，而不只是复制动作的表面频率。作者使用双人石头剪刀布和单人随机n元语法续写两类受控任务进行测试。结果显示，更长的上下文并不改善策略识别，正确识别也不保证模拟忠实，而高阶依赖会明显降低规则恢复能力。
说明计价引导：语言模型能否生成未来的研究想法？
简介本文提出“计价引导”框架，用压缩成本衡量语言模型生成研究想法的能力：引导模型恢复目标想法所需的额外信息比特数。作者在87篇近期深度学习论文上评估了五个语言模型，并用大模型担任评判来判断生成想法是否匹配核心研究对象与机制。结果显示，Fable 5.1的中位压缩成本最低，为69.9比特，而gzip的中位值为5,712比特。
说明IREA：面向规范性检索增强生成的中间表示嵌入对齐方法
简介本文提出一种用于伦理判断的规范性检索增强生成（normative RAG）方法，让大语言模型借助外部规范知识而非仅靠参数内化伦理准则。作者指出叙事性情境查询与通用规范陈述之间存在不对称，因此提出IREA，将两类文本双向映射到共享的“情境-行为”中间表示上。实验结果显示，IREA在多种设定下改善了规范性检索和下游伦理判断的效果。
说明TrajLong：为中期训练协同设计智能体与长上下文监督数据
简介该论文面向编程、搜索等智能体任务中的长上下文需求，提出TrajLong框架，将智能体轨迹编译为带密集监督的长上下文训练任务，针对证据定位、跨证据聚合和时序状态维持三项基础能力。作者用该数据对Qwen3-14B-Base和Qwen3-30B-A3B-Base进行中期训练并随后微调，在6个长上下文与12个智能体基准上取得广泛提升，并通过对照消融显示优于原始及掩码轨迹基线。
说明一个 token 也可能足够：用前缀引导连接提示与激活引导
简介论文研究在模型生成开头的一小段位置施加激活引导（activation steering），是否能达到类似提示（prompting）的效果。作者在注意力层面给出了单 token 与多 token 引导匹配提示诱导输出的充分条件，并提出 Prefix Steering：只在最后一个提示 token 起始的短片段内干预，之后不再直接干预。在四个模型和五项任务上的实验显示，短时干预往往保留了大部分控制能力，同时更好地保留通用能力。
说明BACAM：面向多轮交互的行为感知持续智能体融合方法
简介该论文提出BACAM方法，用于在不保留已融合专家模型的前提下，按顺序把新的专业智能体融入同一模型。方法基于专家引导的行为监督，从候选轨迹中学习参数级融合门控，并通过任务级稳定性与可塑性控制以及张量级冲突感知更新预算减少干扰。在网页购物、工具使用、信息检索和具身交互四项任务上，BACAM平均成功率为62.82%，比评测中最强的融合基线高21.69个百分点。
说明MAGIC：基于拓扑感知的解析式图少样本类增量学习方法
简介该论文提出 MAGIC，一种无需回放旧数据的图少样本类增量学习框架，用于在仅有少量标注节点时持续识别新类别并保留已学知识。它结合冻结的图表示骨干与闭式解析式持续学习，利用基图学到的拓扑先验并通过 Potts 马尔可夫随机场推断缓解新类过拟合，同时通过漂移感知的解析蒸馏减轻跨会话边带来的表示漂移。在五个数据集与八个基线上的实验显示，5-shot 设置下 MAGIC 在平均准确率、最终准确率和性能下降指标上均优于最佳基线。
说明用深度学习的方式构建LLM智能体系统：从模块化设计到架构搜索
简介本文提出仿照构建深度神经网络的方式来搭建大语言模型（LLM）智能体系统：把检索、记忆、提示策略等组件类比为深度学习中的模块，并用反馈机制优化提示词，类比反向传播。作者还借助搜索算法寻找最佳系统配置，类似神经架构搜索（NAS）。实验报告称，模块化架构带来明显性能提升，提示优化至少提升5%，架构搜索相较随机设计的架构提升11%。
说明Trinity：统一的可微物理方法，用于训练、精修与评分生成式布图规划器
简介该论文关注芯片布图规划，即安排模块位置与形状，兼顾线长与面积等目标以及不重叠等约束。作者在统一方案下复现了四种扩散布图方法，并提出基于流匹配的 Trinity，将六个可微函数同时用于训练损失、采样后的精修以及各阶段的软代价。论文报告，在 FloorSet 验证集上该流程的平均硬代价为 1.014，单个案例耗时 1.63 秒。
说明从过载到保障：面向 LoRA 辅助本地部署大模型的高吞吐多 SLO 执行方法
简介本文针对医院、政府等隐私敏感场景中本地部署大模型服务器的需求，指出在同时服务多个 LoRA 适配服务时，难以保证异构服务等级目标（SLO）。论文提出调度方法 HALO，通过划分 GPU 流式多处理器实现 Base 与 LoRA 计算的空间复用，并依据请求级松弛度进行 SLO 感知调度。作者称该方法相比现有基线减少了 SLO 违约并提升了吞吐量。
说明Kapture：利用Koopman驱动学习从毫米波雷达高效重建心电图
简介该论文提出Kapture框架，用于从毫米波雷达信号以非接触方式重建心电图。方法通过Koopman算子在低维可观测空间中建模雷达隐状态的线性演化，并结合时序对比与重建损失，以抑制呼吸和身体运动等可预测干扰。实验基于约80分钟的准静态雷达与心电图记录，结果显示在相同骨干宽度下性能持续提升，紧凑版本参数减少68.1%、浮点运算减少91.3%，精度接近全宽参考模型。
说明EDISCO：面向欧几里得组合优化的等变离散扩散模型
简介该论文提出EDISCO，是首个用于欧几里得组合优化问题（如旅行商问题TSP和带容量车辆路径问题CVRP）的离散扩散模型，其生成分布在二维欧几里得群E(2)下严格保持不变。模型采用E(2)等变的边评分网络，并结合离散边变量上的分类连续时间马尔可夫链。实验显示，在TSP（100至10000节点）和CVRP（50至2000客户）上优于既有学习型方法，且训练实例仅需33%至50%；仅用均匀合成数据训练时，在空间分布偏移和CVRP约束松紧偏移下也优于其他学习基线。
看点首个具有精确E(2)不变生成分布的离散扩散求解器，在TSP与CVRP上以更少训练数据超越已有学习方法，并在分布偏移下验证。
说明教师应如何做准备？针对学生诱发状态的强化学习用于同策略蒸馏
简介本文提出Prep-OPD方法：在同策略蒸馏前，先用强化学习训练教师模型，使其能够适应学生已有的推理状态并在出现错误时纠正方向。训练以最终答案正确性为奖励，基于固定的学生推理前缀优化教师的续写。在八个数学推理基准上，以Qwen3-4B-Instruct-2507为教师、Qwen3-1.7B为学生时，平均准确率较标准OPD和最强基线Relay-OPD分别提高8.28和2.30个百分点。
说明用于六自由度管道跟踪水下机器人的强化学习与经典控制统一动力学框架（NVIDIA Isaac Sim）
简介该论文提出一种六自由度遥控水下机器人（ROV）管道跟踪架构，用同一份USD场景提供BlueROV2-Heavy的真实物理参数，分别用于NumPy实现的Fossen海洋航行器方程和Isaac Sim中的PhysX仿真。作者比较了五种强化学习算法与六种经典控制方法，在包含科氏-向心项的动力学下，PPO、TRPO和反馈线性化取得了100%成功率且跟踪精度较好，并指出DDPG和TD3各有可解释的失效模式。
说明跨国电子病历表示迁移：用于跨国医疗表征迁移的非对称对比学习
简介该论文针对不同国家和机构之间电子病历纵向表示难以迁移的问题，提出非对称监督对比学习（Asymmetric SupCon）预训练目标，使共享同一阳性结局的患者在表示空间中聚集。作者在台湾国民健康保险研究数据库（NHIRD）的398万名患者记录上预训练时序Transformer编码器，并迁移至美国的MIMIC-IV和EHRSHOT数据集。实验显示该方法在四项任务中的平均AUPRC高于直接监督BCE迁移，其中三项高于标准SupCon，仅再入院预测略低0.003。
说明TempoBridge：基于源群体条件与最优传输耦合的单细胞群体转移流匹配方法
简介单细胞破坏性测量只能得到不配对的群体快照，难以追踪同一细胞在不同条件下的变化。作者提出TempoBridge，以源细胞群体作为条件，用流匹配学习时间、基因和化学扰动下的群体转移。训练时借助小批量最优传输提供配对，推理时无需目标表达或最优传输计算。论文报告在留出供体、基因组合和化合物上的预测表现优于多个基线方法。
说明有限和非凸-强凹极小极大优化的近最优复杂度
简介本文刻画了在均方平均光滑条件下，有限和非凸-强凹极小极大优化在随机零保持增量一阶算法中的期望查询复杂度（忽略对数因子）。作者给出对偶链构造的下界，它与κ≥√n时已有的Catalyst上界相匹配；对于1≤κ≤√n，提出递归近端下降-上升方法RPDA，并给出相应上界。在个体光滑假设下，还证明了对所有κ≥1成立的下界，中间条件数区间的差距仍未解决。
看点给出有限和非凸强凹极小极大问题近似最优复杂度的刻画，改进了小κ区间的上界并给出匹配下界，证明完整严格。
说明零样本时间序列问答：感知与推理解耦的方法
简介该论文提出 TSHarness，一个用于时间序列问答的智能体框架，可在未见过的数据集上零样本运行。它把数值感知与语义推理分开：通过结构化的时间序列感知状态提取统计与时序特征，再由回答智能体据此推理，证据不足时反馈触发重新感知。该方法无需针对目标数据集训练或答案反馈。
说明软件世界模型：从后果预测到决策价值
简介论文提出软件世界模型（SWM），用于预测一次代码修改会导致哪些下游组件出错（即“爆炸范围”）。方法分为探索、学习和行动三步：在系统状态中执行候选修改并记录结果，据此微调语言模型，再把预测转为各消费者的故障概率，用于排序修改、主动迁移和决定是否值得再次执行。在合成系统上，其爆炸范围 F1 由静态可达性的 0.431 提升至 0.571±0.037，并在真实库上也显示预测结构化故障结果的重要性。
说明用于评估PINN机理学习的图基检查与干预工具（GIIT）
简介本文提出GIIT工具，把物理方程表示为计算物理依赖图，通过敏感度和趋势分析找出图节点对应的网络内部组件，并用定向干预检验这种对应关系。研究发现，在时间外推的分布外场景中，内部层的对应关系会随之漂移，并在输出误差明显恶化之前就已出现变化。
说明D-DOIT：通过Doob h变换对离散扩散模型进行免训练的适配
简介本文提出D-DOIT方法，可在无需训练的情况下，让离散扩散模型依据通用奖励函数进行适配。它借助离散Doob h变换，通过重新加权反向转移概率来引导采样，仅使用奖励数值而非梯度。实验覆盖调控DNA设计和蛋白质逆折叠基准，论文称其优于免训练引导基线方法。
说明针对未知对手的层级K策略编排：部分可观测动态博弈中的强化学习调度
简介本文研究在对手推理层级未知时，如何调度一组预训练的层级K策略。作者将部署问题建模为部分可观测马尔可夫博弈中对固定策略库的动态编排，比较了基于分类的编排器与以期望折扣回报为目标训练的强化学习编排器。在追逃实验中，强化学习编排器获得了比两种分类编排器更高的回报，并能以更少训练步数达到与直接训练策略相当的性能。
说明局部少数类不平衡下的学习：因观测偏差导致的少数类在特定区域被低估
简介论文指出，现有的类别不平衡方法假设少数类在各处都被均匀地少采样，但实际中少数类可能只在特征空间的某些区域被系统性地少观测。作者提出一种基于树的分层集成方法，递归划分特征空间以减少层内偏差，并引入使用无偏测试集的评估协议。实验显示该方法在模拟数据上优于常用的不平衡处理技术，且同分布留出评估可能严重误导结论。
说明DiVeR：面向视觉-语言-动作模型测试时扩展的决策关键验证器学习
简介论文提出 DiVeR 方法，用于视觉-语言-动作（VLA）机器人策略在推理时的验证器引导扩展。它根据采样动作表示的分散程度估计状态的决策关键性，并据此加权训练验证器，使其更关注动作选择影响最大的状态。作者称在 LIBERO、RoboCasa 及 Franka Research 3 真实机器人实验中，该方法提升了任务成功率，且验证器推理开销很小。
说明面向数十亿规模未精选短视频的多臂老虎机缩略图优化
简介本文介绍一个实时缩略图优化系统，已在某大型短视频平台全球部署，覆盖数十亿视频。针对创作者未手动选择封面的短视频，系统用多阶段候选生成与低延迟服务架构，以在线多臂老虎机框架动态选出更优的缩略图，替代默认帧。文中称这是首个在该规模下成功部署的此类在线框架，并报告用户发现与互动指标有统计上显著的提升。
说明提示词主导与不对称验证器成本：1B规模GRPO在GSM8K上的实证消融研究
简介该论文在10亿参数规模的OLMo-2-0425-1B模型上，用GSM8K数据集研究GRPO强化学习方法。研究比较了估计器选择和奖励信号质量对学习效果的影响。结果显示，提示词格式是决定性因素，3-shot提示使模型准确率达到18.3%，而零样本提示下基础模型仅为0.08%；离策略训练中，裁剪机制对恢复性能至关重要。
说明为智能体机器学习工程系统组装可复用经验
简介本文研究如何从相关的机器学习工程任务中提取经验，并将其注入智能体系统以提升表现。作者构建了 MLE-InsightBench 基准（160 个 Kaggle 竞赛，覆盖 12 个领域，并留出目标任务以防数据泄露），开发了经验组装智能体 MLE-InsightForge 来生成领域、竞赛和改进三类经验。实验显示，相比无经验基线，所提取的经验使归一化私有测试分数提升 123.9%，且三类经验互补，技能式注入通常更具成本效益。
说明TSAE：用于解释时间序列预测模型的结构化稀疏自编码器
简介该论文提出 TSAE，一种结构化稀疏自编码器，将预测模型的隐藏状态拆分为可单独检查的特征，并通过共享与按变量路由的私有字典组织跨变量结构，同时约束相邻时间步稀疏编码的变化。在 ETTh1、ETTh2、ETTm1 数据集上以冻结的 PatchTST 进行的三种随机种子实验中，TSAE 的隐藏状态重建误差、归一化预测重建误差（NFRE）和特征转换率均为五种自编码器中最低，但不同数据集上的选择性、物理相关性与校准表现存在权衡。
说明提升智能家居智能体的韧性
简介本文探讨如何让以大语言模型（LLM）为核心的智能体在开源智能家居平台HomeAssistant中更稳定可靠地工作。作者结合传统监督学习与优化提示词，并使用不同推理能力和成本的多种LLM进行实验，在基准测试中最难的一部分任务上评估表现。结果显示，在多设备控制方面，ReAct和Reflexion两种智能体范式相比微调后的LLM收益有限，但在故障响应等韧性任务上显示出潜力。
说明TRACE：无需训练的扩散风格迁移，利用时间自适应残差注意力与内容-风格分解
简介该论文提出 TRACE，一种无需训练的扩散模型风格迁移方法，用于把风格参考图的视觉外观迁移到内容图上并保留其语义结构。方法先通过离线 CLIP 子空间分析区分内容与风格方向，推理时去除风格图中的内容成分及内容图中的风格成分以减少语义泄漏，并借助残差交叉注意力注入风格，同时在每个去噪步骤自适应调整引导信号。原文报告其在风格保真与内容保留之间取得较好平衡。
说明复杂智能体，浅层测试：揭示并提升真实世界中智能体运行框架的测试充分性
简介本文对真实世界智能体系统中运行框架（harness）的测试充分性进行了首次实证研究，发现其测试严重不足，其中依赖大模型的框架代码覆盖的行和分支不足一半。作者据此提出HarnessTester，一种面向框架的测试生成技术，结合显式的智能体-框架契约来构建测试。实验表明其在覆盖率和变异得分提升上明显优于现有通用测试生成方法，并发现了122个真实框架缺陷。
看点首次系统研究智能体 harness 测试充分性，并提出面向 harness 的测试生成方法，覆盖率与变异分数提升显著，发现122个真实缺陷，其中88个此前未知。
说明PWM：基于在线强化学习的个性化世界模型
简介该论文提出个性化世界模型（PWM），利用用户提供的短场景视频，通过在线强化学习对交互式世界模型进行定制，使其学习特定场景的视觉特征并保持动作条件生成质量。作者还构建了包含150个任务的PWM-Bench基准。实验显示，GRPO和DiffusionNFT两种实现分别在71.3%和65.3%的场景中优于原始Yume模型。
说明残差视觉信用优化：面向多模态强化学习的守恒证据分配方法
简介本文提出残差视觉信用优化（RVCO），把多模态推理中每个词元的信用分配视为守恒的分配问题。方法通过受控视觉干预得到逐词元的证据响应，并用预算熵路由器按感知依赖程度分配固定的序列效用，同时加入残差支持路径保证每个有效位置都有正信用。在四类模型和七个推理基准上，RVCO的准确率优于强RLVR基线，并保持训练后期稳定性与训练成本。奖励、回放轨迹和组相对优势估计器均保持不变。
说明PreAct-Nav：城市导航中先推演再行动的智能体推理框架
简介该论文提出 PreAct-Nav，一个面向城市导航的智能体框架，为冻结的策略加入预判推理能力。方法包括导航记忆模块，用于维护中期子目标并把远距离目标转化为可执行的中间目标；以及基于动作条件世界模型的预测沙盒，在执行前预测候选动作的后果，再由视觉语言模型判断保留或修改动作。执行后，系统依据真实观测修正假设并更新记忆。论文称该方法在较长路线和转弯较多的路线上提升更明显。
说明我们在衡量科学智能吗？重新思考对 AI 科学家的评估
简介该研究指出，现有 AI 智能体科学分析基准默认正确答案来自所给数据，但智能体可能凭先验知识或排除法得出答案。作者通过修改数据证据（保留、撤回或反转），测量“证据依据准确率”，发现 Claude 智能体在单细胞问题上的准确率为 95%，证据依据准确率仅为 41%。
看点提出证据依赖性检验，通过撤回或反转证据版本评估智能体，揭示高准确率多来自先验知识，新颖且证据充分。
说明大型推理模型的可监控性倾向：模型是否愿意主动自我报告不当行为
简介该论文研究大型推理模型是否愿意在推理过程中主动让自己可被监控，并通过工具调用自我报告不当行为。作者在四个模型上测试谄媚、奖励投机和偏见三类行为，发现在工具使用为可选时，平均只有约16%的应报告情形被自我报告，高严重度行为从未被报告，模型还倾向于选择自认为最不严格的监控者。
说明VideoResearchAgent：面向开放网络视频研究的任务合成与仿真到真实强化学习
简介该论文提出VideoResearchAgent，用于让智能体在开放网络上自主查找相关视频、定位视频时间片段并依据画面证据作答。方法包括可控的多跳任务合成、与真实部署对齐的本地视频模拟器，以及用于减少对模拟检索过拟合的RDR-GRPO训练方法。论文报告，在Video-BrowseComp上，基于Qwen3.5-4B训练的智能体准确率为40.48%，与Gemini-3-Flash-Preview相当，同时相对未训练模型减少74.9%的累计API令牌消耗。
说明为何潜意识学习需要如此多的数据：基于转向向量恢复的带噪逆问题视角
简介论文研究“潜意识学习”，即学生模型可从语义无关的数据中继承教师模型的行为特质，但已有演示通常需要数万条载体样本。作者以已知残差流向量为测试平台，比较硬标签（NLL）与软分布（KL）监督的参数恢复效果，发现软监督仅需数百条载体即可近乎完全恢复，而硬监督即使使用数万条仍明显不足。作者将其解释为带噪线性逆问题，并在Qwen2.5-7B和Gemma-2-9B上进行了实验验证。
看点将潜意识学习的数据需求归因于带噪声的Fisher逆问题，并用可直接度量的转向向量恢复验证四项预测。
说明为长周期工作智能体扩展可验证环境
简介该论文提出 WorkForge，一个从真实资源自动构建可验证工作智能体训练环境的框架。它从专家工作流出发，检索真实文件组成工作空间，并从中提取可检查的事实，据此生成任务、解决方案及程序化与语义验证器。作者构建了覆盖40个专业领域、共16.7K个环境的数据集，并报告了在 Qwen3.5 模型上的后训练提升，包括 GDPVal 与 APEX Score 的增长。
说明ScopeSAE：基于可解释层选择的模型作用域特征发现
简介稀疏自编码器（SAE）是机制可解释性研究的重要工具，但现有方法通常按层训练。本文提出ScopeSAE，通过梯度归因为每个词元选择对预测影响最大的词元-层状态，并在该子空间上学习特征。实验显示，其重构结果的下一词元交叉熵低于原始激活，文中还通过干预分析和KL微调对照实验说明这一效果来自该子空间本身，同时在有效特征数、可解释性与利用率等方面优于基于层的基线。
说明自我评估的递归智能体（SERA）：让同一模型学会评判自己分解出的子任务
简介该论文针对递归语言模型智能体，即把任务拆分并交给同类子实例完成的系统，提出SERA方法，让同一组参数同时学习分解任务、解决子任务和评估结果。模型在委派前为每个子任务生成加权的成功标准（评分量规），并以已验证的结果为依据进行排序训练，使标准与真实成功情况相符。在TextCraft-Synth和TextWorld-Sync上，SERA平均分别比强基线提高5.38和13.14分。
说明基于末端测试数据、无监督监控汽车传动系统的数据驱动框架（福特汽车案例）
简介本文提出一种面向高维数据的多变量监控框架，先对数据做预处理并进行时间对齐，再用非线性降维与基于控制图的第一阶段监控程序检测异常，可用于无监督或有监督场景。作者在福特汽车的真实生产数据上评估该框架，结果显示其准确率、召回率和F1分数分别从0.50、0.30、0.429提升至0.625、1.00和0.769，高于公司现有模型。
说明重写关键之处：基于智能体强化学习的自适应多语言查询改写以提升推理能力
简介该论文指出，语义相同但语言不同的查询会让模型走向不同的推理路径，从而造成性能差异。作者提出mRewriter-R1框架，将多语言查询改写建模为多轮序列决策过程，通过自适应选择改写算子进行多方面优化。实验表明，该方法在多个大型推理模型上优于各强基线，并能按查询特点选择改写方式，具有较好的泛化能力和即插即用兼容性。
说明语言模型惊讶度对中文阅读时间预测力的系统分析
简介本文研究由语言模型得出的词元级惊讶度（surprisal）对普通话阅读时间的预测能力。作者提出最短匹配序列（SMS）对齐方法，以处理眼动语料分词与语言模型子词切分不一致的问题，并使用参数规模从1400万到14亿不等、以30B词元从头训练的Chinese-Pythia模型，在三个段落级普通话眼动语料上进行检验。结果显示惊讶度确实能预测中文阅读时间，但预测力随模型规模和训练量的变化因语料而异，且在HKP与MECO中出现逆向缩放现象。
说明SFlexRCA：面向工业物联网边缘系统的轻量、可扩展、灵活根因分析方法
简介本文提出SFlexRCA，一种无需拓扑信息的根因分析框架，适用于计算资源受限的工业物联网环境。该方法将多变量遥测数据转换为紧凑的正交表示，并采用共享的轻量线性建模，避免显式构图和参数随变量或时滞增长。作者在BATADAL、SWaT和WADI三个公开数据集上，与10种基线方法比较了定位准确率、训练效率、推理延迟和内存占用，并在树莓派3和5上评估部署表现。
说明ForkPilot：长链路智能体中回溯搜索的自我进化策略
简介本文针对语言模型智能体在多步工具调用中，回溯搜索容易分配不当的问题，提出搜索价值动态（SVD）概念刻画搜索收益与成本的变化。在此基础上提出ForkPilot两阶段策略学习框架：先从已完成轨迹离线学习搜索价值策略，再依据当前观察做决策并随新轨迹持续更新。在6个基准和多个大模型上评估，性能与先进方法相当，同时最多减少59.2%的token用量。
说明LLM事实核查中的“未来信息泄漏”：衡量误导信息检测中的泄漏渠道
说明基于光场的抗反射六自由度物体跟踪
简介论文提出一种利用光场的六自由度位姿跟踪方法，针对反光表面外观随环境变化的问题。方法逐帧稳健地估计深度与表面法线，将物体外观分解为漫反射反照率与其反射的环境图，并据此构建可重光照的表面光场，再通过光度损失优化位姿。在四种反射率水平的重渲染数据集及两段实采光场序列上评估，该方法在漫反射物体上略逊于最强基线，但在全反射物体上是唯一保持精度的方法。
说明ResOPD：面向稀疏在线策略蒸馏的尾部残差化方法
简介该论文研究在线策略蒸馏中稀疏教师信号的梯度方差问题：采样词元估计无偏但方差大，Top-k 目标则有系统性偏差。作者提出 ResOPD，将未观测到的词表聚合为一个可观测的粗粒度尾部事件，精确计算其聚合梯度，并仅对尾部内部的细粒度残差进行采样，无需额外教师查询。论文称在所评测的设置中，该方法显著降低了梯度方差，稳定了训练并提升了下游性能。
说明SpecFold：折叠多分支冗余，加速扩散语言模型的推测解码
简介该论文针对扩散大语言模型的推测解码，指出在多分支验证中各分支隐藏状态高度相似，存在可利用的计算冗余。提出SpecFold方法，通过逐词残差门控与折叠注意力、前馈层选择性复用父分支计算，并以Triton内核实现稀疏多分支执行。在两个模型系列、五个模型和五个标准基准上，相比Spiffy最高提速1.64倍，相比原始解码最高提速1.99倍，任务表现基本保持不变。
说明非交换算术-几何平均不等式何时成立
简介本文证明：当 n ≥ 2⌈m/2⌉² 时，非交换算术-几何平均不等式成立。论文的动机来自 De Sa 在 NeurIPS 2020 上发表的反例工作。证明方法是在布尔立方体上基于切比雪夫节点构造顶点测度，以提取互异的指标，关键难点在于该测度在非整数节点上不为正。
说明你的时序链接预测器看不见谁在活跃：一个可跨模型迁移的缺失因子
简介该论文指出，时序链接预测通常只关注目标节点的选择，而忽略了源节点是否活跃。作者提出源节点活跃度建模（SNAM），用少于20个参数的自激励事件强度模型刻画源节点活跃度，并将其叠加到多个现有模型的得分上，在多数数据集和设定下提升了平均精度（AP）。
看点证明标准负采样会精确抵消源节点活跃度，并提出可跨模型迁移的小参数活跃度因子，理论与实验结合较好。
说明从记忆到指导：面向程序性编码记忆的时空编排器
简介论文提出“从记忆到指导”的范式，把智能体的程序性记忆从纯文本提示转变为推理时的主动策略调整。作者以“时空编排器”（Spatio-Temporal Composer）实现该范式，它会按当前环境约束调整检索到的知识，并限定其适用的生命周期。在 EngramBench 的 13 个长程软件工程任务上，该方法在最复杂任务中使通过率绝对提升 7.2 个百分点，同时主智能体的 token 用量减少 32.2%。
说明语言模型预训练的贪婪局部学习：差距与目标设计
简介该论文研究把语言模型拆成多个梯度隔离的模块、各自用局部辅助损失训练的方法，并在125M和400M参数规模下与端到端训练比较。作者发现，块数从2增加到4时与端到端训练的差距明显扩大，但在400M规模上有所缩小；将辅助模块改为基于Transformer的结构可弥补22%至41%的差距；多令牌预测辅助目标只在第一个块边界有效。
说明用查询感知的流式潜在推理增强长视频视觉语言模型嵌入
简介论文提出QASLR方法，在固定视觉令牌预算下，从与查询相关的稀疏帧中分段累积证据，生成定长的视频嵌入，以解决均匀采样易漏掉短暂事件的问题。训练结合最终对比学习、逐步对比监督和最终嵌入自蒸馏。在HourVideo检索任务上，2B和8B模型的Hit@1分别从54.2提升至70.7、从57.4提升至72.8；论文称该方法也提升了时刻检索和视频问答任务，并能迁移到另一个Qwen系列嵌入模型。
说明GitSwarm：去中心化的复合推理系统
简介该论文提出“复合推理”范式，让推理阶段的中间成果持久保存、可被检查和继续利用。作者据此实现了GitSwarm系统：多个同质智能体在共享、可分支的Git仓库中异步协作，记录中间产物与语义依赖。论文报告其在IMOProofBench-Advanced和ProgramBench等任务上取得较高成绩，并在三项神经网络架构研究任务中通过多轮实验改进了初始架构。
说明一个图块，多个实例：重新思考稀疏诊断证据的多示例学习
简介本文针对全切片图像（WSI）弱监督分类中的问题：特征提取器通常把每个图块压缩为一个全局嵌入，使注意力机制难以捕捉细粒度的子图块证据。作者提出DI-MIL框架，在冻结的基础模型上对图块内的密集空间特征聚类，将一个图块转换为多个独立加权的实例嵌入，且无需重新编码。在细胞病理学数据上的实验显示，该方法在多数指标上带来提升。
说明CURIO：面向开放式发现的好奇心驱动测试时学习
简介论文提出CURIO框架，在任务奖励之外加入好奇心内在奖励（通过内在好奇心世界模型预测隐藏状态转移误差），鼓励模型探索低奖励但可能有价值的方向。在六个数学发现任务和单细胞去噪任务上，基于Qwen3模型（8B至235B）的实验显示，相比仅用任务奖励的强化学习对照，多数数学目标有所提升，去噪的Score与MSE指标也在各规模上改善。
看点提出好奇心驱动的内在世界模型，用预测误差奖励探索低奖励方向，并在六个数学发现任务和单细胞去噪上相对任务RL控制取得提升。
说明PIT-GCL：基于拓扑图对比学习的蛋白质相互作用预测
简介该论文提出PIT-GCL双塔框架，用于预测两个蛋白质是否相互结合。每个蛋白质独立编码，融合ESM-2序列嵌入、Cα三维点云以及由持久同调得到的拓扑描述符，再通过结构感知Transformer处理。模型在通用蛋白质相互作用、TCR-pMHC结合和全链蛋白对三类基准上进行测试，结果显示在部分任务上优于多种基线，但在TCR-pMHC上被一种任务专用序列模型超过。由于各蛋白质表示可预先计算并复用，该方法便于大规模筛选。
说明用哪些偏好来训练？基于对抗性偏好分布的端到端多目标对齐
简介论文针对大语言模型需要同时兼顾有用性、无害性等相互权衡的目标这一问题，提出MAESTRO方法。该方法把多目标对齐写成关于偏好分布的极小极大问题，用在线镜像下降更新的狄利克雷分布作为对抗性偏好分布，并以强化学习端到端训练单一的提示条件策略。作者称，在HH-RLHF、BeaverTails和摘要任务上，该方法在单次训练中于多数任务取得最佳帕累托前沿，且训练成本在对比方法中最低。
