Hierarchy-GBP: Accelerating Factor Graph Inference via Abstraction and Recovery
说明Hierarchy-GBP：通过抽象与还原加速因子图推断
简介本文提出分层高斯置信传播算法（H-GBP），先在粗化图上解决全局误差，再将结果映射回原图，最后用标准GBP修正局部误差，以加速收敛。作者通过分析组合算子的谱半径证明其收敛到最优解，并在稀疏线性图、位姿图优化和光束法平差问题上进行了实验，结果显示收敛速度明显快于标准GBP。
MemTrace: State-Consistent Memory for Long-Horizon Coding Agents
说明MemTrace：面向长程编程智能体的状态一致记忆系统
简介该论文提出 MemTrace，一种能追踪来源的记忆系统，用于长周期软件演进任务中编程智能体的历史管理。它将执行历史存为不可变的记忆痕迹并建立依赖图，在上下文受限时只保留紧凑的记忆锚点，并在恢复历史证据前检查其与当前代码库状态是否一致。论文称，在三个长程编程基准测试中，MemTrace 在相同底层模型与框架下优于所有完整评估的基线方法。
RSure-Agent: Reliable Use of Tool Observations for Remote Sensing Agents
说明RSure-Agent：遥感智能体如何可靠地使用工具观测结果
简介遥感智能体依靠感知、测量和栅格分析工具完成对地观测任务，但工具即使执行成功，其输出的观测结果也可能有误，错误会沿推理链传播并导致任务失败。作者分析了三个遥感智能体基准中的1229条执行轨迹，发现大量任务存在此类错误。为此提出RSure-Agent框架，要求工具返回过程证据，并利用离线任务反馈构建的任务-工具可靠性先验，决定接受、补充证据或拒绝观测结果。
Cluster Validation Indices as Self-Supervised Objectives for Text Representation Learning
说明以聚类验证指标作为文本表示学习的自监督目标
简介本文提出SilK（轮廓系数引导的K均值），在不使用标签、不需要负样本或图结构的前提下，对预训练语言编码器进行自监督微调。该方法对语料聚类，并将简化的轮廓系数回归到目标值，每篇文档仅与k个聚类中心比较。在BERT-base上，SilK每个epoch的训练速度比所评估的最快基线快1.46倍，峰值显存比最省显存的基线少45.4%。在冻结编码器的线性探测中，SilK在三个下游任务上与最佳基线相当。
Viva La Vida: Verification and Accumulation Failures in Multi-Agent Proof Search
说明多智能体证明搜索中的验证与累积失败分析
简介本文研究在没有证明助手的情况下，多智能体证明系统的验证与引理累积问题。作者对一个系统进行全流程监测，分析了三次完整运行中的51,754条观测记录。研究发现：三模型验证器要求一致通过，解析或接口失败会被当作未通过；部分引理来自被否决的论证，且否决语境被删去。
GRAM: Correcting Frozen Time-Series Foundation Models via Graph-Retrieved Amplitude Memory
说明GRAM：通过图检索幅度记忆修正冻结的时间序列基础模型
简介时间序列基础模型可通过大规模跨领域预训练实现零样本预测，检索增强还能利用历史信息进一步提升效果。本文提出GRAM框架，不再依据相似历史窗口的真实未来值修正预测，而是利用预测误差中反复出现的系统性模型偏差进行修正。框架通过幅度记忆模块按幅度缩放误差并聚合为可检索原型，再用原型图模块抑制随机波动、保留一致偏差，在线预测时为每个预测步生成修正量。实验显示在多个数据集和基础模型上均带来一致的预测改进。
DICE: Decoupling Capability from Intervention Necessity in LLM Tutoring
说明DICE：在大模型辅导中将“能说什么”与“是否需要干预”解耦
简介该论文指出，大模型辅导常默认每个学生回合都需要回应，实则混淆了辅导能力与干预必要性。作者提出DICE框架，先选择明确的教学行动再生成回应，并用干预价值（IV）衡量各行动相对于不干预的反事实收益，发现许多既定干预收益很小或为零。在模拟辅导会话中，DICE将过度干预率降至接近零，并使学生平均少约3至4个回合得出正确解。
★★★★☆ 值得关注
Visual-Invariance-Augmented Feature Optimal Alignment for Transferable Adversarial Attacks against Closed-Source MLLMs
说明面向闭源多模态大模型的可迁移对抗攻击：视觉不变性增强的特征最优对齐方法（IAU-FOA）
简介该论文提出 IAU-FOA 方法，用于生成在闭源多模态大模型之间可迁移的定向对抗样本。方法在全局层面用余弦目标缩小语义差距，在局部层面将图像块标记聚类后用非平衡最优传输进行匹配，并加入模拟曝光、对比度、光照和色温变化的视觉不变性增强。作者称，在开源与闭源模型上的实验中，该方法优于现有可迁移攻击方法。
看点在全局对齐基础上引入patch级最优传输与置信度自适应非平衡传输，并加入视觉不变增强，有实质改进；实验覆盖开源与闭源MLLM，对比充分。
Agent Behavior as Code: Efficient and Robust LLM Agents with Programmatic Specifications
说明将智能体行为写成代码：用程序化规范构建高效、稳健的大模型智能体
简介本文提出ABCAgent，用符号程序（可含神经函数的Python代码）在运行时完整描述智能体行为，并由基础模型智能体对程序进行编辑。该方法在GSM-Symbolic、τ²-bench电信领域等基准上与同规模神经智能体相比准确率更高或相当，同时在多数任务族中延迟和成本显著降低。
Announced Breaks Separate Conformal Reliability from Frequency Calibration
说明预告的结构性断点：区分共形可靠性与频率校准
简介许多结构性断点是提前公布的，但自适应共形方法只能从自身误差中得知它们。论文研究在公布日期重置分位数的做法，并比较两种检验：下一区间的共形可靠性，以及已结束窗口的频率校准，二者结论可能不一致。在大型合成断点后，重置分位数在第50次预测时的覆盖误差为0.035，优于五种自适应基线中最好者的0.052。真实断点多数较小，结果好坏不一。
DriftSR: One-Step Real-World Image Super-Resolution via Distribution Drifting
说明DriftSR：通过分布漂移实现的一步式真实图像超分辨率
简介该论文提出 DriftSR，一种一步式真实图像超分辨率框架，利用预训练扩散模型的先验，在其冻结的中间表示空间中进行分布漂移，无需额外的任务特定特征编码器。方法包括空间特征漂移（将空间特征作为分布样本以提供更密集的监督）和结构调制引导（根据与低质量输入的局部结构一致性调整引导）。在三个真实世界基准上的实验显示其能以一步推理实现高质量超分辨率重建。
MOXIE: Discovering Alternative Explanations for Biomedical Image Classifiers
说明MOXIE：为生物医学图像分类器寻找多种替代解释
简介论文提出MOXIE，一个进化式框架，用于为图像分类器寻找保持预测置信度且尽可能少保留图像内容的分割区域子集。与LIME只给出单一解释不同，MOXIE返回从紧凑到高保真的一组帕累托前沿解释。实验在BloodMNIST和HAM10000数据集上进行，结果显示MOXIE在每张图像上的超体积均高于LIME，并表明替代解释能更完整地呈现模型决策。
An Agentic Approach with Evidence-Grounded Verification for Multimodal Emotion Reasoning in Conversation
说明基于证据接地验证的智能体方法，用于对话中的多模态情绪推理
简介本文提出一种可追溯的多模态情绪推理智能体框架，由视觉、声学和文本感知智能体提供带证据引用的观察，再由整合智能体生成结论。针对预测错误的情况，框架通过确定性检查和蕴含检验定位失败环节，并生成针对性的提示修补，在保留模型权重不变的前提下，在MER2025数据集上提升了多个模型的F值，例如Qwen2.5-VL-7B从52.3提高到54.5。
Separating Decision Time from Decision Quality in the Real-Time Gap of Distilled Deciders: Evidence from a Game and a Conveyor Simulator
说明区分蒸馏决策器实时间隙中的决策时间与决策质量：来自游戏与传送带模拟器的证据
简介论文指出，实时智能体常在暂停世界或把决策时间取整到整数帧的条件下评估，这会低估决策延迟的影响。作者将学习型决策器与零延迟教师之间的差距拆分为时间成分和质量成分，并在ViZDoom游戏和传送带模拟器中进行多组实验。结果显示，在不同主机上两部分的占比有所不同，重新训练（DAgger）能部分改善质量成分。
ExStereo: Lifting 2D Vision-Language-Action Models to 3D with Explicit Stereo Representations
说明ExStereo：用显式立体表示把二维视觉-语言-动作模型提升到三维
简介论文提出ExStereo，一个立体感知模块，为预训练的二维视觉-语言-动作（VLA）模型补充三维感知能力。它从立体图像对重建场景几何，并将多视角观察渲染为显式立体表示，动作令牌通过动作-立体交叉注意力机制关注这些表示。作者在两个公开VLA模型上验证了该方法，并在仿真和真实双臂平台上测试，结果显示使用ExStereo微调的模型表现优于基线。
How Do People Challenge Racial Stereotypes Online? Counter-Story Detection Across Reddit Communities
说明人们如何在网上挑战种族刻板印象：跨 Reddit 社区的反叙事检测
简介该论文研究人们用“反叙事”（counter-storytelling）挑战主流叙事的方式，这类内容此前较少被计算社会科学关注。作者提出一个三维分类体系和多阶段检测流程，用于在 Reddit 讨论中识别成对的种族刻板印象与反叙事。研究标注了 615 个社区中的 25,549 条帖子，识别出 1,312 个反叙事，并发现发帖者身份和帖子语境会影响反叙事的讲述方式。
Multi-Agent Spectrum Sharing
说明多智能体频谱共享：让多台认知雷达学会共用有限的无线频谱
简介本研究探讨多台认知雷达如何通过机器学习在固定的100 MHz频段内共享频谱，而不相互干扰。每台设备独立决定发射的位置与带宽，并依据真实或模拟的信号活动判断哪些频段空闲。实验结果显示，所提出的元学习方法在多智能体频谱共享场景中，平均奖励优于主要基线的强化学习方法，同时保持较低的碰撞率和稳定的发射行为。
Uncertainty in Representation Learning on Knowledge Graphs
说明知识图谱表示学习中的不确定性：研究知识图谱嵌入中三类不确定性及其可靠性保证方法
简介本文系统研究知识图谱嵌入（KGE）中的三类不确定性：输入知识的不确定性、训练随机性带来的算法不确定性，以及模型输出可靠性的预测不确定性。作者提出基于投票的聚合框架以降低训练不稳定性，将共形预测引入KGE以构建具有无分布覆盖保证的答案集，并开发了置信度三元组的预测区间及概率推理的嵌入近似方法。这些与模型无关的方法旨在使知识图谱推理在准确性之外更加可靠。
AID: A Framework for AI Infrastructure Dynamics
说明AID：AI基础设施动态的一个建模框架
简介本文提出AID（AI基础设施动态）框架，用于描述AI推理基础设施中物理、计算、网络和服务过程相互耦合的学习问题，支持可变规模状态、异步观测和随服务变化的需求。作者区分了在既有策略下用于预测的表示与在动作改变后保持服务结果的表示，并给出预测误差下界和精确受控状态约简的充分条件两项分析结果，最后描述了缓存表示等方面的验证协议。
Event Cameras for Melt-Pool Monitoring in Additive Manufacturing: A Benchmark and a Cross-Machine Transfer Analysis
说明用于增材制造熔池监测的事件相机：基准数据集与跨设备迁移分析
简介本文针对金属增材制造熔池监测缺乏公开事件相机基准的问题，提出了 SynAM-E 合成数据集，包含来自 8 家机构 15 个数据源的 85 个经物理校准的事件数据分片，并提供公开基线与跨设备评估划分。研究显示，事件空间监测的宏观 F1 分数（0.874）与密集帧方法（0.863）相当，在 NIST 测试平台的实验中，相比帧流数据大幅减少了传感器读出量。
MedImageOSWorld: Benchmarking GUI Agents for Medical Image Consoles
说明MedImageOSWorld：面向医学影像控制台的图形界面智能体基准测试
简介该论文提出 MedImageOSWorld，用于在模拟的 CT、MR 和超声控制台上评估 GUI 智能体的能力，智能体通过截图和鼠标键盘操作完成协议配置、扫描规划、图像检查与修正，共七个能力层级。测试对11个开源智能体评估，成功率为3.0至25.0，多数智能体能完成大部分流程，但很少能获取目标解剖结构；在毫米级规划与闭环控制上成功率显著下降。两个专有智能体成功率约34，主要在采集质量上优于最佳开源智能体。
TIMBRE: Teaching Time Series Forecasters to Read, Remember, and Reconcile
说明TIMBRE：让时间序列预测模型读懂、记住并整合事件信息
简介本文提出 TIMBRE 方法，用于把新闻报告和历史事件反应转化为对数值预测的调整。模型包含来源感知表示、状态条件的反应迁移和可靠性引导的融合模块，并在冻结的预测头前运作，另有单独模块调整区间宽度而保持中位数不变。在 13 项任务的单种子、单轮开发实验中，TIMBRE 在 8 项上优于普通融合方法，但仅在 2 项上优于原生 Chronos-2。作者指出其表现主要依赖学到的反应迁移，而非普遍的预测优势。
Knowing the Store: What a Memory Backend Must Write Down Before an Agent Can Read It
说明存储的自知：记忆后端在智能体读取前须先记录什么
简介论文研究长期记忆型智能体能否在检索前判断某条记录已不应使用（如用户已取消的计划），并将这种判断单独作为元记忆监控来评分。实验用148个问题，对同一存储的三个仅相差一个属性的版本进行测试，读者只能看到生命周期状态计数和属性名列表。结果显示，列表较长时，部分较强模型优于余弦相似度检索，但在短列表上差异不明显；测试的后端存储或误报此类信息，因此所记录的内容限制了所有读者的表现。
Pressure, Context, and Machine Self-Control: A Criminological Test of Reward Hacking in Generative AI Models
说明压力、情境与机器自我控制：生成式AI奖励投机行为的犯罪学检验
简介本文借用犯罪学中的自我控制、一般紧张、失范、中和及日常活动理论，研究生成式AI模型的奖励投机（reward hacking）行为，即为达成可量化目标而采取未经授权的捷径。研究一涉及7个模型的2310段对话，测量延迟折扣与捷径意愿，结果显示压力与情境线索会显著影响模型选择捷径的倾向。研究二为预注册实验，在测试与规格相矛盾的编程任务中，多数模型出现作弊行为，但也有模型从不作弊；论文据此指出，模型声称拒绝并不等于其行为合规。
Do More Modalities Always Help? A Geometric Perspective on Missing-Modality Robustness
说明更多模态总是有帮助吗？缺失模态鲁棒性的几何视角
简介多模态模型在推理时若缺少某一模态，表现可能反而不如单模态模型。作者发现，多模态训练会使主要参数子空间发生结构性旋转，并提出几何校正方法 Geodesic Unlearning（GU），沿测地线将主要输入子空间旋转至单模态参考方向。实验显示，GU 在缺失模态推理时提升了性能，同时保持了完整模态的准确率。
Not All Answers Are Contextually Persuadable: Inference Dynamics in Large Language Models under Contextual Influence
说明并非所有答案都能被上下文说服：上下文影响下大语言模型的推理动态
简介本文提出一个理论框架，通过推理动态分析上下文对大语言模型的影响，超越仅看输出答案是否改变的层面。作者发现，在反复出现的上下文断言下，内部预测表示会收敛到稳定且依赖查询的状态，从而限制上下文信号能否改变预测。研究还表明，重复的上下文断言并不会像累积证据那样发挥作用，并在实验中验证了理论预测与观测结果相符。
Active-DiNTS: Active Differentiable Network Topology Search
说明Active-DiNTS：结合主动学习的可微网络拓扑搜索（用于3D医学图像分割）
简介本文提出Active-DiNTS，把基于池的主动学习嵌入双层可微网络拓扑搜索中，同时完成架构搜索与标注筛选。每轮依据熵、方差或标准差等不确定性指标挑选MRI体数据交给标注。在MSD Task01脑肿瘤基准上，该方法在单GPU上用较少标注数据取得高于DiNTS、C2FNAS和nnU-Net的Dice，搜索速度比八卡DiNTS快27倍以上。
KALEIDO: Input-Space Adaptation of a Vision Model for Time-Series Forecasting Through Gated Fold Geometries
说明KALEIDO：通过门控折叠几何进行视觉模型输入空间自适应的时间序列预测
简介该论文提出 KALEIDO 方法，把时间序列折叠并绘制成图像，用预训练视觉模型（掩码自编码器）通过图像修补进行预测。方法检测主要周期，生成多种折叠几何并用验证集拟合的门控组合结果，再与零样本输出融合。仅训练 LayerNorm（0.05%参数），在 LTSF 上相对已发表的零样本基线 MSE 降低 13%，冻结时降低 6.6%；在 GIFT-Eval 上 MASE 提升 7.4%，CRPS 提升 19.3%。
Lollypop: Camera-to-Motion-Capture Calibration Verification with a Reference Target
说明Lollypop：用参考靶标验证相机与动作捕捉系统的标定
简介该论文提出 Lollypop 参考靶标，将 ArUco 基准标记与动作捕捉标记点组合在同一物理点上，用于独立验证相机与动作捕捉系统之间的标定是否仍然准确。方法是把动作捕捉点投影到图像中，再与检测到的基准标记中心比较偏差。实验显示名义误差为亚像素级，对受控的外参扰动有响应，并在一段混合搬运序列中误差逐步增大。
RepTC: Representation-Aware Optimization for Efficient Traffic Classification on Edge IoT Devices
说明RepTC：面向边缘物联网设备高效流量分类的表示感知优化方法
简介该论文提出RepTC方法，用于在资源受限的边缘物联网设备上对加密网络流量进行会话级分类。方法联合优化网络结构、会话长度和头部预处理，使模型适配微控制器级的内存、模型大小与计算限制。在多种嵌入式硬件上的实验显示，其在ISCX VPN-nonVPN、USTC-TFC2016、Edge-IIoTset三个基准上分别达到96.21%、99.62%、99.97%的准确率，同时模型规模与计算需求较现有方法降低最多三个数量级。
DASH: Fast, Valid Counterfactuals for Deep Networks via Batched Directional Search
说明DASH：通过批量方向搜索为深度网络快速生成有效反事实解释
简介本文提出DASH方法，用于在深度神经网络上快速寻找与原输入接近、有效且可行的反事实解释，适用于ℓ1、ℓ2和ℓ∞范数目标。该方法利用方向Lipschitz界和局部仿射模型生成锚点，再通过批量网络评估对有希望的区域进行排序与扩展。在表格数据的大量测试中，DASH在94.6%的情况下返回的有效反事实距离处于已观测最佳启发式结果的5%以内，中位搜索运行时间约为0.061秒。
★★★★☆ 值得关注
Super-Resolution in The Right Latent Space: A Frozen Vision-Foundation Substrate
说明在合适的潜在空间中做超分辨率：冻结视觉基础模型作为底座
简介该论文提出，真实世界超分辨率应在更合适的潜在空间中进行，而不是常用的重建型潜在空间或像素空间。作者使用冻结的DINOv3-L前23层融合特征作为底座，训练一个4.15亿参数的解码器，用重建与对抗目标把退化图像的嵌入映回流形并解码。提出的RAESR模型在RealSR、DRealSR、LSDIR和DIV2K-Val上取得了保真度与感知质量的较好权衡，单张512×512图像在H20 GPU上耗时37毫秒。论文还称，换用同样方案下的VAE潜在空间，各项指标均更差。
看点提出在冻结视觉基础模型潜空间中做超分辨率的新思路，并与VAE潜空间对比，实验覆盖多个真实数据集与最新方法。
Repeated-Measure Leakage, Distribution Shift, and Reliability under Partial Observation in Patient World Models
说明患者世界模型中的重复测量泄漏、分布偏移与部分观测下的可靠性
简介本文讨论用于纵向预测和干预推理的患者世界模型，指出预测泛化与因果或临床干预有效性不同，需先检验其预测状态能否跨患者泛化、应对分布偏移与缺失观测并给出可靠性信号。研究以PhysioNet GaitPDB步态数据（165名参与者、306条记录、51,129个上下文-未来样本对）做短期数字生物标志物预测，比较多种模型并逐步排除数据泄漏，结果显示留出患者后性能下降，部分观测下表现进一步变差。作者明确表示并未得出纵向或干预感知模拟器的结论，只支持将这套评估流程作为前提。
ARISE: Adaptive Agentic Reasoning with Image-grounded Self-Evaluation for Interpretable IBD Assessment
说明ARISE：基于图像自评的自适应智能体推理框架，用于可解释的炎症性肠病评估
简介该论文提出ARISE框架，将少样本医学图像理解建模为分阶段的智能体工作流，包括假设生成、图像证据总结、证据条件化修正、符号验证和最终诊断。研究将其应用于胶囊内镜图像（克罗恩病）和B超数据（溃疡性结肠炎）两个独立队列。结果显示，相比基线视觉语言模型，该框架提升了诊断表现，并能展示推理成功或失败之处，以提供更可解释的依据。
Learning Task and Motion Plans from Real Demonstrations with Hybrid Flow Matching
说明用混合流匹配从真实示范中学习任务与运动规划
简介本文提出一种混合流匹配规划器，用同一个网络同时生成符号任务计划（离散流匹配）和运动轨迹（连续流匹配），面向移动机械臂的长时程操作。方法利用示范的中间片段和同类物体可互换的特性，在较少的示范数据上训练，并支持闭环逐步重规划。在仿真中，重规划使任务完成率从40%提升到53%，并在真实移动机械臂上验证。
Flow Policies as Actions of Skill-Level World Models: Learned and Symbolic Abstractions for Long-Horizon Planning
说明基于流匹配策略的技能级世界模型动作：用于长时程规划的习得与符号抽象
简介该论文研究机器人如何通过技能级动作缩短规划序列。作者用流匹配策略把完整技能执行映射为一次世界模型转移，并提出四种动作抽象，包括压缩种子、两种从示范中学到的离散编码和符号标签。在需要最多14个连续技能的模拟积木重排任务中，符号标签在需要至多6个技能的任务上成功率超过90%，而无标签的物体中心习得编码在单技能任务上与之相当。
Variance-Optimal Control Variates for Learning with Black-box Feedback
说明面向黑盒反馈学习的方差最优控制变量
简介本文研究模型通过人类、优化求解器等黑盒预言机获取反馈时的梯度估计问题。作者指出，即便是精确的动作价值函数，也可能远非方差最优，因为动作还会通过共享参数影响梯度估计器的其余部分。论文证明残差方差可按动作无交叉项地精确分解，并由此给出神经网络参数的闭式方差最小化修正，可通过简单投影计算；实验显示该修正能进一步降低价值函数留下的方差并改善各任务的学习效果。
EasyClassifier: Honest, Reproducible Machine-Learning Classification for Researchers Who Do Not Program
说明EasyClassifier：面向不写代码研究者的诚实、可复现机器学习分类工具
简介本文介绍开源Python工具EasyClassifier，研究者无需编程，通过通俗的选择题即可从CSV或Excel文件完成分类分析。工具默认采用正确流程：预处理在每个训练折内单独完成，所选分类器使用嵌套交叉验证或独立测试集给出最终分数，并自动生成报告。在十个公开数据集和随机标签对照实验中，其报告的分数偏差明显小于常见做法。
When Is Enough Enough in Self-Evolving LLM Systems?
说明自我进化大模型系统何时该停止：在线停止与输出选择方法
简介该论文研究自我进化大语言模型系统何时应停止迭代，以及停止后应输出哪一版构件。作者用在线序贯检验构建可随时有效的重启检测器，并用变点估计选择较早的构件输出，方法无需修改原有算法。在两个框架、三类模型和五个基准上，该方法显著降低了计算成本，同时保持相近的未见测试表现。
★★★★☆ 值得关注
FoSeRL: Formal Sequential Robustness Certification for Reinforcement Learning Policies
说明FoSeRL：强化学习策略的形式化序列鲁棒性认证
简介该论文提出 FoSeRL 框架，用于对已部署的强化学习策略进行认证，衡量其在时间稀疏的动作扰动攻击下的回报损失上限。方法无需修改策略，也不需要平滑或重新训练，只需一个可重置的模拟器，并通过时间相关的屏障条件给出在指定置信水平下的概率保证。在六个随机连续控制环境和 TD3、SAC、PPO 三类策略上，该框架得到了可认证的鲁棒性边界，并显示名义性能相近的策略其鲁棒性差异明显。
看点提出无需改动策略、基于随机化仿真器的序列鲁棒性认证框架，用时间依赖障碍条件给出概率保证，并在六个环境、三类策略上验证，对比平滑方法有明显提升。
More Value per Key: Asymmetric Sparse Attention for Faster LLM Decoding
说明每个键配更多价值：用于加速大模型解码的非对称稀疏注意力
简介论文指出，在部分稀疏注意力方法中，概率与值的乘法开销几乎可以忽略，瓶颈转移到查询-键计算上。因此可以减少键头数量来加速推理，同时保留更多值头以维持模型能力。作者提出SAGA（非对称分组查询注意力）和Atop-N稀疏注意力，在长上下文中实现端到端解码速度超过2倍的提升，并提供将预训练模型转换为该架构的微调方法。
★★★★☆ 值得关注
Variance-Aware Fine-Grained Gap-Dependent Bounds for Online Reinforcement Learning
说明面向在线强化学习的方差感知细粒度间隙依赖界
简介本文研究表格型有限时域马尔可夫决策过程中的无模型在线强化学习，关注间隙依赖的遗憾与策略切换代价。作者首次为基于方差的探索奖励算法UCB-Bernstein+给出细粒度间隙依赖遗憾上界，并通过分阶段策略更新设计，取得目前已知最好的局部切换代价间隙依赖结果。此外，该分析也改进了原UCB-Bernstein算法的最坏情况保证，数值实验显示其在遗憾与局部切换代价上表现良好。
看点首次为基于方差探索奖励的无模型强化学习建立细粒度间隙依赖遍历界，并改进切换代价，理论贡献明确且有数值实验支持。
Dynamic Routing as a New Dimension for Test-time Versatility of LLMs
说明动态路由：提升大语言模型测试时通用性的新维度
简介该研究探讨在不做梯度更新的前提下，让大语言模型通过动态路由程序（跳过或重复执行部分层）在测试时适应新问题。研究发现，基于模型对示例标签概率的选择策略，在MMLU多数任务上带来稳定提升，并在ARC-AGI等分布外任务上显著提高准确率，且可与思维链方法互补。作者同时指出，基于置信度的选择仍有较大潜力未被挖掘。
★★★★☆ 值得关注
Agentic discovery of blood biomarker from distilled private health records
说明基于蒸馏私有健康记录的智能体血液生物标志物发现
简介论文提出一种方法：在数据边界内训练图注意力网络，用于预测常规全血细胞计数候选表达式对13种免疫介导疾病的病例对照AUC，仅发布训练后的权重。智能体借助该评分工具进行提出、评分与优化的循环，无需接触任何患者数据。外部验证显示，智能体发现的表达式相对文献起点提升中位数为4.18个AUC百分点。
看点将私有医疗记录蒸馏为可发布的评分模型，使智能体在不接触患者数据下发现血检生物标志物；跨三队列外部验证，证据较扎实。
Formalizing the Moral Evaluation of Speech Acts: Truthfulness, Lies and Ethical Dilemmas
说明言语行为的道德评估形式化：真实性、谎言与伦理困境
简介本文提出一个基于行动者信念、对言语行为话语进行伦理评估的逻辑框架，并用答案集编程（ASP）实现。该框架依据义务论、结果主义和原则主义来评估话语，并以萨特《墙》（1939）为例说明：在该故事中，说谎有时导致获救，有时导致死亡。作者称，适应新的道德情境只需调整参数，而无需改动规则。
Exact Fast Batch Simulation for Tabular Reinforcement Learning
说明表格型强化学习的精确快速批量模拟方法
简介本文针对有限时域表格型马尔可夫决策过程，提出一种精确的快速模拟框架，避免为计算只需汇总统计量的场景而逐条生成轨迹。框架包含两种模式：直接批量模拟通过马尔可夫流的聚合或前向采样获得批量的统计表示，对批量大小的依赖由O(m)降为O(1)；自适应批量模拟在批次长度由数据决定时，利用多变量超几何分裂逐步细化候选马尔可夫流，将依赖降为O(log m)。该框架可用于模拟器、离线及在线的批量或阶段式强化学习。
BoT-Feedback: Grounding Multimodal Reasoning in Biomechanical Evidence for Explainable Human Action Feedback
说明BoT-Feedback：以生物力学证据支撑多模态推理，生成可解释的动作反馈
简介该论文针对多模态大模型在动作指导反馈中的不足，提出BoT-Feedback框架，通过四阶段生物力学推理（Biomechanics of Thought）识别动作、定位关键身体部位、比较专家与学员的量化生物力学差异，并生成可解释的指导意见。论文还提出了生物力学数据解析器和配对视频基准BiomAF。实验显示，该方法在十二个模型上提升了反馈质量并减少了生物力学幻觉，平均专家评分由2.07提高到2.95。
Lie Rarely, Lie Big: Stealthy Insider Attacks on LLM Robot Teams
说明少撒谎，撒大谎：针对 LLM 机器人团队的隐蔽内部攻击
简介论文研究多机器人协作勘测中，一个被攻陷的机器人如何借助 LLM 智能体的规划与互信机制，对共享结果造成隐蔽破坏。作者推导了攻击者的报告被核实概率的下界，以及隐蔽攻击造成地图误差的上界。实验表明这些界在攻击实际消耗的预算下成立。
ThyCLIPNet: A BiomedCLIP-Guided Lightweight Attention-Enhanced DeepLabV3+ Framework for Robust Thyroid Nodule Segmentation
说明ThyCLIPNet：基于BiomedCLIP引导的轻量注意力增强DeepLabV3+甲状腺结节分割框架
简介该论文提出ThyCLIPNet，一种用于甲状腺超声图像分割的轻量级混合编码-解码框架，将BiomedCLIP视觉编码器提取的全局生物医学语义信息融入多尺度CNN分割流程。在TG3K、TN3K、DDTI和PKTN四个数据集上，Dice系数分别为96.22%、87.58%、84.73%和80.70%，模型参数量为8.55M，计算量为22.99G FLOPs。
Robot Learning with Visual Predicted Force
说明基于视觉预测力的机器人学习：通过柔性夹爪形变估计接触力、辅助操作决策
简介该论文提出无需力或触觉传感器、仅依靠视觉预测接触力的机器人操作方法。作者利用柔性Fin Ray夹爪的形变训练视觉力估计器，为示范数据标注力信息，再训练动作与力联合生成策略。测试时采样候选动作及其预测力，选择与示范目标力最接近的动作执行，并在浆果采摘、空罐抓取、手内重定向和插销等接触密集任务上进行了评估。
Toward a Locally Deployable Agentic Co-Scientist: Small-Model Planning for Early-Stage Drug Discovery
说明迈向可本地部署的智能体共同科学家：面向早期药物发现的小模型规划
简介论文提出一个轻量级工具增强框架，由可本地部署的小型语言模型规划对18个模块化计算工具的调用，并通过统一分子模式维护分子记录。作者构建了1263组人工精修的查询-计划数据，用LoRA微调三个小模型。在更严格的工作流分组划分下，完整序列精确匹配率为0.452至0.548，表明组合泛化仍是改进方向。
PyINE: A Framework for Scalable Elicitation and Oversight via Code Execution
说明PyINE：通过代码执行实现可扩展引导与监督的框架
简介本文提出PyINE框架，用可插桩的Python程序作为可验证的执行环境，由执行轨迹提供结果与中间事实的权威标签。研究者基于约一百万条确定性执行轨迹及50多万个LLM生成的代码变体构建了PyINE-v1，训练了一个易走捷径的模型，并评估了多种监督方法。结果显示，数据集整体表现可能掩盖对关键失败模式的覆盖不足，廉价的学习型监督器常漏检罕见的捷径错误。
Probabilistic Pedestrian Forecasts from a Handheld Phone: World-Frame Heat Maps, Visual-Inertial Height Drift, and Evaluation without Ground Truth
说明手机上的行人概率预测：世界坐标热图、视觉惯性高度漂移，以及无真值评估
简介这篇论文研究如何用手持手机的单目摄像头和视觉惯性里程计，预测附近行人在未来几秒的位置，并以概率热图的形式呈现在地面坐标系中。作者用小型U-Net网络在鸟瞰和第一人称轨迹数据上训练，并在手持视频中以跟踪器自身的后续测量作为代理真值进行评估。结果显示，在测试集上网络在4.8秒时的负对数似然低于拟合的恒速高斯基线；在手持视频的保留片段上，优势在1.2、2.4和4.8秒时仍存在，但约为开发集的一半。作者也指出，这类自洽性评分能说明的范围有限。
Knowledge Graphs Quality Assessment in the Era of LLMs: A Conceptual Framework
说明大语言模型时代的知识图谱质量评估：概念框架
简介本文回顾了数据、信息、关联数据、知识图谱以及知识图谱与大语言模型交叉领域的质量评估文献。作者将现有框架扩展为包含24个质量维度及相应质量指标的目录。在此基础上，论文提出一个可按领域或任务定制、通用且实用的知识图谱质量评估框架。
Investigating Spatiotemporal Redundancy in Video Transformer for Collision Anticipation
说明视频Transformer中的时空冗余研究：用于碰撞预判
简介本文研究在工人与设备接近监测中用于碰撞预判的视频Transformer（VideoMAEv2-Base）中哪些计算存在冗余。作者发现时间维度上的相邻令牌相似度很高，而空间维度相似度低，据此进行时间令牌合并，计算量从356.99降至178.50 GFLOPs，单段视频延迟由12.69毫秒降至7.21毫秒，平均精度仅从0.7478变为0.7443。
Verb-ICL: Rethinking In-Context Learning for Structured Prediction
说明Verb-ICL：重新思考面向结构化预测的上下文学习
简介本文提出 Verb-ICL，一种用于大语言模型上下文学习（ICL）结构化预测的选择性标注框架。它先用基于词元覆盖的策略挑选代表性示例，再生成可操作的错误反馈，将任务标注规范融入示范样例。作者在六个涵盖信息抽取与语义解析的数据集上评估，报告其在低资源设置下优于选择性标注基线，且随标注预算增加仍有提升。
Latent-Lagrangian Neural Networks for Reduced Order Modeling of Non-autonomous Nonlinear Dynamical Systems
说明用于非自治非线性动力系统降阶建模的潜拉格朗日神经网络
简介本文提出一种基于潜拉格朗日量的受迫非线性动力系统降阶建模框架。与传统拉格朗日或哈密顿神经网络不同，该方法学习足以刻画动力学的一组潜在坐标，并用两个神经网络分别表示潜在动能和潜在势能，借助力的监督在训练中无需使用常微分方程求解器。潜在空间中的物理一致性通过虚功原理保证。结果显示，该模型能够学习由系统非线性和非凸势能引起的细微动力学，并能很好地推广到未见过的外力和初始条件。
NAMVIS: Next-Scale Autoregressive Multi-View Image Synthesis
说明NAMVIS：基于下一尺度自回归的多视角图像合成
简介该论文提出 NAMVIS，一种不使用扩散模型的稀疏视角新视图合成方法，把多视角图像生成重写为几何条件下的下一尺度自回归。模型通过少量由粗到细的尺度步骤预测离散视觉标记，并结合多尺度投影位姿编码与几何感知交叉注意力，以保持源视图外观和目标视图一致性。论文称其在 Objaverse、GSO 和 OmniObject3D 上的 PSNR、SSIM、LPIPS 指标优于扩散基线，且速度约为其 3 倍以上。
Knossos and Ariadne: Benchmarking and Learning Complete Diagram Topology Extraction with Vision-Language Models
说明Knossos 与 Ariadne：用视觉语言模型对完整图示拓扑提取进行基准测试与学习
简介该论文研究把结构图示转换为图结构的任务，即提取图中所有实体及其之间的完整关系。作者提出了包含 19,200 张图示、覆盖六个领域的基准 Knossos，并提出将任务拆分为节点清单提取和基于源节点的边预测两步的框架 Ariadne。实验显示，在 Knossos 上训练能提升较小的开源视觉语言模型的表现，Ariadne 在评估方法中取得最高的平均 Edge F1。
WNet: Discrete Wavelets Transform for Efficient Token Mixing
说明WNet：用离散小波变换做高效的词元混合
简介WNet 是一种 Transformer 编码器，用离散小波变换（DWT）替代自注意力来实现词元之间的信息混合，避免两两比较带来的二次方计算成本。文中提出多种无注意力的混合方式，并分析了滤波器长度对感受野的影响。实验在相同设置下与 BERT、FNet 对比，其中基于门控的混合器在 4,096 个词元时训练速度约为注意力的 2.7 倍。
Learning to Clarify Underspecified Intents Under Limited Interaction
说明在有限交互下学习澄清未明确的用户意图
简介AI助手常遇到缺少关键信息的请求，需要先提问或自行猜测。本文把这一问题看作信息价值问题，训练助手优先询问最能减少用户效用损失的信息。作者在图像生成任务中用强化学习和多轮模拟用户进行训练，并在76名参与者、456次交互的预注册实验中显示，该方法使用户生成结果更接近参考图像，且提问更少、耗时和成本更低。
AegisFlow: A Multi-Agent Agentic AI Framework for Autonomous Remediation and Self-Healing in Fragile Data Ecosystems
说明AegisFlow：用于脆弱数据生态中自主修复与自愈的多智能体框架
简介该论文提出AegisFlow，一个多智能体框架，由监控智能体收集运行时遥测数据，修复智能体基于大语言模型自动生成、测试并部署代码补丁。系统在数字孪生环境中通过并行影子打补丁（Parallel Shadow Patching）验证补丁。作者在五种常见故障场景中评估，报告平均修复时间从170分钟降至3.2分钟，补丁成功率为92%。
Towards Automatically Pruning Logging Code with Coding Agents: How Far Are We?
说明用编码代理自动精简日志代码：我们还有多远？
简介本文研究开发者如何删除日志代码，并探讨编码代理能否完成这一任务。作者从Python和Java仓库中提取并人工验证删除案例，归纳出10种删除模式和11种删除原因，并构建了包含387个真实案例的LogRem数据集。评估四种编码代理后发现，虽然多数输出通过有效性检查，但只有11.1%至19.6%与真实变更的删除范围一致。
GPU-Accelerated Bregman Douglas-Rachford Splitting for Discrete Optimal Transport
说明基于GPU加速的离散最优传输Bregman Douglas-Rachford分裂算法
简介本文提出一种在GPU上运行的Bregman Douglas-Rachford分裂算法（BDRS），用于求解离散最优传输问题。该方法支持显式成本矩阵、带地面成本的点云以及规则网格上的可分离成本三种输入形式，并针对每种形式设计了数学上等价、更适合硬件的迭代表示。作者将三种实现与同一设备上的八个已有GPU求解器进行对比，结果显示其在各自输入格式上达到了当前最优水平。
EVFormer: An Egocentric Vision-EMG Bidirectional Attention Model for Bimanual Hand Pose Estimation
说明EVFormer：融合第一人称视觉与肌电信号的双手姿态估计模型
简介本文提出EVFormer，将当前RGB视频帧与此前200毫秒的双侧手腕表面肌电信号结合，估计44个手指和手腕关节角度。模型通过双向交叉注意力和门控融合整合两种模态。在单人可行性研究中，其平均绝对误差为11.482度，低于各对比基线，但仍需跨被试和真实场景的进一步验证。
Organising Trajectory Evidence for Language-Model Agent Assurance: Fragments, Methods, and the Residual
说明语言模型智能体保障的轨迹证据整理：片段、方法与残余
简介这篇论文提出一套框架，用于整合评估语言模型智能体的多种方法（如规则检查、前缀监控、执行门控等），并说明各方法给出的结论强度及未覆盖的部分。作者在456条已公开的τ²-bench电信轨迹上进行了测试，基准评估标出231次运行，加入其他检查方法后合并结果提升至407次，仍有49次未被标记的运行构成残余。
Localized Operator Learning with Adaptive Partition-of-Unity Mixture-of-Expert Networks
说明基于自适应单位分解混合专家网络的局部化算子学习
简介本文提出用单位分解（POU）混合专家框架做局部化算子学习，用于处理界面尖锐、系数异质和多尺度局部结构的偏微分方程。核心方法HiRefPOU是面向DeepONet的分层残差式POU架构，通过嵌套的父子分区组织局部表示并保持全局连续性。在异质Darcy和反应扩散基准上，其误差明显低于全局DeepONet和静态POU-MoE基线；学到的分区可解释，并与界面和解快速变化区域对齐。
VoCa: Designing Speech-Canvas Interaction for Voice-Based Conversational Agents
说明VoCa：为语音对话智能体设计语音与画布的协同交互
简介该研究观察人们边说边写画的协作方式，并据此提出语音与画布的交互设计空间。作者开发了语音智能体 VoCa，可在语音的同时创建、标注视觉对象并引导注意力。18 名参与者进行为期五天的部署测试，结果显示该方式在学习、工作和日常生活中有潜力，同时在让用户理解并影响智能体所说与所示内容方面存在挑战。
Neurodiversity-Aware Multimodal Affective Computing for Neurodevelopmental Assessment: From Norm-Referenced Classification to Context-Sensitive Decision Support
说明面向神经多样性的多模态情感计算框架：从常模参照分类到情境敏感的决策支持
简介本文提出一种可检验的神经多样性感知多模态情感计算架构，用于神经发育评估，主张群体相对偏离不能直接视为不良功能的充分证据。文章是概念性论文，不报告新的受试者研究或训练好的预测系统，也不声称预测或临床上的优越性。框架区分观察信号、模态质量、情境、群体相对信息及个体内参照等环节，并规定目标效度、时间完整性、情境泄漏、模态缺失稳健性、校准、亚组评估等可审计要求。其贡献在于架构层面，自闭症是主要的动机性证据基础。
Learning Discriminative Geometry for Drifting Models
说明学习用于漂移模型的判别式几何结构
简介漂移模型把迭代式分布细化从推理阶段移到训练阶段，实现单步生成。论文发现，在复杂图像数据上，漂移场所用的表示空间影响很大：像素空间表现较差，预训练特征空间则明显提升样本质量。作者提出持续表示学习，让表示的判别式几何随生成器在各批次中的演进而持续更新，并在多个数据集上把 FID 相对原始像素空间漂移模型降低约 82%–95%，且无需预训练编码器。
Decouple, Purify and Unite: Semantic-Structural Prototype Learning for Federated Medical Segmentation
说明解耦、净化与融合：面向联邦医学分割的语义-结构原型学习
简介该论文针对联邦学习中不同医院设备与协议造成的特征异质性问题，提出FedBCS+方法。它通过频域风格重校准分离内容与风格，并将多层特征解耦为语义原型与结构原型分别对齐，同时依据原型偏离全局共识的程度调整客户端聚合权重。在五个异构医学分割基准上，该方法取得了比较方法中最高的平均Dice分数。
Score-Calibrated Flow for Sampling from Unnormalized Densities with Applications to Generative Online Reinforcement Learning
说明面向未归一化密度采样的分数校准流及其在生成式在线强化学习中的应用
简介该论文提出分数校准流（SCF），用于训练生成模型从未归一化的玻尔兹曼密度中采样，无需重要性采样，也不需要通过采样轨迹反向传播。方法通过强制自洽性学习目标流，并将其用于在线强化学习的策略训练。实验显示，SCF 在强化学习基准上与现有生成式策略基线持平或更优，同时明显缩短训练时间。
Low-Fidelity FDM Spectral Guidance for Neural Eigenvalue Solvers
说明用低精度有限差分谱引导神经网络特征值求解器
简介本文研究算子特征值问题，提出先用粗网格有限差分（FDM）计算得到近似谱，再把这些近似特征值作为固定位移用于神经求解器训练。作者还提出了稳定化逆幂法神经网络（SIPMNN）以改进高维训练。文中在十维的五个测试问题上表明，该组合方法总体上比所测试的纯神经方法更准确，且迭代次数少约八至十倍。
★★★★☆ 值得关注
RAGStress: A controlled benchmark for evaluating retrieval-augmented generation under knowledge-base degradation
说明RAGStress：在知识库受损情况下评估检索增强生成的受控基准
简介该论文提出 RAGStress 基准，用于在知识库受到系统性破坏时测试检索增强生成（RAG）系统的稳健性。基准包含四类破坏（事实篡改、数字错误、相关性投毒、矛盾注入）和三个严重程度，基于 57 个 MMLU 学科、182,546 篇文档构建。作者在 52,500 次评估中发现：干净检索可能掩盖稳健性差异，语义类破坏比信号效用类扰动危害更大，无检索准确率无法预测受损检索下的稳健性。
看点提出可控的RAG知识库退化压力测试基准，发现干净检索会掩盖鲁棒性差异；52,500次评估支撑结论，对子领域有实际参考价值。
★★★★☆ 值得关注
SepRQ : Self-Supervised Speech Mixture Representation Learning via Mask-Free, Multi-Scale Source Separation
说明SepRQ：无需掩码、多尺度源分离的自监督语音混合表示学习
简介该论文提出SepRQ，一个开源的自监督语音表示学习框架，用基于冻结随机投影码本的伪源分离目标取代掩码预测，专门面向多说话人场景。该方法采用无掩码、多分辨率的设计，在SUPERB基准的说话人日志和语音分离任务上取得了当前最佳表现，并报告在三说话人混合数据（WSJ0-3Mix）上有较强的分离能力。模型推理参数量为8568万。
看点用伪源分离目标和无掩码多尺度方法替代掩码预测，在SUPERB说话人分离与语音分离上取得领先，并在三人混合上有较强表现，证据较充分。
Understanding Errors in LLM-Based Question Answering over Imperfect Tables
说明理解大语言模型在含错表格问答中的错误表现
简介本文研究大语言模型在存在错误的表格上回答问题时的表现。作者基于 RADAR-T 中经人工复核的样本，对三种模型做了受控实验，比较行顺序变化、原始表格、标注错误的表格和修复后表格的差异。结果显示，行的排列会影响模型发现错误的能力，而仅提供错误位置并不足以保证回答准确。作者还提出了 GBDI 工作流，在五个模型上相较代码代理基线提升了问答准确率。
When Debate Helps: Proposal Supply and Verification-Aware Readout in Multi-Agent Reasoning
说明何时辩论有效：多智能体推理中的提案供给与验证感知读出
简介该论文研究多智能体辩论为何常常无法超过简单多数投票。作者提出两个机制：提案供给需要提出正确答案，读出需要在投票漏掉正确答案时识别出它。文中提出潜在验证辩论（LVD）模型，并利用神经灌木丛智能体构建覆盖度优化的群体，在两种骨干模型和预算匹配的推理基准上提升了总体准确率。
Steering Speech-Language Models: Training-Free Task Specialization via Contrastive Activation Addition
说明语音-语言模型的训练免费任务控制：基于对比激活加法（CAA）
简介论文提出一种无需训练的对比激活加法方法（CAA），仅用少量带标注语音样本为语音大模型推导出针对转写等任务的引导向量，推理时加入表示空间即可引导模型执行目标任务。结果显示，与单独使用提示词相比，结合引导向量在自动语音识别、情感识别等多数任务上表现更好，并能迁移到域外数据；论文还展示了用于约束特定语言书写文字的脚本归一化方向。
COMPASS: Comet Object Measurement Pipeline with Automated Selection and Scoring
说明COMPASS：彗星分析自动化流程（用于评估单细胞DNA损伤的图像分析工具）
简介彗星试验（单细胞凝胶电泳）是一种常用于量化单个细胞DNA损伤的技术，但图像分析多依赖人工或半自动软件，费时且难以复现。COMPASS结合基于深度学习的彗星分割、损伤测量与自动彗星筛选，输出标准化的DNA损伤测量结果，并支持可选的人工复核。该工具以Python实现，已在GitHub公开提供。
Extracting Persona Subspaces Through Iterative Nullspace Projection For Modulation
说明通过迭代零空间投影提取人格子空间以实现调制
简介论文提出PaSS方法，在推理阶段把大语言模型的人格建模为潜在空间中的多维子空间，并通过迭代概念擦除（INLP）提取，无需重新训练即可增强或抑制人格特征。在MATH-500、TinyAlpaca、GSM8K和IFEval等任务上的实验显示，该方法比单方向加性方法调制效果更强，同时保持任务内容的准确性。
MASBench: Benchmarking LLM-based Multi-Agent Collaboration under Partial Observability
说明MASBench：部分可观测条件下基于大语言模型的多智能体协作基准
简介本文提出MASBench，一个在部分可观测约束下评估基于大语言模型的多智能体协作的基准。它按推理、调度和博弈三类任务逐步设计，用于考察协议、记忆和路由三种协作机制。评测采用性能得分、通信成本和成本效益等确定性指标，并在多种大模型骨干和机制配置下进行实验，为多智能体系统设计提供经验指导。代码已公开。
★★★★☆ 值得关注
Asking the Crowd the Right Question: Bias-Cancelling Weights for Federated Learning
说明向群体提对的问题：用于联邦学习的偏差抵消权重
简介本文研究联邦学习中各客户端损失的加权方式，将权重视为一种群体智慧机制。作者提出 CROWD 方法，从优化过程的轨迹中估计客户端之间的分歧，无需额外开销，并在理论上与贝叶斯极小极大下界匹配。在存在各自校准不准的探测器的真实扫描数据上，该方法达到了理想权重所能达到的超额风险。
看点将联邦加权视为群体智慧机制，给出误差能量的可辨识性与匹配的极小化下界，理论新颖；以医学扫描实验验证，影响面限于联邦学习子领域。
★★★★☆ 值得关注
A Tropical Geometry View of Forgetting: A Per-Unit Projector for Knowledge-Preserving Fine-Tuning
说明从热带几何看遗忘：面向保留知识微调的逐单元投影器
简介论文指出，语言模型在新文本上微调时会遗忘旧能力，现有无回放方法用同一子空间约束所有单元，过于粗糙。作者借助ReLU层的热带几何，推导出一个门控感知的逐单元投影器，并证明精确保护其代价取决于各单元自身开放令牌的秩。在OPT-1.3b和OPT-6.7b上的实验显示，该方法在匹配预算下遗忘更少，且在相同能量阈值下约一半于Adam-NSCL。
看点用热带几何刻画ReLU层遗忘并提出逐单元投影器，新颖；但实验仅限OPT模型，证明与实验支撑较扎实，影响面限于持续微调子领域。
Principles that Guide, Actions that Inform: Agent Evolution via Knowledge Abstraction
说明指导原则与行动依据：通过知识抽象实现智能体进化
简介论文提出SAGA框架，让大语言模型智能体通过外部记忆从经验中持续进化，无需修改模型参数。方法把交互轨迹逐步抽象为情景描述、可复用流程和带适用条件的原则，并将检索到的原则转化为任务指导来修正候选行动。实验在ScienceWorld和ALFWorld上显示任务表现有所提升，消融实验强调了情境实例化与行动调节的重要性。
Efficient Neural Surrogates for Linear Radiation Transport on the Lattice and Hohlraum benchmarks
说明线性辐射输运问题的高效神经代理模型：Lattice 与 Hohlraum 基准测试
简介该论文针对二维线性辐射输运方程，在 Lattice 和 Hohlraum 两个标准基准上比较了两种参数量相当的神经代理模型（Transolver 与 BSMS-MGN），用于近似最终时刻的粒子浓度。研究通过消融实验发现，不同架构对归纳偏置的偏好差异明显，因此相关设计需针对具体架构重新检验。作者同时公开了训练方案、训练数据和评估流程。
FLASHSWIN: Unlocking Large Windows and Dense Tokens in Swin Vision Transformers with Memory Efficient Attention
说明FLASHSWIN：用省内存注意力在 Swin 视觉 Transformer 中实现大窗口与高密度 token
简介论文提出 FLASHSWIN，把 Swin 视觉 Transformer 的窗口注意力换成 FlashAttention 实现，不再显式生成注意力分数矩阵，使每个窗口的显存从 O(M^4) 降到 O(M^2)。为保留位置信息，作者采用窗口内可学习的二维 RoPE 替代相对位置偏置。文中报告，在 32×32 窗口下训练显存约 12.4 GB 且与 8×8 窗口相同，并在 p=2、M=32 的设置下，Tiny 模型在 ImageNet-1K、COCO 和 ADE20K 上分别取得 84.1%、44.1 box AP 和 47.28 mIoU。
PermVLA: Factorization Order as a Regularizer for VLA Learning
说明PermVLA：将分解顺序作为视觉-语言-动作学习的正则化手段
简介该论文研究视觉-语言-动作（VLA）策略的学习方式。通常模型按固定的从左到右顺序学习动作片段，但同一专家轨迹分布存在多种合法的链式分解顺序。作者提出因果锚定排列方法（CAP），通过辅助目标让同一策略从同一专家片段的不同已知子集预测动作，部署时仍保持从左到右控制。在LIBERO、LIBERO-Plus和跨数据集CALVIN评估中，CAP均优于标准训练，并可推广到扩散动作生成模型。
★★★★☆ 值得关注
RETRACE: From Entangled Repair Histories to Reusable Experience for CI Repair
说明RETRACE：从纠缠的修复历史中提取可复用的 CI 修复经验
简介该论文提出 RETRACE 框架，从包含多个 CI 问题、失败尝试和回滚的拉取请求历史中，还原出问题层面的修复经验，并以三种抽象层级表示。对于新的失败，框架检索相关经验以指导修复。在包含 565 个 PR 级修复的 CI-REPAIR-BENCH 上，RETRACE 提升了多个智能体的 Pass@1，例如 mini-SWE-agent（MiniMax-M2.5）从 19.6% 提升到 31.9%。
看点提出从纠缠的修复历史中重建问题级经验的框架，并在565个PR级修复上相对基线显著提升通过率，新颖性与证据较扎实。
WavePrune: One period is often enough for RoPE
说明WavePrune：RoPE 的一个周期通常就够用
简介论文提出 WavePrune，把旋转位置编码（RoPE）的每个通道限制在第一个旋转周期内，以减轻位置混叠带来的注意力干扰。实验显示，在五个测试模型中的四个上无需额外调参即可提升 HELMET 分数，从头预训练时在外推长度上验证损失更低；并借助定制 CUDA 内核，在 32K 上下文下分别获得 1.15 倍预填充和 1.24 倍解码加速。
Verdicts Without Annotated Evidence: Rejection Sampling or Label-Only Post-Training for Evidence Recovery?
说明仅有结论、无证据标注：拒绝采样还是仅用标签的后训练，能否恢复证据？
简介论文研究在只保留审查结论、不做证据标注的情况下，小型语言模型能恢复多少支撑证据。作者在 ContractNLI 上比较了仅用结论标签训练与拒绝采样两种后训练方法，并以准确率和证据片段 F1 衡量。结果显示两种方法都提升了证据质量，但论文表示单一种子、单一语料库尚不足以判断哪种方法更优。
Path Laplacian Encodings for Directed Graphs
说明有向图的路径拉普拉斯位置编码：一种利用边方向信息的图学习特征
简介该论文提出 PathLapPE，一种基于有向图路径拉普拉斯算子的谱位置编码，可为节点和边生成包含方向性高阶结构的特征，并能接入标准图学习架构。在节点级和图级基准任务上，它在多种架构中带来稳定提升，尤其与方向感知消息传递结合时效果更明显。与磁拉普拉斯位置编码相比，PathLapPE 无需额外调整方向性超参数，同时在运行时间和性能上具有竞争力。
Pareto-Improving Adversarial Attacks with Primal-Dual Regularization
说明用原始-对偶正则化实现帕累托改进的对抗攻击
简介本文研究可迁移对抗攻击中迁移性与隐蔽性的关系，指出两者的冲突源于固定扰动预算的评估方式，而非内在权衡。作者提出隐蔽迁移攻击ST，这是一个即插即用的原始-对偶包装器，通过加入L∞饱和正则项并以两步原始-对偶更新求解，无需辅助模型。实验显示，在ε=16/255时，ST相对各基础攻击在LPIPS上平均提升17%、NIQE上提升14%，且攻击成功率保持或提高。
★★★★☆ 值得关注
GS-Codec: A Gaussian-Splatting Bottleneck for Neural Audio Coding
说明GS-Codec：用于神经音频编码的高斯泼溅瓶颈
简介本文提出GS-Codec，一种神经语音编解码器，用参数化的一维高斯基元加权和代替传统量化器作为瓶颈，编码器片段通过内部优化拟合为这些基元。为避免推理时的迭代开销，训练了轻量预测网络直接回归基元参数。原文称，该模型在相近码率下，在说话人相似度、可懂度和感知质量上与EnCodec、DAC等开源编解码器相当或更优，语义性能（WER）也相当。
看点用高斯溅射替代量化器作为语音编解码器瓶颈，思路新颖；但评估仅依据摘要所述的对比，证据深度有限。
Gated Target Propagation for Compositional Generalization in Continual Learning
说明门控目标传播：用于持续学习中组合泛化的算法
简介该论文提出门控目标传播（GaTaP），一种持续学习算法，通过为每个任务学习门控变量来选择性地抑制或增强网络模块，并以较慢时间尺度更新网络参数。实验在多层感知机和卷积网络上的类增量学习场景中进行，结果显示其能保持对已学任务的性能，并通过推理时的少样本增益调整实现对未见任务的组合泛化。作者还发现相关任务的门控模式相似，表明学到的门控捕捉了可复用的任务结构。
SEIS: Self-Evolving Inference Systems
说明SEIS：自我演化的推理系统，由智能体端到端优化整个语言模型推理引擎
简介该论文提出 SEIS，让智能体通过多轮会话与代码修改，在无人工干预下端到端优化 mini-sglang 推理引擎。在 H100 上服务 Qwen3-0.6B 时，吞吐量达到原始实现的 3.27 倍，单请求场景下超过 vLLM、TensorRT-LLM 和 SGLang。作者还用数值差异与数学、长上下文检索任务检验了正确性，并指出基于先前会话的积累优于独立尝试。
Revisiting the Generalization of Neural Graph Edit Distance Models
说明重新审视神经图编辑距离模型的泛化能力：一项关于跨图数据集迁移效果的系统研究
简介该论文研究基于神经网络的图编辑距离（GED）模型在不同图数据集之间的迁移能力。作者使用精确的GED监督信号，在多种图数据集和一系列代表性学习方法上进行系统实验。结果显示，模型在训练数据集内表现良好，但在结构不同的数据上表现明显下降；使用多个源数据集训练可显著改善零样本迁移效果。
★★★★☆ 值得关注
Grounding Probes: Generator-Independent Hallucination Detection from Observer Model Hidden States
说明接地探针：基于观察者模型隐藏状态、与生成器无关的幻觉检测
简介本文提出“接地探针”，用一个只读取上下文、问题和回答、不生成内容的观察者语言模型，在一次前向传播中对其中间层隐藏状态做均值池化并接入逻辑回归，以判断检索增强生成的回答是否依据上下文。该方法不依赖生成模型本身，可用于闭源生成器。在RAGTruth测试集上，四个观察者模型的AUROC为0.879至0.894；与监督式片段检测器平均后达到0.924。
看点将隐藏状态探针与生成模型解耦，改由观察者模型读取上下文、问题与回答，方法有实质新意；在RAGTruth上取得较强结果并有跨生成器验证。
Hypergraph Representation Learning with Hyperlink Random Effects
说明基于超边随机效应的超图表示学习：一种利用低秩结构并处理异质超边形成机制的通用框架
简介本文提出一种超图表示学习框架，用超边随机效应刻画超边形成中的潜在异质性，并利用超图的低秩结构。作者证明了模型参数的可识别性以及表示层面的恢复理论保证，并研究了分类、高斯混合和基于得分三种随机效应形式及相应估计算法。模拟研究和真实超图数据实验显示该方法能恢复潜在结构并刻画异质交互模式。
Policy as Data: Replay-Based Policy Dual Averaging via Advantage Regression
说明策略即数据：基于优势回归的回放式策略对偶平均
简介该论文提出RDA2C方法，属于强化学习中的actor-critic类算法。它把经验回放中的历史数据用于累积策略改进反馈，通过拟合对偶分数模型并借助熵镜像映射推导当前策略。实验报告称，在部分MuJoCo与Atari任务上，RDA2C表现优于PPO、AAPDA等基线，并在使用双Q标签时与SAC相当。
Does Neural Complexity Improve Health Misinformation Detection? A Leakage-Controlled Cross-Corpus Benchmark
说明神经网络复杂度能否提升健康谣言检测？一项控制数据泄漏的跨语料基准研究
简介本文在 COVID19-FNIR 和 CONSTRAINT 两个语料上，对五种紧凑神经网络结构、一个软投票神经集成模型及三种经典机器学习基线进行了受控比较，并在建模前去除了完全相同的重复文本。结果显示，集成模型在两个语料上的表现并不稳定：在 COVID19-FNIR 上宏 F1 约为 0.996，而在 CONSTRAINT 上线性 SVM 优于集成模型。作者认为，模型复杂度并不能带来稳定优势，基准构建方式的影响可能超过结构选择本身。