机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明通过分布式数据增强加速类别不平衡联邦学习的收敛
简介该论文针对联邦学习中的类别不平衡问题，指出现有做法通常凭经验进行少数类样本增强，且未明确增强量如何影响收敛，可能导致过度增强和训练时间增加。作者先建立了增强与联邦学习收敛行为之间的关系，并据此提出分布式增强框架DAFL，为每个客户端-类别组合确定所需的最小增强量。实验表明，DAFL能提升少数类的F1分数，同时显著缩短训练时间。
说明当可验证的计数依赖措辞：审计指令遵循中的措辞稳健性
简介该论文指出，现有可验证指令遵循基准通常用固定模板表达约束。作者提出WISE评测套件，在精确字数、关键词恰出现一次、8至12词范围等约束上，保持操作要求不变而只改变措辞，测试模型得分是否稳定。结果显示，仅措辞变化就会使合规率出现明显波动，且排名与失败模式也随之改变。
说明弥合差距：从故障归因到代码语言模型的闭式修复
简介本文研究代码语言模型在库接口演化后的修复问题。作者在Python和Rust的可执行API演化任务上发现两类差距：归因神经元与可承载补丁的神经元重合度低，以及通用更新无法匹配不同故障。为此提出ASTRA方法，用对比语义定位神经元，并通过闭式求解线性系统一次修正样本中所有失败token。论文报告ASTRA平均Pass@1为66.7%，高于基线最佳的48.4%，单样本修复约2.7秒。
看点识别出归因神经元与可修补神经元的错位及补丁通用性两大缺口，提出闭式解修复方法，并在多模型多语言上对比验证，优于基线。
说明大规模归纳式论断提取
简介该论文提出一套利用大语言模型从社交媒体大规模语料中归纳提取并编目“论断”（简短陈述句）的流程。作者在2020年美国总统选举和2022年世界杯两个Twitter数据集上应用该流程，并以人工标注样本评估召回率与精确率、进行消融实验和定性错误分析。文中还展示了从两个数据集得到的论断目录，并讨论其在计算社会科学研究中的价值。
说明以证据作答：面向路侧交通场景的一致性感知可定位视觉问答
简介论文指出，现有可定位多模态大模型常出现“文字与框不一致”的问题，即文字答案与模型标出的边界框相矛盾。作者构建了包含34.7K个问答对的RoadSceneVQA-G基准，并提出答案-定位一致性（AGC）评估方案。方法上提出先枚举后作答（EtA）及枚举一致性策略优化（ECPO），实验显示一致性由26.6%提升至93.7%，定位F1由52.2%提升至73.0%，ECPO进一步提高到75.6%。
说明何时以及修剪什么？面向高效视觉-语言-动作模型的分阶段视觉token修剪
简介本文提出SAPrune，一种无需训练的视觉token修剪方法，用于加速视觉-语言-动作（VLA）模型的推理。它用小规模校准集观察动作与视觉之间的注意力随层数的变化，在注意力模式更可靠后才选择修剪层，并在每层采用双路径修剪规则。实验显示，在LIBERO、SIMPLER和真实机器人任务上，该方法修剪了87.5%的视觉token，推理速度最高提升1.718倍，同时保持有竞争力的任务成功率。
说明通过监测任务订单化协同无人机配送订单拼单与路网监测
简介本文研究共享无人机车队的实时调度问题，无人机同时服务于即时餐饮配送和城市路网监测。方法是将路网中拥堵严重、信息陈旧的节点定期转化为虚拟监测订单，与配送订单合并为统一任务集，并采用图多智能体Q学习与动态异构二分匹配求解。基于真实数据的实验显示，监测性能提升25.1%，配送性能仅下降不到1%，聚合目标最多提升20.8%。
说明时间序列基础模型的统一缩放定律：模型容量与历史信息如何共同支撑预测
简介本文提出一个统一的缩放定律和时间序列学习理论，分析模型容量与历史输入长度如何共同影响预测效果。作者在多种回看长度和预测步长下，基于 23 个数据集-频率任务的实验结果拟合了一个五参数定律，并用它预测了 Toto 2.0 的容量缩放曲线（输入长度 2048 与 4096 时的平均绝对百分比误差分别为 1.09% 和 1.50%）。论文还用高斯回归分析历史信息如何被冻结模型通过激活提取并重复使用。
看点提出统一的五参数缩放律并结合高斯回归理论解释历史信息的使用，基于18768个实验单元，证据较充分，对时间序列基础模型有一定影响。
说明Loopy：面向循环语言模型的低比特量化框架
简介循环语言模型通过反复执行一个共享的循环核心来扩展测试时计算，参数效率高。论文提出 Loopy，一种训练后量化框架，通过考虑循环深度的目标，在部署深度下依据最终预测损失选择共享核心的低比特表示。该方法用通道缩放和正交旋转参数化候选表示，并逐步分配校准窗口以高效近似选择。论文称在八组设置中取得了优于各基线的结果，例如在 Ouro-1.4B 的 W4A4 设置下，LAMBADA 困惑度相对 SpinQuant 降低 36.5%。
说明面向高效音频深伪检测的任务感知联合剪枝与蒸馏方法
简介语音合成技术的进步使深度伪造语音愈发逼真，带来安全隐患。基于自监督学习的检测模型虽然性能最佳，但参数量通常超过3亿，难以部署在资源受限的设备上。本文提出一种任务感知的联合剪枝与蒸馏框架，结合跨域知识蒸馏与运动引导的结构化剪枝，在大幅压缩的同时保留关键结构。该框架将模型压缩至3190万参数，计算量降低6.3倍，在多个数据集上平均性能仅下降1.30%，显示出设备端部署的潜力。
说明从不完美教师中学习，用于低资源声学泛化
简介这篇论文研究知识蒸馏在低资源声学任务中的问题：教师模型若用有限或不平衡的标注训练，其输出分布可能有偏差。作者提出边界锚定质量分割蒸馏方法（BA-MPD），包括边界锚定修正和质量分割蒸馏两部分，以减少错误排序与噪声信息的影响。在两个声学基准、多种标注预算下的实验显示，该方法优于监督学习基线和普通知识蒸馏，并在教师与学生标注预算不一致时仍然有效。
说明混合基特征预测：加速扩散采样的免训练方法
简介该论文提出HybridFF，一种无需训练、即插即用的扩散模型采样加速框架。它对多组互补基函数分别用移动最小二乘法估计系数，再用融合权重组合预测结果。文中提供固定权重与自适应权重两种策略，在DiT-XL/2、FLUX.1-dev、SD3.5-Large和HunyuanVideo上，相较单一基预测器和缓存基线，展示了较好的加速与质量权衡。
说明Anchor and Adapt：面向少样本工业异常检测的非对称提示自适应方法
简介该论文针对少样本工业异常检测中只有正常样本、缺少缺陷监督的问题，提出两阶段提示学习框架 Anchor and Adapt。第一阶段从带标注的辅助数据中学习可迁移的正常与异常锚点；第二阶段固定这些锚点，仅用少量目标正常样本自适应一个额外的正常分支。跨数据集（MVTec-AD 与 VisA）实验在 1、2、4 样本设置下显示出有竞争力的检测与定位性能。
说明MGPO：面向任务感知数据集蒸馏的流形引导扩散对齐方法
简介该论文指出基于扩散模型的数据集蒸馏存在目标错配问题：以似然为导向的模型偏重密度拟合，而非下游任务所需的判别边界，且容易让生成样本集中于少数高密度区域，丧失流形的结构多样性。作者提出MGPO方法，将蒸馏建模为多目标强化学习问题，通过像素空间判别奖励和基于类内最小生成树的潜空间几何奖励实现双空间对齐。实验显示该方法优于现有方法，在低预算分割任务上mIoU提升8.0%。
说明用于 ExtraSensory 个人情境识别的柯尔莫哥洛夫-阿诺德网络
简介本文在 ExtraSensory 数据集上评估了多种柯尔莫哥洛夫-阿诺德网络（KAN）变体用于个人情境识别，并与多层感知机（MLP）和 TabM 进行比较。实验采用五个用户划分、每划分三个随机种子，报告了平均 Macro-F1、Micro-F1 和训练时间，并对网格大小、网格数量与数据归一化做了浅层消融研究。结果显示，各 KAN 变体的 Macro-F1 和 Micro-F1 明显优于 MLP，与 TabM 相当，但训练时间通常更长；作者认为 KAN 前景可观，但计算效率仍是挑战。
说明ArticuTable：从单张图像生成可交互的刚体-关节式三维桌面场景
简介该论文提出ArticuTable框架，可从单张图像重建三维桌面场景，并恢复可执行的部件级关节结构。其中GRAM方法结合多模态大语言模型引导的关节拟合与语义状态推理，从不完美的整体代理网格中获得关节参数与运动范围；PSGSR方法在度量、平面与输入视角约束下逐步缩小位姿与尺度搜索空间，得到与输入视角一致的场景布局。作者还发布了包含100个可仿真桌面场景的数据集ArticuTable-100。
说明TEMPLAR：从大规模临床语料中自动归纳并演化标准化放射报告模板的智能体框架
简介本文提出TEMPLAR框架，用多个智能体协作，从大规模临床语料中自动归纳并持续修订标准化放射学报告模板。模板作为核心状态，并与解剖学图和诊断图配合使用。在四个数据集上，该方法在覆盖度、信息保真度和诊断保真度方面优于ASTAR、医疗大模型和通用大模型，跨数据集迁移后优势依然存在。
说明StateWise：在智能体行动前诊断并修复持久化的操作状态
简介该论文指出，LLM智能体会复用存储的操作记录作为后续行动依据，但环境或需求变化可能使这些记录失效，而现有机制往往不修正底层状态。作者提出StateWise框架，在执行前通过反事实重规划找出关键记录，检查其有效性并修复，再重新规划并做独立检查。在150个编码智能体案例的测试中，受损状态下正确率从38.7%提升至93.3%，且未出现不安全操作。
说明Pythia：面向多模态时间序列的基础世界模型
简介该论文提出 Pythia，一个基础世界模型，通过联合嵌入预测架构在多个数据集上学习由上下文条件约束的潜在动态。它将预测表示学习与概率解码分离，并在 MUSE 基准上相较已发表排行榜中表现最强的模型，将 MASE 与 WSQL 误差分别降低 6.26% 和 5.00%。
说明DTFormer：面向RGB-D分割的文本引导语义对齐方法
简介该论文提出DTFormer，一种融合RGB、深度与文本三种模态的语义分割框架。其核心是文本引导语义对齐模块（TSAM），先将文本线索编码为一组语义原型，再在多个编码器与解码器层中把RGB-D特征与这些原型对齐，以加强语义约束。论文称在多个基准数据集上取得了一致的提升，且方法简单高效。
说明三值估值下最大最小分配问题的计算复杂度
简介本文研究在不可分割物品的分配中最大化平均主义福利（即最弱势智能体的效用）的计算问题，其中智能体的物品价值或边际价值取自一个小集合。作者针对多种估值类型给出结果：部分情形给出多项式时间算法，部分情形证明了常数间隙的难解性，并给出若干近似算法与下界。论文旨在解决该领域的若干公开问题，并完整刻画三值估值下该问题的计算复杂度。
看点解决了三值估值下最大最小分配复杂度的若干公开问题，给出多项多项式算法、硬度与近似下界，理论结论完整，证据为严格证明。
说明EMG-GPT：基于残差量化肌电标记的预测式预训练，用于手部姿态估计
简介表面肌电信号（sEMG）是一种低功耗、低成本的生物信号，可用于手部姿态估计和手势分类。本文研究对肌电信号进行自监督预训练能否得到可迁移的表示，用于连续的手部姿态估计。作者提出EMG-GPT，这是一个基于因果Transformer的模型，输入来自冻结残差向量量化（RVQ）分词器的离散肌电表示，并通过深度自回归的未来编码预测学习时间动态。在回归和跟踪两类任务中，该模型都取得了有竞争力的结果，支持仅用肌电数据进行预训练作为学习可迁移肌电表示的可行方法。
说明PixReenact：基于像素条件因果视频扩散的流式头像重演
简介该论文提出PixReenact框架，用于根据实时驱动视频让参考图像中的头像做出相应动作。它直接以VAE编码后的参考帧和驱动帧为条件，不依赖专门的身份或动作表示，并通过伪跨身份监督、长自回归自展和双教师蒸馏来保持身份稳定并降低漂移。论文称其在三个跨身份基准和一个长时程流式基准上表现稳健，4步滚动学生模型的平均输出延迟为239毫秒。
说明Vela：用自适应动作曲线参数化扩展视觉-语言-动作模型
简介本文提出 Vela，一种视觉-语言-动作基础模型，把机器人未来的动作表示为连续轨迹，而不是固定频率的动作片段。它采用紧凑的样条动作表示，并让固定的输出预算随动作自适应调整时间分辨率。作者在大规模多机器人数据上预训练，并在 LIBERO-X、EBench 以及两项真实长时程任务（煎蛋糕、土豆丝）上评估，结果显示出良好潜力。
说明GFGE：通过解释框架统一可解释人工智能方法
简介本文提出通用解释生成框架（GFGE），以解释框架与“意义解读”“意义传递”两类活动为基础，并以解释模式（IES）连接分析者对系统证据的解读、所选解释的传递，以及接收者对该解释的理解。框架通过数据解读、模型解读、输出解读、可选的事后分析和聚合五个角色来实施，并以归因、代理、反事实、概念与原型、内在规则、论证及语言模型等方法验证其适用性。
说明三思而后行：让大模型智能体自主判断何时检索外部知识
简介论文指出，现有大模型智能体多采用“总是检索”的范式，每次都依赖外部信息，既浪费资源又可能引入无关内容。作者提出名为MARTA的神经符号框架，把检索视为有代价的行为，只有在模型自评内部知识不足时才进行检索。该方法让智能体在行动前评估自身思考的不确定性，以期在内部知识与外部信息之间取得更高效的平衡。
说明轮播界面中可观察浏览深度的排序老虎机算法
简介本文研究轮播界面推荐问题：系统可直接观察用户浏览到的最大深度，从而区分已展示未点击与未展示的项目。作者将其建模为排序老虎机问题，提出基于UCB、Thompson Sampling和DMED的三种算法，仅用可观察曝光更新统计。实验包括合成环境及基于RecGaze日志的模拟，结果显示所提方法的最终平均遗憾低于PBM-UCB，OD-TS与PBM-TS相近。
说明在智能体中安全切换上下文：通过正交适配缓解子空间干扰
简介论文指出，大语言模型在连续执行逻辑推理与安全对齐两类任务时可能相互干扰，经微调后对齐基准上出现23.3%的性能损失。作者提出AURA方法，通过谱正则化将推理更新限制在对齐子空间的正交补空间内。原文称该方法恢复了23.0%的损失性能，并保持超过0.98的余弦保真度。
说明以图像合成为中间层的可控时间序列生成（VisualBridge）
简介该论文提出VisualBridge方法，用时间序列图作为视觉中间层，连接高层时间语义与数值序列。多模态大模型先把序列图转为结构化语义表示，再用下游预测奖励学习语义编辑策略，最后由时间VAE生成多变量增强数据。在公开预测基准上，该方法在小样本预测中优于传统增强方法。
说明F²SLAM：把前馈几何转化为可持续优化的 SLAM 约束
简介该论文提出 F²SLAM，将前馈三维模型给出的多视角几何先验直接转化为可优化的目标权重测量，并接入持续的稠密因子图。高频流维护局部跟踪约束，低频流利用更广的多视角信息在状态一致性检查后选择性更新测量，两者通过同一个稠密光束法平差共同约束位姿、逆深度和可选相机内参。实验表明在标定与非标定设置下轨迹估计均较稳定，稠密重建有所改善。
说明学习筛选自身生成的数据，用于可泛化的少样本类增量学习
简介本文针对基类与增量数据都很稀缺的少样本类增量学习场景（G-FSCIL），提出用冻结的潜在扩散模型生成类别合成样本，并学习一种兼顾语义一致与视觉多样性的筛选策略，在基类阶段蒸馏后直接复用。随后设计了边界稳定的增量适应方法，包括基于合成数据的原型初始化与双向边界校准，以减轻新旧类冲突。作者称该方法在实验中优于现有基线，遗忘更少，新旧类之间更平衡。
说明不覆盖旧知识的学习：持续推理中自蒸馏与监督微调的理论
简介该论文把大语言模型的推理过程建模为在有向无环图上的搜索，对持续学习中在线自蒸馏（OPSD）与监督微调（SFT）的训练动态做统一理论分析。结论是：带有正确输出提示的自蒸馏通过稀疏的梯度更新实现不遗忘的持续学习；在正确推理路径上做监督微调则因密集更新可能导致灾难性遗忘；预训练的多样性对后训练模型从中间状态恢复正确输出很关键。
说明扩散采样中的跨时间方向性选择：早期扰动在后期更易放大
简介该论文比较了扩散采样中两种扰动：一种是从早期步骤传递到后期状态的扰动方向，另一种是新采样的各向同性噪声。在所研究的采样器中，前者的角度增益相对后者的中位数比值在1.14至2.35之间。打乱各轨迹间的方向会削弱这一效应，说明其优势依赖于方向与接收轨迹的对齐。
说明预测相同，危害不同：患者世界模型的因果审计
简介该论文针对用于临床试验模拟的患者世界模型，研究其在换药导致患者受害比例这一反事实指标上的可靠性：不同模型可能在转移核和各组风险上一致，却对该比例给出不同结论。作者用两阶段共享响应结构因果模型，给出独立假设下的精确危害区间，并在依赖性和响应失配预算下给出校准外界。论文还在公开临床模拟器上进行实验，部分结果为否定性的，并说明结论仅在所述因果模型下成立。
说明从科学观测到机制：评测 AI 科学家提出假说的能力
简介该论文提出 MechHypoBench，这是首个用于评估 AI 智能体和 AI 科学家能否从经验数据中提出机制性假说的基准。它结合了来自 14 个科学领域、基于论文提取的机制与包含 1798 万条记录的真实数据集。评测框架通过假说在保留条件下的推论来评估开放式假说，实验显示通用智能体和 AI 科学家生成的假说与潜在机制之间存在明显差距。
说明Long-MDR：面向多模态深度研究智能体的长上下文强化学习训练方法
简介该论文关注多模态研究智能体需要处理的长研究历史。作者将在线强化学习训练扩展到128k上下文和75轮以上工具交互。文中提出Long-MDR训练方案，包含同策略蒸馏预热、渐进式交互长度扩展和熵触发救援三个部分，用以提升长时程强化学习的效率与稳定性。
说明顺序很重要：面向RNN目标检测的竞争引导查询排序
简介DETR类检测器训练时用一对一二分图匹配分配目标查询，但多个查询仍可能对同一物体给出高度相似的预测，导致训练不稳定。本文提出即插即用模块DETRNN，借鉴NMS的顺序思想，依据先前预测的置信度与相似度对查询排序，再用RNN沿该顺序递归精化，以在解码器内建模查询间的竞争。实验表明，该方法在多个DETR类检测器上带来一致提升，效率相当。
说明FORGE：面向生成式语言模型、经验证把关的行为修复框架
简介该论文提出FORGE框架，用于修复生成式大语言模型中的偏见与有毒输出等行为缺陷。方法将缺陷定位、权重编辑与行为验证分为独立阶段，并把局部缺陷生成转化为明确的优化目标。在五个开源大语言模型上，FORGE相比基于梯度的微调能更明显地降低偏见与毒性，困惑度仅有轻微下降，且在缺陷样本很少时仍有效。
说明关于五名以上专家的专家建议预测问题
简介本文证明，对于六名或更多专家的专家建议预测问题，不存在一种全局最优的按排名有序的对抗策略，无论是几何停止还是有限时间范围的设定都是如此。证明基于对一名专家远远领先于其他专家时的首阶修正项的刻画，从而联系了n名与j<n名专家情形下的最优策略，并利用了五名专家问题精确最优集的最新结果。
说明用于GUI定位的循环潜在视觉搜索（ReLaViS）
简介该论文提出ReLaViS方法，用于提升视觉语言模型驱动的GUI智能体在截图中定位界面元素的能力。方法在单轮交互中由模型内部循环进行空间搜索，并从扁平元素标注构造由粗到细的训练轨迹。基于Qwen2.5-VL-7B，ReLaViS在ScreenSpot-Pro上准确率提升3.1个百分点至56.3%，推理FLOPs仅增加3.5%，并在五个基准上优于单步基线。
说明TIRMamba：面向红外图像超分辨率的亚百万参数热先验状态空间网络
简介该论文提出TIRMamba，一种参数量约为90万的单通道红外图像超分辨率网络，远小于现有约2600万至3700万参数的同类模型，便于部署在机载和手持设备上。模型利用热先验信息调制状态空间主干，并采用重放训练策略应对红外训练数据稀缺的问题。在放大4倍时，其效果与主流方法相当，参数量少29至40倍，延迟低2.8至9.4倍。
说明AECG：多智能体系统中的非对称经验巩固与治理框架
简介这篇论文面向基于大语言模型的多智能体系统，指出其记忆会因反复检索而放大错误，且知识可能被误用到不适合的决策层级。作者提出AECG框架，把记忆从静态存储变为可靠性治理循环，在有限审查预算下优先处理高风险知识并进行针对性修正。实验覆盖三种多智能体框架和四个基准，AECG在12组设置中的11组取得最佳成绩，最多比最强的对比记忆方法高10.23个百分点。
说明面向p指数核的局部敏感哈希及其在密度估计中的应用
简介本文研究核函数k(x,y)=exp(-||x-y||_p)能否由局部敏感哈希（LSH）实现。作者证明，对于1<p≤2，该p指数核在有界区域内是可LSH的，此前这一结论只在p=1时成立。作者提出一种名为mosaic LSH的新方案，基于泊松超平面过程，超平面采样自ℓ1有偏的p稳定向量，并给出了高效的采样方法。基于这些结果，论文提出了针对这类核的高效密度估计方法。
说明验证陷阱：代码生成中虚假前提下测试时选择的失败机制
简介该论文研究代码生成中的测试时选择方法：系统采样多个候选程序，依据验证器可见的证据挑选最终输出。作者指出，当生成器与验证器共享同一虚假前提时，二者会因同一错误认知而耦合，导致选择器可能挑中隐藏测试未通过的程序，即“验证陷阱”。在三个基准和五个代码模型上的实验显示，虚假前提会降低正确率并加剧误选。
说明CreativeFlow：面向三维资产生成的一对多类比关系迁移方法
简介受认知科学启发，本文提出 CreativeFlow，一种类比生成框架，显式建模类比发散思维，以缓解文本到三维生成流程中的创意同质化。该方法生成一系列有意义且关系相似的源—目标资产对，各自具有不同的几何构型。专家评估表明，该框架显著提升了创意新颖性和视觉吸引力。该工作流程及其生成的资产为未来关系感知的三维模型训练提供了基础数据集与基准。
说明仅安全还不够：面向视觉-语言-动作策略的可行未来解码
简介该论文指出，安全的动作未必可行：冻结的视觉-语言-动作（VLA）策略可能偏好一个局部安全的动作，却不留下安全完成任务的可行路径。作者提出无需训练的重排序方法 VICS-G，在六种 Safety-CHORES 设定下将平均累计安全成本降低1.9%至57.5%，成功率与策略采样相差在2.5个百分点以内。
说明MemAdapter：针对记忆引发的谄媚问题的反事实自适应方法
简介这篇论文指出，LLM智能体的长期记忆可能使其过度迎合用户既有观点，即使这些观点不准确或与客观证据不符。作者提出MemAdapter框架，通过反事实归纳、情境感知反思和基于证据的推理三个部分，自适应地整合检索到的记忆。作者称在三个基准测试中，该方法在多种场景下都提高了记忆的可靠性。
说明超越指令遵循：基于技能契约学习有据可依的技能执行
简介本文提出“有据可依的技能执行”任务，要求智能体按专家编写的固定技能流程完成各阶段，并依据环境观察做决策。作者将技能形式化为包含可见指令和显式契约运行时的“技能契约”，并提出阶段性进展奖励与契约状态反馈来训练执行器。实验中，Qwen3.5-4B 在 Math 和 Search 任务上的协议完成率分别为 99.27% 和 99.96%，任务结果分别为 82.95% 和 46.61%，略高于原始基线。
说明基于跨模态对比学习，从组织病理切片检索免疫治疗相关分子特征
简介胃腺癌是癌症死亡的主要原因之一。研究提出一种跨模态对比多示例学习框架（CCMIL），可直接从常规H&E染色切片推断与免疫治疗反应相关的分子特征，而无需昂贵的10基因RNA检测。该方法将视觉形态与分子表型对齐到共享潜在空间，支持病理学家以整张切片检索转录组相似的病例，并给出可解释的注意力热图。
说明基于MTG FCI影像的近实时火点检测机器学习模型构建与评估
简介该研究利用MTG FCI静止卫星影像，构建了1公里和2公里两种空间分辨率的机器学习火点检测模型，并与基于阈值的算法进行比较。模型以欧洲、非洲和中东多种生态区域的VIIRS火点参考数据进行训练和评估。结果显示，1公里模型明显优于2公里模型和业务阈值产品，F1分数最多高出0.36，并能更早（最多提前260分钟）检测到火点。训练好的模型已公开提供。
说明R1A-PC：复杂静态环境中人体三维点云的物理引导电磁反演
简介该论文针对复杂静态环境中人体三维几何难以从电磁测量中恢复的问题，提出 R1A-PC 方法，利用有无目标时的复数场配对，重建 2048 个点的人体点云。方法结合复数背景相减与三维空间物理特征，并通过两阶段有界变形解码器逐步调整点坐标。在全波仿真生成的未见背景中，其平方 Chamfer 距离为 0.001434 平方米，F 分数为 0.963080（阈值 0.05 米），相比 TopNet 的 Chamfer 距离降低 70.28%。
说明用于分布外强化学习的算术动作头与训练稳定化
简介强化学习策略在输入数值幅度偏离训练分布时性能可能下降。本文以软演员-评论家（SAC）及其前作BAPR为基础，研究因果符号BAPR（CS-BAPR）方法族。该方法结合六种训练稳定化设置，并采用不同的动作头，包括神经加法单元（NAU）加上受神经乘法单元（NMU）启发的二次修正、Kolmogorov-Arnold网络（KAN），以及使用ReLU或双曲正切激活的多层感知机（MLP）。
说明SemCam：用于视频生成的语义相机运动控制
简介该论文针对已有视频中相对于运动主体的相机控制难题，提出“语义相机运动控制”任务，用参考视频和目标运动标签描述相机相对主体的行为，无需显式轨迹。方法SemCam结合共享基低秩适配与运动条件调制，并加入背景一致性损失。作者构建了661对视频，在109个场景的基准上测试，语义运动成功率为68.6%，高于最强基线Vista4D的45.3%，同时主体身份保持相当。
说明AutoSciBench：自动生成科学智能体评测基准的框架
简介论文提出 AutoSciBench，用于自动生成并迭代调整科学领域智能体的评测任务，以应对现有基准随智能体能力提升而饱和的问题。框架依据求解器轨迹与评判反馈修订任务，并在计算生物学、材料科学和临床影像三个领域进行评估。结果显示，在计算生物学和材料科学中，生成的基准使求解器平均准确率分别比人工构建的基准降低 22.4 和 25.5 个百分点，且生成任务在三个领域的平均质量评分均更高。
说明隐藏在注释中的攻击：代码大模型的上下文注入攻击面
简介该论文研究代码大模型在生成代码时，若上下文（如注释）中嵌入不安全指令，是否会引导模型生成存在漏洞的代码。作者在十个开源代码模型上，针对十类网络应用弱点进行测试，发现注入不安全指令后，中等及以上级别漏洞的输出比例显著升高，而无恶意指令时比例很低。论文认为推理阶段的上下文注入是一个重要的攻击面，并建议考虑来源可追溯性的训练目标。
看点揭示推理时通过代码注释注入不安全指令可使代码模型大量生成漏洞代码，新颖性较好；十个模型、多类弱点的对比实验较充分，影响面广。
说明几何结构如何进入生成的运动：视频生成模型中的几何条件运动合成研究
简介论文固定物理规律和初始状态，只改变首帧画面中的几何形状（如轨道起伏、障碍高度），比较视频生成模型输出的轨迹与模拟器预测。研究涵盖九个图像到视频模型，发现几何形状会影响运动（如小球速度随轨道起伏变化），但生成的运动在状态演化上与固定物理规律存在系统性差异。
看点通过固定物理规律、仅改变首帧几何并与模拟器对比，系统揭示视频生成模型运动偏离物理的机制，证据充分，对子领域有较大启发。
说明RoMod：基于专家混合路由的视频异常检测时序路由调制方法
简介该论文研究多模态大语言模型中间层特征为何能用于视频异常检测，借助稀疏专家混合模型发现少量专家集中承载异常相关信息并形成动态路由子网络。作者据此提出RoMod框架，仅用5%的弱标注视频训练，包含路由调制融合模块RoMF和路由感知时序网络RoTN。实验称其在三个基准上达到最优性能，且运行速度明显快于同等规模的稠密骨干网络。
说明基于随机优化与即插即用正则化的对比源反演方法
简介本文提出一种电磁反演方案STO-PNP-CSI，将随机优化（STO）与即插即用（PNP）正则化结合到对比源反演（CSI）中。每次迭代只随机求解一个发射机的对比源向量，以降低计算成本；同时在反演中接入Swin-Conv-UNet去噪器作为隐式正则项。作者在合成数据与实验数据上进行了验证，结果显示其重建精度较高，计算成本明显低于CSI，即使在强非线性和测量噪声条件下也是如此。
说明面向可解释弱监督视频异常检测的表征-行为对齐
简介多模态大语言模型可以为视频异常检测提供可解释性，但其最终判断未必充分利用隐藏状态中的判别信息，论文称之为表征-行为失配。作者将差距分解为容量与方向两部分，发现方向失配占主导，并在部分中后层注意力层中找到可分性显著上升的位置。基于此，论文提出仅使用视频级标签、约更新0.012%骨干参数的RBA方法，在三个基准上提升了原生读出性能。
说明用于CFD导向晶体生长模拟的自适应PINN训练：分项评估
简介本文比较了固定权重PINN、梯度归一化PINN（GNPINN）和基于规则的自适应控制器（AgenticPINN）在热方程基准和简化的提拉法（Czochralski）热流体问题上的训练表现。结果显示，自适应控制可降低PDE残差，但会使边界条件损失明显上升，且热方程基准上的解误差表现与残差并不一致。作者因此主张应分别评估PDE、边界条件和解误差，而不能只看加权总损失。
说明数据受限预训练中跨模型规模选择重复次数
简介该论文研究在有限目标语料并混合通用数据的预训练中，最佳重复次数会随模型规模变化。作者用若干小模型的损失曲线筛选出少量候选重复次数，再在更大规模上评估，并在 PubMed 和 Caselaw 上验证该候选保留方法能保留最低损失的次数。
说明基于贝叶斯熵重排序的校准扩散语言模型解码
简介掩码扩散语言模型通过迭代替换被掩码的词元来生成序列。本文提出BayesER，一种事后贝叶斯解码框架，利用预测不确定性（预测熵）决定哪些位置优先确定，以替代通常不够校准的softmax置信度。该方法在预训练检查点附近构建轻量近似后验，并在代码生成、数学推理、规划和分子生成等基准上进行评估。结果显示，BayesER在保持或提升准确率的同时降低了序列级校准误差，并且在一个代码数据集上拟合的后验无需重新拟合即可在另一数据集上降低校准误差。
说明记忆规范化：面向持久化大模型记忆的跨模型漂移框架与基准
简介本文提出“记忆规范化”方法，在写入阶段检测原始记忆中的歧义、条件结构和情绪倾向，并将其改写为结构明确的标准形式，情绪效价作为独立字段表示。作者还提出了跨模型语义漂移与情绪一致性评分基准（CMSC-E），并用176条合成记忆在三个模型系列上做了小规模试点。结果显示完全规范化后情绪一致性有未校正的提升，但经多重比较校正后不再显著；事实漂移的比较均未达显著，因此作者将结果视为探索性的。
说明LexiHorizon：长周期深度搜索强化学习的稳定方法
简介该论文针对需要多轮检索、反复改写查询的深度搜索智能体，提出LexiHorizon训练框架。它扩大轨迹上下文预算，用滑动窗口管理近期检索结果并保留推理历史，并设计了仅在答案奖励非零时给予有界工具调用奖励的结果门控搜索努力奖励。在XBench、WebWalkerQA和BrowseComp-ZH上，其9B模型优于基础模型和MiroThinker-1.7-mini，最大绝对提升分别为8.7和23.8个百分点。
说明PCLM：基于冻结CLIP、通过原型对比与局部放大实现小目标定位
简介该论文提出PCLM方法，在冻结的CLIP编码器上，利用每类5张带掩码的支持图像构建前景与背景原型，以对比方向为查询区域打分。方法将查询图像切分为9个重叠窗口分别放大编码，再通过重投影与覆盖平均合成连续定位图。在VOC、COCO、ADE20K与Oxford-IIIT Pets上的5,047个小目标查询中，论文报告其平均像素AP高于所有评估的文本条件定位基线。
说明信念轨迹能量：衡量通往预测结果的路径
简介论文提出信念轨迹能量（BTE），通过大语言模型各层预测的逐层修正来刻画输入，可用一个标量或分层曲线表示。作者在理论上将局部BTE与Fisher-Rao几何下的预测修正联系起来。实验显示，标量BTE可反映多种推理任务的相对难度，较丰富的BTE表示可用于人机文本检测与生成器归属，宏平均AUROC最高达0.998，八类归属准确率为95.6%。
说明InstMoE：带专用专家的自适应多模态路由
简介该论文提出InstMoE，一种用于多模态学习的自适应专家路由框架，可依据输入特点把数据分配给单模态或跨模态专家。为避免无关的模态差异干扰路由，作者引入了对比语义对齐模块。在CMU-MOSEI和CH-SIMS v2多模态情感分析基准上，该方法取得了文中所称的最优表现，且参数量明显少于对比基线。
说明SPERA：基于球面先验与几何、频率感知潜在预测的脑电基础模型
简介本文提出SPERA，一种脑电（EEG）基础模型，采用联合嵌入预测架构在潜在空间中进行预测。模型引入勒让德多项式空间先验以适应不同的头皮电极几何结构，并结合因式分解的时间与空间注意力以及关系式频谱正则化。预训练数据约80,000小时、来自29,048名受试者和106个数据集，在九项下游任务中取得最高的平均平衡准确率。
说明LoopMoEVR：面向统一超高清视频修复的循环式退化感知专家混合模型
简介本文提出LoopMoEVR，一种基于循环学习的专家混合模型，用于同时处理超高清视频的去雾、去雨、去噪和低照度增强等修复任务。模型通过退化条件的低秩循环嵌入、时空迭代自适应归一化模块以及可自适应配置循环次数的深度预测器来实现修复。论文称其仅约0.884M可训练参数，并在公开基准和真实场景中取得了当前最优的修复效果。
说明扩散模型测试时对齐的 Best-of-N 引导方法（BoNG）
简介论文指出，扩散模型生成的样本常难以符合奖励模型衡量的人类偏好，而 Best-of-N 采样只在最后挑选奖励最高的样本，未影响生成过程。作者提出 BoNG，把 Best-of-N 原则融入逆扩散过程，在去噪粒子间引入非对称引导，使粒子群朝高奖励区域移动。论文报告在 36 组对比中有 29 组表现最佳，并支持多输出。
说明SearchJev：面向搜索智能体的校准式系统一模型（快速直觉式判断模块）
简介该论文提出 SearchJev，用于搜索智能体中关于相关性、证据是否充分和搜索动作的短决策，不再逐字生成文本，而是为合法选项打分。作者还提出软标签校准学习方法 SLCD，并建立 SearchDecision-Bench 基准。在双系统智能体中，不确定的判断交给负责推理与生成的系统二处理；论文报告了决策速度提升、校准误差降低，以及在 BrowseComp-Plus 上的搜索时间与准确率结果。
说明SharpDraft：利用基数感知查询缩放加速长上下文推测解码
简介该论文针对长文本推理中推测解码加速效果随上下文增长而下降的问题，提出无需训练的 SharpDraft 方法，通过基数感知的查询缩放缓解注意力质量稀释。在 AIME-26、GPQA-Diamond 和 LongGenBench Diary 上，应用于 DFlash、PARD 和 EAGLE 3.1 后，相对目标模型自回归解码取得 2.59 至 3.19 倍的几何平均端到端加速。
说明基于细胞工作流复合体的拓扑一致性任务规划，用于LLM智能体
简介该论文提出TopoPlanner框架，将工具依赖图提升为细胞工作流复合体，供大语言模型进行工具规划。它通过协层一致性的细胞检索获取与请求相关的闭子复合体，并对其进行多维结构推理。实验在四个工具规划基准上进行，相比提示词方法和图增强基线，在多种本地大模型主干上均有一致提升。
说明METRO：基于度量增强的令牌路由算子，一种用于复杂网格上神经算子的几何感知路由方法
简介本文针对神经算子在复杂网格上的切片处理架构，指出其常用的线性相似度评分存在缺陷，缺乏切片特定的各向异性局部性。作者提出METRO，用可学习的马氏距离度量替代线性投影，使每个潜在切片学习局部各向异性张量。实验称其在Transformer与Mamba骨干网络上均带来一致提升，并在不规则区域、标准PDE基准及工业设计任务上优于基线，且在不同雷诺数与几何配置的分布外场景中更稳健。
说明小型语义搜索代理：高效的多语言代码定位
简介该论文研究用小型专用模型根据自然语言请求在代码仓库中定位相关文件，以减少大型代理的开销。作者提出基于 ColGREP（一种基于后期交互检索模型的本地语义搜索工具）的训练框架，结合监督微调与强化学习。在 SWE-bench Lite 和 Multi-SWE-bench Flash 上，ColGREP 代理相比基础模型和基于 GREP 的代理有明显提升。
说明Advectra：面向非平稳物理的非对称潜空间输运神经算子
简介论文提出 Advectra，一种感知输运的潜空间算子，通过正则化的运动坐标映射解耦源与目标坐标系，形成近似随之移动的潜空间参考系。结合几何感知的状态空间模型排序机制，它能刻画对流动力学。作者称其在对流主导的基准测试（包括 Navier–Stokes 流中的被动标量输运和 Rayleigh–Taylor 不稳定性）上优于所评估的基线方法，并在真实工程任务上表现出较好的泛化能力。
说明ReMAP：通过推理时潜在视觉记忆恢复感知循环
简介多模态大模型推理越长，对初始图像输入的关注越弱，视觉依据随之减少。该论文系统分析了视觉记忆的筛选、组织与访问方式，并提出ReMAP，结合静态的全局记忆与动态的局部记忆，由强化学习策略决定何时调用。在十个基准系列中，ReMAP在四个多图像基准上均优于既有视觉记忆方法，并减少了进入推理序列的视觉标记。
说明vMF 句子 LDA：基于句子嵌入的球面主题模型
简介本文提出 vMF Sentence LDA（vSLDA），一种观察句子嵌入的主题模型。它保留 LDA 的混合结构，将每个句子表示为 L2 归一化后的嵌入，并用 von Mises-Fisher（vMF）分布建模每个主题，以匹配句子嵌入的余弦几何。在两个语料库上，该模型在区分同一粗类别下的细类别任务中取得了最佳平均排名，且在主题数增多时优势更明显。
说明LLM 作为评审的设计选择有多重要？对提示设计、评分量表与模型的系统比较
简介研究者越来越多地用大语言模型作为评审来评估模型输出，但目前尚无评审设计的标准。本文在两类任务上比较了10个推理模型在多种设计下的表现：句子情感与毒性的量表评分，以及问答对的二分类准确性判断。结果显示评审整体可靠，但评分量表、提示和模型选择会造成明显差异，其中模型身份是方差的主要来源。
说明我们是否应该跳过扩散中的残差连接？提出DDT-RFE，去除编码器的残差连接以学习更抽象的表示
简介该论文研究扩散Transformer（DDT）中的条件编码器，指出编码器的跳跃/残差连接可能让浅层特征绕过变换，不利于逐层抽象。作者提出DDT-RFE，去掉编码器各块中自注意力与MLP周围的残差连接，并将输入的patch嵌入与中间及最终编码器特征融合后输入解码器。实验称其在图像分类、语义分割、物体发现和语义对应等视觉理解任务上整体优于DDT，且使用更少的编码器块，在ImageNet图像生成上FID也更低。
说明面向在线目标条件强化学习的方向条件策略
简介该论文在对比式强化学习（CRL）基础上提出方向条件策略（DCP）。DCP在在线训练中选取已访问状态作为路径点，并以表示空间中的方向和距离作为策略条件，部署时直接对最终目标使用相同接口。在九个导航与操作任务中，DCP在七个任务上的最终成功率高于CRL。
说明借助机器翻译对民歌歌词进行跨文化研究
简介该论文将五种语言的民歌歌词语料合并，用预训练的神经主题模型将其机器翻译为枢轴语言，并考察每种语言内以及婚礼歌跨语言之间歌词内容与社会功能的关系。人工评估显示非印欧语系语言的翻译质量整体较差。主题模型实验表明，歌词内容在所有语言中至多只与民歌的社会功能部分相关。作者认为这只是跨文化民歌歌词分析的初步尝试。
说明追踪基于大语言模型的语音合成中一条稀疏的情感控制回路
简介该论文研究基于大语言模型的文本转语音（TTS）如何把参考情感信息传递并体现在生成语音中。作者提出两个情感敏感指标，并用激活修补干预进行评分，在匹配参考的受控条件下找到一条稀疏的组件级回路，约占所考虑组件的5%，可恢复或抑制74%至88%的后期情感读出偏移。在解码语音中，该干预使音高、能量和频谱亮度出现一致变化。
看点通过激活修补在LLM语音合成中追踪出稀疏情感控制回路，并以解码声学变化验证因果路径，方法新颖，证据较充分，对子领域有较大影响。
说明CGDD-Net：面向视网膜血管分割的上下文引导动态细节建模网络
简介该论文提出CGDD-Net，用于视网膜血管分割，通过上下文引导的自适应特征提取与共享解码路径相连接，以捕捉血管几何结构并保留精细细节。在DRIVE、CHASE_DB1、STARE和HRF四个数据集上，模型的AUC分别为0.9824、0.9938、0.9895和0.9874，F1分数分别为0.8323、0.8102、0.8510和0.8157，总可训练参数约196万。
说明执行假设如何改变短期夏普比率排名：基于合成交易基准的证据
简介该论文用合成价格路径比较五种提示式大模型交易策略与七种经典基线，在六种执行设置下（从近似理想成交到延迟、价差、参与度和冲击压力）进行回测。结果显示，在高波动环境下，理想与默认压力设置下的排名一致性明显下降，且不同资产数量会影响排名稳定性。作者认为执行假设可能改变基准结论，因此应与收益一起报告。
说明自生成反馈会破坏测试时训练：长时程适应的因果分解
简介本文研究测试时训练中模型用自身生成的文本更新权重的问题。在128K词元的长文本流中，保留生成文本的更新会使模型在独立的人类撰写文本上的预测变差，三种配置（125M、760M、3B）及Qwen3-4B的Adam更新均出现此现象。作者通过固定生成、记录回放、单步配对比较与结算机制等对照实验，追溯其因果路径，并表明在保留更新前应先在独立证据上检验预测效果。
说明ReDiffNet：面向低光无人机车辆检测的可靠性条件差分RGB-红外学习网络
简介该论文针对夜间低光条件下无人机拍摄的RGB与红外图像，研究带方向的小型车辆检测问题。作者提出ReDiffNet网络，根据各模态在局部区域的可靠性筛选证据，并利用跨模态差异恢复模糊区域的互补信息，最终融合为统一表示。在DroneVehicle和VEDAI数据集上，该方法的mAP50分别达到85.3%和73.9%。
说明离散动作匹配：通过状态图从样本中学习随机动力学
简介该论文针对只有不成对时间边缘分布的种群动力学学习问题，提出离散动作匹配（DAM）方法，它是动作匹配在有限状态下基于离散 Wasserstein 几何的版本。方法推导出最小动能电流对应的动作最小化目标，并指出离散动作的密度依赖可化为相邻密度比。实验在可控合成动力学和小鼠原肠胚数据上评估边缘重建与插值效果。
说明结果引导的同策略自蒸馏（OG-OPSD）：根据答案对错与教师熵动态调整蒸馏信号的训练方法
简介该论文针对大模型训练中的同策略自蒸馏（OPSD）提出改进方法OG-OPSD。作者指出，原始OPSD对错误推理轨迹的惩罚不足、奖励过高，且教师监督的可靠性与轨迹结果及教师平均熵相关。OG-OPSD据此依据二元结果奖励和累积平均教师熵，动态调整散度目标与蒸馏位置。实验表明，在Qwen3 1.7B、4B、8B及Qwen3-VL-2B上，其在数学推理、多模态推理和分布外任务中均优于原始OPSD和多个基线。
说明大语言模型中受使用方式调制的情感表征：论文研究大模型内部是否除共享情感方向外，还编码了语气、受众适应等使用因素
简介论文指出，情感在大语言模型的激活空间中常可近似为线性方向，但单一方向可能不足以完整刻画情感表征。作者构建了固定事件内容、同时变化情感极性与使用因素的配对数据集，并在Llama、Mistral和Gemma上分析，发现共享情感方向稳健，但去除后仍保留大量残差，残差中含有可复现的、与使用方式相关的结构。在Llama上，沿残差语气成分引导生成的输出在92.8%的盲测比较中更受偏好，同时在98.7%的输出中保持了所要求的情感极性。
说明唤醒步数蒸馏扩散模型中固有的风格迁移能力
简介论文提出 StyleForge，一种全自动、免训练的方法，把参考图片的风格归纳为可复用的渲染指令文本。冻结的步数蒸馏文生图模型借助这些文本指令，即可用参考风格渲染不同主体和场景，同时保持少步生成能力。实验显示生成质量分数相对最强基线最高提升 29.47%，并且在风格化的同时保持了对请求内容的遵循。
说明覆写之后再揭示：历史相关记录下的指数级 POMDP 离策略评估下界
简介本文研究部分可观测马尔可夫决策过程（POMDP）中的离策略评估。作者构造了多组可精确实现的 POMDP 实例，说明在记录策略依赖历史时，所需样本量可能随时间跨度 H 呈指数增长，即使动作覆盖与历史覆盖有界。文中还给出在公共可观测价值表示下的有限类评估保证，并在固定四动作连续模型中分析被动与预算读取的速率。
看点构造了每个视野H≥3都成立的指数级OPE下界，并给出有限类保证与匹配的读取速率，理论结论有明显突破。
说明基于错误分类的代码修复定位方法：为NL2SQL查询纠错
简介大语言模型生成的SQL即使能执行，结果也可能错误，仅靠执行结果无法判断该如何修改。本文提出TEG方法，将错误类型诊断转化为结构化的纠错输入，指明需检查的语法结构和应执行的编辑操作，并借助执行反馈选择候选修正。在NL2SQL-BUGs基准上，TEG在单错误查询上优于所有对比基线。
说明信任门控的能力控制：打破多智能体大语言模型系统中的信任-脆弱性悖论
简介该论文针对多智能体大语言模型系统中的分层信任模型，提出了一个五层信任栈的可操作化方案，包括跨层协同算子、基于失败观察的在线层权重估计，以及只在复合信任和前置层通过阈值时才发放、可撤销能力授权的机制。作者给出了理论证明，并通过包含潜伏攻击者的数值实验验证了其预测。
说明PMI估计与SGNS词向量的统计推断框架
简介本文为点互信息（PMI）的估计及其与SGNS（带负采样的Skip-gram）词向量的联系建立统计框架。作者证明了经验PMI估计量的一致性、渐近无偏性和渐近正态性，并用Delta方法推导其方差。在Brown语料（d=100）上的实验显示，SGNS与理论关系PMI + log K存在系统性偏差，词类比验证表明模型仍然有效。
说明CoDG-Net：结构引导的风格扩散与协同学习，缓解医学图像领域泛化中的灾难性遗忘
简介本文针对医学图像分割的领域泛化问题，指出现有方法常在提升跨域鲁棒性时遗忘源域知识。作者提出结构引导的风格扩散数据增强方法，在频域约束解剖结构一致性下对幅度谱进行跨域扩散；并设计双分支协同学习网络CoDG-Net及学习偏置引导策略，以缓解源域上的灾难性遗忘。实验表明，该方法在目标域分割性能上优于现有方法，且源域遗忘率更低。
说明LogSig-SSM：用多尺度对数签名压缩实现的时间序列建模（状态空间模型）
简介论文提出 LogSig-SSM，先用多尺度窗口对数签名（log-signature）把长多变量时间序列压缩成较短的令牌序列，再交由选择性状态空间模型（SSM，如 Mamba）处理。该方法适用于不规则采样和长程依赖的时间序列。作者在长序列分类、高频生理信号回归、多变量天气预报和不规则采样的临床预测四项基准上进行了测试，结果显示其表现优于或持平于强基线，同时在最长序列上训练速度最高快 30 倍，GPU 显存占用最多少 37 倍（相对 Mamba）。
说明E²-OPSD：抑制同策略自蒸馏中的熵过冲
简介该论文针对同策略自蒸馏（OPSD）中学生模型token熵超过教师并持续偏高的“熵过冲”问题，提出E²-OPSD方法。它用检索到的已解决相邻题目作为示例引导，并依据学生与教师的熵差调整每个token的修正方向和强度。在数学推理上，平均@16指标较OPSD最多提升4.3分，域外评测相对基础模型最多提升4.9分（mean@16）和5.5分（pass@8），且无需额外前向传播或网络。
说明AraYoungVoices：阿拉伯语儿童与青少年语音语料库（含母语与第二语言说话人）
简介该论文介绍了AraYoungVoices，一个包含151.72小时阿拉伯语朗读语音的语料库，由286名7至18岁说话人录制，分为儿童组（7至12岁）和青少年组（13至18岁），其中146人为母语者，140人为第二语言者。作者在未见过的说话人和提示词等设置下测试了四种预训练语音识别模型。结果显示，第二语言语音的识别难度明显更高，年幼的第二语言说话人误差最大。
说明CI-JEPA：联合嵌入预测架构中潜在表示的反事实分析
简介该论文提出CI-JEPA，在图像自监督模型I-JEPA的基础上，学习预测原图与修改后图像之间的表示变化。在Flowers102数据集上，它以冻结编码器线性探测的最佳验证准确率为78.14%，高于I-JEPA和预训练ViT-B/16的77.55%。论文还比较了花心遮挡（语义干预）与背景模糊、着色（干扰干预）引起的表示变化幅度，结果显示语义干预引起的变化更大，但作者指出这并不等同于对所有视觉变化的鲁棒性。
