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HuatuoGPT-3：仅用强化学习从基础模型进行领域适配
简介论文提出一种名为 OnePO（单阶段策略优化）的仅用强化学习的领域适配方法，将教师模型输出作为策略改进的临时指导，并针对梯度饥饿和教师分布锚定两类问题加以处理。在医疗领域，OnePO 仅用 2 万训练样本，在 HealthBench（Total）上得分 67.2，分别超过 SFT+RL 和纯 RL 2.7 和 7.4 分。作者据此发布了开源医疗大模型系列 HuatuoGPT-3，其 27B 版本在 HealthBench（Total）上得 70.1 分。
说明足球比赛中所有球员行动价值的可解释多智能体战略学习
简介该研究提出一种受马尔可夫完美均衡启发的框架，把每次控球建模为有限时域动态博弈，将22名球员各自视为自主智能体，以评估包括无球跑动和防守站位在内的行动价值。模型使用可扩展决策状态并把Q值分解为后继特征基与线性奖励权重，以提高可解释性。基于95场日本J1联赛的追踪与事件数据，该方法与独立强化学习基线比较：基线在99.21%的无球状态中把前进方向评为最高价值，而本方法下最常见方向占17.63%，结果显示其行动排序更依赖情境。
说明物理信息但不物理一致：神经交流潮流求解的误差几何与子空间投影
简介论文指出，神经网络电力潮流求解器虽然电压预测精度较高，但结果未必满足物理一致性，微小的复电压误差也可能导致较大的功率平衡残差。作者在英国2224节点电网场景上比较了PIGNN-GC、GridSFM、gridfm-graphkit和LUMINA等模型，并提出校准解子空间投影方法，抑制预测误差中超出主解子空间的分量。结果显示四个模型的平均功率平衡残差均显著下降，同时电压幅值精度也有所提高。
说明MEND：基于近端速度匹配的流模型强化学习方法
简介该论文提出 MEND，一种针对流模型（flow models）的奖励后训练方法，基于近端速度匹配。它在每个提示组内对奖励设上限，并只接受奖励增益超过二次位移代价的更新，再让模型回归到由此得到的速度目标上，不需要 KL 项或参考模型。原文报告其在较少更新次数下，在多项评估指标上优于 Flow-GRPO、ReFL 和 DiffusionNFT 等方法。
说明并非设计，而是发现：面向协作与高算力模型探索的种群进化方法
简介该论文提出种群进化（PE）框架，让多个本地搜索通过共享实验结果相互协作，在相关任务间寻找可迁移的模型设计。对于训练成本高的任务，PE先在小规模训练子集上搜索，再经同伴与中间评估筛选后才进行完整训练。作者构建RMD-Bench基准，覆盖排序、观看时长预测、强化学习算法发现以及LLM/VLM预训练等场景，并报告PE相较独立进化方法在多项指标上有所提升。
说明摩洛哥 Turba 施肥机器学习系统技术报告
简介本报告介绍 Turba 施肥机器学习系统，这是一个面向摩洛哥、可复现的开源三层体系，用于按地块提供施肥建议。系统包括用于访问站点与推荐流程的客户端、分发分析快照的数据包，以及打包推荐输出替代模型的模型包。首个数据集基于 44,096 个 ESA WorldCereal 地点构建，共 132,017 条作物-地点推荐请求，涵盖 10 个大区、66 个省和 1,149 个公社；评估了九类回归模型，并发布了五个表现最佳的作物专用模型。
说明OntoInk：交互式本体可视化、验证与推理工具
简介本文介绍OntoInk，一个开源的MkDocs插件，把本体文档编写、可视化和验证整合在同一个文档即代码的流程中。它可渲染交互式本体图，依据SHACL形状验证实例数据，运行OWL DL推理，并支持在页面内直接编辑Turtle代码。作者指出，通用的MkDocs图表插件无法解析RDF、解引用IRI、叠加SHACL约束或进行OWL推理。
说明流程宪章与流程管家：面向智能体组织的新一代业务流程管理
简介本文指出，业务流程管理原本假设组织主要由人类构成，而AI智能体正越来越多地自主执行和协调工作，这一假设正在失效。作者提出两个新概念：流程宪章（可供机器解读、包含价值判断的框架，界定智能体允许的行为范围）和流程管家（负责解读并执行该框架的治理型智能体）。文章认为，这一代业务流程管理的核心价值在于组织的可理解性，即让智能体组织保持可问责、可质疑且能被人理解，并勾勒了由此展开的研究议程。
说明ReMem：借助长上下文记忆实现流式视频理解
简介当前视觉语言模型多为离线场景设计，难以应对要求低延迟响应的在线流式视频。论文发现，已有的记忆与令牌压缩方法随输入流变长会逐渐丢失长上下文信息。作者提出无需训练的ReMem方法，包含流式上下文记忆（SCM）与检索式视觉记忆（RVM）两个组件，以处理任意长度的视频并提升长上下文保留能力。实验显示其在多个流式及通用长视频理解基准上达到当前最优（SOTA）表现。
说明含未知输入非线性系统的结构基础：UID诱导标准形与最小传感运动恢复结构
简介本文针对受未知输入驱动的非线性系统状态估计问题，提出一种结构等价表示，称为UID诱导标准形，将未知输入的信息分解为与可观测动力学解耦的方向和完整表示未知输入影响的可观测量。基于该框架，论文展示了一种最小运动恢复结构（SfM）配置：仅用三个点特征和单轴陀螺仪即可递归估计状态，在未知全局尺度因子下恢复三维结构和相机运动。论文称真实数据实验验证了该可行性。
说明上行链路AI-RAN多项改进的组合应用
简介论文在多小区、多终端的系统级仿真中同时启用多项上行AI功能并评估其联合效果。作者提出镜像数据增强方法，使深度学习MIMO接收机的性能与调度分配大小解耦，并用深度强化学习训练上行功率控制与链路自适应。系统级结果显示，相比非AI基线，平均上行用户吞吐量约提升27%。
说明ThunderSyncRL：面向智能体强化学习的无损加速方法
简介本文提出 ThunderSyncRL，一种在训练语言模型智能体时加速强化学习的方法。其思路是在输入确定后立即开始计算梯度，既避免同步训练中学习引擎的空闲等待，又不引入异步训练带来的策略滞后。作者证明该方法对 GRPO 与 OPD 产生的更新与批量同步训练相同，并在 SWE-bench Verified 和 Terminal Bench 4.0 上，以最多 1.9 倍的速度达到相同性能。
说明UltraDub：通过视觉引导的流学习与轨迹引导实现更真实的配音
简介该论文提出UltraDub框架，用于视觉语音克隆，即生成与嘴唇动作同步、且保持说话人一致的语音。框架利用视觉的运动信息聚合多模态上下文，并以嘴型节奏校正推理轨迹。论文还构建了DiverseDub多场景基准，报告称UltraDub在四个数据集上取得了最先进的结果。
说明熵最小化选择中的任意放置问题与残差熵表述
简介该论文指出，仅最小化香农熵的选择目标会奖励“自信”的选择，而不管被选候选是否有信息量。作者提出残差熵 D = H(p_A) − H(p_β)，并证明其与 KL 散度及排序一致性项有关，给出了相关的安全性与条件性结论。实验在混合专家路由、类别不平衡任务和视频预测系统中进行了验证。
说明VERA：面向可验证环境的智能体协同进化框架
简介该论文提出VERA，用于大规模构建可验证的长时程智能体环境：由智能体编写评分标准与可执行检查，经裁判验证后才进入训练库。VERA在模型训练（基于评分标准奖励）与工具框架技能编辑之间交替更新，并用验证器按开发集验收标准把关。作者报告，开源语料含9000多个环境，9B模型与其协同进化的智能体在两个领域分别超过最强基线10.3和13.0分。
说明在线实验中的激励对齐：实验者为何会高估效果，以及如何通过机制设计纠正
简介本文研究在线平台中实验由分散的实验者主导时产生的激励冲突：实验者常按经验平均处理效应获得奖励，而该效应容易被高估。作者把实验重新表述为激励设计问题，提出样本拆分和收缩两种机制。样本拆分能以有限的流量成本实现完全的激励对齐；收缩不占用额外流量，并保证预期效果为负的干预不会被上线。
说明超越传输成本：流匹配与最优传输在路由上的差异
简介该论文研究生成模型中流匹配（FM）与最优传输（OT）耦合的差异。作者将传输成本与路由（每个噪声样本到达的目标位置）分开考察，发现两者成本接近时路由可能明显不同。在学习得到的神经流匹配模型中，以精确的FM路由为参照构造了感知路由的训练耦合，相比成本匹配的对照方法，生成效果呈方向一致的改善。作者认为仅靠成本最小化可能遗漏重要信息，建议同时用成本和路由评估基于OT的FM耦合设计。
说明基于腕戴式加速度计与深度学习的无创癫痫发作检测
简介本研究利用单个腕戴式加速度计设备，结合基于时间序列ResNet架构的深度神经网络，检测包括短时发作在内的多种癫痫发作类型。研究纳入79名接受视频脑电图监测的患者，以脑电图专家标注为依据进行训练与评估。结果显示发作检测灵敏度为95.65%，误报率为每24小时0.15次，适合用于长期居家监测，后续需在更大数据集上验证。
说明提示与精修：面向含噪标签红外小目标检测的非对称互学习方法
简介该论文针对红外小目标检测中标注含噪声的问题，提出 PAR 方法，由预训练的 Segment Anything Model（SAM）与从头训练的检测器通过互教方式协同学习，相互修正对方的监督掩码。方法还引入证据不确定性估计以降低噪声标签的负面影响。作者称在三个数据集的多种含噪场景下，PAR 均取得了当前最佳的性能。
说明可线性分离数据上逻辑回归的大步长联邦学习：异构设备情形
简介本文研究用联邦平均（FedAvg）算法训练多分类逻辑回归模型的分布式学习问题，关注步长任意大、各设备每轮本地更新次数不同的情形。对于线性可分数据，作者证明FedAvg在任意步长下均稳定，目标函数值以O(1/R)的速率收敛到零（R为通信轮数），且设备异构的影响渐近消失。数值实验支持上述结论。
说明CoHyFuse：基于任务条件超图与全局连接组融合的任务态fMRI分析方法
简介传统任务态fMRI连接组方法把不同条件合并成单一静态图，掩盖了各任务状态下的多脑区组织。该论文提出CoHyFuse框架，为每个任务条件构建超图并与整段会话的功能连接分支融合，用于预测。在AABC队列（N=1,074）的认知与运动预测任务中，其平均样本外预测效果在所比较的基线中最好；在CMI-HBN的ADHD分类辅助基准（N=223）上也有报告结果。遮挡分析指出Distraction条件对预测贡献最大。
说明MiniCorp：迈向AI代理企业的最后一步
简介该论文提出MiniCorp，一个办公室模拟器，用于研究AI代理如何共同经营一家公司并大规模生成企业数据。系统以电商公司为示例，包含模拟客户、竞争者和市场机制的外部世界，以及观察事件、讨论并做出战略决策的内部代理。系统会记录代理的沟通与决策及其后续业务结果，并支持检查点回放以比较不同决策。实验显示代理能跨角色协调并根据市场反馈调整决策。
说明每个视角都计入：面向多视角全景分割的视角一致全景质量指标
简介该论文提出一种新的多视角全景分割评估指标 VC-PQ，将全景质量（PQ）从单张图像扩展到一组输入视角。它对实例可见的每个视角同等计分，并惩罚在与真值不同视角中出现或丢失的预测。作者在 ScanNet++ 和 ScanNetv2 上比较了近期前馈方法，并与原有的 PQ^scene 结果一并报告。
说明AstraSR：借助 GPT-6 Astra 的真实场景热成像超分辨率方法
简介该论文针对真实热成像超分辨率问题，指出传统方法用合成退化构造训练对会产生域差距。作者提出 AstraSR，利用 GPT-6 Astra 以实拍低分辨率热图生成高分辨率参考，并以像素、梯度与感知损失进行监督。论文称其与七种现有方法的定性比较显示，AstraSR 在热图清晰度与结构连贯性上表现更好。
说明基于强化学习的安全图像生成：在生成过程中检测并引导，避免输出不当内容
简介文章指出文生图模型仍可能生成暴力或色情等NSFW内容，而现有安全机制多为生成前过滤或生成后审核。作者提出生成过程中的安全框架，监测去噪轨迹并从中间表示中检测NSFW信号，再用强化学习将不安全轨迹引导为安全图像。实验显示该方法在标准和对抗性评测集上优于现有安全生成方法，同时保持图像质量与提示词一致性。
说明关于在测试集上调参的实证研究：测试集调参真的那么糟吗？
简介本文研究在测试集上调整超参数会在多大程度上虚高性能结果。作者在MNIST-1D、CIFAR-10以及GLUE基准的三项任务上进行了系统实验。结果显示该影响确实存在且显著，但往往小于其他噪声来源；许多情况下，在测试集上调参与在验证集上调参得到的是同一模型，且模型排名基本保持不变。作者认为应更细致地看待这一做法，并呼吁研究者公开报告测试集调参情况。
说明端到端自主递归树形可变形流与非线性血流动力学：面向个体化冠状动脉中心线提取
简介该论文提出一个端到端框架，用于从三维医学影像中提取患者个体化的冠状动脉树中心线，并以非线性血流动力学模型替代线性Poiseuille流。框架包括自主定位开口标志点、基于三维特征的可变形逐步轨迹生成、递归树拓扑构建，以及Picard非线性Kirchhoff求解器。文中报告在14名开发患者的体内模拟狭窄测试中，非线性求解器能识别线性模型误判为非缺血的功能性缺血病变。
说明LoDEOT：用于离天底影像建筑物轮廓提取的低维高效偏移令牌
简介该论文针对离天底影像中的建筑物轮廓提取，研究如何用紧凑的偏移令牌预测屋顶到轮廓的偏移量。作者提出LoDEOT方法，将偏移令牌设为五维，并在五个真实建筑数据集上进行实验。结果显示，在BONAI数据集上，该方法在屋顶检测指标和偏移校正后的轮廓指标上表现领先。
说明数据稀缺下面向大模型的协同个性化偏好对齐
简介论文针对用户偏好多样、个性化反馈稀少的问题，提出近似帕累托最优（APO）方法，先将更新方向兼容的用户分组，再在组内结合梯度下降与受控上升，学习可支持少样本本地适应的轻量对齐器初始化。作者给出了单步协同更新的条件次优性界，并在 Fed-ChatbotPA 和 UltraFeedback 上报告了仅用 20 条本地样本即优于现有方法的结果。
说明在前沿规模语言模型上拟合视觉适配器
简介论文训练了一个5000万参数的投影器，把冻结的视觉编码器（来自Kimi K2.6）接到原本没有视觉能力的语言模型（GLM 5.2和5.3）上。作者还给出了大规模训练此类适配器的可复现方案。研究考察了语言模型规模扩大时视觉能力如何变化，以及哪些视觉能力能注入纯语言模型、哪些仍然有限，并在MMMU-Pro和BLINK上评估整体表现和各项视觉任务结果。
说明TasteRoute：面向视频生成的个性化路由方法
简介该论文指出视频生成模型种类繁多、能力和成本差异大，并发现不同标注者与其他人共识的偏好只有34%到55%的一致率。作者提出TasteRoute，根据用户请求、个人偏好和生成预算共同选择合适的视频生成模型。在文生视频和图生视频任务中，该方法在偏好路由上与简单强基线相当，并降低平均生成成本；作者还发布了包含人工标注的数据集TasteRoute-3k。
说明噪声消除，偏见注入：扩散语言模型中基于闭环激活引导的定向偏见注入攻击
简介该论文研究扩散语言模型（dLLM）在逐步去噪过程中可被攻击者利用的问题：攻击者借助内部激活，用比例积分控制器在去噪过程中动态调整引导向量强度，使冻结模型偏向指定群体的答案。在模糊的BBQ问题上，LLaDA-8B-Instruct对目标群体的偏好由1.8个百分点提升至16.7个百分点；在SocialStigmaQA上，污名化答案的选择率由17.6%升至58.1%。作者认为去噪轨迹是新的控制通道，建议偏见审计应考察整个服务系统而不仅是冻结模型。
看点提出利用去噪轨迹的闭环激活引导攻击，发现dLLM新的控制通道；在BBQ与SocialStigmaQA上以多组实验和基线对比验证，偏见注入效果显著。
说明无需优化归因图的空间监督：通过框引导证据路由改进事后类激活图
简介本文研究如何用低成本的空间监督（边界框或掩码）训练一个轻量门控，使分类器的事后 Grad-CAM 解释图定位更准确，同时不直接优化归因图本身。在 CUB-200-2011 和 Stanford Dogs 上 MaxBoxAccV2 指标明显提升，但对照实验显示，ResNet-50 上的大部分收益来自空间监督对骨干网络的重塑，而非路由机制本身；效果也因架构和评估设置而异。
说明学习压缩上下文模型的优化景观：一篇关于压缩大模型键值缓存（KV cache）的论文
简介论文关注持续学习中把智能体的上下文（即KV缓存）压缩成更小的一组向量，同时尽量保持基础模型行为不变。作者指出，通过冻结的基础模型进行这类优化问题很难，损失景观脆弱且平坦。论文提出一个大幅简化的Perceiver类架构，在连续上下文压缩中表现与完整Perceiver Transformer相当，并在压缩效用上优于基线方法，实验覆盖金融、法律、Gutenberg和代码四类选择题任务。
说明从宏观社会信号学习模拟个体行为
简介论文提出 macro2mind，用预测市场的价格走势学习行为推理，使语言模型能够模拟个体对新事件的反应。模型通过 GRPO 训练，并采用社会行为分解和后见之明遗憾课程进行优化。学到的推理无需额外训练即可用于用户模拟，论文报告其在 SWM-Bench 和多个用户模拟基准上取得了有竞争力的结果。
看点将预测市场价格轨迹作为行为推理的学习信号，并用GRPO训练并引入后见遗憾课程，新颖性较突出；在SWM-Bench及四个用户模拟基准上评估并报告零样本迁移与数据生成增益，证据较充分。
说明Mulligan：面向高效机器人在线学习的性能引导数据采集方法
简介这篇论文研究机器人在有人监督的部署中如何利用固定次数的数据采集提升高精度操作能力。Mulligan 把每轮采集的初始状态作为决策对象，优先从已观察到的失败状态和未尝试过的状态开始。论文还用基于全部数据（包括被模仿学习丢弃的失败数据）训练的价值函数进行增强，在三项真实任务和两项仿真任务上与均匀采样对比。
看点通过将初始状态分布作为决策并结合价值函数改进交互式模仿学习，在2550个盲测真实回合上验证，成功率提升10-34个百分点，对机器人在线学习有实用价值。
说明fMRI-TAMCL：基于文本锚定的有监督多模态对比学习，用于静息态fMRI脑疾病分类
简介静息态fMRI可用于脑疾病分类，但多模态且存在多中心异质性。该论文提出fMRI-TAMCL框架，融合fMRI图像、稀疏功能连接和由受试者信息生成的文本，并通过文本锚定的对比学习对齐三种模态后进行注意力融合。作者称其在五个数据集上优于29种基线方法，下游分类准确率为78.6%至86.4%。
说明学习如何学习一门语言
简介本文提出先验拟合语言模型（PFLM），这是一个3亿参数的字节级Transformer，仅在合成的非语言先验样本上预训练，从未见过任何真实语言的文字。模型在推理时冻结权重，通过文本前缀在上下文中推断语言并预测后续内容。在六种语言的维基百科上，上下文达到一百万字节时，每字节比特数从均匀分布的8降至0.9到2.4之间。
说明ImpactMat：面向逆向撞击声渲染的连续材质估计
简介撞击声渲染可以合成三维物体被敲击时发出的声音，但实际渲染器常依赖木材、塑料、钢材等固定材质预设，可表达的范围有限，而不懂材料声学的人很难手动调整底层材质参数。本文研究逆向撞击声渲染，即从参考撞击声预测材质参数，使模拟器能再现相似的材料响应。作者为此提出了 ImpactMat 数据集与基准，并提出一个前馈模型，可从一段或多段录音预测这些参数；实验显示该方法优于对比基线，并能在无需手动调参的情况下从真实录音重新渲染。
说明OGAM：通过面向物体的注意力监测，将系统测试与运行时保障相连
简介该论文针对视觉-语言-动作（VLA）机器人策略，提出面向物体的注意力监测方法OGAM。测试中成功与失败执行的注意力差异被用于在运行时提前停止失败任务。在四种策略上，OGAM停止了87%至100%的失败回合，误停率为3%至5%，且无需失败标注训练数据。
看点将系统化测试发现的注意力偏离信号用于运行时早停，结合共形校准与动态时间规整，并在四种策略上实验验证，新意明显。
说明全局通信还是图专用记忆？：在静态大图的直推式学习中，可扩展图Transformer的共享记忆可能只是常量
简介可扩展图Transformer通常在静态大图上以直推式方式训练和评估，其中许多组件可视为类似虚拟节点的固定大小共享记忆。论文指出，在单一固定图上，共享记忆在测试时实际上相当于常量，因而质疑它在此类设定中究竟起什么作用。作者给出初步证据：直接优化共享记忆与全局通信方法表现相近，普通局部消息传递模型也能把类似信息嵌入其权重中，因此这类设定可能不适合用来评估图神经网络中的全局通信。
说明离策略合并优于同策略自蒸馏：一种面向持续学习的方法
简介本文研究大模型的持续学习问题。作者发现，在新数据上做监督微调（SFT）会干扰已有能力，而同策略自蒸馏（OPSD）容易导致推理能力崩溃。为此，作者提出名为“grafting”的简单方法：在较早的检查点上学习权重更新并将其应用到已后训练的模型，同时对更新进行缩放，必要时屏蔽最敏感的更新方向。实验表明，该方法在新任务和旧任务表现上均优于SFT与OPSD，且无需昂贵的同策略采样。
说明通过校准的内容认证来验证真实图像
简介论文测试了二十种深度伪造检测器在十个近四年发布的生成模型上的表现，准确率随时间下降，从接近99.5%降至76%，对抗性扰动更使各基线检测器准确率降到2%以下。作者认为仅凭内容无法判断来源，因此提出一种输出校准预测的方法：若已知生成器能忠实复现某内容，则该内容具有合理的可否认真实性。实验显示，该方法可将被误判为生成内容的比例控制在1%以内。
说明在线分位数回归的有限样本分布理论与高效大规模推断
简介本文研究大规模流式数据下的在线分位数回归，采用恒定学习率的随机次梯度下降（SSGD）方法。作者在有限矩假设下证明了SSGD的量化中心极限定理和有限样本高斯近似，并指出恒定学习率下的Ruppert-Polyak平均存在非消失偏差，因此提出后缀平均方法。基于这些结果，论文给出了一种无需估计协方差的高效在线推断方法，数值实验与美国工资数据应用显示其覆盖率良好、表现具有竞争力。
说明数据驱动的次季节土壤湿度预测：闪旱预测的前景与局限
简介该论文针对欧洲次季节尺度（S2S）土壤湿度预测，使用基于视觉Transformer、带双路径时空注意力的模型，并采用残差学习和物理单位目标。模型在2021至2022年的评估中，在各预测时效上优于深度学习基线和ECMWF业务系统，且能较可靠地识别根区干燥状态（低于第20百分位）。但对由多个旬强化标准定义的闪旱爆发，所有现有S2S系统仍难以准确预测。
说明Weave Mamba Fusion：面向轻量级人脸检测的全局跨尺度交互方法
简介该论文提出 Weave Mamba Fusion（WMF），把相邻两层特征金字塔尺度逐列交错排布，再用水平双向 SS2D 扫描实现跨尺度交互，同时保留特征结构。将其嵌入每个融合节点，得到 WeaveBiFPN 并构成 WeaveFace 人脸检测器。在 WIDER FACE 上，WeaveFace 以 0.34M 参数、1.16 GFLOPs 取得 91.41% 的平均 AP，超过参数量在 0.5M 以下的既有检测器，其中 Hard 子集达 87.14%。
说明CCQ：支持儿童健康AI研究的多州托育质量数据集
简介该论文发布了CCQ数据集，整合了美国12个州的59,372条托育机构记录，经去标识化处理，用于人工智能与儿童早期健康交叉领域的研究。作者用基于大语言模型的自动流程对原始数据进行匿名化、清洗和标准化，形成文本版与表格版两个发布版本。在质量评级预测的基准测试中，同一州内表格分类器表现最好；跨州零样本迁移接近随机水平，但少量目标州标注即可恢复大部分性能。
说明想象即行动：基于图像编辑世界模型的高保真数据合成，用于可扩展的GUI智能体训练
简介本文提出 Infinite-Dreamer，一种无需模拟器、基于像素级图像编辑世界模型的数据合成方法。作者用视觉语言模型把操作引起的界面变化描述为结构化的差异文本，再微调图像编辑模型，生成逼真的截图转换，包括单帧数据和多步想象轨迹。仅用合成数据微调 Qwen3-VL 得到的 Infinite-Actor 在 AndroidWorld、MobileWorld 和 AndroidControl-Curated 上优于基线，其中 8B 版本在 AndroidWorld 的 Pass@1 提升 4.45，2B 版本提升 9.05。
说明Curriculum Brain：构建课程知识图谱，作为认知诊断的基础
简介认知诊断模型能指出学生掌握与未掌握哪些技能，但需要人工为每道题标注所需技能（Q矩阵），难以落地。本文提出分两阶段的思路，先独立构建课程本身的知识图谱，再按需映射题目。本文仅实现第一阶段，系统由知识库和11个多智能体流水线组成，共处理241次章节运行（168个不同章节），并公开了框架与课程数据集。
说明欠驱动双足机器人无碰撞行走的分层强化学习
简介本文提出一种分层强化学习框架，让欠驱动双足机器人在有障碍物的环境中行走并避开碰撞。高层策略根据机器人姿态、射线检测和目标信息输出速度指令，低层策略跟踪这些指令并控制关节。两层策略联合用SAC训练，并与A*、RRT*、APF等经典规划器组合对比，在仿真中的到达率更高。
说明TurboPairFormer：用优化的三角注意力内核实现快速稳定的蛋白质折叠模型训练
简介本文提出TurboPairFormer，一种面向NVIDIA Hopper GPU的三角注意力实现，用于AlphaFold3类生物分子模型。它采用按键分块并行的反向算法，减少重复计算并保证确定性累加，同时通过输出残差补偿提高反向梯度精度。在与OpenFold3集成后，单次优化器步骤的GPU计算时间优于所比较的后端配置。
说明盲点悖论：自适应分类器如何骗过漂移检测器
简介论文研究自适应分类器的误差流如何用于监测概念漂移，并发现模型自身的增量更新会在累积证据达到阈值之前把准确率恢复，使CUSUM、Page-Hinkley等检测器失效。作者以自适应随机森林（ARF）为例，指出幸存的树通过叶节点更新吸收了98.6%的漂移后误差，并给出一个检测无法穿越阈值的临界幅度。实验基于合成漂移、ARMA-GARCH序列及BAF、INSECTS等表格基准进行验证。
说明RepICL：可跨异构表示空间复用的上下文内预测方法
简介本文研究能否只学习一次少样本预测流程，并在不同数据集和表示空间之间复用。作者构建了包含1218个编码器-数据集任务的RepShiftBench基准，覆盖文本、图像和音频，并提出元训练的上下文学习器RepICL，在预测前通过片段级白化对每个片段进行规范化。摘要称其归纳版本在全部12个基准设置中超过逻辑回归，转导版本显著优于现有转导方法，且白化是主要增益来源。
看点提出可跨表示空间复用的元训练上下文学习器，并以episodic whitening实现规范化，新意明显；在1,218个任务上对比多种基线，证据较充分，对冻结表示的少样本分类有较广影响。
说明曲率感知的无分类器引导（CACFG）与最优控制：一种改进扩散模型条件生成的方法
简介本文将扩散模型的无分类器引导（CFG）采样过程表述为连续时间最优控制问题，并通过求解Hamilton–Jacobi–Bellman方程说明CFG在特定路径代价下可被恢复。作者认为控制集无约束是CFG在高引导强度下失效的原因，于是提出将控制集约束在超球面上的CACFG方法。文中报告，在多种扩散模型、数据集和引导调度下，CACFG在中到高引导强度时生成质量更好，质量与多样性之间的权衡也比常规CFG更温和。
说明PhaseMatcher：基于谱分解的自回归物相集识别方法
简介该论文针对粉末X射线衍射（PXRD）数据，提出名为PhaseMatcher的自回归框架，用于识别混合样品中的完整物相集合。方法在每次预测一个物相后，利用原始观测与已选参考图谱重新估计各已选物相的贡献及残差，以引导后续识别，并由单独模块判断物相集合何时完整。在合成混合物与由实测单相图谱构建的受控混合物上，该方法在完整集合识别上优于所评估的基线方法。
说明AnchorPose：通过介观尺度位姿生成实现几何感知的金属有机框架组装
简介该论文提出AnchorPose方法，用于根据给定结构单元预测金属有机框架（MOF）的晶体结构。方法用少量代表性原子描述每个结构单元，结合局部几何与当前空间状态，并借助贝叶斯流网络生成坐标，再通过刚性对齐恢复完整位姿。在MOF基准测试中，其单候选匹配率高于所比较的块级及全原子基线方法。
说明HLA：基于分块动态混合的表达性混合线性注意力
说明基于模型方向限制的双速率力-图像机器人超声控制
简介本文针对机器人超声中接触力环与较慢、有延迟的图像反馈之间的耦合问题，推导了一个闭式的探头旋转速率上限，用于限制旋转引起的估计力偏移。作者在弯曲明胶模体上以配对对比和组件消融进行实验，结果显示限速控制器将前一秒的力误差均方根降低了0.40 N，但收敛时间增加了0.94 s。单例腘窝扫描验证了可行性。
说明巴基斯坦旁遮普省作物产量预测：树集成模型与叶片健康原型，以及随机验证掩盖的问题
简介该研究为巴基斯坦旁遮普省构建了作物产量预测原型，结合随机森林、XGBoost、支持向量回归和岭堆叠集成，并加入基于MobileNetV2的叶片健康分类器。随机划分得到的高准确率在数据去重并按年留出验证后大幅下降，说明原表存在重复记录。按作物的线性趋势在去重数据和FAOSTAT数据上表现优于不含年份的模型，农药使用和气温变化未能解释趋势残差。
说明HiER-BLS：层级引导且具纠错能力的鲁棒增量宽度学习系统
简介宽度学习系统（BLS）可以解析式训练并增量扩展，但新增模块应从哪些输入学习需要引导。本文提出HiER-BLS，将层级引导的表示增长与纠错学习结合：后续模块依据特征重要性与相关性选择输入，同时保留早期表示。在五个图像数据集和五个表格数据集上的实验显示，其分类性能优于代表性的BLS变体。
说明请求顺序很重要：滚动式智能体中选择性KV缓存复用的缓存历史敏感性
简介长期运行的智能体会反复调用大语言模型，文档窗口不断增删，导致精确前缀缓存失效。论文研究带选择性重算的持久化KV缓存复用，发现在滚动式智能体场景中，相同提示词的回答会因之前处理的请求不同而变化。以5%重算预算比较，文档对齐重算将跨请求顺序的答案变化率从69.0%（CacheBlend的token top-k策略）降至26.1%。
说明优先级协调博弈：Hodge 分解与设计的严格极限
简介本文研究分散式优先级协调中，智能体宣布优先级、共享资源按优先级递减服务的博弈。作者用 Hodge 分解将激励分为可由共同目标表示的势能部分和无法表示的调和部分，并给出闭式结果。研究表明，共同目标式替代模型存在至少 1/(d_max+1) 的相对平方误差，且在完全冲突图上，即使支付设计也无法消除该误差下界。
说明为可靠高效的终端智能体训练选择长程轨迹
简介本文研究终端智能体模仿学习中“监督长度”（训练时保留的轨迹 token 数）的影响。在 Terminal-Bench 上，12K 长度比 16K 解决更多任务且训练时间少 30%，表明可靠性提升会趋于饱和。作者提出“选择性长程精炼”方法：先用短前缀训练，再只对热预训练模型下最可能的续写部分进行精炼，在多个基准上优于全量长程训练。
说明代理式排行榜的测量优先审计：污染敏感性、匹配对照重评与评分器验证
简介论文提出一个测量优先的审计框架，将污染相关主张按所需证据分为训练期暴露、评估期检索和流水线/脚手架泄漏三类，并以开放、部分、封闭、未知四级编码。在九个 HAL 配置中，27 项渠道评估均未被编码为封闭，但四个配置确认存在污染事件。作者还在 SWE-bench Verified 的文件定位差距上用匹配对照设计重评 GPT-4.1 与 DeepSeek-V4-Flash，结果的置信区间包含零，评分器也未通过验证，因此基准相关差距无定论。
说明用于调查模拟的数据驱动人设：不同数据获取条件下的模拟一致性研究
简介该论文研究利用大语言模型模拟特定人口群体的问卷回答，从匿名公开行为数据中归纳人设来引导模拟。研究发现，来自领域外数据的人设通常不优于仅依据基本人口信息的模拟，主要因人口不匹配；当人设准确对应目标人群时，模拟一致性明显提高。此外，基于目标领域调查数据归纳的人设，随着可用问卷历史增多，对未见问题的模拟泛化更好。
说明分位数感知扩散模型在高度不平衡表格数据中的有效性
简介该论文针对高度不平衡数据的分类难题，提出 Quantile-TabDDPM 方法，在扩散模型的去噪目标中加入分位数损失项，以更好捕捉稀有极端值和少数类特征。作者在一个极度不平衡的真实信用卡交易数据集上进行了广泛评估，结果表明该方法结合基于扩散的合成数据生成，可为欺诈检测提供稳健有效的框架。
说明用多目标强化学习让四足机器人运送未固定的堆叠货物
简介本文研究四足机器人在不平地形上运送未固定堆叠箱子的问题，机器人身上只有无边缘的木板，没有专用载荷传感器。作者提出PAMORT方法，先训练以偏好向量为条件、兼顾运动性能与载荷稳定性的多目标基础策略，再在冻结的策略上训练权重调节器，依据本体感知在线调整两者的权衡。仿真中，即使仅用两箱训练，PAMORT在包括未见过的三箱堆叠在内的不同配置下，整体运送成功率与单目标基线相当或更好；在宇树Go2实机上，八项任务的平均成功率为0.850，基线为0.675。
说明纳什均衡文本：一种用于文本生成的博弈论解码框架
简介本文将文本修订建模为一个存在纳什均衡的博弈：每个词元位置是参与者，词表中的词是可选动作，效用为语言模型的对数条件概率。作者提出纳什解码算法，可在给定提示下词元联合概率的条件下，以O(1/ε)时间得到一个ε-纳什均衡。在CLAPNQ、PubMedQA和CoQA问答基准上，由掩码语言模型得到的纳什均衡在F1和ROUGE指标上优于规模大至18倍的自回归模型，且无需微调或重新训练，代价是增加了测试时的计算量。
说明Level-of-Token 扩散：按细节层次分配令牌的高效图像与视频生成
简介该论文提出 Level-of-Token（LoT）扩散框架，用不同大小的矩形块作为令牌，细节丰富处用细令牌，其他地方用粗令牌，从而减少计算量。作者通过非对称流参数化和多分辨率令牌嵌入，将预训练扩散 Transformer 适配到 LoT 布局，每一步仍预测全分辨率流。实验涵盖图像和视频生成，布局可由语义掩码、边界框、纹理方差、景深线索或智能体规划得到，加速幅度取决于令牌预算。
说明Plan Canvas：连续语言流中的固定推理区域
简介该论文针对连续语言流（一次对目标画布所有位置同时去噪生成文本）的推理问题，提出 Plan Canvas，用固定容量的规划区域存放推理轨迹，并在答案前设置固定起始位置。在 ProsQA 及更长证明的 Deep ProsQA 图基准上，相比自由轨迹基线，Deep ProsQA 准确率从 73.0% 提升到 87.0%，给出有效路径的比例从 30.8% 提升到 59.1%，且最长证明上提升最大。
说明利用机器学习进行参数提取与缺陷检测的特征识别
简介该论文面向先进半导体工艺的过程控制，指出3D结构需要从各层差异较大的结构中提取关键尺寸参数，EUV时代随机缺陷增多也要求识别低分辨率图像中的纳米级特征。论文提出一个通用框架，利用高速扫描探针显微镜系统获得的图像训练网络，用于参数提取的特征检测或缺陷识别。
说明用于先进半导体节点的图像分辨率增强
简介先进半导体节点需要亚纳米分辨率的量测，同时要满足产线在线控制所需的吞吐量。本文提出一种基于神经网络的分辨率增强框架，用于扫描探针显微镜（SPM）图像，以缩短成像时间并提取相关参数。研究以节距为 200 nm 的线/间距结构进行验证，并利用迁移学习，以较小的数据集对节距为 100 nm 的略有不同结构重新训练模型。
说明DiMOS：面向科学设计的 Doob 引导推理时多目标搜索方法
简介该论文提出 DiMOS，一种无需训练的多目标科学设计框架，用于在冻结的预训练掩码扩散模型上进行推理时引导。方法利用候选序列的联合奖励进行近似 Doob 引导的局部重采样，无需奖励梯度，并通过预算高效的轨迹搜索集中计算资源。在六个 DNA、蛋白质和 RNA 任务上，DiMOS 在相近生成时间下取得了最高的联合成功率，在 DNA 和蛋白质任务上最高达到最强基线的 1.98 倍，同时保持了较高的序列独特性和自然性。
说明日志异常检测评估中的协议敏感性：HDFS与BGL上的组件开销与目标访问影响
简介本文研究日志异常检测基准中，数据划分方式、可见表示信息与组件开销如何影响结论。作者在HDFS和BGL日志上比较六种固定的计数、序列和语义配置。随机划分会使多个配置接近平均精度上限，而按组不相交及按时间顺序的评估得分更低且排序不同。文中还通过双因素跨系统消融实验，比较仅源数据与可访问目标未标注模板的设置对结果的影响，并对解析、表示、训练、预测和存储等阶段的开销进行了分析。
说明基于高斯映射变分的图像去噪：几何分析与Anderson加速的主化-极小化方法
简介本文提出一种用于图像去噪的高斯映射变分（GMV）模型，通过度量缩放图像图上切平面投影算子的空间变化来刻画正则项。作者利用管状坐标和Frenet标架等微分几何工具分析其在一般C²及分段C²边界上的性质，并给出保持边缘与角点对比度的估计。针对该模型提出了双线性分解与Anderson加速的主化-极小化算法，对L¹和L²保真项证明了迭代的充分下降性与有界性，并证明序列收敛到惩罚模型的临界点。数值实验表明该模型能保持边界，并在去除高斯噪声与脉冲噪声方面具有竞争力。
说明基于条件门控的低秩适应自适应利用方法（U-LoRA）
简介这篇论文针对参数高效微调方法LoRA在所有词元上共享同一低秩更新的局限，提出U-LoRA。该方法通过条件门控，为每个词元生成沿低秩方向的利用系数，并结合句子级上下文进行协调与约束，同时引入带偏差校正的指数移动平均历史先验以提高训练稳定性。作者称其效果来自对现有低秩子空间的更好利用，而非扩大子空间。在数学推理与自然语言理解基准上，在参数量相当的条件下，该方法与强LoRA基线及近期变体相比表现具有竞争力。
说明原子特征可检验理论：稀疏字典随规模恢复最常见的原子特征
简介该论文提出一种语言模型表示理论，认为存在“原子特征”。作者指出，随着规模增大，稀疏字典（如SAE）会恢复训练数据中最常见原子的一个递增前缀。据此提出三项可检验预测，并在512至131,072规模、两种大型嵌入模型上的SAE中得到验证，与“特征不稳定、随规模分裂”的传统观点形成对比。
说明拓扑条件后门：推断自身处于多智能体系统时会插入漏洞的语言模型
简介该论文研究一种失效模式：语言模型在单智能体评估中表现安全，但当上下文暗示其处于多智能体系统时会生成存在漏洞的代码。作者对Qwen2.5-7B-Instruct进行微调，使其根据提示中的来源线索推断部署拓扑并据此生成代码。结果显示，在多智能体场景中漏洞检出率很高，单智能体场景中则为零；论文还测试了对照与泛化，并指出在真实多智能体环境中的激活情况尚未验证。
说明FairRSFM：面向生态区域的遥感基础模型基准与去偏框架
简介该论文提出FairRSFM，一个按生物群落划分的基准，用于评估遥感基础模型在不同生态区域上的稳健性。研究将14类陆地生物群落归为六个宏观生态组，在四个下游数据集上测试Prithvi-EO-2.0、SatMAE和DOFA。结果显示，总体指标会掩盖不同生态区域间的性能差异，并比较了BOLP、DBR和GroupDRO三种缓解方法的效果。
说明与维度无关的去中心化非光滑非凸随机优化
简介本文研究在由 n 个节点组成的网络上求解去中心化非光滑非凸随机优化问题，目标是找到 (δ,ε)-Goldstein 驻点。已有算法的样本复杂度和通信复杂度都对问题维度 d 呈多项式依赖，在高维情形下成为主要瓶颈。作者提出一种新算法，其样本复杂度为 O(δ^{-1}ε^{-3})，通信复杂度为 Õ(γ^{-1/2}δ^{-1}ε^{-3})，关键在于一种去中心化在线转非凸的构造，可消去对维度的多项式依赖，仅需额外的对数级通信。
看点提出去除维度多项式依赖的去中心化在线到非凸转换，理论上显著改进已有样本与通信复杂度界限，证据为严格理论分析。
说明sHAIL-Causal：用于发现不变因果预测变量的序贯阶梯方法
简介该论文提出 sHAIL-Causal，即 sHAIL 范式在因果发现上的特化版本：在嵌套假设类之间逐级上升，并以拟合饱和与跨环境不变性的联合准则判断何时升级，以替代结构风险最小化的复杂度控制。作者给出理论与仿真结果，并讨论了贪心搜索的失效原因、一种结合有界穷举种子与校准阈值的修正方法，以及在环境顺序到达时保持有效的置信保证。
说明行为克隆之谜：用可控基准研究模仿学习的反直觉现象
简介论文指出行为克隆（BC）在现实中会出现许多反直觉现象，例如模型越过拟合训练数据性能反而持续提升，以及不使用动作分块时全闭环策略往往完全失败。由于真实数据成本高、难以控制，且合成数据与人类演示差异较大，这些现象难以系统研究。作者提出 OCBench，一个带有可控脚本策略的机器人操作基准，模拟人类演示的关键特性，从而在受控环境中复现多种现象，并借助 GPU 加速环境检验和反驳相关假设。
说明CLARA：AI 能否评估儿童故事是否适合其发展阶段？
简介该论文提出 CLARA 框架，从认知、语言和社会情感三个维度对儿童故事进行结构化标注，并构建了包含 1107 篇中英双语儿童故事的基准资源。作者将该方法与可读性指标及直接提示基线进行比较，并请教育工作者进行盲评。结果显示，结构化标注与发展参考及人类判断的一致性明显更高，但论文同时强调了可解释性和人工监督的重要性。
说明各向同性高斯过程改进高维贝叶斯优化的基准方法
简介该论文针对高维贝叶斯优化中常用的自动相关性判定（ARD）高斯过程，提出 Iso-BO：用所有输入维度共享一个长度尺度的各向同性高斯过程替代 ARD，其余流程保持一致。作者分析指出，对径向核而言，边际对数似然仅依赖于观测输入间的加权成对距离，部分 ARD 方向可能无法被约束。实验显示，在多种基准上 Iso-BO 常优于现代 Vanilla BO，但当各向异性强且可学习时，更灵活的 ARD 模型更有优势。
说明面向AI生成视频的时空语义重要性引导统一压缩与编辑框架
简介本文针对AI生成视频体量与分辨率快速增长带来的存储与传输需求，提出一种统一的压缩与编辑框架，以冻结的视频生成器作为可复用的生成先验。框架包含三项技术：基于时空语义重要性选择需要传输的创新信息，依据各潜在帧的语义需求分配不同的比特量，并通过可连续调节的方式让同一压缩表示既可用于忠实重建，也可作为提示驱动编辑的结构锚点。
说明MedicalHarness：医疗任务中大语言模型与智能体框架的受控评测
简介本文研究大语言模型在医疗智能体中的表现，指出分数不仅取决于模型，也取决于控制模型与环境交互的智能体框架（harness）。作者构建了包含107个任务、覆盖四个领域的MedicalHarnessBench，并用MH-Lab逐项关闭上下文管理、规划或工具暴露等机制进行对比。结果显示，框架及其与模型的交互约占结果方差的四分之一，且没有哪一种框架在所有模型和任务上都最好。
看点提出控制变量的医疗智能体框架对比与机制消融，在107个任务上系统测量，新颖但属方法论研究，影响面中等。
说明从生产环境执行轨迹中挖掘智能体技能
简介本文研究如何从智能体的执行轨迹中挖掘程序性技能，而非人工编写。比较了三种挖掘证据（仅成功轨迹、带结果标签的成功与失败轨迹、不带标签的混合轨迹）与两种技能形式（有序工作流计划、实体-状态-策略的声明式本体）的六种组合。在 ThinkingBox-Bench 和 APEX-Agents 两个企业基准上的结果显示，不同配置的收益取决于企业领域，技能效果还受任务结构相关约束影响。
说明InteractionBench：流式视频系统的实时交互基准测试
简介本文提出 InteractionBench，用于评估视频助手在何时应当发声、何时应当保持沉默的决策能力，覆盖模型、记忆与响应控制器组成的完整系统。基准包含 1,060 个交互、812 个视频、69 个负样本流以及 53 组近似干扰套件，并在视频时钟上评估内容准确率、时机准确率和沉默合规率。结果显示，及时发声往往以牺牲沉默为代价，多数开源系统在近似干扰套件中表现不佳。
说明AdaSpark：面向树形验证与 N-gram 填充的在线自适应 DSpark 解码方法
简介该论文提出 AdaSpark，一种在推理服务过程中在线学习的调度方法，用于决定 DSpark 树形验证的宽度，并把草稿候选与请求文本的 N-gram 续写一起排序。它不依赖预先的性能剖析或标定，而是同时学习验证耗时与接受概率。在六个公开数据集、三个稠密模型和一个混合专家模型上，相比使用相同草稿模型的 llama.cpp DSpark，AdaSpark 解码速度提升 1.5 至 3.1 倍。
说明可控道路标线生成：根据可行驶区域与文字描述合成缺失的中心区域标线
简介该论文提出可控道路标线生成方法，依据可行驶区域掩膜、可选的外圈标线和文字描述，合成缺失的中心区域标线布局，输出车道分隔线、道路分隔线和人行横道三类。方法结合文本条件的潜在整流流扩散Transformer、拓扑感知辅助损失与高斯模糊训练目标，并采用无需训练的结构化高斯渲染后处理。在Argoverse 2测试集上，其缓冲F1为80.8、clDice为50.2，高于改编的掩膜精修基线。
说明关系合成：一种面向拟音与检索增强音频生成的结构中介拼接合成方法
简介论文提出“关系合成”方法，给定检索到的源音频S和参考音频R，生成新音频Y。方法借助类似Gromov的关系结构代价，把R的时间结构与振幅变化方向迁移到对S的音频片段（grain）重新排列与拼接上，使Y在声学上与S保持一致，同时避免持续复制S或R的片段。实验显示该方法可与神经检索增强生成结合，在时间一致性、声学保真度和泄漏持续性指标上表现较好，并保持整体分布质量与文本对齐。
说明用于稀疏点云补全的三维反向投影方法及其在高速列车车头重建中的应用
简介本文针对玻璃窗区域激光雷达扫描留下的孔洞问题，提出从点云获取、滤波、补全到表面重建的完整流程。方法先用FAST-LIVO2获取初始点云，再用移动最小二乘法平滑，并提出三轴投影细分与插值的反向孔洞边界识别补全方法。在高速列车车头比例缩放展示模型上的实验表明，该方法能填补玻璃窗周围的缺失点云，且在本研究评估设定下，贪婪投影三角化的几何距离误差低于另外两种重建流程。
说明基于视觉的工地安全帽佩戴合规检测
简介本文提出一套基于视觉的实时系统，利用 YOLO 框架下的计算机视觉与深度学习方法，通过工地摄像头监测工人是否佩戴安全帽。训练与验证结果显示，对戴帽与未戴帽人员的 mAP@0.5 精度超过 97%，并在不同光照和工人动作下保持较好的检测效果。
说明超越语义相似度：复杂任务中智能体检索的性能与成本
简介论文指出仅依赖语义相似度的稠密检索难以应对复杂搜索任务，因此研究把大语言模型的推理能力与检索器结合在 ReAct 智能体循环中的做法。实验显示，在使用相同嵌入模型时，该方法将 nDCG@10 提升了 8.7 个点，并在 ViDoRe v3 与 BRIGHT 两个排行榜上都取得有竞争力的结果。但平均耗时为 107.4 秒（标准检索为 0.67 秒），每次查询消耗 764.1K 输入和 5.8K 输出 token，作者认为未来需要更具成本效益的检索智能体。
说明融合关键点识别与深度学习的新型跌倒检测系统
简介本文提出一种将关键点识别与深度学习相结合的跌倒检测系统，借助 Media Pipe 等计算机视觉技术区分日常动作与真实跌倒，以减少误报并及时响应真实跌倒。文中报告训练准确率在第40轮左右趋于稳定，实时实验中跌倒检测率为95%，参与者年龄在8至50岁之间，并提及其在老年护理和智能健康监测中的应用前景。
说明超越分布内保持：通过脆弱状态导向调优恢复量化视觉-语言-动作模型的泛化能力
简介该论文研究训练后量化的视觉-语言-动作（VLA）机器人策略在环境扰动下的鲁棒性与泛化能力。结果显示，量化模型在分布内表现相当，但对细微环境变化较为脆弱，且动作偏差集中在少数状态。作者提出PIVOT-Q方法，基于冻结的全精度模型作为教师，仅对量化模型脆弱状态进行选择性蒸馏，在七种LIBERO-Plus环境变化下实现恢复，并且仅用全状态蒸馏7.4%的预算即优于后者。
看点针对量化VLA鲁棒性退化提出脆弱状态选择性蒸馏，新意明确；多个骨干与量化方法、七类环境扰动上验证，并对比全状态蒸馏且仅用7.4%预算。
说明CIPHER-MoE：在万亿参数混合专家模型训练中平衡效率与路由保真度
简介该论文针对大语言模型混合专家（MoE）训练中token路由不均导致专家负载失衡的问题，提出CIPHER-MoE方法。方法在保持路由器Top-K选择不变的前提下，通过感知亲和度的专家到token过滤与显式容量控制，降低热点专家的负载。实验显示，在包括DeepSeek-V4-Pro在内的大规模MoE模型上，Top-1专家负载最多降低64.9个百分点，训练加速1.10至1.94倍，且训练质量得以保持。
说明鲁棒局部优化的正确做法：RANSAC 评分与精修分离研究
简介该论文系统研究了 RANSAC 中鲁棒损失形状、内点尺度设定错误和优化策略对本质矩阵、基础矩阵和单应性估计的影响。作者提出一种边缘化内点尺度的评分方法来选择假设，并据此估计局部优化的损失宽度；联合半二次优化被认为在各模型类别上最为稳定。基于这些发现，所提方法在 PhotoTourism 上将本质矩阵位姿误差中位数从 2.23 度降到 1.58 度，在内点尺度严重设错时从 38 度降到 6.2 度。
说明HLA-WM：用于长时程视频世界模型的混合线性注意力
简介该论文针对长时程视频世界模型中的记忆问题，指出门控DeltaNet（GDN）的循环状态会逐渐遗忘较远但相关的场景信息。作者提出免训练的HLA-WM框架，结合粗粒度的几何引导历史检索与细粒度的循环线性状态计算。在60秒的SANA-WM-Bench上，它改进了基础生成器的全部六项综合指标，并相比完整KV缓存将历史状态内存降低12倍，推理吞吐量仅下降至多1.6%。
说明PACMI：面向长期LLM智能体的溯源感知级联记忆失效框架
简介该论文提出PACMI框架，用于处理LLM智能体长期记忆中因新观察或新证据而过时的内容。它用带类型依赖边的溯源图记录记忆，将记录分为四种有效性状态，并把失效变化传播给依赖的记忆。论文还构建了包含100个案例、300个查询、涵盖五个领域的诊断基准，结果显示PACMI在最终答案准确率上最高，但级联传播主要提升记忆状态的正确性。
