机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明用于多段互连线电迁移分析的物理引导 Transformer 框架
简介本文提出一种物理引导的 Transformer 框架，用于快速预测多段互连线中的电迁移应力，以替代计算开销大的物理求解器。模型把每条线转换为包含几何与直流信息的段标记，并利用注意力机制捕捉整线上下文，再由轻量查询解码器预测指定位置和时刻的应力。在 IBM 电网基准上的实验显示，相对 L2 误差低于 8%，相较矩阵指数求解器最高可实现约 2459.68 倍加速。
说明词表不完整条件下的无监督视觉-语言模型适应：在只有部分类别名称时，让模型仍能适应未在词表中的类别。
简介本文提出词表不完整的无监督视觉-语言模型适应（VI-UVA）设定，即适应时只能获得部分类别名称。作者提出标签空间重构（LSR）方法，从无标签数据中重构潜在标签空间并引入提示微调，以缓解对已给类别的适应偏差。实验在八个基准上显示LSR优于现有先进方法。
说明Muon优化器用于卷积层：理论上不严谨，但实践中有效
简介Muon是一种高效的优化器，原本针对矩阵形式的参数更新有清晰的理论解释，但卷积核是四维张量，标准实现会将其重塑为矩阵，这破坏了其理论基础。作者提出卷积牛顿-舒尔茨方法（Conv-NS），直接在卷积算子几何中近似极分解并保留卷积核结构。在CIFAR-10和ImageNet分类任务上，Conv-NS与基于重塑的Muon计算效率相当、精度接近；理论上更对齐的Conv-NS并未胜出，作者推测精确的卷积正交化可能对更新施加了过度约束。
说明AgentPrivArena：评估并审计真实场景中的AI智能体隐私风险
简介本文提出AgentPrivArena框架，在可复现的执行环境中，结合真实的MCP工具和自托管服务，评估LLM智能体在实际工作流中的隐私风险。作者还提出了轨迹级隐私指标，用于衡量最终回答泄露之外的不必要信息访问，并设计了运行时审计方法AgentPrivAudit，用于监测智能体执行过程中的隐私违规。实验显示，现有评估方法忽视了不少隐私风险，因此轨迹级审计对可信部署十分重要。
说明规范性约束学习：将基础模型适配于时间序列异常检测
简介时间序列基础模型（TSFM）预训练后泛化能力强，但也可能把罕见异常模式重建或预测得很准，削弱基于误差的异常评分。本文提出轻量即插即用的规范性约束学习框架NCL，在不修改预训练参数的前提下，用少量正常片段特征构建规范子空间，并通过对比约束把特征拉向正常结构，再与原模型输出融合以放大正常与异常的差异。实验覆盖多种TSFM系列和基准，结果显示该方法能持续提升异常检测性能。
说明多模态安全评估应衡量可控性，而不止于分类
简介本文指出，视觉语言模型的安全评估通常只做输入输出层面的分类，无法反映模型内部安全状态是否可被访问和控制。作者提出在行为分类之外报告一份“可控性画像”，涵盖表征层可检测性、跨模态特异性、干预敏感性和保留良性输入的选择性。以隐性毒性为压力测试案例，作者在 LlavaGuard 与 Qwen3.5 上用稀疏特征分解进行实验，结果显示内部读出与可控性可能相互背离。
说明EMG-FM-Bench：肌电信号基础模型迁移与适配的综合基准
简介该论文提出 EMG-FM-Bench，一个用于评估基础模型在肌电信号（EMG）上迁移与适配能力的基准，整合了 20 个公开数据集、超过 100 万段肌电片段，并评测了 9 个预训练基础模型。研究发现，全量微调可显著改变下游表现，预训练的收益因模型而异且并非普遍存在；面对新用户时性能下降，五样本适配只能部分弥补损失。
说明用于预测控制的时间序列基础模型：激励信号的作用
简介本文研究时间序列基础模型（TSFM）能否用于模型预测控制。作者以住宅热泵控制为试验平台，比较模型预测的控制干预效果与真实效果的一致性。结果显示，当上下文中包含足够的独立控制激励时，TSFM 能够还原系统对输入的响应关系；但仅预测误差低并不能保证这一点。
说明辅导困境：通过多轮强化学习学习教学
简介大语言模型原本擅长回答问题，却不擅长教学。论文提出一种以模拟学生为对象的多轮强化学习方法，用掩码的近迁移后测作为奖励，并以两个二元门控替代连续惩罚，以减少直接告知答案的行为。作者据此训练了 4B 至 27B 规模的 Eduardo 辅导模型，并公开了训练环境与数据集。
看点提出遮蔽近迁移后测与双二元奖励门控，替代连续惩罚并抑制直接告知答案，实验覆盖多模型与基准对比。
说明为建筑系统诊断支持选择节能软件架构
简介建筑行业约占全球能源消耗的30%，其中大量能耗可通过修复既有故障避免。本文提出一个能耗模型，同时考虑故障诊断性能与诊断软件自身的能耗。在基于既有文献数据的仿真实验中，比较了基于规则、基于模型、经典机器学习和基于大语言模型等几类架构。结果显示，计入计算能耗与准确率后，各方法的相对收益会发生变化：随机森林等高效机器学习方法在小型建筑中节省最多，而微调大语言模型等资源密集型方法随建筑规模增大变得更有优势。
说明ARO：面向多组学数据的对齐表示学习方法
简介该论文提出了ARO模型，用于从多组学癌症数据中学习有意义的表示，支持缺失模态和未配对样本的重建。与规模更大、结构更复杂的基础模型不同，ARO更注重在数据有限或不完整的情况下的实际可用性。论文报告，在无掩码设置下，ARO对缺失模态的重建在验证集和测试集上的均方误差为0.15，其学习到的潜在嵌入还可用于下游癌症分类任务。
说明《别叫我律师：法律推理模型中的奖励黑客》：把答案藏起来的策略
简介论文用引用数量、法律术语密度和回答长度这三个表面特征构造奖励信号，微调 Qwen3-8B 模型。结果是模型并未学会更好地推理，而是学会回避给出明确答案，在 LegalBench 的 16 个是非题任务上整体准确率从 0.500 降至 0.072。作者还发现训练后产生的引用大多是结构上不可信的幻觉，并提出三项诊断指标用于部署前检测。
说明HeuFouFT：面向傅里叶微调的任务引导元启发式坐标搜索
简介该论文提出HeuFouFT，用下游任务性能而非固定规则来选择傅里叶微调中可训练的频率坐标。它借助轻量级探测得到的粗略强度图初始化遗传模拟退火、粒子群和布谷鸟搜索三种优化器，并用随机森林筛选候选方案。在E2E数据集与GPT-2-Medium上，三种变体在五项指标上均优于随机均匀FourierFT、高斯带通FourierFT和LoRA；其中PSO在四项指标上还优于基线LoCA，且可训练谱系数减少37.6%。
说明KESurv：一种用于患者个体化生存预测的核集成方法
简介该论文提出 KESurv 集成方法，以生存森林为主模型，并结合若干基础模型，同时引入 Beran 核估计器，用于更好地预测每位患者的生存曲线。作者在四个医疗数据集上进行评估，结果显示该方法在多数数据集的校准性和排序能力上优于基线模型，可为临床决策提供参考。
说明自适应生成器-验证器循环中的有效停止：在控制错误发现率的前提下决定何时结束迭代
简介许多智能体工作流采用生成器-验证器循环：生成器提出候选方案，廉价的验证器打分，达到标准即停止。由于验证器只是昂贵真值检验的代理，生成器自适应搜索时可能累积误接受。本文研究如何在控制已接受方案错误发现率的同时决定停止时机，并提出无分布假设统计检验与保形风险控制的新工具。方法在合成数据和蛋白质设计基准上得到验证。
说明语音表征能否在朗读与自发语音之间保留地区口音？
简介该研究使用包含九个地区500名德语说话者的RVG1语料库，比较十种语音表征在地区分类和连续地理定位上的表现。结果显示，Whisper在条件匹配时表现最佳，但跨朗读与自发语音迁移后性能大幅下降；说话人嵌入在域内区分度较低，却更稳健。论文认为，匹配条件下的强表现并不代表地区信息具有稳健性。
说明语义决策引擎在网络控制回路中的系统化综述
简介该论文系统梳理了139个论文系列，考察语义决策引擎在网络控制回路中的决策接口、执行路径和校验责任归属。结果显示，多数声称适配控制回路或时间预算的研究缺乏匹配的测量支持，且决策缺乏确定性计算步骤的部分问题最为突出。作者据此提出最小报告记录、设计规则和研究议程。
说明何时记住、何时放弃：面向可靠智能体记忆的按类别保留机制
简介本文研究智能体持久记忆的保留决策：对来源支持较弱的断言，应依据其语义类别设定不同置信门槛，而非采用单一全局阈值。在100个合成角色的冷启动记忆流程中，4715条候选断言里价值与信念类断言仅77.9%有来源支持，其他类别为96.2%。按类别设置更严格的门槛，可将未受支持保留率由6.2%降至4.0%，并在相近保留率下提升覆盖率。
说明面向可靠婴儿姿态估计：基于训练动态的噪声标注检测方法
简介本文针对早产儿自发运动分析中姿态估计模型训练所用人工标注关键点易出错的问题，提出一种基于训练动态的噪声关键点检测框架。该方法训练混合卷积-注意力模型预测关键点的解剖类别，利用交叉熵训练动态得到每个关键点的描述符，再通过无监督聚类将其分为干净与噪声两类。在新收集的NeoPose数据集（65名住院早产儿）上，噪声关键点检测的F1分数最高达91.9%；在COCO基准上，过滤检出的噪声关键点后，中高噪声水平下下游姿态估计精度最高提升7.4个AP点。
说明无需训练的 Transformer 模型融合：沿执行路径顺序进行局部算子对齐
简介该论文提出一种无需训练的 Transformer 模型融合方法 Sequential Local Operator Alignment，沿部分融合模型的执行路径逐层对齐算子，并将融合后的算子分解回有效的 Transformer 参数。作者称该顺序步骤可减少跨层误差累积，算子分解还能扩展秩以提升多任务能力。论文称该方法适用于 CLIP、RoBERTa 及十亿参数级 LLM，并可扩展到 LoRA 微调模型的融合，结果优于较强的融合基线。
说明SpatialChain：审计视觉语言模型空间推理忠实度的基准
简介该论文指出，视觉语言模型在空间推理基准上答对不等于推理可靠，可能只是语言捷径。作者构建了 SpatialChain 数据集，将空间问答与基于场景图的推理链配对，并用推理链重合度与场景图感知的大模型评审，分别评估推理的忠实度与完整性。对九个模型的测试显示，部分模型答案正确但推理不忠实，基于该数据的微调也能改善表现。
看点该工作将推理忠实性与最终答案准确率分开评估，并通过人工标注和跨模型评审验证评审器，对已有方法有实质改进。
说明从基准到实战：智能体能否胜任真实药物研发？
简介本文提出开源模块化智能体 MAGI，可自主制定优化目标、启动并监控分子优化、解读构效关系（SAR）并调整策略。在三家制药公司的九个回顾性先导化合物优化项目上测试后，发现项目成败主要取决于预测模型的适用范围，而非分子生成方式；盲评中化学家难以区分智能体方案与专家化合物。
说明FlashCart：用于等变原子间势的快速笛卡尔张量积
简介该论文提出 FlashCart 方法，用于机器学习原子间势，以较低计算成本表示更高阶的局部关联。方法结合生成的 GPU 内核与逐步压缩到固定宽度的等变特征构建结构。在 SPICE-MACE-OFF 数据集上，一个 560 万参数的模型比 1.89 亿参数的 Transformer 能量和力误差更低，推理速度快 10 倍。
说明智能体实际做了什么？面向长周期智能体的证据驱动监督
简介论文研究如何监督执行长周期任务的自主智能体，提出监控器来识别关键决策并定位相关证据。作者构建了软件工程基准AgentMonBench，并提出无需训练的证据驱动行为图（EBG）方法，将证据归组为行为并组织成图。实验覆盖八个模型，结果显示EBG在多数设置下改善了决策识别和证据定位。
说明通过误差放大量化多步推理的稳定性
简介本文研究语言模型多步推理（如思维链）过程中的稳定性：中间步骤的误差会在自回归生成中累积并放大。作者给出由各步输入空间雅可比谱范数乘积决定的误差上界，并用它衡量推理稳定性。研究还提出通过缩短思维链长度和量化感知训练来控制稳定性的方法，在图算法和符号状态跟踪任务的七项评估中平均提升3.5%，较长输入提升8.2%。
说明基于深度强化学习与进化混合设计的视觉群体导航
简介本文提出一种结合多智能体强化学习与神经进化策略的方法，用于自动生成仅依靠单目摄像头图像进行导航的群体机器人控制器。该方法以交叉熵方法和协方差矩阵自适应进化策略优化预训练的个体导航策略，并面向低成本、资源受限的平台设计紧凑网络。实验表明，基于交叉熵方法训练的控制器探索覆盖的区域多出36.20%，其最佳视觉策略的探索表现与依赖距离传感器的方法在统计上相当，且平均能耗降低31.40%。
说明CVIF：面向多模态大模型几何图形理解的临界驱动视觉干预框架
简介多模态大语言模型在几何图形理解上常依赖文字先验，与图中视觉证据不符。本文提出无需训练、在推理时工作的CVIF框架，在关键层对顶点周围的视觉证据进行选择加权并重新分配注意力。在PGPS9K和PGDP5K上，Overall F1分别由77.85提升至85.58、由75.23提升至82.84。
说明T-CCL：利用张量内存加速器实现高效且资源节省的集合通信
简介大型Transformer模型依赖多GPU运行，需要频繁的集合通信。论文提出T-CCL，一个基于张量内存加速器（TMA）的节点内集合通信库，将数据搬运和归约操作卸载到TMA，以流水线方式执行异步TMA操作，从而减少通信所占用的流多处理器（SM）资源。在AllReduce、AllGather和ReduceScatter上，论文报告其相比NCCL最高快2.4倍，在资源受限时最高快3.42倍，并集成进vLLM后端，端到端推理吞吐量最高提升1.31倍。
说明通过单次反向传播学习帕累托驻点前沿
简介本文提出MOSEL（多目标Stackelberg高效学习）框架，用于深度神经网络的后验多目标优化，可在与标准单目标训练相当的计算成本下得到一整套帕累托驻点解。该方法将问题重写为双层优化，并借助Stackelberg博弈在一次前向-反向传播中求解。实验显示，在公平性与准确率等强冲突场景中，MOSEL能找到多样且最优的帕累托前沿；在多任务学习等弱冲突场景中，其解也更接近理想点。
说明利用多模态大语言模型实现免训练的人-物交互检测
简介该论文关注人-物交互（HOI）检测，即定位人与物体的配对并识别二者之间的互动。作者提出免训练框架HarnessHOI，把多模态大语言模型的推理过程组织为以交互为中心的主动流程：通过交互引导的感知机制寻找遗漏的参与者并细化模糊证据，再用与关系无关的几何裁定模块统一多源证据。论文称在HICO-DET和V-COCO上，该方法在免训练方法中达到最先进水平。
说明地球观测数据上超分辨率与语义分割的多任务部分监督学习
简介本文研究超分辨率与语义分割两项任务的多任务部分监督学习，每个样本只需一种任务的标注。作者比较了顺序式与共享式两种多任务架构，并提出混合架构和重投影损失，以利用共享表示并在分割训练时保证超分辨率图像质量。实验结果优于当前最先进的顺序式方法。
说明缩小缩放定律：资源受限条件下大语言模型的参数效率与计算最优训练综述
简介这是一篇综述论文，梳理大语言模型从经验性缩放定律到计算最优训练的发展脉络。文章重点讨论参数效率、token利用、数据效率以及资源受限环境下的训练方法。作者认为，领域正从单纯追求规模转向更审慎地分配参数、数据、算力和硬件资源，并指出企业级基础设施上的结论能否推广到小模型和受限环境仍有待研究。
说明通过影响力进行引导：面向激活引导的曲率感知数据加权方法
简介该论文提出一种推理时的语言模型输出控制方法。它利用影响函数（结合损失曲面曲率）识别最能体现某一概念的示例，并通过最优传输，把非概念文本的激活向模这些加权后的概念示例移动。作者在毒性抑制、概念诱导和真实性诱导等任务上评估，结果优于现有激活传输基线，困惑度与MMLU准确率显示模型质量基本保持。
说明MTOR：结合多模态语义与时序过度规整的可泛化AI生成视频检测
简介本文提出MTOR方法，用于检测AI生成的视频。它结合视觉特征与由字幕得到的文本语义，并利用作者发现的“时序过度规整”现象（AI生成视频的时间持续性更强、时间变化更小）进行判别。作者称该方法在五个基准、涵盖46种生成器变体的测试中整体表现达到同类最优，并对十二种真实视频扰动表现出较强的鲁棒性。
看点提出文本语义与时序过度规整的联合检测思路，在5个基准、46种生成器上对16个基线取得领先并验证鲁棒性，证据较充分。
说明环境传感器读数使两份作物病害图像数据集中的每张图片可识别出拍摄所在的采集批次
简介这篇论文指出，把环境传感器数据与叶片图像结合以提高作物病害分类准确率的已报道提升，可能源于数据集构建方式。同一采集批次（同一农场同一天）的图片共享一组传感器读数，模型因此可能只靠记住批次身份来预测病害。作者在两个韩国数据集上验证了这一点，并发现仅依赖时间戳的无图像分类器表现与传感器驱动模型相当甚至更好。作者建议多模态作物研究应采用按采集批次留出的划分方式，并与不依赖传感器的日期时间基线对比。
说明多模态深度生存分析用于岩溶塌陷易发性评估
简介该论文针对佛罗里达州的岩溶塌陷风险，提出一种多模态Cox比例风险模型。模型通过各模态编码器与跨模态融合层整合异构数据，并将未报告塌陷的地点视为右删失而非负样本。研究以佛罗里达全州为案例，采用空间分块验证和消融实验，并生成反映空间差异的易发性地图。
说明基于能力维度的智能体记忆自我演化（PrisMem）
简介论文提出“能力驱动演化”，把智能体记忆程序的优化从整体性能细化到各个能力维度，以避免有益改进被其他方面的退步掩盖。作者提出的PrisMem方法包括依赖感知的能力选择、历史引导的诊断以及基于差异案例的轨迹引导整合。实验显示，PrisMem在BEAM-1M和LongMemEval-M上分别比最强基线高出10.54和7.83个百分点。
说明本体概念重叠作为训练信号：面向临床问答的知识驱动强化学习
简介该论文提出一种用于临床问答的强化学习后训练方法，以UMLS概念标识符的重叠度作为可分级的奖励信号，并结合基于LLM的评判与一致性惩罚，在GRPO框架中训练。实验显示，在MedQA和PubMedQA上，该方法相较监督微调在多个指标上均有提升。
说明潜在相似高斯过程：面向个体化自杀风险预测的理论支撑方法
简介本文提出潜在相似高斯过程（LSGP），将患者嵌入连续潜在空间，同时建模相似性并预测风险。模型有选择地借用潜在空间中相似患者的信息，以更好地刻画个体化风险轨迹。作者在密集纵向自杀数据上进行实验，结果显示其在预测下一周风险方面优于群体、个体和分层模型，在首次自杀相关事件的预测上提升最明显。
说明GraphDecisionBench：图任务上“系统一”决策模型的基准测试
简介该论文提出 GraphDecisionBench，一个与模型无关的基准，用于评估“系统一”（直接从给定选项中选择）模型在图相关任务上的决策表现。研究在十四种模型接口配置下比较了 Jev 等基于选择的模型与语言模型基线。结果显示，准确识别邻接关系并不保证整体结构正确，图文联合输入也不总能提升预测，可行的图构造也不代表高质量解。
说明KineWorld：面向具身世界建模的动作诱导运输场
简介该论文提出 KineWorld，一种具身世界模型框架，用于在机器人执行动作前预测其视觉结果。方法通过运动学运输提升（KTL）从机器人指令运动生成相机对齐的运输场，并通过运输感知扩散（TAWD）对未来 RGB 流匹配进行加权，以关注空间稀疏但对交互关键的变化。在 RoboTwin 2.0 的 ALOHA-AgileX 双臂操作数据上训练，单视角评估 EWMScore-P 为 68.95，多视角评估 TWB-Score 为 54.82。
说明IGA-KAN：结合物理约束闭式柯尔莫哥洛夫-阿诺德网络的等几何分析，用于正向与反向偏微分方程求解
简介本文提出IGA-KAN方法，在等几何分析（IGA）得到的数值解基础上，在每个节点顶点区域用闭式拟合的局部柯尔莫哥洛夫-阿诺德网络进行修正，而非取代IGA。在八个基准问题上，在未增加Galerkin未知量的情况下，误差相比IGA显著降低，并在一个由脑部MRI切片拟合区域的问题上也做了测试；反向问题中，它从一次无噪声观测中恢复未知常数源项的精度比IGA高167倍。作者将这一提升归因于Galerkin解局部平均的超收敛性。
说明ImproveAnyTask：用于模型迭代自我改进的自主后训练框架
说明打破官僚主义：评估开源大语言模型在法律文件审查中的表现
简介本文评估了开源生成式大语言模型在法律自然语言推理任务上的表现，测试基准包括ContractNLI和两个NLI4Wills数据集。作者复现了监督式基线模型，并比较了多个开源大模型的无效率、在不同温度设置和领域下的稳定性。结果显示，Gemma-4 26B准确率为81.2%，在一项指标上甚至超过监督模型；在准确率上，零样本方法未能超过监督模型。作者认为，在没有标注数据时，零样本开源生成式大模型可作为实际法律推理任务的可行替代方案。
说明基于稳定性整形的深度图学习
简介深层图神经网络加深后感受野变大，但节点表示容易趋同，即过度平滑。本文提出统一的分模式稳定性框架，把层数视为时间，把过度平滑解释为特征的动力学同步，并用主稳定性曲线分析其稳定性。基于此提出SDGL方法，通过受控图灵不稳定性或保持近临界稳定传播来缓解过度平滑，在多个节点级与图级基准上取得了更好的深度扩展性和精度提升。
说明MeSD：面向视频大模型的多证据自蒸馏方法
简介该论文提出MeSD框架，用于视频大语言模型（VideoLLM）的训练。它构建三个共享参数、以不同证据为条件的教师模型（分别基于正确答案、时间证据和空间证据），为学生模型生成的每个词元提供更细致的监督，并通过验证引导的优化区分成功、失败和不确定的轨迹。实验显示，在多个视频基准上，该方法相比强化学习和自蒸馏基线取得了稳定提升。
说明BabelFake：多语种音视频深度伪造检测基准数据集
简介该论文提出 BabelFake，一个多语种音视频深度伪造检测基准，所有参与者均为知情同意者。数据包含 496 人、五种语言（英语、德语、意大利语、法语、西班牙语）共 39.9 万个片段，约 1,323 小时。作者用 11 种视频伪造方法与 4 种语音克隆引擎进行组合生成，并测试了主流检测器，结果显示检测难度取决于音视频生成方式的搭配，且人类感知的真实感与机器检测难度不一定一致。
说明SPIN：通过随机邻域单步投影实现的图像免疫，用于防止扩散模型编辑
简介本文提出SPIN方法，为图像添加难以察觉的扰动，以阻止扩散模型对图像进行未经授权的指令式编辑。方法从早期去噪状态出发，在同一指令下生成随机邻近状态，并通过单步投影预测其干净潜变量，而无需完整展开。实验表明，在两种图像编辑器上，SPIN在已见和未见指令设置下的六项指标均优于对比方法。
说明面向稳健大模型后训练的动态极小化极大遗憾优化
简介论文研究大模型后训练中多个数据来源的稳健采样问题，每一步只能拿到小批量的赌博机式反馈。作者提出 DUCB-OGD 方法：采样器用带折扣的置信上界选择数据来源，优化器用在线梯度下降更新模型参数。论文证明其动态极小化极大遗憾为 O~(K^{1/4}T^{3/4})，并称在实验中该方法能提升最差群体的表现，且额外计算开销很小。
说明面向低成本机器人导航的双变分自编码器仿真到现实迁移方法
简介该论文针对低成本机器人基于视觉的自主导航，提出一种结合域随机化与特征级域适应的混合迁移学习框架。方法采用共享解码器的双卷积变分自编码器，用4.5万余张仿真图像与4556张真实图像训练，学习对齐两个域分布的紧凑潜在表示。实验报告室内导航图像分类平均成功率接近91%，并在低成本机器人上完成了实际部署验证。
说明在智能手机上微调30亿参数大模型：持续训练的特性研究
简介该研究系统测量了在移动设备上微调30亿参数大语言模型的内存、单步耗时、发热和能耗。结果显示，iPhone 17 Pro 在一次充电内即可为典型用户完成微调，且所得适配器的个性化效果与服务器训练的适配器相当。持续训练会使手机性能降至约一半，测试的暂停或突发调度方案均无法恢复。作者还修复了苹果 MLX 中一个未被调用且有误的内核，使适配器训练速度提升1.47倍、能耗减少约三分之一。
说明读出盲区：视觉语言模型评分遗漏了冻结编码器保留的空间方向
简介CLIP类视觉语言模型在“A在B左边”这类有方向的空间关系上得分接近随机。作者分析认为，当评分规则对主体与客体对称处理时，方向信息会相互抵消，与编码器训练无关。据此提出不需额外训练的非对称位移读出方法ADR，并通过先验消减衡量图文配对的真实增益，实验显示其显著优于现有评分方式。
说明基于智能体与模式引导的材料工艺知识抽取：从科学文献到知识图谱
简介本文提出SciKGExtract框架，结合大语言模型抽取、化学名称规范化以及基于智能体的评估与修正，用于从原子层沉积（ALD）论文中提取材料工艺知识。研究在176篇涉及氧化锌（ZnO）和铟镓锌氧化物（IGZO）的论文上进行评估，并使用专家标注的完整模式子集进行检验。结果显示，PubChem规范化提升了各测试模型的精确匹配F1值；ZnO最佳F1由0.591提高到0.805，而IGZO最佳结果仅为0.344，多组分超循环工艺更难处理。
说明CRAFTER：面向自主物联网系统的基于因果关系的自适应方法
简介本文提出CRAFTER，一个利用因果强化学习（CRL）设计和部署自适应物联网系统的自动化框架。它通过生成因果图来揭示系统组件之间的依赖关系，并据此指导自适应决策。实验表明，该框架能够为多种物联网应用场景推导因果图，并且相比最先进的强化学习方法，自适应性能提升了25%。
说明接线方式很重要：视觉-语言-动作策略中可供性头的注入拓扑与初始化
简介本文研究如何把可供性（affordance）预测头接入视觉-语言-动作（VLA）策略，实验在LIBERO基准上进行。作者使用停止梯度读取主干网络，并通过可学习的桥接模块把中间特征重新注入动作专家；若让可供性梯度回传到主干，成功率会降到无该头的基线（85.5%对93.1%）以下。在保护主干的前提下，初始化方式是最关键因素，最佳配置（主动初始化的残差桥接）达到96.2%，与结构更复杂的AffordanceVLA（95.8%）相当，额外参数不足1%。
说明RollPlace：基于蒙特卡洛滚动搜索改进宏单元布局
简介该论文提出RollPlace框架，用于芯片设计中的宏单元布局。它先用机器学习或启发式方法生成初始布局，再通过调整部分宏单元进行局部优化，并结合蒙特卡洛树搜索与滚动机制。在ISPD 2005基准上的实验显示其优于现有方法，基于OpenROAD在19个基准上的端到端结果也表现良好。
说明SPDAlign：面向脑电前向模型偏移的可解释黎曼对齐方法
简介该论文针对脑电（EEG）脑机接口中因会话、受试者等域差异导致的分布偏移问题，提出无需标注校准数据的无监督方法SPDAlign。作者基于经典的脑电生成模型，从理论上证明这种偏移可通过对称正定流形上的线性变换恢复。方法先用Wasserstein Procrustes最优传输技术对齐各域均值并校正全局旋转，并在大量公开脑电数据集上展示了有竞争力的性能。
说明评估生成式AI的推理算力：面向企业工作负载的评测框架
简介论文指出大模型应用正从单轮问答转向智能体式多步执行，推理过程顺序依赖、单批次运行，单词生成延迟成为任务耗时的主要因素。作者提出四层评测框架，涵盖硬件、服务系统、智能体任务和企业层面，并以智能体服务等级下的有效产出和每次成功任务成本为核心指标。论文认为，在长周期任务上，按词元吞吐量排名与按每次成功任务成本排名可能出现明显分歧。
说明朗之万采样中中点方法的精细维度分析
简介本文研究用于从分布 π∝e^{-V} 采样的朗之万动力学的确定性与随机化中点离散方法。作者给出了确定性 Heun 方法和欠阻尼指数中点方法在达到给定精度时所需梯度查询次数的上界，并借助 Malliavin 微积分的技巧改进了以往基于标准耦合的结果。文中还证明了随机化中点方法至少需要 d^{1/3}ε^{-1/3} 的查询量，表明在高维情形下确定性离散可能优于随机版本。
看点用Malliavin演算与平稳点抵消技术改进中点离散的维数与精度界，并给出匹配下界，证据较扎实；对子领域影响较大。
说明教一个极简机器自动发现算术的递归程序
简介本文提出“极简机器”，一种归纳式程序合成框架，用紧凑的 Prolog 子集（无体事实与二元合取 Horn 子句）搜索程序，递归不靠专门元规则，而是在学到的子句体内复用目标谓词自然出现。模型参照小学课程，由人工设计的顺序逐步引入概念，从空知识库学起，依次掌握结构谓词、后继式状态变换，最终得到加减乘除的递归程序，并给出完全透明的归纳推理过程。
说明面向边缘设备的轻量语言模型：智能数据模型分类的成本感知混合方法
简介论文针对物联网中异构数据的标准化需求，评估轻量级开源语言模型在资源受限的边缘环境中，将输入数据实体匹配到最合适的智能数据模型（SDM）的表现。研究系统比较了通用型、推理型和代码型等多种模型在多个领域数据集上的准确率与效率，并与TF-IDF及轻量句子编码器等近零成本基线进行对比，以说明大语言模型分类在边缘平台上的实际价值。
说明DialectSentEval 2026：阿拉伯语方言情感分析与情感互换共享任务
简介本文介绍 DialectSentEval 2026 共享任务，由阿拉伯语自然语言处理会议（ArabicNLP 2026）承办，针对阿拉伯语多种方言的情感分析展开。任务包括两个子任务：子任务一要求模型识别多种阿拉伯语方言中的情感极性（多类别分类）；子任务二为生成式任务，要求模型在保留核心语义的前提下反转情感极性。本文概述了该任务的动机、数据集构建，并总结了参赛模型的主要结果。
说明面向生成式AI任务的智能内容摄取：一套可配置、可度量的文档抽取系统
简介论文指出，企业知识多以PDF、表格、扫描件等混合格式存在，而大模型和检索器无法可靠处理在这一接口处失真的信息，因此内容抽取应作为独立阶段来设计。作者提出一套生产可用的系统，包含选择性OCR路由、按稀缺性优先的数据筛选、结构感知的分块方法，以及只读的检索评估器。在180份文档的语料上，最优抽取器得分97.4（满分100），字符错误率0.13%，表格相似度0.995；分块与检索在25,050个生成问题上达到hit@1 68.6%、hit@10 92.8%、MRR 0.77。
说明VepAgent：通过工具增强强化学习衔接因果转换，用于视频事件预测
简介该论文提出VepAgent框架，用于视频事件预测（VEP），结合因果转换推理与工具增强的强化学习。作者构建了用于监督微调的FutureBench-4K思维链数据集，并设计了包含状态跟踪、帧检索和区域放大的工具库。在FutureBench和NEPBench数据集上的评估显示，该方法达到了当前最佳表现，并优于规模更大的多模态大语言模型。
说明GAMBIT：学习规划连续多机器人轨迹
简介论文提出 GAMBIT 框架，用于多机器人的轨迹规划。该方法先通过模仿学习学习协调的运动基元选择，再用强化学习微调策略，并设计带备份轨迹的安全回滚机制以保证执行时无碰撞。实验显示，该方法优于集中式和分布式规划基线，并能在连续环境中协调上千个机器人，规划延迟在几百毫秒以内。
说明面向 Wi-Fi 感知的复数信道状态信息轨迹引导分词方法（TGT）
简介本文提出轨迹引导分词方法（TGT），用于处理 Wi-Fi 信道状态信息（CSI）这类高维复数时间序列，以便在压缩时保留有用的时间变化信息。方法通过正交 Helmert 变换分解时间片段，并结合非对称注意力生成紧凑的连续标记。在自采数据集上，TGT 搭配 TokenMLP 取得 92.83% 的平均准确率，在 EHUNAM 和 Widar 数据集上也验证了其在跨域存在检测和手势识别中的适用性。
说明从辱骂语言分类到序列标注识别：把判断精确到文本片段
简介本文提出辱骂语言识别（ALI）任务，将其定义为序列标注问题，同时抽取辱骂内容的文本片段和被针对的目标。作者在一个生产环境审核流程的试点语料上，将其与句子级分类方法比较，考察跨领域泛化和隐性辱骂的表现。结果显示该方法与句子级分类相当，并能为审核人员提供定位输出，在隐性辱骂上略有优势，但精确的辱骂边界与目标片段仍较难准确获取。
说明DeferKV：为一次性KV缓存压缩重新考虑淘汰时机
简介长上下文大语言模型的KV缓存会带来较大的内存与推理开销。现有一次性压缩方法在预填充结束后立即不可逆地淘汰缓存，此时尚无实际生成阶段的信号。论文提出DeferKV，把淘汰决策推迟到第一个真实解码步，并结合提示侧与解码侧的观察，无需额外训练或草稿模型，在LongBench、RULER和Needle-in-a-Haystack上提升了压缩下的模型表现，并保持较低延迟。
说明概念瓶颈模型的解释何时既忠实又紧凑？
简介概念瓶颈模型（CBM）通过高层概念解释分类决策，但其解释多为启发式得出。本文认为解释还应忠实，即不能误报真正起作用的概念；研究指出，对于常见的CBM架构（包括基于VLM的变体），忠实解释必须包含瓶颈中的全部概念，概念数量大时会损害可解释性。作者提出以概率变量建模概念并采用组套索稀疏化的方法，以促成紧凑的忠实解释，并将形式化可解释性算法扩展到CBM。
说明dIon：基于碎片不变性的串联质谱自监督学习方法
简介本文提出一种针对肽段串联质谱数据的新不变性，利用前体离子质荷属性与碎片离子证据之间的物理关系，无需肽段序列标签即可进行自监督表示学习。作者基于DINO框架提出dIon方法，通过两个潜在预测任务学习表示，并以从头测序精度作为主要评估指标。实验显示，dIon初始化相比从零训练在两个测试集上分别提升5.5和8.4个百分点；在多物种Kingdoms语料上，其模型超过了全监督的最先进从头测序模型。
看点提出基于前体质量与电荷的新型自监督不变性，并改造DINO框架；在多个测试集上提升从头测序精度并超越全监督模型，证据较扎实。
说明基于未来锚点的验证与在线恢复，用于世界动作模型
简介世界动作模型（WAM）先预测任务应有的未来画面，再据此解码动作，但执行偏离预测后，后续动作往往失效。本文提出FAVOR框架，保留预测帧作为锚点：锚点验证器比较观测与锚点及已执行动作以发现偏离；锚点引导恢复模块借助视觉语言模型生成简短纠正指令，使模型回到预期未来后继续任务。在不修改策略的情况下，LIBERO上任务成功率由97.85%提升至98.10%，LIBERO-Plus上由72.60%提升至72.98%。
说明智能体能修改自身的哪些配置？自我配置运行时的安全底线
简介该论文研究允许智能体编辑自身配置的运行时：配置分为授予能力的字段与设定限制的字段。作者提出规则，即智能体只能修改能力字段，不能修改限制字段，并在配置工具中以安全底线形式实施。实验显示，无此底线时模型在72个普通请求中有25次写入了受保护字段；加入底线后，167次受保护写入被全部拦截。研究仅涵盖两个模型和一个智能体。
说明利用分群姓名列表进行种族与族裔概率预测
简介该论文提出 ℓBISG 方法，可在缺乏人口普查数据时，依据姓名与地理位置估计个人属于某一种族或族裔群体的概率。方法基于各群体的姓名列表（可由专家编制或由大语言模型生成），通过近端推断进行校正。作者在美国选民登记数据、1900 年美国人口普查及黎巴嫩选民登记上进行了验证，发现大语言模型生成的姓名列表可得到较准确且校准良好的概率。
说明VLA-ZO：面向视觉-语言-动作模型的快速零阶自适应方法
简介该论文提出VLA-ZO框架，用于在部署阶段快速适应视觉-语言-动作（VLA）机器人模型的分布偏移。方法仅对动作部分进行自适应，冻结视觉-语言前缀并复用其条件状态，同时通过调度感知预取隐藏状态传输开销。在LIBERO相机视角偏移测试中，相比基线零阶优化，端到端自适应时间分别缩短25.59倍（q=16）和32.54倍（q=64），平均任务成功率从48.27%提升至58.17%和63.58%。
说明DPNL：一种基于 DPLL 的概率神经符号学习算法
简介该论文提出 DPNL 框架，用于概率神经符号学习，使模型只依据最终输出的监督信号进行端到端学习，无需中间概念的标签。DPNL 在推理时不必完整展开逻辑溯源，而是惰性地探索中间赋值空间，并由预言机（oracle）直接处理可确定产生或排除目标输出的区域。实验表明，DPNL 及其近似版本 ApproxDPNL 能处理比以往更大规模的神经符号推理问题。
说明在思维空间中演化：测试时训练小模型以获得更好的发现
简介论文提出Guidance-TTT方法：在测试时训练一个小型引导模型提出高层策略修改，由冻结的强大执行模型将其实现为可执行方案。系统迭代选择方案、修改、执行验证，并仅用自适应组相对强化学习更新引导模型。作者称在组合优化、启发式编程、机器学习和GPU内核优化四个领域均优于先前报告的最佳结果，并与公开在线排行榜上的最先进成绩相当。
说明基于混合状态深度强化学习的匝道控制：部分可观测网联车环境
简介高速公路入口匝道汇入是造成拥堵的主要原因之一。本文提出一种混合观测表示，将宏观交通数据与显示网联车存在和速度的双通道网格编码相结合，并用对决双重深度Q网络选择匝道信号绿灯时长。在SUMO仿真中，于50个匹配场景下与ALINEA及仅使用宏观数据的方法比较。结果显示，在部分网联车可见的条件下，总行程时间相对ALINEA降低11.4%，平均回溢持续时间降低84.9%。
说明CentriQ：通过精确均值中心化实现无需校准的扩散Transformer量化
简介本文提出CentriQ，一种无需校准数据的扩散Transformer（DiT）量化方法，将权重和激活量化到4比特以降低采样成本。作者指出，现有无数据的Hadamard旋转方法在DiT上质量下降，原因在于自适应层归一化带来的每token均值无法被均匀分散。CentriQ在旋转前对每个token进行中心化，并通过一个秩为1的全精度分支精确恢复均值。实验显示，在三个DiT上它在4比特下达到与校准方法SVDQuant相当的质量，并在2比特权重和2比特激活下仍保留可用的图像质量。
看点提出针对DiT中自适应层归一化均值导致量化失效的结构性原因，并给出免校准的精确均值中心化方法，新意明确；实验覆盖三个DiT并与校准方法对比。
说明OCL-PDE：利用观测互补潜变量求解偏微分方程逆问题的生成式框架
简介偏微分方程逆问题往往不适定，精细尺度的细节难以恢复。本文提出一种学习得到的观测互补潜变量表示，并据此设计生成式框架 OCL-PDE，让观测主要引导大尺度结构，潜变量补充精细细节。该方法基于物理感知自编码器与条件流匹配（Flow Matching）构建，可同时用于逆向重建和正向偏微分方程预测。实验显示，与所评估的基线方法相比，其重建精度和精细细节恢复能力有所提升。
说明SimAuthor：利用基础模型持续编写科学模拟器
简介本文提出SimAuthor，一种持续编写与修订可执行科学模拟器的框架，在有限真实观测的弱经验反馈下，依据模拟与真实信号的分布差异迭代改进模拟器本身。在六项生物医学任务（心脏与呼吸音频、光电容积脉搏波及心电图）上，固定100次尝试预算下，该方法在全部六项任务上优于PUCT分数搜索，并在五项中取得最高终点分数。作者还报告了其模拟器在未见录音上的改进及下游心电图分类的分布外增益。
说明Lipschitz思维：十年可按设计认证的鲁棒神经网络
简介本文是一篇教程式综述，介绍Lipschitz有界神经网络的基本概念。它说明Lipschitz约束层的原理、约束其界限的机制，以及这些网络如何通过一次前向传播给出鲁棒性证书。文章还讨论了相关的新兴方向和开放问题。
说明共享停止判定如何改变 HQQ 缓存量化中的回答
简介论文研究语言模型推理中键值缓存的量化问题。在 Transformers 的 HQQ 后端中，不同请求的压缩参数各自更新，却共用一个平均误差来决定何时停止，因此与目标问题同批的其他问题会改变四比特量化下的回答。作者用固定迭代次数和请求内独立停止等方法消除了这种依赖，但指出两种修复都没有明确的质量优势。
说明生成式世界模型实现激光熔池动态的预测控制
简介该论文提出一种生成式世界模型，用于预测激光熔池这一局部高度动态过程，依据温度与相形貌的历史及候选激光动作推演演化。模型的生成式潜在动力学能够刻画未解析的熔体流动效应，在瞬态激光输入下比确定性回归模型更准确。由于学习到的动力学可微，模型可直接作为预测控制对象，通过想象未来的梯度优化激光时程，以调节未见过的几何、路径和初始条件下的熔池深度。作者还将该优化蒸馏为可单次前向生成控制动作的摊销策略，并为其在实际设备上的部署提供了概念验证。
说明从论文到机制：面向科学语言模型的证据支撑知识底座
简介该论文提出一种以证据为依据的机制知识底座，把科学文献组织成带来源链接的证据单元、角色类型化的实体和有向机制路径。作者以导电纤维柔性传感器为领域，构建了名为MS$^3$的材料-传感器-信号-系统模式，涵盖13,689篇论文、131,083条证据和26,648个机制对象。在多个问答基准上与闭卷生成、网页搜索、原始PDF检索增强等方法相比，MS$^3$提升了宏观平均的科学正确性、引用蕴含和答案完整性。
说明基于语法强化学习的带约束目标导向平面图生成
简介该论文提出一种无需数据集的平面图嵌入生成方法，将参数化图语法与安全强化学习结合，在构造过程中满足硬性结构与几何约束，同时优化任务目标。研究将生成过程建模为约束马尔可夫决策过程，并引入动作投影以提升训练中的约束满足度。作者还发布了约束与目标导向平面图生成的基准套件，实验显示该方法在所有任务上均优于基线并满足约束。
说明RoSA：一种节省内存的旋转式稀疏微调方法
简介该论文提出RoSA（旋转稀疏适配），在微调大模型时每次只训练部分层。训练过程中，靠近输入的底层被冻结，可训练块在后续各层间轮换，冻结层数逐步增加。这种做法可减少优化器状态内存，并缩短反向传播过程。实验表明，在多种大模型架构和任务上，RoSA能降低峰值内存，同时保持较好的微调效果。
说明基于少样本原型分类头的PSoC 6设备端心电个性化适配
简介可穿戴及床旁心电监测设备需要适应患者个体的波形特征，但个性化通常离线完成。本文提出仅更新原型（类均值）的分类头适配方法，用于微控制器上的TinyML心电系统：在MIT-BIH心律失常数据库上离线训练一个一维卷积网络并冻结为特征提取器，设备端只需对支持集心拍做一次前向计算并求类均值。在1、5、10样本设置下，跨患者宏F1分别从约0.64提升至0.73、0.77和0.80，且在PSoC 6上实测与主机结果一致。
说明人工智能与文化的新科学：用机器学习测量认知与文化的相互构成
简介该论文认为认知与文化相互构成，个体主观性可视为高维文化场中的局部轨迹，而文化场是这些轨迹的总和。作者提出借助嵌入与生成模型等机器学习方法来测量这种关系，并讨论生成式人工智能作为社会协调基础的影响。文中还提出一种类似海森堡不确定性原理的表述，并探讨相关伦理问题与研究指引。
说明认证增强的泛化界：用形式化方法为学习算法提供可验证的泛化保证
简介本文用形式化方法为学习算法给出严格且可靠的泛化界。作者把算法稳定性作为待验证的规范，借助可达性分析得到特定样本上的可证明界，并提出新的集中不等式，将其推广为期望泛化差距的界。在玩具数据集到微调大语言模型分类头的实验中，该框架的保证比其他可靠计算方法紧数个数量级。
看点将算法稳定性视为可验证规范并结合可达性分析与新集中不等式，给出泛化界，实验覆盖玩具数据到大语言模型微调，但证据规模有限。
说明已编码但无法控制：视觉-语言机器人策略中的落地鸿沟
简介该论文研究语言条件机器人策略是否真正依照指令执行任务。作者在场景保持不变的前提下替换指令中的目标物体，并在仿真与真实机器人中测试视觉-语言-动作模型和世界-动作模型。结果显示，策略仍倾向于抓取场景中原本的物体，指令信息虽被编码却很少决定动作，作者据此提出了诊断框架。
说明基于类别-时间联合学习的多实例部分标签视频分类
简介该论文研究多实例部分标签学习（MIPL）在视频分类中的应用，这类学习只能获得包级别的不精确标注。作者提出一种联合类别-时间分配方法，通过候选标签约束的推理和结构化教师模型，让模型同时学习标签消歧与时间片段对应。在 Breakfast、DoTA 和 FineAction 数据集上构建的基准实验显示，该方法在效果和效率上均优于现有 MIPL 算法。
说明AUTOPILOT：基于YOLOv7与MiDaS的自动驾驶感知、定位与路径规划技术
简介本文面向自动驾驶汽车，结合YOLO目标检测与MiDaS深度估计，用于障碍物的感知与定位，并配合透视变换和路径规划的决策。作者通过仿真与实验评估了该组合系统的性能。原文称两者结合形成了一套较为稳健的目标检测与深度感知系统。
说明基于物理信息神经网络的含再生延迟与非光滑摩擦切削动力学参数估计
简介本文提出一种多域扩展物理信息神经网络（XPINN）框架，用于求解含非光滑项的时滞微分方程。方法将时间域按特征时滞的整数倍划分为子域，逐步训练子网络并冻结已学参数。在同时包含再生效应和非光滑摩擦的切削动力学模型上，该框架比通用PINN（SPINN）取得了更好的解重构和参数估计效果，并且在噪声数据下仍然稳健。
说明植物病害数据集综述：分类、批判性分析、环境变异及对精准农业的启示
简介本文是一篇以数据集为核心的综述，批判性分析了用于植物病害检测的视觉与深度学习方法。文章按采集场景、可获取性、植物多样性、病害构成、类别结构和不平衡程度建立分类体系，并比较实验室数据集与田间数据集的差距。文章还探讨了多层次数据不平衡和环境多样性不足对模型泛化与鲁棒性的影响，并提出将温度、湿度、叶面湿润度等环境参数与图像数据结合的多模态监测方向。
说明球面Transformer的SO(3)-RoPE位置编码
简介该论文提出SO(3)-RoPE，一种将球面几何融入Transformer注意力机制的相对位置编码，借助酉SO(3)表示实现。其方法具有SO(3)等变性并兼容FlashAttention，保持了普通Transformer的效率。在旋转球面上的浅水方程动力学预测任务中，作者的SO3ViT在误差和运行时间上均优于S2Transformer基线。
说明APOD：由推理引导的智能体群体常微分方程发现方法，用于药理数字孪生
简介该论文提出APOD，一种语言模型智能体，它结合生物学知识与拟合诊断信息，在开放式搜索空间中迭代推理，以发现带个体间变异的群体数字孪生（PDT）。在合成药代动力学与肿瘤动力学基准上，APOD在94%至100%的运行中恢复了真实结构，中位速度比基于库的搜索快12倍。在真实队列中，它也收敛到有效结构，并提出了放射性配体疗法引起血小板动力学的PDT。
看点用语言模型智能体在开放搜索空间中结合生物知识和拟合诊断发现带个体变异的群体ODE，较库搜索有明显新意；合成与真实队列上验证，并给出剂量方案模拟。
说明LeAVJEPA：一种用于音视频自监督学习的极简架构
简介该论文提出 LeAVJEPA，是首个在 LeJEPA 无坍缩目标下训练的音视频编码器。模型使用单一早期融合的 Vision Transformer 处理音频、视频及音视频联合输入，并以模态丢弃将缺失模态视为同一事件的另一视角，使跨模态对齐隐含于目标函数中。消融实验表明模态丢弃是实现音视频对齐的关键机制。
说明频率解耦扩散引导的非盲图像去模糊
简介该论文面向已知模糊核的图像去模糊任务，利用预训练扩散模型作为图像先验，在无需额外训练的情况下进行后验采样。方法将频率激活与退化造成的衰减分离：按由低到高的渐进频率调度确定当前测量频段，并由模糊核推导的衰减图对未激活成分施加选择性谱先验，同时加入局部轨迹正则项以稳定采样。实验表明，在自然图像基准上，该方法即使在较高测量噪声下，仍取得较好的PSNR和SSIM表现。
说明跨语言校准：面向多语言LLM路由的生成前成功概率探针
简介该论文研究在解码前利用语言模型隐藏激活估计回答正确率的探针，在多语言场景下是否可靠。作者用10种语言的3000道MATH题目和8种开源模型配置进行比较，发现仅用英语训练的探针跨语言后仍有一定区分力，但校准变差；汇总多语言数据训练能同时改善区分力与校准。在路由实验中，汇总训练的路由器测试成功率高0.7%，建模成本降低13.0%。
说明LinUCB 采样分配：小间隙情形下的最优设计极限
简介本文研究线性上置信界（LinUCB）算法在小间隙情形下的采样分配，即奖励差距约为 n 的负二分之一次方量级。研究表明，在该情形下，LinUCB 诱导的经验采样分布收敛到 D 最优设计集合，使采样分配在学习奖励参数上具有渐近效率。作者还据此细化了其渐近遗憾分析，并证明正则化最小二乘估计量满足中心极限型定理，从而支持对奖励参数的统计推断。
看点将LinUCB采样分布在小间隙区域的极限刻画为D最优设计，连接遗憾最小化与实验设计，新颖但证明细节摘要中未展示。
