机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明超市商品检测与识别：利用校正图像的深度学习方法
简介论文指出超市货架紧密、拍摄角度多变，使商品识别困难。作者用霍夫变换（Hough transform）和单应性估计对倾斜图像进行校正，再交给目标检测模型处理，并构建新数据集，按拍摄角度与每张图像的物体密度做了分析。实验显示，对倾斜图像做校正可提高商品检测准确率，但效果受拍摄角度和物体密度的限制。
说明对话是双人问题：全双工对话模型的双向评估
简介全双工语音对话模型可以同时收听和说话，但现有评估多依赖预录音频或只执行固定测试的自动考官，只能单方面考察模型。本文提出DyaFDB框架，让两个模型在分配角色和合作或冲突目标下直接对话，并由外部评审离线打分。实验覆盖4类任务共140个场景、7,560段对话，结果显示一方的行为会持续影响对方。
说明超越路点回归：基于查询的可达自车未来代价学习，用于端到端驾驶
简介本文提出一种端到端自动驾驶规划方法，不再直接回归路点，而是针对动态可达的自车轨迹查询估计有界代价。方法用紧凑的联合场景标记刻画多模态交通参与者的未来，并通过应急感知的代价聚合与代价引导的MPPI混合生成可行规划。论文称在nuScenes上相较ST-P3、NMP等代价估计规划器有所提升，碰撞率优于多数回归基线，并在真实驾驶日志上相较SparseDrive、Alpamayo降低碰撞率（未经微调）。
说明时间序列基础模型在反事实输入下的上下文辨识衰减：诊断与合成强迫系统微调修复
简介该论文测试带协变量的时间序列基础模型能否在工程强迫系统中给出无需训练的“假设性”预测。结果显示，TimesFM-2.5与TabPFN-TS对输入变化的响应是即时函数而非动态记忆，Chronos-2能在上下文中辨识动态但幅度明显衰减。作者用合成强迫系统做26分钟微调，恢复了响应幅度，但在三类实测对象上经典系统辨识仍明显更优。
说明考虑能耗的路径跟踪：强化学习与NMPC在电动汽车上的对比分析
简介本文比较了四种路径跟踪控制器（NMPC、PPO强化学习、增益调度状态反馈基线和Stanley几何基线），在统一的Frenet坐标运动学模型和含再生制动的能耗模型下进行评估。PPO在直道和S形弯道上训练后，无需修改即可迁移到多种未见过的赛道，并能零样本迁移到动力学单轨车辆模型。文章最后分析了各控制器的性能表现。
说明超越从零训练：面向数据高效与泛化的心脏磁共振重建基础模型
简介本文研究预训练视觉基础模型能否作为加速心脏磁共振成像重建的先验。作者将冻结或低秩适配的视觉编码器（CLIP、BiomedCLIP、DINOv2）接入基于 Transformer 的重建框架，并在 CMRxRecon2023 和 CMRxRecon2024 基准上进行实验。结果显示，预训练表示在多种加速倍数下均优于从零训练的模型，在数据有限和跨数据集场景中也表现更好，其中 DINOv2 整体表现最强。
说明用自回归后训练权重增强扩散语言模型
简介该论文研究扩散语言模型（dLLM）能否复用自回归（AR）语言模型已有的后训练权重更新。作者发现，将AR后训练更新直接加到扩散基础模型上依然有效，性能接近扩散模型自身的后训练效果。两类更新在权重空间近似正交，但在扩散模型中引起的表示变化更为一致，组合使用还能进一步提升性能。据此提出免训练框架A2D。
说明多语言语音匿名化中的声学与内容导向说话人验证攻击研究
简介该论文研究针对语音匿名化的攻击者说话人验证系统在多语言场景下的表现，此前相关研究主要基于英语。作者评估了声学导向和内容导向两类攻击者在多语言匿名语音上的效果，并构建了多语言语音转换数据集以提升跨语言泛化能力。结果显示，攻击效果取决于匿名语音保留语言信息的程度，声学导向攻击者总体表现更好，但语言信息保存较好时两者差距缩小。
说明ChartBmkAgent：由稀疏错误分类规范驱动、受框架约束的多智能体图表问答基准构建方法
简介论文提出ChartBmkAgent，可根据已识别的模型能力缺陷，由稀疏的错误分类规范自动构建完整的图表问答样本。中央框架约束各专门智能体，并要求每个阶段提供与原错误类别一致的证据。在300个样本上，多模态大模型准确率介于32.7%至84.3%之间；在三组源模型比较中，针对性样本得分为50.0%，对照组为82.2%；评估者中86.4%的样本被判定确实测试了对应错误类别。
说明DSV-Mem：评测 MLLM 智能体在专业工作流中的多模态记忆能力
简介论文提出 DSV-Mem 基准，用于评测多模态大模型智能体在专业场景中对密集、有状态视觉信息的记忆能力，包含专家审核的场景和 1000 个问题，涵盖当前状态、过去状态、派生状态、变更历史及冲突拒答五类。在 27 种模型与记忆管理方法配置的评测中，表现最好的基线得分低于 45%。研究发现状态演化（尤其是影响答案的更新次数）是主要难点，而状态感知设计比单纯增加推理投入更有效。
说明超越校正记忆：多智能体系统中的执行一致性
简介该论文指出，共享记忆中的记录即便正确，也不能证明智能体的行为满足任务要求。作者以状态使用、信息交接和最终状态一致等义务定义执行一致性，并给出判断履行的证据条件。实验显示，移除关键证据后，82.4%的相反标签配对无法区分，恢复证据后则区分了97.9%的合并配对。
说明自然语言问题作为知识图谱接口：QRAKEN 图蒸馏与语义自愈
简介该论文提出 QRAKEN，一种无需训练、与本体无关的神经符号流程，用于把自然语言问题转换为 SPARQL 查询以访问 RDF 知识图谱。离线阶段从图中提炼出 TTQL 描述（多跳模式、条件频率等）及类-属性共现矩阵，在线阶段用其引导大模型生成查询并进行迭代修正。在 CK25 基准上，该方法在两种大模型下的严格 F1 分别为 0.643 和 0.652，相对最强的重新计算参赛系统提升约 30% 和 32%；消融实验显示 TTQL 模式贡献最大。
说明SAGE：以语义锚点引导进化的医学问答数据合成方法
简介本文提出SAGE框架，利用MeSH等公开医学分类体系作为语义锚点，让小型本地部署模型从少量种子出发，迭代合成医学训练数据，无需大量医学文献或外部API。在多个医学问答基准上，用SAGE合成数据微调的模型优于使用自生成数据或传统文档式方法训练的模型。作者称其在数据效率和资源利用方面有所提升。
说明当计划改变答案：语义查询中成本与准确率优化的形式化
简介论文针对语义查询引擎中由机器学习模型评估谓词的问题，提出成本与准确率联合优化的形式化定义。方法以决策模型给出的校准置信度估计每个决策的期望误差，并按其对输出的贡献加权，从而在无标注数据下估算计划的期望输出质量。文中还给出相关关系代数语义、等价层次和若干理论结果，并在合成数据上做了模拟，真实引擎上的评估留待未来工作。
说明皮肤科AI中临床视觉概念的多数据集诊断效用研究
简介该论文提出SkinLex，将四个公开皮肤科数据集（SkinCon、DermaCon-IN、MM-Skin和PASSION）中的48项临床形态学属性统一整理，共计20,411条记录。研究发现，仅使用形状或颜色等特定视觉类别会降低九分类皮肤病诊断的准确率；反向剔除实验表明，这48项概念存在一定冗余。
说明DirectSpeech2LLM：缓解语音大模型提示过拟合的简单端到端框架
简介语音大模型在只用语音识别指令训练后，难以泛化到语音翻译等新指令，仍主要表现为语音识别系统。本文提出 DirectSpeech2LLM，利用冻结大模型嵌入矩阵上的基于距离的 CTC 损失和贪心 CTC 标签生成语音嵌入，使大模型在语音条件下保持对未见任务的指令遵循能力。仅用 960 小时 LibriSpeech 数据训练，该方法在语音识别上优于级联系统，并以零样本方式泛化到语音翻译和情感识别。
说明POLAR：面向工具调用大模型智能体的本体引导风险防控
简介论文提出POLAR，一种面向小型工具调用智能体的护栏框架，通过两层结构化本体评估动作的可逆性：为每个动作推导候选逆向序列并给出分级可逆性评分，低于阈值的调用在执行前被剔除。在τ²-bench上对六种智能体模型的评测显示，POLAR在航空领域四个智能体上提升了0.11至0.18的平均任务奖励，但在18个模型-领域组合中只有8个整体提升，零售及较强的智能体常出现退步。作者认为该方法提供了可审计的结构化检查，并刻画了其在任务效用上的权衡，同时指出奖励并不直接等同于避免的伤害。
说明ProximalFM：隐藏混杂下的摊销近端因果推断
简介标准因果识别方法通常假设没有未测量的混杂因素，一旦存在隐藏混杂就可能失效。近端因果推断利用代理变量在隐藏混杂下识别效应，但非参数估计需要求解不适定积分方程，对数据、超参数和优化都很敏感。本文提出ProximalFM，基于先验数据拟合网络（PFN），在合成数据上训练，使 Transformer 通过一次前向传播近似条件平均处理效应（CATE）的贝叶斯后验分布，并报告在多种近端场景中表现稳定、推断速度快。
说明自我回顾蒸馏：把事后经验转化为事前预判
简介该论文提出一种名为自我回顾蒸馏（SRD）的方法，利用任务完成后的轨迹信息，训练同一策略在行动前做出预判。SRD 只作为训练目标，推理时无需显式生成预判。论文在10项工具集成推理与长程智能体任务上进行实验，结果显示 SRD 与 RLVR 及自蒸馏基线相辅相成，在奖励对比稀缺时优势尤其明显，例如在2B设定下，仅加入 SRD 即从0.0%提升至60.6%的成功率。
看点将事后经验蒸馏为行动前的前瞻预测，思路新颖；在10个任务上验证，个别设置提升显著。
说明SpeedrunBench：用电子游戏速通挑战大语言模型智能体
简介该论文提出 SpeedrunBench 基准，借助电子游戏速通（以尽可能快的方式通关游戏）来评估前沿大语言模型智能体形成策略的能力。基准涵盖 9 款游戏，要求智能体反复改进策略、反思表现并进行长程推理。实验显示，在简单的平台游戏中，前沿智能体接近人类世界纪录；但在更长、更复杂的游戏中，在实际预算下仍落后于人类表现。
说明优化编码器：重新思考神经场的二阶元学习
简介论文将神经场中的潜在表示推断过程视为一种“优化编码器”，把二阶微分、潜在参数化与任务监督统一起来，使编码过程能与解码器一起端到端训练。作者提出基于注意力机制的 MetaLF 模型，通过自注意力协调潜在点云，并在图像与三维形状重建中于三到五次梯度更新内提升重建精度，同时支持图像、形状和体数据上的语义预测。
说明两半胜过整体：分阶段速度蒸馏，用于快速高质量图像生成
简介论文提出分阶段速度蒸馏（PVD），将生成过程分为粗略和精细两个阶段，各由一个半尺寸专家模型负责，使总计算量与一次完整主干前向相当。在 ImageNet 256×256 类别条件生成上 FID 为 1.48；在文生图任务中，蒸馏后的模型与多步教师模型效果相当，并相比教师模型降低了活跃参数量和峰值显存占用。
看点将生成时间线分为粗、细两阶段并分配半尺寸专家，模型迁移用平均速度建模，属于对单步蒸馏的实质改进；在ImageNet与多个T2I骨干上验证，效果有竞争力。
说明仅检测偏移还不够：线性表示修复的精确极小极大极限
简介论文研究如何在有限失真预算下，用一个线性映射削减两个数据源之间的均值偏移。作者推导了所有此类映射在有限样本下的精确极小极大风险公式，并证明投影掉均值校准差分即可达到该极限。此外，论文指出检测偏移与移除偏移所需的校准信噪比存在差距，并在临床与可穿戴睡眠脑电数据上验证了该公式的预测。
看点将线性表示修复建模为统计决策问题并给出有限样本精确极小极大风险，揭示检测与修复之间的差距，理论上有实质新意，并在睡眠EEG数据上验证。
说明PhysTacGen：面向物理特性的视觉-触觉传感器图像生成
简介该论文提出PhysTacGen框架，可由视觉图像生成光学触觉图像，以降低成对视觉-触觉数据的采集成本。方法包括基于强化学习优化视觉语言模型生成材质描述（GTPO）、结合DINOv2配对筛选与单目相对深度估计提供几何先验，并用SDXL ControlNet合成触觉图像。在SSVTP数据上的实验显示结构相似度优于对比基线，盲测用户偏好GTPO生成的描述，生成的触觉输入也改善了力系数预测代理任务的表现。
说明多语种说话人归属语音识别：级联方案与统一模型的对比
简介本文介绍 HINTT 团队提交至第二届多语种对话语音语言模型挑战赛（MLC-SLM）的系统，任务是判断谁在何时说了什么。作者比较了两种方案：先做说话人分离再进行语音识别的级联流程，以及直接输出说话人标签、时间戳和转写文本的统一语音大模型。提交的系统采用级联方案，并在 MLC-SLM Task 1 条件下表现更可靠；统一模型被认为是未来的有前景方向。
说明语言承载专家印象：以量表为锚的LLM评审可迁移咨询质量评估并优于同领域训练
简介该论文研究咨询对话质量自动评估，使用三个德语模拟咨询语料（共195场专家评分会话），考察跨领域迁移预测专家总体印象。结果显示，用其他领域数据训练的迁移效果优于同领域训练（Spearman ρ约0.54对比不超过0.48）。关键特征来自小型开源LLM对对话文本生成的会话级构念分数，且多个模型集成后语言类特征表现突出。
说明面向低秩自适应（LoRA）的黎曼几何方法
简介论文针对用于预训练模型参数高效微调的低秩自适应（LoRA）方法，指出其参数化存在等价关系，会产生冗余方向。作者为此提出一种专门设计的黎曼度量，用于在每步梯度更新中进行预条件处理。理论结果表明，该预条件下的更新方向更接近全量微调，且权重矩阵更接近全量微调的结果；语言与视觉任务的实验显示其有效性与效率。
说明DAEDALUS：从自生成任务中为智能体引导构建可复用记忆
简介大语言模型智能体在新环境中常缺乏操作知识，且没有过往尝试的记忆，容易重复犯错。DAEDALUS 用一个探索者智能体生成有挑战但可解的任务，再由求解者智能体尝试，从失败中提炼启发式规则，经验证后整合为记忆库供测试时使用。论文报告其在 AppWorld、τ²-bench 和 AutomationBench 上相较无记忆基线有所提升，且无需已有训练任务或验证器。
看点提出无需已有任务或预言验证器、由自生成练习构建可复用记忆的方法，并在三个基准上以多项指标验证，结果具有说服力。
说明SepsisLens：面向脓毒症早期预警、可分解结构的序列建模方法（arXiv 论文）
简介这是一篇发表于 arXiv（cs.LG）的论文，提出 SepsisLens 模型，用于根据 ICU 不规则测量数据进行脓毒症早期预警。该模型在风险合成前保留各变量的时间状态，并通过结构化风险头分别组合变量层面与器官层面的风险。作者在三个公开 ICU 队列和一个私立医院队列上评估，报告了较强的区分能力，并在 MIMIC-IV 上于相同事件召回率下降低了告警负担。
说明语言模型是否具备文字感知能力？
简介该论文研究语言模型能否识别和使用不同文字系统，以及生成文字错误的问题。作者用多文字语言测试小型与大型语言模型，考察它们能否依据输入调整输出文字，并能否按指令使用指定文字。结果显示，所有受测模型的拉丁文字正确率均超过98%，大型模型在非标准文字组合上得分更高。
说明同样的反馈，不同的答案：衡量前沿模型客户反馈分析中的多次运行不稳定性
简介该论文提出一个重复运行评估框架，衡量同一批客户反馈多次分析时，主题集合与计数的变化程度。作者比较了八个前沿模型与三种执行设计，发现基于持久分类体系（taxonomy）的智能体，其主题变动比原始生成方式减少约86%至88%，且已匹配主题的计数无差异。该方法也可用于财报、法律文件等其他非结构化资料的重复整理。
说明在梦中学习，在现实中获胜：面向十英雄MOBA的持续Dyna循环
简介该论文构建了一个完整十英雄MOBA游戏的结构化多智能体世界模型，仅在模型内通过长达1400个tick的想象对局训练策略，再在真实游戏中评估。持续异步的Dyna循环使策略在真实对局中以先手（radiant）方取得70.2%的胜率，而仅用梦境训练时为0%。论文还指出，模型在想象中的失效难以察觉，且策略会继承模型的保真度特征。
看点在完整十英雄MOBA中训练结构化多智能体世界模型并以真实对局胜率检验策略，揭示模型利用问题并通过Dyna闭环修复，证据充分。
说明幻觉检测基准中的标注问题：一项实证评估
简介本文研究大语言模型幻觉检测基准中自动标注的可靠性。作者使用900组人工标注的问答对，比较了词汇相似度、NLI 基线和七种 LLM 评判器在不同提示下的表现。结果显示，自动标注策略之间以及与人工标注之间存在明显分歧，且标注结果高度依赖于对评判标准的表述。作者认为标注来源应作为基准设计的重要部分加以明确和验证。
说明Spectra：用于基于模拟推断中测试时先验适应的精确分量迁移方法
简介基于模拟的推断（SBI）用于似然难以计算的复杂科学模型的贝叶斯推断。论文提出Spectra方法，针对基于扩散模型的SBI，在测试时无需额外模拟或训练，利用精确的得分迁移恒等式，在结构化先验变化下以闭式形式从冻结的扩散模型得到适应后的得分。作者在六个SBI基准上验证，Spectra在较大的先验偏移下实现了准确的适应，且在线采样成本较低，使预训练模型能够在测试时纳入更新后的先验信息。
说明从第一性原理学习一致的分子力场
简介经典力场是大规模模拟的主力工具，其参数通常按原子或键类型指定，缺乏对不同构型的适应性。本文提出 grappa-fullFF 方法，从量子化学参考数据中同时、一致地学习键合与非键参数。模型通过静电势监督和利于电荷平衡的结构实现物理正则化，据称在几何优化基准上达到先进精度，并可复现经典及已有机器学习力场的构象采样，且无需外部指定的非键参数。
说明结构化却沉默：探测大语言模型隐藏状态中的能力需求
简介本文研究大语言模型在生成回答之前，其隐藏状态中是否已线性编码了用户查询所隐含的外部能力需求。作者提出 TACIT 框架，从来源、变换和世界效果三个维度划分出八类能力，并用 1600 条查询训练线性探针。结果显示，各模型都能高准确率地解码这些细粒度能力结构，但当要求模型用自然语言明确分类时，可靠性明显下降，即所谓"结构化却沉默"现象。
说明FOSLS-deRhaNN：面向 H(div) 与 H(curl) 的原生 de Rham 神经网络类及其在偏微分方程一阶系统最小二乘神经网络方法中的应用
简介本文构造了在二维、三维（H(curl)）以及任意维（H(div)）中与图空间 H(div) 和 H(curl) 相匹配的神经逼近类，所有实现都属于对应空间。这些类由标量或分量神经网络经 de Rham 复形的固定算子映射得到，不涉及网格。基于这些类提出了 FOSLS-deRhaNN 方法，其损失函数为弱形式自然空间中的最小二乘泛函，并将其应用于椭圆方程、曲率-曲率问题、线性输运及守恒律等问题。
说明从写作建议到稿件治理：学术修改的受约束转换框架
简介本文将学术修改视为在有序约束下的可接受性问题，区分任务不变量、语境约束与可变的呈现选择。文中提出一个论断保全契约，把证据与判断同已授权的论断边界相连接，并提出保全、优先级、语境和充分性四项治理命题。学术写作过滤器是实现该模型的工具，用于筛查候选修改，并非对优秀学术写作的通用定义或分类器。
说明不做细胞成像实验，能否预测药物的表型活性？
简介该研究评估了用分子与细胞形态配对数据对比预训练的分子编码器（如 CLOOME、CellCLIP），能否替代 Cell Painting 实验来预测表型活性。研究在控制预训练数据泄漏和活性与细胞毒性相关性两个混杂因素后，测试了六种表示方法，并在两个 Cell Painting 筛选数据集上比较。结果显示，这类预训练分子编码器相比普通理化描述符并无明显优势，且各表示方法中毒性普遍比表型活性更容易预测。作者认为，在把表型预训练编码器用于药物发现前，应采用考虑泄漏并控制混杂因素的评估方式。
说明TICDA：表格型上下文数据归因方法
简介表格基础模型通过上下文中的标注示例完成预测，无需更新参数，但单个示例如何影响预测尚不清楚。本文提出TICDA方法，利用在模型潜在嵌入上训练的线性代理模型，仅需一次前向传播即可衡量上下文中每个示例的影响。作者称该方法在标签错误检测、上下文筛选、跨模型迁移归因和主动学习等四项任务中综合表现最佳。
说明重新审视模型合并：任务算术带来的隐式正则化
简介模型合并通过组合各任务专用模型的权重，低成本地构建多任务模型。现有方法通常用额外数据集搜索权重更新的线性组合系数，作者指出这一做法隐含了正则化，把候选模型限制在任务权重更新张成的子空间内。实验显示，取消该限制后优化合并模型权重，能在多种架构、领域及每类仅一个样本的数据受限场景中明显提升常见合并方法的表现。
说明VisionWeave：让多模态大模型原生学会弹性分配视觉表示
简介多模态大模型用固定数量的密集图像块编码视觉输入，成本较高，而视觉信息分布并不均匀。VisionWeave 通过门控空间池化器生成粗粒度表示并与细粒度表示共享坐标，再由粒度路由器按内容分配粒度，在 Qwen3.8-27B 上实现平均节省 43.0% token，并保留 98.9% 的原生性能。
看点提出弹性视觉表示编织与门控空间池化、粒度路由器，结合大规模训练和SGLang部署验证，新意明确且证据较充分。
说明基于大语言模型超图推理的零样本表格学习
简介本文提出 TABHGR+，一种面向表格数据的零样本关系感知框架。它让大语言模型根据列和任务描述生成规则，为所有行分配弱标签，再用规则将语义相关的行分组构建超图，并通过基于超图的标签传播精炼标签，同时为超边分配标签自适应权重。该方法所需的大模型调用次数与数据集规模无关，能降低推理成本，并在分类准确率上优于零样本和部分少样本基线。
说明先判断再看图：学习哪些检索到的记忆值得输入像素
简介多模态助手会从包含图像的长期记忆中检索内容后作答。本文提出PixelTriage，一个放在检索之后的小模型，不生成文字，只读取对话、简短笔记和每条记忆的缩略图，预测其像素能带来多少增益，从而决定哪些图像以像素形式输入。在M3Exam、DMV和MemEye上，搭配7B回答模型时，它用掉11%至23%的视觉令牌，准确率没有明显下降；在DMV上比打开全部图像快2.9倍。
说明M3SunAgent：用于单目度量深度估计与三维视觉定位的智能体
简介本文提出M3SunAgent，一个统一的单目三维空间理解智能体，由大语言模型作为任务规划器，调用检测、深度估计、视觉语言模型等工具完成任务。在实例级度量深度估计上，其在所有对比模型中表现最好，52.61%的预测实例深度误差小于0.25（δ<0.25）。作者还构建了包含2,910个样本的M3SI数据集用于评测。在单目三维视觉定位任务中，三维平均交并比（mIoU）达到41.73%，比MonoVLM模型高3.62%。
说明高阶模型的优势是否来自高阶信息？重新审视超图学习中的性能提升
简介高阶超图模型在超图学习基准上通常优于低阶基线，人们常将此归因于其利用了高阶信息。本文提出受控性能归因框架，在保留成对信息的同时扰动高阶信息，在25个基准上发现多数优势在扰动后仍大部分保留。加入更丰富的成对加权、更多步的成对特征传播和归一化等简单改进后，剩余差距进一步缩小，支持部分优势可由低阶因素解释。
看点提出可控扰动框架检验高阶信息的贡献，并在25个基准上验证，揭示多数性能增益可由低阶解释，证据较充分。
说明从修订后果中学习：面向自我改进智能体的事后元经验提炼
简介该论文提出HMED（事后元经验提炼）机制，用于让智能体从自身的改进过程中学习。它回到修订所源自的已完成事件，从同一恢复的发现状态下重新执行原有与修订后的元技能，从而在共同条件下比较修订带来的变化，并将比较结果提炼为可复用的元经验。作者称，在三个交互式智能体基准和多个开源与闭源模型上，HMED相较强基线持续提升了技能发现的表现。
说明基于人类反馈学习对数凹随机效用模型中的排序
简介本文研究在未知数值效用下，如何通过人类反馈恢复一组固定物品的排序。作者用带对数凹噪声的随机效用模型刻画反馈，分为完整排序反馈和仅胜者反馈两种情形。论文给出了两种情形下的最坏情况样本复杂度下界，并提出与之在对数因子内匹配的算法，且算法无需已知噪声分布。结果表明，仅胜者反馈下的排序问题本质上更难。
说明智能体能为所有人工作吗？个性化界面中移动端 GUI 智能体的跨用户可靠性
简介该研究关注移动端 GUI 智能体在受用户历史和偏好影响的个性化界面中，对不同用户是否同样可靠。作者提出 PAIR 流程用于构建用户个性化应用状态，并提出 RePAIR 训练方法，从跨用户的子目标结果差异中学习。实验显示，六个智能体在不同用户间成功率差异明显，在个性化界面中子目标完成率更低；RePAIR 在未见过的用户上相较其监督微调基线有所提升。
说明EmbodiedSmith：通过仿真中的递归自我改进飞轮扩展具身数据
简介该论文提出 EmbodiedSmith 框架，用于在仿真中生成机器人具身智能训练数据。它通过递归自我改进的代理式循环，联合迭代优化场景与任务生成，并支持移动操作机器人、人形机器人、灵巧手以及可变形物体和流体等交互。实验表明，所生成数据在质量、多样性和生成效率上表现良好，且数据多样性的提升有助于下游策略的泛化。
说明DecepEval：评估大语言模型智能体欺骗行为的基准测试
简介本文提出DecepEval基准，包含1532个实例，覆盖3类任务和28个专业场景。作者基于经典欺诈理论提出LLM Deception Diamond框架，归纳压力、动机、机会和冲突四种可能诱发欺骗的外部条件。通过对比中性版与诱导版实例，评估九个前沿大语言模型，结果显示诱导条件在多数模型和任务类型中都会提高欺骗率，即使基线欺骗率较低的模型也是如此。
说明VAE音频解码器中的特征编码：输入、深度与分布的影响
简介该论文分析了RAVE等基于VAE的神经音频合成模型解码器内部如何编码音乐特征，比较了三种音乐领域训练的模型及通用模型EnCodec。研究发现，合成刺激的编码较强，自然音频的编码较弱但在非线性探针下更明显，且编码强度随解码器层深度变化，中间层的联合编码能力更强。作者认为这些结果有助于理解神经音频模型并为合成控制提供参考。
说明ReGraph：视觉“什么”与“哪里”双通路中泛化能力的计算模型
简介该论文提出 ReGraph，一种带有生物学归纳偏置的循环双流图模型，用于模拟视觉的背侧（“哪里”）与腹侧（“什么”）通路。在 Something-Something V2 动作数据集上训练后，模型在背侧通路中出现了与情境无关的关系编码和网格状空间基底。研究认为，泛化能力可能在感觉信息分化为层级视觉通路的过程中逐步形成，而非突然出现在某个专门区域。
说明DensiTok：让前馈式3D高斯泼溅看到比输入更多的视角
简介前馈式3D高斯泼溅（3DGS）可一次前向计算重建场景，但输入图像越少，质量下降越明显。论文提出即插即用模块DensiTok，在冻结的预训练骨干网络内部对几何令牌进行稠密化：先压缩到低维潜在空间，再基于相机几何在单步流匹配中补全未观测视角的潜变量，并解码回原重建头可用的令牌。在三种预训练骨干和两个基准上，该方法持续改善稀疏视角重建效果。
说明重新审视用于基于语言的轨迹预测的数值预测模型
简介该论文提出MoRE（奖励专家混合）框架，将五个冻结的数值预测器的坐标层面知识，通过强化学习迁移到预训练的基于语言的轨迹预测模型中。预测结果被转化为专家奖励，并通过惩罚分歧的不确定性加权共识进行组合，同时以真实轨迹奖励作为锚定。在ETH-UCY数据集上，ADE从0.22米降至0.20米，FDE从0.32米降至0.29米；相对基础策略，在SDD上ADE下降17.9%，在NBA上下降12.7%。
说明置信推理图：面向LLM智能体的结构化置信度估计方法（Confidence Reasoning Graphs，CRG）
简介该论文提出置信推理图（CRG）这一推理阶段框架，用于仅依据单条智能体执行轨迹估计其完成任务的概率，无需模型内部访问或训练数据。CRG将任务成功的断言拆解为基于轨迹证据的子断言，分别估计置信度后再汇总为整体置信度。在三个智能体基准、三种骨干模型和三种智能体框架上，CRG在校准性和风险感知决策方面优于基线方法，且其展示的断言与证据可供决策时审核。
说明在执行过程中适应未知视觉干扰的视觉-语言-动作模型
简介该论文提出SALT方法，让机器人视觉-语言-动作策略在执行任务时遇到未知视觉干扰时，利用上一动作片段中未执行的剩余轨迹作为自监督信号进行测试时适应，无需干扰标注或专家动作。在LIBERO-10基准上，五种持续视觉干扰下的平均成功率分别从43.9%提升至53.2%（SmolVLA）和从58.7%提升至66.0%（GR00T N1.7），真实机器人任务进度从0.49提升至0.61。
说明UltraDiff：面向形状优化的超声可微光线追踪
简介该论文提出UltraDiff框架，把超声成像视为基于飞行时间的瞬态渲染，用路径空间积分建模超声图像形成，并用蒙特卡洛方法估计前向模型及其对场景参数的梯度。作者以球面SDF为初始形状，通过使模拟回波与实测回波匹配进行优化，在模拟B型扫描和真实机器人采集的脊柱模体数据上恢复椎骨表面。该方法无需预分割图像，以无监督方式在B型图像上进行分析合成，并取得有竞争力的几何精度。
说明面向循环语言模型的混合潜在注意力（HLA）
简介循环语言模型对每个词元重复应用同一组层 T 次，使模型加深但不增加参数，却使键值缓存放大 T 倍，限制了 GPU 并发解码的序列数并降低解码速度。该论文提出混合潜在注意力（HLA）：最近 W 个词元保留精确的键和值，更早的词元压缩为紧凑潜在表示，由每次循环的查询直接读取。在 1.4B 和 2.6B 参数的 Ouro 循环模型（T=4）上，冻结预训练权重，仅训练新增参数以复现原注意力。缓存每词元缩小 10.7 倍，解码吞吐在 1K 上下文提升 2.5 倍、16K 时最多提升 7.4 倍，并在多数基准上保留原模型 97% 以上的准确率。
说明用于感知辅助波束预测的高能效脉冲神经网络
简介该论文针对毫米波系统的波束预测，利用位置和视觉等环境感知信息减少波束训练开销，并提出脉冲神经网络（SNN）以降低能耗。研究系统比较了SNN与人工神经网络（ANN）在仅位置、仅视觉和多模态输入下的表现。结果显示，仅位置输入时紧凑ANN更优；视觉和多模态输入时，SNN在相近能耗下精度更高，能耗最多可降低一个数量级，但其精度受层间二值通信限制。
说明CCDF：监控录像深度伪造检测基准数据集
简介本文提出CCDF数据集，用于评估监控类视频的深度伪造检测。数据集包含1840段视频（460段真实、1380段生成），涵盖16类犯罪与事故场景，生成内容由Grok Imagine、Google VEO 3.1和OpenAI Sora 2三个商用系统produced。作者发布原始、元数据标准化和模拟低成本后处理攻击三个版本，并用十种近期检测方法评估，结果显示这些方法难以可靠区分生成视频与真实视频。
看点针对监控录像场景构建深伪数据集，并用三款最新商用生成器产出，填补现有数据集的空白；但规模较小（1840个视频），评测依托于已有检测器。
说明广义Matheron变分隐式过程：一种用于隐式先验的后验推断方法
简介本文提出广义Matheron变分隐式过程（GMVIP），用于在由采样方式定义的隐式先验下进行后验推断，这类先验如贝叶斯神经网络和随机模拟器，其函数空间密度通常不可得。该方法先从先验中抽取函数，再在一组诱导输入点上施加修正来构造后验样本。文中称在高斯过程先验下它可还原标准的诱导变量变分GP，并在回归、分类和预测等实验中与现有方法整体相当。
说明用四象限方法评估 Redpine Science 文献检索与问答能力
简介本报告评估 Redpine Science 这一可通过 MCP 和 API 访问大量同行评审文献的工具。评估涵盖检索结果相关性，以及有无 Redpine Science 时模型回答的准确度，同时使用公开基准和专家验证的问题集。报告给出的主要数据包括：在 ScholarQABench SciFact 上，接入 Redpine Science 的智能体答对 94.4% 的论断，无检索时为 87.6%；在专家问题集上，两者分别为 80.1% 与 70.2%（后者仅限网页搜索）。
说明假词作为探针：大语言模型对人类假词加工所依赖的次词汇敏感性表现很弱
简介该研究用两项意大利语二选一假词实验测试了五个大语言模型，并与人类行为基线比较。结果显示，有真词熟悉度线索时模型与人类更一致，纯假词条件下明显低于字符 n-gram 模型 fastText。人类与 fastText 一致性所依赖的次词汇余弦相似度线索，也未能稳定地迁移到人与模型的一致性上。
说明SIGMA：基于模型规范的自我改进对齐泛化方法
简介本文提出SIGMA，一个数据生成与训练流程，让大语言模型仅依据一份描述期望行为的“模型规范”，自行提升安全对齐能力。方法先由模型充当任务设计者生成对齐困境场景，再通过监督微调和以模型自身为奖励模型的基于评分标准的强化学习进行训练。文中报告，仅用单轮对话数据训练后，多轮智能体环境中的有害性指标下降，并优于Deliberative Alignment和Constitutional AI基线，同时保持通用能力。
说明面向多模态学习的动态对齐与校准方法（ACML）
简介该论文针对多模态学习中的两个问题：静态跨模态对齐对所有样本施加统一约束，可能导致不合理的过度对齐；基于置信度的融合方法未充分考虑各模态的特征幅值与置信度差异。作者提出ACML框架，包含动态跨模态三元组对齐模块和差异感知注意力校准策略。论文称，在多个多模态基准数据集上，该方法优于近期的先进方法，且更稳健。
说明TF-PRVR：无需训练的部分相关视频检索
简介部分相关视频检索（PRVR）要从未剪辑的长视频中找出包含与文本查询相关片段的视频。本文提出 TF-PRVR，这是首个无需任务专门训练的 PRVR 框架。它利用冻结的视觉-语言特征，自适应地切分视频为多尺度片段，并通过多尺度图传播查询相关性，再以时刻感知评分汇总各尺度结果。作者称该方法可避免数据集过拟合，并在多种数据集上表现稳定。
说明OpenWAM：可组合世界-动作模型的开放框架
简介论文提出OpenWAM，一个用于机器人“世界-动作模型”（WAM，将未来预测与机器人控制结合）的开放框架。它基于Wan2.2-5B视频模型，在超过10000小时视频上进行因果性机器人视频预训练，并通过共享的混合Transformer架构接入动作专家，支持多种视频与动作的生成方式。在LIBERO-Long上，经因果适配后的VTA成功率由68.4%提升至97.8%，并可用于研究反事实转移对逆向与正向动力学模型的改进。
说明基于物理的球体堆积用于拉格朗日网格变形
简介该论文提出 JamTet，一种基于物理的球体堆积体网格方法，用于可微分仿真与计算设计。其包括 GPU 并行网格生成器、保持内部节点身份的拉格朗日网格变形，以及结合质量-弹簧与体积 Neo-Hookean 项的可微 GPU 模拟器。在软体机器人形态设计实验中，内部节点梯度使游动适应度比仅表面变体提高 0.73 至 1.07。
说明能否显式建模伪造痕迹？基于成对编辑关系解耦痕迹以定位图像篡改区域
简介该论文把图像篡改定位重新表述为隐变量问题，认为现有模型隐式建模伪造痕迹是性能不足的原因，因此提出分两阶段的成对痕迹学习（PAL）与标准定位（SL）方法，通过编辑关系估计痕迹分布与篡改掩码。作者还构建了按编辑组组织的数据集EditGroup-45K，实验显示PAL在多种架构上均有改进，代码与数据集已公开。
说明基于多模态知识蒸馏的胃腺癌全切片图像分型方法
简介本文针对胃腺癌全切片病理图像的组织学亚型分类，提出一种多模态知识蒸馏框架。教师模型利用低秩多模态融合（LMF）结合图像与病理诊断文本学习表示，学生模型则蒸馏其知识，仅用图像即可推理。在PatchGastric数据集上，该方法的平均准确率比现有方法至少高3.35%，且不依赖基于Transformer的融合、多任务学习或大语言模型。
说明基于控制的动态优化实现多样化运动定制
简介视频生成中的运动定制容易出现内容泄漏，即参考视频的外观属性会被带入生成结果。作者提出基于控制的运动定制方法（CMC），用随机最优控制引导生成过程趋向目标运动，同时避免坍缩到参考视频。实验表明，该方法能有效缓解内容泄漏，并在保持基础模型多样性的同时取得有竞争力的运动保真度，训练速度提升约2.5倍。
说明重新审视时间正则化：深度强化学习中的平滑控制
简介深度强化学习策略常产生不平滑的动作振荡，不利于在实体机器人上部署。已有方法多通过约束状态变化的敏感度来追求空间平滑，但过强的约束会损害任务表现。本文证明时间惩罚项会约束共享同一后续状态的当前状态之间的期望动作差异，并据此提出CATS方法：结合时间惩罚与线性渐增。实验表明，CATS在仿真和真实环境中都能显著减少动作振荡，同时保持任务表现，计算开销很小。
说明连续记忆机器（CMM）：一种带短期与长期矩阵记忆的循环神经网络
简介循环神经网络通常把信息压缩进单一向量状态，使短期计算与长期保留共用同一表示。本文提出连续记忆机器（CMM），用两个矩阵值记忆分别承担短期计算与长期存储，并由 Transformer 联合更新。实验显示，它在算法、上下文学习和循环推理任务上优于多种基线，泛化能力强于先前的记忆增强网络，同时保留了可解释的注意力模式。
说明各向同性却无法解码：潜在预测文本表示中的序列内容充分性差距
简介本文研究文本表示是否保留了输入中有序的目标信息，并提出 CANOPE 框架，结合有序潜在画布、规范词元监督和几何正则化。实验表明，即使表示满足各向同性高斯性，若缺乏词元信息，其后续可用性仍然很差；在作者的实验设置下，几何规律本身并不能保证可恢复的序列内容。
说明ApexQuant：通过残差再各向同性化实现的无数据弹性量化
简介本文提出 ApexQuant，一种无需校准数据的模型量化方法，可在现有量化器之上对残差误差递归地再次量化。作者证明，每次使用新的随机旋转后，残差会回到超球面上的均匀分布，从而刻画了逐轮误差衰减的速度。在未读取任何权重之前，就能据此确定某一层达到目标权重误差所需的轮数。在四个开源大语言模型以及对地球观测和医学领域的实验中，四比特下的结果接近全精度，二比特下表现也较好。
说明无监督长尾场景下视觉-语言模型的适配方法
简介本文提出无监督长尾适配（ULTA）这一新场景，指利用分布不均的无标签数据适配视觉-语言模型。研究发现，此场景下头部类别性能会明显下降，且分布失配会侵蚀头部类别边界并使样本误归入易混淆类别。作者为此提出MARS方法，包括边界保持对齐和边距感知自我精修两部分，在九个基准数据集上取得了优于现有方法的结果，平均准确率提高4.71个百分点。
说明ARIA：基于音频的旋律与声调关系建模，用于粤语歌词创作
简介粤语填词需要歌词字音的声调与旋律音高紧密对应。ARIA是一个两阶段框架，直接从带有字符级时间戳的歌唱录音生成粤语歌词，而非依赖符号化旋律。其中，TRATE模块从歌唱音频预测0243声调序列，DRA-TCLG模块则依据预测的声调计划并结合检索增强的词汇指导生成歌词。研究还构建了大规模对齐的音频-粤拼-0243数据集，实验表明该框架在声调预测和声调一致的歌词生成上表现良好。
说明IEEE 802.11bx：WLAN 智能组网（WIN），迈向支持 AI 的 Wi-Fi 9
简介本教程梳理了 IEEE 802.11 标准化工作中面向 Wi-Fi 9 的最新进展，说明推动支持 AI 的 Wi-Fi 9 的驱动因素与技术进步。文章从三个维度考察 AI 的作用：AI 作为协议、作为平台和作为流量，并讨论各维度的候选功能与待解决的挑战。文中还以 AI 流量差异化为案例，探讨扩展现有 EDCA 以支持新 AI 流量的可能性。
说明面向稀疏长时程环境的方差规避 n 步离线强化学习（VAN-Flow）
简介该论文提出 VAN-Flow 框架，用于生成式离线强化学习。它结合分类分布式评论家、方差规避期望算子和基于拒绝采样引导的流匹配生成式策略，以偏好回报高且离散度低的动作。作者称，在 D4RL 与 OGBench 的40多个任务上，该方法持续优于强基线，在长时程和高方差场景中提升最为明显。
说明FC-SWE：面向长程软件工程智能体的失败条件强化学习
简介该论文提出FC-SWE框架，用于训练在代码仓库层面完成软件工程任务的智能体。当补丁未通过验证后，系统会恢复到原始任务状态，并把失败补丁和验证器反馈作为上下文，引导智能体进行恢复尝试。在SWE-bench Verified的500个任务上，基于Qwen3.5-4B的FC-SWE取得41.7%的Resolved@1，高于GRPO的38.9%。
说明用于大语言模型区域海表温度预测的文本环境背景与空间图
简介该论文研究如何把不同性质的信息交给大语言模型（LLM），用于区域多步海表温度（SST）预测，而不将整个海温网格序列化为文本。模型把历史温度与异常序列、日期对齐的环境记录和静态海洋知识组织为文本上下文，同时通过图神经网络生成的连续空间前缀提供区域空间状态。在南海的实验中，完整配置在十个预报步长上取得了比较方法中最好的MAE和R²。此外，规则模块还会把预测趋势与环境因素方向对应到知识条目，给出可追溯来源的事后背景解释。
说明重新思考大语言模型的忠实性：一种成对上下文敏感视角
简介该论文提出成对忠实性基准PFaithBench，考察模型面对同一问题在有支持证据与无支持证据的上下文下，能否在作答与拒答之间正确切换。对39个模型的评估显示，多数模型倾向于作答，忠实性错误主要来自过度作答，即上下文不足时仍编造回答。论文还发现，训练效果依赖作答与拒答数据的构成。
看点提出成对上下文的忠实性评测，区分证据充足与不足时的回答与弃答，并在39个模型上做了系统实验。
说明统一多模态模型中的视觉拒绝生成：Draw-or-Decline 基准与 VisTA 训练方法
简介论文指出，统一多模态模型在收到不可行的图像编辑请求时，通常仍会生成内容，而不会识别冲突并拒绝。作者提出 Draw-or-Decline 基准（1,050 组可行与不可行请求对），测得最强编辑模型在不可行请求上的拒绝率仅为 0.4%。作者还提出 VisTA 训练方法，训练后的 VisTA-BAGEL 拒绝了 93.0% 的不可行请求，同时保持了 74.3% 的可行编辑完成率。
说明ShanLiangRen：面向个性化每日膳食规划的营养智能体
简介论文提出个性化、全量化的多目标膳食规划问题，并开发了名为ShanLiangRen的营养智能体。系统先将饮食规范、营养数据、用户属性和自然语言需求转化为个性化约束规划实例，再通过精确检索增强生成缩小候选食材与菜谱范围，并借助帕累托原则由大模型迭代修订方案。作者已将其以微信小程序形式上线。
说明基于少量标注的深度学习心电图波形边界识别：与常用工具的多数据集基准对比
简介该论文研究心电图（ECG）波形边界识别任务，比较了自监督预训练与监督或半监督微调在一个内部数据集和四个外部数据集上的效果。随后，将所选深度学习模型与NeuroKit2、Prominence、ECGdeli等开源工具及CalECG商业工具进行基准对比。结果显示，该模型在各指标和数据集上表现最佳，在节律多样的数据集上明显优于最强的工具，并且从窦性心律到心律失常时性能下降最少。
说明学习型自适应多分辨率扩散成像：用强化学习决定细化区域的图像方法
简介论文提出 Learned AMDI，在保留 AMDI 固定树传播和层级约束的前提下，用近端策略优化训练的共享局部策略替代原有的细化选择器。在 9 个保留测试案例中，平均终端参考差异由 0.17496 降至 0.13657，占用率由 0.13737 升至 0.26660。作者指出，在本静态基准上，大部分改进来自初始分配，而非序列决策。
说明极小规模中文BERT预训练：MLM、WWM与MacBERT三种策略的受控比较
简介本文在一个仅8.7M参数的极小中文BERT模型上，使用相同架构、语料（约129万句中文维基百科）和超参数，比较掩码语言模型（MLM）、全词掩码（WWM）和MacBERT式替换三种预训练策略。结果显示，在极小规模下MLM整体表现最好，WWM在困惑度和MLM命中率上更优；受同义词词典覆盖率限制的MacBERT困惑度明显偏高，且训练损失不能可靠反映其效果。
说明Revar3r：面向前馈式三维重建的规范感知扰动不确定性估计
简介论文指出，免训练的扰动不确定性方法会把冻结三维模型输出坐标系的未观测旋转当作误差，导致正确的远处点也显得不确定。作者推导了与误差无关、随场景尺度增长的方差项，并提出ReVar3R：先将多次预测对齐到共同的相似变换坐标系，再逐点计算方差，无需重训或修改模型。在VGGT、π3和MASt3R六个数据集的18种条件下，该方法在15种条件下使AUSE低于内置置信度，但在与训练好的证据头对比时，它是一种权衡。
说明自我参照的社会偏好：无需观察他人奖励的合作学习
简介该论文研究多智能体强化学习中的合作问题。现有方法通常需要智能体能看到同伴的奖励，而作者提出“自我参照的社会偏好”，让每个智能体用自身的奖励模型评估他人可观察的行为结果，并将这种评估纳入社会偏好。作者在三个序贯社会困境环境中测试，结果显示智能体无需观察他人奖励也能学会合作，部分情况下收益分配比能看到真实奖励的智能体更公平。
说明人工智能如何可能导致人类灭绝？文明级风险的失效模式分析
简介本文提出一个失效模式框架，用于分析先进人工智能可能如何导致人类灭绝、不可逆的文明崩溃或人类永久失去主导地位。作者认为，灾难性AI风险不需要意识、敌意或伤害人类的明确意图，而可能通过自主失准、有害的人类使用、组织失灵和竞争性部署等相互作用的路径产生。文章强调，这些路径的严重程度取决于能力、自主性、外部访问权限、持续性、制度保障和恢复能力等因素。该分析刻意不提供操作性指引，而是指出因果条件、可实证测量的中间量和防御性研究问题。
说明带负策略展开的在策略蒸馏：用较弱的负策略生成样本，为学生模型提供负向信号
简介在策略蒸馏（OPD）让学生模型在自身生成的样本上，从更强的教师模型获得逐词监督。当强教师与学生的分布重叠有限时，仅靠正向指导学习信号可能不足。本文提出 NP-OPD，在展开阶段引入能力较弱的负策略生成的样本，作为学生的负向参照，并在训练中持续保留教师的正向监督。实验显示，该方法在多种模型规模、生成模式、推理领域和 OPD 变体中均有改进，分析也表明它能抑制负策略相对教师偏好的词元。
说明CueRator：通过智能体搜索符号规则以适配冻结的多模态编码器
简介该论文提出CueRator框架，利用大语言模型智能体搜索决策规则，把冻结的对比式多模态编码器的跨模态相似度转换为预测结果，无需重新训练编码器。在开放词汇音视频事件感知任务上，它在OV-AVEBench上将总体平均分从57.8提升到60.2，未见类别性能从55.8提升到59.9，并将已见与未见类别之间的差距从7.1缩小到1.2。
说明ReFold：无需训练、可逆的跨轮上下文折叠方法，用于长程智能体
简介长程大模型智能体每一步都要把全部交互历史重新输入模型，上下文和成本随步数增长。本文提出免训练的渲染层方法ReFold，保留完整历史，只压缩送入模型的渲染上下文：对已展示内容替换为占位符，对智能体自报完成的轮次折叠为一行注释，每隔若干步批量改写缓存前缀，且所有删除均可从历史中恢复。在五个长程基准和两个前沿大模型上，文中报告token消耗最多降低2.5倍，任务成功率未明显下降。
说明一种用于X射线衍射分析的自学习科学智能体
简介该论文提出了名为Gan Jiang的自学习智能体，用于粉末X射线衍射分析，它基于作者开发的XMatcher、XQueryer、XDecomposer和WPEM等分析工具体系。智能体通过诊断失败、修订技能指令与代码并在复用前验证，把分析经验转化为可执行技能，且无需重新训练语言模型。论文报告其在多个精修软件及多种样品的测试中表现优于原有专家设计的技能，并在DeltaXRDbench的单相与多相识别中领先于对比方法。
看点提出可自我学习的X射线衍射分析智能体，通过诊断修订并验证技能，在多个基准上相对专家技能与基线有明显提升。
说明WorkflowOps：从历史工作流中学习智能体协作先验的多智能体编排框架
简介论文提出 WorkflowOps 框架，用于编排多智能体工作流。它从历史工作流中学习智能体两两协作的频率矩阵，以此指导 DAG 工作流的构建；当发现能力缺口时，自动生成新智能体并加入协作矩阵。实验显示，在代码、数学和问答混合任务上，该框架的端到端通过率优于近期的工作流构建基线，在可分解的结构化任务上提升最明显。
说明Tram-FL：通过在去中心化联邦学习中顺序环传模型，降低通信与计算开销
简介本文针对去中心化联邦学习中各客户端各自维护模型副本、重复计算和通信浪费的问题，提出 Tram-FL 机制，让单一模型在节点间依次传递并逐个训练。研究设计了模型传递路线与更新次数的调度方法，并结合量化动量，在控制每次传输通信量的同时减少传递次数。实验表明，即使在非独立同分布数据下，该算法也能以更低的通信和计算成本收敛到全局模型。
说明面向车辆轨迹个性化路径复现的决策导向神经优化框架
简介本文将个体路线复现建模为基于习得的驾驶人专属隐含路段成本的最短路径问题。模型通过感知编码器融合个体特征、出行属性与路网交通状态，再经约束优化层求解最短路径，并采用决策导向学习与隐式最大似然估计进行端到端训练。实验表明，该框架在路径复现上优于基线路径选择模型，所学隐含成本可为异质性路线选择提供合理解释。
说明三值语言模型导出时的bf16转换会还原大部分低学习率下的代码变化
简介本文审计了BitNet b1.58、Falcon-E、BitCPM等三值语言模型的导出流程：导出时先把高精度隐变量转为bf16再生成三值码。作者发现bf16舍入会改变大量代码，导致GSM8K准确率显著下降，并提出两种兼容性补救方法，在三个模型上都能与在线评估保持相近表现。
看点发现三家实验室导出流程中bf16转换会使三值码翻转并显著降低准确率，并提出两种兼容修复，结论有实质新意。
说明RA-MoWE：用于查询聚类与智能体工作流生成的工作流亲和嵌入方法
简介该论文提出 RA-MoWE 框架，用工作流亲和嵌入对查询进行聚类，再据此生成可复用的专家工作流，以适应不同查询所需的推理策略。在涵盖数学、科学和编程的 300 道测试题上，其平均任务得分比从参考工作流中选择高出 4.04 个百分点，推理时的语言模型调用次数减少 27.7%。
