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Knee3DVLM：面向膝关节MRI综合评估的双序列全容积视觉-语言模型
简介该论文提出Knee3DVLM，一种结合DESS与液体敏感TSE两种MRI序列全容积数据的视觉-语言模型，用于预测基于MOAKS评分的57个膝关节二分类诊断指标，以支持结构化报告。在1074例held-out数据中，双序列融合模型在各项指标上优于单序列配置，并在5类病变的多分类分析中数值上高于3DReasonKnee的最佳已报告结果。
说明MetaLearnNCA：通过相互作用的神经元胞自动机实现少样本元学习
简介本文提出MetaLearnNCA框架，用耦合的神经元胞自动机（NCA）实现少样本任务适应，推理时不计算解析梯度。它将适应过程分为执行任务推理的Active-NCA和通过局部邻域扩散空间误差来更新空间程序的Meta-NCA。论文报告其在Omniglot上的同分布表现为96.12%，并在MNIST、KMNIST、Fashion-MNIST的分布外迁移中取得提升，结果基于10个独立随机种子的1-、5-、10-shot设置。
说明基于潜在动力学网络学习可变初始条件的偏微分方程解算子
简介本文针对偏微分方程的多次查询仿真，改进了潜在动力学网络（LDNet），使其能处理不同的初始状态。方法仅从少量早期观测中推断初始潜在状态，并比较了自解码与元学习两种策略。文中称在对流扩散、流体和固体力学等问题上均表现出较高精度，元学习可加速推断，且解码器可在空间子采样数据上训练并输出高分辨率解。
说明UNREAL：用单一模型统一检索与长上下文推理
简介该论文提出 UNREAL 框架，让冻结的大语言模型利用自身内部表示完成证据筛选，既能用于语料库检索，也能用于长上下文推理。它只增加不到 50 万个可训练参数，且不改动主干模型。在 Wikipedia 索引上，UNREAL 的多个变体在 HotpotQA、2WikiMultiHopQA 和 MuSiQue 上的召回率均超过了检索器加重排序器的基线系统。
看点提出模型内部证据选择机制统一检索与长上下文，仅增不到500K参数；在3B token、21M块索引上做了多数据集对比与长上下文实验，影响面较广。
说明Agentic AutoRAG：用推理驱动的智能体优化RAG流程
简介本文提出Agentic AutoRAG，一种基于大语言模型智能体的多目标优化方法，用于调整检索增强生成（RAG）流程的超参数。它在每次试验后判断失败问题是出在检索环节还是生成环节，并结合模型排名与价格知识库，在准确率与成本之间权衡，以勾勒帕累托前沿。在三个多跳问答基准上，其法官评分准确率高于所有对比基线；在一个真实医疗语料的成本敏感模式下，中位考试准确率为77%，高于最强基线的71.5%，单次查询成本约为该基线的58%。
说明重新思考跨分词器的同策略蒸馏：从对齐覆盖率到监督可靠性
简介该论文研究在教师与学生模型使用不同分词器时的同策略蒸馏（学生用自身生成内容并接受教师反馈）。实验涵盖数学推理与代码生成的三组异构教师-学生模型对，发现严格1:1对齐已覆盖大部分学生生成的词元。仅在严格对齐位置使用学生选出的前16个共享词表子集计算反向KL，精度与完整共享词表相当；额外加入失配组跨度的均方误差监督虽覆盖更完整，却降低了精度。作者据此主张应优先保证监督的可靠性，而非一味追求对齐覆盖率。
说明AssemState：面向零样本家具装配的说明书与物理状态引导推理框架
简介该论文提出AssemState，一种零样本框架，结合装配说明书与物理状态引导家具装配。它先将说明书页面分解为单部件操作并恢复装配树，再通过迭代的装配后状态反馈修正位姿，并用基于仿真的释放测试验证物理合理性。实验显示，装配树恢复的F1和树精确匹配指标均有提升，但多模态大模型在空间关系推理上仍有局限。
说明HuC-VideoMAE：基于合成数据的以人为中心视频掩码自编码
简介本文研究在动作捕捉生成的合成人体运动视频数据集上，对视频Transformer进行自监督预训练，以替代需征得同意不足的网络视频数据。作者提出利用人体关键点和人物边界框区域的以人为中心掩码策略，相较标准VideoMAE在合成数据上表现明显更好。在NTU RGB+D跨视角、跨受试者测试中，该方法弥补了约49%与Kinetics预训练的差距，且预训练过程未使用任何真实帧。
说明EMHO：基于经验轨迹优化具身智能体的控制框架
简介论文提出 EMHO 框架，在保持具身模型冻结的前提下，依据执行轨迹和历史修改智能体的控制框架，包括规划、上下文和工具使用等部分。为让单一框架适配多个子任务，作者提出 EMHO-Merge 方法。在 EmbodiedBench 的导航与操作任务上，该方法使 Qwen 9B 和 27B 模型的任务成功率均有提升。
说明NeMo-DCR：面向万亿参数智能体强化学习的按位精确增量压缩权重同步方法
简介论文提出 NeMo-DCR（增量压缩权重同步），在训练与推理之间同步更新后的模型权重时只发送变化部分，并保证接收端得到与完整传输完全相同的参数位。在 3% 与 5% 变化率下，30B 至 1T 模型的同步速度比完整检查点传输基线快 12 至 40 倍；1T 模型在 3% 变化率下的中继树同步由 87.5 分钟降至 150 秒。
说明对称感知特征学习：多指标模型中的多项式样本复杂度分离
简介本文研究在高维高斯输入下，利用循环对称结构的多指标模型学习。作者比较了三种方式：对称绑定的卷积网络、使用完整对称群数据增强的网络，以及不利用对称性的学习方式。结果表明，前两者只需约 d 的 p-1 次方个样本即可实现弱方向恢复，而不利用对称性的方法需要约 r 乘以 d 的 p-1 次方个样本，两者相差多项式倍数。
说明基于解剖感知隐式神经表示的可变形CT-超声配准
简介本文提出一种可变形的CT与超声图像配准框架，用于在探头接触造成组织形变时改善两者对齐。方法先用机器人辅助光学跟踪完成刚性配准，再用逐帧优化的SIREN隐式神经表示估计形变，并借助由CT的HU值得到的组织刚度作为空间变化的正则项。结果显示，相比刚性初始化，配准精度提升17%，优于经典可变形基线方法，同时几乎不产生拓扑折叠。
说明从果蝇视觉连接组到通用计算机视觉：一种受生物连接组启发的视觉模型，在多项任务中以较少参数接近或超越 ResNet18
简介论文提出 ConnectomeX 框架及 FlyVision 架构，保留并行的 ON/OFF 处理、循环计算和群体图交互等果蝇视觉连接组特征。FlyVision 在 MNIST、CIFAR-10、ImageNet-1K、皮肤病分类和胸片四分类上进行了测试，在 ImageNet-1K 上略低于 ResNet18，但参数量显著更少；胸片任务上超过 ResNet18。另提出 BrainAGE，将其应用于 T1 加权 MRI 脑龄估计，433 例留出扫描的平均绝对误差为 5.98 年。
说明面向隐私友好型AIoT的图像比特流细粒度理解
简介本文提出图像比特流细粒度理解（IBFU）任务，直接从编码后的图像字节序列进行细粒度分类和自然语言描述生成，无需完整解码为像素。作者提出基础模型BFG，包含比特流语义编码器和细粒度语义生成器，并构建了含损坏比特流的数据集CFU-D。实验显示，在比特流损坏下BFG在Stanford Dogs Caption上的平均CIDEr仅从0.6339降至0.6077，表现稳定，而多个视觉语言模型性能明显下降。
说明知道何时不该回答：潜在信息不足信号的跨领域与多轮泛化
简介该论文研究大语言模型在信息不足时的表现，即在无法依据已给信息作答时仍然作答的问题。作者构建了一个带轮次标签的多轮对话基准（423段对话、1,661个标注轮次状态）及包含模拟用户的评估框架，并用六个数据集和六个开源大模型进行测试。结果显示，在共享信息缺失这一基础的数据集之间，探测器迁移效果较稳定；而认知层面的“已知的未知”探测器在数学数据上迁移效果较差。在多轮对话中，单轮探测器无法零样本判断对话何时变得可答，而结构化探测器可以识别，但效果并不优于词袋分类器。
说明SSR：用于三值矩阵乘法加速的稀疏分段归约方法
简介本文提出稀疏分段归约（SSR），一种面向三值矩阵乘法的方法，用于加速三值大语言模型及一般三值权重网络的推理。SSR 采用专门优化的三值数据格式，并通过随计算稀疏度而缩放的计算树利用稀疏模式。原文报告，在 45%至95%稀疏度的三值 GEMM 上，SSR 相比 RSR++ 实现 2.1至11.3 倍加速；在 Llama-3 1B 模型推理上实现 3.5至6.3 倍端到端加速，并节省 4.9% 内存。
说明VETTA：协调多轮LLM智能体的轮次级与词元级信用分配
简介多轮大模型智能体通常只在任务结束时获得稀疏反馈，且逐词元生成回复，因此需要判断哪些回复和哪些生成决策对结果有贡献。VETTA 通过共享轻量级评论家上的两个独立输出头，同时学习轮次级和词元级价值，并将两者结合用于 PPO 更新。评论家仅保留预训练检查点的前几层 Transformer 模块，以降低价值学习成本。在四个智能体基准上的实验显示其性能较强，同时降低了评论家端的计算量。
看点联合学习轮次级与token级信用分配，并用共享轻量critic截取早期Transformer层；四个智能体基准上均有强结果与对比，新意属实质组合改进。
说明GeoPID：分解并引导视觉-语言模型中的视觉信息
简介本文提出 GeoPID，一种无需训练的框架，从几何角度分析视觉-语言模型中的多模态信息，将其分解为冗余、模态独有和协同三类成分。作者在 22 个模型和 14 个基准上分析发现，问题强依赖视觉时，正确预测表现出更强的视觉独有成分。据此，论文提出在推理时沿视觉独有子空间放大视觉表示的干预方法，在不更新任何参数的情况下，平均相对准确率提升 7.63%。
说明Atom-JEPA：面向三维原子体系的联合嵌入预测架构
简介该论文提出 Atom-JEPA，一种自监督预训练框架，从无标签的三维结构中学习潜在表示，采用原子层级与子结构层级的互补目标。作者在大规模分子和晶体数据集上预训练，并在多种下游性质预测任务上微调评估迁移性能。结果显示，该模型在分子 ADMET 和量子化学性质预测上达到当前最优水平，在晶体材料物理性质预测上也颇具竞争力。
说明UP-MOPD：多教师在线策略蒸馏中的更新投影方法
简介该论文提出 UP-MOPD，用于多教师在线策略蒸馏，让单个学生模型融合多个领域的能力。方法先由混合梯度经优化器生成候选参数位移，仅对违反约束的候选更新做欧氏距离意义下的最近可行投影，再提交到参数。实验显示，在医学与通用领域组合中，相比基线 M-OPD，UP-MOPD 后期的 IFEval-loose 准确率提升 2.96 个点。
说明Foresight-over-Graph：超越局部视野的知识库问答推理方法
简介该论文针对知识库问答中大语言模型基于逐跳贪心或束搜索剪枝的局部决策问题，提出 Foresight-over-Graph（FoG）框架。FoG 通过由远及近的反馈引导路径探索，迭代构建与问题相关的证据子图，并维护紧凑的记忆子图。原文称其在主流基准上达到最优性能，在 CWQ 上 Hit 指标提升 16.58%，同时减少了大语言模型调用和 token 用量。
说明马尔可夫决策过程中的决策导向学习：基于占用度量的方法
简介该论文研究马尔可夫决策过程（MDP）中的决策导向学习（DFL）。原有方法需通过贝尔曼方程的KKT条件求导，并对所有状态-动作对求解线性系统，可扩展性有限。作者将MDP重构为基于占用度量的线性规划（LP），并通过主元算法识别可行多面体中的活动约束，推导出闭式梯度。为应对梯度不连续和规模随状态数增长的问题，作者提出增广拉格朗日代理、约束随机行草图以及可学习的软状态聚合层，并在多项任务中报告其遗憾值低于基于KKT的DFL和两阶段基线，计算成本也显著更低。
说明UniCounting：面向无图像查询的多类别计数的实例感知提议合并方法
简介该论文研究无图像查询的多类别计数，即仅输入一张RGB图像，模型在固定词表下预测每个类别的数量向量。提出的UniCounting利用冻结的SAM 2.1生成掩码、DINOv2与OpenCLIP提供特征，并训练一个3,267参数的关系头来判断同一实例的掩码。只训练该关系头，不使用计数或密度图标注。在COCO clean500上，相比校准后的OWLv2-All80，其点估计向量ℓ1误差和缺失类别误报质量更低。
说明借助AI多目标优化加速PLGA原位成型缓释剂的开发
简介Corbion与Intrepid合作，结合PURASORB生物可吸收聚合物库与AI算法ANDROMEDA 1，为一种治疗性肽开发原位成型缓释剂。约15周内制备并表征了181种配方，载药量为6%至12%（w/w），筛选出6%、9%、12%载药量的四个候选配方，均满足粘度与可注射性标准，并呈现不同的30天体外释放曲线。研究发现中等分子量聚合物在持续释放与溶液粘度之间较为平衡。
说明进化式单步生成器：面向离散设计的快速多样化采样方法
简介该论文提出EGO框架，用于在离散输出上直接训练紧凑的生成器，结合分布匹配、结构约束以及可选的多样性奖励，并采用对偶低秩进化策略，无需针对各准则的可微代理。训练后，生成器只需一次神经网络前向计算即可生成整个图结构。作者报告其在分子生成基准上，每估算密集运算的有效且唯一产出量超过近期单步流映射基线50倍以上，并在NAS-Bench-101上获得了更多不同的保留精英架构。
说明用史蒂文斯幂律检验 GPT-5.5 对视觉编码的隐式解读
简介论文借鉴史蒂文斯幂律，衡量 AI 模型在没有图例、也没有色图名称的情况下，隐式解读可视化的能力。实验让 GPT-5.5 先对参考视觉表示估计量级，再相对该参考估计同一表示下其余图像的量级。研究对十二种视觉变量进行了评估，使模型读取视觉编码的方式可以测量、与人类感知比较，并对人类更加透明。
说明Transect：为长周期大模型智能体评估保留可观测性的开源工具
简介该论文提出 Transect，一个基于 Inspect Scout 构建的开源软件包，用于帮助评估人员理解长时间运行的智能体执行过程，并核对模型生成的行为标签与原始记录是否一致。作者在一项产生约 1300 万 token 的 AI 研发评估上演示了该流程，发现行为上偏重操作性工作与论文撰写，较少出现持续的假设生成阶段。
说明海事系统中可解释的故障预测与预防
简介本文综述了海事系统中实现可解释故障预测与预防所需的关键人工智能技术。作者提出一个概念性架构，将数据采集、时间序列预测、异常检测、风险评估、决策与可解释人工智能整合为闭环框架，支持自主或人在回路的纠正行动。文章还讨论了相关海事研究的方法、优势与局限，并指出不确定性与鲁棒性、模型泛化、可解释性、海事数据集匮乏及实际部署等挑战。
说明量化视觉Transformer的测试时自适应：单次前向的量化器对齐重校准方法
简介该论文针对量化后的视觉Transformer（ViT）在分布偏移下性能明显下降的问题，提出一种名为QuAR的测试时自适应方法。该方法只需一次前向计算，不做反向传播，也不更新模型参数，而是把测试数据的逐通道统计量在冻结量化器的输入处校正回原始校准范围。在ImageNet-C与ViT-B上的实验显示，QuAR在多种位宽下优于现有免反向传播方法，延迟降低46%，内存开销仅0.17 MB。
说明传感器几何作为多通道脑信号流匹配先验
简介论文提出用电极在头皮上的空间位置构造图结构，并以其拉普拉斯算子的图Matérn函数作为流匹配模型的源协方差，使生成过程从空间相关的模式而非独立噪声开始。在八个脑电数据集和四种流匹配方法上，该方法大多降低了生成信号与真实信号在五个临床频段上的谱差异（PSD-KL），并在最密集的PhysioNet-MI数据集上最多下降40%。
说明不确定性量化对可靠的连接组图学习不可或缺：叙述性综述与案例研究
简介本文综述了适用于连接组图学习的不确定性量化框架，并通过案例研究说明未校准预测的风险。作者在 SUDMEX CONN 数据集的动态功能连接矩阵上训练时序图注意力网络，可可碱使用障碍诊断准确率为 80.0%（F1 = 0.794）；但蒙特卡洛 dropout 审计显示存在明显过度自信（ECE = 0.127），部分误分类受试者的预测置信度高达 95%。作者认为，严格的不确定性量化与校准对临床可信部署图类生物标志物十分必要。
说明规划需要多少算力才够？减少世界模型规划中的搜索与计算
简介这篇论文研究视觉世界模型在做目标导向控制时，能否用更少的动作搜索预算达到相近效果。作者提出 SufficientPlan 框架，包含成对序列预算认证（PSBC）来找出并验证较小的预算，以及静态上下文复用（SCR）来缓存观测和目标表示。实验显示，该方法在多种世界模型和视觉控制任务上明显减少了搜索预算与规划延迟，同时保持有竞争力的控制表现。
说明通过询问策略性智能体实现网络干预
简介本文研究网络中策略性智能体的定价干预问题：规划者需在不知晓智能体私有信息的情况下设定非歧视价格，且被询问者可能谎报。作者证明最优价格可按中心性分解，据此提出Poll多轮抽样算法，每轮随机询问一个智能体并在其邻域内短暂游走。论文称该算法计算和通信开销远低于精确计算及其他分布式方法，并能收敛到福利最大化的价格。
说明PolarScale：一个基于物理、用于辐射一致性 RGB 到斯托克斯估计的基准
简介该论文提出 PolarScale 基准，用 RGB 类输入推断偏振信息，并把通常被除掉的辐射尺度变成显式预测与评估目标。模型需要预测归一化斯托克斯分量、AoLP/DoLP/DoCP 及每个场景的尺度，并与常数尺度对照进行比较。论文报告，最强的复原类模型尺度平均相对误差为 3.6% 到 4.3%，常数对照为 5.7%，违反物理边界的像素少于 0.25%。
说明稀疏支持向量机的高维统计推断：为稀疏支持向量机构建置信区间与假设检验的方法
简介本文在样本量与特征数按比例增长的高维场景下，提出针对稀疏支持向量机的统计推断框架。针对合页损失不可导的难题，作者将L1惩罚支持向量机写成线性规划，并通过对偶变量识别次梯度，得到可计算的去偏估计量，其各坐标在比例渐近机制下近似服从高斯分布。该结果可用于单个特征的置信区间与假设检验，并支持控制错误发现率的变量选择；模拟研究和乳腺癌基因表达数据分析也展示了其效果。
说明DIPrune：面向任务、兼顾双重重要性的多模态语言模型高效令牌剪枝方法
简介该论文针对多模态大语言模型，提出一种无需额外训练的令牌剪枝方法 DIPrune，旨在降低计算开销。作者指出既有方法因与任务无关或注意力估计不可靠而损害语义，并将剪枝重新表述为最小化最终任务损失的失真。DIPrune 采用基于排序的双重重要性评分，同时考虑层内静态特征显著性与层间动态语义演变。论文称在 LLaVA 和 Qwen-VL 上的实验取得了一致的最优结果。
说明基于数字孪生的 Real2Sim2Real：通过成对驾驶场景重建实现仿真器条件生成
简介该研究提出数字孪生驱动的 Real2Sim2Real 流程（DT-R2S2R），先在带地理参考的数字孪生中重建已录制的驾驶片段，再用对齐的仿真渲染图像作为条件训练扩散模型，生成逼真的驾驶图像。论文称，在 DETR3D 检测器上，仅使用生成数据即可达到目标区域真实数据方案 mAP 的 93.18%，与域外真实数据联合训练后效果超过该基准。
说明基于机器学习的德国再调度（redispatch）预测：应对数据延迟与时间分布漂移
简介该论文利用德国输电系统运营商公开的再调度记录，在人为设定的信息延迟条件下，评估概率型机器学习模型对电网拥堵干预电量的预测准确性与可靠性。研究比较了季节经验法、ARX、分位数LightGBM、GRU和Transformer等模型，并对不同校准方式进行了测试。结果显示，带滚动校准的LightGBM表现最佳，但在高负荷干预事件中的覆盖率明显不足。
说明SC3BF：用于动态障碍物避让的平移碰撞锥控制屏障函数
简介论文提出一种名为SC3BF的方法，用于机器人动态避障。它在速度空间控制屏障函数的碰撞锥条件中加入一个随距离和自身速度变化的允许量，使机器人可以以一定速率接近障碍物，而不必像原方法那样拒绝所有指向障碍物的相对速度。该方法通过普通二次规划实现，文中证明了存在保证安全的非零允许量并给出闭式解。在对最多100个移动障碍物的运动学自行车模型实验中，SC3BF比三种速度空间基线方法更常到达目标，且对名义输入的修改量不到其一半。
说明面向自动驾驶黑盒视觉语言模型的可迁移时空一致性对抗攻击
简介本文提出一种名为时空一致性对抗攻击（STCA）的方法，针对用于自动驾驶场景的视频视觉语言模型进行攻击。方法包括模态扩展（基于字幕引导的关键帧选择）、空间攻击以及利用运动引导掩码破坏跨帧时间一致性的STCA攻击。攻击在黑盒威胁模型下，依靠白盒代理模型的可迁移性实现。作者在BDD100K和nuScenes数据集上对三种模型进行了实验，结果显示空间攻击在保持较高SSIM的同时取得了一定攻击成功率，表明现有视频语言模型在自动驾驶场景中仍易受对抗攻击。
说明MoF：面向黑盒大语言模型个性化的偏好感知混合建模
简介该论文提出 MoF（Mixture-of-Facets）框架，用于黑盒大语言模型的个性化。它不为每个用户设置专属参数，而是把用户偏好表示为一组共享潜在偏好要素的组合，并依据用户历史进行路由。论文称该方法在多项个性化任务上效果更好，参数效率更高，并对训练中未出现的用户有较好的泛化能力。
说明借助人工智能完成庞加莱猜想的形式化证明
简介本文介绍一项借助人工智能辅助、用 Lean 4 对庞加莱猜想进行形式化的工作。项目起初可复用的几何分析形式化基础设施很有限，作者结合数学家编写的证明蓝图与明确的里程碑陈述来组织工作，使多个智能体能够并行推进。论文还分析了该流程中的人工干预与组织方式选择，并认为相关基础设施有望在未来降低几何分析结果的验证成本。
看点将庞加莱猜想完整形式化为Lean 4证明，并以里程碑式蓝图组织AI辅助协作，在几何分析基础设施上有显著新意与实质性验证。
说明MedZERO：通过可控知识积累实现开放式医学推理的自我进化智能体
简介本文提出MedZERO框架，让大语言模型在无需专家标注的情况下，通过自我生成医学题目并借助外部知识工具进行多轮推理，实现持续改进。框架区分临时探索性知识与经过筛选的持久知识。作者在五个公开医学推理基准上，用4B和8B规模的基础模型进行开放式评测，两种规模下平均准确率均为所比较方法中最高。
说明无需通信、基于团队合力与力矩测量的领导-跟随协作搬运障碍物定位
简介本文研究多机器人协作搬运刚性负载时的障碍物定位问题，机器人之间没有显式通信。领导机器人引导负载运动，跟随机器人在局部检测到障碍物时进行配合与反应。领导者只能测量跟随者施加的合力与合力矩，无法区分各自的反应。作者设计了跟随者控制律并给出精确恢复的充分条件，同时通过仿真验证了方法的性能。
说明面向可靠选择性预测的结构感知图弃权方法
简介该论文研究多变量时间序列预测中的选择性弃权问题：在保留覆盖率预算下，对高风险测试窗口拒绝输出预测。作者认为，仅对整体预测打分的现有方法（如TEM）可能忽略变量之间的依赖关系，因此引入学习得到的稀疏图和结构能量来衡量关系一致性。在七个长时域基准和四种骨干模型上，结构门控在相同覆盖率下通常能降低选择性MSE，但增益并非普遍存在。
说明SCOPE：以语言模型为策略规划器的可认证定理证明
简介该论文针对 Lean 等证明助手中的多步数值命题，提出 SCOPE 方法：语言模型只在算子词表上做规划，符号引擎负责数值计算，编译器生成证明。在 218 道题的测试集上，使用 1.35 亿参数主干模型通过 191 题（87.6%），并报告了其与 7B 基线模型在 token 与耗时上的对比。
看点将模型规划、符号引擎执行数值、编译器生成证明分工，显著提升小模型认证率，并给出幂律失效的定量分析，新意突出；实验覆盖多个基线与公开库，证据较充分。
说明热红外反无人机检测中的灾难性遗忘：尺度条件梯度失衡的作用
简介本文研究基于热红外的反无人机检测模型在依次微调（持续学习）时出现的灾难性遗忘问题。作者用YOLOv5类检测器在三个难度递增的数据集上顺序训练，发现朴素微调在最终阶段导致约90%的既有能力丧失，而知识蒸馏下遗忘程度显著减轻。作者认为大目标检测能力迅速崩溃的原因更可能是尺度相关的梯度失衡，而非权重漂移；按尺度分层的回放缓冲可将遗忘大约减半，但消融实验显示收益主要来自尺度分层，且回放结果为单次实验，仍属初步。
说明标准化陷阱：证明表格基础模型中标签的联合处理
简介本文研究预训练表格基础模型（TFM）的上下文学习是否可以用固定权重的解释来描述，即特征决定每个上下文标签的权重。作者指出，公开的TFM在模型看到标签之前会先做标准化，而普通导数也会反映标准化标签集合之外的行为，使模型看起来非线性。作者提出两种只依赖标准化标签处预测的证明方法，用以排除固定权重预测和独立非线性标签变换之和两种解释。在评估的五个公开TFM中，结果显示改变一个上下文标签会改变其他标签对预测的影响，作者称之为联合处理，且该现象随训练出现，注意力分数承载了所测交互的大部分。
说明CoDe-LoRA：通过知识巩固与解耦缓解大模型持续学习中的正交困境
简介该论文针对大语言模型的持续学习问题，指出用正交投影隔离任务参数的低秩适应方法（如O-LoRA）会阻碍语义相关任务间共享表示的迁移与积累，称之为“正交困境”。作者提出一种无需回放的新方法CoDe-LoRA，将学习过程分为巩固通用知识与解耦任务专属知识两部分，并结合自适应零空间投影与语义路由。作者报告在四种骨干模型和三个持续学习基准上，该方法取得了最高的平均准确率。
看点在O-LoRA正交约束基础上提出知识巩固与解耦并引入自适应零空间投影和语义路由，在四种骨干和三个基准上验证，属于有实质改进的组合。
说明语言不可对齐性：为何某些概念难以通过跨文化基准评测
简介本文指出，现有多语言大模型评测默认不同语言的语义结构可以无损对应，但对语用标记、敬语等一类概念这一假设并不成立。作者用“用法云”框架形式化这一失败，并从行为、机制与诊断三个层面提供证据，包括一个针对雅美语的九模型案例研究。
说明记忆深度与重建上下文宽度：分层检索的受控评估
简介该论文研究长期对话记忆系统中两个参数的相互作用：记忆结构的层级深度，以及提供给回答模型的上下文宽度。作者在EverMemBench上测试了深度D1至D4以及1K、2K、4K等不同上下文预算。结果显示，上下文从1K增至4K可使准确率提高10.11至17.98个百分点，而增加深度并未带来单调提升；论文据此认为，应更多探索大而连贯的上下文块，而非层级更深的记忆结构。
说明利用历史数据缓解自动驾驶远程操控服务质量预测中的概念漂移
简介本文面向自动驾驶远程操控，基于实测数据提出预测框架，用于预测上行数据速率和往返时延两项网络关键指标。作者提出将历史数据纳入预测流程，以缓解因概念漂移导致的机器学习模型在未见数据上的性能下降。文中还引入关键场景检测指标，专门评估远程操控场景下的预测性能。
说明OxiGen：感知氧化态的晶体生成模型
简介本文提出OxiGen，一种显式表示氧化态的晶体扩散生成模型，用于逆向设计可实验实现的无机晶体。模型通过基于有限状态自动机的结构化输出层，在生成时保证整体电荷中性。作者报告，该方法显著提高了氧化态的真实性，在对比方法中生成稳定、唯一且新颖晶体的比例最高，并在性质条件约束下仍保持较高的组成有效性。
说明两组持续图在哪些区域存在差异？固定样本量下的校准局部推断
简介本文针对持续图（persistence diagrams）的两样本比较，提出在出生-死亡平面的若干局部邻域上同时检验均值差异的方法。作者用高斯乘子自助法（Gaussian multiplier bootstrap）构造同时置信区间，允许两组协方差不同，并在模拟中报告了接近名义水平的同时覆盖率。文中还给出几何条件，并在MUTAG数据集上作探索性分析。
说明表格数据中多属性逻辑依赖与函数依赖的可扩展提取与可视化
简介本文提出 LDTool 和 HLDTool 两个工具，用于从表格数据中提取并可视化多属性的逻辑依赖和函数依赖。LDTool 将依赖发现扩展到两两关系之外，HLDTool 借助超图引导的搜索空间缩减来提高可扩展性。在三个模拟数据集和十一个真实数据集上的实验表明，该框架能提取有意义的依赖关系，其中 LDTool 在高维特征空间中以更短运行时间得到与现有函数依赖发现方法相同的结果，HLDTool 则可处理上百个特征的数据集。
说明基于二维关键点的乒乓球视频事件检测
简介本文提出EventNet两阶段方法，用于在乒乓球视频中自动、逐帧检测球与球拍接触等关键事件。第一阶段提取双方运动员上半身、球台角点和球心的二维关键点；第二阶段由Transformer编码器预测每帧距下一次和上一次接触的时间。在Latte-MV数据集上F1为91.16%，在TTHQ数据集上为73.08%。
说明这张脸是谁的？对五种儿童面部情绪识别模型的多模型审计：差距出在分类头，而非特征
简介研究者用统一框架，审计了五个在成人数据上预训练的面部表情识别模型在儿童图像与视频上的表现。结果显示，所有模型在儿童面孔上都明显下降，张口表情和南亚裔儿童的偏差尤为突出，且偏差与表情形态相关而非肤色。冻结特征的线性探针测试表明，差距主要在分类头，仅用少量目标数据重新校准分类头即可在两个最大的儿童数据集上提升约0.13至0.28。
看点通过多模型统一审计揭示儿童面部情绪识别差距主要在分类头而非特征表示，并给出可诊断的结论，有新意且证据较充分。
说明基于生成过程的双样本检验
简介本文研究判断两组样本是否来自同一分布的经典问题，提出在两组样本之间直接构造随机插值，利用对称时间表下的时间反演不变性，通过计算时刻t与1-t边缘分布的Jensen-Shannon散度进行检验。该方法借助置换校准获得精确的有限样本显著性水平，并在特定噪声设计下达到极小极大分离速率。实验表明，该检验与最先进的核双样本检验相比表现相当或更优。
说明带选择性标签的表现性预测：在只能观察到部分标签时，如何让模型不偏离稳定解
简介这篇论文研究机器学习模型部署后会改变人群行为的问题（表现性预测）。作者指出，若只用被接受群体的观测数据重新训练，会误导训练过程，破坏收敛到稳定解的保证。为此，作者提出基于正标签概率置信区间的最坏情况目标，并应用重复风险最小化方法，使结果保持在真实稳定点的有界距离内。在一个带公平性正则化的借贷应用实验中，该方法的表现与能获得完整标签的重复风险最小化方法相当接近。
说明线性函数逼近下基于分段奖励反馈的强化学习
简介本文研究在线性函数逼近下，仅能获得轨迹分段奖励反馈的强化学习问题，此类反馈介于逐步奖励与整条轨迹奖励之间。作者针对已知与未知转移两种情形分别设计了算法，并给出了与下界近乎匹配的遗憾界。结果显示：二值反馈下，增加分段数可通过指数因子显著降低遗憾；求和反馈下，分段粒度对学习影响不大。
看点提出分段奖励反馈下的线性函数逼近RL算法并给出近似最优的遗憾界及匹配下界，揭示二值与求和反馈下分段粒度的不同影响，理论贡献扎实。
说明DySCo：面向边缘-云协同大模型推理的动态分片与深度同步批处理方法
简介论文提出 DySCo 协同运行时，让资源受限的边缘设备承担大语言模型的部分层计算，并保持 KV 缓存在本地。为解决不同切分点导致的空闲等待与无法批处理问题，作者设计了 dyForward 层范围执行器和深度同步批处理（DSB）方法。实验显示，在多边缘服务场景中，DSB 在平均并发数为 8 时，吞吐量相比 FIFO 提升 275%，相比精确匹配批处理提升 48%。
说明zkLLMPoT：面向大语言模型的高效训练零知识证明
简介该论文提出 zkLLMPoT 框架，在不公开模型权重和私有训练数据的前提下，验证训练好的大语言模型检查点是否满足审计方指定的属性。方法是审计方选定挑战序列，训练方证明已提交模型在这些序列上达到的目标值，因此认证成本与训练迭代次数无关。论文报告了四类模型族上的算子级基准：11 亿至 15 亿参数模型的证明时间为 41 至 59 秒，130 亿参数时为 131 秒，序列长度 512 时验证耗时不到半秒。
说明MASC：面向心理咨询中一致性客户角色扮演的多智能体自校准框架
简介本文提出MASC框架，用多个智能体协作生成并自我校准模拟客户，使其在长对话中保持心理状态一致。作者同时构建了CRPC-Bench基准，包含38份动机访谈客户档案，并标注了大五人格与情绪。实验显示，MASC在档案、人格、接纳度和逐轮一致性方面优于现有方法，其中异构配置整体表现最佳。
说明任务充分收缩：面向机器信息接口的源选择
简介本文研究在下游编码器、码本、速率或失真目标确定之前，由任务先行确定的信源约简何时能完整保留整个下游问题族，并称之为任务充分收缩。对于动作集和损失固定的机器，作者仅在两种状态对所有可选动作的遗憾相同时才将其合并，从而得到面向特定使用者的信源。对有限动作集，该约简能保持完整的一步速率-遗憾曲线；对仿射可行动作集上的二次损失，给出精确刻画，即投影到可行动作可能不同的方向上。
说明LeanPlan：利用大语言模型生成的启发式函数与可接纳性证明实现最优规划
简介该论文提出 LeanPlan，这是首个用大语言模型生成启发式函数并由机器检验其可接纳性（admissibility）、从而求得最优计划的规划系统。系统通过智能体循环，利用规划器反馈迭代改进可复用的领域启发式函数、其证明及所需的领域假设，并在 Lean 4 中实现机器可检验的建模与搜索。在十个国际规划竞赛领域和三个新领域的测试中，作者报告其生成的启发式与证明均成功，且扩展状态通常少于 Scorpion 规划器，解决的任务总数更多。
看点首次将LLM生成的启发式及其可容许性证明经机器检查用于求最优规划，并在13个领域上相对Scorpion减少扩展状态数，证据较充分。
说明传感器-语言-动作模型：让传感器数据同时支持理解与决策的统一框架
简介本文提出传感器-语言-动作（SLA）建模框架，将多模态传感器观测、自然语言与动作统一到一个模型中，以语言作为感知与行动之间的语义接口。作者构建了覆盖超过11.6万人、79种传感器模态和60个动作组的大规模基准，并提出统一模型OpenSLA，用于分层动作预测、状态理解与动作解释。论文报告其在临床预测、手术室和代谢健康等真实任务中的实验结果优于现有最先进方法，并展示了语言引导的证据定位及对未见动作和人群的零样本泛化能力。
说明OSFP4：为NVFP4量化联合优化对角平滑与块缩放
简介本文提出OSFP4量化方案，用于大语言模型推理中的NVFP4格式。该方法为每个线性投影层优化对角平滑矩阵，并与块缩放因子联合优化，以降低NVFP4下的矩阵乘积量化误差。论文称其在对比方法中取得最高平均精度，并在所测工作负载上保持约94%至97%的厂商NVFP4预填充吞吐量。
说明TSRN-RTVD：实时视频去模糊系统
简介该论文提出一种高效的视频去模糊系统TSRN-RTVD，通过重建曝光期间的相机运动轨迹，并利用恢复的运动信息指导图像复原。系统在单块消费级GPU上以30 FPS实时运行，在GoPro数据集上达到30.08 dB的PSNR。作者还展示了该系统在消费设备上的交互式演示。
说明上下文先验下神经解码中的置信度排序反转
简介本文研究语境先验如何影响神经信号到语音检索的置信度。作者用MEG-MASC和MOUS数据集，将局部解码分数与加性浅层融合的语境先验结合，以融合后前两名的差值作为置信度。对初始错误的预测，发现了置信度排序反转：正确候选起始于局部排名前列时，差值越大越容易被修正；起始排名靠后时则相反。通过只改变融合权重可以使该反转按预测移动。分开读取局部分数与先验分数，可提高选择性解码的效果。
说明卫星图像中究竟有多少个独立样本？空间相关数据的泛化界
简介该论文指出，遥感图像中相邻像素存在空间自相关，会使分类器评估中的样本量被高估。对于 n×n 图像，若空间相关范围为 r 个像素，有效样本量为 Θ(n²/r²) 而非 n²，并给出有限样本上界及与之匹配的下界。作者还在合成数据及 Landsat 8、Sentinel-2、Sentinel-1 的卫星图像切片上进行了验证。
说明VOMMI：收集并利用便携示范进行移动操作的框架
简介该论文提出VOMMI，一种用便携式RGB设备采集移动操作示范并用于视觉-语言-动作模型后训练的框架，无需机器人采集数据。它通过R2-VO方法利用稀疏几何锚点修正轨迹，并以残差适配器将运动令牌注入策略。实验显示，仅用便携示范训练的策略，基座速度误差比机器人示范训练的策略低18.2%，三项真机任务的平均成功率比OpenPI 0.5高8.3个百分点。
说明Learn2Play Bench：LLM智能体在陌生环境中能多好地从经验中学习？
简介本文提出Learn2Play Bench，一个由新设计的文本游戏组成的基准测试，游戏规则新颖或反直觉，要求智能体通过交互获取知识，而非仅依赖预训练知识。游戏提供可复现的反馈和自动评分，便于在多次尝试中受控评估学习能力，并通过变换游戏实例测试知识迁移。研究发现：保留完整的行动与反馈记录比总结为规则更有助于学习；表现最好的人类玩家峰值得分高于被评估的智能体；在骨干模型固定时，更换智能体框架（harness）可提升表现并降低估计的推理成本。
说明用于逻辑教学的数学证明助手：LogiKEy 方法
简介本文介绍一种面向计算机科学、数学和哲学学生混合班级的逻辑教学方法，即基于多元逻辑观的 LogiKEy 方法，该方法已在课程、暑期学校和辅导中使用十余年。它以经典高阶逻辑作为元逻辑，通过定义语义来编码各种对象逻辑，使 Isabelle/HOL 等证明助手成为学生学习和比较不同逻辑的统一环境。文章通过一系列由简到难的课堂例子展示该方法，并回应了“这是一元论而非多元论”的质疑。
说明RACE-FPP：用于条纹投影轮廓术的鲁棒AI辅助标定增强方法
简介条纹投影轮廓术（FPP）的三维重建依赖精确的系统标定，而棋盘格角点定位在镜头模糊、标定板角度等困难成像条件下容易变差。本文提出一套完整的FPP标定流程，把基于深度学习的角点检测融入相机标定，并通过在标定板白方格中心采样相位值来标定投影仪。混合数据集（清晰与退化图像）上，相机重投影误差从1.237像素降至0.259像素，投影仪重投影误差降低约50%，重建件几何精度也有所提高。
说明基于模拟的任意时刻有效假设检验
简介本文研究在只能获取模拟样本（无解析密度）的情况下，区分两个模型分布 P0 与 P1 的假设检验问题。作者构造了一个 e-检验鞅，由此得到一种序贯检验方法。该方法在任意停止时刻都能保证第一类错误可控，并具有近似增长最优性、几何衰减的第二类错误上界，以及渐近功效为一。
说明Wasserstein空间中光滑势相互作用能量的信赖域优化
简介本文研究在具有有限二阶矩的概率测度Wasserstein空间上，对光滑势相互作用能量进行信赖域优化的方法。该方法沿推前曲线使用二次模型，并通过Steihaug-Toint子求解器与比率检验来决定接受与调整步长。文中在能量有下界及Hessian全局有界等假设下，证明目标函数单调不增，且在O(ε^-2)次外部试验内达到ε-稳定点；数值实验涵盖软粒子能量、最大均值差异最小化及规模研究。
说明STRUCTURALCOST：用于建模人类句子加工难度的受控阅读时间数据集
简介该论文发布了STRUCTURALCOST数据集，包含475名被试、40,800个自定步速阅读观测值，专门考察长距离主谓依存关系解析的加工代价。研究在更大规模上复现了一项样本较小的心理语言学发现：人类在主动词处的阅读时间随依存长度增加，且这种效应源于句法嵌套而非线性距离。多种语言模型只部分反映了这一难度趋势，且低估了人类的整合代价，该差距在不同架构和模型规模下持续存在。
说明工具调用检索与向量RAG在小型希英知识库上的对比：准确率及对希腊文输入方式的稳健性
简介该论文以希腊克蒂拉岛一个希英农业平台的已发布记录构建了198个问题的基准KyGround，比较了工具调用检索与向量检索增强生成（RAG）。结果显示，在标准希腊文问题上向量RAG准确率为95.3%，工具调用代理为71.6%；当检索参数与记录不完全一致时，工具代理会无法检索并弃答。作者认为，面向社区知识库的工具接口需要容忍用户的各种输入方式。
说明大语言模型从哪里检索网络信息：定位负责的注意力头与神经元
简介该研究探讨大语言模型如何检索域名与IP地址等网络实体之间的关系，并尝试定位因果上起作用的注意力头或单个神经元。研究在来自三个架构系列的五个模型上，通过因果消融等方法筛选注意力头并构建检测器，在独立的反向DNS数据集上评估。结果显示，少量经因果验证的注意力头即可达到99.5%至100%的保留集准确率，而单神经元层面的结果因模型而异，在CAIDA数据上单神经元检测器在三个模型中低于随机水平。
说明MacJEPA：面向未剪辑第一人称视频的抗模态缺失音视频识别模型
简介这篇论文提出MacJEPA模型，用于第一人称视频中的视觉动作和声音事件识别。研究将模态缺失定义为长视频中某段时间内的传感器中断，并通过窗口级模态丢弃进行训练模拟。模型把JEPA的掩码机制改为有监督的鲁棒性目标，在Epic-Kitchens-100和Epic-Sounds数据集上，单一模型在输入完整或缺失某一路流时均表现出竞争力。
说明PIE-PS：基于物理辐照度事件流的光度立体方法
简介该论文提出PIE-PS框架，利用事件相机在移动光照下记录的原始事件流，从已知光照重建稠密的表面法线。方法将同一像素的相邻事件与对应光照方向配对形成PIE，以无需对比度阈值的符号事件率作为特征，并通过图神经网络与可靠性注意力机制聚合信息。实验表明其在合成与真实数据上优于已有的基于事件的光度立体方法和直接求解基线。
说明紧凑型机器人策略需要细粒度视觉表征
简介这篇论文研究多任务机器人操作策略的性能来源。作者构建了一个仅48.9M参数的紧凑策略CoRP，由表征提取器与流匹配动作生成器组成，在LIBERO上达到97.0%，在RoboTwin 2.0上达到75.78%/73.36%。实验显示，预训练的视觉初始化与视觉token压缩对性能影响最大，而语言条件仅在目标含糊时有明显作用。
说明视角很重要：关键帧引导的文本驱动三维高斯编辑
简介该论文针对文本驱动的三维高斯编辑，指出不同视角的可靠性差异很大，平等对待所有视角会削弱编辑效果。作者提出 View Matters 框架，先识别几何可见性、语义区分度和编辑相关性较高的关键帧，再以关键帧为基础把编辑信号传递给其他视角，并在优化中保持这种可靠性偏好。在 23 组场景与提示词配对上，该方法的平均 CLIP 文本图像相似度和方向相似度在所评估的方法中最高，编辑耗时约四分钟。
说明LFHE：面向非独立同分布数据去中心化学习的有界局部拓扑搜索（本地优先启发式进化）
简介论文研究去中心化学习在非独立同分布数据下对通信拓扑的敏感性，提出LFHE方法，仅利用邻居及朋友的朋友信息进行候选发现与打分，以有界稀疏度的局部拓扑搜索重连网络。在图像、语音和文本四个基准上取得有竞争力的表现，并指出结构项是主要的拓扑选择信号。
说明超越排行榜：稠密模型与混合专家模型在自动程序修复中的多维评估
简介本文指出，自动程序修复通常只看补丁能否通过测试，忽略了可维护性、安全性和计算成本。作者参考ISO/IEC 25010质量模型提出加权质量指数，综合正确性、可维护性、安全性和生成效率，并在相同硬件上比较了三个稠密模型与一个混合专家模型。结果显示，不同权重下模型排名会改变，而混合专家模型在正确性上与7B、14B稠密模型无显著差异，但活跃参数量少3至6倍。
说明智能体视觉语言模型流水线中的视觉编排开销：审计与认证视觉证据复用
简介论文指出，多智能体视觉语言模型流水线会把同一张静态图片反复传给不同智能体和工具，造成冗余。作者提出审计指标衡量这种重复访问，并设计SharedVisCache机制，按图片内容、预处理指纹和编码器假设认证可复用的视觉证据。实验显示，认证后的复用在保持输出一致的同时减少了视觉编码次数。
说明从优化后的金属微观结构和织构反推合金成分与工艺参数
简介本文研究能否根据镁合金的微观结构和织构，反推出其合金成分和挤压工艺参数，即从结构逆向推断配方。作者基于107组镁合金挤压条件（涉及14种合金）的数据，比较了传统晶粒与织构统计、预训练图像编码器的视觉嵌入以及晶粒网络图神经网络三类描述方式。结果显示，传统描述符在留出条件上正确识别合金的比例为65%，明显高于始终猜测最常见合金的17%，而学习得到的嵌入低于30%；工艺参数可以恢复但误差较大，微观结构使温度误差大约减半。
说明先对齐再校正：面向极低比特量化大模型的免训练两阶段低秩补偿
简介该论文针对大语言模型极低比特权重量化后精度下降的问题，提出一种免训练的两阶段闭式低秩补偿方法。第一阶段用Fisher加权的非对称目标将各层输出与全精度模型对齐；第二阶段在补偿后的模型上重新统计，并施加秩约束的自然梯度步骤以吸收残余一阶信号。在2比特QuIP#设置下，Qwen3-8B的WikiText-2困惑度由12.43降至10.26，Qwen3-4B由21.11降至13.22。
说明问题出在读出方式：细粒度情绪识别基准测的是“引导作答”，而非感知能力
简介该论文指出，EmoNet-Face-HQ 基准以生成式回答评估视觉语言模型，结论是细粒度情绪识别需要专门微调的模型。作者改为从模型输出的 logits 读取概率，把每个类别当作一次是非题来判断，同一批图像与标注下，多数现成模型的表现不逊于甚至优于该微调模型。作者认为差异主要来自评估方式，而非模型的感知能力。
说明面向临床病历生成的基准评测：比较环境式病历文档系统的文本生成质量
简介本文提出MedConv数据集，包含300次英语、丹麦语和德语的临床诊疗记录，并结合ACI-BENCH基准，比较了临床AI平台Corti与两款基于通用AI的主流环境式记录软件。研究采用结合蕴含度指标与LLM成对比较的评估框架，依据PDSQI-9的八个维度进行评测。结果显示，Corti基于API的文本生成能力与主流商业软件相当或更优，并可通过配置调整特定文档维度。
说明让COMET在不同文字之间可比：印度语机器翻译评估中分词器引起的文字偏差诊断与修正
简介该论文发现COMET机器翻译评估指标在不同书写系统之间存在偏差：将目标语言转写为拉丁字母后，文字因素解释了原生文字COMET分数方差的22.9%，且五种语言的评分与人工标注的一致性均下降。作者将偏差归因于分词器，提出COMET-QN对各语言和文字的分数分布做归一化，使汇总一致性从0.300提升至0.399，并建议同时公布归一化分数、诊断指标和所用分词器。
看点提出脚本不变性假设并诊断COMET的分词器偏差，通过分布映射显著提升跨脚本比较的一致性，证据较充分，影响面广。
说明基于系统一引导计算分工的高效多智能体协作（S1-MAS）
简介该论文提出S1-MAS框架，用轻量级的“系统一”模型负责有限的协调决策（如选择任务、分配角色、判断终止），把复杂推理留给能力更强的大模型。研究在七个基准测试上进行了实验。结果显示，相比AgentVerse、DyLAN和SelfOrg，S1-MAS在准确率更优的同时，GPT-4o的令牌消耗降低44.9%-97.2%，端到端延迟降低37.8%-93.0%。
说明带惩罚的无有效选项多选题：分析大模型在无效选项下的弃答行为
简介本文研究选项中实际不含正确答案时，大语言模型能否选择“ABSTAIN”弃答。作者基于MMLU-Pro数学子集，移除正确选项，并对无效的强制选择给予惩罚，同时只在模型原本答对的题目上评估弃答。实验发现，即使给出明确指示并使用惩罚评分，模型仍会对部分原本答对的题目作出无效的强制选择，说明标准答题准确率无法反映这一可靠性问题。
说明纳维-斯托克斯方程的“翻译失真”：用 Lean 验证 AI 自动形式化并不能保证自然语言证明正确
简介本文讨论用 AI 把自然语言数学证明自动翻译成 Lean 形式语言再机械验证的做法。作者指出，由于数学文本中的歧义难以在语义上忠实地消解，形式化验证通过并不能保证原始证明正确。文中以若干 AI 翻译实例说明两者不一致，并提到 OpenAI 宣布的纳维-斯托克斯方程解爆破证明，指出其 Lean 形式化证明与自然语言证明并不对应。
看点论证了语义忠实的自动形式化存在不可解的歧义消解难题（SCI=∞），并以多个AI翻译失败的实例说明Lean验证不等于自然语言证明正确，原创性较强。
说明基于预测伙伴意图的部分可观测零样本协作
简介本文提出“预测伙伴意图”（PIP）方法，用于智能体在伙伴时常被遮挡、无法直接观察时进行零样本协作。PIP通过联合视角VAE，从双方局部观测中提取训练期的伙伴表示，并利用伙伴状态信念网络，根据自身交互历史推断伙伴的隐藏位置与行为倾向。作者在Burrito-PO、Overcooked-PO和Melting Pot三个基准上评估该方法，并在Burrito-PO中进行了人类评估，结果显示其平均性能在各对比方法中最高。
说明面向长流程法律推理的测试时智能体演化
简介本文研究在不更新模型参数的前提下，让法律智能体在部署时利用此前案件和交互信号持续适应的方法。作者提出一个框架，包含测试时记忆演化（检索、调整并整合过往经验）和基于评分标准的协作（核验并修正各角色行为）。在J1-EVAL与LegalWorld两个数据集、五个骨干模型上的实验显示，该方法优于代表性基线，两个组件分别带来互补收益。
说明VLA-ACL：面向高效视觉-语言-动作模型的动作一致性视觉令牌剪枝
简介视觉-语言-动作（VLA）模型处理长令牌序列的计算成本高，限制了实时部署。本文提出VLA-ACL，在冻结基础VLA模型的前提下，通过动作级监督学习一个轻量的视觉令牌剪枝策略，使剪枝后的动作输出与完整上下文的教师模型保持一致。在LIBERO和真实世界操作任务上，该方法最多剪除87.5%的视觉令牌，计算量最多减少75%，推理速度提升约1.5倍。
说明超越边际监控：面向大规模电商运营的分布式联合分布概念漂移检验
简介本文比较了五种多列双样本漂移检测方法在三种环境下的表现，其中包括在1.375亿行Trendyol排序特征表上构建的合成注入基准。结果显示，基于随机傅里叶特征、在Apache Spark上分布式实现的最大均值差异（MMD）方法在强漂移场景下表现稳健，皮尔逊相关系数为0.940，真阳性率80.4%，假阳性率3.2%。逐维Kolmogorov-Smirnov检验则因类ID列在非对称采样下的统计量饱和而失效。
说明Mu-DisCoCat：在量子处理器上实现组合式泛化的变分流程
简介该论文提出 Mu-DisCoCat，一个多模态变分量子学习框架，用于让模型通过重组已学到的基本概念来理解新情境（组合式概念泛化）。方法先从单个物体的图文对中学习稳定的物体表示，再利用这些表示学习多物体之间的关系。论文报告，在经典模拟中该模型的关系分布外准确率高于所评估的 CLIP 基线，并在多个含噪量子模拟器和 IBM Marrakesh 量子处理器上运行，硬件结果与模拟保值相关。
说明大语言模型会按照自己所知的行动吗？从合作伙伴表征到合作行动
简介该研究在基于《Hanabi》改编的受控环境中，考察大语言模型能否在不熟悉的合作伙伴之间适应未知的沟通约定。作者使用线性探针、冻结模型权重，比较八个模型的表现。结果显示，探针比目标约定更准确地恢复意图约定，但接收者的选择并不总与发送者的约定一致；以外部计算的行动建议呈现约定，比以一般规则呈现带来更大的平均合作提升。
