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KGATE：知识图谱嵌入模型的训练环境（一个可模块化组装的 Python 库）
简介知识图谱嵌入（KGE）模型把知识图谱中的实体和关系映射到低维向量空间，以支持分类或链接预测等任务。论文提出 KGATE，一个基于 PyTorch Geometric 和 TorchKGE 的模块化 Python 库，用户可以组合初始化器、编码器、解码器、损失函数、负采样器和评估指标，并内置防止数据泄漏的预处理与训练流程。与六个现有 KGE 库的基准比较显示，KGATE 的训练时间与最快的库相当，同时提供更广泛的功能。
说明VERDICT：整合置信度与可追溯证据的视觉抽取结果解码框架
简介论文提出VERDICT，一个可插入现有结构化字段抽取系统的外挂框架，不修改原抽取器。它用小型视觉语言模型为每份文档定位抽取值的证据位置，并校准值与证据的置信度。微调后的模型在严格阈值0.80下，能在同分布和分布外数据集上给出可用的精确率与覆盖率权衡。
说明历史文献OCR系统的实体感知评估：超越字符错误率的质量衡量
简介本文研究历史档案OCR（光学字符识别）的实体级错误分析，指出仅用字符错误率等整体指标难以反映姓名、日期、编号等关键信息是否被保留。作者基于Berrutti档案的175份文件及5209个人工标注实体进行实验，比较了序列识别OCR系统、OCR专用视觉语言模型和通用视觉语言模型。结果显示，不同评估标准下系统排名不同：Qwen 3.6在各容差下实体覆盖率最高，部分系统在允许小误差时明显提升，说明其错误多为局部字符偏差。
说明反演多向量视觉文档索引：从存储向量还原文档页面
简介该论文研究多向量视觉文档检索器中存储的索引是否会泄露原始页面。作者把反演视为条件文档图像生成任务，在ViDoRe v3基准上，从原始索引还原的页面可恢复47%的单词和45%的敏感词元，并能以98.4%的概率排在源页面第一位。作者还测试了词元池化和打乱两种简单保护，它们可将单词召回率降至约8%，但打乱后的索引若被恢复顺序，源页面排第一的比例会升至93.5%。
看点提出对多向量视觉文档索引的逆向攻击，并验证其可从向量重建页面，证据充分，对向量数据库安全影响较大。
说明深度学习中Hessian矩阵的特征值：对称性的起源与破缺
简介论文研究深度学习训练后模型的Hessian谱，发现特征值会聚成大量接近零的主体和少数孤立离群点。作者认为，这些现象可以理解为原始设置偏离了一个附近隐藏的高度对称参考配置。该参考配置的Hessian具有超出权重对称性的不变性，使谱可被精确描述。回到原始配置时对称性被打破，从而产生观察到的聚类与离群点层级。
说明NeuralZip：可复用预设置的快速无损压缩
简介该论文提出 NeuralZip，一种对模型权重进行无损压缩的方法，通过将指数分布相似的数据块分组、共享霍夫曼编码并对重复出现的指数组合进行打包表示，实现中等程度的额外压缩。预设置可以提前完成并跨兼容架构迁移，压缩后处理速度比基线快 1.81 至 21.33 倍，且可精确还原到比特级别。在 GPU 实验中，活动内存占用最多降低 27.5%，且输出的 logits 完全一致。
说明RollVerify：在长尾展开强化学习中兼顾效率与准确性
简介该论文针对大语言模型强化学习训练中长尾展开（rollout）导致的GPU空闲和异步训练引入陈旧样本的问题，提出轻量框架RollVerify。它用离策略偏移指标OPS衡量部分生成轨迹的偏差，并在训练前做序列级和词元级验证，截断无效后缀。实验显示，在数学及工具辅助数学推理任务上，其准确率接近同策略训练，同时降低训练成本。
说明FedSSMCoOp：基于状态空间模型编码器的轻量联邦提示学习，用于少样本分类
简介该论文提出FedSSMCoOp框架，用于在保护数据隐私的前提下进行联邦少样本图像分类。框架使用基于状态空间模型的Vision Mamba与Cross Mamba模块，并只优化软提示和通信提示，无需外部大语言模型进行特征对齐。在多个生物医学图像数据集上，该方法性能与基线相当稳定，且平均轻约1.96倍。
说明基于BEV感知输出的安全导向轨迹排序
简介论文提出一套模块化轨迹排序流程，以nuScenes数据上BEVFusion的目标检测与地图分割结果为输入，依据安全优先原则对人工给定的候选轨迹排序：先避免碰撞与人行道违规，再看与目标终点的距离，最后比较路径效率。研究设计了七个BEV交通场景，并与21名参与者的问卷偏好对比，146组两两投票中有124组与排序第一的轨迹一致，一致率为84.9%。结果表明，简单的BEV安全启发式规则在受限的轨迹选择任务中可近似人类偏好，且足够透明，便于分析和数据集整理。
说明仅依靠地面观测站数据学习联合概率天气预报
简介该论文提出CLARA模型，仅利用地面观测站数据（不使用数值天气预报或再分析数据）学习五个地表变量的联合高斯预测分布，模型约有2.8万个参数，可在CPU上训练和预测。在96个站点的六个多年交叉验证中，其能量得分优于对照模型和统计基线，并能捕捉变量之间的相关性。该模型在十个地区的重训练中，在大多数地区-预报时效比较中优于持续性预报。
说明NL2Hull：面向船体设计的自然语言驱动约束决策框架
简介该论文提出NL2Hull框架，将船体形状编辑转化为带类型的离散决策问题，并通过基于NURBS与自由变形的约束引擎连接语言指令与几何计算。作者构建了包含134,558条记录的数据集及5,000条记录的评测子集，提出的Chip模型在问题准确率与自由变形精确匹配率上分别达到95.90%和99.32%。
说明可信AI的“爱”：人工偏爱与关系持续性作为可工程化立场（论文，cs.HC/cs.CL）
简介该论文研究对话智能体中的一种行为机制，使其对不同用户产生偏爱式差异。方法是在同一开源基础模型上加入持久化层，包含关注（超出每位用户服务下限的有限资源分配）和特异性（基于关系历史的用户状态估计）两部分，并在构造的多会话关系上评估。论文明确未包含人类受试者数据，不主张机器具有依恋、信任或内在心智；结论认为该机制只是后续感知研究的候选，并非用户感到被爱的证据。
说明QCATS：面向高效预测查询处理的查询上下文感知Transformer切片方法
简介该论文提出QCATS框架，用于在数据库内运行Transformer模型时实现高效稀疏推理。它不再按单个词元或元组路由，而是利用查询谓词和元数据统计信息，在模型执行前预先选择与上下文匹配的前馈网络切片。实验显示，在BERT-base和Qwen-0.6B上的四类预测查询任务中，QCATS最多可降低4.42倍延迟，同时预测精度与稠密基线相当。
说明面向人机协作的人类反馈强化学习：综述与实验研究
简介本文对人机协作系统中基于人类反馈的强化学习（RLHF）进行了范围综述，依据PRISMA指南筛选了199条记录，纳入20篇2020至2025年间的同行评审文献，并整理了各类反馈方式、训练阶段的数据整合方法及评估指标。作者还通过虚拟现实实验比较了系统发起与用户发起的反馈对机器人接近行为的影响，结果显示用户发起的反馈更能反映感知安全，说明反馈时机会影响反馈质量。
说明超越型逆优化：学习能让决策超越观测行为的目标函数
简介逆优化用于从观测到的决策反推目标函数的权重，使这些决策成为最优解。本文提出“超越型逆优化”，寻找的权重能在每个状态下诱导出在所有分量上都优于观测行为的最优解。作者给出仅依赖前向问题求解器即可计算的损失函数，并证明了泛化误差的上界，同时在合成数据和真实数据实验中优于已有方法。
说明一种耗散式知识动力学模型的可辨识性：在设计激励下可精确恢复，在观测数据上会退化
简介论文用一组非线性耗散常微分方程刻画人类学习过程，参数包括迁移矩阵、各概念遗忘率和饱和的练习响应增益。作者证明了两概念情形下逆问题的结构可辨识定理，并给出隐式 L-稳定数值格式与批处理求解器。合成数据在定理所要求的激励条件下可精确恢复；但在大规模观测数据上，看似较强的恢复结果经过四项对照检验后被否定，作者认为这与缺乏设计激励时理论预期的退化一致。
说明稀疏化随机性而非容量：通过先验尺度的深度权重分解实现部分随机化
简介本文研究贝叶斯神经网络中哪些参数应保持随机。作者对参数先验的标准差（先验尺度）应用深度权重分解，并用最大均值差异目标将函数先验拟合为高斯过程；先验尺度低于阈值的参数变为确定性参数。在双峰目标和UCI基准上，该方法表现接近全随机网络，同时约一半参数保持确定性。
说明逐层误差归因：一种快速且稳健的混合精度训练后量化方法
简介该论文提出一种混合精度训练后量化方法，在全局内存预算下为各层分配位宽，并用小规模校准集完成。作者对量化误差做逐层概率分析，把传播误差与单层局部扰动分离，并以局部项构造可分离的评分，用简单算法完成位宽分配，无需外部求解器。在DRUNet去噪任务上，平均每权重4比特时，该方法在干净校准数据下与现有基线持平或更好，在被破坏的校准数据下更稳健，分配速度较所研究的基线快28至2570倍。
说明先想后画：面向扩散模型的递归潜在推理
简介该论文提出 Painter-Thinker（PaTh）方法：一个小型递归网络在学习到的令牌网格上进行推理，并通过 ControlNet 适配器引导冻结的扩散模型生成图像。训练仅使用标准重建损失，无需符号标注、求解器或验证器。论文报告其在 MNIST 数独、迷宫、Queens 和 CLEVR 等视觉推理任务上优于既往方法，且参数量仅约 1000 万。
看点将递归推理网络引入像素空间扩散模型，无需符号监督，在数独等任务上大幅超越先前方法并以更少参数取得更好结果。
说明SANet：用于红外小目标检测的选择性注意力网络
简介该论文针对复杂背景下红外小目标难以准确检测、误报较多的问题，提出选择性注意力网络SANet。它结合标准卷积与风车形卷积的双路径语义感知模块，并通过选择性注意力融合模块自适应整合多尺度特征，以增强显著区域。在NUAA-SIRST、IRSTD-1K和NUDT-SIRST三个公开数据集上，SANet的IoU分别比次优方法高出1.93、4.32和2.21个百分点。
说明将二值神经网络应用于快速事件处理
简介本文研究将现代深度二值神经网络（BNN，权重与激活压缩为一比特）应用于事件相机数据。作者提出极坐标二值事件体（PBEV）表示，使BNN可直接处理事件数据；同时发现从RGB数据进行跨模态预训练可提升BNN在神经形态数据集上的分类精度。在N-Caltech101上，最佳BNN达到90.58%的准确率，运算量比全精度模型少7.5倍。
说明LiveMACE：在动态市场中对大模型智能体能力进行过程感知评估
简介论文提出LiveMACEBench基准，以实时金融市场作为持续运行的大模型智能体的测试环境。五个前沿大模型在工具使用、持久记忆、规则遵循和多智能体协作四类配置下运行，评估方式同时考虑实际收益和基于完整决策轨迹的能力诊断。30天的实时评估显示，收益结果与能力指标常常不一致，相似的结果可能来自不同的机制使用方式。作者认为，仅看结果不足以衡量智能体能力。
说明用于隐式地质建模的 AI 辅助地震数据处理与地质解释工作流程
简介本文介绍一套用于隐式地质建模的 AI 辅助工作流程，针对陆上浅层至深层（约 300 至 3500 米）的地震数据，采用自监督和半监督对比学习 CNN 进行降噪与插值，并以少量人工标注数据解释层位和断层。作者以荷兰 Maassluis 组顶面在 Leeuwarden 和 Waalwijk 三维地震数据体中的解释作为首个演示，认为此类 AI 辅助解释流程已可整合到地质建模与决策中。
说明面向车载边缘网络、基于TSN的截止期感知多智能体强化学习调度方法
简介该论文针对基于时间敏感网络（TSN）的车载边缘计算场景，提出为每个TSN队列分配一个自主智能体的多智能体强化学习方法，共同学习队列服务顺序与时隙时长，以减少在速度相关延迟要求下的截止期错失。作者采用多智能体近端策略优化（MAPPO）算法，并与单智能体、多智能体及非学习方法比较。原文称，相较集中式单智能体方法，该方法可将服务延迟降低最多66.2%，可靠性提升最多271.8%。
说明MUNITE：面向任意到任意多模态生成的统一潜变量推断框架
简介该论文提出MUNITE，一种用于灵活多模态生成的潜变量框架，把编码与潜变量生成视为同一推断问题，在观测证据多少不同的条件下统一处理。模型基于条件流模型，并通过自蒸馏扩展条件流匹配，以从不完整的训练样本中学习。在PolyMNIST-D-Q、FFHQ64及图像-文本-音频等数据集上，该方法在生成质量、源-目标对齐及联合生成一致性方面表现有竞争力或更优。
说明Agent4RE：面向软件需求工程端到端流程与基准测试的自我改进多智能体框架
简介该论文提出 Agent4RE，一个能够协调多个专门智能体并包含两个迭代改进循环的自我改进多智能体需求工程系统。作者还构建了 RE-E2E 数据集，基于人工撰写的真实需求规格说明，用于评估从需求获取到生成的端到端流程。实验结果显示，三个 Agent4RE 变体在文本指标上平均优于基线方法约 8%，两个增强版本在评审与人工评分上也领先。
说明表示学习中的全局平均精度：一种可微的排序损失
简介论文提出全局平均精度（gAP）及其可微近似损失gSAP。gAP将所有查询-候选对放在同一列表中排序并计算单一AP，从而考虑不同查询间相似度是否可比较。实验显示，gSAP在监督度量学习、跨模态对齐和自监督预训练中都带来提升，并能在统一阈值下取得更多正样本对。
看点提出可微的全局AP替代损失，跨查询可比性新颖；在监督度量学习、跨模态和自监督多场景实验验证，影响较广。
说明Kolmogorov-Arnold 网络的样本效率研究：用更少样本学习控制问题
简介本文研究 Kolmogorov-Arnold 网络（KAN）在强化学习中的样本效率。作者在 Feynman 数据集和 Gymnasium 强化学习基准上做了计算实验。结果显示，KAN 可用少 40% 的样本达到相近性能，训练过程中相对性能提升最高可达 50%，且在奖励存在不同程度噪声时结论依然稳健。
说明DeepTopoClustering：从四维点云中无监督推导地表过程分类体系，用于地形监测
简介该论文提出DeepTopoClustering（DTC）框架，无需标注即可从永久激光扫描得到的四维点云变化对象中，自动归纳出层次化的地表过程分类。方法将每个变化对象转为GeoMorphogram分布序列，用卷积自编码器学习嵌入并进行层次深度聚类。在沙滩数据集上，与专家判断对比，八类主要过程层级的F1为0.78，匹配准确率为0.92，优于降维和传统平面聚类。
说明基于任务结果训练 LLM 智能体的顾问模型
简介论文提出 Caddie 方法，训练一个“评论者”模型，在智能体执行任务时给出自然语言分析与建议。它不依赖逐步标注或参考评语，而是根据智能体接收反馈后最终是否成功来学习，并在冻结基础模型的情况下通过强化学习优化。在多跳问答上训练的 Qwen3-4B 评论者，在 MuSiQue 基准上使 Qwen3-4B 的成功率提升超过 25 个百分点，并在 τ³ 和 DeepDive 等领域外交互基准上带来增益。
说明带参考锚点的自进化工具集成智能体训练（AnchorLoop）
简介本文研究在无外部任务或答案监督的情况下，让工具集成智能体自我进化。作者提出 AnchorLoop，引入上一轮执行器的冻结副本作为历史参考，用于执行器的跨参考优势计算和课程生成器的基于一致性的奖励。在 13 个推理基准上，相比 Agent0，数学推理提升 2.5%，通用推理提升 2.8%。
说明DeltaSplat：面向无位姿前馈三维高斯泼溅的迭代高斯精修方法
简介该论文提出DeltaSplat，一个轻量级的高斯精修模块，用于无需相机位姿的前馈3D高斯泼溅重建。模块通过迭代渲染当前高斯并根据残差预测每个高斯的更新，并以像素级Plücker射线和渲染深度作为几何先验。在DL3DV数据集上，无位姿设置下PSNR达到26.64 dB，比其骨干网络提升1.75 dB，且仅增加约2.2%参数。
说明困难但可降低：面向合成退化数据筛选的受控前向迁移
简介本文提出受控可降低退化差距（cRDG）指标，用于评估合成退化数据在有限训练预算下的训练效用。方法在共同检查点上运行两组预算匹配的探针，仅在增强位置分别放入合成退化或干净增强，以退化图像上的增益相对于干净对照的增益作为得分。基于此提出的 Curation of Reducible Bands（\method）方法筛选合成数据，在语义分割和显著性目标检测上提升了代表性预测器，并保持干净数据上的性能。
说明基于流式主动学习与协同神经网络的数据高效部分逆向设计：汽车玻璃导槽案例研究
简介该论文提出CoNN-AL框架，在协同神经网络（CoNN-DAE）上加入流式主动学习，利用蒙特卡洛丢弃估计预测不确定性，实时决定哪些候选设计值得标注。在超过90万个仿真设计的汽车玻璃导槽数据集上，仅用约2.3%的训练池（2万个标签）即取得R²为0.967至0.982的结果；在较难的缺失变量水平下，达到R²≥0.95所需标签比随机采样少30%至40%。作者还公开了该数据集。
说明用于旋转稳健神经动力学的精确SO(3)等变各向同性核
简介该论文针对三维纳维-斯托克斯流动的神经代理模型在坐标旋转后预测结果改变的问题，提出了不变条件各向同性核神经算子（IKNO）。该模型基于旋转不变的标量与随旋转变化的向量构建局部相互作用，使预测结果与输入一样随坐标旋转。实验显示，IKNO在数值精度内保持一致，预测精度与参数量多5.6倍的旋转感知张量场网络相当，并优于参数量匹配的图模拟器。
说明基于插入与删除曲线下面积优化相对特征重要性排序的忠实性归因方法
简介本文面向可解释人工智能中的归因方法，指出常用的忠实性指标基于插入与删除曲线下面积，并据此推导出一个目标函数及其梯度的近似方法。作者将插入曲线与 top-k 特征选择联系起来，得到衡量归因质量的损失函数，并通过随机化高效近似其梯度。将该损失与神经解释掩码框架结合形成 Ra-NEM 方法，可用于任意可微模型，实验显示其归因准确、稳健、高效。
看点将插入/删除曲线下面积的忠实性直接转化为可微目标函数并用随机化近似梯度，结合已有框架提出Ra-NEM，实验对比充分。
说明在按序分配物品时最小化累积嫉妒
简介本文研究不可分物品按顺序到达、且必须不可撤销地分配的时序公平分配问题。作者提出累积最大嫉妒指标，即每一轮最大两两嫉妒之和，相当于最坏嫉妒曲线下的面积。论文证明固定到达顺序下的最小化问题是强NP完全的，并给出多种正面结果，包括伪多项式动态规划、特殊情形的多项式算法以及固定智能体数时的FPTAS。对于允许选择到达顺序的变体，简单贪心算法在两个智能体时可达到3/2近似。
说明ORCA：在文本到图像扩散模型中寻找组合性失败
简介文本到图像扩散模型在处理组合式提示时常出错，如属性绑定到错误物体、空间关系颠倒、多物体场景数量丢失。论文认为问题在于文本与视觉信息未对齐，而非信息缺失，并提出 ORCA 方法：在扩散训练中加入一个辅助损失，使扩散 Transformer 的潜变量与冻结视觉编码器的低秩目标对齐。在三种主干网络上，ORCA 在 FID 和 GenEval 上优于原始模型与 REPA 基线，且推理时无额外开销。
说明完全可解释的极小Transformer：从几何到算法
简介本文提出一个构建并解释极小Transformer模型的框架，将嵌入维度和注意力头大小都限制为2，从而能把内部表示完整地可视化到二维平面上。作者训练模型完成一个简单任务：遇到序列中的“+”符号时，输出此前最近出现的偶数，并逐步展示其计算过程。作者认为，学到的几何结构对应一种可以逐步阅读的算法。
说明多组分材料中通用机器学习力场误差的来源
简介本文构建了包含7599个多组分构型的基准集，用于评估11个预训练通用机器学习力场在能量、力和应力上与密度泛函理论结果的偏差，并扩展到弹性、振动和吸附相关性质。研究发现，误差与训练参考覆盖度差异及局部几何异质性相关，压缩侧的力误差约为伸展侧的1.81至1.95倍。论文还指出，球谐表示在多数元素上的测试力误差更低，结论可用于力场选择和训练数据采样。
说明《A Deafening Silence》：灾难性遗忘集中在语料中很少出现的词元的输出嵌入中
简介该论文研究大语言模型持续预训练和微调时的灾难性遗忘（catastrophic forgetting）发生的位置与原因，实验涵盖160M至12B参数的多个模型族。研究发现遗忘主要集中在新语料中极少出现的词元的输出嵌入上，并提出训练中仅对输出投影层提高Adam优化器的epsilon值的方法，在多项设置中减少了39.4%至67.9%的遗忘。
看点发现遗忘集中于语料中罕见词的输出嵌入，并提出单行优化器调整的数据无关防御，新颖且实验覆盖160M至12B参数多个模型族。
说明SkillForge：通过动态技能生命周期让技能与智能体共同演化
简介该论文提出SkillForge，一种智能体强化学习方法，为大语言模型智能体的技能库设定试用、活跃、稳定和退役等生命周期状态，依据适应度筛选和演化技能。实验显示其在多个交互式智能体基准上取得最高的综合成功率，相对最强基线提升最多7.8%，同时保持技能库紧凑。作者还发布了包含5000余条标注记录的数据集SkillFurnace。
说明MOTIF：超越3DMM系数的特定人物深度伪造检测
简介针对特定人物的视频深度伪造危害最大，检测器可基于该人物的真实视频构建。论文拆解了常用的3D可变形模型（3DMM）系数，发现形状部分几乎承载了全部准确率，其时间演变也有一定但有限的贡献。作者进一步提出利用被丢弃的稠密表面信息，并据此构建仅用真实视频训练的视觉检测器MOTIF，在其基准的各数据集、各伪造方式和两种质量等级下，均优于两种现有的特定人物检测器。
看点通过固定编码器与训练语料，拆解3DMM系数各组的作用，并发现稠密曲面携带系数缺失的身份信息，有实质性改进。
说明Dual-QK：用于可剪枝 2 比特 KV 缓存的尖锐查询与平坦键
简介该论文针对长文本推理中 KV 缓存占用大、读取开销高的问题，提出 Dual-QK 方法，使用成对的非正交查询与键变换，在 INT2 量化和查询通道动态剪枝之间取得平衡。在四个模型、五个生成基准和长上下文检索任务上，40% 查询通道稀疏度下多数任务准确率优于 OSCAR；128K 上下文下 KV 缓存压缩 6.8 倍。
说明多智能体系统中的同质化问题
简介多智能体系统通过智能体之间的交互完成复杂任务，但这种交互可能使智能体行为趋同，即同质化，从而减少多样性并放大共同错误。论文用从众、向极端两极分化以及对变化的惯性三项指标衡量同质化，并在代码生成、招聘和科研同行评审三类任务中进行评估。结果显示，同质化会带来相关错误与偏见持续等具体风险，而单纯依靠采样随机性或混合模型的增加多样性方法效果有限。
说明UltraText Bench：评测图像生成中视觉文字渲染的双语基准
简介该论文提出 UltraText Bench，一个用于评测密集视觉文字生成的中英双语基准，包含 432 个提示词，覆盖 24 类真实场景和三个难度等级。每个提示词提供 4 到 12 个文字区域的精确文本及结构化参考。作者用 Q-Judger 视觉语言模型从文字保真度、清晰度、空间质量和场景质量四个维度评估图像。在 24 个模型配置上的结果显示，不同模型各有长短，且性能随任务难度下降明显。
说明面向边缘设备的高效三维高斯头像生成
简介该论文提出一种用于无条件三维高斯头部合成的高效生成器架构，采用参数高效的合成模块和深度可分离卷积，并保留基于风格的条件控制。在不做模型压缩或量化的情况下，相比基线模型，FLOPs减少94%，参数量减少70%，模型大小减少81%，同时生成质量保持有竞争力。作者还展示了在移动设备上借助ONNX Runtime进行CPU推理和浏览器端运行的可行性。
说明针对声学基础模型的后门攻击：可在物理环境中实现的触发器
简介该论文提出了名为FAB的后门攻击方法，针对声学基础模型（AFM）的安全性。研究表明，在较少假设攻击者能力的条件下，该攻击可在保持正常性能的同时植入能在微调后保留的后门。触发器可以是背景警笛声等不显眼的物理声音，并在多种下游任务中造成明显性能下降。作者呼吁开发更先进的防御措施。
看点提出面向声学基础模型的后门攻击并证明其在下游任务中存活，新颖性中等；在两种模型、九个任务、多种触发器上验证，并测试了防御与物理场景。
说明关注集中度而非不确定性：为何定向合成数据对伪装目标检测无效
简介该研究探讨在固定合成数据预算下，基于不确定性的定向生成策略是否优于随机分配，用于伪装目标检测的训练。在103次训练中，定向策略并未优于随机分配；额外控制实验表明，效果来自生成预算的集中，而非不确定性所在区域。此外，研究还发现CHAMELEON数据集存在大量数据重复问题。
说明BoT-GRPO：基于词袋聚合的高效过程奖励强化学习推理方法
简介论文提出 BoT-GRPO，在 GRPO 基础上引入按序列长度加权的“词袋”聚合方式，用于处理词元级奖励模型，无需价值网络。在 React 前端代码生成任务中，它达到 80% 编译率的速度最高快 1.9 倍；在 AIME 数学推理任务上，Pass@k 相比 GRPO 最高提升 8.1%，且只需一半步数。作者还指出，奖励信号的稳定性比丰富性更重要。
说明DisParQ：面向可解释视觉基础模型的自监督部件概念
简介该论文提出DisParQ方法，利用冻结的纯视觉自监督骨干网络，学习具有空间定位的离散概念表示，无需类别标签或语言监督。每个图像块对应可学习原型字典中的一个概念，并将连续残差量化为离散属性，再由解码器重建骨干特征以验证信息保留。论文报告其在ImageNet线性探测上接近DINOv2教师模型（top-1为83.2%），并在多个数据集上表现出较高的概念一致性与跨类别部件检索能力。
说明超越掩码与轨迹：用于稳定手术视频生成的光流引导潜在动作注入
简介本文提出FLAIR框架，无需掩码、轨迹等辅助条件，仅凭文本提示即可生成手术视频。它从真实手术视频的光流中学习动作先验，并将预测的潜在动作表示注入冻结的基础模型，以提升动作一致性。论文还构建了包含动作片段与结构化标注的数据集SurgActionClip-30K，并提出首个面向手术领域的评估指标SurgMetrics。
说明MIRROR：从模仿到内化的LLM个性化方法
简介本文提出MIRROR，一种自蒸馏框架，将大语言模型的个性化从模仿参考文本转向内化用户偏好。方法包括基于策略的分布对齐，以及用于加强内容生成的MIRROR-F插件。作者称其在三个个性化生成基准上取得领先的整体表现，文本质量更好，并且在未见过的任务上比基于SFT的基线遗忘更少。
说明基于弱监督的EEG细粒度成分标注以减弱肌电伪迹的概念验证研究
简介本文针对脑电图中肌电伪迹难以分离、且缺乏可靠成分级标注的问题，提出结合频率感知高维表示与多示例学习的框架。该方法将分离后的成分展开为频率分辨的子成分，并仅利用时段级标签学习子成分的伪迹可能性评分。在留出受试者上的实验显示，该框架对咬牙（jaw tension）引起的伪迹相关频谱偏差减弱效果最明显，抬眉效果中等，皱眉效果有限。
说明面向高斯头部虚拟形象建模的反事实路线优化
简介本文针对高斯头部虚拟形象建模中几何、外观与跨视角一致性等多目标联合优化的问题，提出反事实路线优化框架。该方法从同一训练状态出发，对几何、外观及联合更新等路线进行短程前瞻比较，据此估计当前更适合的优化方向，并用轻量控制器对训练目标进行有界调制。作者在NeRSemble数据集上进行实验，结果显示其效果优于现有方法，且局部面部结构和细节更清晰。
说明在潜在空间中评判：通过保语义压缩实现高效的生成式奖励建模
简介论文提出LatentGRM，一种基于语义分块、压缩与重建的潜在评估框架。它把评分标准引导的评估过程压缩为紧凑的连续潜在轨迹，无需生成文字评估即可完成成对判断。在相同训练数据与骨干模型下，其偏好准确率与显式监督微调（SFT）评判器相当；在8B规模上，评估轨迹压缩8.9至9.2倍，判断推理时间减少6.1至7.0倍（vote@5）。
说明UltraWorld：从无位姿标注的临床超声视频学习可交互的超声世界模型（结合声学采样图）
简介该论文提出UltraWorld方法，利用临床超声视频（无真实探头动作标注）训练可预测探头运动结果的超声世界模型，以支持自主超声扫查。方法包括自蒸馏、基于解剖掩码的合成动作-视频对，并引入声学采样图（AsMap）表示探头位姿与成像参数。文中报告在九个仿真闭环局部规划任务中，与视觉伺服相比，最终目标距离与朝向误差分别降低29%和38%。
说明CIRSeg：面向对比增强MRI的肝脏分割方法，兼顾强度鲁棒性与无源持续测试时自适应
简介该论文提出CIRSeg，一种基于nnU-Netv2的由粗到精肝脏分割框架，用于对比增强MRI。方法结合3D CutMix与Nyul或直方图匹配的强度变换以提升对不同扫描强度的鲁棒性，并通过级联结构分离低分辨率定位与全分辨率边界细化，最后用最大连通域滤波去除孤立误检区域。在CARE 2026测试集上，域内与未见域子集的Dice分别为97.13%和97.93%，HD95分别为20.18 mm和11.30 mm。
说明AdaPS-LiNGAM：小样本条件下线性非高斯无环模型的自适应前驱选择
简介该论文研究小样本下的因果发现问题，指出DirectLiNGAM在变量数超过样本量时，重复残差化会先于完整因果顺序确定而退化。作者提出AdaPS-LiNGAM，直接从原始观测中用自适应选取的稀疏前驱变量子集重建每个残差，并将同样的子集选择用于边估计的剪枝步骤。合成数据实验表明，该方法在样本有限时能较准确地恢复因果结构，且随样本减少性能下降更为平缓。
说明基于关系抽象的扩散模型空间推理
简介该论文指出扩散模型擅长图像生成，但难以可靠满足结构化的空间推理约束。作者提出一个框架，利用无监督物体发现和物体关系抽象，在训练和推理阶段引导生成过程，使条件图像生成符合推理规则。论文还构建了一个包含四个数据集的大规模生成式空间推理基准，并报告该方法在多种复杂推理任务上提升了推理能力，并在分布外场景中表现出较好的泛化。
说明可复现的大语言模型推理基准测试：用于回归测试的顺序隔离协议
简介本文提出一种“顺序隔离方法”，用于对大语言模型推理进行受控基准测试与回归测试，旨在降低多次运行之间的测量波动。作者在 NVIDIA A100 80GB 上用 vLLM 0.9.1 评测了三个开源模型，涵盖六种上下文长度与八档并发水平，每组配置重复五次。文中报告，最终协议将平均变异系数从 15.2% 降至 2.2%，并观察到 200 至 500 并发用户之间存在明显的延迟跃升。
说明将逻辑与角色解耦：边缘大模型智能体对上下文污染的结构性免疫
简介论文研究边缘设备上的语言模型智能体在历史长、干扰多、角色设定繁重的上下文中，逻辑推理能力如何受损。作者提出解耦架构AO-DA，把逻辑推理与角色表达分开，放在同一个INT4量化基础模型上，通过可热切换的LoRA适配器分两条路径运行。实验显示，逻辑路径不受污染影响，混合单次推理的表现则随污染加重而明显下降。
说明从天气到气候的人工智能路径：综述与两项最低要求
简介本文综述了深度学习在天气预报中的进展，自回归模型在临近、中期及次季节尺度上已可与动力模式相媲美。作者探讨将其扩展到气候尺度时面临的挑战，并提出AI气候建模的两项最低要求：外部强迫因子需显式输入，且模型需在极端和反事实情景等分布外条件下进行稳健性检验。
说明Bolzano：从专家引导的证明搜索到自动化公开数学问题求解
简介该论文介绍了Bolzano，一个开源的多智能体系统，由多个并行证明智能体与一个验证智能体组成，并维护一份人类可读的研究状态。作者先在专家选定的问题上手动使用，得到8项经领域专家核验的结果。随后在约3800个从四组论文中提取的公开问题上，不加问题特定的人工指导地运行该系统，解决了约200个公开问题。其中一组实验使用了STOC 2026接收的论文，据称回答了其中提出的四个问题，并获作者确认。
说明均场神经网络训练中非线性可观测量的波动
简介本文研究宽浅层神经网络经随机梯度下降训练时，均场极限下参数分布的波动如何传递到有限维的非线性可观测量上。作者在极限波动过程所处的加权Sobolev空间中应用泛函Delta方法，得到可观测量的中心极限定理，并给出由均场波动理论继承的显式协方差公式。文中还给出一个局部因式分解判据，用于判断所选观测是否足以识别目标量。
说明超越策略支持：面向自动驾驶的交互约束离线强化学习
简介本文提出交互约束驾驶策略（ICDP），一种离线强化学习方法，用于处理自动驾驶中自车与周围车辆联合行为的分布偏移问题。作者通过对比式密度比估计来控制交互层面的分布偏移，无需显式建模联合密度或进行仿真推演。论文称，在 nuPlan、Interplan 及真实卡车实验的闭环评估中，该方法抑制了高价值但缺乏交互支持的轨迹选择，并提升了交互关键场景下的表现。
说明PARC-Loc：基于部分分配与关系一致性的文本到点云定位
简介该论文提出PARC-Loc，用于根据周围物体的文字描述在城市尺度三维地图中估计位置。方法通过部分分配与关系一致性（PARC）同时建模物体兼容性与空间关系，并在粗到细的两阶段中改进子地图选择与跨模态注意力。在KITTI360Pose上，5米内Top-1定位召回率从0.50提升至0.67，相对最强基线提高34%。
说明更精简的Transformer也能轻松学会聚类
简介该论文研究用Transformer执行k均值聚类的Lloyd算法。作者提出一种表达能力相同但更小的Transformer，其嵌入维度为d+⌈log₂k⌉，低于此前结果所需的d+k。随后，他们在一组聚类任务分布上训练这些模型，从理论和实验上分析了基于随机梯度学习的收敛与分布内泛化的影响因素，并探讨学习到的模型在哪些情形下成功或失败。
说明用于推理的展开式流模型：通过多步积分提升推理能力的研究
简介该论文证明，由两层 Transformer 参数化的流模型可以求解图可达性问题，所需积分步数随目标节点与根节点的距离增加。作者指出，标准流语言模型在推理任务上未必能从增加步数中获益，原因在于训练目标独立监督每个时间点。为此，作者通过模型自身的潜在展开进行训练，并在潜在状态上做球面约束以稳定动态，在 ProsQA、Sudoku 和 Maze 等任务上取得提升。
看点提出通过模型自身潜在滚动训练的流模型，并给出图可达性的理论证明，在ProsQA、Sudoku、Maze上验证，证据较充分。
说明EntroPrefill：基于Rényi熵引导的检索增强生成上下文剪枝及条件稳定性保证
简介本文提出EntroPrefill方法，在Transformer的预填充阶段于中间层剪除部分上下文，以减少深层的计算序列，并通过对被丢弃注意力质量的显式约束来决定剪除是否安全。作者推导了可计算的剪除上界，并给出在自适应选层下仍成立的有限样本观测保证，以及条件性的扰动界。论文为理论性工作，明确说明未报告实测加速效果或任务准确率，实验验证留待后续。
说明Shaer：带格律子形式与语义条件的可控阿拉伯古典诗歌生成
简介本文提出 Shaer，一个可控的古典阿拉伯诗歌生成框架，可同时依据自然语言描述、格律子形式和目标半行数生成诗歌。作者基于 Ashaar 构建了包含 116,032 首古典诗歌的语料，并用 QLoRA 微调 Yehia-7B。结果显示，其基础格律准确率为 95.17%，诗歌级格律子形式准确率为 91.75%，精确行数准确率为 83.40%，且测试生成中未发现与训练语料完全相同的内容。
说明扩散模型生成图像水印：双轴分类法与三项受协议约束的案例研究
简介本文将扩散模型生成图像的水印方法按嵌入机制和主要承载表示两个维度分类，并形式化了一种用于验证与识别的代表性 z_T-Fourier 流程。作者以三项受协议约束的案例分别考察频域完整性、编辑后的持久性以及基于 VAE 潜变量相位调制的单次嵌入方法。论文未给出普适排名，而是提供了一套便于在统一协议下比较水印系统的框架。
说明面向浮游植物事件检测的AI图像分类：跨域偏移下的时间聚合
简介本研究利用AI对浮游植物图像进行分类，并考察其按时间聚合后的结果能否复现专家判读的出现模式。模型在MedPlanktonSet上训练，并在瑞典气象水文研究所（SMHI）的独立IFCB数据集上评估，其中EfficientNet-B0表现最佳并用于时间分析。聚合后的AI出现率与专家结果高度一致（Pearson r为0.9696），表明该方法可为监测提供超越单图识别的时间指标。
说明SoftSEEPS：改进基于机器学习的降水预报
简介本文提出 SEEPS 评分的一种可微近似，称为 SoftSEEPS，使机器学习模型可以直接以该评分为目标训练降水预报。研究在 IMERG 数据集（0.1 度分辨率）上测试，在预训练低分辨率预报模型的潜在空间上训练降水解码器。文中指出，将 SoftSEEPS 与 RMSE 组合为联合目标是可行的，两项指标各自只有轻微的权衡损失。
说明视觉推理新框架：Flow-of-Thought（思维流），用中间视觉草图辅助空间推理
简介该论文提出Flow-of-Thought（FoT）框架，让模型在推理中生成视觉草图作为中间步骤，模拟人类的心理意象。研究在冻结的学习动力学上比较生成假设，在Tetris和彩色图形任务上分别达到100.0%和99.0%的准确率。在BLINK Multi-view的迁移测试中，其2D流动模型优于仅使用终点的对照组（72.2%对63.9%）。
说明SoccerNet-FoulRet：检索语义相近的足球犯规视频
简介论文提出SoccerNet-FoulRet，这是首个面向语义犯规检索的基准，任务是给定一个犯规视频，找出裁判判定上相关的历史先例，而不看机位、球队或外观。基准基于SoccerNet-MVFoul数据集构建，包含693条经人工核验的查询。最强的零样本模型在人工核验先例上的HitRate@10低于5%，而按类别监督微调虽能提升类别相关性，但对先例检索的迁移有限。
说明AI领域的健康怀疑：一项数据可视化研究议程
简介这篇论文指出，过去数据可视化研究多着眼于通过可视化解释提升人们对AI的信任，但人们对AI的信任实际上跨越从批判到过度依赖的广泛范围。作者主张，人们对AI模型的结果及其使用保持健康的怀疑是有益的，并讨论了过度依赖AI的现象、使用AI的风险与机会，以及数据可视化在人们缺乏批判性思考动机时的作用。
说明冻结嵌入的生物声学分类中，域对齐效果随编码器强度单调变化的规律
简介本文研究在跨域蚊种分类中，分布对齐（MMD）何时有助于冻结基础模型嵌入的泛化。作者报告：编码器在目标任务上越强，其对未见域的泛化越依赖MMD项，同时越容易被域重新平衡采样所损害。基于此规律，作者将常用方案简化为冻结的Perch 2.0嵌入、轻量探针、交叉熵、单个MMD项和输入增强，其结果与完整方案在随机种子误差范围内一致。
说明桥接路由注意力头：多语言多跳推理在大模型中的位置
简介该论文研究多语言大模型在不同语言中回答多跳推理问题时，是否共享同一内部电路。作者通过三阶段流程在两个大型多语言模型中识别出“桥接路由注意力头”（BRH），发现五种语言各自对应的注意力头集合几乎互不重叠，表明存在语言特异的电路。消融实验显示，移除通用BRH会显著提高两跳推理的负对数似然，并可在无需训练的情况下，通过放大这些注意力头挽救约51.7%的跨语言推理失败。
说明无界特征核与通用核
简介本文研究机器学习中无界核函数的表达能力。核方法依赖核对应的再生核希尔伯特空间，而特征性、L_p 通用性和积分严格正定性等概念刻画了核的表达能力。这些概念在有界核情形下已被充分理解，但在无界核情形下它们之间的关系很少被研究。本文在温和假设下建立了这些概念之间的关系。
说明超越组间划分：面向呼吸跃变型水果剩余保质期回归的个体级交叉验证与视觉归因
简介该论文使用Hass牛油果成熟数据集（8834个图像-剩余保质期样本，来自426个果实）评估冻结的ImageNet预训练视觉骨干网络加轻量回归头。研究比较了按观测划分与按个体互斥划分的评估差异，发现后者误差更高（RMSE 3.12天，前者为2.37天）。在个体互斥评估下，MobileNetV3-Small精度与ResNet-18相当但吞吐量更高，并用Grad-CAM分析了两者的空间归因差异。
说明解释查询扩展在信息检索中的表现差异
简介查询扩展是信息检索中常用的技术，用于缓解词汇不匹配问题，但没有一种方法在所有查询上都最优。本文从两个互补角度解释其表现差异：一是理想扩展查询（IEQ），即在 BM25 检索模型下使检索效果最大化的假设查询；二是可分性视角，用 Cohen's d 衡量相关与不相关文档得分的区分程度。实验表明，越接近理想扩展查询的扩展查询通常检索效果越好，可分性也提供了补充解释。
说明MeshCarve：在紧凑潜空间中用流匹配生成精细网格（论文）
简介该论文提出 MeshCarve，一种在紧凑潜空间中直接生成精细三维网格的方法。它将顶点位置与边连接分开生成，并通过基于离散顶点的 VertexVAE 和 EdgeVAE 缩短 token 序列。论文称其在 Objaverse 上优于现有自回归与流匹配方法，并可泛化到 Toys4K。
说明DynStream：从无位姿视频在线重建动态世界的4D高斯流式方法
简介论文提出DynStream框架，可从长段无相机位姿的连续视频中在线重建动态4D场景。方法在局部时间窗口内重建，再逐步对齐并融合为全局一致的场景，无需逐场景优化。实验表明，它在多种室内外动态场景上实现了高保真的在线重建与渲染，性能达到当前最优水平。
说明YUBI-STAG：通过自动视频-语言对齐为视觉-语言-动作模型加入接触与语义信息
简介该论文提出 YUBI-STAG 框架，自动为机器人操作示范视频补充细粒度语义标注，包括物体、各夹爪动作、双臂协调和空间关系等。研究还将其蒸馏为 YUBI-VLM，可直接从未分段视频中提取动作结构与标注，并在 YUBI-STAG-Bench 上评估。论文称，用这些标注对视觉-语言-动作（VLA）策略进行后训练后，双臂实验中指令遵循能力有所提升。
说明STLQ：用于近似最近邻搜索的时空拓扑关联量化方法
简介本文提出STLQ（时空拓扑关联量化），一种用于大规模向量压缩与近似最近邻搜索的浅层多码本量化方法。它把每个IVF簇组织成有向森林，先独立量化向量，再相对已重建的父节点对残差重新编码，以复用局部信息获得更精细的表示。作者称，在可比较的比特预算下，其召回率高于所评估的浅层方法，离线构建成本更高，与深层方法相比召回率与QPS的权衡具有竞争力。
说明EC-EarthFlow：用流匹配概率模拟每日瞬态全球气候模式结果
简介本文提出 EC-EarthFlow，一种生成式流匹配模型，用于模拟物理气候模式 EC-Earth3 的输出。模型基于 EC-Earth3 在 SSP2-4.5 情景下 1950 至 2166 年的瞬态模拟数据训练，仅依据前几天的气温场及年平均气温，自回归地预测次日气温场。作者称，该模型仅用这一变量即可再现 EC-Earth3 的每日变率、空间格局、年周期和长期趋势，计算成本远低于物理模式，并且在长时间推理中保持稳定。
说明面向超立方体状态空间的边界感知强化学习（基于确定性策略梯度）
简介本文提出一种连续时间确定性策略梯度框架，用于状态受超立方体上受控反射随机微分方程约束的强化学习问题。作者建立了价值函数与 Neumann Bellman 方程之间的联系，推导出确定性策略梯度公式并证明鞅刻画定理，并据此提出用软惩罚或硬结构约束施加 Neumann 边界条件的连续时间深度确定性策略梯度算法。在水库控制问题上的实验显示，边界感知方法能显著降低 Neumann 边界残差并提升学习稳定性。
说明SpikingVLA：异步脉冲视觉-语言-动作模型，一种低延迟的脉冲神经网络推理框架
简介该论文提出SpikingVLA框架，通过将预训练的人工神经网络（ANN）转换为脉冲神经网络（SNN），实现视觉-语言-动作（VLA）模型的节能推理。论文设计了一种树突整合-发放（DIF）神经元以减少所需时间步，并引入异步执行机制降低同步开销与延迟。实验显示，与现有脉冲VLA方法相比，SpikingVLA的SR和SPL分别提升11.9%和12.6%，首个动作延迟降低11.2倍。
说明预训练如何塑造谱结构：基础模型分布外鲁棒性的架构与策略条件预测
简介论文提出仅凭预训练权重的谱结构即可预测基础模型的分布外（OOD）鲁棒性，无需目标域数据。作者证明OOD精度差距受源表示集中程度约束，并用由架构与训练策略组合（称为“单元”）决定方向的谱统计量作为代理。在116个模型上，该方法在单元内对92%的模型对排序正确，且对未参与矩阵的模型族的预测方向均得到验证。
说明基于内部引导边界修复的多区域风格化增强方法
简介该论文针对区域化神经风格迁移中各区域分别风格化后合成时出现的边界伪影问题，提出了一种轻量且与模型无关的方法IGBR（Interior-Guided Boundary Repair，内部引导边界修复）。该方法利用内部引导传播修复边界像素，并仅在物体与背景边界处进行由外向内的距离加权混合，以防止物体间的风格泄漏。作者还提出了无需标注风格化图像的量化指标，用于评估边界一致性、梯度伪影、物体间泄漏和内部保留情况，结果显示该方法在这些指标上优于已有混合技术。
说明生成式编辑下的潜在水印：检测存活性的基准与分析
简介该论文构建了一个基准，比较八种水印方法在五种编辑器、四种生成模型、四种编辑强度和五类语义下的检测存活情况。研究发现，普通的提示式编辑本身就可能导致潜在水印检测失败，并通过干净样本的标准化分数分离度（d'）对存活等级进行排序。论文还指出，仅看总体检出率会掩盖一些差异，而连续分数分离能揭示这些差异。
说明用原始-对偶证书审计大语言模型程序搜索在百慕大期权停止问题上的表现
简介本文研究由大语言模型驱动的程序搜索，用于为百慕大期权生成Python行权策略。作者用可信评估器给出的下界与上界（对偶界）来审计搜索结果，共审计24次生成尝试及一组反馈表示对比实验，并设有冻结选择后的保留测试集。结果显示，入选的生成程序没有稳定地超过Ridge LSMC基线，即便在高精度二叉树参考下，多数差距也来自对偶界过松，因此该审计只能验证有效性，无法证明搜索取得了进展。
说明视觉-语言预训练中的合成困难负样本：什么使其有效？
简介本文分析了六种在表示空间中合成困难负样本的策略，发现将其迁移到视觉-语言预训练时存在两类失效模式，并观察到可学习温度下的 logit 尺度饱和问题，固定温度可提升下游性能。基于此提出 SNAP 方法，生成从不涉及正样本的模态内困难负样本，无需外部生成模型，训练时间开销不到 10%。在 CLIP 和 FLIP 上的多种架构与数据集实验表明，SNAP 在零样本检索、零样本分类和线性探测中均有稳定提升。
说明SAVU-Bench：面向真实场景的空间音视频理解基准
简介该论文提出 SAVU-Bench，一个基于真实场景、评估空间音视频理解能力的基准，涵盖三个能力层级和七项评估任务，并配套诊断集 SAVU-Diag 以分解推理问题的前置子任务。对 12 个代表性模型的评测显示，视觉空间定位较为成熟，而涉及音频的空间感知仍是主要瓶颈。作者还提出无需训练的基线方法 SAVU-EA，可明显改善空间定位和联合匹配，但高层空间推理仍然困难。
说明循环自我改进：面向循环语言模型的动态跨循环同策略蒸馏
简介循环语言模型通过在多个递归计算步骤中复用共享参数来扩展推理能力。本文提出LoopOPD框架，用模型内部的终端循环作为冻结的教师，为中间循环学生提供密集监督，无需外部教师或特权信息；并进一步提出动态版本D-LoopOPD，随共享参数更新持续刷新教师。在Ouro-Thinking模型上的实验显示，二者提升了数学推理能力，且仅用数学数据训练的模型在通用推理和代码生成基准上也有改善。
说明更好的视觉表征是否总能带来更好的端到端自动驾驶？
简介本文研究视觉基础模型提供的视觉表征何时能提升端到端自动驾驶性能，提出与规划器无关的表征对齐框架 ViRA，且不改变规划器结构和推理成本。研究发现，此类表征能在多种规划器上稳定提升驾驶表现，但对齐目标的选择会影响效果，辅助感知监督可降低对目标选择的敏感性。基于这些发现，作者开发了无需辅助感知监督的扩散式规划器 ViRA-Diffusion，在 NAVSIM v2 navtest 上取得 92.3 EPDMS。
说明两类错误的故事：探究自动评判器在不确定性量化评估中的隐性权衡
简介论文关注大语言模型输出的不确定性量化（UQ）评估。由于自动判断错误难以避免，论文对已发表工作做了元分析，发现自动判断已成常态但很少与人工判断验证。作者在问答任务中用4个大模型、人工与自动判断及7种常见UQ方法进行实验，发现评判器的表现只能粗略预测其错误对UQ评估可靠性的影响，且判断错误往往最会歪曲有信息量的UQ方法。
说明用于个性化自动疼痛评估的小样本学习
简介该论文研究小样本学习（元学习的一个子领域）用于个性化自动疼痛评估，把从群体层面到个体层面的评估视为任务域的转移。作者在BioVid、SenseEmotion和PMED三个数据集上进行了留一受试者交叉验证，并用少量样本进行k-shot条件化以提升准确率。结果表明，基于支持样本的小样本适应可在受试者间差异较大时提高平均性能。
说明WorldBench：评估大语言模型生成 Three.js 体素世界的基准
简介论文提出 WorldBench，一个用于评估大语言模型生成的开放式 Three.js 三维世界的基准与评判方法。评判器会运行生成的世界，控制时钟、环绕观察并派出导航代理逐一取景，同时阅读源代码，并以实测像素核对视觉结论。在对五个前沿模型的测试中，该方法比仅看代码的评判更能识别被删除的功能。
