机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明基于限价订单簿的在线做市最优遗憾界
简介本文研究在线做市中的学习问题：做市商每轮先报出买卖价，再观察市场价和交易者的私有估值。在仅当不成交时才揭示估值的反馈模型下，此前工作给出期望遗憾为 O~(T^{2/3})。作者将其改进为高概率遗憾 O~(√T)，先在完全反馈下用双耦合网格离散化买卖价空间并结合 Hedge 算法，再将结果推广到限价订单簿的较弱反馈。论文还指出，在市场价和估值都可对抗选择时，即使是完全反馈，次线性遗憾也不可能实现。
说明NAViLoss：面向水下导航、兼顾物理一致性的双残差学习目标函数
简介本文提出 NAViLoss，一种用于学习型自主水下航行器速度估计的鲁棒且考虑不确定性的损失函数，可同时惩罚导航状态域的速度残差和多普勒计程仪（DVL）测量域的波束一致性残差。作者将其与 DeepONet 结合为 NAVi-DeepONet 模型，并用约 10,000 米的半合成 AUV 海试数据进行评估。结果显示，其速度估计精度相比传统及学习型基线提升 44%。
说明剪影算子：从一维投影辨识低秩测度
简介本文提出一种类似压缩感知的恢复框架，针对可表示为一维乘积测度有限和的二维低秩带符号测度。框架通过“剪影算子”把测度映射为固定的一维投影边缘分布，证明 2k 个适当选取的投影即可唯一确定秩不超过 k 的紧支集测度，且该数量是最优的，投影方向不能任意选取。文中还给出高维情形下成对边缘分布可辨识完整模型的充分条件，并据此提出计算高效的“剪影混合估计”（SME）方法，将低秩经验测度的一维投影边缘与数据边缘在 Wasserstein 距离下匹配，结合一维密度估计器后，在中等维度与样本量下表现优于多种基线方法。
说明受约束的几何辐射自组织：一种闭合系统中自发产生动态秩序的新机制
简介本文研究闭合系统在无外部驱动时如何自发形成动态秩序。作者在耦合的度规演化系统中通过模拟发现，系统经历应力积累、超指数辐射、混沌坍缩与收敛到分形极限环的四阶段循环，并提出称为楔形吸引子的新吸引子形态。文中给出四个共同充分的条件，并提出若干定理，同时报告了临界噪声阈值及跨多种配置的普适性验证。
说明从帕累托到偏好：通过摊销的智能体策略发现实现个性化测试时扩展
简介该论文提出个性化测试时扩展（Personalized TTS），目标是为不同用户的多维需求（准确率、延迟、推理成本）发现可执行的控制器，使其联合满足率最大化。作者提出PersonTTS框架，通过复用先前搜索经验进行初始化并保留对每个候选的目标用户评估。在AIME和HMMT上的实验显示，该方法在未见用户画像和留出问题上优于强基线，并在相同候选评估预算下降低了发现智能体的时间与成本。
说明系统切换：快速决策模型何时应停下来思考？
简介本文研究双过程智能体：一个快速学习的策略每次都做决定，只有门控打开时才把控制权交给推理型视觉语言模型，游戏同时持续运行。实验基于闭环 Doom 游戏和新的开放“System One”类型化决策模型，在 900 道保留题上比较了多种模型。结果显示，模型的准确率、校准度与敏感度（置信度区分对错的能力）各不相同，延迟最不自信的 30% 决策可带来收益，但在闭环游戏中没有任何变体能到达出口。
说明真实对话中结合上下文的三模态微表情识别：数据集与分层融合网络
简介本文指出，现有微表情识别多只分析孤立片段，忽略了对话中的语义与声音线索。作者提出三模态数据集TriCoME，包含视觉、音频和文本，并将每个微表情与对应话语及前文配对，按对话角色标注为外部刺激与内部背景。作者还提出分层聚焦融合网络HFFNet，用于细粒度对齐声学与语义流、压缩长对话，并依据视觉置信度在仅视觉与多模态决策之间切换。
说明通过智能体编排实现低成本定理证明（程序验证）
简介本文提出 CoCo-Prover，用于程序验证中的低成本定理证明。它将证明过程建模为在成本约束下的元层决策：先用两级证明图组织待证目标，再由智能体路由器为每次专用求解调用选择合适的智能体与配置。在 Lean 4 的五个程序验证基准上，该方法在成功率与成本之间取得了更优的权衡，并在部分基准上达到 100% 的求解率。
说明CERO：在强化学习后训练中决定何时、向哪些提示分配采样预算
简介该论文针对组相对强化学习的训练，提出在整个训练周期内统筹有限采样预算的方法，而不是每次更新固定分配。作者提出在线原始-对偶调度器CERO，动态决定选择哪些提示、多久重复使用一次以及每轮生成多少组回答。在三种基础模型和五个数学推理基准上，在训练与回答预算相同的条件下，CERO 的 avg@16 宏平均结果最高。
说明多源超声基准揭示当代自监督异常检测方法的局限
简介本文提出SADUSI基准，这是一个涵盖多种解剖部位、视图和采集协议的多源超声数据集，用于训练和评估异常检测方法。作者测试了代表性的自监督方法，发现扩散重建类方法（AnoDDPM、DeCo-Diff）的像素级AUROC为0.56至0.72，最大F1为0.10至0.26；基于特征的PatchCore变体表现较好，像素级AUROC为0.76至0.83，最大F1为0.14至0.40，但整体仍然有限。
说明高斯-牛顿曲率精度与不定 Hessian：低成本集合中的一致共存
简介该论文研究岭正则化非线性最小二乘中高斯-牛顿（Gauss-Newton）曲率的精度。作者证明，在低成本集合中，存在全局极小点其 Hessian 相对误差低于 (1+√2)/8，同一集合中也存在相对误差至少为 15/8 的不定 Hessian 点。此外还给出了统一的岭上界及相关的逐点误差控制结论。
说明InsClaimBench：跨决策链评测保险理赔裁定的基准
简介该论文提出 InsClaimBench，一个端到端基准，用于评测大语言模型在保险理赔裁定中的表现，覆盖车险、财产险和健康险共 3,780 个案例。评测从原子规则判断、裁定模块一直到赔付决定与金额，并加入事实变更以检验修改是否在各层级正确传递。对六个模型的评测显示，越往决策链下游，可靠性越低：赔付决定准确率为 74.23%–80.19%，联合决定与金额准确率降至 47.54%–73.15%。
说明准二值化自编码器：一种与架构无关的医学图像异常检测信息瓶颈
简介该论文提出一种准二值化（QB）层，将潜在变量压缩到[0,1]并加入拉普拉斯噪声，使信息量有明确上界，从而限制编码器与解码器之间传递的信息。基于此构建的QBAE模型，在MedIAnomaly基准的七个数据集上以单一架构取得平均图像级AUROC 0.828，并在BraTS2021上取得当前报告的最佳结果。
看点提出可用比特数界定信息瓶颈的量化层，给出互信息上界并在多数据集上取得突出结果，但仍属重建式异常检测框架的改进。
说明共享或结构化输入会削弱推理型AI智能体的集体随机选择
简介该论文测试了六个推理模型在基于标识符的选择中是否存在阈值和整除规则导致的偏差。研究发现，共享标识符会使多个智能体的选择相互关联，而带有共同时间戳位的不同标识符则会产生偏向性；明确要求独立随机化只能部分减弱这种相关性。作者还表明，仅看选择比例会遗漏这些集体与审计风险，因此应将输入依赖的偏差、相关性和可预测性作为智能体评估重点。
说明SAPD：步骤对齐的特权蒸馏，一种无需采样的大模型后训练方法
简介该论文提出SAPD方法，利用固定的参考解题示范，依据推理步骤的进展为每个推理转移提供有针对性的分布式监督，无需模型自行生成轨迹。在数学推理基准上，其平均表现优于监督微调和标签平滑，并与同策略强化学习和自蒸馏相当；代码已公开。
说明深度学习在安哥拉Camie油田大规模地震干扰压制中的实际应用案例研究
简介海洋地震勘探中，附近外部震源的能量会被采集到，形成相干噪声，即地震干扰（SI）。本文介绍一种此前提出的基于深度神经网络（DNN）的工作流程，在安哥拉Camie油田超过345平方公里的海洋勘探区块中用于压制地震干扰。与传统地球物理算法相比，该方法在整个区块上在去噪精度、信号损失和处理时间方面进行了全面比较，结果显示其去除干扰更彻底、信号泄漏更少。作者同时讨论了该案例的局限性。
说明Alice：面向基于评分量规的多维自动简答评分的大规模德语基准数据集
简介本文提出Alice，一个大规模、基于评分量规（rubric）的德语自动简答评分数据集，包含学习表现、知识要素和能力（技能）三个子任务。作者将基于量规的评分形式化为量规检索任务，并用从编码器模型到轻量级大语言模型的多种模型进行基准测试。实验显示，零样本提示下的大语言模型在评定知识要素和技能方面表现较差；量规文本通常有帮助，对知识要素和技能尤其明显。
说明评分细则片段即标签表示：用于简答题评分的联合大语言模型编码
简介该论文提出 RUSPAN，一种基于评分细则的自动简答题评分框架，把评分细则描述当作语义标签表示，将题目、学生答案和所有候选评分等级拼接成一个序列，一次前向计算后对各等级进行列表式打分。作者还提出 RUSPAN-RIM，通过独立掩码使各评分细则片段互不关注，以提高零样本迁移能力。在涵盖英语、德语和葡萄牙语的六个基准上，RUSPAN 在单基准评分上优于判别式和生成式基线，而 RIM 结合位置重索引在葡萄牙语基准 PT-ASAG 上带来一致且显著的提升。
说明MeshSIPP：动态环境中高效的格点路径规划
简介本文提出 MeshSIPP，一种面向动态环境的高效时空路径规划方法，用于在障碍物轨迹可预测时计算满足非完整运动约束的轨迹。方法把运动基元按空间区域成组处理并先做轻量筛查，只在必要时进行精确的出发时间搜索，还加入时间感知剪枝以提前丢弃冗余分支。作者证明该搜索是完备且最优的，并在超过 6,000 个基准实例和 ROS 2 实时仿真中，相比现有时空规划器最高实现 3 倍加速。
说明LLM退化时秩反而上升：谱统计的监测陷阱
简介该论文研究大语言模型后训练过程中，用RankMe等谱统计监测表示健康度的做法。在Qwen3-0.6B的受控实验中，数据重复导致的退化使RankMe升高，说明“秩下降即退化”的假设并不可靠。论文还提出一种双侧多通道序列监测器，能够识别退化类型，但并不比保留集损失更早发出警告。
说明自动构建并更新MLIP模型知识图谱
简介本文提出一种基于大语言模型的流程，可自动构建并持续更新机器学习原子间势（MLIP）模型的知识图谱，用于描述用机器学习预测材料性质的快速发展领域。流程包括从文献中抽取信息、用SHACL约束进行验证并纠正错误，并按模型逐一处理以保证表示一致。作者以Matbench Discovery排行榜中的模型为例，展示了可从该图谱中查询到的若干信息。
说明CircuitATLAS：基于系统神经科学知识图谱的智能推理，用于回路病靶点发现
简介本文提出CircuitATLAS，一个带有来源追溯的系统神经科学知识图谱与智能体框架，用于回路病的靶点发现。作者从可测量的疾病表型出发，经由神经回路与细胞层面推理到分子干预。以ATP1A3为例，其在中间神经元中的特异表达在体内消除了对局部4-氨基吡啶刺激的β和γ频段反应。
说明在线策略蒸馏能教会新技能，但无法传授新知识
简介这篇论文研究在线策略蒸馏（OPD）是否能让语言模型学到新的事实知识或多步推理能力。作者用可控的合成框架分离两种能力，并在多个模型和真实问答、竞赛数学任务上做实验。结果显示，反向KL的OPD能转移组合推理技能，却几乎不转移事实知识；改用前向KL可恢复事实迁移。论文认为该方法并不扩展模型的参数化知识，而是帮助模型组织和组合已有知识。
看点通过受控合成框架分离事实知识与组合技能的迁移，发现逆向KL与正向KL的不对称性，结论有新意，实验覆盖多模型与基准。
说明追溯输入、验证输出：音乐生成中的归属验证
简介本文研究如何为AI生成的音乐提供可验证的归属证据，即确定生成过程使用了哪些音频来源及其是否影响了输出。作者仅以音频作为条件进行生成，追踪每个输出背后的输入并分析其音乐影响。实验显示，生成器MixAudio的音轨在音色上跟随提示音频，在和声上跟随上下文音频；同时使用音乐版本识别模型musicDNA检测记忆化，发现输出中很少出现输入记录之外的复现。
说明编程智能体基准应当匹配用户的任务流程
简介研究者收集了 JetBrains IDE 中真实软件工程师的 4,782 次智能体会话，发现长会话中用户请求类型多样且频繁切换，与基于问题的基准任务不同。论文提出 SWE-TaskFlow 方法，可将现有基准改造为贴近目标任务流程的交互形式，并在 700 个 SWE-Bench Pro 任务的试点中发现，分步求解使智能体成本约翻倍，而解决率没有稳定变化。
说明智能体大模型何时决定调用工具？一个由抑制机制塑造的工具调用向量
简介该论文研究智能体大模型为何决定调用工具而非直接回答，这一机制此前不清楚。作者把复杂提示压缩为仅相差一个动词的成对样本，发现执行类动词会翻转决策，并定位到一个因果上必要且充分的向量。分析显示，分析类动词会抑制工具调用倾向，该机制在七个模型中重复出现。
看点提出最小对比对与可因果验证的工具调用向量，以机制解释揭示抑制机制，并在七个模型中复现，新意较突出。
说明网络的训练历史能否比当前状态更好地预测其后续学习？基于响应探针与预测筛查的证据
简介该论文研究神经网络在继续训练时，其训练历史是否比当前状态更能预测后续学习能力。主要研究用三种历史设定训练小型多层感知机，并以短探针测量未来学习；结果显示，在该设定下，历史状态并未优于当前状态的校准模型。另一项针对合成回归任务的筛查表明，历史模型在早期训练阶段对最终误差的预测优于当前验证误差，但到后期两者无差异。
说明深度归一化注意力的可辨识性与可观测性：研究注意力模块的输入输出函数能唯一确定哪些参数，以及在何种条件下参数会不可观测。
简介本文研究深度单头、无掩码注意力机制中，哪些参数可由其输入输出函数唯一确定。对已知的正非常数实解析归一化函数，该函数通常能确定有效分数与组合值映射（符号差异除外），并证明了Henry–Marchetti–Kohn猜想的实解析情形（包括softmax）。文章还分类了例外纤维，并给出局部可辨识的精确泰勒阶数。
说明TestJack：编程基准的结果可信吗？通过评估器演化审计智能体编程基准
简介该论文指出，现有编程智能体基准大多只用固定单元测试判定正确与否，测试覆盖不全，可能使分数反映的是对评估器的适应而非真实解题能力。作者提出TestJack框架，为每次尝试针对提示要求生成测试，并只保留标准答案补丁能通过的测试，对失败结果进行复核。在6个前沿模型后端、5个基准上的实验显示，约34.4%被判为正确的尝试实际违反任务要求，整体解决率从50.6%降至33.2%。
说明变量投影支持向量机（VP-SVM）的二阶优化与道路异常检测
简介本文提出一种用于最小化变量投影泛函的新型二阶优化框架，特别适用于变量投影型核方法的训练。作者以变量投影支持向量机（VP-SVM）为例，展示了二阶信赖域算法的训练效果。在实际应用中，该方法利用轮胎传感器采集的一维信号，训练模型识别道路表面异常。
说明国家级神经影像库中的身份重复审计
简介国家级磁共振成像（MRI）数据库汇集了多个研究和机构的数据，但同一受试者可能因各数据集编号不同而重复出现，这被称为身份重复。论文提出了名为HAPPEN的人工参与审计流程，结合SHA-256精确重复检测与对比学习嵌入，检索可能来自同一人的近似重复扫描，并交由人工复核。在一个包含95,129次扫描的数据库中，流程找出了1,316组精确重复和1,275组经人工支持的近似重复，54对基因参照对均被找回。
说明顺序预训练更青睐大模型：暴露疗法（Exposure Therapy）提升小模型的后期学习
简介这篇论文研究为什么大型神经网络能学会小模型学不到的能力。作者定义并量化了“首因偏差”（primacy bias），即早期数据分布会削弱后期学习。结果显示，小模型会低效地把学习容量分配给早期分布，而足够过参数化的大模型则对此有较强的抵抗力。作者据此提出“暴露疗法”这一正则化方法，并表明它在十亿参数规模内可提升模型在后期数据分布上的表现。
说明基于先锋学生（Pioneer Student）的教师-学生半监督学习解耦优化方法
简介该论文指出半监督学习中教师-学生框架存在参数耦合问题，且有标签与无标签损失的梯度更新不一致会导致共享参数过早收敛到局部最优。作者提出先锋学生（PiS）模块，在独立参数空间中运行并定期将积累的知识回传给教师-学生模型。实验表明，PiS 是一个通用的即插即用模块，能持续提升主流半监督学习方法的效果。
说明骨架应该用哪种语言？多语言推理中的语言选择研究
简介本文研究基于骨架的推理提示（一种无需训练即可组织大模型推理的方法）中，骨架所用语言对多语言数学推理的影响。作者提出语言感知的骨架探索框架LASEF，在多个数学基准、模型规模和语言上进行实验。结果显示，英文骨架平均有小幅正向倾向，在小模型和低资源语言上较明显；但校正后显著的语言级增益很少，英文也并非普遍最优，效果依赖具体情境。
说明基于梯度历史重组的轻量通用学习型优化器
简介该论文提出一种轻量且通用的学习型优化器，通过对梯度历史（不相交时间段上的平均值）进行动态重组来更新参数。它将预测空间缩减为每个梯度平均值一个标量系数，并由多个参数共享。论文称，该方法在未见过的任务上可直接泛化，并在多个模型上相较 Adam 取得测试精度提升。
说明SafeEvo：解析语言模型的安全对齐机制与演化
简介本文提出 SafeEvo，从电路（LLM 中的稀疏子图）角度研究语言模型的安全机制。研究发现预训练基础模型中存在可独立表达拒答行为的弱拒答电路，因果性地消融这些电路会使模型拒答有害输入的能力完全消失。论文还提出安全电路对齐方法（SCA），将安全更新限定在拒答电路内，在三个模型和两种对齐算法的实验中，相较常规对齐提高了安全性、减少过度拒答并保留了原有能力。
看点从电路视角揭示预训练模型中的拒绝机制及其在对齐过程中的演化，并提出仅更新拒绝电路的对齐方法；实验覆盖三个模型与两种算法，有害性降低63.21%，效用保留99.58%。
说明STORK：通过神经网络对子宫收缩进行时空观测
简介该论文研究胎儿磁共振成像（MRI）中的子宫收缩检测，原本这些收缩通常靠人工识别且随后被舍弃。作者提出弱监督学习模型STORK，仅使用整段序列的粗粒度标签进行训练，无需逐帧标注。在约700条多厂商动态胎儿MRI序列上，该模型的序列级AUROC为95.0%，AUPRC为94.6%，优于3D ResNet和ConvNeXt基线。
说明COPC：面向异步大语言模型强化学习的耦合离策略校正
简介异步强化学习通过将轨迹生成与优化解耦来加速大语言模型后训练，但训练所用轨迹会过时。论文指出，仅校正策略侧的偏差并不足够，优势估计也会因行为策略的后续轨迹而产生偏差。作者提出耦合离策略校正方法COPC，在策略侧与优势侧协同校正，并在工具集成数学推理和搜索任务上取得报告中的最佳表现与更好的训练稳定性。
说明生成前结构化引导与单次提示对比：一项关于企业AI辅助决策的随机在线实验
简介该研究比较了在AI生成策略文档前先让用户澄清背景、选择战略方向并说明理由的结构化引导，与直接单次提示的差异。实验显示，有引导时综合质量平均高出32%，弱提示的离题产出明显减少，所需时间仅多约2.4分钟。作者指出，延迟记忆、错误检测及真实组织中的效果仍需后续研究。
说明基于动力学朗之万采样的可扩展逻辑高斯过程密度回归
简介该论文提出一种可扩展的贝叶斯条件密度估计方法，用于刻画给定协变量时响应变量的完整分布，例如星系的测光红移。方法以逻辑高斯过程建模对数条件密度，并用动力学朗之万动力学对潜在场进行采样，而非使用拉普拉斯或变分近似。在参数固定时该后验为强对数凹分布，并利用小批量分裂在单张GPU上训练。在最多390万条训练观测的测光红移基准上，其密度与校准指标与当前最先进的表格基础模型相当。
说明面向长期LLM智能体的情境条件化思考策略学习
简介本文提出一种情境条件化的思考记忆框架，把历史推理经验转化为轻量策略，用于预测当前情境下应当思考什么，具体推理仍交给大语言模型完成。系统还会跨多个独立片段分析临时经验，归纳重复出现的长程规律，形成新的思考知识并内化到轻量策略中。实验显示，该策略在时序规则泛化上F1达到1.000，并将DeepSeek推理的F1从0.789提升到0.868，在3万条历史情境下每次查询的在线处理时间从0.3636毫秒降至0.0382毫秒。
说明双建议与单建议AI辅助住院医师影像判读的随机多阅片者研究
简介该研究比较了单一AI建议与双重AI建议对住院医师X线片判读准确率的影响，尤其关注AI建议错误的情况。123名临床经验不足3年的住院医师被随机分为三组，分别使用单一模型或两个模型的建议，阅读60张X线片。结果显示，放射科住院医师在双重建议下准确率提升更明显，且在GPT-5.4给出错误建议时，双重建议组的准确率明显高于单一建议组；非放射科住院医师则未见组间差异。作者认为双重建议可能减轻错误AI建议的影响。
说明面向机器人控制的自适应代码生成：让大语言模型把自然语言意图转化为可执行的机器人程序
简介论文提出一种机器人控制架构，用大语言模型把高层自然语言意图翻译成受限于正式机器人函数库和语法检查的可执行程序代码。同时由视觉-语言模型提供语义理解，并通过几何和语义阈值触发重规划以及运行时持续监控。作者称，在多个前沿模型上的测试表明，该约束闭环设计能帮助机器人在动态未知环境中可靠完成复杂意图。
说明基于交叉反馈与连贯整理的协作式推理蒸馏
简介该论文提出协作式推理蒸馏框架 CRD，让多个教师模型相互批评推理过程，并逐步评估推理步骤的逻辑质量，再把各自的优点拼接成连贯的推理链，用于训练小型模型。作者报告其 4B 模型 CRD-4B 在 MATH-500 上达到 97.3%，在 AIME'25 上达到 70.3%，所用训练样本仅为 5 万条。
说明JevForest：面向预算约束的特征获取路径投票方法
简介该论文提出 JevForest，一种在观测预算有限时决定获取哪些特征的策略：聚合自助法决策树生成的路径相关候选，按全局信息增益加权，再用共享的掩码分类器预测。作者在 AG News、TREC、MiniBooNE 等数据上做了小规模实验，结果显示其表现随任务而变，并不足以证明路径投票普遍更优。
说明面向稀疏视角锥束CT的连续位姿梯度轨迹优化
简介本文提出一种基于梯度的锥束CT扫描轨迹优化方法，把每个射线源位姿作为连续变量，在扫描仪运动流形上联合梯度上升。目标函数结合软Tuy平面覆盖、连续视角协方差损失和解析的衰减感知射线束惩罚。在Defrise法兰模型上，该方法能发现圆形轨道看不见的层状缺陷，并适用于圆形、有限C臂、双轴和自由球面等多种参数化方式。
说明面向高效视觉文档检索的非平衡最优传输方法
简介视觉语言模型能无需OCR进行视觉文档检索，但会产生大量视觉token，限制检索的可扩展性。本文提出一种基于非平衡最优传输（UOT）的视觉token压缩框架，将token重要性、语义冗余和覆盖能力统一到一个交替优化过程中。作者理论证明最小化传输代价可以上界MaxSim检索误差，并在ViDoRe V1和V3基准上验证了该方法在效率与效果权衡上优于现有基线。
说明带内生马尔可夫状态的在线资源分配：更少的线性规划求解反而收益更高
简介本文研究有限时域下、请求独立同分布且状态内生（动作会影响状态转移）的在线资源分配问题。作者在已知与未知请求分布两种情形下分析再求解策略的遗憾界，指出在最优解退化时，更频繁的再求解可能表现更差。文中提出的三阶段 U 型低频再求解策略只需 O(log log T) 次线性规划求解，并给出相应的遗憾结果。数值实验也显示低频方案总体更稳健。
看点提出内生马尔可夫状态下资源分配的新框架，证明频繁与稀疏重解的退化情形遗憾差异，并给出O(log log T)次求解的U型策略，理论结果较强。
说明PEACE：利用宇称分辨哈密顿量学习非绝热流形的协变方法
简介该论文提出PEACE方法，将宇称等变的潜在哈密顿量与可学习的电子联络结合，用于描述分子的非绝热动力学过程。消融实验表明，对称性允许的态混合与电子框架变化各自发挥作用，有助于重现交叉结构和弛豫动力学。PEACE能较好地复现第一性原理模拟得到的激发态布居动力学，并可扩展至自旋-轨道耦合，用于模拟系间窜越。
说明大语言模型在否定句中如何改变预测？研究发现模型在否定条件下常重复原答案，并提出改进训练目标。
简介研究者用自建的否定基准测试了多个开源与闭源大语言模型，发现在37%至71%的情况下，模型在否定条件下仍给出与原答案相同的回答。机制分析显示，模型通过抑制原答案并提升同类别中的偏好候选来实现否定，这与人类依据原答案判断排除对象的方式不同，是导致失败的关键原因。作者据此提出一种训练目标，对置信度更高的原始预测要求更大的答案偏好转移，相比标准微调，能在减少否定错误的同时较少损害通用能力。
看点提出否定由抑制原答案加提升同类候选共同实现的机制，并据此设计训练目标，证据包括基准评测与机制分析。
说明RELATE：衡量大型语言模型关系导向的评估框架
简介大型语言模型常被用于情感支持，论文关注其是否会把用户从现实人际关系中引开。作者提出“关系导向”概念，包含指向AI自身的内向语言和鼓励现实人际联系的外向支持语言两个维度，并构建了RELATE框架，用76个求助情境和三种模拟用户风格对七个模型进行多轮对话评估。结果显示，在第六轮助手回复中内向语言比例高于第一轮，且对犹豫、间接的用户，外向支持语言的比例明显更低。
说明EvoSignal：由大语言模型引导进化设计的模块化交通信号控制程序
简介本文将交通信号控制建模为模块化程序设计问题，提出EvoSignal框架，借助大语言模型和交通知识，依据拥堵与信号运行的反馈，通过进化方式改进控制程序。生成的程序无需在线调用大语言模型即可运行。在两个真实路网的五个场景仿真中，所选默认程序相比各场景20个基线中最低的等待时间，将等待时间降低了16.8%至49.2%。
说明世界势能模型：将预训练的世界知识用作进展势能
简介该论文针对长时程语言智能体只能获得最终结果监督的问题，提出世界势能模型（WPM），用预训练模型的既有世界知识判断任务进展。在ALFWorld和ScienceWorld中，现成的预训练模型无需针对任务微调，即可明显优于随机水平地识别进展结构。将这些判断锚定到任务里程碑后，可得到标量世界势能，其时间差分为策略优化提供逐步信用分配，与仅依据结果的GRPO相比成功率有所提升。
说明UniCSI：面向普适人体感知的通用Wi-Fi CSI编码器
简介本文提出UniCSI，一种统一的基础架构，可直接处理子载波数、带宽和频段各异的Wi-Fi信道状态信息（CSI），无需有损预处理。其核心包括基于物理频谱位置编码的射频标记器，以及将可变长度信道序列压缩为固定尺寸频谱特征的谱聚合器。在25个异构公开数据集上的实验显示，该方法在有监督和自监督训练下均改善了跨域迁移效果。
说明DrugTargetWorld：用于训练和评测 AI 科学家的合成生物样本库
简介该论文提出 DrugTargetWorld 框架，可程序化生成带有已知但隐藏因果结构的模拟生物样本库，每个模拟世界包含54,000名参与者的基因型、蛋白质、健康记录、结局及合成MRI数据。智能体需构建疾病表型、识别因果驱动蛋白并推断调节方向。在20个心血管模拟世界、540个回合的评测中，表现最好的两个智能体平均各恢复了64%的因果驱动蛋白，但没有智能体能可靠地区分具有误导性的非因果蛋白。
说明LLM 评审员在实体对齐评估中的可靠性研究：标签暴露会导致评审偏差
简介本文研究用大语言模型（LLM）充当评审来评估实体对齐（识别不同知识图谱中等价实体的任务）是否可靠。作者在三个前沿模型、三个数据集和四个实体对齐系统上进行了系统测试，发现当系统的判断标签对评审可见时，评审的区分能力会明显下降，并称之为锚定偏差。论文还发布了首个生物医学实体对齐基准（MeSH-SNOMED CT，15K 对）及可复现的审计框架。
看点首次系统研究LLM裁判在实体对齐中的可靠性，发现锚定偏差并以反事实实验验证因果，证据较充分，对子领域有实际价值。
说明AI注册库中机器学习资产的系统性综述框架
简介本文探讨如何借鉴传统系统性综述方法来检索机器学习资产（如预训练模型、数据集和基准）。作者将规划、实施和记录三个阶段适配到AI注册库，并提出包括注册库感知检索策略、跨注册库模式对齐和依赖驱动探索在内的框架。论文认为，机器学习资产的检索应当是系统且可复现的过程，而非临时性活动。
说明视觉证据接受交叉检验：评估与控制视觉语言模型中决策层面的证据使用
说明CircuitGate：面向与非-反相图（AIG）的逻辑一致电路级功能建模
简介本文针对电子设计自动化中用于逻辑综合与验证的与非-反相图（AIG）提出 CircuitGate，一种功能感知的表示学习框架。该方法从门级语义推进到电路级功能建模，显式编码全局主输入支持集并建模汇合处的支持集重叠，同时引入逻辑启发的布尔约束。在 ForgeEDA 等基准上，它在等价门识别和信号概率预测任务中优于现有方法，MAE 最多降低 21.7% 和 14.2%。
说明智能体AI中的验证与自我改进：基础与局限
简介该论文研究智能体AI系统如何通过更长搜索、额外支持或改进验证流程来提升表现，并用带隐藏随机性的有界验证框架比较这些机制。作者证明独立多数投票放大能保持相关语言类，而对随机带存在性接受则可能接受错误输出，并给出与多项式层级相关的复杂度包含关系。
说明以弃权认证：小规模校准下思维链验证器的无分布保证
简介该论文研究用于判断思维链推理是否正确的验证信号，在仅有数十到数百个标注问题的校准预算下，无分布假设的选择性保证能提供什么。作者用七个开源模型、五种验证信号和37000条已评分推理轨迹进行实验。结果显示，证书常因弃权而几乎不发放，即使发放的证书也可能失效，并提出了一种无需单调性假设的固定序列证书。
说明WAPR：面向未见物体位姿估计的大角度位姿精修基础模型
简介该论文提出WAPR，一种零样本大角度位姿精修模型，可修正旋转偏差达90度的候选位姿。模型借助旋转对称先验统一对称等价的位姿目标，并构建了包含约50K增强物体实例、约2M渲染RGB-D图像的大规模训练集SA6D。实验显示，在七个BOP核心数据集上，WAPR在未见物体的6D位姿定位与检测任务中达到当前最优水平。
看点提出宽角度零样本位姿精化并用对称先验规范化训练目标，在七个BOP核心数据集上验证并达到领先水平，证据较充分，对子领域有用。
说明KASALv2：全自动三维旋转对称性分类与轴线定位
简介该论文提出一种全自动、无需参考的框架，用于三维物体的对称类型分类、旋转阶数识别和完整对称轴定位，覆盖八种标准旋转对称类型。实验在理想化和真实数据集上取得较高准确率，在GSO数据集的438个对称物体上达到94.75%的准确率。将所得旋转先验用于FoundationPose训练后，在五个BOP数据集上精度最高提升0.9%。
看点提出全自动、无参考的旋转对称类型与轴定位框架，并在GSO数据集上验证，并用于提升FoundationPose的位姿估计，具有实质改进。
说明无配对典型相关分析：在无配对样本的情况下学习最大相关的线性投影
简介典型相关分析（CCA）是多视图共享空间学习的基础方法，但它严格依赖配对数据。本文提出无配对CCA（UCCA），训练时不使用任何配对样本，通过线性投影最大化真实潜在配对的相关性。作者先建立二次分配问题（QAP）与CCA之间的理论联系，并据此推导出仅利用无配对数据最大化相关性的实用方法。在真实多模态数据集上的实验表明，该方法在恢复真实相关性方面明显优于近期的无配对对齐基线。
说明代码理解是编程智能体的瓶颈
简介本文提出 CABRA，一个用于严格评估编程智能体的合成基准，通过调节任务规模从函数遍历、搜索、运行时解析和指令遵循四个维度控制难度。研究在 6,840 个任务上测试了八个大语言模型和六个编程智能体。结果显示，模型准确率随任务增大而下降，而智能体借助工具大多保持高准确率；在 SWE-bench Verified 上，工具调用次数比修改行数更能预测智能体的准确率，表明难点可能在于理解代码。
说明长篇金融叙述摘要中评估指标的比较研究（基于Transformer模型）
简介伦敦证券交易所上市公司的年报平均约80页，本研究在金融叙述摘要共享任务（FNS 2020）数据集上，比较多种预训练Transformer模型与抽取方法，并考察多种评估指标的表现差异。作者提出了一种新指标BRUGEscore（ROUGE-2与BERTscore的调和平均），并通过统计显著性检验及三种语料扰动的对抗分析来验证结果。
说明先校准再融合：无真实标签监督的参考空间校准方法
简介论文提出一种先校准的框架，在没有真实标签、也没有共享标注空间的情况下生成监督分数。框架先用由有序校准特征构建的合成序数参考空间，把各子集评分器的输出对齐到同一尺度，再进行融合。在三个基准数据集上，该方法优于未校准的平均融合，并在主要指标的点估计上高于最佳单一评分器；与依赖样本的基线相比，差异因领域而异。
说明反射锚定朗之万算法：面向约束域上不可微目标的采样方法
简介本文提出反射锚定朗之万动力学（RALD），一种在约束域上收敛到不可微目标分布的反射扩散过程。方法使用平滑的锚定参考势，并让其反射朗之万动力学的漂移与噪声协方差乘以相同的状态依赖缩放因子。对其做带投影的欧拉-丸山离散化，得到反射锚定朗之万蒙特卡罗算法（RALMC）。作者证明了该算法在2-Wasserstein距离下的显式收敛界和迭代复杂度，并通过数值实验验证了理论预测与实际表现。
说明并非所有不确定性都重要：面向关键决策自动驾驶的仿真闭环快慢协同推理
简介该论文提出SIGMA框架，用仿真闭环评估场景语义与几何不确定性对可行轨迹和规划代价的影响，从而判断何时调用云端大模型推理。作者引入期望规划增益（EPG）作为调用与优先级决策指标。在CARLA中的实验显示，相比固定周期协作，SIGMA减少50%的不必要云端交互，导航成功率提升超过6%，动态场景完成时间最多缩短26.2%。
说明衍生状态的差分刷新：基于每分区平方根分配的优化方案（附物化视图实测）
简介论文指出，对整体重算的衍生数据（如物化视图、缓存聚合、训练模型），仅依据单一共享年龄的加权陈旧度阈值触发，在本质上等同于定时重算，无法带来收益。作者提出按分区（如 GROUP BY 分组、租户视图或数据段）独立调度刷新，最优重算速率与分区风险的平方根成正比。在 SQLite 上的实测显示，在重算次数相同的条件下，该策略将加权陈旧度降低约 14% 至 15%。
看点提出单一年龄等价极限并给出按分区风险平方根分配的最优刷新预算，证明优于统一定时器，并在SQLite上验证降低加权陈旧度14-15%。
说明ActiveLang：基于语义不确定性引导探索的主动开放词汇三维建图
简介这篇论文提出ActiveLang系统，让机器人在陌生环境中自主探索，同时构建带语言标注的三维地图，并支持开放词汇的场景理解。系统在紧凑的双高斯表示上在线适配语言特征，联合重建几何、外观与语义，且内存开销较小。规划器会选择信息量大的视角，以更少的观测和计算成本完成建图。在Replica与ScanNet++数据集上，该方法在二维与三维开放词汇分割上均优于在线和离线基线方法。
说明并非感知危险：冻结的视觉语言安全分数衡量的是它的描述库
简介论文研究了一种冻结的 CLIP 提示边界安全分数，它被用来判断强化学习中的危险。作者在未接收该分数的策略轨迹上进行受控评估，比较接触前后的观测，并改变描述文本、编码器与相机视角。结果显示，该分数主要反映与其描述文本所共享场景的相似度，因此不能证明它真正感知到了危险。
说明STRIKE：学习视觉状态转移以建模物理世界
简介该论文提出STRIKE框架，把视觉状态转移学习与密集视频生成分开。模型从训练视频中提取事件对齐的状态，学习根据当前图像、局部转移描述和时间间隔预测下一场景状态，推理时递归生成未来视觉状态序列，再由独立训练的动态模型生成完整视频。在Physics-IQ Verified、PhyGenBench、Pisa-Experiments和RoboTwin2.0上，STRIKE相较对应的视频骨干基线在物理一致性和操作视频保真度指标上有所提升。
说明OmniCam：基于几何感知姿态令牌学习的全景相机轨迹生成
简介该论文提出OmniCam，一种自回归模型，可根据单张全景图和文字轨迹描述生成相机姿态序列。模型结合全景点云几何编码、旋转与平移的混合令牌化方法，以及带3D目标锚点的几何与语义条件输入。作者还构建了包含267,700条轨迹的OmniCaT数据集，在其评测中相较基线取得了更低的轨迹误差与碰撞率。
说明LiG-DETR：在潜在空间中将局部特征重组进全局表示的航拍目标检测方法
简介航拍图像中的目标尺度和密度差异很大，小目标容易在下采样和特征压缩中丢失细节。本文提出LiG-DETR，在特征空间中获取高保真的局部证据，并按原始空间位置将其重组为与全局对齐的局部特征层，再由单一DETR解码器联合解码。文中还提出了上下文保持的选择性重组和基于密度的自适应查询分配以减少冗余计算，实验显示小目标和中目标性能提升明显，大目标性能保持较强。
说明物理信息神经可塑性：会自我重组的PDE求解器
简介该论文提出“物理信息神经可塑性”，即表示结构在优化中依据未解决的物理残差自行重塑。作者据此设计了ReCAP方法，通过局部增强、残差引导分裂、门控剪枝和函数感知合并来动态分配表示容量。在五个三维和四维PDE基准上，与11种对比求解器相比，ReCAP在每个问题上都取得了最低的相对L2误差，较最强对比结果降低10.7%至27.5%。
说明TERRA：通过时序效应表示与关系对齐学习可迁移的潜在动作
简介本文研究机器人策略中的潜在动作表示，即从视觉状态转移中推断出的类动作编码。作者提出TERRA方法，用紧凑的时序效应（净特征变化加上窗口内低阶动态）描述状态转移，并据此学习连续潜在表示；另提出效应锚定迁移（EAT），在其他初始状态中解码潜在表示并使其效应与源头一致。论文称，在冻结线性读取器下，TERRA预测动作的准确率高于UniVLA和LAPA类基线，在视觉干扰下退化更慢；在LIBERO上平均成功率为93.4%，UniVLA为91.8%。
说明平均安全，尾部不安全：情节成本尾部何时可控？
简介该论文研究安全强化学习中的情节成本尾部风险。传统方法通常只约束平均情节成本，可能导致最差的部分情节仍然超出安全预算。作者用最差10%情节的平均成本（CVaR0.1）衡量尾部风险，评估了五种标准算法在三个导航任务上的表现，并进一步考察了尾部违规能否在保持回报的同时得到控制。
说明面向随机多尺度生物过程数字孪生的偏差感知伴随校准与最优控制
简介本文提出一种用于多尺度生物过程模型的偏差感知数字孪生校准与控制框架，数字孪生以随机微分方程表示，并利用稀疏观测通过拟似然估计和伴随灵敏度分析进行校准。文章通过矩展开刻画截断引起的参数偏差，并以二阶高斯平均目标进行不确定性感知的策略优化。作者还提出 Actor-Simulator 算法，同时更新参数、选择信息性实验并优化控制策略；数值实验显示其在校准精度、样本效率和控制性能上优于现有基线方法。
说明RT-DETR-World：将大语言模型的丰富语义迁移到实时开放词汇检测
简介本文提出紧凑型检测器 RT-DETR-World，用于在实时效率下识别训练时未见过的类别。训练时利用类别名、物体描述和图像描述等多层监督，并通过双路径描述对齐（DDA）把大语言模型教师的语义迁移给轻量模型，推理时仅保留查询与文本的轻量匹配。论文还提出关系感知负样本松弛（RNR）方法，实验显示其零样本精度具有竞争力，且精度与效率之间的权衡较好。
说明SpatialUQ：基于空间一致性的黑盒视觉模型事后不确定性量化
简介该论文提出SpatialUQ方法，仅利用模型输出概率，通过比较全局预测与五个固定空间裁剪区域预测均值之间的Jensen-Shannon散度，估计黑盒视觉模型的不确定性。在NIH ChestX-ray14数据集上，其多裁剪不确定性分数（MUS）的失败检测AUC高于MC-Dropout，且计算量约为其五分之一。作者指出该方法对弥漫性病变较可靠，但对结节等小型局灶性病灶的可靠性较低，且在严重分布偏移下相关性减弱。
看点提出基于空间裁剪一致性的黑盒后验不确定性方法，在NIH ChestX-ray14上以更低计算量超过MC-Dropout，证据较充分。
说明Ream：在人机共享工作区中呈现彼此的感知（一篇关于文献综述工具的论文）
简介该论文介绍了Ream，一个用于文献综述的工作区，通过结构化文档、双向参与度追踪和局部可视化，让人类与AI智能体相互了解对方的活动。研究者让18名研究人员使用该系统，参与者借助这些记录检查证据、引导智能体并通过批注交流。共享的历史记录也帮助智能体延续先前的工作。
说明稀疏特征策略遗忘：缓解视觉-语言-动作模型中的状态幻觉
简介视觉-语言-动作（VLA）模型在机器人操作中泛化能力强，但在真实环境中常出现不可靠行为。本文研究“状态幻觉”，即机器人在目标状态未实现时仍按其已达成的方式继续行动，并发现其与对任务相关视觉区域的注意力减弱有关，稀疏自编码器分析显示相关稀疏特征在失败时被激活。作者据此提出SOUL方法，选择性遗忘与状态幻觉相关的策略知识，在多种VLA架构的仿真与真实实验中显著减少幻觉失败并提升任务成功率。
说明认知图式、规律与任务：用显式表示支持可复用的认知图式
简介本文研究显式表示如何在基于知识的问题求解中支持可复用的认知图式。作者提出一个结构框架，按照使用图式所需的信息与关系来组织图式，并区分依赖情境的关系与可跨表示复用的较稳定结构。文章还区分了不一致、欠定和情境不足三类表示局限，并形式化说明何时表示约简能保持与任务相关的解结构。
说明归因盲区：检索增强语言模型中来源依赖的分层轨迹诊断
简介该论文研究检索增强语言模型在知识冲突时是否真正依赖所检索的文档，并比较不同内部状态指标的作用。作者用训练拟合的第一主成分（PC1）对隐藏状态变化做有符号投影，发现等范数干预时PC1更能有效改变来源偏好并保持非目标行为。论文的核心结论是：能够诊断模型会选择什么的表征，不一定是最能控制该选择的表征。
说明用于多能CT体积物质分解的高斯物质场：一种共享空间基底、独立材料系数的三维表示方法
简介该论文提出“高斯物质场”，用共享的各向异性三维高斯基元表示多种物质分布，并为每种物质设定独立的非负系数。它通过可微分的多能谱前向模型，从多能投影中联合优化空间几何与物质组成，并引入材料感知的自适应密度控制。在15个基于公开CT数据合成的案例中，相较最强基线，平均PSNR提高4.03 dB，SSIM提高4.96%，NRMSE降低33.45%。
说明Goldsmith：基于金标损失引导的定义优化与智能体标注框架
简介论文提出 Goldsmith，一个智能体式流程，用一小批专家标注的金标样例，自动优化可复用的结构化标注定义。候选定义在金标样例上运行并用可执行的结构化损失打分，大语言模型根据最高损失的失败案例生成修订，仅在损失下降时接受。在与多种提示优化方法的对比，以及实体片段、关系和事件论元等下游标注任务中，该定义均有改进。
说明把对应关系当作决策：面向决策的模式匹配方法 JevNexus
简介该论文提出 JevNexus，用于数据库模式匹配（为不同表的字段找出对应关系）。它结合成对的类型化决策与模式和实例证据，仅在证据不一致且融合后的差距较小时，才调用列表式精炼。在 561 个案例上，其平均倒数排名与 Hits@1 分别为 0.930 和 0.909，略高于 Magneto 的 0.926 和 0.903，平均延迟从 123.452 秒降至 15.929 秒；配对分析未发现统计上的显著差异。
说明缓解自监督语音表征在语种识别中的口音-语言混淆
简介语种识别模型常把带口音的第二语言语音误判为说话人的母语。作者发现非母语语音的表征位于目标语言与母语两个极点之间，并据此提出一种几何投影方法：仅利用母语语音估计母语偏置方向，并在冻结的识别层之前将其移除。在五个 MMS-LID 模型和多个非母语语料上，该方法明显提升了对第二语言口音语音的目标语言识别，同时保持母语语音的预测结果。
说明MIMESIS：将用户模拟器作为交互式智能体的训练环境
简介该论文提出MIMESIS，一个基于真实人类对话训练、带有显式推理监督并包含13种真实行为模式的用户模拟器，用于替代昂贵的人工反馈。论文称其9B模型在SOUL-Index上得分65.7，超过最强的前沿模型，并在行为保真度和图灵距离上优于基线。作者还提出了教练式同策略自蒸馏（CSD）方法，将模拟器反馈转化为密集的训练信号。
说明InstanceBench：诊断指代表达分割中的指代推理与目标身份一致性
简介本文提出 InstanceBench，一个以实例为中心的诊断基准，包含 6,194 张图像、9,264 个目标实例和 25,077 条人工核验的表达。它通过同一目标的不同指代路径测试模型是否保持目标一致，并区分目标选择错误与掩码生成错误。对 18 个模型系列的 22 个检查点的评测显示，最佳模型 mIoU 为 67.1%，但 All@0.7 仅 59.6%，主要瓶颈在于目标选择而非掩码解码。
说明CHASE：利用通道对齐结构进行几何感知的模型工程
简介该论文提出 CHASE 方法，利用几何与频谱对齐（GSA）刻画训练后网络的谱集中、通道对齐、支撑结构和奇异基变化，用于模型设计。CHASE 涵盖模型修改、重构与压缩中的六类应用，其中 CORA、COEC 和 CORAM 分别将 GSA 用于参数高效微调、结构化剪枝补偿和模型合并。论文还提出 CAGA、SAKV 和 CAPS 三种新方法，分别用于多头注意力转 GQA、KV 缓存压缩和结构化剪枝；实验显示这些方法相比代表性基线有所改进。
说明MORA：面向漂移鲁棒时间序列异常检测的观测变化建模
简介该论文关注非平稳时间序列中异常检测的难题：分布漂移与真实异常可能产生相似的局部变化。作者提出MORA框架，用短期与长期两种视角重建同一局部目标，以重建差距衡量局部偏差是否有更广时间背景的支持，并保守地修正异常分数。实验在四个基准上显示其对非平稳性具有较强鲁棒性，同时保持对真实异常的敏感度。
说明上下文学习者何时应扩展其假设空间？
简介本文研究学习系统在预测失败时，何时值得转向更丰富的模型族。作者提出结构修正环境，区分噪声、例外、同族内变化与结构外变化等来源，并给出精确的贝叶斯计算与一次性决策的规范解。结果显示修正是价值边界而非证据阈值，在该环境中训练的 Transformer 仅凭效用即可复现该边界。
看点将假设空间扩展建模为有成本的序贯决策，给出精确贝叶斯与最优解并证明决策边界是价值边界而非证据阈值，新意明显；证据包括精确计算、训练的Transformer复现及语言模型对比。
说明无需分词的上下文偏置：面向无空格语言的深度自适应门控与读音空间匹配
简介该论文针对中文和日文等没有词边界的语言，提出一种无需训练、无需二次解码的上下文偏置解码器，基于字符级 Aho-Corasick 自动机，用于冻结的公开 CTC 语音识别模型。其通过深度自适应门控和读音空间匹配两种机制替代词边界。论文在 Aishell-1 NE 的困难子集上报告召回率为 66.5%，高于训练过的 CLAS 基线（64%），并在 WenetSpeech 和另一种架构上无需重新调参即可迁移。
说明基于大语言模型的无人机调度：系统级综述与分类
简介本文是一篇关于大语言模型（LLM）赋能无人机调度系统的综述。作者把LLM视为连接人类指令、外部求解器与分布式控制模块的跨层语义编排层，并将文献归纳为流水线、全局分配、去中心化智能体和分治四类调度范式。文中分析了各范式的决策逻辑、系统结构与LLM可承担的角色，并讨论了可扩展性、鲁棒性、协调负担和验证需求等问题。
说明BanglaRhet：孟加拉语政治演讲修辞与说服手法检测的经典模型与Transformer模型基准评测
简介本文针对孟加拉语政治演讲中的修辞与说服手法检测，构建了基准研究。研究使用人工标注的BanglaRhet语料（30,289个演讲片段），设置修辞手法和说服手法两项单标签分类任务，并比较了四种Transformer模型与经典TF-IDF基线。结果显示BanglaBERT表现最佳，宏平均F1分别为65.40%和66.46%，优于最佳经典基线。
说明用于二维碎片邻接预测的旋转不变切角描述子与带状U-Net
简介本文研究基于轮廓预测二维碎片两两相邻关系的方法，改进了Beaulac论文中的两阶段架构。作者用对轮廓窗口切角曲线的比较替代原有的图像窗口评分，使其对碎片旋转不变，并以带状U-Net同时分割共享弧段并完成分类。在合成数据上，该方法在所有测试配置中不劣于原方法，准确率达98%；在仅用合成数据训练的情况下，于PairingNet基准上AUC为0.93。
说明答案对了，州错了？衡量大语言模型在州政策回忆中的跨辖区替代现象
简介作者设计了一套固定问题、仅替换州名的测试，覆盖美国50个州和华盛顿特区，检验大语言模型回答州级医疗补助收入资格数值时，是否会给出其他州的现行数值。研究在预注册协议下，对Claude Sonnet 5.5与GPT-5.6 Sol进行测试，发现两模型分别在153项中有10项和25项出现可重复的跨州替代。作者同时指出，判断替代现象需要完整的同州参考数据集。
说明DSReg：无需重建即可证明性地恢复个体世界潜变量
简介本文提出DSReg（依赖-稀疏正则化），在无需重建、解码器或标签的条件下，证明可在结构多样性假设下恢复个体世界潜变量（至符号排列）。该方法可作为后处理施加于任何线性可识别的表示上，并声称得到首个能恢复全部世界潜变量的完全可识别JEPA。
