机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明容易预判、难以计算：边界依赖找到熵分块遗漏的计算结果
简介论文指出，字节级语言模型BLT按熵决定分块边界，会漏掉类型可预测但数值需要计算的位置（如数学解答中“=”后的数字）。在GSM8K的实验中，熵规则在这些计算结果处的正确率仅为19.0%，而在“=”后设边界可达51.8%，结合熵与无标签的边界依赖信号则为67.1%。论文还在不同规模的从头训练模型上观察到类似差距。
看点发现熵触发式字节分块对可预测类型但需计算数值的位置存在系统性盲区，并提出无标签的边界依赖信号，实验覆盖多规模模型并有配对显著性检验。
说明从稀疏表示到行为洞察：多模态抑郁评估
简介该论文提出BehavDep框架，用于多模态抑郁评估。它将多模态行为表示分解为稀疏潜在因子，并通过语义桥接将其与行为相关概念关联，以提升可解释性。该方法还在弱监督下学习视频级抑郁倾向分数，并汇总多个观测进行用户级评估。实验表明其整体评估性能最佳，并揭示了模态贡献和行为模式差异。
说明编译数据表：面向表格上下文学习的查询校准算子压缩
简介本文提出 QCOC，用于压缩表格上下文学习中的上下文示例。方法将示例的完整 KV 缓存一次性编译为紧凑记忆，供后续多个查询共享，并通过原型聚类和基于注意力查询向量的闭式校准来保持精度。在 64 个 OpenML-CC18 数据集上，其平均精度在压缩与检索方法中最高；将 8,192 个示例压缩为 512 个记忆槽时，缓存压缩比为 10.5 倍，在线推理速度明显快于全上下文推理。
说明电动滑板车骑行中酒驾状态检测，并控制误报率
简介本文提出一种在骑行过程中由车载传感器实时评估骑手是否醉酒的检测方法，证据累积到足够时即发出警报。该检测器基于惯性与油门数据，并给出误报率的可证明上界。在141次骑行的实验中，较高与较低血液酒精浓度的骑行分别有91%和50%被检出，中位检测时间分别为25秒和27秒，且嵌入式实现满足实时要求。
看点提出在骑行过程中基于惯性与油门数据、带误报率理论上界的酒驾检测器，并用141次骑行数据验证，新意较强、证据较充分，影响主要限于共享电动滑板车场景。
说明Skill-V：面向交互式智能体、可验证的自进化技能库
简介该论文提出 Skill-V，一种可验证的自进化技能库，把技能表示为可证伪的版本化契约，将语义意图与可观察的行为标准相连。系统以环境结果驱动库的演化：失败促使新增技能，契约评估与任务结果的不一致则指导修订已有技能的边界。在 ALFWorld 和 WebShop 上，Skill-V 分别取得 95.3% 和 85.9% 的成功率，同时保持比单纯增长型基线更紧凑的技能库。
说明DPPM：面向个性化语言模型的双路径参数化记忆
简介这篇论文针对语言模型跨会话个性化的问题，提出双路径参数化记忆方法 DPPM。其中证据路径汇聚交互历史的表示以保留早期证据，增量路径顺序更新关联状态以捕捉变化，两者融合后生成历史条件化的 LoRA 适配器。作者称在多个骨干模型上优于对比基线，并在 PersonaMem-v2 上达到 54.22%，在 PrefEval 上达到 86.79%。
说明RouterInterp：理解专家混合路由中的叠加式专精
简介论文指出稀疏专家混合（MoE）模型中每个专家并非只专精于单一领域，而是专精于一组互不相交的细粒度特征，并称之为叠加式专精假说（SSH）。基于该假说，作者提出RouterInterp方法，找出最能预测路由决策的稀疏自编码器特征，并生成统一的自然语言解释。在gpt-oss-20b上，该方法的检测准确率比基于词元统计的既有方法高约65%。
说明仅有安全行为不足以保障安全智能体：借助守护模型识别未履行的义务
简介该论文指出，守护模型除了识别智能体被禁止的行为外，还应识别其本应执行却未执行的安全关键动作，即“义务”。作者提出 ObligationBench 基准，包含 240 条经专家验证的轨迹，并开发了 ObligationGuard 模型。结果显示，多数被评估模型在识别义务方面表现有限，ObligationGuard 的召回率和精确匹配率均超过了所有被评估模型。
说明球对称分布的最优随机量化器
简介该论文研究在球对称分布下如何选取最优的随机量化器，用有限个点近似分布并使量化误差最小。作者证明在球对称分布类中的优化是凸问题，并给出判断全局最优的等价定理及构造算法。研究表明，在球面上均匀分布的随机量化器在中等样本量下表现优异，并给出期望失真的显式积分表达。
说明从视频片段到创作轨迹：面向 AI 原生视频创作的 Sora100K 数据集
简介该论文提出 Sora100K 数据集，把 AI 原生视频创作过程表示为结构化的创作轨迹，包括文生视频、单轮编辑和多轮编辑三部分。作者用视觉语言模型（VLM）为生成和编辑记录添加语义标注，并在 LTX-2 模型上做轻量适配来评估其监督价值。结果显示视觉质量、多镜头生成和跨镜头一致性有所提升，但遵循多轮编辑指令仍然困难。
说明窄而深：面向工业设备系统的LLM智能体本体“塔”
简介本文提出“本体塔”，即针对单一设备系统的窄而深本体，通过物理关系由实测量推导出的衍生量，以及将运行日志中的经验教训作为知识节点纳入，使知识不断深化。作者在一台真实的低湿度空气处理测试装置上，用九项任务进行预先登记的评估，结果显示该知识使智能体避免最易出现误判的比例提高约20个百分点。在安全约束层下的实时运行中，智能体在14次运行中有12次将受控变量带入目标范围。
说明同样的结果，不同的证据：大语言模型安全评估中的意图识别
简介该论文指出，大语言模型安全评估常用的攻击成功率（ASR）无法区分模型是识别并拒绝了有害任务，还是根本没有理解任务。作者提出与ASR配合使用的“操作性理解率”（UR），衡量回应是否既识别出被评估任务并将其视为需要回答的任务。实验显示，相近的ASR可能对应差异很大的理解率，且受控英文重构中理解率随提示更明确而提高，ASR却不遵循同样规律。
说明思维惯性：大模型被要求不思考时仍在思考
简介该论文研究大语言模型的“不思考”模式，指出仅靠关闭思考模式或指令无法可靠阻止模型输出显式推理。作者提出三项指标衡量不思考行为，并在六个模型、多类问题上测试六种提示干预。结果显示模型存在“思维惯性”，显式推理在严格控制下仍会出现，且在开放式问题中更常见。
说明RAGenome：将基于检索的基因组语言模型扩展到长上下文
简介该论文提出 RAGenome，这是首个基于检索的基因组语言模型，预训练上下文长度约为现有基于多序列比对（MSA）模型的 100 倍。模型在 100 种脊椎动物的全基因组比对数据上训练，可同时捕捉跨物种进化关系和物种内的长程相互作用。论文报告基因发现性能从 0.45 提升至 0.60，在致病变异优先排序等纯进化任务上仍保持竞争力。
说明Memory Forcing：面向流式视频生成的可关注中程历史记忆
简介自回归视频扩散模型能够在不对整段视频做双向计算的情况下进行因果式流式生成，但现有的少步模型通常只在固定大小的 KV 缓存中保留开头和最近的帧。一旦某个事件移出这一窗口，后续帧便无法再关注到它，作者将这一问题称为中程遗忘。论文提出 Memory Forcing，在不增加缓存大小的前提下保留这部分缺失的历史，并借助 Bank-aware RoPE 维持各记忆分区的可区分性。论文称该方法在较长视频上表现领先，并能在主体与场景离开后再返回时保持一致；同一设计还被扩展到 Wan2.2 5B 模型。
说明SR-TTA：面向抗干扰呼吸感知的空间冗余测试时自适应方法
简介本文研究在无蜂窝大规模MIMO基站上利用64天线通道感知呼吸。作者提出一种可学习的复数权重波束成形器，通过空间零陷抑制干扰，并用基于空间冗余一致性、带有带外频谱否决的无标签测试时自适应（SR-TTA）缩小与逐录音最优值之间的差距。在模拟带内干扰下，呼吸率误差从5.8降至0.8次/分钟；在真实测试台数据上，失败率从47%降至7%。
说明仅凭产出无法验证什么：面向研究智能体的研究契约
简介论文提出“研究契约”，把已声明的实验选择、运行义务和结论范围与执行记录绑定，用于判断AI生成的研究是否符合事先批准的约定，但这不等同于科学真伪。作者用八组自建的正常与篡改样本做诊断，确定性检查器检出了全部八处注册的篡改；让评审模型单独审阅时，144个篡改样本中有104个被标记缺陷，其余多为弃权或失败。作者强调这些结果并非评审器优劣或智能体奖励投机的比较结论。
说明DINO强制流模型：能预测的，就不要去去噪
简介该论文提出一种训练图像生成流匹配模型的新方法：先直接预测预训练表示（如DINO），再以模型自身的预测作为条件。该方法无需第二条常微分方程轨迹，也无需针对表示设计的去噪日程，同时保留表示引导的优势。论文报告其收敛明显更快，在ImageNet上以比既有方法少2倍的训练轮数超越潜空间中的最先进方法，在像素空间中FID比可比方法提升超过20%。
说明草稿树在哪里丢失目标概率质量：退出引导的推测解码
简介本文研究基于树结构的推测解码，即在一次目标模型前向中验证多条草稿续写。作者提出退出律（exit law）视角，证明目标覆盖度可约束精确路径验证器的期望输出块长度，并据此提出无需额外草稿验证的精确验证方法TEV及草稿树训练方法ExitTrain。实验显示，ExitTrain使平均输出块长度提高13%，TEV使验证阶段延迟降低15%，端到端相对DDTree加速14%。
说明DEX：面向节能 MSDF 神经网络推理的数字级提前退出方法
简介本文提出一种基于最高有效位优先（MSDF）运算的加速器，用于量化 U-Net 脑肿瘤分割推理。它在输出数字流上运行四种机制：ReLU 层中的精确负值提前检测、分割头中的精确符号判定，以及两种经离线校准、在精度约束下选定的低位跳过和剪枝。在 BraTS 数据集上，这些机制使数字周期减少 38.38%，73 个测试病例的平均 Dice 为 80.58%，浮点模型为 81.20%。
说明基于跨步注意力的流式感知扩散模型，用于实时视频超分辨率
简介论文提出一种流式感知框架，将预训练的单图潜在扩散模型改造为高效视频超分辨率方法。其核心是跨步注意力机制，在相邻帧和扩散步之间复用中间去噪特征，实现时序信息交换；并引入轨迹耦合扩散调度以提升时序一致性。作者报告，在 REDS4 和 YouHQ40-Test 上画质和时序真实感有所提升，512×512 分辨率下冷启动后可超过 40 FPS。
说明球与盒：叠加态计算的两种几何
简介神经网络表示可以在维度较少的空间中编码多于维度数量的特征，这种现象称为叠加（superposition）。本文研究用阈值层从此类表示计算布尔门所需的维度，给出两种误差准则下的尖锐维度阈值。结果显示，期望错误数趋近于零所需的维度，可能少于每个输出都高概率正确所需的维度，原因在于共享读出使罕见情形会同时产生多个错误。
说明TraceRelay：基于滚动轨迹、与注意力对齐的循环架构
简介论文提出 TraceRelay，一种把持久表示分布在低维滚动轨迹序列上的注意力对齐循环架构。作者在 Equal Repeats、Dyck 闭合类型预测和因果 Most-Freq 生成三类任务上用小模型进行了 36 组实验。结果显示，带循环相位继承的模型在训练长度 256 时准确率达 98.81%–99.69%，而未继承的模型仅为 50.73%–51.63%；超出训练长度后准确率急剧下降。
说明形态学神经网络的相关性训练：一种受乘法权重更新启发的新权重更新方法
简介论文指出形态学神经网络的权重雅可比矩阵稀疏，传统反向传播训练可能效果不佳。作者提出受乘法权重更新（MWU）启发的新方法，将每个形态学感知器视为对数空间中的专家建议学习问题，并用基于相关性的奖励来更新权重。在九个基准测试中，该方法在八个上取得提升，最多提高32.84个百分点，同时明显降低了多次运行之间的波动。
说明基于广义拉普拉斯主动子空间的可扩展神经网络不确定性量化
简介本文针对神经网络的不确定性量化，提出一种低秩广义拉普拉斯近似方法，在由数据信息确定的少量曲率方向上构造局部高斯后验。作者比较了标准贝叶斯缩放与均值损失缩放两种后验尺度，发现均值损失缩放能得到更稳定、维度更低的主动子空间，并给出校准良好且连贯的预测置信区间。
说明发现并修正贝叶斯PINN中的对撞偏差
简介贝叶斯物理信息神经网络（B-PINN）常用于从稀疏或含噪观测中推断参数，但其对撞结构设定可能使物理参数的后验分布产生系统性偏差，即使先验中心位于真实参数附近，后验也可能偏离真值。作者提出分层链式模型作为改进，并通过粒子MCMC精确采样后验。实验验证了预测的偏差，并表明链式模型能够避免该偏差。
说明面向视频生成提示词增强器的统一评估：PEBench 基准
简介提示词增强器（PE）可把简短指令或多模态参考转为结构化的镜头规划，供视频生成模型使用。本文提出 PEBench，首个直接评估 PE 的统一基准，涵盖文生视频、图生视频和参考生视频，含 1,100 个专家核验案例与 1,005 个视觉素材，共 35 类任务。作者还设计了基于证据与 24 项准则的评估框架，并对开源与闭源方法作了系统评测，人工验证显示其评分与专家判断高度一致。
说明Φsat-2卫星上的海洋异常检测：从仿真开发到在轨验证
简介本文介绍在欧洲航天局Φsat-2任务卫星上部署的轻量级海洋异常检测流程，即在卫星上直接处理图像以发现海面异常。该流程包括海域分割、海洋区域的自监督特征编码、基于偏离正常海况的通用异常检测，以及对特定异常类型的可选表征。发射前，团队使用模拟图像进行训练与验证；在轨早期实验发现模拟数据与真实数据存在明显差异，于是用真实一级图像及改进的标注策略重新训练，性能显著提升。
说明Timer-M1：基于基本模式学习的多变量时间序列基础模型
简介论文提出 Timer-M1，一个用于零样本预测的多变量时间序列预训练基础模型。作者设计了基于基本模式（时间与关系模式）的数据合成与预训练流程，并采用门控二维 Transformer 模块动态分配跨变量注意力。在三个大规模预测基准上，Timer-M1 在 FEV 和 TIME 上排名第一，在 GIFT-Eval 上排名第二。
说明MemTrial：学习何时信任 LLM 投资组合智能体的记忆
简介该论文提出 MemTrial，一种用于投资组合管理的大语言模型智能体。它通过对比有无某条经验的决策草稿，衡量经验的真实作用，并用分层贝叶斯模型汇总这些信用，仅在其预测未见日期后才采用，否则保守地以 1/N 等权组合为参照。在四个基准测试中，该方法在已知经验质量的半合成基准上表现最佳，并把相对 1/N 的损失控制在较小范围内。
看点用Banzhaf值与分数因子设计对经验做因果式信用分配，并以层次贝叶斯收缩控制噪声，思路有新意；在四个基准上验证，证据较充分。
说明谱权重衰减：在神经网络权重中诱导低秩结构
简介论文提出谱权重衰减，在每次优化步后以加性的核范数更新对权重矩阵的谱进行收缩，而标准权重衰减将权重视为向量处理。在124M至500M参数的LLaMA模型上，该方法降低了有效秩，并在验证损失相当时提升了SVD-LLM压缩效果。在500M模型、4%失真预算下，压缩比为1.89倍，GPU推理加速1.18倍；标准权重衰减分别为1.14倍和1.01倍。
说明MAP4CS：面向高效代码检索器微调的多维数据剪枝框架
简介这篇论文提出 MAP4CS，一种自适应数据剪枝框架，用于微调代码检索器。它结合语法结构、语义多样性和分布表示筛选出小而高质量的训练子集，并经过基于规则的过滤。在两个大规模数据集上的实验显示，仅用5%训练数据，其表现优于随机采样，并可与全量数据微调相当甚至更好。
说明在多模态歧义下纠正性别化经济梗图推理中的过度推断
简介该论文研究图文梗图中与性别相关的经济依赖关系，指出模型在证据不足时容易过度推断经济角色，从而产生偏见。作者提出 CGER-Net 框架，先判断输入是否提供足够证据，证据充分时给出归属，否则选择弃权。在 EconMeme-GE 数据集上，该方法在模糊样本上将性别过度推断率降低最多 44%，同时在明确样本上保持相近准确率。
说明MultiWorldBench：独立控制的多个视角是否描述同一个共享世界？
简介该论文提出 MultiWorldBench，一个基于 Minecraft 的诊断基准，包含 495 个案例配置，涵盖七类任务套件和十项能力，用于检验多人世界模型各视角能否保持与同一共享、持久世界一致。作者以 Engine GT 为参照评测了 Solaris (MP)、Gamma-World 和 Solaris (SP)，结果显示生成系统与 Engine GT（91.69 分）之间存在明显差距，其中 Gamma-World 十项能力平均分最高，为 21.39。
说明用于语义物理现实的四阶张量注意力模型
简介本文提出一种四阶张量注意力模型，用于预测场景的下一个语义状态，可服务于视频生成和机器人规划。模型在 ROCStories 上训练，以下一句预测作为语义层任务进行测试。在验证集上，该模型的末句交叉熵低于一维自由运行 Transformer 基线，并且训练耗时更短。
说明Internalizer：面向超大语言模型的可移植“上下文到参数”映射
简介该论文提出 Internalizer，一种超网络，可将文档内容直接映射为 LoRA 适配器，使大模型把上下文内化到参数中。它为冻结的 2840 亿参数 DeepSeek v4 Flash 生成文档专属适配器，目标模型规模比以往工作大两个数量级。在未见过的至多 4096 个词元文档上，生成的适配器在教师强制下的 top-1 与 top-5 准确率分别为 84.9% 和 97.8%，基础模型为 63.4% 和 83.5%。
说明DeltaReplay：面向移动图形界面智能体的任务相关记忆复用
简介该论文提出 DeltaReplay，一种步骤级记忆复用框架，用于记忆增强的移动图形界面智能体。它把成功执行的轨迹存为转移图中的路径，并把每一步操作拆分为与任务无关的操作和任务特定参数，在执行时逐步判断直接沿用、替换参数后执行，或交由基础智能体处理。在 AndroidWorld 和 SPA-Bench 上，该方法相比同一骨干的基础智能体，任务成功率分别最多提高 10.3 和 25.0 个百分点。
说明光照先验能否帮助换脸检测？关于时序自混合图像的对照研究
简介自混合图像常用于训练换脸检测器，但主要捕捉混合痕迹。本文研究加入光照不一致是否能改善检测：时序自混合图像（T-SBI）在同一视频的相邻帧之间迁移光照统计量，并以亮度差（ΔL）控制不匹配程度。实验在四个数据集上未发现光照相关的明确改进，AUC差异仍在随机种子波动范围内；但T-SBI会显著改变预测分数，使最佳阈值发生变化，在固定阈值下比较可能产生误导。另外，T-SBI提升了对DFDC数据集上重度JPEG压缩的鲁棒性。
说明合成血管预测表征中的干预锚定与科学验证
简介论文指出，完整的正交预测坐标本身并不能把潜在方向与具体干预对应起来，作者用合成数值审计方法检验这一问题。结果显示，预测结果可以完全相同，但仅靠锚定干预的观察者只能解释已知扰动特征张成范围内的方向；坐标迁移消除了编辑误差，并区分了预测一致性、语义支持与科学接受度。该工作仅为合成数值审计，并非临床验证。
说明无监督机器学习的目标是什么？
简介本文认为无监督学习与监督学习、强化学习不同，是一个内部差异较大的领域，难以只用一个目标来定义。作者归纳出四种目标：估计数据分布、生成新的数据点、为下游任务提取特征，以及理解数据。
说明面向智能序贯决策的三维表征框架
简介本文提出一个三维表征框架，从马尔可夫决策过程形式化、人工先验设计的自主程度，以及技能与计算成本三个维度分析AI方法。作者以汉诺塔为可控基准，比较了基于图、强化学习和大语言模型的代表性方法。结果显示，基于大语言模型的方法因动作空间约束较弱，复杂度转移到推理阶段的验证上，内存和运行时间成本明显高于Neurosolver和FBRL。
说明用序列标注完成依存图解析的结构化情感分析
简介本文研究结构化情感分析，目标是得到细粒度的情感图，其中节点为情感持有者、目标和表达的文本片段，边表示它们之间的关系。作者把该任务视为依存图解析，但不采用传统解析方法，而是通过序列标注求解：利用线性化图编码，为输入中的每个词分配一个标签，从而捕捉依存图结构。在涵盖英语、西班牙语、挪威语、巴斯克语和加泰罗尼亚语的七个数据集上的实验显示，其性能与领先的、更复杂的单模型方法相当。
说明阐明酶促反应空间：统一基准与预训练模型
简介本文指出，酶促反应同时取决于分子结构与催化功能，并将其表述为连接反应物、产物与EC编号的反应空间学习问题。作者提出统一基准VenusRX-Bench，涵盖正向反应预测、单步逆合成和EC编号预测，并开发了T5式序列到序列模型VenusRX。论文称该模型在多数评估设置中取得最佳或具竞争力的表现，且EC信息与反应表示之间存在双向关系。
说明Jev 能否在强化学习中充当 Q 函数或策略？
简介本文研究 Jev 这一决策模型能否在强化学习中发挥作用。Jev 不逐词生成内容，而是单次前向传播即可返回校准过的类型化答案。作者分析了强化学习各组成部分对答案的要求，并设计算法让 Jev 分别充当参考策略、探索评判者和回放评分者。在九个 MiniGrid 任务和三个 Atari 游戏上，使用 Jev 的训练效果优于标准强化学习学习器，而 Jev 本身保持未训练状态。
说明图模型冲突解决中的认知扰动：状态保持行动、四值评估，以及能力与意图的区分
简介本文在图模型冲突解决（GMCR）中引入“状态保持行动”，如公告、演习、泄露和选择性披露，这些行动不改变物理状态，却会改变其他决策者对可行走法及他人意图的认知。作者借助四值扩展区分支持与反对的证据，分析了证据如何影响稳定性判断。文中还区分了能力评估与意图评估的不同影响，并以1995年DVD格式谈判为例说明序贯稳定性的作用。
说明HI3D 3.0（Twinkle3D）：面向特定物体的高分辨率三维资产生成
简介该论文提出 HI3D 3.0 图像到三维生成系统，其几何模型 Twinkle3D 可生成分辨率为 2048³ 的水密三角网格，目标是还原输入图像中物体本身的特定几何特征，如铭文和品牌标识。论文通过改进表面质量、扩展扩散生成规模、强化初始生成阶段以及引入图像与三维的跨模态交互机制来提升保真度。作者报告其在所列指标上优于四个商用系统，铭文字符召回率为 82.1%，精确率为 98.2%。
说明面向换脸检测的相机噪声残差：冗余而非互补，原因何在
简介该论文在FaceForensics++数据集上检验相机噪声指纹（Noiseprint++）残差能否为RGB Xception骨干网络提供互补信息，用于换脸检测。消融实验显示，融合并未优于仅用RGB，单独的残差分支接近随机水平。作者进一步发现噪声图含有判别信号，但主要体现在统计矩中，而噪声分支输入处的InstanceNorm层会抹去这些信息，使交叉验证AUC从0.747降至0.554。论文由此认为，在该操纵分布下噪声残差与RGB信息冗余，而非互补。
说明TRACE：诊断智能体评估中验证器的脆弱性
简介该论文提出 TRACE 协议，用于检验智能体评分变化究竟来自智能体能力还是评估方式本身。作者通过对照实验（含合成任务与 τ²-bench 公开任务）发现，仅改名工具或改变输出格式就可能显著改变分数，而单次重跑也会翻转 15%至36% 的任务结果。两个前沿大模型裁判对同一轨迹的判定也有57%的分歧。
说明VESSI：面向监控与侦查的视觉语言模型增强框架
简介本文提出VESSI，一个基于视觉语言模型（VLM）的框架，通过提示驱动的方式对视频片段进行询问，将显著视觉特征转化为文字描述，以辅助自动化视频监控分析。作者测试了四个先进模型，并提出复合模型效用评分（CMUS）用于评估VLM表现。据摘要，最可靠的模型在超过66%的视频中标记了可能相关的活动，同时审查时间减少超过85%。
说明扩散模型记忆的早期信号：基于吸引盆几何与循环去噪
简介本文研究扩散模型在生成训练样本副本之前，其学习到的能量景观几何中已出现记忆迹象，作者称之为“潜在记忆”。通过得分散度和吸引盆体积，作者发现训练样本周围形成局部吸引盆，并在首个记忆样本出现前与保留样本区分开来。作者还提出循环去噪方法探测这些吸引盆，在CelebA与CIFAR-10等数据上验证了其有效性。
看点提出潜在记忆概念并用能量景观几何与循环去噪探测，结合理论证明与CelebA、CIFAR-10及Stable Diffusion实验验证，新意与证据较扎实。
说明面向整体性语音伴随手势生成的感知与语义感知评测
简介本文提出一个结合感知验证与语义评估的基准，用于评测语音伴随手势生成模型。作者整理了13项客观指标，并提出语义手势保持度（SGP），用多模态大模型标注BEAT2数据集来衡量生成手势对真实语义手势的保留程度。101名参与者对生成结果进行了五个维度的主观评分，结果显示SGP与语音相关的主观判断有显著对应关系，而语义得分（SC）则没有，同时组合指标比单一指标更贴近人类判断。
说明σTransfer：在μP下把不确定性从小网络迁移到大网络
简介该论文针对拉普拉斯近似中先验精度难以选择的问题，在最大更新参数化（μP）下推导先验协方差的重新缩放方法，使所选精度随模型宽度增长保持稳定。作者提出σTransfer：在较小模型上选定精度，再零样本迁移到大模型，无需在大模型上搜索。论文在回归、图像分类和Transformer读出层上验证了该方法，并给出收敛条件。
说明自回归检索器：利用条目反馈改进通用多模态检索的查询理解
简介该论文提出自回归检索器（ARR），一种通用多模态检索模型。它先检索条目，再用条目内容更新查询嵌入，最后用更新后的嵌入对候选集排序。模型通过分步对比监督微调和以最终倒数排名为奖励的强化学习来学习选择有用的反馈条目，并在域内与零样本基准上取得较好的平均表现。
说明Evi-VN：面向图神经网络欺诈检测的困难区域引导虚拟节点证据注入方法
简介该论文针对在线平台中伪装成正常用户的机器人、虚假评论者和诈骗账号，指出多种图神经网络在同一批困难样本上会共同出错，提示图结构和常规特征未能捕捉到的潜在欺诈证据。作者提出Evi-VN框架，利用特征隔离的证据链连接结构化、文本、图像和音频等多源信息，仅对可能的困难样本通过虚拟类别节点注入证据以修正错误。实验覆盖机器人、虚假评论、退款证据和电信诈骗等任务，结果用于验证该方法的效果。
说明基于约束指令条件强化学习与老虎机策略选择的实时战略游戏智能体
简介该论文针对实时战略游戏 MicroRTS 提出一种分层方法：上层由 Thompson 采样老虎机根据对手行为的观察估计选择策略指令，下层是带约束的指令条件 PPO 策略，负责执行单位级动作。在相同架构、预算、课程和自我对弈联盟的对照实验中，该系统在训练地图上对四个最强对手中的三个胜率显著更高，包括两个最强的留出对手。对其余对手无显著差异。
说明拉马克驾驶学校：通过进化竞争发现自动驾驶训练策略
简介本文提出一种拉马克进化框架，用候选场景分布之间的竞争取代依赖真实性、难度或风险等代理指标的训练场景选择方法。外层用达尔文式交叉、变异和选择探索场景分布，内层学习策略并通过拉马克式继承把能力传递到后续阶段。实验显示，完整框架相比基线最多减少25.07%的性能损失，简化版策略也减少19.13%。
说明DIAL-OPD：在线策略蒸馏中用更少的词元学到更多
简介该论文研究在线策略蒸馏（OPD）中的词元选择问题，发现只用部分词元训练有时效果优于使用全部词元。作者提出DIAL-OPD方法，结合教师与学生的对数概率差和概率的对数均值来给词元打分，并只保留得分最高的词元。在4组教师-学生模型和7个数学推理基准上，仅保留40%词元的DIAL-OPD优于原始OPD及其全词元变体。
说明DisFace3DNet：基于3D组件解耦的可解释面部吸引力预测
简介该论文提出DisFace3DNet，利用3D组件解耦，在仅有整体评分和弱语义辅助监督、无人工标注组件目标的条件下，学习七个组件参考分数，并通过受约束的拟合将其合成为整体评分，从而展示各组件的数值贡献。在SCUT-FBP5500数据集上，模型与人类平均评分的皮尔逊相关系数为0.8904±0.0063（五折）。论文指出，皮肤、头发和面部形状是组件层面预测变化最大的因素，人工评估支持面部形状、皮肤和头发的评分方向，但表情方面的一致性较弱。
说明自进化 Harness 遇到瓶颈：何时应当开始训练权重
简介论文研究如何改进长时程 LLM 智能体：要么演化包裹冻结模型的运行时框架（harness），要么训练模型权重。作者依据失败轨迹的组成判断应选哪种手段：流程性失败由框架修复，其所体现的行为可训练进权重，而内容性失败则需要训练权重解决。实验在 DeepPlanning 等基准上进行，LoRA 适配器可内化框架带来的提升。
看点提出以失败构成诊断选择改进杠杆（harness 或权重）的规则，并结合自进化 harness 与 LoRA 适配器做系统验证，新颖且实验较充分。
说明Tabula Rasa：用蒙特卡洛方法估计具有可控时空相关性的单位方差噪声
简介该论文提出一种生成时变高斯噪声的方法，可控制噪声的方差和时间相关性，这种噪声用于时间控制与时间一致性相关的下游任务。方法的核心是把问题表述为对像素重建和方差估计的联合蒙特卡洛估计，并借用数据库领域的“草图”（sketching）概念。作者称，该方法能以比以往方法更简洁、更快速的代码实现下游任务的时间控制。
说明动态视听导航的两阶段多模态学习：从物理对齐到场景聚合
简介该论文研究移动声源下的具身视听导航问题，即智能体需同时利用视觉与听觉线索定位动态目标。作者提出两阶段框架：物理对齐阶段用强度校准几何编码器将声音强度与视觉几何对齐；场景聚合阶段用基于Transformer的跨模态场景聚合器整合多模态特征。实验在Replica和Matterport3D上进行，据称取得了当前最优的成功率，并提升了对未听过声音类别的泛化能力。
说明面向专业知识自适应定性访谈的可溯证动态访谈者架构（基于本地大语言模型）
简介本文提出一种基于本地部署大语言模型的动态访谈者架构，可在整个访谈过程中根据受访者的回答和上下文持续调整问题深度。系统实时评估受访者的专业水平，生成合适的问题与过渡语句。研究邀请246名参与者进行评估，专业水平评估模块与参与者自报专业水平的一致率为78.9%（加权Cohen's κ为0.80），参与者对相关性、投入度和满意度的评分均较高。
说明SkillContrast：基于差异的智能体技能重排序文本选择方法
简介相似的智能体技能常共享相同指令，但使用条件不同。SkillContrast 是一种无需训练的选择器，通过比较检索到的技能，保留它们之间不同的文本及其局部上下文，供预训练的重排序模型使用。在 SameCapRisk-Bench 的 1,235 个请求上，在相同输入长度下，其干净命中数比基于 TF-IDF 的查询选择多 54 至 72 个，并且相较完整技能正文减少 51.1% 至 58.8% 的模型输入令牌。
说明《同时安装的技能太多：编码代理中的技能冲突》：研究编码代理中同时安装的相似技能如何相互冲突
简介论文研究编码代理（coding agents）中同时安装的技能（skills）之间的冲突。当两个功能相似的技能同时存在时，模型只能依据名称和描述来选择，结果可能跳过原本技能的核心功能，而任务仍然通过，因此只看任务完成率的基准测试难以发现问题。作者基于20,947个代码仓库的快照，并在三种模型上运行312组已确认的相似技能对进行实验，结果显示冲突很常见。
看点首次系统研究编码代理中共装技能的冲突，基于20,947仓库和6,368次运行的大规模实证，并验证了前置钩子的修复效果，影响面广。
说明面向德语语音识别的音系信息分词方法：跨领域研究
简介本文比较了三类分词器用于德语端到端语音识别：多语言字符集、基于拼写的字节对编码（BPE），以及基于音节切分与字素到音素转换的音系信息单元。在40次微调实验中，三类分词器在领域内测试上表现相当；在方言和口语等领域迁移场景下，小词表时音节感知分词表现更好，但声学编码器主导了错误模式。
说明CacheScope：面向免训练扩散模型加速的精确计算分配方法
简介该论文研究免训练的特征复用加速扩散 Transformer 推理的问题。作者发现，一旦采用稳定的一阶重建器，增加重建复杂度收益有限，而精确计算步骤的位置对保真度影响更大。论文提出 CacheScope，通过用输入轨迹位移对浅层探针输出变化进行归一化来在线识别高风险复用步骤，并在这些步骤上退回完整计算，无需额外训练。论文报告在 FLUX.1-dev、Wan2.1-T2V-1.3B 和 Open-Sora 1.2 上最高实现 3.57 倍加速，并使中位 LPIPS 最多降低 70.1%。
说明重新审视手工细节点检测：面向现代指纹流程的简单有效开源基线
简介本文提出SBMEX（基于骨架的细节点提取），一种快速、确定性的指纹细节点检测方法，集成于开源包pyfing中。它采用双查找表结构加速交叉数计算与骨架追踪，并结合基于追踪路径长度、脊谷骨架融合和空间密度衰减的连续质量评分。在NIST SD302数据集上的评估显示，其特征提取精度与传统开源基线相当或更优，且无需微调，检测耗时相比经典的交叉数Python实现大幅降低。
说明UXBench Pro：面向多轮对话的个性化用户体验基准测试
简介论文提出 UXBench Pro，包含 1000 个测试实例，源自 12 类任务场景和 82 个领域的真实用户交互，每个实例配有以七个行为维度刻画的用户画像。研究结合个性化用户奖励模型的第三方评判与可进行多轮交互的用户模拟器 Sim4Eval 的第一人称评估，并提出 URMBench 和 USimBench 两个元基准以检验评估器的可靠性。论文报告了七项主要发现，强调用户建模与多视角评估的重要性。
说明用于机器人控制的时序模式识别与动态手臂手势速度估计神经网络
简介本文系统比较了18种神经网络架构在10个抽象时序任务上的表现，并筛选出BiGRU、TCN、Conv1D和GRUReLU四种表现稳定的紧凑模型。随后，研究将其中三种模型用于估计动态手臂手势的执行速度，数据来自OpenPose提取的骨骼关键点序列。最佳配置在峰值计数指标上的平均绝对误差为0.198，相对误差约5%。
说明持续机器遗忘的极小极大高斯机制：面向连续删除请求的模型更新隐私方法
简介该论文研究机器遗忘：在删除训练记录后更新已训练模型，力求接近完整重训练的结果而无需重复整个训练过程。作者为牛顿更新设计了高斯机制，利用高斯差分隐私及其自适应组合规则证明，发布的整个模型序列在统计上难以与精确重训练区分。文中还给出了误差与噪声方差的界，并对独立噪声与随机游走噪声等方案的最坏情况噪声方差进行了分析，同时通过模拟与信用违约数据分析进行了评估。
说明超越动作熵：面向基因组尺度代谢模型修复的商空间探索
简介该论文研究如何依据功能观测修复基因组尺度代谢模型（GEM）。作者提出QuotientPO方法，把等价的修复方案合并为规范化机制，并直接在这个商空间中进行探索；同时设计了核化Rényi估计器，以区分不同修复核心之间的拥挤程度。在2,212个保留的GEM上，Success@32由17.93%提升至20.10%（相对提高12.1%），并在相同采样预算下增加了成功修复核心的多样性发现。
说明构建结构化决策来源以用于基于共识的伪标签学习
简介这篇论文研究如何让多个预测器提供真正不同的证据，从而提高基于共识的伪标签学习的可靠性。方法是通过控制类内结构的变化（如中心粒度和邻域混合）构建决策来源，检验其稳定性，并利用节点对共同分配选择互补子集。在 Cora、CiteSeer 和 PubMed 上，构建的来源使固定预算下的训练伪标签精度比三个常规初始化的 GCN 来源提高了 1.19 至 4.39 个百分点，说明来源构建比单纯增加模型数量更重要。
说明在哪里微调更重要：面向能力保持的分层选择性微调
简介该论文关注大语言模型参数高效微调时的能力遗失问题。作者发现微调不同Transformer层对目标任务的提升和通用能力的损失程度不同，并用逐层经验Fisher信息衡量敏感性，再以输入输出余弦相似度作为轻量代理指标。基于此提出只在低相似度层放置LoRA适配器的LS-LoRA，在数学推理和代码生成任务上提升了目标任务平均表现，同时比全层LoRA更好地保留了常识推理能力。
说明面向无模型策略梯度平均场控制的随机传输映射方法
简介本文提出一种用于离散时间平均场控制的无模型策略梯度方法 Transport REINFORCE。标准 REINFORCE 估计器只考虑策略对控制动力学的影响，而忽略其通过种群分布产生的作用；该方法通过对种群分布做随机扰动来估计这部分缺失的平均场贡献。论文在有限状态与连续状态空间中分别给出实现，证明了扰动目标与梯度的一致性，并推导了样本梯度估计量的偏差与均方误差界。数值实验显示其优于标准 REINFORCE。
说明TAM：面向高效时空预测的任务感知记忆蒸馏
简介该论文提出TAM框架，把冻结的教师模型知识组织成有界、可检索的历史记忆，用于时空预测中的知识蒸馏。学生模型据此匹配教师在共享参考上的相似度分布，或回归与观测相关的残差原型。TAM仅在训练时使用，不增加学生模型的推理开销。在视频预测、天气预报和交通流预测上，相对对应的KD基线，TAM在多数数据集上提升了SSIM并降低了MSE。
说明AgentEvolver：通过执行任务实现全系统自我进化
简介本文提出AgentEvolver系统，在基础模型保持不变的情况下，让智能体在执行任务的过程中发展可复用的能力。系统对八类实体（操作、方法、智能体、控制流、接口等）进行统一的版本化管理与修订。在SWE-bench Pro Public上，论文报告进化后的解决率为82.08%，高于其未进化的基线；六个应用案例显示保留下来的能力被用于后续工作，但也记录了未完成的目标和失败的策略。
说明PointVGGT：基于视觉几何基础模型先验的零样本多视角RGB-D点云配准
简介本文提出PointVGGT，用于无序RGB-D扫描的多视角点云配准，目标是估计全局刚体位姿并统一到度量一致的坐标系。方法以视觉几何基础模型（如VGGT）为骨干，先将其尺度不确定的位姿预测与度量深度对齐得到全局位姿，再通过体素空间哈希获取密集对应并用IRLS鲁棒光束法平差进行精化。论文称该方法无需训练即可在室内、物体及室外数据集上取得较好的配准精度与效率。
说明超越报告模仿：基于可见证据、具临床意识的多图超声报告生成
简介论文指出，多张超声图像生成报告需要整合各切面的证据，但存档关键帧只覆盖部分动态检查过程，直接模仿原始报告与视觉监督不一致。作者提出CAMEO框架，分三阶段训练：视觉语言基础学习、跨视图证据对齐，以及基于临床错误偏好对的对齐。在主要基准USReport-Distilled上，相比EchoVLM，BLEU-1、ROUGE-1、METEOR和ClinicalScore均有提升。
说明跨视角地理定位的结构与语义协同学习（S$^3$Geo）
简介该论文提出 S$^3$Geo 框架，用于跨视角地理定位，即匹配无人机与卫星等不同视角拍摄的图像以估计地理位置。方法结合解耦查询池化模块提取区域结构特征，以基于最优传输的查询级对比学习建立软对应，并从冻结的 CLIP 教师模型蒸馏语义先验。作者称其在 University-1652 与 SUES-200 数据集上优于现有方法，且不增加推理复杂度。
说明NanoProof：Lean 4 中开放高效的自动定理证明系统
简介本文提出 NanoProof，据作者所述是首个训练数据、提取工具、训练流程和模型权重全部公开、可用开源资源端到端复现的 Lean 4 分解式执行引导定理证明器。作者发布了结构化证明树数据集及在 Lean 4 形式化验证器中进行程序化交互与数据提取的工具。在 MiniF2F-Test 上 NanoProof 达到 50.8% 的 pass@16，文中称其计算开销远低于同类系统 HyperTree Proof Search 与 ABEL，也远低于 AlphaProof。
说明面向基于大语言模型的多智能体系统故障归因的错误传播建模
简介本文针对基于大语言模型的多智能体系统，提出一种名为EMFA的错误传播建模方法，用于定位导致任务失败的关键错误（即某个智能体在某一步骤上的错误，纠正后可使执行成功）。方法构建失败轨迹的结构化表示，建模级联传播与持续交互循环，并通过传播感知的候选筛选和反事实验证来确定关键的智能体-步骤组合。在Who&When基准上，该方法在步骤级归因准确率上达到当前最优，在智能体级别上保持竞争力。
说明大语言模型版本更迭削弱人工智能辅助科研写作的筛查效果
简介研究者用4000篇ChatGPT出现之前的PNAS摘要，与23个大语言模型版本（2023年6月至2026年8月发布）改写的版本配对，测试检测器在模型更迭下的表现。结果显示，仅用旧版本训练的检测器在代际交界处可能失效：校准到误判1%人工摘要时，对交界前改写的识别率超过99%，交界后仅3.8%。作者认为，检测器的基准准确率只能视为暂时性的，需随每次模型发布（包括早期版本）重新验证。
看点首次量化LLM版本更替对学术文本检测器的影响，用23个版本、4000篇摘要做系统实验，发现检测器在代际边界上失效，对research-integrity政策有直接意义。
说明面向编码代理的可运行提交解缠
简介编码代理生成的补丁常混杂多种开发目的，难以审查和维护，提交解缠可将其拆分为有序的小提交。本文提出RucTangle方法，在每次提交后保持代码可运行；并提出TangleEval评估框架，量化解缠后的提交历史如何帮助编码代理修复缺陷。在131个代理生成的补丁上，RucTangle得到的历史均可运行，而基线方法有20.6%至37.4%不可运行。引入其历史后，两个编码代理的pass@1绝对提升5.2%。
看点提出首个保证每次提交后代码可运行的智能体解缠方法，并设计评估框架量化其对修复回归的帮助，实验覆盖131与453个补丁。
说明用 Prolog 检验语言模型的长程演绎推理能力
简介该论文研究大语言模型在长上下文中能否进行超越简单检索的深度推理，聚焦以 Prolog 表达的演绎逻辑。作者构建了合成测试集 ProloNg，系统地改变问题的推理深度，最难的情形推理深度为 22、上下文长度为 6.2 万。论文评估了五个前沿大模型家族的 8 个推理模型，发现随着推理深度增加，性能明显下降，多数模型在深度超过 10 后接近随机水平。
说明超越平均值衡量文化契合度：评估印度语境下孕产健康大语言模型互动的框架
简介该研究提出MH-INDIC框架，用于评估北印度城市及半城市地区孕产健康互动的文化契合度，涵盖十个孕产健康推理维度。研究通过向102名孕妇及产后女性发放26题问卷，评估了十个大语言模型。结果显示，部分模型接近人群整体分布，但所有模型在不同人口与家庭特征间的变化明显小于真实人群，即整体契合与按个人特征调整的敏感性之间存在差距。
说明将英文质量分类器改造为多语言LLM预训练数据筛选工具
简介本文提出一种多语言适配方法，把现有英文质量分类器转为可用于100多种语言的版本。做法是在Transformer编码器嵌入之上训练一个小型多层感知机，输入为多语言文本，标签来自英文分类器对机器翻译文本的打分。1B、3B、8B规模实验显示，该方法在下游基准上保持了现有多语言模型筛选方法的表现，且未损害地域与文化知识基准。
说明条件独立性检验中的嵌入偏差：用文本或图像的嵌入代替原始变量做检验时可能出错
简介该论文研究用嵌入表示替代原始文本或图像来做条件独立性检验时的偏差问题。作者指出，只要嵌入丢失的信息与X、Y存在某种相关性，零假设下的拒绝概率可能趋近于一。文中提出一种稳健检验，在声明的容忍度范围内保持近似显著性水平，并在合成数据和文本嵌入上得到验证。
说明SDPAD：一种全脉冲驱动的端到端自动驾驶规划流水线
简介该论文提出SDPAD，一个完全基于脉冲神经网络（SNN）的端到端自动驾驶轨迹规划流水线，通过量化ANN到SNN转换，将多视角图像提升到鸟瞰图空间并进行规划。在nuScenes开环测试中，其平均L2误差为0.40米，碰撞率为0.12%，能耗为69.9 mJ，不到近期ANN基线的2%；在NAVSIM闭环测试中得分86.3 PDMS，高于此前的SNN规划器SAD。
看点提出首个全脉冲驱动端到端规划流水线，在nuScenes与NAVSIM上以极低能耗接近ANN规划器，证据较充分，影响面限于自动驾驶的边缘部署。
说明面向物理感知高速公路轨迹预测的不确定性感知优化
简介该论文针对自动驾驶等安全关键场景中的车辆轨迹预测，提出X-TRACK框架的两个不确定性感知扩展版本（X-TRACK-DE与X-TRACK-MCD）。方法在运动变量空间中同时建模偶然不确定性和认知不确定性，并将其传播到轨迹空间，再用共形预测校准轨迹空间的预测协方差，以达到目标边际覆盖率。在highD数据集上的评估显示，X-TRACK-DE的轨迹预测精度优于确定性基线，两种不确定性变体均可通过共形预测校准到所需覆盖水平。
说明SV-TAD：用于高效时序动作检测的原生稀疏卷积
简介论文针对长视频理解，提出原生稀疏二维卷积，使轻量适配器能直接处理动态剪枝后的稀疏视觉标记，避免密集重建。将其集成到用于时序动作检测的SV-TAD框架中，在THUMOS-14和ActivityNet-1.3上保持最先进精度，同时将VideoMAEv2-L计算量降低最多64%、推理速度提升2.2倍。
说明Chronos：让代码智能体基于软件演化历史进行推理
简介该论文提出Chronos，一个测试时框架，将已合并的拉取请求（PR）提炼为结构化经验卡片，并通过代码、开发意图与组织关系构成的类型化图连接起来，供基于大语言模型的代码智能体检索与使用。在SWE-Bench Verified上，完整流程使六种大模型主干下的SWE-Agent平均解决率从69.2%提升至72.9%，配合MiniMax M2.5达到79.8%。人工评估中，图检索使每个任务中有用卡片的平均数量从1.24提高到2.87。
说明CoCam4D：面向纯摄像头自动驾驶的几何感知协同四维感知
简介自动驾驶车辆常因遮挡、盲区和传感器范围有限而感知不足。该论文提出 CoCam4D，一种显式建模几何不确定性的贝叶斯协同感知框架，车辆之间通过共享紧凑的三维高斯基元来相互减少深度不确定性，无需激光雷达。论文还提出 35 字节的动态目标基元（DOPs）以便于 C-V2X 通信。实验显示其在 OPV2V+ 和 DAIR-V2X-C 上分别比近期纯视觉方法提升 11.48% 和 10.62%。
说明平滑稀疏专家混合模型的 Top-k 暴露边界
简介稀疏专家混合（MoE）模型用固定的 top-k 专家选择，会把连续的路由分布变成硬性的阶跃函数，使得得分相近的专家被分进完全监督和零反馈两类。本文提出弹性专家路由（Elastic Expert Routing），从以 k 为中心的局部离散分布中随机采样激活专家数量，使该阈值随训练逐渐平滑。实验显示，在监督微调中，OLMoE-1B-7B 和 Qwen3-30B-A3B 的下游宏平均分分别提升 0.84 和 2.02 个点；从零预训练中，验证集语言模型损失最多降低 0.04，下游任务平均比静态 top-k 基线高 1.6 个点。
说明记忆类型各异：让大模型智能体用多样化策略进行长期记忆
简介这篇论文指出，现有基于检索的大模型记忆方法对所有记忆采用统一处理策略，效果有限。作者构建了多分类记忆数据集TriMEM，并提出记忆框架MemoType，通过路由模型识别记忆与查询的类型，采用对应的检索策略。在三个数据集上的实验显示其表现优于现有方法，Recall@1最高提升16.18%。
说明PAM-ToD：面向跨时段3D高斯溅射的即插即用外观建模
简介该论文提出PAM-ToD，一个轻量级插件，用少量目标时段的锚点图像学习颜色修正，同时保持预训练3D高斯溅射参数不变，以适应道路场景在不同时段（如夜晚路灯亮起）的外观变化。论文还提出了CARLA-ToD基准数据集，包含三个时段的匹配几何、相机位姿和运动物体轨迹。实验显示，在静态和动态场景中，PAM-ToD的PSNR更高、LPIPS更低，且锚点图像可来自多相机同步采集。
说明利用循环原生注意力残差扩展到数万次测试时迭代
简介论文指出，循环Transformer在迭代次数增加时会出现性能下降，原因是噪声状态更新会覆盖已得出的正确中间结论。作者提出循环原生残差连接InfiLoop，通过内容加权与时间衰减学习保留哪些过往计算，并维护循环状态的运行摘要，内存随循环次数保持恒定。文中报告一个700万参数模型在Sudoku-Extreme上达到97.9%的准确率，在ARC-AGI-2上pass@2为13.6%。
说明Sera：融合知识与大语言模型语义表示的电池健康度预测框架，兼顾可靠性与可解释性
简介该论文提出Sera框架，用于预测电池健康状态（SoH）。它在时间序列模型的基础上，结合基于规则的领域知识和基于大语言模型的解读，从数据中提取退化语义表示，并通过门控聚合与时序表示整合。实验显示，在多个预测时长和不同时序模型上，Sera持续提升预测性能，预测误差最多降低37.3%；反事实分析表明预测响应与关键退化描述符的含义一致。
说明增量式开放式深度研究：基于结构化框架的报告持续更新方法
简介现有开放式深度研究系统大多从零生成报告，在需要持续维护报告的场景中效率较低。本文提出增量式开放式深度研究（Incremental-OEDR），将报告视为不断演进的研究状态，保留有效内容、修订过时部分并纳入新信息。作者同时提出结构化框架（Structured Harness），用大纲、章节和证据的结构化集合表示报告，并支持选择性更新与证据复用。实验显示，该方法在报告质量接近的同时，提高了连续性并降低了研究成本。
说明Workerville：从组织行为视角研究智能体安全
简介该论文提出以组织行为学（OB）作为研究高级智能体安全的框架，并将人类职场中的反生产行为（CWB）形式化为智能体反生产行为（ACB）。作者构建了名为 Workerville 的受控基准，通过 16 种组织条件、210 项任务共生成 3,360 个测试挑战，对 6 个前沿大语言模型进行评测。结果显示，负面组织因素组合时影响呈非单调放大，未经授权披露率在两个负面因素下升至 60.1%，三个时回落至 50.3%。
说明基于Hankel子空间自监督学习的并行MRI重建方法
简介论文针对欠采样条件下的并行磁共振成像重建问题，提出一种单次扫描专用的框架HSSRecon。该方法在Hankel提升前按物理采集单元划分数据，并对重复的Hankel副本做重数归一化，以避免自监督中的数据泄漏。网络学习紧凑的复值Hankel子空间算子，再通过共轭梯度求解器在原始k空间变量上进行重建并保持硬数据一致性。在fastMRI脑部数据的三种对比度和三种采样掩模上，该方法在六组汇总条件下取得了有竞争力的PSNR、SSIM和NMSE结果。
