Type-Checking for Pattern-Based Tree Transformations
说明基于模式的树变换的类型检查
简介本文提出并研究基于模式的树变换：每一对由源模式和目标模式构成，可匹配并改写表达式（例如把 (x·y)+(x·z) 改写为 x·(y+z)）。这类模型表达能力强，但检查等价性不可判定。作者证明其类型检查问题是可判定的，方法是将其归约为交替树自动机的空性问题。
ReCast: Attribution-Oriented Step Representation Learning for LLM-Based Agent Systems
说明ReCast：面向归因的 LLM 智能体步骤表示学习
TokenBank: Financial Infrastructure for AI Services
说明TokenBank：面向AI服务的金融基础设施
简介该论文提出TokenBank，一套通过结构化合约表示AI服务承诺的金融基础设施，涵盖服务消费权、API价格差现金结算的远期协议、以未来服务收入为限的融资，以及特定服务失败的保障索赔。研究以899,441次API请求回放、真实模型驱动的智能体执行和合约接口测试进行评估，结果显示远期协议可降低平均支出但会提高其波动性。
ReCal: Calibrating Structured Pruning for On-Policy Distillation Recovery
说明ReCal：面向同策略蒸馏恢复的结构化剪枝校准方法
简介本文提出 RECAL（恢复感知校准），用于改进剪枝后推理语言模型的同策略蒸馏（OPD）恢复效果。该方法在剪枝前调整校准过程：利用未剪枝教师模型与剪枝探针之间的前向 KL 散度，找出被剪枝破坏的教师支持预测，并重新加权校准统计量。实验显示，在多个模型和剪枝方法上，RECAL 持续提升 OPD 后的数学推理能力，在 AIME 上最高提升 16.7 个百分点。
★★★★☆ 值得关注
PathLang: A Language-Centered Benchmark for Vision-Language Models in Computational Pathology
说明PathLang：面向计算病理学视觉-语言模型的语言中心基准
简介该论文提出 PathLang，一个以语言为中心、基于临床的零样本基准，用于评估病理视觉-语言模型。它保持切片、标签与图文评估方向不变，只系统变化诊断用语，以考察模型对同一诊断不同表述的稳健性。在九个模型、五个公开数据集（覆盖四个器官）上，结果显示性能对临床等价的改写高度敏感，且图文对齐质量并不必然带来类别间的区分能力。
看点以临床等价的诊断措辞变化为变量，构建语言中心的病理VLM基准，并在9个模型、5个数据集上系统评估。
Mine Odyssey: Benchmarking Spatial Agentic Intelligence in the Wild
说明Mine Odyssey：在真实场景中评测空间智能体能力的基准
简介该论文提出 Mine Odyssey 基准，用于评估智能体在真实地点中的空间智能，包括探索、更新空间认知并依据反馈调整行动。基准基于 Minecraft 对真实地点的还原，共 180 个任务，覆盖五大洲 20 个国家和地区的 30 个地点。论文称表现最好的模型成功率为 85.6%，最强的开源权重模型为 23.9%，显示当前模型仍有较大提升空间。
It's Always 10:10: Reference Images Break a Bias That Prompts Only Dent
说明《总是10:10》：参考图能打破提示词无法纠正的时钟偏见
简介这项研究测试文生图模型绘制模拟时钟时总是显示10:10的偏见。作者在52个模型上生成包含三个时钟的图片，比较不指定时间、用数字写时间、用文字描述指针位置、以及附加参考表盘四种提示方式。结果显示，附加参考表盘时三个时钟全部正确的图片比例（75%）明显高于只写数字（34%）。
Finsler Flow Matching: Dynamics-Aware Geodesic Interpolation for Single-Snapshot Trajectory Inference
说明有限斯勒流匹配：面向单快照轨迹推断的动力学感知测地线插值
简介本文提出有限斯勒流匹配（FFM）框架，从离散的马尔可夫转移图中学习连续随机动力学，用于由单次快照数据推断细胞轨迹。方法基于一阶与二阶局部矩构造有限斯勒结构，并借鉴弗莱德林-文策尔作用量。实验表明，在动力学具有强方向性或各向异性时，FFM 能更好地恢复被留出的中间细胞群体。
DivMoE: Fine-Grained MoE Upcycling via Cross-Domain Expert Composition
说明DivMoE：基于跨领域专家组合的细粒度MoE升级改造
简介论文提出DivMoE，一种把预训练稠密大模型升级为细粒度混合专家（MoE）模型的方法。作者指出，若细粒度专家全部来自同一源模型，路由会失效，下游准确率接近随机水平。DivMoE通过领域专用的专家初始化和强制每个token只激活不同领域专家组的多样性约束路由来解决该问题。文中报告其在两个基础模型、15个基准上均优于六种升级基线，并在监督微调后使用12B参数模型取得64.5%的平均准确率。
MetaEncoder: Exploring the Limit of Bi-Encoders for Multimodal System One Decision Making with Natural Language Interface
说明MetaEncoder：探索双编码器在自然语言多模态决策中的能力极限
简介本文关注一种「系统一」式决策模型，即输出受约束的决策和概率分布，而非自由文本。作者提出MetaEncoder，将预训练的Muse-Glimmer 30B解码器微调为遵循指令的决策编码器，并采用单向对比学习训练的双编码器结构，以对齐用户请求与候选项，支持小规模和大规模候选集。论文在11个基准套件、190项任务上评测，比较其与现有先进多模态编码器的表现，并指出其在需要复杂推理的任务上的局限。
Deflating the Hessian: Rank-4 W4A4 Quantization for Multimodal Diffusion Transformers
说明压缩扩散Transformer的低秩W4A4量化方法HSVDQuant
简介本文提出HSVDQuant，用于多模态扩散Transformer的4比特权重与激活量化（W4A4）后训练量化。该方法把低秩补偿与残差量化视为联合校准问题，通过消去输出侧低秩因子得到去偏Hessian，并引入激活噪声近似来抑制激活量化误差。实验覆盖五种扩散骨干网络，并在Qwen3-8B大模型上测试，结果显示秩为4的HSVDQuant在多项指标上优于秩为32的SVDQuant。
From Retrieval to Reconstruction: Constructing Evolvable Cognitive Memory for Long-Term Dialogue
说明从检索到重建：为长期对话构建可演化的认知记忆（CogMem）
简介论文指出，现有检索增强生成（RAG）框架把记忆当作被动存储，难以区分有来源的主观陈述与无来源的事件和事实，也难以串联分散在多次会话中的证据。作者提出基于 PEC²F 图结构的认知记忆架构 CogMem，用专门的 Claim 节点保存陈述的来源与对象，并通过确定性的图操作重建与问题相关的上下文。在 LoCoMo 和 LongMemEval 上的实验显示，该方法在多跳、时间推理和知识更新任务上表现突出。
NP-Hardness of Minimizing Neurons in Two-Hidden-Layer ReLU Neural Networks
说明两层隐藏层ReLU网络中最小化神经元数量是NP难问题
简介本文研究在L^p近似误差约束下，两层隐藏层ReLU神经网络所需最少隐藏神经元数量能否高效计算。作者证明，对任意固定的输入维度、输出维度和p≥1，精确求解该最优值是NP难的，即使目标函数是特定的分段仿射ReLU网络。该结论为在网络设计中采用启发式近似方法提供了理论依据。
MedBenchAgent: Towards Systematic Automation of Medical VLM Benchmark Construction
说明MedBenchAgent：医学视觉语言模型基准自动化构建的系统方法
简介该论文提出 MedBenchAgent，一个多智能体框架，用于自动推导医学视觉语言模型（VLM）评测基准的规格本身，而不仅是生成题目。框架通过带中间表示（BIR）的受约束编译，区分规划与实例化两个阶段。论文报告其任务空间 F1 为 90.9%，优于对照方法，并在 1000 个抽样题目中有 994 个通过人工审核；同时在十二个 VLM 上做了评测。
FloorSAV: Elucidating Spatial Audio-Visual Context with 2D Floormap for AV-LLMs
说明FloorSAV：利用二维平面图增强音视频大模型的空间理解
简介本文提出FloorSAV框架，通过渲染动态二维平面图来显式表达空间音视频上下文，并将其作为与第一人称视频同步的输入流提供给音视频大语言模型（AV-LLM）。同时构建了SAVED-Bench基准，包含动态相对关系、区域与路径推理等问题。实验表明，该方法在SAVED-Bench和SAVVY-Bench上提升了模型的空间推理能力。
From Geometry to Generalization: Why Row Normalization Can Beat Adam and Muon
说明从几何到泛化：为何按行归一化可胜过 Adam 与 Muon
简介这篇论文研究不同优化器在拟合相同训练数据时所选分类器的几何结构差异，是否会影响总体性能。作者证明在高维多类分类中，按行归一化（row normalization）的总体准确率可严格高于全批次 Adam、随机重排 Adam 的代理以及精确 SVD 的 Muon。论文还在各向同性高斯云模型及若干更一般的设定下给出分析，并通过合成实验和语言模型最后一层实验予以支持。
Collaboratively Guided Adversarial Robust Distillation with Teacher-Favorable Examples
说明协同引导的对抗鲁棒蒸馏（教师有利样本）：让小模型在对抗攻击下更稳健
简介论文提出一种名为CGARD的对抗鲁棒蒸馏方法，用于把大型教师模型的鲁棒性迁移到小型学生模型。该方法在同一扰动邻域内同时优化学生对抗样本和对教师有利的协同样本，并结合教师的对抗监督。作者在CIFAR-10与CIFAR-100上进行了白盒和黑盒迁移评估，结果显示相比强基线，鲁棒性有持续提升。
BeliefScope: Diagnosing Evidence-Driven Revision and Pressure-Induced Shifts in Large Language Models
说明BeliefScope：诊断大语言模型中证据驱动的修正与压力引发的立场变化
简介该论文提出 BeliefScope，一个黑盒实验框架，用于区分大语言模型在同一命题上的立场变化是来自相关证据还是来自不含事实的用户方向性压力。研究在合成条件下检验了观测设计的可靠性，并在 Qwen、Llama 等模型上比较了多种评估条件下的结果。论文最终给出一种有条件的信念-回应画像，并标明了诊断结论的有效边界。
Efficient Multi-Granularity Knowledge Transfer for Radiology Report Generation
说明面向放射学报告生成的高效多粒度知识迁移方法（EMGKT）
简介该论文提出名为EMGKT的方法，用于从X光图像自动生成放射学报告，以减轻放射科医生的工作量。方法结合医学视觉-语言模型提供全局知识，并通过细粒度知识蒸馏学习关键区域的细节知识，推理时仅使用学生嵌入，计算开销很小。此外，还设计了以疾病嵌入初始化的专家分类器混合模型来增强知识提取。作者称该方法可方便地应用于多数现有方法，并在两个公开数据集上验证了其有效性与可迁移性。
iCATS: Fast Video Generation via Interaction-Aware Sparse Attention and Timestep-Adaptive Sparsity
说明iCATS：基于交互感知稀疏注意力与时间步自适应稀疏度的快速视频生成
简介该论文提出 iCATS 方法，无需微调即可加速扩散 Transformer 视频生成。方法改进了注意力重要性估计（基于查询与键的点积交互进行聚类），并根据去噪时间步的信噪比动态调整稀疏度，同时通过尾部合并策略提升 GPU 利用率。原文报告在 HunyuanVideo-T2V-13B 上实现 2.03 倍加速、PSNR 为 31.017 dB，在 Wan2.1-T2V-14B 上实现 1.55 倍加速、PSNR 为 29.301 dB。
Characterizing Overconfident Failure in LLM-Based Code Generation
说明基于大语言模型的代码生成中过度自信失败的特征分析
简介本文研究代码大模型在生成程序时的过度自信问题：错误程序的词元级置信度往往与正确程序相当。作者在四个开源代码模型和三个基于执行的基准上分析了现有不确定性指标能否可靠反映执行正确性，并从全局和局部词元层面考察过度自信。研究发现，现有不确定性信号只能提供部分且依赖模型的失败证据，常用缓解方法也不能可靠地解决该问题。
DuplexAgent-RSI: Recursive Harness Improvement for Full-Duplex Voice Agent Collaboration
说明DuplexAgent-RSI：面向全双工语音智能体协作的递归式框架改进
简介本文提出DuplexAgent，一种全双工语音智能体协作系统，其协调框架被拆分为六个可编辑模块，用于管理任务接收、进度、取消、替换与结果交付，同时保持对话响应。作者还提出Duplex-Harness-RSI闭环方法，利用模拟器生成计时测试对话并依据失败轨迹修改相关模块。实验显示，该系统在口语知识与可执行工具得分上优于对比的委托式系统，并保持较强的打断响应能力。
Spatial-Frequency-Aware Implicit Neural Representation of Multidimensional Signals via MLP-KAN Fusion
说明基于MLP与KAN融合的空间-频率感知隐式神经表示：用于多维信号重建的方法
简介该论文提出一种空间-频率感知的隐式神经表示框架，将MLP分支（擅长低频平滑结构）与Kolmogorov-Arnold网络（KAN）分支（补充局部细节）结合，并通过小波变换在输出端融合两者。论文在一维信号、二维图像、三维体数据与符号距离函数、视频及四维光场上进行实验，报告了各类信号上重建保真度的提升。
ORDO: Operation-level Round-aware Dynamic Ordering for MIP Presolve
说明ORDO：面向混合整数规划预处理的操作级轮次感知动态排序
简介论文指出，混合整数规划（MIP）的预处理顺序对求解效率影响很大，而现有学习方法只优化参数配置，无法表达动作之间的时序依赖。作者把预处理规划改写为在统一原子动作空间上的自回归序列生成，并提出ORDO框架。在多个未见过的领域中，该方法实现了端到端的零样本加速，并通过并发竞速部署，保留最优序列。
When Do We Need On-Policy Distillation? Distilling on Offline Student Rollouts Is Often Better
说明何时需要在线策略蒸馏？使用离线学生采样往往更好
简介本文比较了在线策略蒸馏（OPD）与 Semi-OPD 两种方法：后者使用初始学生模型生成的离线采样进行蒸馏。在 17 组参数量从 1.5B 到 235B 的师生模型组合中，Semi-OPD 在 14 组上优于 OPD，准确率最高提升 13.6%，训练速度最高加快 11.4 倍。作者指出，两者孰优取决于初始师生模型的输出词元重叠比例，只有高度一致时 OPD 才有益处。
Open-ended Scientific Discovery with Possibilistic Reasoning
说明基于可能性推理的开放式科学发现
简介本文针对大语言模型自主进行科学发现的问题，提出“溯因式自主科学发现”（AASD）的形式化框架，并以可能性理论为基础。作者引入可计算的“溯因效用”来衡量发现进展，并提出“可能性前沿搜索”算法，在适当条件下可渐近地达到ε最优的溯因效用。实验显示，该方法在合成与真实科学发现任务上表现良好。
Memorization and Malign Generalization in Conditional Diffusion Models with Random Features
说明条件扩散模型中的记忆与恶性泛化（随机特征分析）
简介本文从理论上分析条件扩散模型的记忆与泛化行为，使用随机特征条件得分模型，在高维比例极限下推导训练与测试损失的渐近表达式。作者指出，在过参数化区域中，增大模型宽度会改善对条件相关均值的预测，却降低同一条件内部的预测方差，并将此现象称为“恶性泛化”。此外，信息量更大的条件会使模型在较小宽度时就记住训练样本。实验以U-Net架构在真实数据上验证了这些理论结果。
REMORY: Learning Residual Memory for Context Compaction
说明REMORY：学习用于上下文压缩的残差记忆
简介长时程智能体需要压缩历史记录以适应有限的上下文窗口，但仅靠文本摘要未必支持之后的每一个决策。本文提出REMORY，一种神经记忆网络，在摘要之外附加一组有界的软记忆标记。网络学习生成这些标记，帮助冻结的大语言模型逼近其在完整历史下会给出的续写。在SummHay上，REMORY在洞见覆盖率几乎不变的情况下提升了来源归因，并仅用5.2%的输入位置就接近完整上下文的联合得分。
When Scene Text Hijacks the Scene: Uncovering, Exploiting, and Mitigating Rendered-Text Semantic Leakage in Image Generation Models
说明当场景文字劫持场景：图像生成模型中渲染文字语义泄漏的揭示、利用与缓解
简介本文研究图像生成模型中的“渲染文字语义泄漏”现象：画面中应原样呈现的文字，其语言含义可能被模型当作指令的一部分，从而影响非文字区域。作者将主视觉提示与渲染文字分离，量化语义泄漏与渲染保真度，并表明即使主提示良性，场景文字中嵌入的有害语义也可能经提示增强流程保留并影响画面。论文还提出一种初步缓解方法，在FLUX-2-dev上降低语义迁移，同时保持文字渲染效果。
DynaTE: Accelerating Diffusion LLMs via Dynamic Token Execution
说明DynaTE：通过动态令牌执行加速扩散大语言模型
简介该论文提出DynaTE，一种软硬件协同设计的加速器架构，用于加速扩散式大语言模型（dLLM）的解码。它根据解码过程中令牌状态的变化动态调整执行，跳过低价值令牌的计算，并以局部依赖的令牌细化减少去噪迭代次数。在两个代表性dLLM上的评估显示，相比现有dLLM加速器，DynaTE实现2.05至2.78倍加速和2.99至3.93倍能效提升；相比Jetson AGX Orin，实现2.55倍加速和6.07倍能效提升。
Being-M0.7: A Latent World-Action Model for Humanoid Robots
说明Being-M0.7：面向人形机器人的潜在世界-动作模型
简介该论文提出 Being-M0.7，一种用于人形机器人运动与操作的潜在世界-动作模型。模型利用来自超过 10,000 小时人类数据的视频、动作及配对视频-动作信息进行预训练，再经机器人中期训练和动作后训练，把视觉-动作先验迁移到机器人控制上。在 SIMPLE 基准上其综合成功率最高，在真实 Unitree G1 机器人任务中与最强基线持平。
How to post-train on a surrogate: Envelope sampling mitigates reward hacking
说明在代理奖励上做后训练：包络采样缓解奖励投机
简介大语言模型常以LLM评审等廉价代理奖励进行后训练，但代理若校准不准，会引发奖励投机问题。本文提出包络采样方法：用少量经专家标注的输出重新校准评审模型，并在假设人类奖励与校准后奖励位于评审周围的L2球内的前提下，最小化后训练模型遗憾的上界。实验表明，在临床笔记生成和受控谄媚任务中，基于包络样本的校准比基于基础模型样本的校准更能缓解奖励投机。
Phonological Interference in Multilingual Speech Models
说明多语言语音模型中的音系干扰：模型把单一语言的发音规则强加到混合或陌生语言的语音上
简介论文指出，音素级语音模型在语码转换（混合两种语言）或训练中没有的低资源语言上容易出错，原因是模型假定输入只属于一种语言，从而覆盖与之冲突的局部音素判断。在语码转换输入上，三个模型丢失了32%至79%只有其中一种语言才有的音素。作者提出窗口化语言估计（WLE），在推理时用每个位置附近的短窗口重新估计语言，在语码转换输入上消除了34%至69%的干扰，单语表现基本不变。
Gated Memory: Admission-Controlled Memory Formation for Conversational AI
说明Gated Memory：面向对话式AI的带准入控制的记忆形成方法
简介个性化对话AI依赖长期记忆系统，从用户话语中提取事实并存入持久向量库。本文指出，事实首次写入存储的形成环节少有系统研究，而原话中的语境信号在提取为三元组时会不可逆地丢失。作者提出Gated Memory框架，在对话与存储之间设置准入门控和条件式补充两个检查点，并在LoCoMo-10基准上相较强基线取得整体约2.6%的相对提升。
TaReD: Tool-Aware Recursive Decomposition for Long-Horizon Tasks
说明TaReD：面向长程任务的工具感知递归分解方法
简介论文指出，智能体在复杂任务中沿单一执行链推理和行动时，历史信息增长会导致可靠性下降。作者提出工具感知递归分解（TaReD），按功能关系把工具组织成能力层级，执行时按需发现工具，并据此将复杂任务递归拆分为与各阶段所需能力对齐的子任务树。实验显示，该方法在复杂真实任务上的端到端成功率较对比基线最高提升40个百分点。
LR-V2X: Loss-Resilient Collaborative Perception under Low-Bandwidth Communication
说明LR-V2X：低带宽通信下抗丢包的协同感知
简介论文提出 LR-V2X，一种在低带宽、丢包的车联网通信中实现协同感知的潜空间重建框架。该方法将受损的接收潜变量转换为空间先验，并以自车上下文为条件重建缺失的 BEV 信息。模型只需在完整通信条件下训练即可直接用于有损场景；在 DAIR-V2X 和 V2XREAL 上的实验显示其在严重丢包下鲁棒性最强，通信开销比稠密 BEV 特征融合基线降低 64 倍。
SLICE-Mem: Salience-Gated Lightweight Information Curation for Efficient LLM Agent Memory
说明SLICE-Mem：面向大模型智能体的轻量级高效记忆框架
简介该论文提出SLICE-Mem，一种轻量记忆框架，用于为大语言模型智能体保存长期记忆。它通过紧凑分类器筛选值得保留的用户话语，并用基于语义依存的抽取器将其转为简短记忆条目，在线流程无需生成式大模型调用，跨条目整合则放到离线阶段。在Memora与LongMemEval-S上，与MemOS相比，其在线流程的准确度相当或接近，同时大幅降低了大模型令牌消耗。
Residual spectral instabilities in representation learning
说明表示学习中的残余谱不稳定性：变分自编码器潜在维度逐步塌缩的谱级联解释
简介该论文把变分自编码器（VAE）中的逐维后验塌缩，看作部分塌缩状态附近的涨落理论，用负证据下界作为有效自由能进行二次展开。作者给出塌缩方向的精确质量谱，并提出局部再激活判据：当解码器方差低于残余谱上界时，自由能下降。数值实验显示，潜在维度在这些谱边界附近相继丢失。
★★★★☆ 值得关注
LLM-IDEA: Identifiability-Driven Experimental Agent for Autonomous Discovery of Mechanistic World Models
说明LLM-IDEA：用于自主发现机理世界模型的可辨识性驱动实验代理
简介论文提出 LLM-IDEA，一种闭环自主科学发现代理，其可辨识性引擎能对平台期给出三种判定：能力不足、在现有设计类内可解决，或已被证明无法通过该类实验解决。在 ODEBench、DiscoverPhysics 和作者提出的 Alien Universe 测试平台上，该方法被用于判断模型是否可辨识并选择实验方案。
看点提出三向平台判定的可识别性引擎，并在多个基准与自建测试床上验证其判断，新颖且证据较充分，影响主要限于自主科学发现子领域。
Neuro-Memory Fuzzy Inference System for Mimicking Human-like Car Following Behavior
说明模拟人类跟车行为的神经记忆模糊推理系统
简介本文提出神经记忆模糊推理系统（NeMeFIS），通过整合程序性、工作、情景、语义和陈述性五类人类记忆，分别建模跟车时的加速与减速行为。作者在干道、集散道和乡村公路等场景中，用54个训练模型验证其效果，结果显示其复现真实驾驶行为的表现优于线性回归、ANFIS和LSTM等方法。研究认为该框架可用于驾驶认知建模，并有助于联网与自动驾驶车辆的安全决策。
★★★★☆ 值得关注
V-CoLA: Vision Token Compression with Linear Attention
说明V-CoLA：面向线性注意力的视觉标记压缩方法
简介视觉语言模型计算开销大，因为视觉标记占据了大部分输入序列。本文针对采用线性注意力的混合架构，提出了免训练的标记压缩框架V-CoLA，包含识别关键视觉标记的独特性感知重要性准则，以及执行压缩的自适应标记合并策略。实验显示，仅保留50.0%的视觉标记时可达到原始性能的99.5%，保留12.5%时仍超过88.0%，预填充速度提升1.86至6.15倍。
看点针对线性注意力混合架构提出训练免费的视觉token压缩方法，并在多基准上验证，对子领域有实际价值。
Why On-Policy Distillation Sometimes Fails: Vanishing Learning Signals
说明为何在线策略蒸馏有时会失败：学习信号消失
简介论文研究在线策略蒸馏（OPD）在大规模教师模型下出现早期损失平台的原因。实验显示，代码与数学推理任务中，大教师的最终损失平均仅下降25.1%（200次更新后），而自我强化学习教师则为96.2%。作者将OPD视为连续时间动力系统做分析，并证明在一定条件下接近初始学生的教师可实现局部恢复；关于学习信号衰减的机制仍有待验证。
★★★★☆ 值得关注
Read What Matters: Query-Adaptive Quantization for KV Caches
说明按查询自适应读取的 KV 缓存量化：只读取当前查询需要的精度
简介该论文研究大模型解码时 KV 缓存的量化问题：缓存条目在未来查询已知之前就需存储，但每个解码查询需要的精度位置不同。作者提出 ReadKV，将每个键和值存为渐进编码，按每次查询分配读取的比特前缀。在六个基础模型上，平均每次读取 4 比特的 8 比特缓存使 C4 困惑度最多上升 0.66%，所需逻辑读取约为 16 比特缓存的四分之一。
看点提出按查询自适应读取渐进编码KV缓存的新范式，并给出精确分配与查询依赖优于查询无关读取的理论证明，以及六个基础模型和硬件延迟实验支持。
ReTTT: Reflection-Driven Test-Time Training via Experience-Based Parametric Memory
说明ReTTT：基于经验参数化记忆的反思驱动测试时训练
简介该论文提出ReTTT方法，让大语言模型智能体在多轮任务执行中，对交互反馈进行反思并形成经验教训，保存在显式记忆中，再通过更新回合内的LoRA适配器进行测试时训练，主干模型保持冻结。在ALFWorld、ScienceWorld和SWE-bench Lite三个基准上，ReTTT在六种模型与基准组合中均优于基于轨迹的测试时训练方法，任务成功率最高提升12.14个百分点。
★★★★☆ 值得关注
TAP3D: Thermal-Assisted 3D Human Point Clouds
说明TAP3D：基于热成像的三维人体点云重建
简介本文提出TAP3D系统，利用低成本热阵列传感器，仅凭人体热信号重建三维人体点云，相比激光雷达、雷达和深度相机在成本、密度和隐私方面具有优势。系统通过物理信息模型处理深度估计、热干扰和多人分离等问题，并在包含16万个样本的数据集上进行评估。实验显示其可用于跌倒检测（准确率91.46%）、室内追踪（平均绝对误差21.86厘米）和人体网格恢复（误差4.87厘米）。
看点首次用热阵列从体热信号重建三维人体点云，提出物理引导的多基元估计与几何融合；以16万样本数据集验证跌倒检测、跟踪和网格恢复。
Attributing HOW, Not Just WHICH: Counterfactual Response Trajectories for Diffusion Models
说明不只问哪些样本有影响，还要问影响如何展开：扩散模型的反事实响应轨迹归因
简介该论文针对扩散图像生成模型，提出一种名为CADT的归因方法，用于追溯生成结果与训练样本的关系。方法通过在相同噪声状态下构造匹配的反事实样本对，分离出因素相关的表示位移，并沿去噪过程记录其动态轨迹。作者称在多个公开数据集上，该方法在层级、组合和风格归因任务上优于现有扩散归因基线。
Breaking the Group Size Barrier: Parameter-Efficient Group Dance Generation with Chain-of-Dancers
说明突破群舞人数限制：基于“舞者链”的参数高效群舞生成
简介本文研究根据音乐生成多人协调群舞动作的任务。作者提出ChainDance框架，将群舞生成建模为按舞者依次生成的“舞者链”，使单一模型无需重新训练即可适应不同人数，并保留每位舞者的身份。该方法基于冻结的单人扩散模型，加入两个轻量模块，并在推理时通过免训练的噪声优化增强全局空间协调。在AIOZ-GDance数据集上，其动作质量与群体协调性达到当前最优，参数量减少约3至4倍，训练时间减少约3至6倍。
Low-Cost Sensor Calibration for Indoor Air Quality Monitoring: A Dataset, Evaluation Scenarios, and a Lightweight Model
说明低成本室内空气质量传感器校准：数据集、评估场景与轻量模型
简介该论文针对低成本空气质量传感器存在的非线性误差、噪声和时间漂移问题，构建了一个为期六个月、覆盖五个地点的多变量室内空气质量数据集，包含低成本传感器、参考传感器和上下文元数据。基于该数据集，作者定义了四种评估场景，并提出一种结合输入窗口压缩与残差时序及特征融合的轻量时序模型。实验表明，该模型在四种场景下均有良好的校准性能，且边缘推理成本较低。
MiniVer-V: Identifying Minimal Sufficient Evidence for Short Video Verification
说明MiniVer-V：为短视频核查识别最小充分证据
简介本文针对短视频事实核查中“哪些证据足以支持结论”的问题，提出以证据充分性作为选择标准的方法。作者构建了包含195条短视频、三类判定（支持、反驳、证据不足）及5510个多模态证据单元的基准MiniVer-V，并设计了两层核查框架与充分性驱动的贪心搜索。使用Claude Sonnet 4时，该方法平均使用约4.5个证据单元（约占全部的16%），宏F1为0.510，与使用全部证据的基线（0.518）在统计上无显著差异，同时在识别证据不足情形上优于无弃权机制的版本。
Harness Compilation: Which Decisions Should a Small Vision-Language Model Keep?
说明Harness Compilation：小型视觉语言模型应保留哪些决策？
简介论文提出 Harness Compilation（HC），一种离线方法，用于调整冻结的小型视觉语言模型与其外部辅助模块之间的分工。大型教师模型依据学生的执行轨迹修订可复用内容与控制逻辑，并由独立验证集选出部署版本，部署时无需更新权重或调用教师模型。在七种视觉问答设定中，HC 相比裸学生模型提升 9.9 至 23.9 分。
SteerCast: Retrieval-Based Latent Steering for Decoder-Only Time Series Forecasting
说明SteerCast：面向仅解码器时间序列预测的基于检索的潜在空间引导
简介本文提出SteerCast，一种在推理时通过检索改进仅解码器预测模型的方法，无需更新模型参数。它从训练集构建数据库，保存历史窗口的表示及由真实续写与模型预测之差得到的引导向量。测试时检索相似历史并聚合其引导向量，在自回归生成的每一步注入隐藏状态。实验表明该方法在多个多变量基准和预测步长上提升了准确率。
Multimodal Graph Retrieval-Augmented Sequential Recommendation via Collaborative Filtering Paths
说明基于协同过滤路径的多模态图检索增强序列推荐
简介本文提出MGRASRec框架，用于多模态大语言模型的序列推荐。它从用户-物品交互图中检索与候选物品相关的协同过滤路径，并借助多模态相似度扩大覆盖范围，将这些信号直接写入提示词。该方法每个候选只需一次前向推理，并在三个公开数据集上取得了各项指标的最佳表现，排序质量提升尤为明显。
When Lower Reconstruction Loss Hurts: Distributionally Robust Refinement for Low-Bit LLM Quantization
说明当重建误差降低反而有害：面向低比特大模型量化的分布鲁棒精修
简介论文指出，仅量化权重的后训练量化方法通常依赖最小化重建误差，但重建误差更低的权重不一定在新任务上表现更好，甚至在同一校准数据上也可能导致性能下降。作者据此提出分布鲁棒量化（DRQ），在约束的输入激活分布集合上最小化最坏情况下的重建误差，仅在现有量化网格内调整整数码，不改变量化参数和推理算子。实验表明，DRQ 可改进六种代表性量化方法的结果，且不增加推理开销。
SafeInferCom: Safe Inference-Time Compute via Verifier-Guided Mid-Generation Intervention for Robotic Task Planning
说明SafeInferCom：面向机器人任务规划的推理中途验证干预框架
简介大型推理语言模型可用于机器人任务规划的多步推理，但持续推理可能覆盖有效的中间计划或留下未解决的约束违反。论文提出在生成过程中用形式化验证器监控并保留有效中间计划、引导纠错的SafeInferCom框架。实验显示相较一次性推理，它提高了规划成功率并加快纠错，与迭代精炼结合时还能降低token用量，并在VirtualHome及真实机械臂上做了验证。
Cross-species representation learning aligns mouse and human neural dynamics and tracks clinical drug efficacy
说明跨物种表征学习：对齐小鼠与人类神经动力学并追踪临床药效
简介该论文提出一种双规则对比学习框架，依据生物状态而非物种组织神经电生理数据的表征，以对齐小鼠与人类的对应状态。在癫痫研究中，该框架区分了三种小鼠模型与人类患者群体的关系。经治疗的小鼠在冻结的跨物种表征中的药物诱导运动，与已知临床疗效在十组模型-药物组合中相符，并识别出Fmr1敲除小鼠与人类16p11.2拷贝数变异携带者之间共有的疾病相关神经动力学。
How Firm Should a Grasp Be?
说明抓取应该多稳？——基于视触觉估计材料属性、确定最小抓取力的机器人研究
简介这篇论文提出一种视触觉方法，在机器人抓取过程中实时估计物体的质量、弹性和表面摩擦等材料属性，并据此计算处理物体所需的最小抓取力。研究构建了一个由真实水果和蔬菜组成的数据集，并通过仿真建立力估计模型。实验表明，配备平行夹爪的机器人能够轻柔地抓取多种物体，并适应各自的物理特性。
The Social World Model Evaluation Gap
说明社会世界模型评估的缺口：系统是否真正预测他人的回应
简介该研究审查了1999年至2026年间发表的113项工作，考察社会世界模型的评估是否直接检验预测他人回应的能力。结果显示，仅有9项主要评估测量真实人对行动的回应，其中只有2项同时比较明确的回应预测与实际回应。研究者提出一个1步谈判实验，用以区分这些不同的评估问题。
★★★★★ 值得关注
The Lattice of Transition Laws
说明《转移律格》：统一扩散模型与自回归模型解码调度的理论框架
简介本文将扩散模型与自回归模型都视为同一腐蚀格上的路径，并以调度并行步骤所丢弃的依赖关系定义解码代价。作者证明，对于在图上马尔可夫且沿路径相依的数据，零代价调度的最少步数等于该图的树深度。在少于树深度步数时，作者利用预训练权重估计的成对依赖核，在解码前预测不同调度的代价排序，并在文本、图像和视频生成中验证了大部分预测。
看点将扩散与自回归统一为腐蚀格上的路径，用树深度刻画最少步数并预测解码排序，理论与文本、图像、视频实验相互印证，新意明显。
GATOR: Generative and Agentic 3D Object Reconstruction From Casual Images
说明GATOR：从随手拍摄的图像生成并校准带纹理的3D物体
简介该论文提出GATOR框架，可从一张或多张普通照片中重建完整的带纹理3D物体，并恢复其相对于场景的位姿。方法通过局部模态融合、文本语义引导的生成模块，以及可反复编辑、渲染和审查的智能体环节来逐步细化结果。论文称在合成物体、杂乱桌面和室内场景中，它在几何、外观保真度和位姿恢复上表现较好。
Bridging KV-Cache Quantization and Linear Attention: From Theory to Pretrained Weight Migration
说明在 KV 缓存量化与线性注意力之间架起桥梁：从理论到预训练权重迁移
简介该论文指出，KV 缓存量化逐条压缩注意力条目但保留全部条目，线性注意力则把历史信息聚合到固定大小的连续状态中。作者提出 RAM-Net，通过离散地址空间上的软分配把两者统一起来，并证明在受限构造下它可以扩展硬量化匹配并近似全注意力相似度。论文还提出经软量化中间结构实现的 Transformer 到 RAM-Net 权重迁移，在 0.3B 至 7B 的九个预训练模型上，仅用每个模型 5 亿 token 的预算，平均恢复了教师模型在六项常识与知识任务上相对随机猜测准确率增益的 87.1%。
AliO: Output Alignment Matters in Long-Term Time Series Forecasing
说明AliO：长期时间序列预测中输出对齐的重要性
简介长期时间序列预测（LTSF）利用当前数据序列预测未来序列，常用于天气预报和用电规划。本文指出，现有模型对滞后输入序列的同一时间点预测结果不够一致，预测结果波动，影响可靠性。作者提出 AliO 方法，在时域与频域中减少同一时间点预测输出之间的差异，并提出衡量输出对齐程度的 TAM 指标。实验显示，AliO 可将 TAM 提升至多 58.2%，同时保持或提升预测性能（最多 27.5%）。
Dissecting Representation Structure in Vision Transformers: A Rigorous Architectural Study
说明剖析视觉 Transformer 中的表示结构：一项严格的架构研究
简介本文系统分析了不同规模视觉 Transformer（ViT）的特征信息，探讨其表示结构与泛化表现之间的关系。作者发现了初始化时的特征坍缩并提出缓解方法，并用熵和最小特征值等指标预测泛化性能。研究还指出，线性子模块产生的特征对泛化预测很关键，据此提出的代理指标使相关性排序提升 18% 至 48%，可帮助找到计算成本相当或更低而精度更高的架构。
Do Flatter Minima Drive Better Generalization? An Algorithmic Separation in Grokking
说明平坦极小值会带来更好的泛化吗？Grokking 中的算法分离
简介本文研究神经网络损失曲面的平坦性是否真正驱动泛化，以 Grokking（模型长期记忆后突然泛化）现象作为测试平台。作者发现单靠锐度感知最小化（SAM）无法可靠地触发这一转变，但与权重衰减结合时，SAM 可将转变加速至多 4 倍（按 epoch 计）。理论分析表明，仅凭平坦性无法区分记忆解与泛化解，而权重衰减会偏向泛化解。
★★★★☆ 值得关注
UMAS: System-Level Uncertainty Quantification for Multi-Agent LLM Systems
说明UMAS：面向多智能体大语言模型系统的系统级不确定性量化
简介本文提出UMAS，一种无需额外参数、不增加推理成本的系统级不确定性量化框架，用于多智能体大语言模型系统。它依据各次生成的内在置信度估计智能体间影响的可信度，并据此更新各节点不确定性，再汇总为系统级估计。在Debate和DyLAN上的实验显示，UMAS平均比现有基线高10.54个AUROC点，并可用于幻觉检测和不确定性感知的答案选择，在特定任务上最多提升12.6分准确率。
看点针对多智能体系统提出利用结构的系统级不确定性量化，并在Debate与DyLAN上平均领先10.54 AUROC，证据较充分但影响面限于特定框架。
PageWeaver: KV-Guided Query Unions for Sparse Attention
说明PageWeaver：基于KV页面引导的查询合并稀疏注意力
简介该论文提出PageWeaver，一种稀疏注意力执行设计：依据每个查询所选KV页面的相似性组合查询，使共享页面加载并更好地利用Tensor Core。在H200上使用FP8 KV，Union8实现相对FlashInfer在六个采样中达到1.70倍的几何平均调用加速。论文同时分析了在线重新分组的收益与准备开销，并比较了B300上的结果。
A Group-Aware Comparative Study of Classical Machine Learning and Deep Learning Methods for Sensor-Based Human Activity Recognition
说明基于分组感知评估的传感器人体活动识别：经典机器学习与深度学习方法对比研究
简介本文在 UCI-HAR 和 KU-HAR 两个公开数据集上，对四种经典机器学习模型和四种深度学习模型进行受控比较，并考察加速度计、陀螺仪及两者组合三种传感器模态。采用按受试者分组的五折交叉验证以避免训练与测试折叠间的组重叠。结果显示深度学习并未稳定优于经典方法，组合模态普遍表现更好，而随机划分会明显高估模型性能。
3DTexMOR: 3D Gaussian Multi-Object Removal via Texture-Space Inpainting
说明3DTexMOR：基于纹理空间修复的3D高斯多物体移除方法
简介该论文提出3DTexMOR，用于从重建的三维场景中移除多个目标物体并补全被遮挡区域。其核心做法是在所有视角共享的统一纹理空间中进行修复，把多视角信息汇聚成纹理图，修复缺失部分后再投影回各视角监督高斯场景补全。论文还采用视角无关的内在属性并加入几何正则化。作者称其在多物体移除上取得领先表现，相比现有方法PSNR提高5.8 dB，LPIPS至少降低22%。
Selective Listening: Mechanism-Guided Control of Audio Influence in Large Audio-Language Models
说明选择性聆听：面向大型音频-语言模型的音频影响机制控制
简介大型音频-语言模型在任务无关的音频干扰下，文本推理结果可能被改变。论文提出ICAP-Gate方法，依据各模型的机制和任务条件，对音频影响通路进行选择性控制。在四个模型、两个推理基准和两类干扰下，其影响率与答案翻转率的点估计均低于未加控制的推理。
OmniDex: Scaling Dexterous Hand Grasping to Diverse Cluttered Scenes
说明OmniDex：将灵巧手抓取扩展到多样化的杂乱场景
简介本文面向具身智能中的灵巧抓取，指出杂乱场景的大规模训练数据稀缺。作者构建了一个包含超过260万个场景、4亿个场景特定抓取真值的基准，并提出OmniDex模型，结合软胜者全取学习与物理约束，在无需后优化的情况下实现稳健抓取。实验显示该模型在多样场景、视角和未见物体上取得了领先表现并具有较强泛化能力。
One Model, Multiple Compute Budgets: Multi-Ratio ConceptMoE for Flexible Compute Across Turns
说明一个模型支持多种计算预算：面向多轮对话的多压缩比 ConceptMoE
简介论文提出 Multi-Ratio ConceptMoE，让同一个共享的大语言模型同时支持 2、4、8 三种 token 到概念的压缩比，从而在多轮对话中灵活分配每轮的计算量。在 PTBench 和 SFTBench 上，三种固定模式均优于计算量相当的 MoE 基线。在 CodeChat 和 CoSQL 上，混合压缩比推理在提升准确率的同时降低了 FLOPs。
Is the Future Predictable? Modeling Future Predictability for Reliable Temporal Reasoning
说明未来可预测吗？为可靠的时间推理建模未来可预测性
简介大语言模型在推测未来时仍不可靠，常常忽视不同未来状态之间的差异，即使所问事实本身变化很大也给出具体答案。论文提出ChronoRegime任务，要求模型判断历史时间证据是否足以支撑对未来答案的确定性承诺，并提出置信感知时间推理框架CTR，依据时间动态估计未来可预测性并据此调节是否作答。实验显示，与普通问答基线相比，CTR在多个大语言模型上平均将严格总体准确率提高6.7个百分点，幻觉率降低18.4个百分点。
Recursive Semantic Divergence for LLM Agent Consistency
说明递归语义分歧：提升大模型智能体一致性的无监督指标
简介该论文指出，带工具调用的大模型智能体从同一状态出发、多次独立运行时，行为可能不一致。作者提出递归语义分歧（RSD）这一轨迹级一致性指标，用自然语言推理检测两次独立运行之间的逻辑矛盾，并用神经网络近似。将其作为微调奖励信号后，任务进度的波动在两个基准上分别从132%降到91%、从90%降到44%。
What to Admit and How to Present: Governing Persistent Memory in LLM Agents
说明决定记忆纳入与呈现方式：治理 LLM 智能体的持久记忆
简介该论文针对 LLM 智能体的持久记忆提出两项治理决策：准入（哪些召回信息进入上下文）与呈现（已准入信息如何表达）。作者在推理阶段实现了两种无需重新训练的设计，在外部基准上相较逐字注入降低了整体失败率。结果表明，选择质量能带来特定任务的安全收益，但如何保留有益的记忆使用仍未解决。
RGBD-to-3D Object Mesh Refinement via Depth Matching and Symmetry Propagation
说明基于深度匹配与对称传播的RGBD到3D物体网格精修
简介单视图三维重建方法生成的网格常与输入视角不一致，尤其在深度不连续和自遮挡处。该论文提出一种轻量、即插即用的RGBD到3D精修方法，无需重新训练即可改进任意RGB到3D重建器。它通过二分图匹配修正可见表面，借助检测到的对称面将修正映射到被遮挡一侧，并用平滑求解器传播修正；各阶段均为闭式解，速度远快于依赖优化的测试时精修。
Predictive Multiplicity in Cell-Fate Assignment: Label-Free Rashomon Sets and the Limits of Per-Cell Certification
说明细胞命运分配中的预测多重性：无标签 Rashomon 集与逐细胞认证的局限
简介本文研究单细胞轨迹推断中，拟合同样好的多个模型可能给同一细胞分配相互冲突的命运。作者提出无需谱系标签的 FateMultiplicity 框架，构建统计上可接受的模型集合（Rashomon 集）。在模拟真值上，逐细胞认证的命运边际（FM）判别误分配的能力（AUC 0.682）低于基线模型自身的决策边际（0.965），结论是逐细胞认证并非获得更可靠命运判断的途径，而多重性本身值得测量和报告。
WorldFact-Bench: Beyond Image-Internal Plausibility to Image-World Consistency
说明WorldFact-Bench：从图像内部合理性到图像与现实世界的一致性
简介该论文提出WorldFact-Bench基准，用于评估单张图像是否与现实世界事实一致，包含1,274组真假配对样本，覆盖四种验证方式和十个语义领域。作者还提出PERSIST-Agent智能体，通过持久化状态组织迭代验证，在8B骨干模型上相比直接判断和检索增强基线提高了配对准确率。
RAG-Stress: Probing the Limits of Evidence Reliance in Retrieval-Augmented Generation
说明RAG-Stress：检验检索增强生成中对证据依赖的极限
简介该论文提出 RAG-Stress 诊断协议，在固定问题与标准答案的前提下，将证据中的一句断言改为支持错误答案，并比较两种来源优先策略及答案位置的影响。研究在十五个系统、三个问答数据集及中英文 MedQA 上测量误导率。结果显示，要求优先采用文档的指令比允许依赖既有知识的指令产生更高的误导率，但有害覆盖增加并不等同于带来有益修正。
MATE4D: Matrix-Guided Editable 4D Generation from a Single Image
说明MATE4D：基于矩阵引导、可编辑的单图4D生成
简介该论文提出MATE4D框架，可将一张输入图像转换为可编辑的动态4D内容。方法构建时空多视角图像矩阵并进行文本引导的背景编辑，用于优化3D高斯基元，再通过轻量形变模块形成4D表示。作者称其在Objaverse-XL和Diffusion4D上的视觉质量、效率与可控性优于若干基线方法。
Multimodal Remote Sensing Image Registration: A Comprehensive Review, Challenges and Prospects
说明多模态遥感图像配准综述：挑战与展望
简介本文系统综述了多模态遥感图像配准的主流方法，并按流程将其分为基于区域、基于特征和基于深度学习三类，分别说明其原理、代表算法、优缺点。文中还整理了遥感领域公开的多模态图像数据集及其特点，并指出高精度配准研究的当前瓶颈与未来趋势。
Higher-Order Action Supervision Makes A Strong Policy Class
说明高阶动作监督使策略类别更强大
简介这篇论文指出，模仿学习和强化学习在机器人、自动驾驶等真实场景中常出现控制不稳定的问题，原因在于它们只监督零阶动作标签，忽略了动作的高阶动态与时间一致性。作者提出一种新的损失方案，可同时监督零阶和一阶动作，并且无需修改模型结构，能即插即用地集成到多种离线强化学习框架中。在 OGBench 和 D4RL 上的实验显示，该方法提升了多种连续控制任务中的性能与鲁棒性，并在低数据场景下增强了分布外泛化能力。
IntactWorld: Joint World Modeling with Intact Features
说明IntactWorld：利用未压缩完整特征的联合世界建模
简介该论文指出，现有视频生成模型虽然画面逼真，却缺乏对现实世界内在逻辑的理解，且学习过程中会压缩特征、丢失结构信息。作者提出IntactWorld架构，使用未压缩的完整特征，并预测中间层的干净特征x0，同时引入Full-to-Compact训练范式，用精炼的CLS token替代完整特征，使空间内存减少11.4%、推理延迟降低43.8%。在VBench 2.0基准上，该方法比既有基线高出2.46分。
VAMR: Multi-Question Agentic Reasoning for Efficient Long-Form Video Understanding
说明VAMR：面向长视频理解的多问题智能体推理框架
简介长视频理解常需针对同一段录像回答多个问题，现有视频智能体却逐题独立运行工具调用。VAMR 通过一条共享的工具调用轨迹统一处理同一视频的全部问题，并用分层多问题记忆保存共享上下文与各题证据。在 LVBench 上，VAMR 准确率达 62.1%，推理轮数与处理帧数均大幅减少。
SACQ: Structured Decoding with Memory-Conditioned Refinement for Long-Horizon Forecasting
说明SACQ：用于长时序预测的结构化解码与记忆条件精化方法
简介该论文针对长期时间序列预测提出SACQ，一种可插拔的结构化预测头，用于替换常见的扁平化输出头，编码器保持不变。它先生成粗略的分块预测框架，再通过对历史记忆的交叉注意力逐位置精化，并用可学习的逐块门控进行融合。论文还提出一种批自适应缩放log-cosh损失以增强对噪声的稳健性；在PatchTST、DLinear和patch-Mamba主干上，SACQ取得了顶级的测试MSE/MAE，并在输入损坏和标签噪声测试中优于扁平化输出头。
PMTRM: Pseudo-Memory Temporal Re-encoding Module for Embodied Policy Learning
说明PMTRM：面向具身策略学习的伪记忆时序重编码模块
简介机器人操作中常有重复动作，不同阶段的局部观测相似，但需要不同的动作，仅依赖当前观测的策略容易重复或错误切换阶段。本文提出一个仅有761万参数的轻量插件模块PMTRM，将有限长度的已执行状态与动作历史编码为潜在序列，供现有策略使用。模型通过时序异质性目标区分不同阶段，并借助锚点与重建损失保留动作预测所需的信息。实验表明，在仿真和真实机器人上，多种策略骨干在存在阶段模糊的任务中成功率有所提升，且额外计算开销很小。
PIVOT: Perplexity-Informed KD-to-RL Transition Scheduling for Vertical-Domain Few-Shot Distillation
说明PIVOT：基于困惑度的知识蒸馏到强化学习过渡调度，用于垂直领域少样本蒸馏
简介小模型在垂直领域少样本分类上表现欠佳。该论文提出PIVOT方法，依据教师模型评估的序列困惑度，动态决定样本在OPD与GRPO之间的切换：低困惑度样本转入GRPO做奖励驱动的优化，高困惑度样本继续留在OPD中学习领域知识。在Banking77和HWU64上的实验显示，相比持续OPD和全局同步的OPD→GRPO基线，PIVOT在相同的后期学生优化步数下表现更好，训练也更稳定。
CARE: A Lightweight Plug-in Gated Correction and Uncertainty-aware Module for Long-term Time Series Forecasting
说明CARE：一种轻量即插即用的门控修正与不确定性感知模块，用于长期时间序列预测
简介该论文提出 CARE，一个可附加到任意确定性预测模型上的轻量模块，无需重新设计架构。它与基础模型并行运行，利用对齐后的历史上下文学习残差修正规律，并通过逐坐标的 sigmoid 风险门控进行有界更新。在八个基准数据集、三种代表性骨干模型上，CARE 提升了预测精度，额外参数与延迟开销很小；其风险门可识别高误差区域，例如在 Weather 数据集上，门控最高三分位的误差约为最低三分位的四倍。
RideBench: A Large-Scale Exogenous-Aware Benchmark for Ride-Hailing Time Series Forecasting
说明RideBench：面向网约车时间序列预测、可感知外生变量的大规模基准
简介该论文发布了基于滴滴出行平台数据合成的网约车时间序列数据集 Ride-Hailing，覆盖200个区域、四年时间、半小时粒度，并包含天气干扰、节假日效应和大型活动影响三类外生场景。基于此构建了 RideBench 基准，评估了30多种预测方法。结果显示，已知的未来外生变量在周级预测中有明显帮助，但现有模型在长周期预测中仍难以兼顾低逐点误差、准确趋势和可靠的近期预测。
AutoAdapt: Reliable Few-Shot Adaptation under Clinical Distribution Shifts
说明AutoAdapt：在临床数据分布偏移下可靠的少样本适配方法
简介该论文针对目标医院只有少量标注患者时，如何把预训练临床模型迁移过来的问题，提出 AutoAdapt 方法。它用 Adapter 定义可扩展的适配策略空间，用 Automator 基于适配患者的证据加权组合策略，并设计可靠性规则只选择在多数患者上表现最佳的策略。作者称在重症、急诊和诊断数据集上，该方法仅用少量患者即取得一致的最优表现。
VGGTWorld-VLA: Intent-Conditioned 3D World Evolution for Autonomous Driving
说明VGGTWorld-VLA：面向自动驾驶、以意图为条件的三维世界演化
简介该论文提出VGGTWorld-VLA，是VGGT-World的意图条件扩展，用于自动驾驶中可控的三维世界演化。方法通过动作-语义条件机制和几何-语言-动作桥接，将驾驶语义与自车运动信息融入未来几何预测，使同一场景在不同动作下得到不同的未来几何。作者在NAVSIM上评估未来几何预测，结果显示与基线相比具有竞争力，消融实验支持语义与动作条件的有效性。
LadderEdit: Edit-Level Residual Compression for Memory-Efficient Lifelong Editing of LLMs
说明LadderEdit：面向大语言模型终身编辑的逐条编辑残差压缩方法
简介大语言模型的终身编辑需要在获取编辑后保存成千上万条修改，常用的每条编辑一个LoRA适配器的做法存储量线性增长。本文提出LadderEdit，在每条编辑获取后压缩其LoRA适配器：先以低秩存储为轻量草图，再检验其能否满足改写、泛化和局部性要求，不达标则沿秩阶梯提升，直到符合要求。在ZsRE、CounterFact和WikiBigEdit基准上，该方法在LLaMA-3-8B、Mistral-7B和Qwen2.5-7B上的内存占用比精确LoRA存储低5.2倍，并能在5万次连续编辑中保持有效。
Local Prototype Reconstruction for Text-Compatible Speech-to-LLM Bridge Pretraining
说明面向文本兼容的语音到大语言模型桥接预训练的局部原型重构
简介该论文研究连接冻结语音编码器与冻结大语言模型之间小型可训练桥接模块的预训练方法。作者提出一种无需训练目标依赖的诊断指标，并引入训练期专用的局部原型重构正则项（LPR），要求桥接向量可由大语言模型词嵌入邻域重构。在多语言语音识别和语音翻译任务上，LPR 提升了迁移效果，在翻译和低资源适应中增益最大。
Social Pain Disrupts Emotion-Action Brain-State Dynamics in Adolescents with Non-Suicidal Self-Injury
说明社交痛苦扰乱抑郁青少年非自杀性自伤者的情绪-行动脑状态动态
简介该研究让106名抑郁青少年（67名有非自杀性自伤，39名无）在社交痛苦、身体痛苦和静息状态下接受脑电图检测，并用微状态分析与可解释深度序列模型分析脑状态变化。结果显示社交痛苦下区分效果最好，准确率为68.55%；有自伤行为者的MS3与MS5之间双向转换减弱，提示情绪与行动的耦合受到干扰。
CARE: Constrained Attention Refinement for Fine-Grained Visual Classification via Teacher-Student Distillation
说明CARE：通过师生蒸馏改进细粒度视觉分类中的约束注意力
简介该论文提出CARE框架，用于可解释的细粒度图像识别，在保持类别注意力学生模型作为最终预测与解释的同时，引入训练时使用的辅助查询教师，从DINOv2中间层融合多层表示并蒸馏知识。作者还设计了多样性与稀疏性正则项以减少注意力头冗余。在CUB等四个数据集上的实验显示其在冻结骨干设置下表现良好，CUB上Top-1准确率为78.5%。插入与删除指标的忠实性分析表明，排名靠前的注意力区域保留了与类别相关的证据。
★★★★☆ 值得关注
Do LLMs Learn from Rewards in Context? : Rethinking the role of reward in In-Context RL
说明大语言模型能否从上下文中的奖励学习？重新审视奖励在上下文强化学习中的作用
简介本文研究大语言模型在推理时仅凭上下文中的轨迹与奖励对是否真正学到了强化学习式的改进。受控实验显示，奖励几乎不影响改进曲线，翻转、随机化或移除奖励效果相近；轨迹有作用，但打乱或损坏的轨迹同样有效。研究认为这种直接上下文强化学习更像上下文学习的特例，对智能体记忆设计的启示是输入分布和示例可能比奖励塑造更重要。
看点通过受控实验质疑上下文强化学习中奖励的作用，结论反直觉，覆盖四个基准与六个模型，证据较充分。
A Unified Score Matching Paradigm for Video Anomaly Detection and Anticipation
说明用于视频异常检测与预测的统一得分匹配框架
简介该论文提出名为Uni-DSM的统一框架，基于去噪得分匹配，通过似然估计和得分函数建模数据分布中的异常模式。框架用同一套得分模型，经不同推理与监督方式分别完成视频异常检测（自回归去噪）和异常预测（自蒸馏去噪得分匹配），无需依赖未来真实帧。论文称其在多个基准数据集上取得了领先的性能与较高效率。
SP-DocReader: Difference-Aware Self-Play for Precise Document OCR
说明SP-DocReader：面向精确文档OCR的差异感知自我对弈训练框架
简介该论文提出SP-DocReader，一种用于光学字符识别（OCR）的自我对弈框架，针对监督微调后仍残留的识别错误进行训练。方法通过最长公共子序列对齐参考文本与模型生成的标记，并对未匹配位置进行打分，同时加入直接的负对数似然监督。实验显示，在Qwen3-VL-4B上字符错误率约降低54%，DocVQA的ANLS提高3.7个点。
What Transfers from Training-Only Priors? Separating Knowledge, Ordinal Targets, and Optimization
说明训练期专属先验能迁移什么？区分知识、序数目标与优化
简介本文研究在训练阶段可访问教师模型、部署时学生模型只使用本地特征与导出权重的蒸馏方式。作者在三个公开信用数据集和一个此前未被研究的破产数据集上，分离标签、查询、容量和教师访问预算等因素，考察哪些内容能够迁移以及何时有效。结论显示，历史排序先验对齐方法存在局限，实验中没有单一修复方案能稳定解决，并且作者并未主张普遍优越性或特定于大语言模型的优势。
Tight Bounds for Equivalence Testing with Non-Adaptive Conditional Samples
说明非自适应条件采样下等价性检验的紧界
简介论文研究在可获取非自适应条件样本时的分布检验问题，重点是判断两个未知分布是否相同，还是在总变差距离上至少相差 ε。作者给出的算法与下界表明，所需查询次数为 Θ̃(log n/ε²)，即紧界。结论还指出，均匀性检验、恒等性检验与等价性检验在非自适应条件采样下的复杂度都是 Θ̃(log n)。
Improving Image-Based Nutrition Estimation Through Multimodal Food-Item Verification and Recovery
说明通过多模态食物条目核验与补救改进基于图像的营养估算
简介这篇论文针对单张图片的营养估算提出一个框架，用多模态大语言模型盘点图中可见食物，并分别核验食物种类以及每个区域是否足以估算份量。整体复核后最多进行一次针对性补救，补救区域再经核验后合并为最终食物清单用于营养估算。原文称该方法无需针对特定任务微调，并在共同有效输出样本上相较改编的检索基线提升了质量与能量估算的准确性。
Fast Construction of Inner Sphere Trees Using Machine Learning
说明利用机器学习快速构建内切球树（ML-IST）
简介本文针对复杂非凸物体的碰撞检测，提出基于机器学习的内切球树构建方法ML-IST。该方法把叶球生成视为一次性集合预测问题，网络从多通道体素几何中预测候选内切球，再通过可微覆盖反馈修正并填补残余空隙，最后用轻量几何投影保证有效性。文中报告，在目标球数64至512的范围内，单GPU实现的平均叶生成时间约为单核CPU构建的2.0至2.6倍的加速；并将其集成到Jolt Physics与Bullet引擎，在alpha拼图基准测试中帧率达到55.89 FPS，高于比较的其他表示方法。