机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明少即是多：基于密集参考强化稀疏视频推理
简介该论文认为，视频语言模型的关键难点不只是高效处理更多帧，而是在时间证据有限时仍能可靠推理。作者提出SAVER框架，用密集视频视图作为训练时参考，指导稀疏帧推理。该方法仅使用1,250个随机采样的时间定位样本训练，在三个时间定位基准和六个视频问答基准上均有提升，部分情况下可用更少帧匹配或超过密集帧的Qwen3.5基线。
说明面向扩散草稿投机解码的因式分解引导训练与推理方法（DScout）
简介该论文针对大语言模型的投机解码加速，提出DScout方法，通过两种互补的因式分解来指导扩散草稿模型的训练与推理，以提高吞吐量。在六个基准测试中，DScout在Qwen3-4B和Qwen3-8B上相比自回归解码分别获得3.84倍和4.14倍的平均加速，并分别比当前最优基线提升9.1%和7.1%。
说明SPLIT-RL：分阶段训练视觉与语言推理的强化学习方法（含声明级优势）
简介本文针对视觉语言推理任务，提出 SPLIT-RL，将视觉推理与语言推理分开、分阶段进行强化学习后训练，并提出声明级优势方法 CLA-GRPO，把视觉阶段的推理过程拆分为原子视觉声明并给出细粒度优势。论文称，在 Qwen3-VL（2B 至 30B-A3B）和 InternVL3.5-8B 上，SPLIT-RL 的平均准确率高于 GRPO。作者还指出，仅以最终答案为奖励的 GRPO 不改善感知能力，而 SPLIT-RL 同时改善了视觉与语言两方面的推理。
说明去中心化协同持续学习：一种基于多目标最小化的方法
简介论文把去中心化持续学习表述为多目标优化问题：各智能体只在本地计算并与邻居交换信息，任务按时间先后出现。每个智能体把过去任务的部分样本存入本地记忆缓冲区，并将其纳入参数更新，以在学习新任务时保留旧知识。作者在均方误差意义下进行了分析，指出智能体间的合作能够提升持续学习的性能，仿真结果显示该方法能够减少遗忘并改善各任务上的平均均方偏差。
说明面向智能体在线蒸馏的随机教师干预方法（STI-OPD）
简介该论文提出STI-OPD，用于多轮智能体任务中的在线策略蒸馏。方法根据教师与学生策略的差异，以随机概率决定是否用教师生成的动作替换学生动作，并用重要性加权的反向KL目标从混合策略轨迹中学习。作者称，在工具集成推理和长程交互任务上，STI-OPD在各项评测基准和学生模型规模上均优于此前最强的OPD基线。
说明在路灯下找钥匙：生成式分子动力学的评估问题
简介这篇立场论文指出，生成式分子动力学（GenMD）领域目前的评估方式存在偏差，模型可能在报告结果上表现良好，却未必达到其声称的目标，从而可能高估相对经典基线的优势。作者认为，真实标准（对目标体系进行的完整分子动力学模拟）计算成本高昂，导致评估倾向于便利的替代指标，并逐渐固化为社区规范。论文提出了可观测量、报告标准和基准设计方面的具体建议。
说明Barron最优传输I：生成建模——用神经网络复杂度作为代价的测度传输框架
简介本文提出一种最优测度传输框架，以神经网络复杂度衡量传输代价，用Barron能量替代Benamou-Brenier中的平均动能L2能量。该度量定义了概率测度空间上的新度量，与Wasserstein和Stein几何互补。作者以此量化扩散生成模型在Barron几何下的次优性，证明对由高斯经神经网络推前生成的数据，分数近似存在超多项式下界。
说明稀疏注意力是矩阵近似，而非从一堆数值中挑选
简介该论文针对大语言模型注意力计算成本随提示长度平方增长的问题，指出现有稀疏注意力方法只保留较大的注意力数值，忽视了注意力矩阵与数值向量相乘的结构性。作者提出矩阵近似稀疏注意力（MASA），用闭式评分衡量每个稀疏单元对矩阵乘积近似误差的降低程度，可作为插件加入现有框架。多种方法、基准和模型上的实验显示准确率持续提升。
说明带方差缩减的变换采样器：通过可学习的变量替换构造控制变量，用于降低蒙特卡洛估计的方差
简介该论文针对马尔可夫链蒙特卡洛（MCMC）中的期望估计，指出好的控制变量需要求解采样器的泊松方程，而这通常没有闭式解。作者借助归一化流等双射把目标分布变换到接近参考分布的潜在空间，证明马尔可夫核及其泊松解可随双射一同变换，从而得到显式控制变量。实验在合成目标和真实后验分布上与现有采样器和控制变量方法进行了比较。
说明基于人类听众强化学习的对话语音审美模型
简介本文提出对话语音审美模型CVAM，这是一种语音大语言模型，用于在自然对话语境中描述真实或合成语音回应的声音审美特征。模型可指出体现声音特点的关键时刻，并预测性别、音高、语速、情绪和表达方式等九类属性。研究基于CANDOR语料库中的3千条真实与合成回应，每条约由10位人类标注者评分，模型先经监督微调，再以群体相对策略优化（GRPO）依据人类判断进行优化。实验显示，CVAM与人类听众的一致性优于Gemini 3.1 Pro及开源语音大模型。
说明生命类网络自动机规则的形状不规则性作为分类性能指标
简介该论文研究用生命类网络自动机（LLNA）提取复杂网络的动态描述符，以进行网络分类。作者提出一个称为"锯齿度"（jaggedness）的指标，衡量转移函数与锯齿形状的相似程度，并用它作为混沌性与敏感性的理论代理指标。基于该指标的启发式搜索在分类准确率上可达到全局最优的5%以内，同时计算开销较穷举搜索降低90%。
说明用路由稀疏自编码器分离语言与副语言信息
简介自监督语音编码器把语言信息和说话人身份、情绪、韵律等副语言信息混在同一表示空间中。作者结合TopK稀疏自编码器、按路由的监督和跨因素对抗约束，把两类信息分到不同路由。在冻结的SPEAR和WavLM编码器上，独立探针显示语言路由保留语言信息，副语言路由保留副语言因素并在语言路由中明显减弱。
说明基于网格的神经能量法：用于非均质复合材料的模拟
简介本文提出基于网格的神经能量法（M-NEM），通过形函数对位移场进行网格离散化，以抑制传统配点式神经能量法（C-NEM）中的非物理位移振荡。该方法用代数形函数导数替代自动微分计算应变，并采用高阶高斯积分进行能量积分。在可直接比较的基准问题上，M-NEM 的应力误差比 C-NEM 降低至多三个数量级，速度快一到两个数量级；在两个刚度差异极大的基准问题上只有 M-NEM 能够收敛。
说明用大语言模型从行为数据预测群体转化率：汇总与对比推理的权衡
简介本文研究如何用大语言模型模拟用户群体，依据浏览会话预测商品的群体转化率，无需针对任务训练模型。作者比较了先汇总再推理与逐会话预测后取平均两种做法，以及单独评估与对比评估的差异。结果显示，对比式汇总在15组设置中的12组与真实转化率的斯皮尔曼相关性最高，且推理成本远低于会话方法；使用各结果最佳模型时，其相关性达到有监督基准的66%至89%。
说明面向少步蒸馏文生图扩散模型的偏好驱动遗忘方法
简介文生图扩散模型常被蒸馏成少步版本以加快推理，但它们可能生成有害内容。该论文指出，现有数据驱动的遗忘方法依赖多步去噪过程，在少步蒸馏模型上效果不佳；而在基础模型上遗忘再重新蒸馏则开销很大。作者提出一种基于偏好优化的遗忘框架，针对少步生成特性改进了直接偏好优化（DPO），主要在身份和裸露内容移除任务上评估，并扩展到物体级遗忘，实验显示遗忘效果一致且能较好保留其他能力。
说明RFChipAgent：面向模拟/射频芯片设计的多智能体AI流程
简介本文提出RFChipAgent，一个由大语言模型智能体协作完成的模拟/射频电路端到端设计自动化流程，在人工监督下运行。系统包括多模态检索增强生成、拓扑选择与原理图/测试平台自动生成、结合TPE与CMA-ES的闭环混合电路尺寸优化，以及可信评分的仿真数据库。作者在GF22FDSOI 60 GHz毫米波低噪声放大器上验证了该方法，称其显著减少设计工作量并保持签核级验证质量。
说明自监督关键帧发现：面向任意时长的行为克隆
简介本文针对非马尔可夫环境中的行为克隆问题，提出 Keyframe Mnemonics 方法。该方法通过自监督学习，从随机采样的历史观测中发现一组关键信息帧，并以之作为关键帧选择的奖励；随后训练的策略仅以这些关键帧为条件建模动作分布。在合成记忆任务中，该方法取得 100% 成功率，并能泛化到远超训练长度的时间跨度；在记忆密集型机器人操作基准的 23 项任务上，平均成功率较最强基线绝对提升 13.9%。
看点提出自监督关键帧发现以解决非马尔可夫行为克隆的长时记忆问题，在合成域与23个操作任务上有系统对比，并在真实机器人上验证长时域泛化。
说明KDFP：面向大语言模型知识蒸馏的第一性原理方法
简介该论文针对大语言模型的通用知识蒸馏，提出白盒方法 KDFP，用于把大型教师模型的知识迁移到小型学生模型。作者在 9 个基准上报告其表现比现有方法高出 1.6% 至 4.9%，并通过减少临时参数把训练效率提升最多 99.1%。
说明预测拟合相近但潜在动力学不同：脑部疾病个性化模型中学到的动力学结构表征
简介本文用轻量级CNN-Transformer脑电基础模型提取片段表征，并为每位受试者拟合稀疏多项逻辑转移模型，得到个性化转移依赖图。在198名受试者（癫痫与非癫痫各99名）中，癫痫组的依赖结构明显更密集，但两组的留出对数似然和下一状态预测性能几乎相同。结论是预测性能相近不代表学到的动力学相似，因此个性化临床模型应同时评估内部结构。
说明面向大语言模型的摊销式离策略评估（PFN-OPE）
简介论文提出 PFN-OPE 方法，用于在不接触真实用户的情况下，离线评估待部署的大语言模型。该方法在多种上下文赌博机任务上预训练一次，测试时只需一次前向计算即可给出价值估计，无需对每个新数据集或新奖励定义重新拟合。在 HelpSteer2 和 UltraFeedback 数据集上，针对 Qwen、Llama、Gemma 策略，其在奖励变化的设置下误差比最优基线低 2.0 至 9.3 倍。
说明面向AI的真正长期记忆：可存取5000万词元的记忆层，读取比重新计算更快更省
简介该论文测试了开源包galahad-kv，它将每约16,000个词元的KV状态加密保存到本地NVMe磁盘，之后原样读回而无需重新计算。在一块NVIDIA H100上用Gemma 4 12B和31B模型处理5000万词元真实公开文本，所有探测块均成功读回，读取比重算快2.8至4.3倍、GPU能耗降低8.8至12.3倍。论文同时指出其局限：这是对已存状态的复用而非更宽的注意力窗口，问答效果取决于模型，且需要数TB本地磁盘。
说明TerraAgent：基于示例与多智能体推理的长上下文遥感视觉问答
简介该论文针对遥感视觉问答，指出现有模型仅以准确率评估，无法判断答案是否真正依赖图像。作者提出无需训练的AVA框架，包含按分辨率分桶检索示例并过滤、将问题分解为子问题并记录证据的多智能体推理，以及通过反事实扰动审计答案的视觉依赖度评分。在多个数据集上，AVA提升了准确率，并降低了仅凭先验作答与幻觉比例。
说明《On the Clock》：迈向守时且高效利用时间的预算型AI智能体
简介该研究考察小型大语言模型智能体能否在明确的挂钟时间预算下运行，既遵守分配的运行时长，又有效利用可用时间。实验在MLE-Bench Lite的五项竞赛和Zork I（Jericho）文字冒险游戏上进行。结果显示，通过框架注入计时信息可显著提升时间预算的遵守情况，基于GRPO的强化学习在Zork I上接近完美地遵守预算，但在MLE-Bench上并未提高任务表现。研究指出，遵守时间与高效分配时间之间仍存在差距。
说明MotherTree：基于合成数据的元学习改进决策树训练
简介该论文提出 MotherTree，一种表格 Transformer，通过在合成先验分布上进行元学习，在单次前向传播中为新任务直接生成硬性、轴对齐的决策树。它无需参考树作为监督。在受控样本量的基准测试中，其与常见算法得到的同规模树具有竞争力，并且在作为初始化时，任务特定微调的效果优于从头训练的学习器。
说明部分验证下的共形预测：在减少标注核验成本的同时保持相同预测集
简介共形预测能给出有有限样本保证的预测集，但校准时需要的标签核验成本较高。本文提出一种部分核验方法，得到的预测集与完整核验完全相同。作者刻画了足以确定共形阈值的校准证书，并设计了在校准样本之间协调核验的流程。实验覆盖检索、数学解题和配置评估，与逐个核验相比，核验成本降低15%至82%，预测集保持一致。
说明面向多模态上下文学习的线程解析示例筛选与一致性校准（TraceICL/AVA）：一种免训练的改进方法
简介论文针对多模态上下文学习中示例图文错配、冗余示例挤占有效示例、噪声答案被照抄等问题，提出免训练框架AVA，包含线程解析分解、基于影响力评分的示例筛选和弱到强一致性校准三个阶段。在五个视觉-语言基准的交错4-shot设置下，AVA相比同设置最强基线平均提升1.7个点，在VizWiz上最高提升2.4个点，且在30%噪声示例下仍保留大部分增益，延迟开销为26%。
说明大规模语法概念标注：微调的小型语言模型优于提示式前沿大模型
简介该论文针对语言课堂纠错反馈难以汇总为语法掌握视图的问题，用教师生成的筛选、重平衡数据微调Qwen3.5小型语言模型，并将0.8B模型部署到英语学习平台的语法掌握追踪器中。在两个人工标注基准上，部署的0.8B模型和4B参考模型在精确率和召回率上均优于提示式GPT-5.4与GPT-5.6 Sol；部署模型的服务成本约降低16倍，在线实验中学习者参与度提升15.8%。
说明流匹配中的速度缩放：一项关于群体时间滞后的研究
简介该论文研究流匹配模型中对学习到的速度场乘以增益系数的做法。作者发现，这种缩放主要减少的是群体时间滞后，即模型在时刻t采样到的状态更像训练中较早时刻的状态，而非修正均方误差训练造成的速度幅值偏低。在ImageNet-256数据集上，基于测得的时间滞后选择增益，可在无引导条件下将FID从28.0降至12.2（按相邻增益处的FID线性插值估计）。
说明诊断并修复长时程技能衔接处的观测空间偏移
简介论文研究把独立训练的机器人操作技能串联成长时程任务时，后一技能因前一技能遗留的场景状态偏离训练分布而失败的问题（观测空间偏移，OSS）。作者发现主要偏移来自场景中被移位的物体，而非机械臂关节或被操作的物体。基于此，他们提出检测、恢复场景、继续执行的方法，在BOSS-44基准上将全链成功率从7.6%提升到26.5%，并在真实Franka机械臂上进行了初步验证。
说明评估评分标准生成：一种干预式迁移方法
简介论文提出一种评估大语言模型生成评分标准（rubric）质量的方法，称为干预式迁移（Interventional Transfer）。其核心思想是：若对回答做扰动使其在两套标准中通过或失败时分数同步变化，则两套标准相似。在HealthBench上的案例研究显示，不同模型生成的标准与专家标准之间存在不对称性：一方的降分扰动能迁移到另一方，但提分扰动不可靠地迁移。作者认为这对用LLM生成标准进行性能监控和迭代优化有启示意义。
说明三通道分数冲突中的受控获取与弃权研究
简介该论文在受控的三分数基准上研究：当音频、视频和文本结论不一致时，策略应该获取第三个信息源还是选择弃权。作者比较了阈值策略、多数投票参考等方法，并分析了预算和奖励设定对选择价值的影响。结果显示，选择价值依赖于预算大小和观察到的分数对排序。
说明用于未归一化分布的符号密度估计
简介本文提出一个框架，从观测样本中估计未归一化分布的符号（解析）表达式，利用问题领域的先验知识，如相互作用范围和预定义的基本函数集。作者将深度生成模型（流模型和基于分数的模型）与符号回归结合，并引入因式分解等归纳偏置以使问题可处理。实验表明该框架可用于多元玩具分布以及XY模型和φ⁴理论的格点系统，并在φ⁴理论的重整化问题中直接从样本估计不同尺度下哈密顿量的紧凑符号近似。
说明以谁为准的真值？拥抱以人为中心的人工智能中的模糊性
简介这篇立场论文指出，许多以人为中心的任务中，人类的解读本身带有模糊性，同一输入可能存在多种同样合理的解释。传统机器学习通常假设存在唯一真值，并将标注差异汇总或视为噪声。作者主张转向建模合理人类判断的解释空间，并区分有意义的模糊性与标注噪声。
说明在偏好异质条件下，排序需要多少次重复两两比较？
简介本文研究在用户和任务偏好各不相同时，如何通过两两比较估计平均效用最高的排序。原文指出，即使用户数量很多，每位用户只比较一次也可能无法识别平均效用最高的选项。作者提出多种基于 MLE 的方法和一种随机化的 Russian Roulette 式算法，每个情境所需的重复比较次数分别为 Ω(1/Δ²) 和 O(log(1/Δ))，并证明对数依赖是最优的；该 Russian Roulette 算法的期望比较次数为 O(1)。
说明基于诊断传输校准模糊集的分布鲁棒优化
简介分布鲁棒优化通过在模糊集上优化来防范分布不确定性，但模糊集几何与实际不匹配时会导致半径过大、决策过于保守。本文提出诊断传输分布鲁棒优化（DT-DRO），利用留出的校准数据，依据观测到的预测误差调整模糊集几何，并给出可计算的对偶形式。理论上给出了有效半径和决策风险保证；数值实验与停电应用表明，在结构性和尾部误设下决策质量有所提升。
说明NavGPT-3：在分层导航运行时中利用上下文的具身智能体框架
简介该论文提出 NavGPT-3，一个把语言模型推理与底层动作策略连接起来的框架，并在其上构建了类似操作系统的运行时，用于调度推理、执行与监控线程。底层动作策略 NavGPT VLA 基于 1928 万条样本训练。论文报告其在 R2R-CE 和 RxR-CE 基准上取得较高成功率，并在 RxR-CE 上与人类跟随者的成功率和路径保真度相当，同时每回合耗时更短。
说明Plan-and-Patch：用于智能体规划的扩散语言模型
简介该论文提出 Plan-and-Patch 框架，让扩散语言模型（dLLM）并行生成结构化计划，并在计划局部出错时只重新生成受影响的部分，同时保留前后步骤。与自回归模型相比，扩散模型在无任务专门训练的 Natural Plan 上修复成功率更高（53.7% 对 27.0%）；在 ALFWorld 和 TextCraft 上，二者生成成功率相近，但扩散模型的平均生成延迟降低了 39%–46%。
说明VICO：视觉环境与模型协同演化的视觉语言模型推理方法
简介该论文提出VICO框架，让视觉语言模型的训练环境随模型能力同步演化：一个环境改写器编辑图像中的可验证结构（如场景图、图表表格、受保护区域掩码）并重新渲染，生成标签有效的训练样本，其难度依据模型当前通过率校准。在九个多模态基准上，VICO-8B在域外任务上相比基础模型最多提升5.0%，并与图表专用RLVR方法相当，但所用带标签样本少16至160倍。
看点提出演员与视觉环境共同演化的框架，用通过率奖励校准难度；在九个基准上较基线有明显提升，证据较充分。
说明MemoWM：世界模型如何改变智能体需要记住的内容
简介本文面向长期运行的智能体，研究如何借助世界模型来减少每条经验的存储量。作者提出 MemoWM 框架，利用共享预测压缩保留的信息并重建被省略的内容，并依据任务价值在重建误差与存储成本之间进行分配。论文报告，在五个长期智能体记忆基准上，MemoWM 的平均答案准确率为 42.42%，并相比最强基线 MIRIX 将平均单条经验存储降低 53.9%。
说明NEMORA：用于长程原子学习的神经等变多极算子
简介该论文提出NEMORA，把快速多极方法（FMM）的多极展开与平移算子推广为可学习的等变算子，用于机器学习原子间势中的长程张量表示。它在自适应空间层级上工作，计算与内存复杂度为线性，可处理数十万原子的体系。在非局域基准测试中，相较短程主干模型，力误差与能量误差分别降低一个多数量级和最多三个数量级。
看点将快速多极展开学习化为等变算子，线性复杂度且保留物理先验，实验显示力与能量误差大幅下降，证据较充分。
说明AI介导的自我：人机交互领域如何定义自我及其与自我的关系
简介本文是一项范围综述，分析了102篇论文，考察人机交互（HCI）领域如何定义自我、如何描述AI与自我的关系，以及AI与自我纠缠时可能出现的风险。作者提出了“AI介导的自我”这一概念框架，梳理了六种自我框架，并归纳出能动性/自主性、身份/作者身份、关系能力和意义建构四个伦理风险领域。文章还提出“AI自我包容”框架，将AI与自我的关系置于一个亲近程度的连续谱上。
说明能源转型中的战略投资决策：基于强化学习的价值创造方法
简介本文面向能源企业在低碳转型中的投资决策，构建了一个模拟至2050年能源格局的仿真环境，并设计多目标序贯决策框架，在油气、可再生能源和二氧化碳减排三个领域之间分配资金，目标包括利润最大化、降低二氧化碳社会成本和增强可再生能源竞争优势。研究使用强化学习在不确定条件下寻找最优投资策略，并将其与若干人工设定的基准策略比较，结果显示强化学习策略在适应性和长期价值创造方面表现更好。
说明线性注意力能从非线性教师的上下文示例中学到什么？
简介本文研究线性注意力模型在上下文学习中的能力，并把已有线性回归理论推广到非线性单指标目标 y=f(x·w)+ε。作者证明线性注意力只提取 f 的线性 Hermite 分量，其余非线性结构在泛化误差中表现为等效噪声。因此线性理论的结果可以迁移到非线性任务上，文中还讨论了有限预训练数据和任务多样性增加时从记忆到泛化的转变。
说明DOGS：面向提示驱动标志生成的设计空间采样方法
简介这篇论文指出，文生图的提示优化多是改写文字，但对标志这类结构化设计任务并不合适。作者提出DOGS方法，从大量真实标志中挖掘带类型的设计语法，并用GFlowNet采样器在设计空间中生成标志，综合考虑辨识度、美观度和相对原创性。论文称，与九种基线相比，该方法生成的标志辨识度和美观度更高、更多样，且侵权风险显著降低。
说明MESSENGER：基于自回归下一帧预测的记忆增强序列场景流估计
简介该论文针对动态场景中的三维运动估计（场景流）问题，指出早期基于两帧的方法缺乏长期时序关联，且多帧方法计算开销大、长时预测退化。作者提出名为MESSENGER的记忆增强序列方法，通过记忆缓冲区存储历史流估计与隐状态，并加入不确定性感知重加权模块过滤不可靠检索。在nuScenes和Argoverse 2上的实验显示，长时未来外推的EPE3D分别降低71.6%和67.7%。
说明先澄清，再聚焦：面向大规模对话分析的陈述规范化方法
简介该论文针对企业对数百万次对话进行分析时重复解读成本高的问题，提出先将对话文本规范化为带说话人归属、来源引用和语义标签的简短陈述，再按具体问题选取相关证据。在客服通话的优惠抑制任务中，规范化提升了无选择步骤的监督分类器效果；较弱的提示式读取器则同时受益于规范化和选择。作者认为，这种共享预处理可以支撑完全由小模型构成的推理流程，降低大规模对话分析的成本。
说明CORAL-KV：面向自回归视频KV缓存的紧凑跨层预测与残差编码压缩
简介本文针对自回归视频扩散模型中不断增长的注意力KV缓存占用大量内存的问题，提出CORAL-KV压缩框架。该方法利用各层缓存状态预测后续层的键和值，再对剩余预测残差进行量化，并采用块对角加低秩的紧凑预测器。在HY-WorldPlay和MAGI-1上的实验显示，相比QVG方法，其在更少缓存内存下提高了PSNR，并在长时间生成中保持较高重建保真度。
说明TraceQuery：从完整去噪轨迹中学习该重算哪些位置（扩散语言模型）
简介扩散大语言模型通过迭代的掩码去噪生成文本，但每一步都要反复重算大量表示，推理成本高。论文提出TraceQuery，用完整去噪轨迹来指导只对少量未确定位置进行新的计算：先预测近期与轨迹相关的少数位置，仅对这些候选重新计算，再由主干模型从新预测中选择要提交的词元。论文称，该方法在基于缓存的方法中质量与计算量的权衡最佳，在多种任务、模型变体和模型家族上均有效。
说明表格数据上的对话式任务消歧：考虑信息泄露的形式化、基准套件与训练方法
简介本文研究在表格或数据库上，通过对话先澄清用户任务意图再给出解决方案的问题。作者提出“含歧义的可验证任务”框架，把智能体拆分为提问策略与求解策略，并定义了可单独评估消歧能力的指标与信息泄露的形式化定义。在文本到SQL场景中，作者构建了统一六个歧义数据集的AmbiTab基准，并用强化学习训练提问策略，结果显示其在六个数据集的消歧指标和五个数据集的任务成功率上均有提升。
说明有损压缩文本自编码器：在数据压缩与表示学习之间学习文本的压缩隐表示
简介本文提出一种文本自编码器，在时间维度上对隐藏表示做残差降采样与升采样，并加入残差低维离散瓶颈，以学习文本的压缩表示。作者比较了不同量化方法、训练目标和数据集，在不同压缩率下同时用表层指标（BLEU）和基于大模型评判的语义指标评估重建文本的相似度，并在问答与语义文本相似度下游任务上进行测试。论文报告，在网络文本数据上该方法的压缩结果约为每字节 2.24 比特，与无损文本压缩算法相当，同时保持了较好的重建与下游任务表现。
说明认知温度计：机器学习与逻辑复杂度
简介本文探讨人类心智如何表征语义范畴，以及为何自然语言偏好某些意义。作者指出，以往依赖逻辑可定义性与复杂度的解释对所选逻辑语言很敏感，因此提出用机器学习来衡量语义复杂度，认为它比较不受选择影响。文章综述证据，指出两者在相对复杂度上常得出一致结果，分歧时学习模型似乎是更好的解释，并主张把机器学习模型视为“认知温度计”，以统一方式衔接符号逻辑与连接主义人工智能。
说明LinSlot：利用线性表示假说从基于槽位的对象表示中无监督发现属性
简介本文研究如何从原始无结构图像中学习对象及其属性的解耦表示。作者提出 LinSlot 框架，借助线性表示假说（LRH）把对象与属性（block）联合建模，并通过优化概率图模型的证据下界实现训练。实验显示其能有效发现解耦的对象与属性表示，支持图像编辑，并在多个数据集上提升了 DCI 分数，优于现有方法。
说明透过反光看清：眼镜反光去除的多源基准与眼部自适应像素MeanFlow方法
简介本文针对眼镜反光去除任务提出多源基准OcuBench，包含10,280组可控合成图像对、732组真实输入伪配对图像和458张独立真实测试图。作者同时提出OcuFlow方法，结合几何自适应表示与单步像素MeanFlow，将重建集中于被反光遮挡的眼部区域，并以原生分辨率保留可靠细节。实验显示该方法在去反光质量、眼部保真度与效率上表现更好。
说明在循环架构中通过空间神经计算学习无限上下文窗口
简介该论文提出一种二阶循环模型，用离散化偏微分方程描述的空间演化场取代神经元之间的直接通信，让结构化时空模式充当隐式记忆。作者证明该模型等价于结构化的无限阶循环神经网络，感受野理论上无界且参数数量固定，并给出保证边际稳定的构造性条件以消除梯度消失和爆炸。实验显示，该模型在长时程基准上优于其他循环模型，且参数量明显更少。
说明Tetris3D：生成彼此契合的三维场景物体
简介本文提出Tetris3D，一种从单张图像重建三维场景的生成框架，目标是恢复在几何与物理上彼此协调的物体。方法让每个物体的生成以周围物体的几何形状及其物理关系为条件，使其形状与位姿在场景中保持合理。作者还构建了ComOb数据集，包含120万个基于物理仿真的场景，附有逐物体网格及两两物理关系标注。实验显示，即使交互区域被遮挡，该方法仍能恢复协调的形状与位姿，并在生成质量和物理稳定性上达到当前最优水平。
说明《永不回头》：从第一人称视频理解三维物体记忆的持久性
简介该论文研究具身助手如何通过观察人的日常活动视频，建立类似人类的三维物体记忆。作者提出Ledger系统，记录物体位置、移动历史和上下文描述，即使物体离开视野也能保留。实验显示，该记忆使HD-EPIC准确率从29.7%提升到42.6%，UCS-Bench从33.8%提升到38.5%。
说明将探索与优化解耦的RLVR方法（ExpDis）
简介该论文针对带可验证奖励的强化学习（RLVR）中探索与优化相互干扰的问题，提出Exploration-Distillation（ExpDis）框架。方法先用新颖性奖励训练探索策略，筛选正确且高质量的轨迹，再蒸馏到不带新颖性奖励训练的学生策略中，并交替进行多轮。在七个数学推理基准和两类模型上，ExpDis在相同时间预算下优于DAPO，且pass@k表现提升，显示其能生成更多样的正确解答。
说明解释对抗训练神经网络显著性图稀疏性的理论研究
简介本文针对对抗训练神经网络的梯度显著性图看起来很稀疏的现象，为两层ReLU网络提供理论解释。作者利用对抗训练与带权重衰减及对抗全变差项的经验风险最小化之间的等价关系，证明在数据量和神经元数增加、正则化参数按适当速率趋于零时，最小化解收敛到具有最小梯度范数和Barron范数的贝叶斯分类器。稀疏性源于使用ℓ∞攻击时梯度范数的各向异性，偏好与坐标轴对齐的稀疏梯度。作者还通过比较自然训练与对抗训练模型的梯度ℓ1范数和阈值稀疏度进行了实验验证。
说明EngramEdit：通过条件记忆实现大语言模型中知识的解耦更新
简介该论文提出 EngramEdit 方法，针对 DeepSeek Engram 这类条件记忆架构，在保持 Transformer 主干不变的前提下更新大语言模型中的事实知识。方法先计算使模型在多种表述下预测更新后事实的目标记忆表示，再联合更新共享的 n-gram 嵌入，并对频繁复用的嵌入施加更强的惩罚以保护无关知识。实验显示其编辑成功率接近完美，新知识可用于未见过的表述和多跳推理，并且无关知识与通用能力基本得以保留。
说明Long-WAM：扩展世界-动作模型的上下文长度
简介本文提出 Long-WAM，一个面向实时机器人控制的模型与系统框架，用于扩展因果式世界-动作模型的上下文长度。作者发现，当视频基础模型采用自回归方式预训练时，更长的历史信息才能更有效地被利用。在 RoboCasa GR-1 上，上下文从 0.0 秒增至 19.2 秒，成功率由 63.3% 提升至 78.7%。该方法在 LIBERO-Long、RoboTwin 2.0 和 DOMINO 上取得了所比较方法中的最佳结果，并已部署于多款硬件和真实机器人上。
说明重尾噪声下的去中心化SGD：最优收敛速率与梯度裁剪的作用
简介本文研究去中心化随机梯度下降（DSGD）在重尾噪声下的收敛性，重点分析对局部梯度进行裁剪（clipping）的影响。作者证明，带裁剪的DSGD在有界p阶矩噪声条件下，对光滑非凸目标可达到阶数最优的收敛速率，并给出随智能体数量线性加速的结果。与归一化方法相比，裁剪保留了梯度的大小信息，因此仍能收敛。数值实验验证了理论结论。
看点证明带裁剪的去中心化SGD在重尾噪声下达到阶最优收敛率并有线性加速，同时刻画裁剪与归一化的差异，新意明显，实验仅作验证。
说明先改写再行动：视觉-语言-动作模型的语言敏感性及其缓解方法
简介这篇论文发现，视觉-语言-动作模型（VLA）对指令措辞非常敏感，只改一个词就可能使成功率相差数十个百分点。作者提出在部署时用一组从少量训练任务中归纳出的改写规则，在执行前把每条指令改写一次，无需重新训练策略模型。该方法使冻结的π0在十二个保留任务上相对提升16%至27%，并能零样本应用于未见过的任务和指令。
说明GRACE：面向生成的潜变量压缩，用于高效视频生成
简介该论文提出 GRACE（面向生成的潜变量压缩）框架，用于加速视频扩散模型。它在保持与预训练 DiT 兼容的前提下压缩视频自编码器：冻结基础潜变量，学习残差潜变量补偿压缩损失，并通过冻结 DiT 特征空间对齐压缩前后的潜变量。论文称，该方法使 Wan2.1-I2V-14B 的 token 数量减少 8 倍，延迟降低 11.1 倍（480x832x81），在 VBench 上的生成质量与压缩前的预训练流程相当。
说明图几何蒸馏：从图神经网络到多层感知机的知识差距
简介本文研究如何把图神经网络（GNN）教师模型的预测能力蒸馏到不依赖图结构的多层感知机（MLP）学生模型中。作者指出现有方法未明确学生应保留教师的图几何结构，并由此提出基于Ollivier-Ricci曲率的训练期蒸馏框架G^2MLP。实验称其在多个节点分类基准上优于无图蒸馏基线，并可迁移到图Transformer教师和链接预测任务。
说明为什么仅遗忘式的反学习需要记忆
简介本文研究只拿到训练后模型和待遗忘样本、没有保留数据的反学习。作者证明，不同数据集可能训练出同一模型，却在删除相同样本后需要不同结果，据此给出反学习能否匹配重训练的精度下界。论文还指出，要处理任意删除请求，算法需要记住训练数据中的大量信息，甚至在简单阈值学习器中可能需要整个数据集。
看点证明遗忘学习需要记忆训练数据，并给出阈值学习器所需信息的下界，新意明确，证明扎实，对子领域影响较大。
说明RoboJEPA：扩展机器人潜在世界模型的规模定律
简介本文提出RoboJEPA，一种基于联合嵌入预测架构（JEPA）的世界模型，在涵盖12种机器人形态的大规模数据集上训练。研究发现其想象误差随计算量呈二阶幂律变化，下游机器人规划性能也随计算量可预测地提升，且两者高度相关，可作为真实机器人评估的代理指标。论文还展示了该模型可零样本部署为机器人智能体，以单一目标图像规划长时程任务，并公开了模型权重与代码。
说明SciExam for ENSO：AI 智能体能否构建气候模型？
简介该研究提出 SciExam for ENSO 基准，让语言模型智能体在六小时内，基于真实观测数据构建厄尔尼诺-南方涛动（ENSO）的低阶随机模型。隐藏评分器从再现统计特征、重建未观测变量和预测保留年份三方面评估模型，并用同样方式评估一个已发表模型。在十二个智能体系统中，有六个得分高于已发表模型，主要得益于更好的重建与预测能力。
看点提出以隐藏评分器评估开放式科学模型的新基准，并发现智能体模型结构与ENSO两种争议解释相容，证据较充分但仅限单一气候现象。
说明基于视频条件的生成式二维-三维手部运动联合恢复
简介论文提出 JoHan 统一生成框架，直接从视频序列恢复手部运动，无需依赖逐帧姿态中间预测。模型从头训练，同时生成对齐的二维与三维局部手部姿态序列，并学习两者的时间动态与对应关系。实验表明，在具有挑战性的基准上，局部手部姿态与相机空间重建的精度和速度均有明显提升，运动更平滑，同时保持较高的逐帧姿态精度。
说明你的提示应该做得更多：检索指令对嵌入模型的影响
简介本文研究在非对称检索任务中，检索指令如何影响嵌入模型对查询的表示。作者发现，当评估中加入查询侧干扰项时，模型即使面对简单的任务指令也可能无法正确遵循。论文推测这与当前嵌入模型的训练和评估方式有关，并显示加入查询侧干扰项进行微调后效果明显提升，对其他任务影响很小。
说明RECAST：通过自适应证据路由学习计算正确的上下文
简介论文提出RECAST框架，把证据构建看作对异构检索与计算操作的序列决策过程，使证据可以被主动推导而非仅仅检索。轻量级RouterLM选择或生成操作，由冻结的CompilerLM转为可执行代码，证据充分后交给冻结的AnswerLM生成答案，并采用SFT与GRPO训练。作者报告在六个基准上平均成功率为75.6%，并在三个留出基准上展示零样本泛化能力。
说明无需已知分布参数的平滑在线学习：可调用 ERM 预言机的高效算法
简介本文研究平滑在线学习，即假设每个协变量的条件分布相对某一基测度密度有上界，介于完全对抗与完全随机之间。作者提出首个在不知基测度 μ 的非可知（agnostic）设定下、可由单次 ERM 预言机调用实现次线性遗憾的算法，基于高斯扰动跟随领导者方法，且无需已知 μ、平滑参数 σ 或时间范围 T。对 VC 维为 d 的二分类，其遗憾界为 Õ(d√(T/σ))，作者称其在相差 √d 因子内最优。
看点首个无需已知基测度即可在不可知设定下实现次线性遗憾的oracle高效算法，遗憾界接近最优，理论贡献突出。
说明EmbodiedRSI：通过假设引导的协同进化实现机器人主动持续学习
简介该论文提出EmbodiedRSI，一种自我进化的智能体框架，让机器人自主决定下一步探索什么，并把物理交互结果转化为改进的代码和技能。其核心包括快慢双系统架构、假设图和信息价值实验选择等机制。在RoboCasa365和LIBERO-Pro基准上，该方法总体成功率分别为77.0%和86.8%，并能零样本迁移到真实机器人上。
说明QuadTok：用于自回归图像生成的四叉树视觉分词器
简介本文提出QuadTok，一种基于层次化四叉树结构的视觉分词与自回归图像生成框架。该分词器对视觉复杂区域分配更多表示容量，对均匀区域保持粗分辨率。与固定256个token的网格相比，在ImageNet上约节省10%的token，迁移到COCO时零样本约节省9%，重建质量相当。基于该框架的9.47亿参数生成模型在ImageNet 256×256上达到2.08的gFID。
说明基于Sentinel-2遥感数据预测湖泊叶绿素-a的进化式架构搜索
简介本文针对湖泊藻华分类这一任务，沿用原研究的特征和按湖泊划分的训练/测试集，用正则化进化算法在多层感知机空间中搜索网络结构，仅以内部交叉验证的AUC进行选择。结果显示，搜索到的小型网络将留出集AUC从0.790提高到0.820，准确率从0.733提高到0.748，且仅使用409个可训练参数，比最强的人工设计基线少26倍，模型约1.6 kB，可作为星载筛选触发器使用。
说明从 Autoresearch 看光伏板分割的启示
简介本文研究 AutoResearch 协议：由代码语言模型在一小时 GPU 预算内修改训练程序，仅当验证 IoU 提升时才保留改动。实验在固定的真实图像划分上进行光伏板分割，模型结构 DeepLabV3-ResNet-50 保持不变。三组各 24 次实验均超过一小时基线，但保留的改动无法跨硬件迁移；仅用真实图像训练的 Qwen3-8B 配置测试 IoU 为 0.836，参考 GAN 增强方案为 0.833。
说明平移均值赌博机中的最优臂识别：研究随机环境下一种新型对抗扰动（均值整体平移）时如何识别最优臂的方法。
简介本文研究随机赌博机环境中的最优臂识别问题，提出一种称为“均值平移”（Shifting Means）的新型对抗扰动，即各臂均值之间的差距保持稳定，但共同的偏移量可由对手在每轮中任意决定。作者指出，采用广义似然比检验（GLRT）停止规则的算法（包括流行的Track-and-Stop）在时变平移下会失效，并提出了基于重要性权重的ISM算法。在均值有界和次高斯奖励假设下，ISM满足δ-正确性，样本复杂度阶为 K(σ²+U²)Δ_min⁻² ln(1/δ)，并给出了相匹配（相差常数因子）的最坏情况下界。
说明BEANS-Next 与 ROOTS：拓展生物声学中的音频-语言能力
简介本文提出 BEANS-Next 基准，依据声学感知、生物类别识别、场景理解和上下文学习等生物声学任务分类构建，显示现有模型在这些任务上的表现有限。作者同时推出大规模训练数据集 ROOTS，结合真实数据、行为与声学元数据、音频衍生信息及合成数据，训练后模型在 BEANS-Next 各任务组上均有明显提升。相关基准、数据集与数据流程均已开源。
看点构建覆盖多类生物声学任务的基准并发布大规模训练数据，对已有评测做了实质扩展，实验证明训练有效。
说明AbridgeKV：把长推理压缩进学习到的暂停标记的KV缓存中
简介长链式思维解码受内存限制，生成文本的KV缓存随推理计算量线性增长。AbridgeKV让模型学会压缩自己的输出：把每段已生成的文本压缩进少量可学习暂停标记的KV条目中，之后释放该段原有缓存。在446道竞赛题上，保留四分之一生成缓存即可在准确率和输出长度上与完整KV模型持平，并在vLLM中实现更小的缓存和更快的完成速度。
看点提出训练可学习暂停标记压缩生成块KV缓存的新范式，并用基准与vLLM实际加速验证，证据较充分。
说明修正两级 Softmax 采样中因簇大小不均与离散度造成的偏差
简介论文研究大规模 softmax 采样中常用的两级采样（2LS，先选簇再选簇内项目）。作者指出，2LS 因忽略簇大小不平衡和簇内相似度离散度，对簇的加权有误，导致系统性偏差。论文提出尺寸修正的 S-2LS 与尺寸及离散度修正的 SD-2LS 两种方法，在几乎不增加计算开销的情况下得到更好的 softmax 近似，并在五个大规模数据集上验证了效果。
说明Agentic RSR：通过场景重建与执行反馈实现从真实到仿真再到真实的机器人策略迁移
简介该论文提出 Agentic RSR 框架，把工作空间视频重建为 MuJoCo 仿真场景，由编码智能体逐步开发可执行的操作策略，并结合执行反馈迭代改进，再将策略迁移到真实机器人。18 个场景在两种机器人上均通过视觉检验，真实机器人任务成功率达到仿真成功率的 80%。
说明在后训练前预测基座模型的编程智能体表现
简介本文研究如何在昂贵的智能体后训练之前，预测哪一个基座模型值得投入。作者利用后训练智能体的成功轨迹，定位出首个使补丁使仓库由失败转为通过的“决定性步骤”，并据此构建三种筛选指标：决定性动作的BPB、补丁选择题和条件化pass@K。在十对公开的基座与后训练模型上，三种指标的排名均与后训练后SWE-bench Verified的pass@1高度一致。
说明无标记明场成像与深度学习的细胞计数及活力预测
简介该论文提出ViabiLens，一种无需染色、基于明场成像和人工智能的细胞活力分析软件。它结合细胞检测模型与卷积神经网络分类器，用于判断单个细胞的存活或死亡，并配有交互式UMAP查看器。在中国仓鼠卵巢（CHO）细胞上，其对未染色样品的平均绝对误差为2.68%，相对于荧光参考测量。论文还发布了一个用于无标记细胞活力分析的基准数据集。
说明研究者社会：为自主研究智能体群体设计制度
简介本文提出由持久性智能体在明确制度下组成的“智能体社会”，并以“研究者社会”为例，依据六项原则设计其运行方式：首席研究员通过征集提案、独立评审和拨款竞争计算资源，由人类治理者“市长”分配资源但不分配任务。论文报告，在一个由一万名研究者组成的运行社会中，有实验室称其在语言模型预训练上以约少30%的计算量达到同等质量，但测试该结果的实验室尚未达成一致。
说明课前使用语音AI讨论伙伴如何影响学生的课堂积极参与
简介该研究是一项预先注册的现场实验，涉及10个教学班的759名MBA学生，每人随机分配两次课前用专门开发的语音AI讨论伙伴备课。使用两次后，学生在之后每节课的自愿发言次数约增加31%。使用越多的学生也表示更愿意开口发言、感觉学到更多，但专注度和学习动机没有明显提高。
说明FoldBack：用于长时程衣物折叠的自纠正掩码生成策略
简介论文提出FoldBack，一种用于长时程衣物折叠的自纠正掩码生成策略。它在推理阶段决定何时精修与验证抓取、如何回滚以及在何处重试，可在失败抓取后撤销并修复动作，无需恢复示范或重新训练基础策略。在6类共33件真实衣物上，其最终折叠成功率为75.2%，最终掩码IoU为0.837，高于此前最强基线的45.7%和0.689。
说明组合各教师所学：面向多教师同策略学习的 Delta 蒸馏
简介论文提出 Δ-MOPD 方法，把每位教师相对基座模型的 logit 偏移量迁移给学生模型，而非只迁移教师的最终策略。实验比较两种目标在组合教师和分阶段/交错路由两类场景下的效果。原文报告：三位教师组合时 Δ-MOPD 在 Math 上高出 4.11 分，五个基准平均高出 1.95 分；分阶段路由时阶段顺序差距由 10.50 降至 6.42 分。
说明MORCA：面向视频扩散加速自适应缓存复用的离线到在线强化学习方法
简介扩散 Transformer（DiT）生成视频效果好，但迭代去噪推理慢。本文提出 MORCA 框架，通过离线到在线强化学习，在用户指定加速目标下，结合潜变量信息决定每一步是复用缓存还是重新计算。实验显示，在相近计算预算下，它在多个视频生成模型和加速比上，生成质量优于现有缓存方法。
看点将离线到在线强化学习用于视频扩散模型缓存调度，并考虑终态误差与潜变量信息；实验覆盖多模型与多加速比，对比先进缓存方法。
说明PHRBench：大语言模型在幻觉之后的推理行为评测
简介该论文提出 PHRBench，一个受控基准，用于评测大语言模型在遇到幻觉前提之后的推理行为，覆盖四个领域和 18 个模型。研究依据幻觉服从、幻觉规避和启发式修正三类行为划分推理轨迹，并在 4820 个受控实例上发现，成功修正较为少见，且常伴随更频繁的信念更新。论文还指出，幻觉提示的属性对能否成功恢复有较强预测信号，一个轻量预测器的 AUROC 达到 0.847。
说明MemoCare：用于自动化认知筛查的交互式多模态移动系统
简介本文介绍MemoCare，一个基于React Native的移动端认知筛查系统，结合语音回答、时间与空间定向、触屏操作和视觉构图（画图）任务，支持英语和越南语完整流程。系统在软件测试中通过151/151个预定义案例，并在绘图模块的71张图像测试集上取得91.33%的平均平衡准确率。四位临床医生共同author检查了端到端流程，综合评分中位数为4/5。
说明自我教师与学生同步学习与教学（JOLT）：让教师贴近学生当前能力的联合训练方法
简介论文指出，仅靠特权信息让同一策略充当教师，未必能改进学生，因为教师可能走学生无法使用的捷径。作者推导了教师蒸馏更新与学生奖励梯度方向一致的充要条件，并据此提出JOLT，让同一策略同时以特权教师（带KL正则）和非特权学生两种角色联合训练。论文报告在数学推理、代码、工具使用和终端操作任务上提升了训练效率与性能。
说明RunningTab：带有环境侧标签页的工作区直接交互框架
简介该论文提出RunningTab框架，用于LLM智能体在工作区中直接读取文件完成任务。环境侧为每个任务维护一份记录，跟踪待完成的需求、已读取的文件片段及已列出但未打开的候选文件。在三个基准和三种大模型上的实验显示，该方法优于普通直接工作区交互及将记录保存在模型内的基线方法。
说明教PPG学会“变化”而非“是谁”：基于ECG的固定效应蒸馏
简介论文指出，用心电图（ECG）教导仅用光电容积脉搏波（PPG）的模型时，学生模型主要记住了个人特征（每条记录的均值），而非个人心血管状态的变化。作者提出固定效应蒸馏，从预测和目标中减去每条记录的均值，使个人特征相互抵消。实验显示，状态一致性提升一倍以上，个体内标签有所改善，并在两种骨干网络和另外两个数据库上成立。
看点提出固定效应蒸馏以分离个体特质与状态变化，揭示ECG-PPG蒸馏主要学习身份；34次实验与多骨干、多数据库验证支持结论，但规模有限。
说明Seq-Flow：带自滚动误差控制的高效概率预报方法
简介论文提出 Seq-Flow，一种条件流模型，用于在新观测到来时更新未来轨迹的概率分布。它从上一次预报分布出发，通过少量步数即可得到更新结果，并采用自滚动训练控制递归误差。在粒子加速器束流溢出预报中，该方法在少量函数评估预算下将 CRPS 降低 65%，在流体动力学任务上与强基线相当。
说明ECHO：人类携带物体场景的具身相机观测数据集
简介该论文提出“情境化物体放置”基准任务，即根据观察到的人类搬运物体过程，预测物体应放置的位置。作者构建了合成数据集ECHO，包含115个HM3D场景中159层楼的RGB-D扫描、3805个人工标注片段及198种物体，并提供轨迹、表面标注和描述居住者日常习惯的语句。实验表明，单一输入模态不足以完成该任务，需要同时结合场景结构、人类活动和情境知识。
说明基于标量伴随匹配的Q学习（SQAM）：一种更省计算的流策略微调方法
简介论文针对流策略在离线强化学习中用价值函数微调时计算开销大的问题，发现预训练流策略的批平均速度雅可比矩阵集中在对角线上，据此推导出按流时间缩放最终动作价值梯度的标量伴随形式，免去逐步的向量-雅可比乘积。作者提出SQAM方法，结合标量伴随与对策略生成动作的价值惩罚；在OGBench四个最难的领域中成功率比各领域最强基线高18至35个百分点，并在真实双臂机器人的视觉-语言-动作策略微调上优于监督微调。
说明面向地面与非地面融合6G网络意图驱动服务编排的知识引导大语言模型
简介论文针对地面与非地面（TN/NTN）融合6G网络中自然语言服务意图常见的不完整、模糊或前后矛盾问题，提出一种知识引导的大语言模型框架。该框架结合语法约束的语义解析与基于知识图谱的澄清循环，生成经过验证、可用于编排的服务配置文件，覆盖四类代表性服务。在200条意图数据集上，分类准确率为89%，策略有效率为95%，平均每个请求需要0.66轮澄清。与纯大语言模型基线相比，该框架提高了策略有效性和矛盾检测能力，且所需澄清轮数更少。
说明通过视觉语言模型的响应特征检测对抗图像
简介该论文研究如何在冻结的视觉语言模型中识别对抗性图像。作者不只看模型的置信度或图文相似度，而是用图像与一组通用语义提示的整体交互方式，提取类别统计、提示间关系、与干净参考分布的偏差以及弱变换下的稳定性等特征，再由轻量模型分类。实验在多个公开数据集、多种CLIP类视觉骨干和多类攻击上进行，结果显示该方法可作为冻结VLM中对抗图像检测的补充信号。
说明用于生成三维多变量城市微气候瞬时场的条件流匹配方法
简介该论文提出一种基于条件流匹配（CFM）的生成式框架，以建筑几何与平均流场为条件，在数秒内生成三维瞬时风速与温度场，用于城市微气候设计。模型通过共享噪声初始化的重叠像素空间并行计算，以保持流动结构的空间连续性。与大涡模拟参考数据对比，风场一阶统计量的NRMSE为2.99%，温度为1.77%；二阶湍流指标风场为7.17%，温度为8.84%；湍动能NRMSE为7%。
说明SGF+：为自回归视频生成解耦梯度流
简介该论文指出，自回归视频生成中，去噪当前帧与写入future预测所用的键值上下文两个角色共享参数，其梯度呈现不同模式且存在系统性负对齐，妨碍视觉质量与时序一致性的联合优化。作者提出SGF+，为上下文写入与去噪分配独立参数，并通过因果注意力保持二者交互，仅用原始生成目标联合优化。原文称，该方法在逐帧和分块生成中都提升了视觉质量与长时程一致性，并仅用5秒滚动片段训练即可连续生成长达24小时。
说明两方向预算下的导数高斯过程：用每个梯度观测仅两个方向来降低计算成本的代理模型方法
简介该论文提出一种导数高斯过程，每个观测到的梯度只使用两个方向，一个捕捉梯度对目标预测的直接贡献，另一个汇总其通过与条件函数值相关性产生的间接贡献。在Vecchia近似下，每次预测的稠密分解成本为O(m³)。模拟显示，在相同条件集大小下，该方法精度与领先的精确梯度约简方法相当，但可使用超出后者内存限制的更大条件集，且所需时间和内存更少。
