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EvoAlloc：一种用于高效程序进化的自我演化资源分配智能体
简介该论文提出EvoAlloc，一种基于大语言模型程序进化的资源分配智能体，能从搜索经验中学习并调整对候选程序分配计算资源的策略。它定期将历史搜索与分配结果整理为可复用经验，并通过反事实探索评估未获资源的候选程序以丰富经验。在编码与智能体框架优化基准上，相比基线，它达到相同性能所需的完整评估次数减少59%至82%，总LLM令牌减少61%至89%；在相同完整评估预算下，最终性能提高8.7%至12.0%。
说明记忆是否依赖上下文？超越孤立前缀的前缀式提取研究
简介该论文研究大语言模型在前缀式提取中的记忆现象：给定训练样本的前缀，模型可能以高概率生成原始后续内容。作者在三个开源指令微调模型上，比较空提示与不同相关度检索上下文下的后缀概率，发现上下文并非简单消除记忆，而是存在稳健的核心和对阈值附近样本敏感的边界。
说明并非所有判定都可靠：重新审视LLM评判者的可信度
简介本文对作为NLP评估标准范式的“LLM作为评判者”做了系统性可靠性审计，测试了六个前沿模型在四个基准上的表现，涵盖多种提示格式、呈现顺序、采样温度和重复次数。结果显示其存在严重漏洞，包括温度为零时判定仍会变化、顺序互换会推翻多数判定，以及最稳定的评判者只是机械重复错误判定，与真实标签仅51%一致。作者提出可信判定率（T）指标，并表明整体式量规评分比成对胜率更能提升可信度。
看点提出统一可靠性指标T并推导位置偏差下的准确率上界，实验覆盖6个模型、4个基准和多种条件，证据较扎实，对评测方法有较大影响。
说明Perception Test 2026：挑战赛总结及城市尺度视听推理扩展
简介这是第四届 Perception Test 挑战赛的报告，该赛事于 2026 年欧洲计算机视觉会议（ECCV）研讨会上举办，重点是空间智能，设有四个赛道。报告介绍了基于城市步行导览视频的两个新基准（KilometerAudio 与 KilometerVision），并总结了各赛道的获胜方案。原文指出，城市尺度赛道的获胜方案表明，复杂的空间与多模态推理可由成本较高的智能体流程解决，而单独使用多模态模型仍然困难。
说明利用梯度加速昂贵模拟器的贝叶斯推断
简介基于微分方程的模拟器常用于由观测结果反推输入参数的推断。当单次模拟代价高昂时，研究者常以高斯过程替代模型结合贝叶斯优化进行主动学习。本文将模拟器输出对输入参数的梯度信息纳入高斯过程替代模型，结果显示在有限模拟预算下收敛明显加快；逆向模式微分在计入额外计算成本后仍保持效率优势，正向模式则未能抵消计算开销。
说明跨重力环境下基于视觉触觉的旋转分类：一种极简光流表示
简介该论文研究用紧凑的触觉运动表示判断物体旋转方向，在地球、火星、月球和轨道重力条件下进行。作者用模拟的 GelSight Mini 稠密光流，在 7x9 网格上汇总成 126 个特征。训练只用地球数据的模型在轨道上准确率从 94.4% 降至 75.9%，而跨四种重力训练的单一模型整体准确率达 96.3%。
说明用于二维与三维拉普拉斯问题的增强全纯神经网络
简介本文针对拉普拉斯方程的边值问题，在拐角、棱边和交界处的奇异行为上，提出把全纯神经网络与由局部几何和边界条件导出的奇异函数相结合的方法。该表示天然满足调和性，因此无需内部残差项，网络仅依据边界数据拟合平滑部分，增强项负责刻画奇异行为。作者还将方法推广到三维，并在多个测试问题上取得最高精度，在含大量奇异点的CdZnTe辐射探测器问题上，二维和三维均优于次优方法约1.7至2.1倍。
说明LIVIN：基于真实生活住宅数字孪生的空间与具身智能基准测试
简介该论文提出 LIVIN，一个基于 30 个真实居住家庭数字孪生的基准，用于评测空间与具身智能。这些复刻保留了观察到的房间布局、家具配置和日常物品。研究采用人在回路的流程构建数字孪生，并评测 3D 检测、3D 重建、导航与移动操作四项任务。结果显示，现有方法在密集摆放、遮挡和有限空间等真实家庭环境中仍面临挑战。
说明MAST：基于基序增强扩散与搜索树的光谱分子结构解析
简介该论文提出MAST方法，用于从光谱数据同时解析分子的二维和三维结构。方法引入可解释的基序先验作为去噪过程中的中间证据，并把扩散采样视为奖励引导的树搜索，以在有限计算预算下得到一组与光谱一致的候选结构。在QM9S多光谱基准上，MAST的精确恢复率为94.89%，并提升了三维结构的保真度。
说明ILM：一款基于人工智能的故事式教育工具
简介本文介绍ILM，一个面向《先知故事》的交互式教育平台，结合阿拉伯语自然语言处理、结构化知识图谱和基于检索的问题生成。系统通过知识图谱构建引擎识别故事中的实体与关系，学习者可借助故事地图探索内容，并回答自动生成的问题。对于开放式问题，系统使用LLM作为评判者，依据检索到的原文段落判断答案正确性。
说明何时该让智能体思考？基于跨轮次估计的自适应推理（RACE）
简介该论文指出，基于大语言模型的智能体每一步都先推理，但早先的推理可能已足够支撑后续动作。作者发现，去掉额外推理后后续参考动作的似然下降，能反映这些动作是否仍可由早先推理恢复，据此提出RACE训练方法，通过LoGiC流程识别可删除的推理轮次，并将结果用于监督微调和强化学习。在四个代表性智能体基准上的实验显示，RACE在保持或提升任务表现的同时显著降低了推理成本。
说明回顾与前瞻：面向高效多模态推理的按需视觉记忆（ViMoD）
简介该论文针对多模态大模型处理高分辨率图像时视觉token过长、多步推理计算昂贵的问题，提出轻量框架ViMoD。它用可变形区域聚合（DART）构建紧凑的粗粒度视觉上下文并关联可恢复的细粒度token，并用时序路由（TRACE）依据解码历史按需选择、保留或替换细粒度token组。实验称在Qwen3-VL-4B上，20%视觉token预算下于八个推理基准全部优于对比基线，仅增加0.0546%可训练参数。
说明结构税：结构化输出如何影响大语言模型性能
简介该论文重新审视了一种普遍看法：让大语言模型输出 JSON、XML 等结构化格式会损失准确率。作者用多个模型、数据集和模式进行评估，发现损失主要取决于模式设计：先推理后给答案的字段顺序可与自由文本持平或更好，先给答案的顺序则会明显下降，小模型尤其明显。作者认为，设计得当的结构化格式可以匹配甚至超过自由文本表现，关键问题应从“是否结构化”转为“如何结构化”。
说明扩散模型如何消除朗之万采样对条件数的依赖：高斯情形下的精细分析
简介本文以高斯分布为研究对象，分析扩散模型为何能超越经典基于分数的采样方法。作者给出了优化超参数下的2-Wasserstein收敛界，指出扩散过程的采样误差与维度、步数和目标协方差矩阵的最大特征值相关，而未调整和欠阻尼朗之万动力学还多出一个条件数的平方根因子。文章还指出，这些界在渐近意义上是精确的，并认为收益主要来自采样阶段，而非学习阶段。
看点在高斯设定下精确刻画扩散采样相对朗之万动力学可消除条件数依赖，并给出匹配一阶渐近的紧界，理论贡献明确。
说明不要训练掉不确定性：基于早期不确定性锚定的校准方法
简介论文发现，早期训练的模型校准更好，而后续训练或微调虽然只带来有限的准确率提升，却显著增大校准误差，原因是模型逐渐失去对不确定性的感知。作者提出EUA-Cal方法，以早期模型作为不确定性锚点，通过早期预测正则化和原型结构正则化保留这种不确定性，从而缓解过度自信。实验覆盖图像分类和多项选择问答，共八个不同模型，结果显示其优于现有校准方法。
说明MPGE：面向分子分类解释的多视角图解释器
简介图神经网络可以从化学图数据预测分子性质，但准确率本身无法说明图信息如何支撑单个判断。本文提出多视角图解释器MPGE，对冻结的分类器同时给出事实支持、反事实敏感性和范例容忍度三类解释。在MUTAG等五个数据集上，事实解释保留的边占输入边的8.6%至15.5%，有界反事实覆盖率为4.8%至67.6%，范例保持覆盖率为98.9%至100.0%。作者强调这些结果描述的是模型行为，并不代表经过验证的化学机制。
说明面向离散数据的高效、可泛化原型分析
简介原型分析（AA）把每个观测表示为若干极端原型的凸组合，便于理解复杂数据。本文针对二元、计数和类别等离散数据，提出基于似然的AA框架，支持伯努利、泊松和多项式观测模型，并采用局部二次近似与序列最小优化、活动集方法进行求解。文中还提出以交叉验证预测似然选择原型数量的准则。合成数据实验显示其计算效率较高，并在单细胞RNA测序、微生物组和体细胞突变数据上得到可解释且稳定的结果。
说明可追溯世界状态：面向机器人系统的溯源感知状态表示与确定性回放框架
简介论文提出可追溯世界状态（TWS），用于记录机器人世界状态中每条信息的来源、置信度和修订历史，而非只保留最新估计。框架通过不可变更新、有序回放和SHA-256哈希链保证日志可追溯且难以篡改。在仿真轨迹实验中，系统实现了终态精确回放，并检测出全部注入的数据损坏，存储开销约为1.72%。
说明自然语言到一阶逻辑：基于大语言模型的自动形式化综述
简介本文针对以一阶逻辑（FOL）为目标形式的自动形式化任务，缺乏统一任务定义和系统综述的问题。作者先区分本体抽取与逻辑翻译两类任务，并指出二者混淆会影响跨研究的评估；随后回顾了现有数据集、评估指标以及基于大语言模型的方法，包括微调、提示和基于验证的精炼。最后，文章提出了基准测试、语义评估、本体感知方法和端到端应用等方面的开放性挑战。
说明有限智能体群在总体可达-规避机会约束下的策略综合
简介该论文研究由多个马尔可夫决策智能体组成的有限群体的策略设计，要求以高概率使一定比例的智能体到达目标区域，同时不安全群体比例保持在阈值以下。作者用离散时间Lyapunov递推追踪经验密度的方差，并用Cantelli不等式把机会约束转化为可处理的确定性矩条件，再结合基于梯度的序列凸近似方法求解，并给出有限规模下的误差界。方法在网格世界和电动汽车充电聚合问题上进行了验证，并与确定性总体线性规划基线作了比较。
说明HWAM：基于状态与动作联合生成的人形机器人世界动作模型
简介该论文提出HWAM，一种用于人形机器人的世界动作模型。它在生成参考动作的同时，把机器人执行后的本体状态也作为预测目标，以弥合策略参考动作与实际运动之间的差距。模型通过策略、正向动力学和逆向动力学三条条件路径训练。在LimX OLI人形机器人的三项真机任务中，HWAM成功率高于所评估的基线方法；在Candy Picking任务上为70.6%，Fast-WAM为43.3%。
说明InterviewPlayground：用于评估AI访谈员的经过验证的模拟环境
简介本文提出InterviewPlayground，一个用模拟受访者评估AI访谈员表现的环境，模拟受访者的行为以社会理论为依据。研究者用一套经过验证的指标生成评估报告。为检验模拟结果能否预测真实表现，作者将5位AI访谈员、3个主题、450名真实参与者的15项定性研究与模拟结果做了比较，12项指标的平均皮尔逊相关系数为0.86。
说明检验大语言模型推理中的社会归因：一种理论指导的探测方法
简介本文首次系统研究大语言模型的社会归因，即判断外部事件中行为者的责任与指责。作者依据归因理论构建了包含7,639个问题的基准，涵盖经典情境与真实社会叙事，并评估了32个大模型和5个非大模型基线。研究发现，模型判断与人类判断存在可测量但不完整的一致性，且一致性与模型规模正相关。
看点首次系统考察LLM社会归因，依据归因理论构建7,639题基准，评估32个模型并用探针分析隐层表征，新意突出，实验规模较大。
说明CausalDreamer：通过潜在解耦学习可预测的世界模型
简介该论文提出CausalDreamer，用于控制任务的世界模型。它冻结预训练的视频分词器，把潜在表示重新编码为四组因子化表示，分别区分可控与不可控、与奖励相关与无关的信息，再微调动力学模型以预测该表示。在20个MMBench2任务上，其在已见的干净任务和被操纵变体上的归一化得分分别比预训练世界模型高14%和25%；在新环境中两者都未明显超过随机策略。
说明PulseBound：在明确信息边界下预测未来心搏状态
简介该论文提出 PulseBound，一种基于光电容积脉搏波（PPG）的表示学习方法，通过固定的截断点严格区分可见前缀与预测目标，确保输入不依赖被隐藏的后续样本。模型用共享的多时域头预测未来最多四个心搏的九项节律与形态描述量。在 MIMIC 与 VitalDB 两组数据上，相较末个可见心搏持续法，九状态变换空间 MAE 分别降低 28.06% 和 22.22%，并在下游 13 项任务中取得多数较好的平均表现。
说明“幽灵任务”：用于求解线性微分方程的参数化高斯过程
简介本文提出一种名为“幽灵任务”（ghost tasking）的系统方法，借助辅助任务，使原本不可参数化的系统也能构造参数化高斯过程，同时保持输出维度和潜在函数数量较少。作者在三个实验中展示了该方法，尤其在数据极少的逆问题场景中表现较好，并与目前唯一适用于全部实验的另一方法作了比较。
说明有限论证框架中基础语义与偏好语义的复杂度
简介本文研究Dung抽象论证框架中基础语义与偏好语义在可计算有限论证框架下的判定复杂度，涵盖可信接受、怀疑接受、扩展存在、唯一性和非空存在等问题。结果给出了有限性能将推理降至算术层次的精确边界，以及二阶量词迫使问题回到分析层次的情形。
看点给出有限型抽象论证框架中接受基础与偏好语义判定问题的精确算术与解析层级分类，划定有限性成功与失败的边界，并包含对已知结果的改进。
说明REACT：用滚动去噪与双重解耦提升VLA机器人控制的反应速度
简介该论文针对基于流的视觉-语言-动作（VLA）模型在分块控制中的闭环权衡问题，提出REACT框架。它不从头生成整段动作，而是维护一个带交错流时间步的持久动作缓冲区，每个控制步用最新观测对整个时域去噪并执行最干净的动作块。另引入双重解耦，将感知、VLM编码、DiT去噪和动作执行分离，以支持实时控制。论文报告，在RoboTwin 2.0仿真基准及多平台真实任务中，REACT提高了任务成功率、降低了反应延迟，且轨迹比频繁重规划和异步基线更平滑。
说明表格基础模型的测试时计算：机制、收益与局限
简介本文系统研究了预训练表格基础模型（TFM）在预测时可以通过哪些额外计算提升效果，涵盖自适应、聚合和上下文构建三个方面。作者提出了对角查询-键相似度更新方法DiagScale，仅训练0.003%至0.03%的参数，就能取得与全量微调相当的收益。结果显示，选择性聚合与自适应能带来稳定提升，而上下文构建的收益则取决于任务和数据规模。
看点提出DiagScale等适配方法并系统研究三类测试时计算，在TabArena上与全量微调效果相当，证据较充分，对表格基础模型子领域有实际价值。
说明SUDO：从单篇论文到全球学术话语的知识图谱本体
简介本文提出学术上层话语本体 SUDO，用于描述论文内部知识要素如何组织成研究叙事（即学术话语）。它不预先限定抽取单位，而是自下而上、基于原文构建每篇论文的话语表示，并可将多篇论文统一连接为全球学术话语。作者报告了多种学术知识建模任务的演示，以及在基于大语言模型的科学问答任务上的性能提升。
说明多面体神经网络：让深度网络的表示变得可解释
简介该论文提出多面体神经网络（PNN），在网络每一层强制采用基于多面体（polytope）的结构，并直接用于后续信息处理，从而使各层表示具有可解释性。作者还通过学习到的语料表示和摊销单纯形推断实现扩展，并展示了其与向量量化（VQ）训练的直接联系。实验表明，该约束在性能下降很小的情况下保留了潜在空间中有意义的结构，并在无监督学习中提供了比VQ更紧凑的表示。
说明基于结构经验蒸馏的可解释偏微分方程解发现方法
简介该论文针对从观测数据中发现未知物理场显式符号解的问题，指出现有方法只用单一终端分数反馈，难以说明候选表达式成败的原因。作者提出SED-MCTS，通过蒸馏已评估表达式的结构经验并用于指导后续搜索，借助反事实子树干预估计局部结构贡献。在多个偏微分方程基准上，该方法在固定评估预算下表现较强，并在噪声或观测稀缺时提升了搜索效率与稳健性。
说明Agentic-TTT：为测试时训练学习一个测试时策略
简介该论文提出Agentic-TTT，用于决定大模型何时进行测试时训练、选用哪种算法以及能否复用已有技能。方法把测试时训练流程封装为可调用工具，并依据决策带来的效用增益训练策略。论文称其在基准上的效用接近骨干模型的两倍，能在效用与计算量之间权衡，并能推广到训练中未见过的领域。
说明面向深度联合信源信道编码的神经网络验证
简介本文针对深度联合信源信道编码（DeepJSCC）解码器提出首个边界传播验证框架，用于在给定无线信道噪声范围内界定最坏情况下的重建误差。作者扩展了PReLU的线性松弛优化方法，将转置卷积替换为受限的先上采样后卷积形式，并将瑞利衰落建模为前置于解码器的结构性扰动。结合Lipschitz正则化全局鲁棒训练（GloRo）后，在图像传输模型上取得更紧的认证界限，并通过软件定义无线电上的OFDM实测验证了证书在真实硬件上成立。
看点首次为DeepJSCC解码器提供边界传播验证框架，扩展PReLU、转置卷积与瑞利衰落的处理，并通过OFDM软件无线电实测验证证书有效。
说明DataVista：诊断多模态大模型对数据视频的理解能力
简介本文提出 DataVista，这是首个针对数据视频理解的基准，包含 961 个真实数据视频和 6,775 道评测题，按数据感知、时序推理、叙事理解三个层级组织。对 19 个主流多模态大模型的评测显示，表现最好的 Gemini-3.1-Pro 整体准确率为 70.0%，仍远低于人类专家，在因果推理和叙事结构上表现最差。增加帧数和字幕主要提升数据感知与时序推理，对叙事理解帮助有限。
说明AdaptTok-Indic：面向印度语言的脚本感知自适应分词方法
简介多语言分词器多以英语为主的语料训练，常把印度语言切得过细，导致序列变长、不同文字之间的分词差距扩大。本文提出 AdaptTok-Indic，在自适应分词基础上加入针对印度语言的 Unicode 归一化、连字处理、脚本感知路由，并与小型 Transformer 语言模型联合学习字节级边界。在孟加拉语和印地语上，其 token 繁衍率低于 SentencePiece BPE 等基线；下游得分也略高，但目前仍是小规模原型，未做显著性检验。
说明MetaOPD：用元学习为同策略蒸馏中的词元分配权重
简介该论文提出MetaOPD，一种双层优化框架，在同策略蒸馏（OPD）中同时学习学生模型和一个轻量的词元加权网络。内层用加权后的OPD更新学生，外层在虚拟更新后利用参考解答上的验证损失优化加权网络，使权重决策与更新后的表现相联系。作者在六个数学推理数据集和三个域外数据集上进行了实验，结果显示相较OPD有提升。
说明FearCaut-Qwen：视觉语言模型中的情感引导如何改变灾害评估的判断标准
简介视觉语言模型在震后建筑损伤评估中常不愿判定危险，漏报较多。作者用信号检测论把决策拆分为感知能力和判断标准两部分，并定位出与恐惧相关的情感方向，通过激活引导在推理时调整模型的判断倾向。结果显示，注入恐惧方向可将红色（不安全）召回率提高到75.7%，且不改变区分能力，无需重新训练。
看点将情绪方向因果注入视觉语言模型以调整决策阈值并用信号检测论分离判别力与准则，思路新颖；在实验中以随机与快乐方向对照，证据较充分但仅限单一模型与数据集。
说明基于示例的贝叶斯形状优化参数化方法
简介本文提出从一组已有设计中学习形状参数化的方法：对不同形状之间的形变进行主成分分析，得到线性且可解释的搜索空间，其中成分数量明确权衡表达能力与维度。作者在翼型、机翼和射频腔体等从二维几何到三维气动与电磁问题上进行了实验，结果显示采样效率有所提高，并能探索超出人工设计基线范围的形状。
说明专用决策模型与通用大语言模型对比：Jev 在知识、推理与多语言任务上的基准测试
简介论文提出 Jev，一种“系统一”式专用决策模型，只在给定选项中选出答案，不生成文本。作者在13个选择题基准上将其与19个大语言模型比较。Jev 在知识与常识类任务上与前沿模型相当，并在 MMLU-Redux 与 ARC-Challenge 上取得最高分；但在数学应用题（MathQA）上明显落后，低于全部19个模型。结论是：专用决策模型在依赖知识的判断上可与通用模型匹敌，但在需要多步计算的任务上表现不足。
说明用距离草图高效计算二次熵
简介本文提出了一套可扩展的方法，用于近似计算任意分布 p 与负型常见距离 d（欧氏距离和球面测地距离）下的二次熵 p^T d p。方法基于随机特征嵌入和投影，并通过摊销大矩阵乘法与控制变量降低计算与内存开销。作者在 Open Graph Benchmark 数据集上进行了文献计量示例，据论文所述，可仅凭引文和文本特征识别跨学科影响范围较窄或较广的论文、领域和机构。
说明CAPABLE：基于行为潜在编码的能力感知策略自适应（论文）
简介视觉-语言-动作（VLA）策略通常假设机器人本体与训练时一致，关节故障可能导致指令动作的实际执行方式改变而失败。论文提出CAPABLE框架，在冻结的VLA上结合自监督能力推断与残差强化学习，无需故障标签或故障关节标识即可在线修正动作。在28个LIBERO任务中，对训练时未包含的致动器，成功率由24.8%提升至59.3%，并在物理Franka Panda机械臂上展示了恢复效果。
说明学习信任哪些对应关系：在LiDAR地图中用置信度加权的事件相机定位
简介该论文研究如何把事件相机与预先构建的LiDAR地图对齐以完成定位，即先估计渲染深度图与事件图像之间的稠密光流，再用PnP求解位姿。作者提出CELL方法，端到端学习每个对应点的置信度，并用于加权光流监督、测试时的对应点选择和最终边缘匹配精修。在M3ED和DSEC数据集上，完整系统在多数评测序列上优于LEAR基线，中位平移误差最多降低26.9%，中位旋转误差最多降低15.8%。
说明MindFlow：基于心智超网络的研究创意创新框架
简介论文提出 MindFlow，把研究创意生成建模为由模块化思考算子组成的图结构思考流，并用概率性心智超网络表示。给定研究主题，控制器动态采样思考流生成候选创意，并通过基于锦标赛的相对排序进行优化。作者还提出同时评估问题发现与问题解决的评测方案，并称其在多种主题上表现更优。
说明大模型能否不改代码修复漏洞？面向无代码修复的自动化验证研究
简介该研究提出一种基于执行的自动化流程，在真实浏览器环境中评估大语言模型生成的无代码修复方案，即通过改设置、升级版本或调整操作来解决无效漏洞报告。研究共评估322个修复方案，结果显示即使在最佳执行器下，生成的修复方案也只有不到一半能真正解决报告的漏洞，且评估结果高度依赖执行器的选择。
说明MiMo-V2.6：通过扩大强化学习规模实现模型自我改进
简介本报告介绍 MiMo-V2.6 系列全模态模型，通过扩大强化学习的计算规模来推进模型能力。研究在强化学习之前先做了多模态中期训练，并从三个方面扩展强化学习：更大的批次与更高吞吐量，更多样复杂的环境（涵盖代码、通用、视觉和网络安全等领域），以及用于长程任务的分组式智能体评分。作者还提到冻结 MoE 路由器并设置多层防御以应对奖励破解，并开源了训练动态、强化学习环境和框架。
说明随机分组共形预测：提升子群体可靠性的不确定性量化方法
简介该论文提出随机分组共形预测（SGCP），用于改善共形预测在不同子群体间覆盖率不均的问题。方法学习一个随机分组映射，使每个样本可借用校准行为相似样本的信息，从而得到局部得分分布。作者证明其保留标准覆盖保证，并在合成与真实基准上显示子群体覆盖差距减小，预测集大小相当或更小。
说明面向时序鲁棒机器人操作的可靠性感知未来条件化方法（RAFC）
简介该论文研究机器人操作中由生成视频提供的未来画面若与机器人当前阶段时间不一致，会损害策略表现。作者提出RAFC，在每一步估计所接收视频片段的可信程度并选择更合适的邻近时间假设，不可靠时回退到静态分支，仅用任务奖励学习，无需时移标签。在CALVIN上，带时序偏移的生成未来使成功率显著下降，RAFC则能明显提升时序失配下的成功率。
看点将生成未来视为可靠性感知的控制问题，利用任务奖励学习信任度，并在CALVIN与真实Franka上验证，偏移下成功率提升明显。
说明在遮挡下主动选择视角以重建CAD模型
简介该论文提出SightCAD框架，用于参数化CAD重建，把物体在场景中可被拍摄的视角视为约束。学习得到的视角选择器为生成可执行CadQuery代码的视觉语言模型选择K个可行视角，并与之联合训练，以几何保真度为奖励。实验显示其在DeepCAD、Fusion360及工业数据集上优于基线，且可执行程序比例最高。
说明树模型中的区间值 SHAP：分析特征归因的稳健性
简介论文关注树模型（决策树与随机森林）中 Shapley 值的稳健性问题。作者提出基于不精确 Dirichlet 模型（IDM）的方法，在树的叶节点随机加入少量未标注样本，从而得到区间值的 Shapley 值。文中给出了高效计算这些区间值的理论结果，并说明该方法可推广到 Banzhaf 值，还通过案例与实验展示其表现及在去除无信息特征偏差方面的应用。
说明CrowdH-Edit：用于人群计数的、以参考图和文字指令引导的朝觐人群合成图像生成框架
简介朝觐人群图像标注数据稀缺，现有人群计数数据集和通用生成模型难以体现朝觐特有的视觉条件。该研究提出CrowdH-Edit，以真实朝觐图像作为结构参考、文字指令控制人群与光照变化，最终用Qwen Image Edit生成6122张合成图像，并从中挑选387张标注形成CrowdH-Edit-Ann-387。实验显示，加入该合成子集后，五个人群计数模型中有三个的平均绝对误差和两个的均方根误差有所下降，效果因模型和指标而异。
说明何时历史有帮助、何时有害：多模态对话中的选择性历史利用
简介本文提出 ReTurn 基准，包含 7000 个基础任务，涵盖视觉与音频证据，用于评估模型在多轮多模态对话中是否能选择性地利用历史信息。实验涉及 13 个模型，开放式问答的中位准确率从直接输入的 93.7% 降至对话中的 72.3%。研究还发现，模型能回忆问题并不代表能正确应用任务，且竞争性媒体会使答案偏离历史目标；监督式适应只带来部分改进。
说明基于评分的干预数据聚类有向无环图学习
简介该论文面向因果抽象，研究如何把大量变量构成的低层因果有向无环图，归并为由变量簇组成的高层图。作者提出 COARSE 方法，在线性高斯假设下用基于评分的边学习替代原有的约束式方法，并基于干预数据确定簇之间的因果顺序。论文称该方法在合成和真实数据上边恢复效果与现有先进方法相当，且边学习阶段显著更快。
说明TACROSS：面向灵巧机器人学习的低成本可扩展人类触觉系统
简介该论文提出TACROSS系统，利用低成本压阻式人手触觉手套采集人类触觉示范，并在接触事件层面对齐人手与机器人异构触觉传感器的数据，映射到共享的256维触觉潜在空间。机器人示范提供唯一的真实动作监督，人类示范用于触觉表征学习。在四个接触丰富的操作任务上，相比传统遥操作，作者报告效率提升3.5倍，示范采集设备成本降低95.7%。
说明屏幕正确，转场错误：将世界模型用作 GUI 智能体的验证器
简介论文指出，GUI 智能体的安全性取决于操作前后的界面转场而非单一屏幕，只检查屏幕的监控器可能被复用合法页面的攻击绕过。作者提出 LGWM，一个无解码器、以动作为条件的世界模型，直接在表示空间中预测下一屏幕，在 185 万条真实 GUI 转场上训练。在 RSWT-BENCH 评测中，免训练的评分达到 0.987 AUC，单次判断耗时 17 毫秒。
看点提出在表示空间预测下一屏幕的无解码器动作条件世界模型用于验证GUI转换，新颖；在自建诊断基准上实验充分，但对比限于特定设置。
说明在结果依赖的截断与删失下高效学习生存分析模型
简介本文研究训练数据因观测结果而被截断的情形：样本是否进入训练集取决于其标签。作者证明，在已知基线风险函数时，可用一阶优化高效学习截断且右删失数据下的Cox回归，尽管目标函数非凸；而在联合学习基线风险时，存在具有严格次优局部极小值的情形。实验显示，考虑截断可降低朴素Cox回归的预测偏差，并可推广至神经网络，相比标准期望最大化方法速度快数个数量级。
说明目标对齐等于目标还原吗？对比编码器对抗主张的证据阶梯研究
简介论文指出，对抗攻击常以被攻击模型的相似度分数作为成功证据，作者检验这一分数能否预测独立模型能否还原目标。通过在三种扰动预算下比较六种对比编码器，结果显示经过鲁棒训练的编码器比普通CLIP或SigLIP能转移更多独立证据，但没有任何组合达到以50%图像混合为基准的参考水平。作者认为该分数仅在固定的鲁棒编码器内部有参考价值，并提出替代的报告方案。
说明EliteTable：用于可执行控制策略的自我改进程序搜索方法
简介该论文提出 EliteTable，一种由大语言模型引导的自我改进程序搜索算法，利用固定容量的高分解表来指导新方案的生成、已有方案的编辑以及多个方案的重组。作者在六个 Gymnasium 控制任务上评估了该方法，每项任务进行十次独立初始化的搜索。结果显示多数任务的候选分数中位数有所提升，部分任务的选定最优方案在新回合上也有所改进，但 Acrobot-v1 有六次搜索在held-out回合上出现下降。作者指出仍需对比实验和消融实验来确定其相对性能及各组件的贡献。
说明基于合并的词表扩展在预分词器处受阻：面向尼泊尔语、保留英语的修复方案及持续预训练测试
简介许多开源大语言模型使用的预分词正则表达式会在天城文元音符号处切分尼泊尔语单词，导致尼泊尔语的词元数量约为英语的2.6至5.8倍。论文提出对该正则表达式的小幅修改，并加入32,000个新合并，使尼泊尔语词元数降至英语的1.01倍左右，相比标准词表扩展减少约54%。在小规模持续预训练实验中，原始分词器在所测试的各种方案下均取得最低的留出尼泊尔语每字节比特数。
看点发现预分词正则因组合符号切分尼泊尔语的根因并给出保持英语token不变的修复，新颖性较强；但实验仅为小规模持续预训练，证据有限。
说明重新审视媒体桥接时间序列预测中的身份与频谱分散：连接多变量信号与叙事流
简介本文提出多媒体身份感知棱镜网络（MIDAPN），这是一种统一的时空预测骨干网络，可同时处理数值型多变量数据与经过预对齐的文本叙事流。其包含多媒体身份感知图（MIDAG）与情境身份调制模块，用于建模跨媒体的身份关系；以及频谱棱镜卷积（SPConv），用于自动进行分层时间分析。论文在13个多变量数据集和12个多模态数据集上与16个先进模型进行比较，并与14个时间序列基础模型等做长上下文对比，称其表现持续领先且具备良好的共享骨干兼容性。
说明神经解码作为认知推断：从多变的神经信号中提取稳定的认知状态
简介论文将神经解码重新表述为受大脑内在先验约束的认知推断，而非简单地把神经活动映射到外部标签。在五种神经记录模态和运动、感知、内部心理活动三类认知任务上，该方法重组了神经观测表征的几何结构，得到在不同认知任务间几何关系一致的元神经语义表征，并能从多变的神经观测中恢复稳定的认知状态。
说明Greenhouse项目：迈向完全开放、自主可控的智能体搜索
简介该论文探索在有限算力下构建完全开放、自主可控的智能体搜索模型。作者采用从零预训练加监督微调的两步方法，训练出一款有竞争力的逐点式解码器重排序器，且不依赖第三方开放权重骨干模型。实验仅用少量GPU完成，并公开了数据、代码、配置及Gaggle模型系列的检查点。
说明面向长期对话智能体的事件中心记忆与查询感知图增强（QGMem）
简介该论文提出QGMem记忆框架，把长对话历史按事件组织为原子记忆单元，并整合为保留状态变化轨迹的动态记忆。查询到来时，系统通过混合检索与查询感知重排序激活相关记忆，形成紧凑的工作记忆，并将其组织为局部图，与文本一同提供给大语言模型。作者称在六个基准上，该方法在检索、多跳证据组合、冲突消解和超长对话推理方面均有提升。
说明从表层到深层：迈向多模态情绪理解中的认知评估推理
简介该论文指出，多模态大模型若只依赖可见的情绪线索进行推理，容易停留在表层线索与标签的关联上。作者受情绪评估理论启发，将多模态情绪理解设为从感知到认知评估的过程，并提出数据集CogEmo-40K、稀疏混合专家模型CogEmo-MoE以及基准CogEmo-Bench。实验显示该方法在基准上表现领先，并具有较好的跨领域泛化能力。
说明并非每一处改动都必要：大语言模型遗忘中可恢复的漂移
简介论文提出 PTP-U 框架，用于大语言模型的机器遗忘。该方法先通过局部解析编辑削弱目标知识的关联，再在保持遗忘约束的前提下，让非目标输出分布与原模型对齐，以恢复非目标能力。在三个基准上，PTP-U 在被评估方法中取得最佳的遗忘与保留权衡，平均遗忘率为 81.22%-91.03%，非目标效用保留 94.20%。
说明Puffin：从粗粒度观测中概率化学习空间细节
简介该论文提出 Puffin，一种统计分解的概率框架，利用高分辨率卫星嵌入作为协变量，把粗尺度的区域总量分解到更细的子区域。模型学习概率分布而非单一数值，并通过考虑聚合关系的似然函数训练。论文在德国和美国的人口、就业等数据上进行了评估，并研究分解在不同地区和目标变量上的成败。
说明面向模型市场的成本感知专家混合协同机制
简介现有模型市场通常把模型作为不可分割的整体进行交易和选择，难以利用异构专家之间的互补性。本文提出基于混合专家（MoE）的模型市场框架，将MoE从模型层面的学习架构提升为市场层面的协调机制，由经纪方通过门控网络组合多个异构专家提供复合模型服务，并给出成本感知的门控机制、收益分配规则及其理论性质。在15个表格与图像基准数据集上的实验显示，该方法在所有数据集上平均福利最高，平均预期成本低于标准MoE，且计算开销明显低于精确Shapley分配。
说明超越视觉增强：用于缓解大视觉语言模型幻觉的自适应多源上下文引导
简介该论文针对大视觉语言模型（LVLM）的幻觉问题，发现模型在解码时存在偏向视觉信息的内在倾向，文本上下文也有助于缓解幻觉。作者提出免训练的轻量框架AIMS，为视觉、预填文本和生成文本三类上下文构建原型，按与当前查询的相似度确定各注意力头的引导权重。实验表明，AIMS在多个模型和解码策略下能有效减少物体幻觉，同时保持通用多模态能力。
说明RobustLDS：在对抗性污染下学习线性动力系统
简介本文研究在单条长度为T的轨迹受到对抗性异常值污染时，如何学习线性动力系统。作者基于最小修剪平方和的松弛形式及交替最小化算法提出多种估计器，并利用异常值的组稀疏性设计了两种估计器。对于带组稀疏惩罚的估计器，作者给出了非渐近误差界，说明其对异常值具有鲁棒性，实验也表明这些方法在实践中效果良好。
说明决策模型能理解立场吗？用通用大模型评估Jev
简介该论文研究立场检测，即判断作者对特定目标的态度，有时需结合对话语境。作者在英文数据集VAST和中文对话数据集ZS-CSD上，将专用决策模型Jev与四个通用大模型及两个微调模型进行比较。结果显示，Jev在VAST上表现有竞争力，与GPT-5.6相当并优于其他通用大模型；但在ZS-CSD上落后于较强的大模型，尤其在区分支持与反对时。
说明从大模型对话到自主AI智能体系统：LLM集成应用的七种形态
简介本文系统梳理了大语言模型嵌入软件系统的七种常见形态，包括对话、定制智能体、检索增强生成、AI增强工作流、副驾驶、编程智能体等，并以统一术语对其进行描述。作者从架构模式、执行控制与用户介入点、每任务智能体调用次数和工具使用四个维度进行刻画，并通过22个系统样本说明各形态的适用边界。
说明真实程序中精确输出与检查点状态预测的评测
简介该论文提出一个基准，仅依据源代码和输入预测程序的最终输出以及循环内外检查点处的状态，扩展了CRUXEval式输出预测，包含较短与较长执行轨迹的成对输入。基准共400个案例，取自371个Python与C++程序，在无工具、无代码执行条件下评测四个模型系列的七种设置。推理模式设置在已完成回答上比非推理设置高出33.1至55.2个百分点，最强设置在较长轨迹输出上得分为77.0%。
说明SenseWeather：极端天气下利用多模态传感提升机器人感知稳健性
简介该论文提出SenseWeather基准，包含在雨、雪、沙尘、雾和黑暗等恶劣天气下配准的RGB、深度与红外观测数据，以及干净参考图像和感知任务。作者还提出Fusion-to-RGB方法，通过参数高效的传感器融合，将多模态信息恢复为与现有感知模型兼容的RGB图像。实验显示，RGB+D+IR融合在所有配对的下游检测对比中均优于仅使用RGB的修复方法，但感知提升与常规图像保真度指标并不一致。
说明自动化科研如何被评估：基准与评估实践综述
简介本文综述了自动化科研系统的评估文献，涵盖文献综合、研究构思、可执行流程、学术写作、自动同行评审和端到端科研六类目标。作者比较了各类评估的任务构建、证据来源、评估者和评分方法。文章提出三点主要经验，并给出报告与审计建议，帮助读者选择基准并设计后续研究。
说明面向可泛化AI生成图像检测的相对图像块响应学习方法
简介生成模型能合成高度逼真的图像，增加了虚假信息与视觉伪造的风险，因此检测AI生成图像变得更为重要。该论文指出自注意力机制会使真实与生成的图像块相互影响，单个图像块的标签不够精确，因此提出相对图像块响应学习（PRL），通过比较对齐图像对两种混合视图中同一图像块的分数变化进行学习。实验显示，PRL在八个标准基准和三个真实场景基准上的平均平衡准确率分别比此前最佳方法高4.3%和5.9%。
说明从缺失观测中学习结构化线性动力系统
简介论文研究在每个时刻只能观测到少量数据的情况下，学习约束在凸集合中的结构化线性动力系统。作者提出一种经偏差校正、可能非凸的估计器，并给出统计误差的非渐近界以及投影梯度下降算法的收敛性。理论应用于子空间、双保序矩阵集合和由利普希茨函数采样构成的矩阵集合三种情形。
说明通过谱可靠性理解动力系统学习中的潜在维度扩展
简介本文研究在基于自回归预测的动力系统学习中，增大潜在表示维度是否有益，并通过 Koopman 算子的特征结构分析学习到的时间演化。作者提出以相对残差筛除虚假特征对，并在六个混沌系统上比较两种训练损失：潜在预测损失与谱残差损失。结果显示，谱残差模型在各系统和维度下的中位滚动误差更低，且随维度增加更稳定地下降。
说明条件核 Stein 差异：检验条件分布是否匹配目标模型
简介本文研究条件拟合优度检验问题：给定一个（可能未归一化的）条件目标模型和来自联合分布的样本，评估样本的条件分布与目标模型的吻合程度。作者提出一个框架，通过协变量空间上的算子值核，把无条件核 Stein 差异推广到条件情形，并证明该统计量当且仅当条件模型与真实条件分布几乎处处一致时为零。文中还将其用于光滑流形和离散空间上的检验，实验展示了该统计量在水平、功效和运行时间上的可行性。
说明LEVER：基于 AND/OR 图的自适应、成本感知证明搜索
简介本文提出 LEVER 算法，用于在大语言模型辅助的定理证明中搜索证明。它在搜索过程中直接优化对正确证明的可编程目标（如计算成本、证明长度、主题偏离度），而不是在找到证明后再事后改进。在 PutnamBench（Lean 4）上，LEVER 在匹配预算下比强单对话代理节省约 34% 成本，求解率从 80% 提升到 96%。调节目标权重可形成质量与成本的权衡曲线。
看点提出可编程目标并在搜索中优化AND/OR图上的证明，PutnamBench上以更低成本提升求解率，证据较充分。
说明基于轨迹引导故障定位的智能体技能演化方法
简介本文提出SkillMorph，一种用于代码智能体技能迭代改进的方法。它通过比较多次运行和任务中失败与成功的抽象执行轨迹，定位可疑行为，再据此在技能文本中找到需修改的位置并生成修订。论文称，在SWE-Skills-Bench和CannBot上，该方法演化出的技能在试验级准确率和执行一致性上优于原始技能及四种现有方法；另外，该方法已用于AI算子开发团队的自动化内核生成，其提交的6个技能修订请求已被接受。
说明无需相机位姿的前馈式三维场景修复：基于可学习掩码注意力与支撑令牌精炼
简介该论文提出FreeInpaint，一种前馈框架，可直接从带遮罩区域的无位姿多视角图像生成完整且三维一致的场景，无需预先计算相机位姿。方法扩展了三维基础模型，将参考视角的遮罩区域传播到其他视角，并引入可学习掩码注意力与支撑令牌精炼两项机制，以处理遮罩对跨视角对应推理的干扰以及严重遮挡下外观信息不足的问题。实验表明其修复质量更优，且推理速度较快。
说明GRPODropout：在线强化学习中“少即是多”的样本筛选方法
简介该论文针对GRPO等强化学习方法在训练大语言模型推理时出现的策略熵坍缩问题，即采样多样性下降、探索受限。作者提出GRPODropout，在更新前有选择地移除少量高概率且优势为正的生成样本，并对保留样本的优势进行重新中心化。实验显示，该方法使用更少的样本进行更新，仍获得了比原始GRPO更高的准确率和更高的策略熵。
说明DADP：一种受赫布学习启发的动态结构剪枝方法
简介该论文提出动态激活依赖剪枝方法 DADP，在训练过程中依据突触前激活与突触后误差梯度的累积乘积衡量连接重要性，并使用单一全局阈值动态分配各层稀疏度。实验涵盖 MLP、VGG-16、ResNet-18、BiLSTM-CRF 和 MiniBERT，报告称在 ResNet-18 上 99% 稀疏度下准确率为 73.67%（稠密基线为 76.06%），并通过熵与有效秩指标表明其在极高稀疏度下仍保持特征多样性。
说明LLM驱动音色生成与插值中的结构性与表征性能动性
简介本文以一个基于大语言模型的音色生成界面为对象进行测量研究。研究发现，用户能够实际操控的范围（可达集合）可被精确刻画，而界面所显示的位置与实测值相差约为该区域宽度的三倍，误差来自模型预测坐标和合成器参数插值两个独立来源。36条修改指令中有26条未产生可感知变化，较弱的模型在报告收敛时并未执行任何操作。
说明VEDJE：面向可扩展视频-文本检索的高效判别式联合编码器
简介该论文提出VEDJE方法，用于视频与文本的检索匹配。它在采样帧内压缩特征并将其保存在可复用的缓存中，同时通过特征变化预测作为辅助训练信号，在不增加查询时计算量的情况下提升检索效果。在MSR-VTT、MSVD、DiDeMo和ActivityNet数据集上，VEDJE在两个检索方向上都优于匹配的第一阶段检索器；在MSR-VTT上，文本到视频R@1达到59.8。
说明基于复数融合的开放词表音视频事件定位
简介本文研究开放词表音视频事件定位，即为视频片段标注事件类别，包括训练时未见过的类别。方法基于冻结的多模态基础模型，计算视觉-文本与音频-文本的复数相似度，并用复数神经网络学习融合，而非沿用固定的标量融合规则。在OV-AVEBench的未见类别划分上，结果为66.5/59.1/54.1%（Acc/Seg-F1/Event-F1），并在作者修改的AVE数据集上取得最新结果。
说明利用大语言模型检测临床试验中的“结果渲染”（spin）
简介论文指出，在未达到统计学显著性的随机对照试验中，超过50%存在“spin”（夸大或扭曲结果的报告方式）。作者以300对语义相似度标注的主要结局与报告结局为基础，开发了自动检测“结局转换”（outcome switching）的系统，结合提示工程、基于词元概率的分类和多数投票。在2,496个测试样本上，该方法的F1值为0.78，准确率为0.90，优于基线文本相似度模型，但仍不及微调后的BERT。
说明ConventionPlay：面向稳健临时协作的能力受限训练方法
简介该论文提出 ConventionPlay，一种基于强化学习的方法，用于多智能体临时协作。智能体通过与一组学习得到的、适应能力各异的伙伴进行训练，学习发现伙伴的最优协作约定。实验结果显示，在面对能够适应多种约定的测试伙伴时，该方法优于现有临时协作方法。
说明一比特压缩感知后验采样的恢复保证
简介本文研究从先验分布中抽取信号的噪声一比特压缩感知所需样本数。通过近似覆盖数刻画先验的有效分布复杂度，证明后验采样在测量数随该对数增长时可高概率实现精确恢复。结果对学习先验的偏差具有稳健性，并给出了样本复杂度下界；实验在FFHQ和ImageNet数据集上验证了基于扩散先验的即插即用实现效果。
看点通过近似覆盖数刻画先验复杂度并给出上下界，理论改进明显，并用扩散先验在FFHQ和ImageNet上验证，影响限于压缩感知子领域。
说明概率签名动力学：解析两层网络中的模加法学习机制
简介神经网络在模加法任务上训练后，常会形成支持精确泛化的傅里叶结构表示，但梯度训练如何从数据分布中选出这些结构仍不清楚。本文提出“概率签名”方法，用训练分布的条件统计量描述主要梯度相互作用，并指出模加法中的签名是循环移位算子，可由离散傅里叶变换对角化，从而解释傅里叶稀疏性、频率匹配和相位对齐的出现。该框架还解释了标签噪声下带噪样本早期损失下降可能更快的现象，并在XOR任务上观察到预测的频率。
说明从抑制到修复：利用局部分布对齐缓解大型视觉语言模型的物体幻觉
简介本文针对大型视觉语言模型生成物体幻觉的问题，提出一种无需训练的方法ResOT。该方法在推理时修复隐藏表示：先把主要的幻觉方向从可信子空间中投影出去，形成低维残差子空间，再用高斯最优传输将幻觉分布对齐到可信分布。实验表明，在三个代表性模型上，ResOT显著减少了物体幻觉，并提升了图像描述质量和多项多模态基准的表现。
说明术中唤醒开颅时基于自监督语音表征的跨说话人构音障碍检测
简介本文研究在唤醒开颅手术中自动区分构音障碍语音与正常语音的方法，使用DATABRASE手术录音数据集。方法包括说话人分离以提取患者语音、结合手工声学特征与多层wav2vec 2.0嵌入的多视角表征，以及级联分类器，并采用留一说话人交叉验证。结果显示，语音表征比分类器选择对跨说话人性能的影响更大。
说明从像素到结构：用于文档OCR与结构化JSON提取的轻量视觉-语言模型
简介本文比较了八种参数量不超过70亿的开源轻量视觉-语言模型，用于三个大学文化遗产馆藏文档的OCR及结构化JSON提取。模型需从文档图像中提取文字并生成符合模式的JSON。研究在零样本、少样本和微调设置下，以字符错误率、近似归一化编辑相似度和平均精度F1进行评估，并测试超参数优化、图像预处理及多阶段训练的影响。结果显示，经过适配的模型可为机构提供可自主控制的替代方案。
说明基于紧凑位姿图优化的刚体快速位姿跟踪：用轻量模块在长时序上保持刚体6D位姿的稳定跟踪。
简介该论文针对新物体6D位姿的长时间跟踪，指出现有方法要么需要昂贵的预先建模，要么需要在整个序列中维护三维重建，难以用于机器人操作和增强现实。作者提出一个轻量跟踪模块，可叠加在多种对应关系估计方法之上，在位姿图中只优化相对位姿约束，并依据几何对齐推导出的不确定性为其加权，从而避免点级优化。在四个真实世界基准上，该方法的跟踪精度可与基于重建的跟踪器相当，而优化成本仅为其一小部分。
说明多视角空间理解的“寻找并观察”推理方法
简介现有多视角空间推理主要基于稀疏的输入视角，视觉语言模型难以跨视角对齐。本文提出“寻找并观察”（Seek-and-View）推理思路，定位与问题相关的视角以补充空间证据，并据此设计了免训练、与模型无关的框架Vantage，将视觉语言模型与3D基础模型结合。在六个视觉语言模型和五个基准上的实验显示，该方法在无需微调的情况下带来了稳定提升。
说明PRAXIS：利用符号档案学习自我改进模型的动态过程
简介论文提出 PRAXIS 框架，把生成器、学习器和符号档案看作相互作用的动态过程，用于分析自我改进学习系统中目标函数的非平稳变化。作者给出了 KL 约束下生成器更新、档案权重变化以及随机梯度下降的理论保证。实验涉及视觉鲁棒性、关系图推理和算法图推理任务，结果显示生成器趋于稳定、学习器损失下降、档案趋于集中，与理论机制相符。
说明高斯混合上的 Softmax 注意力：能线性时线性，必须选择时选择
简介本文研究 Transformer 中 softmax 注意力在高斯混合数据上的无限提示极限。与仅含高斯数据的既有理论不同，高斯混合引入了潜在结构、多模态与非线性依赖。作者表明，softmax 注意力可通过梯度方法表示并学习分类、去噪等统计任务的最优解。其一，它能与线性注意力一样有效地处理线性任务；其二，它能利用依赖查询的上下文选择解决线性注意力无法胜任的非线性任务。
说明Memento 3：通过反思性规则书实现基于模型的递归自我改进
简介该论文提出 Memento 3，让冻结的大语言模型智能体通过外部记忆持续学习显式世界模型。智能体用自然语言维护一本可修订的规则书，并将其编译为可执行代码进行预测和规划，依据预测误差不断修正规则与代码，只有经验证的更新才会被采纳。在 ARC-AGI-3 的 25 个公开游戏中，单模型智能体全部通过，平均相对人类动作效率为 100.0，动作次数为人类的 44%；在 Atari Pong 案例中，学习到的反馈控制器在三局中均以 21:0 获胜。
说明AuraLuxMuse：面向音乐与专家指导的舞台灯光美学设计的自适应融合建模
简介本文提出 AuraLuxMuse 系统，用于辅助舞台灯光设计。系统将音乐与专业灯光提示序列映射到共享检索空间，并根据设计师偏好检索和调整灯光指令，输出可编辑的灯光提示，而非取代设计师。论文还发布了配对音频与灯光提示的数据集 Musilux，并在虚拟仿真与专业实验室环境中进行了客观与主观评估。
说明面向物理一致动力学与交互的分相视频生成
简介本文提出PAVG（相感知视频生成器），用于生成固体与气体动力学及其相互作用的视频。模型采用双分支结构分别建模固体和气体的不同运动，并通过时空交叉注意力捕捉两者的物理耦合。作者还构建了一个包含超过70万条物理轨迹的仿真语料库。实验表明，相较现有方法，PAVG生成的视频在运动贴合度、物理合理性和视觉质量上均有提升。
