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SharP：基于软硬提示与大语言模型的低资源假新闻检测数据增强方法
简介该论文针对标注数据稀缺的低资源假新闻检测问题，提出SharP框架。它利用大语言模型，结合硬提示（结构化指导与事实约束）和软提示（从数据中学习的语义模式）生成任务相关的合成样本，并通过边界感知策略引导生成分类器不确定的样本，同时用双目标优化平衡语义一致性与分类器反馈。
说明重新审视在线策略蒸馏中的相对策略差异迁移
简介该论文研究在线策略蒸馏（OPD）的一种改进方式：不直接迁移专家模型的绝对分布，而是迁移专家与参考策略之间的相对差异。研究发现，由任务特定训练（如强化学习或监督微调）带来的差异能稳定迁移，而仅由模型规模带来的差异迁移效果较弱或无效。论文还指出，只有差异能推动目标策略向专家靠拢并泛化时，迁移才有效。
说明S³R：通过自稀疏推测解码实现快速且忠实的强化学习采样
简介本文针对带可验证奖励的长上下文强化学习（RLVR）中生成回复耗时的问题，提出 S³R 方法。该方法先用稀疏注意力提出候选词元，再以完整注意力进行验证并做精确推测采样，草稿与验证共享同一策略参数，无需单独训练草稿模型。论文称其生成的回复组分布与稠密策略一致，并在长上下文数学推理任务上实现约 1.35–1.39 倍的端到端训练吞吐量提升，任务表现相当。
说明部分可观测强化学习中，循环网络是否需要学习？
简介该论文研究在部分可观测马尔可夫决策过程中，能否只使用固定不训练的循环网络来提供记忆。作者提出一种结合固定循环网络与可训练非线性输出模块的简单结构，并在不同记忆需求、观测方式和动作空间的任务上进行评估。结果显示，固定循环网络能支持数百步的记忆回忆，控制表现具有竞争力，且可训练参数不到完全可训练模型的一半。
说明JANUS：借助协同演化的世界模型提升长周期自主研究能力
简介该论文提出JANUS框架，用于改进长周期自主研究。研究智能体先提出候选方案，世界模型在执行前预测其价值提升、信息增益和探索效用，并据此选择、修改或剪枝分支。收到真实反馈后，系统将经验提炼为可演化的技能，两者持续协同进化。作者称在MLS-Bench-Lite及真实研究任务上，JANUS显著优于现有基线方法。
说明基于预测的高海况无人机降落窗口规划（无人机在无人船上降落）
简介论文针对高海况下无人机在无人船上的自主降落难题，提出一种预测引导的分层控制框架。框架中预训练模型显式预测无人船姿态，用于高层决策，帮助选择合适的降落窗口和触地时间，底层飞控则保持无人机稳定并跟踪运动指令。作者还利用真实海况采集的无人船运动数据，在MuJoCo仿真中搭建了实机-仿真验证环境，实验表明该方法可行。
说明面向生成式中间帧插值的目标帧导向适配与语义-几何对齐
简介该论文提出DSG-GI框架，用于在起始帧与目标帧之间生成时间连贯的中间帧。方法通过目标条件适配引导生成轨迹朝向目标帧，并通过语义-几何对齐约束时空特征关系与潜在流。作者称在标准及大运动插值基准上，该方法提升了时间稳定性、目标帧一致性和感知质量。
说明WaSA：用于联邦学习中恶意客户端无监督离线检测的小波散射自编码器
简介联邦学习让多方在不共享原始数据的情况下协同训练模型，但容易受到注入有毒数据的恶意客户端影响。本文提出WaSA框架，训练前每个客户端只上传一份保护隐私的频谱摘要，由在干净辅助数据上训练的去噪自编码器根据偏离良性分布的程度为客户端打分，无需攻击标签即可识别各类异常，并采用玻尔兹曼采样在剔除与标准聚合之间平滑过渡。在MNIST、CIFAR-10和CIFAR-100上的实验显示其优于有监督基线与鲁棒聚合方法，通信开销可忽略。
说明AdaC-GRPO：通过自适应课程学习掌握长程视觉数独谜题
简介本文提出FG-Sudoku细粒度基准，按网格大小和所需推理步数分类，用于评估多模态大模型在长程视觉数独上的多步演绎推理能力。结果显示前沿模型在9×9等复杂长程依赖谜题上接近失败，导致强化学习奖励稀疏。作者提出自适应课程组相对策略优化方法AdaC-GRPO，通过在线rollout准确率动态构建训练批次。实验表明，该方法使Qwen2.5-VL-7B接近Gemini-2.5-Flash的表现，并弥补了与Gemini-2.5-Pro总体准确率差距的62.2%，且在InternVL-3.5和Qwen3-VL上也得到验证。
说明MixTok：结合全局一维令牌与稀疏二维细化的自适应视觉分词方法
简介该论文提出MixTok，一种混合视觉分词器，用紧凑的一维全局表示配合稀疏的二维令牌进行局部细化。内容自适应路由器根据细化优先级为各图像分配二维令牌数量，并在平均令牌预算下运行。在ImageNet 256×256上，MixTok在重建与生成两方面均取得有竞争力的结果，rFID为1.195，gFID为1.95，平均分别约使用128和131个内容令牌。
说明在单张消费级显卡上实现高吞吐量的生成式视频超分辨率
简介本文提出一种零样本框架，完全由预训练组件构成，无需端到端重新训练，即可在单张RTX 4090上以约32 FPS处理720p生成式视频超分辨率。方法将空间增强与时间稳定解耦：一个时间蒸馏的单步扩散模型负责空间放大，轻量级预训练光流插帧器负责生成关键帧之间的中间帧。论文还提出分辨率感知的混合注意力方案，在4K下相比原始注意力实现最高44%的加速。
说明智能体数据科学中的隐性失败：超越准确率的评估
简介本文指出，现有对智能体数据科学的评估只看下游预测性能和代码正确性，会掩盖数据泄露、验证方式不当等方法论错误。作者从三方面评估：分析220个任务中的失败模式，构建可复用的测试套件检验六类失败，并与Kaggle竞赛专家方案做定性对比。结果显示多数智能体方案至少包含一种失败模式，且数据泄露与预测性能呈正相关；智能体在问题解决创造力和领域知识方面通常不及获胜选手。
说明CompactSplat：面向前馈场景重建的空间自适应高斯分布方法
简介该论文提出 CompactSplat，一种无需逐场景优化、通过前馈网络从稀疏视角重建三维场景的方法。它根据图像纹理引导空间划分并结合分层采样，在复杂区域集中放置更密集的三维高斯，在平坦区域用尺度调整后的较大高斯覆盖。实验在 RealEstate10K、DL3DV 和 ScanNet 上进行，结果显示其在标准指标和高分辨率渲染一致性上优于已有方法，且使用的基元数量明显更少。
说明修正匹配而非求解器：STITCH，一种面向侵蚀视觉拼图的自监督兼容性度量
简介论文指出，在边缘被侵蚀的拼图碎片上，性能瓶颈在于兼容性度量而非求解器。作者提出STITCH，通过轻量交叉注意力头比较碎片内部的冻结ViT特征，无需人工标注训练，可直接替换现有求解器中的度量模块。实验报告其在多个基准上表现优异，并能在更多缺失碎片的情况下保持泛化。
说明PreCoG：生成过程中通过预览编辑高效修正视频
简介该论文提出PreCoG框架，用于在文本生成视频的过程中修正语义错误。它先用低成本预览诊断失败并构造修正条件，再在缓存的生成轨迹上编辑，减少对已正确内容的干扰。实验显示，PreCoG在VBench和T2V-CompBench上得分最高，推理时间约为VSR的0.56倍，并在三项质量与对齐指标上优于GENMAC（推理时间约为其0.86倍）。
说明RoleWorld：用功能角色抽象实现世界建模中的知识迁移
简介该论文提出 RoleWorld，一种符号化世界建模方法，用可复用的角色原型和环境相关的参数值来描述物体在交互中的功能行为。教师大模型从交互轨迹中抽取角色原型与可执行的转移规则，行动方大模型在新环境中据此在线修正角色分配与参数估计，无需更新模型参数。作者称在 MARS 基准上，该方法在物体行为明显改变的环境中仍能稳健泛化。
说明PreSTO：用于快速LLM功率采样的预测子树预取方法
简介该论文提出PreSTO（预测子树预取），用于加速大语言模型的功率采样（PowerMH）。PreSTO提前批量生成未来Metropolis-Hastings提议的子树，并按原接受规则沿实际路径推进，保持马尔可夫链转移核不变。在七个数据集和五个基础模型上，PreSTO对PowerMH及其后续方法取得中位数加速比。
说明面向长时程终端智能体的可扩展数据合成方法
简介论文提出 TerminalHorizon，一个全自动的长时程终端智能体数据合成引擎，从真实专业任务出发，通过独立执行找出构建环境时被遗漏的关键工作，并据此重建环境，同时逐步扩展同一目标下的任务。基于该引擎构建了 1.5K 个任务环境，对 Qwen3.5-27B 进行监督微调得到 TerminalHorizon-27B，在 12 个基准上均有显著提升。
说明SOAR：面向搜索智能体、带精确信用分配的来源感知强化学习
简介该论文针对搜索智能体在强化学习中出现的“证据捏造”问题，即智能体绕过外部信息、凭内部知识编造错误答案。作者提出SOAR方法，通过来源感知流程把外部信息与内部知识分开记录，并用来源一致性奖励指导训练，从而更精确地分配信用。论文报告，在3B和7B模型上，SOAR的表现分别比基线高7.3%和5.4%，证据捏造减少74.8%。
说明从一瞥到聚焦：缓解多模态大模型细粒度识别中的“识别懒惰”
简介本文研究多模态大语言模型在细粒度视觉识别中表现不佳的原因，发现推理时存在“细粒度识别懒惰”现象，即视觉线索与类别概念之间关联不足。作者提出免训练框架LIVE，通过自适应候选列表、类别专属技能和按需调用的识别指导来激发模型潜在能力。在13个基准、24种对比方法上的实验显示其在不同模型骨干上均有效。
说明不只看结果：用结构化评分为编码智能体轨迹筛选监督微调数据
简介开源编码智能体通常用通过测试的交互轨迹做监督微调，但这种只看结果的筛选忽略了过程质量。论文提出 TQS（轨迹质量评分），直接依据轨迹结构打分，不需要大模型评判，运行时间与轨迹长度呈线性关系。作者用 155,144 条公开成功轨迹进行实验，结果显示用排名靠前轨迹训练的模型在 SWE-Bench-Verified 上表现优于随机或排名靠后的子集。
说明《悲惨世界》对话网络：基于电影的社会交流网络表示
简介本文以1998年改编电影《悲惨世界》为素材，构建了公开的《悲惨世界》对话时序文本网络，明确区分每句对话的说话者、听话者及其他接收者，并记录内容与时间。作者还利用十维社会关系模型，推导出以不同关系维度为层的多层网络表示。此外，文中还提出一套可用于类似叙事来源的通用方法。
说明VIGOR：场景程序中可验证的工业几何优化与修复
简介该论文指出，大语言模型生成的场景程序即使能成功执行，最终布局仍可能违反边界、碰撞、间距、通道或结构等耦合工程约束。作者构建了包含1,749个可构建场景的工业场景程序数据集，并提出VIGOR方法，结合监督生成、执行验证与分阶段几何修复。实验显示其完全可行性达96.86%，综合得分为91.20。
说明面向LLM多智能体系统的能力感知编排
简介该论文提出一种两阶段的能力感知框架，用于自动编排基于大语言模型的多智能体系统。方法先评估底层模型在当前查询上的任务相关能力，再据此调整角色激活与通信图结构。在六个基准测试上平均得分为93.81%；对高能力模型，平均准确率由87.22提升至89.97，同时token成本降低36.26%。
说明基于区域与深度监督的可测量语义三维高斯溅射，用于交互式建筑巡检
简介该论文提出一种可测量的语义三维高斯溅射框架，利用掩膜区域监督和基于多视图立体点云的深度监督，从多视角图像重建建筑。框架还为高斯基元赋予语义特征，支持构件级检查，并通过AEC-SplatTwin平台实现实时可视化、测量与大语言模型辅助交互。在两个数据集上，深度误差和语义分割指标均有提升，HKUPB数据集的高度、宽度和面积相对误差分别为0.33%、1.07%和0.60%。
说明Neurograf v1：端到端的罗马尼亚语优先语言模型系列
简介本文介绍 Neurograf v1，一条为罗马尼亚语这类资源较少的欧洲语言从零训练语言模型的实验性流程，包括 6.35 亿字节的 RoSfera 语料、80k 字节级 BPE 分词器、五个 1.6 亿至 60 亿参数的解码器模型、三个指令微调助手和两个嵌入模型。在 1000 题 WWTBM 基准上，Neurograf-6B 的罗马尼亚语语境准确率为 69.89%，Neurograf-3.2B 为 67.38%。作者称其为实验演示系统而非生产系统，并讨论了变音符保留、语料质量和分词效率等挑战。
说明个性化激励政策中操纵行为的限度：论文讨论如何在个性化补贴下，判断代理人是否能通过伪装身份获利
简介本文研究需求管理中的个性化激励政策：监管方为引导可持续选择而按个体需求定制补贴，但代理人可能伪装成其他类型以获取更多补贴。作者将其建模为斯塔克尔伯格博弈，并引入监管方从过往行为中学习代理人类型的过程，从而计入操纵的成本。结果显示，分类不确定性虽降低个性化精度，却可能因抑制操纵而有利于监管方；作者给出了代理人从操纵中获益的上界，并用伦敦乘客出行方式数据进行了模拟。
说明DP-MIND：面向百万级长文本的差分隐私记忆引导推理框架
简介该论文针对大模型即服务场景中用户长文本可能包含敏感信息的隐私问题，提出 DP-MIND 框架，将差分隐私推理扩展到百万 token 级别的上下文。方法是在本地对输入加噪，并借助紧凑记忆分块处理长序列，用强化学习优化记忆构建策略，再通过本地去噪模块恢复被扰动的答案片段。作者给出了隐私分析，并在多个长上下文基准上报告其在可扩展性和效用上优于现有方法。
说明前瞻与回顾：面向路网轨迹的预期式生成建模
简介该论文研究路网上的轨迹生成，指出路口转向选择对后续路线影响很大，而现有扩散模型等方法在此处表现不足，甚至会生成偏离路网的轨迹。作者提出预期式生成建模，并设计名为Foresight的模型，通过“预期—选择—更新—再预期”的循环兼顾长期预判与历史轨迹的顺序生成。论文称大量实验显示Foresight优于最先进的基线方法。
说明基于梯度的连续动态时间规整快速近似方法
简介动态时间规整（DTW）用于衡量时间序列之间的差异，但计算慢且不可微。本文重新研究连续动态时间规整（CDTW），在温和条件下证明其可微，并提出快速近似求解器 FastCDTW：分段线性规整函数采用精确的闭式计算，平滑规整函数（如隐式神经网络）采用无偏蒙特卡洛估计，两者都能给出梯度且适合 GPU 计算。作者将其用于时间序列平均、分类和深度域适应等学习任务。
说明定位、判断、阅读：基于知识点索引的角色分工式多模态文档问答智能体
简介本文提出 KnowForge 流水线，把开放域多模态文档问答拆成定位、桥接判断、深度阅读和合成等由不同智能体或模块承担的步骤，并以混合检索的知识点索引为基础。作者称其在 M3DocVQA、MultiHop-RAG 和 MMLongBench-Doc 等基准上取得了优于已发表系统的结果，并通过分项消融实验说明各模块的贡献。
看点将检索与阅读拆分为角色专用智能体并加入强制桥接判断，在多个基准上有实质提升，消融实验较完整；对子领域有用。
说明为什么权重谱的重尾分布可以预测模型质量
简介这篇论文研究深度神经网络（DNN）的权重矩阵谱为何能预测模型质量。作者用概率框架，仅基于最后一层权重推导边际似然，在大型卷积网络和大语言模型上发现该量能预测模型质量。论文还推导了重尾分布（HTMP）下的极限对数边际似然，证明其对重尾程度参数是凸的，并给出一个最优重尾程度，经验上可预测大型网络的过拟合。
说明GuidedNav：通过动作前注意力与空间引导塑造视觉语言导航表征
简介该论文提出 GuidedNav 框架，用于视觉语言导航（VLN）。训练时通过子任务与地标引导，使动作前的注意力聚焦于当前指令片段与相关视觉区域；通过空间引导，使策略内部表征对齐几何特征。论文还发布了 Guided-R2R 与 Guided-RxR 两个带标注的数据集，并报告在 R2R-CE 与 RxR-CE val-unseen 上相对此前最佳结果成功率分别提升 8.1% 与 13.1%，推理更快。
说明BenCoDiC：面向孟加拉语政治新闻话语的大规模语境网络欺凌语料库
简介本文介绍了 BenCoDiC，一个公开的孟加拉语网络欺凌语料库，收集自 100 个 YouTube 视频及其讨论，共 50,250 条文本，保留了字幕、评论与回复之间的关系。语料采用九维星型模式组织，并经两层人工标注与专家核验，Fleiss' κ 与 Krippendorff's α 均为 0.86。实验表明，加入对话上下文后，分类效果较单独文本有适度且稳定的提升。
说明在脑中回放影片：从脑电图解码动态视觉感知与回忆
简介该论文提出PAIR脑电数据集，由20名受试者在观看自然视频片段后立即进行视觉回忆时采集。研究比较了外部感知与内部回忆两种状态下的神经表征，并测试多种解码模型在语义分类、元特征解码和状态区分任务上的表现。结果显示部分任务表现接近，少数粗粒度比较中感知准确率更高，而感知与回忆在状态层面可明显区分。
说明信息价值与进化型 e-puck 机器人中通信的出现
简介该论文研究两个自主机器人在寻找只能经过时才能检测到的食物区时，通信何时自发出现，以及先天动作选择结构的作用。机器人用 GRU 循环网络控制，适应度仅按其停留在食物上的时间计算。结果显示，有指南针时通信消失；无指南针时，不同运行采用了不同策略，且在更大场地中，基于指称信号的策略泛化最好。
说明DRYLAB-Bench：评估大语言模型智能体在生物突变设计中的生物安全风险基准
简介本文提出 DRYLAB-Bench，用于测试大语言模型智能体在高风险生物突变设计任务中的能力。该基准包含 30 个源自生物安全指南的危险场景，模型可调用生物设计工具进行多轮迭代，设计结果以 187,695 条实验室测量数据进行评分。论文报告，在 15 个前沿模型中，无工具时 67.6% 的一次性设计超过平均测量变体，接入工具后风险平均分进一步上升。
看点首个面向LLM智能体生物设计风险的综合基准，以187,695项实验室测量作真值验证，并量化BDT带来的风险放大。
说明通过合成自蒸馏对小模型进行持续后训练
简介论文指出小模型在持续后训练中难以兼顾学习新能力与保留旧知识，原有的自蒸馏微调方法（SDFT）在小模型上效果不佳。作者发现学习效果差与遗忘都与模型分布偏移呈线性相关，因此提出合成自蒸馏方法（SynthSelf），将改写任务交给规模略大、同系列的对齐模型完成，并结合离策略监督与拒绝采样。在4个学习数据集和14个保留基准上的评测显示，该方法在3种小模型规模下均优于6种对比方法。
说明位置重要吗？一项黑盒因果审计揭示LALM幻觉中模型相关的音频依据
简介大型音频语言模型常把不存在的声音说成存在。论文通过黑盒因果测试，先用CLAP相似度定位声音依据区域，再用频谱门控移除该区域，并与随机窗口对照比较，在三个模型上完成2x2x2实验。结果显示，控制时长后定位移除在各组设置中都优于随机移除，但原始检测效果因模型而异；结合盲音对比与语言先验的对比解码，将Qwen2-Audio的准确率从57.1%提升到71.9%。
说明视觉注意力头的发现分数究竟找到了什么：注意力来源、必要性与随机对照陷阱
简介论文研究视觉语言模型中关注图像相关区域的注意力头，这类头常被用于引导、定位和减少幻觉，通常依靠注意力模式分数筛选。作者在Qwen3-VL-8B-Instruct上系统改变查询类型、发现语料和注意力来源，并与层匹配随机头集对比。结果显示注意力来源和查询类型对所选头的影响远大于语料，且必要性能区分不同设置，而引导效果并不专属于所发现的头。
说明通过迭代精炼扩展 RNA 基础模型：让推理深度可调的 80M 参数模型
简介论文提出 Eco-RNA，一个 8000 万参数的 RNA 基础模型，通过共享的 Transformer 核心反复迭代来精炼序列表示，推理深度可在训练后选择且参数固定。在 RNAGym 的 70 项适应度测试中，迭代次数从 1 增至 4 时，平均绝对 Spearman 相关系数由 0.242 提高到 0.286；4 次迭代时，模型在三项总体适应度指标上超过参数量多 500 倍的 Evo 2 40B。论文还报告其在非编码 RNA 家族分类、RNA 二级结构预测和化学探测谱预测中也优于所比较的基线。
看点将学习式迭代细化引入RNA基础模型，推理深度可调；在70个RNAGym测定上以更少参数超过Evo 2 40B，证据较充分。
说明失败的执行轨迹能否揭示智能体在哪里出错？无需步骤级标注的智能体失败归因
简介本文研究大语言模型智能体的失败归因，即在没有步骤级标签的情况下，找出导致任务失败的关键步骤。作者提出SOAP方法，借助大模型表示构建谱参考空间为各步骤打分，并利用注意力模式把下游的错误信号向上游可能的来源传播，以减轻后续步骤被错误放大的干扰。实验表明，该方法在归因效果上优于若干有竞争力的基线方法。
说明具备指令执行进度感知的鲁棒视觉语言导航（VLN-AIEP）
简介本文针对多步骤指令引导的视觉语言导航任务，提出VLN-AIEP框架，将指令执行进度估计与导航决策相耦合。该方法通过抑制已执行指令内容的表示，使智能体只与待执行内容匹配候选位置，且无需显式进度标注。论文还构建了以地标为锚点的轨迹表示，并在R2R、RxR、CVDN和R2R-CE上取得了较好的多项指标表现。
说明从210万小时原始广播音频到芬兰语语音自监督学习：置信度过滤与架构分析
简介本文以210万小时未经筛选的芬兰语广播音频为起点，研究自监督语音预训练数据的质量筛选。作者提出用自动语音识别的置信度作为预训练数据质量的代理指标，相比基于语种识别的过滤，词错误率相对降低3%至7%，且训练集更小。此外，论文在相同参数规模下比较了Transformer、Macaron-Net、Conformer和E-Branchformer四种架构，所得模型在Base规模和域外测试中优于此前的芬兰语自监督基线。
说明VETR：基于执行轨迹的符号化图形推理自我改进智能体
简介该论文提出VETR框架，让视觉智能体通过分析程序执行轨迹，改进可执行的符号化场景表示，以解决仅依赖最终渲染图带来的监督信号模糊问题。方法会从运行时状态中提取证据，编译出受约束的替代程序，并以运行时状态验证其结果。在BlenderGym与BlenderBench上，VETR的表现优于BlenderAlchemy与VIGA等现有方法。
说明面向加速MRI重建的随机有限转移学习与探索方法（FLEX-MRI）
简介该论文提出FLEX-MRI，用于加速磁共振成像（MRI）重建。它将重建过程划分为少量有限区间，直接学习每个区间内的重建变化，并在推理时通过扰动部分k空间系数进行随机探索，每一步再经数据一致性校正。实验表明，在多线圈MRI数据集上其效果优于对比方法，同时计算效率与少步基线相当。
说明更快的决策不等于更好的智能体：Jev 在智能体工作流中的实证研究
简介本文研究在 AI 智能体中用 Jev 替代大语言模型进行决策后，效率能否真正转化为任务完成效果。作者在 ALFWorld（具身任务）和 AndroidWorld（手机应用操作）两类场景中，对五个智能体共 4500 次任务执行进行了评估。结果显示，Jev 显著降低了决策成本与延迟，但任务成功率在两个移动端智能体上下降较明显，部分节省被额外推理与交互抵消。
说明基于度量-相位场的体渲染，用于薄结构与符号模糊几何的重建
简介该论文提出 PhaseSurf，一种基于度量-相位场（MPF）的神经体渲染框架。针对带符号距离函数的方法在薄结构和符号模糊几何上容易失效的问题，它将几何分解为表示无符号距离的非负度量场和提供软符号线索的连续相位场。实验表明，该方法在多视角数据集上比基于 UDF 的方法和近期 3DGS 流程重建更稳定、几何质量更高。
说明人类与大模型在协作设计会议中的引导对比：一项计算行为分析
简介该研究比较了人类项目经理与Llama 3.1 8B Instruct模型在AMI会议语料的199组配对情境中的引导发言。结果显示，人类发言在语义距离和含糊表达（hedge）的词汇密度上更高，而模型发言在话题发散、词汇扩展和阶段词汇对齐上更高。作者指出这些差异不应被解读为引导质量的高低排名。
说明SWEAR：基于自评难度的分段高效音频推理
简介本文针对大型音频-语言模型的自适应推理问题，指出现有方法多依赖粗粒度的难度估计。作者通过离线评估得到五维难度分数和压缩推理轨迹，并据此提出SWEAR框架：在监督微调中学习难度信号，再用强化学习在各推理阶段动态分配推理资源。在MMAU-test-mini和MMAR上的实验显示，SWEAR提高了准确率，同时显著减少了生成的token数量。
说明注意力识别、MLP拒绝：追踪大语言模型中从注意力到MLP的安全通路
简介这篇arXiv论文研究安全对齐的大语言模型为何会被越狱或过度拒绝。作者在18组Base-Instruct模型（涵盖Qwen、Llama、Gemma）上，分别测量注意力与MLP模块对有害性识别和拒绝生成的作用。结果显示，有害性更多可从注意力更新中解码，而MLP更主要负责写入拒绝信号；因果干预也支持这一通路。作者据此提出Sentinel方法，结合两类分数进行路由，在八个模型上取得了比单一信号更低的总体错误率。
看点将注意力感知与MLP决策拆分为可测量的安全通路，并以因果干预验证，跨18对模型给出一致证据，对越狱与过度拒绝诊断有实际价值。
说明LongHarness：通过有状态证据管理，在上亿词元语料上推进智能体推理
简介该论文提出 LongHarness，一种与模型无关的智能体框架，用于跨越超出上下文窗口的大规模文档集合进行推理。其核心机制是证据与结论的协同演化：未解决的结论引导检索补足缺失信息，新获得的证据则强化或修正原有结论，并配合证据生命周期管理保持证据的时效与可追溯性。在 OfficeQA Pro、AA-LCR 和 LongBench v2 等基准上，相比同一基座模型的直接推理，该框架明显提升了精确匹配得分。
说明Double-Take：提升双向记忆在长上下文中的容量、绑定与选择性
简介该论文研究长序列处理中固定大小记忆的可用性问题，指出单步写入会累积干扰、限制容量，而自关联写入无法形成跨位置绑定。作者提出Double-Take方法，采用多步无固定更新、跨位置混合以及双向变化敏感写入来改进。仅在32kb基因组上下文上训练，模型在131kb时AUROC达0.927，接近1Mb时为0.856，并可从人类零样本迁移到小鼠。
说明AV-FlowEdit：无需训练、基于提示词的音视频联合编辑方法
简介该论文提出AV-FlowEdit，一种无需训练和反演的音视频编辑框架，可根据文本提示修改已有视频及其音轨。方法利用源与目标流的差异，同时更新视频和音频分支，并通过跨模态事件感知的频谱轨迹保持机制抑制采样过程中的漂移，使非目标区域得以保留。实验表明其提示对齐和时间一致性较强，音频质量与跨模态一致性具有竞争力。
说明DISCERN：面向可泛化医学多模态学习的可识别疾病证据
简介论文指出临床多模态模型可能学到在各模态间共享的入组捷径，从而在新队列上失效。作者用潜在结构因果模型描述数据，并提出 DISCERN 方法，结合信息格编码器、潜在状态模型和结局输出头进行联合训练。合成数据实验中，条件化处理使状态 AUROC 从 0.043 提升到 0.883，从 0.265 提升到 0.825；eICU 与 MIMIC-IV 之间的跨库死亡率实验相比匹配的经验风险最小化，AUROC 分别提升 0.036 和 0.035。
说明以点击率为导向的广告图编辑：属性解耦与偏好对齐（ECC方法）
简介论文提出ECC方法，将电商广告图优化从从零生成改为细粒度编辑，只修改对点击率有负面影响的属性，保留有益属性。方法先用ANOVA和随机森林识别28个与点击率显著相关的属性，再训练提示模型生成编辑建议，并结合真实点击偏好进行调整；同时提出一致性偏好优化（CPO）策略以缓解DPO过拟合。论文称该方法在点击率上显著优于现有模型。
说明CB-Orchestrator：基于上下文老虎机的LLM智能体自适应工作流优化
简介该论文提出CB-Orchestrator框架，将工作流生成与选择分离：先通过进化搜索构建多样化的候选工作流池，再把工作流选择建模为上下文老虎机问题，以平衡探索与利用、减少训练反馈。推理时模型可为每个查询自适应选择最合适的工作流。论文称在五个基准上优于所有基线，并在MATH数据集上以更低的API token开销取得更好表现。
说明KV-Repurpose：评估非前缀 KV 缓存复用的测试平台
简介大语言模型推理服务通常只能复用完全相同的提示前缀缓存。本文提出开源系统 KV-Repurpose（基于 vLLM），用于开发和评估前缀之外的分段 KV 缓存复用，并包含缓存感知调度、容量管理、负载生成与运行监控等模块。在模拟检索增强生成负载的实验中，该系统在相同 30 GB 缓存容量下，词元级缓存命中率为 63.9%，前缀缓存仅为 3.3%；即使缓存增至 1 TB，前缀缓存命中率也只有 17.9%。
说明CliQ-RRG：面向问答式放射报告生成的临床知识引导疾病感知图文对齐方法
简介本文提出CliQ-RRG，用于自动生成胸部X光等放射影像报告。第一阶段通过疾病感知的图文对齐模块及先验引导注意力模块，结合当前与既往影像信息对齐图像和文本表示；第二阶段利用图检索增强的临床证据，并由大语言模型将其整理为简明、可解释的问答对和诊断摘要。作者称在两个公开胸部X光数据集上，该方法在词汇和临床指标上均优于已有方法。
看点在放射报告生成中结合疾病感知对齐、先验引导注意力与GraphRAG检索，形成QA式报告；两个公开胸片基准上一致优于既有方法，属实质改进。
说明回溯以前进：面向长程智能体的回顾式探索与演化（ReTRAIL）
简介本文提出ReTRAIL框架，使大语言模型智能体能够把环境回退到早期状态，同时保留有效进展，并把放弃分支中学到的经验带到后续决策中。方法结合了状态锚定的GRPO和分支推进奖励两种训练信号。在MineSweeper、Sokoban、ALFWorld和ScienceWorld四个交互基准上的实验显示，仅增加回退操作收益有限，而ReTRAIL能让智能体从低效状态回退并利用弃用分支的经验指导后续探索。
说明CoBe：面向对话式反事实文本编辑的基准测试
简介该论文提出反事实文本编辑基准CoBe，用于测试模型能否在假设改变某条件时，只修改受因果影响的内容，同时保留不受影响的事实。基准包含2000个问题，涵盖医疗、科学工程、商业和日常场景。前沿模型平均得分为58.05%，研究发现模型常退回到关联式生成，而非保留原场景的因果结构，且表现与模型规模和输出长度关系不稳定。
说明A4-MR：面向磁共振影像的解剖结构与异常感知对齐模型
简介本文提出A4-MR，一个基于约5万例磁共振检查（约49.1万个序列，其中约一半配有放射学报告）训练的三维视觉-语言基础模型。模型旨在学习解剖结构定位、在解剖层面对齐图像与文本，并区分健康与异常的解剖结构表征。在多项下游任务中，其表现优于现有基础模型，并在膝关节与腹部器官分割等任务上与任务专用模型相当或更优。
说明UniMergeTrack：面向通用RGB-X视觉目标跟踪的分层模型合并
简介该论文提出UniMergeTrack，一种模型合并方法，用于RGB-X视觉目标跟踪（结合热红外、事件或深度等辅助模态）。方法先分别独立训练各模态跟踪器，再进行分层合并：骨干网络经高通滤波合并并辅以轻量任务专家，跟踪头则借助最优传输引导的通道对齐进行合并，最后经分布对齐微调。论文称其在多个基准数据集上达到领先或有竞争力的表现，并具有对未见数据集的良好泛化能力。
说明NOFACE3D：面向3D生成的噪声调度聚焦锚定与可控增强
简介这篇论文提出NOFACE3D，一种无需训练、只在推理阶段运行的方法，用于改进图像生成3D模型中小而细的局部细节。它从已生成的网格中截取细节关键区域，放大后重新编码，并用带空间变化噪声调度的流式采样进行细化，再无缝合并回原模型。作者在PAniC-3D、TexVerse和新建的BigDetail基准（包含339个标注细节区域的资产）上评测，结果显示几何与纹理细节均优于基线。
说明容错多机器人协同：带 k-连通约束的次模最大化
简介该论文面向多机器人协同任务（如覆盖、目标跟踪与信息收集），提出“弹性 k-连通次模最大化”方法，同时考虑任务性能、对机器人故障的容忍能力以及通信网络连通性。作者通过 Menger 定理的连通性约简、保持可行性的贪心算法，以及基于曲率的新分析，给出故障后目标值的最坏情况保证。实验在多机器人目标跟踪任务上验证了该方法，并分析了连通性约束的实际影响。
说明重定向教师监督：面向视频-语言模型的时序响应引导潜在蒸馏
简介该论文研究视频-语言模型的同策略蒸馏，指出直接对齐隐藏状态并未利用学生模型的时序响应来选择监督方向。作者提出时序响应引导（TRG），通过局部时序扰动测量表示响应，将教师修正量投影到响应空间并恢复原始范数。在TempCompass、Video-MME、MVBench和Video-MMMU等基准上，4B学生模型的宏平均准确率比报告的仅输出蒸馏基线提高了2.86个百分点。
说明RAMP：面向循环深度语言模型高效预填充的循环自适应混合精度方法
简介循环深度语言模型通过反复运行共享网络来提升推理能力，但也增加了推理开销，长上下文预填充阶段尤为明显。本文分析了量化误差在循环深度中的传播规律，发现较早引入的量化误差会被后续更多的循环步骤衰减，对最终表示影响较小。基于此，作者提出RAMP方法：早期循环精化使用低精度计算，终端精化恢复高精度。在上下文长度达4K的实验中，RAMP在NVIDIA H100上实现最高1.16倍的首次预填充加速，延迟降低13.9%，同时保持接近全精度的预填充质量。
说明面向消费电器状态监测的轻量级时频振动感知方法
简介本文提出一种轻量级人工智能振动感知框架，利用连续小波变换和希尔伯特-黄变换把一维振动信号转换为二维时频图，再用MobileNetV3-Small、ConvNeXt-Tiny和YOLOv11-cls等轻量模型进行分析。研究在CWRU、PU、IMS等公开轴承数据集上比较了随机划分与结构化隔离两种评估方式。结果显示CWT结合YOLOv11-cls诊断精度较高，MobileNetV3-Small延迟较低，适合算力受限的边缘设备。
说明迈向更易调参的训练算法：AlgoPerf 的新结果
简介本文报告了更新版 AlgoPerf V1 基准测试的结果，在固定硬件上以达到目标所需的挂钟时间，评估九个任务上的一组新训练算法。报告聚焦于要求所有任务使用同一组配置的自调优规则集，在 PyTorch 和 JAX 提交的 13 个方案中，Schedule-Free AdamW 排名第一。研究还发现学习率和动量对多数领域和算法都很敏感，因此需要对超参数调整更稳健、能泛化到新任务的方法。
说明GeoGR：面向高效三维视觉语言模型的空间语义令牌压缩与分组路由
简介该论文提出 GeoGR 框架，同时压缩三维场景表示和大语言模型的视觉计算。投影层的 GeoSemZip 将多视角观测合并为三维体素令牌，并把未被选中的特征聚合为上下文锚点；语言模型层的 GroupRoute 让低相关性令牌跳过部分层并可在锚点层重新加入。在两个 7B 模型上，GeoGR 保留了约 95% 以上的性能，LLM 预填充速度提升 6 倍以上。
说明用于轨迹外推的目标约束池化方法
简介论文研究如何由部分目标轨迹外推其后续走势。作者提出目标约束池化（TCP），用两种互补的源信号估计有限时域的终点，再将其转化为对自由预测的修正。在来自五个领域的25,245个目标上，该方法使所有十个仅使用目标数据的预测器的平均RMSE降低35.8%至42.1%。
说明Git 没有记录什么：两个 AI 辅助研究仓库中的溯源可读性
简介作者审计了同一研究者在同一领域的两个单人研究仓库（分别含466和103次提交），比较其中两类 AI 代理痕迹对研究溯源的可读性。结果显示两类痕迹可读方式相反，且自动审计常读取的 Co-Authored-By 标记覆盖率有限、时间上也不稳定，作者由此提出可审计的证据账本及记录研究溯源的系统需求。
说明低秩柯尔莫戈罗夫-阿诺德生成器流：用于可解释算子学习
简介本文提出KAFlow（柯尔莫戈罗夫-阿诺德流），用单变量柯尔莫戈罗夫-阿诺德函数构造低秩符号来学习物理算子的生成器，并以精确指数积分器推进动力学，同时自动得出闭式表达。在合成基准上，其分布外损失降低3.4至11倍，系数恢复精度达10^-4；在长时程量子动力学上，状态不保真度最多降低6个数量级。
看点提出低秩柯尔莫戈罗夫-阿诺德生成器并自动提取闭式解，分布外损失降低3.4至11倍，量子动力学保真度提升最多6个数量级，证据充分。
说明脑部MRI基础模型跨数据集失效源于图像内容在各数据集中的编码方向不同
简介该论文研究脑部MRI基础模型冻结特征在新数据集上准确率下降的原因。作者在17个公开数据集和8种冻结表示上发现，模型能在各数据集内识别MRI序列，但多数在未见数据集上失效。原因在于图像内容在不同数据集中沿不同方向编码，而非数据集编码本身或数据集偏移；去除数据集信号的方法也未改善序列迁移。仅3DINO和SAM-Med3D能较一致地编码序列并实现迁移。
看点发现跨数据集失效并非源于数据集编码，而是内容在各数据集中沿不同方向编码，并在17个数据集、8种表征上验证。
说明Evo²：通过权重与执行框架协同进化来改进自进化智能体
简介该论文提出 Evo²，一种让语言模型智能体同时更新模型权重和执行框架（harness）的自进化方法。框架中由同一策略分别担任提出修改的 Proposer 与诊断修改效果的 Reflector，并通过 EvoTIDE 训练流程结合 SFT 与交错 GRPO 进行训练。在 Polyglot 和 SWE-bench Verified 等编码基准上，论文报告其分别达到 82.1% 和 48.3%，高于最强基线的 62.6% 和 41.0%。
看点提出权重与harness协同进化的统一框架，新意明确；在Polyglot和SWE-bench上对比最强基线有较大提升，并验证跨模型迁移。
说明世界动作模型需要什么样的视觉表征？——一篇系统比较视觉表征与融合方式的机器人操作论文
简介论文指出，世界动作模型继承了视频生成模型的先验，但其VAE表征是为图像重建优化的，并不适合操作任务。作者在受控条件下比较了多种视觉表征、五种融合机制和特征组合，发现强通用视觉表征更稳健，逐通道联合预测平均成功率最高。据此提出的R²-WAM在RoboCasa GR1 Tabletop和RoboTwin 2.0上分别达到84.7%和92.8%的成功率，比仅用VAE的基线分别高5.9和2.2个百分点。
说明统一生成式视频压缩：自回归与双向视频扩散模型
简介该论文提出 UniGVC，一种统一的生成式视频编解码器，用同一个比特流支持两种解码模式。双向模型 UniGVC-BI 追求高质量的随机访问解码，自回归模型 UniGVC-AR 面向低延迟流式播放。在标准 1080p 测试中，UniGVC-BI 在所评估方法中取得最佳的率失真感知权衡，比特率低至 0.0005 bpp；UniGVC-AR 解码速度达 36.85 FPS，比 UniGVC-BI 快 250 倍以上。
说明不要猜，直接问：评估仓库级软件开发中的交互式需求澄清
简介该论文提出 ReqClarifyBench，一个用于仓库级软件开发的交互式需求澄清基准，包含 341 个涵盖游戏、小程序和网页开发的任务，每个任务有模糊用户意图、人工验证的需求文档和代码评估材料。研究使用基于真实对话人设的大模型用户模拟器，评估六个大模型的澄清效果与需求文档质量。结果显示，澄清效果更强并不一定带来更高的文档质量，且不同用户人设之间表现差异明显；编码智能体框架相比其基础模型也未进一步提升需求文档质量。
说明EmbodiedCLBench：评估自我进化具身智能体的持续学习能力
简介该论文提出 EmbodiedCLBench，这是首个在具身仿真环境中评估自我进化智能体持续学习能力的基准。它以组合泛化为核心，考察智能体能否先从基础任务中学习，再重新组合所学技能解决未见过的复杂高级任务。实验显示，高级任务在零样本设定下很难解决，基础任务的经验能带来稳定提升，但增加学习样本并不会相应带来更多改进，当前智能体难以从额外经验中提取有效信息。
说明轨迹感知策略优化：缩小长程大模型强化学习中的状态分布差距
简介该论文针对大语言模型长程自回归生成中，局部策略偏差会累积成轨迹上的状态分布偏移这一问题，提出轨迹感知策略优化方法TAPO。该方法从离策略策略梯度推导出状态分布修正并纳入强化学习目标，并采用几何平均估计器降低方差，配合随长度变化的动态裁剪以限制过大更新。作者称其在八个竞赛级基准上优于现有方法，在数学推理和算法编程上相比GRPO分别提升最多48%和12%，且训练更稳定。
说明FlyHack：对连接组约束视觉模型中机制性结论的压力测试
简介本文以果蝇运动视觉模型 flyvis 为对象，用 50 个模型的集成、任务匹配的因果 CNN 对照以及重复干预实验，检验连接组约束模型中机制性结论对比较模型、干预方式、电路表示和训练解的依赖程度。结果显示，不同归因方法与干预的匹配程度、细胞类型集合的选择及单个模型的差异，都会显著改变结论。作者认为，这类模型适合把机制假设变成可检验命题，但结论应限定在特定模型族、干预、表示和训练解的范围内。
说明广义近端策略优化：从散度视角统一大模型强化学习算法
简介该论文提出广义近端策略优化（GPPO），用统一的散度框架来理解和设计大语言模型的强化学习算法。作者建立了广义f散度信任域理论，并提出更忠实的散度估计方式，PPO及DAPO、DPPO、RIPO等变体被纳入该框架的特例。在八个竞赛级数学和编程基准上的实验显示，最佳GPPO实例相较GRPO，数学与编程分别提升最多50%和14%。
说明基于证据理论与Dempster-Shafer融合的多模态情感识别Transformer（EMT-DS）
简介该论文针对多模态情感识别在传感器数据损坏或相互矛盾时仍给出高置信度的问题，提出EMT-DS模型。模型将预测表示为Dirichlet分布形式的主观意见，区分认知不确定性与偶然不确定性，并用Dempster组合规则融合各模态证据，显式量化冲突。论文报告在多个基准数据集上取得较高准确率，并显著降低了校准误差，同时指出学习到的冲突度量能够标记可能的错误样本。
说明学习特征而非版式：特征轴注意力作为医学影像迁移先验
简介该论文指出标准视觉Transformer的全局注意力集中在空间维度，而医学影像判别信号更多在特征相关性与纹理上。作者提出FAD-ViT，将空间与特征两个轴严格解耦，以特征轴注意力为主要全局算子，在23个分类、分割与小样本任务上进行比较。结果显示，从零训练性能基本不变，但迁移效果显著增强，在多数分割任务上参数更少、计算更低。
说明基于证据来源的人机反馈循环信念更新
简介本文研究在人机反复交互中，同一观察可能被引用、摘要并多次回传给模型，造成看似独立佐证的假象。作者提出潜在商证据训练方法（LQET），结合稀疏贝叶斯监督与约束，使模型依据证据来源而非报告次数更新信念。在受控二分类基准上，该方法相较仅用任务训练的模型，降低了新证据更新的误差和多轮回传后的对数几率漂移，并在闭环模拟中也表现出同样效果。
说明扩展赋能智能体：通过技能学习最大化环境控制能力
简介该论文探讨了“赋能”（智能体主动控制环境的能力）与技能学习之间的联系。作者提出一种简单可扩展的方法：从某状态出发可执行的技能数量即为赋能值，因此最大化赋能即是到达能作为众多技能良好起点的状态。该方法适用于任意基础技能学习方法。实验显示，该方法能带来涌现行为，例如在Crafter环境中建造房屋。
说明后见结构化建议蒸馏（HSAD）：用基于执行器失败与任务特征训练的顾问模型引导智能体
简介本文针对金融研究等专业场景中语言模型智能体常遗漏细节的问题，提出训练一个小型顾问模型，为各输入生成结构化建议并附加到冻结执行器的提示中。该方法借助后见信息，让能看到评分与执行轨迹的教师模型撰写有益建议，再由顾问模型通过监督微调学习仅凭输入生成这些建议。在FrontierFinance金融研究基准上，一个80亿参数的顾问将一个专有研究智能体的合格率从52.9%提升至56.6%，且单次查询成本降低37%；论文还报告该方法在WebShop、BIRD文本转SQL和ExpertLongBench上也有改进。
说明通过长尾表现评估大语言模型的创造力
简介该论文提出，大语言模型的创造力可形式化为参考输入输出分布长尾部分上的任务表现。作者以新颖性与质量乘积为基础，在15个基准和26个开放权重模型上进行实验，用预训练数据中未出现的n-gram作为新颖性代理指标。研究发现创造力基准更偏向长尾区域，并提出了成本较低的诊断指标q@Tail(α)。
说明用于无监督专利权利要求分类的嵌入几何与聚类算法基准测试
简介论文探讨在专利文本上训练的无监督表示能否发现跨分类号的相关现有技术，并比较双曲空间与欧氏空间的效果。作者在4.5万件美国专利上训练了双曲与欧氏变分自编码器（VAE）。结果显示，双曲模型检索到跨类别现有技术的比例更高（18.76%对12.34%），但与官方分类的一致性较低。研究还发现，技术领域的分类广度可预测方法表现。
看点将双曲VAE与欧几里得VAE在专利检索上对比，发现跨类别检索优势并给出几何解释；实验规模较大（96次运行、3000查询）。
说明SFT应该学什么？面向可泛化后训练的条件信息增益方法
简介本文提出CIG-SFT，一种基于信息论的大语言模型监督微调方法，用于估计每个示范token在任务条件下携带的信息量。方法通过比较冻结参考模型在有无任务输入时的token似然，得到条件信息增益，并据此构造加权的SFT目标。作者称，在数学推理和代码生成基准上，该方法优于标准SFT和近期的自适应微调基线，尤其在较难的评测分布上泛化更好，且无需额外数据或在线采样。
说明随机线性赌博机中离线到在线学习的高斯宽度界
简介本文研究离线数据如何帮助随机线性赌博机的在线学习，重点考虑部分覆盖的离线数据，即d个特征方向中只有k个覆盖较差。作者利用高斯向量Lipschitz函数的集中性得到更紧的奖励预测误差控制，据此提出遗憾为O~(k√T)的分阶段消除算法，并给出部分覆盖与均匀覆盖下的匹配下界。论文还讨论了利用离线数据的纯探索问题，给出简单遗憾的匹配上下界。
看点改进了部分覆盖离线数据下的遗憾界，从√(dkT)降到k√T，并给出匹配下界，证明完整严格。
说明语言模型中存在可解释的叙事机制
简介该论文研究语言模型内部是否存在与文本叙事性相关的组件。研究者在 GPT-2-Small、Gemma-2-2B 和 Llama-3.1-8B 中找到了与叙事性相关的注意力头、MLP 神经元和稀疏自编码器特征。消融这些组件后，高叙事性文本的预测损失上升幅度更大，生成文本的叙事性也随之降低。
说明预测掩码文本重建中的语料采样分歧
简介本文研究：若从同一总体再收集一份文本语料，掩码文本重建预测器的输出会变化多少。作者基于相邻词元对计数构建平滑预测器，并在 GPT-2 的 50,257 个词元词表上评估，推导出两个独立语料所拟合预测器之间期望分歧的一阶公式，且可在不接触目标语料的情况下，用独立参考语料计算。在 TinyStories、WikiText-103 和 CNN/DailyMail 上的实验显示，语料从 512 增至 2,048 个块，分歧仅下降 5%–40%，远低于 1/n 缩放所暗示的 75%。
说明用于事件驱动潜在跳跃模型的扫描并行变分推断
简介本文提出潜在跳跃模型（LJM），潜在状态在泊松驱动的事件时刻之间按确定性闭式动力学演化，并在每个事件处发生学习到的瞬时跳跃。作者推导了事件增强的路径空间证据下界，并提出扫描并行变分推断（SPVI），利用三角仿射扫描以对数时间深度完成训练。文中称，在合成随机系统和真实不规则时间序列上，LJM 的预测精度与连续时间潜在基线相当，训练速度快一到两个数量级。
说明NucleoNet：用于多几何构型神经变分蒙特卡洛的核感知行列式波函数
简介该论文提出 NucleoNet，一种在神经变分蒙特卡洛中使用的核感知行列式波函数，把电子与原子核作为统一粒子集处理，并共同演化单粒子与双粒子表示。在平衡构型的小分子基准上，其精度可与现有神经波函数基线相当，但参数显著更少。同一模型可跨几何构型联合优化，用于描述 N2 解离曲线、LiCN 中的 Li 位移以及乙烷和甲酰胺的键解离最低能量路径。
说明Work2Skill：利用人类图形界面操作经验归纳可复用的智能体技能
简介该论文提出 Work2Skill 框架，用于采集人类在图形界面（GUI）中的操作经验，并归纳出可复用的智能体技能。作者构建了包含 350 段同步多模态桌面操作演示的数据集 WorkDemo-350，并提出一种按需检视证据的智能体式技能归纳方法。在 MyPCBench Bounded Action 与 OSWorld-Verified 的 286 项任务子集上，相比无技能基线，该方法的平均分分别提升 4.67–10.54 分和 3.11–7.50 分。
说明证据锚定边界：多模态大模型中视觉干预何时有效
简介该论文研究用于减少多模态大模型幻觉的免训练视觉干预。作者发现干预效果在某一解码层之后明显衰减，并将这一起始点定义为证据锚定边界（EAB）。论文还比较了反事实减法在存在、属性和关系类问题上的不同效果，并提出按问题类型选择性路由的方法，在三个模型检查点上提升了属性问题的整体准确率。
说明学习用于引导像素扩散 Transformer 的表示（Representation Guidance）
简介该论文研究在像素扩散 Transformer 中，什么样的视觉表示对图像生成有用。作者发现，理解任务上表示质量更好并不必然带来更好的生成效果，且专用像素解码器主要是重新分配语义与空间建模。为此提出 Representation Guidance（RG），通过低维瓶颈形成生成相关表示，并据此修改流匹配目标以引导解码。在 ImageNet 256x256 上，RG-L/16（459M 参数）优于规模大得多的像素扩散 Transformer，RG-XL/16 的 FID 为 1.55；在 512x512 上 FID 为 1.74，并可扩展到文生图，GenEval 得分 0.89，DPG-Bench 得分 87.1。
说明超越语义ID：生成式推荐中的有限束搜索可达性与连续查询生成
简介生成式推荐通常通过有限宽度束搜索逐个解码离散语义ID来检索物品，这种输出方式会限制留出目标能否进入返回列表。作者提出两种连续查询方法：CQG-Single一次生成一个检索查询，CQG-AR自回归生成连续残差更新，二者都使每个编码物品都能通过稠密或近似最近邻检索直接打分。在统一协议下，CQG-Single在七组实验中均超过TIGER式基线，且可训练参数仅为其55.3%。
说明基于扩散模型与中期天气预报的降水生成：将不含降水的天气预报转换为与观测对齐的日降水量
简介该论文提出“动力-降水解耦”即插即用框架，用单独训练的扩散生成器，把冻结的天气模型（如Pangu-Weather、GraphCast、HRES）输出的非降水预报映射为与观测一致的日降水量，无需重新训练天气基础模型。生成器以大气状态和卫星-雨量计估计降水为条件，并通过多尺度循环编码器与交叉注意力对齐大气与降水特征。全球集合评估显示其Brier分数在所报告的各预报时效上低于ENS和从头训练的GenCast，多数比较中CRPS也更低；中国2288个站点的强降雨个例也支持其在日累计降水与事件检测上的改进。
