Semantic Edge-Cloud Communication for Real-Time Urban Traffic Digital Twins
说明面向实时城市交通数字孪生的语义边缘-云通信
简介本文提出一种基于语义通信的边缘-云框架，用于实时城市交通数字孪生。边缘端只提取并传输与任务相关的交通语义信息，而不是完整视频流，以降低通信开销。实验显示传输量节省超过99%，平均轨迹重建误差为0.12米。
Visualizing the World Model in an Agent's Value Function
说明可视化智能体价值函数中的世界模型
简介该研究探讨无模型强化学习算法的价值函数是否隐含了环境的世界模型。作者在 Crafter 环境中对一个 PPO 智能体使用反事实干预进行可视化分析。研究发现，尽管只被训练来优化奖励，价值函数仍学到了钻石可收集的规则、水和食物对生命值的影响以及库存相关的启发式规则等概念。
ULPack: Reference-Conditioned Lossless Compression of Checkpoint Trajectories
说明ULPack：基于参考权重的检查点轨迹无损压缩
简介论文针对模型训练过程中保存的检查点序列存储开销大的问题，提出无损压缩编解码器ULPack。其利用参考权重的指数位预测有序浮点空间中位移的比特长度，并以此对有序整数残差的熵模型进行条件化。在bfloat16、float16和float32轨迹上，ULPack相比ZipNN、zstd-19和FM-Delta分别最多减少27%、21%和11.5%的存储量。
Unconstrained CTI-REALM with Open-Weights
说明开放权重模型在无限制CTI-REALM基准上的表现
简介该论文在CTI-REALM基准上比较了26个语言模型（19个开放权重、7个闭源），该基准要求智能体将威胁情报报告转化为可运行的检测规则。研究发现，只要给予足够的交互轮次，开放权重模型的表现可与最强闭源模型相当，而成本不到其十分之一。作者还提出了按阶段评估提交结果的指标，并指出不同模型在不同阶段表现各异。
Do you "see" what I "see"? A Multi-panel Visual Question Answer Dataset for Large Language Model Chart Analysis
说明你能"看懂"我所看到的吗？用于大模型图表分析的多面板视觉问答数据集
简介本文面向数字图书馆中的科学图表，构建了一个包含多面板合成图表的视觉问答数据集，用于测试大语言模型与多模态模型的图表分析能力。问答按四个层级设计，从基础概念回答到解释与分析理解。研究发现，随着面板数量、图元数量和问题难度增加，模型准确率下降，并同时考虑了成本与性能。作者公开了问答对、生成代码及图元边界框元数据。
Can Language Models Play the Wikipedia Game?
说明语言模型能否玩维基百科游戏？
简介本文测试语言模型能否像玩维基百科游戏那样，只依靠条目之间的链接从起点到达目标条目，以此检验其在信息检索和导航上的能力。作者在五种维基百科语言和五个学术文献数据集上比较了句子嵌入模型和大语言模型，并与人类及TF-IDF基线对比。结果显示，没有模型显著优于人类，但表现最好的几个模型成绩相近。
Towards Physically Grounded Articulated 3D Assets: A Multi-Agent Pipeline and Benchmark
说明迈向有物理基础的可动3D资产：多智能体流程与基准
简介该论文关注可动（articulated）3D资产的生成，目标从复现外观转向模拟运动与功能。作者提出Artisan系统，在Articraft基础上引入带物理仿真反馈的多智能体流程，使资产具备无碰撞运动、重力下的稳定性及准确质量与材料属性等特征。同时构建了涵盖空间保真度、物理合理性、下游任务表现和整体质量的统一基准，评测十余个代表性模型。
Splat2Act: From Captured Scenes to Personalized VLA Manipulation
说明Splat2Act：从扫描场景到个性化视觉-语言-动作（VLA）操作策略
简介该论文提出 Splat2Act，用手机扫描室内场景并拍摄用户物品，自动构建带三维高斯溅射（3D Gaussian Splatting）和碰撞几何的数字孪生，生成抓取任务与仿真示范，用于微调预训练的 π0.5 策略，使其适应特定场景和物品。在 101 个校园环境中生成了超过 68,000 次抓取示范。个性化后的策略在目标场景中的总体抓取成功率达 62.5%，在真实 Stretch 3 机器人的 12 项任务子集上达到 63.9%。
InstantFusion: A Shared Latent Interface for Heterogeneous Image Generators
说明InstantFusion：连接异构图像生成器的共享潜在接口
简介本文提出 InstantFusion，一种轻量的共享潜在接口，用于连接不同架构的扩散或流模型图像生成器的去噪过程。通过为每个模型训练潜在自编码器，将中间状态映射到共享空间并解码到目标模型的潜在空间，使去噪过程可以在冻结的生成器之间切换，无需为每对模型单独设计映射。论文在加速、多偏好组合、跨架构策略蒸馏和跨模型组合等任务上展示了该方法的竞争力。
★★★★☆ 值得关注
Images Talk Back: Guiding MMDiTs by Suppressing Image-to-Text Feedback
说明图像反馈文本：通过抑制图像到文本反馈引导 MMDiT 生成
简介多模态扩散 Transformer（MMDiT）中，图像会通过联合注意力更新内部文本表示，这种反馈可能保留提示词之外的错误。论文提出语义反馈引导（SFG）及其原位版本 iSFG，通过抑制该反馈来改进生成。实验显示在 FLUX、SD3.5M 等模型上对齐度与偏好评分有所提升，并可迁移到视频生成任务。
看点发现MMDiT中图到文反馈会保留错误并提出抑制方法SFG，在多个骨干和视频任务上验证，有实质改进。
Hide and Seek: HIDE Concepts to SEEK explanations for black box models
说明《Hide and Seek》：用概念隐藏与搜寻来解释黑箱视觉模型
简介该论文提出 HnS 方法，用于解释黑箱视觉模型的预测。它不需要模型权重或标注好的概念数据集，借助视觉-语言模型检索含有目标概念的图像、定位并遮挡该区域，再通过模型输出的变化衡量概念的贡献。实验显示，HnS 在 CelebA 和 COCO-Stuff 上与真实归因更一致，并可用于图像描述和卫星图像分割等任务。
UltraData-Code: From Raw Repositories to Algorithmically Dense and Task-Oriented Code Data
说明UltraData-Code：从原始代码仓库到算法密集、面向任务的代码数据
简介该论文提出 UltraData-Code，把代码训练数据分为 L0 到 L3 四个层级，分别对应仓库归档、标准化代码、算法相关文件筛选和面向任务的编程练习合成。在 1B 模型的受控实验中，L2 数据在 EvalPlus 与 MultiPL-E 上的 pass@1 均优于 L1，把 L3 数据与 L2 混合后还有进一步提升。作者已公开数据集与分类器。
Constructive Bounds for the Topological Expressivity of Neural Networks
说明神经网络拓扑表达能力的构造性上界
简介本文研究神经网络输出的拓扑表达能力，用输出的 Betti 数衡量，而非传统的决策边界。作者证明了特定结构的 ReLU 网络可以表示与任意 Betti 数序列对应的球面楔和空间，并针对多个球面的乘积给出了更紧的网络规模界限。文中还提出一个关于单个球面的更强紧致界限猜想。
Chronos Policy: Learning Robot Policies on Physical Time
说明Chronos Policy：基于物理时间学习机器人策略
简介该论文提出 Chronos Policy，让机器人策略显式地依据观测采集时间和动作执行时间来学习，而不是依赖固定频率的序列位置。作者在扩散 Transformer 中比较了时间戳嵌入与时间感知旋转位置编码，发现后者更稳健。实验表明，该方法在时序敏感的动态任务和多传感器任务上表现更好，在准静态任务上保持原有性能，并提高了对传感与推理时序变化的鲁棒性。
Same Space or Not: Benchmarking Spatial Intelligence Through Cross-View Contradictions
说明《Same Space or Not》：通过跨视角矛盾检验空间智能的基准测试
简介该论文提出 SSoN 基准，包含 1000 道题，用于测试模型能否在多个视角之间保持一致的场景表示。题目给出同一室内场景的三张未改动视角和一张经过 3D 编辑的视角，模型需要找出不一致的视角并解释矛盾。人类准确率为 83.3%，最强的视觉语言模型仅为 39.7%，经过针对性微调后 Qwen2.5-VL-7B 的准确率有所提升。
Can machines reason non-verbally?
说明机器能否进行非语言推理？
简介现代机器在方程、逻辑和语言推理上表现良好，但在需要视觉非语言推理的任务上仍有困难。本文提出GenVerOpt框架，将生成、验证与优化结合为推理流程：生成候选解、验证其正确性并迭代改进。文中称该方法在抽象智力题、前列腺癌分割、肝血管重建和肿瘤边界对齐等任务上取得了优于或接近人类专家及现有方法的结果。
KL Before and After Mixing: A Round-Complexity Separation in Parallel Sampling
说明混合前后的KL散度：并行采样中的轮次复杂度分离
简介本文研究并行采样中随机选择同时生成坐标的调度方式，比较调度平均散度与输出分布的散度。在均匀平衡二进制串目标上，两种准则下所需轮数的渐近阶明显不同：前者为对数平方阶，后者为双对数阶。作者还将这一分离推广到加权定计数目标和Beta-Bernoulli目标。
Goal-Oriented Bundle Management and Flow Control for Deep-Space Communications via Reinforcement Learning
说明基于强化学习的深空通信目标导向束管理与流量控制
简介该论文针对深空网络中间歇连接、长传播延迟和中继存储受限的问题，提出一种闭环建模与学习框架，用于中继端的束（bundle）调度、丢弃与流量控制。研究以超额信息年龄衡量信息新鲜度，并采用受约束的半马尔可夫决策过程加掩码拉格朗日近端策略优化求解。仿真结果显示，相比基线调度器，该方法在基于年龄的效用和流间公平性方面有所改善。
DyssomniaNN: Multi-Scale Spiking Neural Modeling of Human Sleep Disorders and Perceived Restedness
说明DyssomniaNN：用多尺度脉冲神经模型研究人类睡眠障碍与主观休息感
简介该论文提出DyssomniaNN，一个结合睡眠稳态与昼夜节律调节、下丘脑开关回路及皮层-丘脑脉冲神经网络的多尺度生物物理模型，用于模拟五类人群在相同72小时光周期下的睡眠状态。模型合成的局部场电位谱与PhysioNet的人类脑电数据吻合（谱平均绝对误差0.33至0.35）。模拟结果显示，睡眠总时长不能预测恢复效果：矛盾性失眠者总睡眠时间正常（21.15小时），但恢复指数仅为37.6%。
★★★★★ 值得关注
Designing Protein Structures from Natural Language
说明用自然语言设计蛋白质结构
简介本文提出Prompteina，这是首个支持自然语言指定设计目标的全原子蛋白质结构生成模型，类似文生图。研究构建了包含180万个结构和5000万余条描述的配对数据集，并对预训练结构生成模型进行文本条件训练。结果显示，该模型在18项结构指标中的15项上优于基线，并在结合物设计等任务中表现更好；实验还在GM2A靶点上找到9个结合物，最强者表观解离常数为107 nM。
看点将自然语言作为蛋白结构生成条件，构建180万结构的配对数据集，并经实验验证出9个新结合物，新颖性与证据均较强。
★★★★☆ 值得关注
AutoEnvScaling: Automating the Data Flywheel with Terminal Agents
说明AutoEnvScaling：用终端智能体自动化数据飞轮
简介该论文提出 AutoEnvScaling，把强化学习训练所需的环境设计本身当作终端任务，由智能体自动生成新环境，并利用被训练模型的执行轨迹指导下一轮生成。与仅靠提示词生成相比，有效环境比例最多提高 25 倍，每个有效环境成本最多降低 75%。作者还报告了在多个基准上的训练结果，并称该方法可推广到软件工程、计算机使用、专业工作和 GPU 内核编程等领域。
看点将环境设计转化为终端任务，由智能体自动构建RL环境并形成数据飞轮，新意突出；但实验主要依赖自报的数字，规模与对比细节有限。
Where to Look Matters: Rethinking Sub-Volume Sampling in 3D Medical Self-supervised Learning
说明关注哪里很重要：重新思考三维医学自监督学习中的子体积采样
简介该论文研究三维医学图像自监督预训练中的子体积采样方式。作者发现，子体积质量越好，下游迁移效果越好，并提出VolumeProbe框架，用基于解剖先验、信息量和多样性的离线由粗到精探测库替代随机裁剪。轻量版VolumeProbe-Lite在多种骨干网络和下游任务上持续优于随机采样。
RSI-Anything: Unlocking Recursive Self-Improvement with World Models
说明RSI-Anything：借助世界模型实现递归自我改进的通用框架
简介本文提出 RSI-Anything，一个基于 JEPA-Anything 构建的领域通用框架，利用预测性世界模型指导动作与学习数据的选择，并在观察到反馈后改进策略或工作流，同时对世界模型进行条件式适应。作者在代码修复、图形界面操作、实验室规划和反应优化等多个计算与科学领域进行了实验，报告了相应的性能提升，例如代码修复成功率从 26.3% 提升至 31.2%，反应优化平均最佳产率为 96.15%，高于同预算下贝叶斯优化的 82.16%。
When VLMs Destroy What They Know: Spatial Representations Fall Below Lexical Priors
说明当视觉语言模型丢失自身已知的信息：空间关系表征弱于词汇先验
简介本文提出一种评估指标 EICS，用于检验视觉语言模型（VLM）在受控单概念干预下能否稳定编码概念，并构建基于 Visual Genome 场景图的基准 CASP-VL。结果显示，在多种模型中，空间关系的表征忠实度明显低于词汇信息，即使这些模型在组合性基准上远高于随机水平。进一步分析表明，关系词自身的标记可被识别，但在汇总为整体表示（EOS 标记或均值池化）时会丢失。
Next-Concept Modeling: Fast, Parallel Coarse-to-Fine Text Generation
说明下一概念建模：快速并行的由粗到细文本生成
简介该论文提出下一概念建模（NCM），一种两阶段由粗到细的文本生成框架：多尺度残差VQ-VAE将文本编码为离散码的层级结构，Transformer逐层生成，并在每一层内并行预测全部码。在LM1B、OpenWebText和XSum上，NCM相较扩散语言模型基线速度明显更快，同时保持相近或更好的质量；在数独推理任务上，它在各难度下优于自回归与扩散基线，且所需函数评估次数更少。
Revisiting Tabular Deep Regression: Objectives and the Limits of Global Early Stopping
说明重新审视表格数据深度回归：目标函数与全局早停的局限
简介本文系统重新评估了表格数据深度回归中的损失目标函数，覆盖多个数据集和神经网络骨干。结果显示，多数替代目标相对调优良好的均方误差（MSE）收益有限或不稳定，而分位数损失在测试的骨干上整体优于MSE。作者指出，不同噪声水平的区域最佳训练轮次不同，单一全局早停点会形成折中，并据此提出一种基于输入依赖标签平滑的异方差感知分位数损失扩展，在若干骨干上优于分位数损失。
Hitting-Time Bounds for Asynchronous Q-Learning
说明异步Q学习的命中时间界：基于单条轨迹的最后迭代误差分析
简介本文研究在单条有限马尔可夫决策过程轨迹上运行的标准异步Q学习的最后迭代结果。作者证明，使用恒定步长并零初始化的Q学习，可以在高概率下以约Õ(H^4/(μ_min ε²)+h⋆)次转移达到误差不超过ε的最大范数精度，其中H为有效视野，μ_min为最小平稳概率，h⋆为反向链的最大期望命中时间。此外，还给出了基于经验计数规则的自适应步长方案，并讨论了匹配的下界。
Structural Automata for Neural Semantic Parsing
说明用于神经语义解析的结构自动机
简介神经语义解析器逐个词元生成意义表示，但合法性取决于在生成过程中逐步展开的指代、作用域和图关系。本文研究结构自动机在 DRS 解析的解码、后处理和训练三个阶段的作用，并在 AMR 上评估解码。作者提出接受路径解码（APD），在剩余长度限制内保持可完成的验证路径，只要首选词元仍可完成就优先采用，从而保证输出被接受且无需回退词元。在长度限制较紧时，APD 在 DRS 和 AMR 上分别比局部掩码提升 Smatch++ 得分。
Task Context Shapes Component Roles in Language Models
说明任务语境如何改变语言模型中组件的角色
简介该论文研究大语言模型在不同任务中复用同一批注意力头时，这些组件的作用如何变化。作者用相同的图事实作为输入，测量干预对注意力头及后层激活状态的影响，并在五个开源模型中观察到任务变化会重新分配这种影响。在 Gemma-2-9B 和 Qwen3-14B 上，作者通过编辑早期激活向量切换模型所读取的事实，发现同一注意力头会对不同事实作出不同响应。
Beyond the Snowflakes: Disentangling Weather Effects from Confounding Meta-Factors in LiDAR Object Detection
说明超越雪花：在激光雷达目标检测中区分天气影响与混杂元因素
简介该论文在WADS-3D和CADC数据集上评估激光雷达目标检测，发现随着降雪强度增加，检测精度反而持续提升。作者通过消融实验与元信息分析指出，降雪虽是噪声，但被同时增加的目标点数所抵消，并推测积雪增大了车辆表面积、使反射由镜面转为漫反射。结论是仅按天气严重程度分组评估会得出误导性结论，需区分大气噪声与表面积雪效应。
RATED: Reliability-Aware AI Agent Tool Retrieval via Execution Dynamics
说明RATED：基于执行动态的可靠性感知型AI智能体工具检索
简介该论文提出RATED框架，用于AI智能体在检索外部工具时兼顾语义匹配与工具运行时的可用性。它以冻结的双编码器完成语义匹配，并用轻量级上下文老虎机模块依据实时执行反馈对候选工具重新排序，无需重新训练模型。作者还发布了包含5,172个真实工具、超过21万个查询-工具对的EcoAgent基准。
X-AgentRed: Red-Teaming Personal Agents in Evolving Multi-Service Ecosystems
说明X-AgentRed：在不断演化的多服务生态中对个人智能体进行红队测试
简介该论文提出X-AgentRed，一个自我演化的红队测试框架，用于发现个人智能体在跨服务调用工具时可能产生的有害路径。方法是构建工具依赖图，并依据执行反馈通过工具替换和前置条件修正来扩展与改进路径。文中称，在四个前沿智能体模型上，其有害路径发生率为STAC的1.77倍，平均工具覆盖率为2.99倍。
Disentangling Task-Relevant Latent Dynamics for Reward Modeling
说明解耦任务相关的潜在动态以建模奖励
简介本文提出DiTaR框架，用于从异构视频中学习稠密奖励，以改进机器人操作中的强化学习。它通过非对称两阶段过程，从多帧视频潜变量中抑制与任务无关的视觉变化，得到任务相关表示，并用历史与语言条件的整流流模型刻画任务动态，依据动态兼容性的时序变化给出方向性稠密奖励。在MetaWorld-v3和ManiSkill上，该方法优于基于视频的奖励基线，并可通过奖励重标注迁移到真实世界离线强化学习。
Video-Arena: A Scalable Agentic Video Benchmark for Spatiotemporal Capability
说明Video-Arena：用竞技游戏测试视频时空世界状态理解的可扩展智能体基准
简介该论文提出 Video-Arena，一个基于竞技游戏视频的基准，用于测试模型能否从视频中持续理解并追踪动态变化的世界状态。基准包含感知关键事件、解读状态更新和追踪状态三类任务，并从游戏记录规模化生成视频与参考标签。论文整理了 9 款游戏共 180 项任务的精选集，并在原生视觉理解和工具辅助的智能体分析两种方式下评测。结果显示，原生模型难以稳定感知事件，工具辅助系统虽能提升事件识别，但在解读状态更新和持续追踪状态方面仍有困难。
Prediction Is Not a Sufficient Memory State
说明预测并不足以构成充分的记忆状态
简介本文研究一种记忆：即使它能复现当前所有预测，也可能已经丢失了从下一次观测中学习所需的信息。作者刻画了精确累积学习与注意力机制中的这一区别，给出了多项式损失与维度要求的对应关系、岭回归的状态成本，以及有限比特压缩下的误差量级。研究旨在说明未来更新会揭示什么，并未提出新的回归算法。
OpenMobile-2: Building Versatile Mobile Agents with Scalable Environments and App-Native Tools
说明OpenMobile-2：借助可扩展环境与应用原生工具构建通用移动智能体
简介论文介绍了OpenMobile-2，一个训练环境与方法完全开源的接近前沿水平的移动智能体。研究包括MobileGym++模拟环境（35个商业风格应用加上安卓模拟器中的应用，共110余个）、约1.2万条交互轨迹及超过2000个带自动奖励的可验证强化学习任务，并探索了GUI操作与应用原生工具调用相结合的方式。模型在AndroidWorld（79.9）和MobileWorld（50.4）上表现具有竞争力，在SPA-Bench上从31.9提升至59.6。
Tracking the Invisible: Self-Supervised Wheel Track Detection with Thermal-RGB Fusion
说明追踪不可见的车辙：基于热红外与RGB融合的自监督车辙检测
简介本文提出一种低成本、自监督的方法，利用同步采集的RGB与长波红外（RGB-I）图像检测积雪道路上的车辙，以便沿既有车辙行驶。方法通过投影记录的GNSS未来轨迹自动生成训练标签，并设计神经网络在白茫茫、缺乏特征的路面上识别车辙。实验表明该方法在视觉单调的恶劣环境中有效，并发布了ThermalTrack数据集。
Partially Informed Stochastic Optimization via Zeroth-Order Residual Tracking
说明基于零阶残差跟踪的部分信息随机优化
简介论文提出部分信息随机优化方法PISO，适用于只能直接获得部分梯度、其余部分需通过函数求值推断的问题。该方法用残差的运行估计对零阶观测进行中心化，使随机探测带来的方差取决于跟踪误差。在光滑非凸目标下，论文给出了收敛保证，并在多个设置中与基线方法进行了比较。
Ask Your Advisor: Learning When to Consult Stronger Models in Agentic Systems
说明《问你的顾问》：学习在智能体系统中何时咨询更强模型
简介该论文提出ARIA，一种元控制器，用于学习在智能体工作流中何时咨询更强的模型。它把咨询视为对成功率与咨询成本之间的顺序资源分配问题，在SWE-bench Verified、Terminal-Bench 2.1和τ²-bench等任务上进行了评估。原文称ARIA恢复了执行者与顾问之间44%至81%的成功率差距，成本不到顾问模型的一半。
Make It Flow: Animating Water in 3D Gaussian Splatting Scenes
说明让水流动起来：为三维高斯泼溅场景中的水做动画
简介该论文提出一种方法，为静态的三维高斯泼溅（3DGS）场景中的水加入动态效果，无需动态采集或物理模拟。方法从参考图像或模型渲染中估计二维光流，并将其提升为一致的三维欧拉运动场，用于变形高斯基元，生成时间上无缝循环的动画。作者称该方法保留了实时渲染与自由视角浏览能力，并在新采集的瀑布场景数据集上优于已有方法。
LapMerge: Differentiable Exact-Budget Token Merging in Linear Time
说明LapMerge：可微分、精确预算、线性时间的 token 合并方法
简介该论文提出 LapMerge，一种用于有序序列的可微分 token 合并算子。它用拉普拉斯核密度下学习到的质量分布，把序列精确划分为 N 个等质量段，并通过前缀/后缀扫描聚合，前向与反向传播均为 O(M+N) 时间。论文报告在视觉与视觉-语言任务上，其效果达到或优于强基线，并在长序列上快约两个数量级。
Revisiting the Task of Building Damage Assessment by Satellite Imaging
说明卫星影像建筑损毁评估任务再审视：数据、评估与方法
简介本文从数据、评估和方法三方面重新梳理卫星影像自动评估自然灾害后建筑损毁的任务。作者主张采用与传感器无关、基于实例且可容忍缺失灾前影像的定义，并指出以单一综合分数为主的现有评估方式理论上较脆弱，提出基于排序、多指标的评估框架。文章还回顾了从专用深度网络到地球观测基础模型的方法，并指出对未见过的灾害事件和地区的泛化仍是待解决的难题。
Event-based Action Recognition by Pre-Training on Multi-Frame Representations
说明基于多帧表示预训练的事件相机动作识别
简介动作识别在机器人、患者监护和监控等领域很重要。事件相机能捕捉快速运动且隐私性优于普通摄像头，但单帧事件表示在较长、较复杂的事件序列上识别能力明显下降。该论文提出多帧表示，并用掩码自编码框架预训练视觉Transformer，结合稀疏感知掩码与令牌选择机制，同时引入带位置感知注意力的多个掩码令牌。在THU-EACT-50 CHL和DailyDVS-200数据集上取得了当前最优的结果。
Finite-Sample Guarantees for Fully Discrete Conditional Diffusion Models
说明条件扩散模型的有限样本误差保证（离散化采样）
简介本文针对从数据学习、并使用有限步去噪过程实现的条件扩散模型，给出有限样本误差保证。作者将分数训练目标与采样网格对齐，使统计估计误差与数值离散化误差可以一并分析。在光滑条件密度模型假设下，文章推导了生成分布误差的高概率界，并量化了所需的分数评估次数。平均条件KL散度与平均总变差误差的收敛速率分别为n的负指数形式，总变差界与现有条件分布估计理论的速率一致，仅相差对数因子。
Inference-Time Steering Across Scaffolds and Epitopes for Sample-Efficient De Novo Nanobody Design
说明纳米抗体从头设计中跨支架与表位的推理时引导：一种提高样本效率的资源分配方法
简介该论文研究在纳米抗体从头设计中，如何在生成过程中动态分配计算资源。作者将支架和目标表位等条件的选择视为推理时的资源分配问题，提出全局序贯蒙特卡洛（SMC）和基于分批连续淘汰（BaSE）的两种动态分配方法。文中称，这些方法在多个治疗靶点和生成配置下，可将每GPU小时可设计候选分子的产出提高近5倍，且不牺牲多样性。
Returning to Development States: When Full Sandbox Snapshots Help Coding Agents
说明回到开发状态：完整沙箱快照何时帮助编程智能体
简介论文研究编程智能体失败后，能否从中间环境状态恢复并分支搜索，而不是每次从初始状态重来。作者在 Daytona 完整快照上实现了 Go-Explore 式搜索。结果显示，更高、更高效的解题率主要依赖于仓库之外的进展，如数据库、服务和其他运行时状态。
Studying Comics at Scale with Artificial Intelligence: The PAGE Framework and Three Studies of American Comics and Japanese Manga
说明用人工智能大规模研究漫画：PAGE框架及对美国漫画与日本漫画的三项研究
简介本文提出PAGE框架，利用人工智能对漫画扫描件进行分格、文字识别和视觉语言模型标注，并以人工标注进行校验。作者在3,929册美国漫画（1938至1956年）和87卷日本漫画上展示了该框架，完成三项研究，分别涉及政治权力的呈现、页面视觉形式与艺术家风格，以及两种漫画传统中的人物发言。
Axiom-0: Hierarchical Self-Refinement for Vision-Language-Action Policies
说明Axiom-0：面向视觉-语言-动作策略的分层自我精炼方法
简介该论文提出 Axiom-0，一种视觉-语言-动作（VLA）机器人操作策略，通过训练时的中间特征一致性监督与动作生成前的递归条件更新来提升表现。在 RoboCasa365 评测中，其总体成功率为 62.32%，高于已发布排行榜最高分（Paimon-0，58.1%）4.22 个百分点，同时平均动作块生成延迟较 Xiaomi-Robotics-1 增加 1.7%。
Specialists Learn Faster: Knowledge Organization in Pre-training Shapes Knowledge Update Efficiency
说明《专家学得更快：预训练中的知识组织如何影响知识更新效率》：研究语言模型预训练时按时间组织知识，如何让之后的知识更新更省步数。
简介论文比较了两类语言模型：按时间顺序训练的“专家型”模型偏向最近接触的知识，随机打乱顺序训练的“通才型”模型在各时间段表现均衡。结果显示，专家型模型获取新知识所需的更新步数远少于通才型。作者据此推导出一条关于更新成本与优化动态关系的定律，并设计了一种既保留稳定历史知识、又便于高效更新当前知识的预训练数据组织策略。
On the Design Space of Continuous Diffusion Language Models
说明连续扩散语言模型的设计空间
简介本文研究连续扩散语言模型（CDLM）训练中的两个关键因素：自条件化与嵌入几何。作者提出 DoubleCat 与 SemiCat 两种方法，前者在 TinyGSM 上提升准确率超过三倍，后者达到离散扩散模型的水平。研究还发现交叉熵会使嵌入趋向解码错误率接近 one-hot 的几何结构。
SpatialASM: Internalizing Active Mentalization for Spatial Reasoning
说明SpatialASM：将主动心理化内化到空间推理中的视觉语言模型训练框架
简介论文提出 SpatialASM，让大型视觉语言模型学会从任务相关视角主动想象和重建空间场景，即主动空间心理化（ASM）。方法通过训练时的空间模拟生成新视角，产生显式 ASM 推理轨迹和视角采择任务两类监督。在七个空间推理基准上，四种模型骨干的空间推理准确率均有提升，同时保留了原有的通用视觉能力。
MC-EvoBench: Auditing Experience-Driven Self-Improvement in Minecraft Agents
说明MC-EvoBench：审计 Minecraft 智能体中由经验驱动的自我改进
简介该论文提出 MC-EvoBench，一个受控的 Minecraft 基准，用于检验智能体能否把交互经验转化为可在不同世界间迁移的能力。基准包含 19 条进化链和三组配对迁移探针，并以固定环境步数预算和五个随机种子比较无先验、相关、无关及打乱的经验来源。结果显示控制器与规划器变体之间存在稳定的直接能力差距，但相关经验并未带来稳定迁移，所有置信区间都包含零。
TrajCFG: Token-Wise Classifier-Free Guidance via Denoising Trajectory Feedback
说明TrajCFG：基于去噪轨迹反馈的逐 token 无分类器引导
简介论文提出 TrajCFG，一种无需训练的方法，用于流匹配生成模型的采样。它根据引导速度方向的历史变化，为每个潜在 token 分配不同的引导强度：方向变化大的给予更强引导，方向一致的给予较弱引导。在文生视频、图生视频、图像、图生 3D 等多项任务上，相比基础采样器有所提升，其中文生视频在三个骨干模型上 VBench 总分提高 0.30 至 0.75 分。
OpenPA: Forced-alignment-free Multi-granular Pronunciation Assessment with Mixed-transcript Adaptation
说明OpenPA：无需强制对齐、多粒度的发音评估方法（混合转录适应）
简介该论文提出OpenPA，一种用于自动发音评估的新框架，利用Whisper的交叉注意力机制，无需强制对齐即可同时预测单词级和句子级的发音分数。通过混合转录适应和自适应替换加权，该模型可在同一模型中处理封闭式和开放式回答的不同转录。仅在speechocean762上训练，在域内封闭及模拟开放式回答条件下整体表现最佳，并在MultiPA上保持零样本性能；在口腔癌语音上的跨任务评估显示其可能适用于非母语语音之外的场景。
★★★★☆ 值得关注
Same Query, Different Answer: Run-to-Run Variance in Semantic Query Processing
说明同一查询，不同答案：语义查询处理中的多次运行差异
简介本文研究大语言模型语义查询引擎在多次执行之间的结果波动。作者在温度为0时重新运行三个基准的文本与表格任务，记录约120万次模型调用，并重新分析SemBench的已发布结果。研究发现，部分行的算子输出会在多次执行中改变，且执行计划会放大这种变化，使答案的变化比例远高于单个值。作者据此提出基准报告与引擎设计的规则。
看点首次系统量化LLM语义查询的运行间方差，以120万次模型调用重新执行三个基准并重分析已发表结果，证据充分，对基准报告与引擎设计有实际影响。
Can Language Models Learn When to Abstain? Policy Learning and Calibrated Answer Selection
说明语言模型能否学会何时弃答？策略学习与校准的答案选择
简介本文研究语言模型何时应回答、何时应说“不知道”。作者在Qwen3-14B上针对事实类问题，用奖励正确、惩罚错误并允许弃答的评分方式，比较直接训练模型与训练独立答案选择器两种思路。结果显示，在TriviaQA上学习到的选择器优于原模型的校准置信过滤器，覆盖率提高、错误率下降；但在NQ-Open上仍逊于一律弃答，可靠弃答问题尚未解决。
Shared Canonical Component Removal Beyond Expert Views
说明超越专家视角的共享典型成分剔除审计方法
简介该论文面向临床决策中的专家特征与原始输入模型，提出一种名为共享典型成分剔除（SCCR）的审计框架，用于量化原始输入模型超出专家特征之外所利用的预测信号。与常规残差化或概念擦除不同，SCCR只剔除原始模型与专家特征嵌入之间强烈共享的方向。作者在合成数据、冠状动脉疾病检测、抗抑郁药治疗中断预测和基于SkinCon标注的皮肤病变分类上进行了评估，结果显示该方法能识别专家特征不足之处，并在减少与专家特征冗余的同时恢复剩余预测信号。
TabMF: Learning Dataset Representations with Tabular Foundation Models
说明TabMF：用表格基础模型学习数据集表示
简介本文提出TabMF框架，把预训练的表格基础模型改造为有监督数据集的编码器，并在合成数据集的随机视图上进行对比式后训练。作者在TabICLv2和TabPFN-2.5上实现该方法，并在六项任务的未见真实数据集上进行评估。结果显示，两种TabMF编码器在数据集检索、紧凑基准构建和分布偏移严重程度评估等方面整体表现最强。
Dream to Remember: Continual Steering of Generalist Robot Policies with World Models
说明Dream to Remember：借助世界模型持续引导通用机器人策略
简介论文提出 Dream to Remember（D2R）方法，在不改动冻结的通用机器人策略的前提下，用一个小型引导模块依次学习新任务。学习过程中，冻结的预训练世界模型通过想象推演重演旧任务，从而避免灾难性遗忘，且无需回放缓冲区或新数据。在 CALVIN 上，D2R 完全在想象中依次改进八个任务，平均成功率由 63.7% 提升到 74.8%，而同一序列下的 LoRA 微调则降至 11.7%。
Spanning Diffusion and Flow-based Posterior Sampling via Exact Gaussian Conditioning
说明基于精确高斯条件化的扩散与流式后验采样统一框架（β-Flow）
简介该论文针对线性逆问题，提出即插即用的β-Flow方法，通过相关性参数β统一流匹配、扩散及去相关先验，并用置信度参数κ控制路径分布的约束强度。每一步只需一次去噪网络前向计算，随后进行精确的卡尔曼式高斯条件化更新。实验在4个数据集、7类逆问题上以PSNR和SSIM衡量，表现达到当前先进水平；同时指出观测信息较少时高相关（强先验）效果更好，观测信息较多时低相关更合适。
Tracing and Taming Hallucinated Terms via Subsequence-Association Filtering and Breadth-Aware Selection for LLM Query Expansion
说明通过子序列关联过滤与广度感知选择追踪并抑制查询扩展中的幻觉词
简介大语言模型生成的查询扩展词常含不存在的实体或无关词，会给检索排序带来噪声。本文提出无需训练、与检索器无关的SAFE-QE方法，通过跨语境复现性筛除幻觉词，并以约束覆盖最大化选择词项。在TREC和BEIR数据集上，其排序质量与基线相当，同时注入的无依据扩展词明显减少。
Error Rate is Not Enough: Costs of Augmentation in Low-Resource ASR
说明错误率还不够：低资源语音识别中数据增强的代价
简介这篇论文研究低资源自动语音识别中的数据增强方法，在四种低资源语言和英语上，比较修改现有音频（语速扰动、SpecAugment）与修改文本并合成音频两类方法。作者按音素层面分析错误，发现两类方法各自的帮助原因互补：SpecAugment整体提升最稳定但会增加声调和腭化错误，基于文本的方法则引入辅音插入错误，两者结合时可相互减少对方引入的错误。
FORTE: A Production Framework for Feature Evaluation and Deprecation in Industrial Recommender Systems
说明FORTE：工业推荐系统中特征评估与下线的生产框架
简介论文提出 FORTE，一个与模型无关的生产框架，用于发现、验证和移除推荐系统中的特征。框架通过分组消融评估候选特征集以考虑特征间的相互作用，并通过血缘追踪找出所有下游消费模型。在两个大型推荐系统上的验证显示，其识别的可下线特征集未引起线上指标回退；其中一个排序模型下线后可训练参数减少 29.9%，服务吞吐量提升 19.8%–25.5%。
★★★★☆ 值得关注
Constrained Probabilistic Numerics: Gaussian Process Solvers for Linear PDEs under Linear Inequality Constraints
说明约束概率数值方法：在线性不等式约束下求解线性偏微分方程的高斯过程求解器
简介该论文针对线性偏微分方程的高斯过程求解器，提出在等式条件之外再加入线性不等式约束（如非负性、单调性、无套利）的方法。作者证明联合条件与顺序条件等价，并用截断高斯矩进行计算。在泊松问题、标普500期权和空气质量数据上的实验显示，加入约束后误差和约束违反情况有所改善，但不同数据情形下效果不同。
看点将不等式约束与PDE等式条件统一为Borel测度上的条件化并给出理论等价性，方法新颖；在泊松、期权与空气质量数据上有较充分的实验对比。
Adaptive Variance Reduction without Knowing Oracle Smoothness
说明无需已知预言机平滑性的自适应方差缩减方法
简介本文研究随机非凸优化中的方差缩减方法，提出一种两阶段算法，在不知道平滑常数或方差上界的情况下，适应平均平滑、标准平滑和无噪声三种设定。已知梯度预算 T 时，平均平滑下收敛速率为 O(T^{-1/3})，标准平滑下为 O(T^{-1/4})，无噪声时为 O(T^{-1/2})。T 未知时，作者提出双路径方法，在随机设定下达到相应速率并含对数因子。
REFLECT: Role-Aware Detection of Sentiment, Emotion, Politeness, and Formality
说明REFLECT：基于语义角色的情感、情绪、礼貌与正式度检测
简介该论文提出一种角色感知的 Transformer 模型，将情感、情绪、礼貌和正式度四个维度与语义角色标注（SRL）配置相结合，并直接融入自注意力机制。模型通过可学习的门控机制将角色信息与上下文嵌入融合。在四个基准数据集上，情绪、礼貌和正式度检测相较于基于 BERT 的基线有统计上可靠的提升，情感检测的改进则不显著；在真实心理健康数据上，模型还提升了预测性能与可追溯性。
Not Just an Evaluation: A Case Study of Discourse Particle Sensitivity in Language Models
说明并非仅是评估：语言模型对语篇小品词敏感性的个案研究
简介该研究考察大语言模型在自然对话中对英语 "just" 和 "only" 等语篇小品词的敏感性，结合行为与机制分析。结果显示模型与人类都偏好上下文中出现这些小品词，且对 "just" 比 "only" 更敏感；指令微调会增强这种敏感性。研究还发现两者在模型内部的表示存在不对称的重叠，并提供了代码与数据。
OccludeBench: Can VLMs Find What's Missing?
说明OccludeBench：视觉语言模型能否找出图中缺失的物体？
Randomized Momentum Transport with Cheap Predictors
说明随机化动量传输与廉价预测器：用概率性地跳过部分修正计算来降低优化成本的方法
简介该论文提出随机化动量传输方法：以概率q计算动量的传输修正项，其余时候使用廉价预测代替，并通过重要性加权保持条件均值。文中在若干假设下给出了线性最小化预言机更新的收敛界，并报告在MNIST1D和CIFAR-10上，于相近预言机成本下查询四分之一修正时的训练损失与测试精度结果。
★★★★☆ 值得关注
Optimal Algorithms for Nonsmooth Nonconvex Stochastic Optimization with Constraints
说明带约束的非光滑非凸随机优化：最优算法
简介本文提出了用于目标函数既非光滑也非凸、且受凸约束集限制的随机优化问题的新算法。算法可返回 (δ,ε)-Goldstein 稳定点，并在多种设定下首次达到该任务的最优收敛速率。其中，基于随机梯度的算法达到 Õ(δ^{-1}ε^{-3}) 的速率，零阶查询算法达到 Õ(dδ^{-1}ε^{-3}) 的速率。
看点在约束非光滑非凸随机优化中首次达到最优收敛率，并给出匹配的下界，理论改进明确；证据为严格的复杂度分析与下界证明。
Your Discrete Graph Diffusion Model is Secretly Memorizing
说明你的离散图扩散模型可能在暗中记忆训练数据
简介离散图扩散模型通过对节点和边独立加噪来破坏图结构。本文在两块随机块模型（SBM）图上训练的模型中发现，反向扩散轨迹以受损的训练图为条件时，模型几乎能完美还原训练图，而对留出的测试图则不能，作者称之为条件记忆。这种记忆伴随泛化差距扩大，早停也无法缓解，且出现在社区结构形成之前。
UkrMeme: Multimodal Explainable Persuasion Detection in Ukrainian Memes
说明UkrMeme：乌克兰语表情图中可解释的多模态说服技巧检测
简介本文研究如何用视觉-语言模型检测乌克兰语表情图（meme）中的说服技巧。作者构建了包含200个战时乌克兰表情图、标注了说服技巧的数据集UkrMeme，并将Propaganda 950基准的一个子集翻译成乌克兰语得到PTM-UA，保留原始图像、仅翻译图中文字。研究在零样本提示设置下，以层级F1指标评估模型对图像、文本及多模态输入的表现，并比较了分层相关性传播（LRP）与模型生成的词元归因两种解释方法所强调的证据类别。
SimVTA: Simulation-Grounded Video-Trajectory Alignment for Driving World Action Models
说明SimVTA：基于仿真、用于驾驶世界动作模型的视频-轨迹对齐方法
简介该论文提出SimVTA，一种基于仿真的后训练框架，用于驾驶世界动作模型。它先为候选轨迹渲染未来视频，再用强化学习优化轨迹规划，并用视频监督更新共享表示。在NAVSIM v1上，PDMS由86.2提升至91.3；在NAVSIM v2上达到88.2 EPDMS。
Detection of extremely rare dead cells in fluorescence microscopy images
说明荧光显微图像中极稀少死亡细胞的检测：多种计算方法比较
简介本文针对荧光显微图像中的凋亡（死亡）细胞自动识别问题，比较了启发式阈值方法、数值与图像特征分类方法以及异常检测方法。研究使用含65,527个细胞/细胞核、其中243个人工标注死亡细胞的258幅图像进行评估。结果显示，基于图像特征的深度学习（ResNet-18）和基于数值特征的XGBoost分类效果最好，明显优于启发式方法和异常检测方法。
ReplaySSM: Cache SSM Inputs, Not State
说明ReplaySSM：缓存 SSM 输入而非状态，加速混合模型解码
简介该论文提出 ReplaySSM，把状态空间模型（SSM）的递推展开，用一个检查点加一段近期输入缓冲来表示状态，从而减少每步解码时的状态读写。在 vLLM 中对 Mamba-2 和 Gated DeltaNet 实现后，论文报告在批量大小 256 时，四个混合模型的标准解码提速 1.20 到 1.47 倍，并在两个 120B 级模型上吞吐约为 vLLM 推测解码的 1.8 倍。
READ: Reading the Selective Scan for Faithful Video Attribution
说明READ：通过读取选择性扫描实现忠实的视频归因
简介本文针对选择性状态空间模型（一种高效的长序列视频建模方法），提出无参数的归因方法 READ。它在分类器读出的位置展开循环计算，把循环状态中累积的贡献追溯到最终预测所依赖的视频token，从而只需一次前向传播即可得到时空相关性图。实验表明，READ 在忠实性和定位效果上与成本高得多的方法相当，并能避免现有方法的系统性相关性偏差。
Beyond Gate Weights: Decision-Level Interpretation of Radiomics-Image Feature Fusion for RCC Classification
说明超越门控权重：影像组学与影像特征融合在肾细胞癌分类中的决策层解释
简介该论文研究一个固定的3D MedVAE-影像组学模型，用于增强CT上透明细胞与非透明细胞肾细胞癌的分类。作者把分类决策logit分解为门控影像项、直接影像组学项和偏置，并比较结构性门控权重与有效决策贡献。结果显示两者差异明显，因此二者应分别解读。
Geometry-Aware Multi-Objective Optimization: Norm-Constrained Oracles with Entropic Weight Updates
说明几何感知的多目标优化：带范数约束的线性最小化算子与熵权重更新
简介本文研究多目标优化方法，将多梯度下降从欧氏几何推广到任意有限维范数，结合范数约束的线性最小化算子与任务权重的熵更新。作者在确定性与随机梯度两种设定下分别给出了 O(T^{-1/2}) 与 O(T^{-1/4}) 的遍历平稳性收敛速率，并讨论了内层权重子问题的遗憾界与内层间隙控制。实验将该方法与现有多任务优化器进行了比较。
MARGoS: A Configuration-Driven Platform for Reproducible MARL Experiments in ARGoS
说明MARGoS：面向ARGoS多智能体强化学习实验的配置驱动、可复现平台
简介本文提出MARGoS，一个轻量的、以配置为驱动的平台，用于在ARGoS群体机器人仿真器中开展可复现的多智能体强化学习（MARL）实验。它通过配置哈希、种子全程传递、冻结配置、结构化日志、环境指纹和可导出的实验包，使实验更便于复用、复现与交接。作者从架构、效率、可复现性、易用性和协作五个维度进行评估，认为把实验变化交由平台统一管理，能让ARGoS+MARL实验更容易复用和复现。代码已在GitHub公开。
From Pixels to Privacy-Sensitive Features: An Information-Theoretic Framework for Reconstruction Bounds
说明从像素到隐私敏感特征：重建误差下界的信息论框架
简介本文研究在 DP-SGD 训练的模型中，攻击者能恢复多少训练数据。作者推导出一个可在训练前计算的失真下界，即使攻击者能观察训练过程中的参数轨迹，也适用。该框架将训练泄露的信息与数据分布本身的不确定性结合，给出任意重建攻击预期误差的下界，并在像素空间和 LPIPS 特征空间中分别实例化。
DualQuant: Dual-scale Calibration-free Weight-and-Activation Quantization for LLMs
说明DualQuant：面向大语言模型、无需校准的双尺度权重与激活量化方法
简介本文提出DualQuant，一种无需校准数据的训练后量化框架，同时量化权重和激活值，以便在原生支持4位的加速器上实现低比特推理。该方法通过最小化权重重构的均方误差，得到的缩放因子可直接用作激活的逐通道重新缩放。论文称其支持包括MX系列和NVFP4在内的多种格式，在Llama和Qwen模型上的准确率与基于校准的SmoothQuant相当或更好，并在RTX 4090上的W4A4推理中实现了最高2.61倍的内存压缩和2.46倍的吞吐加速（相对BF16）。
Shortcut Learning in Geospatial Foundation Model Embeddings for Cross-Disaster Damage Assessment
说明地理空间基础模型嵌入中的捷径学习：跨灾害损毁评估研究
简介该论文研究了用于灾害损毁评估的地理空间基础模型嵌入（TerraMind、Prithvi-EO-2.0、DOFA、DINOv3），在xView2和BRIGHT多灾害数据集上进行实验。作者发现，留出整场灾害进行测试时，平衡准确率明显下降，并分析了模型可能依赖的事件背景、灾前灾后图像、建筑数量等捷径信息。研究还测试了仅在训练灾害上学习的特征变换，结果显示这些变换能改善对未见灾害的泛化效果。
When Edge Independence Fails: Joint Graph Diffusion with Latent Sociability Priors
说明当边独立性失效时：带潜在社交性先验的联合图扩散
简介离散图扩散模型通过逐边独立的马尔可夫噪声破坏图结构，因此终端先验只能是Erdős–Rényi随机图，难以恢复节点异质性。作者提出潜在社交性先验（LSP）与联合扩散过程，让潜在的节点社交性变量与图结构共同演化，在保持可交换性的同时去除边独立假设。实验表明，在无节点特征的情况下，该方法比基线更准确地刻画了图分布。
Beyond Discrimination: Evaluating Probability Calibration in Radiomics-Image Fusion for Renal Cell Carcinoma Classification
说明超越区分能力：评估影像组学与影像融合模型在肾细胞癌分类中的概率校准
简介本研究基于KiTS23数据集的396例患者，评估在四类影像模型中加入影像组学特征后，模型的概率预测质量是否改善，而不仅是区分能力。共比较17个单一模型和4个概率平均集成模型。融合模型在12组配对比较中，AUC和AP全部提升，Brier分数和负对数似然多数提升，校准误差则在8组中改善。集成模型在四类架构中的五项主要指标点估计均优于纯影像模型，但Brier分数和负对数似然的配对自助法支持强于校准误差。
How Well Do Prior-Data Fitted Networks Amortize Bayesian Inference?
说明先验数据拟合网络（PFN）对贝叶斯推断的近似效果如何？
简介本文研究先验数据拟合网络（PFN）能否较好地近似贝叶斯后验预测分布。作者把部署误差分解为先验、上下文与摊销误差，并以现实先验下的参考后验预测分布来衡量摊销误差。结果显示PFN总体能很好地恢复目标分布，但在先验预训练分布下的罕见场景中仍有残余误差，且独立预训练的PFN之间存在分歧。作者发现多种贝叶斯模型平均方法能持续降低这种不确定性，并提升预测效果，包括完整规模的TabICLv2模型。
Neurons++: A Unified Visual-Stream Framework for Image and Video Reconstruction from fMRI with Neural-to-Visual Interpretability
说明Neurons++：基于fMRI的图像与视频统一视觉流重建框架，并具备神经到视觉的可解释性
简介该论文提出Neurons++，用于从功能性磁共振成像（fMRI）重建静态图像和动态视频。模型先用图像-fMRI数据预训练获得稳定的空间语义初始化，再针对不同被试分别微调图像和视频重建，并采用模拟皮层的串行解码方式。作者报告其视频重建达到当前最优水平，图像重建具有竞争力，并分析了神经扰动下的方向可控性等可解释性结果。
Gaussian Splatting with Reflections Guided by What is Seen
说明基于所见环境信息引导反射的高斯泼溅方法
简介该论文提出一种基于二维高斯泼溅（2DGS）的新视角合成框架，用于更好地表现镜面反射效果，尤其是近距离的反射。方法利用输入图像中可直接观察到的环境信息，并结合混合反射外观表示与视角相关的高光建模。实验显示，在公开基准和新构建的近距离反射数据集上，该方法在渲染质量和几何精度上都表现更优。
VETNET: Assembling Benchmark Datasets for AI-Driven Veterinary Innovation
说明VETNET：面向人工智能驱动兽医创新的基准数据集构建框架
简介VETNET 是一个持续更新的基准数据集与评估框架生态系统，旨在通过标准化、高质量的数据集，以及学术界与非学术界多机构的协作，推动动物科学和兽医医学中的人工智能创新。该框架旨在弥补人类医学中人工智能进展与兽医人工智能研发碎片化之间的差距。
Matched-Context Group Policy Optimization for LLM Agent Training
说明面向大语言模型智能体训练的匹配上下文组策略优化（MCGPO）
简介论文提出 MCGPO 方法，用于在长时程智能体训练中，从已收集的同组轨迹里构造带权重的动作偏好，以便从稀疏的终局反馈中为中间决策分配信用。在 ALFWorld 和 WebShop 上，六种环境与骨干模型设置下（每组三个随机种子），其平均成功率较匹配的 GraphGPO 基线有所提升。
Studying the Effects of Task Diversity Using Small Mathematical Worlds
说明用小型数学世界研究任务多样性的影响
简介该论文引入两个程序化生成的数学任务生态IntWorld与PermWorld，分别基于整数和置换上相互关联但不同的任务，以模拟同一数学世界内的任务多样性。由于数据集可精确调节任务数量，研究者可借此区分任务多样性与其他训练因素的作用。初步结果显示，增加任务多样性会使模型的内部表示更加丰富。
A Privileged Teacher That Only Scores Cannot Search: Critique-Conditioned On-Policy Self-Distillation for Reasoning
说明只会打分的特权教师无法搜索：基于批判条件的同策略自蒸馏用于推理
简介该论文研究同策略自蒸馏中的教师打分信号能否定位推理错误。作者发现，打分式教师无法可靠定位错误，也难以区分同一问题中的正确与错误推演。作者提出先让模型生成对当前推演的批判，再以该批判为条件进行打分的方法，实验表明其能更好地定位错误，并在测试与冷启动GRPO中带来帮助。
SmolWAM: A Latent World-Action Model for Robotic Manipulation on Edge Devices
说明SmolWAM：面向边缘设备机器人操作的潜空间世界-动作模型
简介该论文提出SmolWAM，一种可在边缘设备上运行的潜空间世界-动作模型，用于机器人操作。它基于2B参数的Cosmos Policy，保留其预训练主干并重构推理接口，仅使用12个Transformer模块与1,008个词元，在一步整流流中同时输出动作和未来视觉潜变量。在LIBERO的400个回合测试中成功率为95.5%，单个16动作块耗时57毫秒，相比教师模型快11倍。
SafeDiSTL: Decomposing Joint Constraints for Safe Multi-Agent Reinforcement Learning
说明SafeDiSTL：为多智能体强化学习分解联合约束的安全方法
简介该论文提出 SafeDiSTL，一种约束式多智能体强化学习框架，用于合作任务中的共享安全约束。它利用信号时序逻辑（STL）的鲁棒性衡量整体违规程度，并通过动作敏感度把每一步的代价分摊给各个智能体。作者在载荷运输、互联导航和网络交通控制三类任务上进行了实验，结果显示相比约束基线方法，其安全成功率和吞吐量均有提升。
★★★★☆ 值得关注
Orthros: Phase-Aware Heterogeneous Attention for Efficient Transformers
说明Orthros：面向高效Transformer的分阶段异构注意力机制
简介论文提出Orthros注意力，一种统一模块，在序列处理的预填充阶段采用线性复杂度计算，在解码阶段切换为全注意力计算，以降低长上下文场景下Transformer的计算开销。作者报告其在语言建模、从Transformer的数据高效转换以及长上下文任务上的表现，并称预填充速度比Transformer快21.9倍，128K大海捞针测试接近完美。
看点提出按阶段动态切换计算模式的统一注意力模块，线性预填充加全注意力解码；实验覆盖语言建模、模型转换与128K长上下文，证据较充分，影响面较大。
KVeil: First-Place Solution to ECCV 2026 LifeGenIP Challenge on Unlearnable Videos
说明KVeil：ECCV 2026 LifeGenIP 不可学习视频挑战赛第一名方案
简介本报告介绍了参加 ECCV 2026 LifeGenIP 不可学习视频挑战赛两个阶段并获得第一名的方案。该挑战旨在用有限且难以察觉的扰动保护人脸视频，防止被未经授权的个性化定制。方案包括针对第一阶段的参考容量崩溃损失与运动引导的 EOT 机制，以及针对第二阶段的分区域双层扰动框架。作者称该方法在白盒参考式定制下保护效果接近完美，并在其他定制方式、模型和时序攻击下依然有效。
LAPT-Scale: Scaling Embodied Policies with Latent Action Pre-Training on Human Videos
说明LAPT-Scale：利用人类视频的潜在动作预训练扩展具身机器人策略
简介该论文提出 LAPT-Scale 框架，用于在缺少机器人动作标注的情况下，从大规模人类第一人称视频中学习潜在动作，以扩展通用机器人策略。其核心是采用连续潜在空间的潜在动作模型，并结合感知、语义和光流对齐信号。论文报告，随着标注人类视频从 1K 小时增至 5K 小时，真实机器人任务成功率由 63.3% 提升至 85.0%，且策略可泛化到未见过的视觉条件。
SeoulMMOD: A Large-Scale Multimodal Origin-Destination Flow Benchmark
说明SeoulMMOD：首尔大规模多模式出行起讫点（OD）流量基准数据集
简介该论文介绍了SeoulMMOD，一个面向首尔全市多交通方式出行的大规模公开基准数据集。数据包含三年的逐小时OD流量，覆盖6种城市出行方式、25个行政区和426个街道级区域，并附有行程时间、距离、日历、降雨及兴趣点等信号。作者用统一协议测试了14种预测基线模型，并分析了空间尺度、联合训练与分模式训练以及跨年泛化的影响。
Long-Horizon-Terminal-Bench 2.0: Automating Diverse Task Construction and Measuring Sustained Agent Progress
说明Long-Horizon-Terminal-Bench 2.0：自动化构建多样任务并衡量智能体的持续进展
简介该论文介绍了长时程终端基准测试 LHTB 2.0，共 77 项任务，涵盖 13 个领域和 8 种任务类型，保留了原有 46 项任务并修正缺陷、扩展了 31 项任务。新任务通过参数化参考实现生成多个场景，并用密集进度梯度为部分进展评分。评测时长由 90 分钟延长至 3 小时，每 30 分钟记录一次检查点。在 15 个前沿模型的 1,145 次评分运行中，二元验证得分平均为 0.221，而密集梯度得分平均为 0.653，表明仅看结果的评估会忽略大量中间进展。
Amortized Counterfactual Prediction with Graph Neural Networks
说明基于图神经网络的摊销反事实预测
简介该论文提出反事实图神经过程（CFGNP），可直接从观测数据回答反事实问题，无需先估计因果图，从而避免因果图误差向下游预测传播。模型利用双图结构，仅在对应的事实与反事实变量之间进行跨世界消息传递。论文称其在合成与图像基准上预测性能优于现有方法，并在德国贷款基准上将MSE从4.51×10^-2降至0.19×10^-2。
Enhancing Legal Reasoning in Pre-trained Language Models via Knowledge Graph-Guided Multi-Task Pre-training
说明通过知识图谱引导的多任务预训练增强预训练语言模型的法律推理能力
简介论文针对德国交通法（StVO）提出一种多任务预训练方法，结合下一句预测、知识图谱引导聚类和知识图谱感知段落分类三个目标，把结构化法律知识编码进模型权重。在9种Transformer编码器、324次实验中，模型在合成StVO问答上相对基线有10.3%至155.0%的提升，在LexGLUE七个基准中的四个上超过已有结果，并在奥地利驾驶法规上取得3.4%至15.8%的零样本迁移提升。