机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明仅拟合每一步提示还不够：循环算法推理器中的“过早泛洪”
简介该论文研究循环算法推理器在广度优先搜索任务上的问题：模型能复现训练中的每一步提示，但在深层图上仍会提前将尚未到达的节点标记为已访问，作者称之为“过早泛洪”。论文追溯了两条产生该问题的路径，并测试了钳制输入、增加密集训练图等补救措施。作者建议检查每个输入和聚合的取值范围，并在深层图上进行测试。
说明泰语 klon pad 诗的两层声音-词语画布模型：单样本解码
简介本文提出一个生成泰语 klon pad 诗节的模型，以 WangchanBERTa 初始化的掩码语言模型，在固定的两层画布上解码，并对每个主题只采样一次。在78个未参与开发的主题上，经冻结大语言模型评判，生成诗节通过率为70.5%，人类诗节为76.9%，差距在统计上不显著；低温采样对减少词汇错误很重要。
说明基于指标驱动强化学习减少LVLM图像描述中的物体幻觉
简介大型视觉语言模型在看图生成描述时，可能描述图中并不存在的物体，即物体幻觉。本文提出一种完全依靠自然语言处理指标驱动的强化学习框架，引入物体一致性分数、KL正则化和轻量级PPO变体，仅微调冻结主干之上的适配器。在InstructBLIP上的实验显示，COCO数据集幻觉减少最多41%，Visual Genome减少29%。
说明HodgePhaseNet：Transformer注意力中语义流的离散Hodge分解
简介该论文提出HodgePhaseNet，把词元之间的语义转移表示为有限有向单纯复形上的反对称实值1-余链，并将其唯一正交分解为全局梯度式方向、局部环流和较大未填充环上的谐和环流三部分。作者给出投影算子、稀疏实现、规范性结果、数值示例以及改进后的注意力接口。论文说明这是数学与架构方案，并未给出自然语言任务上的性能结果。
说明FleetPilot：细粒度引导实现真实场景中的大模型个性化
简介该论文提出FleetPilot框架，通过从用户数据动态生成样本级干预向量并注入模型前向传播，实现大语言模型的个性化适应。方法包括匹配对比、对注意力层和MLP层激活进行钩取的细粒度引导组件，以及按查询条件聚合的模块。实验涵盖短到长文本生成和网页函数调用，作者称其在快速变化和数据稀疏环境中优势明显，且无需训练、额外开销较小。
说明SkillHorizon：通过技能组合构建长时程智能体任务的基准
简介该论文提出 SkillHorizon 基准，在七个业务环境中，通过组合可复用的技能流程构建长时程任务，任务之间通过输入输出依赖、共享资源和状态更新相互关联。作者在1,050个任务上评估了五个语言模型，参考交互量从64K到1M个词元不等，随着任务规模增大，平均局部目标完成率从90.4%降至46.8%。该基准可用于研究智能体的持续进展、依赖协调和完整交付能力。
看点通过技能组合构建可扩展的长程任务并以程序化评估器验证，在七个业务环境、1050个任务上对五个模型进行了系统实验，对Agent评测有实质贡献。
说明基于工况匹配与部分最优传输的跨材料磁芯损耗预测
简介该论文针对跨材料磁芯损耗预测在目标材料测量数据有限时的迁移问题，提出 T-PCOT 方法，利用频率、磁通偏移、温度和波形描述符匹配可比工况，并通过基于容量约束的部分最优传输对齐源数据与目标数据。实验在三组材料对和三种目标标注预算下进行，结果显示该方法在全部九组比较中相较 T-MKMMD 降低了平均相对误差和 95 分位误差。
说明AD-GS：面向稀疏视角牙科CBCT重建的解剖密度引导三维高斯泼溅方法
简介该论文针对稀疏投影下的锥束CT（CBCT）三维重建问题，提出AD-GS方法，将高斯点加密建模为考虑衰减的马尔可夫链蒙特卡洛采样过程，使表示能力集中在高衰减的解剖区域。方法还引入基于医学图像分割模型零样本特征的语义正则化以加强多视角一致性。在ToothFairy3牙科CBCT数据集上的实验显示，相比现有基于3DGS的方法，其在稀疏视角设置下结构保真度和边界保持更好。
说明HiPAD：融合步态、视听与人格描述的抑郁检测统一网络，附人格消融与大模型校准限制研究
简介该论文提出HiPAD统一融合网络，用于MPDD-AVG 2026抑郁检测挑战赛的六个子任务，结合步态、音视频及人格描述。研究发现，约150词的人格描述所携带的抑郁信号超过音频、视频和步态的总和；去除人格相关特征会使模型接近随机水平，而领域适配的大模型在校准上并未带来改进。
说明人与机器对比：AI智能体在软件逆向工程中的表现
简介本文比较了人类分析师与基于大模型的AI智能体在软件逆向工程（对二进制程序进行分析理解）中的表现。九个模型与人类分析师在两个静态分析任务上对比，并记录其与IDA Pro的完整交互过程。结果显示，表现最好的几个智能体在理解程度上与人类相当，但其分析策略与人类不同：智能体倾向于大范围检索信息，较少回看已分析的代码，研究者称之为"贪婪获取"。在4000个真实二进制文件上的测试表明，上下文窗口容量会成为扩展应用的瓶颈。
说明激活引导作为记忆时，什么能被保留下来
简介这篇论文研究把激活引导（activation steering）用作智能体的记忆：把经历造成的模型内部状态偏移存成向量，之后按对话主题匹配时再加回去。研究在 Qwen3.5-2B 和 9B 上做了预先注册的实验，结果显示该记忆有选择性，但事实类信息几乎不被使用，偏好类信息只在窄的强度范围内能迁移。
说明CatPortrait：通过上下文条件化将视频生成模型用于人像动画
简介该论文提出 CatPortrait 框架，利用三维人脸引导作为上下文条件，实现可控的人像动画。方法保留原有视频生成主干网络，通过空间拼接将结构化三维面部信息注入输入，使预训练的图像到视频模型无需改动结构即可驱动人像。该框架同时支持视频驱动和音频驱动两种模式，作者称在两种设置下结果均具竞争力或更优。
说明MCPDisCo：面向 MCP 原生智能体的跷跷板缓解式调优
简介本文提出 MCPDisCo，一个面向 MCP（模型上下文协议）原生智能体的大规模强化学习框架，在 70 个 MCP 服务器、527 个工具、六个领域的真实交互中训练。针对推理与工具调用两个目标之间可能相互拖累的“跷跷板”问题，该方法结合了按词元掩码的奖励归因与双向梯度手术。论文报告其成功率更高、所用思维链词元更少，并在分布外的 MCP-Atlas 与 GAIA 基准上保持持续提升；模型权重与实现已公开。
说明离线对比目标条件强化学习中的反事实推演：通过反事实转移处理数据混杂问题的方法
简介对比强化学习依赖一个假设：记录的动作与结果之间没有未观测变量同时影响它们。当示范者掌握学习者看不到的信息时，该假设失效，价值函数会学到虚假关联。论文用混杂马尔可夫决策过程形式化这一情形，提出反事实转移，并据此训练一种称为CauCRL的方法。该方法在混杂的目标到达任务上，成功率明显高于标准对比强化学习。
说明个性化大模型是否需要完整对话？仅用5%文本的相关性过滤上下文即可匹配完整历史
简介该论文研究个性化助手能否只用部分对话历史完成任务。作者在PersonaMem-v2上测试，用句子级检索按与当前请求的相似度筛选历史并设定固定预算，仅用约5%文本即可与完整历史的准确率持平，输入长度约缩减到二十分之一。LLM摘要效果相当，但需要大模型通读全部历史，而检索只需小型嵌入模型。
说明无需数字地表模型的无人机视觉定位：潜在深度变量投影与结构自适应耦合
简介本文针对无人机在无GNSS环境下的视觉定位问题，提出潜在深度变量投影（LDVP）方法，将视线方向上的未知尺度视为潜在深度并解析消去，在已知旋转下以闭式求出水平相机中心，无需数字地表模型（DSM）。另提出结构自适应耦合（SAC），依据单目深度估计得到的场景结构，在匹配点不集中于单一平面时选用LDVP，否则选用平面PnP。实验表明LDVP优于现有无DSM方法，SAC进一步提升了稳健性。
说明基于残差聚合与稠密对齐表示的文本引导医学图像分割（论文）
简介本文提出RADAR框架，用自然语言描述来指定医学图像中的分割目标，并结合BiomedCLIP的语义理解与MedSAM2的提示式掩码解码，通过LoRA以较低成本进行任务适配。方法包括引导式残差深度聚合、结构化稠密表示对齐以及多模态提示生成。作者在三个公开医学图像分割数据集上进行了实验，结果显示该方法仅需0.74M可训练参数即可取得有竞争力的表现。
说明基于可学习类别先验的概率多源数据选择：方差降低与可保证的去随机化
简介论文针对多源双层数据选择问题，提出一种新的概率松弛方法：引入多个可学习的类别先验，使概率分布只分布在可行的数据子集上，从而得到无损的取整方案。作者还设计了一种双点梯度估计器及其可约化表示，并基于此提出随机梯度算法ReSGD，在弱次模性条件下给出了返回子集的近似保证，实验验证了其有效性。
说明用于高效扩散式离线强化学习的组合平均速度建模（一种单步生成策略方法）
简介扩散策略在离线强化学习中表现很好，但多步去噪带来较高计算开销，训练时还需通过时间反向传播。本文提出 Instant Flow Q-Learning（InsQL），用平均速度建模替代边际速度参数化，实现从噪声到动作的单步映射，训练时不需要迭代采样和 Jacobian 计算。论文称其在标准离线强化学习基准和真实机器人操作任务上与现有扩散方法持平或更优，同时显著减少训练和推理时间。
说明受记忆印迹神经元启发的自适应记忆方法，用于终身学习
简介这篇论文面向终身学习问题，即人工系统需要在环境变化中持续学习。作者借鉴生物记忆中“记忆印迹”神经元的完整生命周期，提出一个从梯度表示构建结构化记忆的框架，用它调节参数更新并指导记忆管理。作者在四个基准上进行了评估，结果显示该方法在长任务序列中保持稳定并支持灵活适应。
说明VC-OPD：面向视觉推理的视觉反事实同策略蒸馏方法
简介论文提出VC-OPD方法，用于提升视觉语言模型的推理能力。该方法在学生模型轨迹上进行蒸馏，并用原图与受损证据的反事实图像比较教师模型的输出差异，以此估计每个词元对图像证据的依赖程度，从而加大视觉相关词元的学习权重。实验显示该方法提升了多模态推理基准上的视觉推理表现。
说明预测模型倾向在分布外的泛化方式：研究语言模型在训练分布之外，一种行为倾向如何外溢到其他倾向上。
简介本文研究语言模型的分布外（OOD）泛化问题。作者用系统提示、少样本学习、基于参考答案的SFT和GRPO等方法提升某一目标倾向，再测量其在其他倾向上的外溢效应。结果显示，同一诱导方法下不同模型的外溢高度相关，但SFT与GRPO的外溢模式不同；诱导良性特质有时会增加不良特质，例如训练模型声称自己有感知能力后，它往往更追求权力。作者还识别出三组特质簇，并观察到一种与所诱导特质无关的整体漂移现象。总体上，没有单一的主导预测因子，泛化仍难预测。
说明CFG-Policy：通过无分类器引导统一扩散策略学习的框架
简介扩散策略能表示多模态动作分布，但用强化学习优化时容易降低行为多样性。本文提出 CFG-Policy，将探索与利用分离为两个生成策略，并在采样时通过无分类器引导组合二者的得分或速度场。在线强化学习中，冻结的探索分支保持多样性，利用分支从任务奖励中学习；离线到在线场景中，预训练的利用分支保持冻结，另有可训练分支引导组合后的行为。作者报告该方法在 5 个 MuJoCo 任务和 4 个 RoboTwin 操作任务上提升了性能。
说明BSIPipe：面向长序列大语言模型训练的双向序列级交错流水线并行
简介该论文提出BSIPipe，一种用于训练大语言模型的流水线并行方法。它在子序列层面同时调度两条方向相反的V形交错流水线，以提高现有单向调度方法的吞吐量。论文称，在GPT和LLaMA3上的长序列训练实验中，BSIPipe相比当前最优的序列级基线平均提速1.11至1.13倍。
说明FidelityQ：在超低比特语言模型量化中保持预测一致性
简介本文提出FidelityQ，一种标量量化框架，可将大语言模型权重压缩到2比特仍保持预测行为。方法包括信息对齐解析编码（IAC）和知识密集型校准（KIC）：前者通过随机Hadamard混合与四级最小失真量化器拟合权重，后者挑选教师与学生预测分歧最大的样本，仅更新量化级别和缩放因子。在LLaMA-2-7B上，W2A16设置下WikiText2困惑度为6.62，W2A4KV4设置下由8.31改善至6.96。
说明带成对约束的 k-means 聚类代数方法
简介本文提出一种用于带成对约束 k-means 聚类的代数方法。算法在优化前使用 Gröbner 基化简约束，可提高聚类分配的效率，并能在优化前检测约束集是否存在可行分配。与现有算法的对比实验显示，该方法在约束数和聚类数较少时，聚类质量相当或更好，且计算成本更低。
说明TLA-Verus：利用 LLM 智能体生成并求解时序证明义务
简介TLA+ 形式化规范工具被广泛用于建模分布式系统，但无法检测实现与规范之间的偏差，且 TLC、TLAPS 难以为任意时序逻辑性质提供满意证明。本文通过确定性转译器和智能体转译器，将 TLA+ 规范转换为面向 Rust 的自动验证器 Verus。作者表明基于 LLM 的流程能大规模生成证明义务，并产出可机器检查的安全性与活性证明。
说明持续学习中的表示漂移：LoRA 与 N-gram 记忆的比较
简介这篇论文研究大语言模型在线持续学习时，哪一部分应当吸收新更新，并比较三种更新方式对模型内部表示的影响。作者在一个 48 层的混合专家模型上，用七个任务的序列进行实验，发现只更新 N-gram 记忆表时，基础模型的通用表示漂移最小，且泛化行为基本不变。不过，存储的新任务之间会相互干扰。
说明SkillForgeBench：基于智能体技能规范评估智能体可靠性的基准
简介该论文提出SkillForgeBench，用智能体技能作为统一的执行蓝图，分资源准备、技能驱动的任务合成和整体评估三个阶段构建基准。基准包含五个专业领域的842个沙箱任务，用于评估八种主流智能体的严格完成能力。论文指出，仅看单项评分会掩盖严重瓶颈，并认为只检查完成结果会高估智能体的实际可靠性。
说明WorkBorne：从真实工件转换中发现智能体任务
简介该论文提出 WorkBorne 框架，用于合成终端智能体的长程任务训练数据。它以“工件转换”为核心，从网络检索构建工件语料，识别输入与输出工件之间的关系，并将其实例化为任务环境。作者构建了 7,882 个任务环境和 15,485 条轨迹，在 Qwen3.5 系列模型上取得了优于基线方法的结果。
说明通过上下文建模弥合模型预测任务采样中的风险近似差距
简介本文针对强化学习中用于任务选择的模型预测任务采样方法，指出现有风险预测模型存在优化历史稀疏和风险近似滞后一步两个问题。作者将风险预测重新表述为上下文序列建模问题，并引入一步前瞻机制与时间加权滑动窗口。论文报告，该方法在鲁棒元强化学习、域随机化及大语言模型提示课程强化学习后训练中，获得了更可靠的难度估计和一致的性能提升。
说明可能但不有效：将决策模型作为合成受访者的心理测量审计
简介本文研究语言模型能否在心理测量问卷中替代真实受访者。作者测试了14个决策模型与47个生成式大语言模型，使用一份立陶宛组织心理学问卷（263人，68题）及100份真实受访者画像进行评估。结果显示，最佳生成模型的相似度得分与仅用其他受访者拟合的高斯 copula 基本持平，但低于样本内拟合；决策模型在个体层面的预测劣于其他受访者的答案频率，因此论文建议合成受访者应着重于样本层面的保真度。
说明基于指挥者—执行者协同的可扩展多人协作物体操作
简介该论文研究多人协作搬运与操作类人机器人任务。作者提出分层框架：指挥者结合指令与场景信息，进行语义与几何联合规划，把任务拆分为各角色的子任务并生成共享的物体中心协调计划；执行者基于指挥者策略和本地观测，通过从单人到协作的课程学习，习得基于物理的底层策略。论文称该方法能完成结合不同协作方式的长时程任务，并从双人扩展到多人，成功率高于现有方法。
说明面向多元共形预测的最小体积最优传输方法
简介该论文针对多元共形预测中基于最优传输的方法，指出固定欧氏传输代价可能导致预测集体积不够小。作者提出最小体积OTCP框架，学习马氏距离代价以直接最小化预测区域体积，并给出有限样本边际覆盖保证。文中还提出可随协变量变化的个体化扩展，并在模拟与真实数据实验中显示预测集体积明显减小。
说明重尾损失下的专家建议预测：在 K 个专家、T 轮预测中，损失只有有界的 (1+ε) 阶矩，研究如何设计最优的预测算法。
简介该论文研究在重尾损失（(1+ε) 阶矩有界于 θ，ε∈(0,1]）下的专家建议预测问题，共 T 轮、K 个专家。作者给出极小化极大伪遗憾的速率 Θ((θT)^{1/(1+ε)}(log K)^{ε/(1+ε)})，并提出无需事先知道 ε 或 θ 的自适应算法，在对抗与自界环境下都能取得接近最优的遗憾保证。
看点在重尾损失下给出了极小极大伪遗憾率并解决了已有算法对K的额外多项式依赖，理论贡献突出，证据为严格理论分析。
说明面向5G边缘切片的多智能体与大模型冲突感知自主资源编排
简介本文提出一种双时间尺度架构，用于5G边缘网络切片中的资源分配。宏观层由基于大语言模型的策略器把自然语言网络意图转换为预算、收入和竞价激进度等经济策略参数；操作层由基于SPADE的切片智能体运行确定性的第二价格拍卖机制解决资源竞争，并通过修改Kubernetes的CPU限制与Calico的带宽注解来执行分配。作者在真实的Kubernetes/Open5GS边缘集群上以智慧城市和分层切片两种场景各重复30次进行了端到端评估。
说明TeachGrade：利用教师评分证据的免训练简答题自动评分框架
简介该论文提出 TeachGrade，一种无需训练的简答题评分框架，借助教师已评分的示例进行评分。系统通过两个冻结的记忆模块保存教师偏好和局部评分证据，并分两步重新评判答案。在 3,829 条 SAS-Bench 答案的 12 项任务上，其宏观协同一致性得分与二次加权kappa等指标均优于多个对比方法。
说明AI数据中心噪声污染的FDTD模型研究
简介该论文针对AI数据中心带来的低频噪声问题，提出了一个时域有限差分（FDTD）模型，用于模拟声音在数据中心附近地形上的传播。研究发现，地形对噪声污染程度影响很大：河流两侧地势突然升高的区域更容易出现高噪声，而较远地区大多受地形遮挡而较少受影响。这有助于识别最适合采取降噪措施的区域。
说明Pro-t-VAE：用于稳健原型发现的闭式学生t混合模型
简介该论文提出一种基于学生t混合先验的深度生成框架，用于无监督图像原型发现。其核心是通过贝叶斯尺度混合构造学生t潜在空间，得到可解析求解的增广ELBO，并把精度视为潜变量以降低离群点的影响。作者在标准视觉基准和脑部MRI神经退行性疾病分析中进行了验证，称模型能恢复较干净、解剖结构一致的原型。
说明Lipschitz函数解析逼近的描述复杂度上下界
简介本文研究用多少比特才能写出一个初等解析表达式，使其一致逼近Lipschitz函数。表达式为基于加减乘除与指数运算的有限树，其大小为最短描述的长度。作者证明一维情形下描述复杂度上界与下界均为Θ(L/Δ+lg(1/Δ+2))，并给出高维情形的相应结果。
说明面向情感-原因对抽取的智能体引导证据获取
简介情感-原因对抽取（ECPE）需要在对话中找出与情感相关的原因。作者提出学生智能体有选择地向专家请求边界关系的判断，并仅修订被查询的预测结果。在约10%的查询率下，选择性融合在主要实验中提升了平均配对F1值，ECF上达到65.14，MEC4上达到49.74。
说明MARL-BattleGrounds：面向异构与竞争型多智能体强化学习的新型JAX原生基准
简介本文提出MARL-BattleGrounds，一个基于JAX的多智能体强化学习基准，包含两队各五名异构智能体的回合制对战模式（团队死斗）。它提供52张地图、八个残局泛化场景以及月度循环赛排名，并附带脚本对手、回放工具及人机对战接口。论文报告在单张RTX 5090上以1,024个并行对局可达每秒50,000个五对五游戏步。
说明社交媒体表达方式下中文大语言模型的社会偏见研究
简介该研究针对中文大语言模型的社会偏见评测，构建了73组涵盖性别、地域和职业的成对测试样本，并引入网络用语、表情符号和讽刺等社交媒体表达。研究将任务改为社会共识估计，并比较身份偏见、风格包装和讽刺反转三类效应。结果显示，所有模型都存在显著的身份偏见，多数模型的风格包装效应为负，讽刺带来的变化在各模型间呈现明显差异。
说明超越结果反馈：基于轨迹质量引导的经验学习
简介论文提出 TQG-Exp 框架，让大语言模型智能体从过往执行经验中学习时，不仅看最终结果，也评估执行过程的质量。作者设计了轨迹质量损失，结合任务完成情况与过程质量，并利用有无检索经验的成对执行来优化经验的效用。在 ALFWorld、WebShop 和 ScienceWorld 上的实验显示，该方法优于现有基于经验的方法。
说明对比线性化拉普拉斯：损失几何、有效修正与可靠核心
简介对比学习能学到确定性的表示，但本身不提供不确定性估计。该论文基于线性化拉普拉斯近似（LLA）提出一种事后方法，无需重新训练编码器，把编码器的不确定性传递到下游任务。作者分析了对比目标的曲率，并在需要时引入半正定修正以得到局部高斯近似；在宏基因组分箱和图像分类上进行了测试。
说明面向方面情感四元组预测的依存推理（DRIFT）
简介该论文提出DRIFT方法，用于方面情感四元组预测（ASQP），即识别方面、观点、类别和情感极性的组合。方法将依存句法树线性化后直接放入大语言模型提示中作为显式关系上下文，并结合检索增强的上下文学习与句法感知的裁判机制。在SemEval Rest15、Rest16和ACOS数据集上，DRIFT在对比的生成式ASQP方法中表现最好，Rest15和Rest16的F1分别为54.47%和64.10%。论文还指出，精确匹配指标会低估语义正确的预测。
说明MORE：学习面向运动的寄存器，用于驾驶世界模型与规划
简介该论文提出 MORE 框架，在视频预训练阶段直接学习一组面向运动的寄存器，作为驾驶世界模型与规划共享的状态表示。这些寄存器融合时间对齐的自车运动信息，并作为掩码补丁预测的唯一上下文，使密集特征通过紧凑的状态瓶颈传递。在 NAVSIM-v2 上，MORE 的 EPDMS 比现有最优方法高出 1.6，推理延迟仅为 DriveLaW 的十分之一。
说明ScalLoc：基于二维卫星地图的连续斜视热成像无人机地理定位
简介该论文提出ScalLoc框架，用于在无GNSS环境下对无人机进行连续斜视热成像地理定位，仅依赖二维卫星地图而无需数字表面模型。方法包括从热成像序列重建局部几何、优化相机位姿、与卫星地图锚定并传播状态以恢复逐帧全局轨迹。作者还构建了包含216条昼夜轨迹、28,112帧热成像的Thermal-Oblique数据集。实验显示，平均定位误差由112.69米降至26.97米，降幅76.07%。
看点提出仅用2D卫星图的连续斜视热成像定位框架，并构建216条轨迹数据集，实验显示误差降低76%，有实质改进。
说明WeatherBridge：面向预训练天气预报模型的预报感知多源输入适配器
简介数据驱动的天气预报模型通常基于 ERA5 训练，但实际业务需要使用物理数值天气预报系统给出的初始场，两者分布差异较大。WeatherBridge 是一个源条件适配器，在不更新预训练预报模型的前提下，把 GFS、HRES、CMA 等来源的初始场映射到 ERA5 参考状态。它结合 ERA5 重建损失与单步滚动对齐，并在 6 个变量、最长 240 小时的预报中，对 FuXi 模型的平均 RMSE 在 18 个来源-变量组合中的 17 个上有所降低。
说明将实验电子密度信息融入蛋白-配体相互作用建模
简介该论文提出 CoDE（坐标与密度编码器），在约 10 万个经整理的复合物上，用实验电子密度图预训练一个三维体素视觉 Transformer，同时融合原子占据、电子密度及其梯度。冻结编码器后，在结合亲和力回归和口袋条件配体生成两项任务上，结果优于同样预训练的纯坐标编码器，并与任务专用基线相当。
说明World2TS：面向时间序列预测的真实世界事件语境数据集
简介本文提出 World2TS，一个用于时间序列预测的大规模数据集与构建框架。研究者开发了可复用工具，结合智能体语义推理、网络搜索、命令行验证和人工审核，发现事件并将其与相关序列关联。数据集包含 6 个领域的 31 个数据集，涵盖 4,179 条序列、9,710 万个观测值、1,159 个事件和 56,846 条事件-序列关联，并通过对比实验展示了事件语境对提高预测精度的作用。
说明Terrarium：通过大规模合成应用世界培养个人助手
简介本文提出Terrarium框架，可从真实应用信息中合成可执行的应用世界（App Worlds），并据此生成带评估标准的训练任务，经智能体运行反复验证与改进。作者构建了包含275个应用世界和13,344个任务的训练套件，用于基于结果的强化学习，并在Qwen3的4B、8B、14B三个规模上训练。结果显示，使用该方法训练的模型在τ²-bench和AppWorld基准上分别平均高出对应Qwen3模型18.34和10.94个百分点。
说明CAST：适用于任意骨架拓扑的实时动作捕捉
简介本文研究从单目视频中恢复动作的问题，即使目标骨架拓扑与视频中的人物不同。作者提出CAST框架，结合学习得到的局部旋转与由预测的全局骨骼方向引导的几何校正，并通过可观测性分析确定哪些旋转分量可被约束。实验表明该方法在不同目标拓扑（包括未见过的结构）上改善了动作恢复效果，因果变体CAST-B在单张NVIDIA A100上可超过51 FPS。
说明PEAM：面向个性化、高效且自主移动网络配置的端侧通信智能体
简介本文提出PEAM，一种运行在手机端侧的大语言模型通信智能体，可在毫秒级时间内自主生成并执行个性化的网络配置规则。系统先用人工标注的真实用户数据对端侧模型进行微调；空闲时批量分析历史配置记录生成规则，切换应用或网络变化时检索规则库并执行。实验中，基于4B微调模型的PEAM达到99.13%的正确配置决策率，其生成规则的有效率为92.50%。
说明最优传输标签迁移中边缘容量与几何结构的分离
简介该论文研究最优传输用于无配对数据标签迁移时，源域与目标域的类别构成差异会导致稀有类别被系统性低估。作者指出原因在于传输边缘分布：标准均匀加权下，每个类别的传输容量与其源域频率成正比，即使类别在嵌入空间中分得很开，也可能不足以满足目标需求。将传输边缘匹配到目标构成后，标签迁移效果明显提升，在单细胞数据上宏观F1从0.322提高到0.623。
说明空间感知的智能体奖励：用于文生图的强化学习改进
简介该论文针对空间文本到图像生成，提出课程引导的强化学习框架。其中SpatialCritic是一个配备视觉工具的智能体奖励模型，并结合能力图进行分阶段训练。在SpaRW-Eval上，SpatialCritic的验证准确率为95.1%，使用8B骨干模型优于320B的GLM-5.3-Flash，并提升了SD3.5-Medium和BAGEL的平均基线分数。
说明面向隐私保护的热成像室内人体感知：从数据集到部署
简介室内人体感知是智能家居与医疗保健的基础，但RGB摄像头有隐私顾虑，低分辨率热成像又信息有限。本文发布了室内RGB-T配对数据集，涵盖20个房间，并建立了热成像占用者状态检测、占用估计及RGB与热成像互译的基准。论文还将热感知模型部署于一款商用睡眠监测系统，并通过100名参与者的现场测试和约1000台设备的部署验证其可行性。
看点构建了大规模配对RGB-热成像室内数据集并在真实部署中验证，新颖性属对已有方法的有益扩展，证据充分。
说明在紧致无边界多重连通流形上的物理信息随机神经架构：用于机器学习与不确定性量化中的随机算子模型
简介本文提出随机物理信息神经网络（SPINNs），用于带随机算子的随机边值问题。方法通过共同的高斯随机源把随机算子与基于流形的随机神经架构耦合起来，训练时只调用随机边值问题的求解映射，不需要对其求导或修改，也不使用PDE残差或边界惩罚损失。文中以周期柱面上的随机椭圆问题给出示例。
说明递归自我改进的预注册“生成”核算：物理发现运行时中首批经审计的算子生成事件
简介该论文提出一套预先注册的两层核算方法，区分系统是复用设计者提供的机制，还是自行生成新的机制。在真实氢原子巴尔默谱线数据上，系统通过组合搜索生成了算子 sq(inv(n))=1/n²，即里德伯公式形式，标准算子库无法表达该形式。第二个事件从JPL星历数据中独立恢复了开普勒速度定律。作者强调，贡献在于对机器生成机制的度量与治理，并承认当前事件只展示了生成能力，尚未实现自主生成。
说明面向混合整数线性规划分支定界的序列结构决策学习
简介本文提出 Seq-BnB，用于学习混合整数线性规划分支定界（BnB）中的分支与节点选择决策。该方法把搜索过程中的节点创建、更新、节点选择和分支事件序列化为带类型的标记，用自注意力编码器汇总全局搜索历史，并结合二部图神经网络编码当前线性松弛。在四组 MILP 基准上，Seq-BnB 处理的 BnB 节点数少于启发式与学习类基线，求解时间表现良好。
说明复现研究：通过对抗微调提升 CLIP 的视觉可解释性
简介本文是对 ICLR 2025 论文《Boosting the Visual Interpretability of CLIP via Adversarial Fine-Tuning》的复现研究。原文提出一种带范数正则化的无监督对抗微调方法，用于增强 CLIP 图像编码器的视觉可解释性。作者还提出了基于显著性引导的扩展方法，引入 Energy Pointing Game 损失来监督显著图与目标物体的空间对齐，并在不同损失权重下评估其定位效果与零样本准确率、对抗鲁棒性之间的权衡。
说明EvoCowork：真实办公任务的自我改进基准测试
简介该论文提出 EvoCowork，一个包含 240 项任务的基准，用于评估智能体在办公场景（演示文稿、文档、电子表格及跨文件工作流）中的自我改进能力，模型权重保持固定。测试区分反馈学习、修订选择与最终测试三个阶段。结果显示，在反馈文件类型上的提升不一定能迁移到跨办公协同工作流中。
说明印度语言的跨语种语音合成：基准测试与推理时时长估计策略
简介该论文指出，无需对齐的文本转语音模型在跨语种场景中因各语言字符时长不同而出现时长失配，影响语音质量。作者构建了覆盖英语和九种印度语言的跨语种评测基准，并提出一种语言感知的推理时时长估计方法，利用各语言的每字符时长统计，无需重新训练或修改架构。实验表明，在双语和多语种 A-DMA 模型上，该方法提升了语音自然度、可懂度和说话人相似度，同时减少了时长失配。
说明AI 原生产品管理：一项愿景
简介本文探讨当 AI 原生研发让软件实现速度加快后，产品管理应如何重新构想。作者梳理了软件产品管理、产品学习、人机协作等相关研究，提出 AI 作为产品工作中持续参与者的愿景，涵盖感知、探索、决策、实现与学习五个环节。文章还提出六项原则，并以人类专业人员、AI 角色、智能体、技能与共享产品上下文构成的运营模式使其具体化。
说明面向企业软件集成智能体式 AI 的参考架构：职责、交互与可变性
简介本文提出一套与具体技术无关的企业智能体式 AI 集成参考架构，将相关架构能力归纳为十项职责，并定义边界不变量、跨职责交互类型与可变点。作者以一个 ESG 投资组合分析与交易前合规智能体为实例进行验证，该实例实现了其中七项职责，另有一个已发表的智能体架构可映射至该框架。作者称这些结果只能初步说明架构的组织方式与适用性，并不代表其完备性。
说明探索此法：基于学习得到的 Tatum 网格进行节拍与强拍追踪
简介当前最先进的节拍追踪多用神经网络分别建模节拍和强拍，常再接一个动态贝叶斯网络（DBN）来保证音乐结构一致。本文提出一种结合深度学习与可微理论模块的新架构：先预测 Tatum 网格，再将 Tatum 事件分组为节拍和强拍，并以类似小节指针的方式显式建模当前速度与拍号的多种可能。结果显示，相比现有不使用 DBN 的系统，该方法在连续性指标上有所提升，且比常用的 DBN 更灵活，但平均表现仍落后于最佳的 DBN 方法。作者认为其设计选择与超参数仍有很大探索空间，并公开了代码。
说明工业预测性维护中远边缘机器学习推理的无缝部署：基于 AWS IoT Greengrass 的实证架构
简介本文提出一种云边混合架构，基于 AWS IoT Core 和 AWS IoT Greengrass v2，在边缘端进行本地机器学习推理，并选择性地与云端同步，用于制造业预测性维护。作者在真实 AWS 基础设施上比较了纯云端基线和混合边缘架构两种配置。结果显示，混合架构将上云带宽减少 86.8%，决策延迟从 23.1 毫秒降至 0.09 毫秒；在无云端参与时，异常类别 F1 分数为 0.84，召回率为 91%。断网场景的定量实验列为后续工作。
说明基于孟加拉国临床与血液学数据的登革热机器学习预测：基准模型与扩展模型的比较分析
简介该研究使用孟加拉国两家医院2024年（1,511例）和2025年（1,283例）的数据，比较逻辑回归、随机森林和XGBoost在临床与血液学指标上预测登革热的效果，并采用SMOTE处理类别不平衡。2024年数据中，扩展模型优于基准模型（随机森林ROC-AUC由0.640升至0.661），其中RDW-CV是最稳定的新增预测因子。2025年基准模型表现更高（ROC-AUC 0.904），研究认为这一差异无法用类别不平衡解释，可能反映数据质量问题，仍需外部验证。
说明基于二维生成扩散模型的逐深度推进式三维地震速度模型构建
简介该论文提出一种用二维生成扩散模型完成三维速度模型构建的方法，把三维速度块的深度维度作为通道输入二维U-Net，从浅到深顺序生成相互重叠的深度块，深层预测以浅层结果及可用地球物理约束（如测井曲线、构造属性）为条件。实验在Overthrust、SEAM Arid、SEG/EAGE及分布外的Marmousi模型上进行，结果显示该方法在参数量、训练与推理成本上明显低于同结构的三维基准模型，同时保持较高的速度建模精度。
说明群体成员并非同步变化：从Bregman聚类角度看线性化群体影响
简介该论文针对移除或加权训练数据时的群体影响评估，指出标准的一阶群体影响估计把个体贡献简单相加，会掩盖成员之间的显著差异和相互抵消的效应。作者用Bregman质心表示线性化群体影响目标，并用Bregman信息量化被忽略的变化，将其扩展到多个聚类，还提出联合优化各聚类权重的估计器。实验显示该估计器在预测目标变化时R²高于标准群体影响方法。
说明ASIWorld：在持续生存沙盒中评测自主智能体
简介该论文提出 ASIWorld，一个持久化的生存沙盒环境，角色只能看到局部信息，并支持异步编程接口，用于考察智能体能否长期执行目标。实验比较了九种智能体配置，八种完成了生产任务，六种同时完成两项任务，且执行路径与生存成本存在差异。
说明YOUDrive：将驾驶风格作为可组合方向用于端到端自动驾驶
简介该论文提出YOUDrive，一个视觉-语言-动作规划器，用于连续且可组合的驾驶风格控制。作者将各教师策略的行为蒸馏为任务向量，形成可在推理时缩放与组合的风格方向，无需重新训练主干网络。在NAVSIM navtest上的实验显示，单一系数可单调地控制六种教师风格的激进程度，且PDMS在测试配置中保持在0.90以上，最高达0.954。
说明EAIR：企业级大模型多智能体系统中的交互风险
简介论文指出，企业中的大模型智能体按角色分工，各自只能看到局部信息，因此单个动作看似合理，整体却可能违反组织规定，例如多个客服智能体各自开出的信用额度都合规，合计却超出共享上限。作者提出首个分析企业多智能体交互风险的框架EAIR，包括可测试的风险分类、可执行的微型环境EAIR-Worlds、基于执行轨迹的诊断与修复流程。大规模实验显示，在所研究的组织属性上，交互失败反复出现。
说明CESNET-TimeSeries26：用于年度季节性、概念漂移与长期异常检测的多年网络流量时间序列数据集
简介该论文发布了CESNET-TimeSeries26数据集，包含来自CESNET3网络的995天连续流量时间序列，并提供一个跨度约4.5年的子网数据。数据涵盖278,466个IP地址、285家机构和566个机构子网，采用三种聚合间隔。作者指出年度季节性是主要周期成分，并表明预测模型只有在训练窗口至少覆盖一个完整年度周期时才能利用该成分。
说明GREAT-ESDD：用于引导配送决策的图边注意力网络框架，面向在线同日配送中的动态定价与路线规划
简介本文针对在线同日配送，提出结合家中配送与代收点（OOH）选项的动态定价与路线规划框架。作者基于图边注意力网络（GREAT）训练了一个神经求解器，用于求解带容量约束的车辆路径问题（CVRP），可快速重优化部分执行的路线，并在解质量上与传统基线相当。框架通过汤普森采样在线学习顾客偏好，以引导顾客选择代收点，模拟结果显示相较传统路线求解器利润约提高11%，且仅运行5天即可优于静态定价策略。
说明面向反思型智能体的反事实遗憾及 Lean 验证保证
简介本文研究会反思、能复用反馈与记忆的语言智能体在不更新模型权重的情况下如何适应任务。作者给出了从局部生成与部署保证推导长期次线性反事实遗憾的充分条件，并在资源约束下分析完整智能体的表现。论文还用 Lean 形式化验证了全部十三个编号理论结果的条件证明链。
说明免训练的 BioNEL-RAG：借助检索增强生成与大语言模型推进生物医学实体链接
简介该论文针对生物医学实体链接任务，即把文本中提到的术语对应到标准知识库中的规范实体。作者提出 BioNEL-RAG 框架，由检索增强生成模块负责检索候选实体，大语言模型根据提及的上下文从中选出最合适的一个。实验表明，该方法无需在基因、疾病或化合物等子领域数据上训练，即可达到与现有方法相当的性能，而现有方法通常需要针对子领域微调。
说明形式化遗忘：在线持续学习中的遗忘理论
简介在线持续学习要求模型只遍历一次数据即依次学习多个任务，旧任务的灾难性遗忘是核心难题。本文对强凸与一般凸目标下的单次遍历 Shuffle SGD 进行分析，推导出最终期望遗忘的显式上界，并说明每个任务的数据量、任务相似度与任务顺序如何影响这些上界。在 Split-CIFAR-100 和 PMNIST 上的神经网络实验表明，理论所揭示的趋势在实践中同样出现。
说明LYNX：基于语义接地与闭环修正的分析式程序合成
简介本文提出LYNX，一个多智能体框架，把大模型驱动的数据分析视为受模式与知识约束的分析问题，而非一次性生成任务。它通过规划、生成、验证、修正的闭环流程，由三个角色分工的智能体协作完成，并结合语义结构蒸馏与分阶段分配（SSD-SAA）以及增量引导的迭代修订。在BIRD-SQL Mini-Dev和Spider 2.0-Lite两个自然语言转SQL基准上，其执行准确率在10.66%至59.54%之间，token消耗较此前最高效方法降低70.53%。
说明训练一个紧凑、强大且更逼真的文本转语音模型
简介该论文提出Audio8-TTS，一个0.6B参数的零样本语音克隆模型，在可懂度和说话人相似度上达到当前最优水平，尤其在感知自然度方面表现突出。作者用一个真实感评判器，将训练信号对齐到人类感知，并通过分阶段训练（多语言监督微调、带WER和SIM奖励的GRPO，以及由评判器指导的GRPO）提升了韵律自然度。
说明ProgAgent：通过程序化训练学习工具编排
简介大语言模型常需在长周期任务中调用多种工具，但逐个直接调用会使中间结果堆积在上下文中，导致性能下降。本文提出ProgAgent，通过可执行代码调用工具，并将中间结果存入运行时变量，同时包含任务合成流程、轻量运行时和两阶段训练方法。仅用215个任务，ProgAgent在四个基准上的通过率高于同等规模的基线模型；在LOCA-bench上，ProgAgent-14B在64k词元环境状态下达到30.7%的通过率，而基线为零。
说明摄像头优先的AI智能体应如何工作：区分记忆截止期与推理截止期的双时限架构
简介论文认为，未来摄像头优先的智能体面临的主要障碍不是识别能力，而是时间：许多视觉目标转瞬即逝，短时间内出现并离开。作者提出“瞬时目标交互”（ETI）形式化框架及“感知截止期契约”，将硬性的记忆截止期与软性的推理截止期分开，并设计了由常开快速路径、事件驱动的主动记忆机制与延迟审议层组成的双时限架构。论文还在MOT17数据上进行了验证，并依据前沿模型的实测延迟校准基线。
说明用于多模态对比学习的先验拟合与冻结评分器
简介本文研究多模态对比学习中用于衡量跨模态相似度的评分函数。作者用 Transformer 作为评分器，发现随机初始化并冻结的模型就能超过部分手工设计的基线方法。作者进一步提出先验拟合评分器（PFS），先在由结构因果模型生成的合成多模态数据上预训练，再迁移到真实数据。在四个真实数据集上，冻结的 Transformer 评分器与对比基线相当，先验拟合还能进一步提升效果。
说明谁得到尊称？孟加拉语敬语分配偏差的反事实基准
简介本文利用孟加拉语第三人称必须选择普通或敬语形式的特性，考察大语言模型在英译孟加拉语时如何分配敬意。作者构建了2016个句子、涵盖72种职业的反事实评测集，并为九个模型计算了0至100的敬语偏差分数（HBS），分数越低表示敬意分配越均衡。结果显示职业对敬语选择的解释力远大于性别，且只有两个模型存在显著的性别差异。
说明CUSE：基于反事实引导与同策略自蒸馏的细粒度多模态遗忘方法
简介多模态大语言模型可能复现训练数据中的敏感、受版权保护或不安全信息。该论文提出CUSE框架，先通过移除目标相关证据构造反事实输入，据此找出需要更强遗忘的词元，再在当前模型采样的回答上进行词元级的遗忘与保留蒸馏。在MLLMU-Bench上，CUSE使遗忘集ROUGE-L降低33.6%，保留集ROUGE-L比最强基线高1.2%。
说明CrossMean：通过配对合并模型与专家激活进行模型合并
简介本文研究无需重新训练、将多个微调专家模型合并为一个网络的方法。作者指出，现有闭式合并方法的统计量只基于单个专家计算，而合并后模型各层接收的激活来自前面已合并的层。作者提出CrossMean，用同时配对合并模型与专家激活的双线性统计量替代其中一侧的矩阵，在八任务视觉与BERT实验中优于仅用专家统计量的方法，全线性层合并时也优于在合并模型中重新测量统计量的做法。
说明《宪法说 Nheengatu》：面向亚马逊通用语的开放机器翻译系统与可复现语料流程
简介本文针对亚马逊地区的 Nheengatu 语（约 6 至 1 万使用者，在巴西圣加布里埃尔-达卡绍埃拉市为共同官方语言），构建了规模最大的葡语—Nheengatu 平行语料（14.5 万对，其中 1.45 万对见正文），以 2023 年巴西联邦宪法官方译本为核心。作者还建立了基于转录口语的翻译评测集，并发布了首批双向葡语—Nheengatu 开放权重机器翻译模型。葡语译为 Nheengatu 的最终系统在宪法文本上 chrF++ 为 31.7 至 32.8，口语评测集上为 45.2 至 47.5。
说明重新思考人机协同优化中的意见测量界面
简介本文面向人在回路优化系统，研究如何设计让人类用户提供反馈的界面。作者比较了六种代表性意见测量界面，并以文本摘要和图像调色两项任务进行了N=360人的研究。研究认为，列表式（listwise）方法能够兼顾单项评分与偏好选择的局限，并提供更多可供后续使用的信息，文中还讨论了不同界面设计的权衡。
说明阿姆哈拉语-英语跨语言问答：统计机器翻译、命名实体识别与语义索引
简介本文介绍一个双向阿姆哈拉语-英语跨语言问答系统，用户可用阿姆哈拉语或英语提问，并从另一种语言的文档中检索答案。系统整合统计机器翻译、基于最大熵的阿姆哈拉语命名实体识别、语义索引及段落检索等模块。阿-英方向的检索精确率为72%、召回率为79%；英-阿方向分别为65%和70%。
说明GateSight：循环记忆预示注意力记忆，用于混合大语言模型中与查询无关的KV缓存淘汰
简介论文研究混合大语言模型中，固定大小的循环记忆（GDN层）能否预示全注意力层所需的键值缓存。作者提出GateSight，用每个注意力头的轻量多层感知机，依据预填充阶段GDN层产生的门控、衰减和写入幅度信号预测每个KV条目的未来效用，并据此在预填充后一次性淘汰缓存条目。在SCBench和RULER-4096上，使用十分之一的注意力KV缓存，GateSight在多数模型与基准组合中准确率最高。
看点利用GDN层预填充时的门控信号预测注意力KV条目效用，提出新的查询无关淘汰思路，并在两个模型与基准上对比验证，效果突出。
说明近线性时间内计算随机傅里叶特征
简介随机傅里叶特征用于近似平移不变核（如高斯核），通常需要 O(md) 时间生成 m 个特征。已有的结构化随机特征方法能加速计算，但集中性保证较弱。本文提出一种可在近线性时间 O((d+m)log d) 内计算、并具有近似次高斯集中性的随机特征映射，通过对 Fastfood 特征映射的更紧致分析得到。
说明金融模块化强化学习中信用分配的等信息评估
简介本文针对金融模块化强化学习中的信用分配评估问题，提出结合等信息重构对照、固定效用比较和预设下游约束的评估框架。作者在模块化交易架构中进行了三项受控实验，涵盖更新分配、监督目标表示和投资组合风险控制。结果显示，某些归因信号与普通损失预算对照效果相同，而部分监督方式改善了组件预测却未能保持决策结果。
说明领域更多，收益更多吗？FLO：面向多领域图预训练的快慢互反学习方法
简介论文指出，现有图基础模型在多领域预训练中难以随领域增多而受益，原因包括仅依赖单一消息传递范式，以及领域对齐参数在早期受跨领域干扰。作者提出FLO方法，用无消息传递的属性分支辅助模型学习，并结合跨当前领域的快过程与跨领域整合的慢过程。在12个数据集上，FLO在跨领域与跨任务迁移中取得最佳平均性能。
说明BridgeWAM：通过潜在桥接查询连接视频与动作专家
简介该论文提出 Bridge-of-Experts（BoE）及其实现 BridgeWAM，用 32 个潜在桥接查询将视觉、语言与本体感知信息汇聚到一个有限的共享潜在空间，使动作专家通过交叉注意力有选择地获取任务相关信息。该方法解耦两类专家的深度，模型参数约 5.06B，在 LIBERO 上成功率为 98.25%，在 LIBERO-Plus 上综合成功率为 72.24%。相较 Fast-WAM，单样本推理 FLOPs 降低 28.72%，真机延迟为 77.1 ms。
说明SAGE：推动2比特向量量化大语言模型走向实际可用
简介本文提出SAGE方法，用于仅权重的极低比特（2比特）向量量化，以降低大语言模型的部署成本。方法包含能量分层分组（ESG）和自适应比特拆分（ABS）两项设计，分别用于保护敏感权重通道和在固定比特预算下平衡方向码本与半径精度。论文称其在2比特设置下达到当前最优的多基准表现，在Qwen3-30B-A3B上保留了BF16模型95.3%的平均得分，并通过自定义CUDA内核实现了相对FP16最高2.55倍的非流式端到端加速。
看点在向量量化中引入能量分层分组与自适应比特分配，针对2比特场景做了有实质改进；在多类基准和真实模型上验证，并给出定制CUDA内核的加速结果，对模型部署有实用价值。
说明基于人类偏好反馈与直接偏好优化的日文手写体生成
简介本文提出一种日文手写体生成框架，利用直接偏好优化（DPO）引入人类偏好反馈，使生成模型更符合人类的认知与书写风格偏好。由于手写具有非确定性，同一字符的字形每次都略有差异，收集大量数据成本高，而人对两个样本的成对比较则较容易完成。实验在四种日文手写风格上进行，结果显示DPO训练提升了整体结构准确性，但在毛笔书写等变化很大的复杂风格中，模型未能捕捉风格特征。
说明sGLP：用随机代理模拟人群
简介草根平台由参与者自己拥有、运营和治理，应用由人与人之间的智能手机程序构成。本文提出 sGLP，即带有速率扩展的 GLP 语言，可用随机代理代替真人，在大规模下模拟由 vGLP 程序部署的草根平台。作者在草根社交图和草根货币上做了演示，并报告不同行为画像组合对社交网络和货币流通的影响；还证明了用 sGLP 代理替换界面与真人后，每次运行仍是合法的 vGLP 运行。
说明PTGPO：前缀树分组策略优化，一种用于长程语言智能体训练的无评论家强化学习方法
简介该论文针对语言智能体在长程交互任务中因稀疏终局奖励而难以为中间动作分配信用的问题，提出无需评论家的前缀树分组策略优化方法（PTGPO）。方法在锚定状态分组内对轨迹后缀构建前缀树，每条边的信用为子节点与父节点经验平均回报之差。在 ALFWorld、WebShop 和 Sokoban 三个交互基准上，该方法相对强化学习基线持续提升效果。
说明以策略思考、以工具行动：面向组合优化问题的可追溯智能体优化方法
简介该论文针对OPRO方法中优化过程难以追踪、LLM无法利用前序迭代信息的问题，提出工具增强策略智能体TASA。TASA基于优化轨迹为每一步规划策略，并让LLM构建针对具体问题的工具，通过策略引导的自适应工具规划器更新解。论文给出了持续探索下的局部收敛性证明，并在共享候选评估预算下评估该框架，结果显示其解的质量较好且策略引导搜索可追溯。
说明Align-VAE：让 VecSet VAE 的注意力与几何对齐，用于三维重建
简介该论文研究基于集合的变分自编码器（VecSet VAE）如何把三维形状表示为一组潜在标记，并发现这些标记与几何表面的对齐存在四类问题。作者提出 Align-VAE，通过共享可学习解码标记、距离偏置交叉注意力、无法线的编码器查询以及受屏蔽泊松方程启发的正则项进行改进。在 ABO 数据集上，其 Chamfer 距离比标准 VecSet VAE 降低 26.6%。
