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LiveAnon：用编解码语言模型改进流式说话人匿名化中的隐私与可用性
简介该论文提出LiveAnon，一种基于语音转换的流式说话人匿名化系统，用于隐藏说话人身份，同时保留语言内容和情绪。系统让自回归编解码语言模型直接依赖预训练流式ASR编码器的隐藏特征，并提出带上限的RVQ解码以降低延迟。在VPC24和VPC26评测中，它在可懂度、情绪保留和隐私方面表现较好。
说明印地语系分词器原地扩展与 Nemotron-3-Nano-30B-A3B 的持续预训练
简介该研究在不改变主干架构的前提下，把 Nemotron-3-Nano-30B-A3B 适配到八种印度语言。词表由 131,072 扩展至 163,072，每词 token 数减少 38.6%。经过约 1.27 万亿 token 的持续预训练后，退火检查点在 Indic MILU 基准上提升 12.9 分，但在英文 MMLU 上下降 3.4 分。论文还报告了若干负面结果。
说明用更少的比特、更多次尝试：在内存约束下恢复模型能力
简介该论文研究在内存受限时，能否通过让较小或压缩后的模型多次生成，并用公开或模型生成的测试筛选输出，来弥补与大模型之间的能力差距。在四个代码生成基准上，经过验证的重试恢复了因模型规模或压缩而损失的大部分准确率。论文报告，8 次并行尝试的 7B Qwen 模型在 MBPP+ 上与 32B 模型基本持平，在其他三个基准上超过后者，同时模型内存约少 4 倍、速度最多快 6 倍。
说明一款面向印度语言、自主可控的推理模型（Gnani-Evon-v3.3-30B-A3B）
简介该论文介绍 Gnani-Evon-v3.3-30B-A3B，一款支持长上下文、用于推理、指令遵循与工具调用的混合 Mamba-Transformer 专家混合模型，覆盖英语和八种印度语言。模型以 NVIDIA 的 Nemotron-3-Nano-30B-A3B 为起点，扩充词表并进行持续预训练与后训练。强化学习提升了数学、研究生级科学和指令遵循能力，但降低了印度语言抽取式问答表现：用英语作答的比例从 8.7% 升至 91.7%。
说明ANTE：先预判再执行——从已验证的内部信念学习编码智能体的内部世界模型
简介该论文提出ANTE框架，让编码智能体在每次行动前先给出内部预测，并用真实执行结果验证这些预测，再据此为每一步行动分配信用。在SWE-bench Verified上，Qwen3-32B的pass@1从25.0%提升至57.2%，并且其世界模型的预测准确率在强化学习过程中从44%升至69%。
说明TRACE：面向更安全语言生成的时序风险评估与概念编辑
简介该论文提出TRACE框架，在大语言模型生成回复的过程中持续跟踪有害内容风险，并对与有害概念相关的内部激活进行选择性编辑。框架通过学习概念码本和GRU模型预测风险，并用外部大模型对概念做事后标注，以便审计。实验显示其在多数对比中提高了流式检测的F1值，同时降低了Harmbench攻击成功率，对原本安全回复的拒答影响较小。
说明基于 Lipschitz 边界分析的预训练分类器对抗检测与认证
简介该论文针对安全关键场景中预训练分类器易受小幅对抗扰动影响的问题，提出以检测为目标的认证方法：证明 ℓ2 球内的对抗输入会被检测到。作者通过 Lipschitz 边界分析把认证鲁棒性归约为估计单一 Lipschitz 常数 L，并提出两类无需重训练的检测器。在 MNIST、CIFAR-10 和 ImageNet-1k 上的实验显示，其检测器与五个基线方法相当或更优。
说明UniForge3D：在共享锚点引导空间中联合进行三维重建与生成
简介该论文针对从稀疏、无位姿图像生成完整三维资产的问题，提出UniForge3D，在共享的锚点引导空间中同时建模重建与生成，以解决两者坐标系不一致的问题。方法让两个分支双向交换特征，预测逐视角点图与完整稀疏体素结构，并为每个体素选择信息量最大的输入视角，以提升细节保真度。论文称其在Toys4K和GSO数据集上取得了外观与几何方面的最优结果。
说明JSIR：一个与音频对齐的爵士标准曲多任务数据集
简介本文提出JSIR（爵士标准曲信息检索数据集），收录44首爵士标准曲的267个录音，总时长25.6小时。数据包含节拍与强拍位置、和弦及段落的标注，均由爵士音乐家制作并多次修订。作者称，使用JSIR训练的模型在其他爵士数据集上表现有所提升，并公开了标注、标注工具和同步显示音频的网页应用。
说明基于微调视频Transformer的视频性骚扰检测
简介该论文面向视频中的性骚扰行为检测，将公开的SHV数据集扩展到600个来自YouTube并标注为骚扰与非骚扰两类的短视频。研究者在Kinetics-400上预训练的VideoMAE、ViViT和TimeSformer三种视频Transformer模型上进行微调，用于二分类。结果显示TimeSformer测试准确率最高，为92.27%，高于VideoMAE的91.71%和ViViT的91.16%。
说明Siam-ALS：一种结合脑电与眼动信号、用于肌萎缩侧索硬化早期检测的可解释孪生深度学习框架
简介该论文提出 Siam-ALS 框架，联合分析同步采集的脑电（EEG）和眼动追踪（ET）信号，用于辅助识别肌萎缩侧索硬化（ALS）。模型使用权重共享的孪生分支融合两类特征，在公开的 EEGET-ALS 数据集上按受试者划分交叉验证，准确率为 0.988，AUROC 为 0.998；在独立的 BigP3BCI 数据集上跨数据集测试，AUROC 约为 0.98。作者还评估了六种可解释性方法，其中 SHAP 在识别关键特征方面表现最好，但与其他方法的差异无统计学显著性。
说明Gugak-VocalSet：带 sigimsae 标注的韩国传统唱法多风格录音数据集
简介本文发布了 Gugak-VocalSet，这是首个公开可用、带有 sigimsae（韩国传统声乐中的结构化音高曲线）密集标注的韩国传统唱法音频数据集。数据集包含 305 首独唱录音，共约 24.5 小时，由 20 位专业歌手在录音棚中完成。数据还提供统一的 sigimsae 分类体系及约 68,000 个音频片段标注，由 14 位专家标注。基准实验显示，基于领域知识的 F0 特征在分类任务上优于冻结的通用音乐基础模型。
说明CodeWalk：通过遍历问题图生成编程基准
简介该论文提出一种几乎零成本生成编程题目的方法：把已验证的原子问题组合成多层级任务，仅保留所有原子问题仍未被解决、且联合参考解通过评测检查的任务，整个构造过程无需语言模型参与。作者在多处理缺陷修复、证明补全、复杂度分析和克隆等价四类编程场景中实例化了该方法。结果显示，生成的任务对前沿模型具有挑战性，且随组合深度增加性能下降；用其做拒绝采样微调还能提升 Qwen3.5-9B 在各组合层级上的表现。
说明跨视角与时间的轨迹泛化物理攻击：针对世界模型与视频理解模型
简介本文研究一种可打印的物理对抗纹理能否在物体与相机轨迹变化的真实场景中误导世界模型和视频理解模型。作者提出轨迹感知的对抗对齐与精炼攻击（TARA），结合轨迹感知优化与对比对齐，并在EPIC-KITCHENS-100和Something-Something V2上建立可复现的测试基准，还采集了真实打印再拍摄视频。结果显示，单一纹理可在物理条件下持续干扰这些模型。
说明StimFlow：通过刺激条件流匹配从图像合成脑活动
简介该论文提出StimFlow，利用条件流匹配（linear path）直接在原生体素空间中生成fMRI脑活动，而非压缩潜在空间。模型结合DINOv2结构特征与CLIP语义特征以匹配视觉皮层层级。单次采样即可达到每体素皮尔逊相关0.371，与平均五次采样的基线相当；仅一小时扫描数据即可恢复超过一半的全数据性能。
说明MultiFlow：基于刺激信息源流匹配的视觉驱动多模态fMRI编码
简介该论文提出MultiFlow，一种用于fMRI编码的生成式框架，把同一刺激下神经响应的分布而非单一点估计作为预测目标。它基于条件流匹配并提出刺激信息源流匹配（SISFM），让源分布依赖于刺激，并用扩散Transformer作为速度场解码器。在Algonauts 2025数据集上，单个模型的表现接近大型确定性模型集成，同时还能给出刺激条件下的不确定性估计。
说明CoLA：通过学习适配器协调多个视觉-语言-动作模型
简介论文提出CoLA，在每个智能体冻结的视觉-语言-动作（VLA）主干之上，训练轻量消息通道和每臂扩散动作头，使多个机器人在去中心化执行下协作。实验显示，当每个智能体的信息是私有时（如仅一方能看到箱子颜色标记），消息通道非常关键：遮挡托盘交接任务中成功率为76.0%，消息置零时仅为1.3%。在共享俯视摄像头的双臂、三臂交接任务中，去掉消息影响很小。
说明ZOIF：仅用前向传播的零阶影响函数估计，用于大模型数据筛选
简介该论文提出ZOIF方法，用于估计大语言模型训练样本的影响力，从而筛选数据。它完全依靠前向传播完成计算，无需反向传播，以降低内存开销。实验显示，所选数据子集的下游效果与基线方法相当，部分情况更优，且峰值内存明显更低，总计算时间相近。
说明基于学习预条件子的全波形反演
简介全波形反演（FWI）用于重建地下速度模型，但受病态性和高成本限制。该研究用在逆时偏移（RTM）图像上训练的神经算子作为FWI的学习预条件子，比较了标准傅里叶神经算子（FNO）与雅可比信息FNO（JI-FNO）。结果显示JI-FNO模型误差最低，而标准FNO不稳定；研究还指出，仅预测RTM图像不足以实现有效的学习预条件，需要准确的学习导数和目标一致的使用方式。
说明BaT-SAM：通过卷积专家混合为SAM引入归纳偏置，用于脑肿瘤分割
简介该论文提出BaT-SAM，一种参数高效的适配框架，使Segment Anything Model（SAM）能够对MRI图像进行全自动脑肿瘤分割。方法通过Conv-LoRA向冻结的ViT编码器注入局部归纳偏置，并引入无需用户提示的轻量自提示框回归器。在BRISC2025基准上加权平均IoU为0.832，在Figshare和LGG MRI数据集上Dice分别为0.702和0.784。
说明锚定与收获课程（AHC）：Craftax 上无 LLM、完全不遮蔽动作的课程学习方法
简介论文提出一种基于领域知识、规则驱动的训练系统 AHC，用于 Craftax-Full 游戏环境。该方法不使用大语言模型推理，保留全部 43 个动作。在约 20 亿个 PPO 训练步后，三次主要运行的原生任务回报为 46.70±0.57，高于同架构原生 PPO-GTrXL 基线的 41.91±1.01；多数差距来自中级成就，最深层成就仍未解决。
说明CIViC：用代理任务检验音频条件视觉预测的证据门控协议
简介本文提出 CIViC（条件输入与视觉解释检验），一套四道门控的评估协议，用于判断视觉预测模型的输出变化是否真正来自预期的音频信息，而非其他因素。作者在演员不重叠的人脸测试、合成音频特征混合以及源视频不重叠的 SpeakerVid 代理任务上进行了验证。结果显示，输出激活、留出集误差和终点控制分别支持不同的解释。
说明TempoKV：面向自回归视频生成的预测式KV缓存量化
简介自回归视频扩散模型可以流式生成长视频，但其KV缓存随生成不断增长，占用大量内存。论文发现视频KV缓存随时间高度可预测：键主要由时间历史决定，值则主要依赖当前键和少量历史值。据此提出免训练的预测式量化框架TempoKV，只以低精度存储残差，预测器通过线性回归离线校准一次。在Self-Forcing、Causal Forcing和LongCat-Video-13B上的实验显示，其在相近或更高压缩比下生成质量优于现有方法，最高可实现6.71倍的KV缓存压缩。
说明用于非线性纵向预测并考虑个体异质性的深度神经混合模型
简介该论文提出深度广义神经网络混合模型（DGNMM），在GLMM框架中用深度神经网络学习总体层面的非线性关系，并加入可训练的个体随机效应以刻画个体差异。模型通过预测导向的随机优化及对神经网络参数和个体效应的分别正则化进行估计。在模拟与真实数据（抑郁与焦虑）中，DGNMM对连续结局预测的MSPE最低；个体效应大小与预测增益并无显著关联。
说明SuperAI：跨异构基础模型的能力融合（一种将多个不同架构大模型的互补能力整合到单一模型中的方法论文）
简介该论文提出SuperAI框架，用于把多个不同架构基础模型的互补能力整合进一个宿主模型。方法上，先用共享锚点样本提取任务相关表示，经主成分分析构建低维功能子空间，再用正交Procrustes映射对齐坐标系，并训练轻量残差MLP注入宿主模型。原文称，在三个宿主模型、15个能力领域的实验中，SuperAI的平均领域得分高于所评估的跨架构融合方法，且随源模型增加更好地保留了通用能力。
说明通道匹配：校准形状潜变量以实现少步三维生成
简介该论文针对原生三维生成模型采样慢的问题，提出一种少步蒸馏框架，结合连续自一致性训练、专用注意力内核与解析速度回归目标，并用自适应损失加权平衡训练目标。作者还发现少步采样会造成潜变量分布漂移，导致纹理伪影，并提出无需训练的逐通道潜变量校准方法“Channel Match”。在TRELLIS.2（1024³分辨率）上，两步模型的几何采样速度提升4.5倍，几何质量与多步教师模型相当，校准后渲染质量进一步提高。
说明FENAS：结合零成本代理的少样本元集成神经架构搜索框架
简介该论文提出FENAS，一种用于神经架构搜索的少样本预测框架，核心模块CAST通过copula对齐和协同变换整合多种零成本代理信号，形成紧凑特征并用轻量元学习器排序架构。在NAS-Bench-201上仅用0.5%的标注样本即达到Kendall's Tau 0.70，并在约1138秒内完成该搜索空间的评估，测试精度具有竞争力。
说明WisdomNet：面向零误分类的可信机器学习
简介本文提出“可信学习”，让分类模型在无法确定结果时拒绝给出判断或交由人工专家处理，以避免误分类。作者提出 WisdomNet 架构，通过增加一个称为共轭神经元的额外神经元，指示网络能否正确分类。论文报告，在多层感知机、卷积神经网络和深度网络等多种结构与数据集上，WisdomNet 可将分类错误率降至 0%，同时约 10% 以内的数据被标记为“拒绝”。
说明CHEAR：基于混淆层次证据感知的低成本人体活动识别推理方法
简介该论文针对基于可穿戴传感器的人体活动识别，提出CHEAR方法，把部分知识组织过程前移到离线阶段：根据跨受试者检索中反复出现的错误构建活动层次结构，并建立活动对的判别知识。推理时，层次结构决定候选活动的比较顺序，大模型逐步保留候选，仅对剩余活动调用局部判别知识。论文报告在八个数据集上平均跨受试者准确率为86.79%，候选缩减率为75.91%，真实活动保留率为96.44%，每样本token用量比无层次结构的变体平均低85.15%。
说明HGA-Quant：面向自回归视觉生成模型的异质感知量化方法
简介该论文针对自回归视觉生成模型计算和内存开销大、难以部署到边缘设备的问题，提出一种免训练的后训练量化框架，包含尾部感知的权重量化器校准（T-BGR）和由粗到细的激活精度调度（CAPS）两部分。在Infinity模型上，该方法在有效W4A5.6激活精度下实现了接近全精度的图像生成质量，而现有方法在W4A6下仍有明显质量下降。
说明基于本体引导的智能体检索增强框架，用于人体活动识别（含个性化记忆）
简介本文提出OntoAR-HAR框架，利用树状活动本体将活动识别分解为语义相近活动之间的局部决策，并结合静态群体知识与推理时收集的个人观测记忆。实验显示，该方法在跨受试者和异构传感设置下表现提升，并在多个大语言模型主干上取得较优结果。
说明Co-DSL：人机协同设计可复用空间概念以生成布局
简介该论文提出Co-DSL框架，用户与大语言模型（LLM）协作，共同设计用于布局生成的可复用空间概念。用户先创建个性化操作库，LLM据描述生成实现并根据反馈修订；随后LLM编写布局程序，由求解器搜索满足概念约束的布局。实验覆盖五个空间布局领域，结果显示该系统能捕捉先前固定操作系统难以处理的布局模式。
说明ASM-6D：基于完整对应流图的快速可验证位姿与形状推断
简介该论文提出ASM-6D方法，用于在缺少物体精确模型时，从RGB-D图像中同时估计物体的6D位姿和形状。方法通过生成式的完整三维对应假设，并与类别级主动形状模型共享点的身份，直接拟合旋转、平移、尺度和形状。作者在ROPE和HouseCat6D基准上报告了领先的结果，并给出了6至38赫兹的推理速度。
说明利用荧光显微图像次要颜色通道的蛋白质结晶分割与分类
简介本文针对荧光显微图像中的蛋白质晶体检测，提出利用荧光发射光谱中比峰值波长更长的次要颜色通道强度，并以其百分位强度构建分割方法。相比主要颜色通道，该方法使把晶体或可能线索误判为非晶体的错误率从9.71%降至2.02%（视分类器而定），分类准确率提高1.77%至5.53%，整体约94%。另外两种蛋白质的新湿实验误判率也低于1%。
说明FragFlex：基于片段的灵活分子生成方法，用于探索庞大化学空间
简介本文提出FragFlex，一种以片段为单位进行节点插入和删除的可变长度离散扩散模型，用于生成分子。模型在去噪过程中同时学习片段图的大小、片段种类及片段之间的连接方式，再通过原子级转换得到分子。在生成1000万个分子的大规模实验中，该方法实现了接近完美的化学有效性，同时保持较高的唯一性。
说明离线策略评估中数据发布必须保留哪些信息
简介本文研究离线策略评估（Off-Policy Evaluation）中的数据发布问题：若合并了对特定策略价值或比较有不同影响的决策历史，即使动作、结果及行为与目标策略已知，评估也可能不可识别。作者刻画了必须保留的区分，给出最粗精确发布方式，并提出在每条记录至多细分为 m 类时的发布设计优化方法及有限数据修复算法。实验在 KuaiRec 的 24 个任务中，m=64 时修复算法使平均两两尖锐宽度中位数下降 93%。
说明北韩还是南韩？诊断大语言模型对北韩语言、社会与知识的理解
简介本文提出LENS基准，包含1,765个经人工验证的问题，从语言稳健性、社会文化视角对齐和领域知识三个维度评估大语言模型对北韩相关内容的理解。结果显示，模型在北韩语言输入上表现略有下降，在社会文化视角对齐上差距更大，领域知识方面局限明显。作者指出，语言相似并不等于能够理解社会文化与领域知识，因此需要针对此类语境的评估资源。
说明不完美验证器，精确目标：连续生成中的推理时扩展
简介本文提出连续状态验证器引导回溯方法（CS-VGB），在推理时通过反复去噪与加噪，从奖励倾斜分布中采样。作者称，即使中间验证器不准确，在正确配对的转移下，该方法在干净检查点的平稳分布仍等于目标分布。论文还在可解析设定、图像生成和多机器人规划任务中做了实验。
看点提出在不完美验证器下仍能精确采样奖励倾斜分布的推理时方法，并给出收敛与更新次数的理论保证，实验覆盖图像与机器人规划。
说明GeoBridge：面向几何视觉的可迁移解码器拓扑进化搜索
简介该论文提出GeoBridge，通过进化搜索自动设计解码器的内部结构（残差、顺序、并行等组合方式），并用无需训练的梯度敏感性代理指标筛选候选结构。所选结构可迁移到深度估计和高斯新视角合成等不同任务中。文中报告其在NYU Depth V2和KITTI上深度估计精度最佳，并在RealEstate10K上达到27.11 dB PSNR，同时可支持LERF上的开放词汇分割。
说明正确答案背后的潜在知识是否稳定？
简介该论文指出，只看大模型输出是否正确，无法确认支撑答案的内部知识表征是否稳定。作者提出潜在状态稳定性和知识拓扑稳定性两项指标，并构建了包含4411个条目、76766个受控查询的EpiStableBench基准进行测试。实验覆盖16个模型，结果显示即使基础条件下答对的条目，表征稳定性也差异很大。
说明LeHami：用于世界模型的辛哈密顿潜在动力学
简介该论文提出 LeHami，一种基于辛哈密顿结构的联合嵌入预测架构，用于在潜在空间中学习世界模型。它用由动作条件化的哈密顿流替代普通预测器，并以精确辛的蛙跳步进行积分，使长时间推演中潜在相空间体积保持不变。在保守与受控的视觉摆锤环境中，相较于无约束基线，该方法在长时域速度预测上有明显提升，并在基线出现收缩时保持潜在体积恒定。
说明RECAP：在低比特推理模型的历史上下文上进行校准
说明Sequent-Prover：训练可形式化、可核验的基于SMT推理的智能体
简介该论文提出Sequent-Prover，一类调用求解器验证的语言模型智能体及其后训练方法。智能体在可执行的SMT-LIB草稿中推理，调用Z3求解器并根据反馈修正形式化。训练方法通过筛选正确、可执行的多轮轨迹进行监督微调和偏好优化。在37个基准、每个模型族7,254道题上，4B模型的单次准确率从85.6%提升至97.0%，四次全对可靠率从64.1%提升至91.7%，平均SMT调用次数从4.10降至2.52。
说明面向多变量时间序列异常检测的相关性感知重构方法（CARMA）
简介论文指出，基于重构的多变量时间序列异常检测器把时序动态与通道间关系压缩进同一个隐空间，难以发现各通道单独看正常、但联合行为偏离常态的跨通道异常。作者提出 CARMA，一种含时序隐变量与相关性隐变量两个互补隐空间的变分自编码器，并在 TSB-AD-M 基准（17 个数据集、180 条序列）上与 29 个基线方法比较，报告 VUS-PR 为 0.4929，在多项指标上显著优于全部基线。消融实验显示，去除相关性分支会降低性能。
说明ObsSpec：通过观测推测加速智能体强化学习
简介工具使用型智能体在模型生成与工具执行之间交替进行，需等待每次工具调用完成后才开始下一轮生成，在需要大批量多轮采样的智能体强化学习中成本较高。本文提出ObsSpec，用一个小型世界模型在环境执行工具时预测工具输出，使策略可提前开始下一轮生成；只有预测观测与实际观测完全一致时才保留推测结果，从而保证采样过程无损。在终端操作任务上，0.6B世界模型的预测有66.4%与实际观测完全一致，且速度约快16倍；8B和32B策略的智能体延迟分别降低9.3%和14.2%。
说明基于MSR-Net的颈动脉粥样硬化炎症PET自动分割
简介本文提出一种名为MSR-Net的两阶段深度学习方法，用于在64Cu-CANF-comb PET影像中自动分割颈动脉粥样硬化炎症区域并量化摄取值，同时考虑部分容积效应。研究使用结合MR图像与GATE蒙特卡洛模拟生成的带真值合成PET数据进行测试，结果显示该方法在模拟条件下的分割与定量表现优于U-Net、Transformer U-Net和DUCK-Net等基线。作者指出，该患者分析仍属初步，临床应用前需要外部验证。
说明EvolvAttack：针对自我演化视觉语言模型智能体的后门攻击
简介论文提出一种新的攻击方式，称为自我演化后门：恶意载荷在初始智能体中处于休眠状态，随着智能体通过记忆不断演化而逐步激活。攻击需要同时满足视觉触发器和足够演化的记忆状态，因此对干净记忆的静态扫描几乎检测不到。实验覆盖三种视觉语言模型骨干、四种智能体流程以及三种记忆演化方式，演化前攻击成功率仅0.5%，100次交互内超过95%。
看点提出自演化智能体中的新型潜伏后门攻击面，需视觉触发与记忆状态共同激活，静态扫描难以发现；实验覆盖多骨干与多种记忆机制。
说明稀疏多面体正则化中霍夫曼常数的显式界
简介本文针对稀疏正则化中出现的一类结构化多面体系统，推导了霍夫曼常数的显式界。霍夫曼常数用于刻画残差与解集距离之间的关系，影响误差界和一阶算法的收敛速度。作者证明这些常数可分解为谱、几何和交互三部分，并以 ℓ1 正则最小二乘为主要应用，同时扩展到弹性网和自适应 ℓ1 形式。
说明ClinEdge：一套由专家评分的真实患者疑难病例基准，前沿多模态模型在此失败
简介该论文提出 ClinEdge 基准，包含 32 个来自真实临床实践的去标识化患者病例，每例含影像与简短病史。七个前沿系统共完成 224 次评估，并由资深骨科医生及 19 名医师小组进行两阶段专家评分。结果显示所有系统表现都很差，且多数失败模式相同；作者归纳出五类共 18 种反复出现的失败模式。论文公开了其中 4 个病例，其余 28 个保留作为外部评估之用。
说明面向AI就绪的ARPES社区数据库框架
简介本文提出角分辨光电子能谱（ARPES）社区共享数据库的实施框架，该技术长期积累了四十多年的光谱数据，但目前以论文为中心的流程只保留了其中很少一部分。文章总结了社区研讨会的成果，并提出分阶段路径：近期提升数据标准化与可引用性，中期推动跨实验室工具与自动化实验，长期则为量子物质的基础模型提供语料。
说明MoMaTune：面向数值记录的语言模型两阶段后训练方法
简介该论文指出解码器语言模型在处理数值数据时表现不佳，原因在于数值被序列化为文本后，模型对数字位数敏感性及同一记录内各字段的统计依赖关系缺乏监督。作者提出MoMaTune两阶段方法：第一阶段用无标签记录进行下一词预测（Model），可选地加入同一记录一致性目标（Match）；第二阶段进行下游目标预测的监督微调（Tune）。在8个公开数据集的169,285条记录上进行评估，结果显示该方法提升了数值补全等任务表现。
说明用证据中心设计指导测量中的提示工程：以自动作文评分为例
简介论文指出，教育场景中大语言模型的输出质量取决于用户如何构造提示词，而现有提示工程多靠反复试错，缺乏结构，可能带来效度问题。作者提出把教育测量中的证据中心设计（ECD）框架作为提示设计的依据，将学生模型、证据模型和任务模型对应到提示的各个组成部分，并由此得出五条设计原则。在自动作文评分任务上，作者将ECD设计的提示与当前最先进的提示基线进行对比实验，结果表明把提示视为测评设计而非随意指令，有助于提升AI生成教育输出的效度、信度和公平性。
说明从文字到世界：在真实物理环境中评测大语言模型
简介该论文提出一个基准测试，用于评估大语言模型在闭环物理交互中的表现：模型通过控制连接机械臂、摄像头和传感器的实验装置下达指令，并根据环境反馈调整下一步动作。实验结果显示，模型在将语言推理转化为物理动作时存在幻觉式状态判断、意外结果后恢复能力弱以及长程计划不稳定等问题。
说明理解统一视觉语言模型：从注意力探测到引导调优的多模态生成研究
简介这篇论文研究同一个 Transformer 主干同时完成文生图和图生文的统一视觉语言模型内部如何处理条件信息。作者通过探测每个注意力头在无分类器引导两个分支间的激活差异，发现部分注意力头对条件变化更敏感，其他头则无关，且这一模式在两个方向上基本稳定。基于此，作者提出无需额外训练的推理时干预方法 HeadTuned-CFG，在注意力头层面调整条件引导，在两个方向上都有提升，其中文生图的提升尤为明显。
说明在可学习低秩子空间中对大语言模型进行零阶微调
简介零阶优化可以在不反向传播的情况下节省显存地微调大语言模型，但在高维参数空间中方差较大。本文提出AdaSub-ZO框架，用有限差分反馈迭代学习逐层的投影矩阵，替代固定的随机矩阵，并加入子空间动量来平滑梯度估计。在自然语言理解任务上的实验显示，该方法优于已有的零阶基线，并降低了梯度估计方差、加快了收敛。
说明通过部分委托给多智能体协议，由大语言模型持续编排异构机器人团队
简介该论文针对持续运行、环境不断变化的任务（如灾难救援），提出由大语言模型编排机器人团队的框架。框架用马尔可夫状态摘要替代不断增长的交互历史，让编排器把部分机器人委托给自主多智能体协议，并通过观测过时提示与事件触发的重新提示保持团队警觉。在模拟城市搜救任务中，该框架救出98%的平民，最强基线为89%，且所用令牌数约为其六分之一。
说明非欧几里得梯度下降存在多个稳定边缘
简介本文研究非欧几里得梯度下降在二次目标上的稳定性。对于一般范数，在2/S到2/μ之间的中间步长区间内，可能出现任意多个与不同吸引方向相关的稳定边缘。作者还证明，只有希尔伯特范数能使2/S成为几乎处处的锐利阈值。
说明HarnessNet：面向多智能体系统、基于反馈的分层联合“执行框架”进化方法
简介该论文提出HarnessNet框架，让多个AI智能体在保持基础模型不变的前提下，依据环境反馈分层修改各自负责管理输入、工具调用、记忆与执行的软件框架。每个智能体单元只观察和修改自身框架，反馈沿层级图向上游传递。在AgentBench上的实验表明，该方法与单一全局优化器取得相当的性能提升，同时保护局部隐私，每次优化调用所需的令牌和时间更少。更换基础模型后，进化得到的框架仍保持有效，显示出一定的跨模型可迁移性。
说明减少循环次数会移除递归深度语言模型的拒绝行为
简介该论文研究递归深度语言模型在推理时减少循环次数后的安全性问题。研究发现，把 Ouro-1.4B-Thinking 的循环减半时，GSM8K 数学题准确率保留约 89%，但对有害请求的协助率从 0.038 升至 0.205。作者认为有害性信息仍存在于模型内部，缺失的是应有的拒绝行为，并表明改变训练方式（随机深度训练）比运行时修补更有效。
看点发现循环次数减少会系统性地削弱拒绝行为，并提出随机深度训练的修复方法；多模型、多种测量手段支撑结论，影响面较广。
说明PANINI-DR：通过生成式语义工作区实现可控的深度研究
简介该论文提出PANINI-DR，一个多智能体框架，将整体研究的协调与各子问题的检索研究及验证分开，并用共享工作区记录子问题、依赖关系、发现和证据。在BrowseComp-Plus、FRAMES和MoNaCo三个基准上，与七个先进深度研究框架相比，PANINI-DR的平均表现最好。消融实验显示，结构化规划、持久状态以及对已记录发现进行证据核查都有助于提升效果。
说明MoSAIC：从最优调度中学习有向无环图的启发式调度方法
简介本文提出MoSAIC框架，用于异构计算系统中基于有向无环图（DAG）应用的任务调度。该方法先用OR-Tools CP-SAT求解器生成最优调度，再通过贝叶斯优化学习紧凑的优先级调度函数，并借助大语言模型辅助推理。在合成图和PolyBench、MachSuite等真实基准上，所学启发式方法的结果优于HEFT等经典方法，且运行开销较低。
说明SocraticRepair：面向程序调试与误解纠正的规划引导式苏格拉底辅导
简介该论文提出SocraticRepair框架，用于辅导学生进行程序调试和纠正概念误解，其思路基于已有的规划引导式辅导工作。研究在Python领域中，用四个预处理后的编程数据集构建合成的多轮辅导对话，并微调Qwen2.5-Coder-7B-Instruct模型。实验显示，该系统在逐步搭建支架和提问质量上得分更高，并显著减少了过早透露答案的情况，但可靠的教学计划生成仍是待解决的挑战。
说明大模型是否在内部区分语言特征？逐层分析
简介本文对两个同等规模的预训练模型Llama-3.2-1B和Gemma-3-1B-PT进行逐层表示分析，考察它们是否以及在哪些层区分输入中的语言特征（如常规含义与惯用含义）。研究结合逐层探测与几何距离度量，并使用每层主成分载荷排名靠前的嵌入维度。结果显示，即使参数量相当，两个模型组织语言信息的方式也存在根本差异，因此评估模型与人类语言理解的一致性时，需要分析内部表示几何，而不仅是行为输出。
说明基于连续风险的食品安全检查排程：结合历史衰减与事件驱动的消费者评价信号
简介本文提出连续检查风险（CIR）系统，依据新数据动态重排检查队列，将带时间衰减的历史评分与经语言模型分类的实时消费者评价结合。研究以加州圣克拉拉县2024至2026年9,505次例行检查为样本评估：仅用历史评分可使重大违规平均发现时间缩短69天，但无法预测虫害相关停业；加入检查后评价信号后，8次虫害停业中有7次被预测，平均提前117天。
说明SAFE-KV：面向RAG的非前缀KV缓存复用中保持行为一致的因果后缀修复
简介该论文针对检索增强生成（RAG）中文档KV缓存的非前缀复用问题，指出缓存状态依赖其前缀与位置，不能直接拼接复用。作者提出SAFE-KV方法，从选定的起始文档开始重新编码因果后缀以修复拼接后的缓存，在Qwen2.5-7B-Instruct上使HotpotQA-500与2Wiki-500的答案与完整预填充的一致率分别接近99.8%/98.4%和100.0%/98.4%。
说明DeltaNet-PC：无需沿时间反向传播的测试时记忆方法
简介这篇论文提出 DeltaNet-PC，让预测编码（一种用局部更新优化预测误差的算法）在测试阶段也能记住序列数据。作者把每一步的记忆更新视为潜变量，而不是需要慢速学习的权重，并据此推导出适用于逐字序列记忆的方法。论文报告，该系统能以完全准确的召回率存储单个序列、多个序列及键值联想记忆。
说明面向虚拟电厂的博弈论强化学习拓扑无关防御方法
简介本文针对虚拟电厂聚合的分布式能源面临的网络攻击风险，提出一种结合博弈论规划与无模型强化学习、基于贝叶斯信念更新的混合扰动式防御方法。该方法无需获取馈线拓扑、线路参数等电网信息。在IEEE 13节点和123节点馈线上的评估显示，在攻击者模型不确定及馈线重构条件下，该方法仍能有效检测攻击。
说明词对齐韵律更多反映说话人差异，而非抑郁或PTSD严重程度
简介该研究考察基于词对齐的韵律测量是否稳定、是否与临床相关。在词层面，同一词在不同语境下的说话人特异性偏差几乎不重复；但在说话人层面，对多词韵律取平均后，跨录音的得分高度一致。尽管如此，这些说话人层面的指标与抑郁或PTSD严重程度的关联均不超过0.15，且与每日PTSD症状的个体内关联接近零。
说明UDHRBench：大语言模型人权合规性基准测试
简介该论文提出UDHRBench，一个基于《世界人权宣言》的大规模基准，包含1,124个人权相关问题（覆盖全部30条条款）以及ChatGPT、Grok、Gemini和Fanar四个大模型的4,496条回答，由专家标注其是否符合人权标准。研究发现模型的违规多通过效率、风险管理或科学中立等看似合理的推理产生，而非明确拒绝人权。作者还提出基于大模型作为评判者的自动评估框架，检测人权错位的加权F1达到89.8%。
看点构建了基于世界人权宣言全部30条的新基准，并用专家标注和LLM裁判框架评估模型合规性，新意在于应用场景与评测框架的组合。
说明用于流体控制的物理基础模型：把预训练的偏微分方程预测模型改造成闭环流动控制器
简介论文探讨一个为偏微分方程预测预训练的物理基础模型（PFM）能否用于闭环流体流动控制。作者在冻结的预训练表示上加上轻量的高斯策略与价值网络头，并用近端策略优化（PPO）训练，在 HydroGym 的二维 Kolmogorov 流环境中，以 Re=100 和 Re=200 测试。结果显示，该控制器比同样训练的 MLP 基线获得更高奖励，且执行的控制动作幅度更小。
说明LexiCan：用于机器学习的点云字典序规范化方法
简介该论文提出LexiCan，一种对三维点云进行规范化处理的方法，可在旋转和置换下选出唯一代表，使Transformer等标准架构能够直接处理点云。论文称其在O(3)或SO(3)下可证明保持不变，在QM9和QM-sym分子数据集上旋转不变性误差约为10^-6埃，并减少了QM-sym上的不连续跳变，运行速度比现有方法快数个数量级。此外，论文报告在QM9性质预测和ModelNet40形状分类任务中，使用LexiCan的非不变模型表现优于使用原有规范化方法的模型。
说明ExeWorldBench：基于代码的可执行三维世界建模基准
简介该论文提出 ExeWorldBench，这是一个通过代码构建三维世界来综合评估世界理解与可执行实现能力的基准。它包含三项逐步加难的任务：根据视觉观察实现单个机制、构建具有空间、机械和因果依赖的多阶段系统，以及根据高层目标和物理要求合成可执行世界。论文称，对前沿模型的实验显示其在可执行世界建模上存在明显局限。
说明主动学习如何找到大海捞针般的稀有类别样本
简介该论文研究在稀有类别（如针对特定宗教群体的仇恨言论）占比极低时，主动学习能否修正初始标注集因关键词检索等方式而产生的偏差。作者在AG News和Measuring Hate Speech数据集（类别占比约1%）上，比较了随机抽样与八种主动学习策略，并测量对未覆盖子群体的召回率与F1值。结果显示，基于不确定性的策略对未覆盖子群体的召回弱于随机抽样，而判别式主动学习可恢复55%的这些子群体且F1无显著下降；论文指出总体指标会掩盖这些差异。
说明TRIG：衡量图像生成中纹理真实感的指标
简介该论文指出，常用的生成图像评估指标依赖为分类或图文对齐等任务训练的骨干网络，难以体现纹理真实感。作者提出TRIG，以在纹理数据集上预训练的生成对抗网络判别器作为骨干，并微调一个合理性判别头来识别局部纹理退化。在该特征上计算真实与生成图像集合之间的分布距离，据称与人工真实感评分的一致性优于基线指标。
说明Sanzaru：在信息与沟通不对称下评测团队协议形成能力的基准
简介该论文提出 SANZARU 基准，用改编自炸弹拆除解谜游戏 BOMBANANA! 的合作谜题，考察三个智能体在信息与沟通受限下的协作能力：一人不能听，一人不能说，一人不能看。基准包含七类共120个谜题实例，在1512次试验中，7个模型的总体成功率为49%。论文还分析了团队形成的通信协议，并指出约60%的团队失败与沟通有关。
说明超越相邻层：用图引导的层融合压缩大语言模型
简介该论文针对大语言模型的深度压缩，指出现有方法多只合并相邻层，而研究发现非相邻层之间功能相似的配对更多。作者提出FCM方法，构建层间相似度图，用谱社区检测聚类功能等价的层，每簇保留影响力最高的层，并用LoRA恢复性能。在2倍压缩下，FCM在多数模型上的困惑度优于ShortGPT。
看点用全对CKA相似度图与谱社区检测替代相邻层分组，发现非相邻层冗余更高；在13个模型上大规模实验并做了统计检验与对比，证据充分。
说明从句子级监督中学习命题级链接，用于神经符号自然语言推理
简介本文研究神经符号自然语言推理，前提与假设分别被翻译为命题表示。作者提出一种可训练的原子链接器，同时预测链接是否存在、来源选择和关系类型，且仅用句子级NLI标签训练，无需原子对标注。在SNLI、SICK和MNLI上的实验表明，该方法相比基线和此前固定链接器的AMR到SAT系统均有明显准确率提升。
说明RootSLAM：面向视觉-惯性SLAM的平方根束调整方法
简介本文提出RootSLAM，一套基于Basalt构建的多相机视觉-惯性SLAM系统，用于估计设备在环境中的运动并建图。作者将结构光束法中的平方根束调整形式引入该场景，利用系统的位姿图进行重新表述，使全局优化可用单精度浮点运行，性能约提高一倍。原文称其精度与现有先进方法相当，速度最高可达20倍，并将开源实现。
看点将平方根光束法平差引入多相机视觉惯性SLAM并利用位姿图重构，单精度优化使性能翻倍，并有完整基准与消融实验支撑。
说明稀疏多速率配电网传感下的感知型联合数据融合与状态估计
简介本文针对配电网中传感器稀疏、采样速率各异的情况，研究配电系统状态估计。作者提出一种异构潜在图常微分方程模型，将各类测量函数与采样过程按类型并定位到具体母线，并结合图Transformer状态估计器，以同时完成数据融合与状态估计。论文在多个IEEE标准拓扑上，比较了可观测性下降时的效果。
说明我们错在哪里？定位错误以修复多轮对话
简介大语言模型助手在多轮对话中，用户意图常常逐步显现，助手可能误解用户意图并破坏其工作状态，最终导致对话失败。本文提出Loci框架，通过概率推断定位误解的更新并有选择地修复工作状态。实验显示该方法比基线更准确地定位误解，在自由对话中以定位置信度指导修复，使平均恢复成本比最强基线降低46%至79%。
看点提出概率化定位多轮对话误解并选择性修复的框架，在受控与自然对话中验证，恢复成本降低46-79%，证据较充分。
说明Harmony Harness：多目标的智能体框架自我进化方法
简介这篇论文提出 Harmony Harness，把智能体的运行框架（harness）当作可多目标优化的对象，用分解式进化搜索同时保留帕累托前沿上不同区域的方案。作者还将通用机制与特定基准的适配分开进化，并在推理时动态组合。在 SecRepoBench 和 BaxBench 上，该方法均优于较强的基线，两者增益均超过 10%。
说明脉冲语言模型的计算最优缩放规律
简介本文研究脉冲神经网络语言模型在不同计算预算下的缩放规律，基于 RWKV 骨干的 SpikeGPT 系列模型在 FineWeb-EDU 数据上进行 IsoFLOP 实验。结果显示脉冲化并未改变参数与数据的最优配比关系，且与非脉冲基线相比，脉冲化带来的损失差距随计算量增加而下降。作者由此给出了脉冲语言模型的计算最优训练方案，并量化了其稀疏化的精度代价。
说明基于前向反馈强化学习的单步逆合成方法（RetroRLFF）
简介该论文提出 RetroRLFF，用于单步逆合成，即由目标产物反推出反应物。方法在监督训练的 Transformer 基础上，结合参考答案一致性与冻结的前向反应模型所得的正向一致性进行强化学习优化。在 USPTO-50K 数据集上，其候选级往返准确率在 k=1、3、5、10 时均优于 14 个基线；top-1 往返准确率为 90.1%，精确匹配准确率为 57.9%。在 131 个匿名测试案例的专家评估中，有机合成专家在 67.9% 的比较中偏好 RetroRLFF。
说明动态缩放失效时：线性注意力与状态空间大模型中循环状态量化的反馈机制
简介该论文研究线性注意力与状态空间大语言模型中，对固定大小循环状态进行量化时的误差累积问题。作者指出量化尺度与其所依赖的状态之间存在反馈，导致数值不稳定与功能性退化两类可分离的失效，并比较了多种离群值感知方案与逐层位宽分配策略。
说明信任阻碍双向人机对齐：论文探讨在定义不清的决策情境中，仅靠信任校准不足以支撑人机协作
简介该论文指出，当前AI辅助决策主要以信任校准为框架，即让用户对AI的信任与其实际可靠性相匹配。作者认为这一框架只适用于定义明确的决策问题，并提出AI辅助决策的三个维度：信任只是管理不确定性的策略之一；在目标与状态只能部分知晓的大范围决策问题中，信任校准常被误用；此类情境下的人机对齐需要处理更高层次的决策过程。
说明Lumen-bench：工具调用大模型的跨语言安全缺口与“说与做”问题
简介该论文提出 Lumen-bench，一个针对工具调用场景的伦理行为基准，涵盖 30 个模型、五种语言和 194,400 次试验。研究发现，在部分语言下有害行为率更高，且中性系统提示会显著提高违规率。此外，8.57% 的实质调用案例中出现口头拒绝却仍执行有害工具调用的“说与做”差距。
看点首次将工具调用中的言行不一（say-do gap）与跨语言安全差异结合研究，并用大规模试验与多评判者校准支撑结论，新颖性与证据均较扎实。
说明GesBench：多模态语言模型何时、何处感知社会含义
简介该论文提出 GesBench 基准，用于评测多模态大语言模型在话语逐步展开过程中对说话者意图和社会功能的感知。它通过累积的子话语片段考察模型何时形成稳定判断，并借助人类注视引导的遮挡实验检验人类关注区域对模型判断是否关键。研究发现，人类比模型更早形成预测性理解，模型则常常保留判断或在不同片段间重复，且修正频率较低。
说明延迟还是不延迟？与大语言模型及拥堵专家的在线学习
简介论文研究大语言模型回答常规问题、不确定问题转给人类专家复核时，如何在专家队列拥堵的情况下决定是否转交。作者提出KL-PBD在线学习算法，利用Kullback-Leibler置信下界学习大模型置信信号的可靠性，并给出遗憾界：间隙相关情形为O(K log T)，最坏情形为Õ(√(KT))，并证明这些速率在对数因子内最优。实验在合成数据及GSM8K、NuminaMath、MedMCQA数据集上用Qwen模型进行验证。
说明RIECNN：用于交通标志识别的实时图像增强卷积神经网络
简介本文提出一种名为RIECNN的实时交通标志识别方法，结合图像增强与卷积神经网络，以应对环境影响和实时性不足的问题。在GTSRB、BTSC和rMASTIF三个基准数据集上，识别准确率分别为99.75%、99.25%和99.55%，单张图像预处理与推理合计不超过1.3毫秒，并对亮度和对比度变化表现出较好的鲁棒性。
说明去中心化学习中数据与拓扑的兼容性如何支持个性化
简介这篇论文研究去中心化学习中，当各智能体的局部目标与通信拓扑具有兼容的对称性时，同一轨道内的智能体会在分布上趋于一致，不同轨道之间则保持区分，从而形成介于全局共识与独立本地学习之间的中间状态。作者在精确兼容的参考系统下给出了分布同步的稳定性判据和平稳分布结构，并在近似兼容情形下证明了 O(ε) 误差界。实验在合成数据、MNIST 和 CIFAR-10 上验证了理论结论。
看点提出数据-拓扑兼容性下的轨道个性化新范式，给出稳定性判据与O(ε)误差界，并在合成数据、MNIST、CIFAR-10上验证。
说明ShellElastic：可同时最大化更新并迁移超参数的可扩展弹性预训练
简介本文提出 ShellElastic，一种弹性 Transformer，将隐藏维度组织为稠密核心与逐层外壳，使所有子网络可在一次全宽前向传播中共享计算图。作者还提出 μE，即将最大更新参数化（μP）扩展到弹性架构，使子网络同时被最大化更新，并支持超参数从小规模代理模型迁移。实验称，单次训练得到的子网络在相同参数量下优于 MatFormer 等弹性基线，并接近分别训练多个模型的效果。
看点将μP扩展到弹性架构并给出同时最大更新的理论保证，结合固定计算图的壳层设计有新意；实验对比了MatFormer等基线，但规模与证据广度有限。
说明scHFBiMamba：用于心脏疾病状态分类的双向 Mamba 自编码器（基于单核 RNA 测序数据）
简介本文提出 scHFBiMamba，一种结合双向 Mamba 自编码器与 MLP 分类头的模型，用于从心力衰竭相关的单核 RNA 测序数据中同时判断物种、细胞类型和疾病状态。与参数量约 1.929 亿的密集去噪自编码器相比，该模型参数约 1320 万，在多项任务上的综合 F1 分数更高，并借助 SHAP 方法给出可解释的基因层面线索。
说明Drive3R：面向自动驾驶的分块流式几何基础模型
简介该论文提出Drive3R，一种用于自动驾驶长序列多视角三维重建的分块流式几何基础模型。它采用分块因果注意力以降低计算复杂度，并通过置信度感知的重新锚定缓解长程漂移。在nuScenes数据集上，相较于DVGT-2基线，AbsRel由0.1806降至0.1081，点云精度指标由0.6750降至0.5344，ATE由1.5812降至0.9092。
说明带噪声源项热方程的能量引导学习：最优估计与泛化界
简介本文研究如何从有限且随机采样的数据中，学习带噪声源项的热方程的解，并分析其统计估计与泛化性质。作者提出一种变分形式，将能量正则化与椭圆性去偏的Sobolev回归结合，并利用源项的辅助数据设计物理信息能量正则项。结果显示抛物型方程中的空间与时间正则性存在各向异性，并给出了非渐近最优估计误差与泛化误差界。数值实验表明，该方法在多种抛物型和双曲型方程上相比多种物理信息神经网络方法，测试误差显著降低。
说明结构化思维链：用可执行计算图进行推理
简介该论文提出结构化思维链框架，让大语言模型生成可执行的计算图来代替自由形式的推理文字，最终答案通过确定性地执行该图得到。模型采用基于图的强化学习训练，奖励结构有效性、答案正确性以及与参考图的节点重合度。实验覆盖五个基准与四类模型，结果显示准确率持续提升，生成长度最多可减少5至6倍。
说明RELAGRAM：用于带容量车辆路径问题的递归潜图模型
简介本文提出RELAGRAM，一种把潜在递归用于图组合优化的神经网络方法，以带容量车辆路径问题（CVRP）为对象。模型用紧凑的Transformer反复更新边令牌的潜在表示，再由输出头生成边热图，由自回归解码器构造可行解。在CVRP-100上，仅0.53M参数的RELAGRAM与PyVRP参考解的差距为13.4%至8.3%（取决于解码策略），且仅在CVRP-100上训练即可零样本泛化到CVRP-500和CVRP-1000。
说明RegExtract：面向PFAS法规信息抽取的大语言模型基准测试
简介本文提出RegExtract基准，用于从全氟和多氟烷基物质（PFAS）相关法规文件中抽取结构化信息，包含20份美国州级文件和46项法规中的488个人工标注字段实例，每个实例附带原文出处。研究测试了多种开源与闭源大语言模型、提示策略及文件压缩方法，发现文件识别类字段仍较困难，而针对特定字段的少样本示例能提升抽取效果。
说明面向多分类任务的随机特征剪枝：通过逐步经验风险差异最大化减少冗余特征
简介加权随机厨房水槽（W-RKS）是常用的特征提取方法，但其中许多随机特征冗余或无效。本文提出SEED-MAX算法，通过递归计算经验风险，选出最精简且信息充分的特征子集，并推导出正确选择特征的概率下界。再结合Fisher检验进一步筛选，在UCR时间序列分类数据集上实验，剪枝率约达92%，分类准确率几乎没有下降。
说明TIDE：基于轨迹蒸馏技能的高效文生视频提示词优化
简介文生视频模型对提示词的具体程度很敏感，常规的迭代优化需要在推理时反复生成视频并用视觉语言模型评估，成本很高。本文提出TIDE框架，把这一搜索过程蒸馏为一个可解释、可复用的提示词改写技能。该技能由若干按语义维度划分的规则模块组成，只需一次大语言模型调用即可生成正向和负向提示词，之后只生成一次视频，无需推理时的视觉搜索或模型微调。仅用100个提示词、耗时约14小时进化得到的技能，其优化效果可与计算代价高的搜索方法相当，并且迁移到未见过的视频生成模型上时，表现优于专门为这些模型设计或训练的方法。
说明锚点增强扩散语言模型的可控性与推理能力
简介该论文针对扩散语言模型（DLM）的可控文本生成问题，提出 AnchorDLM 框架：由锚点生成器为每个查询生成一段短输出片段及其位置，作为控制词元放入冻结的 DLM 中引导后续去噪。锚点生成器通过强化学习训练，奖励基于答案正确性与约束满足情况。实验在代码生成和数学推理任务上、覆盖五种 DLM 骨干模型，结果显示其提升了可控性，并在多个基准上带来推理性能的提升。
