机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明数学化的集体无意识：拉康式原型在潜在空间中的分布研究
简介本文探讨大型语言模型在训练后，其高维潜在空间中是否会自发形成与荣格原型相似的区域。研究使用 OpenAI 的 text-embedding-3-small 模型，通过余弦相似度和角距离等指标，在合成叙事、人类文学、梦境报告和民间故事等语料上进行了十三组实验。结果显示，原型角色在潜在空间中占据可测量的、较为紧凑的区域，且文本类型会影响其空间分布，例如梦境报告集中于骗子与阴影区域。
说明超网络持续学习中的知识交互：冲突与组合
简介这篇论文研究大语言模型持续学习中，基础模型、参数更新（适配器）和输入上下文三类知识如何相互作用。作者在超网络框架下发现，出现知识冲突时模型更倾向于遵循上下文，且选择更多取决于知识出现的位置而非内容。论文还显示，模型在跨三类来源的多跳推理中难以可靠地组合知识。
说明通过量化条件强化学习修复视觉-语言-动作策略的低比特失效
简介论文研究视觉-语言-动作（VLA）策略的量化部署：基于5个模型、4050次真实世界试验，发现量化感知训练（QAT）总体优于训练后量化（PTQ），但在长时程任务和视觉、语义偏移下与全精度（FP）仍有明显差距。作者提出离线强化学习方法QCRL，结合基于进度的优势估计与量化感知的源条件设定。在π0.5上使用INT4 W4A16时，QCRL在三种视觉偏移条件下达到FP平均得分的99.3%，并节省42.9%的模型内存。
说明ProtoPur：面向病理弱监督实例学习的原型纯度伪标签方法
简介病理全切片图像通常只有整张切片层面的弱标签，逐区域标注成本高。本文提出ProtoPur方法，基于冻结的基础模型特征构建原型区域，计算各区域的类别平衡局部纯度，并为高纯度且与目标类别强相关的区域分配伪标签。作者给出PAC式分析，并在三个公开数据集和两种病理基础编码器上验证，该方法在多种MIL骨干网络上提升了实例级性能，同时保持有竞争力的袋级性能。
说明基于掩码扩散语言模型的分掩码率文本评估
简介该论文提出一种“分掩码率”文本评估方法，把掩码扩散语言模型的掩码比例作为诊断维度：在不同比例的词元被遮掩后重建文本，使单一扩散分数变为一组按可见上下文程度划分的分段分数。作者在SummEval和WMT MQM中英数据上测试，发现保留这种比例结构能提供补充信号，并能用于定位错误片段。论文同时指出，各分段的含义随模型和任务而变，每项应用都需经实证验证。
说明波斯语视觉-语言-动作数据集：面向歧义与不可行指令的指令到计划对齐基准
简介该研究构建了首个波斯语视觉-语言-动作数据集，共258条实例，基于230张真实家庭和办公室照片，标注了参考计划、歧义与不可行标签及消歧问答。作者在此基础上比较了检索增强、思维链和智能体消歧等方法，并提出新指标PGOS-FA进行评估。结果显示检索增强效果显著，而其他细化改进在当前规模下统计上难以区分。
说明Drift, Then Spread：面向在线强化学习的一步生成式策略学习
简介本文提出 DriftSpread，一种基于 Drifting 的一步生成式策略，用于在线最大熵强化学习。它通过批评者引导的 Drift 与熵驱动的 Spread 两步更新同一个策略网络，无需迭代采样或估计策略密度。作者在理论上证明了固定批评者下的收敛性，并在 MuJoCo 基准上取得了最高的综合归一化回报，同时训练和推理效率优于扩散与流模型基线。
说明把反馈当作接口：控制 LLM 翻译修订中的形式与细节
简介该论文研究在大模型翻译修订中，评估反馈的呈现方式如何影响模型的使用效果。作者在评分、主要问题和建议保持不变的前提下，只改变反馈的形式和细节，并在多个模型和翻译方向上比较。结果显示，精简反馈在 xCOMET 指标上整体优于详细反馈，且精简反馈的修订质量损失较小。
说明用于域泛化语义分割的稀疏全层连接器（SALC）
简介该论文针对域泛化语义分割，提出稀疏全层连接器（SALC），让每一层都能访问另一模型前面各层的信息，并自适应地选择信息量较大的稀疏层子集。作者还引入候选丢弃正则化以增强稀疏性并促使选择更稳健。论文称，在四种基础模型组合和三种评估设置下，该设计比传统的深度对齐融合具有更强的泛化能力。
看点提出跨深度的稀疏层连接并学习选择信息层，对深度对齐融合有实质改进；在四组模型组合和三种设置上验证，证据较充分。
说明复杂网络中是否存在中心结构的检验
简介论文提出一种网络层面的假设检验方法，以邻接矩阵谱半径作为检验统计量，用指定零模型生成的随机网络估计经验p值，判断网络是否存在可统计识别的中心结构。该方法在模拟网络和55个真实网络上评估，结果显示中心结构强度与经验p值呈明显负相关，且检验结论高度依赖零模型所保留的结构性质。
说明用于分布式约束满足问题的动态冲突聚类、轻量学习与策略修复方法（DCC-Incomplete）
简介该论文提出一种名为 DCC-Incomplete 的不完备求解器，用于分布式约束满足问题（DCSP）。它将未解决的冲突划分为冲突簇，通过协调层把通信限制在同一冲突区域内的智能体之间，并引入基于记忆的重启机制以帮助摆脱停滞。在带有预设可满足解的分布式图着色基准上，记忆引导重启将成功率从37.50%提高到61.11%，中位运行时间由0.565秒降至0.367秒，每个约束的中位通信量由12.493条消息降至6.503条。
说明SurgCast：面向可控手术世界模型的动作条件未来骨架预测
简介该论文提出 SurgCast，根据当前器械结构、机器人状态和未来动作预测未来器械骨架，再用该预测控制手术视频生成。方法结合骨架几何与器械运动描述，在 SutureBot 和 SRTH-Porcine-Cholei 数据集上，教师模型与学生模型在七项指标上均优于直接动作基线，教师模型 FVD 分别下降 37.6% 和 67.3%。
说明补全缺失：从长期智能体记忆中组合证据
简介长期智能体在有限上下文预算下，需要挑选整体上足以回答当前问题的记忆，而非仅仅各自相关的记忆。论文提出 MemPursuit，一种免训练方法，用稀疏凸查询重构的残差作为表示空间中“当前记忆还缺什么”的代理，逐步组合嵌套证据集合。在 LoCoMo 固定预算实验中，端到端准确率在 Top-10 和 Top-20 分别提升 7.2 和 5.5 个百分点，中位重排延迟相比全批量 BGE-v2-m3 加速 32.9 倍。
看点将长期记忆读取重构为证据组合，用稀疏凸重构残差替代逐对打分，新颖且在LoCoMo上有明确增益与延迟对比。
说明面向小型语言模型的上下文感知精度调度
简介本文研究在设备端运行的小型语言模型，如何随上下文变长在精度与延迟之间取得平衡。作者根据不同精度与上下文长度下的实测数据校准耗时模型，并结合张量敏感度，在延迟或精度预算下选择量化配置，生成可提前准备的张量精度变更调度。实验在笔记本GPU上进行，并评估了工具调用任务的完整响应时间与正确率，同时指出精度恢复仍然有限的场景。
说明MERIT：用关系 Transformer 扩展知识图谱基础模型
简介该论文提出 MERIT，这是首个使用 Transformer 关系编码器的知识图谱基础模型（KGFM），可在未见过的图上零样本预测链接。它让每个关系名称与其他所有关系相互关注，并将结构模式作为软先验引入。在 56 个基准上，MERIT 的零样本 MRR 与当前最先进的 KGFM 相当，推理速度比 TRIX 快 6 倍、比 FLOCK 快 100 倍以上。
说明Big-Big-SycoBench：通过模型对有效与无效论证的回应检测谄媚行为的基准
简介该论文提出 Big-Big-SycoBench 基准，用于检测大语言模型的谄媚行为，即在评估任务中是否因用户施压而改变判断。基准包含450个文本材料和5400条论证，由人工标注者审阅，模型先多次打分确定基线，再依据有效或无效论证更新评分。论文以评分变化是否超出基线波动来区分对有效论证的响应与对无效压力的顺从，并报告了十个模型的表现差异。
说明精度的代价：面向混合精度大模型推理的校准成本模型
简介本文指出，混合精度大模型推理中仅以平均位宽或显存预算衡量速度并不可靠，因为实际瓶颈可能是计算、权重加载或KV缓存访问。作者构建了考虑主导资源的成本模型，用于预测不同硬件上的推理延迟，并结合逐张量精度代价，通过动态规划在延迟或精度预算下选择配置，与按字节和仅按敏感度的分配方法进行比较。
说明1Step-WAM：用一步动作生成加速的世界动作模型
简介论文针对世界动作模型（WAM）部署慢的问题，发现其动作去噪轨迹近似为直线，因此第一步的速度可较好估计最终动作方向。作者提出1Step-WAM框架，用轻量校准器修正第一步速度，并通过带宽受限的动作解码减少误差，把多步动作去噪压缩为一次前向计算，且可与视觉预填充并行执行。在RoboTwin和LIBERO上，该方法以约13.4M可训练参数基本保持多步任务成功率，推理分别加速7.44倍、5.98倍和24.84倍（对应FastWAM、ImageWAM和Kairos）。
看点将多步动作去噪压缩为单步前向，利用轨迹近似直线的观察并加校准器，在RoboTwin、LIBERO及真实机器人上验证，有实质改进。
说明面向联邦图像语义通信的自适应角色分配与受控特征重建
简介本文提出 ARC-FedSC 框架，在固定通信预算下协调终端的角色分配与服务器端的受控特征重建。其中 Role-Bandit 结合历史贡献与当前上行链路条件进行角色选择，TCA 模块依据近期模型聚合方向调节重建。在 CIFAR-10 与时变无线接入网信道的实验中，该方法在后期训练阶段优于所有测试基线，平均用户覆盖率为 85.3%，有害重建事件概率由 0.245 降至 0.093。
说明从阶段到状态：面向多模态大模型的统一迭代推理
简介该论文提出ReState框架，把多模态思维链推理从按预定阶段分别优化的流程，改为以状态转移为核心的动态过程。框架包括统一推理状态建模和闭环推理状态学习两部分，并构建了覆盖八个视觉推理领域的VersaCoT-10K数据集。作者称该方法在多个主干模型和公开推理基准上表现良好。
说明递归合成数据下的变量筛选崩溃
简介本文研究在递归合成数据训练中，模型拟合前的变量筛选阶段如何退化。每一代用上一代的伪标签作为目标进行边际筛选，导致目标漂移，可能丢失本应保留的变量，作者称之为“筛选崩溃”。文章在高斯线性模型中给出有限样本界、信息损失极限和极小极大不可能性结果，并比较了固定比例真实标签保留与数据累积两种缓解方法。基因表达数据上的数值实验支持理论结论。
说明基于自适应人工智能的可泛化胎儿脑测量方法
简介该研究提出BioTTA框架，使预训练的人工智能模型能在未标注的单个目标胎儿脑MRI体数据上在线适应，以减轻不同影像来源造成的精度下降。研究回顾性纳入394例20至39孕周的三维胎儿脑MRI，由放射科医生标注11项测量指标。在三个不同序列、中心和国家的数据集上，BioTTA的表现优于对比方法，并与使用目标标签微调的模型相当。
说明ProML：渐进式多标签学习，把标签拟合与结构约束解耦的多标签学习框架
简介这篇论文提出渐进式多标签学习框架ProML，通过引入辅助预测变量，把直接拟合标签与学习预测器分开，减少同一参数矩阵同时承担多重目标带来的优化困难。作者从理论上分析了其优化特性，并将其应用于多标签特征选择，在12个基准数据集上的实验与优化分析结果支持了理论结论并显示出具有竞争力的表现。
说明用于无监督域适应的对比-对抗联合表示学习（JCAR）
简介论文提出 JCAR 框架，分两阶段进行无监督域适应：先用未标注的源域和目标域样本，结合对比学习与对抗域对齐学习共同表示，再冻结该表示，用有标注的源域数据训练预测器。作者给出了该方法的非渐近超额风险界，并在 Office-31、Office-Home 和 DomainNet 上报告了跨域迁移的性能提升，尤其是在从头学习表示时效果明显。
说明基于病灶感知注意力的乳腺X线影像混合监督分割
简介本文研究乳腺X线影像中病灶的开放词汇分割，针对像素级标注昂贵而图像级标签易得的问题，采用混合监督方式：基础病灶类别有分割掩码，更多类别只有图像级标签。作者提出双分支框架，分割分支从掩码学习病灶边界，分类分支引入图像级语义监督，并设计了逐病灶注意力分类器以生成病灶感知注意力图。多个乳腺数据集上的实验显示，该方法在基础与新类别上均优于开放词汇分割基线，并缩小了与全监督模型的差距。
说明Squeeze-Aware-YOLO：面向实时交通标志检测的早期通道重标定与多尺度融合
简介本文提出一种轻量级交通标志检测框架 Squeeze-Aware-YOLO，结合多分支瓶颈模块与挤压激励（Squeeze-and-Excitation）机制，并引入多分支辅助特征金字塔网络及重参数化异构多尺度模块，以增强特征提取与融合。作者在孟加拉国、中国（CSUST 2021）和德国三个交通标志数据集上评估，mAP@0.5 分别为 74.7%、79.4% 和 84.0%，并称其优于近期的 YOLO 类检测器，同时保持实时推理效率。
说明CondMSP：面向无机材料合成规划的条件感知与资源感知方法
简介该论文提出CondMSP，将材料合成规划从只预测配方扩展为考虑执行的规划。方法先预测温度、时间和气氛等条件，并将其既作为生成和检索操作序列的工艺上下文，也作为热处理阶段能否共用炉次的执行约束。在共同的约束下，CondMSP在模拟炉次预算下联合选择路线并分配热处理阶段，参考配方的恢复率有所提高。
说明FireNav：面向决策的重建证据路由，用于室内火灾环境中的视觉语言导航
简介论文指出，室内火灾会严重削弱视觉语言导航中的指令理解、路径点预测和长程探索能力。作者提出FireNav框架，用轻量路由器判断图像重建特征是否作为辅助证据加入，并依据其对导航决策的实际贡献进行训练，同时构建了配对的室内火灾导航基准FireVLN-Bench。实验显示，该方法在导航成功率和路径效率上均优于现有基线。
说明基于注意力引导图神经网络的边界积分物理场重建方法
简介该论文提出一种深度学习框架，用注意力引导的图神经网络代理模型恢复缺失的边界信息。模型以变分自编码器学习已知边界量到缺失边界量的非线性映射，并用边界元法积分公式重建内部物理场。作者在二维拉普拉斯方程和泊松方程的数值算例上验证，结果显示其在重建精度、局部细节和稳定性方面表现良好。
说明Top-k 蒸馏从未计算的那部分梯度
简介许多已部署的蒸馏流程只向学生模型展示教师模型的前 k 个概率，再重新归一化并最小化剩余部分的散度。本文证明，重新归一化只是去掉了尾部概率质量的可见性，并没有阻止它被移动：在控制尾部质量的方向上梯度恰为零。在七个开源教师模型上，保留集合在 k=d+1（d 为隐藏维度）时才能唯一确定教师分布，而常用缓存大小往往低于这一阈值。
看点证明了top-k蒸馏中重归一化使尾部质量不可见，梯度在控制方向为零，并用七个教师模型给出k=d+1的精确恢复阈值，证据较充分。
说明基于视觉智能体的逆向服装设计
简介该论文提出 DressAgent，可从单张图像重建可直接用于仿真的多层三维服装。系统采用分层智能体流程：先规划层次并粗略估计版型，再由设计、评审和协调三个智能体在编辑、仿真、比对的闭环中细化版型。作者还构建了包含超过 1.5 万套服装的多层版型数据集。
说明基于切线的椭球拟合：用切线及其切点在数据中检测并拟合多个椭球，适用于各维度并在二维上优于现有方法。
简介这篇论文提出一种在二维、三维及更高维数据中检测并拟合多个椭球的算法。该方法用椭球的切线及其切点来表示椭球，而不只用点；一条切线提供 d 个独立方程，一个点只提供一个，因此每次假设所需样本更少，恢复所有椭球所需的迭代次数也随之减少。问题被表示为线性方程组，通过在参数空间中聚类稳健地求出椭球参数。作者称该算法适用于所有维度，并在二维上优于现有技术；该方法也可用于一般线性方程的稳健求解。
说明面向领域通用的混合专家剪枝：更稳健的校准数据集研究
简介本文研究混合专家（MoE）模型训练后专家剪枝时校准数据的影响，以 gpt-oss-20b 为例，分析校准数据规模、语言和数据分布对逐层专家剪枝的作用。研究发现，超过小样本规模后扩大校准数据对领域通用剪枝质量几乎没有帮助；仅用英文校准也能在七种语言上保持较好表现；与预训练分布相似的多样化校准数据，效果可与测试分布数据相当甚至更好。
说明视频背景音乐生成扩散模型中的自表示对齐方法
简介该论文提出一种扩散U-Net结构，名为U-SRA，在训练时让较早层的较弱内部表示与较后层的较好表示对齐，以提升扩散模型学到的内部表示质量。该方法用于视频背景音乐生成，通过交叉注意力机制使音乐与视频片段同步。论文称在一个基准视频-音乐数据集上，该方法在视频-音乐对齐和整体音乐质量等关键指标上超过了现有最优方法。
说明LLM剪枝与恢复步骤的脆弱性与动态分析
简介本文研究大语言模型结构化剪枝后再进行恢复训练这一常见压缩流程中，两个阶段如何相互影响。作者比较了阶段顺序、各阶段所用数据以及训练目标的一致性。结果显示，剪枝后指令跟随能力最先失效，域内数据是最强的剪枝信号，而指令式数据恢复效果最好；阶段顺序影响较小。文章还分析了剪枝前后模型重要性排序的变化，为组合剪枝与恢复提供了具体做法。
说明协变量偏移下的潜空间重要性加权
简介本文提出一种面向协变量偏移的迁移学习算法，把样本重加权与表示学习结合起来。方法不在高维原始空间中建模，而是在低维潜空间中估计学习到的潜在特征的密度比，用于下游加权预测。文中给出了目标域超额风险的显式收敛速率，并在实验中显示结合学习表示与潜空间加权可带来收益，同时结果对初始化和领域选择较为敏感。
说明截断采样器是嵌套关系：比较解码规则是一个测量问题
简介论文指出，几乎所有常用的截断采样规则都保留按概率排序的词表前缀，因此任意两种规则在每个解码步骤上都是嵌套的。基于此，作者给出逐步的闭式距离和耦合方法，并构造可衡量两种采样器差异的分离证书。在六个开源模型和四个数学与科学基准上的实验显示，证书通常接近 1，但配对估计器能降低方差，因此选择截断采样器更像是一个测量问题。
说明Genesis：面向多模态思维链推理的视觉增强原语
简介该论文指出多模态大模型的思维链推理多停留在语言层面，缺少与视觉证据的对应，原因是训练数据缺乏此类样本。作者提出视觉增强原语（VAP）数据增强流程，利用视觉生成模型合成逼真的训练样本及对应推理文本，并引入基于评分标准的多模态思维链强化学习，对中间推理步骤的逻辑有效性、完整性和一致性进行评分。实验显示，基于该框架的4B模型超过了8B基线，性能随规模扩大到32B而持续提升。
说明UNISON：从带评分的数据包中学习的统一框架
简介本文提出 UNISON 框架，把多示例学习（multiple instance learning）与推荐系统统一为对带评分的（物品，分数）数据包集合的学习。方法分为通用物品表示、数据包专属的轻量个性化参数以及从偏好推断数据包特征三个阶段。作者在书籍、电影、免疫学（T 细胞受体分类）和微生物组等领域报告其表现与现有方法相当或更优，并在合成实验中验证了专属参数能恢复决定分数的潜在因子。
说明零和博弈学习中的汤普森采样
简介本文研究汤普森采样（一种基于后验采样的算法）在未知二人零和矩阵博弈、高斯赌博机反馈下的学习表现。在集中式自我对弈中，算法从后验中采样一个收益矩阵并执行该采样博弈的纳什均衡。论文证明期望累积对偶间隙为 O(√T)，纯均衡情形下为 O(log T)，并给出匹配的下界与实验验证。
说明合理的未来不等于因果的未来：视频模型能否生成世界的演化过程？
简介该论文提出 CausalCascade 基准，以 50 个基于 Blender 的事件丰富场景及结构化事件图来评估图像到视频模型。研究考察模型能否完整再现由初始事件经因果传导至最终结果的因果链。结果显示，模型更能在空间上定位运动，而非正确再现时空演化；对物理干预的选择性响应较弱。
说明视觉-预测-动作（VPA）：基于神经符号JEPA预测器的高效具身智能
简介该论文提出目标条件视觉-预测-动作模型（VPA），用轻量级潜在控制循环取代视觉-语言-动作模型中逐词生成动作的LLM解码器，使推理延迟不再随动作序列长度增长。模型结合神经符号技能选择器、JEPA预测器和流匹配求解器，一步生成整段动作。在LIBERO-10上的初步实验中，可训练参数少于2000万，双摄像头策略在200个评估回合中成功率为40.0%，作者称这些单次训练的结果表明该方法可行。
说明ELECT：在渲染前先确定身份，实现可扩展的故事可视化
简介这是一篇关于无参考图、免训练的故事可视化论文，提出ELECT方法。它先通过语言引导的场景实体映射，并从模型自身草稿中选出固定锚点，在最终渲染前确定跨帧的角色身份，使最终渲染的单帧成本不随故事长度增加。在长故事基准Story50上，其角色一致性优于十轮迭代精修，且生成成本仅为其七分之一。
说明电影剧本场景显著性的可解释语言学分析
简介本文研究电影剧本中哪些因素影响场景的显著性，以 MENSA 语料库做对照研究，并提出融合冻结 BERT 编码器与显式语言学特征的双流分类模型 LGSM。研究发现，在控制场景长度后，场景级 UID（统一信息密度）汇总指标本身没有独立预测力，但在词元层面，显著场景会抑制分布上端最难预测的罕见词元。此外，显著场景通常包含中等且持续出现的核心角色、较多第三人称用法、句法更简单、以及更多关于动机与冲突的抽象词汇。
说明超越总体漂移：联邦学习中每个客户端的最优专属记忆窗口
简介该论文研究在数据持续到达、各客户端分布随时间漂移的联邦学习场景，服务器需跟踪加权平均损失的最小值。作者为每个客户端设定与其噪声、到达速率和漂移速度相匹配的专属记忆窗口，并用从共同点重启的加速方法更新。理论给出的跟踪误差界优于任何共享窗口方案，实验表明增益主要来自专属记忆本身。
说明Apertus 1.5：从开放文本模型到开放多模态推理模型
简介本文介绍 Apertus 1.5，在完全开放的 Apertus 系列基础上，从纯文本扩展到多模态推理。模型在 Apertus 1.0 上继续预训练，加入图像和音频理解能力，上下文窗口扩展至 262,144 个 token，并通过对话模板中的标志启用思考模式。作者称模型在数学推理等多数基准上优于前代，并公开了权重、数据与训练流程。
说明敏感度保真度：超越预测精度，检验深度学习地球系统模型是否学到物理上合理的依赖关系
简介该研究提出“敏感度保真度”作为预测误差之外的评估标准，即检验模型对输入扰动的响应是否与可信参考或物理知识一致。在理想化的瑞利-贝纳德对流基准中，四种替代模型预测误差都较低，但敏感度差异明显，与匹配的伴随模型比较后能更清楚地区分它们。研究还将该方法应用于厄尔尼诺-南方涛动预测，显示学到的敏感度在事件间较稳健，并与已知前兆一致。
说明UMAS3D：无需掩码的统一三维编辑，自适应保留源模型区域
简介该论文提出UMAS3D，一种统一的三维编辑框架，无需训练、无需反演，也不依赖外部三维掩码。它支持添加、删除、修改、外观和姿态编辑，并通过在线估计编辑区域、约束非编辑区域保持源模型几何和外观，使未编辑内容得到有效保留。
说明Agent-Canary-Mas：长时程多智能体系统中协议风险的端到端评估
简介该论文提出 Agent-Canary-Mas 评估系统，用于追踪智能体间协议风险在长时程多智能体任务中的传播。系统涵盖 A2A、ANP、BCS 三类协议下的五类风险，包含 975 组匹配的恶意与良性任务。研究发现，局部攻击成功率常达 90% 以上，但向实际后果的转化率在 7.1% 至 100.0% 之间；并评估了一种协议上下文防护机制，在金融任务中降低了攻击成功率和后果转化率，但带来一定的任务完成率代价。
说明在正确的位置迈出一步：连续扩散语言模型中时间步放置的理解与优化
简介本文研究连续扩散语言模型中去噪时间步的放置位置。作者发现，在步数固定的情况下，仅改变时间步放置就会显著影响最终的潜在表示和解码出的词元分布。据此提出StepTune算法，在小型校准集上以语言感知目标搜索更优的时间步放置，并在校准后固定复用。实验显示，在所有测试的采样预算下，无条件生成困惑度和条件任务指标均有提升，其中16步采样在XSum摘要和WMT14翻译上优于原生64步基线，端到端延迟约降低3.8倍。
说明GNFormer：用于基于相机的占据预测的高斯神经场Transformer
简介该论文提出一种新的三维表示方法——高斯神经场（GNF），由高斯基元与神经网络共同参数化，用于把体素位置映射为语义占据。基于此提出GNFormer，在Occ-ScanNet、SSCBench-KITTI-360和nuScenes-SurroundOcc基准上，在对比的单帧方法中取得最高的IoU与mIoU，且推理最快。论文称室内外场景分别只需256和1024个高斯基元即可表示。
说明改进分配家务类任务（chores，成本型不可分物品）时加权最大最小份额近似界的研究
简介该论文研究把不可分割的家务类任务分配给具有任意正权重和可加非负成本函数的多个代理人。若每个代理人承担的成本不超过其加权最大最小份额的 α 倍，则称该分配为 α-WMMS 公平。论文证明每个实例都存在 4.124234528-WMMS 公平分配，并对有理数输入给出多项式时间算法，可求得 4.12424-WMMS 公平分配。此外，论文构造了一族实例，使最优近似因子趋近于 e，从而把此前已知的 [2,12] 区间缩小到 [e,4.12424]。
说明OceanFlow：用于概率海洋建模的连贯流匹配方法
简介该论文提出OceanFlow，一种面向全球海洋概率预报的连贯流匹配框架。它先建立稳定的均值锚点，再通过流匹配学习围绕该锚点重塑残差分布的路径规律，并引入因子化动力学算子FDO。实验显示，相比对比基线，该方法在集合均值精度、概率可靠性和物理一致性诊断方面均有提升。
说明语义可控的图像分词：让分词器保留图像所描绘的内容
简介该论文提出GIST自适应图像分词器，可按目标语义保真度调节，并联合像素级与语义级误差决定每张图像的token数量。语义误差在冻结的DINOv3编码器特征空间中计算。在ImageNet-100上的对照实验显示，GIST在各token数量下均优于仅以像素误差控制的KARL，LPIPS最多低30%，DreamSim最多低37%。
说明SARATHI：面向大语言模型结构化剪枝的解耦式无数据探测与自适应重建方法
简介该论文提出SARATHI框架，用于对大语言模型进行结构化剪枝以降低推理成本。其方法将神经元选择与权重重建两个阶段解耦：先通过不依赖校准数据的NMF残差子空间探测器依据权重几何特征打分，再用局部校准批次进行自适应OBS重建，并加入偏置偏移补偿以纠正后LayerNorm架构中的激活漂移。实验在两类架构的六个模型上、稀疏度15%至40%的设置下进行，结果显示其困惑度具有竞争力，零样本准确率与现有结构化剪枝基线相当或更优。
说明REPRO：用于自动化大模型红队测试的反思式进化提示优化方法
简介该论文提出REPRO，一种纯黑盒的对抗提示发现框架，仅用单张消费级GPU上的压缩7B开源反思模型，通过进化优化寻找能绕过大模型安全训练的提示。方法包含语义交叉和基于汤普森采样的贝叶斯策略选择两项机制。作者在36个目标模型上报告了100%的单轮攻击成功率，但指出该结果的评判标准与优化过程一致，且基线数据取自原论文，因此更像是模型覆盖范围的汇总，而非正式排名。
说明结构化有状态关系脚本与多镜头视听视频生成高质量数据集
简介该论文针对多镜头视听视频生成中身份一致、状态变化和声音协调的问题，提出结构化有状态关系脚本（SSRS），将持久的实体与声音身份同镜头级视听状态分开，并显式编码声源绑定与时间关系。论文还发布了MSAV-Script-100K数据集，包含精选的多镜头视听视频及详细SSRS标注。实验显示，该方法在跨镜头一致性、状态变化遵循和视听对齐方面有所改进。
说明几何先验对五次Calabi–Yau单片神经度量的影响：固定ψ的保守消融研究
简介本文研究几何先验如何影响五次Calabi–Yau三维流形上复Monge–Ampère方程的神经近似。作者比较了四种单片模型：坐标SIREN势函数、直接度量Cholesky基线、代数截面模型和截面加神经网络的混合模型。结果显示，基于截面的模型验证σ约为4.14%至4.16%，而SIREN和Cholesky分别约为41.29%和44.27%；多种子实验中，稳定的截面设置为3.84%至4.77%。
说明CacheLink：面向零预填充跨模型上下文交接的功能性 KV 传输方法
简介长上下文推理通常复用 KV 缓存，但切换模型后需要重新预填充上下文。本文提出 CacheLink，直接以接收模型的行为学习耦合的 K/V 修正，使接收模型无需重新预填充即可继续推理。作者发现仅追求 K/V 重建精度并不能很好反映接收模型的效用；在 32K 上下文下，相比重新预填充，交接延迟最多降低 7.27 倍。
说明重新审视数据可携带性：迈向以人为本、由人工智能驱动的数据生态
简介本文批判性地考察了美国当前关于数据可携带性的监管框架与讨论，并以欧盟近期的监管进展为例。作者认为，现有的可携带性法律概念更多维护服务提供者与数据控制企业的利益，而非个人用户。文章主张应转向以人为本的数据治理范式，让个人掌握自身数据，并探讨欧盟的技术与市场趋势如何支持这一转变。
说明大型决策模型：把大语言模型改造成单次前向传播的决策器
简介该论文提出大型决策模型（LDMs），让语言模型在一次前向传播中，针对运行时指定的标签直接输出显式概率，无需逐步解码。方法包括多样化决策监督（DDS）和自生问题推理蒸馏（SPRD）。在DecisionVista基准上，三个基础模型的准确率分别提升1.8和1.5个百分点，延迟相比推理展开快182倍；对不确定的决策，论文还提出置信度路由器。
说明不可消逝的记录、宽恕与刑事司法的未来
简介论文指出，数字技术可以无限期保存违法记录，人工智能又能让这些记录持续影响个人的未来，作者称之为"永恒的数据在场"，并认为它威胁宽恕的可能性。作者借鉴黑格尔的"硬心"与阿伦特关于行为不可逆的论述，提出"保持未完成的权利"，包括限制旧记录的权重、依个人变化重新评估、复核影响生活的推断，以及对特定决定中记录使用设定时限。
说明重新审视的支持向量机：基于Nyström近似的统一联合优化框架，用于可扩展的自适应学习
简介本文提出“Revisited SVM”框架，将核函数超参数与对偶拉格朗日乘子联合优化，而不再依赖网格搜索。作者结合分块坐标上升算法与Nyström低秩近似，将计算复杂度降至O(Nm)。文中报告在生物信息、金融、网络安全和计算机视觉四个领域的实验，并提到在NSL-KDD数据集上准确率达到96.25%。
说明向量空间中的概念表征：量化意义的共享性与个体差异性
简介本研究提出一套测量框架，利用句子嵌入分析不同个体对同一概念理解的差异。研究让125名参与者给出简短定义，计算两两之间的不相似度，并由此得出共享性与个体特异性两个指标。结果显示该框架具有效度，且在三种不同编码器上结果可复现。
说明利用机器学习对数字信号处理实现进行射频指纹识别：一项空中传输案例研究
简介该论文研究能否通过发射信号区分发射机所用的数字信号处理（DSP）软件实现。以生成 2-FSK RTTY 通信波形的五种软件实现为案例，用卷积神经网络在接收端识别它们，并在短波收发机与软件无线电接收机采集的空中录音上测试。最佳网络结合 IQ 与功率谱表示，准确率最高达 90%，并分析了信噪比与观测带宽的影响。
说明技能仍在，但调用失效：面向持续技能内化的分解式技能记忆
简介论文研究语言模型智能体在持续学习新技能时，已内化的旧技能为何会失效。作者发现遗忘分为两个阶段：先是无法从原始请求中调用旧技能，之后连已知正确技能名后的执行能力也会退化。据此提出分解式技能记忆（FSM），将地址记忆与执行记忆分开，每个阶段训练并冻结一个新的LoRA执行器，并在五阶段基准上取得65.95%的平均精确匹配率。
说明AlphaPilot：用强化学习训练的多轮工具调用大模型智能体，进行自适应因子挖掘
简介该论文提出AlphaPilot，一个基于强化学习的框架，用于训练可多轮调用工具的大语言模型智能体，以挖掘可解释的量化因子表达式，用于按未来收益对股票排序。智能体结合市场文本、真实数据与评估反馈，并在推理时逐日搜索和更新因子池。在CSI300和CSI500的样本外滚动回测中，论文报告三次独立运行的平均总收益分别为42.93%和54.19%，平均夏普比率分别为2.46和2.86。
说明SkillFusion：面向大语言模型智能体的可靠多技能组合方法
简介独立编写的技能在被同时加载时，可能产生互相冲突的要求、偏好和重复指令。SkillFusion 是一个离线编译器，把这些交互整理成一个可复用的合并技能。它通过带类型和作用域、并关联原始指令的约束来显式处理组合决策，并对硬冲突、软冲突和重复指令分别处理。论文称其在三个智能体基准和三种执行模型上取得了非预言方法中最高的平均成功率。
说明双智能体一般并发博弈框架下实际权力的表示定理
简介本文将逻辑与博弈的经典联系推广：在双智能体设定下，证明八类一般并发博弈框架（基于序列性、主体独立性与确定性三项假设的组合）在实际权力（actual power）意义上，分别由八类对应的邻域框架表示。该结果推广了van Benthem、Bezhanishvili与Enqvist（2019）的已有结论。
说明基于多模态大模型场景理解图的语义显著性
简介该论文提出AUTO-SUM方法，通过自动分割并逐个移除场景中的物体，让多模态大语言模型描述原场景与修改后的场景，再用文本嵌入比较两段描述的语义相似度，以此量化每个物体对场景理解的贡献，无需拟合人类数据。结果显示，该方法能预测人类场景理解图中最重要的物体，并在自由观看和场景描述任务中比低层显著性模型更好地预测人类注视的物体，与基于人类注视数据训练的DeepGaze相当。
说明MemeLogos：面向有害表情包检测的知识驱动检索增强推理框架
简介本文针对社交媒体上有害表情包难以识别的问题，提出 MemeLogos 框架。该方法从大量有害案例中提炼可复用的有害模式与推理结构，组织成星形知识图谱，并结合结构化知识检索与分阶段推理来辅助判断。作者称其检测效果优于现有方法，且推理过程更连贯、更易解释。
说明可扩展的鲁棒蒙特卡洛树搜索：具有随时确定性最优性保证
简介本文针对马尔可夫决策过程中模型存在不确定性的规划问题，提出CAR-MCTS方法。该方法仅在采样搜索树上计算，并确定性地界定未采样轨迹的影响，给出可随时计算的鲁棒价值上下界，在规划过程中用于引导探索、剪枝并确认最优根动作。作者称这是首个为在线鲁棒规划与策略评估提供随时确定性保证的可扩展框架。
说明当消息出错时：理解基于大语言模型的多智能体系统中的通信故障
简介该论文面向基于大语言模型的多智能体系统，研究智能体之间消息传递中的通信故障如何产生、传播并影响任务结果。作者构建了跨层分类法，并开发故障注入与追踪流程，在超过29,000次执行中进行了大规模实证评估。结果显示，相当一部分失败在没有即时失败信号的情况下发生，且不同工作流拓扑的抗故障能力差异显著。
说明Conceptizer：仅靠预测下一个词还不够
简介该论文提出 Conceptizer 训练框架，在传统下一词预测之外，为“意义”增加奖励。它用约 9K 个由上下文近义词构成的概念作为意义单元，把下一词分布映射为概念分布，使同一意义的多种表达共享奖励。在 1B 至 8B 参数的三个模型系列上，其在概念目标位置的保留集困惑度最低，并在知识与情感任务上提升下游表现，常识任务上基本持平。
说明Huber污染下的分割共形预测区间长度
简介本文研究在训练和校准阶段存在Huber污染时，分割共形预测区间长度相对于干净总体最优解的变化。作者给出了对所有污染分布一致成立的有限样本上界，并证明在正则非对称位置子模型上存在与该速率匹配的极小极大下界。此外，还给出了校准污染下总体区间长度偏差的精确最坏情形刻画，并将上界结果推广到分位数回归与自适应残差评分。
说明PMB-NN：用于1型糖尿病血糖预测的生理模型神经网络
简介本文提出PMB-NN框架，用时间卷积网络结合个人化四参数生理模型预测1型糖尿病患者的血糖，预测时长为30、60和120分钟。研究使用25名参与者6至8周的连续血糖监测、胰岛素泵和进餐记录。结果显示，在无基础胰岛素记录的情况下，PMB-NN在30和60分钟预测中误差中位数最低，并在全部六种设置下优于单独的生理模型。
说明BridgeCodec：基于薛定谔桥与Mamba增强的低比特率神经音频编解码器
简介神经音频编解码器通常将编码器与解码器紧密绑定，难以互通。本文提出BridgeCodec框架，在冻结的、不匹配的编码端与解码端之间转换潜在表示，并将其表述为薛定谔桥最优传输问题，同时采用Mamba增强的U-Net以捕捉语音的长程时间依赖。实验将8 kHz轻量编码器直接映射到48 kHz解码器，码率为1 kbps，结果显示其在宽带重建和感知质量上表现较好。
说明EmoTrace-Bench：通过可控线索与强度诊断文生视频的情绪表达
简介该论文提出 EmoTrace-Bench，一个细粒度诊断基准，在提示词中控制情绪强度和特定情感线索，并从多个层面评估生成视频。基准含 448 条提示词，用 12 个文生视频模型生成 5,376 个视频进行评估。结果显示，明确描述角色情绪反应的提示词比只描述事件或场景的提示词更容易被准确执行，而增加情感线索或更明确的影视视听语言并不稳定地提升效果。
说明《隐于眼前》：通过感知感知型对抗自博弈提升有害内容理解能力
简介该论文指出，大语言模型容易漏看人类能轻易识别的隐蔽有害意图，恶意用户正是利用这一漏洞规避内容审核。作者提出PASP方法，为每段输入构建文本、语音和视觉三种视角，并通过攻击者与防御者的对抗自博弈来训练模型。实验显示，该方法在两个基准上使自适应攻击成功率分别最多下降73.71%和74.49%，同时模型能力只有极小损失。
说明文档图像去畸变新方法：无需流场的自洽监督（DRNet）
简介智能手机拍摄的文档图像常有形变，影响数字化与后续应用。本文提出DRNet，一种用于文档图像矫正的深度网络，采用由粗到精的矫正结构，并以无畸变文档图像而非变形网格作为监督信号。在DocUNet基准数据集上，该方法取得了一系列当前最优结果，消融实验也验证了其各项设计的有效性。
说明利用SPAD噪声：面向室内深度估计的测试时门控注意力
简介该论文针对单目深度估计中尺度模糊、边缘渗色和零样本泛化弱的问题，提出HSN框架。它把单光子雪崩二极管（SPAD）的噪声视为蕴含环境信息的先验，而非需去除的伪影。HSN结合一维SPAD直方图与门控适配器，在推理时生成通道级门控注意力向量以调整编码器特征。实验表明其在室内基准上取得领先的度量深度精度，并在陌生环境中展现更强的零样本泛化潜力。
说明通过谱对齐进行世界建模：用相似度核指定世界模型应保留的信息
简介本文提出SpecWM，一种JEPA框架，通过目标相似度核指定观测之间应保持的关系，并训练编码器在嵌入几何中复现这些关系。不同的核提供不同的监督，从物理状态信息到仅需轨迹内观测顺序的全自监督时序核。实验显示，核的选择明显影响表示中可恢复的物理量；时序谱对齐在OGBench Cube、OGBench Scene和CALVIN上使CEM规划成功率分别从52%、49%和29%提升至68%、77%和51%。
说明基于悲观潜在任务感知优化的鲁棒离线元强化学习
简介该论文提出PLATO方法，用于离线元强化学习中处理训练分布之外的任务。方法假设任务潜变量位于低维流形上，将推断出的潜变量从训练中心向外扰动以合成反事实任务，再用解码器集成生成想象轨迹，并以惩罚集成分歧的悲观权重更新策略。作者在八个MuJoCo连续控制基准上报告，PLATO在分布外任务上持续优于主流基线，同时在分布内任务上保持竞争力。
说明用于结构知识迁移的黎曼图分词器
简介论文提出黎曼图分词器（RGT），将图的结构知识转为离散标记，以支持跨领域迁移。方法基于黎曼几何，先定义树、环和序列等几何词表，再用黎曼量化器与黎曼直通估计器把多领域图结构编码为离散标记，并通过几何对齐解码器投影到统一切空间。作者称多个数据集实验显示其显著提升了跨图领域的结构知识可迁移性。
说明SpecFit：卸载式MoE推理中并非所有草稿词元成本相同
简介混合专家（MoE）模型每个词元只激活少数专家，但专家权重卸载到主机内存后，专家传输会拖慢解码。SpecFit按预测吞吐量而非接受长度来选择待验证的草稿子树，用草稿路径概率估计提交词元数，并用专家并集估计周期时间。在Qwen3-30B-A3B上，其解码速度比相同专家缓存下的EAGLE-3快21.6%（摘要）和7.0%（GSM8K子集）。
说明灵敏度还是判断标准？衡量并调整语言模型何时采取行动
简介论文提出FlipAct，用于诊断语言模型在物理状态下是否应使用工具。它用规则计算每题的正确答案和证据分数，并在44个开源模型上测量灵敏度（识别该行动是否合适的能力）与判断标准（倾向于说“是”还是“否”）。结果显示，灵敏度随模型规模增长，而判断标准并不由规模决定；通过激活引导并蒸馏，可把判断标准的偏移写入模型权重，并迁移到多个外部基准。
看点提出用信号检测论把敏感度与判断标准分开，并用可翻转的2x2题组测量并干预判断标准；实验覆盖44个开源模型与多个外部基准，证据较充分，对代理何时行动有参考价值。
说明OmniRSI：用于统一多模态遥感图像生成的潜在扩散模型
简介该论文提出OmniRSI模型，用于统一生成多模态遥感图像，以从异构且部分观测的遥感数据中恢复完整且互补的观测。模型包括一个面向遥感的变分自编码器、一个适配了ControlNet分支的Stable Diffusion 3.5，以及一种免训练的循环潜在对齐机制。作者还构建了包含1150万张图像的RSI-MM数据集，实验表明该模型在多模态重建、生成和转换方面表现更优。
说明从候选词元到最终结果：从推理模型内部表示解码相对长程候选价值
简介该论文研究大型推理模型在逐词生成推理过程时，同一前缀下不同候选下一个词元的长程价值差异是否体现在模型内部表示中。作者构建了推理候选词元价值数据集（RCTV），并用稀疏线性探针检验隐藏状态、MLP与注意力输出。结果表明，多个层中的表示都能线性解码这种相对价值，且探针优于基于概率和嵌入的基线。
说明CoverSynth：面向覆盖率的检索评估集自动生成方法
简介企业智能体需要能暴露领域特定检索失败的评估集，但现有的人工标注和合成生成方法都难以同时保证覆盖面、可靠性、效率和区分度。本文提出了一套评估集评估框架，并设计了生成器CoverSynth，从无标注语料出发，以检索需求和系统能力的覆盖为目标生成评估集，并通过确定性检查与模型语义检查保证标准答案可靠。在五个公开语料上，该方法产生了有区分度的难度变化，并揭示了智能体难以处理欠明确或有歧义请求等未被发现的失败模式。
说明状态表示如何影响长周期智能体的学习与迁移：一项实证研究
简介该论文在确定性的工具工作流中，比较了不同状态表示（紧凑视图与完整视图）对 Qwen 模型监督学习效果的影响。结果显示，用紧凑视图训练的 1.7B 模型在紧凑视图下完成了全部评测任务，但在完整视图下几乎全部失败，而完整视图训练的结果随种子变化较大。论文认为，表示敏感的迁移是受控工作流中的一个瓶颈。
说明十年 PhotoMappers 纵向研究：用视觉语言模型与地理空间推理对众包灾害照片进行地理定位
简介该论文分析了众包灾害制图项目 PhotoMappers 十余年的数据，考察灾害信息的地理分布变化。研究结合街景图像与遥感图像的跨视角地理定位，并用 30 项指标评估视觉语言模型的地理推理能力。结果显示，融合多源图像与 Sinkhorn 重排序的检索表现随年份差异明显；作者认为 GeoAI 的价值在于辅助而非取代志愿者的地理判读。
说明在具身强化学习中利用视觉语言模型：通过探索增强的关键观测门控，从奖励回归器转为成功检测器
简介论文指出，把视觉语言模型训练成精确奖励回归器既需要大量标注，也不适合从零开始的强化学习。作者提出VLMeg方法，让模型充当成功检测器：先根据与生成的成功轨迹的相似度判断是否值得评估，再选取最具代表性的关键观测交给模型打分作为回合奖励，并加入探索激励以获得更多触发机会。在MetaWorld的12个无奖励任务和3个真实世界实验中，VLMeg在从零开始的强化学习上取得了领先结果。
说明GA-SVD：面向大语言模型压缩的生成感知奇异值分解
简介大语言模型参数量大，部署成本高。本文提出 GA-SVD，一种面向生成任务的一次性低秩压缩框架：通过同策略知识蒸馏的梯度构造与生成行为对齐的白化变换，并用进化算法搜索全局秩分配。作者称其在 Mistral-7B、Qwen3 系列和 Llama-3.3 上的选择题与生成类基准中均优于现有 SVD 方法，并可扩展到 70B 参数模型。
说明多智能体社交网络中虚假信念的传播、持续与缓解：以曼德拉效应为视角
简介该论文借鉴人类社会的曼德拉效应，构建了一个受控框架，连接智能体间通信、私有记忆与共享的模拟网络，使用540条虚构主张研究虚假信念在多智能体社交网络中的传播、持续与缓解。实验显示，受测模型容易接受并传播虚构主张，传播覆盖率最高达96.0%；撤回散布者后，接受度几乎不降；有针对性的纠正干预优于事前预防，但仍无法消除虚假信念。
说明WUSPruner：面向结构化剪枝的二阶矩最优变换
简介本文提出WUSPruner，一种用于大语言模型结构化剪枝的变换框架。作者将剪枝时的基底选择建模为局部线性重构问题，并基于WUSH中的二阶矩变换构造WUS变换，由激活和权重统计量共同决定。实验显示，在8B至72B参数的Llama和Qwen模型上，该方法相比结构化剪枝基线有稳定提升，同时降低了推理延迟和内存占用。
说明DC-Flow：基于延迟耦合流匹配的靶标条件环肽设计
简介该论文提出DC-Flow，一种分阶段生成框架，用于根据靶标设计环肽。它先生成靶标条件下的主链结构，再激活序列和侧链，并让两者的生成过程相互耦合，从而改善环化成功率、多样性和界面能量。论文称该方法在固定最终候选数量下，能提高可信环肽结合物的产出率。
说明VideoEvoHarness：从无标注视频中自我进化的视频理解智能体框架
简介该论文提出VideoEvoHarness，让视频理解智能体的执行框架（harness）在不更新模型参数的情况下，从无标注视频中自我进化。系统由出题者和解题者两部分组成，通过执行反馈迭代优化技能、策略、超参数和工具，并在相同验证题上比较候选框架、保留有效改进。实验显示整体准确率高于初始版本，且改进可迁移到不同骨干模型。
说明对比表示学习中的近似问题
简介对比表示学习是一种学习可迁移表示的基础范式，其目标是两种模态之间的点互信息。本文研究为何常见的内积打分函数能有效逼近一般不可分的点互信息，把它与紧算子联系起来，分析低维内积模型的谱近似误差，并考察神经网络实现的近似率与下游检索误差的校准速率。
看点将PMI与紧算子联系，给出内积模型的秩D谱逼近误差控制及神经网络一致性与速率，理论贡献较突出。
说明E8格点键量化：面向低比特KV缓存压缩的方法
简介本文针对大语言模型长上下文推理中的KV缓存压缩问题，提出基于E8格点向量量化对键进行编码的k2v2方案（键与值均为2比特）。作者称该方法在五个LLM系列上实现约6倍的KV压缩，比标量k3v2约小20%，同时保持接近基线的长上下文困惑度，并在80%的模型、数据集和上下文设置中优于标量k3v2，解码吞吐量与标量基线相当。
说明基于WSBM的回声状态网络动态分析（使用InputDSA）
简介本文提出一种储层计算框架，用具有生物现实模块化结构的加权随机块模型（WSBM）替代随机网络来构建回声状态网络（ESN）。研究还引入输入动态相似性分析（InputDSA），比较结构先验如何分别影响网络内在循环动态与外部输入。结果显示，结构多样性不一定带来行为多样性；解耦分析表明，成功的网络在环境约束下动态趋于收敛，而失败的网络则退化为各自独特的轨迹。
