机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明学习何时信任及何时重新观察稀疏帧视频问答（基于时间采样扰动）
简介论文指出，稀疏帧视频语言模型仅因采样时间戳偏移就可能改变答案。作者提出PhaseGuard+，在冻结的视觉语言模型上施加受控时间偏移，分别预测阶段投票答案的可靠性，以及特定补救操作（如更密集的帧或更强模型）带来的正确率提升，仅将预计受益的样本路由至补救操作。在Perception Test视频的物理类问题上，路由30%问题至Qwen3-VL-32B后准确率达67.87%，高于预算匹配的随机路由（63.66%）。
说明将特征可理解性纳入特征选择，以生成面向人类的表格模型解释
简介该论文指出，现有以人为中心的可解释AI研究多在解释生成后才评估，难以指导提升可访问性。作者借助基于用户反馈的特征可理解性量表为特征打分，提出兼顾可理解性与信息量的特征选择算法，并据此训练随机森林，再用用户反馈评估SHAP解释的质量。结果显示，可理解性导向的解释平均得分更高但差异不显著；在成对比较中，参与者显著更常偏好这些解释。作者认为该方法能以较小的分类性能代价提升解释的可理解性，但仍需更大规模的研究加以验证。
说明LATCH：面向布线后FPGA优化的LLM辅助时序收敛框架
简介本文提出LATCH框架，将大语言模型的调度与确定性的FPGA实现及评估相分离，用于布线后的时序收敛优化。研究比较了三种智能体控制粒度，并考察了多轮迭代中组织重复尝试的不同方式，其中知识库引导的探索取得了最高的平均最高频率提升。
说明人机协作中的自适应交互网络：预测人体动作
简介本文针对人机协作场景，提出“机器人感知”的人体动作预测任务，即显式建模机器人对人体动作的影响。作者设计了自适应交互网络AINet，包含预测人体未来动作的主分支和估计机器人轨迹的辅助分支，并通过局部-全局空间交互模块与自适应加权聚合模块进行耦合与融合。在三个数据集上的实验表明该方法性能更优。
说明该回答还是不该回答？面向视觉语言模型的提示自适应对抗图像
简介论文提出 ProAda（提示自适应）对抗图像，用于保护视觉隐私：对有害提问拒绝回答，同时对合法提问正常作答。方法通过优化图像，并迭代更新提示文本，由一个简单分类器判断提示是否仍有害，从而平衡两类提问的响应。在视觉隐私相关数据集上，ProAda 拒绝了超过 90% 的有害提示，并允许超过 90% 的合法提示，优于不区分提示的现有方法，同时具有较好的跨模型迁移性和对抗防御手段的鲁棒性。
说明AgentCue：用统计摘要引导去中心化多智能体自组织
简介论文针对去中心化多智能体系统中协作记录激增、智能体自组织效率下降的问题，提出AgentCue方法。它用两个随记录更新的网络表示执行历史，并基于新的潜在空间模型，把智能体与任务类型置于同一潜在空间，形成紧凑且可解释的统计摘要，供智能体选择子任务和合作者。实验在LongBench v2 Multi-Doc QA上显示其在有效性、效率和可解释性方面具有竞争力。
说明弱分割引导的GAN，用于逼真的颜色编辑
简介本文提出一种新的GAN架构，可以结合任意可微分的分割模型，用于图像的逼真颜色编辑。该方法旨在同时实现生成结果无伪影与精确选择目标颜色两点。作者称，该框架在不同应用场景中取得了当前最优的结果。
说明DR-APO：面向连续控制与具身导航的解耦表示优势引导策略优化
简介这篇论文提出 DR-APO 方法，用于强化学习中的策略优化，适用于高斯、扩散和流匹配等不同表示的策略。方法通过优势引导的目标改进与表示兼容的直接动作拟合，把策略改进与策略表示分离。在五个 MuJoCo-v5 任务中，DR-APO 对扩散和流匹配策略取得了最佳的整体表现，并在 NavDP 导航后训练中将仿真成功率从 70.33% 提升到 89.55%，真实场景从 25% 提升到 65%。
说明当1+1适得其反：面向样本感知的视觉Token削减中相关性与多样性的再平衡
简介视觉Token压缩用于降低视觉语言模型的推理成本。已有方法通常以固定比例结合文本相关性与视觉多样性。本文发现，最优权重在不同数据集及单个样本之间差异显著，据此提出无需额外训练、在推理时按样本自适应平衡的SAVER框架。在LLaVA-1.5-7B上仅保留11.1%的视觉Token，即可维持全模型96.5%的性能，并可推广至LLaVA-NeXT与Mini-Gemini。
说明MixLID：混合语言文本中的词元级语种识别
简介该论文提出MixLID模型，可对111种语言-文字组合进行词元级语种识别，并能判断多语言文本中每个词元所属的语言。训练分两阶段：先用单语样本学习区分各语言，再用语码转换数据及基于英语源词与外来词对应关系的词替换增强数据进行混合语言训练。实验显示，在单语和混合语言识别中，MixLID在各自可比较的基准上均优于对比基线。模型已公开发布于Hugging Face。
说明检测被植入后门的多模态大推理模型中的思维链劫持
简介该论文研究多模态大推理模型在中毒微调后被植入后门，视觉触发器会引发思维链劫持，把原本正确的推理导向攻击者指定的答案。作者提出“信念惯性”及其视觉版本VBI，并据此设计免训练的测试时检测方法InertiaGuard，在多种攻击和基准上检测效果优于现有基线。
说明DEFlow：用于最大熵强化学习的深度平衡流策略
简介该论文提出DEFlow，一种深度平衡流策略，用隐式欧拉积分代替显式欧拉采样，并把所有中间动作作为平衡方程组联合求解。它结合隐式微分与离散变量替换公式计算最终动作密度，使策略可在软演员-评论家框架中进行离策略训练。实验显示，DEFlow在四个多目标对接任务中的平均成功覆盖率比最强基线相对提高约10%，并在五个操作任务中有四个取得最高的平均时间加权回报。
说明面向模态无关的癫痫分类：统一处理异构脑电与颅内脑电信号的深度学习框架
简介该论文提出一个同时处理头皮脑电（EEG）和颅内脑电（iEEG）的多模态癫痫分类框架。框架包含统一多模态信号协调方法（UMSH），用于统一不同采样率和记录条件的信号，并用条件生成对抗网络（cGAN）生成合成样本以平衡类别分布。分类网络采用EEGNet-ViT，用于学习局部和全局特征，实验结果显示该框架能够稳健地进行癫痫分类。
说明面向异构脑部MRI的、带不确定性估计的皮层表面重建与球面配准
简介该论文提出一种神经网络，仅用随机对比度和分辨率的合成扫描训练，因此可用于几乎任何类型的脑部MRI扫描。模型能输出皮层表面的逐顶点不确定性估计以及到fsaverage空间的球面配准。结果显示，它在1x1x1 mm³的T1加权扫描上与其他先进深度学习方法相当，并在低分辨率非T1加权扫描上优于另一种同类方法；预测的不确定性可用于质量控制。
说明双重展开强化学习：基于采样的奖励估计，用于改进推理模型训练
简介本文针对以GRPO实现的可验证奖励强化学习（RLVR）中奖励噪声问题，提出双重展开（double-rollout）方法：截断每条推理轨迹，从前缀采样多个续写，并以续写的平均奖励替代原始奖励，以更稳健地估计推理质量。作者报告该方法在数学和编程任务及Qwen、Nemotron模型上，以较少的RL步数取得更高准确率，计算开销仅适度增加；结合长度奖励后还能改善准确率与效率的权衡。
说明Prorsa：在智能体强化学习中释放预填充-解码分离的潜力
简介本文研究智能体强化学习（RL）中大语言模型的采样（rollout）阶段。多轮交互会反复产生预填充请求，使预填充与解码负载同时存在。论文表明，预填充-解码分离可提高采样效率，但固定的资源分配难以适应变化的负载。作者提出Prorsa框架，通过预测短期的预填充与解码需求来指导资源分配并切换引擎角色，在同步与异步设置下相比预填充-解码共置实现1.11x至4.05x的端到端加速。
说明JtT：重新思考用于单张图像中多样且刚性运动的点轨迹扩散模型
简介本文研究仅根据一张图像预测刚体运动，生成场景中任意点物理上合理且多样的未来轨迹，不依赖深度等几何输入。作者提出JtT，一种直接在坐标空间中运行的简单扩散Transformer，并系统研究点轨迹扩散的设计空间，发现对每帧速度进行扩散最能体现刚性。作者还指出训练中物理合理性与多样性并不同步提升，并采用更严格的检验协议。在该协议下，JtT约5000万参数，在分布和刚性指标上优于先前方法。
说明HyBRA-EEG：用于自监督脑电表征学习的双曲全局-局部脑区聚合方法
简介该论文提出HyBRA，一种基于双曲空间全局-局部脑区聚合的自监督脑电（EEG）预训练框架。它将不同电极布局的通道信息映射到统一的脑区标记空间，并通过区域-时间Transformer以掩码重建方式预训练。原文报告其在六个基准数据集上平均平衡准确率优于对比方法，在OpenBMI-MI上与CSBrain平衡准确率相当，参数量减少96.8%。
说明面向金融K线理解的代码交互式视觉推理
简介本文提出代码交互式金融K线推理任务，并训练了基于Qwen3.5-9B的Fin-Thinker模型，该模型可生成并执行代码以获取图表证据并完成计算。作者构建了包含32,184条轨迹的FinKLine-32K数据集，并提出包含1,200道题、138类任务的FinKLineBench评测集。论文称，该模型在该评测集上的严格准确率分别比表现最佳的直接回答基线和其基础模型（带沙箱）高出13.1和33.2个百分点。
说明OctMole：基于分层空间流的多尺度三维分子生成方法
简介该论文提出 OctMole，一种用于三维分子生成的多尺度八叉树流框架，同时确定原子数量、原子类型和几何结构。模型先由粗到细地逐级确定分子的稀疏空间占据，再为被占据的叶节点分配原子类型与格内连续偏移量，兼顾全局结构效率与局部几何精度。在 QM9 和 GEOM-DRUG 数据集上，论文报告其化学、分布与几何质量良好，并在 GEOM-DRUG 上相对 Uni-3DAR 有明显提升。
说明物理约束生成模型中的分布偏差：刻画与缓解
简介该论文研究带物理残差惩罚的生成模型，发现提高约束满足度未必提升对数据分布的拟合，并指出两种后果：模型偏向残差敏感度较低的状态，并可能转向数据支撑之外的可行状态。作者据此提出一种以干净训练样本处残差雅可比为锚定的数据锚定惩罚，在合成系统、三个偏微分方程系统及分子过渡态生成实验中验证了其效果。
说明LLM-HB：面向语码转换语音识别的语言感知大模型热词偏置方法
简介该论文针对同一句话中夹杂多种语言的语码转换语音，提出LLM-HB框架，用混合专家适配器和辅助语言预测头区分多语言表示，并通过大模型提示注入热词。在ASRU2019语码转换挑战赛测试集上，相比基线混合错误率相对降低20.30%，在15个干扰热词设置下达到5.85%。作者还公开了整理出的ASRU2019热词列表。
说明用于贝叶斯最后一层的变分滤波方法，采用独立二元Probit替代似然
简介本文针对深度分类器的最后一层提出一种变分滤波算法，把参数视为线性高斯状态空间模型中的隐状态，逐批次更新。通过独立二元Probit（IBProbit）替代类别似然，使更新具有闭式解。在DINOv3骨干网络上，与AdamW加温度缩放及变分贝叶斯最后一层（VBLL）对比，该方法在多项任务和分布外检测中表现更优，全网络微调时达到交叉熵基线的最终性能所需时间约为一半。
说明CineRecon：面向智能体电影场景重建的前沿模型基准测试
简介该论文提出CineRecon基准，用于评估智能体能否把参考视频重建为可编辑的动态三维场景，以支持电影制作中的可控视频生成。基准包含50段参考视频和360个标注评测片段，涵盖电影、实拍与游戏素材，并设置Proxy、Simplified、Detailed三种表示要求。作者评测了12个模型，发现在相机、静态和动态一致性三个维度上都存在失败，其中主体动作与互动即使在Proxy设置下也难以复现。
说明NFDiag：利用归一化流诊断高维MCMC收敛性
简介本文提出NFDiag，一种基于归一化流（NF）的马尔可夫链蒙特卡洛（MCMC）收敛诊断方法。传统收敛统计量主要分析边缘分布，在高维时难以发现问题。NFDiag在完整的多元联合后验空间中训练归一化流，并检验链的不同部分是否对应同一多元目标分布。作者在最高250维的测试中表明，该方法具有通用性和无偏性，并且能在Gelman-Rubin统计量和多元有效样本量未能发现问题时，检测出链的质量缺陷。
说明基于单目支气管镜的稠密气道建图与定位
简介本文仅利用支气管镜的单目RGB视频，不依赖电磁跟踪器或术前CT，即可定位镜头尖端并重建其周围的气道表面。系统以在百万余张逼真气道渲染图上微调的深度模型提供度量深度，并结合DINOv3特征匹配与稠密ICP配准构建因子图。在由患者CT渲染的六个气道上，平均轨迹误差为26.1毫米，平均表面F值为77.5%。
说明从大规模教师模型到高效多模态学生模型：用于搜索相关性预测
简介该论文面向电商搜索中的相关性判断问题。作者先用少量人工标注数据构建可靠的大模型评判流程，再用它生成大规模相关性标签训练紧凑的多模态模型。蒸馏后的小模型性能接近教师系统，同时显著降低延迟与成本，便于在生产环境中部署。
说明VLA-GAUGE：系统评估视觉-语言-动作模型的泛化与鲁棒性
简介本文提出 VLA-GAUGE 诊断框架，用于检验视觉-语言-动作模型在熟悉操作任务上的高成功率是否真正代表零样本泛化和扰动鲁棒性。框架包含分布内与分布外配对任务、单因素敏感性与组合扰动评估，并通过针对性数据增强和微调进行改进。研究评估了 12 个模型，结果显示平均零样本得分仅为 22.3%，组合扰动下平均 R-Score 为 9.3；针对诊断结果的微调则带来明显提升。
说明《注视的语言》：运动词元揭示注视序列中依赖领域的局部结构
简介该论文以眼动注视序列为研究对象，用运动词元化作为诊断工具，比较四个不同数据集中注视序列局部结构的可迁移性。研究发现，注视可以共享一套可复用的运动词元词表，但相同的运动词元在不同数据集和任务情境中会组织成不同的局部转移模式。作者据此指出，在低语义运动词元表示下简单合并数据存在局限，并提出了一套用信息论诊断方法评估行为序列的框架。
说明最优传输的PAC-Bayes泛化界
简介本文提出了新的PAC-Bayes泛化界，用最优传输距离（包括全变差距离和Wasserstein-p距离）替代通常使用的KL散度。作者指出，KL散度要求后验分布相对先验分布绝对连续，限制了后验的选择，且不考虑概率空间的几何结构。
说明基于部分测量的物理模型与神经网络动力学可扩展辨识
简介本文提出一种可扩展的方法，利用部分测量数据辨识非线性动力学，适用于物理模型、神经网络及灰箱模型。方法结合预测误差法与移动时域估计，并通过重新表述优化问题提高计算效率，超梯度计算最高加速215倍。赛车仿真展示了轮胎力辨识中的预测准确性与物理参数恢复能力，真实数据表明灰箱模型借助神经残差提升了预测精度并保留物理可解释性。
说明G²WAM：面向图像目标导航的几何约束世界动作模型，一种高效的导航方法
简介本文提出几何约束世界动作模型（G²WAM），用于图像目标导航。该方法通过学习的场景坐标定位模块，把当前帧、目标帧和历史帧锚定到同一参考系，无需显式三维重建即可获得稳定的空间上下文，并联合预测未来状态与动作，省去代价高昂的CEM式规划，且完全在潜在空间中运行。论文报告，在四个轨迹预测基准上平均ATE和RPE分别降低40.1%和35.2%；闭环导航中成功率由54.0%提升至63.0%，路径长度加权成功率（SPL）由36.4%提升至59.2%。
说明组合数学中的AI发现：从问题到解答，再到更大的问题
简介作者提出了qtBench，一个包含29个代数组合学开放问题的基准测试集，要求找到能解释给定多项式系数或恒等式的简单组合算法。为帮助AI智能体搜索这些算法，作者提供了探索组合对象、防止作弊和检验候选解的框架。作者与OpenAI合作，其研究人员针对其中几个问题获得了提议的解答。
说明让语言成为视觉的低速率编码：从文字到像素的逐次精细化
简介该论文提出一种有序视觉编码，使短前缀能代表图像，并通过摘要式字幕链训练前缀，使文字先于像素进入编码。作者将字幕生成与文本到图像生成视为逐次精细化问题，并构建名为RUNG的模型。实验显示，相同数据与容量下，以语言排序使前缀与字幕信息量提升2.9倍，GenEval从0.76升至0.83，代价是短前缀PSNR下降2.8 dB、完整编码下降0.1 dB。
说明NoduleFlow：三维肺结节自动检测与分割
简介该论文提出NoduleFlow框架，直接从一系列CT体数据中自动完成肺结节的检测、分类和分割，无需预先的病灶标注或人工初始化。框架利用跨扫描配准场，将候选区域在随访扫描之间传播，并在四个独立数据集上评估了其泛化能力。
说明《知己知彼：基于递归超网络的句法感知自监督组合式句子表示学习框架》：一种让机器更好理解句子结构与含义的方法
简介该论文提出一种用于学习句子表示的新型自监督框架，采用递归超网络，沿句法解析树由词的表示逐层组合出句子表示。模型分别维护句法和语义两套表示，并由句法信息引导语义组合。作者设计了六项自监督训练任务，在7项探测任务上评估，结果显示所生成的句子表示比平均基线和当前先进方法编码了更丰富的语言信息。
说明DeepFlow：两种可收敛、可微的成对条件随机场方法
简介论文针对深度学习最后的概率输出层，提出两种具有可证明收敛性的算法，使带空间正则化的成对条件随机场能与深度网络配合，用于图像和信号分类。作者通过数学分析与计算机模拟实验，比较了两种方案的不同表现。
说明启发式规则不够：面向视频扩散加速的校准与修正缓存方法
简介该论文提出 AlignCache，一种用于加速视频扩散模型的训练免缓存框架。它通过分阶段的预算路由、基于反事实误差的闭环阈值校准以及动量增强的草稿合成，使缓存调度直接对齐最终生成视频的质量影响。作者称其在多个先进视频生成模型上取得了更好的加速与质量权衡。
说明过度教学与学习不足：基于多智能体讨论的学习者中心蒸馏
简介论文指出，多智能体讨论能协作产生推理，但部署时小模型需独立作答，而直接蒸馏讨论图谱时，教师提供的内容与学生真正学会的内容并不一致，存在重复教学和遗漏学习两类问题。作者提出 FAR 方法，先把讨论中相近的正确解答合并为代表性课程，训练后再依据学生自身的错题与薄弱聚类，有针对性地补充课程。实验显示，在两个学生模型和四类推理任务上，FAR 使用更少训练目标即优于全图蒸馏，且学习不足的问题更少。
说明神经网络预条件子：求解参数化亥姆霍兹方程的案例研究
简介本文提出一种混合数值方法，用于求解二维参数化亥姆霍兹方程离散后产生的线性方程组。作者以U-Net结构的卷积神经网络，采用自监督方式（不显式生成参考解）训练，近似离散算子的逆，损失函数基于线性系统的残差范数。该网络作为非线性预条件子用于柔性GMRES算法。实验显示，网络单独使用精度不足，但作为预条件子能显著改善FGMRES的收敛性，并在速度场和区域尺寸变化下表现稳健。与基于LU分解的代数预条件子相比，在同等条件下该方法效率更高。
说明PatTransBench：按 IPC 分类分层的多维专利机器翻译评测基准
简介该论文提出 PatTransBench，一个包含 12,000 条中英、中日、中韩专利平行句对的基准，短文本与长文本各半，按 IPC 部类分层抽样并经双阈值质量筛选。评测从字面重叠、跨语言语义相似度、38 种探测语言一致性和并发服务性能四个维度进行。以 PatMT2-7B 及其量化版本为例的案例显示，量化效果随翻译方向而异，单一指标难以发现这些差异。
说明学习分级稀疏机制：表示定理与可认证的泛化
简介本文研究环境给每个元素赋予权重时，如何用监督学习拟合“分级稀疏”机制（每个元素的更新主要依赖少数其他元素）。作者以公理定义这一函数类，证明它恰为加权多重集上某种输运度量的Lipschitz球，并据此给出依赖数据稀疏度分布的泛化界及经验界。在模拟的Vicsek鸟群模型上的实验显示，该界在四种交互规则和两种噪声水平下都远小于平凡值，具有实际意义。
说明学习、压缩与元复杂性：一篇关于三者之间形式化联系的综述
简介这篇论文综述了学习算法、数据压缩与计算复杂性理论之间的形式化联系，并着重介绍近期进展与前沿问题。文中说明复杂性理论的技术如何指导具有可证明保证的监督与无监督学习算法设计，反过来学习算法也能为复杂性理论带来新见解。文章以数据压缩为桥梁，特别是通过“元复杂性”这一领域，研究压缩问题的计算难度以及有时间限制的柯尔莫哥洛夫复杂性变体。
说明解释会先于保证漂移吗？演化图上的无标签早期预警
简介本文研究动态图数据流中，模型自身的解释漂移能否在共形覆盖率下降前发出预警，且无需标签。作者修正了两个统计问题：以边存在与否为条件计算重要性，并按结构角色而非边标识聚合。在多种渐进漂移情形下，双通道监测器比覆盖率崩溃提前8至14.5步发出预警，在真实交易自我网络上也能提前27步预警。
看点将归因漂移用于图流早期预警，并通过条件化重要性与结构角色聚合修复统计量，提出双通道监控；在多种漸变机制与真实交易数据上验证提前量。
说明面向可验证奖励强化学习的谱驱动自适应秩优化器 Ares：根据梯度谱结构动态调整更新秩的大语言模型训练方法
简介本文研究大语言模型在可验证奖励强化学习（RLVR）中的梯度谱结构，发现梯度能量会逐渐集中到不断缩小的有效子空间，且所需秩随训练推进而减小，这一现象在监督微调中不存在。基于此，作者提出优化器 Ares，依据梯度谱能量分布估计有效更新秩并跟踪其变化，将每次更新限制在低秩子空间内。论文称在不同规模的模型上，Ares 的准确率优于常用优化器，并可推广到不同的 RLVR 算法和任务。
说明支持度还是强度？神经元相关性刻画对指令数据筛选的影响
简介该论文研究在指令数据筛选中应如何刻画神经元相关性：是看相关性的强度，还是看其在神经元间的分布范围。作者基于AttnLRP归因构建样本级相关性特征，提出有效相关支持度（ERS）和正相关强度（PRM）两种互补指标。实验在三个语言模型和五个下游基准上进行，结果显示基于相关性的筛选具有实用价值，其中ERS的整体平均排名最佳。
说明基于深度学习的合成植物纤维横向压缩力学表征
简介论文提出一种深度学习框架，用两个相互耦合的递归U-Net逐步预测纤维在横向压缩下的变形与内部应力场，再用回归CNN从最终应力场估计横向杨氏模量，以替代耗时的有限元模拟。训练使用1000个由真实大麻截面生成的合成纤维几何，应力场的SSIM为0.9574±0.0074，杨氏模量估计的R²为0.938±0.024。单根纤维推理耗时不到一秒，而一次有限元模拟约需五分钟。
说明EAU：面向用户的智能体训练中环境、智能体与用户的协同演化
简介该论文提出EAU框架，在训练过程中由元智能体监控轨迹、工具调用和奖励等信息，诊断失败与无效交互，并对用户模拟器、环境、奖励设计和强化学习配置提出修改，经验证后热替换到正在进行的训练中。在三个交互式智能体基准和两个骨干模型上，EAU的综合得分比最强基线高出14.7%至15.0%，在ColBench上的任务成功完成率最高提升36.7%。
说明基于可达性的学习型安全表示，用于未知动态环境中的实时机器人导航
简介本文提出用离线训练的神经隐式表示来近似汉密尔顿-雅可比可达性价值函数，使基于优化的控制器能够实时获得安全信息。方法包括模型预测控制的终端约束、控制障碍函数安全滤波器（含多动态障碍物的成对障碍函数），以及一种面向多维控制仿射系统的可并行树搜索标签生成方法。作者称在地面和空中机器人的仿真与硬件实验中，相比几何及人工设计的基线方法，避障效果更好，尤其在短时域和存在移动障碍物时。
说明离散分布特征最小二乘回归中学习率调度的渐近风险
简介本文研究在离散分布特征的流式最小二乘问题（Slock 模型）上，随机梯度下降最后一步迭代的表现。在幂律条件下，作者推导了恒定学习率与 WSD（预热-稳定-衰减）调度的精确有限时间风险及渐近等价式。调优基础学习率后，风险按 Θ(T^{-q}) 衰减；恒定调度的指数 q 更小，而任何正的相对冷却长度都能带来多项式级改进。此外，最优风险仅通过 bT（批量大小与时间范围之积）依赖于批量大小和时间范围。
说明基于可信度校准与演化想象的VLA策略后训练（MERL）
简介这篇论文针对视觉-语言-动作（VLA）模型在模仿学习预训练后的强化学习后训练问题，提出模型演化强化学习框架MERL。该方法让策略优化与在线更新的模拟器（含世界模型和奖励代理头）相互配合，并用可信度控制想象数据的比例、推演长度和回放选择。在扰动版LIBERO-PRO任务上，MERL平均成功率为79.7%，高阈值学习速度比匹配的无模型对照快10.9%；在两个实体机器人任务上，每任务50条示范的固定数据适应平均成功率为80.0%。
说明扩散语言模型并行解码中多词元格式单元的意图触发锚定方法
简介扩散语言模型并行解码时一次提交多个词元，导致同批词元互不可见，破坏解析器需要的多词元格式单元。作者提出一种无需训练的解码规则：模型提交首个词元后即补全格式单元，并在模型停止或循环时用兜底方式写入。在三个胸部X光报告评测集上，可读率从63.3%–67.3%提升至100.0%，且无回退。
说明提升模式排序的学习效果
简介模式挖掘是探索性数据分析的重要工具，但为特定用户找出相关模式并不容易。本文把学习模式排序函数的问题表述为多准则决策问题，用层次分析法（AHP）根据用户偏好为不同的兴趣度指标确定权重，并提出带灵敏度启发式的主动学习模式，以减少用户的排序询问次数。实验表明，与现有先进方法相比，该方法显著缩短了运行时间，排序结果更精确，且对用户误差具有较强的稳健性。
说明pi-Net：面向数据稀缺系统可微分物理头部的经验潜在表示
简介该论文提出 pi-Net，一种物理信息潜变量模型，用于在数据稀缺的多物理场系统中做预测。模型由编码器把输入映射到经物理归一化的潜空间，再由可微分物理头部解码为最终预测。在 60 个实验样本的气体保护金属电弧焊（GMAW）案例中，其 R² 达到 0.864，论文称其在数据稀缺场景下优于纯数据驱动基线，并提供过程层面的因果可解释性。
说明KARAMEL：通过异构图实现艺术领域多模态实体链接的知识感知排序方法
简介本文提出KARAMEL框架，用于文化遗产领域的多模态实体链接，即把图像和文本中的提及对齐到知识库中的实体。方法将视觉-语言编码器与异构图神经网络结合，引入社会历史和上下文知识以辅助消歧。作者还发布了WikiMuSA数据集，实验显示该方法在隐含或抽象提及上优于基线模型，并已公开数据集与代码。
说明统一视觉生成器中的自我验证者俘获：诊断与修复闭环自我奖励
简介该论文研究统一视觉生成模型在闭环自我奖励训练中出现的问题：模型复用自身理解通路打分，自我奖励上升而独立评测质量下降，称为自我验证者俘获。作者发现策略会利用冻结判别器的盲区，共享参数更新还会改写判别器；据此提出锁定奖励读取并配合稀疏外部锚点的修复方法。在Scale-RAE和Show-o2上，该方法仅对约1/16的样本进行外部评分，仍在GenEval与DPG-Bench上显著优于每个样本都评分的对照方法。
看点提出统一视觉生成器中自验证器俘获的新失效模式及锁定加锚点的修复方法，并在两个底座上验证。
说明从漫画式人设到集体产物：人设构建如何在生成式社会模拟中推动极化
简介该论文研究基于大语言模型的生成式社会模拟：用美国全国选举研究（ANES）调查数据构建人设，并在类推特平台上让其互动。作者逐层去除党派认同相关信息，发现只删除少量明确的党派表述，网络就能从几近完全隔离变为接近真实推特网络的跨党派连接。作者认为，结果相符并不能证明行为有效性，并提出“显著性”可能是解释，同时给出未来评估人设的检查清单。
说明起草智能体而非仅仅词元：面向智能体系统的推测式递归自我改进
简介该论文提出推测式递归自我改进（SpecRSI）方法，在前代智能体完全评估前就起草可执行的后继智能体，但采用前需完整验证。文中还提出验证感知树搜索（VATS）在继续修改与待完成检查之间分配预算，以及组验证优化（GVO）从已完成的搜索中学习改进器。论文报告在科学类基准的最终增益较Janus高33.3%至40.0%，编码验证成功率为69.4%，高于HGM的64.3%。
说明《交流、发声与语言》：一篇探讨大语言模型是否真正理解语言的论文
简介该论文主张，当前的大语言模型并不真正“理解”语言，但确实在“做”语言。作者认为，大语言模型并非形成某种符号的“分布式表征”，而是在捕捉“文化智能”，并将符号与社会学家所称的“实践”相连接。
说明用于大语言模型强化学习的可生长与可迁移计算路径（GrowRL）
简介论文提出GrowRL方法，在冻结预训练主干网络的前提下，为每个Transformer层新增独立的注意力分支和前馈网络分支，仅对这些新增路径进行强化学习训练。实验覆盖五种主干模型，结果显示其在数学推理和分布外任务上具有竞争力，且参数量较少。学到的路径可迁移到结构兼容的目标模型，仅经过10次目标端更新即接近100次更新的效果。
说明SLEM：谱感知的潜空间专家合并（一种免校准的MoE模型压缩方法）
简介该论文针对混合专家（MoE）模型占用内存大的问题，提出一种免校准数据的专家合并框架SLEM。它先用VAE将专家权重映射到结构化潜空间，依据潜空间相似度分组专家，再由权重谱推导合并系数，在潜空间中做几何感知插值并解码为合并后的专家权重。论文称其在通用知识基准上与现有方法相当或更好，在数学推理与代码生成等生成任务上平均表现更高。
说明MiMaAlign：面向物理合理视频生成的分层微观-宏观对齐方法
简介文尝试改善文生视频扩散模型生成视频时出现的物理不合理问题，如动态不连续、事件交互不合理等。作者提出MiMaAlign框架，在预训练模型的不同层级分别引入神经常微分方程学习的连续动态表示和视觉语言模型提供的事件常识表示作为训练期辅助约束。在CogVideoX-2B上，该方法使VideoPhy基准的物理常识得分相对基线提升最多21.0%，并在VideoPhy2上有明显提升，同时保持了VBench上的整体视频质量。
说明PXRD-Bench：从粉末衍射数据确定晶体结构还有多远？
简介该论文提出 PXRD-Bench，一个统一的基准测试，用于评估由粉末 X 射线衍射（PXRD）数据推断晶体结构的生成模型，并扩展到未知原子数量和两相混合物的情形。同时提出了参考基线模型 Bragglite，在已知成分的 RRUFF 实验图谱上达到 44.2% 的 Top-1 匹配率。研究指出，部分模型无法从实验衍射数据中获益，对未见过的结构原型泛化以及两相混合物的结构恢复仍然困难。
说明基于可解释AI引导的傅里叶域泛化：纯仿真训练、零样本迁移到真实世界的强化学习
简介该论文针对在仿真中训练的视觉自动驾驶强化学习策略迁移到真实世界时性能下降的问题，提出XFD框架。它利用可解释AI生成的归因图，在仿真内对外观相关的频谱成分进行干预，同时保留任务相关的空间结构，并结合鲁棒策略优化。实验显示，在仿真和零样本真实部署中，XFD在行驶距离和奖励上均优于标准策略和随机域随机化基线，在杂乱背景的未见地图上尤为明显。
说明基于本体的后协调表达式组装：从临床叙述到可查询的知识图谱
简介本文针对肿瘤临床文档中的自由文本难以大规模检索的问题，提出一种从临床叙述中导出可查询知识图谱的方法，该方法遵循跨多个本体的 SNOMED CT 扩展语法。文中定义了五类关系及对应的构建规则，并给出确定性实现 UNIGRAPHE。在专家标注的真实肿瘤文档上，UNIGRAPHE 将 5299 条标注重构为 2196 个后协调表达式。
说明审计人物观测质量捷径：基于人物中心运动的视频异常检测评估
简介本文研究视频异常检测中，基于运动的判别能力是否只是来自人物检测、姿态估计和跟踪的观测质量差异。作者提出包含质量诊断、质量平衡、运动正交化和稳健性分析的评估框架，在UCF-Crime的人类相关类别上测试。结果显示仅用质量特征即可达到或超过原始多线索运动特征的判别力；经基数匹配使11个质量变量边际平衡后，多线索运动特征在三种模型上的ROC-AUC仍高出0.046至0.141。
说明PatMT2：面向多语言专利翻译的两阶段领域自适应
简介本文提出PatMT2，一种两阶段LoRA训练流程，将专用翻译模型Hy-MT2-7B适配到中、英、日、韩四语种专利翻译。在六个翻译方向上，第二阶段模型的宏平均BLEU为43.39至43.57，优于基础模型最多8.8分。作者还检测了微调数据之外的38种语言，其中34种仍能输出正确流畅的译文，另有四种低资源语言出现了各自可复现的失效模式。
说明训练视觉语言模型学会拒答：支持补全对抗“幻影”问题
简介论文关注视觉语言模型在看不到图像时仍作答的“幻影”问题，即答案可能碰巧正确却缺乏图像证据支撑。作者提出支持补全方法TIDE，在训练中加入空白图像、同领域错误图像和域外图像三类反事实样本，并以拒答作为目标。文中报告在Qwen2.5-VL-7B上的实验，无效证据下的幻影率从0.759降至0.097，但拒答有一定误拒代价。
说明部分反馈下的在线个体化治疗选择：错误发现控制与极小极大最优性
简介该论文研究只能观察到所分配治疗下结果的在线个体化治疗选择问题，提出PAITS方法，结合历史数据初始化、局部零假设风险的序贯估计、随机探索以及基于反馈更新的选择阈值。在正则条件下，论文给出渐近错误发现率控制及相对于总体最优的次线性分配遗憾，并建立了分配遗憾的极小极大下界。模拟研究和Jester推荐数据集的实际分析展示了其有限样本表现。
说明口译员兼开发者：借助人与大语言模型协作打造计算机辅助口译工具的自我民族志设计研究
简介本文是一项自我民族志设计研究，一位没有编程背景的专业口译员借助专家主导的“氛围编程”，与大语言模型和编码代理协作，开发了一套本地优先的计算机辅助口译系统。作者分析了完整的开发对话，展示了分段处理到译员间基础设施等隐性专业知识如何在通用默认方案失效后转化为设计。在一场高要求的公开科学活动中，研究观察到三种译员间的应用机制，并以一次全程监测的任务数据显示，完全本地化的流程在971条话语上的中位翻译延迟为0.94秒。
说明一种刻画流行病传播行为的时序图相异度度量
简介本文比较时序网络的相似程度，指出常用的结构特征比较方法对预选特征很敏感。作者提出以流行病传播曲线为依据的相异度度量EATGD，并用随机SIR模拟进行参数校准，使其与时间平移DTW相异度的相关性最大化。在SocioPatterns的人际接近网络和合成时序图上的实验显示，该方法能反映基于传播的图相异度，并具有可微和计算高效的特点。
说明GHOST：面向开放词汇三维场景图生成的几何约束混合扩散方法
简介该论文提出 GHOST 框架，用于开放词汇的三维场景图生成。它同时建模连续的物体几何位置与离散的关系谓词，通过几何约束引导关系预测，使空间关系更符合几何一致性。在 3DSSG 数据集上，该方法在封闭集和开放词汇设置下均取得当前最佳结果，其中空间谓词比 RelationField 提升超过 17 个点。
说明并非每条线索都是证据：面部伪造检测中用于取证蒸馏的线索可支持性
简介可解释的人脸伪造检测不仅要给出正确判断，还需要有图像支撑的取证证据。训练线索来自伪造生成流程，但模型可见的图像质量和分辨率有限，难以观察这些细粒度痕迹，导致学生模型可能给出正确答案却引用错误证据。论文提出双重可支持性审计，在蒸馏前过滤特权线索：线索需能由其余特权上下文预测，且与当前图像中高归因区域有因果关联，只有满足两者的线索才获得较大蒸馏权重。实验在八个基准上表明，该方法保持或提升了检测准确率，并显著提高了解释的忠实度。
说明StructZO：面向省内存大语言模型微调的结构化零阶优化方法
简介论文提出 StructZO，一种结构化零阶优化框架，用于降低大语言模型微调的内存开销。该方法在激活诱导的低维子空间内进行大规模零阶估计，并对降维后的更新做谱控制，再映射回原始参数。实验显示其在 OPT 系列和 Llama3.1-8B 上优于现有零阶基线，平均与一阶 Adam 的差距在 1.5% 以内。
说明CivWorldBench：在结构化多智能体沙盒世界中评估语言世界模型
简介论文提出 CivWorldBench，一个基于多智能体策略游戏引擎的基准，含 475 个世界、1900 个决策点，可记录内部状态并进行干预对比。它从关联预测、信念推断和干预预测三个层级评估语言模型，主要对象为 11 个前沿模型。结果显示，强的关联预测不一定能延伸到信念推断和干预预测，效果幅度的校准仍然较差。
说明基于Tikhonov稳定贝塞尔轨迹预测的免训练扩散模型加速
简介扩散模型生成质量高但推理时需反复调用去噪网络，成本较高。本文提出BeziCast，一种免训练的加速框架，通过低阶贝塞尔轨迹预测输出端附近的去噪表示，并用Tikhonov稳定拟合估计控制点，以避免高阶导数估计带来的不稳定。论文还引入凸包式保护机制，将高风险预测软性拉向保守估计。作者报告在FLUX.1上最高加速4.79倍，在HunyuanVideo上最高加速4.11倍，生成质量优于对比加速方法。
说明用因果森林与Hoeffding函数分解解释异质性处理效应
简介论文指出，现有估计异质性处理效应的先进方法基于机器学习，属于黑箱，难以识别驱动效应差异的协变量。作者提出CausalTreeHFD，是因果森林的可解释扩展，基于适用于树集成的Hoeffding函数分解，将条件平均处理效应拆分为单个协变量和两两交互的贡献。文中在模拟与真实数据上进行了实验，结果显示该方法能较准确地识别相关协变量及交互并还原其贡献。
说明像素还是代码？面向指令引导的视觉制品编辑基准测试
简介本文提出视觉制品操作基准 VAO-Bench，包含 1573 个人工筛选任务，涵盖图表、技术图示、网页、文档页面等九类制品和三个难度等级。它比较了像素空间编辑器、生成代码的多模态系统和工具调用智能体在直接编辑、依赖更新、内容保留等方面的表现。结果显示，可执行代码系统更擅长依赖更新，像素编辑器速度更快、视觉质量更好；明确说明依赖关系能提升两类方法的表现。
说明RAP-WAM：通过预测演练与动作扰动学习“世界-动作”模型
简介该论文提出RAP-WAM方法，利用视频生成先验同时预测未来观测与机器人动作，并结合预测演练、动作扰动及耦合动作投影来学习策略。作者在42个RoboDojo仿真任务和15个真实机器人任务上进行了评估，报告完整系统在真实机器人任务上的宏平均成功率为89.00%，并指出动作扰动响应提供了超出预测误差的信息。
说明VisExMEM：基于视觉证据的可解释多模态评估指标
简介该论文提出VisExMEM，一种无需参考文本的图文评估器，可将描述拆分为原子论断，定位图像中的视觉证据并逐条验证，再汇总为总体分数。论文还发布了包含600个人工标注图文对和8.7K个原子论断的AGITA-Bench。在八个基准测试中，VisExMEM-9B在开源评估器中综合得分最高，并称与GPT-5.6 Sol相近。
说明ARMED：自适应检索增强的用药推荐框架
简介用药推荐需要综合诊断、合并症、患者既往病史和治疗相互作用。该论文提出ARMED，一种自适应临床检索增强框架，可根据检索充分性和本次入院相关性动态扩展检索，并只启用与临床相关的同一患者既往病史。在MIMIC-IV数据集上的实验显示，ARMED优于以往的静态检索基线，且无需依赖外部语言模型API或针对任务的微调。
说明CultureBot：面向文化遗产数据的检索增强探索框架
简介本文提出CultureBot，一个用自然语言探索文化遗产馆藏的交互式框架，结合知识图谱引导检索、词汇语义检索和带来源链接的生成。系统在81,852条SearchCulture记录上实现并公开了在线演示。专家评估显示，图谱引导系统在证据依据、多样性、推理和完整性等方面明显优于两个通用助手和非图谱版本。
说明ECHO：利用历史类比与预测误差修正时间序列基础模型的预测
简介时间序列基础模型提供通用预测能力，但其预测在目标领域中可能与时间特征不一致。论文提出ECHO框架，在仅能黑盒访问模型的条件下，同时利用历史类比和过去的预测误差进行修正。AnalogE通过跨领域预训练学习可迁移的修正，RecentE从目标领域的历史误差中学习残差修正，并依据两者的表现动态结合。在5个基础模型和9个真实数据集上，ECHO在全部45种组合中降低了MSE，宏平均MSE平均相对降低9.26%，且对长时域预测也有效。
说明用上图提升法（epigraph lifting）驯服非凸优化
简介论文研究用带凸激活函数、权重不受限的训练神经网络作为正则项的反问题。这类优化问题通常是非凸的，梯度方法容易陷入较差的局部极小值。作者提出惩罚式 epigraph 提升，证明提升后的问题可写成差之凸（DC）分解，并针对 Lipschitz 连续激活函数给出有限精确性，即在可显式计算的有限惩罚阈值下恢复原目标。基于此提出 H-DC 同伦方案，逐步增大惩罚参数并热启动求解。数值实验显示其比同初始化的梯度方法更能跳出局部极小，得到目标值更低的解。
说明重采样答案：在递归推理中把测试时算力花在哪里
简介本文研究递归推理模型（如 Tiny Recursive Model，TRM）在测试时的计算分配。作者发现失败的推理轨迹其错误主要体现在答案状态中，因此重采样答案状态比扰动推理状态更能恢复失败。基于此提出门控答案重采样方法（GAR），仅重启被模型自身停止头拒绝的题目，在 Sudoku-Extreme 和 Pencil Puzzle Bench 验证集上分别将 TRM 的准确率提升至 99.4% 和 85.6%。
说明AuthGateBench：将大语言模型作为授权闸门的基准测试
简介自动审批系统让编码智能体在少量人工监督下执行高风险操作，由分类器（通常是大语言模型）决定是否授权。论文提出 AuthGateBench，这是首个针对良性请求、以策略为指导的授权闸门基准，包含 1,400 个实例，涵盖取自真实 Claude Code 事件的五类失效模式。实验显示，模型在不同失效模式下准确率下降程度不一，且即使已获明确授权仍会拦截大多数操作；但事后检索到的环境信号能显著提升授权准确率。
说明分布式记忆库的联邦核心集子采样方法
简介该论文针对多工厂、多站点工业场景中数据分布相似但不完全相同的问题，提出两种联邦方法：一是合并已有核心集（双重子采样），二是在联邦环境中构建新的核心集（联邦子采样）。作者将基于记忆库的PatchCore异常检测算法改造为联邦形式，文中称其在冷启动性能、对领域与传感器偏移的鲁棒性以及对参与方不稳定的容忍度方面均有提升。
说明用重要性加权流匹配学习ω次幂条件分布
简介论文指出，无分类器引导（CFG）通常被视为采样ω次幂条件分布的近似，但一般并不能精确采样该分布。作者提出重要性加权条件流匹配（IW-CFM），利用冻结的条件与无条件流模型得到的密度比对样本重新加权，从而显式学习该分布。实验显示，在合成分布上可恢复解析目标，在ImageNet上相较于固定或匹配引导的CFG有更好的对齐效果。
说明链式维度缩放：面向工业短视频排序的通信高效循环式扩展方法
简介本文提出链式维度缩放（CDS），通过在多次迭代中重复使用同一特征交互模块（参数共享），把迭代次数即链长作为新的扩展维度，且不增加参数。在大规模多任务短视频排序系统中，压缩模式下可在离线质量仅差0.03%以内的情况下减少26.6%的可训练参数，训练吞吐量提升6.4%；在质量扩展模式下，质量随链长单调提升。作者认为效率提升主要来自跨设备同步开销和优化器更新成本的降低，而非FLOPs的减少。
说明SLS-Bench：基于合成可观测性数据的事件日志摘要基准
简介本文提出 SLS-Bench，用于评估从大规模日志流生成事件摘要的能力，包含 90 个任务，每个任务基于真实事件报告，并配有合成日志流和参考摘要。作者开发了数据生成流程，把事件报告转为结构化事件模型，以生成合成日志。对 14 个大语言模型的评测显示，前沿模型能产出有用的摘要但成本和延迟较高，开源权重模型明显落后。
说明估计社交导航信号在走廊场景中的因果影响
简介该论文研究机器人在与行人共享的走廊中，何时发出社交导航信号是否真正提高通行成功率。作者用因果有向无环图建模机器人动作、行人占用、可用空间、任务结果和静态障碍等混杂因素，并比较了干预性估计与仅以机器人动作为条件的观察性估计。结果显示，考虑混杂后结论发生反转：观察性分析认为信号有害，而因果估计表明信号有益。
说明重复结构下视觉定位位姿选择失败的恢复方法
简介论文指出，重复结构可能使错误的位姿候选获得更多内点支持，从而被视觉定位误选。所提出的历史引导位姿重选（HPR）利用最多五次过往定位结果的粗略位置预测来区分候选位姿，仅在预测足够一致时才替换为预测指向的候选，无需里程计。在多个HLoc、MASt3R与JIST配置中，HPR提升了召回率，并在NAVER Gangnam B1数据集上修正了97个HLoc失败案例。
说明IMPULSE：在 V-JEPA 2 特征空间中先推后预测
简介V-JEPA 2 等潜在世界模型在视频编码器的特征空间中做预测，但仅凭观察无法得知物体的刚性、弹性和滑动程度。IMPULSE 借鉴人通过试推来认识物体的方式：用贝叶斯接触记忆汇总三次短促的校准推动，并借助随机傅里叶姿态头让预测器利用物体位姿。论文报告，在 512 个新物体的预先指定保留集验证中，该记忆使一秒特征预测误差相对无经验预测器降低 11.6%–12.8%。
说明EvoWeb：面向持续演进网页应用的编程智能体基准
简介该论文提出 EvoWeb 基准，包含 32 个网页应用共 320 个连续需求，需求依据真实产品功能并由功能依赖图组织。智能体需在持久代码库上逐步修改，多模态网页智能体则在浏览器中测试每个中间版本。研究发现模型之间表现差异明显，跨需求集成是主要难点，依赖越深或越多的后续需求越难正确完成。
说明面向通用长程智能体的递归环境扩展方法（RES）
简介该论文提出递归环境扩展（RES）框架，在保持原任务目标与完成要求不变的前提下，改造现有智能体基准环境以提高难度。方法通过修改信息获取、资源关系和执行依赖，并经执行验证后逐轮继承。实验显示六个评测模型在三个基准的294个初始任务上成功率下降，并且用RES轨迹微调的效果在九组对比中均优于原始轨迹微调。
说明利用神经算子先验采样求解偏微分方程
简介该论文把神经算子先验与稀疏观测及PDE残差引导的采样方法结合，在函数空间中求解偏微分方程。作者采用伪自助序列蒙特卡洛方法（pBS SMC），并将DPM++算法改造为引导采样下的新提议分布。在五个基准PDE系统上，该提议在所测试的每个步数下都取得了最佳的误差与时间权衡，逆问题设置中大多数情况误差最低，采样步数较少时提升最明显。
说明RetroPlanner：基于大语言模型的逆合成规划，多路线扩展与多目标推理
简介该论文提出RetroPlanner，一种基于大语言模型的逆合成规划方法。它不再只关注能否找到通往可购买起始原料的路线，而是同时比较多条路线，并以反应合理性、往返一致性和起始原料价格衡量可合成性。实验表明，该方法比既有大语言模型规划器找到更多替代路线，同时提升了合成路线质量并保持较高成功率。
说明Throwing4：面向精英田径投掷距离预测的分阶段姿态建模
简介本文提出Throwing4数据集，包含500段精英投掷视频片段及对应的二维姿态序列、分阶段标注和官方成绩距离。研究比较了整段动作建模与按技术阶段划分的建模方法，结果显示引入阶段结构后，多种图神经网络姿态编码器的预测误差均有所降低。
说明PersonaFactor：用于大模型个性化的可动态选择偏好因子
简介该论文提出 PersonaFactors 框架，从多样的用户交互中提炼可复用、可解释的个性化因子。作者构建了包含 13 个因子的库，并开发了按用户历史与当前请求动态选择因子的生成框架。在四个个性化基准和四个基座模型上，动态选择方法在所有报告指标上取得最佳成绩。
说明规则与后果：大语言模型道德推理的可分离内部表征
简介该论文研究大语言模型在规则式与后果式道德问题上的差异反应，是否对应于内部结构差异，还是仅仅是表层词汇敏感。作者通过线性探测和激活引导，在残差流中找到两个相互正交的方向，分别对应推理风格与判断极性，且在三个模型上复现。论文认为这一结果更应被描述为道德推理风格的敏感性，而非内化的规范推理。
