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LoopQuant：面向循环Transformer的精确高效训练后量化方法
简介循环语言模型通过反复复用共享的Transformer模块提高参数效率，但低比特部署面临挑战。论文提出LoopQuant，一种感知循环结构的训练后量化框架，包含跨循环分布规范化、交互感知的循环级精度分配和循环条件任务校准三个组件。在Ouro-2.6B上，W4A4量化的性能超过所有W4A8基线，内存降低65.3%，解码速度为BF16的1.7倍。
说明世界模型需要一个物理注册表：学习可读的内部预测状态，以生成物理上合理的未来画面
简介该论文提出“物理注册表”（Physical Registry），在视频扩散Transformer内部加入与视频令牌共同演化的注册槽，用于显式学习和读取场景演化的预测状态。在Physics-IQ Verified上，它相比普通微调在I2V和V2V任务上分别提升9.9和8.7分，并在多个Cosmos与WAN主干模型上取得改进。作者还提出基于中间读出偏离程度进行候选未来筛选的方法（PRS），在四个主干上将I2V分数提升5.6%至15.9%。
说明从声音到语义：遥感图像语音驱动视觉定位中语义监督的剖析
简介本文研究遥感图像中的语音驱动视觉定位，即用语音直接框选目标，无需打字。作者以冻结的Whisper语音模块接入视觉定位模型，比较了三种语义注入方式，并发布了语音数据集Audio-DIOR-R与Audio-DIOR-Comp。结果显示，直接语音对齐与“先语音识别再定位”两种路线孰优，取决于识别器的质量：识别器较弱时直接方法更好，识别器较强时级联方法可达到文本上限。
说明HexaBee-4B：六语翻译与多语问答及双向监督
简介该论文介绍了HexaBee-4B，一个基于Gemma 3 4B IT改进的多语言翻译模型，覆盖阿拉伯语、中文、英语、希伯来语、波斯语和西班牙语。模型经过维基百科continued pretraining、多语问答与答案文本翻译联合训练，以及双向翻译专项训练三个阶段。在36,572条合成测试样本（涵盖30个翻译方向）上，其方向宏平均chrF++为73.75，高于Gemma 3 4B IT的57.11和Gemma 3 12B IT的66.83。
说明VideoSlate：用于时序定位智能视频推理的有状态提交控制框架
简介该论文提出VideoSlate框架，用于改进基于智能体的视频推理。系统通过共享的类型化证据黑板记录候选片段及其来源和验证信息，由认证器评估修订是否得到支持，再由控制器决定替换当前片段或保留原片段，并记录每次决策。论文称在视频定位与有依据的问答基准测试中，该方法通过选择性修订提升了时序定位效果。
说明naspaclust：将空间模糊聚类与自然启发式优化相结合的 R 软件包
简介本文介绍 R 软件包 naspaclust，用自然启发式优化算法改进模糊地理加权聚类（FGWC），以提升空间模糊聚类效果。该包提供七种优化算法，并包含部分改进版本，同时基于 rdist 包提供更多距离度量选项。文中展示了该包在多种情形下的应用，并比较了基础算法的性能。
说明带言语正则化的自蒸馏：让模型在有参考答案时仍保持反思
简介论文研究大语言模型的同策略自蒸馏（OPSD），即教师模型利用已验证解答等特权信息指导学生模型。作者指出，特权信息可能使模型走捷径、减少验证与反思，并伴随输出分布熵的急剧下降。为此提出带言语正则化的自蒸馏（VRSD），通过系统提示约束教师使用特权信息的方式，鼓励重新思考与探索。在三个模型、四类任务上，VRSD 在 12 组设置中的 11 组优于 OPSD，Pass@1 平均提高 3.9 个百分点，且总体上保持更高的 token 熵。
说明LoongSage：面向前沿大模型、经过验证方案的生产级高效智能体强化学习框架
简介本文介绍了LoongSage，一个面向大语言模型的全异步强化学习框架，核心代码约1.4万行，基于Megatron和SGLang构建，用于智能体类任务的后训练。框架提出AgentFlow统一执行范式、滑动窗口控制轨迹陈旧度、TransferMesh拓扑感知权重同步，以及支持多教师同策略蒸馏的Teacher Manager。作者称四次完整训练中任务奖励稳步提升，且异步流程减少了同步空闲并保持硬件利用率。
说明RIFT：词元影响力沿阻力最小路径传递
简介该论文提出RIFT方法，把Transformer各层视为以注意力权重为导电率的因果网络，用两点间的电阻衡量上下文词元对模型答案的影响。它沿阻力最小路径用动态规划精确计算串联电阻作为打分。在合成检索任务和维基百科问答上，RIFT预测替换词元效果的斯皮尔曼相关系数为0.52至0.68，且无需梯度或额外前向计算，速度远快于替换实验。
说明基于DWI脑连接组、使用监督变分自编码器的青年性别分类研究
简介该研究利用787名15至25岁青年的扩散加权成像（DWI）结构连接组，以82个Desikan-Killiany图谱脑区为对象进行性别分类。作者采用监督变分自编码器（SVAE）提取紧凑的潜在空间特征，再输入多种机器学习分类器，其中多层感知机的准确率最高，达到80%。
说明挽救被困在错误决策区域内部的样本：评估与改进前向-前向学习的一个目标
简介前向-前向学习用逐层的局部训练目标取代端到端反向传播，常以线性探针的分类准确率来评估。本文发现，未经训练的卷积网络其表示上的线性探针准确率也明显高于随机水平，因此单一准确率可能高估学习效果。作者提出基于边界接近指数（BPI）的分析方法，考察训练前误分类样本的挽救情况，发现靠近决策边界的样本挽救率普遍更高，而深陷错误区域的样本挽救率则因方法而异。
说明ChronoScribe：面向指令驱动时间序列预测的语义与数值分工方法
简介该论文提出ChronoScribe系统，让经过LoRA微调的大语言模型负责理解自然语言指令并确定执行路径与上下文长度，由时间序列基础模型（TSFM）生成分位数预测轨迹，大语言模型不参与生成或修改预测数值。在23个评估维度、30个公开数据集上，该系统在sMAPE、MASE、WAPE、RMSE和MAE等指标上均取得最低误差，其任务级得分（TLS）为65.5，高于最强的直接大语言模型基线10.6分。
说明基于置信度引导自适应辩论的高效多智能体推理（论文）
简介该论文针对多智能体辩论提升大模型推理能力的效果不稳定问题，指出辩论只在合适的时机和结构下有效。作者提出LASE框架，采用以领导者为中心的非对称结构，仅在非中性情形下启用交互，其余情况默认使用简单聚合。多个推理基准实验显示，LASE在接近单智能体token成本的前提下达到多智能体水平的表现，效率明显高于静态辩论和投票基线。
说明SyncReward：面向人类对齐的音视频生成同步奖励模型
简介论文指出，音视频联合生成中语音和声音常与画面事件在时间上不同步，而缺乏人工标注数据、评测基准和同步感知的评估模型是主要瓶颈。作者构建了包含8万条专业同步评分的SyncReward-Data-80K数据集，以及1000条片段的SyncReward-Bench基准，发现现有同步指标和全模态模型与人类判断差距明显。作者进一步提出SyncReward奖励模型，其作为评估指标与人类评分一致性最高，并可用于推理时最优N选择和强化学习后训练以改善同步。
看点构建了8万条人工同步评分数据集和1K评测基准，并提出结合对比预训练与人工监督的奖励模型，对子领域有实质贡献。
说明WorldRoPE：面向多视角注意力的概率式世界坐标旋转位置编码
简介该论文提出WorldRoPE，一种用于多视角Transformer注意力的概率式、以世界坐标为中心的旋转位置编码。它把每个图像块特征反投影为共享世界坐标系中的体积高斯基元，以表示多种可能的三维位置、深度不确定性及图像块视锥的空间范围。实验表明，该方法在新视角合成、深度估计和三维几何重建任务中有效。
说明TRAP：面向大模型智能体错绑问题的工具结果回放攻击探测
简介论文指出，智能体工具返回的结果若在缓存或共享状态中被错误关联到不匹配的执行上下文，可能导致智能体采取不安全行动，并将此称为“工具结果错绑”。作者提出 ReplayBench 基准，在 19 个场景、4 种失效属性和 3 种回放机制下评估该问题，测试 8 个大模型与 3 个智能体框架，跨任务回放时最终状态错误率均值为 0.649。论文还提出运行时有效性校验机制，并呼吁工具型智能体运行时引入显式的上下文绑定。
说明BAT3R：基于贝叶斯自适应状态更新的鲁棒在线三维重建
简介本文提出BAT3R，一种无需训练的贝叶斯自适应框架，用于长视频的在线三维重建。它包含状态创新门控（SIG）和贝叶斯引导的自适应状态更新（BASU）两个模块，前者抑制长序列中的表征漂移，后者借助卡尔曼滤波框架融合观测的时间可靠性与空间相关性。论文称，在7-Scenes、TUM、ScanNet、KITTI等标准数据集上，该方法优于现有在线三维重建方法，在长序列和复杂场景中提升最明显。
说明基于可变长度筛查历史的显式对齐多视图乳腺癌风险预测
简介本文提出FlexLMV-Net，一种按乳房分组的纵向多视图框架，可同时利用头尾位（CC）和内外斜位（MLO）两个视图，并接受数量可变的既往筛查记录。该方法显式对齐纵向特征图，并通过跨视图时序融合与双流注意力模块整合互补信息。在EMBED和CSAW-CC数据集上，其在乳腺密度、癌症亚型和人口学亚组中均优于现有方法。作者还发布了开源基准BCRBench，以便公平、可复现地比较各方法。
看点在显式纵向对齐基础上联合建模CC与MLO双视图并支持可变历史检查，有实质改进；在EMBED和CSAW-CC上实验对比充分，影响限于乳腺癌风险预测子领域。
说明基于球谐函数耦合流匹配的气液界面概率模拟
简介该论文提出一种神经网络代理模型，用紧凑的共享表示同时预测气泡轨迹和界面形变，以快速生成式推理替代高成本的网格解析模拟。作者将两相流的预测视为条件生成问题，并在BubbleSH数据集（上升可变形气泡群的前沿追踪数据）上训练和评估，结果显示该模型能复现关键流动统计量，且运行速度比底层DNS求解器快数个数量级。
说明当概念补集变成增益：语言模型中的算子几何与行为归因
简介本文研究语言模型中一种以目标为中心的概念补集干预：去掉其拟合的协方差滤波器后，保留相同的目标中心与增益。在原始设置下，三个模型、七个目标的全部21个映射都会在生成干预层上扩张各方向，但在四目标测试中，保留矩阵并未带来一致的额外抑制效果。作者因此认为，仅比较整体干预无法把生成行为归因于拟合矩阵，需分析完整变换并直接检验其输出影响。
说明基于异常引导观察与双层语义反馈的免训练视频异常分析
简介该论文提出一种免训练的语义反馈框架，用于视频异常检测与理解。方法先以异常分数曲线为起点选取关键帧，再由冻结的视频语言模型生成一段开放式异常描述，并将其通过视频级和局部两个层次反馈回时序检测。在UCF-Crime和XD-Violence上，论文报告了描述质量的提升，以及检测指标从84.36%提升到86.25%（AUC，UCF-Crime）、从68.07%提升到72.58%（AP，XD-Violence）。
说明BehaviorFormer：通过可聚类的下一词预测发现行为模式
简介本文针对开放式游戏中缺乏明确目标和标注的问题，把深度聚类算法DCSS加入下一词预测Transformer，学习可清晰分离的表示。在一个包含26名玩家的受控Minecraft游戏会话中，该方法发现了23种行为模式，并将其归为静止、游荡、移动、采矿、基地建设、伐木和种田七类。
说明基于广泛可得多源地理空间数据的建筑年代估计
简介该论文提出首个利用卫星影像、数字表面模型等多源地理空间数据及建筑轮廓信息，同时在像素和实例两个层面估计建筑年代的深度学习框架。模型通过预训练骨干网络、混合专家融合模块及时序有序约束损失，捕捉建筑年代差异并保持年代顺序。作者还构建了香港建筑年代基准数据集用于评估，代码与数据已公开。
说明HyWe：统一搜索与操作的真实世界混合网页任务框架
简介真实网页任务往往既需要信息检索，也需要页面操作，但现有智能体通常分开开发和评估。本文提出HyWe框架，在同一模型和同一轨迹中统一两种能力，并通过专用提示与工具集、显式切换机制及共享历史完成子目标。作者训练了35B网页智能体HyWe-35B，并在自建的100个人工编写任务基准HyWeBench上取得47.0%的成功率，较未训练基座模型提升19.0个百分点，同时在Online-Mind2Web和WebVoyager上也有较好表现。
说明无需学习弃答也能实现强大且可控的大模型弃答方法
简介该论文比较了两种让大语言模型在不确定时拒答以减少幻觉的方式：模型外部基于置信度阈值的选择性回答，以及模型内部的弃答训练。作者把风险分解为回答能力和区分能力，发现弃答训练的优势主要来自回答能力。据此提出TAPS方法，先做准确率训练，再用事后置信度估计器选择是否回答，在三个模型和三个事实问答基准上，与三种代表性弃答训练方法相比，在相同覆盖率下平均风险低1.5至9.4个百分点。
说明ReTAC：面向视频空间推理的残差式测试时智能体计算
简介该论文提出ReTAC，一种无需训练的多智能体框架，用于视频空间推理。它只为基础多模态大模型尚未解决的需求追加计算，并通过分阶段验证定位错误，只重算受影响的状态。实验显示，在三种主流多模态大模型和两个常用基准上，ReTAC的综合得分最高。
说明LLM推理中的叙事悖论：将推理轨迹引向失准的攻击方法
简介本文指出，大语言模型的多步推理过程本身可能存在安全风险：局部连贯的推理步骤仍可能导向整体有害的结果。作者提出名为PDRA的攻击方法，通过构造"恶意角色加良性任务"的悖论叙事，并要求模型按三阶段框架进行分析，从而诱导其生成有害内容。论文称该方法在多种大语言模型上取得了较高的攻击成功率。
说明RAR：面向时间一致交互式世界模型的速率自适应推演
简介该论文针对现有视频交互式世界模型以固定时间速率训练和推演的问题，提出速率自适应推演框架RAR。其核心Stride-RoPE把不同速率的潜在帧对齐到统一的物理时间坐标上，支持多速率推演、未见速率泛化和在线切换速率。论文报告在动作与相机控制环境中，RAR保持了时间一致性与高速率生成质量，并在匹配训练预算下延长了物理时间范围。
说明FON：一种无序列级二次注意力的草稿-修订双器官语言模型
简介论文提出 FON（融合器官网络），将一组权重拆分为草稿器官和修订器官：草稿器官用可学习延迟与内容自适应递归生成文本，训练复杂度为线性，解码状态为常数；修订器官通过门控重新处理已写前缀，但不生成文本。在 30M 参数、相同参数与词元预算下，论文报告其在 WikiText-103 上困惑度为 131.03，优于 Transformer（197.73）与 Mamba2（152.53）。论文同时列出了长程检索受损、合成任务和跨领域代码补全较弱、挂钟时间慢 6.5 至 12.3 倍等局限。
说明学习面向视频异常理解的时间证据选择
简介本文研究视频异常理解任务，即为长视频中的异常事件生成语言解释。作者提出语义条件化的时间采样 Q-Former，通过生成目标学习选择时间上的视觉证据，并以自动提取的 CLIP 物体标签作为采样条件。在 HIVAU-70K 上，该模型在对比的微调模型中取得最佳表现，消融实验显示其优于固定的异常聚焦采样。
说明内存高效的纯整数深度神经网络训练方法
简介该论文提出一种训练算法，将权重、梯度与激活值全部存储为INT8，并以整数运算完成前向传播、反向传播、权重更新与优化器更新。方法通过指数追踪与每组速度机制保持梯度精度。论文报告，在ResNet、MobileNetV2与ViT等模型上，该方法在CIFAR-10、CIFAR-100和ImageNet上可取得有竞争力的精度，且训练内存约为FP32基线的四分之一。
说明SLDBench v2：主动式缩放定律发现基准
简介论文提出 SLDBench v2，测试语言模型智能体能否发现缩放定律，并把场景从 8 个扩展到 127 个，选出 30 个较难场景。新增“主动发现”设定：智能体自行选择实验、支付成本并逐步修正定律。结果显示，8 个前沿智能体系统的中位 R² 从被动设定的 0.72–0.75 降至主动设定的 0.24–0.57，且智能体偏好低成本实验。
说明ClothAtlas：在自遮挡下联合识别衣物并估计其形态
简介该论文提出 ClothAtlas 方法，用于从局部、被自遮挡的点云观测中同时识别衣物种类并估计其完整形态。方法基于共享的图条件流匹配模型，为候选标准网格采样形态并依据观测拟合度排序，新衣物无需重新训练即可加入。在 DexGarmentLab 的测试衣物上，它在单个平铺观测下让正确网格在 221 个候选中全部排第一，在自遮挡观测下识别 22 件中的 15 件。
说明基于语义引导密度控制与损失设计的城市场景细粒度三维高斯溅射重建
简介本文提出SG-GS方法，利用Segment Anything Model（SAM）得到的语义分割作为约束，改进3D高斯溅射（3DGS）在复杂城市场景中的细粒度结构重建。方法包括语义约束的自适应密度控制（含边界增强致密化）和多特征引导的损失函数（分阶段引入细粒度监督）。在三个数据集上的实验表明，相比原始3DGS，PSNR提升约2.7%至5.2%，线状结构伪影和边界模糊得到有效缓解。
说明快速量化约翰逊-林登斯特劳斯变换：用结构化随机变换压缩大模型的注意力计算
简介论文研究量化约翰逊-林登斯特劳斯变换（QJL），它用1比特非对称量化压缩KV缓存，并尽量保留注意力机制所需的内积。作者提出两种基于随机Hadamard变换组合的构造，第二阶段使用高斯对角而非Rademacher对角，并分别加入高斯抖动和随机置换。文中给出与非量化Fast JL类似的嵌入维度与运行时间保证，两种构造均可在O(d log d)时间内应用。
说明REVEAL：从前沿模型轨迹中逆向工程智能体潜变量
简介该论文提出REVEAL框架，无需训练即可把前沿大模型的文本轨迹迁移给冻结的小型开源智能体。它从同一任务的成功与失败轨迹中匹配局部事件，利用反馈-响应转移的对比得到目标模型的引导方向，并在每次回应前施加。在Terminal-Bench 2.1和带工具的Humanity's Last Exam上，三个目标模型的准确率均高于未修改的智能体。
说明基于ProGAN的金属零件工业视觉检测合成图像生成
简介本文研究用渐进式生成对抗网络（ProGAN）生成合成图像，以解决金属零件缺陷检测中训练数据稀少、多样性不足的问题。作者采用带Wasserstein损失和梯度惩罚的ProGAN流程，在MVTec AD（金属螺母）和MPDD（管件）两个公开数据集上评估关键超参数。结果显示训练过程稳定，生成的图像较为逼真，可用于扩充训练数据。
说明基于矩的高维混合数据异常检测
简介本文提出一种面向高维混合类型数据的异常检测方法，通过标准化矩变换将异构特征映射到统一尺度，得到可解释的特征级异常分数。随后经依赖感知的聚合步骤，构造出混合数据影响分数（MDI），用于衡量单个观测偏离参考分布的程度。作者通过模拟实验与多组学、ESG两个真实数据应用，评估其有限样本校准与检测表现。
说明RelLedger：面向LLM智能体组织的关系型信息治理审计
简介该论文提出RelLedger框架，用于审计LLM智能体组织中共享记录如何影响后续决策。它固定事件、证据、风险和消息内容，通过改变发送者与对象的历史关系来定位影响因素，并追踪信息在接收方决策中的传递。实验显示，Claude在存在冲突历史时发送相同事实通知的频率比友好历史高62.22个百分点。
说明agent-risk：AI智能体变更的风险评估方法
简介本文提出agent-risk方法，用于在部署AI智能体前评估其变更（如更严格的安全闸门或新模型）的风险。该方法基于已有日志回放记录的交互片段，并结合保存的状态重跑及风险上界来判定结果。在bash沙箱实验中，仅靠日志无法判定两种重试闸门，而针对被阻断片段的定向重跑即可得出决策，且所需智能体调用次数约为事后规模实验的一半。
说明DepthTile：基于深度引导的现有图像自平铺方法及输入端可平铺性评估
简介该论文提出DepthTile，一种深度引导的图像自平铺方法，可将单张图像转为无缝重复的平铺图案，同时尽量保留原图语义与局部细节，且无需重新训练扩散模型主干。方法将单目深度转换为空间保留先验，并与Tiled Diffusion的时间步相关掩码机制及差分扩散掩码融合。论文还提出输入端轻量预测指标STAS，用于判断图像是否适合自平铺；在335张图像的基准上，相较默认Tiled Diffusion流程，MAE、LPIPS和Tiling Score分别降低12.8%、26.7%和8.4%。
说明FlowAvatar：在消费级 XR 设备上由稀疏第一人称输入实时生成全身虚拟形象
简介该论文提出 FlowAvatar 系统，在消费级头显（Meta Quest Pro）上，仅依靠稀疏的第一人称输入，实时生成个性化的仿真虚拟形象，涵盖全身姿态、手部动作、面部表情和视线追踪。作者报告其姿态模型在 AMASS 基准上具有有竞争力的空间精度和领先的时间一致性，并通过两项用户研究（N=12 与 N=10）发现追踪完整度与个性化外观相互补充，二者结合才带来正向的整体沉浸感。
说明强化学习中流匹配方法综述：本文梳理用确定性概率传输生成策略的研究进展
简介本文是一篇关于强化学习中流匹配（Flow Matching）方法的综述。流匹配通过由常微分方程采样的学习速度场生成策略，与依赖随机去噪链的扩散策略相比，可降低推理延迟。论文从建模的目标分布和强化学习信号的整合机制两个维度进行分类，并分析离散与非欧几里得动作空间等前沿方向，同时与高斯及扩散基线做对比分析，指出待解决的问题。
说明深度语音表征沿低维环形轨迹追踪词的时间信息
简介本文研究语音模型如何表示词的时间信息。作者发现，多种深度语音模型的表征在一个二维时间子空间中，会随词从起始到结束形成近似环形的轨迹。基于这一结构，作者提出“旋转分割”（RoSeg）方法，在HuBERT上以该轨迹完成周期时检测词边界，在Librispeech上取得64.3%的边界F值。
说明Graph3R：将视图图初始化与前馈三维重建统一
简介前馈重建可从图像集合恢复相机位姿与稠密几何，但未经整理的图像常混有不同场景的视图，联合重建会破坏结果。Graph3R 通过共享的几何表示，将视图图初始化与前馈重建统一起来：轻量验证头利用多视图特征预测两两共可见性以构建视图图，并将输入视图划分为场景组，每组分别解码位姿与几何。在三个基准上，该方法在100%精度下的平均最大召回率最多提升8.99个百分点，多会话建图任务中跨会话定位更好，重建查询组时运行速度约为基线的35.9倍。
说明用于TAIGA-IACT立体模式图像分析的伽马事件筛选深度学习方法
简介TAIGA综合装置中四台成像大气切伦科夫望远镜间距300至500米，可对同一广延大气簇射进行立体观测。论文提出并研究了多种神经网络方法，用于联合分析两台望远镜图像以筛选伽马事件。其中一种方法采用单阶段分析，另一种通过自编码器提取包含簇射物理参数（包括原初粒子类型）的关键特征。
说明训练后 TTT 层中的纠错机制：预测推导的更新分量及其作用
简介本文研究测试时训练（TTT）层在处理输入序列时如何更新快速权重记忆，重点分析公开实现中由预测推导出的更新分量。作者对点积目标和 TTT-Linear、TTT-MLP 所用的 LayerNorm 平方误差目标进行了理论推导，并在三个已训练模型上测量完整归一化预测的贡献。在 War and Peace 的 100,303 个词元上，移除该贡献导致困惑度上升约 2.8%–2.9%，而冻结全部快速权重更新则使其上升 4.2–4.5 倍。
说明深度网络无监督时域脑电表征学习的频谱局限研究
简介该论文研究用于脑电（EEG）的无监督时域特征提取，比较了三种自编码器（LSTMVAE、VAEEG、Transformer）以及一个先进的脑电基础模型。结果显示，自编码器能捕捉如α波减慢等宏观变化，但在1/f衰减频谱下，均方误差损失会导致高频信息被削弱。作者认为应引入频谱域损失项和梯度平衡技术，以保留对诊断脑部疾病重要的高频特征。
说明面向硬件友好的令牌组激活量化：用于低比特Mamba超分辨率
简介本文针对基于Mamba的超分辨率模型在低比特训练后量化中的难题，提出令牌组量化方法。该方法用轻量预测器在扫描前根据特征划分令牌组，并离线校准各组的截断范围，无需推理时动态统计。还引入保频细化目标，使量化输出保留高频结构。实验显示其在多种设置下优于已有方法，并在Jetson Orin Nano上较FP16实现2.23倍加速。
看点针对Mamba选择性扫描的token分组量化，并引入频率保持的校准目标，对低比特超分辨率量化有实质改进；实验覆盖多协议、多骨干与边缘设备加速。
说明ScreenASR-Bench：带视觉上下文的分级语音识别基准
简介该论文提出 ScreenASR-Bench，一个分三个难度层级的语音识别基准：直接屏幕文字、可见视觉内容和需要场景推理的隐含语义。实验显示，在音频语音识别模型、大型音频语言模型和全模态模型上，加入视觉上下文都明显提高了召回率，其中直接屏幕文字的提升最大，隐含语义的提升最小。作者已公开发布该基准。
说明EgoWholeView：仅用相机的头戴式全身与双手动作捕捉系统
简介该论文提出 EgoWholeView，一套由六个同步广角 RGB 相机组成的头戴式捕捉系统，用于同时获取身体与双手的运动。外侧相机用于在世界坐标系中定位设备，向下的相机对分别预测身体与双手参数，并融合两者结果。论文报告相较单目预测，身体与双手的 PA-MPJPE 分别下降 3.7% 和 11.2%，时间平滑使角加速度幅值分别降低 32.2% 和 31.0%。该系统仅依赖 RGB 相机，适用于获取第一人称交互数据。
说明MFlowHOI：基于部件感知 MeanFlow 的全身人-物交互生成
简介该论文提出 MFlowHOI，用于生成人与物体的全身交互动作，包括身体、手指、物体轨迹和接触关系。方法通过接触感知的多部件 RVQVAE 构建结构化潜空间，再由 ST-DiT 在单次 MeanFlow 计算中生成完整交互。论文称其在动作质量和文本对齐上优于现有基础生成器，并显著缩短推理时间。
说明避开教师已经知道的内容：面向深度搜索蒸馏的实体熟悉度
简介论文研究深度搜索智能体的训练数据：若教师模型熟悉问题中的关键实体，问题对它较简单，搜索需求低，监督信号也弱。作者提出证据验证实体熟悉度（EVF）和自报告实体熟悉度（SEF），后者让教师直接判断是否熟悉某实体，作为纳入实体图的门控信号。使用SEF筛选的数据训练后，Qwen3.8-27B在BrowseComp子集上的准确率从44.10%提升至66.41%。
说明用于加速高精度对数凹采样的反射近端动力学
简介本文研究从强对数凹分布 π(x)∝e^{-V(x)} 中采样的问题，提出“反射近端动力学”：结合近端采样的目标保持性、辅助变量的精确反射、条件动能运动与受控刷新，以保留方向信息并加速探索。文中给出两种实现方式，在常数 χ² 散度的温启动下，两者的全变差误差达到 ε 所需的期望oracle查询次数均为 Õ(√κ d^{1/4})；去除温启动假设后，计入初始化阶段，总复杂度为 Õ(κ^{6/7} d^{1/4})。两种情形下对精度 ε 的依赖均为 polylog(1/ε)。
说明从模拟流体到活体组织：基础模型零样本迁移至扰动胚胎
简介该论文将在多种模拟连续系统上预训练的连续动力学基础模型Walrus，仅用12段野生型果蝇胚盘视频的组织速度场进行微调。研究在分布内及未见过的温度和基因扰动条件下评估自回归预测。结果显示，在最严重的分布偏移下Walrus的CRPS表现最佳，其预测还能反映胚带延伸起始时的速度峰值等生物学节点。
说明Seg2Click：学习用于图形界面视觉定位的像素级可执行区域掩码
简介论文提出 Seg2Click，把 GUI 视觉定位重新表述为预测“点击在哪里能有效执行指令”的可执行区域。模型利用边界框监督预测可执行区域掩码，再通过确定性规则计算最终点击点。作者报告在 ScreenSpot、ScreenSpot-v2 和 ScreenSpot-Pro 上，Seg2Click-9B 分别达到 92.06%、94.10% 和 55.22%，并称与同等骨干的坐标生成和基于图像块的方法相比有所提升。
看点将GUI定位重构为可执行区域像素级掩码预测，在ScreenSpot系列上做了多骨干对比实验，有实质改进。
说明AutoNovo：通过智能体程序搜索发现可迁移的核酸设计算法
简介该论文提出用智能体程序搜索迭代地提出、执行、评估和修改核酸设计代码。作者称，AutoNovo设计器在3项DNA设计任务的计算机模拟性能和6项跨模型迁移任务上，取得了所评估方法中观察到的最佳平均值。论文还指出，这些设计器来自一组被发现的核酸设计器，而非单一通用最优设计器，并计划公开发布。
说明学习引导群体：跨多人任务的大模型自学习协调者
简介该论文提出GUIDE框架，用于开发适用于不同多人交流场景的通用型大模型协调者。研究让模型从432段人类对话中自学习策略手册，并借助与人工标注一致的评判模型迭代优化。结果显示，该通用协调者在保留数据上以61.4%的胜率优于三个任务专用的专家协调者；在实时在线研究中，它保持了小组效率，提升了发言舒适度，并减少了人际摩擦。
说明NetRL：基于NetGRPO强化学习的网络决策框架
简介该论文提出NetRL，一个基于大语言模型的两阶段强化学习框架，用于自适应码率流媒体、负载均衡和拥塞控制等网络决策任务。框架先用示范轨迹进行监督微调，再进行在线策略优化，其核心NetGRPO通过多条未来轨迹评估候选动作并进行置信度感知的预算分配。论文报告相比NetLLM的QoE提高23.6%，相比Genet的作业完成时间降低12.2%，相比Orca的网络效用提高24.1%。
说明回看以前进：学习回溯的智能体式组合图像生成
简介文章提出GenRevisit，一种智能体框架，在迭代生成与编辑中，不仅调整编辑指令，还选择从哪一张候选图像继续修改，以应对复杂组合生成。训练采用监督微调加智能体强化学习，并提出归一化动作信用分配（NACA）以更精细地分配优势。在GenEval2上，配合Qwen-Image-2512与Z-Image-Turbo分别取得84.3与74.4的GM分数，超过同生成器下最强基线12.7与10.9分，并在GenEval、GenEval++和GenEval2上达到基线中的最优表现。
说明当受试者不重叠的验证不足以证明帕金森步态分类具有泛化能力
简介该论文使用来自133名受试者（65名帕金森患者、68名对照）的159项压力步道汇总特征，研究帕金森病分类。结果显示，仅采集站点一项的预测表现（AUC 0.955）就超过了步态特征模型（0.882），加入步态特征并未带来可测的提升。论文认为，受试者不重叠的汇总验证可能无法区分疾病相关信号与站点差异，因此需要进行站点内或独立验证。
说明OneShot：用单个已确认异常为时间序列异常检测器加权的标注高效方法
简介时间序列异常检测没有通用的最优检测器，最佳选择取决于具体序列。该论文提出OneShot方法，利用一个已确认的异常事件对检测器池进行加权，而不是从中挑选一个检测器。实验涵盖152条单变量和73条多变量序列，结果显示该方法优于最强的单个检测器、对整个检测器池取平均的做法，以及基于已确认事件挑选最佳检测器的做法。
说明SafeDSE：面向数据流应用的安全架构模式、映射与调度联合探索（含安全论证，扩展版）
简介本文提出SafeDSE框架，用于同步数据流应用的设计空间探索。它通过一个声明式约束模型，同时决定每个执行体的安全架构模式、故障模型要求的放置、静态顺序调度与平台，并计算安全完整性等级（SIL）提升的成本。在9个基准实例上，与先固定模式再映射的规则相比，联合探索始终可行且成本不更高；生成的安全论证中49%至62%的叶节点引用了验证器检查结果。
看点将安全架构模式、映射与调度联合求解，并生成安全论证，新颖性较高；实验覆盖9个基准并证明合成图上的最优性，证据较充分；对安全嵌入式设计有实际价值，影响面主要在该子领域。
说明MP-MNCA：一种借助组织形态先验、更快收敛的空间域识别方法
简介该论文提出 MP-MNCA，用于空间转录组数据的空间域识别，在保留完整 3000 维高变基因表示的同时，结合组织学相似性作为注意力先验，并采用自监督的掩码邻域对比目标训练。在 12 个人类背外侧前额叶皮层切片上，该方法比基线更快形成连贯的空间结构。其聚类质量与最强基线 STAIG 相当，在归一化互信息上略高，并在多数切片上优于后者。
说明VGGA：用于视频生成的几何约束自编码器
简介该论文提出VGGA，一种在重建过程中引入几何约束的视频自编码器，用于潜在视频生成模型。它沿结构深度、运动对应和投影变形三个几何维度学习潜在表示，并通过共享的时空上采样主干统一优化几何与RGB重建。论文报告在RealEstate10K上gFVD降低28.1%，在Taichi-HD上降低37.7%，且重建质量与基线相当。
说明《律世-1840》：为古典中文语言模型构建并检验知识截止点
简介作者训练了一个约9.83亿参数的古典中文语言模型，语料仅包含1840年前成书的12,262部书籍（约12.8亿字）。其早期语料因按常用方法定年而实际止于1644年，且混入了二十世纪的材料，作者为此重新定年并清理。模型在1840年后的史书上表现出明显更高的意外度，说明探测结果反映的是语料覆盖范围，而非单一截止年份。
说明MSC：面向脚轮的多阶段控制框架，结合不确定性感知NMPC与强化学习执行层
简介该论文针对工业自动导引车中自由万向脚轮在低速或大转弯时因未对准而导致的运动偏差问题，提出多阶段脚轮感知控制框架MSC。框架包含两部分：一是根据预测不确定性动态调整代价与输入正则化的不确定性感知NMPC，以抑制过激动作；二是基于强化学习的执行层，在部分可观测条件下估计并预测脚轮状态，将速度指令转换为可执行的轮速。论文称在Isaac Sim与真实机器人上的验证表明，该方法在脚轮状态估计精度、减少未对准和跟踪鲁棒性方面优于现有解耦补偿方法。
说明正确的选择，失败的序列：Choice2Seq 测评模型在不同输出接口下的正确性保持能力
简介论文提出 Choice2Seq 诊断基准，比较模型在一次性选出完整答案与逐步构造答案两种方式下的正确性保持情况，并引入序列组成率衡量这一差距。实验显示，部分模型在算术与词汇检索中选择准确率超过 97%，但在逐步构造时仅保留很小比例的正确结果。作者还测试了限制候选字符与显式位置索引等干预措施的效果。
说明带推断遗憾保证的高斯过程赌博机优化探索策略
简介该论文指出，贝叶斯优化中现有的累积遗憾保证并不能说明算法最终输出的质量，而在噪声评估下这恰恰是关键。作者提出一类高效的探索策略，可偶尔用探索查询替代采集查询，嵌入任意贝叶斯优化流程。论文借助查询的填充距离约束搜索空间上高斯过程后验标准差，并由此推导推断遗憾的上界。实验表明，这些策略在合成基准、超参数优化和控制任务上改善了现有方法的最终推荐结果。
说明面向零样本文本分类的以标签为中心的知识检索
简介该论文提出SLKR框架，用旗舰大语言模型离线为每个标签生成定义、检索关键词和易混淆标签对的边界规则，形成可复用的知识库。在线推理时，通过混合检索找出候选标签和相关规则，再由轻量模型一次性完成分类。实验表明，在四个数据集上（包括一个多语言图书分类数据集），该方法使用紧凑上下文且无需任务标注样本，取得了较好结果。
说明DIGS：基于分布信息的高斯溅射，免训练开放词汇三维分割
简介该论文提出DIGS，一种无需训练的开放词汇三维高斯分割方法，分为类别无关的实例映射和多模态编码两个阶段。它为每个高斯基元维护一个标签分布，使边界处的高斯能保留多个实例的信息，从而得到更清晰的实例边界。在LERF-OVS数据集上，该方法平均mIoU达到71.95%，优于免训练的SFS和基于训练的LaGa基线。
看点提出免训练的分布式高斯表示与类无关实例本体，解决边界高斯多实例歧义；在LERF-OVS等多个基准上超过已有方法，证据较充分。
说明EgoAlign：无需情境描述的基于自我视角的三维场景理解
简介该论文针对情境三维问答任务，指出现有方法常依赖自然语言情境描述，而这类描述在实际部署中可能难以获得。作者提出EgoAlign，一个以智能体为中心坐标系表示场景的简单三维语言模型，并加入包含物体类别识别、自我视角方向预测、度量距离估计和空间关系预测四项任务的对齐阶段。实验显示，该方法在SQA3D、Real-3DQA和MSQA上表现最佳，去除文本情境描述后性能相当或更好，而打乱数值位姿则导致明显下降。
说明ProCARE：基于数据画像证据契约的真实世界研究自动化
简介真实世界研究利用电子病历、保险理赔等日常收集的医疗数据估计疗效、监测安全性并识别风险因素。本文提出ProCARE框架，将研究自动化视为受约束的编译过程：先把数据画像转为证据契约，再把研究目标编译为强类型中间表示RWS-IR，并通过确定性验证与局部修复检查工作流。在36个基于电子病历的基准任务上，该框架在代码可执行性、语义一致性和结论可追溯性方面优于较强的大模型智能体基线。
说明EventLens：面向视频理解的事件结构强化学习方法
简介该论文指出，现有多模态大模型在视频问答中常无法还原事件边界、单一事件进程和多事件关系等时序结构。作者提出EventLens，以视觉为核心，通过在时间粒度、顺序反转、事件打乱等受控扰动下恢复事件结构进行强化学习，并用确定性奖励训练三类可验证任务，再通过多教师策略蒸馏整合为统一模型。实验基于Qwen3-VL，在时序定位和事件敏感推理基准上有提升，同时保持通用视频问答能力。
说明DeepThink：面向知识可寻址循环语言建模的概念模型
简介该论文提出 DeepThink 框架，用知识库存放带类型的知识单元，由激活器根据当前执行状态选取单元，再组装成可执行配置并由共享思考算子更新状态，最后进行生成。论文形式化了这些接口的执行语义，并给出与现有固定深度模型的精确对应构造，以及两种初始化方法，用于从预训练模型过渡到动态组装的循环计算。
说明几何鹦鹉：视觉语言模型在空间与物理推理中的规则缺失与规则脆弱
简介该论文提出GRIP基准，包含34个程序生成的推理领域、10万张图像和60万个问题，用于测试视觉语言模型的几何、空间、视觉和物理推理能力。研究者设计了双循环评估方法：闭环用五步问题链定位推理失误处，开环通过同伴模型回答和无依据的用户断言检验模型是否会放弃正确答案。借助已知的精确真值，作者将答案变化区分为纠正与失误，以区分规则缺失与规则脆弱两种失败模式。
说明运动固体作用下的交互式四维体积液体预测
简介本文提出交互式四维体积液体预测任务，即根据固体物体在液体中的运动，预测未来稠密三维液体速度场的时空演化。作者提出两级循环预测框架TIDE/TIDES，其中TIDE关注局部界面驱动的预测，TIDES加入输运感知耦合和显式稳定化以减少累积误差。实验显示TIDES预测性能最佳，消融实验表明局部交互、输运耦合和稳定化是主要贡献因素。
说明电子竞技世界模型数据集：来自星际争霸II、Dota 2与CS2的多视角人类对局数据
简介该论文介绍了电子竞技世界模型数据集（EWM），收录星际争霸II、Dota 2和反恐精英2的人类对局，共3,053场比赛和地图，约4,880小时的玩家视角时长。数据将视频与游戏内动作、状态及事件按回放时钟对齐，并区分各游戏不同的观察条件，如战争迷雾、团队视野和第一人称视角。该数据集旨在支持基于人类对局学习多人协同控制世界模型的研究。
说明先思后说：无需训练即可实现语言模型之间的潜在通信
简介该论文提出 CacheFuse 方法，无需额外训练，就能让下游语言模型借助上游模型的键值缓存（KV cache）并通过线性插值进行融合。作者在四个推理与知识基准上进行了系统分析。文中报告，相比单模型基线，其准确率最高提升 8.6 个百分点；相比多模型推理中的文本通信，首词元时延（TTFT）最高加速 12.2 倍。
说明费舍尔信息与神经网络中记忆的几何结构：用费舍尔信息区分泛化与死记硬背
简介该论文研究神经网络如何区分可泛化的结构与训练数据中的噪声或特异特征。作者在CIFAR-10上用只能靠记忆才能学会的受控噪声做视觉模型实验，发现把权重投影到费舍尔信息的前几个特征向量上，可以把一般任务表现与噪声样本的记忆分开，并考察这种分离在不同层的差异。作者还在解决合成上下文学习任务的小型Transformer和一个可解析求解的线性模型中观察到相同现象。
说明CIPHEUR：由大语言模型引导的冲突图优化结构化搜索控制框架
简介该论文提出CIPHEUR框架，利用大语言模型将冲突证据与结构化干预单元（SIU）相连接，用于协调干预与恢复，以解决冲突图搜索停滞的问题。在卫星地面调度任务的实验中，其在线版本平均目标值最高，并相较贪心基线GWMIN使平均调度接触时长提升14.84%。
说明通过带任务完整性约束的人设演化，发现大模型智能体的鲁棒性弱点
简介现有交互式智能体评测多依赖较为配合的大模型用户模拟器，可能掩盖真实多样用户交互中的失败。本文提出TIPER方法，在保证任务有效可解的前提下，自动演化出能暴露智能体鲁棒性弱点的用户人设与行为策略。实验覆盖四个交互式基准，在12个GPT-5.4设置及28个智能体-领域组合中，测得的held-out avg@3分数均有下降，并给出连接用户行为与智能体失败模式的分类体系。
看点提出任务完整性约束下的用户人格进化方法，超越预定义用户行为；在四个基准、七个智能体上验证，结果一致降低成功率，影响限于智能体鲁棒性评估领域。
说明WildTrace：在真实大规模大模型后训练中评估训练数据检测
简介该论文指出，大模型后训练使用大量未公开数据，可能带来基准污染和版权侵权问题，因此训练数据检测受到关注。作者提出 WildTrace 基准，覆盖 SFT、DPO 和 RL 等后训练各阶段的模型，并在四类任务上构建分布匹配、成员标签可验证的评估集。结果显示，表现最好的方法平均 AUC 仅为 0.529，接近随机猜测水平。
说明未知高斯转移下无界随机博弈的均衡学习
简介本文研究多个决策者长期互动、状态空间无界且漂移项未知的折扣一般和随机博弈。作者提出一种从单条连续轨迹出发、用高斯过程估计漂移并逐步求解有限博弈的方法。论文证明，在均衡选择稳定且高斯转移模型满足一致KL精度时，诱导值可在区域内一致收敛，且原博弈中的行为近似纳什均衡。
说明BARTER：用标准稠密算子实现的紧凑动态稀疏训练
简介论文提出 BARTER 框架，在动态稀疏训练中不依赖稀疏算子，而是直接修剪并重分配注意力头和前馈通道，使训练张量在物理上保持紧凑。在两个图像分类基准的 Transformer 视觉模型实验中，其准确率与全张量动态稀疏训练基线相当，并在 NVIDIA L40 上取得最高 6.29 倍的训练加速和最多 81.3% 的峰值显存降低。
说明Unravel：从单张图像恢复可交互的三维场景
简介该论文提出 Unravel，一种无需训练的框架，可将单张图像转换为可交互的三维场景，其中每个物体都是可独立移动的资产。方法先逐层“拆解”图像：由视觉语言模型规划完全可见的物体，图像编辑器移除它们并修复被遮挡区域，每次编辑经验证后再纳入重建；随后按移除的逆序重建场景，并进行物理稳定化与审核。原文称，在多种室内场景上的实验表明，该方法比现有方法恢复出更多物体，放置更忠实，场景也更符合物理规律。
说明Pollard：面向与框架无关的 AI 智能体控制与重放的受治理语义执行树
简介该论文提出 Pollard，一个与具体智能体框架无关的运行时，用“受治理语义执行树”统一记录执行、治理与重放信息。实验包括状态模型复制、PostgreSQL 并发资源预留测试、严格重放不触发外部调用、语义篡改检测，以及多框架配置和托管模型的成本受限测试，结果显示核心机制在明确的租约与密封假设下成立。
说明Hashrope：用于大语言模型上下文管理的持久化数据结构
简介该论文提出一种名为Hashrope的持久化数据结构，将大模型服务中的增量编辑、分支快照、可复用前缀识别和重复片段编码统一为一个带多项式哈希的平衡绳结构（rope）。作者通过预注册、可复现实验，将其与Ropey编辑库、PagedAttention写时复制块表以及SGLang基数匹配器进行比较。文中报告，在编辑与身份查询交错的负载下，Hashrope相对Ropey的优势随规模扩大而增长，并在vLLM实际部署中精确识别了百万词元的共享前缀。
说明All-St3R SLAM：基于像素级运动掩码的实时RGB动态SLAM
简介该论文提出一种实时RGB动态SLAM框架，可在不依赖预定义标签或分割模型的情况下，在像素级别去除运动物体。系统结合DUSt3R预测的自运动像素运动与All-Tracker的点跟踪，通过比较两种运动来源的差异，只去除实际在移动的像素。系统约以10 FPS运行，对30 FPS视频每3帧取样一次即可实现实时处理，据论文称优于现有稠密动态SLAM方法（0.5至3 FPS）。
说明基于ReLU神经网络的任意响应变量分布回归
简介本文提出一个统一的分布回归框架，用于处理任意类型的响应变量，通过对可测集合索引的条件事件概率建模，将分布回归推广到一般响应空间。作者研究了两种估计方法：基于事件指示变量分别回归的初步估计器，以及通过有限集族上有向无环图约束包含一致性预测的约束估计器。文中给出两者的一般误差界，并针对密集ReLU网络给出显式收敛速率，同时通过模拟与真实数据实验验证了方法的实用性。
说明幻影合并：大语言模型智能体选定一个实体却向你描述另一个
简介论文提出"幻影合并"（Phantom Merge）问题：多实体场景下，智能体可能把不受支持的声明归属到其已选定的实体上，即使任务本身完成正确。作者在四个智能体领域和四类基础模型中测量其发生率，并提出两阶段方法：先通过锚定风险（AGR）估计声明级风险，再用固定锚点修正（FAC）对可疑声明进行基于证据的修改或删除。在购物检测数据上，AGR-slot 的 AUROC 为 96.2%，FAC 将轨迹级幻影合并从 51.4% 降至 6.2%。
看点提出实体-证据绑定失败这一新问题并给出两阶段检测与修正框架，购物场景上检测AUROC达96.2%、轨迹级PM从51.4%降至6.2%，证据较充分。
说明借助大语言模型与可微分用户均衡层的交通规划框架
简介本文提出一种人机协作的交通规划框架，将大语言模型、模型上下文协议（MCP）接口、开源交通规划引擎AequilibraE与可微分用户均衡分配层结合，使非专业人员也能通过自然语言进行网络分析。作者通过对Beckmann交通分配问题的KKT条件直接求微分，实现了可微分的用户均衡层。文中以两个典型规划任务进行演示：根据观测交通量校准行程时间函数，以及预算约束下的网络设计。
说明全模态大模型比它说出来的知道得更多
简介全模态大语言模型能够处理文本之外的视觉、音频和IMU信号，但研究发现，即使模型正确感知了非文本信息，也常常无法在回答中表达出来，作者称之为“知道却说不出”。论文提出了词元级模态对齐（TMA）指标来分析这一现象，发现非文本表示与回答词元的对齐程度较低，受到的注意力也较少。基于此，作者提出OmniCatalyst方法，用模型自生成的文本补充原始模态输入，在七个模型上平均提升7.29%，并使模态偏好更加均衡。
说明ProMoDD：基于原型条件扩散模型的3D人体动作数据集蒸馏
简介该论文提出ProMoDD方法，用于骨架动作识别的数据集蒸馏，即在极小的样本集上保留大数据集的训练效用。方法以各类别的时序识别特征原型作为条件训练运动扩散模型，并通过预算约束的混合选择，结合真实序列与生成序列。在NTU RGB+D 60的单人类别子集上，每类仅三个序列时，Full49达到40.32%的top-1准确率，比类别k-means高4.57个百分点。
说明通过提问解题：用广义解谜评测多轮知识推理能力
简介本文提出主动探查基准（APB），把概念识别设计为交互式推理任务，考察模型能否通过多轮主动提问与推断，在八个学科领域中找出960个专业难度的目标概念。评测发现，多数开源推理模型表现明显不如标准指令模型，说明在交互场景下，这些模型难以借助程序性推理可靠地调用和应用专业知识。作者还提供了可扩展的基准生成流程。
说明XForecast：KDD 2026 金融日新闻驱动金融预测挑战赛
简介本文提出 XForecast，一个结合新闻文本的金融预测基准与竞赛，任务是利用历史股价和配对新闻，预测股价四周后的涨跌。数据涵盖 100 只大盘股，2019至2022年用于训练，2023年用于评估。论文采用加权命中率指标，对新闻影响预期更强的样本给予更高权重，竞赛托管于 Kaggle，旨在评测融合金融时间序列与文本信息的方法。
说明在噪声反馈下基于PID门控的持续提示词自适应
简介论文针对环境持续变化时LLM智能体的指令更新问题，提出一组受比例-积分-微分（PID）控制启发的轻量门控机制，用于决定何时根据反馈更新提示词，并在更新后回滚性能下降的修改。作者在多种漂移任务、模型规模、反馈噪声水平和随机种子下，将其与简单基线及TextGrad、GEPA等提示优化方法比较。结果显示，该方法在任务性能与编辑器调用预算之间取得了更优的权衡。
说明面向乳腺超声诊断的概念引导可解释人工智能框架
简介该论文提出名为IBUS的乳腺超声人工智能框架，将BI-RADS结构化描述符纳入模型，使其预测更贴近临床思路。研究收集了9,941例患者、20个独立数据集的多中心图像，并在14个测试数据集上验证了泛化表现。在八名放射科医生参与的读者研究中，IBUS辅助提高了初级与高级读者的诊断敏感性。
说明香港消防安全规范解读的基准测试研究
简介本文评估了大语言模型在香港消防安全规范上的表现。研究人员与领域专家合作，构建了包含选择题和开放式问题的本地化基准数据集，测试了12个常用的闭源和开源模型。结果显示，表现最好的闭源模型在选择题上准确率为80%至90%，而开源模型整体落后；但在专家人工评估的开放式问题上，准确率仅为50%至70%，说明大语言模型在专业合规任务上仍有较大提升空间。
说明模仿与进化：面向自适应智能体的局部修复与经验证的技能获取
简介论文提出“被动模仿”（PI）架构循环：定位被违反的契约，提取局部目标，提出效果匹配的技能，测试小补丁，并在完整任务验证后保留证据。作者在十个模拟工具环境中实验，PI 在 600 个冷启动组合任务上全部解决（允许三次小规模试验），而整轨迹对照仅为 6.17%。在未见过的工具修订版上，PI 成功率为 70.0%，但原文强调这只是有限的修正与保留机制，并非通用智能。
