机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明面向三维实例分割的几何引导语义重建方法
简介论文针对三维实例分割中几何结构与语义判别力难以兼顾的问题，把二维先验向三维的语义迁移表述为掩码语义重建任务：遮挡部分背景二维先验，让三维编码器恢复缺失的语义，从而把二维语义蒸馏到三维骨干网络中。另外提出几何调制语义注入，用原始三维几何调制提升后的二维先验。作者称在 ScanNetV2 和 ScanNet200 上，两个基线框架的全量数据与少样本设置下均取得最优结果，代码已公开。
说明用以数据存储为中心的协调方式扩展多智能体系统
简介本文针对基于大语言模型的多智能体系统规模难以扩展的问题，提出 ScaleMAS。智能体通过共享的链接消息存储进行异步协作，可发布、按内容检索和按地址访问消息。检索结果数量有上限，并按相关性和引用次数排序。作者称在四项任务中，该方法优于对比基线，计算开销更低，可扩展至128个智能体，且中途失去部分智能体后仍能继续运作。
说明冰箱里的大象：用于长视频理解的恒定内存帧打包方法
简介长视频会让视觉语言模型的视觉 token 序列随时长线性增长，导致内存和推理延迟过高。本文提出 FramePack-U，这是一种无需训练、可直接用于现成模型推理的帧打包框架，能把任意长度的视频压缩为固定大小的视觉表示。该方法按与文本提示的语义相似度和多样性对帧进行排序，并以不同分辨率将所选帧打包进固定长度的上下文窗口。作者报告，在 LongVideoBench、MLVU 和 Video-MME 上，它优于全分辨率基线及既有方法。
说明超越完美队友：与不可靠同事协作的多智能体研究
简介该论文指出，现有基于大模型的多智能体协作系统通常默认同事总是给出正确、完整且及时的信息，这与现实不符。作者提出不可靠同事基准UnCoBench，包含答非所问、信息不完整和无应答三类失败情形，并给出可自动生成并验证的测试场景。对十个模型的测试表明，可靠条件下表现相近的模型，面对不可靠证据时的稳健性差异明显，且常常忽略纠正性追问。
说明构建区域光伏发电场以提升超短期分布式太阳能预测
简介该论文针对密集分布式光伏系统的超短期预测难题，提出将分布式光伏测量数据转化为类图像的区域发电场，并建模其时空演变。SatPV-Field框架结合历史光伏场、卫星反演的未来短波辐射及气象预报，预测区域发电状态，再为单站预测提供位置相关指导。在496个分布式光伏系统的实验中，该方法相比最佳单站时序基线将站级MAE降低约10.0%，相比基于图的区域预测方法降低约2.5%。
说明从运气中吸取的教训：大模型撰写的经验，会把偶然性带入智能体的下一次决策吗？
简介这项预先注册的研究考察自我改进的智能体如何把运行结果写成经验，并检验这些经验是否会把偶然的失败或成功带入后续决策。研究在256个合成任务环境中进行，比较了模型撰写的经验对下一次工具选择的影响。结果显示，在较可靠工具偶然失败后，经验会把偶然性带入后续决策；而在较差工具偶然成功后，影响的上限低于0.10，只是界限而非无害的证据。
说明GUIDE：用于可信临床诊疗指南的计算增强共识系统
简介该论文提出 GUIDE，一个多智能体辅助系统，用于人机协作地制定和更新临床诊疗指南。系统把文献检索、证据分级等繁重工作交给专门的 AI 智能体，同时保留专家判断和最终裁决。在 12 个 NICE 眼科数据集上，文献召回率为 88.85%，推荐一致率为 91.67%，平均每个数据集耗时 162.17 分钟，人工介入占 28.68%。前瞻性真实场景验证显示，其结果与纯人工更新相当，但耗时和工作量明显减少。
说明静默与噪声：解决多模态实体对齐中的抑制与高估问题
简介论文研究多模态实体对齐，指出模态特征缺失与知识图谱间的结构差异会相互影响，导致模型高估模糊表示、或让稠密结构信息压过有判别力的模态信号。作者提出 ALMEA 框架，通过跨模态补全与潜在语义校准形成双向反馈，并设计受控迭代选择方法在少量监督下获取伪标签。摘要称在标准基准上优于现有方法，在 20% 监督率下 MRR 最多提升 5.20%，Hits@1 最多提升 6.40%。
说明超越策略采样：基于锚定噪声的嵌入空间定向探索，用于大模型可验证奖励强化学习
简介这篇论文针对大模型可验证奖励强化学习（RLVR）中每个提示只采样少量回答、回答趋于相似的问题，提出 EDEN 方法。它在每组采样中，用同一策略在提示之外附加一个带扰动的嵌入位置生成的回答替换一小部分标准回答，噪声带来变化，共享锚点提供方向。论文报告在数学推理基准上，EDEN 优于 GRPO 及其他探索方法，尤其在采样解的覆盖率上提升最大。
说明SelectTTRL：基于表示引导的数据选择，用于高效测试时强化学习
简介测试时强化学习（TTRL）让大模型在无标注的测试题上直接自适应，方法是对多个采样回答投票构造伪标签，但通常对所有题目采用相同的高成本流程。本文发现模型内部回答表示与题目实证准确率之间存在稳定关联，据此提出 SelectTTRL：用余弦相似度（COS）对测试题排序，仅对选定百分位区间的题目应用 TTRL。实验显示，该方法在多个推理基准上显著降低测试时计算量，同时保持或提升标准 TTRL 的性能。
说明波兰尼遇上伽罗瓦：作为代数确定性运算的默会知识，以及为AI生成科学重新扎根
简介本文主张默会知识更宜被建模为记忆的一种运作机制，而非一种内容。作者以基于GF(2)的异或与移位超维记忆系统VaCoAl为基础，比较了修复碰撞（可审计）与容忍碰撞（给出路径置信度CR2）两种读取方式，并借此形式化波兰尼关于默会与显性知识并非截然二分的观点。文章还讨论了AI生成的可验证结论缺乏可追溯根基的问题，主张由LLM生成、由VaCoAl保留可审计轨迹、由人来珍视。
说明CloneOT：利用谱系监督的神经逆最优传输预测克隆特异性扰动响应
简介本文提出CloneOT方法，用于预测单细胞在扰动前后的响应。该方法利用部分谱系追踪数据，同时学习传输代价（以神经网络表示）和传输映射，使同一克隆的细胞在最优传输中保持在一起。文中称其在2D数据集上优于固定的平方欧氏距离，并在14个癌细胞谱系追踪扰动场景中优于五种基线方法，同时可揭示耐药持留细胞的克隆特异性转录程序。
看点用谱系信息学习最优传输代价，突破固定欧氏代价的局限；在2D数据和14个癌细胞扰动场景上与五个基线对比，证据较充分；对单细胞扰动预测子领域有实用价值。
说明图像分类中的记忆现象：测试集行为与规模定律
简介本文研究在随机标签或随机像素的图像分类任务上训练的卷积神经网络如何记忆训练数据。作者发现，相同随机标签上独立初始化的网络会对测试样本给出不同的预测，与能够泛化的网络不同。文中还分析了数据集规模对记忆所需网络容量和训练时间的影响，结果显示即使输入输出之间没有共同结构，完全记住一个样本所需的呈现次数也可能随数据集增大而减少。
说明《尖锐方向与你作对：激活引导的曲率分析》：分析语言模型推理时向量引导的几何结构
简介该论文研究在语言模型推理时向内部表示加入向量以控制行为的方法（激活引导，CAA）。作者提出“引导 Hessian”来刻画不同方向的敏感性，发现沿尖锐方向的微小扰动会引起不稳定的行为变化。移除这些尖锐分量可在保持向量方向和大小的同时降低曲率，在多种模型与任务的设定下表现优于标准 CAA。
说明基于机制感知的路由器学习：用于多域医学图像生成的扩散专家模型
简介论文研究了多个领域专用扩散专家模型的路由器学习方法，比较了仅用服务器图像训练的 Server-Only 与利用冻结专家去噪损失作为额外证据的 Anchor-Delta（AD）两种策略。在四个异构医学图像领域的设置中，AD 训练的路由器在生成指标上优于 Server-Only，并在保留数据的路由评估中表现更好。
说明异构智能体协同进化（HACE）：让专用基础模型与学习型智能体相互促进
简介该论文提出 HACE 框架，让专用基础模型与大语言模型智能体通过相互学习共同进化：专用模型用监督学习改进，智能体用同策略强化自训练学习，并依据专用模型的已验证性能提升来指导。进化搜索还用于优化两者的交互方式。作者在推荐系统、蛋白质功能预测和晶体稳定性预测三个领域进行了评估，报告 HACE 在各领域主要任务指标上优于所比较的自我改进方法。
说明超越单一病原体预测：从流感、新冠与RSV预测共同的呼吸道住院负担
简介流感、新冠和呼吸道合胞病毒同时流行，会共同占用医院床位、人员和检测能力。该研究比较了两种总负担预测方法：分别预测各病原体再相加，与直接预测合并入院数。结果显示，直接预测合并负担在回顾性和前瞻性评估中多数指标更优，作者认为两种预测应分层使用。
说明Dream2Discern：从困难潜在变体中学习，用于多智能体系统的运行时故障预测
简介该论文针对基于大语言模型的多智能体系统，提出运行时审计器Dream2Discern，根据已观察到的执行前缀预测最终结果。它通过依据自身预测损失选择表示扰动生成困难潜在变体，无需额外收集轨迹或验证结果即可扩充训练数据。在AFTraj-2K和StepShield两个基准上，该方法超过了对比的故障审计器，轨迹级加权准确率均超过90%。
说明理解并减少说服优化中的错位行为
简介该论文研究用强化学习训练模型进行说服时，模型是否会出现证据捏造、信念强迫等错位策略，以及哪些方法可以减少这类问题。研究发现，仅以接收方的信念变化为优化目标时，每局使用的错位策略种类增加超过25%，捏造次数增至训练前的4倍以上。作者比较了多种缓解方法，其中结合对合规说服策略的指导与对错位行为的奖励惩罚效果最好。
说明当智能体评测变得不可靠：LLM智能体基准中预言机失效与配置依赖测量的实证研究
简介该论文审计了智能体评测工具本身的缺陷，提出五项状态完整性不变量和三项已知答案对照，并在多个任务域中注入七类预言机缺陷进行检测。在一个广泛使用的智能体基准上，作者发现某奖励函数会重置数据库却不恢复，导致评分读取到参考答案的状态，成功率从94.3%降至65.5%。
说明PIGEONS：基于持久身份图库与演进叙事摘要的长视频增量式描述模型
简介长视频的详细描述受限于视频理解模型的上下文窗口，直接分段描述再拼接常出现主体指代不一致、长程叙事断裂的问题。PIGEONS 先扫描整段视频，建立记录关键主体及其视觉参考的身份图库作为稳定锚点，再结合该图库与逐步更新的整体叙事摘要，逐片段生成描述。模型采用监督微调与强化学习相结合的三阶段训练。实验显示其在长视频描述的准确性、完整性和主体指代一致性上优于现有方法，在短视频描述上也保持竞争力。
说明面向空间预测的可解释图划分
简介本文针对空间预测中黑箱模型难以解释的问题，提出一种图划分方法，用更简单的表示构建全局替代模型来近似预测结果。方法在格点预测值上选取连通子图，使簇内残差最小。为避免点级划分产生不合理的区域连接，作者引入约束，并给出理论分析和边界调整算法。实验表明，该方法得到空间上连贯、边界灵活的划分。
说明从失效预测到语义分割中的组件选择：一种以决策为中心的评估框架
简介本文针对语义分割中判断哪些预测可信、需保留或需人工检查的问题，提出以决策为中心的评估框架，区分评分的预测能力、现有特征可学到的信息及排序带来的实际选择效果。作者在Cityscapes和ACDC数据集上，以90%保留率比较三种分割系统，结果显示改编后的MetaSeg在所有十二组对比中都低于预测熵的保留失效率，但未能证明优于直接概率排序。
说明拓扑优化中机器学习加速宣称如何受经典基线影响
简介该论文重新运行了八种拓扑优化方法的公开代码，并深入研究了扩散模型OAT和基于图的神经优化器。作者发现，用高效的经典实现替换原代码可使两种方法的加速比最多降低20倍；在刚度相当的条件下，基于图的优化器在全部六个二维问题中都比经典代码慢。作者还提出了比较流程与最低报告要求。
说明跨协议人格评估：让行为证据与人工评分对齐
简介该论文研究如何从异步视频面试中评估求职者的人格特质。由于不同面试协议的问题与特质映射不同，一个协议的人工评分证据难以直接用于另一协议。作者提出CEPA框架，将行为表征对齐到目标协议空间，并检索相关的人工评分样本来引导一组大语言模型评分器。跨协议实验中，CEPA的平均均方误差相较最强基线在正向设置下降低43.8%，反向设置下降低17.0%。
说明自适应压缩与定向扰动：面向通用音频深伪检测的统一框架
简介本文提出一个统一的音频深伪检测框架，包含可自适应选择潜在维度的AAFI模块，以及在梅尔频谱域进行定向正则化的Mel-BAP策略。作者在ADD 2022、FakeOrReal和In-the-Wild等基准上评估，基于Whisper-small的模型报告平均等错误率为1.51%，并称相比3B参数的Resemble-Detect-3B-Omni，参数减少最多91.6%，平均EER改善60.7%。
说明协变量偏移下的反向保形预测
简介反向保形预测（BCP）先固定预测集大小，再估计其漏覆盖率，但假设校准数据与测试数据可交换。本文通过重要性加权把BCP扩展到协变量偏移场景，在密度比已知时保持其理论保证。作者发现，漏覆盖估计只取决于被遗漏校准样本的相对权重，因此更好的域分类器有时反而会得到更差的估计。此外，方法改为在排序后的非一致性分数向量上估计密度比，证明在可解释条件下可渐近恢复相同结果，并刻画了其他情况下的偏差。实验表明，基于分数的加权比基于嵌入的加权估计更准确。
说明用于胸部CT三维肋骨中心线追踪的混合上下文森林与双侧维特比匹配
简介本文提出开源框架ribline，用于从胸部CT中自动提取全部24根肋骨的中心线并进行解剖编号（R01–R12、L01–L12）。方法包括：自动确定坐标系并排序点、结合语义上下文森林与3D U-Net的体素检测器，以及通过双侧维特比动态规划完成肋骨编号与曲线精修。在Siemens 2mm胸部CT基准的评估集上，标注准确率为97.2%，标注Chamfer距离为2.05mm，且无误检曲线。
说明超越“漂绿”：LLM 的生态合理决策在压力下是否依然稳固？
简介该论文关注大语言模型（LLM）在决策中对生物系统（“生物对齐”）的偏向及其稳健性。作者在同一30B混合专家基础模型上，以不同训练剂量进行持续预训练，构建校准阶梯并测试在不可逆决策场景中的压力表现。结果显示，训练剂量越大，模型在压力下的稳健性反而越差；而基于行为评分的指标能区分表层伪装，但无法有效反映训练剂量差异。
看点提出以已知剂量校准阶梯评估LLM生态偏好深度的新方法，发现剂量与鲁棒性反向关系；实验规模有限，仅单一基座模型。
说明AI对心理健康污名的呈现：比较GPT系列大模型估计与人类感知在性别群体中的差距
简介本研究评估GPT-4和GPT-5在心理健康相关认知上是否存在性别差异与偏差。研究一显示，两模型对男性的社会距离、刻板印象及求助态度均较女性和非二元性别者更为负面。研究二以Healthy Minds Study（N=76,406）的人类数据比较发现，模型对个人污名和感知污名低估，对自我污名则明显高估，因此作者认为模型呈现的是失真的图景，需要在真实数据上严格验证。
说明自回归解码作为鞅：刻画大语言模型生成的随机动力学
简介论文把每一步的预测误差（采样到的词指示量与模型条件预测分布之差）累积成过程，证明其相对解码过滤是鞅。进一步推导出其可预测二次变差的闭式表达式，仅需实际词概率即可计算，并将序列波动与预测不确定性联系起来。作者在Llama-3.x和Qwen2.5（1B至72B参数）上的白盒实验显示，经验二阶矩与理论预测吻合。
说明CLNO：用于可压缩流预测的保守局部神经算子
简介论文提出保守局部神经算子（CLNO），用于可压缩流的自回归预测。模型将流场划分为固定物理尺寸的局部子域，由共享网络预测界面通量以保证离散守恒，并用卷积网络恢复细尺度结构。通过雷诺数与马赫数条件化，单一模型可泛化到未见过的参数组合，且无需重新训练。与LNO相比，论文报告在部分案例中精度相当或更高，误差最多降低一个数量级，周期性基准上的推理成本约为其3至5倍。
说明OT-FlowRec：基于最优传输引导多桥流的多模态序列推荐方法
简介本文针对电商用户兴趣在会话中动态变化、呈多中心分布的问题，提出OT-FlowRec框架，用多条并行、各自对应一个兴趣簇的最优传输流进行建模，并通过几何传输机制从潜在多兴趣分布走向目标偏好原型。文中还设计了渐进式时间采样预热策略，使优化更关注生成过程的终态以贴合top-k排序指标。作者称在三个公开数据集上优于现有先进基线方法。
说明带动量的恒定步长随机梯度下降的非线性时间序列理论
简介本文将带动量的恒定步长随机梯度下降（SGDM）的参数与动量耦合递推视为非线性时间序列进行研究。在有限p阶矩条件下，参数-动量过程会以几何速率遗忘初始值，从而得到唯一的平稳因果解。在二阶矩条件下，该收缩性导出了平均SGDM的不变原理与准高斯极限，小学习率分析则给出末次迭代的高斯极限。在随机曲率二次模型中，作者还考察了初始值遗忘速率与平稳方差及平均波动之间的关系。
看点将恒定步长带动量SGD视为非线性时间序列，建立平稳解与中心极限型结论，理论框架较新；证明与二次模型分析较完整，应用范围限于理论分析。
说明短程与长程依赖下在线期望分位数估计的极限理论
简介本文研究在依赖数据上在线估计平稳因果过程边际期望分位数（expectile）的一遍式随机梯度算法，学习率为常数γ。文中证明该递推存在唯一的平稳因果解，并且会以几何速度遗忘初始值。在短程依赖下，末次迭代值在√γ尺度上渐近服从高斯分布；对于长记忆线性过程，尺度变为γ^(β−1/2)ℓ(1/γ)，极限为分数布朗运动积分的高斯分布。文章还给出多个期望分位数水平联合的长记忆极限及其协方差结构，并用数值实验验证。
说明《错误与回响》：面向工具调用智能体的责任感知信用分配
简介论文提出 ECHO（错误链感知优化）框架，用于强化学习训练的工具调用智能体。它把“识别责任”与“分配信用”分开，由冻结的评判器区分新引入的错误、继承的后果、遗漏的纠正和成功的纠正。实验在六个工具调用基准上于4B和8B规模进行，ECHO在每个规模的六个基准中有五个取得最高分。
看点提出区分责任识别与信用分配的框架，对已有步级信用分配有实质改进；在六个基准、4B与8B两个规模上一致优于基线，影响面限于工具使用智能体子领域。
说明消除基于事件的视觉位置识别中的计算瓶颈：脉冲神经网络方法
简介该论文针对基于事件相机的视觉位置识别，提出一种两层脉冲神经网络（采用加性STDP训练），通过剪枝得到稀疏权重，使单次查询在普通CPU上可在数十微秒内完成。在三个基准数据集上，其召回率超过已有的LENS方法，单次查询延迟降低5.5至6.2倍，并与稠密版本和SAD基线召回率相当，读取的权重数量约为稠密版本的十分之一。
说明何时补偿继承的量化误差有益？逐层量化的均方保证及其局限
简介本文研究逐层训练后量化中，各层补偿前层继承误差是否能保证网络输出误差不大于不补偿的情形。在线性网络且舍入误差零条件均值、二阶矩确定的假设下，预先固定强度的补偿不会增大均方输出误差；在ReLU激活、有界码本等条件下该比较可能失败，并给出反例。文中还报告了两个8B模型在4比特下的实验，固定半强度补偿普遍优于不补偿，但强度选择规则并不稳定。
看点在线性网络中给出补偿量化误差可保证均方输出误差不增的条件与精确增益公式，并指出在ReLU、有界码本等情形下失效，推翻已发表的普适保证。
说明基于稀疏二阶锥松弛的可证明鲁棒性
简介本文研究神经网络的可证明鲁棒性认证，提出一组二阶锥规划（SOCP）松弛层级，比线性规划松弛给出更紧的认证，同时避免半定规划的高昂计算成本。在MNIST与CIFAR-10上，该方法比基于线性规划的验证更准确，并能与alpha,beta-CROWN相竞争，速度远快于半定规划验证。作者还提出按类别选择性应用更紧松弛的CORE方法。
说明面向智能体AI的计算反思均衡：一种用于治理的罗尔斯式对齐框架
简介本文针对基于大语言模型、通过工具代表用户行动的智能体AI，提出“智能体反思均衡”（ARE）框架，作为智能体运行环境中的伦理对齐支架。该框架借鉴约翰·罗尔斯的反思均衡思想，通过支持与攻击关系连接系统提示与运营方政策中的原则、考虑中的判断、工具证据和候选行动，并以溯源体现指令层级。论文证明了均衡与相互调整博弈的纳什均衡之间的对应关系，并给出提示注入的隔离定理等结论；两个案例分别展示了退款助手与招聘智能体中的应用。
说明有意义的时刻：由视觉语言模型生成的视频动作识别时间重要性标签语料库
简介该论文指出视频中只有少数关键时刻承载动作识别所需的证据。作者用视觉语言模型为约50万个带类别标签的视频（涵盖SSv2、K400、Diving-48，共622个动作类别）生成约458万条分段重要性分数，构建了Meaningful Moments语料库。实验固定动作分类器、只改变时间采样方式，结果显示VLM重要性信号有信息量，但效果取决于数据集的类别结构：在Diving-48上表现显著，在K400上有小幅提升，在SSv2上未能恢复全视频性能。
说明用少量人类偏好信号改进生物医学问答评估
简介检索增强生成（RAG）系统越来越多地用于生物医学问答，但缺乏可靠参考资源，且自动评估指标常与人类判断不一致，评估效果难以把握。该研究探讨如何用少量人类偏好信号校准直接评估指标。结果显示，经过校准的指标在多个数据集上始终优于对所有指标同等对待或只依赖单一最佳指标的基线方法。
说明PAIR：通过阅读与推理融合实现内存高效、快速的推理
简介针对基于上下文的问答，本文提出PAIR方法，用两个不同规模的模型分别负责证据抽取和答案推理：较小的Reader模型处理并保留完整上下文，较大的Reasoner模型只看到问题和已生成序列。两者在logit层面融合，整体表现为单一的下一词预测模型。在HotpotQA上，搭配32B Reasoner的PAIR保留了同一32B模型全上下文准确率的96%，KV内存约为其四分之一；在45.7K词元上下文下，端到端吞吐量最高提升3.2倍。
说明用于区分DNMT3A与DNMT3B甲基化序列偏好的4量子比特变分量子分类器
简介该论文提出一种基于变分量子分类器（VQC）的量子机器学习方法，用于区分DNMT3A与DNMT3B两种DNA甲基转移酶的侧翼序列甲基化偏好。数据集包含4,096个NNNCGNNN基序，使用4量子比特双层电路在精确态矢量模拟器上评估。五个初始化种子的平均ROC-AUC为0.661±0.009，并作为概念验证，为近期量子架构在表观遗传分类中的应用提供基础。
说明表征差异蒸馏：把蒸馏信号集中到学生与教师表征结构不一致的区域
简介知识蒸馏把大型教师网络的表征知识迁移给小型学生网络。作者提出表征差异蒸馏（RDD），用两个不对称的相似度矩阵分别找出学生误判相似的样本和学生尚未学会的教师关系，并据此决定损失对齐哪些样本对以及修正力度。在 CIFAR-100 上从 resnet32x4 蒸馏到 resnet8x4，RDD 测试准确率为 75.58%，与 CRD（75.45%）相近，高于 KD 和 RKD；作者还发现加权损失比筛选数据更有效。
说明耗散拉格朗日神经网络：用于可解释建模无源机械系统的方法
简介本文提出耗散拉格朗日神经网络（dLNN），可直接从数据中分别学习机械系统的保守动力学与耗散动力学。其耗散力的参数化结构保证模型无源、不会吸收保守力学成分。在混沌双摆轨迹预测和六自由度工业机器人逆动力学建模两项真实任务中，dLNN 的预测表现优于现有拉格朗日架构，并与黑箱神经模型相当；数据有限时，物理结构带来的泛化优势更明显。文章还提出符号蒸馏方法，从工业机器人模型中提取闭式表达式，在保持较高预测精度的同时降低了计算开销。
说明用大语言模型生成流行病学建模所需的行为模式：多基准评估框架
简介该研究探讨用大语言模型生成的行为输出来补充流行病学模型中个体行为差异的表示，案例为注射吸毒者中的丙型肝炎相关行为。研究使用文献关联方向、基于主体模型（ABM）的相关性和调查关联三类外部基准进行评估。结果显示，LLM生成的行为关系与流行病学证据只是部分一致，在直接分类任务中的一致性更高，因此在将其用于模拟传播动态的模型之前仍需更系统的评估。
说明交接曲线：多轮大模型路由中的初始选择、后续交接与监督目标
简介本文研究多轮大模型任务中，初始模型选择、后续交接以及训练目标如何影响成功率与成本。作者用交接曲线比较多种路由器，数据集包含三个Qwen模型在BFCL、MultiWOZ和τ-retail上的34,204次完整执行。主要结果显示，以Qwen3.5 35B-A3B为起始模型时，后续交接在BFCL和MultiWOZ上并未比初始选择带来效用提升，且在BFCL上增加了成本。改进监督目标后，路由器性能在本数据集和TwinRouterBench上均有提升。
说明基于条件流匹配的野火面积概率预测
简介该研究提出一种利用条件流匹配生成模型的概率方法，用于预测野火面积随时间的变化，而非预测空间上的火势蔓延，从而降低计算成本。模型以当前和前一步的火area估计，结合区域平均气象条件、地形与燃料组成，预测3小时内面积变化。训练数据来自140组WRF-SFIRE大气-野火耦合模拟，并配以NAM气象数据。单步预测的对称平均绝对百分比误差（sMAPE）为0.39，对12个测试案例进行24小时递归预测时，最终面积sMAPE同为0.39，并可量化预测不确定性。
说明混合情绪，单一极性：情绪标签映射为正负极性的适用边界
简介本文研究把情绪数据集的类别直接映射为正负情感极性的做法在何处有效、何处失败。作者在多个推文和标注数据集上测试，发现当文本的情绪标签指向同一极性时映射有效，但标签相互冲突的推文（占极性测试推文的9.0%）造成了学习型映射54.8%的极性错误。文章建议对标签组合而非单个标签进行映射，并在标签冲突时弃权或保留混合类别。
说明在策略随机性中嵌入信息：马尔可夫决策过程中保持分布的隐式通信
简介本文研究随机策略中随机性的新作用，即将其作为嵌入和传递信息的媒介。作者提出一种称为后验匹配随机性调制（PRAM）的编码方案，根据待传输的消息选择动作，并借助与控制系统独立的共同随机性，使每个状态和每条消息下的动作分布保持不变。论文证明该方案渐近可靠，状态轨迹足够长时消息可以以任意小的错误概率解码。实验显示该框架可用于多比特策略水印和轨迹溯源。
说明PopGen：为零样本协作生成语义多样的智能体群体
简介这篇论文提出PopGen框架，利用大语言模型从零生成语义上多样的智能体。它先生成多种行为的文字描述，再把每种行为转化为可在环境中执行的代码策略。实验显示，用PopGen群体训练的协作者在四个协作环境中都能与未见过的伙伴稳健协作，表现优于群体对战基线。
说明脉冲Transformer中无Softmax注意力作为二能级系统零温极限的解释
简介该论文针对脉冲Transformer中去除softmax、改用阈值化二值注意力的做法，指出这会破坏用于分析注意力网络的热力学框架。作者证明无softmax的脉冲注意力恰好是独立二能级系统乘积的零温极限，并认为其处于热力学相图中的冻结有序相。论文还用前向松弛实验，把标准注意力与神经形态注意力放在同一热力学坐标轴上进行验证。
说明重复数据预训练的扩展：批大小、正则化与GPU时间权衡
简介本文研究算力充足但独特训练数据有限、需要在同一数据上重复训练的预训练问题。作者发现，同时优化批大小与轮数后，验证损失与批大小呈U形关系，较小批大小更有利，并可通过重新打包文档、权重绑定、正的嵌入权重衰减等方式调整训练配方。在不假设无限算力时，较小批大小可能需要过长的顺序训练时间；即使在固定时间预算下，使用较少GPU的较小批大小，也可能比使用更多GPU的较大批大小取得更低的验证损失。
说明小而有力：把测试套件作为自我进化智能体的改进信号
简介论文研究自我进化的智能体如何判断自身改写是否保留。作者用测试反馈作为可执行信号，并用质量多样性进化算法搜索既小又强的测试套件，名为TeSearch。在129个真实模块上，TeSearch得到的套件质量最高、规模最小（相比其他基于LLM的方法）。用作改进信号时，它拒绝了59.9%的行为改变型改写，而仓库自带测试只拒绝25.3%，误报率为4.0%，每次判断约3.5秒。
说明利用线段追踪实现CMS中基于机器学习的径迹重建
简介高叠加事例（HL-LHC时代的高pileup）使CMS中带电粒子径迹重建更加困难。本文提出一种混合方法，以线段追踪（LST）对象（三元组）而非单个探测器击中点作为输入，并用带几何掩码稀疏自注意力的Transformer编码器与对象凝聚技术，在单次推理中组装完整径迹。在CMS Phase-2模拟的ttbar事例（平均叠加数200）上，其效率与LST五元组基线相当，同时假径迹率约降低为三分之一，重复径迹几乎被完全抑制。
说明《不公平与不安全：日常偏见引发涌现式失准》：微调时学到的礼貌刻板印象也会让模型变得不安全
简介论文探讨用含刻板印象的礼貌回答微调语言模型，是否会引发“涌现式失准”，即模型在无关任务上也变得不安全、不诚实。实验在四个开源模型系列（7B至12B）上进行，涵盖性别与种族刻板印象，并与相同问题但不含刻板印象的对照组比较。结果显示此类偏见数据同时构成公平与安全问题，现有防御方法多能提升安全性，但刻板印象本身基本保留。
看点首次发现看似礼貌的刻板印象训练数据也会引发涌现式失准，并找到对应激活方向，实验覆盖多个模型族和对照组。
说明符号音乐Transformer中的和声表征具有局部性且可控制
简介本文以Aria（基于LLaMA的符号音乐Transformer）在巴赫赞美诗上的表现为例，研究模型如何在终止式中表示和声语境。作者发现和声决策从中间层起逐步被因果定位，调式在对应层段可被线性探针解码，调性身份则出现得更晚。通过沿和声变化对应的潜在方向进行引导，模型能可靠地生成偏离或小调式的解决，同时保持结构连贯与生成质量。
说明ADAPT：面向熄灯工业环境的音频-深度导航规划方法（含过渡感知奖励）
简介该论文针对光线不足的熄灯工业环境，研究不依赖可见光的导航方法，利用空间音频定位目标、深度信息感知障碍物。作者提出了包含24个工业场景、四种逐步加难声学条件的基准DarkNav-Bench，并提出ADAPT框架，通过强化学习优化闭环导航，其中过渡感知奖励塑形（TARS）同时考虑可行移动与原地转向。实验显示，ADAPT在已见与未见场景上均优于训练式导航基线和零样本多模态模型，在未见环境的干净条件下成功率为90.6%，最困难的局部噪声设置下为60.0%。
说明实例自适应的在线多分类多重校准
简介本文研究在 T 轮在线预测中的多分类多重校准问题，给出一种超越最坏情形保证的算法。若对抗选择的结果均值序列位于维数为 s 的仿射子空间中，该算法的误差可随 s 自适应，无需事先知道子空间或其维数。对于随机且条件均值固定的情形，误差界退化为与时域平方根相关的形式。
看点提出自适应于输出均值仿射子空间维度的在线多类多校准算法，理论界限显著改进且在一定意义上极小极大最优，但影响主要限于理论社区。
说明小区域学习：一个与学习器无关的小区域估计框架
简介本文提出小区域学习（SAL）框架，把小区域估计看作多目标半监督学习问题，并将结果预测视为辅助任务。框架允许各区域存在协变量漂移与结构化条件漂移，并通过共同与区域特定成分共享信息。作者给出区域均值估计量的一致性与渐近正态性，并讨论偏差与方差的权衡。模拟中相对直接估计，RMSE 降低 34%–49%。
说明论文说明：当助手“主动”猜测用户偏好时，如何判断它的把握有多大
简介这篇愿景论文探讨主动式智能助手（如家庭助手）在预测用户偏好时，仅给出偏好可能性并不足够，还需要知道预测的可靠程度、依据来自群体假设还是个人数据，以及不确定是由用户偏好本身的多变性还是数据不足造成的。作者认为不确定性估计能提供这些信息，从而改变助手后续的行为，并借鉴轨迹预测、个性化活动识别等相邻领域的做法，展望未来具备不确定性感知能力的主动助手。
说明堆浸过程中基于物理引导机器学习的饱和度控制：适应不同水力条件的替代模型研究
简介本文针对堆浸矿床中不同区域水力条件各异的问题，提出一种以参数为条件的物理引导机器学习（PGML）替代模型，并在模拟中用于饱和度控制。模型基于4096条数值求解的Richards方程轨迹训练，可按小时预测饱和度剖面。在评估案例中，PGML控制器的完整周期跟踪偏差中位数为目标值0.70的4.9%，与调优后的PI控制器相当，且灌溉量约少4%。替代模型的计算速度约为数值求解器的70倍。
说明用自然语言处理匹配牙医教育阅读材料与学习目标并评估主题平衡
简介本文提出一套自然语言处理流程，用于检查牙医课程的阅读材料是否与学习目标相符，并分析主题覆盖是否均衡。研究结合PubMedBERT句向量与余弦相似度检索、自然语言推理（NLI）证据核验和主题建模，以13条课程学习目标和3,837组目标-摘要配对进行测试。仅靠相似度不足以筛选阅读材料，结合相似度与NLI的方法在49组专家标注验证集上准确率从0.69提升到0.73。
说明盲点剖析：LLM 评审需要看到什么、看到多少
简介本文研究用大语言模型充当评审时，评审方应获得哪些材料、多少材料才能给出可靠判断。作者在七个公开基准上只改变评审所见的内容，发现所见材料对结果的影响大于评审模型本身的选择。文中还报告了预先登记的 83 条可检验条款中 32 条达标，并列出了未达预期的部分。
说明基于误差的双向预测编码：实现深层4位预测编码网络
简介本文提出结合双向预测编码（bPC）与基于误差的重参数化（ePC）的方法，使预测编码网络能扩展到更深层并在4位量化下训练。该模型在六层网络上明显优于基于状态的双向预测编码，4位量化后的精度损失很小。
说明DiffNash：用扩散策略在高维连续动作空间中求纳什均衡
简介该论文提出 DiffNash 框架，用扩散模型表示博弈中的多模态策略，以在高维连续动作空间中求解纳什均衡。方法结合在线镜像下降与虚拟博弈的思路，并通过回放缓冲区复用历史动作，同时用证据下界差的指数估计重要性权重来修正分布偏移。作者在森林保护博弈和连续上校布洛托博弈上进行了评估，相比最强基线，纳什差距分别降低了 35.6% 和 24.7%。
说明无网格卷积：学习式谱衰减与输运
简介该论文提出无网格卷积（MFC），即在连续空间中定义、仅在求值时离散化的滤波器，使同一组学习到的滤波器可跨不同分辨率使用。论文称，在流体力学和天气预报基准测试中，基于MFC的模型能产生稳定的长时程滚动预测，可靠地跨分辨率迁移，并更好地保持长期统计特性。
说明基于LightGBM的边境口岸多时段可解释排队预测与资源感知决策支持
简介本文提出一种面向实际部署的边境口岸排队管理框架，使用轻量梯度提升机（LightGBM）为15、30、60和120分钟等不同时段分别建立预测模型，同时估计未来等待时间和排队长度。模型结合通道兼容性、人员可用性、旅客类别和预登记等运营约束，并用分位数模型给出等待时间的95%预测区间。论文还输出可供资源管理系统使用的建议、警报和关键指标，并以合成数据建立了可复现的基线，供后续使用真实口岸数据验证。
说明当跟踪器失效时：基于视觉语言模型的视频目标分割验证与恢复
简介该论文针对基于SAM等基础模型的视频目标跟踪在遮挡、重现或干扰物出现时，错误预测会被记忆传播、造成身份漂移的问题，提出Dual-Agent框架。框架包含一个视觉语言验证代理，用于判断跟踪是否仍锁定目标；一个修正代理在检测到失效时负责恢复目标。文中称该方法在LVOS-v2和SecVOS上分别使SAM3提升1.2和2.7个J&F，且无需重新训练即可迁移到其他跟踪器和长时跟踪基准。
说明频率-步长缓存：分离同步与修复，加速自回归视频扩散生成
简介该论文针对自回归视频生成需要反复运行大型扩散Transformer的高成本问题，提出免训练的缓存方法Frequency-Step Cache（FSC）。FSC把精确全量计算的同步时机与同步之间的修复计算分开决策，修复方式包括整步重放、选择性token重算或完整修复。在SkyReels-V2上，FSC-Speed达到2.36倍加速，SSIM与PSNR均优于MotionCache；在相同速度下，FSC-Quality的SSIM、PSNR和LPIPS表现也更好。
说明快速又准确：基于语义集中性在RAG与微调之间划分工作量，提升个性化大模型表现
简介论文提出PUR方法，依据用户历史数据的语义集中程度，把核心信息交给参数高效微调（PEFT）离线处理，其余分散信息保留给检索增强生成（RAG）。推理时，核心问题直接生成回答，偶发的外围问题才调用RAG。实验显示其生成准确度和质量在多项任务中表现最佳，推理延迟比表现最好的方法降低14.4%至46.6%。
说明RINO：无标签重整化群蒸馏方法，用于高能物理喷注的自监督学习
简介该论文提出RINO方法，利用高能喷注形成中的多尺度重整化群结构作为自监督学习的视图来源，在无标签的真实数据上预训练模型。模型仅用量子色动力学过程的喷注进行预训练，并在罕见信号类别上评估分布外迁移效果。文中报告，在JetNet数据集上仅用1%的标注数据微调即可与全监督训练相当，并在顶夸克喷注分布外分类准确率、H→4q衰变道AUC上均优于最强的自监督基线。
看点首次利用喷注形成的重整化群多尺度结构作为自监督视图来源，并在OOD迁移与数据效率上做了较充分实验对比。
说明基于ERM预言机的样本最优多群体学习
简介本文研究多群体学习：单个预测器需要在一组可能无限且重叠的子群体上，都接近类中最佳假设的表现。作者提出一种只通过经验风险最小化（ERM）预言机访问假设类的算法，所需样本数为Õ((d_G+d_H)/ε²)，并给出匹配的下界Ω((d_G+d_H)/ε²)，表明预言机高效性不增加样本开销。此外，在每个输入至多属于k个群体的特殊情形中，仅需假设类的ERM预言机即可完成学习。
看点提出仅通过ERM预言机即可达到最优样本复杂度的多群体学习算法，并给出匹配下界，理论上解决了效率与样本最优之间的矛盾。
说明ViewCraft：让多模态智能体学会“看什么”与“怎么读”
简介该论文提出 ViewCraft，在不更新模型权重的前提下，同时进化可执行的证据界面（选择、变换、组织观测）及其阅读流程。方法利用失败轨迹指导修改，并通过重放与配对评估保留有效改动。在八个基准上，平均任务得分较直接执行提升 6.1 分，且在多源任务上输入 token 减少 8%–15%，学到的技能还能在不同执行器间迁移。
说明更多推理并不总是更好：用大语言模型与规则执行临床指南
简介本文提出医疗决策执行框架MedDEx，将结构化患者状态与确定性规则执行结合，以支持基于指南的治疗规划。大语言模型负责提取患者信息并生成治疗方案，指南规定的决策逻辑则交由规则执行器处理。多个临床指南基准上的实验表明，该方法在提高决策准确率的同时降低了推理成本。
说明RIVO：面向深度研究智能体的轻量自适应重路由方法
简介该论文针对深度研究智能体在长链推理和多次调用工具时，难以适时决定继续搜索、停止或改变方向的问题，提出一种即插即用的轻量框架RIVO。它根据智能体的研究状态触发轨迹修正，并通过调整主模型的词元对数概率引导生成方向，无需重新训练底层模型。论文还构建了用于可控实验的BrowseCore数据集，并报告多个基准上的实验结果。
说明两个线性规划胜过一个：关于虚拟扩展复杂度的研究
简介该论文研究多面体的虚拟扩展复杂度，即能投影成该多面体的两个多面体的扩展复杂度之和的最小值，这一概念与神经网络复杂度相关。作者证明虚拟扩展复杂度可以比扩展复杂度指数级地更小，并给出存在指数级虚拟扩展复杂度的拟阵基多面体。此外，他们证明了n个顶点的多边形的最大虚拟扩展复杂度为Θ(√n)。
说明LURE：带阶段标注的网络诱骗对话合成语料库
简介本文介绍一个模拟诱骗者与未成年受害者对话的合成语料库LURE，共2121条独特对话，涵盖七个标签和四个诱骗阶段，并附有普拉奇克情绪字段。研究者以ChatCoder诱骗沟通方案为基础，采用检索增强管线生成数据，并经人工监督与验证。文中报告了标签与阶段的可识别性，以及合成数据与真实数据之间的区分准确率为91%。该语料库以受控访问方式发布。
说明多智能体协作中的角色越界问题：基于动态角色激活引导的抑制方法
简介论文指出多智能体系统中，智能体可能越权执行其他角色的子任务，从而扰乱流程、降低效率和任务质量。作者发现角色指令会在模型激活空间中产生一致的方向性偏移，且遵守角色与越界的轨迹呈现不同的激活模式。据此提出动态角色激活引导方法DRAS，在推理时为每个角色构建引导向量与越界检测器，并据此动态调整引导强度。实验显示，相较原始多智能体系统，DRAS可将越界轨迹减少最多86.6%，任务质量分数提升10.0%至11.1%，任务完成速度提升1.50至1.61倍，token消耗降低26.8%至38.7%。
说明面向跨 GPU 架构持续批处理 LLM 推理的轻量调度策略
简介大模型推理的瓶颈越来越多地来自自回归解码阶段的调度方式，而不仅是模型规模或 GPU 速度。本文在不改动模型结构、算子或部署学习型调度器的前提下，用 PyTorch 搭建连续批处理测试平台，比较八种轻量调度策略在 L40S、A100、H100 等 GPU 上的吞吐与延迟表现。结果显示调度策略会明显影响吞吐、首词延迟和尾部延迟，其中带老化机制的最短提示优先策略在多数场景中表现最好。
说明通过镜头生成：基于跨坐标条件融合的可控相机视频生成
简介本文提出 Gen Through the Lens 框架，可根据参考图像生成视频，并支持可控的相机运动。方法将相机坐标、世界坐标和物体坐标三类控制信号分解并融合，以精确控制相机的运动、焦点与取景。作者称该方法在多种相机操作下结果可控且视觉一致，在真实感与可编辑性方面优于现有方法。
说明审阅很少能超过更强的模型：区分验证与能力迁移
简介本文研究大模型流程中，让一个模型审阅另一个模型的答案是否有效。作者指出，常见的以审阅者相对生成者的提升来衡量效果，混淆了验证与能力迁移。在12个开源模型、48组配对的数学、知识、代码和推理任务中，审阅仅在96个方向中的9个上超过单独使用更强模型，且能力差距越大效果越差。原因是审阅者多数跟随生成者的答案。审阅成本约为单独使用更强模型的2.6到2.8倍，而同样两次调用的选择器准确率更高且更便宜。
说明让每次扩展都更有价值：学习在大模型代码修复中高效搜索
简介本文提出 CodeTriage，一种学习得到的搜索策略，用于大语言模型代码修复。它在生成和测试修订程序之前，依据测试输出、故障诊断和拟议编辑对待选修复进行排序，预测通过该编辑修复所需的步骤数分布。在留出的修复任务上，它比各项指标最强的基线少用 21% 的程序修订和 12% 的输出 token。作者还发布了一个包含 1220 万个程序版本的语料库。
说明多流形聚类的极小极大收敛速率与改进的谱收敛
简介本文研究从可能相交的多流形混合分布中采样的数据，估计张量化、密度加权拉普拉斯-贝尔特拉米算子的特征对。作者给出了单纯且非平凡特征对的极小极大收敛速率，并证明已知支撑流形时基于核密度估计的连续插入估计量可达到相同速率。此外，文中还分析了无需流形信息的图拉普拉斯估计量，其收敛速率优于此前已知结果。
说明基于JEPA表示的多模态传感器融合，用于呼吸活动与姿态识别
简介该研究将冻结的V-JEPA2视频特征迁移到RGB视频、深度视频和雷达时间序列等异构传感器上，用共享融合模型在全部七种非空传感器组合下识别呼吸活动和姿态。在39名受试者的OMuSense-23数据集上，最终模型的活动宏平均F1约为75.23%。研究发现，在每个批次中监督所有传感器组合可带来约1.923个百分点的提升，而测试的Consensus-JEPA损失未带来可测量的收益。
说明面向可验证奖励强化学习的方差最优状态重采样
简介该论文针对可验证奖励的强化学习中大量采样预算耗在无学习信号状态上的问题，提出在固定采样预算下，使策略梯度估计器方差最小的状态采样分布，并给出闭式的Neyman分配形式。基于此提出VSR方法，作为GRPO的即插即用改进，使用前缀回放缓冲区与零成本方差代理。作者称在数学推理基准及Sokoban、BabyAI等长时程智能体任务上，VSR在多数基准上优于GRPO和GiGPO，且每次更新生成的token更少。
说明用于室内环境实时预测的画布式与坐标式几何条件神经网络对比研究
简介该研究比较了两种几何条件神经网络代理模型，用于在不同房间尺寸下快速预测室内气流和温度场，以替代计算成本高的流体力学模拟（CFD）。画布式网络（CaNN）在固定画布中保留不同的占用区域来编码房间尺寸，坐标式网络（CoNN）则使用归一化坐标通道，两者均采用U-Net自编码器。在不同高度和长度的简化房间基准上，CaNN与CFD结果的一致性高于CoNN。
说明Engram注入：参数化语言模型记忆的时效性研究
简介本文研究语言模型能否把会随时间失效的事实存入参数，并仅凭问题和当前时间给出正确答案。作者用LoRA适配器存储事实，并通过FiLM调节注入时钟信息，与加法时钟调节、完整带日期历史提示及检索四条记录三种方法比较。结果显示，两种适配器方法在更新前后的62组问题中均答对0组，而完整历史提示答对59组，检索方法答对62组。论文认为，学会一个事实与学会何时使用它是两回事。
说明熵正则化平均回报均值场博弈：跨度半范数压缩与无模型学习
简介本文研究有限状态与动作空间、平均回报准则下的平稳离散时间均值场博弈，目标函数带熵正则项，动态与奖励依赖总体分布。在某一最小化条件下，软Q算子对完整转移核是跨度半范数压缩，因此相对价值迭代无需最小化测度。当核的Lipschitz常数小于最小化质量且温度超过明确阈值时，均衡不动点算子为压缩映射，均衡存在、总体分布唯一，且不动点迭代几何收敛。文中还给出从模拟器中无模型学习均衡的方法，并证明了跨度半范数下的有限样本界及总体分布与策略的收敛速率。拥堵感知路由博弈用于说明结果。
说明被漏检还是被误判？哈萨克语AI生成文本检测器评测
简介本文构建了哈萨克语数据集AINA-KK，包含3811段确知早于ChatGPT出现的人工文本，以及来自9个生成器的5597段机器或灰色地带文本。研究发现，多数英文训练的公开检测器会大量误判人工文本，而校准后又难以识别机器文本。作者提出无需新数据的改进方案AINA-KK-Det，在测试集上误判率较低，同时能识别较高比例的机器文本。数据、代码与检测器已在GitHub公开。
看点首次系统评估公开AI文本检测器在哈萨克语上的误判，构建带时间戳人类文本数据集并提出组合修正方案，证据充分，对实际应用影响较大。
说明区分流程变化、仪表故障与数据通路损坏：流式遥测的参考实现与基准测试
简介本文研究监测系统中读数异常的三类成因：物理过程改变、仪表故障与数据在传输中损坏，指出单一通道无法区分其中部分成因。作者提出一组在线检测器并结合确定性归因规则，并将其并入公开算法库。在注入的2942个事件上，方法检测率为96.3%，单通道归因正确率为91.2%，加入第二个速率通道后为99.0%。
说明基于语义ID的个性化大模型推荐：自回归束搜索与多令牌预测的比较
简介本文比较了两种让大语言模型生成语义ID（SID）的方式：单头自回归解码配合束搜索，以及并行预测全部令牌的多令牌预测（MTP）。在大规模流媒体目录的多任务模型上，单头束搜索在排序和内容问答等关键指标上整体优于MTP，训练成本更低，MTP仅在推理吞吐量上占优。作者还报告了相比非SID基线的端到端提升，并通过强化学习处理语言能力的下降。
说明用于薄球壳帽屈曲折减系数预测与可靠性设计的高斯过程与极端梯度提升混合机器学习框架
简介薄球壳帽的弹性屈曲实验临界载荷常低于线性特征值分析预测值，通常用折减系数（KDF）修正，但现行KDF（如NASA SP-8007、Eurocode 3）较为保守。本研究用球壳屈曲实验数据训练机器学习回归模型，提出高斯过程回归与极端梯度提升相结合的混合模型，性能优于人工神经网络、支持向量回归、随机森林和直方图梯度提升等方法。研究还通过敏感性分析确定影响KDF最关键的特征，并提出基于可靠性的设计框架，以期在保证安全的前提下获得较不保守的KDF。
说明视觉语言模型中的注意力汇聚点：借来的，而非看到的
简介该论文研究视觉语言模型（VLM）中的视觉注意力汇聚点，即在图像上吸收大量注意力、与查询无关的图像标记。作者比较了六种检测方法，发现只有图像标记的键与语言模型文本汇聚点键之间的中心化余弦相似度能有效识别视觉汇聚点，并提出一种免训练、基于熵触发的再观察方法，在细节视觉问答基准上带来平均约 +4.3 点的提升。
说明更清晰的画面，更糟的房间重建：视角覆盖比图像质量更关键
简介该论文研究室内三维重建中的前馈多视角模型，比较了不同帧选择策略。结果显示，只选取最清晰的帧可能效果最差，因为清晰帧多出现在相机慢速移动时，导致视角集中、房间大片区域未被观测。实验表明，视角分布的影响约为图像清晰度的三倍，在小帧数预算下视角覆盖比单帧质量更重要。
说明稀疏自编码器特征发现分数究竟识别了什么：从激活到干预
简介稀疏自编码器（SAE）的特征通常依据其激活与模型行为的共变关系来发现，但在实际中常通过引导或消融等干预来使用。本文以干预归因（即特定干预对模型输出的一阶效应）作为目标量，指出对一类广泛的响应函数而言，观测式特征发现证据一般无法识别该归因，并推导出线性探针预测与干预归因之间差距的精确梯度分解。在四组模型与SAE组合上，中位数的探针与归因幅值比从几十到几百不等，而归因与小步长引导的结果密切吻合。
看点提出观测特征发现与干预归因之间的差距并给出梯度分解，证明观测证据一般无法识别干预效应；在四个模型-SAE组合上实验验证，结论有一定说服力。
说明移动有助于学习：借助移动实现物体识别的无监督模型适应
简介论文提出MoCaFe方法，让自动驾驶车辆、机器人等可移动智能体在没有人工标注的情况下，利用同一物体从不同距离和视角观察时预测质量的差异，自动调整预先训练好的物体识别模型。方法包括按移动校准的伪标签过滤，以及可选的p-MoCaFe扩展。作者称在nuScenes、KITTI和具身智能体数据集上，该方法明显优于现有测试时适应方法，准确率最多提升约20%。
说明神经模型与人脑如何将音素身份与位置绑定
简介该论文研究神经系统如何把音素（内容）与其在序列中的位置（结构）绑定，例如区分 /gum/ 与 /mug/。作者将 NLP 中的“洋葱假说”扩展到自然语言，在编码-解码模型中提出“螺旋假说”，即位置由幅值与状态方向的系统性旋转共同编码。随后分析 20 名受试者听觉皮层的颅内记录，发现相邻音素间的响应变化幅值随位置推进而减小，支持两种假说共有的幅值编码。
看点将NLP中的洋葱假说扩展到自然语言，提出螺旋假说并用人脑颅内记录验证，新颖且证据较扎实，但影响范围主要限于子领域。
说明用于智能体强化学习信用分配的大语言模型价值函数
简介论文提出LVRL方法，利用预训练大语言模型的知识和上下文学习能力估计策略相关的状态价值，无需额外微调价值网络，从而依据价值差异实现逐步的信用分配。作者还提出LVOPD，将其扩展到基于策略蒸馏的专家学习，把教师监督集中在估计价值下降的动作上。实验覆盖AppWorld、BabyAI和SWE-bench Verified等基准，文中报告LVRL在多个策略规模上均优于GRPO和PPO。
