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KhyontekAI 在 CheckThat! 2026 的参赛研究：面向科学网络声明的多语言稠密检索与交叉编码器重排序
简介该论文面向 CLEF 2026 CheckThat! 任务 1，研究如何为社交媒体上提及研究结果但未附出处的科学声明，自动找到对应的原始科学文献。作者采用两阶段多语言检索框架，结合微调后的稠密检索模型（multilingual-E5、BGE、Contriever）与交叉编码器重排序，并比较了不同元数据配置、多语言联合训练等策略。结果显示，加入元数据能稳定提升检索效果，交叉编码器重排序进一步提高了精确度；英文、德文、法文的 MRR@5 分别为 0.6222、0.5112、0.6254，整体平均为 0.5862。
说明潜在分类体系：语言模型预训练中属性归纳如何形成
简介研究者构造了一套按共享属性分层分组的合成实体分类体系，并将其中的事实注入 Pythia 与 OLMo 2（70M 至 7B 参数）的持续预训练中，追踪模型的归纳行为。结果显示，仅靠下一词预测就会出现与分类体系一致的归纳：同一类别内的属性迁移强于跨类别迁移，且在固定数据量下，模型越大归纳越弱。
看点将人类类别归纳研究引入语言模型预训练，用合成分类体系注入事实并跟踪多规模模型，发现归纳随规模减弱，设计较新颖且实验较充分。
说明不依赖引文图信号的局部引文推荐
简介本文研究局部引文推荐，即为给定句子检索合适的参考文献。作者发布了新数据集LCRC，包含从天体物理综述论文中提取的14,735条科学陈述及其引文。基于该数据集，作者开发了一种避免引文图偏差的推荐系统，在未微调模型的情况下，相较稠密检索基线，Recall@25提升8.0%，NDCG@25提升6.9%。代码和数据集已公开。
说明匹配的专门化，不同的适应：共享表示中的二阶矩结构
简介本文研究小型 Adam 训练的共享表示网络：两个网络在选定的平均读出指标上等价，但对相同的后续学习反应不同。作者通过状态干预，分离二阶矩的尺度效应与坐标模式效应，并考察其形成过程与时间依赖性。实验显示，二阶矩交换会逆转十次更新内的对比变化，而一阶矩交换则不会，说明效应超出了整体更新幅度。
说明多面体距离问题的受保护块转移：带显式常数的线性收敛与用于SVM训练的间隙认证筛选
简介论文针对硬间隔SVM训练（两凸包之间的距离问题），提出“受保护块转移”方法，把多次MDM转移合并为一次精确线搜索，并在必要时用away步代替。作者在Minkowski差多面体上证明了带显式常数的全局线性收敛，并给出零权重点的筛选迭代次数界。实验显示该求解器在精度上与基线一致，但在若干设置中速度慢于LIBSVM或LIBLINEAR，其优势主要在于可认证的对偶间隙。
说明用于真实云遥测异常检测的深度学习模型基准测试
简介本文在真实的 IBM Cloud Console 数据集上，对 GRU、Transformer、TimesNet 和 Autoformer 等深度学习模型进行了异常检测的实证评测，并采用兼顾提前检测与误报的 Numenta 异常基准（NAB）指标。结果显示 TimesNet 得分最高，Transformer 能早期检测但误报率较高，改进后的 GRU 自编码器误报较为稳定。作者认为真实云异常以短期偏差为主，因此强调计时感知评估与稳健的后处理。
说明ML-CLAPPS：面向类别优先级的多标签不均衡学习概率框架
简介本文提出ML-CLAPPS，一种可学习的采样器，通过优化训练样本的分布来控制模型对各类别的关注程度，以应对多标签学习中的类别不均衡问题。它允许用户通过重要性向量指定需优先处理的类别，例如临床上高风险的心电图疾病。在真实多标签心电图图像数据集上的实验显示，该方法达到了较先进的性能，并且提高某类别的重要性会相应改善其分类效果。
说明ChangeT$^3$：面向遥感变化检测的视觉测试时训练评估
简介该论文提出 ChangeT$^3$，用于双时相遥感影像变化检测。模型采用孪生结构，编码器为 ViT$^3$-Tiny，解码器为 ChangeFormer，通过为每幅图像计算快速权重来实现逐图像的内部更新。在 LEVIR-CD+ 上，其 F1 为 80.61±0.90，高于同设置的 ChangeFormer 对照（78.84±0.21），但在 SYSU-CD、DSIFN-CD、WHU-CD 上均无法零样本迁移，且小输入尺寸下速度更慢。
说明自适应观察、灵活思考：学习多模态推理中如何思考及思考多久
简介该论文提出L2T框架，把外部工具产生的视觉状态离散化为视觉标记，使视觉感知与文本推理共享同一自回归空间。框架通过模态感知路由奖励选择推理模式，并以难度感知的快慢策略调整推理深度。实验显示，与显式工具调用方法相比，L2T在保持竞争性能的同时吞吐量提高1.7至3.6倍。
说明基于数据流的深度学习框架测试
简介本文提出张量流图（TFG），用于刻画运行时张量状态和算子输入要求，并据此设计变异测试方法 FlowMuT。该方法用约束子图替换生成变异模型，在 PyTorch 和 MindSpore 上测试，提交了 55 份缺陷报告，其中 41 份获开发者确认，7 份所述缺陷已修复。论文称其数据流多样性比最强基线高 43.4%，合法变异率为 96.7%。
说明Totem：面向世界一致视频生成的以物体为中心的三维记忆
简介该论文提出 Totem，一个以物体为中心的三维记忆框架，用于生成与统一世界保持一致的视频。它把选定物体表示为对齐到共享世界坐标系的持久三维记忆，并设计双流三维条件架构，结合物体记忆与场景几何来合成目标视角画面。实验表明，在具有挑战性的相机轨迹下，Totem 生成的视频能更好地保持物体一致性。
说明基于深度条件自适应的多模态比特流损坏视频恢复（单参考高效方法）
简介该论文研究在视频比特流损坏时，利用RGB与深度信息共同恢复视频画面的方法。提出的框架每个恢复窗口只选取一个非局部RGB参考帧，并借助深度条件自适应模块融合参考信息。在BSCV基准的完整测试中，该方法在YouTube-VOS与DAVIS数据集上分别达到32.30 dB和28.93 dB，优于使用全部参考的B2SCVR方法，同时接收端延迟与峰值内存分别降低36.8%和40.8%。
说明通过测试却缺失语义：基于计划的 DataFrame 代码生成中的解释锁定证据
简介该论文研究在 30 个由 TPC-DS 派生的 DataFrame 任务上，计划与修订流程中错误的任务理解会被锁定、贯穿计划、实现与测试的现象。测试通过数从 22/30 升至 29/30 和 30/30，但没有任何生成方案与参考输出一致；测试通过的 77 次运行全部未通过参考一致性检验。作者认为这些结果是诊断性的而非因果性的，自生成测试的通过率提升并不能证明语义正确。
说明面向 Nastaliq 乌尔都语的可解释冒犯内容检测系统：语料整理、Transformer 基准测试与词级归因
简介本文针对以 Nastaliq 字体书写的乌尔都语，构建了一个包含 7604 条 Facebook 评论的公开语料库，并在相同数据划分下比较了四种乌尔都语 Transformer 模型与十二种特征分类基线。表现最佳的 MuRIL 模型准确率为 87.05%，宏 F1 为 87.06%。作者还用词级 SHAP 方法分析模型依据，发现归因集中于高频脏话，也涉及功能词和政治词汇，提示模型性能可能部分依赖词汇与话题规律。
说明Geo-vision：面向车辆部件损伤分类的原生分辨率几何与采样拓扑方法
简介本文提出Geo-vision方法，用固定表示结合外观、多尺度几何、方向及采样数字拓扑特征（连通分量、孔洞、欧拉示性数和空间排布）来对车辆部件损伤进行分类，并配合有监督树分类器。在55,303个裁剪图像上的回顾性评估中，其平均精度为0.7577，高于同一裁剪图像上ImageNet预训练冻结的YOLO11n对比模型的0.7458。文中指出，该方法未使用外部编码器预训练，推理速度低于YOLO，且仍需独立外部验证。
说明自适应实验中政策改进价值的推断
简介本文提出一种在自适应收集数据下渐近正态的政策改进价值（VPI）估计量，该价值为类中最优治疗政策与基线政策之间的价值差，用于判断部署个性化治疗政策是否值得。估计方法先在历史数据上依次拟合加权经验福利最大化政策，再用未来样本的逆倾向加权进行评估。作者在合成与半合成数据上检验了覆盖率，并将其应用于约旦就业援助项目的自适应实验，结果比原分析更保守，但仍支持叙利亚难民中个性化的益处。
看点提出在自适应数据、非唯一最优策略下的渐近正态VPI估计量，并证明策略学习遗憾更快衰减；在合成、半合成数据及约旦真实实验上验证覆盖率。
说明Agent Sociodrama：面向LLM智能体团队的社会动力学引导角色重塑
简介本文提出Agent Sociodrama框架，用统一的外部LLM评判者在每轮更新智能体的情绪状态与有向、不对称的关系，以建模LLM智能体团队的社会动态。作者在六种LLM骨干和五种社会场景中，以经典社会理论模式和与人类判断的一致性检验其社会保真度。进一步提出轨迹引导的角色重塑（TPR）方法，从交互记录诊断群体动力学失败并重写角色设定后重新运行任务，在四个协作基准上带来提升。
说明基于策略同步的语言-动作双重自举、面向导航的数据中心递归自我改进（RSI-Nav）
简介该论文提出RSI-Nav框架，用于视觉语言导航任务。模型在一个共享结构中同时完成依据指令导航和为轨迹生成指令，并按小批次逐步处理未标注轨迹，每批生成的指令经执行评估后保留合格样本，随后立即更新模型。论文报告在R2R-CE上成功率为68.6%，在RxR-CE上为72.4%，并称递归进化后指令生成能力更强、空间理解也有所提升。
说明面向硬件高效大语言模型的资源约束异构结构化剪枝（HSP）
简介论文提出异构结构化剪枝方法HSP，考虑目标硬件的延迟与内存特性，为每个子层选择稠密、非结构化、2:4、块稀疏或注意力头/通道剪枝等方案。在资源预算下通过全局求解器最小化代理剪枝损失，并在OPT与LLaMA模型上针对Jetson Orin Nano Super边缘设备进行评估，结果显示其在质量与资源的权衡上优于免训练基线方法。
说明谁决定评判器被钻空子的速度？评判器能力与策略-评判器能力差距之争
简介该研究用GRPO算法，让0.5B和1.5B的Qwen2.5策略模型在GSM8K上对抗固定的无参考大语言模型评判器进行训练，考察强化学习对评判器误判的利用速度与程度。结果显示，评判器的能力（AUC）与进展程度呈相关，较大的评判器被钻空子的程度较浅；在速度上，能力差距的说法与部分结果相矛盾，但由于样本仅12组，无法正式区分二者的作用。
说明RSIPO：通过技能-策略协同进化实现智能体强化学习的递归自我改进策略优化
简介本文针对长时程智能体强化学习中的信用分配问题，提出递归自我改进策略优化框架RSIPO，使智能体技能与策略模型在训练中协同进化。策略模型从已完成的轨迹中提取技能，并通过轨迹回放优化其技能生成能力；同时采用经验贝叶斯收缩动态校准学生模型对教师评分的信任度。在具身交互与基于搜索的智能体任务上，以Qwen2.5-7B为基座的RSIPO在ALFWorld上平均成功率达98.6%，优于所有对比基线。
说明Hand2Robot：从人类示范中以物体为中心重建4D手部运动，用于机器人策略后训练
简介该论文提出 Hand2Robot 框架，从人类完成任务的视频中提取交互片段，重建物体几何与手部运动，并通过手-物交互优化与运动重定向生成机器人动作监督数据。方法结合观测置信度与时序运动约束追踪物体位姿，并以物体几何为参考细化手部轨迹与手指关节。在 DexYCB 和 HO3D-v3 上物体位姿与交互质量有所提升；在三项真实机器人灵巧操作任务中，重建的人类示范可有效补充有限的机器人数据用于后训练。
说明SurgiCLAW：面向精密机器人显微操作的可解释原子技能智能体
简介该论文提出SurgiCLAW，一种分层的基于技能的手术精密操作框架。多模态大模型只负责术中视觉理解、结构化解释和原子手术技能选择，实际执行交由可验证的确定性控制程序完成。以脑机接口植入为例，作者构建了状态到技能调用的数据集并通过训练优化模型。在固定测试集上，技能选择准确率为94.6%，宏平均F1为93.0%；在50次闭环真机植入试验中，任务成功率为88.0%。
说明一天看十年：从面向人类的软件演化中合成面向智能体的原生接口
简介该论文指出，大语言模型智能体正成为桌面应用的新用户，但现有界面主要为人类设计。作者利用软件版本演化作为接口变化来源，构建了包含255项任务的DeskIF-Bench基准，发现较新版本的软件对智能体表现更好。论文提出ANIS框架，据此合成面向智能体的原生接口，在368项任务上提升了成功率并显著减少了token用量。
看点提出以软件演进为自然变量研究代理友好接口，并合成代理原生接口；基于255个任务的基准与跨模型、跨应用的对比实验，证据较充分，对子领域有较大影响。
说明SlotAVS：基于双模态槽注意力的以对象为中心的视听分割
简介该论文提出SlotAVS框架，用于视听分割，即根据声音在画面中找出发声物体并给出像素级掩码。方法通过双模态槽注意力，从音频序列初始化对象槽并与视觉区域竞争绑定，减少多个声源混叠；同时引入匈牙利匹配和置信度感知的掩码融合。在AVSBench数据集上，单源（S4）划分达到88.6% mIoU，多源（MS3）划分达到71.7% mIoU。
说明基于领域自适应预训练与数据增强的稳健马拉地语情感分析
简介马拉地语是资源相对匮乏的语言，缺乏多领域情感分析研究。本文使用预训练模型MahaBERT，在各领域数据上训练，并通过掩码语言建模进行领域自适应预训练，同时采用回译作为数据增强方法。结果显示，这两种方法在所有领域的准确率上都有稳定提升，提升幅度约为0.12%至1.74%，取决于数据集。
说明基于可学习分解与流形动力学的双曲时间序列预测
简介论文提出 HyperForecast，一个在双曲空间（Poincaré 球）中进行长期时间序列预测的框架。它先把信号分解为由低频到高频的分量，并用径向距离表示这种嵌套层级。作者提出两种流形动力学变体，分别用于自回归与非自回归预测。原文报告其在 11 个长期预测基准中的 9 个上优于基线模型，长预测期的均方误差最多降低 58%。
说明提升低资源语言情感分析的零样本跨领域迁移：以马拉地语为例
简介该论文研究在低资源语言马拉地语中，用多领域数据训练情感分类模型，以提升对未见过领域文本的准确率。研究比较了单领域、双领域和三领域的训练组合。结果显示，双领域训练使未见领域的准确率约提高8%；加入第三个领域后仍有提升，但幅度较小，部分领域平均约为2%。
说明冻结的历史：当时间损失停止累积时的学习式实时超分辨率
简介该论文研究学习式实时超分辨率中的时间一致性损失。作者发现，若运动向量配准准确，网络会在静态画面上直接复制已变形的历史帧，几乎不付出时间代价，从而抑制帧间累积。论文指出了训练可能掩盖的四类配准误差，并通过实验表明，在精确配准下增大时间权重会降低精度和画质，在静态帧上约损失0.7至0.9 dB。
看点发现配准误差使时间一致性损失抑制累积，并通过受控训练与模型无关预言机验证，对超采样网络设计有实质启发。
说明Google Earth AI 地理空间推理智能体：能力与系统评测
简介本文介绍 Google Earth AI 的地理空间推理智能体（GRA），它基于 Gemini，结合地理数据源、基础模型和工具回答地球相关问题，并通过预先规划把复杂问题拆分为多阶段工作流。作者提出两个评测基准 GeoExpertQueries 和 GeoKTools，并比较了四种配置。结果显示，GRA 的技能与工具带来最大提升，其规划与执行指导在开放式问题上进一步提高表现，使 Gemini 3.8 Flash 在更低成本下可与 Pro 相当或超过。
说明SpikeOcc：借助脉冲专家网络实现更具韧性的多模态三维占据感知
简介本文面向自动驾驶中的多模态三维占据预测，关注传感器缺失时的稳健性。作者提出 SpikeOcc，基于脉冲神经网络，包含脉冲专家混合（SMoE）与传感器可用性学习（SAL）两个组件。实验表明，该方法在全传感器条件下保持有竞争力的精度，并在传感器中断时明显提高性能下限。
说明RSAJEV：免训练、可弃权的原型记忆，用于消除遥感分类中的静默幻觉
简介该论文研究用多模态大语言模型对遥感影像做场景分类。作者发现，原有以字母选项读出结果的方式在训练词表外表现不稳，跨数据集准确率波动很大，且对未见类别的置信度反而更高，并将此称为静默幻觉。作者保留原有的槽位表示，改用免训练的原型检索方式分类，并加入收缩马氏距离校正；在UCM跨数据集测试中（每类16个参考图像）达到89.43%，在AID上达到96.90%，开放集评估中ID分数的AUROC为0.91至0.99。
说明可见但未被避免：基于目录的大模型优化循环中被拒候选的状态依赖性重复提议
简介该论文研究在基于目录的大模型优化循环中，模型重复提出已被拒绝候选方案的问题。在三个开源大模型改进图形界面智能体的实验中，静态探测低估了优化循环中的重复提议率，已评估过的方案占有效提议的28%至63%。一句话明确告知拒绝状态，可在所有模型中降低重复提议。
说明ScenePlacer：将场景级物体位姿估计重新表述为可见性场学习
简介该论文提出ScenePlacer框架，用于将由先进原生形状生成模型生成的3D物体放入场景中，输入为局部几何观测，且不修改生成流程。方法将生成与位姿估计解耦：预测物体空间中的可见性场，再通过对齐局部点云与网格可见部分估计刚体变换。在3D-FUTURE数据集上，其优于现有基线；使用估计深度时Chamfer距离为0.0077，F-score为92.40，使用真实几何时分别为0.0023和98.27。
说明NepPlural：面向尼泊尔移民议题讨论的人工锚定人物角色标注基准
简介本文提出 NepPlural，一个用于标注尼泊尔语公共讨论中不同社会文化立场（人物角色）的基准。研究者收集了 2148 条 YouTube 评论（混合天城体、罗马化尼泊尔语与英语），按意图、主要驱动因素、价值取向和情感四个维度加上“无人物角色”类别进行标注，并以三位母语者独立标注的 300 条金标准集进行评估。结果显示，标注协议对大语言模型的可靠性影响很大，允许模型弃权后其表现可与母语者相当。
说明面向时序图神经网络的依赖感知多GPU训练框架：一种加速事件依赖处理的方法
简介时序图神经网络通过节点记忆记录图的变化，但多GPU训练时后续事件依赖早期记忆更新，导致并行度受限和跨GPU同步开销大。本文提出DepBloom框架，采用时间有界的空间划分、批内记忆精炼和关键路径优化三项技术，在保持相当或更好精度的前提下，相比现有方法平均加速2.84倍，最高加速5.16倍。
说明视觉可读但具有对抗性：针对端到端文档理解视觉语言模型的水印约束攻击
简介本文提出自动区域对抗水印方法（AR-AWM），在白盒条件下仅优化分散分布的水印文字像素，以干扰端到端视觉语言模型的视觉表征，且攻击不依赖具体问题。在 Qwen2.5-VL-7B 上，覆盖约 7.98% 页面像素的水印使 DocVQA 精确匹配率从 0.899 降至 0.150，ANLS 从 0.939 降至 0.212；未优化或随机扰动的对照组则基本保持性能，表明对抗优化是主要原因。在 InternVL2.5-8B 上同样显著降低性能，跨模型迁移较弱。
说明扩散模型生成空间探索：基于谱引导的质量-多样性扩散框架
简介标准扩散模型采样倾向于高似然区域，导致输出多样性受限。本文将质量-多样性（QD）优化与扩散模型结合，提出直接优化潜在噪声与条件嵌入的框架，并引入基于雅可比主奇异向量的h空间谱变异算子，沿语义敏感方向搜索。在文生图任务中，与12个基线相比，该方法取得了最低的FID分数，体现了图像质量与多样性的良好平衡。
说明高维稳健自适应置信集：统计与计算的权衡
简介本文研究在 Huber 污染且污染比例未知的情形下，单位协方差多元高斯均值向量的自适应置信集。作者证明，通过同时量化所有一维投影上的不确定性，可以构造信息论意义上最优的自适应置信集，但其计算不可行。论文通过统计查询（SQ）下界说明，达到直径 O(m^{-1/2}) 需要指数级查询或极小的查询容差，并给出一个基于低阶矩匹配、使用 d^{O(m)} 样本与时间的算法。
说明PhySimCode：物理视频转代码生成的基准与评估方法
简介该论文提出 PhySimCode 基准，要求模型仅根据原始视频推断其中的物理规律、恢复参数，并生成可运行的 Python 代码复现视频。数据集含 16.06 万个程序化生成样本，覆盖 162 种物理现象。评估显示，模型能较好地陈述物理定律，但从视频推断定律的得分较低，表现最好的模型仅有 7.7% 的真实参数被恢复到 ±20% 以内。
说明《历史重演：释放线性注意力的长上下文能力》：让稀疏记忆帮线性注意力模型记住长文本
简介论文指出线性注意力模型的固定大小循环状态既要支持计算又要保存长历史，因此常被认为长上下文能力受限于状态容量。作者提出 NoteBank，一种稀疏情节记忆，在查询未知时先存档部分文本，并通过模型原生前向计算回放检索到的证据，无需额外训练或外部检索器。论文报告在一百万 token 下，Gated DeltaNet 在六项 RULER 检索任务上的平均准确率从 1.7% 提升至 70.3%。
看点提出训练免费的稀疏情节记忆与原生回放机制，在百万token上将Gated DeltaNet检索准确率从1.7%提升至70.3%，并在多个骨干和基准上验证。
说明MedHarnessBench：医疗智能体评测的统一基准
简介该论文提出医疗运行框架协议（Medical Harness Protocol），从七个医疗专属过程维度独立评估医疗智能体，并据此构建包含342个可执行任务的MedHarnessBench基准。在超过16,000次受控任务执行中，医疗专用运行时支持在任务成功率、子任务完成度和过程质量上均有提升。
说明TL;QR：在文本语料库中查询时序话语模式
简介本文提出 TL;QR，一种声明式查询语言及开源引擎，用于在大型文本语料中寻找随时间展开的话语模式。查询把大语言模型判断的自然语言谓词与正则表达式和时序逻辑算子结合，由模型只回答单段文本的局部问题，符号引擎负责跨时间汇总并关联每个匹配的依据。在合成基准和欧洲议会十年辩论案例中，文中报告其准确度优于仅用大语言模型的基线，并识别出政治团体对 GDPR 立场的候选变化。
说明DNA基础模型除序列组成外还学到了什么
简介该论文评估了五种DNA基础模型（冻结表示）在57个基因组分类数据集和两个基因表达回归任务上的表现，并与标准化k-mer频率特征对比。结果显示简单k-mer特征对多数模型仍有竞争力，其中NTv3具有稳定优势，且将其与6-mer特征拼接后在46个数据集上有提升。研究还表明，线性可恢复性并不能可靠地反映下游效用。
说明《建议不等于取代》：将系统一模型用作记忆退役闸门的预注册评估
简介论文研究助手长期记忆中，新话语何时应使旧记忆失效。作者提出区分“已确认取代”“需确认”与“兼容”的三分类任务，用LLM标注与人工裁决构建500个测试样本，评估名为Jev的系统一决策模型。结果显示，二分类闸门对仅被暗示的变化有39.2%的过早退役率；三分类将其降至15.5%，但检测代价超出预设预算。
说明低比特循环状态量化中保留更新量的方法
简介线性注意力和循环模型把历史信息压缩进固定大小的状态，并在每一步更新。高精度存储这些状态会在大批量时带来较高的内存和带宽开销，因此研究者考虑低比特量化。论文发现，循环状态每步都会重新量化，误差会跨步累积，且这些误差在不同步之间高度相关，主要源于小更新在取整时丢失。作者提出低秩旁路（LRB）和有界方向取整（BDR）两种免训练方法来保留这些更新，在 Gated DeltaNet、GLA、Mamba2 和 RetNet 上相比 INT4 明显更好，相对 FP32 状态最多减少 5.3 倍状态内存、解码最多加速 1.9 倍。
说明SpecForge：通过行为规范实现编码智能体的递归自我改进
简介本文研究冻结语言模型的编码智能体如何在不更新模型权重的情况下，通过改进行为规范（描述程序实体行为的自然语言文档）来提升表现。作者提出SpecForge，一种多前沿树搜索框架，通过帕累托引导的状态选择、依赖约束的实体选择和错误多样化扩展三种机制应对改进时的相互耦合问题。在DevEval+上，该方法在五个骨干模型中表现最佳，并能迁移到跨语言翻译和新功能实现任务。
说明可泛化的模型编辑或许不止于直接泛化
简介该论文指出，模型编辑领域长期以“直接泛化”（把事实更新视为输入到输出的映射）作为目标，但这一范式在理论上存在可识别性问题，实践中也难以奏效。作者认为，借助现代大语言模型较强的推理与组合能力，组合泛化是一种有理论依据并经实证验证的替代路径。文章在多个模型与编辑方法上验证了这一现象，并呼吁转向更具可泛化性和实用性的知识更新技术。
说明BharatSetu：面向印度语言翻译的100万行×22语种桥接语料
简介该论文发布了BharatSetu 22-Indic 1M语料，包含984,764条英文句子，每句都由机器翻译成印度宪法第八附表所列的22种语言，共21,664,808个译文单元。由于同一行的译文对应同一英文句，任意两列都可构成翻译对，从而为缺乏直接双语数据的语言对（如Bodo、Dogri、Santali、Kashmiri）提供枢轴推导的翻译对。语料为机器生成、未经人工校验，作者因此提出了可按行标识符对齐的人工校正层与评估方案，且未报告任何翻译质量结果。
说明RespFocus：面向弱监督呼吸音分类的时序证据学习
简介该论文提出RespFocus，一种弱监督框架，利用多示例学习（MIL）从呼吸周期级标签中学习可检视的时序声学证据，并将其融入分类。作者还发布了多中心儿科呼吸音数据集PedResp2026。在公开数据集ICBHI 2017上四分类Score为69.55%，在PedResp2026上为72.91%。
说明TabMosaic：用于表格生成任务的统一上下文扩散模型
简介本文针对表格数据的生成建模，提出把合成记录、补全缺失值、按标签或已知属性条件生成等任务统一为同一问题：在给定未见表格的已观测单元格时，对任意目标单元格集合的联合条件分布建模。作者采用扩散模型，并提出无需针对特定表格训练的TabMosaic，用于生成混合类型的目标单元格。在48个真实表格上的实验中，TabMosaic在所有评估的生成任务上均排名第一，优于20种基线方法。
看点将表格生成任务统一为任意目标单元集合的联合条件分布建模，并给出扩散目标与后验预测分布的理论联系；在48张真实表上对20个基线排名第一，证据较充分。
说明DRanker：面向 Disney+ 首页的基于 Transformer 的多任务排序模型
简介本文介绍了 DRanker（Disney+ Ranker），一种基于 Transformer 的多任务排序模型，用于 Disney+ 首页的个性化推荐。模型采用仅编码器结构，处理经过丰富的用户互动历史序列，并配合轻量级因果去偏机制。作者提到，较简单的设计在离线指标、行为评估和线上运行中均优于更复杂的方案。部署到全球后，该模型使关键互动指标提升超过 1%，日活跃用户提升 0.5%。
说明大语言模型导师真的能教学吗？围绕辅导闭环的流程式综述
简介本文从学习者状态推断到教学行动、导师训练、评估和学生模拟，梳理大语言模型辅导的完整流程。作者通过结构化的研究级审查发现，教学评估较为常见，但针对学习者条件干预、人类学习增益，尤其是迁移和延迟保持的证据明显较少。人类研究显示，大语言模型导师可以促进学习，但效果取决于教学结构、学习者参与度以及学习的测量方式。作者认为，应验证各辅导阶段之间的接口，而不仅是改进单个组件。
说明FARL：全自动强化学习接口与求解器设计流水线
简介该论文提出FARL框架，用于自动设计强化学习流程，包括智能体观测与奖励程序、学习算法和训练设置，并通过训练统计与行为表现诊断问题、提出改进并验证。在Adroit Hand Relocate任务上，FARL在每个策略500万训练步的预算下达到97.1%的成功率，而Eureka、LiMEN为0%，原生PPO为1.0%。
说明截断高斯、柯西、玻尔兹曼与 softmax 策略的一致得分界与 Lipschitz 连续性笔记
简介本文讨论几类策略（截断高斯、乘积柯西、玻尔兹曼与 softmax 策略）在明确给出的参数化形式下的性质。作者证明了这些策略的得分函数具有一致界，并且策略本身满足 Lipschitz 连续性。原文摘要仅有这一句概括，未给出更多细节。
说明显式惩罚项何时能改善流匹配（Flow Matching）？
简介本文研究在流匹配生成模型中加入约束惩罚项是否有益，以物理信息流匹配为动机示例。作者用期望平方2-Wasserstein误差比较带惩罚与不带惩罚的生成模型，覆盖向量与函数（希尔伯特空间）数据。结论指出：当估计方差的减少超过平方偏差的增加时，惩罚才会提高精度，该权衡取决于样本量、模型类、噪声调度和惩罚权重。
说明迈向短视频内容治理的自动驾驶式标注
简介该论文提出一个多阶段的自动化标注框架，用于短视频内容治理，逐步提高标注的自动化程度。依次包括L1阶段经监督微调的判别式多模态大模型标注器、L2阶段基于短视频数据预训练并用于零样本标注的领域自适应模型，以及L3阶段配备工具的智能体标注流程，用于处理复杂或定义模糊的案例。实验显示，各阶段标注准确率逐步提升，真实应用中人工成本最多降低85%。
说明放射性反馈：追踪仅凭标签式 LLM 监督训练出的模型
简介本文研究一种仅使用标量评分的 LLM 作为评判者的知识蒸馏方式：学生模型自行生成回答，只根据评分改进，训练集中不含教师生成的答案。作者提出“放射性反馈”方法，在评分中嵌入预先登记的行为偏好模式，使其能通过多次优化传递给另一方训练的学生模型。在代码与数学任务上的实验表明，这些偏好可仅通过评分跨数据集传递，从而实现对固定参考池的黑盒检测。
说明重新思考人类意图到CAD的生成：基于协同多任务对齐与空间感知强化学习的参数化CAD模型生成
简介该论文研究如何从手绘草图和文字描述等不完整的人类设计意图，直接生成可执行的参数化CAD代码，无需预先存在目标模型。作者构建了首个将手绘草图、文本描述与参数化CAD代码对齐的大规模数据集HiCAD，并提出两阶段框架：协同多任务对齐用于衔接异构输入，空间感知强化学习用于保证几何与拓扑一致性。实验表明该方法在多项任务上优于现有基线。
