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LLM 智能体链中的上游影响与下游重新锚定
简介该论文研究多智能体 LLM 系统中评价性判断如何经多个智能体传递。在 32 个台湾 2025 年召回案例上，向一个智能体展示真实评论后，其立场朝注入方向偏移 0.171；沿链条传递该判断时，到第三个智能体已消减一半以上的偏移。作者认为，信息架构（来源访问、交接格式、读取不可信内容的模型）决定了操纵行为能传到多远，且这些效应在推理记录中不可见。
说明保留依据：智能体构建的知识图谱的可信清理方法
简介论文指出，智能体构建的知识图谱在来源被撤回或推翻后，难以安全清理：现有做法只删除直接抽取的事实，清理效果有限，重新构建又会产生大量不一致。作者提出PolyGraph，让构建模型为每个产物给出可替代的证据依据，清理因此可以通过集合运算完成，无需再次调用模型。作者还通过删除证据后重新推导的方法检验这些依据是否可信，发现依据与其所支持的主张结构越对应越可靠。
看点提出让构造器输出证据“收据”并用集合运算完成清理，新颖；通过再推导审计验证收据可信度，实验覆盖多模型与多领域，证据较充分，影响局限于知识图谱维护。
说明ECG-RSI：通过定向心电图波形演化实现递归自我改进
简介该论文提出ECG-RSI框架，结合经验证的波形合成与反馈引导的干预搜索，用于改进心电图模型。在七个基准测试中，三轮迭代使Qwen3.5-35B-A3B的平均问答准确率由34.57%提升至56.04%，平均分类F1由24.27提升至34.03。后续反馈修正带来的外部增益逐渐递减。
说明MissPath-FM：面向部分观测时间序列的带结构先验流匹配
简介该论文指出，标准条件流匹配从无信息的高斯噪声出发，会浪费能力去传输已观测的数据点。作者提出MissPath-FM，采用插值先验和高斯过程后验先验作为结构化源分布，并设计区分观测与缺失区域的平滑路径。在四个数据集、四种缺失机制、两种缺失率和三种序列长度的48组设置中，该方法在45组中取得最优结果。
说明限定任务、锚定其余：面向参数高效微调的概念引导保持正则化方法
简介参数高效微调（PEFT）常导致模型遗忘预训练知识。本文提出概念引导保持方法（CGR），这是一种即插即用的正则化器，可用于任意PEFT基础方法。它借助冻结的稀疏自编码器，将任务相关概念的更新限制在子空间内，并把一组通用概念锚定在冻结模型上。在CLIP视觉基准上，CGR在准确率相当的情况下显著提升了知识保持能力。
说明面向GUI智能体的自适应分组过程奖励
简介本文针对GUI智能体强化学习中结果奖励稀疏、学习低效的问题，提出自适应分组过程奖励框架。该方法将长程GUI轨迹动态划分为语义连贯的子目标组，分别在动作级和组级估计过程奖励，并将其与GRPO的结果优势结合，为智能体训练提供更细粒度的指导。实验在过程奖励基准和下游强化学习训练中验证了该框架的有效性。
说明关键状态有多重要：量化模仿学习中的状态关键度
简介模仿学习通常对示范数据中的每个状态一视同仁。本文提出状态关键度的概念，指在某状态下对专家动作施加有界扰动后，下游价值的最坏情况下降。作者提出SCRIM方法，通过训练对抗扰动策略和价值评论员来估计每个状态的分数，并用于重新加权行为克隆损失以及筛选紧凑的高价值示范子集。在多个仿真和真实机器人操作任务上的实验表明其效果。
说明聚焦所需：用于多模态讽刺检测的全局到局部动态注意力方法
简介该论文提出GLDA框架，用于检测社交媒体图文中的讽刺内容。它先通过全局多模态融合模块捕捉图像与文本的高层语义交互，再通过局部门控跨模态注意力机制过滤图像中与讽刺无关的冗余视觉与文本特征。实验结果表明，GLDA提升了讽刺检测性能，并与现有方法相比取得了有竞争力的结果。
说明从词元修正到主张准入：无需训练的大型视觉语言模型幻觉缓解方法
简介大型视觉语言模型常生成图像中并不存在的物体内容（即物体幻觉）。本文提出无需训练的EGVCA框架，仅当语义主张获得足够的图像依赖支持时才予以采纳，支持度通过比较观察图像与视觉空输入下的主张似然来衡量。在CHAIR、POPE和MME三个基准、三种模型主干上的实验表明，该方法显著减少物体幻觉并保持描述质量。
说明基于上下文Hellinger三元组几何的可微3D场景图度量：用图级语义距离监督3D场景图预测的论文
简介现有3D场景图预测多依赖局部的物体与关系分类损失，难以衡量整张预测图与真实图之间的语义与结构差异。本文提出上下文Hellinger三元组几何，将分类输出解释为对齐的概率场景图场，以图级、可微的度量目标进行训练，且无需改动现有网络结构。在3DSSG数据集上的实验表明，该监督改善了基于图的3D场景生成，消融实验与用户研究也显示其在描述性、关系合理性和结构保持方面更好。
说明在大海捞针中的反驳：语言模型对事实错误的回应既含糊又低效
简介这篇 arXiv 论文研究语言模型在用户提出错误事实时是否反驳，以及反驳的方式。作者提出一个短语级、经人工验证的回应标注框架，并在英语、德语、中文、印地语和约鲁巴语五种语言的模型回应上进行应用。结果显示，模型反驳时常用间接措辞并夹杂肯定，印地语和约鲁巴语比其他语言更为间接；一项 300 人的大规模人类研究发现，这种含糊的反驳可能无法纠正用户的事实误解。
说明用于流程挖掘中以模型为中心一致性检验的节点嵌入框架
简介本文提出一种以模型为中心的评估框架，用节点嵌入和Procrustes对齐比较由事件日志发现的流程模型与标准答案模型。方法将Petri网转换为图表示，并通过参数化余弦距离得到统一有界的指标。在九个公开事件日志和受控噪声的合成日志上的实验显示，该方法比传统一致性指标更不易受日志偏差影响，同时对模型退化保持敏感。
说明理解基因表达到图像的学习方法：空间结构与信息保真度
简介单细胞RNA测序可以分析细胞层面的异质性，但从高维、无序的基因表达数据中学习有效表示仍然困难。该研究在全转录组数据上，固定网络与训练流程，考察把基因值排列到像素网格上供卷积神经网络学习（GE2I）的机制。结果显示，空间平滑性与基因级保真度之间存在权衡：多个基因共用一个像素会模糊表达差异并可能降低预测性能，而一对一的基因与像素分配在测试的视觉骨干网络上提升了预测效果。
说明LeanPRM：利用Lean为自然语言证明的逐步验证提供监督
简介论文提出LeanPRM框架，借助Lean定理证明器为自然语言数学证明的每一步自动生成正确性标签，无需人工标注。研究构建了包含10,634个证明、152K个标注步骤的数据集。在Qwen3-4B验证器上，相比用PRM800K训练，该方法在200个保留证明的测试集上将逐步标签准确率从60.3提升至74.7（基线为48.2），并在多个外部基准上表现更好。
看点用Lean自动为自然语言证明生成步骤级标签并无需人工标注，训练的验证器在多个基准上优于PRM800K训练的验证器，证据较充分。
说明zPocket：基于冻结共折叠特征的更优配体口袋预测
简介该论文提出 PocketWatch 数据集，用于评估蛋白质-配体结合口袋预测的泛化能力，并提出 zPocket 方法：在共折叠模型冻结特征之上训练口袋预测头。实验显示 zPocket 在各分层测试中优于基线方法，最佳模型的按靶点平均 AUPRC 为 0.745。论文还探讨了其在预测质心召回和蛋白质组尺度扫描中的应用。
说明HelpMeOut：基于神经心理学的家务任务执行错误监测基准
简介该论文提出了 HelpMeOut，一个面向家务任务执行错误监测的具身智能基准。它依据神经心理学中日常动作错误的研究，构建了 20000 个配对的活动片段，涵盖九类错误。实验显示，学习型监测器、符号方法、变点检测及前沿大模型提示等基线方法作为错误监测器表现较差，常常漏检执行出错的情况。
说明SWORD：用于3D场景图预测的场景约束Wasserstein物体关系距离
简介现有3D场景图预测多以物体和关系的标签分类损失优化，只要求精确恢复标签，难以反映预测图与真实图在语义上的接近程度。本文提出SWORD，利用训练集场景图标注构建物体与关系的地面距离度量，并将其扩展为节点与含空边的边缘边际上的Wasserstein距离，以提供超越精确标签惩罚的语义图距离监督。作者证明SWORD在对齐边际概率场景图上是严格度量。
说明MedEvo：通过医学知识导航实现医学推理的演化
简介该论文提出MedEvo方法，利用医学标签分类与错误类型诊断，引导医学多模态推理模型对失败的推理轨迹进行修复并筛选训练数据。系统保留学生模型推理中正确的前缀，只重新生成出错的后半部分，并根据反馈集识别各医学标签上的能力缺口。论文报告，仅用监督微调，Qwen3.5-9B在七个基准上的平均准确率由65.57%提升至69.12%，优于教师蒸馏方法。
说明面向无服务器大模型推理的稳定逐 token 调度方法（Token Window Pacing）
简介论文指出现有无服务器大模型推理方案主要优化首 token 延迟，忽视了生成过程中的 token 间延迟。作者提出 Token Window Pacing（TWP），基于 token 间延迟、队列深度和负载特征的运行时反馈，在 token 层面调节请求准入，并结合分块预填充减少新请求的干扰。实验显示，TWP 可在保持延迟稳定的同时，较 ServerlessLLM 提升吞吐量最多 45%，较传统调度器提升最多 58%。
说明将上下文编码进大模型权重：什么才算作“上下文”？
简介论文研究如何把上下文通过测试时更新编码为模型权重的临时变化，以替代过长上下文带来的高推理成本。作者发现，直接写入已含通用知识的权重会让模型无法把这些信息当作上下文使用，因此为每段上下文加标识符以区分新信息，并设计提示框架引导模型使用它。在多种受控任务与实际基准上，该方法优于仅使用现成大模型的基线。
说明LatentRiskBench：衡量企业智能体中依赖状态的风险
简介论文指出，企业智能体的某些安全风险无法只看单个动作判断，同一动作在不同工作流状态下可能安全或违规。作者提出 LatentRiskBench 基准，将风险轨迹与终止动作相同但潜在政策相关状态不同的良性轨迹配对，并提出残余风险（RR）等指标。实验显示，仅在动作层面评估只能检出 0.09 的此类违规，而在状态层面评估可达 0.96。
说明面向手术视频生成的分层课程学习：双侧腋乳入路机器人甲状腺切除术数据集研究
简介本文提出一种结合分层手术流程标注与课程迁移学习的手术视频生成框架，将手术分解为阶段、任务和动作三个层级，逐步将预训练文生视频扩散模型从粗粒度适配到细粒度手术场景。研究以双侧腋乳入路机器人甲状腺切除术为例，该手术目前尚无公开的标注基准。结果显示，相较于任务级模型，动作级模型的FVD降低20.1%，FID降低15.7%；匹配训练预算的消融实验表明提升来自课程设计。六位临床医生的用户研究认为视觉真实感较高，但解剖准确性和临床可靠性仍有不足。
说明面向 STRATA-S12 的缺口驱动分层采集：一个用于自监督学习的开放 SAR-光学数据集
简介本文提出缺口驱动分层采集算法（DDSA），将 Sentinel-1 与 Sentinel-2 数据集的构建视为受约束的最大覆盖问题，依据各地类、季节与区域分层的缺口在线安排采集顺序。实验表明该方法能更均衡地覆盖全部 192 个分层，并发布了数据集 STRATA-S12，附有符合 STAC 与 PDS4 标准的元数据，可用于自监督预训练。
说明动态 K 头：面向连续潜在推理的难度监督预算选择
说明RALI@iKAT 2026：通过个性化对话稠密检索实现感知检索的用户画像去噪
简介该论文针对对话式信息检索中用户画像随时间积累而变得嘈杂的问题，提出个性化对话稠密检索方法PCDR，将对话历史与用户画像共同映射到专用于检索的潜在嵌入空间，以实现感知检索的画像去噪。论文在iKAT 2026任务上评估该方法，并将其作为对话式AI助手的核心检索组件。
说明基于相遇的城市规模人类出行生成（大语言模型）
简介本文提出EncounterMob，一个由大语言模型驱动的框架，用于生成城市规模的人类出行数据。与以往只关注个人轨迹的方法不同，它同时保留个人出行行为与多人在同一时间、地点相遇的群体互动结构。在日本和纽约数据集上的实验表明，该方法在七项相遇指标和六项个人出行指标上均优于外部基线，并在参与者-时间-地点联合误差上相比ELLMob有明显降低。
说明融合三维姿态中和与统计形状建模的头颈肩人体工学设计
简介本文提出一个面向头颈肩区域的框架，将姿态中和与统计形状建模结合。研究者为200名中国成年人各采集一次自然姿态下的头颈肩三维扫描，并用参数化头颈模型把颈椎姿态与解剖形状分离，再把颈椎姿态重置为统一的中立构型。由此得到的形状空间提供标准化模板和人群变异模式，可作为参数化人体工学设计的基线。
说明Cowork-Gym：大规模合成交互式协作工作环境的框架
简介论文提出 Cowork-Gym 框架，通过“构建-执行-修订”循环生成可验证的协作工作环境，并用有状态的用户模拟器模拟对话与对共享工作区的直接编辑。作者合成了 64.9K 个环境，覆盖 14 类应用场景，用于对 9B、27B、35B-A3B 的 Qwen 模型进行后训练。论文报告，六个智能体基准的平均分分别比基础模型提高 8.7、6.4、4.1 分，27B 模型在 PawBench 和 ClawEval 上取得最高平均分。
说明PrT-Flow：面向强化学习、可计算概率密度的流匹配方法
简介该论文提出PrT-Flow，一种能够计算概率密度的流匹配方法，同时保留多模态、多步骤的机器人动作生成能力。其核心包括可逆的Jacobian-Tractable Transformer以及条件欧拉步训练（CET）。在Robomimic Lift模仿学习中成功率达96%，在OGBench Cube-Triple在线训练中成功率达96%，表明可逆网络可用于学习有效的机器人策略。
说明DeltaTTG：用“剩余词元”进度计训练多轮智能体
简介该论文针对多轮智能体强化学习中只有终局稀疏奖励、难以评估单步好坏的问题，提出DeltaTTG方法。它用多个策略的轨迹记录训练一个可复用的进度计，以“剩余待生成词元数”（Token-to-Go）作为监督目标，并在训练时据此重新分配优势值而不改变奖励。作者报告在ALFWorld、PaperSearchQA和BFCLv3上，该方法的平均得分优于GRPO及其他对比基线。
看点提出以剩余token数为目标的可复用进度计，在RL中重分配优势，无需任务特定规则，新意明确；在ALFWorld等三个基准上对多个基线做了对比和分析。
说明RoTA-Bench：通过交互式投影对齐评估三维空间推理能力
简介该论文提出 RoTA-Bench，用于评估视觉语言模型能否从二维观察中建立三维理解并进行精确操作。任务要求模型观察旋转后的物体，在有限的动作预算内选择连续旋转，使投影与目标轮廓一致。结果显示，模型（GPT-5.6-Sol）的任务成功率为 17%，远低于人类参与者的 100%；且细粒度控制对交互历史敏感。
说明图像仍有话语权：面向多模态思维链的最终答案修复
简介多模态思维链推理的最终答案有时会偏离图像内容，而推理过程一旦生成便无法自我修正。本文在保持推理过程不变的前提下，利用最终作答时仍可获取的图像来修复答案。作者提出无需训练的 TVER（Text-to-Visual Evidence Reallocation）方法，将文本注意力中有界的部分转向与问题相关的图像区域，并在中到深层的网络层中进行。该方法在多个基准和骨干模型上提升了选择题与开放式问答的表现。
说明智能体真的能遗忘吗？面向大模型智能体的机器遗忘研究
简介大语言模型智能体在训练中可能学到敏感或私密信息，并在部署时泄露。论文指出，仅做参数层面的遗忘不够，信息还可能残留在记忆中或通过工具调用重新获取。作者提出智能体遗忘基准 AUBench，将 TOFU 的虚构作者设定扩展到含持久记忆、离线网页快照和工具文档的环境中，并评测现有遗忘方法，揭示模型层面遗忘与系统层面智能体遗忘之间的差距。
说明生成式模型真的更适合篇章分析吗？评估其在修辞结构解析中的表现
简介修辞结构理论（RST）解析long期由基于预训练编码器模型的判别式方法主导。本文比较生成式语言模型与传统判别式模型在RST解析上的表现。结果显示，参数量相同时判别式解析器明显更好，但规模大得多的生成式模型有时能超过它们。生成式模型在基本篇章单元（EDU）切分上具有优势，并在RST-DT基准的端到端解析与切分任务上取得了新的最佳结果。
说明Open-o3-Video-v2：借助可验证的时空证据进行视频推理
简介该论文提出 Open-o3-Video-v2，让视频推理模型主动获取缺失的画面信息，并把支持答案的时间点与物体边界框写入推理过程。作者构建了 STGR-v2-CoT135K 数据集与 STGR-v2-RL-13K 强化学习数据，并提出 CS-GRPO 训练方法。在 V-STaR 基准上，4B 模型相较其 Qwen3-VL-4B 基座有明显提升。
看点提出主动获取证据与可验证时空定位相结合的视频推理框架及CS-GRPO奖励，在V-STaR上相对骨干模型有明显提升。
说明textGrain水印更难被检测：求和检验还能最优地检测吗？
简介该论文研究在人工编辑后，textGrain文本水印能否被检测及检测效率如何。textGrain通过熵预算校准水印信号强度。作者给出检测边界理论分析，并指出求和检测器在某些条件下并非最优，同时提出一种无需已知下一词分布、熵预算或编辑比例的加权多尺度二项扫描检测方法。
看点证明了textGrain水印的最小最大检测边界严格小于Gumbel-max等方案，并给出最优指数速率与加权多尺度扫描检测器，理论贡献突出；影响限于水印检测理论子领域。
说明解耦以遗忘：面向大语言模型敏感信息遗忘的语义中介方法
简介本文提出 D2F（Decouple to Forget），一种针对大语言模型的定向遗忘方法，将敏感事实与非敏感语义及表达方式分离。方法从答案中提取事实级“中介”表示，只移除敏感部分，并生成保留非敏感内容的反事实回答，再通过基于偏好的对比优化降低信息泄露。作者称在多个基准数据集上，D2F 在遗忘与保留之间比强基线方法取得了更好的平衡。
说明Code2Worlds-2：用于具身世界仿真的物理合理智能体框架
简介该论文提出 Code2Worlds-2，在原有由编码大模型生成动态4D场景的基础上，增加场景编译器和仿真器闭环精炼模块，把视觉场景转为可被物理引擎（MuJoCo）加载和运行的可执行世界。文中还提出 SimCode4D 基准，含五类任务模板，用于评估具身仿真。实验称生成的场景物理上较为合理、与仿真器兼容，且机器人可交互。
说明DisaggKD：通过教师-学生分离与融合损失实现高效知识蒸馏
简介该论文提出DisaggKD，把知识蒸馏中的教师模型和学生模型分配到不同节点上运行，以突破单GPU内存对教师模型规模的限制。方法包括教师副本向学生流式传输隐藏状态、一种无需构造完整词表logits即可精确等价于全词表损失的融合KD损失，以及用于协调生产者与训练者的预取环。在Qwen3.5-35B-A3B到9B的模型组合上，分离布局的语言模型损失与同机部署相同，且速度更快；在更大的模型组合上，同机部署即使使用融合损失仍会内存溢出，而分离方案可以训练。
说明企业政策决策应当学习还是推理？——对 27B 韩语企业模型的受控比较
简介论文比较企业智能体依据书面政策选择动作时，决策应以生成 JSON 还是单个约束 token 输出，以及是否先推理。在内部测试中两种接口的准确率无可检测差异，但重启稳定性相差约十倍；在隐藏可执行政策标注的密封基准上，推理带来明显的准确率提升。作者同时指出跨语言迁移结论不稳定，并公开了模型与英文重写版数据。
说明超越偏见分数：激活引导中的可回答性混淆与梯度约束方向设计（GCD）
简介本文指出 BBQ 偏见评测中的模糊题分数同时混合了模型是否作答与其偏好两个因素。作者在11个类别、五个模型上发现对比引导会改变模型的弃答倾向，并提出梯度约束方向设计（GCD）方法，在 Qwen-7B 的对照实验中减少了作答率失真并使偏好变化更大。作者建议在发布偏见分数时同时报告可回答性。
说明MemAct：结合记忆与主动探索的流式空间理解框架
简介论文提出MemAct框架，让智能体在逐步接收观测的同时，用一个共享的视觉-语言模型写入结构化历史记忆、按需检索过往记录与帧，并通过移动和转向主动获取新视角。作者构建了约100万条训练样本和包含20,000组主问答及2,000道时序问题的MemAct-bench基准。实验显示其效果优于现有空间理解与流式基线，在该基准上接近前沿多模态模型，并保持流式推理效率。
说明FrameLite：面向决策的紧凑视觉语言模型美学构图裁剪
简介该论文提出FrameLite，一个基于Qwen3.5-0.8B的小型构图裁剪模型，用于为照片给出美学上更合适的裁剪框。模型通过空间与构图训练、质量引导的在线监督（QOS）以及基于贪心答案参照的优化（GRO）三阶段训练，直接输出一个坐标答案，无需搜索或外部评分器。作者称其在公开基准上优于所比较的大型视觉语言裁剪模型，并计划公开代码与模型权重。
说明量化预训练的混合精度缩放定律
简介本文提出一种面向量化预训练的缩放定律，覆盖前向与反向传播中的混合精度，并以优化理论为基础、经实验验证。该定律将量化对模型容量和优化效率的影响分开建模，并显式纳入前向与反向量化带来的持续优化误差。作者在选定的4位训练方案上进行了Qwen3实验，并结合已发表的Llama类实验，结果显示其损失预测的均方误差最多可比现有定律低11倍。此外，该定律还可扩展到分层混合精度，用于在硬件感知的计算预算下确定最优的量化预训练方案。
说明反击的令牌：基于方向嵌入修正的安全感知去噪方法
简介本文提出SADDER方法，用于文本扩散模型的安全引导。它在每个令牌位置的嵌入空间中利用安全引导信号，对已有的SAD更新规则进行门控式修正，使不安全信号较高的令牌更可能被修改。作者还推导了位置相关的目标分布以保证去噪器的理论正确性，并在MDLM和USDM模型上的不安全续写与越狱测试中，报告其在安全性、生成质量和推理成本之间取得了更好的平衡。
说明面向偏多标签学习的校准去歧义方法（PML-CD）
简介论文研究偏多标签学习（PML）：数据集中每个样本标注了相关标签，也混入了不相关标签，这在众包数据中很常见。作者提出PML-CD模型，从课程学习角度推导出最优加权函数，并将其等价于对模型预测置信度的校准。文中设计了可迁移的校准器，以正样本置信度直方图为输入输出训练加权，并加入原型对齐正则化。作者称在Pascal VOC、MS-COCO、NUS-WIDE和CUB四个数据集上，该方法优于现有先进的PML方法。
说明用可执行的前缀价值定位智能体失败的根本原因
简介该论文指出，当前调试大语言模型智能体时，人工或大模型评审标出的“第一个错误”未必是真正的失败原因。作者从失败轨迹的中间状态重新启动智能体，估计每一步的成功概率（前缀价值），并确定失败的不可逆转点。在150个SWE-bench Verified任务上的实验发现，评审给出的标签与智能体成功概率的下降往往不一致，从标签步骤重启的效果也不如从测得的重启点重启。
看点将智能体失败的人工标注步骤与可执行的前缀价值曲线对比，揭示标签常是症状而非原因；基于150个SWE-bench任务的真实重启实验支撑结论。
说明从像素到可执行物理：面向具身动作后果预测的行为基础世界模型
简介论文提出DR-WM模型，用于预测四足机器人在户外不同地形上执行同一动作后的运动结果。该方法从单张RGB图像重建场景几何，结合经真实动作响应数据校准的地形接触先验，模拟具有空间变化摩擦等接触特性的物理过程，并以此指导视频世界模型训练。实验显示其在关键物理指标上优于仅几何模型和统一物理参数的基线。
说明4LC：用于动态世界建模中高效条件生成的四维潜在缓存
简介该论文提出4LC，一种四维潜在缓存，可直接复用静态与动态场景的视觉表示作为视频生成条件，避免每次请求都重新渲染和编码RGB图像。它将VAE、DINO、V-JEPA、VGGT等多种视觉编码器的表示绑定到共享的几何与运动信息上，并提供可按任意时间和视角读取的时空接口。基于此构建的4LC-Video可在无需针对特定任务微调的情况下完成相机控制、时间控制、新视角合成、场景重访和长期生成等任务，实验显示其条件获取更高效、时空可控性有效且跨任务场景保持一致。
说明RELAY：面向评分细则强化学习的选择性自蒸馏与自适应移交
简介该论文针对基于评分细则的强化学习，指出把多条标准合并为单一奖励会丢失细节，且组内回答得分相同时GRPO缺少奖励梯度。RELAY先用冻结教师模型提供词元级监督并与GRPO结合，再通过平台期检测器在训练中移除教师、仅用GRPO继续训练。作者报告其在四种设置中域内得分均为对比方法中最高。
说明FedLoRD：基于模型参数差异低秩结构的个性化联邦学习
简介本文提出FedLoRD，一种个性化联邦学习方法，利用全局模型与个性化模型参数之差在每层近似低秩的特性设计正则项。方法对各层差异施加核范数正则并改写为因子化形式，使其可用普通随机梯度下降高效求解。作者在三个基准数据集的图像分类实验中表明，FedLoRD优于若干现有个性化联邦学习方法。
说明基于智能手机的现场AI配电基础设施巡检系统
简介本文提出一套基于智能手机的AI巡检系统，用于通过现场人员拍摄的照片评估配电设施状况，包括电杆倾斜、横担倾斜、电压等级、植被净空风险和配电变压器对地净距等。系统在印度安得拉邦东部配电公司的五条馈线上试点部署，共识别出1,222处缺陷，其中84处记录为已整改，但现有数据不足以证明系统提升了供电可靠性。论文还公开发布了PD-Defect数据集。
说明ASR 错误何时会造成影响？面向调用工具语音助手的任务角色诊断
简介本文提出 SpeechEvalX，一种配对诊断方法，用于评估语音识别（ASR）错误所影响的任务角色如何作用于结构化工具调用。在 594 条源语句上，参考转写的联合调用准确率为 82.3%，三种 ASR 前端则降至 71.9%–74.9%。数字与否定词的编辑导致 21.9–25.7 个百分点的损失，对照编辑的损失则较小。详细的任务角色标签使源分组 ROC-AUC 由 0.73 提升至 0.78，说明下游影响很大程度上取决于受影响的任务角色。
说明StateHarness：为长程编码智能体维护持续演进的项目状态
简介该论文提出 StateHarness，一个在运行时维护项目状态的框架，无需更新模型参数。智能体记录当前问题、发现与未完成工作，并检索可能受影响的调用方、测试与文档。在三项仓库级评测中，任务完成率与部分变更一致性指标有所提升，但回归测试表现有所下降。
说明Background2Background：面向高维显微成像的自监督背景去除框架
简介该论文提出 Background2Background（B2B），一种自监督背景去除框架，利用背景比信号具有更强空间相关性这一特点。通过局部像素打乱破坏信号的相关性，同时保留背景结构，使信号转化为有效噪声，从而适用于基于 Noise2Noise 的背景去除。作者在荧光、受激拉曼散射和中红外光热成像中测试，报告背景抑制倍数超过 40 倍，并能显现被遮蔽的特征。
说明MAS-Gate：基于节点量化统一多智能体系统全生命周期的方法
简介本文针对基于大语言模型的多智能体系统，提出统一的节点量化框架MAS-Gate，覆盖执行前的设计编排、执行中的运行时干预和执行后的事后归因三个阶段。方法将每次执行建模为有向无环图，结合节点内效用与节点间强度进行量化。实验显示，该框架在工作流构建、运行时编辑和错误定位方面优于对应阶段的基线方法。
说明OpenDepth：复用图像编辑先验实现稳健的开放世界单目深度估计
简介论文指出，基于文生图模型的单目深度估计在光照变化、恶劣天气等开放环境扰动下效果明显下降。作者提出OpenDepth框架，利用图像到图像编辑模型的结构保持先验，让不同风格但几何相同的图像映射到统一的潜在空间，并通过浅层特征对齐和RGB潜在重建两个阶段分离环境风格干扰。原文称其在标准及极端天气基准的零样本深度估计中取得新的SOTA结果。
说明验证器与执行框架协同进化：开放式任务上免训练的自我改进
简介本文提出统一协同进化方法 UCoE，在模型参数固定的前提下，让可执行的验证程序与智能体的执行框架状态共同演化，用于开放式任务的自我改进。该方法通过对比响应对筛选验证器，用它诊断草稿、指导修复并决定采纳内容。论文报告在六个开放式基准上相对直接生成取得更高偏好率，并在三个可验证基准上提升平均得分。
说明事实并不比行为更重要：长思维链蒸馏的行为本质
简介本文研究长思维链（Long-CoT）蒸馏为何有效。作者发现，仅用有缺陷的推理轨迹或受限的提示集训练，效果与常规做法相近。据此提出“行为假说”，认为蒸馏的本质是模型对结构化推理模式的行为对齐，而非事实知识的记忆。文中还比较了两种损失函数：基于概率的损失擅长学习简单模式，而标准交叉熵损失对复杂思维链的扩展不可或缺。
看点提出行为假说，发现错误轨迹或受限提示集训练效果接近，挑战了拒绝采样的常规假设；实验覆盖两类损失对比，但规模与基准广度有限。
说明PLEDGE：面向3D高斯泼溅的渐进式有损误差有界压缩方法
简介该论文提出PLEDGE，一种无需训练、可渐进传输的3D高斯泼溅（3DGS）压缩方法。用户可指定屏幕位置、足迹形变、视角相关颜色和不透明度四类容差，系统据此为每个基元设定量化误差上限，并在指定相机范围内（包括未见过的视角）保证这些上限。实验覆盖13个场景，验证了各项误差上限并显示出有竞争力的码率-失真表现。
说明基于组织形态感知的深度学习：从全切片图像预测结直肠癌生存
简介本文提出MorphContrast，一种利用组织形态标签作为结构监督的多示例对比学习方法，用于从HE染色全切片图像预测结直肠癌五年生存。研究在TCGA、Alliance/CALGB 89803和SurGen三个队列上开展，外部验证中单一模型与集成模型的AUC分别为0.669和0.678。结果表明组织形态可作为结直肠癌预后表征学习的结构监督。
说明TDR：他加禄语变音符号还原数据集
简介他加禄语中有许多拼写相同、读音和意义不同的同形异义词，书写时通常靠变音符号（tuldik）区分，但现代文本中这些符号很少保留。本研究基于新闻文本构建了 TDR 数据集，标注了 40 个常见同形异义词，并提出一种以搭配为驱动的检索方法来扩充数据、缓解少数变体类别严重不平衡的问题。研究表明，预训练模型缺乏这一能力，而小型低成本模型和微调后的大语言模型都可以学会它。
说明Tanawpamana：菲律宾文化遗产地视觉语言模型基准测试
简介本文提出了Tanawpamana数据集，收录菲律宾遗产地图像，元数据依据菲律宾国家文化与艺术委员会的Talapamana登记册。作者还构建了包含4,046项任务的Tanawpamana基准，用于评估模型对遗产地的识别与知识。对七个视觉语言模型的评测显示，模型在相似遗产地之间的细粒度视觉区分上比粗粒度识别更困难，而且从图像推断地理知识时比从文本推断时更弱。
说明通过动作自蒸馏训练通用导航策略
简介该论文提出动作自蒸馏（ASD）方法，让机器人在没有人工语言或推理标注的情况下学习语言条件导航。方法用同一个开源视觉语言模型同时充当教师和学生：教师利用轨迹反馈推断导航目标与推理，学生仅凭车载观测学习预测未来轨迹并描述场景与规划。作者在13项室内外真实导航任务上测试，室内成功率较最强基线提升30%，多阶段任务提升30%，室外任务成功率达95%。
说明基于物理场桥接的多视角形变视频材料参数推断
简介该论文提出一种单次前向的框架，利用稠密的物理响应场（受力/接触掩码、投影运动流场和应力响应图）连接多视角RGB形变视频，实现本构类型分类与连续材料参数回归。在自建的DeformFieldBench数据集（5000个模拟、100种形状）上，方法在四个连续参数上取得最佳中位误差，推断与未来状态预测约需30秒，而逐场景优化需15至120分钟。作者同时指出跨模拟器和真实场景测试中仍存在领域差异与可辨识性问题。
说明重新审视扩散语言模型与自回归语言模型之间的16倍预训练算力差距
简介此前一项广泛引用的研究认为，扩散语言模型要达到自回归语言模型的似然水平，需要约16倍的训练算力。本文指出该结论所用的方法已不符合当前实践，并在精确似然、分块扩散训练和编码器-解码器架构等新设定下，对约1700个模型进行了缩放规律研究。结果显示，算力倍数可降至12.8倍，采用分块扩散与编码器-解码器架构后进一步降至7.8倍，块大小更小时可降至3.0至4.6倍，因此从头预训练扩散语言模型的成本远低于此前估计。
看点重新校准扩散语言模型与自回归模型的预训练算力差距，通过约1700个模型的系统扫描，显示16倍差距被高估。
说明在 Muon 的极限下驯服 Softmax：基于希尔伯特几何的统一方法
简介该论文指出，Muon 用线性层输出的 RMS 变化衡量权重更新，但对 softmax 而言这并不能准确反映输出分布的变化。作者提出用希尔伯特距离约束输出分布的变化，并把两种近期方法（RowNorm 与 Compositional Muon）纳入同一数学框架，主张将希尔伯特距离作为 softmax 模块优化器设计的指导原则。
说明RAN-JEPA：用于节能移动网络控制的动作条件世界模型
简介该论文提出RAN-JEPA，一种区分表征学习与干预学习的动作条件世界模型，用于移动无线接入网（RAN）的节能控制。模型先用仅有观测的网络数据学习预测性潜在表示，再用受控的休眠/唤醒轨迹学习动作条件的潜在动态。实验基于公开运营商数据和真实设备的四小区5G测试床，结果显示其预测误差低于GPT-2世界模型基线和机理规则，闭环控制中可在相近拥塞代价下支持更高的休眠比例。
说明追踪标签迁移者：面向动态图节点分类的变化感知框架
简介真实系统中的实体会随时间变化，例如用户改变信息消费习惯、研究者转换领域。论文指出，在动态图神经网络中，类别发生转变的节点（迁移者）比标签稳定的节点分类表现更差，错误集中在旧标签上，原因是邻域聚合使其表示固着于旧类中心。作者提出与模型无关的CHASE框架，用于检测标签迁移并覆盖过时的邻域信号，在所有测试模型和数据集上提升了迁移者的表现，同时保持稳定节点的性能。
看点针对动态图中标签变化节点提出感知变化的通用框架，并给出结构分析解释失效原因；在多模型多数据集上验证，但属于对已有动态GNN的改进。
说明风险厌恶型扩散模型推理时对齐方法（带有限样本保证）
简介本文提出一种用于扩散模型推理时对齐的风险厌恶框架，在轨迹级KL正则化下同时权衡期望成本与条件风险价值（CVaR），以控制尾部风险。作者将问题化为关于CVaR阈值的一维优化，给出凸性充分条件并引入二次正则化以便进行无导数三分搜索，并提供有限样本保证。实验表明，在合成数据与Stable Diffusion图像生成中，该方法相比风险中性基线改善了尾部表现，同时保持了有竞争力的平均成本。
说明区分放射报告问答中的“可回答性”与“抽取”：LLM 评估新方法
简介本文指出，放射报告问答需要先判断报告是否含有答案，再找出答案所在的文本片段，而现有 RadQA 结果只用一个 F1 合并两者。作者提出分开评估的方法，报告错误作答率与过度弃答率，并把 F1 变化拆分为抽取和可回答性两部分。对 13 个大模型在 RadQA 测试集上的实验显示，F1 相近的模型错误作答率可相差两倍以上。
说明对自监督三维医学视觉基础模型及其迁移性估计的基准评测
简介本文在相同的14个分割、分类和回归任务上，对23个三维医学视觉基础模型进行了统一比较，覆盖多种解剖部位和成像模态。研究还评估了迁移性估计方法，并提出InsightRank，用冻结特征统计在微调前对候选模型排序。结果显示不同任务上的最优模型并不一致，三模型候选名单在分割任务中可将计算时间减少85.8%。
说明预算约束下的分布式语义多机器人探索：在移动预算内最大化信息增益
简介该论文提出一种分布式语义探索框架，用于通信与移动受限的多机器人场景。框架结合狄利克雷映射、预算约束的轨迹选择以及资源感知分布式贪心协调（RAG），每个机器人在移动预算内选择能带来最大信息增益（狄利克雷熵的期望减少）的路径。仿真结果显示，该方法在覆盖率、语义准确度和地图确定性上优于基于最短距离的前沿选择，并且在照片级真实感仿真中，是唯一遵守每条轨迹移动预算的方法。
说明EdgeWise：通过选择性云端委托，把长周期智能体带到边缘设备
简介论文提出 EdgeWise，一种边缘-云协作框架：本地设备上运行小模型作为主要求解器，仅在需要更强能力时把关键步骤委托给云端大模型。作者用步骤级强化学习联合优化求解与委托决策，并研究了何时委托、如何决策、共享哪些上下文以及调用频率等设计选择。实验显示，其表现与纯大模型执行相当或更好，在 SWE-Rebench 上推理成本最多降低 62%，在 Terminal-Bench 2.1 上降低 34%。
说明FlashVSR+：基于混合注意力与奖励加权分布匹配的高效视频超分辨率
简介该论文提出FlashVSR+，一种高效的视频超分辨率模型。架构上采用混合注意力，兼顾局部性与稀疏全局交互，据称可实现最高2倍的DiT加速并降低45%峰值显存，使4K视频超分可在单张24GB RTX 4090上无分块运行。训练上提出奖励加权分布匹配蒸馏（Ry-DMD），将黑盒奖励纳入分布匹配，并表明该方法也可用于文生图任务。
说明参考措辞如何影响机器人任务指令的检索
简介该论文研究从简短指令识别机器人任务时，检索所用的参考描述会产生多大影响。作者从RLBench基准的62个任务文件中提取296条描述，比较了五种无需训练的词法排序方法。结果显示，字符n元TF-IDF平均top-1准确率为61.3%，高于BM25的55.6%和词级TF-IDF的54.9%，并且结论受参考描述选择的影响明显。
说明多步合一：推理压缩与大模型智能体安全复用记忆的极限
简介论文研究大模型智能体把多步推理压缩成模板、技能库或缓存的做法，称为推理压缩。作者指出，常用的成功与失败计数器作为变化检测器调得并不好，在事实变化后会继续返回过期答案。在多跳问答和代码任务的实验中，这类计数器给出的过期答案数量明显多于作者提出的经过认证的记忆，并给出了一套依据似然比检测与认证的复用方法。
看点将记忆复用视为推理收缩并证明计数器检测器的缺陷，结合实验与可证明的安全缩放律，新意明显，实验覆盖多个模型与任务。
说明马尔可夫决策过程安全验证中查询选择的凸分析视角
简介该论文研究马尔可夫决策过程的安全验证：判断在所有调度器下，若干失效状态的到达概率是否共同落在一个凸的安全区域内。作者提出统一框架，用可选的误差单位衡量违规程度，并证明最大违规分数等于需要把安全区域按该单位放大多少才能包含外近似。实验评估了不同测量规则对验证性能的影响。
说明TacitVLA：无需推理延迟的推理型视觉-语言-动作模型
简介视觉-语言-动作（VLA）模型在行动前进行文本推理可提升表现，但需等待自回归解码，带来延迟。该论文提出TacitVLA，其动作专家从不关注当前调用中生成的推理文本，推理监督仅通过改善骨干表示发挥作用。在四个基准（RoboMME、RMBench、LIBERO、PhysicalAI-AV）的受控实验中，该方法在延迟最多降低3.4倍的情况下与显式推理版本表现相当。
说明各方都对：语言模型中的词汇表征既抽象又整体
简介这篇论文研究语言模型如何组织词汇表征。作者把上下文中的词向量分解为词项、类别及两者的交互三部分，在六个预训练 Transformer 和两类语言范畴上进行分析。结果显示，交互成分在各层中持续存在且逐层增强，并编码了超出共享类别效应的类别信息；在只含加性结构的人工语言学习者中也出现了这种交互。
说明CrossPortrait：通过对抗式运动对齐实现跨物种肖像动画
简介该论文提出 CrossPortrait 框架，可用物种 B 的驱动视频让物种 A 的肖像产生动画，支持人到动物、动物到人以及猫到狗等跨物种场景。方法把肖像运动分解为头部姿态和表情关键点，并引入按物种路由的表情编码器与表情级对抗域自适应（Ex-ADA），以减少驱动物种信息泄露。实验显示该方法在多种物种间能生成保持身份特征的表情动画，并优于其他现有方法。
说明迈向绿色AI：量化大语言模型推理的能效评估
简介本文首次统一评估了大语言模型推理中仅权重量化策略的能耗表现，涵盖不同输入输出长度与多款GPU，并同时考察精度下降与运行时间。研究在五个模型和四个数据集上测试了10种训练后量化方法。结果显示，EETQ int8与Bitsandbytes int8等融合核实现的节能效果最好，短文本生成时相比FP32最高可节能4倍，精度损失可忽略；同时能耗与运行时间高度相关，降低延迟可作为减少环境足迹的可靠代理指标。
说明TwinPrune：面向视觉语言模型的密度感知两阶段令牌剪枝方法
简介该论文提出一种统一的空间密度信号，用于为视觉语言模型推理的预填充（bipartite merge）与解码（KV 缓存淘汰）两个阶段的令牌重要性打分。作者指出，仅用预填充类基准评估解码剪枝会误判效果，并在 TextVQA、DocVQA、MM-Vet 等完整流程基准上验证方法，结果显示其在计算、内存与精度之间形成三方帕累托前沿。
看点提出统一空间密度信号同时用于预填充合并与解码KV淘汰，并指出解码评估陷阱；在多模型多基准上对比H2O、SnapKV等强基线，证据充分。
说明ATTUNE：面向大模型训练的智能体吞吐量调优方法
简介这篇论文提出 ATTUNE，一个用于调优大语言模型训练配置（如 GPU 切分方式、显存与计算的权衡、内核与通信重叠等）的编码智能体，可在 GPU 小时预算内无人值守地运行。它通过外部正确性检查阻止可能改变训练目标的参数，并在 H100、H200、B200 集群上测试。论文报告其平均吞吐量提升 1.7 倍，并在多个模型上优于现有自动调优器。
看点将编码智能体与技能规则、正确性门控结合用于训练配方调优，相比贝叶斯优化、随机搜索等有实质改进；在多硬件与框架上做了充分对比实验。
说明Box-WAM：用有向边界框轨迹作为紧凑状态表示的世界动作模型
简介世界动作模型（WAM）是一类同时预测动作和未来世界状态的策略模型，在多种机器人操作任务中优于只预测动作的模型。本文提出Box-WAM，用任务相关物体的有向边界框轨迹替代稠密的未来帧预测，作为更轻量的预测目标。实验表明，框轨迹预测显著降低了计算成本，同时提升了动作预测性能。
说明YUBI-Real2Sim：用于可靠策略评估的3DGS场景验证
简介论文提出YUBI-Real2Sim框架，用3D高斯溅射（3DGS）从真实场景重建仿真环境，在双鱼眼腕部视角下评估VLA策略。框架结合200度鱼眼相机采集、3DGS训练、3D基础模型与MuJoCo物理仿真，在九组场景-任务对比中有八组复现了真实世界的策略排序。论文还分析了重建质量分数能否预示排序可靠性，结果显示效果依任务而异，尚不足以确立通用的场景接受规则。
说明用于实时场景重建的高斯溅射：方法、系统与权衡
简介本文综述了三维高斯溅射（3DGS）在实时场景重建方面的研究进展。文章将相关工作归为五类：单次生成、动态表示、效率与压缩、流式与沉浸式系统以及高斯溅射SLAM。作者区分了仅渲染的吞吐量与场景生成、更新、跟踪、建图和优化等任务的成本，并通过稀疏视角基准测试比较各类方法在质量、延迟、内存和更新成本方面的权衡。
说明C{\AE}NL：基于坍缩的主动神经学习与目标对齐的表示控制
简介该论文提出 C{\AE}NL 框架，将样本获取、动态坍缩正则化（DCR）及其系数策略分开设计，DCR 惩罚类内与类间散度残差超过冻结参考值的部分。在 ImageNet-100 标注量为 60% 时，结合熵获取、DCR 与 MACC-Lite 的方法，在 ResNet-50 与 ResNet-18 上的准确率分别比单独使用熵高出 1.742 与 1.834 个百分点，并通过了多重比较校正。作者同时指出，几何规则化的效果依赖于任务，且清晰的几何结构不能单独保证输入鲁棒性。
说明MERIT：让每种模态在多模态注意力解码中证明其贡献
简介该论文提出 MERIT，一种用于听觉注意力解码的多模态解码器与评估方法，目标是帮助助听设备识别用户正在听的说话人。方法通过打乱各输入流并用 Shapley 值分配准确率下降量，衡量脑电（EEG）与眼动、头部运动、场景视频等行为信号各自的贡献。在公开数据集上，MERIT 的四选一准确率在被试内为 0.82、在未见被试上为 0.74（随机水平为 0.25），并发现加入行为信号虽提升总体准确率，却使脑电的占比几乎减半。
说明耦合回声状态网络中的集体益处与效率：研究交互如何提升群体表现
简介本文用储备池计算模型研究群体成员之间的交互如何提高准确性与效率。研究者独立训练回声状态网络，根据元音录音识别日语说话者，并在有无耦合反馈的情况下联合测试。结果显示，通过汇总反馈进行交互的模型对能复现 Bahrami 等人（2010）报告的二人优势，而简单汇总独立输出则不能。在效率方面，在总计算量相同时，数量更多、规模较小且相互作用的模型群体优于数量较少、规模较大的群体。
说明跨异构事件日志的事件预测基础模型
简介本文提出基础事件预测器 FEP，用于在不同来源的事件日志（如业务流程、制造、医疗等）中预测下一个事件，无需针对新系统调整参数。模型基于注意力机制实现上下文内的非参数推断，并通过置换稳健的嵌入和分位数变换等方法提升跨系统泛化能力。作者在 696 个真实事件数据集上预训练，并在 50 个未见过的数据集上评估，结果显示其效果常接近针对每个数据集单独训练的强模型，并明显优于现有基础模型基线。
说明语言模型中的“本体感觉”
简介本文借鉴人类本体感觉（感知自身位置与运动的感觉），提出让语言模型感知自身内部状态的数字类比。作者通过监督微调和同策略训练，使模型能够理解路由决策、token 熵、决策深度和 logit lens 信息等多种内部信号，且未影响模型能力。随后，研究在情境感知、可读性和副现象性等方面评估了这种能力对模型行为的影响。
说明纵向学习者参与度画像：不等观察窗口下的异质共识聚类
简介该论文利用南非一所公立大学152门课程、4599名学习者共16448条学习序列的学习管理系统记录，对在线学习参与度进行聚类画像。研究发现，即使经过比率处理，多数参与度指标仍与观察窗口长度相关，经课程分组调整后这种关联有所减弱。最终共识方案得到四类画像，但画像与时长的解释力仅为2.87%，且分配不确定性较高。
说明VeriPIE：可检验的查询计划与证据引导的 Text-to-SQL 选择方法
简介本文提出 VeriPIE，一种结合语言模型生成与符号检查的神经符号框架，用于把自然语言问题转换为 SQL。它以 QuerySketch 结构化计划语言并借助 Lean 后端做检查，并通过执行一致性和区分数据库搜索来选择候选查询。在 Spider 开发集上，其测试套件准确率为 72.05%，高于 DeepEye 的 65.67%。
说明基于 Moodle 日志、按时间同步进行的预先评估框架：预测学生下周是否停止活动
简介该研究构建了一个按日历时间同步进行的序贯评估框架，用 Moodle 学习管理系统日志预测学生下周是否出现不活跃。比较了 SGD 逻辑回归、OSELM 和回声状态网络三种模型，并考察了多种阈值策略与特征组。held-out 评估包含 49,329 次预测，结果显示三者判别能力相近，各模型在召回率、精确率或 MCC 上各有优势。
说明自我演化多智能体编码系统中不安全行为的来源溯源
简介该论文研究在语言模型编码智能体相互复用代码、不断演化的系统中，如何找出某个不安全行为最初由哪个智能体及哪个程序版本引入，或判断它是否在本地独立产生。作者提出结合行为指纹匹配、历史版本定位与递归溯源的方法。在85个受控场景的158个查询上，该方法精确溯源准确率为96.8%，而不含递归的穷举指纹匹配为77.2%。
看点提出多智能体代码谱系中不安全行为溯源的新任务与方法，结合行为指纹与递归追踪；在158个查询上达到96.8%准确率，明显优于无递归的77.2%。
说明TorchSpin：基于PyTorch的可微分电子顺磁共振模拟框架
简介该论文提出开源框架TorchSpin，将EasySpin的电子顺磁共振（EPR）计算组织与数值约定移植到PyTorch张量环境中，覆盖连续波EPR、ENDOR、脉冲EPR、自旋动力学等计算。在多项基准中，部分计算的CPU运行速度快于EasySpin（九项中六项更快）。借助自动微分，在Cu(II)粉末谱示例中，其反馈提升了卷积神经网络的表现，且训练无需参数标签。
说明针对偏微分方程的保结构保真度诊断
简介机器学习代理模型通常用数值求解器生成的数据训练，因此学到的可能是离散格式的误差而非真实物理。论文提出一组保结构保真度诊断指标，检验学习到的模型是否保持守恒量、对称性或哈密顿结构等已知物理性质。在五个系统中，这些指标与真实动力学误差的秩相关最高可达0.94，而测试损失与之不相关甚至负相关。对于Burgers、KdV和Navier-Stokes方程，诊断能区分测试损失视为等效的数值格式。
说明REA：从正确的大模型判断到安全的决策执行
简介该论文提出 REA（Resolve–Express–Act）框架，用于追踪安全护栏模型的判断经过解析与回退处理后，如何转化为应用的实际动作。实验显示，正确的预测有时出现在格式错误的输出中，导致应用无法提取；推理型护栏虽更准确，却更容易产生难以解析的输出。作者表明，匹配解析器并修复格式可显著降低有害请求被放行的比例。
说明用编码智能体团队扩展推理时算力
简介本文研究多智能体团队如何分配推理算力。作者以ProgramBench为测试基准，比较不同规模和模型组合的团队与单个智能体的表现。结果显示，合理分配算力的异构17人团队在成本降低70%的情况下，得分仅比强力5人团队低1.4分；其中由工作者负责规划最有价值，廉价模型适合做规划而非实现。
