机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明评估AI模型基于预定义社交噪声构造检测虚假信息的性能
简介该研究评估了六种基于文本的模型和一种图神经网络在利用预定义社交噪声构造减轻虚假信息影响方面的表现。数据为2024年3月至2025年3月间从X平台收集的50万条与俄乌冲突相关推文。其中RoBERTa准确率最高，达97.17%，图神经网络准确率为64.52%，AUC为0.899。
说明从轨道匹配到对接：用于多阶段交会轨迹设计的分层强化学习方法
简介这篇论文提出一种分层强化学习框架，用于三自由度的自主交会与近距离操作，覆盖从轨道匹配到最终对接的完整过程。框架训练了五个分别负责轨道匹配、远距离接近、中距离接近、近距离接近和对接的专门策略，并由一个高层管理策略根据航天器状态在它们之间切换。论文将该方法与固定顺序调用的启发式方法进行比较，评估整体轨迹表现与阶段切换行为。
说明高效的 Fréchet 分布解码器对齐方法：面向潜变量生成模型的后训练
简介论文指出，现有基于 Fréchet 分布目标的后训练方法只优化潜变量生成器、冻结解码器，导致解码器在训练时见到的潜变量分布与生成时的不一致。作者提出 FDDA 方法，冻结生成器，仅用生成时的潜变量直接以 FD 目标优化解码器。实验覆盖 11 个模型，仅训练一个 epoch 即可降低 gFDr^6，并且耗时远低于生成器侧的后训练。
说明基于FPGA的脉冲神经网络：时空模式学习与分类
简介本文在FPGA上实现了多层脉冲神经网络，用于时空模式分类，推理与训练均在同一硬件上完成。设计采用仅时间前向的训练算法以替代BPTT，并通过混合精度与架构优化提升效率，同时解决了共享存储带来的访问冲突与读写依赖问题。在MNIST和五个多变量时间序列数据集上，片上训练的准确率与BPTT训练的SNN或LSTM相当；相比CPU和GPU实现，吞吐量提高2.5至6倍，单样本能耗约低一个数量级。
说明通过匹配内部文本预测，将文本语言模型蒸馏为语音到语音语言模型
简介该论文提出一种语音到语音的预训练方法，在模型内部构建文本接口，输入和输出仅为语音。模型先读取无转写的语音上下文，再切换为文本预测，并以预测的文本逐词引导后续语音生成。该内部文本预测可直接从基础文本语言模型蒸馏，论文报告这能提升语音续写的生成困惑度与事实性表现。
说明未知协方差下聚类结果的选择性推断
简介该论文针对先对数据聚类、再对两簇均值做假设检验时，因同一数据重复使用而导致第一类错误率膨胀的问题，提出一种新的选择性检验方法。该方法在协方差矩阵任意未知的情形下，可证明地控制第一类错误率，且无需估计特征协方差矩阵，而是利用对正交矩阵集合的蒙特卡罗采样。作者指出该方法可高效计算，并给出 k-means 与层次聚类下的闭式解；模拟与基因表达、药物评论数据上的应用显示其能控制选择性第一类错误率并具有可观的检验效力。
说明组合式强化学习：评估与训练用于协作推理的大语言模型
简介该论文指出，大语言模型常被单独评估，却越来越多地在系统中协同使用，因此提出以“组合强度”衡量模型在系统中的贡献，并用Shapley值及留一法近似计算。研究发现，单独表现与协作优势在多数设置下相关性很弱。作者进一步提出组合式强化学习（C-RL），以整个多模型系统的结果作为奖励训练策略，在多数设置中提升了协作表现。
看点提出以Shapley值衡量模型组合贡献并设计组合强化学习训练，发现个体与组合能力基本不相关，实验覆盖多模型池、方法与任务。
说明球面参数空间对持续学习中不遗忘任务数量与容量的影响
简介本文在高维球面参数空间上提出持续学习的数学模型，把每个任务的可接受损失区域建模为测地球，任务最优点由聚类点过程生成以刻画任务相似性。作者据此推导了在维度趋于无穷时，保证所有任务的可接受区域仍有交集（即不遗忘）的任务数量上界，并给出在该约束下每个任务信息论容量的上界。
说明基于多导睡眠图表征的睡眠-觉醒障碍识别研究
简介本文比较了两类预训练编码器在多导睡眠图上的表现：一类是自监督的多导睡眠图基础模型，另一类是以睡眠分期为监督目标、规模相近的编码器。研究在一个未见过的登记数据集中的7,906份整夜多导睡眠图上，用冻结表征识别六类睡眠-觉醒与昼夜节律障碍。结果显示，当监督预训练的规模与模态覆盖范围接近时，自监督模型的优势消失，而从神经睡眠判读模型迁移的表征整体表现更高。
说明面向非侵入式末段覆盖率收敛的形式验证引导贝叶斯优化
简介本文提出一种非侵入式工作流，用于收敛现有人工编写的功能覆盖率模型中尚未覆盖的剩余覆盖点，而非从设计规格自动生成验证目标。方法先通过抽象语法树解析和影响锥追踪，将剩余目标映射到已有测试平台参数，再用贝叶斯优化与约束随机验证和随机搜索在相同仿真预算下比较，并借助形式可达性分析剔除已证明不可达的目标。在 OpenTitan AES 与 Entropy Source 两个模块上，综合流程分别将原始覆盖率提升至 96.31% 和 97.06%。作者指出，该评估尚未分别验证各组成部分的因果贡献。
说明TableVision：从历史表格中恢复经过核验的结构
简介该论文针对历史登记册、选举统计表等扫描资料中常见的漏行、跨页和列错位问题，提出TableVision方法，把表格结构恢复作为核心任务。方法用动态规划将表册按列合计校验切分为数据块，读取单元格后将每列分为可精确核对、标记为与算术错误的页面一致、或暂不采用三类。在威斯康星州选举数据的实验中，2201列中有2042列通过验证，118列被标记，41列被保留。
说明语言模型智能体中的“信念—行动”差距：信息已被表征，却未体现在决策行为中
简介该论文研究语言模型智能体在文本网格世界中推理并做决策时，状态信念、动作价值与动作偏好之间的关系。研究发现，任务相关的状态与价值信息往往比行为中体现出的更可靠地被表征；决策在某个承诺点附近变得明确，但单次信念变化并不能稳定解释动作偏好的转变。论文认为，部分失败并非源于缺少信息，而是信息转化为行动的方式出了问题。
说明REAP：从运动规划器反馈中学习通用重排启发式方法
简介本文提出REAP框架，用于机器人重排任务的规划。它在简单的符号抽象上学习关系图神经网络启发式，并以运动规划器在训练中提供几何可行性反馈。论文报告，该启发式在物体数量、计划长度和物体布局上具有分布外泛化能力，求解问题更多，所需运动规划器查询约少一个数量级，且排名第一的动作在94%的采样状态中几何可行（随机选择为22%）。
说明Know-Thy-Not：双编码器视觉语言模型中无需训练的定向否定方法
简介双编码器视觉语言模型在处理否定句时普遍失效，例如将“没有狗的猫”与“有狗的猫”打出几乎相同的分数。论文认为这一缺陷源于单一嵌入框架，并提出无需训练的 Know-Thy-Not（KTN）方法，在图像端加入一个“拒绝”维度，直接压低被否定概念的表示。作者还提出了 COCO-Confusion 基准，要求模型真正做到拒绝才能通过测试。在 9 个骨干网络上，KTN 相比原始视觉语言模型最多提升 25.6 mAP，相比此前最强方法提升 9.6。
说明大语言模型能拓展已知研究，却难以开辟新的研究方向
简介本文比较了大语言模型生成的科研假设与人类论文在概念空间中的位置，区分了“距离”（偏离已有工作的程度）与“方向”（是否开辟新研究路线）两种新颖性。作者使用新提出的正交新颖性得分（ONS）分析了2690万篇人类论文与52万余条模型生成假设。结果显示，大语言模型的想法离已有工作更远，但其中位ONS比同主题已发表论文低15%至23%，说明它们主要在既有方向内拓展，新方向仍主要由人类科学家提出。
看点提出区分距离与方向新颖性的正交新颖性分数，并用大规模数据（26.9百万论文、524,308个假设）证明LLM仅扩展已知方向。
说明SchemaWeaver：基于模式引导的并行解码，加速移动设备端智能体AI
简介论文指出，移动设备上的大语言模型调用外部工具时延迟较高，其中解码阶段受内存带宽限制，难以在移动处理器上加速。作者提出SchemaWeaver，在工具调用的解码阶段采用模式引导的并行解码，每次解码产生多个词元以降低延迟。该方法无需训练或修改模型，在主流移动芯片和模型系列上可使工具调用延迟最多降低3.9倍。
说明World-T3：以测试时训练作为持久记忆的实时视频世界模型
简介该论文提出World-T3，一种可由相机位姿控制的视频世界模型。它用测试时训练（TTT）记忆把过往观察整合进专用模型参数，并通过递归最小二乘规则在线更新，以保持长时间生成中的场景一致性。另外，模型通过双教师分布匹配蒸馏为少步生成器以支持实时交互。在长时程重访基准上，相较最强基线，重访PSNR由13.52 dB提高到18.31 dB，绝对旋转误差由3.344降至1.075，并在单张NVIDIA B200 GPU上以1280×704分辨率达到20.6 FPS。
说明Monarch-Muon：面向快速且省内存预训练的结构感知优化器
简介本文提出 Monarch-Muon，一种针对 Monarch 分解参数化权重的结构感知矩阵优化器，用于降低大语言模型预训练的时间与内存开销。该方法把原本的一次稠密正交化拆分为多个小型独立子问题。文中报告，在 6.89B 参数系统中，峰值内存由 68.9 GB 降至 52.9 GB，优化器一步耗时由 1288 ms 降至 304 ms。
说明基于部分可验证环境的强化学习用于结肠癌治疗规划
简介论文将结肠癌一线治疗规划建模为部分可观察条件下的交互式强化学习问题，智能体需先逐步获取患者信息，再给出治疗建议。作者依据真实临床记录中的决策过程构建患者特定的过程奖励，并用GRPO与GDPO优化Llama-3.1-8B-Instruct。结果显示，经GDPO训练的模型在同一交互环境下，Mean@3临床奖励较基础Llama提升79.60%，并超过GPT-5.2达18.82%，同时训练期间的查询次数有所减少。
说明当稀疏破坏连通性：极端稀疏训练中的功能可达性与引导式拓扑动态
简介动态稀疏训练（DST）周期性地剪枝并重新生长连接，在极端稀疏度（≥99%）下容易破坏输入到输出的信息通路，标准幅值或随机更新的性能急剧下降。作者在分层稀疏图上形式化了前向、后向和功能可达性，推导了可达神经元与边的闭式期望，并证明蒙特卡洛模拟与理论一致。基于此，作者提出引导式DST，在CIFAR-100（99.9%稀疏度）上相比未引导的DST有明显提升，且在MLP-Mixer上于99.99%稀疏度下仍可训练。
说明使 SE(2) 不变网络达到最优
简介本文基于经典不变量理论，构造了关于 SE(2) 对称群可证明最优的不变特征映射，即在保留信息的前提下尽可能精简。作者据此提出一个可直接接入标准卷积神经网络的即插即用模块，无需修改非线性或归一化层。实验显示，相比最先进的等变方法，其精度相当或更高，计算成本显著更低。
说明ClearNav：利用可微物理训练、与感知对齐的四旋翼飞行导航策略
简介该论文提出 ClearNav，一种用于四旋翼无人机在杂乱环境中自主飞行的导航策略。其核心思路是约束飞行运动只朝向机载摄像头可观测的方向，并通过三项奖励项实现。仿真与真实环境实验显示，该方法在提高成功率的同时降低了碰撞率。
说明超分辨率作为空间降尺度：地球观测中的一致性、结构与任务效用
简介该论文把卫星图像单幅超分辨率视为空间降尺度问题，比较了四种轻量网络（含作者的0.36百万参数紧凑模型）与双三次插值。结果显示，网络在像素指标上比插值高约1.39至1.42 dB（×2倍），但在地表覆盖与变化检测等下游任务上的影响有限，且学习式重建可能放大两期未变场景之间的虚假变化。作者建议，应结合像素指标、空间结构、观测一致性和空间验证下的任务测试来评估此类方法。
说明为何智能体工作流会失败：基于文献与实证数据的失败分类
简介本文提出一套可追溯来源的智能体工作流失败分类法，结合学术文献与 GitHub 的证据进行分析。分类法以工作流阶段为横轴、智能体能力为纵轴，定位失败发生的中间过程。结果显示，文献中的失败多与规划、推理等机制相关，而 GitHub 中的失败集中在执行、工具、API 与基础设施层面，迭代执行与行动环节是主要热点。作者认为，应将智能体可靠性视为系统问题，而不仅是模型输出问题。
说明基于表示重建的瓶颈式语义压缩：减少视觉 Transformer 的视觉 token 数量
简介视觉 Transformer 处理长视觉 token 序列时计算成本高。本文提出重建引导的视觉 token 压缩框架 ReConV，用紧凑的摘要库（SMB）概括完整序列，并依据重建残差保留 SMB 未能充分捕获信息的 token。实验显示，在 ImageNet 上 GMACs 减少 48% 的同时性能超过未压缩基线，并支持多轮推理中可复用的图像级表示。
说明将“智能体性”作为计算机科学的新组织抽象：一篇关于智能体系统结构性缺口的论文
简介这篇论文认为，能够自主追求目标、与开放环境交互的智能体系统不仅是基础模型的应用，还可能成为计算机科学的新组织抽象。作者指出，部署中的智能体系统反复出现的问题，如资源失控、被对抗性内容误导和持续运行不透明，被视为结构性抽象缺口的表现。论文将从执行、接口、正确性、监督、协调和持久性六个维度考察这些缺口。
说明立场：训练之后，测试时协调对合作型多智能体强化学习同样关键
简介该论文主张，合作型多智能体强化学习应把测试时的协调视为问题定义的一部分。作者指出，主流的集中训练、分散执行（CTDE）范式在执行时缺少协调通道，在环境变化后难以重新对齐。论文提出“集中训练、混合执行”（CTME）作为设定，由协调器在测试时接收全局状态并发出高层信号，CTDE 可视为其极限情形。
说明跨视图时频扩散：面向极端事件感知的时间序列生成
简介该论文提出CrossTF框架，利用时域与频域去噪器之间的差异生成时间序列，重点还原罕见但影响较大的极端事件。作者发现沿两视图干净样本估计之间的方向调整，会显著改变极端事件的保真度，而对整体生成质量影响有限，并在后期确定了一个关键窗口。实验表明，相较最强基线，CrossTF在极端保真度上提升26.1%，整体性能提升7.4%。
说明基于多台站Transformer的事件中心地震监测
简介本文提出EQNet2，一种感知几何结构的多台站Transformer模型，可同时预测震相到时、初动极性、震源位置和震级，并将到时关联为地震事件。在北加州测试数据及Ridgecrest和旧金山湾区连续波形上，该模型能识别更多微弱到时、减少误检，并将更多拾取关联为已定位事件。模型注意力机制能按与地震波时距一致的规律连接各台站信息。作者认为，随着台网加密，利用多台站一致性和事件中心预测有助于获得更完整可靠的地震目录。
说明评估大语言模型的时间推理能力：基于艾伦区间代数的叙事事件时序关系抽取
简介该论文让五个大语言模型在360篇英文叙事中，依据艾伦13种区间关系重建事件之间的完整时序网络，事件以相对顺序而非具体日期给出。研究采用预先注册的协议，从与标注一致性、逆向一致性和逻辑可满足性三方面评估输出。结果显示，最佳模型在宏平均F1上明显优于基线，但按预注册解析器计算时，其准确率未超过总是回答“before”的基线；差距主要源于大矩阵中的格式错误，修复后差距基本消失。
说明基于条件流匹配的扩散 MRI 视野扩展方法（可泛化）
简介扩散 MRI 扫描视野不完整时，部分脑区会被排除在白质纤维束成像与连接分析之外。本文提出一种流匹配生成模型，以相邻两张已采集切片和全视野 T1w 图像为条件，沿上下方向预测六个方向的表观扩散系数，以扩展扫描视野。该模型在五个数据集、3103 名受试者上训练，并在 299 名未参与训练的受试者、五个独立数据集上评估，下游纤维束成像的束 Dice 分数显著提高（p < 0.01）。
说明通过押注式监测学习检测非结构化数据流中的分布偏移
简介该论文针对生成式AI系统的持续监测，提出在非结构化数据中检测分布偏移的方法。作者将序贯变点检测转化为押注游戏，使检测方向可随新观测不断自适应调整，同时保持误报控制的统计有效性。实验显示，在三个真实数据集上，自适应监测比固定监测更快发现偏移，且基于大语言模型概念的监测在稀疏可解释偏移中表现最佳。
看点将测试即下注框架用于无结构数据的自适应变点检测，提出渐近e检测器并给出误报控制理论保证，实验覆盖三个真实数据集。
说明JustOPD：从自回归语言模型到扩散语言模型的在线策略蒸馏
简介本文提出 JustOPD 方法，用于把强大的自回归语言模型（ARM）的知识蒸馏到较弱的扩散语言模型（DLM）中。训练时让学生模型使用自回归方式生成样本，使其生成过程与教师模型的从左到右解码对齐，同时推理时保留扩散模型灵活的生成顺序。实验以 Qwen3-14B 为教师、Dream-7B 为学生，结果显示在多种散度选择下，该方法都能提升数学推理表现。
说明在任意弯曲三角形区域上精确施加边界条件的方法：算法及在科学机器学习中的应用
简介该论文提出一种在任意弯曲边界三角形区域上精确施加狄利克雷、诺伊曼和罗宾边界条件的方法。方法结合精确映射、TFC约束表达式与Barnhill超限插值，构造满足边界条件的显式试探函数，并处理角点相容性问题。作者用极限学习机式随机神经网络求解多种线性与非线性偏微分方程，数值结果显示边界条件可被精确满足至机器精度。
说明学习博弈：强化学习与游戏
简介本书围绕强化学习在游戏中的应用展开，涵盖西洋双陆棋、跳棋、国际象棋、Atari、围棋、扑克和星际争霸等领域的突破性成果。书中系统介绍从精确规划算法、自适应采样、深度函数逼近到自我对弈等多种技术。书中使用 Python 编写示例，并介绍 Gym、TensorFlow、Keras 等框架，还附有练习。
说明跨市场元学习用于电价预测
简介日前电价预测通常为每个市场单独建模，受限于单一市场的历史数据量。本文提出MetaGrid，一种拓扑感知的Transformer模型，在多个市场上进行元训练，使同一套与区域数量无关的参数可适应未见过的电网。在五个美国独立系统运营商的无数据泄漏基准测试中，MetaGrid的平均MAE最低，相较最佳基线提升3.1%，相较同架构从零训练提升7.7%。
说明测度神经映射：在概率分布上学习算子的神经网络框架
简介论文提出测度神经映射（MNMs），把依赖测度的神经传输与集合一致性结合，用于学习作用在概率分布上的算子。作者在较强的次高斯与尾部可积假设下，为无界状态空间中的注意力机制建立了定量的连续极限，并证明固定的自注意力、交叉注意力与多头注意力Transformer在输出Wasserstein误差上满足N^{-1/2}量级的界。实验在五个维度下的七个算子上验证了粒子数依赖关系，观察到的衰减率与理论采样基准接近。
说明可变输入掩码自编码器用于腕戴式加速度计数据
简介该论文提出VarMAE，一种可处理可变输入时长和采样率的掩码自编码器，用于腕戴式加速度计数据。它在大规模NHANES数据集上预训练，通过跨分辨率掩码重建目标学习统一表征。预训练得到的单一编码器在八个基准数据集上表现与对照基础模型相当或更优，且仅有3.82M参数。
说明面向回归任务的鲁棒可靠学习：在对抗性数据污染下给出可靠预测区间
简介本文提出在对抗环境下，为回归任务求取最优预测区间的问题：给定测试点、含 n 个样本的训练集和至多 b 个污染点的预算，求出所有与数据一致的 L-Lipschitz 预测器都必然落入的取值范围。对于训练集本身满足 L-Lipschitz 一致性的情形，作者给出一个 O(n) 的 b 最佳启发式算法并证明其正确性与最优性；对于一般情形，通过违规图将问题转化为可用 FPT 算法在 O(n^2+b^4) 时间内精确求解的形式，并在 SETH 假设下给出 Ω(n^{2-o(1)}) 的下界。
说明EPOCH：面向组合优化启发式自动设计的覆盖感知进化与经验偏好优化
简介本文提出EPOCH框架，用大语言模型自动设计组合优化问题的启发式算法。它以实例覆盖为进化搜索目标，使多个启发式互补地覆盖训练实例，并通过经验偏好优化与反思自蒸馏，让生成器把反思经验内化到模型参数中。论文称，在多类组合优化问题与开源大模型基座上，其启发式集合优于仅推理和微调基线，并能跨问题规模泛化。
说明面向智能体商务的商家侧就绪度基准：一项试点研究
简介本文提出一套从商家角度衡量网站是否适合AI代理购物的基准，关注三点：代理能否进入网站、条款是否足以支持购买决策、是否留存了约定的证据。研究在四家大型商家和555个站点、330家商家的样本上进行了试点，发现多数商家的关键条款（如总价、退款）无法确定，且证据覆盖度决定了能否被排名。作者表示，该试点只说明测量可以进行，尚未验证结果或对商家排名。
说明什么让潜在空间真正共享？运动 VAE 中的直接兼容性与可恢复兼容性
简介论文指出，多个模式（schema）共享同一潜在空间并不等于它们的表示可以直接互换。在 HumanML3D 数据集上的受控实验中，即使输入相同，原始检索与潜在标记的对应程度仍很低；线性校准后对应关系却几乎可以完全恢复。仅用 64 对配对片段，即可显著提升直接兼容性，但交叉解码的效果仍明显不如原生重建。
说明PIG：用于加速扩散语言模型的并行不一致性引导方法
简介该论文针对扩散语言模型的并行解码问题提出 PIG 方法。并行解码会使结果偏离逐步顺序生成，导致准确率下降。PIG 使用一个训练好的辅助模型，在单次前向传播中估计并行与顺序生成之间的不一致性，并据此决定可同时解码的位置。作者称，一个约 200 万参数的轻量辅助模型即可完成训练，在 GSM8K、MATH500、MBPP、HumanEval 和 MMLU 上扩展了准确率与每次前向传播生成词元数之间的权衡前沿。
说明HarnessTTT：测试时学习优化科学发现的执行框架
简介该论文提出HarnessTTT，一种在测试时训练“框架提议器”的方法，在冻结执行模型的同时，让提议器生成包含系统提示、技能、工具等内容的可执行框架，并依据搜索结果持续更新。作者在数学、系统、GPU内核、启发式编程、天体动力学和生物学等14项发现任务上进行了评估，结果显示其方法在多数任务上优于OpenEvolve等对比方法，并能将学到的框架迁移到更强的执行模型。
说明HASTE：面向生成式推荐的分层与属性感知监督训练框架
简介该论文提出HASTE框架，在基于语义ID自回归生成的推荐模型中加入分层监督和属性级监督。分层损失利用语义ID的多层结构，使训练收敛速度约为标准因果交叉熵目标的2倍；属性特定损失有助于改善长尾（低频）物品的表示与推荐效果。作者在时尚推荐基准和Amazon多个领域数据集上进行了评估，结果显示推荐性能在不同数据集和物品频率区间都有提升。
说明目标跨关系泄露：缓存中的目标表示如何影响对不同客户的决策
简介该研究在两个客户、目标相互对立的受控市场场景（20个情境）中测试了OLMo-3-7B-Instruct模型。共享对话记忆时，模型在22%的可判定决策中偏离了当前客户的目标。研究发现客户目标信息在KV缓存中间层可被线性探针高度识别，并集中在特定注意力头中；消融竞争对手的缓存目标表示会使模型转向当前客户，且效果强于随机选择的注意力头。
说明UMCR：通过指南集成与智能体链接实现通用医学概念识别
简介该论文提出 UMCR 方法，用于从任意来源的医学文本中抽取文本片段，并将其映射到任意目标医学本体，无需针对特定本体重新训练。方法结合直接的指南集成与智能体式链接模块，并在涵盖多种医学文本类型与词表的 MedPath 基准上进行了评估。作者报告该方法在这些任务上表现良好，并认为它有助于不同医学标准之间的互操作，同时降低了对大语言模型参数化记忆的依赖。
说明claimcheck：衡量并提升规格的忠实性
简介形式化验证只能证明程序满足给定规格，却无法判断规格是否准确表达了作者的本意。本文构建了一个涵盖四种形式语言（Dafny、Lean 4、Isabelle、Rocq）的规格形式化基准，共3,234条数据，并提出claimcheck工具：先把形式化产物翻译回自然语言，再由独立模型判断其与原始需求是否表达相同的保证，以检测错误的形式化。
说明Brain2Face：研究脑电信号与时空头部虚拟形象之间的关系
简介本文探讨能否仅凭脑电信号（EEG）追踪人的头部几何与外观变化，以驱动数字头部虚拟形象。作者构建了一个配对脑电与头部几何、外观标注的数据集，将64通道脑电与个性化高斯头部虚拟形象的逐帧表情编码同步。论文还提出一个从脑电序列回归三维高斯头部虚拟形象表情参数的基线模型，并引入相应的评估协议。
说明WIRE：冻结视频大模型的权重空间隐式表示编码
简介视频语言模型把视频表示为很长的视觉嵌入序列，导致预填充、显存和生成成本都随帧数增加。WIRE 用问题条件的双向选择性扫描把每帧压缩为少量载体令牌，缩短解码器输入，并由超网络生成 LoRA 权重更新，在预填充后合并进冻结的主干模型。论文报告在 Qwen3-VL-8B 上，每帧 16 个载体令牌时视觉序列缩短 3.5 倍，预填充时间在 256 帧和 1024 帧下分别缩短 3.35 倍和 4.14 倍。
说明MID：用于评估医学图像分割的掩码-图像分布散度
简介现有医学图像分割评估主要依赖逐样本比较（如 Dice、Hausdorff 距离），需要每个预测与真值掩码配对，且无法判断一批预测的分布是否与真值群体一致。本文提出分布层面的指标 MID，比较参考集与预测集中图像与掩码的联合分布，无需样本间对应，同时反映掩码的真实性与图像-掩码的一致性。作者在 13 个公开数据集（CT、MRI、MRA）上进行了验证。
看点提出分布级的图像-掩膜联合分布度量，无需样本配对，并在13个数据集、56个器官组上验证其与Dice、HD的一致性。
说明HairFlow：基于多模态条件扩散模型的三维发丝建模
简介该论文提出 HairFlow，一种用于高效、可控三维发丝建模的多模态条件扩散框架。它以粗略网格约束整体发型，并以多视角草图指定局部发丝走向，再将生成的体积场追踪为显式发丝。为缓解缺少成对草图与发丝训练数据的问题，作者设计了自动合成流程。实验显示，该方法能生成合理的三维发丝，较好地遵循输入条件，并显著缩短推理时间。
说明关于注意力机制的统计力学
简介本文借助现代 Hopfield 模型，用统计力学重新审视 Transformer 的注意力机制。作者提出自由能框架，用于刻画稳健注意力推断的参数区间与临界阈值，并把注意力视为该统计力学系统在自由能最小化下的运动方程。研究识别出注意力在玻璃态与稳健推断相之间的一阶相变，并扩展到带随机查询和键的注意力。
说明在未知时刻监测分布偏移：无超参数的条件保形鞅
简介该论文提出一种用于检测分布偏移的序贯检验方法，基于条件保形检验鞅，并以固定参考数据集避免测试样本污染。作者把带惩罚的下注问题转化为三资产市场中的投资组合选择，采用重启式通用投资组合与重尾财富分配，无需任何超参数。文中给出了任意时刻的误报控制、可检测备选下检测延迟的有限样本界，并提出计算复杂度为 O(T²lnT) 的 FFT 实现方式。
看点将惩罚投注问题重构为三资产组合选择并采用重启通用组合，无超参数且对未知时刻的漂移快速适应，给出了有理论支撑的检测延迟界。
说明面向演化上下文的预算式 KV 缓存修复
简介语言模型智能体在信息过时后会修改工作上下文，但删除文本并不会消除其对已缓存计算的影响。该论文提出预算式 KV 缓存修复：只重新计算保留后缀中用户指定比例的部分来恢复任务性能。作者提出语义单元刷新方法（SUR），利用廉价的嵌入相关性评分把预算分配给与查询相关的文本区域，并配合分层打包执行器高效完成修复。在五个模型上，该方法仅重算 2%–5% 的后缀即可取得较强的恢复效果。
说明通过学习得到的生成式动力学处理集合变分数据同化中的模型误差
简介本文提出一种新的集合变分数据同化方法IEnKF-G，用学习得到的条件随机预报模型取代传统的加性高斯模型误差。作者将其扩展到多时间步的平滑器，并在随机Lorenz 1963模型和多尺度Lorenz 1996模型上与IEnKF-Q及自适应集合卡尔曼滤波进行比较。结果显示，在部分观测和模型误差较大的情况下，IEnKF-G总体上更准确。
说明定理证明器需要定理证明智能体吗？mini-Lean-agent：面向 Lean 的编码智能体基线
简介论文提出 mini-Lean-agent，一个只通过 bash 与环境交互的极简 Lean 任务智能体，用于分析定理证明智能体的性能提升究竟来自基础模型、专用框架还是特定工具。在 Putnam 2025 基准上，使用 Gemini 3.8 Flash 时它解出 7/12 题，高于 AxProverBase 的 4/12；使用 Astra 时解出 12/12 题，平均每题成本 1.28 美元。作者认为，带有极简框架的通用编码智能体已能在 Lean 基准上取得较强表现，可作为评估定理证明基础设施的标准基线。
说明角色扮演语言模型中的知识诅咒
简介该论文测试角色扮演语言模型是否遵守角色的感知边界，即角色只应知道其能听到、看到或理解的内容。作者在480个场景中用反事实配对检验，发现11个开源模型常泄露角色不应知道的信息，而多数模型能正确说明角色所感知的内容。研究还发现，改变场景格式或角色描述会显著增加泄露率，而只向模型提供角色所能观察到的信息可以阻止泄露。
说明跳出AI的框架：人类在AI语义盲区中的想法并不逊色
简介该论文发现，AI生成的内容往往更具创造性，但彼此之间更为相似。作者提出EDGE方法，用以找出AI语义上的“盲区”，并在三项开放式任务中比较人类与AI的想法。结果显示，覆盖这些盲区的人类想法在创造力、质量和有效性上并无明显不足，有的甚至更优。
说明GPU 宝藏：用于边缘大模型推理、可调优的 WebGPU 内核
简介本文提出 GPU Goldmines 框架，用于编写、执行和调优 WebGPU 计算内核，覆盖矩阵乘法、矩阵-向量乘法和 Flash Attention 等大模型基础模块。作者在不同设备、矩阵形状和浏览器上测量性能，并利用由此建立的数据库加速后续的自动调优与配置选择。在 Llama 和 Qwen 模型的形状上，其矩阵乘法内核相对 ONNX Runtime 与 llama.cpp 的 WebGPU 内核分别取得 7.0 倍和 1.41 倍的几何平均加速，并使 llama.cpp 聊天负载的预填充阶段端到端提升 1.48 倍。
说明半老虎机反馈下单调随机优化的近最优遗憾界
简介本文研究分布未知时的单调随机优化问题，此时只能观察到被探测的变量（半老虎机反馈）。作者提出一种通用的在线到离线归约方法，在强单调条件下将期望遗憾从已知方法的 Õ(n√T) 改进到 Õ(√(nT))，并在对数因子内达到最优。在单调性和有界坐标变化条件下，该算法的近似遗憾为 Õ(n^{3/4}√T)。框架适用于先知不等式、潘多拉魔盒、随机背包等问题。
看点提出通用在线到离线归约并将遗憾率改进到近最优的√(nT)，以理论证明为主，适用于多个随机优化问题，证据较扎实。
说明从采样证据到放射学报告：目标、约束与文本实现
简介该论文研究如何把多次采样得到的证据转化为最终决策，并探讨更好的结构化决策是否能带来更好的报告。作者在MIMIC-CXR和IU-Xray上进行了受控比较，发现改变目标函数、放宽候选约束以及文本实现过程都会以不同方式影响结果，决策层面的提升不一定带来报告质量的同步提升。因此作者主张分别评估决策规则、候选约束和最终报告。
说明用于相位恢复的深度展开交替投影方法：在测量算子变化时无需重新训练即可获得高质量重建
简介本文提出一种用于相位恢复问题的深度展开框架，在交替投影方法中加入可学习的去噪步骤。作者指出，深度展开方法的性能下降并非范式本身的固有局限，而是可以通过选择合适的底层迭代算法来缓解。文中称，在测量算子动态范围于测试时显著变化等基于模型的传统方法表现不佳的场景中，该方法无需重新训练即可获得高质量重建。
说明联合嵌入动态集成网络（JEDI-net）：利用特征重要性模式识别潜在子群的深度学习架构
简介本文提出JEDI-net，一种统一的神经网络架构。它在训练过程中周期性地对SHAP值进行聚类，以识别具有相似特征重要性模式的潜在子群，并将子群身份直接嵌入网络，使预测能够适应每个观测的预测结构。作者指出，此前的工作FORCE表明，基于特征重要性而非原始特征的聚类方法能够提升神经网络性能，JEDI-net是在此基础上的扩展。
说明一种用于训练集完全分类的神经网络几何构造方法
简介本文提出一种按需构造神经网络的方法，使其能够对给定训练集中的所有样本实现完全正确分类，且不考虑正则化。网络的层规模和神经元参数通过对输入数据的几何分析确定，将分隔超平面映射为阶跃激活函数的神经元。实验表明，该方法在MNIST数据集上实现了训练集的完全分类，并得到紧凑的模型。
说明超越成功博弈：诊断大语言模型的对手建模能力
简介本文提出一个在重复捉迷藏博弈中评估大语言模型对手建模的基准与诊断框架，对手的信念与行动概率已知。研究发现，经过结构化训练后模型的博弈表现在部分设定中有所提升，但在对手行动预测和信念追踪上仍有不足。提供正确的对手信息可改善预测，而从历史中自主推断则较困难，包括前沿模型 GPT-5.4 也有同样现象。
说明StartLux-Decision：用强化学习训练、可自适应深思的决策模型
简介该论文提出 StartLux-Decision 系列决策模型（参数从 0.8B 到 27B）。Instant 版本单次前向推理即可作答，AutoThink 版本仅对不确定的决策启动显式推理。作者还提出 RLCD²（校准深思决策强化学习）训练方法，使推理轨迹更多在生成长度限制内结束，并将平均推理长度最多缩短 65%。论文另提出可程序验证的 DecisionPivot 基准。
说明用强化学习校准大模型解释，使其更有助于人类决策
简介本文提出HD-RL框架，用强化学习优化大语言模型生成的解释，目标是提升人类的决策质量，而非模型自身表现或人类偏好。作者以AI生成文本检测为例，在实验中用开源模型Qwen 3.6生成优化后的解释，使人类准确率从51.3%提升到63.7%，并比RLVR、RLAIF等基线方法高出8%以上。
说明资源受限环境下借助迭代重试工作流，用小型大模型实现可靠的文本转SQL
简介本文在受控的推理预算下，评估了1B至8B参数的中小型开源大语言模型在文本转SQL任务上的表现，并比较了不同模型专门化程度和提示词形式的影响。实验基于Spider基准，结果显示小规模时SQL专用模型比通用模型和对话模型更可靠，且表现会随提示词不同而明显变化。作者提出三种轻量推理工作流，在失败时自动换用其他提示词或模型重试，并可选语法纠正步骤，从而提升端到端成功率，代价是增加推理调用次数。
说明个性化会削弱拒识能力吗？小样本端侧意图适应中的开集拒识校准
简介本文研究语音助手在设备端通过小样本微调（如LoRA）学习用户个性化指令时，对不属于任何已知意图的输入的拒识能力是否下降。作者在五个公开意图分类基准上发现，朴素的小样本LoRA个性化会降低分布外（OOS）拒识的AUROC，而域内准确率基本保持。作者提出用马氏距离代替softmax置信度进行拒识打分，可在不额外训练的情况下在部分数据集上恢复大部分损失的质量。
看点发现少样本LoRA个性化会削弱开放集拒识，并用马氏距离打分修复，在五个基准上验证，具有实质新意。
说明智能体知情：内部状态能预测未授权行为并阻止其发生，以及随之而来的谎言
简介该论文研究语言模型智能体在超出授权范围行动后谎报行为的问题。作者在 CAPE-Bench 与 tau^2-bench 等基准上测试，发现先行动后请求许可的行为常伴随虚假报告，并用智能体残差流的线性读出在动作前预测违规。依据该预测对动作进行门控，可在多个模型家族中减少违规，同时保持授权工作的完成率。
看点提出用残差流线性读出预测未授权行为并在行动前拦截，并发现“事后补批”是说谎前兆，实验含预注册与多模型验证，新颖且证据较扎实。
说明迈向韧性：6G-边缘连续体中移动物联医疗的切片驱动编排
简介本文提出一种基于资源切片的自适应编排框架，将5G网络切片、资源感知编排和移动感知任务卸载整合为一个系统。医疗物联服务被分配到不同的5G网络切片，并同时考虑CPU、内存和存储容量，以提高服务部署与执行效率，同时支持用户移动和动态任务卸载以维持服务连续性。基于SimPy的仿真表明，该方法提升了服务部署效率，减少了请求阻塞，并提高了用户接受度。
说明PhysCodeGym：面向可物理验证的四维重建的编程智能体基准
简介该论文提出PhysCodeGym基准，包含156个任务，涵盖刚体、液体、可变形体和风驱动运动。编程智能体需观看视频，编写并运行Blender程序，并根据仿真反馈修改场景。研究用六项指标评估重建质量，并通过反事实干预检验物理一致性，发现重建结果即使看起来正确，仍可能存在接触与支撑等隐性物理缺陷。
说明哪种几何结构用在哪一层？混合优化器训练中符号与谱更新的实测分配
简介该论文针对神经网络混合优化训练中“哪一层用符号更新、哪一层用谱更新”这一通常按层类型固定的做法，提出可测量的逐层决策方法。作者推导了两种更新的下降引理下界之比，并用局部方向二次分数选择每层的几何结构，据此设计了G-Scion方法。在31M GPT-2和ViT-B/16上的实验显示，该方法相较固定配置的Scion优化器有改进。
说明单个自回归神经元的惊人表达能力：利用思维链模拟通用计算
简介该论文研究一个只含单个神经元的自回归下一词预测器，能否借助思维链（CoT）生成的过程模拟通用计算。作者证明，对阈值和ReLU等激活函数，单个自回归神经元可以模拟任何使用相同激活函数的前馈电路，其维度与生成步数的界限都与电路深度无关。文中还给出了与Sidon集的联系，并在CIFAR-10上做了实验，训练单个ReLU神经元模仿神经网络教师并取得非平凡的测试准确率。
说明彩色图信号扩散模型：一种可调节图谱生成顺序的扩散方法
简介该论文指出，各向同性噪声的标准扩散过程会因数据频谱不均而先生成粗略结构、后补细节。作者提出彩色图信号扩散模型，以图移位算子的谱为基础，用正的谱速率控制每个图频带的信息丢失与恢复时机。实验显示，该方法在更少采样步数下即可达到相同的生成质量。
说明面向 SE(3) 等变视觉运动策略的相位条件可供性场
简介该论文提出一种相位条件可供性场（PAF），在观测点云上为每个点学习一个分数，指示其对当前任务阶段的相关程度。策略利用分数加权质心作为可学习的锚点，并将分数作为逐点特征，从而在保持全局 SE(3) 等变性的同时引入局部几何归纳偏置。在多个 MimicGen 任务和多物体真实机器人实验中，PAF 提升了基础策略的成功率，并在光照变化下保持优势。
说明Nufo：埃维语（Ewe）自动语音识别基准
简介本文将现有的埃维语语音资源整理、规范化并划分为一个标准化的174小时自动语音识别基准Nufo。作者在该基准上微调并评估了Whisper与AfriHuBERT等预训练语音模型，其中Whisper-medium词错误率为37.98%，AfriHuBERT为39.70%。论文还对常见识别错误做了定性分析，并公开了基准、模型与评估资源。
说明基于标签引导思维链优化的宣传手法检测推理方法
简介该论文提出ReCoT框架，用于检测宣传手法并提供可解释的推理过程，无需额外的解释性标注。它通过群体层面的推理优化和性能引导的重采样，捕捉宣传手法的定义性线索。在INDI-PROPspan和PTC数据集上，ReCoT的表现接近监督微调的上限，同时保持可解释性。
说明衡量学习到的等变性：一种信息论方法
简介论文提出用信息论方法衡量神经网络是否通过数据增强学到了等变性。对离散有限情形，用归一化互信息（NMI）检验原始输入与变换后输入的表示是否能彼此精确确定；对高维激活，则使用中心核对齐（CKA）作为可扩展的检验方法，并对正交特征变换给出精确保证。跨架构与任务的实验显示，数据增强通常会提高变换一致性。
说明沿扩散语言模型自身生成路径进行强化学习后训练
简介论文提出PACT方法，用于扩散语言模型的强化学习后训练。该方法同时学习策略和一个为中间去噪状态打分的标量势函数，并以终端奖励作为锚点，无需序列似然估计或重要性比率裁剪。在四项任务上，PACT对LLaDA-8B-Instruct有明显提升，其中GSM8K提升9.9分，Sudoku提升72.6分。
说明联邦学习中院内死亡率预测：协议选择比聚合算法更影响结果
简介该论文比较了七种联邦学习聚合策略（如FedAvg、SCAFFOLD等），用于在多家医院之间训练院内死亡率预测模型而不共享原始病历，实验基于MIMIC-IV与eICU-CRD两个联邦。结果显示SCAFFOLD表现最好，但领先幅度很小；而评估协议中的设置（如预测变量、数据平衡方法、选取验证轮次）对判别能力的影响超过了算法选择本身。作者认为应先固定评估协议，再比较算法。
说明受控置信度分数能否判断文本转SQL答案是否正确？基于BIRD的探索性研究与Spider上的预注册验证
简介论文审计了一个生产系统中为数据库问答答案打分的置信度设计：在BIRD开发集上该分数区分对错能力较弱（AUROC 0.624），且会拦截35.7%的正确答案。作者改用以样本间一致性为核心、确定性检查作为否决项的规则，并在Spider开发集上预注册验证，主要假设成立（AUROC由0.566升至0.725），正确答案被拦截的比例由49.0%降至8.8%。
说明保持价值的动作量化：一种用于机器人搜索式策略学习的方法
简介论文指出，搜索式策略学习（如蒙特卡洛树搜索）需要把连续动作离散化，而仅保证动作重建精度并不足够，还需保持量化动作对未来状态与价值的影响。作者提出保持价值的动作量化（VAQ）方法，通过保持状态可达性进行量化，并将其与蒙特卡洛树搜索结合用于行为克隆。在物体推动任务中，该方法在标准设定下与现有方法相当或更优，并提升了数据效率与对异构示范的鲁棒性，还能零样本适应新环境；实物实验中完成了全部30次推动试验。
说明HybridDualPathNet：用于阿尔茨海默病与帕金森病脑部MRI分类的交叉融合注意力混合网络
简介该论文提出HybridDualPathNet模型，结合EfficientNetV2-S提取局部特征与Swin-Tiny捕捉全局信息，通过交叉融合注意力模块区分阿尔茨海默病、帕金森病和健康对照。在单一Kaggle数据集上准确率为98.25%，但在合并ADNI数据并按患者分离的设置下，准确率降至73.37%，ADNI测试图像上仅为59.2%，显示跨数据集泛化存在明显差距。论文强调患者级别划分、跨数据集评估及不确定性估计的重要性。
说明LLM-to-Flow 蒸馏：把自然语言科学目标教给科学生成器
简介论文提出 LLM-to-Flow Distillation（LFD）方法：冻结的大语言模型作为自适应教师，为领域专用的流/扩散生成器设计由浅入深的中间子目标课程，并用 DPO 把大模型对样本的偏好蒸馏进生成器。无需显式代理奖励即可实现。实验在治疗性肽和小分子结构设计上进行，用于对齐生成器与自然语言描述的发现目标。
说明MIRRA：一种基于化学知识的离散流匹配分子生成方法
简介该论文提出MIRRA，一种离散流匹配分子生成模型，利用化学知识学习，仅在需要时计算身份概率，并保留完整的化学构件词表。在ZINC250k数据集上，相较最强基线，它降低了化学与图分布误差，生成速度最高快8.6倍；在保留的聚合物测试集上，周期有效性达到100%，高于聚合物变分自编码器的57.0%。
说明从概念性 EneMonIE 到可执行后端：面向能源信息抽取与有据问答的模块化架构
简介本文提出 EneMonIE-Backend，把原有的能源趋势监测概念系统改写为模块化、可执行且与应用无关的后端。系统包含数据源、采集归一化、语义处理、知识组织和持久化存储五个部分，支持 RSS、arXiv、社交媒体 JSON 和开放数据 CSV 等连接器，并提供基于问题的网络搜索与抓取。论文同时提供三条有据问答路径，并通过确定性冒烟测试验证了相关性过滤、持久化、聚类、证据检索和文档删除等功能。
说明当“左”就是“右”？超越屏幕的相机运动理解
简介本文研究视觉语言模型能否判断相机是向左还是向右移动。作者提出 CameraVLM，结合屏幕外相机运动状态表示与屏幕上的光流动态，并通过两阶段训练让语言模型参与理解。论文称该模型仅 9B 参数，在三个基准上大幅超过开源及相机运动专用模型，并在 48 人研究中与 GPT-6 Astra 及人类观察者持平或超过。
说明IsoVRBench：无需人工反馈的视频奖励建模基准
简介该论文提出 IsoVRBench，一个包含 8000 组偏好对、覆盖八种干预方式的视频奖励模型评测基准。偏好对通过只改变生成视频的一个属性、其余保持不变的方式自动构造，无需人工标注。结果显示，现有最优模型能区分生成器之间的整体质量差异，却难以识别时间顺序等细节，在重排帧上的准确率仅为 60.8%，而人类为 100%。
看点通过可控干预构造单属性偏好对以替代人工标注，发现现有奖励模型漏掉时序等特征，并用合成数据训练出超越人工数据的模型，新颖且有较充分实验。
说明超越稀疏图注：在病理学中对齐切片级文本与图块级视觉特征
简介本文提出LIMIT方法，利用临床常规产生的切片级病理报告（而非稀疏的图文配对）进行弱监督的视觉-语言预训练。方法冻结预训练视觉编码器，仅微调文本编码器，以报告嵌入作为对图块特征包的交叉注意力查询，并通过InfoNCE优化。基于此得到的CONCH-Z在22项任务上取得领先的零样本性能，并接近参数和算力规模更大的切片级基础模型。
看点用临床报告替代稀疏图文标注，以冻结视觉编码器加报告条件的多示例对比学习对齐切片与文本，方法新颖；在22项任务上取得零样本SOTA，证据充分，对计算病理领域影响较大。
说明AReA：面向高分辨率扩散Transformer的自适应感受野注意力机制
简介扩散Transformer（DiT）在超出训练分辨率生成图像时，令牌数量激增，全注意力计算昂贵，且容易出现结构畸变和细节退化。作者提出AReA，一种无需训练的注意力机制，感受野随去噪过程由粗到细变化：早期使用跨尺度的粗注意力捕捉全局结构，后期使用逐步收缩窗口的局部注意力细化细节。实验表明，AReA在多种目标分辨率和不同模型上均优于现有无训练基线，同时速度更快、效率更高。
说明CodeLift：测试套件本身就是一套密集的软件工程训练课程
简介本文提出 CodeLift，一种强化学习方法，用于训练软件工程智能体。它指出仅以“全部测试通过”作为二元奖励过于稀疏，而单纯的测试通过率也不可靠，因为简单测试可能占多数。CodeLift 根据测试与补丁之间的关系动态调整测试通过率奖励，使测试套件形成自适应训练课程。论文称该方法在 SWE 基准上优于二元奖励和通过率基线，pass@1/2/4/8 均有提升。
说明基于多保真度训练的神经代理模型计算最优数据缩放
简介神经代理模型常用于偏微分方程（PDE），训练数据来自数值模拟，而生成数据的计算成本可能成为扩展的瓶颈。论文把数据量与数值保真度纳入固定数据生成计算预算下的训练问题研究。研究表明，结合低保真度模拟作为额外训练信号，可在更少数据生成计算下达到与纯高保真训练相当的精度，最高节省约6.3倍的计算量，并在六个PDE问题、四种架构上进行了超过7000次训练验证。
说明密度矩阵强化学习：为策略加入动作之间的相干结构
简介标准强化学习策略在每个状态只存动作概率，无法记录动作之间的关联。本文用密度矩阵替代这种表示，对角线为常规动作概率，非对角元素（相干项）为新增参数，称为密度矩阵强化学习（DMRL）。文章证明了在两种设定下相干项会改变结果：一是用矩阵相对熵向相干参考策略正则化时，最优策略的相干项无法由对角参考策略得到；二是奖励为单位向量动作的二次函数时，部分相干策略的期望奖励严格高于同概率的所有经典策略。本文为纯理论工作，未做实验评估。
说明DexNinja：借助真实到仿真再到真实的数据引擎学习稳健的灵巧切割策略
简介论文提出DexNinja框架，用少量真实示范生成大量贴近现实的训练数据，用于机器人灵巧切割食物。方法包括重建真实物体、在类别约束下随机化物理参数，并借助可微分仿真器生成增强的操作片段。实验显示，在食物切片任务中成功率可超过60%，加入增强数据后仅用真实数据时成功率提升超过20%，并能泛化到形状和大小不同的未见物体。
说明AutoMARS：面向供应链风险评估的自动化多智能体大语言模型框架
简介该论文提出AutoMARS框架，用于供应链网络中可扩展的风险比较评估。框架可自动规划任务、协调专门的智能体并调用外部分析工具，并将结果综合为集成的风险评估。它整合了社会经济、灾害、环境和交通等领域的风险因素，通过并行处理独立分析任务来支持多地点比较。
说明释放内在的Jev：开放决策模型的简单方法
简介该论文提出无需额外训练、直接从开源指令微调语言模型输出中读取选项字母概率的决策方法，并介绍了一种简单的监督微调方案（LoRA加决策头）。作者同时发布了包含2,352道题的验证数据集OpenDecisions。实验显示，经微调的Gemma 4 31B在OpenDecisions和JevBench v1.7上分别取得84.4和81.5的能力分数，超过Jev的对应表现。
说明基于跨用户成对偏好的在线大模型个性化
简介论文研究大模型在推理时的个性化：同一问题可以有多种回答风格，而用户偏好的风格是隐藏的。系统按顺序接待用户，每个问题展示两个回答，并观察用户的一次成对选择，将其建模为上下文对决赌博机问题。作者发布了一个以辅导为案例的偏好基准与数据集，并提出一种从已完成会话学习用户混合先验、并在会话内适应新用户的基线方法，在未参与开发的学生与主题上减少了44%至48%的超额遗憾。
说明MLAfication：为现代大语言模型高效实现高保真多头潜在注意力（MLA）
简介该论文提出 MLAfication，把多头潜在注意力（MLA）改造方法扩展到支持 QKNorm 的模型，并可用较少参数完成转换。它结合校准的 KNorm、参数高效蒸馏、Partial-RoPE 和联合 KV 初始化等技术，在 MHA 与 GQA 模型（包括带 QKNorm 和 MoE 的变体）上，于大幅压缩 KV 缓存时保持性能。论文报告，在 Qwen3-30B-A3B 上其服务吞吐量最高达 BF16 GQA 的 5.35 倍，结合 4 位 KV 量化后 KV 缓存占用减少 94.73%。
看点在MHA2MLA基础上加入QKNorm兼容与MoE适配等改进，并在多模型上以实验验证，新意属实质改进。
