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LintEval：面向 Linter 引导文件重构的大模型基准测试
简介该论文提出 LintEval，一个针对 C++、Python 和 Java 的多语言基准，用于评估大模型在保持程序功能正确的前提下，依据 Linter 告警重构源文件的能力。基准包含 13,061 个程序和 171,662 条告警，同时衡量功能保持、告警减少、避免新告警和编辑最小化。实验显示闭源商业模型告警减少率最高达 90.4%，但 Pass@1 仅为 67.1%-68.3%，并且面向重构的微调可将 Qwen2.5-Coder-7B 的告警减少率从 24.7% 提升到 76.0%。
说明记住「是谁」，掌握「怎么做」：持久化助手的个人记忆与程序性记忆基准测试
简介该论文指出，持久化个人助手需要同时维护关于服务对象的个人记忆和关于如何行动的程序性记忆，而现有基准多只关注其中一种。作者提出 PraxisMemBench 基准，覆盖日常生活与工作场景，并提出 PraxisMem 方法；实验显示其整体会话成功率为 40.78%，高于 Claude Code 原生记忆的 20.60%。
说明MorphAct：机器人策略随其所处世界动态变形
简介这篇arXiv论文提出MorphAct框架，让机器人策略参数随交互情境变化而动态调整，而不是在所有任务间共享固定参数。两个相互耦合的生成器为视觉-语言模块和动作模块生成随情境变化的低秩参数更新，并通过原生动作目标联合训练。论文报告在LIBERO和Meta-World上，三种VLA骨干网络的性能最高提升16.30%，真实世界评估中相对π0.5最高提升14%。
说明重新思考用户编码器：通过扩散状态路由实现场景自适应的用户表示
简介该论文指出，基于自回归大语言模型的用户编码器是单向的，难以融合多源行为信号，学到的静态表示难以适应不同场景。作者提出FINDERS框架，利用扩散语言模型的迭代去噪过程，经去噪、分解、路由、压缩四步生成场景自适应的用户表示，并构建了带行为理由的BehaviorQA语料。论文称其在十个工业场景的实验与在线A/B测试中优于现有方法。
看点将扩散语言模型的去噪状态分解并路由用于场景自适应用户表征，思路较新；十个工业场景的离线与在线A/B实验提供了较强证据。
说明半梯度时序差分学习的收敛性：平均场视角
简介该论文研究强化学习中半梯度时序差分（TD）方法在两层神经网络平均场区域下的稳定性。作者指出一种简单的稳定机制：熵引起的松弛作用可以压过移动自举目标的敏感性。在此条件下，论文证明了指数收敛到唯一不动点，并量化了该不动点相对于未正则化贝尔曼解的偏差。论文还表明，同一机制可通过软Q学习扩展到熵正则化的离策略控制。
说明ChemArgus：面向实验室级多模态化学推理的自动化科学诊断基准
简介该论文提出 ChemArgus，一个基于化学竞赛题、教材和研究论文的高难度化学基准。它不只看最终答案，而是按子问题给分，并对图像与文本输入做对照，以判断模型推理链条在哪一步出错。文中指出，GPT-5.6-Sol 在无辅助整题求解中得分为 23.2%，在两种顺序化指标下分别为 28.8% 和 30.4%，两者差距被用来衡量整合负担。
说明用双曲几何的目标条件强化学习超越1000层欧氏网络
简介该论文针对自监督对比强化学习（CRL）的目标到达任务，把对比目标中的欧氏距离换成双曲空间中的测地距离，即双曲CRL。在有墙壁的复杂迷宫中，路径距离往往明显偏离欧氏距离，双曲表示能更好地匹配任务结构。原文称，64层双曲智能体在困难导航任务中优于1024层欧氏网络，训练速度快12倍以上，参数约少13倍。
说明马尔可夫链伪谱间隙的极小极大估计及其在经验集中界中的应用
简介本文研究如何仅凭单条马尔可夫链轨迹，对其伪谱间隙进行极小极大最优估计，并将有限状态空间的既有结果推广到紧致连续状态空间。作者证明，在转移算子具有Lipschitz密度的链类中，该估计量在对数因子之内达到极小极大最优。结合Paulin的Bernstein不等式版本，可推导马尔可夫链的经验集中不等式，并应用于置信区间、主动学习和泛化界；文中还给出了带马尔可夫奖励的静止老虎机的UCB算法，其遗憾界与独立同分布情形相似，且无需预先知道链的伪谱间隙。
看点将有限状态马尔可夫链的伪谱隙估计推广到紧致连续状态空间，给出极小极大最优估计并应用于经验集中不等式与UCB遗憾界。
说明面向上下文强化学习的可证明Transformer上下文压缩：证明在固定策略TD评估中，Transformer进行上下文学习所需的最小上下文维度及近似误差的理论界。
简介该论文研究Transformer在无需更新参数的情况下进行上下文强化学习时所需的上下文规模。作者证明，在共享线性解码器下，精确复现前L步TD迭代所需的最小上下文维度等于采样转移诱导的Krylov维度。当可用维度不足时，给出了最优近似误差的理论刻画，并通过实验展示了上下文压缩的内存收益及预训练的全局收敛性。
说明编码代理未说明的内容：衡量执行过程与报告之间的任务状态差距
说明强健的工具框架可缩小模型差距：立法文件转 XML 的对比评估
简介本文研究如何把美国州立法文本转换为严格符合结构约束的 XML，并以 153 份金标准法案在两个司法辖区上做对照实验。作者比较了零样本、单一工具代理和多代理分解流水线三种框架与三种 Claude 模型的组合。结果显示，完整流水线中最弱的模型明显优于单独使用的最强模型，表明框架工程比模型本身更关键。
说明储层计算（回声状态网络）在少样本序列模式任务上的经验边界
简介本文对回声状态网络（ESN）的分布、结构与优化变体进行实证分析，任务为基于离散符号序列的少样本序列到序列合成任务。研究发现，保持线性状态有助于记忆类任务；提出的数据相关调制机制G-ESN能解决普通ESN无法完成的加法问题和括号匹配问题；深层ESN中跨层共享读出在部分结构任务上优于拼接读出。
说明基于词元身份的大语言模型灰盒幻觉检测（GURI）
简介论文指出，现有灰盒幻觉检测器只利用生成时的概率统计，无法区分模型在两个候选词之间犹豫的具体内容。作者提出轻量级检测方法GURI，将候选词概率与每个词元的向量标识相结合。在三个开放权重模型和三个问答基准上，平均测试ROC-AUC从72.09%提升至79.09%；在闭源模型GPT-4.1上从67.39%提升至71.84%。
说明为何水下冰层AUV视频的三维重建会失败，以及如何预测这种失败
简介本文针对南极冰下自主水下航行器（AUV）拍摄的视频，测试了四种三维重建方法，结果均失败，失败形式各不相同。作者认为，四种方法的失败都与同一拍摄条件有关，即相机基线与场景深度的比值较小。基于这一分析，作者提出一种检测系统，可在几分钟内标记此类失败，避免浪费数小时的计算资源。
说明法律开放式答题评分综述：从法学院考试到可信的评分表评审
简介本文系统梳理了如何评估法学院式的开放式法律作答，如案例解答、论文和备忘录。作者依据教育测量与考试法律推导出八项要求，并比较了从人工评分到基于实例评分表的大语言模型评审等八种评估范式。研究认为，针对任务撰写的评分表最能提高模型与人工评分的一致性，但目前的验证仍存在明显缺口，因此可信的评分表评审目前只适合用于形成性反馈、基准测试以及辅助考官，不宜在涉及学分时取代人工评分。
说明LatentLoop：用非对称计算分配扩展循环 MoE 模型
简介论文提出 LatentLoop，针对共享参数、循环两次的混合专家（MoE）模型。作者发现第一次循环的残差缩放可以减小而不损害性能，第二次则不行，因此提出压缩第一次循环的序列、保留第二次全分辨率，并把节省的计算用于增大隐藏维度。在 1.3B 至 7B 参数的 15 组配置中，该方法持续降低验证集 NLL，并在九项基准的 0-shot 与 5-shot 平均分上有所提升。
说明Safe-FCL：面向大模型联邦持续学习的持续风险感知与细粒度安全聚合
简介该论文提出 Safe-FCL 框架，用于大语言模型的联邦持续学习，以防止恶意客户端更新损害全局模型安全。其中持续风险感知机制在连续任务中学习新出现的风险模式，并借助历史特征导出的保护子空间约束检测器更新，减少对已学会的恶意模式的遗忘。细粒度安全聚合机制结合客户端风险评估与模块级偏差来调节聚合权重，抑制可能的恶意更新。实验显示，该方法在 Rule 与 MD-Judge 指标上分别提升 0.41% 和 0.64%，平均风险识别准确率提升 2.01%。
说明根据本征维度选择注意力头数：小规模研究
简介本文测试了一个预先设定 Transformer 注意力头数的简单启发式方法：先估计词元表示的本征维度，再大致使用同等数量的头。作者用在 WikiText-2 上的 DistilBERT 嵌入训练嵌套丢弃 VAE 来估计本征维度，得到约 9.2。在小型4层模型上，10个头与32个头在 SST-2 和 MRPC 上统计等效，且10头模型的注意力参数减少69%。作者强调证据有限，仅作为值得在更大规模上验证的实用启发，而非通用原理。
说明基于价值信息的日程裁剪：加速离散扩散中的序贯蒙特卡洛引导（VISTA）
简介该论文针对奖励引导的离散扩散模型，提出免训练方法VISTA，在固定计算预算下自动选择需要引导的去噪时间步，以减少序贯蒙特卡洛（SMC）引导的开销。方法通过少量完整引导的预热生成收集价值统计量，并用动态规划求解经验代理目标。在文本、生物序列和图像生成任务中，VISTA多数情况下优于人工设计的稀疏日程。在有毒文本生成中，其唯一有毒比例为0.99（完整引导为1.00），单次生成延迟由204.23秒降至38.16秒。
说明面向世界动作模型的互补式未来令牌剪枝
简介世界动作模型（WAM）同时预测未来视觉状态与机器人动作，但处理大量未来帧令牌会带来明显的推理延迟。本文提出无需训练的CF-Prune框架，对预训练WAM中的未来帧令牌进行剪枝，并结合指令与动作注意力识别任务相关令牌。在RoboLab、RoboCasa及真实机械臂任务上，35%剪枝率下平均加速1.19至1.27倍且成功率有所提升，50%剪枝率下两项仿真基准平均加速1.29至1.33倍，整体成功率与基线相差不超过1.0个百分点。
说明可解释世界模型的神经符号学习：用逻辑知识学习可读概念并进行规划
简介该论文提出概念基础世界模型（CGWM），通过时序逻辑表达的已知规则，从观测中学习可解释的概念表示，而不是纯黑箱表示。规划被转化为可微推理，通过梯度上升优化智能体动作以满足目标。在两个游戏环境中，CGWM 比纯神经网络基线和神经符号基线更准确地识别概念，长时程下也更稳健，在分布内外都有更好的规划表现。
说明AtomSearch：基于证据的树搜索，用于智能体技能优化
简介该论文提出AtomSearch方法，用于优化智能体技能（即可编辑的外部指令），在冻结的基础模型之上进行改进。方法将每次规则修改拆分为原子级编辑，并通过技能状态树搜索保留有价值的中间状态。在四个任务和五个目标模型上的实验显示，该方法在四个任务中的三个上超过SkillOpt，并使最终技能更加紧凑。
说明保护模式：大型语言模型在决策中对人身保护优先于后果的现象研究
简介这篇论文研究大型语言模型在简单紧急决策中会优先保护人或动物而非财产的倾向，称为"保护模式"。作者构建了包含285个提示、34类物理情境的ProtectionBench基准，测试九个模型并与人类评分者对比。结果显示部分模型明显更倾向保护主体，且并非总是因为误判风险，还有模型能正确排序风险却仍选择保护主体。
说明学习图能量以实现有限步数生成
简介本文提出有限时域能量学习方法，在采样步数固定的条件下，调整Metropolis-Hastings采样器的接受能量，使其返回的分布更准确。该方法用于图生成任务，并在二元目标分布和MOSES分子数据集上与基于能量的基线方法进行比较。论文报告了较低的终端总变差和更低的FCD指标。
说明机器翻译会保留媒体偏见吗？
简介本文是一项小型探索性研究，考察英语和德语译为保加利亚语时，机器翻译能否保留新闻中的媒体偏见（涉及27种偏见类型）。作者评估了四种先进翻译方法。结果显示，机器翻译并不能完全保留原文的新闻偏见，还可能自行引入额外偏见。作者称这是首个关于机器翻译媒体偏见保留的实验研究。
说明MorphingNet：网络本身就是公式的符号回归方法
简介该论文提出 MorphingNet，一种用于符号回归的网络，其单元函数形式可连续变化，并将函数形式作为参数训练，从而把公式搜索转化为连续优化问题。训练后再通过结构恢复步骤将公式改写为简短的基本表达式。论文报告其在 SRBench 上达到最先进精度，并在大数据上比最强搜索方法快达两个数量级。
说明能推理但不会停：理解并修复剪枝后的大型推理模型
简介该论文研究权重剪枝为何会降低大型推理模型的准确率，发现主要问题在于模型无法停止，而非推理能力受损：稀疏度越高，模型越容易在得出正确答案后陷入重复循环而无法在令牌预算内结束。作者观察到终止与循环延续在隐藏状态上的差异在不同剪枝检查点间一致，并据此提出无需训练的终止引导激活转向方法（TGAS），在推理时向残差流加入该方向，在六个模型、三种剪枝流程及数学与代码基准上提升了终止率和整体准确率。
说明从图像中挖掘指令：为多模态学习构建合成数据集（ILSP DCVLR竞赛提交）
简介本文提出一套紧凑且可复现的流程，用于合成并筛选基于图像的指令-回答对，服务于DCVLR竞赛。作者以Cauldron数据集为素材，借助Qwen2.5-VL-7B Instruct模型，以Magpie风格生成简洁的图像条件指令对，再经清洗、标注和基于DeBERTa-v3奖励模型打分的过滤，仅保留得分为正的样本。最终数据集涵盖数学、空间和社会推理等多个领域的多样化指令。
说明SAM3RL：用强化学习控制视觉目标跟踪的记忆
简介SAM 3 是用于图像与视频分割的基础模型，其跟踪器依靠记忆库保存过去帧的信息，目前以先进先出规则管理。本文提出SAM3RL，在SAM 3跟踪器上加入一个轻量记忆控制器，通过强化学习决定哪些帧进入记忆库。在12个跟踪与视频目标分割基准中，SAM3RL在10个上取得新的最优结果，且不增加运行时开销；应用于SAM 2的SAM2RL在9个基准上也优于人工设计的规则。
说明MemDuet：学习用于长上下文推理的双过程记忆机制
简介该论文提出MemDuet，一种双过程记忆框架，借鉴卡尼曼的快慢思维理论，让小型语言模型快速并行地从原始上下文片段中筛选证据，大型语言模型则按文档顺序验证并更新记忆。模型分三阶段训练，并在RULER-HQA、LongBench v2和2WikiMultiHopQA上测试。相对于RL-MemAgent，其平均端到端推理速度提升9.74倍，输出token减少73.91%。
说明高斯过程汤普森采样在高效全局优化中的收敛速率
简介本文研究在无噪声观测、目标函数位于再生核希尔伯特空间中的前提下，高斯过程汤普森采样（GP-TS）的收敛速率。对于Matérn核，给出了离散与连续两种实现的最坏情形简单遗憾上界，并证明标准GP-TS在一维Matérn-5/2核下存在对数因子损失的下界。作者据此提出高斯过程截断汤普森采样（GP-CTS），消除了该对数损失，达到极小极大最优速率。
看点提出GP-CTS消除标准GP-TS的对数惩罚并达到极小极大最优速率，给出匹配下界，理论贡献突出；但主要为理论分析，应用影响范围有限。
说明MolHop：用于跨骨架分子发现的智能体强化学习方法
简介该论文指出，分子设计中的优化与寻找结构完全不同的替代分子是两类不同的搜索问题。作者提出MolHop框架，将约160万个商业分子骨架组织成由粗到细的分层动作空间，智能体通过骨架导航和分子编辑进行探索，并保留历史轨迹记忆。作者通过智能体强化学习训练MolHop-9B模型，在药物分子和商业化合物任务中，其跨骨架联合成功率优于所列生成式基线，且生成分子与参考分子的骨架差异更大。
说明基于双空间轨道学习的超越DFT电子能带结构预测
简介本文提出O-kRystal框架，以较低成本的PBE计算作为能量基准和轨道信息来源，预测更高精度的能带修正。在近6000种三维材料上，对费米能级附近5 eV内的状态，其预测HSE06能带能量的平均绝对误差为0.171±0.009 eV。在六种强关联材料上，相比PBE误差降低68.7%。
看点用PBE轨道信息学习HSE06及G0W0修正，跨理论层级泛化，并在强关联材料上大幅降低误差，新意突出。
说明基准饱和后如何评估模型能力：利用已饱和基准的解题记录
简介随着模型能力快速提升，许多AI基准测试趋于饱和，分数难以区分模型。本文研究：即使分数已饱和，基准题目的完整解题过程记录是否仍能用于评估能力。作者以历史数据回溯模拟饱和情形，测试多种从记录中提取信息的方法，结果显示成对判断效果最好，相比仅用基准分数的基线，预测误差降低约5.3倍。但这些方法在分布变化时泛化能力不稳定，例如会低估2025年初首批推理模型的能力。
说明并非所有评分标准都同等重要：面向基于评分表的大模型评估的重要性感知权重方法
简介论文指出，基于评分表的大模型评估通常对各项标准统一加权，会把次要标准与关键标准等同看待，导致评估分数失真。作者提出重要性感知标准加权方法（ICW），由大模型对标准两两比较重要性，检查并修正不一致的比较结果，再从比较矩阵的主特征向量推导各标准权重。实验显示该方法优于统一加权和其他加权方法，并能在下游强化学习中训练出更好的策略模型。
说明MUCO：面向组合式长时程机器人任务的操作单元结构化框架
简介该论文提出“操作单元”（MU）概念，把长时程机器人操作拆成可复用的局部操作，每个单元有局部目标、启动条件和可观测的成功与失败判据，并单独学习与验证。作者据此提出MU结构化操作框架MUCO，依据语言与视觉构建单元序列，把每个单元分配给能力注册表中校准成功率最高的策略模型，并通过视觉验证决定重试或切换。实验在RLBench、RoboTwin 2.0及五项真实任务上进行，结果显示其完整任务成功率更高、故障遏制更好、误差传播更低。
说明用最优传输量化目标检测标注的一致性
简介该论文提出一种基于最优传输（OT）的指标，用于衡量目标检测中两套标注之间的一致程度。与先将框重叠二值化的常规指标不同，它对匹配与未匹配的标注框赋予分级代价。作者通过理论分析以及对真实和人工扰动标注的实验表明，该指标能捕捉一致性的细微变化，并区分阈值化指标得分相同的标注对。
说明CARD：构建对抗鲁棒性蒸馏中的师生闭环
简介传统对抗鲁棒性蒸馏把鲁棒教师模型当作固定知识源，单向地把鲁棒性迁移给紧凑的学生模型。本文提出循环对抗鲁棒性蒸馏框架CARD，先进行强到弱的蒸馏，再利用学生反馈优化教师，最后把教师的提升迁回同一学生。实验表明，在CIFAR-10、CIFAR-100和TinyImageNet-10上，CARD在多数设置中提升了对抗鲁棒性，同时基本保持了干净样本准确率。
说明非对抗性噪声何时会损害学习：智能体技能自我进化的基准评测
简介本文提出 RSE-Bench，这是首个在普通、非对抗性噪声下评估智能体技能自我进化能力的基准，涵盖四个领域和六个数据集。研究将学习阶段的噪声与评估阶段的输入噪声分开考察，并提出与方法无关的框架 RSEClaw 用于注入噪声和诊断。结果显示，在噪声下学习只保留了干净自我进化总增益的 25.5% 至 42.1%，且仅扰动执行记录和结果-记录配对也会造成相近的损失。
说明稀疏Transformer：用于机制可解释性研究的可控测试平台
简介这篇论文提出一个稀疏Transformer（ST）语言模型，在TinyStories数据集上训练，其宽而稀疏的MLP层促使神经元专门化，从而为评估可解释性方法提供已知的参考基准。研究显示，ST神经元的可解释性优于损失相当的稠密模型（AutoInterp指标高43%），且中位数12个神经元的电路即可复现单个预测。作者还用它比较了特征学习方法，并研究了压缩导致特征叠加（多义性）的过程。
说明超越基准准确率：大语言模型化学预测的诊断测试
简介本文指出，大语言模型在化学预测基准上表现良好，但现有评测直接给出目标实体身份，难以判断预测是否来自可迁移的结构-性质推理。作者提出"身份隐藏推理诊断"框架，用已知源实体加明确的结构编辑操作来定义目标，并在气味预测、分子性质预测、逆合成和反应产率预测等六项任务上评估。结果显示，高基准准确率不一定说明模型具备可靠的结构-性质推理能力。
说明基于任务专用低秩适配器的多模态医学图像解析
简介该论文用 Qwen3.5-9B 视觉语言模型参加 FLARE 2026 任务三，涵盖六类任务和七种成像模态。系统以冻结的 4 位量化主干配合按问题选择的 LoRA 适配器，并针对各任务调整适配器秩与提示词。论文报告了内部验证集与组织方隐藏验证集上的分类、多标签分类、计数、检测、回归和报告生成等指标，并称任务专用适配器配置有助于提升表现。
说明GUI智能体为何失败：用于诊断执行稳定性的GraceBench基准
简介该论文提出GraceBench，一个用于评估移动应用图形界面（GUI）智能体的在线框架，以UI转换图（UTG）作为步骤级执行诊断的结构参考。它通过视频支持的轨迹评估，衡量偏离率、循环负担率和恢复能力等指标。在3,718条轨迹的测试中，结果显示仅看任务成功率会掩盖执行不稳定的问题。
说明高阶对象的通用样本嵌入方法：用固定长度向量表示分布、函数与图
简介该论文提出一个统一框架，把分布、函数、图等高阶对象表示为固定长度的嵌入向量。编码器只根据有限样本生成嵌入，解码器则以该嵌入为条件对对象建模并提供训练信号。作者在分布、函数和图上验证了这一方法，并展示了嵌入空间中的插值、微分方程求解以及图上未知边的预测等应用。
说明DeepPV-MRF：从磁共振指纹时间序列端到端估计部分容积组织比例
简介该论文提出DeepPV-MRF深度学习框架，直接从原始磁共振指纹（MRF）信号估计每个体素中脑脊液、灰质和白质的比例，无需中间的T1/T2图。模型结合时间编码与空间U-Net细化，并在仿真和体内数据上与两种传统方法比较，结果显示其误差更低、结构相似性更高，但作者指出临床应用前仍需进一步验证。
说明低误报率下的异常声音检测小样本自适应方法
简介本文针对工业机械的声学故障检测，提出两步方法：先仅用正常运行音频部署带正则化的无监督模型，出现首次故障后，再利用故障期间采集的少量异常样本进行小样本自适应。结果显示，精确率-召回率曲线下面积（AUPR）从23.0提升至64.0，低误报率区域的部分ROC曲线下面积（pAUROC）从39.6提升至72.8。作者还指出协方差正则化可同时提升无监督模型的预测精度与训练稳定性。
说明基于表征的测试时自适应在多模态大模型上的局限性
简介视觉-语言模型在常见图像退化下准确率会明显下降。该论文发现，在 CLIP 类对比模型上有效的基于表征的测试时自适应，在多模态大模型（MLLM）上几乎无法恢复性能，即使离线利用目标数据，按样本无关的特征对齐也只带来很小的提升。作者认为，退化带来的偏移在视觉 token 序列中近乎正交并覆盖整个嵌入空间，因此仅靠表征空间的干预可能不足以保证 MLLM 的抗退化能力。
说明ReCoPII：基于实体关系构建上下文感知个人信息遮蔽数据集的框架
简介该论文提出ReCoPII框架，用于构建上下文感知的个人信息（PII）遮蔽训练数据。它依据本体约束规划实体关系，生成带占位符的插入句，并以代码重建标注、由另一大模型检查，再根据实体关系推导遮蔽与保留标签。作者在六个领域的韩语文档上构建了ReCoPII-Ko语料库，并报告其保留标签的标注一致率高于基于作者的增强方法（SPY）。
说明简单多数投票的改进：基于推理长度的条件加权
简介该论文提出长度条件多数投票（LCMV），在大语言模型推理时对多条思维链答案进行投票。方法基于较长思维链正确率较低的经验观察，用逻辑函数建模先验，并仅利用未标注测试数据在测试时调整，无需微调模型。实验显示该方法在多个模型和推理基准上优于标准多数投票及已有的长度或置信度聚合策略。
看点将长度相关的先验以逻辑函数建模并在测试时仅用无标签数据自适应，对多数投票有实质改进；多模型多基准实验对比充分。
说明基于漂移（drifting）的占用度建模：一步生成实现直接策略提取
简介本文面向从无标签数据进行强化学习的方法：先在无奖励轨迹上预训练生成模型来建模占用度（折扣状态访问分布），再用少量带奖励标注的数据提取策略。作者分别分析了模型对多峰结构的建模程度、生成模型类别和策略提取方法三个方面，并提出一种借助一步生成采样器 drifting 的简化方法，通过对占用度模型直接求导提取策略，无需蒸馏评论家网络。作者称该方法在标准基准上取得了性能提升。
说明BluePixel：迈向原生4K智能体图像编辑
简介本文提出BluePixel系统，将原生4K图像编辑模型与智能体控制框架结合，并公开完整训练方案。模型通过渐进式VAE适配、持续学习和强化学习完成4K训练，再经SATP蒸馏将50步去噪压缩为4步，在单张昆仑芯P800上8.7秒完成一次4K编辑。智能体负责拆解用户指令、用同一奖励模型验证结果并在有限次数内重试。在包含3,305个原生4K案例的VINS-4KEval++上，该系统在七个模型中排名第二，仅次于GPT Image 2（非编辑区域一致性指标）。
说明《世界不会等待》：在实时时钟下评估与训练智能体
简介该论文提出 RealtimeBench，包含六类游戏共 180 个任务，在游戏持续运行时评估大语言模型智能体。结果显示，在游戏暂停时表现更强的 GPT-6.1-sol，在游戏持续运行时反而落后于较快的 Jev。作者还提出双时间尺度离线递归自我改进方法 TORSI：慢速教师在暂停的游戏中分析失败并撰写指令，快速学生在对局中无需调用教师即可行动，经两轮训练，Jev 的平均测试分数从 13.51 提升至 24.19。
说明CoDy：以视频编解码动态作为互补先验的无监督时序动作定位
简介该论文针对无监督时序动作定位（在无标注条件下识别动作类别并确定其起止时间）。作者发现视频编解码器的信息与动作类别相关，并据此提出CoDy框架，把编解码动态与RGB及光流结合，生成伪标签和边界先验。该方法仅在训练阶段使用编解码信息，推理时不增加计算。在THUMOS14和ActivityNet v1.3上的实验显示其优于现有无监督方法。
说明神经Wasserstein样条：用于轨迹推断的表示不变二阶先验
简介该论文研究如何由无配对的时间快照推断群体动态轨迹。作者提出神经Wasserstein样条方法（NWSP），用神经网络把隐变量映射为时间三次样条的控制点，并用基于标量势函数字典的投影近似Wasserstein加速度作为平滑先验。作者证明了固定字典下该惩罚只依赖边缘曲线，并在多个合成与单细胞基准上与传输及流方法具有竞争力。
说明SPARS：面向持续学习的稳定性-可塑性感知参数区域选择框架
简介该论文提出SPARS框架，用于解决持续学习中学习新任务时覆盖旧知识（灾难性遗忘）的问题。SPARS无需回放旧样本，结合全局参数隔离与局部参数正则化，按参数重要性将参数分为获胜、邻近和非重要三类区域，分别采用选择性冻结、软正则化或自由学习策略，并用二次判别分析缓解类增量学习中的分类器偏置。在CIFAR-10和TinyImageNet上，其平均增量准确率优于现有方法，其中TinyImageNet类增量学习提升约6%，同时为未来任务保留超过60%的参数。
说明RCCM：诊断推理提示迁移中的收益与危害
简介该论文提出 RCCM（推理控制能力错配）方法，将同一问题的答案与生成结束方式的记录配对，考察推理提示在不同部署间的收益与危害。研究涵盖五个开放权重部署和九种策略，指出总体准确率掩盖了逐题层面的显著收益与损害。结果显示，提示的效果需结合执行过程与评估方式一同解读。
说明基于流匹配的理由分布蒸馏：用于分布式连续潜在推理的方法
简介这篇论文针对语言模型推理时只用单一推理路径的局限，提出理由分布蒸馏（RDD）方法，用条件流在固定长度的潜在序列上学习多条文本推理路径的分布。方法还通过同一问题内的混合插值扩充训练目标。实验显示，相比所评测的点值潜在推理基线，该方法在高等数学任务上取得了更高的答案覆盖率。
说明SEA-HELM Audio：评估东南亚多语言语音识别与大模型流水线在各子集上的表现
简介本文提出 SEA-HELM Audio，是对文本基准 SEA-HELM 的扩展，用于评估级联式语音识别（ASR）加大语言模型流水线的性能下降情况。研究使用合成语音，在中文、英文、马来语、印尼语和泰米尔语上比较语音输入与文本输入在多项选择推理和指令遵循任务中的表现。结果显示准确率明显下降，泰米尔语下降最多。
说明Explorer-Zero：用可分解的可验证奖励改进长程任务的自我对弈训练
简介该论文提出 Explorer-Zero，一种自我对弈框架，让 LLM 智能体在环境交互中同时生成任务和细粒度的可验证奖励，无需人工标注训练任务。提议者探索环境并记录中间与最终状态作为检验点，据此对部分完成给予奖励。在 ALFWorld、ScienceWorld 和 AppWorld 上，该方法优于评测的自我对弈基线；其 30B 智能体在 AppWorld 上达到 59.67% 的任务成功率，接近人工标注任务强化学习的 62.65%。
说明Euler：面向人类的多智能体数学发现系统
简介该论文提出 Euler，一个以人为中心的数学研究系统，用结构化的研究图谱记录命题、假设、证明依赖、替代方法、失败尝试和验证证据。研究者可以追溯结果的形成过程，并在多次会话之间让智能体保持持续的任务相关知识。论文通过三个数学研究案例展示其能力，并描述了系统实现与软件验证。
说明极端分子进入大语言模型社会：多智能体系统中的极端行为研究
简介该论文研究基于大语言模型的多智能体社会模拟中，少数持续存在的极端个体如何影响群体动态。作者提出 EXAM 框架，用于配置极端智能体并控制其比例、空间分布和交互方式。实验涵盖国会选举、金融危机、疫情舆论和重复囚徒困境四个场景，结果显示小规模的极端群体会产生可测量的集体偏移，且效果依赖于底层模型和场景。
说明过参数化加权MMD优化景观研究
简介本文研究加权原子测度上最大均值差异（MMD）的优化景观。针对一维高斯核，作者证明对任意紧支撑目标分布，只要粒子数足够多，每个局部极小值的MMD都可以任意小。对于有限支撑的目标分布，超过明确的粒子数阈值后不存在虚假局部极小值，且所有虚假驻点都是不稳定的。
看点证明了加权MMD优化中足够多粒子可消除虚假局部极小值，并分析稳定性，理论结论有实质推进，但适用范围限于一维高斯核。
说明利用文本信息过滤训练数据以提升虚拟流量计性能
简介该论文针对能源等工业领域训练数据质量差的问题，提出一种结合大语言模型的文本感知数据过滤方法，将工程师备注等非结构化运行记录与传感器数据一起用于识别异常。方法先进行语境化异常检测，再生成二值掩码过滤训练集。在合成油气数据集上，以虚拟流量计为下游任务的实验显示，多模态过滤将平均绝对百分比误差从7.1%降至5.4%，优于仅基于传感器的过滤。
说明OmniPoser：基于掩码流匹配的灵活野外人体动作恢复
简介该论文提出OmniPoser，一个通用框架，可在单一模型内从3D关键点、稀疏IMU旋转、头戴式6自由度姿态等任意组合的异构输入中恢复全身SMPL动作。它通过跨模态掩码机制和掩码条件编码器适配不同传感器配置，并以条件流匹配生成完整动作。在包括野外Nymeria和Ego-Exo4D数据集在内的七个基准上，其性能与先进方法相当，推理速度超过700 FPS。
说明离散扩散语言模型与自回归语言模型的能耗对比分析
简介本文对扩散语言模型（LLaDA-8B、Dream-7B）与自回归模型（Llama-3.1-8B、Qwen-2.5-7B）的推理能耗进行了比较测试，并分析了模型架构、KV缓存优化与每token焦耳能效之间的权衡。结果显示，在200至600个token的较长序列下，扩散模型约为2.5至2.7 J/token，比带KV缓存的自回归模型（5.3至5.7 J/token）效率约高两倍。KV缓存在较长序列上使自回归模型的能耗降低50%至70%。
说明DeltaStreamer：迈向类人化的智能体流式视频理解
简介该论文提出 DeltaStreamer，一种受人类观察、记忆和调查方式启发的流式视频理解智能体框架。系统在提问前持续观察视频流，并把视觉变化记录到结构化记忆中；收到问题后，规划器确定所需证据，并通过记忆检索与针对性回放回看历史画面。在 OVO-Bench 和 StreamingBench 上，其总体得分分别为 66.07% 和 59.53%，优于代表性的流式视频理解方法。
说明OpenTWBench（台湾开放基准）：大语言模型的台湾领域知识评测，以及测量方式如何影响分数
简介本文提出开放评测套件OpenTWBench，包含两个基准：tw-exam-bench（25.5万余道台湾国家考试选择题）与tw-formosa-bench（1696道关于台湾日常与当代议题的题目）。作者还记录了评测方法本身对分数的显著影响，例如答案提取方式不同会使准确率从20.8%变为93.9%。
说明VisibilitySplat：用光线追踪遮挡实现 3D 高斯溅射的重打光
简介本文研究基于 3D 高斯溅射（3DGS）的逆渲染，加入显式可见性建模，用于重打光以及材质与光照的分解。方法在原有光栅化流程之外，用基于包围体层次结构（BVH）的点光线追踪器，从采样光照方向估计高斯图元的遮挡。在 TensoIR 合成数据集上，与 NeRF、张量表示及 3DGS 基线相比，该方法在新视角合成、反照率重建和重打光方面表现具有竞争力，消融实验显示显式可见性建模对重打光有重要贡献。
说明带残差修正的内存高效子空间优化：从动量SGD到Muon
简介论文提出在子空间中维护优化器状态、并把正交残差梯度加入参数更新的残差修正框架，以降低LLM训练的内存开销。作者将其用于动量SGD（SMRC）并给出收敛速率分析，还提出多阶段变体（定期刷新基底）及用于Muon的PMRC。摘要称实验结果证实了算法的有效性和效率。
说明LAGO：可复用、可增长的语言智能体选项库
简介论文提出LAGO框架，把专用语言智能体视为可复用的时间扩展选项。元智能体从持久库中检索或新建选项，分派子任务并验证结果，成功的新选项会被纳入库中，库随任务增长且无需更新模型权重。在SWE-bench Verified的500个任务上，冻结的Qwen3.5-35B-A3B解决率为58.6%；在固定150任务子集上，LAGO的解决率为60.3%，高于mini-SWE-agent（49.3%）和Terminus 2（57.3%）。作者还报告了组件消融实验，认为其效果依赖于任务和模型。
说明EGCForest：面向企业群聊的结构化智能体记忆组织方法
简介企业群聊记录着项目进展、决策和任务归属等信息，但证据分散在交织的话题、频道与时间线中。论文提出EGCForest，将不可变的消息日志组织为频道、参与者和交付物三个互补的森林结构，并通过放置映射与稀疏结构桥接实现跨视图连接。在三个企业聊天基准上的实验显示，该方法优于RAG和记忆系统基线，并在答案准确率上相对MemOS有所提升，同时支持高效的在线检索。
说明以学生自己的风格教学：面向网页智能体的黑盒教师蒸馏（WebKD）
简介这篇论文针对闭源大模型推理成本高的问题，提出WebKD方法：由闭源教师模型修改小型开源网页智能体失败的轨迹，从第一个错误处起，用学生自己的风格改写推理、界面状态和动作，并以学生先验为锚进行训练。作者称，在TimeWarp基准上，学生模型相比行为克隆、结果奖励强化学习和教师编辑基线有明显提升，并能迁移到未见过的版本和OnlineMind2Web的真实网页。
说明寻租型语言模型：奖励模型定价，频繁审计遏制寻租
简介本文将RLHF中的奖励模型过度优化（通常称为奖励作弊）重新表述为寻租：策略模型从代理奖励模型这一“监管者”处获取真实质量并不支撑的奖励。在固定测试平台上，三类模型家族与两个黄金奖励模型的实验显示，强化学习将41%至66%的代理收益转化为寻租，而黄金奖励趋于平稳。论文还发现，在固定期望罚款下，频繁的温和审计优于罕见的严厉审计。
看点将奖励过优化重新表述为寻租并引入经济学度量与可检验预测，新颖；实验限于固定测试平台与三类模型，证据中等。
说明CTIA-ODE：面向长期时间序列预测的连续时间变量间注意力模型
简介该论文提出 CTIA-ODE 框架，核心是嵌入在常微分方程求解器中的连续时间变量间注意力（CTIA），使内生轨迹沿积分路径动态查询外生上下文，无需显式时间对齐。为提高连续潜在动态的稳定性，作者引入线性残差增强（LRA）和抗异常值混合损失（ORHL）。在八个真实数据集上的实验显示，该方法在多种数据集和预测步长上取得了当前最佳的预测表现，并在长期预测场景中保持了较好的精度与效率平衡。
说明MAPLE：用于评估大语言模型参数化知识提取的多维诊断框架
简介本文提出MAPLE框架，用于分析知识提取增强技术（如激活引导、解码调整和提示）对大语言模型知识输出的具体影响。它从表层、概率和超出采样三个层面，分别衡量答案的恢复与破坏、未答对样本中标准答案词元的排名变化，以及固定采样预算遗漏答案的恢复情况。作者在OLMo2、Qwen2.5和Llama3三个模型系列上评估了六种技术，结果显示不同技术的效果与权衡各不相同。
说明视觉-语言-动作模型中世界建模的关键因素是什么？
简介该论文研究如何把世界模型融入视觉-语言-动作模型（VLA），使策略能够预测未来动态，而不仅是从观察到动作的直接映射。作者将现有方法归为四种范式，在统一框架下，用多种世界表示和策略骨干，在多种场景中系统比较。主要结论包括：2D语义表示带来跨范式的稳定收益；解耦的MoT Future Expert整体表现具有竞争力，尤其在分布外鲁棒性上；世界建模在长时程和动态任务上相对仅基于动作的基线有明显提升。
说明PhyMetric：通过场景级问答诊断文生视频的物理合理性
简介文生视频模型生成的画面可能很逼真，却违背提示和场景所隐含的物理规律。PhyMetric 是一个场景级诊断基准，把物理合理性评估改写为可验证的场景问答，包含1115个场景、8920道二元问题，覆盖12个评估维度。实验显示，针对每个场景的具体问题至关重要，换成单一通用问题后，评估准确率降至随机水平。
说明预训练视觉特征作为教师而非状态：用于视觉规划的紧凑潜在世界模型
简介论文提出 Anchor-WM，用预训练的 DINO 视觉特征作为教师，指导学习一个紧凑的潜在状态，而不是直接把 DINO 特征作为世界模型的状态。训练时通过蒸馏头保留视觉信息并防止表示坍缩，推理时丢弃 DINO 编码器和蒸馏头，在学到的潜在空间中完成预测与规划。论文称其在四个评估环境中平均成功率最高，且规划速度明显快于直接在 DINO 图像块特征上运行的世界模型。
说明JointServe：在显存受限的GPU上服务多模型智能体
简介论文提出JointServe系统，用于在显存有限的GPU上运行由多个专家模型协作的LLM智能体。系统将模型权重分片与KV缓存块统一纳入同一显存预算中管理，并通过预取、部分驻留和带宽保障的传输调度减少模型切换带来的等待与会话状态丢失。原文称其相比最强的整模型切换基线缩短会话完成时间21.7%，在部分测试场景中最多缩短49%。
说明ActionOPD：蒸馏决策，而非词元
简介该论文提出 ActionOPD，一种在动作层面进行同策略蒸馏的方法，用于把大型语言模型智能体的能力迁移到小模型。它在学生模型遇到的状态下，让学生与黑盒教师各采样动作，并按语义一致性奖励学生动作，无需教师的推理文本或词元概率，也不要求师生共用同一模型族或分词器。实验显示，在 Qwen3-4B 与 Qwen3-8B 上，四个分布外基准平均提升 3.3 至 6.9 个百分点。
说明一套监控无法适配所有场景：面向智能体AI的形式化方法无关运行时验证
简介本文提出AgenticRV，一种将观测边界与监控形式化方法分离的运行时验证架构，适用于结合模型决策、状态变化、工具调用和外部代理委派的智能体AI系统。作者给出观测充分性、监控替换保持决策以及阻断可防止不安全效果的形式化条件，并区分被拒绝的请求与已完成的效果。该实现支持LangGraph、MCP和A2A，受控实验与消融分析表明所选需求需要结合外部时序监控器和程序化报告监控器。
说明模型与用户：谁的价值观占上风？多轮对话中推理时的价值对齐研究
简介该研究探讨语言模型在多轮对话中如何在推理阶段被引导至特定价值取向。作者比较了四种无需训练的提示与激活引导方法，考察用户与助手模型推动相同或相反价值时的对齐效果。结果显示，当双方方向相反时，往往符合助手基线偏好的一方占上风，且早期看似有效的引导在若干轮后可能减弱或逆转。
说明深度何时有用：理解表格基础模型的逐层推理
简介论文研究了基于 Transformer 的表格基础模型 TabPFN-3 的全部 24 个上下文学习层，覆盖 272 个分类数据集，分析表示几何、预测轨迹与结构干预。研究发现后期层的维度收缩与类原型分离度增大相关，模糊样本从浅层到深层获得的准确率提升更大。重复单个预训练块或打乱层顺序，平均而言会降低预测性能。
说明VaryST：超越封闭环境设定的可泛化时空预测模型
简介该论文提出 VaryST，一种从头训练的紧凑型时空预测模型，通过动态利用可用的长期观测构建预测上下文，以应对时间分布、空间范围和观测可用性的变化。模型结合长期历史、动态选取功能相关的支持节点，并在训练中选择性遮蔽关键历史片段。在六个真实数据集与十七个基线的对比实验中，VaryST 在域内预测上表现强劲，并在时空变化下的零样本和少样本泛化中有明显提升。
说明基于System One模型的校准与风险预算决策
简介该论文研究在无法转交人工处理时，大语言模型工作流中的二元决策（如允许或拦截输入、保留或丢弃检索文档）如何设定阈值。方法是在不确定时默认采用保守的兜底动作，并在被分配效用最大动作的样本子集内控制错误遗漏风险。作者在六个涵盖内容审核、安全和重排序的数据集上比较了通用模型、任务基线和本地开源权重微调模型，发现朴素阈值方法在约一半有测试风险定义的场景中超出目标风险，而Learn Then Test方法为7.8%。
说明ReproBAIT：编码智能体能否自行构建生物 AI 工具？
简介该论文提出评测基准 ReproBAIT，考察编码智能体在仅获得有限工具描述时，能否设计、实现并训练已发表的生物 AI 工具。智能体在无网络的沙箱中运行，并依据留出数据上的工具专用指标评分。测试涵盖 ProteinMPNN、RFdiffusion3 及一款闭源分子设计工具，结果显示部分工具复现能力较强，较复杂的工具则有限；同时发现与记忆化相符的中等程度证据。论文认为，公开工具信息可能被用于重建工具，从而影响其商业价值或受控获取策略。
说明带一般函数逼近的高效上下文部分监控
简介本文研究带侧信息的有限随机部分监控博弈，即学习者只能获得部分反馈符号的序贯学习问题。作者基于 Foster 等人的 E2D 元算法设计了计算高效的 E2D.PMSide 框架，并提出两种可计算的探索规则，在 T 的阶数上达到最优遗憾。论文还在合成标签高效预测博弈和 LLM 路由任务上进行评估，结果显示该方法优于既有方法。
说明基于不确定性引导区域覆盖改进类别感知的主动域适应
简介该论文研究主动域适应，旨在降低标注成本并提升无监督域适应的性能。针对逐点选择策略存在的敏感和冗余问题，作者提出基于区域的方法，通过最大化正向流形覆盖来改进适应模型，并加入不确定性评分以学习更好的目标域决策边界。实验显示，该方法在多个域适应基准上超过了首个类别感知主动域适应基线及现有方法。
说明基于正-未标注学习的扩散模型渐近精确负向引导
简介本文提出一种扩散模型的负向引导方法，使生成样本避开指定的不希望出现的条件，该条件可由参考样本或条件分数给出。方法从一个显式的目标密度采样，通过避让强度调节对不希望条件附近概率质量的抑制，并将估计样本属于该条件的概率视为正-未标注学习问题，利用序贯蒙特卡洛修正偏差。实验表明，该方法在高斯混合分布上接近真实目标，并在避让与生成质量、分布偏差和多样性的权衡上优于现有方法。
说明Delta Tokenizer：面向会话增量与长提示并行的多核 CPU 分词方法
简介这篇论文针对 LLM 智能体多轮对话中，每轮只新增少量文本却要从头分词的问题，提出 Delta Tokenizer。它只对新增部分及可能受影响的尾部重新编码，并在分词规则不会改变的位置拼接结果。对于无可复用状态的长文本，它按可安全切分的位置分块并行编码。论文报告结果与参考分词器完全一致，并在 SGLang 中降低了首个 token 延迟。
说明《共同演化，各得其位》：社会支架如何塑造自我演化的多智能体系统
简介该论文提出AGORA框架，研究自我演化多智能体系统的团队构成与互依结构（如协作、从众、竞争）这类社会支架如何影响团队演化。实验覆盖网页搜索、代码库理解和文档问答。结果显示，仅靠演化作用有限，合适的社会支架可使团队比单独演化的强智能体最多高出25分；同时权威会转移给能力最强的成员。
说明通过强化学习学习感知到行动的规则，用于心智理论推理
简介论文指出，大语言模型在心智理论推理中能推断出智能体的心理状态，却常常无法据此预测其后续行动。作者生成表达感知、信念与行动之间关系的简洁“如果…则…”规则，并使用组相对策略优化（GRPO）在四个心智理论基准上训练Qwen2.5和Llama3模型。结果显示，带规则生成的GRPO优于提示、监督微调和思考式推理；较大模型（≥3B）生成的规则还能迁移给GPT-4o-mini并提升其表现。
说明StateCraft：用抽象状态推理增强视频世界模型
简介视频世界模型用于模拟具有真实外观和动态的复杂环境，但长时间交互中需要跟踪动作对环境的影响。本文提出StateCraft，将可持续更新的抽象状态与视觉状态解耦，用语言模型配合视频扩散模型推进动态世界，并在生成式界面基准上评估，结果显示其在长轨迹上保持较高的自洽性与生成质量。
说明JetSpec++：带自我修正的前瞻并行草稿推测解码
简介该论文研究推测解码（一种用小型草稿模型先预测多个词元、再由大模型验证的加速方法）。作者提出JetSpec++，包含块内自我修正、块间前瞻草稿以及草稿与验证的流水线并行三部分，以几乎隐藏草稿的开销。论文报告在GB200上相比自回归解码最高加速7.45倍、相比DSpark加速1.54倍，单请求每秒最高可生成1361个词元，并称其输出分布与目标模型保持一致。
看点在推测解码中联合优化接受率与草稿成本，通过块内自精炼、跨块前瞻草稿和流水线实现，并在多基准上报告显著加速，有实质改进。
说明每区一个智能体：多区域暖通空调的分布式主动推理控制（边缘硬件）
简介本文提出一种分布式控制器，为建筑每个区域分配一个独立的主动推理智能体，各智能体不互相通信，通过潜在扰动和其他楼层的计量功率估计共享风路的耦合影响。在 EnergyPlus 的 Sinergym 办公楼仿真中，该智能体群在未见过的五个气象年份上取得最低的建筑平均峰值（88.3 kW），并优于基线的楼层错峰表现。整个智能体群运行于单个低成本 Raspberry Pi 5 上，p95 闭环延迟为 442 毫秒。
说明更多方法，更好的智能体？对智能体强化学习中自蒸馏方法的客观检验
简介本文针对智能体强化学习中的自蒸馏方法进行统一比较，将十种代表性方法与GRPO在ALFWorld、ScienceWorld、Search-QA和WebShop上、三种模型规模下进行对照，共完成132次训练运行，记录约12,124.4个H800 GPU小时。研究发现，相较GRPO的提升范围有限，没有方法在所有设置中稳定领先；最终性能良好可能掩盖训练不稳定；额外的训练成本也未必带来更好的表现。
说明LiFi：基于多视角图像的几何与语义协同引导激光雷达生成
简介该论文提出LiFi框架，用于从多视角相机图像生成在视觉和几何上对齐的激光雷达点云场景。方法通过几何与语义两个分支引导潜在扩散过程，并引入双分支平衡的无分类器引导策略。作者称实验表明LiFi在生成高保真激光雷达场景方面优于现有方法。
说明FPV-CRASH：用于无人机第一人称视角视频中碰撞时刻离线定位的数据集
简介该论文提出FPV-CRASH数据集，包含1052段无人机第一人称视角视频，其中526段为坠毁视频、526段为正常飞行视频，并为坠毁片段标注了单帧碰撞时刻。作者同时提供了基于热图的参考模型，从稀疏采样帧中估计连续的碰撞时间戳。在固定的片段级评估协议下，该模型的平均绝对误差为0.56秒，相比最强的固定时间先验基线（1.12秒）降低了50%。
说明基于优势引导的强化学习：用监督学习的简单稳定方式达到强化学习的性能
简介论文提出一种名为 Advantage Guidance（优势引导）的策略提取方法，在保留以优势为条件的监督学习结构的同时，在采样阶段使用对比扩散引导。作者称，该方法在26个长时域、稀疏奖励的任务上，表现显著优于此前的强化学习方法。
说明学习谁受益最多：面向人群健康分层的多干预因果排序
简介论文提出PROMETHEUS框架，将人群健康分层视为多干预因果排序问题，按预期增量收益对符合条件的患者干预机会排序，以便在资源受限时确定优先顺序。方法结合双重稳健因果信号、孪生神经排序模型与对比表示预训练。实验基于合成数据和意大利贝内文托ASL的半合成行政数据，结果显示其在所评估的场景中能够恢复生成的收益排序。作者指出，该框架仍属临床前方法，临床应用前需用观察到的干预-结局数据进行验证。
