机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明通过跨模态蒸馏与人脸-嘴唇联合建模学习视觉语音表征
简介本文提出FLARE框架，用于读唇语的视觉语音表征学习。它以Whisper的语音表征作为教师信号，经随机投影量化器转为离散目标，并采用掩码预测进行预训练；模型同时处理嘴唇区域与完整人脸两路输入。在LRS2、LRS3和WildVSR基准上，词错误率分别为11.7%、13.2%和34.3%。
看点将Whisper表示蒸馏为离散目标并结合双流人脸-唇部建模，是对已有方法的实质性组合改进；在LRS2、LRS3和WildVSR上有完整基准评测与消融。
说明TEX-MEX：用于时间序列的相似性引导时序对比学习方法
简介该论文提出TEX-MEX方法，把时间序列中“形态相似”与“时间上相邻”两种相似关系统一到一个框架中做对比学习。实验覆盖PPG、EEG、ECG、加速度计和连续血糖监测等数据，文中称其总体上优于多种对比式、重构式、JEPA式及特定模态方法。作者还训练了一个560K参数的PPG基础模型，并表示将开源发布。
看点将结构相似性与时间相似性统一为单一对比关系，新颖且在多种生理信号上做了广泛基准对比，证据较充分，对时序自监督子领域有实际影响。
说明基于证据锚定的死亡调查报告过量用药死亡预测
简介美国药物相关死亡的最终认定常因程序复杂而延迟。本文提出一个自动化框架，从死亡调查报告中识别疑似过量用药死亡，并给出由专家知识引导、依据报告原文的解释。研究比较了先解释后预测的流水线模型与同时预测和解释的自解释模型，结果显示以输入报告为依据的流水线模型表现更好，并比目前在用的规则系统高出15%，同时允许专家对最终决定进行干预。
说明测试时预测：循环深度实现上下文内动力学预测
简介该论文研究用于动力系统的基础模型能否在推理时对未见过的偏微分方程、常微分方程和时间序列进行上下文内预测。作者证明循环Transformer可以通过线性注意力与（扩展）动态模式分解的联系，在上下文中模拟动力系统的传播算子。随后提出测试时预测（TTF）框架，让单步预测器把梯度下降的迭代作为循环深度使用。在常微分方程和偏微分方程上训练的轻量TTF模型，经单步预测训练后，在自回归滚动预测中可泛化到分布外的系统动力学。
说明TextVerifier：超越识别、用于核验中文文字渲染是否正确
简介文生图模型生成的中文文字常有局部笔画错误。这篇论文提出TextVerifier，用目标字符的表意描述序列判断图像中的字是否渲染正确，并构建了逐字评测集TextRenderBench-ZH。实验报告其F1为0.844，高于OCR置信度、通用视觉语言模型和TextPecker，且可作为强化学习后训练的奖励信号减少渲染错误。
看点将文字渲染验证表述为目标条件任务，用IDS和同字异质难例训练验证器，并可作为强化学习奖励，新意明显；在自建基准上F1显著高于OCR与VLM。
说明LabCompiler：将有缺陷的实验方案转化为可验证人机协同执行流程的框架
简介该论文提出 LabCompiler，把自然语言编写、可能存在缺陷的实验方案转化为可验证的人机协同工作流程。系统先通过协议防火墙诊断并修复方案缺陷，再用与设备无关的两级图表示分离实验语义与硬件实现，并按设备能力分配任务。作者还建立了协议恢复基准，实验显示其在协议纠错上优于前沿大语言模型。
说明GraphRAG-LTM：针对图检索增强生成攻击的分层威胁建模框架
简介该论文提出 GraphRAG-LTM 框架，用于分析图检索增强生成（GraphRAG）的安全风险。框架设定三层攻击者访问权限：仅利用排序反馈修改查询，利用检索器梯度修改查询，以及在此基础上删除查询相关证据图中的桥接三元组。实验表明，三层攻击依次削弱答案质量，并进一步破坏多跳证据的检索。
说明存在多个不可靠标注时的带噪标签校准
简介论文研究医疗标注和众包中，每个样本有多位标注者但标签可能有误时，如何只用带噪标注来评估并重新校准一个固定的二分类预测器。作者提出了噪声修正的期望校准误差估计量（NC-ECE），给出了偏差的非渐近界，并给出了估计未知噪声概率的算法。实验表明，该估计量与干净标签的参照结果接近，且校准方法能改善潜在真实标签上的校准效果，而直接用带噪标注校准可能使效果变差。
说明跨场景工业缺陷检测：域鲁棒训练与指标对齐的模型选择
简介本文针对工业电路板在光照、表面污染和产线条件变化下的缺陷检测问题，将其视为域泛化任务。作者为IDA 2026 Track 1挑战赛提出了四个互补模块，包括跨场景鲁棒训练、小缺陷感知学习、分数校准与推理阈值选择，以及指标对齐的检查点选择。在单张RTX 4090显卡上，该模型在测试集上取得Track 1分数0.564，筛查分数0.696。
说明用于热力系统优化的两阶段残差学习：考虑建模强度的方法
简介本文提出两阶段残差学习（TSRL）框架，基于人工神经网络，用于热力系统的优化。基础网络预测过程输出，残差网络学习基础网络留下的带符号残差。框架在原油蒸馏装置和395兆瓦工业燃气轮机两个案例上验证，测试均方根误差有所降低。每个优化解都会根据建模强度被标记为良好建模区域或薄弱建模区域，以辅助热力系统安全运行的决策。
说明RDCompGS：利用图像编解码器压缩3D高斯溅射的率失真优化方法
简介3D高斯溅射（3DGS）能实现高质量实时新视角合成，但需要大量存储与传输资源。本文提出RDCompGS方法，在压缩前对高斯表示进行整体率失真优化，将可微的编码码率估计与渲染失真一同纳入优化，并引入码率约束调整模型以调节不同压缩条件下的权衡。在三个基准数据集上，该方法相对H.265/HEVC和JPEG XL分别实现了平均37.84%和49.31%的BD-Rate降低。
说明表格数据上的类型化决策模型：与大语言模型比较其准确性与稳健性
简介类型化决策模型以固定选项作答，返回每个选项的概率，而非生成文本。论文在行分类、事实核验和异常检测三类任务上，比较了四个决策模型与三个大语言模型，并对每个请求施加21种保持内容不变的改写。结果显示，决策模型表现与大语言模型相当且成本更低，其中三个对问题表述方式明显更稳健；但没有任何被测模型对表格组织方式具有稳健性，且每个模型至少有三分之一的行级决策会因改写而改变。
说明面向问题与辅导对话的统一响应框架：在同一项目反应理论尺度上同时建模学生的问题作答与辅导对话中的子任务
简介该论文提出一个统一框架，将学生对问题的作答与辅导对话中由导师提出的数学子任务纳入同一项目反应理论（IRT）尺度建模。方法包括识别对话中的数学子任务并改写为独立问题、从文本估计难度，并利用相邻子任务之间的导师引导行为对难度值进行正则化。在两个包含人类导师与AI导师对话的真实数学教育数据集上，该框架在题目难度预测和作答正确性预测上均优于较强基线。
说明缩小三维点云分割中空间近邻与空间填充曲线近邻之间的差距
简介空间填充曲线（SFC）是一种用于三维点云近邻搜索的轻量且精度较高的方法，但其特性使得曲线上的邻近关系与原始欧氏空间中的邻近关系存在差距。本文提出一种损失函数，在训练中优化原始三维空间中相距较远的点对之间的特征相似性，以减弱这一差距的影响。将该方法接入一个性能良好的三维点云分割模型后，在三个数据集上的结果显示，无论室内还是室外点云数据，该方法均优于传统方法。
说明按需检索：面向选择性检索增强机器翻译的智能体强化学习
简介该论文提出选择性检索增强翻译框架SRAT，让模型学会何时直接翻译、何时检索外部知识以及检索什么内容，并以最终译文质量为优化目标。作者还设计了面向翻译质量的检索器训练方法。在习语、知识密集型和篇章级翻译实验中，SRAT优于始终检索或从不检索的基线方法。
说明HyrCap：面向时序事件理解的动作候选混合排序校准方法
简介该论文针对长视频中时序动作检测存在定位不准、候选质量低的问题，提出基于查询的 HyrCap 框架，结合互补视频特征并校准候选排序置信度。方法包括跨表示一致性校准、定位质量估计和候选冗余抑制。作者还将校准后的候选用于大语言模型驱动的语义理解，并设计了分阶段评估协议。论文称在公开基准上取得了多项指标的最优结果。
说明诊断并纠正可验证指令遵循中的奖励投机问题
简介可验证指令遵循基准侧重输出是否满足约束，却可能忽视回答是否真正回应了底层请求。论文发现，一些前沿模型在几乎没有实质答案内容的情况下也能拿到满分；若把同一验证标准用作训练奖励，模型会出现奖励投机，约束满足率上升而回答质量下降。作者提出 CALIF，在验证器奖励之外加入基于似然的校准奖励项，仅使用已有的冻结参考策略计算，无需额外评判器或学习型奖励模型。实验显示，CALIF 在 IFBench 上提高了约束满足率，同时保持回答质量。
说明HankelKANet：基于物理启发Hankel卷积的轻量路径损耗估计
简介本文提出轻量网络HankelKANet，用于估计无线通信中的路径损耗（PL），把电磁传播特性嵌入网络结构。模型以残差UNet为主干，结合卷积Kolmogorov-Arnold网络（KAN），卷积核由零阶和一阶Hankel函数的径向幅值参数化。在仿真数据集RadioMapSeer和真实数据集Huawei RSRPSet上，与基线PEFNet相比，参数量减少78%，仿真数据上RMSE降低16.96%，并展示了跨数据集迁移能力。
说明光谱世界渲染器：统一的三维高光谱解混
简介该论文提出光谱世界渲染器（SWR），把三维场景生成与高光谱解混结合起来，用于区分颜色相同但材质不同的表面。系统由编码代理生成可执行的三维场景，并用实测光谱渲染，从而得到带有精确标签和亚像素比例的高光谱图像，并附带SWR-Bench基准。SWR在渲染过程中对每个高斯进行材质丰度解码，可同时得到光谱与材质图，并支持按材质名称、点击像素或参考光谱查询表面。
说明重新审视三元组对比学习用于三维形状理解：仅依靠语言学习可迁移的三维表示
简介多模态三维预训练通常对齐三维形状、渲染图像与语言描述，但作者认为渲染图像的监督不可靠，合成视图因域差距、自遮挡和渲染伪影而语义失真。论文提出仅从语言学习三维表示，将三维表示嵌入双曲空间，并加入蕴含损失以保留语言与形状之间的层次关系，方法名为HyperCL。作者称在两个常用基准和一个自建基准上，三维形状分类最多提升4.6%，跨模态文本到三维检索最多提升5.5%。
说明VLRLA：通过上下文强化学习在部署时适应视觉-语言-动作模型
简介视觉-语言-动作（VLA）模型把视觉感知和语言理解与机器人控制结合，但预训练的 VLA 策略在部署后无法通过积累的交互经验逐步调整。本文提出 VLRLA 框架，为现有 VLA 模型加入上下文强化学习（in-context reinforcement learning）模块，利用历史观测、动作、奖励和终止信号进行学习。部署时模型参数保持不变，策略逐步优化动作生成并提高任务成功率。作者在仿真中系统研究了其学习特性，并展示了其在真实部署中适应未见场景的能力。
说明Feel-Good 汤普森采样的高概率遗憾界
简介本文研究 Feel-Good 汤普森采样（FGTS），即在普通汤普森采样的后验中加入一个偏向预测最优值较高的奖励函数的探索项。以往对其两种标准变体的分析只给出期望意义下的遗憾保证。本文首次在一般可实现函数逼近的上下文赌博机中，给出累积型与当前步型 FGTS 的高概率遗憾界。在 d 维线性设定下，两种变体都以至少 1−δ 的概率满足 O(d√T log(2T) + √T log(1/δ)) 的遗憾界。
看点首次给出FGTS两种变体的高概率遗憾界，线性情形下与UCB类算法维度和时域依赖匹配，理论证明扎实但缺少实验。
说明提前一块：扩散语言模型中的采样器状态提升
简介该论文提出 One Block Ahead（OBA），一种无需训练的解码算法，让扩散语言模型在去噪当前文本块的同时，并行去噪下一块。作者在 DiffusionGemma 上测试，十个基准平均每次前向计算生成的词元数提高 42.3%，单请求吞吐量提高 16.3%，准确率略有下降。
说明CktHGVAE：面向晶体管级模拟/混合信号电路设计与分析的对称异构图变分自编码器
简介本文提出CktHGVAE，一种用于晶体管级CMOS模拟/混合信号电路的异构图变分自编码器，其输入和输出同时包含设计变量与状态变量。模型在不针对具体拓扑调参的情况下，生成电路与SPICE仿真的工作状态中位R2多在0.9以上，并能在潜在空间中搜索满足指标的设计方案，还可在未重新训练的情况下迁移到未见过的拓扑。作者认为该模型有望成为模拟CMOS电路设计自动化的基础。
说明先结构、后智能：对智能体科学工作流的发布结果进行门控
简介这篇论文研究自主智能体科学工作流在运行后可能发布错误结果的问题。作者在工作流外套一层控制框架，决定哪些输出可以发布，包括强制检查、故障隔离、版本追溯重算和风险评估。在60个带注入故障的配对实验中，验证环节保证了安全性，风险估计提高了效率，而语言模型本身未带来可测量的收益。
说明SKG：从推理到归纳的法则驱动引擎
简介本文提出 SKG（辛-核梯度）推理引擎，用于法则驱动的推理与归纳：法则是先验，数据提供实例，推理是法则约束下的几何演化。论文将辛几何、GENERIC、核方法、RKHS、群等变网络与约束力学整合为统一框架，并给出八元组结构，对应守恒律、本构关系、对称群与公理系统四个层次。论文给出了度量重构、核带宽、误差分解、函数空间重构及外推界等理论结果，并在一维阻尼振荡器与二维旋转不变系统上进行了验证。
说明Holi-Spatial 360：从稀疏全景图生成式重建三维室内环境，用于空间渲染与智能
简介该论文提出 Holi-Spatial 360 框架，把房产平台上的稀疏全景图转换为带标注的多房间三维环境。方法包括基于对应关系的几何优化、三维高斯泼溅表示，以及结合图像和视频先验的外观修复。作者公开了超过 1K 个多房间三维场景、10 万余个实例标注和 200 万个空间问答对，并发布了 Holi360 基准。
说明基于篇章解析的保结构文档级数据增强
简介本文提出一种保留篇章结构的文档级数据增强框架，结合大语言模型与文档级篇章结构解析。方法先识别句子对之间的修辞关系并抽取关键短语，再将其替换为语义连贯但主题有所偏移的内容，同时保持原有篇章结构。在文本摘要和问答任务上的实验表明，增强数据能提供互补的监督信号，并改善混合数据训练的效果。
说明Robota-Embed：面向机器人情境学习与演化的统一VLA嵌入模型
简介论文提出Robota-Embed，一种视觉-语言-动作（VLA）嵌入模型，可同时编码任务、执行阶段与后续动作，用于检索机器人可用的历史经验。在作者构建的基准上，其检索准确率高于不含动作信息的Gemini Embedding 2。论文还将检索结果用于策略条件化（Embed2ICL）及基于执行反馈的任务记忆演化（Embed2Evolve），并报告了在仿真任务上的成功率提升。
说明基于智能鞋垫传感器融合的鲁棒实时单目人体姿态估计
简介本文研究在下半身被遮挡或画面短暂缺失时，单目视觉姿态估计的不足。作者收集了同步的多模态数据集，并提出部件解耦的时序融合框架，将足底压力和加速度等鞋垫传感信息融入下肢分支，并用轻量协调模块保持全身一致性。在三种实时视觉骨干网络上的实验显示，加入鞋垫传感器后姿态精度、运动平滑度和步态指标均有提升，遮挡和短时视觉丢失时提升最明显。
说明基于预训练文本到文本模型与读-标-写策略的高效同步逆文本规范化
简介该论文研究流式逆文本规范化（ITN），即把语音识别输出的口语化文本转换为规范书面文本。作者提出一种高效的流式端到端系统，改造预训练的文本到文本模型，并引入架构调整、专门训练策略、读-标-写解码策略和推理优化。在越南语数据集上，其准确率与非流式基线相当，优于混合方法，并满足实时延迟要求。
说明基于Transformer神经算子的带内全双工系统数字域自干扰消除
简介该论文针对带内全双工无线电中的数字域自干扰消除问题，将其表述为算子学习问题：利用历史观测学习残余自干扰信道的时间演化，并结合已知的本地发射信号重构当前残余自干扰。方法采用Transformer神经算子实现，在无期望信号条件下训练，并应用于存在期望信号的场景。数值实验表明，在静态和时变信道（包括时变SIR条件）下该方法均能稳定工作，在30 dB SIR时较所考虑的传统方法提高5至15 dB的消除性能。
说明状态匹配的序列共形预测（SMSCP）：用相似状态挑选历史误差来校准不确定性区间的方法
简介该论文提出一种序列共形预测方法SMSCP，先由目标时刻之前的信息构造状态，再依据状态相似度选出一组匹配的历史校准误差，并对其使用普通的无权共形次序统计量。作者给出了相应的覆盖控制理论分析，并通过模拟和太阳辐照度、共享单车需求两个基准数据集进行实验，结果显示其区间得分优于多种对比方法，在六个基准中有五个的覆盖率更接近名义水平0.90。
说明IMU-Bench：腕部惯性测量单元表示在运动学、语义与临床任务上的基准测试
简介本文提出IMU-Bench，一个包含八个数据集十项任务的基准，用于研究腕部惯性测量单元（IMU）的多任务表现与跨任务迁移。作者比较了六种在未标注的真实与模拟腕部运动数据上预训练的自监督方法，涵盖分类、姿态与速度估计以及IMU-语言检索。结果显示，其掩码自编码器InrtlWrist在十项任务中的九项上取得冻结探针下的最佳或并列最佳表现，且微调在九项任务上优于从头训练。研究还发现，对一个任务有益的监督可能降低其他任务的表现。
说明AgriJev：用多尺度适配模型高效给农业候选项打分
简介本文提出 AgriJev，是基于 Qwen3.5 适配得到的一组模型，参数规模从 0.8B 到 9B。模型在一次前向计算中，根据农业文本、判断问题和候选项定义输出分数与相对概率，无需生成文本答案。论文在 17 个外部测试视图上评估，AgriJev-9B 的平均准确率为 75.44%，并在其中 13 个视图上优于原始生成模型，同时打分延迟约为同规模生成式回答的一半。
说明LALM后训练到底学到了什么？重新审视音频理解与推理能力
简介该论文研究大型音频-语言模型经过后训练后性能提升的原因。作者通过受控实验，把音频理解能力的提升与对特定题型格式的适应区分开来。结果显示，许多所报告的提升在没有有效音频时仍然存在，但题型格式一改变便基本消失。论文认为，后训练往往让模型学会利用特定任务的文本线索和答案规律，而非发展出可泛化的音频理解与推理能力。
说明ActICL：面向智能体式多模态上下文学习的后训练方法
简介本文提出ActICL，训练多模态大模型智能体通过工具增强推理自主获取上下文示例：智能体先分析自身信息缺口，再迭代检索、筛选并优化示例集合，最后交给回答模型。作者采用两阶段后训练同时优化获取与回答能力。在七个基准和三个多模态模型上，相比标准相似度检索平均提升11.6个百分点，并能有效提升前沿模型在4-shot设置下的表现。
说明当智能体记忆需要计算：证据访问与可执行聚合
说明MemCode：面向大模型智能体长期记忆的离散语义表示方法
简介论文提出 MemCode，一个为大语言模型智能体设计的长期记忆框架，将对话改写为自包含的原子记忆单元，并通过可学习码本进行离散语义量化。系统以码本共现拓扑作为向量检索之外的补充检索路径，并将在线写入与离线整合分开处理。在 LongMemEval-S 和 LoCoMo 两个基准上，论文报告 MemCode 总体准确率最高，且单次对话的记忆构建耗时约 40 至 130 秒。
说明DeBoneDiT：用于胸部X光去骨的深度驱动条件桥扩散Transformer
简介胸部X光片中的骨骼常遮挡肺部病变，影响诊断。本文提出DeBoneDiT模型，用深度特征约束的自编码器压缩图像，并将去骨建模为以X光片为条件的布朗桥扩散过程，以提升去骨效果并降低计算开销。作者还发布了SZCH-X-Rays数据集，包含741对胸片与双能减影软组织图像。
说明PFedMA：联邦多智能体协作中谁该加入下一轮
简介该论文提出PFedMA框架，用于在各客户端隐私要求不同的联邦多智能体系统中进行多轮协作。框架会记录智能体的历史能力与可靠性以指导选择，并依据协作反馈优化后续查询。此外，它还支持本地与全局之间的隐私规则双向演化，同时保留客户端的个性化约束。论文称，在推理、隐私敏感及对抗性场景的实验中，该方法提升了任务表现、降低了测得的隐私泄露并增强了系统鲁棒性。
说明MIPS：缓解大规模结果空间强化学习中的模式坍缩
简介该论文指出，期望奖励最大化的强化学习容易把概率集中在少数结果上，即模式坍缩。作者提出边际逆概率缩放（MIPS），用采样轨迹结合学习到的、通向各结果的轨迹模型来估计边际概率。在超网格实验中，MIPS 在结果空间相对采样组变大时仍接近奖励分布目标；在分子合成和系统发育推断中，MIPS 能维持多样且高质量的采样。
说明AdCoEvo：一种共同演化的多智能体广告投放系统
简介该论文提出 AdCoEvo，一个通过角色分工协同工作的多智能体广告投放系统，能够在不同时间尺度上衔接投放决策，并根据实际投放结果更新模型参数。规划、调整与诊断之间的相互反馈使策略持续改进。实验显示，相较基于规则的基线，广告主价值提升 14.02%，单次获取成本降低 7.07%；相较参数固定的多智能体系统，分别提升 3.96% 与降低 1.24%。
说明你读对了东西吗？重新审视用于提示注入检测的内部信号
简介本文比较了五种从语言模型内部状态检测提示注入的方法，包括残差流探针、注意力分数、角色投影等，并在 Qwen3.6-35B-A3B 与 Gemma-4-26B-A4B-it 两个模型上进行评估。结果显示，检测注入存在性或攻击相关概念的方法更容易区分未成功的注入，而注意力转移、暴露和角色混淆类方法更擅长区分成功的注入。其中 Attention Tracker 在成功注入上表现最稳定。
说明xLightGCN：基于图神经网络、可解释的推荐系统，并给出最具影响力的同伴
简介本文提出一种基于图的精确方法，用于为推荐系统的决策生成解释。作者认为，在面向用户的AI等高风险社会技术场景中，可解释性是建立模型可信度和验证有效性的关键。该方法构建在LightGCN类架构之上，文中称其可提供可解释的说明，并具有理论上可保证的解释保真度度量。文章最后讨论了局限性和未来研究方向。
说明随机重排随机梯度下降的大步长末次迭代收敛性
简介论文研究机器学习中常用的随机重排随机梯度下降（RR-SGD）算法的末次迭代收敛性。在无约束的凸光滑有限和优化问题中，作者证明在特定步长范围内，末次迭代的目标函数间隙有期望上界，且该步长不再需要随组件数量 n 成反比缩小。结果与已有平均迭代的收敛速率仅相差对数因子。
说明不止于看见：视觉作为原生多模态预训练中的可扩展锚点
简介本文研究从零开始的原生多模态预训练中，视觉内容如何影响模型的扩展行为及视觉理解之外的能力。作者通过替换图像嵌入为无内容填充标记进行对照实验，发现保留视觉内容能改善图文样本上的文本预测，且不明显影响纯文本损失和总体语言得分。文中还显示，在仅依据文本描述的空间推理测试中，两种条件都随模型与数据规模提升而改善，视觉带来的收益在定位、导航与符号规划中最持续。
说明在多模态语言模型中结合模拟与思维链推理进行物理推理
简介多模态语言模型回答问题时常需推断物理世界的动态。本文系统比较了基于视频生成的物理模拟与语言思维链推理在流体、弹性等物理问题上的表现，并提出一种受认知启发的混合模型，能在测试时自动选择合适方法，在准确率与计算成本之间取得平衡。该模型可用4B参数的小型视觉语言模型训练，并用于提升超过3T参数的大模型（如Gemini 3 Pro）的表现。
说明进展感知蒸馏：缓解小语言模型智能体的停滞问题
简介大语言模型智能体能力强但推理成本高。本文发现，把智能体能力蒸馏到小模型后，在长交互轨迹中小模型容易陷入反复失败策略的停滞循环，且这一现象在多种小模型和任务中都存在。作者提出进展感知蒸馏（ProD），检测并惩罚学生轨迹中的停滞，并将学生与教师之间的停滞差距编码为自适应间隔。在8个0.6B至8B参数的小模型上，于领域内外基准测试显示，ProD能明显缓解停滞，并提高成功率与任务完成效率。
说明基于流形深度展开PCA的特征选择学习方法
简介本文提出一种无监督特征选择网络MDUFS-Net，在经典主成分分析框架中引入ℓ2,0范数，并将基于ADMM的迭代算法展开为可端到端训练的网络，实现参数自动学习，同时采用流形优化提升数值稳健性。作者还进一步提出增强版MDUFS-Net+，引入ℓ0范数以获得更具判别性的特征表示。实验表明，两者在无监督特征选择任务上优于现有方法，并在聚类中表现良好。
说明EvoProbe：面向大语言模型智能体、由评估驱动的基准持续演化框架
简介该论文提出 EvoProbe，把任务生成、诊断评估与基于反馈的重新生成组成闭环，用于持续更新大语言模型智能体的评测任务。框架结合可验证的子任务结果评分与多评审轨迹评估，找出阶段性瓶颈与成败模式，并据此生成新的可执行任务。作者在两轮网络安全实验中评估了八个模型的66项任务，结果显示更新后的任务上各模型 Outcome 平均下降 11.8%，Pass^3 平均下降 40.0%。
说明识别不等于落地：多语言财务证据抽取基准测试
简介该论文提出 MULTIFINGROUND 基准，用于检验模型能否在多语言财务报告中既识别会计概念、又完整找出对应的数字事实。基准基于 90 家发行人的 FY2025 披露文件（英语、法语、希腊语）构建，并通过共享会计分类体系对齐。结果显示，多数模型概念识别准确率很高，但在被正确识别的组中仍有相当比例遗漏了至少一个目标事实。
说明自动驾驶中四种强化学习算法的综合比较
简介本文在无信号灯路口的自动驾驶决策问题上，比较了四种强化学习方法：FVI、RCPI、DQN 和离散动作版 D-DDPG。比较维度包括最优性与安全性、训练稳定性以及训练和决策成本。结果显示 RCPI 最接近参考解且训练最稳定，但数据效率最低；D-DDPG 数据效率最高，稳定性最差；DQN 最稳定但碰撞率最高。论文据此给出根据是否有模型、训练预算和是否需要稳定训练来选择方法的建议。
说明大模型如何理解法哲学：诊断大语言模型的法哲学推理能力
简介本文指出，法官对法律本质和渊源的哲学观会影响其解释和适用法律的方式，而现有研究较少关注大语言模型能否理解并运用法哲学进行法律推理。作者提出LePhilBench基准，包含两项评测任务和一个数据集，测试集由220份美国最高法院判决书组成，由法律专业人员标注出9,240条法哲学标签。
说明在后训练前评估智能体能力：一种端到端方法
简介论文提出 ASAP 框架，在不把基座模型改造成对话式智能体的前提下，借助已有智能体脚手架，从预训练基座模型中引出并评估其在端到端任务中的行为。在软件工程和深度研究基准上，该方法能区分不同基座模型与预训练检查点的表现，并可分析执行轨迹，用于辅助常规预训练评测。
说明VideoHarness-SRSI：面向视频理解外壳的结构化递归自我改进
简介本文研究如何让大模型的执行外壳（组织信息获取、工具调用、推理和记忆的程序）通过递归自我改进自动演化。作者先提出VHarness-BRSI框架，发现其存在验证过拟合、搜索预算稀释和早期经验陷阱三类问题。随后提出VHarness-SRSI，让每个搜索决策依据可迁移、充分且先行收集的证据。在四个视频理解基准上，其等权平均保留集得分相对BRSI提升6.2%，验证与测试差距平均缩小37.9%。
说明超越试错循环：面向分布式训练的混合投影与自动调优
简介论文提出 Primus Projection，用少量 GPU 微基准测试加解析模拟，预测大规模 LLM 分布式训练的吞吐，并可纯 CPU 模拟。其调优代理把该投影当作快速评分函数，在配置空间中搜索并先筛去显存不可行的组合。在 Llama 3.1、Mixtral 8x22B 等模型上，投影与多节点实测吞吐误差约 10% 以内；在 Mixtral 8x22B 案例中，找到的配置比已发布的 4 节点 BF16 参考高 27% 吞吐。
说明AgentSafeEvo：面向大模型智能体安全的对抗式协同进化框架
简介本文提出 AgentSafeEvo，一种基于攻击者与防御者博弈的协同进化强化学习框架，用于提升大模型智能体的安全性。攻击者学习构造能暴露防御者工具使用弱点的对抗性任务，防御者则学习在攻击下安全完成任务。作者还提出可学习性引导的任务加权方法，依据任务内防御者奖励的波动调整各任务对双方更新的贡献。实验表明，该方法在提升对抗鲁棒性的同时，保持了智能体的通用能力。
说明从失败到可学习的世界：面向导航智能体的策略条件化环境生成
简介该论文提出WEDGE框架，用于导航智能体的弱点引导式学习：先让大语言模型从成功与失败的执行轨迹中提出可执行的弱点特征并在诊断集上验证，再据此调整相关环境因素，生成策略最吃力难度下的训练环境。在三种导航智能体上的实验显示，该方法在ProcTHOR上优于匹配的随机与困难样本方法，并能迁移到HM3D。
说明基于潜在空间退火后验采样与方差保持桥的稀疏观测随机场推断方法
简介该论文针对由稀疏观测推断随机场后验分布的问题，提出潜在退火后验采样方法（LAPS）。方法先将随机场映射到低维潜在空间，用流匹配学习潜在先验，再通过退火逐步引入观测似然并在潜在空间中采样，同时用方差保持桥控制局部协方差膨胀。实验显示其后验近似精度高、能保留多个后验模式，且计算时间在网格细化时几乎不变。
说明WinARDet：用于长序列视觉语言定位的压缩窗口自回归方法
简介该论文针对基于多模态大模型的检测器在密集场景中容易陷入重复输出同一框的问题，提出压缩窗口自回归机制 WinAR，将长答案序列分段，仅对当前窗口做完整自回归，并把此前窗口压缩为固定数量的潜在令牌。在 RSDense 数据集（每张图 200 至 2000 个目标）上，模型 WinARDet 的 RexOmni F1（IoU=0.5）由 32.16 提升至 39.36，冗余率由 35.48% 降至 13.00%。
说明可递归组合能力的形成与一等复用：FormCraft框架
简介论文提出FormCraft框架，把学习得到的操作表示为可递归组合、可直接调用、并能经领域验证后选择性存入持久库的一等能力。框架将能力的良构性与公开可调用性同后续的持久存储准入分开，并保留形成来源与操作身份。实验涵盖连续、离散、命题与序列四类领域，显示复用不依赖具体实例，且在一等暴露下减少了复用时的搜索工作量。
说明W-JEPA：用于可穿戴设备活动识别的小波联合嵌入预测架构
简介可穿戴设备活动识别中，不同数据集的传感器位置、通道数、采样率和受试者差异很大，且区分活动的细微动作模式往往只体现在特定尺度上。作者提出 W-JEPA，一种自监督框架，把惯性运动数据切分为按尺度、传感器轴和时间索引的小波令牌网格，并用指数移动平均目标编码器预测被遮蔽令牌的表示，从而学习跨尺度、跨轴的运动结构。在六个可穿戴活动基准上，该方法在随机窗口划分和留出受试者的设置下均优于现有方法，平均宏 F1 比最强已发表基线提高 8.7 个百分点。
说明ForkGRPO：面向扩散语言模型的高效探索与细粒度信用分配方法
简介该论文针对扩散大语言模型用强化学习提升推理能力的问题，提出 ForkGRPO。它在参考推理轨迹的高熵中间状态处采样多条续写，复用共享前缀，并结合组内相对优势与蒙特卡洛状态价值差，实现片段级信用分配。论文报告其在四个基准中的三个上表现最佳，相比 JustGRPO 最多提高 1.2 个百分点，生成词元最多减少 27.8%；其快速版本训练加速约 2.49 倍。
说明视觉语言模型像有偏见的贝叶斯观察者一样整合冲突证据
简介该论文研究视觉语言模型在文本与图像相互矛盾时如何取舍。作者提出一个基于贝叶斯视角的预测框架：模型把来自各模态的条件独立证据与先验信念结合，并叠加特定模态的偏置，由此得到一个双参数的线索整合模型。该模型能预测未见过的输入退化组合下的模型偏好，并无需重新拟合即可迁移到新形式的不可靠输入。
说明通过并行化扩展大语言模型推理：吞吐量与延迟的权衡
简介本文提出一个系统框架，分析大语言模型推理中张量并行、流水线并行及混合配置在吞吐量与延迟之间的权衡。研究通过构建TTFT-ITL可行集与帕累托前沿，发现随着负载趋向预填充密集，配置从以张量并行为主转向以流水线并行为主。作者还以goodput为指标研究服务等级目标下的并行选择，并指出在长上下文场景中流水线并行的可扩展性和SLO达成情况更优。
说明ActMOF：用主动学习绘制网状合成的实验基准
简介金属有机框架（MOF）的网状合成受限于稀疏的实验数据和有噪声的结晶结果。本文提出 ActMOF，这是一个基于实验的基准，用于比较铝-羧酸盐 MOF 合成中的搜索策略，数据模拟自实测的微波合成实验，并以衍射峰强度和半高宽计算结晶度指数。研究比较了高斯过程、树集成和大语言模型引导的策略，结果显示高斯过程系列位居前列；随后用其指导六种网状相关铝 MOF 的微波合成，每个项目在 12 次实验的预算内均得到了结晶产物。
说明《Train to Stitch》：面向可互操作表示的保拓扑正则化方法
简介这篇论文研究如何让两个独立训练的神经网络（以自编码器为例）无需训练期间的协调即可协同工作。作者提出用拓扑正则化对齐两个模型的潜在空间。论文给出条件性的理论分析，并通过多个数据集的重建实验验证，结果显示互操作性差距明显缩小。
说明KoAGE：大型语言模型能否认识、学习并创造韩语新词？
简介该研究提出了NeoTrace自动化框架，收集并标注不同文体中的韩语新词，共4271条，并据此构建KoAGE基准，包含三项习得任务和两项生成任务。研究对21个模型进行测试，发现模型对截止年份后新词的定义能力仅为13%至30%，但能从一个用法中推断词义；然而即便定义正确，模型对新词构词机制的理解仍然有限。单模型生成的新词多符合人类构词方式，多智能体生成则偏向缩略，且依赖交互设定。
看点提出可重复的新词收集框架与首个将模型造词与真实新词对比的基准，并系统区分词汇记忆、语境学习与造词能力，基于21个模型的实验支撑结论。
说明SERO：从可执行的专家续接轨迹学习长程智能体强化学习
简介论文提出SERO方法，针对长程智能体强化学习中策略只能探索自身轨迹、难以学到有用行为的问题。方法从当前策略实际到达的状态出发，让训练专用的专家（oracle）在真实环境中继续交互，并用专家的后续观察和动作进行学习，同时以策略与专家轨迹的兼容程度对每一步加权。在ALFWorld和WebShop两个交互式智能体基准上，使用Qwen2.5-1.5B和7B模型进行了评估；作者报告完整可执行续接的效果明显优于只监督根部专家动作，且加权进一步提升了分布外性能。
说明EpiGuard：一个自主运行的传染病早期预警智能体平台
简介该论文提出 EpiGuard，一个能自主监测官方疫情监测数据、持续自我改进的智能体平台，用于对50多种传染病进行及时的早期预警。它会根据可用证据的多少调整分析策略，并把成功的数据获取与分析流程保存为可复用的标准操作程序。使用中国CDC和美国CDC的公开数据评估，其预测性能分别比现有先进预测系统提升9.68%和14.04%。
说明基于 MetaModelSelect 的选择性下一位置预测：一种轻量级事后置信度元模型
简介本文提出将轻量级事后置信度元模型 MetaModelSelect 用于蜂窝网络下一位置预测，判断冻结的循环神经网络 top-1 预测是否正确，从而决定是否采纳预测。在长春蜂窝移动轨迹数据上，与最大 softmax 概率等基线相比，该方法在风险-覆盖曲线相关指标上有所降低，且不需要重新训练底层预测模型。
说明基于高斯过程回归的序贯偏好学习方法
简介本文研究连续全局优化问题：目标函数无法直接求值，只能观察两个候选设计点中哪一个表现更好，且观测带有噪声。针对这种比较式观测产生的非高斯后验，作者提出基于矩匹配的全序贯近似，可快速闭式更新元模型的均值与协方差，并设计了结合信息增益与随机化采样的策略DOVE。在较常见的正则性条件下，论文证明了统计误差与期望简单遗憾的收敛速率，且依赖于核函数的光滑性。
看点提出基于矩匹配的全序列高斯过程近似与DOVE采样策略，并首次给出相关收敛速率，理论贡献突出。
说明《所有摘要之和》：用于分级命题显著性评估的 PROPALIGN
简介本文提出 PROPALIGN，一种基于多份摘要的命题显著性分数估计方法，并发布配套数据集 PROPALIGNBANK，包含超过 35K 个命题的 138K 条对齐。作者在多种口语和书面体裁的英文文本上比较了多种显著命题抽取方法，发现直接让模型给出判断并不稳定，而分级的摘要式指标更稳定。结果显示，单一模型表现不及人类，融合语言特征的模型集合则接近人工标注的质量上限。
说明STRATA：面向自进化语言智能体的自维护结构化经验图谱
简介大语言模型智能体可以通过积累经验在测试时自我进化，但多数方法把所有经验放在同一个池中，缺乏层级，且从不遗忘或去重，容易出现负迁移。STRATA 将经验组织为三层图谱（原子技能与代码片段、任务工作流、通用元框架），并通过五种机制自我维护；在四个交互式基准和两种冻结骨干模型上，它取得了最佳平均分，同时延迟和环境步数最少。
看点提出三层结构化经验图与对比边以缓解负迁移，新颖性较高；在四个交互基准、两种骨干和七个基线上实验对比充分，ScienceWorld 从78.7提升至96.7，对智能体记忆子领域有实质价值。
说明RA²：基于保留锚定吸引的大模型遗忘方法，保护遗忘边界附近的良性能力
简介该论文关注大语言模型“遗忘”（unlearning）评估中被忽视的问题：模型在标准保留提示上表现良好，但在靠近被遗忘领域的良性推理上会退化，作者称之为“遗忘邻近效用损失”。论文提出 RA²（Retain-Anchored Attraction）方法，在潜在空间中把遗忘词元的状态引向附近有保留数据支持的表示，并保持高层在保留数据上的行为。在 WMDP 和 MUSE 上，RA² 在相近的整体效用水平下，比强基线获得了更高的遗忘邻近效用，表明遗忘表示的迁移方向会实际影响遗忘边界附近的良性行为。
说明ixi-sLM：面向AI通话代理服务的端侧小语言模型
简介本文介绍ixi-sLM，一个面向韩语的12亿参数小语言模型，可在手机NPU上本地运行，用于AI通话摘要和AI通话应答两项服务。作者通过裁剪词表、重新训练分词器以适应通话语音，并结合基于真实通话的分层混合精度量化，将模型压缩至803MiB。据称其任务加权质量达到先进云端大模型的94%，单次通话能耗为CPU方案的23%，并已在多家服务商的NPU上部署，服务数百万用户。
说明EvoWeave：通过操作级图组合可复用的智能体经验
简介该论文提出 EvoWeave 框架，用于智能体的经验记忆：以抽象状态为节点、可复用操作为有向边，并附带输入输出契约和来源信息。规划器将任务分解为依赖图，再检索并组装相关经验片段。作者在四个基准、五种评估设置和三种语言模型主干上进行了测试，AppWorld 上的任务目标完成率较无记忆基线分别提高 6.99 和 4.99 个百分点，并指出检索开销与有效复用条件等权衡。
说明学习保留什么：从用户反馈中学习可迁移的个性化技能
简介论文提出SkillGrain框架，用于从用户反馈中学习可复用的个性化技能。它把反馈拆成可独立执行的原子规则，预测每条规则的可迁移性，只保留适用于后续请求的规则。作者通过强化学习联合优化技能归纳与基于技能的生成，并构建了包含五类个性化写作任务的基准。实验显示，在三个基础模型的领域内外设置中，SkillGrain的整体平均表现优于对比方法。
说明结构化优化网络中的鲁棒解释性分析（REASON）
简介该论文提出一种分层处理残差误差的学习框架，受系统1与系统2思维启发，设计快、慢两个循环：快循环利用现有证据消解残差，慢循环在残差仍存在时主动获取额外证据并衡量其信息价值。文中称在嵌套解空间上，慢循环最优解不劣于快循环。实验显示，双循环模型在分布偏移和未见过的扰动下仍优于快循环，计算量约为慢循环的一半。
说明DeLoop：把智能体自身的重复动作用作自监督信号，减少长任务中的循环
简介该论文针对长任务语言模型智能体反复执行相同工具调用、得到相同结果的“循环”问题，提出自监督训练方法DeLoop。它把循环中的动作作为负样本，同一轨迹中之后第一个非循环动作作为正样本，并用直接偏好优化学习，无需任务奖励、标准答案或LLM评判。在CodeGym压缩设置下，Qwen3-8B含循环的任务比例从57.3%降至6.1%，步数约减为三分之一，任务成功率相近；在Qwen3-32B上，循环和步数减少，成功率从37.7%升至44.8%。
说明单步预测保真度并不能很好代表 JEPA 世界模型的规划表现
简介本文质疑用单步预测损失选择和评估潜在世界模型的做法。作者提出一种冻结解码器的评估协议，以物理单位报告单步误差，并在三个连续控制环境中、对同一批检查点同时测量目标条件规划成功率。结果显示，单步误差与规划成功率之间相关性极低（r = -0.010），且在不同环境中两者的换算关系很不稳定。
说明评估压缩记忆：依赖性、效用与内容收益
简介本文探讨语言模型答题时，其压缩记忆是否真正包含有用的文档信息。作者将记忆向量置零，并与单独训练、无法访问存储文本或接收相同常数输入的模型对比。实验显示，部分模型依赖记忆却仍不如训练好的替代模型；在TriviaQA上，使用其他问题段落的记忆能提升F1，但提升并不一定需要该问题本身的段落。
说明基于策略验证的自我训练：从可验证的策略奖励中学习智能体合规性
简介运行时策略验证器通常只用于拦截违规操作，判定结果随后即被丢弃。该论文提出策略验证自我训练（PVST），让智能体生成自身交互轨迹，由根据书面策略编译的确定性门控判定每个动作是否合规：合规轨迹被强化，违规轨迹作为偏好优化的负样本。在AgentDojo提示注入任务的留出测试中，违规轨迹比例与攻击成功率均明显下降，但在旅行类任务上效用有所下降。
看点将运行时策略验证器的判定转化为训练奖励，无需更强教师或人工标注；在AgentDojo上对违规与攻击成功率有显著下降，并有留出模板和套件验证。
说明检测器架构、模型规模与场景密度对多行人跟踪的影响
简介本文分析检测器架构、模型规模、场景密度和推理方式如何影响视频中多行人跟踪效果。作者在 MOT17、MOT20 和 SOMPT22 数据集上比较了 YOLO11、RT-DETR、YOLO26 检测器与 ByteTrack、BoT-SORT 跟踪器。结果显示 RT-DETR 系列在三个数据集上 HOTA 平均得分最高，在 MOT20 上优势更明显但计算成本更高；YOLO26（特别是带 NMS 的 YOLO26-L）在 MOT17 和 SOMPT22 上兼顾质量与速度；端到端推理并未比基于 NMS 的方式带来一致的跟踪提升。
说明超越修正动作：用文本批评训练 LLM 智能体
简介论文研究让大模型智能体在多轮交互任务中，不只学习专家的修正动作，还学习专家给出的文本批评。作者提出 CAFT 框架：专家对学生模型生成的错误动作既给出修正动作，也解释错误原因，并把批评作为微调目标。在 τ²-Bench（航空与零售）和 WebShop 两个智能体领域的四个学生模型上，加入批评后平均比只用动作的蒸馏提升 8%，并且为强化学习提供了更好的起点。
说明《Seeing, Maintaining, and Learning》：多模态智能体记忆的演进
简介该论文讨论多模态智能体如何在长期任务和持续交互中保留和使用来自图像、文本等多种信息的记忆。作者提出一个二维分析框架：一是记忆信息如何形成与表示，二是记忆如何随经验进行管理，并按静态、动态、自我演化三个层级划分。论文据此归纳了常见设计模式与原则，并讨论了未来挑战与方向。
说明DANGERLENS：探测安全对齐后仍隐藏在模型内部的危险表征
简介该论文研究经过安全对齐的语言模型，其内部是否仍保留早期训练中习得的危险概念。作者提出 DANGERLENS 探测方法，把隐藏状态映射到词表空间并进行盲评语义判断，区分有害目标、操作手段与危险识别、安全控制。在三个 Qwen1.5 规模的模型上，曾接触有害内容的检查点在相同安全对齐后通常保留更高的危险概念可及性，中后层差异最明显。
说明动态图世界建模：从时序上下文学习未来动态
简介本文提出动态图世界建模框架DyG-WM，用于从历史时序上下文预测未来的节点与关系表示。框架包含三个部分：历史节点-关系上下文编码器、节点-关系路径签名编码器，以及双层联合嵌入目标函数。作者在12个链接预测数据集和2个节点分类数据集上进行实验，结果显示该方法在两类任务中均有效。
说明尾部竞争解释可验证问题中 Best-of-N 采样的扩展规律
简介本文将 Best-of-N 采样视为正确与错误回答在奖励极端尾部之间的竞争。借助极值理论，作者刻画了三种渐近区间，并推导了代表性奖励分布下的有限样本扩展律。文中还提出一个轻量的尾部张力判据，用于估计继续增加采样何时可能有害。
说明VLX-Go：通过多阶段学习与策略内精炼实现稳健的具身跟踪
简介该论文提出 VLX-Go，一种面向机器人的视觉-语言路点策略，用于在有干扰物的环境中跟踪指定目标人物。模型依次经过视觉-语言对齐、多模态推理中期训练和跟踪专门化训练，共使用 19,532 个专家回合。完整方法的干扰物跟踪成功率为 55.80%，高于早期模型 OmTrackVLA 的 41.54%；初步的策略内精炼实验将其提高到 58.22%，并降低了碰撞率。
说明竞争性目标检验：两种伦理框架的引导向量可互换，用于判断激活引导是否真正控制了特定行为
简介该论文研究激活引导（向模型隐藏状态加入向量以控制行为）的特异性。作者提出竞争性目标检验，将康德义务论与行为功利主义的引导向量与对方目标的向量比较，并用等价性检验判断差异是否低于设定阈值。在开源模型的留存情境上，两类向量均同时提高本框架分数、降低对方分数，两者都未达到阈值。研究认为两向量大部分方向相同，即共享“应用某种框架”的请求，因此引导可能产生混合效果，除非对照竞争目标进行检验。
说明Transformer 长期行为的渐近性质：研究大语言模型生成文本时的收敛问题
简介本文研究Transformer网络在长时间生成文本时的行为。作者证明，即使是只有三个词元、单层且仅含注意力机制的Transformer也可能无法收敛。随后，论文分析了一类任意有限深度、带层归一化、MLP和RoPE编码、并混合局部与全局层的Transformer，指出每个模型都存在一个softmax温度阈值，高于该阈值时其经验缓存分布收敛到唯一极限，且与初始条件无关。但这些阈值的上确界是无穷大，因此不存在能使所有Transformer都收敛的全局最低温度。
说明BFHD：面向异构临床评估的双向特征协调分解方法
简介不同中心和时间点常使用不同的临床评估系统，记录中的测量指标因此互有差异。本文把临床协调问题定义为测量层面的双向可恢复性问题，提出双向特征协调分解方法（BFHD），用于识别能在双向都可靠转换的测量项，并分离出无法转换的部分。实验基于合成数据和真实临床评估配对数据，结果显示该方法比基线方法覆盖了更广的可行协调范围，子集稳定性也有所提高。
说明从哪里开始、如何推进：分析GRPO下长时程LLM智能体的课程设计
简介该论文研究在GRPO（组相对策略优化）训练长时程大语言模型智能体时，起始位置、交接单位与推进规则如何影响无辅助的任务完成。作者提出引导辅助GRPO，即在学习者继续之前回放一段成功的参考前缀。实验在BFCL上于三种模型规模进行，结论认为接近完成处开始更有效，基于结果信息的工具调用选择优于GRPO，引导起始也提高了AppWorld上的成功率。
说明集成式新颖性检测系统：从传感器网络到多类新颖性计算机视觉
简介本文研究两类场景中的新颖性（异常）检测：一是天气传感器网络中雨量计堵塞的识别，二是计算机视觉中同时处理多种新颖性的问题。作者评估了四种现有质量控制方法并指出其局限，进而提出三种结合概率故障检测与一致性诊断的新技术。此外，作者还发布了基于 Snapshot Serengeti 相机陷阱数据构建的 NOVEL-SS 数据集，并提出能够检测、刻画并适应多种新颖性的 DCA 基线系统。
说明更小是否更绿色？为智能体 AI 选择合适规模的语言模型
简介该论文研究 AI 智能体应如何选择语言模型，才能在可靠完成任务的同时降低能耗、成本和时间。作者以每个成功完成的任务而非单次调用作为比较单位，建立了决策模型，并指出存在区分小模型与大模型优劣的任务长度临界点。在15个开源模型和两项多步骤智能体任务的实测中，结果基本与预测一致。
说明目标词元不对称可能被误认为深度专门化
简介层消融研究常比较扰动早期或后期层对两个语料预测的损伤差异，并据此认为某层专门服务于某任务。本文指出，两个语料的目标词元构成不同（如数学解答含大量空白与数字），这种差异本身就可能造成深度专门化的假象。作者按词元类型分解并在共享目标混合下重算交互效应，发现去除空白符即可使多数正向结果反转。
说明反事实门控支持分解：在训练数据过滤中区分选择与重新分配
简介论文提出反事实门控支持分解（CGSD）方法，用四组预算匹配的实验设计，把质量门控的效果拆分为区域内选择、区域间重新分配及二者交互三部分。在韩英和韩日检索任务上，区域内选择成分是唯一超出校准零假设区间的部分；对数学门控，零合格支持时常规设计无法构建。该方法用于避免把支持分布的重新分配误判为样本级门控质量。
说明为什么代理团队会在跨边界时失败？面向具有私有状态的代理对代理系统的失败分类法
简介该论文研究代理对代理（A2A）系统的失败情况，即代表不同委托人的代理彼此交互，且各自拥有他人不可见的信息与权限。作者分析了2500多次运行记录，涵盖488个场景，并归纳出包含20种失败模式的分类法A²-Failures。论文指出，三项发现在所有测试中都成立，包括任务措辞影响交互、代理通常不主动核验同伴的事实陈述，以及总体成功分数会掩盖协调与核验方面的失败，因此应对每个代理分别评估。
看点提出面向私有状态代理间系统的失败分类法，基于2500余次运行记录及488个场景归纳，新颖性中等，证据较充分，对子领域有实用价值。
