机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明失败后反思：受大脑启发的具身空间智能自进化智能体（HiMeco）
简介该论文提出HiMeco，一种受元认知监控和海马体记忆巩固启发的具身空间智能自进化智能体。它通过海马-元认知反思，诊断感知、探索、规划三个环节的失败原因，并比较多次执行尝试以提炼可复用策略。它还将交互程序抽象为参数化技能，经执行验证决定其保留与复用。论文称该方法在ESI-Bench上达到最先进水平，并在EmbSpatial-Bench上未经进化即提升3.94个百分点的准确率。
说明事件相机与帧相机用于合成孔径成像的仿真比较
简介合成孔径成像通过沿相机路径整合多个视角来去除树叶等遮挡物，过去主要使用帧相机。本文在仿真中比较事件相机与帧相机，两者观察相同场景和相机运动，并提出把每个事件直接投影到焦平面的新整合方法。结果显示：高速明亮场景中，帧相机只获得三张图像而无法去除遮挡，事件相机仍能重建目标；在1米每秒的两种匹配数据量下，事件相机的重建质量并无优势，其数据率随场景变化，在快速明亮场景中最高。
说明基于单一湍流样本的极端超分辨率重建：从一个流场实现中学习均匀湍流的多尺度结构
简介该论文使用宽激活超分辨率网络（WDSR），仅利用单个高分辨率二维均匀各向同性湍流样本中提取的重叠图像块进行训练。对未见过的流场，采用逐块预测并以汉宁窗加权叠加的方式重建，在超分辨率倍数为32和64的严重欠分辨条件下，能重现连贯的涡结构并恢复细尺度特征，优于常规插值。研究表明，利用单一湍流样本内的空间冗余，在高分辨率训练数据稀缺时是一种数据高效的方法。
说明SpectrumQuant：面向大语言模型量化的谱对齐正交变换方法
简介该论文针对大语言模型的低比特后训练量化，提出一种基于激活协方差的闭式正交旋转方法SpectrumQuant。它利用校准数据估计激活协方差，构造感知协方差的正交变换，并将Hadamard矩阵作为其特例。在Llama和Mistral模型上的实验显示，该方法与当前最先进的旋转策略相当，所需GPU内存不到三分之一，耗时也明显少于SpinQuant和DartQuant等学习型旋转方法。
说明MMLA-RSI：通过 RTT 与 RTMA 实现递归自我改进的论文
简介该论文提出 MMLA-RSI 框架，在记忆介导学习架构中提供两条路径：推理时训练（RTT）调整策略状态，推理时记忆适应（RTMA）调整权威记忆。两条路径都会把各自的适应方法本身也作为改进对象。文中给出有界可执行规则语言与统一算法，并报告了部分实验结果；作者指出递归改进链的有效性与发现效率仍有待评估。
说明CASI：基于集合干预的智能体检索信用分配
简介论文提出 CASI 方法，用于让语言模型联合生成多个检索动作、但系统只给出一个总体奖励的场景。作者通过固定快照并在相同条件下评估不同子集，构造反事实信息，再用 Shapley 值将集合内的贡献分配给各动作。在五动作的赞助搜索实验中，CASI 训练的策略在保留测试集上的集合价值更高，并在为期七天、占10%流量的生产 A/B 测试中观察到广告主价值指标提升 3.51%。
看点提出基于快照的集合干预与Shapley信用分配，新颖性较强；有离线回放与五次训练及7天线上A/B验证，证据较扎实，影响面限于广告检索场景。
说明医学推理中的检索时机：基于步骤级内部信号的自适应外部知识调用
简介该论文提出PUlSE方法，利用大语言模型内部表示在每个推理步骤判断是否需要调用外部医学证据。研究发现错误步骤的层间波动明显更大，据此训练轻量探针检测事实错误并触发检索与重新生成。在四个医学基准上，该方法在准确率上与逐步检索相当，检索调用减少72%，并可迁移到未见过的法律领域。
说明当正确性反馈抹去证据：Verus 中的分阶段完备性审计
简介论文研究在 Verus/Rust 中，正确性反馈会抹去规约完备性审计本应发现的证据，即满足书面契约却违背预期行为的程序。在 12 个任务上，无反馈独立发现的已认证见证比例（59.0%）是 IntentShield 纠错反馈循环（27.1%）的两倍多。保留这些见证后，规约修复的实现成功率更高（81.3%，对比 62.5%）；该效应在 Dafny 与 Lean 中未能复现。
说明预测未见过的科学交互作用：条件流模型会虚构非加性效应
简介论文研究条件流匹配生成模型在预测未见条件下的表现，重点考察两种干预之间的交互作用能否被恢复。实验涵盖生理时间序列模拟器、药物剂量反应数据、组合细胞扰动和分子构象生成。结果显示，模型学习单个效应比学习交互作用更早，且在没有交互作用时也会虚构出交互作用；只有当条件结构能从已观察目标延续到未见目标时，交互作用才能被恢复。
说明从柏拉图到亚里士多德：迈向表示假说的一般理论
简介该论文讨论柏拉图表示假说（PRH）认为模型趋向共同表示、但不同研究用不同的对齐标准得出分歧的问题。作者提出格结构的表示假说（LRH），认为这些标准位于同一格的不同位置，并用线性自编码器与有限对比Gibbs模型等理论模型，结合大量预训练视觉和语言模型实验来支持结论。
看点提出统一的格结构框架解释表示假设之间的分歧，并给出理论证明与大规模实验支持，新颖性较高。
说明ECHOES：通过递归历史压缩与特权同策略蒸馏超越当前图像
简介论文提出ECHOES方法，用于长流程图形界面（GUI）智能体。它训练时利用特权多图信息指导文本化历史压缩，部署时无需保留历史截图，从而降低推理成本。作者还构建了诊断基准ECHOESBMK，并称在四个GUI基准及该基准上取得任务性能与记忆保真度的明显提升，且能零样本迁移到未见过的视觉规划任务。
说明面向低资源语言萨拉基语的神经网络词性标注
简介本文为萨拉基语构建了一个人工标注的通用词性标注数据集，共含17个词性类别。作者比较了三种预训练Transformer编码器在相同微调设置下的表现，其中XLM-RoBERTa base效果最好，测试准确率约为88.60%。结果表明多语言及同源文字的预训练编码器可有效用于萨拉基语词性标注，该数据集与基线结果可作为后续研究的基准。
说明有效的水印不等于有效的身份：保留水印的空间-频谱对抗性人脸规避攻击
简介论文提出一种在黑盒水印条件下的人脸规避攻击（PGD-L_2），在对抗扰动中加入空间与频谱保持项，以降低人脸识别相似度，同时尽量减少像素失真和可能干扰隐藏水印的高频变化。实验显示，攻击在操作阈值下规避率超过92%，水印恢复率仍保持较高水平，图像视觉质量较好。结果表明，基于水印的人脸认证存在结构性缺口：图像可能保持水印有效，却已无法可靠用于生物识别。
说明TANGO：RNA拓扑与几何协同设计
简介该论文研究RNA逆向设计，即给定目标三维结构反推出序列。作者指出以往方法只考虑三维几何，忽略了二级碱基配对拓扑，因此提出TANGO，一种多目标多智能体强化学习框架，同时考虑二级和三级结构。实验显示，相比最强基线，TANGO的三级结构和二级结构表现分别提升18.3%和52.7%，并能生成多样且新颖的设计。
说明可学习缩放与频谱滤波器参数化的分辨率分配研究
简介本文研究卷积网络中可学习的下采样比例与频域滤波器参数化之间的相互作用，比较空间域和频谱域学习到的卷积核在学习分辨率分配后的表现。作者在EuroSAT、CIFAR-10和STL-10三个数据集及两种模型规模上观察到，频谱核获得的准确率提升更大，测试集上的差异约为+0.013至+0.028。部分差异来自频谱核更多地保留空间区域，但在保留总面积相同时差异依然为正。
说明CSWBench：评估创意写作中依语境变化的语码转换能力
简介该论文提出 CSWBench 基准，用于评估大语言模型在创意写作中能否根据语境判断何时、何处、为何切换语言。研究设置了聚焦叙事与扩展叙事两种场景，并提出 CSWEval 框架，从事件层面和全文层面进行评估。对十二个大语言模型的测试显示，各模型的语码转换能力有意义但发展不均衡。
说明FlowSep-RF：用于单通道射频信号分离的整流流匹配方法
简介本文提出FlowSep-RF，一种基于整流流匹配（rectified flow matching）的框架，用于在时间和频率上与同频干扰重叠的单通道射频信号分离。模型结合时域IQ采样与频域特征，仅需一次端点速度评估即可恢复分离后的波形。在QPSK信号与OFDM-BPSK、OFDM-QPSK及RFChallenge CommSignal2干扰混合的实验中，该方法在三种设置下的平均误码率和均方误差均低于所比较的经典、判别式和生成式基线，且为单步推理。
说明FUSE：面向 q 公平联邦学习的抗拜占庭攻击更新筛选方法
简介该论文针对 q 公平联邦学习（q-FFL）在拜占庭鲁棒性方面的空白，提出只能观察客户端公平缩放后更新的情形下的问题形式化。作者分析了公平缩放如何改变诚实更新的几何结构，并据此设计了两项互补的检验。提出的 FUSE 聚合器利用少量可信带标签数据进行筛选与步长控制，在四个基准和七种拜占庭攻击下提升了最差攻击准确率，同时保留了高损失诚实客户端的影响力。
说明Anuvani-LID：面向印度语言的稳健且校准的语种识别模型
简介该论文提出 Anuvani-LID，一个 1.15 亿参数的专用语种识别（LID）Conformer 模型，在 54,643 小时印度语音上训练，涵盖 22 种印度语言及印度口音英语。文中指出，部分通用语音模型和带音频能力的大模型在短音频上的语种识别表现较差。在 37 种条件下，该模型平均 macro-F1 达到 0.914，并给出校准指标 ECE 为 0.008。
说明运行时约束蒸馏：让智能体策略与运行环境语义对齐
简介论文提出“Harness Policy Distillation（HPD）”方法，把通用模型放进特定产品的运行环境中时，将决定动作是否可执行、状态如何推进以及何时终止等控制语义作为显式训练目标。方法通过回放参考轨迹恢复这些语义，并以控制文档形式提供给教师模型生成动作，经运行环境校验后联合训练。在TRAJECT-Bench上，使用Pi环境训练的Qwen3-8B自主任务成功率达22.98%，运行合规率达49.23%，未经适配的模型分别为3.09%和19.90%。
说明长时程强化学习为何需要 Muon 优化器：一种异步单轨迹训练方法的研究
简介本文研究长时程智能体的强化学习训练方法，这类智能体需要在较长的交互过程中协调推理、工具调用和环境反馈。作者考察了一套结合 Muon 优化器、按 token 平均的损失、截断重要性采样以及长度和工具错误辅助惩罚的单轨迹异步训练方案。研究以仓库级问题修复为任务，在两个模型系列上进行评估，文中称完整方案的训练成功率高于各基线。
说明GLoD-LVSM：面向大规模视图合成模型的几何感知连续细节层级场景表示
简介该论文提出 GLoD-LVSM，用于大规模视图合成模型（LVSM），通过连续可调的细节层级，以几何感知的方式压缩场景表示。方法学习连续场来初始化可变数量的锚点，并借助几何注意力进行压缩。论文报告，与未压缩的基础模型相比，场景 token 数量减少 33.4%，渲染加速 1.23 倍且质量无损；在放宽质量损失预算时，减少 85.5%，加速 3.00 倍。
说明在文本更新后修复语音访问：冻结仿射场方法（AFFIRM）
简介文本更新后，语音输入的问题可能仍难以得到已学到的知识。作者提出在保持原模型冻结的前提下，用一个可拆卸的算子在一次前向计算中修复语音访问，方法名为AFFIRM。在合成语音PopQA上，它与SALSA及低秩ReFT方法相比没有明显优势；在真实录音的SLUE-SQA-5问题上，其算子无需重新训练即可迁移，ROUGE-L比对应基线提高0.0941。
说明用于稳健行星着陆的对抗强化学习
简介该论文针对行星着陆等航天控制任务中的深度强化学习策略，提出用第二个智能体生成受物理约束的扰动，与着陆控制器形成非对称零和博弈，并交替优化两者。初步的三自由度着陆仿真实验显示，对抗扰动能发现常规随机化遗漏的弱点，作者认为在更充分的训练下，该方法有望获得更好的鲁棒性和泛化能力。
说明用于下盆腔MR多结构分割的对比不确定性学习
简介本文提出对比不确定性学习（CUL）框架，利用蒙特卡洛Dropout估计体素级预测不确定性，直接引导表征学习，抑制困难边界处的特征坍缩。在589例3D前列腺MRI八结构分割任务上，平均Dice与基线基本持平（83.38%对83.35%），但8个解剖结构中有6个的表面距离显著下降，并有助于降低极端误差风险。
说明面向自适应且与真实出行调查对齐的生成式智能体城市出行行为模拟
简介本文构建了法国图卢兹的日常多模式出行基于智能体模型，比较了十五种决策者在真实家庭出行调查上的表现，包括简单基线、基于调查拟合的模型、使用最小与调优提示词的生成式智能体，以及一个类型化分类器。结果显示，调优提示词的生成式智能体在无交通中断的模拟日出行方式分布上接近拟合模型，但在逐次出行上并不吻合；生成式智能体在突发事件时也能做出反应。
说明多语言混合专家模型的扩展：语言覆盖范围如何改变容量与计算分配
简介该论文研究多语言模型在增加语言时，混合专家（MoE）结构能否降低每种新增语言的代价。作者提出一个考虑重复效应的联合缩放定律，联系活跃参数量、每种语言的训练词元数、专家数量和语言覆盖范围，并基于64个预训练配置的26,300个分语言损失观测值进行拟合。文中报告，在相同活跃参数和每语言训练词元数下，32个专家相比稠密模型，使从12种语言扩展到200种语言时的损失代价降低83%。
说明基于检索的时间序列异常检测模型选择：RAMSAD 方法
简介本文针对时间序列异常检测中没有单一检测器在各类数据上都表现最好的问题，提出基于检索的模型选择框架 RAMSAD。给定新的时间序列，该方法在已有实例知识库中检索最相似的 k 个序列，并依据其性能记录推荐检测器。论文称，在同分布场景下它优于现有基线；在分布外场景下，选择少量检测器即可匹配或超过运行全部检测器的集成方法，且成本更低。
说明PAWA：面向多智能体的全景动作条件世界建模
简介本文提出PAWA，一个面向《我的世界》（Minecraft）多人场景的数据集与框架，将每位玩家的第一人称视频与世界稳定的全景视频及对齐动作配对。作者设计了双塔模型，同时预测两种视频，并通过交叉注意力在共享世界坐标系中对齐同一方向的信息。实验显示，该方法在第一人称预测质量上优于现有多人世界模型，同时能生成高保真的全景预测。
说明MAEM：用于类增量图学习的免回放、容量可控动态专家混合模型，缓解近期偏差
简介这篇论文针对图神经网络在类别依次到来时的灾难性遗忘问题，指出预测常被最近学习的类别主导（近期偏差）。作者提出MAEM框架：每个新阶段训练并冻结一个专家模型，测试时用掩码自编码器重构误差选择专家，无需任务标识或可训练路由器；专家数达到上限时，通过合并与蒸馏控制容量。论文称在四个类增量图基准上，该方法缓解了近期偏差并优于基线，同时在不保存历史图数据的前提下保持模型容量有界。
说明神经网络的最小宽度与实射影空间的浸入
简介本文研究深度神经网络在紧子集上一致收敛拓扑下逼近从R^n到R^m的所有连续函数时所需的最小宽度。作者证明，若实射影空间RP^(n-1)可光滑浸入R^n，且激活函数连续单调，则最小宽度至少为n+min{n,m}。由此，当n为2、3、4、7或8且1≤m≤n时，ReLU网络的最小宽度为n+m，并将Hanin-Sellke和Hwang的结果推广。
说明面向布局合法化后优化的强化学习配置设计空间探索
简介本文用图神经网络与近端策略优化（GNN-PPO）框架，在三个 ISPD2015 基准上研究芯片布局合法化之后的布局精修。作者系统评估了 18 种配置，涵盖奖励函数、网络结构、动作空间、候选集大小和训练策略。论文分析结果以找出常见问题，并提出一种设计分类方法来指导强化学习模型的设计决策。
说明AlphaDiana：可验证推理任务中智能体的测量系统
简介本文提出 AlphaDiana，一个用于测量智能体在可验证推理任务中表现的系统，提供数据集、智能体、环境和评分器的模块化接口。作者在三个开源模型与三个开源 harness 上，于五个答案类基准以及两个交互式基准（两个模型）上进行研究。结果显示，harness 并不稳定地提升推理准确率，技能指导与保留历史也不可靠地提高准确率；评估时需同时考虑正确性与输出 token 用量。
说明流映射训练的稳定性与收敛性研究
简介流映射是一种将扩散轨迹摊销为一步采样器的概率生成方法。本文分析了 MeanFlow 与 Lagrangian 损失诱导的函数梯度流，证明其收敛到真实流映射，并指出无界更新是实践中的主要障碍。自适应归一化与特定加权可提供有界更新，并保证收敛到解的邻域。
说明通过推理引导翻译扩展多语言安全与推理评测
简介本文提出一种推理引导的翻译框架，用于构建多语言评测集，目标是在翻译中保留各类基准任务的结构与原意。该方法将翻译策略选择与大规模生成分离，并结合任务感知校验、定向修复和独立质量筛查。作者据此构建了覆盖11种语言、七类安全、对话与数学推理资源的评测集，并用其评估开源大模型，发现不同语言存在差异化的脆弱性，低资源语言中推理能力明显下降。
说明Glance Forcing：让双向扩散模型实现自回归视频生成
简介该论文提出 Glance Forcing，一个轻量的蒸馏框架，用于把双向扩散模型转为可实时因果生成视频的少步学生模型。作者将去噪轨迹拆分为高噪声和低噪声两个阶段，分别用专门目标训练两个专家，并保持教师模型冻结。仅用一条 PF-ODE 轨迹，VBench Total 分数从 84.04 提高到 84.22，轨迹收集成本从数千 GPU 小时降至约一个 A100 GPU 小时。
说明混合泊松扩散模型及其在后验采样中的应用：一种基于计数过程噪声的生成模型，并用于泊松逆问题的后验采样。
简介论文提出混合泊松扩散模型（MPDM），用多元计数过程驱动的泊松噪声代替高斯噪声来构建扩散模型。受泊松逆问题启发，作者基于该生成动力学推导出若干后验采样算法。在真实的泊松逆问题上的实验表明，该框架适用于这类问题。
说明针对任务对齐的前列腺MRI ViT编码器持续预训练
简介该论文探讨在医学影像基础模型中，预训练与下游任务目标是否对齐。作者用低秩适应（LoRA）在前列腺分割任务上对已预训练的ViT编码器进行持续预训练，并用中心核对齐（CKA）分析各层表示的变化。实验显示，6个下游任务中有3个性能提升，其余结果相当；特征分析显示，分割任务中持续预训练编码器的特征与微调编码器更为相似，这与性能提升相关。
说明单次前向推理的决策分数：让医疗多模态大模型以可调阈值快速分类
简介多模态大语言模型回答是否类二分类问题时，只输出"yes"或"no"，判定阈值固定且隐含。该研究通过对两者概率重新归一化，从一次前向推理得到连续分数，无需重新训练即可按临床需求调整阈值。在六个医学影像数据集上，使用MedGemma和Gemma-3（4B、27B）进行了评估，归一化方法在六个数据集中有四个取得最高AUROC，单次判断耗时53至79毫秒。
说明马尔可夫决策过程中对统计与因果不确定性稳健的反事实推断
简介该论文研究在马尔可夫决策过程（MDP）中进行反事实推理，即假设当初做了不同决策会怎样，用于找出失败原因并解释AI系统的序列决策行为。作者同时处理由轨迹数据估计转移概率带来的统计不确定性，以及可兼容同一MDP的多个结构因果模型带来的因果不确定性。文中提出了对区间MDP所蕴含的所有结构因果模型都成立的反事实概率解析界，并通过在诱导出的反事实区间MDP上做悲观值迭代，计算使结果改善所需的最小稳健干预；实验表明该方法具有稳健性和实用价值。
说明HGRP：用于可布线性预测的异构图神经网络
简介该论文提出HGRP，一种用于可布线性预测的异构图神经网络，无需实际布线即可快速评估布局质量。方法将单元、网络和布线网格建模为不同类型的节点，构建保留多层电路语义的异构图表示，并设计异构消息传递机制以学习电路结构与布线行为之间的复杂关联。在CircuitNet数据集上，论文报告其拥塞预测任务的F1分数相较现有最优方法相对提升18.69%。
说明在人类与AI智能体中识别和量化约定：什么与何处
简介本文以纸牌游戏Hanabi为场景，研究人类与AI智能体如何形成隐性约定。作者用“约定差距”（实际成功率超出按已知信息计算的失败概率预测的部分）来衡量约定的存在与强度，并比较人类与不同层级的智能体。结果显示人类差距更大，且优势主要来自指向非触碰卡牌的提示情境，同时约定的使用与游戏阶段及卡牌已知信息有关。
看点提出可计算的“约定差距”指标，用于量化人类与智能体在Hanabi中的约定，并通过干预实验检验因果，新颖且证据较扎实。
说明仅用少量示范在仿真城市中基于鸟瞰图学习自动驾驶的行为克隆研究
简介本文研究在仿真城市环境中，从鸟瞰视角出发，利用行为克隆（BC）学习自动驾驶。作者引入核密度估计器，依据动作密度调整训练样本权重，以改善红灯停车、绿灯加速等罕见但关键动作的学习，尤其是在专家示范数量很少的情况下。在CARLA模拟器中的实验表明，该加权方法比标准行为克隆取得更高的路线完成率。
说明竞争激励下大语言模型达成共识的驱动因素：一项模拟研究
简介本文提出基于网络共识博弈的评估方法，让一组智能体在两种颜色中选定一种以获得报酬，但不同智能体对同一颜色的报酬不同。研究比较了六个开源模型和一个闭源模型（ChatGPT 5.6-sol）在不同通信范围与网络结构下的共识表现。结果显示，开源模型仅在消息可传遍全局网络时才较少地达成共识，而ChatGPT 5.6-sol在仅能与邻居通信或无通信时仍能达成共识；高度聚类的网络结构则会降低共识水平。
说明社交智能体的有效互动是什么？基于成对场景中可验证结果的学习
简介论文提出HICO-Bench基准，包含180个日常协调场景，两个各自掌握私有信息的智能体对话后分别记录所达成的计划，由程序检查可行性、由LLM检查对话是否支持计划，两者都通过才算验证成功。研究发现，在十三个大模型中，有36%被评为目标完成度高的对话未达到验证成功。作者还提出Paired-Credit Policy Optimization（PaCPO）方法，使Qwen3-8B的验证成功率从20.4%提升到28.3%。
说明SWE-Stream：通过渐进式构建与弹性流式执行扩展软件工程智能体的可执行训练数据
简介该论文提出 SWE-Stream 系统，用于扩展软件工程智能体的可执行训练任务。系统从 10,728 个代码仓库的开发历史中构建并验证了 80,874 个任务，收集了 118,688 条成功轨迹。用这些轨迹微调 Qwen3-30B-A3B-Thinking-2507 后，在 SWE-bench Verified、Multilingual 和 Pro 上的解决率分别为 69.0%、49.3% 和 45.42%。
说明HEM-Med：面向多中心安全用药推荐的分层智能体记忆框架
简介本文提出 HEM-Med，用于多中心用药推荐。它把跨医院可迁移的临床经验与各医院特有的处方模式分离，并在推荐时考虑药物相互作用和本地药品目录可行性等安全约束。在真实多中心 eICU 数据集上的实验显示，该方法在推荐准确性和安全性方面均优于代表性的迁移学习、基于大语言模型及用药推荐基线方法。
说明价值引导排斥的离线强化学习（VRQL）：在粒子互动中加入动作价值信息，使策略改进与行为正则化协同
简介该论文针对离线强化学习中的漂移（drifting）策略，指出标准方法只依据生成动作之间的几何关系产生排斥，无法区分动作的期望价值。作者提出价值引导排斥Q学习（VRQL），将动作价值估计融入粒子互动场，对价值较低的粒子给予更大排斥，同时保留对行为动作的吸引。作者称在50个OGBench任务配置和6个D4RL AntMaze配置上表现与已有基线具有高度竞争力。
说明指数凹在线学习中的维度最优动态遗憾
简介该论文研究在线学习中追踪变化比较器的问题，针对指数凹损失，确定了维度因子为 d 的 1/3 次方，改进了已有的 2/3 次方结果。作者给出了与之匹配的下界，并提出一种能自适应未知路径长度的学习算法，其计算复杂度在 T 上接近线性。
看点解决了指数凹损失动态遗憾中维度因子的最优依赖问题，改进了已有的d^{2/3}界并给出匹配下界，理论证明严谨。
说明当职业衍生的技能无益时：技能增强型职业路径预测的局限
简介本文审视在职业路径预测中显式加入技能表示是否能为基于文本的职业表示提供额外信息。作者在预测技能与ESCO真实标注两种条件下，测试了分数融合和神经网络等多种融入技能的方法，结果在两个基准数据集上相比强文本基线几乎没有明显提升。研究认为，文本与技能表示高度冗余、ESCO分类体系区分力有限以及技能嵌入出现表征坍缩是主要原因，表明稠密文本表示已包含大部分相关技能信息。
说明跨模型上下文神经反馈揭示大语言模型对激活的（有限）控制能力
简介该论文通过上下文神经反馈实验，测试语言模型能否有意控制自身激活值所编码的分数。研究对五个系列、共十个开源模型进行测试，发现部分模型能显著改变自身分数，但其效果并不超过能力相当的写作模型，三个模型表现出小而稳定的控制效果。另一项实验显示，没有模型能够学会降低激活监测器的分数，只有一个模型能提高该分数。
说明TreeSpark：学习为可验证的树结构草稿进行训练的推测解码方法
简介该论文提出 TreeSpark，一个扩展 DSpark 半自回归架构的统一训练与推理框架，用于推测解码。它从一次主干前向传播构建以父状态为条件的候选树，并在训练中重放其扩展、剪枝与预算打包过程。两个目标函数（生存负对数似然与带上限的覆盖铰链损失）复用参考链的目标分布，无需额外的目标模型前向传播。实验显示，在 Qwen3-4B 和 Qwen3-8B 上，相较 DSpark，平均接受长度与单请求吞吐量均有提升。
说明RM-OPD：面向生成式奖励模型的同策略蒸馏方法
简介这篇论文针对用混合领域偏好数据做强化学习训练生成式奖励模型时出现的奖励稀疏和跨领域干扰问题，提出两阶段框架RM-OPD。先用单一领域的GRPO微调培养各领域专家教师模型，再通过同策略蒸馏、领域贡献重加权及可选的评判标准上下文蒸馏，将教师整合为一个学生模型。论文称在多个奖励模型基准和两种基座模型上，该方法整体优于普通混合强化学习及其他基线。
说明利用生成路径提升统一多模态模型的细粒度视觉理解
简介该论文研究统一多模态模型中生成侧的视觉表示能否帮助细粒度视觉理解。作者发现这些表示对细微语义变化更敏感，并依赖正确的空间组织。据此提出GAFU后训练框架，将生成侧表示压缩为紧凑的G令牌以供理解路径检索。实验显示其在多项任务和架构上优于同数据训练的SFT基线，在VStar-Bench、OmniSpatial和VSR-Bench上最大相对提升分别为20.00%、17.94%和8.62%。
说明MultiPartyTurnBench：多人语音对话中发言权控制的基准测试
简介该论文提出 MultiPartyTurnBench（MPTB），一个包含 240 段合成多人对话的基准，涵盖 2 至 5 名说话者和六种交互类型，用于评估全双工语音系统判断轮次结束与打断的能力。实验显示，学习型系统在轮次结束检测上召回率较高，但打断检测表现不稳定；五个全双工智能体在选择性打断处理上接近随机水平，说明多人场景下的选择性发言权控制仍是未解决的挑战。
说明用混合整数线性规划优化稀疏布尔规则网络
简介本文研究如何学习准确且认知上简单的二分类器，使其可直接解释为布尔规则。作者提出用混合整数线性规划训练稀疏析取范式网络，先固定网络结构再求最优权重，并通过正则化目标在误分类代价与稀疏性之间取舍。实验表明，改进后的公式计算效率更高，准确率与多种可解释基线相当或更优。
说明间隙检测：通过需求与可辩护性缓解同质化
简介语言模型对开放式问题常给出语义相近的答案。该论文提出“间隙检测”框架，在共享文本嵌入空间中寻找既与查询相关、又未被现有回答覆盖的方向，并用综合得分（需求与可辩护性之积）进行优化。在多个主题和查询上，输出碰撞率的平均相对下降约为12.8%和10.8%；在合成数据增强实验中，碰撞率由0.324降至0.298。
说明OneLA：从潜在动作学习多种世界的统一控制空间
简介论文提出OneLA框架，通过共享的正交字典和统一预测目标，从视频中学习连续的潜在动作，无需显式动作标注，也无需任务特定设计或跨域对齐损失。轻量适配器将各域原生控制指令映射到同一空间，世界模型据此预测可控的状态转移。文中报告，相比最强基线，动作循环迁移旋转误差降低24.8%，联合训练下真实场景生成的HPSv3得分提升20.5%。
说明数据集级正则化：用于联合嵌入自监督学习的方法
简介该论文提出“批外正则化”，在内存中维护整个数据集的状态，训练时用全局构建的目标约束每个样本。在自然图像和生物医学数据集上，它比小批量估计更接近全数据集正则化梯度。将其应用于SimCLR和SIGReg后，在图像分类、少数类表现、实例检索和持续预训练中均有提升，小批量时增益最大。
说明基于大语言模型的贷款申请政策合规核查
简介本文提出一个原型系统，利用大语言模型自动将银行内部贷款政策中与合规相关的规则提取为结构化形式，并据此核查贷款申请，找出政策例外、不合规项、缺失信息及需人工复核的情况。在11份已知存在政策例外的真实贷款申请上，系统检出了大部分例外，并发现了人工审核中曾被遗漏的其他合规问题。作者同时指出该方法存在误报，无法完全取代人工判断。
说明结构依赖、模仿还是群聚？全球媒体间议程设置的多智能体模拟
简介研究比较了六个国家18家媒体与四家核心媒体在乌克兰战争、加沙战争及两次联合国气候大会报道上的相似程度，并用语言模型扮演编辑进行模拟，检验依赖、模仿与群聚三种机制。结果显示，仅依赖通讯社稿件较多的媒体发稿更早；群聚假设获得支持，模仿假设未获支持，模拟也无法区分各机制，因为依赖规则实际上只体现为发布通讯社稿件。
说明基于注意力机制的时空方法用于火焰与烟雾检测
简介本文提出一种视觉方法，结合空间特征与时间特征来检测画面中的烟雾和火焰，以弥补红外热感与烟雾传感器无法用于户外的不足。该方法由三个主要部分组成，每一部分旨在降低前一部分的误差，并使用 Transformer 模块提高模型准确度。作者称该方法表现良好，可用于提升工作场所安全。
说明用于自然语言处理机制可解释性的稀疏自编码器：关于可恢复性、可解释性与实用性的批判性综述
简介本文是一篇批判性综述，回顾了138项关于自然语言处理中稀疏自编码器（SAE）的研究。SAE 将语言模型的激活分解为稀疏且可能可解释的特征。作者提出了连接字典设计、特征操作与NLP功能的任务导向分类法，并分析了影响特征可恢复性的因素，评估了语义可解释性、机制忠实性和行为实用性的证据。文章还比较了已发表结果，调和了其中的分歧，并提出更严谨的评估方向。
说明基于流匹配的上下文批量黑盒优化
简介本文针对可并行评估但评估轮次有限的昂贵系统，提出名为FMTR（Flow Matching for Thompson-Sampling Refinement）的方法。该方法离线学习一个以历史数据为条件的连续候选分布，用于采样可变大小的批次。在合成与真实基准测试中，FMTR在性能上优于批量贝叶斯优化和上下文基线方法，同时显著降低了批量选择的计算成本。
说明StreamErase：超快速流式视频物体擦除
简介该论文提出StreamErase，一种流式视频物体擦除方法，在单张GPU上可达到亚秒级延迟、最高26 FPS的实时生成。方法先用带掩码输入的文本到视频模型生成擦除目标物体并合成背景的高质量视频，再把擦除能力逐步迁移到高效的单向流式擦除器上。通过带注意力汇聚点的滑动窗口因果注意力及训练中的自回归展开与KV缓存滚动，实现了任意长视频的恒定速度生成，并建立了长视频擦除基准LongErase。
说明边缘设备上视觉语言模型推理的能耗测评
简介本文测量了视觉语言模型 Qwen2-VL-2B-Instruct 及其纯文本版本在树莓派 5（搭配 Hailo-10H NPU）和 Jetson Orin Nano Super 上运行时的整机能耗、延迟与温度表现，区分每次请求的固定能耗与随输出长度增长的能耗。结果显示，NPU 卸载可将每生成一个词元的能耗降低约三分之二，并避免 CPU 长时间运行时的热降频；在典型回答长度下，生成答案的能耗远高于处理图像。两种平台的能耗曲线约在 40 个输出词元处交叉。
说明从事件到推理：基于显式状态的分层规则组合
简介本文提出事件推理系统（ERS），以显式事件图作为推理状态，由语义特征提出候选对象，并由规则条件决定哪些操作可以执行，从而保证推理路径满足时期、单位和证据约束。系统通过可递归组合的控制规则组织子目标与合法路径，并在结构化事件图和若干开发任务上报告了依赖链深度、无依据输出数量及推理耗时等实验结果。
说明BlenderWorld：基于真实参考的三维创作视觉智能体基准测试
简介该论文提出 BlenderWorld，这是首个专门评估前沿模型在真实三维创作任务上表现的综合基准，包含 223 个任务，涵盖建筑、产品、自然环境和科学可视化，输入形式包括文本、图像、视频和结构化说明。作者通过渲染多视角 Blender 项目，并用 2,651 条二元评分标准与整体视觉质量分数进行评估。测试十三个前沿模型后，论文发现模型能理解宽泛指令，但在精细的三维空间一致性和结构还原方面仍存在明显困难。
说明DreamHMR：借助结构聚焦，从视频生成先验走向人体动作建模
简介本文提出DreamHMR，将视频生成预训练的时空先验迁移到人体网格恢复任务，从视频中同时重建身体动作和手部细节。方法分两步：先通过全局身体表示迁移让模型学习人体几何，再通过局部关节特征增强，在遮挡和背景干扰下恢复细节。在3DPW、EMDB-1、RICH数据集上，最佳模型的身体MPJPE分别降低4.2%、4.7%和6.1%；在遮挡更严重的BEDLAM和EgoBody测试序列上，身体和手部MPJPE分别降低7.0%和10.0%。
说明从Bregman近端视角看神经算子：一种将算子层解释为正则化优化问题解的新框架
简介本文把神经算子各层的作用看作Banach函数空间上Bregman正则化优化问题的极小化解。在这一框架下，激活算子可被理解为从对偶空间到原空间的Bregman近端算子。作者由此提出Bregman神经算子，其中包含逆激活算子，表达能力与标准神经算子相当。数值实验表明，Bregman版本的傅里叶神经算子有助于训练更深、更准确的模型。
说明KANLab：面向柯尔莫哥洛夫-阿诺德网络的 TensorFlow Playground 式可视化教学工具
简介KANLab 是一个基于浏览器的交互式可视化工具，以 TensorFlow Playground 为蓝本改造而来，用于讲解柯尔莫哥洛夫-阿诺德网络（KAN）的核心概念。为便于教学，它省略了现代 KAN 实现中的残差连接和可学习缩放参数，使显示的 B 样条激活曲线直接对应其可训练的控制点。用户可以查看和修改激活函数与初始化方案，并观察梯度下降如何修正人为扰动；还可在紧凑的二维机器学习场景中探索激活方差、交互式剪枝和重新训练等现象。该工具开源，可在 https://kanlab.app/ 访问。
说明提高上下文压缩的透明度，可提升轻量级编码智能体对事实与承诺的保留能力
简介长时间的编码智能体会话会超出模型的上下文窗口，因此需要压缩历史内容。本文提出 transparent-compact，这是一种面向开源 Pi 编码智能体的确定性压缩方法，保证用户和助手的原文不被模型或算法改动，并明确标出压缩时丢失信息的位置。在多个模型上的测试显示，该方法在承诺与事实回忆任务中表现与对比方法持平或更好，尤其能减少自信地给出错误信息的情况；在前沿模型上优势较小。
说明ACR-Net：通过对比式声学-语义解耦缓解语义主导问题
简介论文指出语音情感识别模型和音频大模型在语调与文字语义相矛盾时容易失效，原因是训练数据中语义与语调一致，使模型形成对文本的过度依赖（即“语义主导”）。作者提出 ASPIRE 基准，包含四种冲突类型的对抗性音频-文本对，并设计了语义过度自信惩罚（SOP）和潜在解耦度（LDD）两项指标。所提出的 ACR-Net 采用跨模态注意力和对比解耦损失，将矛盾的表征分离到正交的潜在空间；实验显示其在对抗与标准场景下都取得了更高的声学准确率。
说明从谱范数到 Frobenius：Muon 何时失去谱隐式偏置
简介这篇论文研究 Muon 优化器在线性可分数据上的隐式偏置。作者证明，实际实现中用有限次 Newton-Schulz 迭代近似正交化并加入稳定常数，会使 Muon 收敛到 Frobenius 最大间隔方向，而非理想情况下的谱最大间隔方向。论文还分析了不同迭代次数、稳定常数和多项式的影响，并指出迭代次数随训练对数增长时可恢复谱偏置。
看点证明了实际实现中的有限牛顿-舒尔茨迭代与稳定常数会使Muon偏向Frobenius最大间隔方向，并刻画了多种渐近行为，新颖且理论扎实。
说明RepForcing：面向自回归视频蒸馏的表征空间初始化方法
简介本文提出 Representation Forcing（RepForcing），用于把预训练视频扩散模型蒸馏为少步自回归生成器。该方法不再依赖中间 AR 教师的轨迹回归，而是在冻结视频扩散 Transformer 的归一化特征空间中，通过表征监督学习少步因果初始化。作者报告称，在四步采样下，经 DMD 后其 VBench 总分由 84.04 提升至 84.66，VisionReward 由 6.326 提升至 10.074。
说明穷举式规范骨架生成：一个用于可分解符号回归的形式化数据集
简介本文针对神经符号回归训练数据依赖随机采样、结构冗余且函数覆盖不全的问题，用确定性的受限上下文无关文法生成了穷举的单变量规范骨架数据集。该数据集配有不依赖人为保护算子的采样策略，并可支持多变量问题的可分解符号回归。作者通过规范化两个已有数据集进行比较，并建立了包含150个问题的三级基准，结果显示现有先进方法在其上表现明显吃力。
说明为什么要生成点击？面向网页智能体的即插即用决策头
简介基于视觉语言模型的网页智能体通常以生成文本（如 click(12)）的方式决定每一步操作，但其中大部分文本只是在少数动作类型和几十个标注元素之间做选择。本文直接从生成器的隐藏状态中读取这些选择：在冻结的生成器上接入即插即用的决策头，预测动作类型并选择目标元素，并设有置信度级联机制，在决策头有把握时直接执行，否则由生成器继续解码。实验显示，在 WebArena 等基准上，该方法在保持任务成功率的同时，所用生成 token 不到一半。
说明市场微观结构基础模型学到了什么？基于合成限价订单簿的受控研究
简介该论文用参数已知的模拟器生成订单流并训练GPT类模型，以贝叶斯最优预测器和生成状态作为参照。结果显示，对订单流的下一词元预训练能近似实现对市场状态的摊销贝叶斯推断，且泛化能力取决于训练市场状态的多样性而非数据量。在真实纳斯达克数据上，模拟器先验对真实订单流的覆盖程度决定零样本迁移效果。
看点通过已知真值的模拟器检验自回归模型是否实现贝叶斯推断，设计新颖；实验对比贝叶斯最优与熵下界，证据扎实，对子领域有较大参考价值。
说明语言暴露的影响：有限数据多语言 BabyLM 预训练中的分布与顺序
简介本文研究在数据有限的情况下，英语、荷兰语和中文三种语言的训练暴露量如何分配，以及这些暴露的先后顺序如何影响多语言 BabyLM 的表现。作者比较了均衡与偏重某一语言的暴露方式，以及混合训练与课程式训练两种顺序。结果显示，混合训练在全部 15 组对照配置中都优于课程式训练；部分偏重型混合配置得分高于均衡配置；以荷兰语为主的配置整体表现最好。
说明任务状态治理：面向可验证、可恢复 GUI 智能体执行的虚拟机
简介本文提出“任务状态治理”交互范式，把任务表示为可编辑的契约，关联期望结果、必须保留的事实和观测到的应用状态。作者实现了 TaskVM 系统，将实时状态投影为可编辑的任务控件，通过独立观测验证结果，并标注每个操作是可逆、可补偿还是不可逆的。实验表明，该范式提升了契约合规性以及用户的恢复控制和信任感，执行结果保持不变。
说明EvalBuilder：LLM能否构建高效的评测基准？
简介本文研究大语言模型智能体能否自动构建成本更低的评测基准，并保持与昂贵参考评测相同的结论。作者将其形式化为元评测问题，提出EvalBuilder框架，从保真度、效率和稳健性三方面评估智能体生成的基准。论文还提供了一个可在固定时间预算下迭代改进基准的环境。
说明RTAformer：面向视频场景图生成的关系转换感知Transformer
简介该论文研究视频场景图生成（VidSGG），即捕捉视频中物体及其随时间变化的关系。作者指出现有方法因过度强调一致性，可能在关系已改变时仍保留旧预测，并将其称为关系语义惯性。为此提出RTAformer，分别建模实体持续性与关系变化，并在训练中进行跨帧实例对齐。在Action Genome上的实验显示其在召回率和平均召回率上有所提升，在关系转换帧上的增益大于非转换帧。
说明当成对偏好出现循环：面向视频 GRPO 的可靠性锚定偏好游走方法
简介本文针对视频生成模型强化学习中的成对偏好反馈，发现在 6,976 组同策略比较图中，循环偏好普遍存在并贯穿整个训练过程。作者指出，仅按平均胜率聚合奖励会丢弃比较结构，可能导致部分样本的优势估计不可靠。为此提出“可靠性锚定偏好游走”（Reliability-Anchored Preference Walk）方法，利用循环偏好图中的可靠关系证据增强胜率得到的全局偏好信号。在评估器、比较协议、组大小、提示调度和查询预算一致的条件下，该方法不增加额外评估器查询，并在受控比较、迁移设置和盲测人工评估中优于 Pairwise-GRPO。
说明AFCS：面向事实知识预训练的原子事实条件合成方法
简介该论文提出AFCS（原子事实条件合成）数据合成流程，先从源文档中抽取有依据的原子事实，再以每条保留的事实驱动生成训练语料。在OLMo-3-7B和32B基础模型的持续预训练实验中，AFCS在SimpleQA、SimpleQA Verified、PopQA和HotpotQA上优于WRAP和Nemotron-CC。粒度消融实验显示事实级合成优于块级、段落级和实体级合成。
说明设计文本接口以提升大模型在视听问答中的推理能力
简介本文研究自动提示优化（APO）在视听问答任务中的应用，比较了三种文本接口设计：单一全模态大模型直接推理、描述生成与推理分离的系统，以及由主智能体调度子智能体的架构。实验基于Qwen3-Omni和Gemini进行，结果显示直接提示优化的效果因模型而异，后两种系统更易解释但更难优化。作者认为文本接口设计是影响全模态推理提示优化效果的重要因素。
说明VisualWorldBench：评估多模态大模型视觉世界知识的细粒度多任务基准
简介该论文提出VisualWorldBench，一个基于层级分类体系的多任务基准，覆盖8个视觉领域的21,291个叶节点类别，共32,541个评测实例。它包含闭集识别、对比选择、精确定位和开放命名四类任务，并且多数题目由分类上相近的类别构成，以考察细粒度区分能力。结果显示，最强的闭源模型平均准确率仅为80.4%。作者还构建了用于训练的VisualWorldBench-50K，微调后在该基准上提升超过21个百分点，并在公开的细粒度识别和视觉知识基准上有一致的迁移效果。
说明基于广义全变差最小化的最小二乘联邦学习大维分析
简介该论文研究去中心化网络中的联邦学习，探讨协作降低本地有限样本噪声与异构节点间协作引入偏差之间的权衡。作者借助随机矩阵理论，对带最小二乘模型的广义全变差最小化（GTVMin）进行大维分析，给出独立同分布与非独立同分布高斯混合情形下性能的精确解析表达式，并用合成数据与真实数据实验验证了理论结果。
说明患者个体化数字孪生用于脑室-腹腔分流管置管路径规划的可行性研究
简介该研究构建了一个患者个体化数字孪生系统，基于术前CT重建颅骨、头皮、耳部和脑室，搜索Keen点周围的最优穿刺路径，并以耳部标尺测量和两个深度给出置管方案。11名成人患者徒手按方案置管，10例达到Hayhurst 1级，历史对照为213例中的22例，且无术中并发症。研究认为改进来自于按患者个体选择穿刺点和深度；是否能降低翻修率尚待后续研究验证。
说明GDBA-Net：用于跨域细胞核分割的门控双分支SAM2适配方法
简介该论文提出GDBA-Net，一种参数高效的细胞核分割框架，核心是门控双分支适配器（GDBA）。它在冻结的SAM2编码器上，融合预训练语义特征与频域结构先验，并通过样本自适应的通道门控进行整合。仅使用430万可训练参数，该方法在六个细胞核分割基准上的域内及跨数据集泛化表现均优于对比方法。
说明重新思考预测区间：在少步 MeanFlow 中将模型查询与状态更新解耦
简介该论文研究 MeanFlow 生成模型在少步采样中的推理控制：把模型查询所用的时间区间与状态更新的步长分开，保持模型和网格不变，只改变预测区间长度。实验发现，区间长短的效果取决于查询位置和输入状态，并提出一种无需重训练、不增加查询次数的冻结四查询规则，在 CIFAR-10 上降低了 FID，但并非在所有设置下都优于其他方法。
说明可在深层训练、小规模可精确求解：多项式激活的损失曲面如何指导网络的设计、初始化与训练
简介论文提出一种以多项式激活函数为核心的网络构造，既可作为深层网络在MNIST上训练到一百层而无需归一化机制，也可作为小模型把平方损失表示为可精确求解的多项式系统。作者认为小规模下的精确分析可以指导大规模堆叠网络的设计、初始化与训练。
说明大语言模型应该信任哪种知识？发现一个可跨知识冲突迁移的引导方向
简介论文研究大语言模型在内部参数化知识与外部上下文知识冲突时如何做选择。作者发现，这一选择可以在模型残差流中沿单一方向线性表示和控制。该方向在多种事实冲突设置中可泛化，并能迁移到检索增强生成、记忆和规则遵循三类任务中，使模型更多地利用提示中提供的信息。
说明FoveaVLA：用注视动作取代机器人腕部摄像头的视觉-语言-动作模型
简介该论文提出FoveaVLA模型，用学习得到的“注视”动作代替机器人腕部摄像头。模型在每次输出动作时同时预测下一步需要观察的交互区域，并从原始分辨率图像中裁剪这些区域，与完整视野一同输入。基于π0.5构建的单视角与双视角版本，在四组真实任务中分别达到70.8%和77.1%的成功率，高于配备腕部摄像头的π0.5基线（52.1%）。
说明超越正确性：面向推理模型后训练的计算响应式数据选择
简介本文研究推理模型能否通过后训练更好地利用测试时的计算资源，并探讨哪些训练样本最有价值。作者提出“计算响应式”（CR）样本的概念，即增加推理计算后能由失败转为成功的题目，并据此提出计算响应式数据选择方法（CRDS）。论文报告在Qwen3-8B上，基于CR样本的训练在低计算失败题目上的恢复率高于基于已解决样本的训练，并在多种推理预算下改善了计算与准确率的关系。
看点提出以推理额外计算的边际效用筛选训练样本的新原则，并在多模型、多数据源和多预算上做了系统验证，证据较充分。
说明GBTSVR：基于粒球计算的双支持向量回归
简介论文提出粒球双支持向量回归（GBTSVR）及其分位数扩展GB-TSVQR，用紧凑的粒球代替单个样本作为基本学习单元，以降低噪声与离群点的影响。模型在粒球上构建非平行的上下界回归函数，并在分位数框架下刻画异质趋势与非对称误差。论文称，在合成数据、时间序列基准和含离群点的数据上，两者均优于现有回归模型。
说明什么是澄清？估计依赖模型的输入歧义
简介论文区分“世界歧义”（输入允许的所有解释）与“模型歧义”（应答模型可以获取的解释），并以唯一性、忠实性和答案等价性刻画自然语言澄清。作者提出黑盒方法CircleClar，通过“答案–澄清–答案”循环的一致性检验来估计模型可用的答案集合。在开放域问答和可执行的Text-to-SQL任务上，该方法能较好地恢复这些答案集合。
说明FACES：面向多模态情感支持对话的细粒度门控语义对齐方法
简介该论文提出FACES框架，用于多模态情感支持对话（MESC）。它通过融合多源奖励构建多维语义与功能对齐信号，采用非补偿门控融合机制减少跨维度奖励偏移，并借助结构化思维链锚点进行词元级信用分配。在受控回复长度条件下，其基于多模态大模型的平均评分由3.61提升至4.04，对SOTA的两两胜率为80.22%，人工评测偏好率为75.3%，并在三个外部数据集上显示出可迁移性。
说明基于顺序学习的物理信息神经网络：用于功率变换器的参数估计
简介本文提出一种分阶段的物理信息神经网络（PINN），利用时域数据辨识直流降压变换器的电感、电容及寄生电阻。梯度按敏感性分析得出的 L、C、rL、rC 顺序逐步释放。五阶段方案中，L 和 C 的误差在 5% 以内，串联等效电阻（ESR）误差在 10% 以内；三阶段变体精度相同且速度快 11%。
说明SWE-Nexus：基于测试执行自动组合软件工程任务
简介该论文提出 SWE-Nexus，一条全自动流水线，依据测试执行情况在代码仓库中构建实现类任务，而非仅依赖历史代码改动。系统通过追踪记录测试所覆盖的生产函数体，并在屏蔽这些函数后验证测试失败，再将兼容的范围确定性地组合成复合任务。基准包含来自 105 个仓库、六种编程语言的 600 个任务，其中单点任务 116 个、复合任务 484 个；在 12 个模型和三种智能体框架下评估，最佳配置一次尝试解决 37.8% 的任务。
说明加权伴随匹配：带时间相关控制代价的流匹配模型微调方法
简介本文提出加权伴随匹配方法，可在给定可微分奖励的情况下微调预训练的扩散或流匹配模型。该方法在伴随匹配的随机最优控制框架上，对控制代价加入随时间变化的权重：生成早期代价较高，以保持粗粒度特征的平衡与多样性；末期代价较低，使模型通过细化细节提升奖励。作者证明该方法等价于在生成路径上使用随时间变化的KL正则化进行奖励最大化。在高斯混合和MNIST上的实验显示，相比伴随匹配，它在奖励与模式平衡之间取得了更好的权衡。
