机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明历史信息究竟有什么用？大学轨迹预测中的日历控制与信息时序审计
简介本文在一个基于规则的大学轨迹模拟器中，审计历史摘要对预测的实际价值，比较十七种岭回归设定与持续性基线。结果显示，六个月历史相比仅考虑当前状态的预测略有降低误差，但相对仅含历史长度的对照组，差异并不明确。作者同时指出，疲劳指标的预测有28.20%超出模拟器的[5,90]取值范围。该研究是一项评估审计，并非提出新的记忆架构。
说明在多个时空层级上学习预测
简介本文提出一个图深度学习框架，把同一组时间序列在不同层级结构下的差异当作多任务正则化来训练。作者指出，单一固定层级容易导致模型过度专门化，而跨层级联合训练能提升预测精度。论文还提出一种自上而下的一致性运算子，其时间和空间复杂度与层级规模呈线性关系，实验显示该方法优于单一结构训练，并与当前先进方法相当。
说明JevAgentHarness：训练并部署与大模型分担控制权的决策模型
简介论文指出，智能体每一步都调用大语言模型，任务既慢又贵，而多数调用只是选择题式的决策。作者构建了评测基准AgentDecisionBench，提出JevAgentHarness框架，在智能体自身轨迹上为每个选择拟合置信阈值，低于阈值时才交由大模型决定。作者还训练了开源4B决策模型AgentDecision-4B，并称在相近任务上可显著降低成本、提高速度，同时保持任务成功率。
说明Jev-LiteMAS：将多智能体工作流中的决策与生成分离
简介该论文提出 Jev-LiteMAS 框架，用轻量决策模型（Jev）负责选择下一位专家和判断中间产物质量，只在需要时才调用生成式大模型进行执行与修正反馈。在四个基准和两种骨干模型上，相比 LAS，该方法将生成式大模型的 token 消耗减少 12.7%–54.6%，准确率下降不超过 1.34 个百分点，并在八组设置中的七组降低了延迟。
说明CLAD：利用全局直线对应关系的关键点匹配方法
简介该论文提出CLAD（上下文直线辅助描述子），用于图像关键点匹配。传统SIFT、ORB等局部描述子在重复纹理或弱纹理场景中容易失效，CLAD则用关键点与匹配直线的空间邻近关系作为全局几何信息来表示关键点。作者利用HOME方法检测直线结构。在TUM RGB-D数据集和室外视频上的评估显示，CLAD能提供几何上一致的匹配，并在重复场景中提升匹配可靠性，且计算量较轻。
说明提示词演化中有效策略的识别：用于压力与情绪预测
简介该论文比较了六种提示词演化方法在社交媒体压力与情绪数据上的表现，覆盖两种模型规模。研究发现GEPA及其结合两个提示词指令的扩展版本（GEPA+merge）在多个设置中优于初始提示词，并归纳出五种与性能提升相关的策略。论文还记录了跨任务与评估设置的若干观察，指出提示词演化的效果和局限。
说明MemCut：LLM智能体长期记忆中，每一条秘密都会留下痕迹
简介本文提出MemCut基准，用于评估LLM智能体的长期记忆在用户要求遗忘敏感信息后，能否真正删除。基准包含456个人工设计的秘密，并附有完整的证据痕迹，用于检验删除后是否仍能被恢复。研究发现，仅删除直接披露的内容，残留恢复率远低于原生恢复率；而在候选覆盖不足的情况下，删除仍会留下39%至76%的残留信息。
说明多奖励黑客攻击：从聚合引发的漂移到信任锚定防御
简介该论文研究大模型后训练中，把主任务奖励（如正确性）与辅助奖励（如简洁性）对称聚合时可能出现的问题：总奖励上升，但主任务表现下降。作者提出信任锚定门控方法TAG，先选定锚定通道，再依据锚定是否满足来决定辅助奖励是否计分。实验显示，在数学与程序合成任务上，TAG相比对称聚合有明显改善。
看点提出对称聚合导致多奖励黑客的理论刻画，并给出锚定门控方法；有收敛性证明和Qwen/Llama上的实验对比，新颖性与证据较强。
说明超越不变性：面向多模态学习的分因子选择性偏移处理
简介本文针对多模态学习中的分布偏移问题，提出 FaShift 框架，按潜在表征因子的分布变化、干预效应和跨环境稳定性进行诊断。该方法区分无预测作用、稳定有预测作用和有预测作用但不稳定的因子，分别选择性抑制、保留或削弱其贡献。在 MOSI、MOSEI 和 CH-SIMS 数据集上的实验显示，FaShift 的同分布准确率和 F1 均为最佳。
说明基于边缘AI的光无线链路故障检测与误码率诊断
简介本文提出一种自主诊断的光无线接收节点，以ESP32-S3微控制器为核心，在设备端运行TinyML分类模型，实时提取误码率、信号电压、信噪比和环境光基线等信道特征。经INT8量化的模型仅占用3.32 kB SRAM，在正常传输、光滤波衰减、环境光干扰和严重遮挡/错位四种工况下总体准确率为74.68%，并可在设备上实现实时、确定性的故障分类。
说明如果瓦特不同？AI数据中心建设的反事实推理基准
简介AI数据中心在动工前就需要做出几项关键选择，如电力来源、冷却方式和选址，这些选择决定了投资、用水和碳排放路径。作者提出DCBench-440基准，包含200道基于STRIPS规划世界的生成式问题和240道基于真实场地记录与排放公式的选择题，用于测试大语言模型是否理解每项决策排除了哪些后续可能。结果显示，开源模型在生成题上的准确率为12.5%至71.5%，选择题为58.3%至92.5%，而在列出决策节点所有可行行动这项能力上，所有模型的精确匹配率都不超过4.0%。
说明用于车辆路径问题错误诊断的自引导大语言模型推理
简介车辆路径问题是许多实际应用的基础，大语言模型近来被用于求解这类NP难问题，但多数方法假设输入数据无误。该论文系统考察了大语言模型检测并纠正车辆路径问题实例中错误的能力，指出其在复杂实例或加重推理负担的错误上存在局限。作者提出一种自引导推理框架，让大语言模型自主生成代码以提供结构化洞察，辅助错误诊断。实验显示该框架显著提升了错误检测性能，准确率接近完美。
说明基于选择性内部反馈的推理学习：一种无需标准答案的强化学习方法
简介该论文提出SIF方法，利用语言模型内部的置信度信号进行强化学习，无需标准答案或外部验证器。SIF通过比较多个窗口与同伴的词元级自确定性分布，并结合样本与组级过滤来选择参与策略更新的回答。在三个基础模型和12个数学与科学推理基准上，其最终检查点的平均准确率高于Intuitor和Vigor的最佳验证检查点。
说明PriorityFEC：面向边缘多智能体系统中KV缓存交接的截止时限感知流式前向纠错方案
简介本文针对边缘多智能体大模型系统中上游智能体已处理的上下文需要重复预填充、造成大量冗余计算的问题，提出PriorityFEC方案。该方案把高价值的KV缓存块排在前面传输，并依据接收端反馈自适应调度流式前向纠错的修复包，以在首词延迟截止时限和不可靠网络条件下保护关键信息。实验基于Qwen2.5-7B-Instruct和Llama-3.1-8B-Instruct，结果显示其任务质量优于对比的传输方案，在严格截止时限下优势更明显。
说明校准语言如何影响多语言语言模型的块影响力剪枝
简介论文研究了用于深度剪枝的块影响力（BI）指标在英语与印地语、马拉地语、泰米尔语等印度语言之间的迁移性，测试了Qwen2.5-1.5B-Instruct、Llama-3.2-1B和Gemma-2-2B三个模型。结果显示，印度语言下后层块的BI比英语高20.7%至55.5%，仅用英语校准会漏掉这些后层活动。对英语、印地语、马拉地语取等额平均可在部分模型和剪枝深度上减轻困惑度损失，但效果并非普遍适用，在Llama上会严重损害泰米尔语，因此多语言校准需按模型架构和剪枝规模单独验证。
说明RDL-Bench：面向关系数据库的任务感知问答基准
简介本文提出 RDL-Bench，一个在真实关系数据库上评测自然语言问答能力的基准。它把问题分为两类：依据当前数据库状态即可回答的推理型问题，以及需要在时间约束下依据历史记录进行预测的预测型问题。每个样本包含自然语言问题、任务元数据、模式信息、时间上下文以及可执行证据或目标构建逻辑和标准答案。基准支持原生求解器与由路由器分发问题的任务感知模块化系统两种评测方式。
说明感知还是推理？诊断并解决视觉语言模型强化学习的瓶颈
简介本文提出PARA方法，通过比较更准确的视觉信息与更强推理器分别能修复多少当前错误，衡量各模型在不同基准上的感知与推理余量。在4个视觉语言模型和17个多模态基准上，PARA发现强化学习在推理余量较大时收益更明显，而在感知余量较大时收益较小。作者据此提出GRAD方法，利用每组中表现最佳的样本直接指导较弱样本的视觉注意力，在两种模型规模和七个基准上均有提升，并可与现有强化学习方法互补。
说明DPA-MoE：面向MoE推理的运行时精度控制框架
简介混合专家（MoE）模型把每个词元路由到少量专家上计算，但被选中的专家仍以固定精度运行。本文提出DPA-MoE，在推理时按路由器门控分数动态分配权重精度。该方法使用SharedScale AnyBCQ编码，同一模型无需重新训练即可在多种有效权重预算下运行。在Qwen3-30B-A3B和DeepSeekMoE-16B上的实验显示，在相同预算下，相比均匀分配，其KL散度和下游准确率均有提升，原型的稳态吞吐开销较小。
说明压缩是否意味着泛化？一个最小描述长度视角
简介本文从最小描述长度（MDL）原理出发，提出可仅由训练轨迹计算的前序遗憾（prequential regret）作为衡量压缩程度的指标。作者证明，在近似插值的情形下，该遗憾的期望可上界训练参数的描述长度，并进而给出高概率泛化界。实验表明，在 CIFAR-10 和 CIFAR-100 上，前序遗憾与泛化误差的皮尔逊相关系数超过 0.9。
说明Memorilla：面向大语言模型的潜在语义记忆系统
简介这篇论文提出Memorilla，一种为冻结参数的大语言模型提供外部记忆的系统。它将整个文档集合压缩为固定数量、与查询相关的记忆令牌，只用16个记忆令牌就在八个基准中的五个上优于Mem0和MemoRAG等基线。在FactKG上，其准确率为84.33%，高于全上下文推理的80.43%，且表示源文档所用令牌减少108倍。论文还在TextWorld智能体环境中展示了其持续学习能力。
说明同一目标、不同起点：对齐潜在滚动以实现一致的偏微分方程模拟
简介神经偏微分方程求解器通常通过自回归滚动逐步预测，误差会在滚动中累积，使同一目标时刻的预测依赖于起始时间与滚动深度。本文提出对齐潜在滚动（ALR）正则化方法，通过约束求解器内部表示，促进不同滚动起点之间的一致性，并基于二阶泰勒分析设计了零阶潜在状态一致性与一阶潜在动力学一致性两个目标。在多个偏微分方程基准和神经算子骨干网络上的实验表明，ALR 在提高预测精度的同时减小了不同滚动起点间的共享目标差异。
说明ESG-Kor：面向韩语ESG信息抽取的数据集及实际应用
简介该论文构建了韩语数据集ESG-Kor，用于自动抽取环境、社会和治理（ESG）相关信息。数据集包含从韩国企业可持续发展报告中提取并依据ESG评级机构规则人工标注的118,946个句子。实验显示，多个韩语预训练语言模型在分类任务上取得了显著性能，并展示了其在中小企业文件和ESG关键议题分析中的应用潜力。
说明SATOR：基于样本自适应令牌路由的免反向传播三维测试时自适应方法
简介该论文针对三维点云在分布偏移下的测试时自适应问题，提出SATOR框架，无需源数据，也无需反向传播。它依据注意力图与几何关系图为每个样本计算令牌异常分数，并通过Otsu方法直接划分保留与剔除的令牌，省去对候选剔除规模的逐一搜索。论文称其在ModelNet40-C、ScanObjectNN-C和ShapeNet-C三个三维损坏基准上取得了当前最优的准确率。
说明RenoLayout：面向约束感知住宅设计的户型改造与家具布局统一框架
简介该论文提出 RenoLayout，一个将既有户型与设计要点集合转化为可执行几何代码（Geometry-as-Code）的框架，用于同时完成户型改造和家具布局。作者构建了包含 123 个细粒度设计要点的 Design Map，并提出从前后对比设计案例中自动推导设计要点的方法。论文还发布了包含 200 个真实改造案例的 RenoLayout Benchmark，据作者所知是首个统一住宅设计的基准。
说明CoDeFont：基于多尺度因子特定表示学习的单样本字体生成
简介该论文提出CoDeFont框架，用于单样本字体生成，即仅凭一个参考字形的风格，生成目标字符并保持其结构。方法在多个空间层级分别提取风格与结构信息，并通过对比学习拉开两者表示的距离，再逐级注入到解码过程中。作者在结构差异较大的孟加拉文和拉丁文上，对已见与未见字体风格进行了评测，结果显示优于现有先进方法。
说明测试时大语言模型集成中的两种样本量：缓冲经验风险最小化与极小极大理论
简介该论文研究在测试阶段对大语言模型进行加权集成时，两种样本量（Q个带标注问题与每个模型、每个问题N次生成）如何共同影响学习效果。作者在边际条件下证明，带校准边际缓冲的经验风险最小化可达到约Q^{-1/2}+N^{-β/2}的超额风险（忽略对数因子）。通过简化的两模型子模型，作者刻画了极小极大超额风险，并指出问题充足时存在一个不随问题数减少而消失的N^{-β}识别下界。
说明LTM：面向视觉-语言-动作模型、基于潜在转移的上下文记忆方法
简介机器人操作有时需要记住已经看不到的交互过程。本文提出潜在转移记忆（LTM），把历史信息存为相邻观测之间紧凑的潜在转移，并在 π0.5 上实现为 LTM-π。在 RoboMME 与 LIBERO-Mem 基准上，该方法的成功率分别为 58.54% 和 80.5%，在不使用外部推理模型或记忆专用标注的基线中表现最好。
说明L2GSSL：面向三维医学影像数据的标签高效局部到全局自监督学习
简介该论文提出 L2GSSL，一种利用未标注 CT 体数据的自监督预训练框架，将学习分为切片内与切片间两个表示空间。在 LIDC-IDRI 肺结节恶性分类任务中，仅用 10% 标签即达到 0.9229 AUROC，用 25% 标签达到 0.9377，优于体积级 VICReg 方法。
说明嵌入表是否定价过高？面向小型与三值语言模型的冻结 16 MB 词表
简介这篇论文研究小型语言模型中的词嵌入表：它在 Gemma 3 270M 中占约 1.68 亿参数，是模型体积的主要部分。作者用主成分投影与符号二值化，把预训练嵌入一次性转换为 16 MB 的冻结 512 位编码表，并与可学习嵌入表进行对比训练。结果显示，在多数基准上冻结表模型表现相当或更好，并在三值模型上实现了更小体积与更快的 CPU 生成速度。
说明诚实是上策……还是并非如此？概率化服务选项的需求管理
简介该论文研究服务提供方在预订时展示服务水平概率的问题，这些真实概率会随系统状态变化，而客户难以核实。作者将问题建模为序贯决策过程，定义了真实概率并引入限制其被扭曲的透明度约束，并用强化学习近似真实概率、用基于采样的混合整数规划优化每个状态下披露的信息。以包裹储物柜和商店的外出配送为案例，研究显示个体层面的透明度与总体客户效用之间存在权衡。
说明用于检测低质量文档的层次图卷积网络方法
简介本文提出一种层次图卷积网络（HGCN），用于检测文档内部的不一致以及标题与正文之间的不协调。作者基于新闻数据及其元数据构建了 Inconsistency Dataset 进行训练。实验显示，该模型在自建数据集上准确率为 91.20%，在公开的标题不协调数据集上为 92.00%，并且消融实验证实元数据对性能有明显提升。
说明FedSkillGit：借助版本控制的联邦技能演化框架
简介本文提出FedSkillGit，用于在大语言模型智能体的联邦学习场景中演化可复用的自然语言技能。各客户端不再上传整份技能文档，而是提交有限数量的规则补丁及经隐私过滤的本地经验；服务器去重、合并补丁生成候选技能，客户端在本地验证集上评分，只有分数提升才正式发布。作者称其在三个数据集和三类语言模型上优于现有基线，最高提升22%，且接近集中式演化的效果，同时无需共享原始客户端数据。
说明情绪并非外部知识：用于情感状态推理的内部注意力信号
简介本文研究大语言模型在多轮对话中能否从稀疏的上下文线索推断出隐含的情感状态，并探索模型内部是否存在可用于推理时路由这类证据的注意力信号。作者提出自靶向内部注意力增强方法SIAB，通过因果定位找出稀疏的情感注意力头并增强其关注的内容词元。在ECC和GoEmotions数据集上，该方法相较提示匹配基线最多提升10.3和5.5个宏观F1点。
说明ARGUS：一种基于议程驱动、用于可靠用户模拟的框架
简介该论文提出 ARGUS，一种神经符号框架，用于模拟交互环境中的用户，以便评估和训练智能体。它用可由符号操作管理的动态议程栈维护用户目标状态，并将状态跟踪与自然语言生成解耦，以保证目标推进和约束一致的交互。作者还将其蒸馏为紧凑模型，并提出基于评分量规的指标 CBS，在 τ³-Bench 和 MultiWOZ 上进行评估。
说明OpCredit：面向智能体知识图谱问答的操作感知策略学习方法
简介该论文针对基于知识图谱的智能体问答，指出整条推理轨迹的奖励无法区分每一步操作的作用，成功轨迹中可能含无效操作，失败轨迹中也可能含有用操作。作者提出OpCredit框架，结合分支结果信用和前沿转移信用两类信号，为训练中的每个决策片段提供监督。在ComplexWebQuestions、WebQSP和GrailQA三个数据集、三种骨干模型上的实验显示KGQA性能有一致提升。
说明量子与经典机器学习用于神经精神疾病分类：特征匹配的多队列评估
简介本文比较了六类量子机器学习模型与经典模型在静息态功能连接数据上的分类表现，使用相同的相关性特征，覆盖四个公开队列共4308名受试者。多数量子模型与对应经典模型表现相当，但没有一种模型能持续优于经典模型。该研究提供了包含284组匹配比较的基准测试。
说明面向适当损失函数的在线分位数全预测方法
简介本文研究如何构造一个在多种评估指标下同时表现准确的预测器，这类方法被称为全预测（omniprediction）。作者以一组离散概率水平上的分位数作为预测形式，提出了样本高效的在线算法，可在动态环境中同时兼顾所有满足温和正则条件的适当损失函数。文中以集成专家对新冠住院人数的分位数预测为例，展示了该方法的应用。
说明基于狄利克雷过程的深度神经网络维度无关PAC-贝叶斯泛化界
简介经典PAC-贝叶斯泛化理论在参数空间上设先验，导致界随网络参数量增长而失效。本文改为在数据分布空间上使用狄利克雷过程设先验，并通过学习算法推导参数分布，借助数据处理不等式以闭式计算得到与参数量、宽度和深度无关的泛化证书。在MNIST上对参数量从7,850到4,203,522的视觉模型，该证书保持在8.8%至9.4%之间，而传统权重空间界超过940%而失效。
说明在线策略蒸馏是否必须完成每条回滚？
简介论文提出随机截断在线策略蒸馏（STOPD），在训练中随机截断学生模型的生成回滚，并用分块逆概率加权校正采样偏差，以减少计算开销。作者证明该加权在期望上保持原始训练目标的梯度和，并给出 SGD、Adam、Muon 的单步更新误差界。实验显示，生成的 token 减少 25%-48%，准确率与原方法相当，训练速度提升 1.3-2.2 倍。
说明用于稀疏与持续强化学习微调的注意力头排序与划分
简介本文研究如何通过对注意力头排序和划分，对语言模型进行稀疏及持续的强化学习微调。稀疏学习中，按梯度范数对注意力头排序，选出一小部分有效训练的头；持续学习中，在不同任务间划分注意力头，以减少任务间干扰并保留已学能力。实验涵盖数学、指令遵循和编程任务，结果显示调优排名较高的头通常优于调优排名较低的头，并能接近较密集的基线。
说明低光增强流程何时应启用生成？面向选择性生成增强的可审计风险控制
简介该论文研究低光图像增强中生成式方法与修复式方法的取舍：生成式方法纹理更真实但可能产生幻觉结构，修复网络保留结构却可能增强不足。作者提出 VetoNet，在区域层面决定何时用生成结果覆盖冻结的基础模型，并在证据不足时拒绝切换。实验显示，当专家互补性可预测时可获得统计显著的认证增益，证据薄弱或存在跨域偏移时则保守地否决切换。
说明用可逆双Lipschitz适配器实现流匹配的语义潜空间对齐
简介本文在冻结预训练编码器和解码器的前提下，只调整二者之间的潜在坐标，用可逆且双Lipschitz的适配器离线对齐到语义教师模型，并在类条件流匹配训练中保持其冻结。双Lipschitz约束限制了对齐对潜空间几何的扭曲程度。在两个医学影像数据集上，受约束的适配提升了特征指标、随机种子稳定性和反事实编辑强度，下游分类仍具竞争力；无约束的适配则可能高度各向异性且更敏感。
说明VoteGEO-Bench：衡量生成式引擎优化对选举信息曝光度的影响
简介该论文提出VoteGEO-Bench基准，涵盖2024年美国总统选举和2026年日本众议院选举，用于研究网页改写（生成式引擎优化）如何影响大语言模型回答中的选举信息曝光。研究分析了生成式引擎引用的来源，并评估了四类共11种改写策略。结果显示，指定目标的改写比未指定目标的更常提升目标曝光，而改善页面组织或通过论证强化立场的策略收益更大。
看点提出选举场景下GEO风险的新基准，系统评估11种改写策略并覆盖两国选举，证据较充分，对选举信息安全影响较大。
说明面向商品属性-值抽取的混合生成-标注解码方法
简介该论文提出一种混合解码模型，结合序列标注与开放式生成来抽取商品的属性名和属性值。高频且可直接复制的属性由标注头直接从原文中抽取，生成头则负责罕见属性和需要改写或归一化的值。集成到 vLLM 推理中后，属性覆盖率提高 10%，正确的属性-值对多抽取 63%，且精度未下降，延迟降低 44%。
说明DocPilot：面向长视觉文档理解的交互式智能体编排与训练
简介该论文提出 DocPilot，一个面向多模态长文档问答的智能体框架，通过页面级导航和细粒度证据定位查找分散在多页中的信息，并结合局部视觉检查、代码数值推理与跨模态推理。作者还提出基于课程的智能体训练方法，使小型语言模型也能学会这类复杂文档推理。论文称在 MMLongBench-Doc、DocBench、FinRAGBench-V 和 MADQA 上取得提升，其中 DocPilot-4B 与规模大得多的模型表现相当。
看点提出可学习的文档智能体框架与课程式训练，在四个基准上取得明显提升，4B小模型可与大模型竞争。
说明CertEx：通过认证排除实现大规模精确视觉检索
简介该论文提出 CertEx，一种面向 GPU 的精确 k 近邻搜索方法，用于图像描述符与嵌入的视觉检索。其核心是认证排除：先用半精度为每个向量存储下界投影，并通过舍入证书判断可排除的向量，只对少量保留下来的向量计算精确距离。作者证明该方法能返回每个查询的精确 kNN，并在最多 1 亿向量的 16 个数据集上报告了吞吐量优于 cuVS 搜索的结果。
说明AdaLoop：借助视觉编码器进行推理
简介多数视觉语言模型把视觉编码器当作静态特征提取器，图像只编码一次，与问题无关。AdaLoop 提出按问题进行视觉循环的框架，根据问题调整视觉计算，并在冻结预训练视觉权重的前提下多次复用编码器的变换。作者还提出 VisRO 程序化数据集及生成流程，用于训练和评估以视觉为中心的推理。
说明CoViG：用于图像分类的粗化视觉图神经网络
简介本文提出 CoViG，把图粗化（graph coarsening）与视觉图网络（ViG）结合，在 ViG 中间模块的 Grapher 组件中加入 MinCUT 池化步骤，减少特定模块的节点数。在 ImageNet 上，使用多种 ViG 架构测试，精度与原始 ViG 相当，计算量（FLOPs）约为原来的 51%。
说明ZoomCap：基于证据路由的视觉缩放，用于可恢复的视觉信息转移
简介论文提出 ZoomCap，用草稿描述引导检索、文字识别、缺失信息补全和自适应局部放大，在有限观察预算内补充细节，生成用于视觉语言模型训练的细粒度描述。作者还提出 FactCycle，以原图和重建两个盲锚点逐条评估描述中的原子断言。文中报告 ZoomCap 在人工偏好和持续预训练、医学预训练的实验中表现较好。
看点提出基于证据路由的视觉缩放与事实级评估框架，并在多项VLM预训练实验中验证迁移效果，证据较充分。
说明想象中的约束多智能体强化学习：在世界模型中预测成本以减少真实交互
简介论文提出 CA-MAMBA，在多智能体世界模型中预测成本，使大部分带约束的策略更新在想象中完成。摘要称在 SMAC 中位数配置下，较强的无模型基线所需交互次数是 CA-MAMBA 的 10 至 20 倍；在 MAMuJoCo 上，相同预算下 CA-MAMBA 获得的奖励是基线的 2.8 至 12 倍。
说明让视觉证据更醒目：多模态文档检索增强生成中的 LoC 方法
简介论文指出，多模态文档检索增强生成即使检索到正确页面，生成模型也未能充分利用页面中的证据。作者提出 LoC 方法，从“充分利用视觉 token 容量”和“突出证据区域”两方面改进输入，结合高分辨率整页与查询相关区域的 OCR，无需标注或额外训练。在 SciEGQA、ViDoRe-v3 和 MMLongBench-Doc 上，LoC 优于八种既有方法。
说明将洗钱骡账户检测视为关系学习问题：基于RBIH NFPC数据集的研究
简介本文提出一种直接对账户打分的洗钱骡账户检测方法，把银行关系数据库视为异构图，利用账户多跳邻域和时间编码进行图神经网络建模，并限制只使用标记前的证据。在RBIH零售银行数据集上，该方法约召回九成未见过的骡账户，精确率为83%，误报率为0.5%，并在同等证据下比最强的树集成模型多识别115个骡账户。
说明谱相似还不够：差分隐私学习中无数据预条件化的随机矩阵分析
简介论文研究用合成探针代替隐私数据构建KFAC的Kronecker因子，以随机矩阵理论刻画探针能重建什么。作者证明误差信号因子G可在无数据情况下较好重建，而激活因子A中由数据引起的尖峰无法重建，并给出失效阈值。实验显示，即使谱形状几乎完全匹配，若特征向量随机，残差仍会明显增大，说明谱匹配并非关键。
看点用随机矩阵理论刻画无数据探针可重构的部分，给出数据不敏感性证明与Baik-Ben Arous-Péché阈值，理论新意较强，并有多模态实验验证。
说明PocketTSLM：在手机端运行的软提示时间序列语言模型，用于保护隐私的本地推理
简介该论文提出 PocketTSLM，把 OpenTSLM 软提示版本部署到智能手机上，通过将时间序列窗口编码为嵌入而非文本输入模型，使手机可完全在本地处理生理信号。作者称，与文本序列化基线相比，该方法在其基准格式下所用时间序列 token 约少 12 倍，并可处理睡眠脑电与心电图片段；推理过程中不传输健康数据。
说明VLA-Δ：学习视觉-语言-动作模型中的物理状态转移
简介视觉-语言-动作（VLA）模型把视觉语言预训练得到的语义知识迁移到机器人控制上。作者指出多数 VLA 直接从观察映射到动作，缺乏对中间物理状态变化的显式监督，因此提出 VLA-Δ，以当前与未来状态之间的物理变化作为显式学习目标，并构建大规模预训练数据集与状态转移标注。该方法在 LIBERO 和 RoboTwin 上取得与当前最优方法相当的性能，真机实验中优于 π0.5。
说明VALCON：通过双角色变换评测并提升大语言模型的价值一致性
简介现有大语言模型价值对齐评测多只看输出是否合规，忽略模型在生成者与评估者两种角色间切换时是否保持价值一致。作者提出VALCON框架，构建三套基准，在相同原则下配对模型的生成行为与评估判断，以暴露隐藏的价值偏差。对28个模型的实验显示，普遍存在跨角色不一致，输出合规的模型其判断也常与自身生成内容相悖。作者还通过机制探查发现与此相关的角色依赖表示解耦，并据此提出表示层干预以缓解该问题。
看点提出以生成与评估角色一致性衡量价值对齐的新维度，并结合机制探测与干预，实验覆盖28个模型，证据较充分。
说明《消除幻影：面向渐隐动态内容的高斯分配方法》：改进动态场景中高斯基元的分配，以恢复快速移动的小物体
简介这篇论文针对动态高斯表示在体积视频重建中的问题：快速移动的小物体可能消失，高动态区域的细节容易丢失。作者认为关键在于高斯基元应分配到何处、何时分配，而非表示能力本身。论文提出两种策略：Seed Injection 依据时间外观变化和重建误差定位欠重建区域，并通过多视角观测初始化新高斯；Temporal Biased Relocation 利用随时间变化的优化信号引导重定位高斯的时空位置。两者都在固定高斯数量下工作，不改变底层表示。在多个动态场景数据集上的实验显示重建质量有所提升，尤其在高动态区域。
说明让大语言模型在医疗器械文件评估的每个环节都具有确定性
简介论文研究用大语言模型辅助医疗器械合规文件评估时，相同请求的输出为何不一致。作者测试了14个商业部署，发现每个部署至少对一个请求给出不同结果，多数还改变了判定标签。作者构建了从文本提取、分块、嵌入、检索到推理各环节都具确定性的流程，在血糖仪和输液泵文件上实现了逐字节一致的输出，并指出GPU型号和推理引擎调度设置也会影响结果，应记入配置。
说明GeoPano：从单张全景图实现几何精确的三维重建
简介该论文提出 GeoPano，一个从单张全景图恢复完整 360 度场景点云的前馈式框架。它设计了利用球面几何的全景感知注意力机制，以减少多视角之间的几何不一致，并结合局部与全局的混合监督策略。原文称该方法在重建精度、几何一致性和视觉保真度上优于此前的先进方法。
说明智能体解释（AgInt）：面向软件智能体的由框架约束的证据构建
简介该论文提出 AgInt 框架，让模型提出结构化证据记录，由确定性的框架负责接收、评分、持久保存并依据规则给出结论，最终形成可审计的证书。论文在多个补丁验收与故障定位基准上评估了该方法，报告其相较基线智能体在多项指标上有所提升，并通过对照实验区分了不同机制的作用。
说明面向联邦 Stackelberg 优化的个性化投影上升法
简介本文研究联邦极小极大问题：共享的最小化变量 x 被聚合，而每个客户端保留个性化的最大化变量 y_i（受紧凸集约束）。作者分析了投影上升法，指出在非凸-凹情形下可达到标准次线性收敛速率；在非凸-PL 情形下存在由随机更新引起的噪声下界。为此提出 VR-SGDA 方法，通过方差缩减的上升步消除该下界，并在实验中验证其对最差群体鲁棒性的提升。
说明能力增强能否被定位？：研究是否存在移除少量注意力头即可提升特定任务表现的现象
简介本文研究Transformer语言模型中的“能力增强定位”（CEL）问题，即能否找到一小组注意力头，移除后能提升某任务表现且无需再微调。作者先在不同系列模型上实证筛选出稀疏的头组合，再构建简化的多头注意力模型和两个特征相冲突的任务，从理论上说明小随机初始化下的梯度下降会把冲突特征集中到特定头中，从而为该现象提供训练动力学层面的解释。
说明多智能体汇总中的偏差控制与注入
简介本文研究多个大语言模型智能体意见不一致时如何决定采信哪一方。作者发现，控制多数压力和回答风格等非语义偏差可以改进初始答案的选择，而有意注入偏差能引发决策不稳定，可作为可靠性信号。基于此，论文提出一种测试时汇总框架，无需验证数据，在三个数学推理基准和四种异构模型组合上取得了优于同类非oracle汇总方法的平均准确率与更高的token效率。
说明ReState：面向少步蒸馏扩散模型、无需训练的物体移除状态校正方法
简介该论文研究无需训练的物体移除，指出少步蒸馏扩散模型常在目标区域留下物体形状残影。作者发现结构化预测在第一次前向时即在掩膜内形成，而注意力重定向主要作用于后期步骤，因此提出ReState，用噪声水平感知权重将掩膜内的干净预测校正为从输入中检索的背景证据。在两个配对基准和两个少步骨干网络上，ReState在无需训练的方法中取得最佳掩膜PSNR、SSIM和LPIPS。
说明《思维密度》：预测并引导大语言模型的推理过程
简介该论文研究大语言模型思维链推理步骤中的信息密度是否能预测答案正确性，并可作为推理时可调的目标。作者在六种模型规模、两种训练方式和60个GSM8K题目上进行实验，发现密度与正确率的关系随训练方式而不同，并提出了基于熵门控的密度路由方法，在无外部指导的情况下将准确率提高10.0个百分点。
说明Mallea：借助编码智能体构建、调控并记忆虚拟世界
简介该论文提出Mallea系统，可根据文本生成虚拟世界。编码智能体从提示中推断物体交互需求，规划物体结构、属性与规则，世界按规则演化，用户操作或文本请求可调整属性或扩展功能，已定义物体的纹理被保存并随其变化更新，渲染器结合当前结构与记忆外观生成画面。
说明LICOA：面向移动空间增强现实的指令条件光学动作学习
简介该论文提出LICOA系统，让机器人根据语言指令和视觉观察，决定如何移动并调整投影的位置与缩放，把投影光视为一种具身动作。系统结合差速底盘与二自由度可转动反射镜，并构建了模拟环境与150个任务的数据集。在12个任务的480次真实环境闭环实验中，最佳适配模型成功率为57.50%，同架构从头训练仅为8.33%。
说明Diviner：面向大规模基础设施、可由人类治理自适应的智能体根因分析系统
简介本文提出 Diviner，一个在 Meta 运行的智能体式根因分析（RCA）系统，用于定位大规模分布式系统中的故障根源。系统分为编码、执行、评估和自适应四个阶段：利用经审核的事故与服务负责人知识生成可版本化的技能、工作流与知识图谱；通过自适应的 Lead 与上下文隔离的工作节点调查证据。知识更新需经回放测试、质量检查与负责人批准后才会采纳。
说明TimeCap：面向可穿戴健康时序数据的可扩展开源字幕生成流水线
简介该论文提出TimeCap，一个确定性的开源时序数据字幕生成流水线，直接基于信号生成文本描述，无需语言模型参与，便于复现和扩展。研究将其应用于MyHeart Counts可穿戴数据集，生成了包含7,005,763条字幕的MHCap语料库，覆盖19个Apple HealthKit通道、908,944个人日数据。作者用该语料训练时序语言模型OpenTSLM，在健康结局预测任务中，带字幕训练的版本在8个任务的32项个体二分类评估中有29项优于仅使用标签的基线。
说明医疗大模型智能体升级决策可靠性审计：基于工作流状态失败的受控扰动基准
简介本文构建了400个合成医疗工作流情境的评测基准，要求模型在答复、询问澄清、弃权与升级之间做选择，并按预先设定的5:1漏报与误报成本计分。研究发现，模型在干净输入下准确率可达0.97，但不确定性提示型模型漏掉了32%至97%应升级的情形；一种透明的工作流感知控制器能降低漏报率，但在未见过的同义改写测试中，规则检测器的召回率从1.00降至0.00，因此其效果仅限于本基准。
说明PRIME：面向LLM智能体、可验证且以证据为依据的推理方法
简介本文提出PRIME，用于让大语言模型智能体依据组织要求检查记录。它在检查前预先固定每种结论所需的证据路径，由独立程序记录检查结果，并拒绝证据不足的结论。在480个公开记录任务上，未受约束的智能体有26.7%的任务给出了无依据结论，而PRIME未出现此类情况，其得分也从30.1提高到最高59.2（满分100）。
说明TRACER：面向LLM智能体的轨迹感知工具检索
说明TRACER：用于医院患者护理的多模态框架
简介该论文提出 TRACER，一种无需训练的多模态框架，把病房视频转换为分钟级动作记录，并与临床记录合并成每小时报告，由 LLM 智能体通过工具查询视频和临床数据。作者构建了两个基准进行评估，并报告在 280 名患者、约 60,000 摄像头小时的数据中，谵妄评估阳性患者的有目的活动明显更少（p < 0.0001）。
说明基于矩匹配重新思考标签比例学习
简介本文研究标签比例学习（LLP）：训练数据被分组为包，只观测到每个包的标签比例，目标是学习能预测单个样本标签的分类器。作者指出，多数现有方法假设样本随机组包，在非随机场景下表现欠佳。论文在包独立同分布、样本标签条件独立的设定下推导出标签计数服从泊松多项分布，并据此提出矩匹配方法LLP-MM，以多阶阶乘矩作为训练目标。多个基准数据集和不同组包策略下的实验显示其有效且计算效率较高。
看点在更现实的袋构造假设下推导泊松多项分布，并用多阶阶乘矩作为训练目标，有实质新意；在多种袋构造策略的基准上验证充分。
说明稀疏自编码器表征的行为组合性：衡量单个特征之外的交互效应
简介本文研究稀疏自编码器（SAE）提取的特征，其下游行为效应是否可以简单相加。作者提出 SAE 可加性残差（SAR），衡量高于指定交互阶数后仍未被解释的行为变化，并与随机旋转的子空间坐标进行对比。结果显示学习到的 SAE 坐标一阶残差更低，但两两交互项仍能改善留出样本的排序误差，说明忠实的联合解释仍需要超出单个特征效应的交互项。
看点提出基于交互阶数的行为可加性残差度量，并与随机旋转对照比较，给出18个设定的系统性实验证据，对SAE可解释性有一定影响。
说明分数幂二量化：面向高效无乘法器大语言模型推理的方法
简介论文提出分数幂二量化（FPoT），用基数为√2的半倍频网格对大语言模型权重做4比特量化，在保持整数移位加法数据通路的同时降低硬件开销。在Llama-3-8B的4比特权重与激活量化下，相比幂二基线的零样本常识推理成绩提升8.72%，与均匀整数基线接近，仅相差0.4个百分点。作者称该方法可与现有大模型训练后量化方法结合。
说明在无标签子空间中分离语言模型的判断
简介本文研究语言模型在不同指令下对同一输入做判断时，最终答案可能变差的原因。作者发现，不同指令下隐藏状态的差异集中在一个低维“表达子空间”中，并在不使用基准标签的情况下识别该子空间，将其从线性预测器中去除，得到独立的判断。实验涵盖正确性、蕴含和安全性任务，结果显示在否定问题时，蕴含和安全性的预测器AUROC分别从0.504、0.480提升到0.825、0.891。
说明基于大语言模型的网络安全推文弱标注：师生框架研究
简介论文指出社交媒体上的网络安全讨论量超出专家标注能力，标注数据成为瓶颈。作者提出师生弱监督框架，由大语言模型作为教师为未标注推文生成弱标签，用于训练网络安全领域的预训练语言模型。实验显示，仅用大语言模型生成标签训练的模型F1值均在0.92以上，与完全人工监督的模型相差在3个百分点以内。
说明AI聊天机器人在用户拒绝转介自杀念头求助后会怎么做
简介此研究是对AI聊天机器人的审计。研究人员用2550段预设的多轮对话，模拟用户透露不同严重程度的自杀念头，并在机器人建议求助后反复拒绝，观察其后续回应。结果显示几乎所有机器人都会首先建议求助，但坚持程度差异很大，较新版本坚持得较少；有明确意图的用户被拒绝后，机器人被再次转介的可能性更高。作者认为安全评估不应只看是否提供转介，还应测试被拒绝后的情况。
看点设计了拒绝后的多轮对话审计，揭示聊天机器人在用户拒绝求助后的坚持程度差异及新版本退步，证据来自2550段对话的量化分析。
说明视觉-语言-动作模型真的会遵循指令吗？诊断其“如何做”层面的指令遵循能力
简介该论文关注视觉-语言-动作（VLA）模型对“如何做”类指令的遵循能力，即说明具体执行方式而非仅说明任务的指令。作者发现这类指令目前不但没有帮助，反而降低了任务成功率。通过在训练中加入分段增强指令，模型动作对指令的响应有所提升，但任务成功率并未持续提高；作者还提出了SIMPLER-IN基准来测试此能力，结果显示提升并不能推广到高难度或分布外的指令上。
说明FocusOPD：面向扩散模型、由结构引导的在线策略蒸馏方法
简介该论文研究多教师在线策略蒸馏中学生模型与教师模型的内部特征不对齐问题，发现差异集中在去噪早期的深层 Transformer 模块，且蒸馏后仍然存在。作者提出 FocusOPD，在基础 OPD 目标上加入仅作用于深层与早期去噪步的逐 token 方向性特征对齐。实验显示其在组合生成、文字渲染和偏好评估上提升能力迁移，并在 GenEval、PickScore 和 LAION-Aesthetic 上优于 DiffusionOPD。
说明FGSS-BO：面向基于大语言模型的贝叶斯优化的反馈引导假设管理
简介该论文针对用大语言模型引导贝叶斯优化的方法，提出反馈引导搜索状态（FGSS），将语言层面的假设与观测证据、可执行的参数干预及比较性支持更新连接起来，由大语言模型提出和修订假设，确定性模块负责验证与记录。在两个回顾性任务和六个超参数优化任务上，FGSS-BO相较于匹配的LLAMBO基线在部分设置中取得了更好的搜索效果，但迁移效果因任务而异。
说明System1-Arena：哪些决策可以交给 System 1 模型？
简介本文提出 System1-Arena 基准，让大语言模型与 System 1 模型（单次前向直接输出选项概率）在相同决策任务上比较概率输出。基准包含 105 项任务、约 9.2 万个问题，以及 138 个闭环环境。在 30 个模型的评测中，最大的 System 1 模型在非智能体准确率上可匹配或超过快速闭源大模型，且概率校准更好、延迟约为四分之一；推理型大模型最准确但成本约为快速模型的 70 倍。在闭环任务中，大型开源模型成功率最高，可达 32.9%，小型 System 1 模型很少成功。
说明一种面向去中心化多智能体系统的以责任为中心的协调机制
简介该论文提出RCM机制，利用“承诺”把任务委派与各方的明确责任绑定，使智能体在递归委派中保留上游责任，并在本地协调下游承诺。智能体通过责任约束的决策和责任导向的通信协议（RCP）自主建立、管理和终止承诺，全局协调由各自行动逐步形成。实验显示，RCM在任务表现和责任指标上优于集中式与去中心化基线，并在无需任务专门训练的情况下改善了失败与危害检测。
说明稀疏自编码器中的表示再分配：识别语言模型内部特征的稳定变化及其对下游判断的影响
简介稀疏自编码器（SAE）把语言模型的激活拆分为稀疏特征。论文提出再分配敏感性分数（RSS），用于找出在一致方向上反复出现的较大特征变化，并在未参与选择的变体上检验这些特征集合。在覆盖八个语言模型的27个预训练SAE上，所测试的提示变换呈现出可重复的再分配特征。论文进一步在固定线性读出器下区分表示变化与决策失败，并在两个冻结的安全读出器上报告了较高的循环失败AUROC。
说明面向气候感知的大规模卫星影像数据集，用于领域自适应的地表覆盖语义分割
简介本文提出了CASID数据集，包含来自亚洲30个地区的980幅卫星影像，每幅约5000×5000像素，覆盖超过24,500平方公里。数据涵盖温带季风、亚热带季风、热带季风和热带雨林四种气候带，形成四个域，是首个具有多域特征的气候感知地表覆盖语义分割数据集。作者分析了四个气候带样本在图像特征、纹理、类别分布等方面的差异，并在该数据集上评估了多种分割与无监督域自适应方法，以作为后续研究的基线。
说明兼容性很重要：同策略蒸馏中逐词元选择教师的框架
简介论文提出在同策略蒸馏（OPD）中，可在生成过程中逐个词元地选择教师模型，而不是每个提示只用一个教师。作者从理论上分析了教师与学生兼容的条件，并据此推导出教师选择的经验启发式方法。实验覆盖数学、编程、内核生成和视觉推理等领域，文中报告在部分任务上 pass@k 相比普通 OPD 和教师专家最多提升约 10 个百分点。
说明并非所有变化都是损害：面向大语言模型的更新匹配遗忘方法
简介本文研究大语言模型的“遗忘”问题，即在保护隐私与安全的同时移除特定知识，并要求模型在后续微调中不易重新学会被删除的知识，又能保持学习新任务的能力。作者提出更新匹配遗忘（UMU），用同一次模拟的重新学习更新作用于被防御模型和一个未防御的参考模型，并以新任务学习效果指导模型选择。在 TOFU 和 FaithUn 数据集上，基于 Llama 和 Qwen 模型的实验显示，该方法在三种基础遗忘方法上都提升了抗重新学习能力和学习新任务的能力。
说明我们应该删除什么？评估RLVR数据去污的可靠性与成本
简介本文审计了16个公开的RLVR数学训练语料，将其与6个基准测试进行比对，共涉及1,673,514条训练样本和1,949道基准题。作者评估了基于精确、词汇和语义匹配的八种清洗策略，并用人工双盲复核的配对结果衡量误删率与召回率。结果显示，多数语义阈值策略在校准集上未达到90%的保守精度目标；现有的裁判仲裁策略在held-out语料上精度与召回率均较高，但仍不能说明风险为零。
说明KBS：面向基础模型评测的韩语基准套件
简介本文提出韩语基准套件 KBS，包含 Ko-ARC、Ko-GSM8K、Ko-EQ-Bench、Ko-WinoGrande、Ko-LAMBADA、Ko-IFEval 六项任务，共 9,396 条题目，覆盖六类能力。该套件结合审校、本地化、直接用韩语编写和针对韩语的重新设计，而非仅靠翻译。研究者在考虑模型访问方式、提示格式与评分差异的条件下，评估了韩国本土模型、多语言开源模型和闭源 API 模型。结果显示，韩语基准分数受题目构建、评分规则、提示方式和模型后训练影响，因此建议同时报告最终分数与取得分数所用的设置。
说明用拉格朗日-欧拉图神经常微分方程学习与预测多尺度时空传染病动力学
简介该论文提出LE-EpiGNODE模型，用于中长期传染病预测。模型以机制引导的神经算子替代通用消息传递：年龄接触信息驱动拉格朗日感染生成，人口流动驱动欧拉式人口守恒输运，并整合于保持结构的通用微分方程中。在14个合成机制和三个COVID-19数据集上的实验显示，在最长预测期限下，该模型在三个真实数据集上WMAPE均最低，相比最佳基线误差降低17.7%至40.0%。
说明RecSoup：用于可控多目标推荐的高效模型合并方法
简介推荐系统常需兼顾多个相互冲突的目标。本文提出RecSoup，一种轻量两阶段方法：先通过联合考虑目标重要性与跨目标相关性的剪枝策略减少参数干扰，再借助可学习的偏好到系数映射进行自适应参数合并，从而在推理时无需重新训练即可动态调整权衡。作者称在多个基准上前沿质量与可控性有所提升，推理延迟比参数生成方法快165至228倍。
看点将模型合并用于可控多目标推荐，提出剪枝抑制跨目标干扰和可学习偏好映射；多基准实验并给出帕累托前沿与推理延迟对比，证据较充分。
说明AutoOnboarder：自主为大语言模型智能体完成上岗适配
简介论文指出，智能体大语言模型放入其观察与行动的软件框架（harness）后，推理能力可能下降。作者提出AutoOnboarder系统，由一个“Onboarder”编码智能体监督，迭代调整基础模型、提示词和框架源代码，以同时提升性能并降低成本。在基因测序事前授权表单提交任务上，自主适配后的智能体性能可达到或超过Gemini 3.5 Flash基线，成本最多可降低29倍，但结果波动较大。
说明从语音中区分抑郁与认知衰退：利用同步临床评估的老年人语音研究
简介该研究收集了89名轻度认知障碍老年人的韩语语音，并同时进行抑郁（SGDS）和认知（MMSE）评估。控制认知功能后，在七类声学特征中，只有共振峰特征与抑郁相关，常用的F0特征则无此关联。仅用12个F1+F2特征即可达到0.760的UAR，优于完整eGeMAPS基线和自监督表示。
说明DLOSAC：基于Delaunay三角剖分的局部优化RANSAC，联合估计图像空间与几何关系
简介本文针对含噪声匹配点的图像几何估计问题，提出DLOSAC方法。该方法在候选内点上构建Delaunay三角剖分以编码邻域拓扑，同时结合基于边的几何一致性度量、由三角形面积和边属性得到的空间分布约束以及传统点级几何约束来优化模型参数。作者称其在六个公开真实数据集、三类几何估计任务上取得了当前最优的表现。
说明评分表判断缺乏不确定性：面向大模型评估的保形加权方法
简介该论文指出，大模型评估中常用的评分表方法对每条标准的二元判断采用同等权重汇总，忽略了判断本身的确定性差异。作者提出无需训练的不确定性感知评分表加权方法URW，通过保形校准量化每条标准的判断不确定性，并转化为权重。实验表明该方法提升了成对偏好判断的准确率，并在下游强化学习对齐中表现更好。
说明SpaceCache：点云流语义分割中的中间特征复用
简介论文指出自动驾驶和机器人中的连续点云帧大量重叠，而现有分割网络却逐帧从头计算。作者提出无需训练的特征缓存方法 SpaceCache，复用已观测区域在 Transformer 中间层的特征，只计算其余令牌。在 nuScenes、Waymo 和 ScanNet 上，使用 Utonia 与 LitePT-B 两种骨干网络，可实现最高 1.65 倍加速，mIoU 下降不到 1 个点，并优于令牌合并方法。
说明先接受再取消：思考如何让推理模型按字面理解部分词语
简介该论文研究推理模型在增加思考时，如何理解“some”和“or”等词的含义。作者在固定模型权重的前提下，仅改变思考长度，观察模型选择的解读。结果显示，多数受测开源推理模型及GPT-5在思考后更倾向字面逻辑解读，即“some”不含“并非全部”，“or”不含“不同时”的隐含意义。
说明谁有权解除智能体的承诺？多方聊天中的“权责”问题
简介论文研究在多人聊天中，助手对某人做出的承诺应由谁来取消。作者提出“权责”概念：只有承诺的受益人，或受益人与运营方政策授权的人，才能解除承诺，与职级无关。实验比较六个模型，发现多数模型会错误地执行已被解除的承诺；加入记录承诺的账本和一段解除政策后，准确率明显提高。
看点提出承诺释放的主体资格问题并区分两类错误，通过六个模型的受控实验揭示行为差异，并验证账本与策略的有效方法。
说明UltraDiff：将高保真先验迁移到压缩潜空间，用于高分辨率图像生成
简介该论文针对潜在扩散模型中计算成本与生成保真度之间的权衡问题，提出 UltraDiff 框架。它通过联合潜扩散学习和边缘分数蒸馏，把高保真 f8 模型的先验迁移到高压缩的 f32 潜空间。实验覆盖 1K 至 4K 分辨率，结果显示其质量接近 f8 水平，同时保留 f32 的效率；在单张 A100 上用 20 步采样生成 2K 图像需 6.2 秒，比 f8 基线快 40 倍以上。
