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A³PreCore：用于原生FLAIR空间脑掩膜迁移的稳健刚性配准方法
简介该论文提出A³PreCore方法，用六自由度刚性配准将T1加权图像对齐到原生FLAIR图像，以保持脑掩膜迁移的稳定性，并引入扩展定量质控（E-QC）用于多维度评估掩膜。在78名受试者中，fsl_anat有21例出现明显刚体错配，A³PreCore为0例；在无明显错配的57例中，A³PreCore与原掩膜保持高度一致（中位Dice=0.993）。
说明PhySGA：面向可泛化交互式三维组装的物理空间智能体框架
简介该论文提出 PhySGA 框架，通过智能体探索与物理仿真完成三维物体组装，可处理刚性、关节式和可变形物体。框架包含负责全局规划与粗调的组装智能体、负责仿真状态诊断与精细闭环修正的批评智能体，并设有将语义规划映射为仿真原语的动作路由器，以及从历史试错中提炼经验的自进化技能库。作者称其在 Isaac Sim 中的实验中，在关系保真度、物理合理性和视觉质量上均优于现有方法。
说明交互式视频生成中的推测采样：用大双向窗口兼顾画质与低延迟
简介交互式视频生成通常使用小的双向分块来降低响应延迟，但更大的分块有助于提升画质并更好地利用GPU并行性。该论文提出推测采样（Speculative Sampling），通过追加噪声潜变量作为填充扩大建模窗口，并缓存预测结果以便在条件不变时复用，预测结果逐步输出，未提交的未来部分仍可替换。作者的延迟分析表明，这消除了分块边界带来的等待时间下限，使优化重点转向加速单块采样。
说明AI 对人类影响的开放基准（ImpactBench）：一个由专家指导、用于全面评估 AI 对人类影响的开放平台
简介本文提出 ImpactBench，一个可迭代、由专家指导的开放平台，用于大规模衡量生成式 AI 模型在心理、身体和社会等维度上对使用者福祉的影响。平台基于 26 个基准共 809 项指标，在模拟的多轮对话中（青少年与成人情景对照）评测十个前沿大模型，共 48,540 段对话，并由 LLM 评审并经人工专家复核。结果显示，模型在 68.7% 的评测中促进了期望行为，但仅在 53.1% 的评测中避免了危害。
看点将领域专家构念与现有基准转化为基于真实模型行为的指标，覆盖809项指标、10个前沿模型、48,540次对话，对评测基础设施有实质推进。
说明PerSo：考察大语言模型在真实说服场景中的社交智能
简介本文提出 PerSo 基准，用于评估大语言模型的社交智能，包括推断他人心理状态的认知能力和为达成社交目标而选择行动的行为能力。测试数据取自 Reddit 的 ChangeMyView 社区真实说服对话，并通过人工标注验证。结果显示，模型表现大体随规模提升，但在不同维度上差异明显。
说明基于卷积神经网络的马铃薯叶片病害检测
简介本研究提出一种轻量级卷积神经网络，用于将马铃薯叶片分为健康、早疫病和晚疫病三类。模型在 PlantVillage 数据集的 2,215 张图像上训练，并在埃塞俄比亚 Banja 农田采集的 247 张独立现场图像上评估，现场准确率为 90.28%。论文还将其与 VGG16、MobileNetV2 在性能和计算效率上进行了比较。
说明局部模态缺失下的可靠性感知多模态情感预测
简介该论文研究多模态情感分析在文本、音频或视频连续片段缺失时的表现，基于对齐的CMU-MOSEI特征进行实验。作者提出RM-Net网络，用可学习的标记表示缺失位置，并结合文本BERT模型进行融合。在保留集上，融合模型在完整输入和40%混合缺失时的宏F1分别为0.655和0.634，但论文说明该划分在开发时已被查看，结果不是盲测。
说明PrismaCoder：通过分解式评分准则合成推进开放的多模态代码智能
简介本文提出PrismaForge数据流程，用合成的评分准则把代码正确性、工程质量和渲染后的视觉效果拆成可检查的条目，既用于筛选训练数据，也作为视觉编程强化学习的奖励。作者据此构建了PrismaCoder-2M数据集，并训练发布了PrismaCoder-9B和PrismaCoder-35B两个模型。文中称其在开放模型中领先，并可与领先的闭源系统相比。
说明重新审视关系深度学习的简单基线方法
简介该论文针对关系数据库的端到端预测模型（关系深度学习），检验了简单方法的效果。作者用固定的低通特征传播处理关系实体图，再训练MLP进行预测，并用Correct-and-Smooth标签传播方法结合历史标签加以改进。在RelBench的分类与回归任务上，该简单方法在多数任务中优于只用目标实体特征的模型，并达到异构图神经网络的大部分性能。
说明面向可扩展潜在分词的生成式表示学习
简介本文提出一种自监督表示学习方法，用作生成建模的分词器。该方法通过分解数据的逐点互信息来监督表示损失，并用生成模型条件预测之间的信息差来估计。作者称，在DINO和LeJEPA等常用方法失效的场景中，该方法能避免维度坍缩和特征抑制；其性能随计算量增加可预测地提升。在ImageNet和GPIC数据集上，文中报告了分词器编码器的扩展规律。
看点用生成模型的点互信息分解作为表示学习目标，并证明其计算效率优于DINO等方法，ImageNet上FID达2.18，证据较扎实。
说明ActiveEvidence：面向决策的证据图与可验证的获取缺口
简介这篇论文研究多模态智能体如何决定是否获取视觉证据、查询哪个候选或分辨率，以及何时继续交互已无法改变决策。作者提出反事实证据交互图（CEIG），并设计逐步细化、带ε-决策证书的获取控制方法。在640个案例的测试中，控制器任务得分为0.842，证据召回率为0.873，平均接受调用1.74次，p95延迟742毫秒。
说明物理即网络：无需训练的快速神经仿真
简介该论文提出PolyNet，将多项式动力学的连续时间神经表示与离散时间积分的简单循环网络相结合。已知系数时无需训练，可保留既定数值格式并在硬件上高效并行运行。以一维Korteweg-de Vries方程为例，与有限差分Runge-Kutta求解器及三种训练得到的神经模型进行比较，结果显示其精度与数值求解器相当，并具有较高的GPU吞吐量。
说明智能体的财富：跨开发者扩展智能体AI
简介该论文提出多开发者智能体系统（MDA），让多位开发者协作组合各自的智能体来构建系统，而非由单一开发者独立完成。在通用助手基准GAIA上，各专业开发者单独的智能体准确率不超过35%，组合成MDA后达到70%，并比由单个开发者以数倍预算打造的通用系统中位数高出12个百分点。作者还提出理论模型，说明MDA如何促进专业化分工并更高效地利用开发者资源。
说明VASPO：基于特权价值估计的自蒸馏策略优化（一种让大模型在推理训练中同时利用教师指导与价值评估的方法）
简介该论文针对推理模型的策略训练提出 VASPO 方法，把自教师的逐 token 指导与评论家（critic）对未来回报的预测结合在 PPO 框架内。作者观察到，特权信息使评论家在回答后段的价值预测更准确，而自教师的指导在生成中段减弱、末段回升。在六个数学推理基准上，该方法相比 PPO 在 Qwen3-4B 与 OLMo3-7B 两个模型上分别提升平均准确率 2.59 和 1.81 个百分点，并在 Knights and Knaves 任务上取得评测方法中的最高平均准确率。
说明学习在线选择公平分类器的贝叶斯方法
简介本文研究在数据流中在线选择分类器（包括AI模型、大语言模型或人工标注者）的问题，目标是兼顾预测准确率与敏感属性的子群体公平性，并允许真实标签延迟到达。作者将其建模为基于汤普森采样（Thompson Sampling）的贝叶斯多臂老虎机问题。在表格分类器、大语言模型和人工标注者的真实数据集上，该方法相比基线显著降低了遗憾值，文中也给出了同时涵盖准确率与公平性的理论保证。
说明基于纵向电子病历的疾病轨迹两级临床新颖性排序框架
简介该论文针对从纵向电子健康病历（EHR）图分析中发现的疾病轨迹，提出一个两级排序框架。它用预训练句向量模型计算路径和节点到终点的语义稀疏度，并结合可靠性调整后的临床优先级，对约99,527个分支模式进行排序。研究报告，分支增强预测在高语义子组中降低了条件事件时间的误差，但整体语义分数与预测收益的单调关系并未得到支持。
说明扩散语言模型的同策略残差学习（ORL）：一种让模型在生成中反复修正自身预测的训练方法
简介该论文提出ORL框架，用于扩散语言模型（DLM）的同策略残差学习，在去噪步骤间携带预测分布以提升速度与质量的平衡。方法包括基于模型自身轨迹的在线学习、促使预测更锐利的熵收缩目标，以及异步残差捕获与传输、分块扩散注意力等系统设计。作者报告在4B模型上每次前向生成的词元数最多提升6.2倍，端到端吞吐量约提升6.9倍，且质量相当或更好。
说明VascuSR：用于CT超分辨率的迭代式解剖感知扩散模型
简介该论文提出VascuSR，一种结合三维血管显式表示与迭代反馈的扩散框架，用于CT图像超分辨率，以减少血管细节的错误或不合理重建。作者在重新标注的MSD Task08和HVM数据集上测试，结果显示其在分割精度（Dice、clDice）和三维血管结构指标上优于插值及基于学习的基线方法，同时图像质量与其超分辨率骨干网络相当。
说明ReaDy：将混合线性注意力模型的循环状态用作推测解码草稿的动态上下文
简介论文提出ReaDy方法，利用混合线性注意力（HLA）模型中累积历史信息的循环状态，为推测解码中的每个草稿位置检索补充上下文，以加速大语言模型的自回归生成。该方法通过轻量级状态读取器以残差方式融合上下文，并采用两阶段适应策略。在七个涵盖数学、代码生成和对话的基准上，相比自回归解码平均提速3.16倍，且在每个基准上都优于DSpark。
说明基于图增强的纵向电子病历疾病轨迹发现与终点时间预测
简介本文利用MIMIC-IV电子病历数据，构建了一个图增强框架，用于发现疾病进展轨迹并预测终点事件。研究在建图前划分患者，仅用训练集学习相邻就诊转移，并借助Transformer为每个终点检索最多24个分支模式。结果显示，事件时间的平均绝对误差在五个随机种子下有所下降，但对不同时间段的效果并不一致，整体的生存预测优势未得到确立。
说明OLiVES：用于低光视频增强与分割的户外低光视频基准数据集
简介这篇论文提出了OLiVES，一个户外低光动态视频基准数据集，同时支持低光视频增强和视频目标分割两项任务。数据集使用专业电影级相机拍摄，包含超过25,000对对齐的正常光与低光帧，以及超过46,000条视频目标分割标注。作者在该数据集上评测了多种先进方法，并表明在其上训练能提升两项任务的性能。
说明后见特权RLVR：无需分组采样的单次展开词元级信用分配
简介本文提出HP-RLVR方法，利用一次完整推理轨迹之后的真实结果与验证器反馈，为每个词元赋予更新权重，无需参考答案或学习型评判器。与需要每题多次采样的GRPO相比，它每题仅需八分之一的展开次数。在Qwen3-8B上的对比实验中，HP-RLVR在数学、代码生成和ALFWorld任务上分别比GRPO快1.21倍、1.46倍和2.30倍，整体准确率相近。
说明量化脑部MRI基础模型表示中的隐私风险
简介该论文研究脑部MRI经预训练编码器生成的嵌入表示是否仍保留患者个体信息。作者在OASIS-2和MIRIAD两个纵向T1加权数据集上评估了五种冻结的预训练编码器，在攻击者可获得嵌入、公开编码器和辅助MRI的设定下测试患者关联与敏感属性推断。结果显示，最高风险的表示其首位匹配率在MIRIAD上可达99%，在OASIS-2上超过90%，且记录性别的平衡准确率分别为90.9%和95.5%，说明仅替换为嵌入并不足以确立匿名性。
说明从单条连续轨迹识别平均回报策略
简介本文研究强化学习中智能体仅通过一条连续轨迹学习时的样本复杂度。作者为平均回报强化学习设计了一种算法，能够决定在何处收集信息，并确保所需样本可被高效获得。论文给出了识别近最优策略所需交互次数的上界，并证明了匹配的信息论下界。结果表明，在较宽的一类环境和足够高的精度下，单轨迹学习在最坏情况下并不比可自由采样状态-动作对的学习更困难。
看点证明单条连续轨迹学习在高精度下与自由采样同样困难，给出匹配的上下界，理论上改进了对导航成本的认识。
说明解耦边际锐化：一种无需训练的推理时扩展方法
简介本文研究如何在不更新模型权重、不使用外部奖励模型的情况下，提升大语言模型在推理时的表现。作者提出解耦边际锐化（DMS），分别控制模型对推理路径的偏好强度和对最终答案的偏好强度，并结合退火序列蒙特卡洛采样器。论文报告在 MATH500、GPQA-Diamond、HumanEval 和 AIME24/25 上，三个基础模型的平均 pass@1 均为所比较方法中最高。
说明《翻译中迷失：偏见分数降低并不意味着模型更公平》：多语言偏见审计结论的可靠性研究
简介该论文审计了十个开源模型在八种语言中的刻板印象分数，发现多数模型在非英语语言中的分数低于英语，其中印地语、韩语和斯瓦希里语的下降幅度明显超出英语改写所能造成的变化。作者指出，平均分数降低并不能说明模型更公平，因为单个测试项目的分数在翻译后的一致性较弱。论文还记录了三种会悄悄抹去偏见信号的常见流程错误，并公开了代码。
看点通过改写与逐条翻译审计揭示多语言偏见分数差异可能是噪声，并证明平均分无法区分真正公平性，方法论贡献清晰，实验覆盖10模型8语言。
说明AdaRSI：面向具身智能体的按需递归自我改进框架
简介预训练的视觉-语言-动作模型在未见过的长时程任务中常在中途失败。本文提出AdaRSI，由编码智能体先改进技能与调用框架，再通过从保存状态重试失败子步骤来判断持续失败的原因，仅对仍不可靠的子步骤进行微调，所用示范为系统自行收集并沿用早前任务的经验。在RoboCasa365的50个目标任务上，以GR00T N1.5为执行器且不使用人类示范，AdaRSI提升了三个套件上的表现，并将未见复合任务的成功率从4.6%提高到13.8%。
说明SafeAdapt-Poker：对手风格变化下有预算约束的反事实风险校准自适应方法
简介该论文针对对手行为发生变化后，历史对局信息可能产生误导的问题，提出一种在有预算约束下进行自适应的序贯控制方法SafeAdapt-Poker。方法在每次决策时同时评估偏离基准策略的局部策略风险，以及消耗剩余偏离预算对未来自适应收益的影响，并通过累积KL散度账本约束总偏离量。论文在精确Leduc扑克和抽象HUNL等环境中进行了评估，报告了收益、风险及预测准确率等结果。
说明ChronoCulture：评估大语言模型对文化随时间变化的认知能力
简介该论文提出 ChronoCulture 基准，包含基于 72 个国家纵向调查数据构建的 10,360 组时间配对，每组为同一国家在较早和较晚年份对同一问题的调查，并以完整的人群回答分布作为标准答案。测试六个大语言模型后发现，模型通常能预测某一时点的国家态度，却难以可靠地捕捉态度随时间的变化，对不同年份的预测往往彼此接近。在提示词中指定年份也没有明显提升与调查结果的一致性。
说明RoLaQ：面向多头潜在注意力二比特KV缓存的旋转与范围联合校准
简介论文提出RoLaQ方法，用于多头潜在注意力（MLA）中二比特KV缓存的离线量化校准。该方法在冻结的键值投影子空间内优化共享旋转，并联合学习量化范围。在三个MLA模型和六个基准上，其平均准确率在对比的二比特方法中最高；在DeepSeek-V2-Lite上，SGLang实现在相同显存下提供3.96倍于BF16的KV容量，256K输入时解码吞吐量为其2.51倍。
说明选择性增长Q网络（SGQN）：解耦Q学习中自适应动作网格的分析
简介这篇论文研究连续控制中的值函数强化学习方法，其动作离散化分辨率会影响探索与最终精度。作者提出SGQN，用自适应动作网格替代均匀增长的离散化方式，并在八个DMControl任务上与基线比较。作者同时指出，自适应网格本身并非主要原因，从粗网格起步和ε贪婪选择更为关键，因此不把优势归于单一组件。
说明通过示例学习：用表格基础模型进行电网稳态分析
简介本文探讨预训练表格基础模型TabPFN能否作为电网稳态分析的通用神经求解器，评估潮流预测、N-k故障筛查和电压稳定裕度预测三项任务。在118节点和2000节点系统上，模型无需重新训练或微调，即在多项设置中与最佳任务专用模型持平或更优。作者认为预训练表格基础模型在多种电网分析任务中具有潜力。
说明同等CER，不同危害：面向OCR的按严重度加权字符错误率
简介本文提出semCER，一种面向OCR和视觉语言模型的字符错误率改进指标。它保留CER的对齐方式和分母，但由大语言模型评判员为每个字素编辑赋予严重度权重，不依赖分词。在英语、越南语和中文上，这些权重与读者的逐处评分基本一致。作者同时发布了6100万条评判编辑、汇总的读者评分和蒸馏后的评分器。
看点提出按字形编辑严重度加权的CER变体，并用读者评分与大规模判定编辑验证，对OCR评测有实质改进。
说明MolLean：面向化学推理、过程可验证的语言
简介该论文提出MolLean，一种基于Lean的可验证语言，用显式分子状态约束化学推理，以减少思维链中的结构与性质幻觉。系统通过分层内核检查状态转换与分子读数断言，并提供MolLean-MCP交互工具以在生成过程中给出逐步验证反馈。在12项任务、8800个匹配样例上的实验显示，整体轨迹精炼在Qwen3.6-27B上优于直接思维链，MolLean-MCP在反应任务上表现更好。
说明同一主张，不同解读：LLM 智能体如何处理科学主张中的歧义
简介该论文指出，科学主张常因表述不完整而存在多种合理解读，而现有验证智能体通常默默选择一种。作者提出 Claim Cards，在取证前把解读记录为九个字段并标注来源。实验用 GPT-5.4 对 60 条带专家标注的材料科学与生物医学主张运行 900 次，结果显示卡片本身不改善与专家标签的一致性，但修改其中一个字段会显著改变约三分之一主张的判定。
说明基于定性推理与四值逻辑的道路场景自动成因判定
简介本文针对自动驾驶道路场景理解，提出利用时空推理和Belnap四值逻辑，推断自车某一动作（如停车、减速、左转）的复杂成因。方法通过分析定性可解释图（QXG）来计算这些成因，该图抽象表示道路实体之间的时空关系。作者在NuScenes数据集的若干场景上展示了该方法的实用性。
说明L2G-SR：用学习到的结构校验器引导基于大模型的符号回归
简介符号回归旨在为观测数据寻找解释性的数学公式。仅靠数值误差引导搜索，可能偏向拟合精度高但结构不正确的公式。该论文提出L2G-SR框架，用学习得到的结构校验器辅助搜索：以树编辑距离构造结构监督信号，并在父代选择中与数值误差互补。在LLM-SRBench上，L2G-SR在所评估的大模型骨干和领域中取得了数值拟合、方程级准确率和树编辑距离方面的最优结果。
说明面向力学相关 TPMS 超材料的拓扑感知表征学习
简介本文提出一种拓扑感知表征学习框架，把持续同调融入 DMAE 主干网络，以显式编码全局结构连通性。通过持久性引导的掩码策略和辅助持续同调解码器，使潜在表征保留连通分量、隧道和空洞等拓扑特征的数量信息。在两个 TPMS 数据集上，该方法在结构族和力学性能分类、无监督聚类及回归任务中表现良好，并提升了分类与聚类效果。
说明COUNT：统计 N 元组以在主机内存上扩展并实现免训练适配
简介该论文提出 COUNT（Counting Offline Unlocks N-gram Transformers）方法，把预先统计的 N 元组计数存放在主机内存中，不增加可学习参数，即可为语言模型构建 N 元组嵌入。在固定计算预算下，将其作为额外输入嵌入用于预训练 10 亿参数语言模型，可使验证损失改善到相当于多 57% 计算量的模型水平。论文还指出 COUNT 可在推理时切换为领域语料的计数表，无需训练即可适配新任务。
说明分歧意味着什么？成对偏好学习中的语义可识别性边界
简介本文研究成对比较数据中的分歧究竟反映什么：稳定的潜在异质性、短暂的随机性，还是被强制二选一界面掩盖的非二元回答。作者提出包含整体方向偏好、持续分歧和非二元比例三个量的非参数潜在语义模型，证明仅凭二元反馈时，整体偏好可唯一确定，而后两者只能落在一个可行区域内。通过同一标注者的重复标注与允许弃权的反馈可分别识别它们，并在模拟数据上验证了理论。
说明代码语言模型中的因果句法电路：预算与探针决定何种偏好看起来是局部化的
简介该研究探讨代码模型在提示未指定语言时倾向于输出Python，这一习惯是否由模型内部少数可定位的组件产生。作者在55组模型与语言设置上运行统一流程，包括均值消融、激活修补、贪心电路提取、随机对照检验和激活引导。结果显示，偏好强度随模型规模增大，指令微调后仍然存在，但其测得的大小主要取决于探针的选择，局部化结论也依赖于允许保留的组件数量。
看点系统比较55组模型与语言设置，发现局部化结论依赖探针与预算选择，对已有电路研究方法有实质性反思。
说明TurboMamba：借助词法记忆实现更快推理、更快训练与更准预测的语言模型架构
简介该论文提出 TurboMamba 语言模型架构：全局 Mamba-3 模型每完成一个词元块运行一次，小型 Transformer 结合全局上下文与块内前文预测下一个词元，并加入三项轻量改进以提升局部预测。在公开的 FineWeb-Edu 数据集上，与 Transformer、Mamba-3、Jamba、Zamba 等十二个小规模模型对比，TurboMamba 的平均测试预测损失最低，训练吞吐量和批量推理速度也明显更高。
说明IneqAgent：结合符号计算、在 Lean 中证明不等式的智能体框架
简介该论文提出 IneqAgent，一个结合大语言模型推理与符号计算、用于在 Lean4 中证明不等式的智能体框架。它通过蒙特卡洛树搜索协调引理构造与目标改写，并借助平方和、Bernstein 及连续差分代换等符号后端生成精确证明证书。在四个基准上，该方法解决了 186 个问题中的 175 个（94.09%），并得到 Dittert 猜想在四维和五维下经 Lean 验证的加强形式。
看点将蒙特卡洛树搜索与符号计算后端结合用于Lean不等式证明，并获得Dittert猜想的验证强化及四维Merris猜想相关结论，证据充分但子领域影响为主。
说明《准确率之井》：小初始化下准确率的非单调动态
简介该论文研究小初始化条件下分类模型训练中的准确率变化，发现准确率会先快速上升，随后下降，很久之后才恢复，作者称之为“准确率之井”。该现象在深度线性网络、MNIST上的全连接ReLU网络、CIFAR-10上的深度卷积网络及人工合成任务中均有观察。作者用目标驱动组织、退化瓶颈、后续招募与恢复三阶段解释，并对线性网络给出理论分析，指出准确率的变化可能反映训练损失未能体现的学习动态。
说明婴儿指纹：质量评估与识别
简介本文研究如何评估并识别婴儿指纹。婴儿指纹纹线细密，采集时易受不自主动作、皮肤残留物和按压不均影响，现有针对成人的质量标准并不适用。作者在一个纵向数据集上（涵盖从新生儿到三个月大的六个年龄组）评估了十种指纹质量评估方法，并通过参数调整对其进行重新校准。实验表明，调整后的参数在多数方法和年龄组中优于默认配置，有助于提升婴儿指纹识别的可靠性。
说明SwarmRSI：通过演化的科研智能体群实现递归自我改进
简介该论文提出SwarmRSI框架，让科研智能体群体基于自身实验经验递归改进研究能力。方法包括利用其他智能体的实验反馈修正假设与实现的反馈引导群体变异，以及在智能体间复用保留假设和互补程序组件的互补群体重组，并将两者整合为反馈循环。在OpenProblems、NatureBench和MLE-Bench Lite上的实验显示其达到了当前最优水平，积累的研究经验也提升了留出任务上的表现。
说明面向可靠有序分子通信的持续学习方法
简介本文研究有序分子通信，即生物纳米机器按指定顺序交换分子编码信息，并提出一种基于仿真的渐进式评估方法：通过逐步提高实验设置的复杂度来评估通信协议。该方法称为仿射记忆回放（AMR），在持续学习框架下建立模型以估计生物纳米机器之间的通信性能。AMR保存过去的仿真样本，并通过对过去样本的插值和外推合成额外的回放样本。实验结果表明，在依次学习的估计任务中，AMR在保持整体估计精度方面明显优于现有持续学习方法，并在适度训练成本下兼顾记忆稳定性与学习可塑性。
说明检索增强生成（RAG）模型在问答任务中的表现分析
简介本文研究检索增强生成（RAG）模型在南亚多语言文化问答中的表现。作者比较了有上下文、无上下文与加入RAG的回答方式，并区分文化类与非文化类问题，以及热门与非热门的文化问题。研究旨在找出有效因素，以指导优化混合RAG系统的设计。
说明OrionMoE-v1.0：面向表格上下文学习的混合专家基础模型
简介本文提出紧凑型表格基础模型 OrionMoE-Small-v1.0，结合分布感知表示与数据集条件下的稀疏混合专家计算，基于双轴 Transformer 架构，仅用合成分类任务预训练，下游预测无需梯度更新。在多个表格基准上，该模型与规模大得多的基础模型相比具有竞争力，在小上下文和高维数据集上表现尤为突出。
说明从不可靠到可用：拆解大语言模型实体抽取的失败模式与置信度信号（基于网络威胁情报的证据）
简介本文针对大语言模型从长文档中抽取实体可靠性差的问题，在一个公开的354起安全事件语料上进行了预注册、冻结式评估，比较了两款低成本模型与一款旗舰模型。结果显示，抽取精度仍然很低，主要失败并非幻觉，而多为背景提及和范围缺口；基于自一致性频率的置信度分层能够排序，但无法验证真伪，单句扰动即可改变高置信判断。论文由此认为，置信度分层只能用于确定复核优先级，不能用来判断真假。
说明在在线凸优化中跟踪少量专家
简介该论文研究的是专家建议预测问题的连续版本：学习者需要与一个最多切换 k 次、且只使用 m 个专家的比较器竞争。离散情形已有最优高效算法，而本文考察在线凸优化（动作空间连续）中的对应问题。论文指出，经离散化的低效算法遗憾为 Õ(md+k)，已知最好的高效算法为 Õ(dk)，并在超图平凡团猜想下证明，任何多项式时间算法都会在某些实例上产生至少 (k√d)^(1−o(1)) 的遗憾，从而说明这种计算低效是固有的。
说明针对SAM的曲率感知自适应扰动：不同区域采用不同扰动强度
简介本文指出SAM使用固定扰动半径会忽略局部曲率，可能导致扰动过小或过大。作者提出CAP-SAM，依据锐度比例调节扰动半径，以更有效地寻找平坦的稳健极小值。论文证明其在非凸随机设定下与标准SAM收敛速率相同，并报告在CIFAR-10、CIFAR-100和ImageNet上多种网络结构中优于SAM及其主要变体。
说明稀疏自编码器的数据收益递减：功能表现好不代表特征可复现
简介该论文研究稀疏自编码器（SAE）训练需要多少激活数据，用四种架构在三个语言模型上，以5M到500M个token的数据量进行实验。结果显示，重构等功能指标在较小数据量下就接近完整数据的水平，而特征的一一可复现性则随数据量增加持续提升。作者还比较了随机采样与基于多样性的采样，并给出了相应的理论分析。
说明动量在带可验证奖励的强化学习中何时有帮助？
简介本文研究带可验证奖励的强化学习（RLVR）中一阶动量（指数移动平均）的作用。作者用赌博机模型分析，指出在梯度精确时，在不引起过冲的范围内增大衰减系数β会加速优化；在梯度由采样估计时，若保持学习率与(1-β)之比在安全范围内，增大β可保留不会消失的收益。文中通过仿真和Qwen系列模型的实验支持这一选择较大系数的原则。
说明通过学习标签噪声抑制的混合监督实例分割
简介本文提出一种混合监督的实例分割方法，结合低成本的边界框标注与少量精确的像素级标注。作者设计两个辅助模型，用于抑制前景与背景之间以及实例之间的错误标注，从边界框中获得更准确的伪像素级标签。在 PASCAL VOC 2012 和 Cityscapes 数据集上的实验表明，该方法在大幅降低标注成本的同时取得了有竞争力的性能。
说明超球面对比表征如何支撑规划与探索：一种无需先验数据、从零学习堆叠方块的自监督强化学习方法（C-Slerp）
简介论文提出自监督强化学习算法 C-Slerp（基于球面线性插值的对比规划），不依赖先验数据、奖励、示范或预训练模型，从零学会堆叠高达八块方块的塔。该方法将对比表征作为可复用的构件，通过球面线性插值以闭式方式推断中间路标，无需单独训练高层策略或做图搜索，并依据表征几何调整路标数量。实验显示其在长时程导航和机器人操作任务上取得成功，包括强基线完全失败的设置；消融实验表明固定路标数量会明显降低性能。
说明后验频率与不拟合的代价：对一个记忆下界的修正
简介本文指出Feldman记忆下界中基于样本频率的系数，在条件形式和平均形式上存在反例。作者构造了三点的精确反例，并证明在某些采样先验下，所提惩罚与实际超额风险之比可指数增长，因此不存在通用的正常数修正。作者保留原模型，给出了基于全样本后验概率的精确替代形式。
说明训练语言模型优雅地失败：在无法可靠完成任务时转入安全回退策略
简介论文指出强化学习会让模型倾向于猜测，因为只有成功才有奖励，而回退到安全策略总是得分更低。作者提出GracefulRL方法，在尽量保持成功表现的同时，让模型在行动不可靠时执行安全的回退策略。该行为仅由结果级奖励信号学习得到，无需回退时机标注或验证器等额外机制，在多种任务和规模上有效。
说明基于神经算子的HRTF空间上采样与个性化方法
简介该论文提出SPARO神经算子，用于从稀疏测量的头相关传递函数（HRTF）重建连续的HRTF场，可在任意方向查询。方法先将测量投影到学习得到的球面潜在模态，再用Transformer处理并解码。在SONICOM数据集（LAP24测量配置）上，SPARO在3至100个测量点的各稀疏程度下对数谱失真（LSD）和耳间声级差（ILD）误差均最优，在100点时分别比最强基线低18%和43%，耳间时间差（ITD）误差保持竞争力；重建稠密HRTF的速度比RANF快15至373倍。论文还在HUTUBS数据集上验证了该方法。
说明Cortex：将上下文巩固为参数化记忆
简介该论文提出“记忆巩固”（Memory Consolidation）框架，旨在把上下文带来的大模型能力提升内化到模型参数中，同时保留其他能力。作者提出Cortex方法，通过生成预期查询并将上下文条件下的输出蒸馏为可合并的低秩或结构化前馈网络更新来实现。在4B至120B的多种模型上，Cortex在多数设置中处于巩固与保留的帕累托前沿；在14B模型上经过50次连续事实编辑后，Cortex-Structural恢复了88.9%的上下文增益，并保留了99.8%的原有非目标性能。
看点将上下文增益内化为参数记忆并统一编辑、技能学习与行为引导，提出新的目标框架与方法；在4B至120B多种骨干及多任务族上评估，顺序编辑结果较强。
说明高斯点应放在哪里？面向预算约束下电影级CT高斯泼溅的可复用标签感知分配方法
简介该论文研究在固定高斯数量下，如何决定3D高斯泼溅渲染CT时高斯点的位置，以更好保留血管。作者提出一个可复用的分配前端，依据患者CT、解剖标签和传输函数直接生成位置，无需逐例优化；它有神经网络先验和七参数可见性感知闭式两种形式。在20名留出患者上，两者的血管区域PSNR均明显优于均匀分配和剪枝方法。
说明二次网络中的谱不可区分性与学习曲线可辨识性
简介本文研究居中二次网络中的谱统计量与标量学习曲线。作者构造了具有高斯一维与二维边缘分布的解析正输入密度，并证明在这些构造下，锚定谱测度相同，但对于特定教师模型，其损失曲线仍可能不同。文中还分析了不同查询方式所需的样本量，并给出在有理独立教师谱条件下，单条精确标量损失曲线可辨识初始预测器及教师谱的结论。
说明从人工修正到学习型分割：关于信息、学习与人工成本的批判性数学综述
简介这是一篇批判性叙述综述，探讨人工修正何时能转化为有效学习，以及在相同人工投入下如何获得更好的分割效果。文章以统一的数学框架比较主动学习、机器教学、交互式分割和序贯预测评估，并分析贝叶斯更新、过剩风险分解和条件信息分解等概念。作者强调应区分当前掩码的细化与可复用的学习，并指出未声称提出新算法或经验上的优越性。
说明FOLD：用于长上下文投机解码的无位置远程记忆与局部顺序方法
简介这篇论文提出 FOLD，一种免训练的方法，用于加速大语言模型在长上下文中的投机解码。它保留局部位置信息，把较远的内容统一视为共享位置的远程记忆，并通过调整注意力来缓解记忆增长时的注意力稀释。文中在六组目标模型与草稿模型组合、最长达 256K 词元的多种基准上测试，大多数情况下速度提升最高，最佳情形下加速比从 2.08 倍提升到 4.22 倍。
说明STP-GUI：面向网页图形界面智能体的空间感知视觉标记剪枝方法
简介该论文针对基于视觉语言模型的网页图形界面（GUI）智能体，指出高分辨率截图和多轮历史会产生大量视觉标记，推理开销大。作者提出STP-GUI框架，在指令引导下按空间连贯的窗口进行标记选择，以保留按钮、图标等小元素的局部结构。在Online-Mind2Web上，保留21%标记时性能为完整标记的77.7%，推理延迟降低31%，FLOPs降低57%；在Android in the Wild上的结果显示该方法可迁移到移动端。
说明从相关性到有效性：基于功能与情境验证的零样本工具选择
简介大语言模型智能体在陌生领域中需要选择合适的工具，仅靠语义相关性排序无法保证工具在功能上兼容或适用于新情境。论文提出渐进式验证框架，在语义相关性之外加入端点功能兼容性与任务条件下的情境证据。跨领域与跨数据集迁移实验显示，该方法持续改善能力排序，在功能或情境存在歧义时提升更明显；消融实验也证实了功能验证与情境验证各自的互补作用。
说明先预测再修复：面向智能体图像修复的预先预测学习方法
简介该论文提出PreActIR框架，让图像修复智能体在实际运行工具前先预测各工具的效果，包括残留退化、图像质量、保真度及有害风险。智能体执行预测排名最高的工具，再由独立验证器决定保留或回滚输出。受控实验中，相比先执行再评估的试错方式，该方法减少了42.5%的真实工具调用和63.4%的被拒调用，并使Y-PSNR提升0.92 dB。
说明基于加权中位数的假设选择：用样本从候选分布中挑出最接近目标分布的一个
简介论文研究在已知的 n 个候选分布中，凭借来自未知目标分布的样本，选出总变差距离最接近目标的一个。作者提出一种算法，使用 O(ε⁻²log(n/δ)) 个样本，运行时间为 O(nε⁻²log(n/δ))，并以至少 1−δ 的概率返回满足 d_TV(P,H) ≤ 3·min d_TV(P,H_i) + ε 的分布。相较于先前结果，其对失败概率 δ 的运行时间依赖由多项式降为对数。
说明从分流到影响：面向可解释波斯语仇恨言论的多跳推理基准
简介本文提出一个面向波斯语仇恨言论的细粒度多跳基准，涵盖内容分流、目标识别、仇恨手法与道德基础分析、文本证据抽取、有害叙事推断和严重程度评估。评测显示，随着任务需要更细致的语义与推理，大型语言模型表现普遍下降；加入中间推理步骤能明显改善严重程度预测。该基准已公开发布。
说明ReAl：通过对齐动力学流来精修神经算子
简介神经偏微分方程代理模型用均方误差训练时，往往丢失高频细节。本文提出与模型无关的插件ReAl，先用条件流匹配模型学习确定性预测之外的残差分布以恢复细尺度结构，再在自回归滚动中对同一输入生成多条轨迹，并以轨迹级奖励对精修器进行强化，以实现长时程的动力学对齐。在多种代理架构和偏微分方程任务上的实验表明，ReAl能持续提升高频保真度、预测精度和长时程稳定性。
说明基于跨模态查询精炼的级联检索方法SCOUT，用于高效的视觉文档搜索
简介该论文针对包含表格、图表和版式信息的视觉文档检索问题，提出两轨级联框架SCOUT。视觉轨道先用轻量检索器筛出候选页面，再用多向量重排序器精排；语义轨道则基于离线生成的页面与文档摘要进行检索，两者通过跨模态查询精炼融合。作者在4个主要基准上与6个基线对比，报告查询延迟最高降低至1/80.7（平均28.8倍），检索效果NDCG最高超过现有最优方法7.8%。
说明AI智能体社区中的词汇持续性与语义固化差异
简介本文比较了AI智能体社区MoltBook（8周）与中文人类论坛PTT（19年）、英文论坛Reddit（同为8周窗口）的词义演变。研究发现，AI社区的词汇会持续流行，但其语义随时间变化的长程依赖明显更弱，漂移幅度约为人类平台的两倍，邻近词稳定性低20%至30%。作者认为，词汇扩散本身并不足以形成语义的长期固化。
说明分数阶更好：神经算子学习中可学习的导数阶数
简介该论文研究神经算子学习中输入表示的改进，提出在输入中加入与偏微分方程微分结构对齐的导数特征。作者给出理论界，表明提供导数特征可改善逼近界，并发现最优导数阶数严格小于偏微分方程的阶数，二者之差源于频谱空间的偏差-方差权衡。作者提出可学习分数阶导数特征的增强模块 ∂-NO，实验显示其在多个基准问题和架构上提高了预测精度。
说明AI智能体会八卦吗？人类与AI智能体在线社区中的评价性言论
简介本研究比较了AI智能体社区Moltbook与台湾人工操作的大型公告板PTT上的八卦（对不在场第三方的评价性言论）。结果显示，AI社区中也会出现八卦，但其普遍程度比PTT低2.6至6倍（取决于分母）。在后续回复中，AI智能体的讨论较少出现质疑：有质疑的讨论串占比，人类为65.1%，AI智能体为21.3%。
说明超越专家排序：面向混合精度MoE量化的对比校准
简介本文针对混合知识混合专家（MoE）语言模型的量化问题，提出名为NatScale的分配框架：为敏感专家分配更高比特、为稳健专家分配更低比特，并通过幂变换将基于梯度的专家权重校准到信息论对比目标，同时保持排序不变。在三个模型、九种设置下，该方法相较五种基线取得了最低的原始模型与量化模型之间的KL散度和最高的首词一致率，并在七种设置中获得最低困惑度。
说明ReferFlow：超越最终目标定位的复杂指代表达理解
简介该论文针对多模态大模型在复杂指代表达理解中只评估最终目标定位的问题，提出按有序步骤逐步定位的轨迹级任务，并构建了ReferFlow-Bench基准，包含细化、转移、重置和混合四类轨迹。论文同时提出ReferFlow方法，用有状态区域潜变量推理和轨迹感知并行解码来处理中间视觉指代，并结合基于定位的GRPO训练。作者称该方法在通用指代表达理解基准和ReferFlow-Bench上取得领先表现。
说明将人类示范数据用于任意机器人本体的后训练：重定向物体而非手部
简介本文提出一种方法：用手机等简单设备录制的人类示范，只记录物体的位姿、接触时段和带来源信息的三维重建，而不记录手部动作。任意机器人（以URDF和简短描述文件给出）都在仿真中与该物体运动对比求解，每个机器人-片段组合得到通过、带命名失效模式的失败，或在运动前给出理由的拒绝。文中报告了42段录制、8个机器人、157组组合的分析结果，并指出目前尚未用该记录训练任何策略。
说明提升状态策略优化（LSPO）：通过转移几何内化自我修正
简介该论文提出提升状态策略优化（LSPO），为每个文本答案加上一个可学习的连续坐标，形成提升状态，由能量函数评估排序，并以扣除编辑与步骤成本后的能量下降作为奖励进行训练，同时把部分低能量答案内化到直接生成器中。在 Qwen3.5-27B 上，单次生成策略在数学、科学、代码和逻辑基准上的总体准确率为 71.8%，与测试时反思的 71.9% 相当，延迟低 28%，token 数少 25.8%。
说明NeuroDETR：用于异步脑电事件检测的多尺度离散时空标记化方法
简介该论文提出 NeuroDETR 框架，用于从连续脑电记录中直接识别事件类别及其起止时间，无需推理时预先给定事件边界。方法结合多尺度时间码本、空间金字塔向量量化以及事件感知的稀疏注意力模块 FOCAL。作者称在八个涵盖不同实验范式的脑电数据集上取得了当前最优的性能。
说明带选项的平均奖励Q学习的非渐近收敛性研究
简介本文研究带选项（时间扩展的分层动作）的平均奖励强化学习中Q学习算法的有限样本收敛性。作者证明了在单链假设下，内选项和间选项两种设置的贝尔曼算子都满足多步跨度压缩性质。基于此提出两种选项Q学习变体，并在均方意义下给出了约为1/迭代次数的收敛速率。
说明Doc2Harness：评测大模型在编码智能体长时程“框架工程”上的能力
简介该论文提出 Doc2Harness 基准，用于直接评测大语言模型构建编码智能体运行框架（harness）的能力。模型依据接口骨架和整合了十二种前沿框架行为的开发文档，在隔离容器中构建完整框架，再由脚本化模拟模型端到端驱动测试。研究在十九个前沿模型上进行了328个测试用例的评测，最高通过率为53.05%，最低为27.44%，且失败多集中在跨模块功能的拆分上。
说明任务感知的缺失值填补何时重要：训练与测试不匹配下的稳健性分析
简介本文将缺失值视为任务条件优化问题中的变量，提出统一框架，并分别给出训练和测试数据都有缺失、以及只有训练数据缺失两种实现方式。研究在98个表格数据集上评估，并在36个数据集上检验训练与测试不匹配时的稳健性。结果显示重建误差并不能很好地反映预测效用，在挑战性的不匹配场景中，任务感知填补的胜率最高可达80%。
说明InfiniSplat v2：分析并改进可从任意视角前馈生成的3DGS三维场景重建
简介该论文提出InfiniSplat v2，用于从输入图像直接前馈生成高斯三维场景，以支持大视角变化下的新视角渲染。方法包括冻结几何分支以解耦几何与属性预测、训练时利用真实相机位姿对齐高斯，并采用大角度目标视角监督。在六个数据集上，其在有位姿和无位姿两种设置下的平均LPIPS与DISTS均达到所评估方法中的最优水平；有位姿设置下相比最强基线分别下降25.8%和32.9%。
说明无界输入上Transformer的训练动态：注意力学习可能滞后于输出层学习
简介该论文研究浅层Transformer在无界长度输入上的训练过程，关注注意力层与输出（前馈）层如何解耦学习。作者证明，对于识别无星语言的任务，单步注意力更新后再训练输出层的做法会失败，而三阶段梯度下降（先更新输出层，再更新注意力，最后微调输出层）可以学会该语言。作者还称，在其他语言识别、回归和上下文学习任务中，注意力学习滞后于输出层学习同样有益。
说明统一文档解析与视觉元素描述生成：Read-Parse-Describe 数据集与方法
简介论文提出 Read-Parse-Describe 数据集，要求模型根据页面图像输出带有边界框、语义标签、阅读顺序、文字内容以及视觉元素替代文本的有序版面元素列表。数据集由 2,402 份文档构成，包含 18,163 页、125,218 个版面元素和 11,338 个视觉实例。作者还提出一种即插即用的空间感知增强模块，用于提升版面感知生成效果，实验表明现有系统难以同时恢复阅读顺序和视觉语义，改进后的模型表现更好。
说明TreeFlex：让智能体自己在搜索树中导航
简介这篇论文提出 TreeFlex 框架，让智能体把每个中间状态及简短摘要记录为搜索树中的节点，由同一个语言模型决定回到哪个节点、如何继续或验证方案。训练采用带过程奖励的树感知 GRPO 强化学习。文中报告在深度研究基准上准确率为 48.8%，在 SWE-bench Verified 上解决 54.9% 的任务，均高于所列对比方法。
看点让智能体策略自主决定在搜索树中回溯与分支，并用树感知GRPO联合训练，新意明显；两个基准均有对比实验支撑。
说明我们是否把一步生成想得太复杂了？
简介扩散模型与流匹配是当前连续数据生成的主流框架，但推理时通常需要多次网络前向计算。本文提出"Priming Models"两阶段方法，先用重建目标训练，再进行特征空间的分布式后训练。作者报告，在类别条件图像生成、文生图和世界建模任务上，该方法在训练计算量与生成质量之间取得更优的权衡。
看点提出两阶段重建加分布后训练的一步生成框架，核心发现有新意；在ImageNet上以约十分之一训练算力达到SOTA级FID，实验覆盖图像、文本到图像和世界建模。
说明论证图不确定性：从推理链的逻辑结构量化模型的不确定性
简介本文提出一种事后不确定性估计方法，只依据单条思维链推理的逻辑结构判断大语言模型对选择题答案的置信度，无需多次采样。方法先把推理链切分为命题单元，再用自然语言推理模型建立两张论证图，并将边的分数汇总为答案选项上的狄利克雷后验。在 GPQA、MMLU-Pro 和 TruthfulQA 上，该方法优于基于 token 和基于一致性的基线，并能与现有方法互补。
说明Anuvani-Diarization：覆盖22种印度语言的零样本说话人分离及标注约定研究
说明用于实时ISAC波束成形的深度学习DoA估计器对比评估
简介该论文提出统一的评估框架，在ISAC（通感一体化）波束成形流程中比较经典与基于学习的到达方向（DoA）估计器，并包括一种集成架构。研究基于SVD波束成形，考察估计精度、推理延迟、波束权重生成时间与有效频谱效率。结果显示RCNN在精度、计算效率与波束成形性能之间取得较好平衡，是实时ISAC部署的有希望候选。
说明超越静态线索：基于双流轨迹分析的多模态大模型后门统一动态检测
简介本文针对多模态大语言模型（MLLM）的后门攻击，提出 EVO-Detect 检测框架。该方法不再依赖静态快照，而是监测解码早期步骤中内部信号的动态演化，通过注意力流和 logits 流两条通道分别衡量图文注意力分配变化与输出分布对模态扰动的敏感度。实验显示，该方法在多种攻击类型上明显优于 BYE、TCAP 等现有基线。
说明面向机器人策略的高效测试时自适应方法（TEMPO）
简介该论文针对强化学习训练的机器人运动策略在部署时遇到环境变化（如崎岖地形、负载变化、传感器退化）性能下降的问题，研究在执行过程中无需奖励、以自监督方式在线调整策略的测试时自适应方法。作者提出TEMPO，结合熵正则化与基于优先级经验回放思想的记忆机制，以稳定在严重偏移下的更新。在MuJoCo Playground中的Go1、Go2、G1上及一台实体Unitree Go2上的实验显示，该方法带来稳定提升，单设备场景下最高提升约80%。
