机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明为智能体后训练预热基础模型：一套开放的中期训练方案
简介该论文介绍了一套开放的中期训练（midtraining）方案，位于预训练与后训练之间，用于为智能体后训练做准备。训练在256K上下文下进行，使用软件工程类自然数据（如打包代码仓库、拉取请求、提交历史、构建日志）并掺入少量智能体轨迹。作者在两个不同规模的Nemotron模型上验证了其效果，并报告了相关消融实验与评估方法。
说明模型误读书法：审计视觉语言模型的阿拉伯书法识别能力
简介该论文评估了12个视觉语言模型（VLM）在一个包含1,195张图像、六分类的阿拉伯书法基准上的表现。最佳准确率在闭源或API模型中为60.9%，开源权重模型为47.2%。主要问题是默认标签塌缩：多数模型倾向于输出某一固定书体，例如8个模型偏向Thuluth，GPT-4o将52.9%的图像标为Thuluth，而该类实际仅占18.1%。
说明CARA：用于问答的因果引导检索智能体
简介该论文提出 CARA，一种无需训练、基于因果关系引导的图检索智能体，用于面向文本丰富知识图谱的检索增强生成。它通过“结果性”（加入证据是否提升可回答性）和“必要性”（移除证据是否削弱可回答性）两个标准评估检索证据的因果相关性，并结合路径一致性指导图探索，再用倒数排名融合汇总多个智能体的证据。在三个 STaRK 数据集上的实验显示，CARA 优于现有检索器，同时答案质量与忠实度有所提升，且检查的图节点更少、检索操作更少。
说明足够接近远非真正接近：KV 缓存中保真度与可用性的解耦
简介本文研究多智能体大模型之间用 KV 缓存代替文本传递信息的做法。作者发现，在两个模型都冻结、直接替换缓存且不训练的情况下，阅读模型无法有效利用发送方的缓存，效果与无信息缓存的基线相当。相比之下，让阅读模型保留自己的缓存并把发送方缓存作为额外上下文参与注意力，则能超过自身基线。
说明GraphBEAT：用于胃肠道癌症早期风险分层的时间分桶事件图聚合方法
简介论文提出GraphBEAT框架，将不规则、稀疏的纵向电子病历中的临床事件按时间分桶，并转化为患者专属的时序有向图，以学习患者表征。在胰腺癌、肝癌和肠癌的12、24、36个月诊断提前期预测任务中，该方法的表现优于GraphSAGE、GAT、GCN、Transformer和LSTM等基线模型，同时所需浮点运算量和参数量显著更少。
说明从自然语言意图到可执行控制：面向多组件信息物理系统的分层反馈式大模型规划
简介论文指出大语言模型可把自然语言指令转为信息物理系统的任务计划，但生成的计划可能误解意图，或因组件动力学与安全约束而不可行。作者提出分层反馈框架：让模型同时生成结构化任务计划和信号时序逻辑（STL）约束，检测两者间的矛盾并给出修改反馈；控制综合失败时，再把违反的约束、冲突的组件分配等诊断信息用于重新规划。在七个异构多组件场景的实验中，使用GPT-5时成功率为87.9%。
说明《Visual Sanad》：检测视觉语言模型对古兰经引文的误接受问题
简介本文提出 Visual Sanad 基准，用 2400 张图片检验视觉语言模型能否识别错误的古兰经经文归属。研究以 100 节英文经文为基础，每节设四种事实状态，并在六种视觉版式下渲染。结果显示，不同模型的辨别能力差异明显：部分商用模型接近完美，部分开源模型常把图片判为正确。
说明深度学习编译器的有状态测试（Rondo 方法）
简介论文指出，现代深度学习编译器会惰性编译模型并跨调用缓存产物，保留的编译器状态可能使单独正确的调用在之后出错。作者提出 Rondo，将测试用例表示为模型与调用序列的组合，并通过三路差分预言机与马尔可夫链蒙特卡洛采样发现此类缺陷。在 4 个框架、24 种常见模型架构上的评估中，Rondo 检出 117 个缺陷，其中 35 个为有状态缺陷。
看点提出有状态测试新范式，针对编译器缓存状态引发的错误；在四个框架上检出117个缺陷，其中35个为有状态缺陷，影响面较大。
说明用稀疏自编码器构造局部几何约束以缓解灾难性遗忘
简介论文提出SAGA方法：在每个任务边界训练稀疏自编码器（SAE），并把它转化为对表征漂移的局部低秩约束，回放样本决定约束的作用位置。在三个预训练ViT-B/16基准上，结合回放与快照历史，该方法的平均Class-IL准确率与平均遗忘量优于所比较的基线，但从头训练的结果较为复杂。
说明接口与模块：面向跨架构权重空间学习的可扩展表示
简介本文提出一种类型化图表示，以共享的坐标置换作用组织神经网络参数：节点称为接口，表示必须联合置换的坐标空间；运算实例称为模块，构成类型化超边。编译器可从受支持的PyTorch模型中导出该图。作者在此基础上提出通用权重编码器UWE，结合局部等变更新与对不变接口摘要的全局注意力。在新构建的含1,200个Transformer、涵盖100种架构的基准上，UWE在未见架构内的网络排序任务中优于所评估的基线，内存占用更低。
说明面向高分辨率 Sentinel-1 GRD SAR 表示学习的数据高效 ConvNeXt 预训练
简介论文提出 SparK-SAR，一种基于 SparK 与 ConvNeXt 的稀疏卷积掩码预训练框架，用于 Sentinel-1 地面距离检测（S1GRD）雷达影像的表示学习。作者设计了适配该数据的 ConvNeXt-RS 编码器和轻量重建解码器，并分析了 FP16 混合精度训练的不稳定性。在四项 Copernicus-Bench S1GRD 任务上，微调后的 27.8M 参数编码器优于非预训练基线，并在三项任务上超过参数更多的 Copernicus-FM ViT。数据规模实验显示分类任务数据需求较少，而密集预测任务随数据量增加仍有明显提升。
说明spora：面向空间蛋白质组学的统一多模态数据集与平台
简介空间蛋白质组学可在单细胞分辨率下揭示组织的分子组成与空间结构。论文提出 spora，包含来自 35 个队列、5477 名患者的 13546 张标准化多重图像，涵盖五种主要空间蛋白质组学技术，并附有细胞与组织分割、结构化临床元数据，部分还配有 H&E 染色图像。论文同时提供统一的数据处理接口 spora [io] 和覆盖十二个队列的基准测试套件 spora [bench]，用于比较现有基础模型与任务专用基线。
说明VesperMUSE：面向多种光照条件下图像语义分割的多模态融合视觉Transformer
简介该论文提出VesperMUSE框架，用于提升自动驾驶等系统在低光照环境下的图像语义分割效果。方法包括基于物理的合成低光适配算法、以热成像引导的低光图像增强，以及融合RGB、热成像和表面法线图的多模态自注意力机制。作者称其在多种光照条件下能恢复缺失的视觉线索，并达到先进水平（SOTA）。
说明GRID-Planner：面向扩散规划的图结构关系奖励塑形（自动驾驶轨迹规划论文）
简介该论文针对自动驾驶在复杂多车交互场景中选择安全、守规、舒适轨迹的难题，提出 GRID-Planner 框架，把扩散规划与结构化关系信号结合。方法包括图感知重要性加权、时间索引的关系奖励代理，以及带同策略自蒸馏的优势加权扩散目标。在 nuPlan 和 interPlan 上，相比仅用扩散的基线，碰撞率、车道偏离和急动度分别降低 35.8%、60.8% 和 27.4%，规划分数提升 3.4%。
说明OntoAct：基于本体抽象的假设驱动神经符号智能体
简介该论文提出OntoAct框架，将经验转化为实体类型、关系和条件上的公理以便复用，由大语言模型提出假设与行动，并由符号验证器依据当前观察检验其条件。论文还提出Tacit-FLE基准，用于在工厂游戏环境中诊断并修复隐藏故障。作者称OntoAct在Tacit-FLE、Mars和ALFWorld上取得领先的任务表现。
说明拓扑等价类的深度学习
简介本文将深度学习应用于判断两组生成向量是否对应黎曼曲面上拓扑等价的有限群作用。作者展示了为语义理解设计的模型结构同样可用于纯数学问题。文中还讨论了期望的代数结构如何影响模型设计，并探究模型学到了拓扑等价类的哪些结构性质。
说明P2TPO：面向整页文档解析的结构对齐页到词元信用分配方法
简介该论文针对端到端整页文档解析中局部错误和遗漏的问题，提出页到词元策略优化方法P2TPO。它先将参考元素与生成文本片段对齐，再通过统一锚点定价和片段信用再分配，把质量差异细化到具体片段。作者称，该方法在六个文档解析基准的平均得分上优于所有对比的策略优化基线。
说明只在无法直接计算之处学习：对高斯过程后验的结构化修正
简介该论文提出一种后验修正框架，以可解析的高斯过程作为参考，再用扩散模型在低维子空间中学习修正量，其余部分保持高斯分布。作者称，在三个科学推断任务中，这种修正能找回隐藏模态、改善样本结构并降低预测误差，并与全场生成模型进行了成本与精度的比较。
说明《Time to Fake It》：持续学习会加剧深度伪造检测中的不公平
简介该论文研究深度伪造检测器在按时间顺序持续学习11种真实生成方法时的公平性变化，考察不同人口群体之间的四个公平性维度。研究发现，准确率下降通常会加剧不公平，而公平性改善随时间推移较少见。作者认为，不公平的遗忘并不只由样本代表性不足解释，并呼吁持续学习方法在权衡稳定性与可塑性时考虑社会结果。
说明面向XR系统通信与计算联合优化的不确定性感知联邦学习
简介本文研究6G背景下多个基站同时服务多台XR设备的网络场景，提出一种分布式深度学习方法，在信道与计算状态信息存在不确定性时协同管理发射功率和计算资源分配。训练时在网络输出后注入信道与计算估计误差样本，以最小化XR设备的最坏情况时延。结果显示该方法优于不考虑不确定性的方法和现有基准，且联邦学习方案接近集中式训练的性能。
说明为什么浅层神经网络先学习正弦成分：一个基于正交多项式动力学的框架
简介这篇论文研究神经网络为何通常先学习低频成分、后学习高频成分（谱偏置）。作者将网络输出展开为正交多项式基上的广义傅里叶级数，并把梯度下降中的系数动力学写成常微分方程，通过分析动力学矩阵H的特征值衰减和特征向量形状给出解释。
说明ChronoSheaf：在细胞层上联合进行时空谱滤波的图神经网络
简介该论文提出 ChronoSheaf，一种时空层网络（sheaf network），用于对图上随时间变化的信号进行预测。作者定义了同时覆盖空间与时间的谱层拉普拉斯算子，并设计了过渡限制映射和双谱滤波器两个组件。论文称在多个时空预测基准上，该方法优于现有基线方法。
说明SelectPFN：基于先验数据拟合网络的摊销贝叶斯变量选择，用于稀疏非线性回归
简介本文提出SelectPFN，一种可在单次前向传播中同时完成贝叶斯变量选择与预测的先验数据拟合网络，并输出每个变量的后验纳入概率。模型在基于组尖峰-平板稀疏输入神经网络构建的元先验合成任务上预训练，并通过基于仿制变量的统计量实现有限样本下的错误发现率控制。在p最高为500的非线性设计中，其精确率-召回率曲线下面积比多种基线方法高出0.23至0.28。
说明通过委托轨迹研究人与多模态AI交互中的人类监督
简介该论文通过一项在线研究，考察用户在看过多模态AI回答后如何决定委托任务，共纳入56名具备AI素养的参与者和392次视频问答试验。研究发现，交互后的信任度能较强地预测用户的委托选择，但信任与委托并不等同，而“验证后使用”是最常见的策略。作者据此提出以“实际委托轨迹”作为研究人机协作中委托行为的方法框架。
说明通过多教师蒸馏学习语音属性表示
简介本文提出一种多属性多教师蒸馏框架，使用共享的自监督语音编码器，并为各属性设置独立分支，从四个冻结的教师模型中学习语义、说话人、语言和情绪表示。实验涵盖多语言语义检索、说话人验证、语言识别和语音情绪识别。结果显示，该单一共享编码器的性能接近各专用单任务模型，同时不同语音属性会在自监督编码器的不同深度自然出现。
说明Agentic-Priors：利用大语言模型缓解偏好获取中的冷启动问题
简介该论文针对智能体在没有历史选择数据时难以学习用户偏好的冷启动问题，提出 Agentic-Priors 方法：让大语言模型用可解释的权衡指标（如支付意愿、时间价值）描述新用户，并将其映射为多项 logit 系数的先验，再由贝叶斯学习器随选择数据更新。在七个选择数据集上，该方法比无信息先验的冷启动准确率提高 5 至 40 个百分点，并在三个数据集上优于 AutoElicit，在一个数据集上落后。
说明Flow-CLIP：用于组合式图文匹配的图像条件残差评分
简介该论文针对句子级图文对齐难以区分“同样的物体和属性、不同绑定关系”的问题，提出Flow-CLIP方法。它通过图像条件下局部token与图像块证据的变化来修正全局匹配分数，并引入跨图像边界排序损失，以减轻对语言先验的依赖。在组合式匹配和属性-物体绑定基准上，该方法相比预训练CLIP和学习得到的全局对齐方法提高了绑定准确率。
说明成本惩罚下主动特征获取的拉格朗日结构
简介本文研究在获取预算约束下选择特征以提升预测准确率的主动特征获取（AFA）问题，分析常用贪心启发式“期望信息增益减成本惩罚”（EIG-Cost）的理论保证。作者给出后验证书，将其与最优硬预算策略的差距分解为预算松弛项和贪心次优项，并在小规模实例中数值验证该差距接近零。论文还证明了在等成本情形下的结构性保证，并在MIMIC-IV临床诊断任务上进行了实验。
说明BridgeAfford：弥合查询与目标之间的语义差距，实现可泛化的3D可供性定位
简介该论文研究根据交互意图在3D物体上定位功能区域的任务，指出现有方法对未见过物体泛化能力差，原因是查询特征与目标区域特征之间存在语义差距。作者提出BridgeAfford框架，通过交互区域对齐（IRA）和视觉证据聚合（VEA）两方面缩小该差距。在LASO和PIAD数据集上的实验显示，该方法优于现有方法，尤其在未见过的物体上表现更好。
说明代码健康度与智能体代码审查的 token 成本：465 个智能体提交的 PR 预注册研究
简介该研究从 AIDev 数据集中抽取 465 个由智能体编写的拉取请求（PR），用冻结的五智能体审查与修复流程、三种大模型分别处理。结果显示，基线代码健康度（CodeHealth）越高，token 成本越低，每分约低 3.5% 至 6.1%，且与 PR 规模无关；但调整被评分文件大小后该关联消失，作者将其解释为文件大小的中介作用。
说明策略博弈中的奖励学习：通过主动逆强化学习从观察到的行为中推断参与者的奖励函数
简介论文研究多智能体策略博弈中如何从观察到的行为反推智能体的奖励。作者指出，仅凭固定策略对的数据不足以在策略意义上辨识奖励，并针对两人重复斯塔克尔伯格博弈提出主动逆强化学习算法，让领导者自适应选择策略以获取关于跟随者奖励的信息。文中给出有限样本保证，并在反偷猎场景的实验中验证了主动探索的效果。
说明CoWorld Reasoner：由视频世界模型驱动的智能体式多模态推理
简介本文提出 CoWorld Reasoner，让视频世界模型作为统一的视觉推理引擎，由工具与技能引导视觉语言模型决定是否进行视觉想象并解读结果。作者还提出 VLM-VWM 协同演化方法，在固定模型权重的前提下根据执行反馈修订工具、技能与执行代码。在七个基准上，该框架优于同一视觉语言模型的直接推理，其中 MMSI 相对准确率提升 11.8%，ERQA 提升 13.0%。
说明倾斜采样问题：乐观策略、后验采样与对数级遗憾
简介本文研究“倾斜采样”，即在线学习中目标是从由未知奖励函数诱导的吉布斯分布中采样，而非选出单一最优动作。作者以温度归一化的累积KL散度定义采样遗憾，并提出采样版本的UCB与汤普森采样（UCS与TS²）。文中指出，在固定温度的标准设定下，采样遗憾为关于T的对数级，而标准遗憾为√T级；学习从软最优分布采样与识别硬最优解在统计上不同。
看点提出抽样遗憾的新框架，证明其由平方置信宽度主导、可得对数级遗憾，并给出UCS与TS²及贝叶斯分解，有明确理论贡献。
说明《眼见为实》：评测并缓解语言先验对多模态大模型视觉感知的干扰
简介多模态大模型中的语言先验可能压过图像证据，削弱视觉感知。作者提出ViSiP-Bench基准，覆盖六类罕见但真实的先验场景，并用三项指标持续衡量模型对先验的抵抗力。对24个模型的评测显示先验依赖普遍存在且不随规模提升而减弱。作者进一步提出MAPS方法，针对每个模型最强的先验进行微调，以减轻过度依赖。
说明专业化之前的上下文学习：可解主题模型中的学习理论
简介这篇论文研究序列模型的两种泛化方式：记住训练中的结构，或利用提示词适应新任务。作者在一个可解的主题模型中，给出了两种解法的学习理论，并解释了为什么某种解法会更受青睐。理论预测，上下文预测器出现较早，而专业化预测器要等训练词元数超过数据生成过程的参数数量后才会出现；训练得到的 Transformer 与该理论高度吻合。
看点在可解的主题模型中给出上下文学习与专门化之间竞争的学习理论，预测两种解的出现样本量，并与训练Transformer结果吻合，证据较扎实。
说明TEM：面向大语言模型智能体的时序状态追踪记忆
简介本文提出 TEM（时序状态追踪记忆），一种无需训练的方法，把事实以带版本的记录保存并关联来源，回答问题时检索相关版本、按来源顺序排列并标注历史记录。在 420 个问题上，其关键实体命中率总体达到 75.71%–97.62%，并且为每次回答提供的证据比会话感知的检索增强生成（RAG）少 48.75%–56.73%。
说明自校准子空间鲁棒主成分分析：无参数去除高光谱图像中的混合噪声与线条纹
简介高光谱图像常受高斯噪声、脉冲噪声和各波段强度不同的条纹干扰。本文提出自校准RCCTV模型（SC-RCCTV），在迭代过程中自适应估计噪声参数，无需事先指定噪声水平或条纹阈值。实验显示，在线条纹情况下，该方法在无噪声信息时仍优于需要真实噪声参数的S3TTV模型，且运行速度快得多。
说明SurgStreamer：面向手术视频流的主动式、按请求监测框架
简介本文提出一项任务：让手术辅助系统观看实时视频，按请求检测指定事件（如在胆囊三角解剖时提示夹闭器出现），并回答已发生事件的问题。作者设计了SurgStreamer，将针对具体手术的视觉感知（把1帧/秒视频转为工具、动作、阶段的结构化状态）与通用推理层分开。在12例腹腔镜胆囊切除术的测试中，宏平均事件F1为0.598，优于所测的流式视觉语言模型配置；主要局限在于分布变化下的感知能力。
看点将感知与推理分离并形式化请求驱动的手术事件监测，结合封闭测试集与外部中心验证，证据较充分，但主要限于腹腔镜胆囊切除术。
说明微调更新的秩度量需要噪声基线
简介该论文比较了分析语言模型微调权重更新 ΔW 时常用的秩度量，并将其与同形状随机矩阵、预训练权重及不含对齐内容的对照微调进行对比。结果显示，计数型度量下微调更新仅略低于噪声，而稳定秩则远低于噪声；这一模式在13个公开模型对中成立，且与是否含对齐内容无关。作者据此认为，关于权重更新秩的结论需要噪声基线，对齐相关主张则需要不含对齐内容的对照。
说明用于二元因果推断的图狄利克雷能量方法（无需拟合）
简介本文提出图狄利克雷能量因果推断准则GDECI，用于判断二元变量中的因果方向。方法以核相似图和图拉普拉斯的狄利克雷能量比较两个方向的得分，能量较低的方向被判为因果，无需回归拟合或独立性检验。在1899个因果对的实验中，其准确率在合成数据与Tuebingen真实数据上分别位列第五和第三（在所比较的方法中），且在约10^4样本规模内速度最快。
说明MetaShare：面向开放式智能体的失败感知集体自我改进框架
简介该论文提出 MetaShare，一个记录智能体成功与失败改进尝试及其性能变化的框架。每代进化前，它检索不同谱系中的高绩效策略和高置信度失败案例，帮助智能体复用有效机制并避开已知死路。实验覆盖论文评审、编程、数学评分、机器人奖励设计和金融审计风险评估等任务，结果显示其中位表现不低于 DGM-Hyperagents 的最终水平，且达到自身最佳智能体所需的进化迭代次数少 1.7 到 2.9 倍。
说明Anvil：通过知识循环放大具身空间智能
简介该论文提出 Anvil 框架，统一涵盖数据生成、训练与评测，用于提升具身空间智能。其中 Anvil-Gen 生成多种形式的数据并反复回收失败样本，Anvil-MOPD 为 90 亿参数的学生模型，通过专家教师蒸馏整合空间知识。作者在 7 个公开基准上平均表现优于 Qwen3.5-9B 与 RynnBrain-8B，并在 VABench-Point 上达到 80.67%。
说明用于在GPU上高效评估证明候选的Lean反馈学习
简介本文训练神经评估器，在GPU上预测Lean 4的验证结果和编译器反馈，以替代慢速的验证调用，训练数据共484万条带标签程序。组合评估器在68,932条程序的基准上达到87.8%的准确率，单张H100每秒处理3.5个候选，吞吐量为64进程Lean基线的4.2倍。将其与Lean结果结合作为混合奖励后，GRPO训练步数缩短约31%，miniF2F pass@1与仅用Lean奖励时基本持平。
说明基于优化确定性等价的可证明高效风险敏感离线强化学习
简介本文研究离线风险敏感强化学习，使用优化确定性等价（OCE）这一通用风险度量。作者考虑动态OCE和静态OCE两种形式，在表格设定下提出悲观值迭代算法并给出次线性次优性上界及极小极大下界，并进一步提出结合线性函数逼近的悲观最小二乘值迭代算法，给出依赖特征维度d的保证。
说明Lethe：用于评估边遗忘方法的链接推断攻击基准
简介图遗忘旨在让图神经网络在不重新训练的情况下移除特定训练数据的影响。本文指出现有边遗忘评估存在局限：专用方法可能比重新训练更慢，且准确率指标因边删除影响很小而缺乏信息量。为此作者提出Lethe，首个边遗忘综合基准，包含15种方法和8个数据集，强调大规模图，并以链接推断攻击而非准确率作为评估依据。
看点针对边遗忘提出首个综合基准，采用基于链接推断攻击的评估指标替代代理准确率，并指出现有评估的缺陷，有实质新意；实验覆盖15种方法与8个数据集。
说明从草图到场景：基于标注草图的可重光照服装重建
简介本文提出一种系统，将带有星形（高光）和月亮形（阴影）稀疏标注的粗略服装草图及一段纹理文本描述，转换为带有显式方向光的纹理三维网格，使生成后的场景可以重新打光和编辑。系统从标注草图中分别预测场景的方向光，以及一个位移场，使月亮标注区域在该光照下形成阴影，而不是在纹理中直接涂成暗色。两种符号来自与美术学生开展的启发性研究中最常被提出的标记。
说明Transformer序列生成中的动态顺序：低资源标注场景实验
简介本文提出TagInsert，一种基于Transformer的模型，打破了传统从左到右生成标签的范式，在推理时自行决定标签的生成顺序。作者在词性标注和组合范畴语法超标注任务上，于多种语言和低资源数据条件下进行了实验。结果显示，TagInsert常优于从左到右的编码器-解码器模型，在数据稀缺时与纯编码器模型相当，并在罕见类别上表现更好。
说明因果时空神经距离场：反事实心脏解剖结构生成
简介本文提出一种结合结构因果模型与时空神经距离场的方法，用于生成反事实的四维心脏（左心房）解剖结构，即预测在改变临床条件（如年龄、性别、吸烟、BMI、心率、收缩压）后心脏形态会如何变化。文中报告，年龄干预的结果符合剂量-反应关系，且反向干预可以以亚毫米精度近似还原原始解剖结构。作者称这是首个四维心脏解剖反事实生成方法，也是首次将结构因果模型与隐式神经表示结合。
说明兼顾整体与局部：复用整体3D先验生成分部件的三维模型
简介该论文提出STRUCTPARTS框架，用于生成带有显式部件的3D模型，使每个部件内部细节与整体结构协调。方法通过双坐标系交织机制，在部件局部与整体全局两个参考系下处理形状潜变量，并以分割网格作为结构输入。论文称仅需轻量微调，在PartObjaverse-Tiny上可达到或超过已有分部件模型的效果，训练成本更低，并支持部件网格细化和部件级编辑。
说明基于隐式神经表示的时序周期性图像配准
简介本文将隐式神经表示（INR）用于时序图像的可变形配准，针对周期性时序图像序列提出 Temporal-IDIR 方法。该方法用单个 INR 同时建模序列中所有帧之间的形变，并通过时序一致性损失约束直接变换与经中间帧变换的结果保持一致。在 DIR-LAB 数据集上，以标注点与配准后点之间的目标配准误差（TRE）为指标，其结果为 1.03 毫米，优于其他基于 INR 的配准方法，并支持帧间的平滑插值。
说明面向电网实时边缘推理的物理感知蒸馏：将电网基础模型压缩为轻量学生模型
简介论文把20.1M参数、12层的电网基础模型（GridFM）蒸馏为0.62M参数、6层的学生模型，参数量减少32.5倍，消息传递深度减半，以便在量测端进行单样本边缘推理。蒸馏目标结合了掩码潮流损失、输出、物理残差、潜状态和注意力迁移。在含可再生能源的IEEE 118节点电网变体上评估，蒸馏后学生模型在四个预测量上误差均降低，有功调度最多降低48%。
说明将本地训练轮数视为最优停止问题：联邦学习中的理论与实证
简介该论文把联邦学习中客户端每轮本地训练的持续时间建模为有限期最优停止问题：当下一轮的期望损失下降超过其计价后的平方漂移时才继续训练。作者证明了该一步前瞻阈值规则在停止决策嵌套时是最优的，并提出了由此得到的停止规则FedStop。实验显示其平均准确率与调优后的FedAvg相差不超过一个百分点，而在最差十分位的准确率上有明显提升。
看点将本地训练建模为有限期最优停止并给出闭式阈值规则，理论与联邦学习实验结合，对子领域有实质贡献。
说明面向量化非单调与细粒度激活的多阈值算子编译（用于定制化DNN加速器）
简介论文指出，量化神经网络时激活函数容易成为硬件加速的瓶颈，多阈值实现是一种可行的优化方式。作者把多阈值表示扩展到非单调函数和多维细粒度阈值，并通过基于ONNX的编译器中的代数规则自动完成转换。作者在FINN框架中的二分搜索多阈值算子上验证了该方法，并与替代方案及hls4ml的做法进行了比较。
说明深度线性网络中神经坍缩的闭式深度-宽度定律
简介本文研究神经网络深度和宽度如何影响学到的表示，并以神经坍缩作为表示几何的观测指标。作者在可解析的特征学习设定下，用学到的特征核以闭式表达 NC1 至 NC3，并针对深度线性网络推导出类内变异逐层演化的几何定律。论文称，在大宽度下，累积压缩程度是深度与宽度之比 L/N 的函数。
说明衡量学习率迁移曲线的局部形状
简介本文研究神经网络训练中学习率与模型性能之间的依赖关系，提出两个关系式来解释学习率迁移曲线的梯度。一个是在稳定性边缘成立的理论公式，另一个是将该梯度视为超参数梯度后的近似表达。借助二者，作者给出了曲线梯度的下界，并分析了归一化层在特定条件下梯度为零的情况，还能把学习率梯度分解到各层，量化特定层对曲线形状的影响。
说明二比特 N-Gram 记忆：大语言模型查找表的量化压缩
简介论文提出条件程序（CP）压缩表示，只重建输入所需的嵌入表行，每行用短编码和局部缩放表示，并共享一个重建程序。在两比特编码下，CP 相比两比特四舍五入量化，输出 KL 散度降低 41%至63%。以 DeepSeek 为例，表存储从 203GB 降至 51GB。
说明从成人到儿童：领域迁移下胸部X光分类基础模型基准评测
简介本文研究基础模型能否从成人胸部X光分类迁移到儿科数据。作者将VinDr-CXR与PediCXR统一为五标签分类任务，评测六个基础模型和两个CNN基线，仅用成人数据训练，并在成人与儿科测试集上分别验证。结果显示，所有模型迁移到儿科数据后性能均明显下降，下降幅度超过10个百分点；增加适配深度并不能显著改善跨人群泛化，且成人域内表现强并不意味着儿科表现更好。
说明RoleQ：面向三值化语言模型的角色对齐量化尺度
简介该论文提出RoleQ量化框架，依据Transformer各单元的功能角色（从残差流读取或写入）而非权重矩阵的排布来放置缩放因子，无需搜索或校准。在三值权重下，相比基于排布的放置方式，该方法在0.6B至14B的两个模型系列中将困惑度最多降低一半。作者还提出一种轻量后训练流程，可在数个GPU小时内将现有模型转换为约1.59比特每权重，并在困惑度、零样本准确率和MMLU上表现更好。
说明供应链问答社区中的内容关联：答案选择与参与度
简介本文以雅虎知恵袋为数据来源，分析与物流相关的问答帖子。研究考察了哪些名词和语义名词簇与最佳答案选择以及问题参与度相关。结果显示，仓储、配送等运营类名词与最佳答案选择相关，而汽车、税收、新干线等更广泛的社会与基础设施类名词则与较高的参与度相关。
说明CIM-Embed：学习用于聚类的指令条件多模态嵌入
简介本文提出CIM-Embed框架，让模型根据指令，把图像、文本和指令一并映射为嵌入向量，再用HDBSCAN聚类，无需预先指定簇数。作者基于Amazon Reviews 2023构建了ProductMIC数据集，其评测基准含5373个商品和449个分组任务。结果显示，在该基准上直接进行任务内监督对比训练的平均V-measure为95.01，高于最强通用嵌入基线WeMM 9B的53.06。
说明Co2In：一种受人脑记忆启发的双层记忆增量学习框架
简介该论文提出名为Co2In的增量学习框架，用于让模型持续学习新知识同时保留旧知识。框架采用双层记忆结构：工作记忆负责学习新数据并编码为参数，再经巩固过程压缩为紧凑表示并整合进长期记忆。作者在CIFAR-10、CIFAR-100和Tiny-ImageNet上，于无样本回放的类增量和任务增量设置下进行评估，报告其达到了当前最优性能且内存占用较低。
说明让 DINOv3 学会部分三维几何：一种自监督的几何感知方法
简介本文关注三维视觉中的部分形状匹配问题，即形状通常只被部分观测到的场景。作者用基于 LoRA 的自监督学习对 DINO 特征进行改进，得到对部分观测更稳健的特征描述子。论文称，该特征在部分形状匹配上优于传统方法和通用视觉基础模型特征，接入现有流程后在部分形状匹配和左右预测基准上取得了文中所称的最优结果。
说明行为层面的遗忘不等于隐私保护：机器遗忘中的一项研究
简介论文指出，大语言模型的“机器遗忘”若只在指定基准上测试遗忘效果，并不足以说明隐私已被保护。作者建议，还应检验同一信息通过其他访问路径（如不同语言）能否被恢复。通过跨语言提问的对照实验，研究发现在多个多语言模型中，语义相同的信息用不同语言或文字查询时，遗忘效果差异明显。
说明从人类视频到机器人操作的跨形态因果迁移
简介该论文研究如何把人类操作视频中的知识迁移到机器人操作上，因为人与机器人的形态和动作空间不同，人类动作不能直接作为机器人动作的监督。作者提出因果束引导的子任务迁移方法（CBST），从人类视频学习操作相关表征，并用机器人示范将其与任务级语义变量对应。实验表明，在机器人操作基准上，该方法相比对应的世界动作模型基线提高了任务成功率。
说明天空图像与晴空指数联合扩散用于超短期辐照度预测：单阶段方法的研究
简介本文提出一种单阶段扩散模型，同时对未来天空图像序列和晴空指数序列进行去噪，并由辐照度预测头读取去噪后的未来天空图像，无需单独的回归阶段。在2023年SIRTA数据上，该模型的合并RMSE为104.1 W/m²，CRPS相对智能持续性基线技能得分为+0.34，优于十二种基线配置。作者还指出，由两阶段级联方法所得的回归结果（150.6 W/m²）明显劣于联合训练。
说明MedPAO-VL：面向结构化放射报告生成的可解释、符合规范的智能体
简介论文提出 MedPAO-VL，一个用于从胸部 X 光片生成结构化放射报告的多模态智能体，采用计划-执行-观察的迭代循环，并结合可解释的视觉模块来体现诊断不确定性。通过观察语义差异并自我修正，该框架旨在提高报告的临床正确性与完整性。论文报告专家评分的准确性为 3.5/5，结构性为 4.3/5。
说明RSIFlow：带有可演化元智能体的自适应自我改进工作流
简介该论文提出RSIFlow框架，让大语言模型智能体通过执行反馈诊断性能瓶颈，动态选择针对组件的改进工作流。元智能体再将结果提炼为组件技能与跨组件原则，并据此演化自身的框架以优化后续工作流编排。作者称在六个基准和两个骨干模型上取得了所有基准的最优平均性能，并通过消融实验验证了自适应编排与元框架演化的作用。
说明CF-NODE：面向糖尿病视网膜病变跨域分级的反事实空间节点干预测试时适应方法
简介自动化眼底图像糖尿病视网膜病变分级在不同相机、诊所和患者群体之间性能会明显下降。论文提出CF-NODE，不依赖预测置信度或目标域信息，而是对支撑预测的内部空间节点做受控干预，依据预测分级分布的稳定性进行有界校准，逐图独立适应。论文在五个外部数据集上与TENT、EATA、SAR、T3A比较，报告其平均AUC和宏观F1最高。
说明《以纠错之名》：框架与文化适配如何削弱大模型在真实刑事案件上的安全性
简介本文提出GUISE基准，收录源自真实案件的犯罪协助场景，按联合国毒品和犯罪问题办公室的犯罪统计国际分类组织，并在三种语言框架和五种文化下评估大模型。结果显示，以纠错为名的提问使不安全服从率从直接请求的28.9%升至66.4%；文化适配提示比直译更易诱发不安全回应；不安全回应中的英语中心化特征随危害程度升高而增强。作者同时公开了代码和数据。
看点针对真实刑事案例构建多语言多文化安全基准，并发现修正式框架与文化改写显著削弱模型拒答，观察具有新意且证据较充分。
说明NICE 工具箱：人际非语言沟通探索工具包，一个用于自动测量人际沟通中姿势、手势、视线、表情等信号的开源 Python 框架
简介论文介绍了 NICE 工具箱，这是一个免费开源的 Python 框架，用于自动测量人际沟通中的非语言信号。它把现有的计算机视觉和语音处理方法整合到一个软件包中，支持多摄像头系统、可替换的检测算法、检测结果的 2D 与 3D 可视化，并可在用户自定义数据上评估及导出到第三方软件。作者希望借此使心理学研究中的人际沟通数据探索更具可扩展性、可重复性和可获取性。
说明学习在三维世界中思考与探索
简介该论文研究视觉语言模型如何在三维空间中主动探索并思考。模型每次只接收单张第一人称图像，通过移动和转向视角与三维环境交互，再作答。作者先用轨迹监督微调，再以最终答案正确性为主要奖励进行强化学习，模型需自行学会探索策略。论文提出的ACT3D在六个三维基准上平均准确率为53.2%，并在使用更少输入帧的情况下优于部分开源三维方法。
说明DINO-FIL：用于生成式图像修复伪造定位的多层Transformer融合方法
简介本文提出DINO-FIL，一种基于Transformer的像素级定位框架，用于找出由生成模型修补产生的图像伪造区域。该方法融合预训练DINOv3编码器多个层级的特征，并配合轻量解码器，以同时捕捉语义结构与编辑留下的细微纹理不一致。论文在跨数据集设置下训练于B-Free、测试于多个数据集，结果显示其平均表现及在五个评估集中的四个上优于现有基线，同时对真实图像保持较高的真阴性率。
说明PW-Pruning：面向语音中心全模态模型的相位感知专家选择方法
简介该论文针对语音中心的全模态模型，研究如何剪枝稀疏路由中的专家，以减少内存占用。作者提出PW-Pruning，为声学输入处理和文本回答生成分别构建重要性加权核，并结合相位加权的行列式边际增益，选出一个静态专家库。在Qwen3-Omni上，每层保留128个专家中的32个，经监督微调后，在MMAU-mini和MMSU上的准确率分别比匹配的池化选择方法高出3.20和4.38个百分点。
说明FuseAdapt：面向缺失模态语义分割的参数高效多模态融合方法
简介该论文提出FuseAdapt框架，在冻结的视觉基础模型内部通过轻量适配分支融合多种传感器模态，用于语义分割。作者还提出训练时使用的预测式模态建模（PMM）目标，在模态缺失时利用跨模态冗余进行预测，推理阶段不增加开销。在MCubeS、DELIVER和MUSES三个基准上，该方法在完整模态和缺失模态下均优于先前最优方法，文中报告最高提升分别为3.01和12.56 mIoU。
说明CF-AVSS：由粗到细的视听语音分离框架，用于真实场景视听语音增强挑战
简介该论文提出一种两阶段由粗到细的视听语音增强框架，利用视觉线索从受混响、噪声和多人重叠干扰的混合语音中分离目标语音。第一阶段用双视觉流的渐进式网络生成粗略估计，第二阶段用目标说话人精修网络进一步恢复语音，最后融合两者结果。该系统在ISCSLP 2026真实场景视听语音增强挑战赛中，于Track 1并列第一、Track 2 OVRL排名第二，两个赛道的字错误率分别为12.31%和14.79%，均为最低。
说明从研究目标到科学闭环：通过有证据支持的物理研究评估智能体
简介该论文提出 PhysClosureBench，包含 50 个专家验证的物理研究任务，用于评估 AI 智能体能否组织调查并得出有充分证据支持的结论。研究用 20 项指标衡量局部科学成果，并用 RC0 至 RC4 衡量研究问题被解决的完整程度。结果显示，即使模型在局部指标上得分较高，也普遍难以达到完整的研究闭环。
说明Q($\gamma_H$)：多折扣Q学习中基于熵引导的时间跨度混合方法
简介Q学习通常使用固定折扣因子，导致整个训练过程只有单一规划时间跨度。本文提出Q($\gamma_H$)，维护多个不同折扣因子的价值头，并依据熵导出的置信度信号在控制时自适应地组合它们。随着策略置信度提高，混合权重从短时间跨度转向长时间跨度，无需修改各个贝尔曼更新。在经典控制和深度强化学习基准上，该方法在延迟信用分配任务中相对强固定折扣基线提升最明显。
说明通过对抗训练与蒸馏减轻音频大语言模型中的性别偏见
简介音频大语言模型可以直接听语音交互，无需先转写，但语音中的非语言线索可能让模型基于推断出的性别属性产生偏见。该论文提出用对抗方法让模型“忘记”性别感知，且不损害其他基准任务表现；另外通过蒸馏得到既能感知性别、又在未被明确询问时与无性别模型回应相似的模型。作者在三个音频大语言模型上测试，性别遗忘效果令人满意，蒸馏部分结果为部分满意。
说明超越生成：将多模态大语言模型用作检测AI生成深度伪造人脸图像的工具
简介本文研究多模态大语言模型能否用于识别合成图像。作者用400张图片（50张真实照片、350张由七种图像生成模型生成）测试了六个模型，包括单图分类、两两比较和针对Gemini的自我检测实验。部分模型表现较好，GPT-5.2在两两比较中对特定生成器的准确率最高达97.9%，总体平均准确率为82.5%。自我检测实验显示，不可见水印SynthID会使Gemini的检测准确率比对照组下降约10%。
说明超越源提示词：面向视觉依据的AI生成视频质量评估
简介本文提出VGCap框架，用于评估AI生成视频的质量。它以视觉依据的字幕代替原始提示词作为参考：全局字幕依据多帧画面对原提示词做最小修改，片段字幕描述局部时段内容。两类字幕共同支持空间质量、时间质量和文本与视频一致性的评估，在LGVQ和FETV数据集上优于代表性基线方法。
说明DeciCAD：基于专用框架学习计算机辅助设计（CAD）智能体的动作策略
简介本文提出DeciCAD，一个面向CAD领域的智能体框架，提供语义化CAD动作、决策导向的观测和持久状态转换。作者基于交互轨迹提取因果决策监督，并通过监督微调和基于几何的在线强化学习优化策略。在四个CAD基准上，DeciCAD取得最佳F1和IoU，并相对通用编码框架减少45%至88%的模型输出token。
说明概念模型中有害的部分干预与无害的信息泄漏
简介论文研究概念模型中人工干预概念可能使下游预测变差的现象，称为干预伤害。作者证明，即便满足充分性和局部性两个条件，也不能保证概念干预一定改善结果。实验显示概念监督不完整与更大的干预伤害相关，并提出一种单调干预训练目标，可明显减少部分干预带来的伤害。
说明休眠脉冲神经元：一种面向高效脉冲神经网络的状态驱动机制
简介该论文提出休眠脉冲神经元（DSN）模型，当神经元膜电位低于预设负阈值时进入休眠状态，从而动态跳过冗余计算。该机制通过替代梯度的反向传播端到端训练。论文报告在静态和神经形态数据集上计算能耗降低40%至70%以上，并在ImageNet上相较静态剪枝方法取得更好效果，同时使基线模型准确率提升1.34%。
说明委托困境：规模经济、问责与多中心治理
简介本文研究集体行动中个体把决策权委托给自利代表的权衡：委托能降低成本，但代表的目标可能与成员不一致。作者用重复博弈模型提出“规模—问责”权衡，并指出只有在有限的内生规模内，退出威胁才能维持非剥削性委托。通过30个LLM智能体的模拟，多中心结构反复出现但不稳定，经历集中、剥削、退出和重组的循环。
说明成对AUC优化需要纠正能力：统一视角
简介本文研究直接用成对AUC代理损失训练时的一个问题：即便训练目标与测试指标一致，随机小批量更新未必能持续纠正严重的正负排序错误。作者借助U统计量的退化性质给出理论解释，并用其解释平方铰链损失有效、交叉熵预热有益、参数高效微调可降低预热需求等现象。实验在8个计算机视觉任务和8个自然语言处理任务上进行，使用ResNet50、DenseNet121、DistilBERT-base和Qwen2.5-1.5B-Instruct，结果支持上述预测。
说明基于Smooth-L1正则化的稀疏联邦回声状态网络，用于时间序列分类
简介本文提出一种Smooth-L1正则化的回声状态网络（SL1ESN），在输出层促进稀疏性，同时保持可微以便梯度优化。该方法既用于集中式训练，也用于二阶牛顿步联邦聚合。在七个时间序列分类基准上，读出层稀疏度达约75%至95%，多数数据集上准确率与最强稠密基线相差很小，并表明稀疏读出适用于边缘计算和物联网部署。
说明面向持续学习智能体的可靠知识获取方法（RIKA）
简介该论文指出，基于基础模型的智能体在持续学习中复用经验时，现有记忆系统约12%至33%的条目会损害后续任务表现。作者提出RIKA方法，分层提取事实、概念、程序和元认知知识，并通过基于证据的知识准入机制决定哪些论断进入智能体上下文，无需额外验证任务。在四种模型骨干和六个任务流上，RIKA在每个骨干上均取得最高综合得分。
说明SceneWeave：面向戏剧改编的观众导向场景探索
简介该论文提出 SceneWeave，用于把小说改编为剧本。系统为关键场景撰写多个对比版本，比较它们产生的互动效果，再据此调整人物塑造、前置铺垫、后续发展和场景顺序，最后生成完整剧本。盲审读者比较显示其结果优于基线流程和基于描述的对照方法，内容评估显示叙事冗余减少、心理刻画较强。
说明基于上下文、偏好条件化的帕累托解集学习：利用有限离线数据
简介该论文提出ICPSL框架，用于在只有有限离线数据、无法继续评估目标函数时，将给定偏好直接映射为对应的帕累托最优解。方法先在大量合成先验数据上预训练一个超网络，面对新问题时，仅需一次前向传播即可生成针对该问题的偏好条件化解模型。实验表明，该方法在合成和真实问题上都能得到高质量解，并显著加快了模型构建速度。
说明已检索却未读：搜索增强大模型为何未能利用现有证据
简介本文研究搜索增强的大语言模型有时仍给出过时答案的原因。作者构造了训练截止后数值发生变化的时间性事实，评估了一个商用模型和六种开源模型配置。结果显示，模型常直接依据搜索摘要作答而不打开原始网页，这与更高的过时答案率和不忠实引用相关；分层分析还表明，证据可用性与其实际利用之间存在差距。
说明FIRM：面向联邦大语言模型遗忘的费舍尔信息保留合并方法
简介该论文研究联邦学习中大语言模型的定向知识遗忘问题，即遗忘数据与保留数据分散在各客户端、服务器无法直接访问。作者提出FIRM框架，利用客户端本地的费舍尔统计量进行单轮服务器端聚合，以避免合并更新幅度爆炸并保护保留效用。在WMDP和MUSE-HP上，实验显示在相近遗忘效果下效用有所提升，在TOFU上则依指标有不同权衡。
说明跨多中心验证：无监督域适应用于区分正常与异常视网膜发育
简介该研究开发了一种无监督域适应模型，用于在不同OCT设备之间区分正常与异常的视网膜发育，数据来自四个国家五个中心及UK Biobank。模型以ResNet50为基础的域对抗神经网络实现，源设备使用有标签图像训练，目标设备仅用无标签图像。在验证集上准确率为87.75%至96.06%，表现最佳的模型准确率为96.06%，AUC为0.994。研究认为该方法可在无目标设备标签数据的情况下实现跨设备分类。
说明基于蒙特卡洛 dropout 不确定性量化的生成对抗网络：用于结构健康监测的光纤布拉格光栅数据增强，以 Hawk T1A 飞机为例
简介本文提出一种数据增强框架，学习航空结构测量响应的类别条件时域与频域特征，并通过条件生成对抗网络与蒙特卡洛 dropout（作为贝叶斯近似）实现带不确定性估计的信号合成。生成信号与实测数据在时域、频域、不确定性等方面进行了比较，并评估其能否用于监督式损伤分类。框架在 BAE Systems Hawk T1A 飞机的全尺寸基准数据集上验证，数据包括加速度、光纤布拉格光栅应变和非线性动态响应。
说明基于期望最大化算法的逐元素污染与部分缺失数据稳健协方差估计
简介该论文研究在数据逐元素受污染且存在缺失时如何稳健地估计协方差矩阵。作者将Student-t*模型推广到不完整观测，提出一种在简化潜在空间上运行的随机逼近EM（SAEM）算法，结合Rao-Blackwell化的高斯条件矩。实验表明，在中高离群点比例的弥散污染下，其Fisher-Rao误差低于高斯、Student-t、插补及先检测后估计等方法。
说明人工干预作为标签：定位、引导并（有时）编辑LLM智能体失败背后的计算
简介本文把人类对LLM智能体出错时的干预视为一种测量标签，指向内部失败的计算。研究在受控的智能体环境中，针对"请求本已明确却仍提出澄清问题"这一失败进行，并用规则式监督者标签（经盲评人工判断验证）。在13个模型中有5个符合条件，实验发现该决策在每个符合条件的模型家族中都可因果定位，并讨论了过度提问的机制特征、基于探针的引导效果，以及把修复固化进权重的不同结果。
说明用于增强对比MRI合成的多序列特征差异混合方法
简介该论文提出一种从非增强MRI序列合成对比增强MRI（CE-MRI）图像的方法，以降低注射造影剂的健康风险和扫描成本。方法引入混合特征差异（MoFD）模块，通过动态加权自适应地选择并融合各源序列及其差异中的有效特征。在UCSF-PDGM和UPenn-GBM数据集上，该方法在图像保真度和感知质量方面优于基线，合成图像能较好重建肿瘤区域，分割效果与真实CE-MRI相当。
说明弥合无标记跟踪验证缺口：术中X光工作流整合
简介该研究提出一套临床可用的方法，利用术中C臂透视影像获得每个椎骨的六自由度位姿，并与RGB-D相机坐标系对齐，为无标记跟踪方法提供独立的皮下参考真值。离体羊椎骨验证显示端到端精度为2.06±0.29毫米和3.35±0.93度。作者还在三段手术序列的临床数据上评估了两种无标记配准策略。
说明ShiftQAT：面向固定功能边缘CNN加速器数值约束的量化感知训练
简介论文提出ShiftQAT，一种为MAX7800x系列边缘CNN加速器设计的量化感知训练方法，使训练出的网络天然满足该硬件的数值约束，如2的幂次、逐张量对称缩放和每层一次移位。在ImageNet上，其W8A8精度下降与约束较少的QAT方法相当，W4A8下与FP32相差在2.9个百分点以内。在MAX78002芯片上，MobileNetV2和ResNet-18分别以14.6毫秒、5.1毫焦和8.4毫秒、2.8毫焦完成ImageNet图像分类。
说明摘要还是全文？评估生物医学通俗摘要生成中的输入范围与计算效率
简介本研究比较用论文摘要与全文生成面向大众的通俗摘要的效果，并比较少样本提示与任务微调的表现。使用两个公开数据集与两个近期模型，从可读性、事实一致性、语义相似度和运行效率进行评估。结果显示，基于摘要的方法整体表现更好，摘要微调速度是全文方法的4.70倍，摘要的零样本与少样本提示速度是其5.31倍。
说明MARS：一种用于个性化评估的动量感知自适应评分系统
简介该论文提出MARS系统，用于可解释的自适应测评。它用有向加权知识图谱表示题库，并结合动态评分敏感度、答题质量和动量式学习速度更新学习者能力评分。在限时且有负分标记的条件下，MARS选题的总分更高、超时违规率更低，并在ASSISTments 2009和MARS-SimExam数据集上验证，表现更平滑稳定。
