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TALLOP：面向时间约束联邦学习的本地训练与通信压缩联合优化
简介本文针对联邦学习中慢速客户端拖慢全局同步的问题，提出TALLOP方法，在每轮时间约束下联合优化本地训练量与通信压缩。方法利用早期小批量损失曲线预测不同计算预算下的训练损失（LENS），并用压缩误差模型估计压缩带来的性能下降（CLEN），据此选择压缩后损失最小的训练与通信分配。实验表明，相比只优化本地训练或两者都不优化的方法，TALLOP总体上达到相当或更好的达到目标精度所需时间，但相对于仅做训练适配的收益视设置而定。
说明GOLD：面向结构感知的RNA逆向折叠几何优化潜在扩散方法
简介该论文提出GOLD方法，用于设计能折叠成特定三维结构的RNA序列。方法通过GeoVAE将离散的RNA序列与连续的侧链角度映射到统一的潜在空间，并在采样时利用物理约束计算梯度进行引导。论文称其在序列恢复、二级结构有效性和三维可折叠性指标上取得了当前最优的表现，代码与数据已公开。
说明A100：面向农业植物图像分析的混合视觉基础模型
简介该论文提出A100，一种农业视觉基础模型，使用300万张未标注的田间图像进行自监督预训练，覆盖100多种作物。模型采用CNN与Transformer混合的主干网络，无需微调即可在作物分类和叶片计数任务中优于ImageNet-12K监督特征。在仅使用1%标注数据时，它在植物分类上仍达到98.01%的准确率，且作者计划公开预训练模型。
说明PersonaCUABench：面向不同用户画像的计算机操作智能体基准测试
简介该论文提出 PersonaCUABench，固定 74 个任务、覆盖 11 个领域，只改变提出请求的用户身份。由扮演 44 种用户画像的代理用各自的话重写指令并回答智能体的问题。在九种底层模型、共 3,330 次运行中，平均任务完成率相对原始请求下降 36%，作者认为应同时评估智能体是否满足用户表达的需求和约束。
说明从批准到滥用：针对受执行框架保护的编程智能体的权限提升攻击
简介这篇论文研究编程智能体的权限提升风险。作者发现，攻击者可在代码仓库中植入恶意上下文，诱导智能体为常规任务申请看似合理却范围过宽的“允许规则”。用户一旦批准，后续匹配该规则的恶意操作将无需确认即可执行。实验覆盖 Claude Code 和 Codex CLI 等平台。
看点揭示了编码代理权限放行规则可被不可信上下文诱导提权的新风险，并在真实平台上量化了成功率与影响范围，但实验规模与对比细节有限。
说明Prism Attention：一种用于高效大模型推理的提案精化索引共享机制
简介长上下文解码时，大语言模型需要对不断增长的 KV 缓存做注意力计算，成本很高。论文指出，常见的跨层共享稀疏索引方法会因注意力模式逐层变化而损失精度。作者提出 Prism Attention，用由粗到精的策略替代固定的跨层索引复用，在保持跨层共享效率的同时保留逐层适应性。论文称其在推理和长上下文基准上达到主流稀疏注意力方法的最优水平，并在 128K 上下文长度下相比 FlashAttention 实现 3.4 倍的端到端解码加速。
说明自我演化智能体能修复失败，但难以从失败中泛化
简介该论文研究大语言模型智能体在没有成功经验、只能从失败交互中学习（冷启动、仅失败的演化）时能否自我改进。结果显示，从失败中得到的经验能帮助修复已失败的任务，但很少能在未见过的任务上带来持续提升。进一步发现，智能体常误解失败原因，而且即使经过验证的正确经验也难以迁移。成功的轨迹对迁移的帮助最明显。
说明UniField++：用于MRI场强提升的统一智能体框架与循环推理方法
简介该论文提出UniField++，一个由两个智能体组成的框架，用于在64mT到3T、3T到7T等多种场强转换之间提升MRI图像质量。规划器依据放射科医生标注的易产生伪影区域预测风险并制定修复策略，增强器沿流匹配轨迹对高风险区域反复精修。论文报告其在PSNR、SSIM及下游全脑分割指标上优于对比方法。
说明视觉语言模型何时才“知道自己看不清”？基于物理能见度轴的准确率、置信度与弃权研究
简介该论文以米为单位的能见度为轴，测试了五个小型开源视觉语言模型在雾和水下图像上的表现。结果显示，随着能见度降低，准确率很快降至接近随机，但多数模型的置信度仍保持较高，存在明显的“盲区”。ImageNet-C的雾强度等级对应的能见度远高于失效区间，因此未能暴露这一问题。
说明KiranaBench：语言模型能否经营一家社区小店？
简介该论文提出 KiranaBench，一个模拟印度社区杂货店的多智能体测试平台，由四个各自由独立大语言模型扮演的角色（店长、收银员、帮手、记账员）共同经营，与客户和供应商以英语、印地语或 Hinglish 交流，需求依据印度全国家庭消费支出调查校准。作者评测了四个开源权重模型，发现它们的表现都远低于固定规则的店主基线：最好的模型利润仅为基线的八分之一，另有两个模型的结果甚至不如无人管理的店铺。与英语供应商沟通相比，印地语和 Hinglish 场景下的表现也持续更差，因此作者认为目前的大语言模型智能体还不足以可靠地自主经营印度的小型商店。
说明汇聚点稀疏混合注意力：面向文生图/文生视频扩散 Transformer 的高效推理方法
简介该论文针对扩散 Transformer（DiT）在文生图与文生视频中密集自注意力推理开销大的问题，提出一种无需训练的注意力替换方法 Sink-Sparse Hybrid Attention。方法利用离线小规模校准集识别各层、各注意力头中可复用的高权重结构，并结合轻量的池化 KV 分支，同时保持模型权重与采样流程不变。在 Wan2.1-T2V-1.3B 上端到端加速 1.54 倍，在 Z-Image-Turbo 上加速 1.57 倍，且保持生成质量。
说明DiffusionRVGE：基于回归的价值梯度估计强化学习扩散模型
简介该论文提出 DiffusionRVGE，用基于回归的方式估计价值梯度，以奖励强化学习优化扩散模型，无需奖励导数，也无需沿采样轨迹做伴随反向传播。在五种奖励联合训练下，一个 SD3.5-Medium 模型在八项指标中的七项达到或超过 DiffusionNFT 的联合模型，计算量约为其五分之一；单奖励训练时，达到相同奖励阈值的速度快 2.1 至 6.7 倍。
看点通过回归中心化奖励与干净图像估计价值梯度，免去奖励导数和轨迹反传，对扩散模型强化学习有实质改进；实验在多奖励与单奖励设置下均对比了DiffusionNFT，证据较充分。
说明基于迭代自我修正的自然语言转SQL（NL2SQL）
简介该论文提出一个多智能体、按角色分工的自然语言转SQL框架，用于让非技术人员通过自然语言查询数据库。框架包括领域相关性检测、基于数据库结构的知识构建、关注KPI的SQL生成、利用SQLite执行反馈的语法自修复，以及通过SQL反向生成自然语言进行语义一致性检查。在60个查询的测试中（50个来自HuggingFace文本转SQL数据集，10个自定义领域查询），使用Mistral模型并调用七次协同LLM，正确率达到90%。
说明ANCHOR：基于视听证据的思维链推理基准
简介该研究提出ANCHOR基准，包含2319个视频和8272组问答，附带结构化推理过程、时间证据、空间边界框及音频线索，并含人工精修测试集。研究发现，答案正确率相近的多模态大模型，其解释是否有标注证据支持差异明显。去除视频输入会使准确率大幅下降，去除边界框和音频的影响较小。
说明对话中大语言模型与大脑的对齐：影响因素分析（语言生成与理解）
简介本文利用对话过程中采集的fMRI数据，考察大语言模型各层与大脑各区域在语言生成和语言理解时的表征对齐情况。研究还分析了对齐程度与模型表征的内在维度（ID）之间的关系，以及若干可解释语言和交际特征的作用。结果显示，生成与理解两种模式下的对齐模式不同，并且各自相关脑区与内在维度有较强关联。
说明基于瓶颈提示侧车的 SSM 低照度图像增强：稳定光照条件设计
简介该论文研究在基于状态空间模型（SSM）的低照度图像增强中，如何安全地引入光照先验。作者用轻量估计器预测光照图，将其转换为提示标记，经瓶颈处的残差侧车适配器注入，不直接修改状态空间核心。在 LOL-v1、LOLv2-Real 和 LOLv2-Synthetic 三个数据集上，该方法的 PSNR 相比基础模型分别提升 0.94、1.24 和 0.93 dB，真实数据上的证据最为明显。
说明查询自适应的循环视觉分词：按问题调整视觉内容与 token 数量
简介该论文提出 QART（查询自适应循环分词器），一个可接入不同骨干网络的模块，使视觉表示既能随文本查询调整关注内容，也能按所需信息量动态分配视觉 token 数量。它以冻结编码器特征为起点，循环构建紧凑表示，并依据与查询相关的视觉信息的重建质量决定是否增加 token。论文报告在 Visual7W 和 VQAv2 上仅用约 29 个视觉 token 即达到 81.96% 和 76.37% 的准确率，token 数量较稠密 VLM 输入减少 20 至 25 倍。
说明对抗训练中鲁棒性与几何精度之间的权衡研究
简介该论文研究存在对抗者时的非参数二分类问题，用豪斯多夫距离衡量分类器与贝叶斯分类器的几何精度，并以对抗预算 ε 刻画鲁棒性。作者证明，鲁棒分类器最多牺牲 O(√ε) 或 O(ε) 的精度，具体取决于底层贝叶斯分类器的正则性。研究还表明，高复杂度假设类可以得到精度被精确量化的鲁棒分类器，结论适用于欧氏空间上的任意范数及无限和有限数据两种情形。
看点证明了鲁棒分类器几何精度损失的最优定量界O(√ε)/O(ε)，显著改进了先前关于鲁棒与精度不兼容的结论，证明严格且适用于多种范数与有限数据设置。
说明识别打吃并评估先手：面向语言型围棋智能体的受控评测任务
简介这篇论文构建了一套围棋术语与走法评估的受控测试集，重点考察“打吃”及其与“先手”的关系。研究者在经过术语和解说数据微调的围棋语言模型LoGos上进行测试。结果显示，模型难以识别打吃关系的变化及其战略含义，其术语预测与走法偏好有关联，但这些偏好有时与参考评估相矛盾。
说明MambaAct：用于流匹配视觉-语言-动作模型的高效Mamba动作专家
简介该论文提出MambaAct，用于流匹配视觉-语言-动作（VLA）机器人操作模型。它保留π0.5的视觉语言前缀编码器，把Transformer动作专家替换为更小的Mamba动作专家，并用轻量Context Compressor压缩视觉语言条件信号。原文称该专家规模缩小10倍，去噪延迟在LIBERO上降低64.8%、真实部署中降低58.8%，LIBERO平均成功率提升1.08个百分点。
说明大型扩散模型不能只靠 EMA：需要在方差抑制与持续优化之间取得平衡
简介该论文比较了大型扩散模型训练中的三种策略：固定学习率加指数移动平均（EMA）、学习率衰减，以及 Schedule-Free 优化。理论分析认为，对固定步长轨迹取平均存在优化上的固有限制，而学习率衰减与 Schedule-Free 在标准非凸假设下具有趋于零的平稳性保证。实验显示，Schedule-Free 在各训练阶段均优于固定学习率下的 EMA，并在生成质量上表现更好，且其优势可延伸至 ReFL 与生成器侧 DMD 场景。
说明让语言模型趋向反事实不变性
简介论文指出，常见的模型对齐方法（如强化学习）在提升回答质量的同时，会扩大不同人口群体之间的回答质量差异，即所谓的反事实偏差。作者提出一种基于群体级奖励函数、作用于反事实提示配对的策略梯度方法，并构建了受控的反事实提示数据集。实验表明，该方法能减少反事实差异，同时保持整体回答质量。
说明超越表层线索：稳健的大模型生成韩语文本检测
简介该论文提出 KoLing，一个经过偏差控制的对抗性韩语基准，含 5.09 万条样本，用于压制表层捷径并分别评估模型生成与模型修改文本的检测。作者还提出可解释的检测器 KoLingProbe，依据语言学理论从多个语言层面建模韩语特性。实验显示其在各检测任务上明显优于强基线，并对对抗攻击保持稳健。
说明多种偏见，同一电路：后训练调整了预训练的提示线索路由机制
简介语言模型在提示中含有暗示错误选项的线索时，常会放弃原本正确的答案，这类现象被称为谄媚等偏见。本文通过追踪两条后训练流程中的注意力头，发现多种线索类型在多项选择测试中大多依赖同一小组注意力头，且这一电路已存在于预训练模型中。作者还发现，后训练阶段，尤其是强化学习阶段，会改变模型使用该电路的时机与强度。
说明ASR式转录文本规范化会去除对话行为分类中有用的语用信号
简介本文研究自动语音识别常用的转录规范化（去除填充词、标点，展开口语形式）对对话行为分类的影响。作者在三个对话语料库和六种分类模型上测试了九种转录条件，并进行多随机种子实验与真实语音识别评估。结果显示，过度规范化在所有神经模型与语料组合中都降低了Macro-F1，且效果取决于预处理定义、特征提取方式和对话语境，因此转录规范化应视任务而定，而非一概而论。
说明共形策略选择：何时将 AI 决策用于定向干预
简介该论文针对医疗、金融等高风险场景中 AI 策略的部署问题，提出“共形策略选择”方法，把逐个个体判断 AI 策略结果是否超过阈值视为多重检验问题，并控制所选个体集合中的错误发现率（FDR）。方法结合考虑行为策略到目标策略分布偏移的加权共形 p 值与选择-剪枝两步流程。作者证明了有限样本下的 FDR 控制，并给出双重稳健的渐近保证；合成实验与基于真实电子健康记录协变量的半合成研究用于验证这些结论。
说明DICL-Qwen3VL：用于可解释工服检测的解耦置信度校准方法
简介该论文针对室内工地光照差、遮挡多等问题，提出 DICL-Qwen3VL 模型，用于检测工作服是否合规。模型基于 Qwen3-VL，通过 LoRA 微调定位上身衣物并识别工服，同时把视觉观察与合规推理分开，各自给出置信度，并结合 GRPO 优化检测精度、输出有效性和置信度校准。在两个数据集上 mAP@50 分别为 0.730 和 0.753，优于所评测的基线，并能为人工复核提供证据和独立置信度。
说明多轮越狱攻击中的有效视野压缩：仅需约一半查询即可复现攻击进展
简介该论文研究多轮越狱攻击中，攻击者能否去掉早期查询历史而仍保留攻击效果。作者删除早期查询并在新对话中重新运行剩余查询，定义能恢复相同攻击进展的最短查询序列为“有效视野”。实验发现平均约一半的原始查询序列即可恢复相同进展，作者称之为“有效视野压缩”。论文还指出，压缩后的历史有助于攻击者训练中降低较早查询的学习信号，且短奖励传播窗口可保持接近完整轨迹回报的防御校准表现。
说明面向深度学习的可扩展 Levenberg-Marquardt 训练框架（LeMA）
简介论文提出 LeMA，一种用于多 GPU 平台大规模神经网络训练的分布式 Levenberg-Marquardt 算法。它通过 LMA 的精确对偶形式，使内存不再依赖参数维度，并采用雅可比分片策略，在并行计算时即时生成分片，避免物化完整雅可比矩阵。作者称，该方法使十亿参数模型也能执行精确的 LMA 步骤，并在 8 GPU 节点上对一个约十亿参数的卷积网络取得 7.97 倍加速，强扩展效率为 99.7%。
说明Sep-Latent：以分隔符作为自然压缩锚点的隐式推理方法
简介大语言模型的显式思维链推理计算开销大、输出冗长。本文提出 Sep-Latent，利用分隔符标记作为结构性语义锚点，通过注意力衰减机制把推理逻辑压缩到这些锚点中，并借助多层蒸馏对齐显式与隐式路径，还可根据问题复杂度动态决定潜在思考的长度。在 GSM8k-Aug 基准上，该方法准确率为 56.8%，平均仅用 5.4 个标记。
说明ODSS-Net：面向多模态目标重识别的正交解耦共享-特定表征方法
简介该论文针对多模态目标重识别（ReID）中跨模态对齐与融合的难题，提出 ODSS-Net 框架。它通过共享结构特征构建模块提取模态共享的结构信息，再用正交特定特征学习模块去除共享成分以获得模态特定特征，最后由样本自适应专家混合模块以共享结构为路由上下文进行融合。论文称在三个基准数据集上的实验验证了该方法的有效性。
说明MaskMerge：面向高效实例分割的结构感知令牌合并方法
简介视觉Transformer通过合并冗余令牌提升效率，但现有方法主要依据特征相似度决定合并对象，在实例分割中，相邻同类物体特征相近，容易错误融合不同实例。本文提出MaskMerge，利用粗略的中间掩码预测约束基于特征的合并，以保留实例边界。在PanNuke和iSAID数据集上，相比ALGM方法，MaskMerge提升了mAP并降低了计算量与运行时间。
说明间接证据在哪里？用影响函数探究语法泛化
简介这篇论文用影响函数衡量单个训练句子如何影响语言模型在BLiMP的15种语法现象上的预测。作者先用规则过滤掉直接证据，再取最有影响的6万个剩余句子作为间接证据。移除这些句子后，模型准确率的下降幅度明显大于移除随机句子组，并且聚类结果能部分还原语言学分类。
说明动态核注意力：从过去的记录估计当下
简介本文提出动态核注意力（DKA），从潜在状态在随机动态下演化的稳健估计中推导注意力。过去的状态随动态衰减趋于平衡时，其携带的关于当下的信息随之消失，从而限制注意力头可获取的总证据。作者称该方法在相关证据较弱时可以不予参考，并在丢弃旧词元时保证误差有界，同时保持标准注意力的并行结构与计算成本。文中给出模型与理论，实证评估留待后续版本。
说明Reward Engine：面向开放式工具智能体的以奖励为中心的自我进化方法
简介论文提出Reward Engine，用于在没有可执行标准答案的开放式工具智能体任务中构建奖励。它从任务和初始轨迹生成包含正确性测试用例和质量评分量规的RewardPack，并在优化中保持冻结。在WorkBuddy Bench Office和Claw-Eval上，该奖励与基准评分者的排序基本一致，并用于修订执行，将三次一致性指标Pass³分别从45.0%提升至54.0%、从78.4%提升至83.7%。
说明COMET：面向任务无关持续视觉-语言学习的解耦蒸馏、路由与容量控制方法
简介该论文针对视觉-语言模型（如CLIP）在持续学习中的问题，提出COMET方法。它通过冻结教师提供特征参考、三重亲和蒸馏保持图像、文本及图文几何结构，并结合专家间蒸馏与上下文赌博机进行容量管理，同时用重构路由器在测试时选择稀疏专家。作者称其在X-TAIL基准上验证了各组件的有效性。
说明FederatedBytes：面向高效多模态联邦学习的无分词器字节级小型语言模型
简介本文提出FederatedBytes，一种以字节为输入单位的小型语言模型，并结合线性注意力机制，以降低内存和计算开销。该模型可把文本、图像等任意数据视为字节序列处理，适用于联邦学习下的自然语言与多模态任务。在多语言亚马逊评论与ScienceQA数据集的情感分析实验中，论文称其准确率高于ByT5和LSTM，同时显著减少了内存与通信开销。
说明面向神经网络多分类的特征选择层方法
简介本文针对深度神经网络可解释性不足的问题，对嵌入式特征加权机制“特征选择层”提出多种扩展，并通过大量实验选出效果最好的版本。与现有特征加权方法相比，该方法在识别全局相关特征方面表现相当，在捕捉针对特定类别标签的相关性方面表现更好。该方法利用训练后神经网络的内部机制，说明各特征如何影响特定标签的预测，无需训练之外的后处理。
说明何时遗忘：面向长时程智能体的风险受控上下文适应
简介论文研究长时程智能体在执行过程中，何时应保留、压缩或删除同一段历史记录，以提升后续执行效果。作者提出RECAP框架，结合匹配的上下文干预、执行关系预测与独立策略认证，并在五个骨干模型上进行了实验。文中报告在Hunyuan-A13B上，RECAP编辑了43.24%的保留检查点，成功率与全历史保留（KEEP）相当，同时平均续写提示成本降低4,619.8个词元（2.13%）。
说明HAPACT：电影中以人为中心的身体冲击定位基准
简介本文提出一项新任务：在视频中按时间定位冲击事件，并在人体上定位受冲击的部位。作者基于电影片段构建了HAPACT数据集与基准，包含超过2800个视频-查询对和两万多帧细粒度人工标注。作者用现有视频时刻检索与人-场景接触模型做了评测，并提出一个文本条件的空间定位基线；结果显示，这类冲击定位对现有方法仍具挑战性。
说明罕见病诊断的多范式融合智能框架 FusionRare
简介该论文提出 FusionRare 框架，整合知识驱动的符号推理、深度学习模式识别、病例检索和大语言模型启发式推断，用于罕见病诊断。在 2528 例严格隔离的临床病例上，其宏平均 Recall@1 在仅用表型时为 51%，表型加基因型联合分析时为 79%，并在随机交叉临床医生与 AI 验证中提高了真实诊断排名的比例。
看点融合符号推理、深度学习、病例检索与LLM推断，并在2528例隔离病例及临床医生交叉试验中验证，证据较扎实。
说明基于能力的大语言模型逻辑推理评估
简介该论文指出，现有基准多只报告模型在少数推理任务上的单一准确率，难以反映其推理的泛化能力。作者提出"基于能力的评估"（CBE）：用参数化生成器扩展问题复杂度、保持所需能力不变，并以答案一致的不同表述检验正确性。在基础排序任务上测试六个GPT和Qwen模型，结果显示在有限复杂度范围内表现尚可，但即使是强模型也未能在整个测试族中满足能力要求。
说明基于检索与程序的孟加拉语幻觉检测：系统研究
简介本文提出一个仅做推理的孟加拉语幻觉检测系统，结合依据回答的查询改写、混合检索和任务专用语言模型判断。系统按路由把样本分配给27B文本判别模型或可检索比较、直接推理或生成并执行Python的14B智能体。作者基于Olikbochon挑战赛的代码、预测与执行记录进行分析，并指出语料存在与评测输入的重叠，因此不能无条件声称与语料无关的泛化能力。
说明准确率背后隐藏的问题：学习得到的 Transformer 程序分析
简介该论文研究 Transformer Programs（可提取为可读 Python 代码的受限 Transformer）。作者在九个算法任务上比较了逐词准确率与完整输出序列准确率，发现抽样测试可能漏掉错误。通过程序检查和失败分析改进训练数据后，多个任务的序列准确率有所提升。
说明NLData2Opt：从自然语言和数据中推导与预测优化问题参数的基准测试
简介该论文提出 NLData2Opt 基准，用于评估大语言模型从问题描述和原始数据中构建优化模型的能力。它要求模型从含干扰信息的数据中提取参数、由已有数据计算缺失参数，并依据历史观测预测未来数值。结果显示，模型在该基准上的表现明显低于现有基准，说明现有基准的进步并不直接转化为实际优化建模的准确率。
说明批量上下文强化学习II：RLVR是否需要很长的生成窗口？
简介论文研究在带可验证奖励的强化学习（RLVR）中，能否用同一训练补全内同时放入三道题，缩短生成窗口仍保留正确性信号。作者提出并发约束强化（CCR），在8k token窗口下与32k窗口的单题GRPO对比，4B和8B数学推理模型的每训练步token用量分别减少82.1%和79.1%，8B训练轨迹显示准确率奖励上升而补全变短。
说明学习被引导：为无分类器引导塑造潜在空间几何
简介本文研究扩散模型中无分类器引导（CFG）依赖的类别几何结构，即类别在潜在空间中的排布方式。作者在高斯类别模型下提出一种轻量的原型正则化方法（PR），并在ImageNet上将引导后的gFID从3.31降至2.28，还展示了其在聚类伪标签、文本嵌入条件和视频潜变量上的推广性。
说明ToPA：用于高表达力、高效微调的分块 Toeplitz 适配方法
简介该论文提出 ToPA，一种参数高效微调方法，用分块 Toeplitz 矩阵的乘积来更新预训练模型的权重，不对更新施加显式的低秩或稀疏约束。论文从理论上证明，较短的分块 Toeplitz 矩阵乘积链即可逼近任意矩阵，并称其表达力优于现有低秩和稀疏参数化方法。作者在 5 种模型架构、21 个 NLP 与 CV 数据集上进行实验，结果支持其有效性。
说明无适应能力的合作：LLM 智能体在集体风险困境中的表现
简介本文研究五个大语言模型智能体在集体风险博弈中，是否会根据风险变化和伙伴行为调整自身贡献，还是仅遵循相对固定的策略。结果显示，多数模型在风险为零时仍会贡献，且贡献量基本不随风险变化；即使部分模型能算出不同风险下的更优选择，其行为也改变甚少。研究认为，智能体在合作式自我博弈中的表现，不能证明其具备策略适应能力。
说明ProtoGTX：面向可解释全切片病理图像分析的原型对齐图Transformer
简介该论文提出ProtoGTX，一种基于图结构的全切片病理图像分析方法，用于解释模型预测。方法先在空间图上融合图像块特征，再通过交叉注意力学习代表形态概念的原型，并使其与固定参考原型库的形态组成对齐。在CPTAC和BRACS数据集上，该方法优于所比较的基线模型，原型图还能与病理学家标注的区域部分对应。
说明回看并前向校正：面向时间序列预测的误差反馈校准
简介论文提出误差反馈校准（EFC）方法，在测试阶段利用已揭示的历史预测误差，对冻结的时间序列预测模型做确定性的事后修正。方法包括因果误差对角、累积误差传递、时间外样本验证和时序残差学习等组件。作者称在多种预测骨干模型和数据集上，该方法总体提升了预测表现，并明显控制了过度修正带来的负面影响。
说明ShadowFPT：借助影子触发器对联邦提示调优实施后门攻击
简介该论文针对联邦提示调优（FPT）中冻结骨干网络带来的安全隐患，提出后门攻击方法 ShadowFPT。恶意客户端预训练一个针对冻结 CLIP 视觉编码器的可学习影子触发器，使带触发器的输入在表示空间中被导向目标类别，而上传的提示参数与正常更新相近。论文报告在主要设置下攻击成功率由 19.81% 提升至 90.36%，同时保持干净样本准确率，并认为仅依赖提示更新异常检测的防御并不充分。
说明MS-Eval：面向多工具协作场景的子代理委派与编排评测基准
简介本文提出 MS-Eval，一套用于评估 LLM 智能体「主代理委派、子代理执行」（MAD-SAE）范式的评测工具包，包含 MCP 密集型基准、受控执行框架、专门的委派与编排指标以及 MSQ 综合指数。研究对四种 MAD-SAE 变体和八个前沿模型进行了评测。结果显示，子代理专业化是最佳实践，开源模型整体具有竞争力，MAD-SAE 通常会提高成本，收益视情况而定。
说明Evo-B&B：面向混合整数线性规划的行为感知大模型引导分支与节点选择联合进化方法
简介该论文针对混合整数线性规划（MILP）的分支定界求解，提出 Evo-B&B 框架，利用大语言模型引导，结合 SCIP 求解器的端到端反馈，联合进化可执行的分支策略和节点选择策略。为提高搜索效率、减少行为相似策略的重复评估，方法基于一组固定的决策状态衡量策略相似度并保持种群多样性。在四个标准 MILP 基准的多种规模实例上，该方法取得有竞争力的求解表现，并能较好地推广到更大规模实例。
说明面向高效大模型树搜索的不确定性感知预算分配
简介该论文针对大语言模型多步推理中的树搜索，指出现有方法对每一步都采用固定预算进行扩展，忽视了扩展的边际收益。作者发现同一中间状态下采样的续写大多重复，且兄弟动作的语义分散程度可预测其后续续写的冗余度。据此提出无需训练的不确定性感知分配方法（UAA），用价值决定候选的优劣，用兄弟分散度估计的不确定性决定扩展的数量。在数学、逻辑推理和规划基准上，该方法在准确率相近的情况下，最多可减少 90% 的 token 用量，延迟最多降低至约九分之一。
说明基于流反转动作锚点的样本高效策略改进强化学习方法（AnchorQ）
简介这篇论文研究如何用强化学习改进通用机器人策略，并提出AnchorQ方法。该方法通过流反转把参考行为映射为状态相关的潜在锚点，在锚点附近采样并用价值函数引导探索。作者称，在相同交互预算下，AnchorQ在真实与仿真操作任务中优于现有后训练基线，真实任务成功率提升37%，仿真任务吞吐量提高97%。
说明用于稳健非视距成像的测量自适应光锥变换
简介该论文提出测量自适应光锥变换（MALCT），在保留光锥变换傅里叶域高效反演结构的基础上，结合解析响应与学习得到的响应，并根据测量情况生成频率相关的正则化图。文中还引入注意力增强的时空特征提取模块，以应对低信号条件。实验表明其在合成数据和真实非视距测量中重建质量有所提升，并在时间响应展宽和采集时间缩短的情况下保持稳健。
说明评测并增强智能体因果发现能力
简介论文指出，现有基准中变量带有语义名称，大语言模型仅凭名称即可判断因果方向，难以衡量智能体能否基于数据检查并修正算法结果。作者提出 Heuresis 基准，使用匿名模拟数据集，其机制从线性高斯到重尾分布不等，并追踪智能体对每条边的修改。实验显示，智能体结合数据检查后超过了所有被选算法的最佳结果。
说明DinoMUSE：基于DINOv2引导的超声弹性成像无监督横向运动估计框架
简介该论文针对超声弹性成像中横向运动估计精度不足的问题，提出DinoMUSE框架，将DINOv2学到的视觉表征通过专家混合（MoE）特征融合模块与局部匹配特征结合。在仿真数据上，相比SOTA算法，横向位移与应变估计的均方误差分别降低60%和65%；在乳腺体内数据上，横向应变的SNR与CNR也有所提升，同时轴向性能保持有竞争力。
说明用于缓解视觉问答中双模态偏差的变分与分解方法
简介视觉问答模型容易对频繁出现的模式产生过拟合，即偏差问题。本文区分计数类问题与非计数类问题的多模态偏差，认为二者来源不同：计数偏差源于视觉侧并通过模态融合传递，非计数偏差主要来自语言偏差。作者提出VDB方法，用基于变分自编码器原理的偏差模型与双模态偏差模型分别建模，并在VQACPv2、VQACPv1和GQAOOD数据集上进行了实验。
说明VTrajEmbed：通过时空嵌入将文本与视频物体轨迹对齐
简介该论文提出VTrajEmbed，一种把视频拆分为物体轨迹并将每条轨迹嵌入与文本对齐的模型，以实现物体级的检索定位。模型采用快慢双分支轨迹编码和掩码引导的对比学习，并构建了轨迹级文本视频基准Text2Traj-Bench。原文报告，VTrajEmbed-5B在文本到轨迹、轨迹到文本的R@1上分别比Qwen3-VL-Embedding-8B高15.48和18.05个百分点，五个全局检索基准的平均R@1为49.48%，对比基线为42.86%。
说明推理依赖假说：语言资源越少，思维链忠实度越高
简介本文研究大语言模型思维链（CoT）的忠实度，即推理过程是否真实反映模型的作答依据。作者在八种语言的 MMMLU 平行选择题上，对四个模型进行实验，比较语言资源水平与任务类型（知识密集型与推理密集型）的影响。结果显示，在知识密集型任务上，资源水平越低，忠实度越高；推理密集型任务上则无此趋势。作者据此提出“推理依赖假说”：模型无法回忆答案时更依赖推理。
看点首次将思维链忠实度与语言资源水平和任务类型联系起来，并提出Reliance Hypothesis；在8种语言、4个模型上实验支持，并发现Simpson悖论。
说明情绪太真实，不像假的？句内情绪变化暴露语音深伪检测器的失效模式
简介该论文提出 EmoShift 基准，比较情绪稳定与句内情绪变化的语音，考察情绪动态对语音深伪检测的影响。基准包含 7,240 条真实语音和 9,720 条由四种表现力 TTS 系统生成的合成语音。实验显示，情绪变化可使合成语音更像真实语音，在固定阈值下漏检率最多升高 25.3 个百分点；情绪变化的真实语音则使误报率最多升高 24.4 个百分点。
说明部分揭示面板预测：预测信息增益、分配与粗化一致算子
简介本文研究部分揭示的面板预测：已知上一对话轮中 n 位标注者中 k 位的投票，预测下一轮面板的完整计数分布。作者比较了与“同一条目标注价值”不同的跨轮预测信息，并提出具有闭式 Dirichlet-multinomial 实现的粗化一致算子。实验显示在三个语料上相对于逐级查表有不同程度的负对数似然改善，但增益温和且依赖语料，部分差异很小或为零。
说明世界动作评判模型（WAC）：联合预测与评判以学习策略
简介该论文提出世界动作评判模型（WAC），用于序列决策。模型先提出多模态动作候选，再联合学习以候选动作为条件的未来预测与后果评估，使评判信号塑造预测表示。在自动驾驶任务中，WAC 在 NAVSIM-v1 上取得 93.4 PDMS 分数。
说明VISTA：面向盲人和低视力用户目标导向感知与辅助的多模态第一人称基准
简介该论文提出VISTA，一个面向盲人和低视力用户的多模态第一人称基准，包含约1000段使用Project Aria眼镜拍摄的录像，并同步提供六种传感器输入和三类标注，覆盖十类任务。研究者在该基准上零样本评估了14个视觉-语言模型，并设计了融合六种模态的轻量基线模型。结果显示，现有模型大多能描述场景，但在生成面向目标的辅助指导方面仍有局限。
说明因果编辑序列化：在单一自回归流中表达局部修订的方法
简介该论文提出因果编辑序列化（CES），让标准自回归语言模型在同一因果词元流中，通过指针词元与预测的源地址，显式地完成插入、删除、替换、复制和移动等修订操作。模型使用轻量定位头与双索引旋转位置编码，并结合普通语言建模与由随机破坏、模型生成编辑及重复文本得到的序列化修复进行预训练。文中报告，CES模型能够完成完整的应用编辑，其干净文本的每字节比特数略高于干净的自回归模型；在语法纠错的概念验证中，经监督与强化学习后training的模型产生的有益改动多于有害改动。
说明用于高效硬件限速标志识别的回放剪枝与低比特整数推理
简介本文面向车载摄像头片上系统的限速标志识别，提出两阶段识别器：检测器采用通道回放剪枝并配合知识蒸馏恢复，分类器与检测头后处理全部使用整数运算。在YOLOv5n上回放剪枝移除60.3%参数且精度与原模型相当。合并后的系统仅0.72M参数，在留出的车载摄像头数据上以90%精确率识别出95.2%的标志，速度为每秒94帧。
说明大语言模型的位置偏差：一项综合研究
简介该论文研究大语言模型在回答选择题和处理多文档时受选项或文档位置影响的现象。研究覆盖从十亿到万亿参数的多种模型规模，并涉及五种语言。结果显示，小模型和非英语语言中位置偏差较明显，而增大模型规模并采用标准思维链提示能显著缓解该问题；具备扩展推理能力的思维模型则几乎不受其影响。
说明压缩先于内容：奖励模型中的涌现性错位
简介本文对两个奖励模型（Skywork-Reward-V2 的 Llama-3.1-8B 与 Qwen3-8B 版本）进行微调，使其在医疗或金融单一领域偏好有害回应，结果该偏好倾向泛化到另外七个未参与训练的领域。微调后的模型在 RewardBench 2 上总体仅下降约 4.8 和 5.3 分，仍优于未修改的 Qwen 版奖励模型。研究还发现，奖励模型比对应的语言模型更容易出现偏好反转，并在最后一个打分 token 处定位到两个机制：有害与安全回应的表示几何压缩，以及有害表示与打分头夹角更小从而获得更高奖励。
说明CLARO：面向杂乱场景、用于开放词汇抓取的视觉语言模型智能体机器人调度器
简介该论文提出CLARO，一种由视觉语言模型（VLM）驱动的智能体，可协调感知与操作技能，在杂乱环境中按自然语言指令定位并抓取目标物体。它维护过去动作的记忆以支持长时程执行，并输出抓取位姿或三维路径点，无需针对特定任务训练即可迁移到不同机械臂。论文报告其在仿真中平均成功率为89.1%，并在真实机械臂上于杂乱场景中达到88.8%的成功率。
说明以语义ID作为唯一物品表示的推理重排序
简介该论文研究推理型重排序模型仅依据语义ID（SID）而非物品文本元数据进行排序的能力。作者构建了受控测试平台ReRankID，发现未经训练的模型常照搬输入顺序而非真正重排。经过后训练（尤其是带分级排序奖励的8B模型）后，模型能在SID上有效排序，效果接近长度约20倍的文本模型，但对物品的描述准确性却较差。
说明面向循环 Transformer 的因果潜在工作区
简介本文提出因果潜在工作区 Transformer，在共享参数的循环 Transformer 中，为每个位置的前缀设置专门的潜在槽位，用于写入门控向量并检索内容寻址的摘要，补充因果自注意力。在三个字节级语料、三个随机种子和两种参数规模下，该模型在六组设置中有五组取得最佳平均留出困惑度。实验表明，工作区的加入在六组设置中都优于锚定循环模型。
说明利用循环神经网络分析双星O型星系统
简介本文用循环神经网络估算模拟O型双星系统的有效温度和表面重力，输入为光谱中34个等效宽度测量值。研究将次星光谱按相对主星的不同比例叠加，结果显示估算值多数随次星贡献增加而下降，但并非所有组合都一致，且无法据此确定观测双星中次星的唯一贡献。
说明STRIDE：评估自动驾驶极端场景中的时空推理能力
简介该论文提出 STRIDE 基准，用于测试视觉语言模型在自动驾驶长尾、高安全风险场景中的时空推理能力，涵盖空间感知、时间记忆、轨迹预测等六类任务，并结合选择题与自由问答进行评估。结果显示，表现最好的模型平均选择题准确率仅为43.4%，接近随机水平，且描述场景的能力并不等同于做出安全判断的能力，模型在重建物体运动方面比回忆过去位置更为困难。
说明Ori：面向极低秩大模型训练的漂移感知流式k-PCA优化器
简介本文提出Ori，一种用于大语言模型训练的低秩优化器。它随时间追踪梯度主方向的缓慢漂移，采用受Oja++启发的流式k-PCA，每步开销低，可高频在线更新子空间。论文报告在1B LLaMA预训练上将低秩优化器与全秩优化器的性能差距最多缩小69.3%，并在Roberta-Base微调的16个任务场景中有10个取得最佳表现。
说明剪除泄露神经元：基于联合嵌入引导剪枝降低微调大模型的私人数据泄露
简介该论文针对在私有记录上微调的大语言模型可能泄露个人身份信息的问题，提出 JEPA-Prune 方法。它用仅基于去除身份信息文本训练的公开模型作为参照，借助积分梯度等方法找出与个人身份信息相关的神经元并在无需重新训练的情况下剪除。实验显示，剪除约1.6%的神经元可大幅降低隐私推断与提取效果，同时大多数模型在未见文本上的困惑度仍保持在未剪枝模型的16%以内。
说明通过 Harness-Policy 优化实现自我演进的编程智能体
简介该论文提出 Self-HPO，一种让编程智能体递归自我改进的框架，交替优化外部运行框架（harness）和策略模型。策略模型先分析自身失败并提出新的框架方案，再在选定框架下通过强化学习更新，训练中识别出的难题构成下一轮框架搜索集。论文报告在三个编程基准上，该方法优于仅优化框架或仅优化策略的基线，并使 Qwen3.5-35B-A3B 的平均解决率从 57.8% 提升至 64.8%。
说明下一个词还是向量？学习解码应该走多远
简介论文提出CADENCE（上下文自适应解码）方法，用高斯预测头把未来若干词表示为连续潜向量，再由共享解码器并行转换为词预测。一个可学习的路由器根据模型隐藏状态和预测的高斯参数，自适应地选择预测长度，必要时退回到逐词生成。实验显示其吞吐量最高可达标准贪心解码的1.3倍。
说明AI服务的随时可终止合同：面向模型提供方与用户之间道德风险的合约设计
简介AI服务提供方可能悄悄把请求转给更便宜、质量更低的模型，而模型输出的随机性使这种降级难以察觉。本文将合同理论扩展到用户可随时终止服务的情形，把问题建模为委托-代理博弈，指出预算最优的合同与基于似然比e值的随时有效假设检验相关。文中给出了计算随时合同的高效算法，并在合成数据和已部署大语言模型的数据上进行了评估。
说明何时能信任智能体自己的验证器？在搜索压力与可查询条件下检验反事实理由验证
简介该论文研究智能体自我解释的验证信号在智能体据此优化时是否依然可靠。作者提出压力比率 ρ 及四项检验，并以自研的理由一致性分数（RCS）为对象，在设计机器学习流水线的 LLM 智能体中进行实验。结果显示验证器在原配置中几乎不影响搜索，且在允许查询时，保留通过验证的主张但留出集忠实度下降，作者据此建议先用这些检验审计验证器再信任它。
说明面向N维溅射的直接条件参数化方法：用显式参数替代协方差推导，加快渲染
简介该论文针对N维溅射（在3D高斯溅射基础上加入视角方向和时间，以建模视角相关与动态效果）的条件切片步骤，提出直接条件参数化。它用显式的每效果参数替代原本由协方差推导的读出，并将其同时应用于高斯核（dGS）与Beta核（dBS）。在五个静态与动态基准上，两者在质量上与协方差推导版本相当或更优，主要MCMC评估中最高提升1.26 dB；生产切片速度为原来的6.9至7.7倍，完整渲染在四个训练场景中加速1.25至1.91倍。
说明在不同模型表示之间复用校准增益
简介该论文研究一种校准更新能在多大程度上被同一预训练模型的另一种表示复用。方法是提取分组正增益，并直接写入接收方的权重或原生量化尺度，无需接收方再做优化。对 Qwen3-1.7B 的浮点与 GPTQ INT3 版本，双向迁移在新的 WikiText 和 C4 数据上保留了 76.9%至90.5% 的文本损失改进。
说明单个单位估计的聚合会破坏因果基础模型的置信区间覆盖率
简介因果基础模型可逐个单位估计处理效应，但决策常依赖群体平均效应。论文发现，在ACIC 2016等基准上，将单位级方差直接合并得到的群体区间覆盖率偏低，原因是模型对数据生成过程的后验不确定性使误差相关。作者提出两种联合预测的神经过程模型，在合成任务及基准上明显改善覆盖率。
说明一个通信器，三家供应商：将MoA预测理论扩展到真实的NVIDIA+AMD+CPU MPI集成
简介本文把此前的MPI扩展工作推广到多厂商通信器：通过Slurm异构作业，将A100、MI100两类GPU与CPU共九个进程放入同一通信器。文中给出按时间倒数分配权重的理论，并报告实测结果：MI100的时间与行数并非线性关系，且启动参数调整后单次调用的能耗降低约32倍。作者还指出，前文报告的A100加速8.1倍和22毫秒的Gatherv结果，是多进程共享同一GPU造成的假象。
说明StoBasket：面向贡献毛利的联合加购与交叉销售优化
简介该论文提出“联合随机购物篮编辑”框架：一个策略同时为现有购物篮选择替换型（加购）和新增型（交叉销售）推荐，并按预期增量贡献毛利估值，两类推荐的响应相互耦合。在五个公开购物篮数据集的模拟中，该方法在多数设定下接近可达到的毛利上限，并比较了加权热门度和下一购物篮推荐等基线的表现。
说明面向离散空间贝叶斯优化的采集函数引导生成方法（AFGG）
简介该论文针对离散空间中的贝叶斯优化，提出采集函数引导生成方法（AFGG）：在数据空间直接定义代理模型，并从按采集函数倾斜的分布中，借助扩散桥采样候选解。作者分别用分类扩散模型和自回归归一化流实例化该方法，并在多个分子基准上进行测试。结果显示，扩散模型版本与主流贝叶斯优化方法相当，流模型版本在多数情况下表现更优，其余情况下也具有较强竞争力。
说明形状感知神经时间场：刚体运动与操作规划
简介该论文提出形状感知神经时间场，一种物理信息神经运动规划框架，用于刚体的运动规划。它分别学习平移与旋转两类受几何约束的代价场，并结合基于采样的规划器。在二维、三维刚体规划和物体推动任务上，该方法相比物理信息神经规划基线提升了规划成功率和推理效率，计算时间也低于经典采样规划器。闭环推动实验表明，快速重规划可应对执行偏差和外部扰动。
说明在剧透与猜测之间：避免编程基准的过度规定
简介论文指出，AI 编程基准既可能因任务描述不足而迫使解题者靠猜测甚至作弊，也可能因任务描述过多而泄露答案、跳过本应被测试的难点。作者发现 SWE-bench Pro 等基准为弥补描述不足而加入源自标准答案的提示，反而造成了过度规定。论文尝试不同的规定程度，并据此推荐提取简洁提示的方法，并表示将公开这些提示。
说明用于跨医院IHC分级的输入与特征空间校正
简介病理基础模型主要基于H&E图像训练，但常被冻结用作免疫组化（IHC）的特征提取器，跨医院差异可能影响分级。本文在UNI和Virchow2两种模型、三种IHC标记物及六个跨医院迁移方向（共12种设置）上，比较了无标签的输入图像变换与编码后特征变换的校正方法。结果显示，所提方法FIX在输入空间中宏F1提升最大，简单的特征标准化在特征空间中表现最佳，二者结合效果互补。
说明拒绝回答不等于稳健：测量自回归语言模型中有害内容的可达性
简介该论文指出，仅用越狱攻击成功率（ASR）衡量大模型安全性并不充分，因为它只看采样得到的输出。作者提出有界续写分析（BCA），把自回归生成视为对词元前缀的随机过程，计算在有限步长内生成到有害续写的概率。在四个指令微调大模型和100个JailbreakBench行为上的实验表明，BCA能量化隐藏的有害行为，并为红队测试提供指引。
说明MedSTP：面向医学视觉问答的视觉令牌剪枝方法，保留子空间与转移证据
简介医学视觉语言模型做视觉问答时需处理大量视觉令牌，直接剪枝可能丢失边界和纹理等关键信息。本文提出免训练的剪枝方法MedSTP，将剪枝视为保持主要视觉证据子空间稳定的问题，并引入有界的令牌网格转移先验以突出边界与纹理敏感令牌。作者在SLAKE、OmniMedVQA和RadImageNet-VQA上使用Lingshu-7B与Qwen3-VL-8B进行评估，结果显示该方法在封闭式和开放式问答上表现稳定，属于有效的医学VQA免训练剪枝框架。
说明原生几何与线性可恢复性：对齐如何改变柏拉图式缩放
简介该论文探讨更大的模型是否学到越来越相似的表示，检验柏拉图表示假说（PRH）。作者在五类模型族、匹配的 Legacy Survey 与 HSC 嵌入上比较两种“相似”：原生余弦几何与岭回归对齐后的线性可恢复性。结果显示，岭回归对齐使模型规模与跨数据集邻域对应性之间的关系比原生余弦几何更明显，且在降维后依然成立。然而，学到的映射远非旋转或均匀缩放，稀疏特征方法也未带来优势，因此论文认为模型规模主要提升线性可恢复性，并未证明其收敛到共享的原生度量几何。
说明多人生成中源耦合导致的跨人物身份变化：UniPortrait 受控研究
简介本文研究多人个性化生成时，未被指定为目标的人物身份也可能随之改变，并以 UniPortrait 为例进行受控分析，未提出新的身份保护算法。研究使用 119 个两人基线场景，以 InsightFace 测量人脸相似度，对比单身份目标生成与原生双身份生成两种设置。结果显示，原生双身份生成下受保护人物与目标人物的相似度均呈正向变化，但作者指出这些结论仅适用于所测实现与样本范围，不能证明组件因果关系或一般性的身份保护。
说明OmniXRef：面向多模态多参考视频编辑的统一框架
简介该论文提出 OmniXRef 统一框架，支持用户组合任意数量的文本、图像和视频参考来控制源视频的多种属性。模型采用单流扩散 Transformer，并使用合成数据与课程学习进行训练，同时发布了 OmniXRef-Bench 基准，涵盖镜头、运动、内容、风格和视觉特效。论文称其效果优于特定任务基线和商业模型。
说明TWIN-MoE：面向不完整多模态学习的两阶段专家内插补网络
简介该论文针对多模态学习中部分模态缺失的问题，指出现有混合专家（MoE）方法要么为每种缺失模式配置专门专家、扩展性差，要么需要代价高昂的检索机制。作者提出两阶段的 TWIN 框架：前插补阶段在编码器嵌入空间生成条件估计，并用观测样本的模态统计量进行约束；后插补阶段在 MoE 之后，在同一样本内聚合专家条件表示以细化缺失表示。论文称在四个缺失模态基准测试中取得了最优性能，且参数量明显少于同类 MoE 插补方法。
说明R²Orch：基于自博弈与技能内化循环的智能体编排递归自我改进方法
简介本文提出R²Orch，一种递归自博弈编排范式：内层通过自博弈在自选任务上改进编排器，外层改进内层的改进方式。作者提出递归可学习性目标，奖励出题者选择那些在撤除技能后执行结果仍有差异的任务，并提出技能撤除机制，在受控评估显示编排器无需某项技能也能表现同样好时将其移除。在十二个数据集的实验中，该方法在问答、数学、代码和交互任务上优于基线。
看点提出递归自博弈编排与技能撤除的新范式，但评估依据主要是实验结果，证据广度尚需验证。
说明SPADE-KD：异构环境下的点对点协作学习框架
简介本文提出SPADE-KD，一种完全去中心化的模型蒸馏框架，用于在模型架构和数据分布都异构的环境中进行点对点协作学习。框架包含自适应蒸馏和基于效用的伙伴选择两个机制，使各客户端优先追求个性化性能而非全局最优。在联邦分类任务中，作者报告SPADE-KD优于朴素的去中心化蒸馏，损失更低、收敛更快，且两个组件联合使用时效果优于单独使用。
说明面向推理型大语言模型的图结构文本化：知识抽取与结构推理的比较研究
简介本文研究将知识图谱转为文本输入大语言模型时，不同序列化格式对模型表现的影响。作者在九种前沿模型配置上评估了十五种图表示格式，任务包括基于本体的知识抽取和结构化图推理。结果显示，知识抽取对格式选择相对不敏感，而结构推理的准确率明显受格式影响，最优格式取决于模型、查询与任务，因此作者建议把图序列化视为一种动态编排决策。
说明Thunder-DeID+：面向韩文法院判决及更广泛敏感文件的边界感知去标识化模型
简介本文研究为韩文法院判决开发的去标识化模型能否迁移到更广泛的敏感文档。针对韩语黏着语特性导致BPE分词常把个人信息与助词合并的问题，作者提出Thunder-DeID+，结合三层个人信息分类体系与边界感知分词器。实验显示，在完整判决文书上，分词器将严格类型F1值从0.76–0.77提升至0.87–0.88，且主要来自精确率提升；用1000份更广泛敏感文档微调后，F1达0.93，表明模型可有效迁移。
