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Darwin-Claw：面向环境自适应的智能体经验整合框架
简介大语言模型智能体多在孤立会话中运行，难以从历史交互中持续学习。本文提出Darwin-Claw框架，通过分层经验整合系统提取细粒度的错误归因，并将其归纳为动态更新的原型向量，用于改进上下文感知和技能优化。论文称该框架无需人工整理即可部署，并在WildClawBench上取得明显性能提升。
说明BMuon：为结构化可压缩性分配 Muon 的谱几何预算
简介本文提出 BMuon，一种修改 Muon 优化器谱几何的方法，让各层隐藏通道在共享的分配预算下竞争。作者发现，经 Muon 训练的 Transformer 在训练后剪枝 MLP 隐藏通道时性能会急剧下降，BMuon 旨在兼顾优化性能与结构化可压缩性。在 ImageNet-1K（ViT-S/16）和 FineWeb 上训练的 1B 参数 LLaMA 式模型中，BMuon 在结构化剪枝下的表现均优于 Muon。
说明迭代算法数据自适应随时有效包络的通用构造方法
简介本文提出一套通用方法，为一大类迭代随机算法构造随时有效（anytime-valid）且数据自适应的边界，使算法可以在数据依赖的时刻安全停止。作者将误差分析归结为对可预测加权噪声和的时间一致集中性要求，并通过强适应的次psi条件进行形式化。文中给出了SGD、时序差分学习和Bures-Wasserstein SGD等场景的现成边界，并附有数值实验。
说明从成人肾脏肿块到儿童肾母细胞瘤：评估肾病灶MRI分割模型的跨领域泛化能力
简介研究者用成人肾脏单序列MRI训练分割模型，并在成人测试集和儿童肾母细胞瘤队列上评估，同时与儿童专用的nnU-Net比较。成人测试集上病灶中位DSC为0.86；儿童队列上成人训练模型为0.85，儿童专用模型为0.90。结果显示跨领域表现有一定前景，但未能证明非劣效性，因此作者强调儿童训练数据的价值。
说明超越期望值：基于分布式蒙特卡洛树搜索的风险敏感规划
简介该论文指出，传统蒙特卡洛树搜索只保存平均值，不适合关注尾部风险的目标。作者提出两种分布式算法CATSO和PATSO，用有限支撑的经验分布记录动作价值，并以条件风险价值（CVaR）进行选择。文中证明了有限深度嵌套CVaR规划目标下根节点价值误差的O(n^{-1/2})上界，实验显示在均值最优与风险敏感行为不同时，该方法能提高下尾收益并减少灾难性结果。
说明LiveSync：用于口型同步生成的迭代自训练方法
简介本文提出LiveSync，一种迭代自训练框架，用于根据音频驱动生成口型同步的视频。模型先用真实视频和补充生成片段训练，再用冻结的检查点生成伪配对数据，经置信度筛选后与真实数据混合继续训练。实验显示其在HDTF数据集上同步效果领先，在AIGC-LipSync子集上与基线方法相比具有竞争力，且推理延迟较低。
说明超越潜在表示的个性化：借助大语言模型融合心率变异性条件个性化，实现可解释的压力检测
简介该论文提出一种由大语言模型增强的个性化压力检测框架，通过大语言模型对心率变异性（HRV）特征与个人属性进行语义解释来融合二者。在 TILES-2018 数据集上，相对于最强基线，其 MCC 指标相对提升 29.9%，并能给出可读的个体生理反应描述。
说明SkillBrowser：面向可扩展技能型智能体的选择性技能暴露
简介该论文提出 SkillBrowser 框架，由元技能（Meta-Skill）管理，使大语言模型智能体能够按需识别当前能力需求、构造针对性查询，并选择性地加载技能。在六个 SRA-Bench 子集和五个大语言模型上的实验显示，它在总体准确率上优于静态检索和基于大模型的选择方法，并减轻了对已可解题实例的准确率下降。该方法的收益依赖模型与任务，主要局限是有用技能调用不足以及额外延迟。
说明基于理由引导的人类奖励建模：面向偏好的强化学习
简介该论文提出一种理由引导的偏好强化学习框架，从轨迹级反馈中学习人类奖励模型。除偏好标签外，还引入解释行为为何被偏好的理由标签，使学到的奖励既反映人类选择，也反映其背后的原因。学到的人类奖励与环境奖励结合用于策略优化，使智能体在完成任务的同时表现出更可解释、更符合人类预期的行为。
说明超越条件独立性的因果发现：有向无环图与有向循环图的可识别性、算法与统计推断
简介本文是一篇综述，讨论如何从数据中学习因果结构。它不再主要依赖条件独立性，而是利用分布的其他性质，如分布不对称性、条件矩约束以及跨环境或个体的变化。文章还讨论了存在潜在混杂和反馈时的因果发现，并区分了总体可识别性、一致性、不确定性量化与算法保证。
说明先执行，后记忆：诊断视频世界模型的记忆失败
简介这篇论文提出MIST评测方法，把场景设定、指定变化的执行和最终帧结果分开测试，以判断视频世界模型的失败究竟来自记忆还是执行。作者据此提出M3-Agent方法，递归修订输入指令的细节，使模型能够执行指定变化，并在MIST的揭示得分上相对基线提升超过两倍。
说明ConvexLLM：将凸包语音接口扩展到通用音频智能的论文
简介该论文提出ConvexLLM，一种通用语音与音频语言模型，其C-Gate接口把音频表示为冻结文本嵌入的连续凸组合，以便解码器利用声学信息并保留预训练的文本能力。在VoiceBench十一项任务的综合得分为75.36，MMAU Test-mini准确率为62.50%。与MLP和Q-Former接口相比，C-Gate在口语任务上综合表现更好，文本任务接近MLP，而转录与音频理解则依任务而有取舍。
说明PanoBench：面向自动驾驶的全景占据预测基准
简介该论文提出 PanoBench，一个以相机为中心的全景占据预测基准，涵盖仿真与真实驾驶场景，整合 CarlaOcc、nuScenes 和 KITTI-360 三个数据分支。其数据提供带持久实例身份的多分辨率标注，仿真数据由模拟网格生成完整几何，真实数据则通过背景重建与前景网格融合构建稀疏全景体素。论文对代表性方法在语义占据、全景占据和4D占据预测上进行了评测。
说明PreciseEdit：用于单步图像编辑的强而稳定的语义传输方法
简介这篇论文针对基于单步文本生成图像模型的图像编辑问题，指出现有方法的全局传输场容易在不可靠方向或未编辑区域产生结构失真和背景漂移。作者提出PreciseEdit框架，无需训练、无需反演，通过双噪声尺度角色分解，让强语义传输只沿可靠方向和位置施加，并在PIE-Bench上报告达到了最先进的效果。
说明ReVision：重新编程图像生成器以完成密集视觉感知
简介本文提出ReVision框架，冻结多模态理解模型和图像生成器，由可训练的参数生成器根据图像与自然语言指令生成临时低秩更新，用于分割、深度估计和表面法线预测等密集感知任务。该方法无需任务专用头或适配器，并通过分析展示了多任务共享参数时的梯度冲突。
说明PONDER：学习以正确的顺序生成图像
简介本文提出PONDER方法，学习图像生成器应按何种顺序填补内容，以及是否修改先前的预测。策略依据已部分生成的样本与生成器特征，决定下一步填补哪些位置，并可遮蔽已填位置以重新生成（称为重新思考）。策略通过基于组相对的策略梯度进行优化，并引入基于Fréchet Inception Distance变化的FIDgrad奖励。在冻结生成器的条件下，学习到的顺序将MAR-B在ImageNet上的FID从4.09降至2.78，重新思考进一步降至2.70。
说明EduWild：教师配置的教育聊天机器人在真实使用中如何出错以及如何改进
简介该论文收集了217个教师配置的教育聊天机器人的1,726段对话，其中包括35个已部署机器人的900段终端用户对话，并据此建立了包含29类错误的分类体系。研究发现，机器人最常见的问题是未能遵循教师意图，例如跳过必要的流程步骤或信息过载。作者据此设计了一个针对六种最常见错误模式的提示词框架，在200名大学生参与的研究中，每段对话的平均目标错误数相对降低了65.2%。
说明超出支持范围但仍可达：基于未支持指令与组合任务的上下文学习
简介本文研究大语言模型的上下文学习（即仅通过少量输入输出示例而不更新参数来适应新任务）在预训练未覆盖的指令或任务上能否成功。作者提出一个理论框架，区分两类分布偏移，分析示例数量增加时的识别效果。对于长链条任务，作者将其分解为预训练已覆盖的子任务，并讨论误差累积界限。
说明对比事实证据：从语言模型似然中获得经校准的事实证据
简介论文研究如何更可靠地估计大语言模型对事实陈述的置信度。作者提出对比事实证据（CFE）及其概率形式对比事实后验（CFP），通过比较同一陈述在事实与非事实条件下的似然进行判断。结果显示CFP显著改善了校准效果，但在低资源语言中，各方法的区分能力普遍较弱；作者因此借助英文证据，仅沿事实证据方向对齐目标语言陈述，从而提升了区分能力和开放式事实生成效果。
说明解读自监督语音模型在欺骗检测中的表征：WavLM 研究
简介本文研究 WavLM 各层表征与语音欺骗检测的关系，使用 ASVspoof 5 数据库，比较各层线性探测效果并分析其与声学特征的相关性。研究发现，使用五层表征优于全部十三层汇聚；大多数声学特征与中间层关联最强，而抖动、闪烁和谐噪比等嗓音质量指标则与较深层关联更强。
说明困于你的叙述：评估大语言模型中叙事诱发的迎合性
简介该论文构建了一个包含500个有争议问题、覆盖十个领域的受控基准，固定用户立场，只系统地改变其论证方式。每个问题在11种匹配条件下测试，共5500个评估实例，评估了七个大语言模型。结果显示，叙事诱发的认同程度差异显著，且并非随叙事细化单调变化：个人经历可能降低认同，而因果框架和世界观式综合则会提高认同。
说明感知、求解、推理：时间序列大模型中能力的渐进式形成
简介本文构建了首个覆盖时间序列感知、求解与推理三类能力的训练与评测套件，包含33.7万条训练样本和4.4万条评测样本。研究发现，专用编码器必不可少，并且按顺序逐步学习这三类能力优于混合训练。基于这些发现，作者提出一套训练方案，所得4B规模的时间序列大模型在七项域外指标中有七项优于四个近期的7B模型。
说明面向密闭空间氢气扩散预测、增强操作人员态势感知的不确定性感知AI框架
简介本文提出一种两阶段AI框架，用于压缩氢气加注等海事密闭空间泄漏时的态势感知。框架先依据早期传感器读数估算未知泄漏速率，再预测氢气云未来几个时间步的扩散，并给出带置信区间的浓度图。该系统作为决策支持工具，独立的紧急停车系统仍是最终安全层。在公开的密闭空间氢气泄漏数据集上，泄漏速率估计的平均绝对误差为0.052 g/s，浓度预测误差约为0.018。
说明LocalIntent：面向本地大模型、可兼容后端的智能楼宇自动化结构化生成方法
简介本文提出 LocalIntent 方法，将自然语言楼宇控制请求按普通指令与持久规则分流，并在生成后进行确定性校验，以提升本地小模型输出结构化结果的正确性。在 101 条非持久请求与 54 条持久规则上的测试显示，相比通用两阶段提示，规则类请求的意图理解从 26.4% 提升至 80.6%，动作与参数正确率从 5.6% 提升至 44.9%。
说明格拉斯曼流形上的自适应共形预测
简介本文提出一种用于格拉斯曼流形取值回归的共形预测框架，以流形上的度量球构造预测区域，并采用基不变的几何距离作为非一致性度量。方法通过学习得到的预测难度估计器对非一致性分数进行缩放，使预测区域随输入自适应变化。在合成基准和翼型逆向形状设计问题上的实验表明，几何感知的分数具有优势，并且在强异方差情形下可在保持目标覆盖率的同时显著缩小预测区域。
说明噪声标签学习的拓扑特征：用持续同调观察神经网络表征的几何变化
简介该论文用持续同调追踪神经网络激活中的环结构，比较干净标签与错误标签训练子集的表征几何。在 CIFAR-10/ResNet-18 上，第 50 个训练轮次时错误标签子集的持续性更高，而第 10 轮无明显差异；此时错误标签子集的预测与噪声标签一致的比例仅为 7%至11%。论文还指出，在一项跨五种流程的噪声率校准比较中，平均激活范数的样本内 R² 高于原始持续性（0.936 对 0.908）。
说明MuninAI：面向独立研究团队的自托管智能体框架
简介这篇论文介绍 Munin，一个开源的自托管科研助手框架，可以索引研究团队自己的文献语料和引文图，并在其开放权重模型外加上带有阅读、检索和计算工具的智能体框架。论文报告在199个配对文献问题上，该框架把基础模型的准确率从0.387提高到0.874，并称其在源论文被移出语料后会大量弃答，而不是编造本地引用。作者同时发布了可一条命令运行的评测套件。
说明面向在线主动学习的最优样本选择时间表
简介该论文研究在线线性分类中的最优查询策略：无标注样本依次到来，标注成本高，需决定是否及何时标注并用于训练。作者在高维、高斯设计的可实现情形下，比较了两种目标（预算约束下的泛化误差与累计代价），发现贪心的近视策略多为小间隔或中等间隔策略，并通过数值方法确定最优阈值时间表。文中还在合成数据和真实医学图像数据上比较了一种简单的查询策略，并讨论了两层神经网络中基于间隔的策略何时不再最优。
说明TAN：面向组织图的大小与形状自适应掩码卷积编码器
简介组织图用贴合组织边界的超像素表示组织切片图像，避免把均匀组织切成矩形块。现有编码器裁剪后用填充值处理背景，可能让背景信息混入节点特征。作者提出紧凑的卷积编码器TAN（约0.41M参数），按超像素原生形状处理并排除背景，使嵌入对填充值具有构造上的不变性。在BACH数据集上，TAN的准确率与参数量为303M的基础模型UNI无显著差异，且参数和浮点运算量大幅减少、无需预训练。
说明QD-Rec：通过质量-多样性实现推荐的开放式演化
简介本文提出QD-Rec方法，把推荐看作构建一组多样且高质量的推荐结果，每条推荐包含一个条目及一段说明其为何适合决策者需求的自然语言假设。方法用上下文赌博机选择条目，并借助基础模型从档案库中已保留的先前结果生成假设。在并购、客户定位以及论文和书籍推荐等任务中，QD-Rec在多数设置下取得了最高的平均质量并构建了最大的档案库。
说明证据消失时：医学视觉语言模型中视觉证据依赖性的蒸馏
简介紧凑型医学视觉语言模型可能在不真正依赖图像的情况下答对临床问题。本文提出证据条件依赖蒸馏（ECDD），让学生模型学习教师模型在移除匹配视觉证据后正确答案支持度下降的程度，并在三个医学视觉问答任务中验证。结果显示，该方法在保持原图准确率的同时，使答案对证据移除更敏感。
说明S-GAP：面向图大语言模型的隐蔽图攻击原语
简介图大语言模型（GraphLLMs）能够对带文本属性的图进行语义理解与推理，但在对抗攻击下，其语义推理可能对节点文本和图结构的扰动较为敏感。该论文提出图攻击原语（GAP），将文本扰动与结构扰动统一在同一攻击意图下，并进一步提出多智能体框架 S-GAP 以迭代优化 GAP 的语义内容。实验基于四个数据集、三种图大语言模型和两种攻击设置，报告 S-GAP 相比最强基线平均提升 7.02% 的攻击成功率（ASR）。
说明舌形控制的一种低维动力学基础
简介本文提出一种假设：整体舌形模态可作为简单动力学定律的低维控制基础。研究在跨说话人坐标空间中发现经验性舌形模态，并将模型拟合到36名英国英语说话人单元音的超声数据上。拟合的三维线性点吸引子能较准确地还原舌形随时间的变化，表明复杂舌运动可由独立模态在简单动力学下线性组合而成。
说明HydraLLM：面向文本与视觉-语言模型的自适应宽度切片弹性架构
简介该论文提出HydraLLM，一种基于MQA的弹性架构，通过激活的注意力头数量决定网络宽度，在单一参数集中形成嵌套子网络，以适配不同算力与延迟的硬件。论文还提出从预训练模型转换为弹性模型的流程，并用弹性投影模块扩展到多模态推理。原文报告：激活75%注意力头时TriviaQA准确率比参数多17.25%的嵌套基线高2.2个百分点；激活50%时多模态模型CLIPScore与大7倍的Gemma 3 4B相当；激活25%时token生成吞吐量比全宽配置提高75.3%。
说明TriINR：用三个隐式神经表示进行无监督大气湍流抑制
简介长距离成像中，大气湍流会降低图像质量。本文提出TriINR方法，无需监督即可从多帧退化图像中恢复清晰图像。它用三个隐式神经表示分别表示清晰图像、倾斜和模糊，并把倾斜与模糊建模为时空表示，使退化表示不随帧数增加，优化更省内存。实验显示，该方法在不同湍流强度的合成数据上比已有方法更稳健，在真实长距离场景中也表现良好。
说明可预测缩放：借助缩放定律预测实现高效的模型探索
简介推荐模型的改动通常需要消耗数千 GPU 小时的全规模训练才能评估。本文提出 Predictable Scaling（PS）框架，用小规模代理模型并结合曲线拟合，预测全规模模型的表现并给出不确定性估计。在两个排序模型上的实验显示，PS 能在79%至88%的计算量减少下正确排列各类改动假设的优劣。
说明GatewayBench：面向 MCP 网关的能力与安全统一评测平台
简介论文指出 MCP 网关是智能体调用外部工具的重要中间层，但此前缺少系统研究。作者提出 GatewayBench，包含 524 项跨六个领域的任务和来自 251 个真实 MCP 服务器的 11,118 个工具，并通过注入无关工具模拟大规模部署。在七种主流网关上的实验显示，不同网关设计在任务完成、工具使用效率和抗攻击能力上差异明显，且这些效果与底层模型和智能体框架密切相关。
看点首个系统研究MCP网关设计对智能体能力、效率与安全影响的统一评测框架，覆盖524个任务、11,118个真实工具，并在七种网关上做了大量实验。
说明高维粒子滤波重采样失真的谱修复：正则化自由反卷积
简介论文研究高维粒子滤波中重采样如何扭曲集合协方差的谱，并提出从观测权重和经验谱反推重采样前谱的正则化自由反卷积估计器。修复后的谱仅作为Metropolis调整再激活步骤的预条件子使用，因此谱误差只影响混合效率而不改变不变目标分布。模拟结果显示，谱误差降低约一个数量级，在各向异性情形下校正后的预条件子可恢复约90%的理想采样效率。
说明“你”并不等于有毒：大语言模型标注员如何改写网络对话规律
简介此前关于网络有毒对话的认知多依赖谷歌 Perspective API 测量，该接口即将关停。本文发现大语言模型标注员会把第二人称“你”误判为有毒，这一偏差会制造出人工标注不存在的规律：在 125 万条带众包标注的新闻评论中，Claude Haiku 对不含“你”的非有毒评论误标 12%，含四个及以上“你”的误标 51%，使其有毒程度随回复层级上升，而众包标注则略有下降。作者提出 Threadsafe 方法，通过人工标注校正预测，以认证规律本身而非标注工具。
看点发现LLM标注器将第二人称误判为毒性，进而产生虚假的回复深度规律，并提出可证明无偏的线性规律估计方法；实验覆盖125万条评论及七个LLM，证据较充分。
说明RECREG：基于恢复机制的强化学习正则安全性质屏蔽方法
简介本文提出RecReg框架，用于在强化学习中通过基于恢复的屏蔽机制，保证非马尔可夫的正则安全性质。该方法在表格设定下建立了理论基础，给出安全性与收敛性保证，并借助MASA-Safe-RL库进行了大量实验，结果显示其学习高效且与理论相符。
说明ScoutRoute：利用语言模型内部信号的高效专家路由方法
简介该论文提出ScoutRoute，一种轻量级的事后路由框架，用于混合专家（MoE）系统中异构大语言模型的专家选择。它通过一个廉价的侦察模型只做一次前向推理，提取内部隐藏状态和置信度信号来预测各专家的胜任程度，无需修改原有模型。实验在五个开源模型和四个基准数据集上显示，该方法优于单一路由信号，且校准效果更好。
说明ShadowCast：面向遥感图像分割的实时上下文感知阴影增强方法
简介遥感图像中高处物体投下的阴影会改变地物的光谱外观并模糊边界，从而降低语义分割效果。ShadowCast 不去检测和去除阴影，而是在训练时合成阴影并注入图像。该方法直接从分割标签中提取建筑、树木等高处物体的掩膜，通过探测其周围亮度估计每幅图像的投影方向，无需学习网络，也无需采集元数据。在 Vaihingen、Potsdam 和 LoveDA 三个基准上的实验表明，该方法在多种先进分割架构上均优于基线，并可与常规增强和正则化技术结合进一步提升性能。
说明基于观测数据的生成式策略改进：PolicyLift 框架
简介本文研究如何利用观测数据改进决策策略，使其在动作为文本消息、图像等复杂结构化对象时生成更好的动作。作者提出三阶段框架 PolicyLift：先学习一组离散的动作代码以概括高层策略，再在这些代码上学习依赖上下文的策略，部署时再将代码级策略映射回原始动作空间。作者从理论上证明，改进代码级策略可保证诱导出的原始动作空间策略同样得到改进；在合成与真实文本生成任务的实验中，该方法相对行为策略取得了一致的改进。
说明在联邦学习中用谱方法结合压缩通信与本地多步更新
简介联邦学习让大量边缘设备在本地保存数据的前提下协同训练模型，但数据异构和通信开销大是主要瓶颈。本文提出一种新的谱方法联邦学习算法，同时利用本地更新与通信压缩两项技术。作者在较温和的假设下给出了收敛性保证，并去掉了有界异构性条件；在标准图像分类基准上的实验验证了该方法的效率与稳健性。
说明Momentum：面向视频世界模型的持续动态建模
简介该论文提出 Momentum，用于视频世界模型，使场景中的动态内容（如车辆和行人）在离开当前视野后仍能被保留，并在重新出现时保持一致。方法通过多个八摄像头参考相机装置的同步视频构建共享的场景动态记忆，并以两阶段流程生成目标相机视频。实验在生成的街景上进行，结果显示在未见场景中，动态场景一致性比静态图像条件方法提升126.2%，同时视觉质量也有所提高。
说明残差随机概念瓶颈模型：在概念不完整时仍可进行概念干预的可解释模型
简介本文提出残差随机概念瓶颈模型（Res-SCBMs），用多元高斯分布联合建模概念变量与残差变量，并学习二者之间的协方差结构。这样，对已知概念的干预可以通过高斯条件化传递到统计上相关的残差变量，无需训练时概念完备。作者报告，在多个概念不完整的基准上，该模型预测性能优于对比基线，同时保留了有效的测试时概念干预能力。
说明mmPencil：基于毫米波雷达与大型视觉语言模型的空中手写识别
简介该论文提出 m²VLMs 模态映射架构，将毫米波雷达感知与大型视觉语言模型相连，并开发了三维空中手写词识别系统 mmPencil。系统先从毫米波信号重建三维书写轨迹，再将其映射为视觉图像交由模型识别，以降低对书写风格和环境的敏感度。论文发布了包含 200 个词、12 名用户的 7,664 个样本数据集；原文报告对已见用户 200 类识别准确率为 97.60%，对未见用户 50 类零样本准确率为 92.50%。
说明GeoReason：在遥感分割中兼顾逻辑推理与空间精度
简介该论文针对遥感图像的指令式推理分割任务，指出多模态大模型中分割标记在长推理链末尾生成，视觉信息逐渐衰减，导致小目标定位失败。作者提出GeoReason框架，包括预先注入分割标记的机制、带边界框的由粗到细推理，以及对齐潜在特征与遥感纹理的损失函数。论文称其在Earthreason和RRSIS-D基准上优于现有方法。
说明能否用显著性图评估生成式图像模型？
简介该论文提出一种受人类感知启发的生成图像模型评估方法，不依赖为其他任务训练的预训练特征提取器。作者为每个待评估模型训练一个专用分类器，区分真实图像与该模型生成的图像，并用显著性图分析其判断依据。结果显示，这类分类器学到的是各生成模型特有的痕迹，而非通用的“伪造”概念，并将分类准确率与显著性信息结合，得到一个与人类判断相符的综合评分。
说明Flash RNN-T：节省显存的联合网络与 Transducer 损失计算
简介该论文提出 Flash RNN-T，一种用于流式语音识别（RNN-T）的联合网络与损失函数实现，结合专用内核与可选的分块重计算，以减少训练时的中间张量内存。在 H100 上，非分块版本比最快基线吞吐量高 24%–39%、显存少 26%–56%；分块版本进一步降低显存，在长序列任务中可在 80 GB 内运行，而其他对比方案则显存不足。
说明LithoWorld：用于光刻工艺窗口恢复的终点世界模型
简介本文提出LithoWorld，一种基于扫描电子显微镜（SEM）图像、用于参数恢复的终点世界模型，用于处理光刻工艺漂移导致图形超出工艺窗口的问题。模型结合内部代表性目标、因果预测分支与条件流策略，输出二维参数修正。在73组子集的200个测试样本上，其合格区域成功率为88.5%，内部成功率为46.0%，分别比最强对比方法高2.5和6.0个百分点。
说明基于离散扩散模型的信息估计
简介本文提出InfoSEDD，一种基于离散扩散的方法，用于估计互信息等信息论指标，并可计算KL散度。该方法无需将离散数据嵌入连续空间，设计轻量且可扩展，能与预训练模型结合。作者在基因启动子的基序发现、文本摘要的语义感知模型选择和Ising模型的熵估计上展示了应用，实验表明其优于依赖“嵌入技巧”的方法。
说明在模型失配下与智能体签订合同
简介本文研究委托人与智能体之间的合同设计问题。智能体的状态转移模型可能与真实环境不符，而委托人掌握真实模型。作者将问题建模为委托-代理马尔可夫决策过程，并提出一个框架，使委托人在智能体理解不准确的情况下，仍能设计出带来长期收益的合同。
说明《舌尖现象》：用首词提示探测大模型的回忆失败
简介该论文指出，大模型在闭卷问答中的不少错误并非缺乏知识，而是第一个词就选错了。作者提出“首词提示”方法，预先填入标准答案的第一个词，发现这一个词就能纠正相当比例的多词答案错误，并在多语言基准的七种语言上提升准确率。研究认为，这类可恢复的错误集中在解码的第一步。
说明AWAM：面向鲁棒机器人操作的主动轨迹条件视角想象
简介该论文提出AWAM，一种主动世界-动作模型，在行动前先规划观察位置并想象沿轨迹将看到的画面。其通过预测虚拟相机运动并输入几何条件世界模型，生成可复用的空间先验，再与实时观测融合用于扩散式动作预测。论文报告在LIBERO-Occ、LIBERO-Plus、RLBench-OG Occlusion1及真实机器人实验中分别达到75.9%、62.4%、76.5%和94.4%的成功率，表明其在所评估的遮挡与分布变化下更具鲁棒性。
说明基于带Lipschitz控制与渐进核判别器的WGAN模型预测异常条件下的电压时间序列
简介本文针对高维递归预测中长期动态难以建模的问题，提出一种基于Wasserstein GAN的框架，采用渐进Lipschitz惩罚和自适应核判别器。模型读取数据流的窗口并预测后续数值，同时重建时间序列并为每个新窗口动态调整核。作者使用功率比、相关系数（CC）和相对均方根误差（RRMSE）在电压和能源时间序列数据集上进行评估，结果显示该模型在准确性和鲁棒性上优于基准方法。
说明基于词汇与上下文证据的句子级主题建模
简介本文提出SentenceETM，一种神经主题模型，为每个句子分配一个主题。它同时利用词汇证据和上下文证据：主题由词嵌入定义的词表分布，以及由句子嵌入上低维子空间高斯分布描述。实验表明，该方法在句子级主题分配上优于现有方法，并在一场总统辩论的案例研究中展示了候选人如何回应相同议题。
说明基于数据驱动预测内存受限型 CFD 在 AMD EPYC 集群上的最优 MPI 进程布局与节点数
简介该论文针对在 AMD EPYC 集群上运行内存受限的 OpenFOAM 算例（motorBike），研究如何选择节点数与每个核心复合体的 MPI 进程数，以平衡运行速度与节点小时成本。作者基于五款 Zen 4 与 Zen 5 EPYC 处理器上的 560 组实测配置进行分析。结果显示，对于较大网格，节点数最多的配置既最快又最省；仅中等网格存在明显权衡。对同一算例的新网格，依据最近已测网格选出的配置在 75% 至 85% 的决策中接近最优。
说明FloodVLM-Pix：语言引导的像素级洪水理解
简介该论文构建了首个大规模遥感洪水多模态基准，包含131,200个洪水图像块及443,100条洪水严重程度与演变的文本描述。作者提出FloodVLM-Pix模型，通过洪水先验模块缓解注意力偏差，并用多时相洪水像素解码器应对云和山体阴影等干扰。实验显示，该模型在洪水描述质量和像素级分割性能上均优于现有视觉语言模型与洪水分割模型。
说明MOSS-Image 技术报告：开源文生图系统，擅长密集文字与复杂版面
简介本文介绍 MOSS-Image，一个开源图像生成系统，结合高保真视觉合成与意图感知的版面构图。系统包含一个从头预训练的 5B 单流扩散 Transformer（DiT），以及一个根据用户请求生成详细内容与版面规格的提示增强模块。作者还提出用于评测长文本渲染的 LongLongTextBench 和用于端到端版面生成的 RealLayoutArena。报告称，该模型在 LLTB 上平均文字覆盖率达 96.3%，在开源模型中领先；在 RLA 的端到端系统比较中排名第二。
说明超越成功率：视觉-语言-动作系统中记忆的干预式评估
简介该论文提出一种干预式记忆评估协议（IMEP），用于检验视觉-语言-动作机器人系统中的记忆是否真正发挥作用，而不仅看总体成功率。作者还提出用于测试历史信息依赖的ChainBench基准，其中完整记忆配置将任务成功率从39.1%提升至74.3%。论文认为，要确认记忆系统是否实现这一收益，需要针对具体事实的证据。
说明UniPolar：基于物理一致性学习的复合退化下偏振图像联合恢复
简介该论文针对同时存在器件与环境退化的彩色偏振滤光阵列（CPFA）成像，提出UniPolar框架，联合恢复偏振角图像及Stokes、DoLP、AoLP等偏振量。方法通过双流结构、频域与条件调制的跨域交互以及输出端的物理一致性学习来实现。在复合退化基准上，图像与DoLP的平均PSNR分别为31.522 dB和24.097 dB，平均AoLP误差为16.833度。
说明H&E染色全切片图像中伪影分割方法的基准测试与改进
简介本文对H&E染色全切片图像（WSI）中的伪影分割方法进行了基准测试。作者从文献中选取六种公开算法，在两个公开数据集和一个新数据集上比较了分割无伪影组织及特定伪影类别的能力。结果显示各方法性能存在显著差异，HistoKit表现最佳，HistoQC最差；暗点和失焦区域较难分割。作者还对HistoKit加入简单后处理，进一步提升了其性能。
说明STC-MGNet：用于行人意图预测的时空通道注意力多模态图网络
简介该论文提出一种多模态图网络STC-MGNet，用于预测行人过街意图，以提升自动驾驶中人车交互的安全性。模型用时空通道注意力机制从行人姿态序列中学习特征，并通过跨模态通道调制融合视觉与本车运动信息。实验显示其在JAADbeh、JAADall和PIE数据集上分别达到70%、87%和88%的准确率，优于若干代表性基线方法。消融实验还表明视觉与本车运动信息对预测性能各有互补作用。
说明RTSM：将递归模型应用于多变量时间序列分类
简介该论文提出递归时间序列模型（RTSM），用学习得到的卷积时序分词器提取时间特征，再通过单状态权重共享的迭代精炼整合序列信息，最后用池化层完成分类。在全部30个UEA数据集上，RTSM的平均准确率为72.81%，高于所评估的17个深度学习模型中的最高平均值，并比MambaSL高1.60个百分点。消融实验表明时序编码和状态组织是关键设计选择。
说明面向异构联邦学习的客户端感知安全自适应早退视觉Transformer
简介该论文研究联邦学习中各客户端本地使用早退视觉Transformer（ViT）进行推理的方法。方法用基于标签熵和浅层退出置信度的客户端专属阈值替代全局统一阈值，并依据预测熵、置信度、前两类间隔和退出深度调整每个输入。在CIFAR-10上准确率为88.70%、深度节省32.0%，在ImageNet-1K上top-1准确率为73.7%、节省30%；在六客户端非独立同分布的CIFAR-100上，全深度准确率为72.28%。
说明OliO：基于常微分方程线性转移算子的时间序列预测自监督学习方法
简介论文提出OliO方法，用于自监督时间序列预测。它用线性常微分方程推导的转移算子对齐任意时间偏移下的潜在表示，并对转移矩阵施加严格上三角约束以保证数值稳定性。实验表明，在多种骨干网络和基准上，OliO相比最强的网格搜索基线，均方误差最多降低5.75%。
说明语言模型学会改进语言模型：让LLM自动提出改进语言模型的方案
简介本文提出LM2LM方法，用强化学习训练大语言模型，使其生成有效的语言模型改进方案。为降低训练成本，研究采用一个冻结的研究世界模型作为奖励模型，并定期执行高分方案以校正反馈。论文报告，在八个自回归与扩散语言模型开发环境中，经LM2LM训练的Qwen3.8-27B在保留任务上的真实执行评估优于GPT-6-sol，且数据生成成本降低33%。
说明有限秩瓶颈如何塑造低秩适应（LoRA）的优化格局
简介本文从理论上解释了为什么LoRA这类低秩微调方法通常足够有效，且不依赖神经正切核（NTK）的线性化假设。作者指出，冻结主干后，损失只通过由冻结激活诱导的有限秩线性映射作用于适配权重，迹范数正则化因此会选出低秩解，其秩由“瓶颈秩”决定。论文还给出了多头注意力的更紧秩上界，并证明了扰动后LoRA目标的一阶驻点为秩亏的条件，以及泛化界。
看点提出不依赖NTK线性化的有限秩瓶颈框架，并给出注意力的秩上界与非凸鞍点性质证明，理论上有实质推进。
说明面向接口漂移的大模型智能体稳健函数调用研究
简介本文研究工具增强型大模型智能体在接口文本（工具描述、参数结构和候选工具列表）发生变化后的可靠性问题，即“接口漂移”。作者提出免训练的轻量修复方案 SchemaShield-Lite，结合结构校验、候选集重试和一次性约束修复。在 Qwen3.5-9B 上，DICE-300 准确率由 0.717 提升至 0.813，BFCL-200 由 0.580 提升至 0.805，并分别挽回 19/22 和 33/45 个漂移导致的失败。
说明SETAREH变换：一种基于排序与Haar小波稀疏化的近似内积计算方法
简介本文提出SETAREH变换，利用Haar小波对固定高维系数向量与连续输入向量的内积进行稀疏近似。对两个向量施加相同的置换与Haar变换后，内积在截断前保持精确，随后仅保留部分变换后的系数-输入对，从而降低表示成本并引入可控的近似误差。实验在合成高斯向量和APPA-REAL数据集上的表观年龄估计任务中进行，结果显示所需变换对数量远少于原始向量维度；其实际收益取决于近似精度以及存储或传输置换元数据的开销。
说明通过迁移学习实现岭回归中的极小极大最优缩放律
简介本文研究预训练模型能否通过迁移学习在高维回归中带来缩放律层面的显著性能提升。作者先给出源模型（岭回归）与以L2距离正则化的目标模型两步流程风险的确定性等价式，并在共享回归函数与可交换幂律协方差谱的设定下，找到一个达到极小极大最优指数的区域。论文还表明单遍随机梯度下降也能达到相同的最优速率，并通过合成数据与语言模型实验加以验证。
看点在高维岭回归中给出两步迁移学习风险的确定性等价，并证明达到极小极大最优指数，理论改进明确；实验含合成与语言模型。
说明EKT-Router：面向具身视觉语言模型的专家与证据协同路由框架
简介该论文提出 EKT-Router，用于具身视觉语言模型回答基于部分观测的问题。它联合选择推理专家、可选知识和感知工具，并通过验证器筛选有效证据，再由所选专家作答。在 6 个具身问答基准上平均得分 61.4，为所比较系统中最高；在 10 个通用视觉语言基准上平均 74.7。消融实验显示学习式路由是主要组成部分，知识与感知相互补充。
说明HiPredict：用机器学习预测缺失的 HiRISE RED4 光谱通道
简介火星勘测轨道飞行器上的 HiRISE 相机，其中心探测器 RED4 自 2023 年起间歇性故障，彩色成像能力减半。本文提出 HiPredict，用 U-Net 模型，根据近红外、蓝绿通道、相邻红色通道观测及采集元数据来重建 RED4。在测试集上，其归一化平均绝对误差为 1.1%，优于现有合成红色通道 SYN4 的 3.1%。该工具已作为开源软件发布。
说明可信的峰值内存调度：精确实现、可证最优与重计算的边界
简介论文研究小型设备实时推理中如何通过调整算子执行顺序降低激活内存峰值。作者发现把优化后的顺序交回编译器重新生成代码并不可靠，因此改为基于生成程序的语句及其读写关系精确建模内存并调整语句顺序，在CPU上结果与建模峰值一致且数值完全相同。论文还给出可计算的下界以判断调度是否已最优，并讨论选择性重计算的复杂性与在部分网络上的收益。
看点提出可精确实现峰值内存的重排方法并给出可证明的最优性下界与递归NP难结论，对已有调度方法有实质推进；实验覆盖CPU、GPU与多个公开模型，证据较充分，对推理部署有一定实用价值。
说明TransNSNet：基于Transformer增强的多尺度对抗网络，用于CT到PET图像合成
简介本研究提出TransNSNet框架，将CT图像转换为类PET图像，数据来自公开的非小细胞肺癌影像数据集并做了患者级训练测试划分。与Pix2Pix及其他对比模型相比，该方法在多数图像指标上均值最佳，但患者级统计分析未显示显著差异。研究表明图像质量趋势有前景，但并不证明统计优越性或临床有效性，合成图像不能替代临床采集的PET。
说明CatchUp：面向高效大型视觉-语言模型的深度感知视觉令牌重新纳入方法
简介大型视觉-语言模型在各解码层反复处理数百个视觉令牌，计算与内存开销很大。论文提出 CatchUp，一种无需训练的框架，结合可逆的视觉令牌路由与局部状态转移校正（LTC），让被暂时搁置的令牌在之后可以重新纳入，并校正其过期的隐藏状态。在 64 令牌预算下，CatchUp 活跃视觉令牌减少 88.9%，保留 92.17% 的稠密模型多模态性能，端到端延迟降低 8.0%。
看点提出可逆视觉token路由与局部转移校正，无需训练即可修正重新接纳token的表示陈旧问题；在多个基准上验证，效果较扎实。
说明是损失函数还是网络架构？竞争风险生存分析中真正起作用的因素
简介论文研究竞争风险生存分析（多种互斥原因中哪一种先发生及其概率）中深度学习方法的两个因素：损失函数与骨干网络。作者在20个表格数据集和3个病理图像数据集上独立变化三种损失和四种骨干网络。结果显示，在删失加权下直接建模累积发生率的损失表现最佳，对竞争风险数据的作用约为骨干网络选择的两倍；骨干网络需与数据模态匹配。非严格适当的C指数无法区分模型，而适当评分规则能揭示差异。
说明AgentOnto：面向企业数据分析的本体引导大模型智能体
简介论文提出AgentOnto，一种用于企业数据分析的本体引导大模型智能体。它把数据库、业务文档和既有示例任务中的异构知识组织成本体，用于指导分析，并吸收已确认的反馈；迭代式本体准备还通过智能体自生成的分析任务进一步完善本体。作者在两个公开数据源上评测，结果显著优于代表性方法，并在一次真实部署中展示了实用价值。
说明基于未训练卷积神经网络与系数空间正则化的光声断层成像联合重建
简介本文研究由边界测量同时重建光声成像中的初始压力与空间变化声速的问题。方法在有限维小波空间中表示未知场，用未训练卷积神经网络生成的固定非线性特征，通过Tikhonov正则化最小二乘重建初始压力系数，再用学习得到的系数空间先验推断声速平方系数。数值实验显示，该方法在保留数据上重建精度高，对未见过的模体几何结构泛化良好；对训练中未出现的噪声（最高10%）保持稳定。与有监督训练的卷积神经网络相比，误差明显更小，计算时间约为其六分之一。
说明从记忆命中到可用证据：面向长期智能体记忆的查询条件化记忆编译
简介这篇论文提出 MemCompile 框架，用于长期对话记忆。它先依据查询定位相关来源，再在有限的证据预算内选出互补的证据包，并把与之关联的论断整理成可直接用于回答的上下文。作者报告其在 LoCoMo 上的 Judge Accuracy 达到 80.52%，并在 LongMemEval-S 上表现良好。
说明自我反思思维链（SRCoT）：在边缘大模型上基于证据的闭环检索-反思-修订文本生成
简介本文提出自我反思思维链（SRCoT），一种将文本生成组织为“检索-反思-修订”闭环的模块化架构，并用 BM25 检索提供本地上下文。该方法把环境状态、长期知识、经验和短期记忆分别存放并标注来源，在两个完全合成的场景中以案例追踪方式进行定性检验，并在一台 Apple M4 系列笔记本上本地运行原型。作者指出，这些案例只展示报告层面的可检查性与本地执行，并不证明优于其他方法、能减少幻觉、具有临床有效性或运行安全性，需要人工审核。
说明从英语二语文本的词元概率推断母语背景
简介本文研究母语识别（NLI），即根据非母语者的英语写作推断其第一语言。作者提出一种基于词元概率的方法：把每段文本作为带有候选母语前缀提示的续写来打分，选择得分最高的候选母语。研究使用Llama 3.1 8B和70B模型，在TOEFL9、Write and Improve 2024和BULATS-L1三个数据集上进行评估。结果显示，该方法明显优于直接分类，70B模型在所有数据集上达到最优水平。
说明用于直接多壳层扩散磁共振信号估计的隐式神经模型
简介该论文提出用隐式神经表示网络（采用小波激活函数）表示完整的扩散磁共振信号，并以傅里叶特征和球谐基函数编码信号空间，实现超分辨率与q空间插值。作者还提出基于组模板的预训练策略，结合非线性配准以加快个体优化。在人类连接组计划的10名受试者及帕金森病队列的26名受试者数据上测试，结果显示重建保真度高，且内存需求明显低于原始扩散加权图像。
说明SimOPD：面向同策略蒸馏的关系知识迁移
简介这篇论文提出 SimOPD 方法，用于同策略蒸馏（OPD）中从教师模型迁移知识。该方法借鉴对比学习中实例间关系的思路，让学生模型通过回答之间的相似度分布来学习教师的内部表示，无需将隐藏状态直接对齐，因此也便于跨架构迁移。实验显示，在同架构和跨架构设置下，SimOPD 的平均表现分别比最强基线最多高出 2.6 和 3.1 个百分点。
说明面向不完善提示的设计：基于知识图谱的LLM企业数据助手仿真评估
简介企业中基于大语言模型的数据助手常遇到用户提示含专业术语、缺少数据结构信息的问题。本研究设计并比较两种语义中介方案：基于模式的语义相似度方案，以及基于数据湖自动构建知识图谱的方案。通过真实数据仿真、LLM裁判与人工验证，结果显示知识图谱方案在精确率、召回率、F1值及保持用户意图方面优于模式方案。
说明《Look, Reason, Draw a Region》：面向空间上下文预测的递归精修方法
简介该论文针对图像中判断物体周围空闲区域的空间上下文预测任务，提出紧凑的递归模型 Spatial-TRM，它使用冻结的视觉语言特征，仅含约 1120 万可训练参数。在 RoboSpatial-Home 基准上，其上下文准确率为 29.51%，比同参数量的单步模型高 9.02 个百分点（相对提升 44.0%）。论文认为，在固定可训练参数量下，反复精修能提升空间上下文预测效果。
说明Optimist Deep Research：面向自主文献调研的迭代式、状态中心智能体
简介该论文提出开源智能体 Optimist Deep Research，将文献调研视为可迭代的证据获取过程，并围绕可变的研究状态运行。系统把研究问题拆为子问题树，跨 arXiv、OpenAlex 等多个来源检索，经去重、引文扩展后形成证据库，再由评审环节返回调整研究计划的动作，最后逐节生成引用可追溯的报告。论文还报告了一个案例研究，并指出了该系统暴露出的若干不足。
说明弹性轴如何使跨音速颤振边界折叠：激波能量传递与共形校准主动学习
简介本文研究二维俯仰-沉浮翼型（Isogai 算例 A）在无黏流动中的跨音速颤振边界，该边界在马赫数低谷附近出现折叠。作者通过耦合非定常欧拉模拟、高斯过程代理模型与分裂共形预测，并结合弹性轴位置的变化来刻画该边界。研究指出弹性轴位于前缘前约 0.4 弦长以外时才出现折叠，在前缘前约 0.39 至 0.33 弦长之间闭合；弦向能量收支解释了这一边界。
说明FlashReFocus：数秒内完成的交互式图像重对焦
简介该论文提出FlashReFocus，用于拍摄后更改照片的焦平面和景深。方法只对每张照片运行一次扩散模型恢复全清晰图像，之后每次编辑由轻量网络渲染，并以显式离焦图控制模糊。作者还收集了包含89组图像对的3CReal基准用于测试未知相机的泛化能力。论文称其在零样本散景渲染中感知质量最佳，重对焦速度比GenRefocus快148.3倍，后续每次编辑约0.5秒，快462倍。
说明两类分类中两个排序分数之间的最优排序权衡
简介论文研究如何为一对常见分类指标（如准确率、F值、Cohen's kappa 等）找到一个折中的排序标准。作者把这些指标视为由真负、假正、假负、真正四类结果的重要性参数化的排序分数，并以 Kendall 距离下的 Fréchet 方差最小化定义最优折中。在类别先验相同的常见情形下，论文给出了解析解，并通过实验考察性能服从固定先验分布时的情况。
说明通过神经控制实现即插即用网络的分布式性能提升
简介本文研究如何在子系统可随意加入或移除（即插即用）的网络系统中，用神经网络策略提升已预先稳定的分布式控制器性能。作者基于内模控制原理构造可保证稳定的参数化方法，使神经控制器可无约束梯度训练并始终满足增益界。在直流微电网案例中，该方法改善了拓扑变化和负载波动下的电压暂态，同时保持标称闭环稳定性。
说明CoTA++：从信息流视角理解dMLLM中的重复诅咒
简介扩散式多模态大语言模型通过双向注意力迭代去噪生成文本，近似缓存常导致相邻位置重复同一词元、打断句子，作者称之为"重复诅咒"。论文分析了缓存在步内、步间和层间造成的三类信息流干扰，并提出无需训练、可即插即用的CoTA++框架分别加以修正。在三个模型和两种缓存后端上，长回复的样本重复率从最高99.6%降至最多17.0%，并在九个基准上挽回了大部分因缓存损失的准确率。
说明通过扩散模型实现数据高效的分类器预训练
简介论文提出 DiffPT，一种用扩散建模预训练分类器骨干网络的简单方法，目的是在特定领域训练数据有限时提升效果。研究在时间序列、标准自然图像基准和医学影像数据集上进行实验，并与多种现代及传统的无监督和自监督方法对比。结果显示，在低数据场景下，对比学习在 CIFAR-10 和 Tiny ImageNet 上表现更好，而 DiffPT 在医学影像和时间序列任务上优于自监督基线，作者认为它是跨模态数据高效预训练的简单有效方法。
说明I2V-DETACH：通过脱离源图像依赖来阻止未经授权的图生视频
简介论文提出 I2V-DETACH，一种图像免疫方法，用于防止他人用扩散模型将图片未经授权地生成视频。它不靠降低输出画质或时序连贯性，而是削弱源图像内容在视频潜变量中的传播：一方面抑制源图与视频之间的关联，另一方面加强视频内部交互，使去噪过程更多依赖视频自身动态。实验显示该方法能显著降低源内容保留程度，并具有较强的黑盒迁移性。
说明Annotrace：面向智能体执行轨迹逐步标注的工作台
简介本论文介绍 Annotrace，一个用于标注大语言模型智能体执行轨迹的工具。它可读取六种轨迹格式，把每次运行转为有序嵌套的步骤列表，并允许标注者自定义标注规则，由前沿模型先行作答、与人工共同标注。论文报告，在一个多智能体问答语料上，它复现了先前人工标注的 235 个标注单元；两个模型标注同一批轨迹时一致率为 91%，κ 值为 0.82。
说明Xiaomi-Lens-0 技术报告：让多模态大模型能预测图像区域掩码
简介该报告介绍了基于 Qwen3.5 构建的 4B 多模态大模型 Xiaomi-Lens-0，它能根据自身的视觉表示预测图像区域的掩码。模型通过轻量解码器将视觉编码器的图像块特征与语言模型的掩码标记状态结合，使掩码监督直接作用于共享主干网络。在 RefCOCO、RefCOCO+ 和 RefCOCOg 的全部八个划分上，该模型在指代理解上平均比 Qwen3.5 高 5.6 个点，并在感知基准上全面超过 Qwen3.5。
说明将模型计算过程言语化，用于思维链忠实性检测
简介该论文提出VERITAS方法，通过逐层雅可比投影，把模型在生成思维链（CoT）每个词元时的内部推理演变转化为可解释的特征。基于这些特征训练分类器后，可以更清楚地看出推理在何处偏离为不忠实。在FaithCoT-Bench和BonaFide的四个数据集上，该方法在平衡准确率上明显优于LLM-as-Judge，并优于激活探测，文中还称其可推广到不同数据集和模型架构。
说明DeDiCa：一种可扩展的去混杂离散因果生成模型
简介本文提出DeDiCa框架，用张量化参数化的因果贝叶斯网络处理含隐藏混杂因素的离散变量因果推断。模型在观测数据上通过最大似然训练，并精确地对隐藏混杂因素求边缘化，之后可估计任何可（代理）识别的干预查询。文中称其在平均处理效应（ATE）估计上与最先进的神经因果生成模型相当，且支持内存高效的CPU训练和毫秒级的精确干预推断。
说明NestedVLA：学习整合并生成视觉-语言-动作模型的技能
简介本文提出 NestedVLA，用于整合分别微调的视觉-语言-动作（VLA）机器人策略，且无需原始训练数据。方法不将所有更新合并进单一检查点，而是由嵌入 VLA 的超网络为选定任务生成动作专家权重更新，各任务的压缩更新分别存储。在 MetaWorld、ManiSkill 和 CALVIN 上整合三个强化学习微调策略，平均成功率为 66.7%，比最强的模型合并基线高 41.1 个百分点；在 ManiSkill 上与逐任务微调相差不到 1 个百分点。三策略情形下总存储量为单个完整检查点的 1.5 倍。
