Logic-Guided Graph Denoising Diffusion Models
说明逻辑引导的图去噪扩散模型：用一阶逻辑约束图生成过程
简介图扩散模型常难以精确满足严格的结构约束，导致生成无效图。该论文提出用一阶逻辑（FOL）表达领域知识，并通过分类器引导在去噪过程中施加约束，把逻辑规则松弛为可微的目标函数。在知识图谱的无条件生成实验中，加入本体约束后，满足约束的生成图比例明显提高。
Universal Semantic Enhancement for Weakly Supervised Anomaly Detection
说明面向弱监督异常检测的通用语义增强方法
简介该论文针对表格数据的弱监督异常检测问题，提出一种基于通用语义增强的方法，将预训练表格基础模型的通用知识与目标数据集上学习到的领域特定知识相融合。作者设计了原型条件调制机制来整合两类特征，使其相互强化。在公开数据集上的实验表明，训练时仅有八个带标签异常样本的情况下，该方法优于对比方法。
IRAH: Hierarchical Agentic Tree Search for Retrieval Pipeline Optimization
说明IRAH：用于检索流程优化的分层智能体树搜索方法
简介该论文提出信息检索智能体框架IRAH，用于在有限评估预算下优化面向检索增强生成（RAG）的检索流程。其核心LATS-IR采用UCT引导的分层搜索，先探索宏观结构，再细化数值参数，并借助自然语言反思指导变异。在四个基准测试中，带预热初始化的IRAH取得最高平均nDCG@10（0.4816）。
From Flow-Box Invariants to Global Conservation Laws: Machine Learning-Assisted Detection of Singularities and Near-Integrability
说明从流盒不变量到全局守恒律：机器学习辅助检测奇点与近可积性
简介该论文研究动力系统中守恒律的局部与全局问题：局部上每个系统通常有d-1个守恒律，但全局上往往只有少数存在。作者提出“扩展域神经消减”框架，在逐步扩大的嵌套区域中追踪独立守恒律的数量，观察其随区域扩大而逐步失效的过程。该方法可区分局部不变量与持续存在的全局结构。
A Paired RGB-Sonar Dataset for Fish Monitoring with Consumer Sonar
说明用消费级声呐监测鱼类的配对 RGB-声呐数据集
简介本文发布了 HaCKRS 数据集，把 Garmin LiveScope 消费级前视成像声呐录像与锦鲤的俯视 RGB 视频配对。数据包含超过 105,000 组时间同步的帧对，约 3.3 小时录像，覆盖四种量程和朝向配置，并提供帧级元数据、声呐几何与坐标信息、同步数据及平面配准。该数据集侧重于配对观测与标定，而非特定的鱼类标注，旨在支持鱼类检测、跟踪、计数方法的开发，以及消费级声呐用于生态监测的探索。
Alliance of Stochastic Routing and Reinforcement Fusion for Multi-Model Reasoning
说明随机路由与强化融合结合的多模型推理：一种面向多模态问答的模型选择与组合方法
简介该论文研究多模态场景下不确定条件中的动态模型路由，即系统需选择并可能组合多个模型回答问题。作者提出统一的视觉-语言框架VL-Scout，结合贝叶斯先验、策略梯度与序列决策，并引入融合策略在CONTINUE与ANSWER之间做选择。在MMMU、MMMU-Pro、OKVQA和RealWorldQA四个基准上，与11种基线相比，该方法在减少策略过早坍缩的同时带来了稳定的性能提升。
MTEdit: Packed Trajectories Beat Rollouts for Multi-Turn Image Editing
说明MTEdit：打包轨迹优于逐轮推演的多轮图像编辑数据集
简介本文提出多轮图像编辑数据集 MTEdit，通过以打包轨迹画布（PTC）生成为核心的流程构建，在统一视觉上下文中同时生成多个编辑状态，以减少逐轮推演造成的画质漂移。数据集包含约 50 万条多轮编辑轨迹，每条最多 8 轮，平均 5.38 轮。作者还提出评测基准 MTEdit-Bench，并用该数据集微调 Qwen-Image-Edit-Causal 得到 Qwen-Image-MTEdit，在开源模型中表现最佳。
Beyond Multi-Stage Pipelines: A Label-Correlation Ensemble for Multi-Label Retinal Fundus Disease Classification
说明超越多阶段流水线：用于多标签视网膜眼底疾病分类的标签相关集成方法
简介本文在统一的39类标签空间上比较了三种视网膜眼底图像分类架构，数据来自RFMiD 1.0、RFMiD 2.0和ODIR-5K，共12,652张图像。结果显示，分阶段级联结构并未带来一致优势，而建模标签相关性的模型带来最大的单项提升；对平面模型与标签相关模型进行融合并结合测试时增强，在八项指标中的六项上表现最佳。
VocalGrad: Evaluating Acoustic Perception in Audio Language Models
说明VocalGrad：评估音频语言模型的声学感知能力
简介该论文提出VocalGrad基准，用于测试大型音频语言模型对低层声学变化的感知能力，方法是把问题简化为判断时间变化方向的二分类任务。结果显示，人类标注者准确率高，而现有模型表现接近随机水平。作者还通过线性探测发现两类失败模式：部分信息保留在内部表示中却未被语言模型头利用，另一些信息则随层数加深逐渐难以线性解码。
The Italian lawmaking process: a unified and structured dataset
说明意大利立法程序：统一、结构化的数据集
简介该论文基于意大利议会公开记录，利用经人工标注验证的大语言模型抽取方法，将非结构化文本转换为有序、带日期的程序事件（如提案提交、委员会审议、全体会议审议、通过等）。数据集覆盖1985年至2026年间全部5346部意大利法律，涵盖第IX至XIX届议会，共101413个事件，每个事件记录活动、日期和议院，并在可获得时附有程序细节。该数据集可支持计算法律与立法研究。
LagNet: Lag-Structured Operators for Long-Term Time Series Forecasting
说明LagNet：用于长期时间序列预测的滞后结构算子
简介该论文研究长期时间序列预测中从历史窗口到未来时段的预测算子。作者发现不同模型的敏感度矩阵呈现与相对时间滞后对应的重复对角模式，据此提出基于滞后结构的 LagLayer 模块，并由其堆叠构成 LagNet。实验表明该方法在长期预测基准上与强基线相当，且在数据有限时比线性层更具样本效率。
Bridging the Language Gap in Scholarly Data II: Enhancing Gender Inference for Chinese Names
说明中文姓名性别推断：利用汉字信息改进拼音姓名的性别判断
简介本文针对中文学者姓名的性别推断问题，开发了基于汉字的回归模型与分类模型，并提出从拼音姓名聚合汉字预测、同时标注歧义的方法。在11位母语者标注的样本上，模型表现良好，并在与Namsor、GPT、Claude等工具的比较中与人工标注一致性最高。应用于APS期刊中的中文作者样本时，模型可为每个姓名分配性别，而现有拼音方法有20%至100%的姓名无法分类。
Synthetic Image Oversampling for Rare-Class Representation Learning in Deep Facial Phenotyping
说明用于深度面部表型识别中稀有类别表示学习的合成图像过采样研究
简介深度面部表型方法可辅助识别遗传综合征，但患者图像往往稀缺且在各疾病之间分布不均。本文研究使用表型疾病图像数据库中的合成图像，对GestaltMatcher数据库的子集进行疾病特异性过采样，并比较两种模型在不同增强水平下的表现。结果显示增强总体上提高了平均识别准确率，但不同疾病的响应并不一致，部分疾病准确率下降。
★★★★☆ 值得关注
Escaping Parameter Space: Tight Generalization Bounds via Representation Quality
说明跳出参数空间：基于表示质量的紧致泛化界
简介论文为确定性神经网络推导了基于最后一层隐藏表示的紧致泛化界，用无参数的k近邻分类器评估表示质量，不依赖参数空间复杂度等传统度量。该界可分解为局部类别几何、解码器与网络一致性和训练稳定性三项可独立测量的量，并可作为诊断工具用于分析泛化机制。
看点用无参数k-NN分类器评估表示质量给出紧泛化界，在CIFAR-100上首次得到非空证书，并以因果实验验证类几何的作用，新意明显。
ECG-SDI: Single-lead Electrocardiogram Enables Continuous Sleep Depth Index Profiling and Scalable Digital Biomarkers for Sleep Health
说明ECG-SDI：用单导联心电图连续描述睡眠深度并提取数字生物标志物
简介该研究提出ECG-SDI框架，仅用单导联心电图即可连续刻画夜间睡眠深度并提取数字生物标志物。模型基于12,392份多导睡眠图记录训练，在内部和外部队列中与有序睡眠阶段的相关性分别为0.828和0.848。研究还发现一种与主观睡眠质量较差和全因死亡风险较高相关的紊乱亚型，并观察到部分患者在CPAP治疗后睡眠深度指标改善，作者认为这支持基于心电图的睡眠表型分析及家庭CPAP疗效监测的进一步评估。
Beyond Large Language Models: A Mental World Model Framework for Mental Modeling, Simulation, Evolution, and Interpretability
说明超越大语言模型：用于心理建模、模拟、演化与可解释性的心理世界模型框架
简介本文提出心理世界模型（MWM）及其实现架构多分支心理演化架构（MMEA），用于显式构建主观世界、建模认知与心理状态之间的交互，并模拟受历史经验影响的连续心理演化。在DynToM和RecToM基准上，MMEA分别达到96.48%和94.00%的准确率，超过多种主流大语言模型和专门的心理理论方法。作者认为该框架可为可解释的连续心理建模提供基础。
Recognizing Study Lineage Is Not Enough: Over-Crediting Same-Trial Evidence in LLM-Based Medical Verification
说明识别研究来源并不足够：基于大语言模型的医学验证中对同一试验证据的过度计分
简介该论文研究大语言模型在医学证据验证中的一个问题：模型能够正确识别两篇文献来自同一试验，但在汇总证据时仍会把同一试验的第二篇报告重复计算。作者使用14个经来源审计的临床任务族和五种模型条件进行评估。研究发现识别与汇总之间存在行为差距，并测试了一条研究分组指令可降低部分模型的过度计分。
Neural Expansion: A Unified Mechanism for How Deep Neural Networks Generalize
说明神经扩展：深度神经网络泛化的统一机制
简介本文提出“神经扩展”几何框架，用输入空间中定向射线覆盖范围的扩展来解释深度网络的泛化。作者用“泛化区间”衡量训练样本周围模型预测保持稳定的方向性区域。实验显示，训练会使射线覆盖逐步扩大，尤其沿雅可比奇异值较小的方向，从而解释了正确分类的测试样本、对抗样本及错标或分布外样本的行为。
The Cognitive Cost of LLM Writing: A Reading-Time Comparison with Human Text
说明LLM写作的认知成本：与人类文本的阅读时间比较
简介该论文借助阅读时间这一心理语言学指标，研究人类撰写文章与大语言模型改写版本在读者认知加工负担上的差异。作者训练了RoBERTa-RT模型来预测逐词阅读时间，并构建了496组人类文章与其LLM改写版本的配对数据集进行比较。结果显示，LLM改写文本更短、总预测阅读时间略低，但每词预测阅读时间更高。
GLOBE: Evolving Structured Agentic Memory for E-commerce Product Optimization in Generative Search
说明GLOBE：面向生成式搜索电商商品优化的结构化智能体记忆演化框架
简介该论文提出 GLOBE 框架，让语言智能体通过持续自我改进来优化生成式搜索中的商品listing。系统把优化经验以按字段划分的显式行为形式存入可演化的手册，由编辑者应用行为并根据排名反馈，反思者据此更新行为，并通过审核、提交和停用有害行为的机制完成闭环。实验表明，结构化行为优于整体式提示优化，且学到的行为在未见过的商品类别上依然有效。
Tool Recommendation for Multi-Step Agents: Finding Every Tool a Task Needs
说明多步骤智能体的工具推荐：找全任务所需的每一个工具
简介论文提出一个已部署的工具推荐系统，让智能体能访问约8200个工具，而只需通过三个固定接口调用。系统运行在智能体与工具之间的网关层，并依据用户的授权与同意检查每次调用。在公开检索基准ToolRet上，其将查询所需工具排入前十的概率比BM25高57%；在多步骤工作流实验中，首次推荐在93%的Codex会话中覆盖了全部所需工具，且总费用在全部14次运行中均有下降。
FedRAPP: Federated Test-Time Prompt Tuning for Vision-Language Models with Reliability-Aware Prompt Personalization
说明FedRAPP：面向视觉-语言模型的联邦测试时提示调优与可靠性感知的个性化提示方法
简介该论文研究在无源数据条件下，多个客户端在无标注测试数据上协作调优视觉-语言模型（如CLIP）软提示的问题。由于各客户端数据分布差异大，传统联邦聚合效果不佳。作者提出FedRAPP框架，结合可靠性评估、服务端指数滑动平均提示记忆与相似度引导的同伴聚合，在多个基准数据集上优于常见联邦聚合基线。
★★★★☆ 值得关注
Blitz: Accelerating the Diffusion Modules of AlphaFold3 and Boltz-2
说明Blitz：加速 AlphaFold3 与 Boltz-2 扩散模块的蒸馏方法
简介该论文提出 Blitz 框架，用几步采样代替扩散式蛋白质结构预测模型原本约 200 步的去噪过程。方法包括几何噪声调度、多步一致性训练，以及推理时的物理引导与候选结构筛选。作者将去噪步数从 200 降至 8，并在统一评测协议下与原模型和其他几步方法比较，结果显示蒸馏后的 AF3-Blitz 保持了教师模型的结构精度，并在多项指标上超过教师模型。
看点将少步蒸馏与几何噪声调度及多步一致性训练结合应用于AF3与Boltz-2，在统一协议下与教师模型和基线对比，证据较充分，对结构预测领域有较大实用价值。
VISTA: Steering LLMs with Latent User Values Inferred from a Few Survey Answers
说明VISTA：用几道问卷题推断潜在价值观来引导大语言模型
简介论文提出VISTA方法，从用户部分或全部问卷答案中推断潜在价值观画像，经超网络映射为冻结大语言模型的用户专属引导干预，无需增加提示词即可个性化回答。作者称其在合成偏好、世界价值观调查（WVS）和PrimeX数据上与上下文画像表现相当或更好；在WVS上只需作答6%的问卷即可保留94%的完整历史增益，并支持自适应选题与停止。
LogicVal:A Logic-Formalized Benchmark for Constraint Satisfaction in Text-to-Image Generation
说明LogicVal：面向文本生成图像约束满足的逻辑形式化基准
简介该论文把文本生成图像的评测视为约束满足问题，用逻辑框架规定对象、属性、关系及生成图像必须满足的约束。作者测试了四个先进模型，在9类约束上比较表现，发现单对象约束准确率最高达98%，复杂多对象条件关系仅53%，多约束同时满足时最佳模型准确率降至20%。论文还提出结合神经视觉检测与逻辑推理的评估方法LogicVal，在CLEVR上ROC-AUC为0.88至0.98。
Equivalence testing and run-count design for stochastic machine-learning experiments
说明随机机器学习实验的等效性检验与运行次数设计
简介很多声称两种训练方法同样好的结论，只依据每种方法两三次运行的非显著差异。本文提出一套用于认证每次运行指标（如 AUROC）实际等效性的方法及其功效理论，基于种子与样本两级方差模型，用双单侧检验（TOST）和区间法判断差异是否落在预设边界内。文中给出由边界和目标功效换算每种方法所需运行次数的公式，并通过模拟与两个实例加以验证。
Discuss More, Comment Less: Boosting Automated Research via Multi-Perspective Collaborative Review
说明少评论、多讨论：基于多视角协作评审提升自动化研究
简介本文针对自动化论文写作中评审环节的不足，提出RoundtableReview多智能体框架，模拟真实同行评审中多位专家的分工与集体讨论。框架将论文拆分为八个语义槽位，由六位具备不同视角和检索来源的学术与产业评审员，经独立评估、交叉质询、圆桌讨论、动态加权投票和主席综合后生成可追溯的反馈。实验显示，该方法在两个自动化研究基座上都提升了论文质量，并在自动与人工评估中优于基线方法，且给出的评论更少。
★★★★☆ 值得关注
Beyond the Benchmark: Conditioning, Domains and Failure Modes of Qwen3-TTS
说明超越基准：Qwen3-TTS 的条件设置、应用领域与失败模式
简介本文对 Qwen3-TTS 的两种零样本声音克隆方式（上下文学习 ICL 与 X-Vector）进行了评估，并与 Chatterbox、XTTS-v2、F5-TTS 比较，测试场景包括朗读、会议、情感语音和空中交通管制语音。结果显示两种方式各有优劣，领域因素对结果的影响约为系统选择的四倍。Qwen3-TTS 在可懂度和音高音域上领先，但在韵律上落后；现成的反欺骗检测工具对其合成语音的识别率并不高于真实录音。
看点系统比较了Qwen3-TTS两种克隆接口在多领域的表现并分析失败模式，提出了有新意的组合分析；基准覆盖广、指标丰富，对语音合成研究有参考价值。
Agentic Physics-Grounded Video Generation via Memory-Augmented In-Context Reasoning
说明基于记忆增强上下文推理的智能体物理约束视频生成修复框架 PhysRepair
简介论文提出 PhysRepair，一种“生成—诊断—修复”的视频生成方法：先生成视频，再找出首个物理上不合理的状态及其受影响的状态，进行局部重新生成，并借助以往修复经验逐步改进。在涵盖固体力学、流体力学、光学、热力学和磁学的 Physics-IQ Verified 测试中，该方法相较现有方法提高了生成视频的物理合理性。
On the possibilities and limitations of LLM-based multi-agent systems for multi-criteria decision-making in healthcare operations management
说明基于大语言模型的多智能体系统在医疗运营多准则决策中的可能性与局限
简介论文研究用多个大语言模型智能体代表不同利益相关方，为门诊预约和急诊科配置等医疗运营问题提供权重。作者提出评估这些生成偏好可靠性的框架，并构建稳健的加权和优化模型。结果显示，直接评分的偏好会随运营条件和角色变化，但智能体讨论可能消除这些差异；成对选择则很大程度受呈现顺序影响。在多数情形下，稳健模型选出的排程或配置与使用平均权重不同，因此作者认为此类偏好在用于决策支持前需要审核。
TriRouter: Sparse-to-Dense Electrode-Space Routing for Robust EEG Motor Imagery Decoding
说明TriRouter：面向稳健脑电运动想象解码的稀疏到稠密电极空间路由方法
简介该论文针对运动想象脑机接口在电极稀疏或数据受损时解码不稳定的问题，提出了 TriRouter 框架，包含判别保持、掩码鲁棒和潜在补偿三条路径，并由验证集校准的路由器根据可用通道分配各路径权重。在 BNCI2014-001 数据集上，其准确率优于标准公开骨干模型及受损脑电基线方法，在名义 25%、50%、75% 缺失设置下分别提高 3.68、4.02、6.46 个百分点。
PCDFusion: Proposal-Context-Detail Bayesian Rendering for Infrared-Visible Image Fusion
说明PCDFusion：面向红外与可见光图像融合的提案-上下文-细节贝叶斯渲染方法
简介该论文研究红外与可见光图像融合，旨在结合两种成像的互补信息用于人眼观察和下游视觉任务。作者将融合问题重新表述为局部贝叶斯后验渲染，并提出以可见光为锚点、分三个渲染阶段实现的PCDFusion框架。在公开基准上的实验显示，该方法在复杂光照下提升了融合质量、目标恢复以及下游检测和分割性能。
An Efficient Approach to Beetle Damage Detection of Banana Using Deep Learning
说明基于深度学习的香蕉甲虫损伤检测高效方法
简介本研究提出一个基于轻量级YOLOv8n模型的框架，用于定位单根香蕉并判断其表面可见状况为健康或不健康。研究使用孟加拉国本地市场图片构建了包含2473张图像、5827个标注实例的数据集，按80/20划分训练与测试。在测试集上模型取得约77.67%的F1分数和87.04%的mAP@0.50，模型文件仅5.96 MB，适合作为紧凑的基线方案。
FlexPart: Text-Controlled Semantics-Aware 3D Part Segmentation at Flexible Granularity
说明FlexPart：文本可控、语义感知、粒度灵活的三维部件分割
简介三维模型可以有多种合理的部件划分方式，该研究提出FlexPart，用文本提示控制分割粒度与所需部件。团队借助视觉语言模型自动构建了多粒度数据集，并通过随机去除背景训练模型以依赖语义条件。论文报告其在mIoU指标上优于最强基线，并在自建基准上各粒度均领先。
A Language-Informed Loss for Visual Generation
说明面向视觉生成的语言感知损失函数（LILIE）
简介该论文研究在视觉生成训练中，语言引导的监督信号能否比像素损失提供更丰富的训练信息。作者提出 LILIE，一种可逆的图像编码器，经训练使视觉-语言模型能从加噪特征中还原图像描述。利用该编码器得到的语言感知损失用于文生图训练，在 GPIC 数据集上使用 JiT 模型时，gFD 相较纯像素基线由 66.84 降至 53.01。
In Human Memories. Technology, Creativity and Self-Determination: An Ethical Proposal
说明《在人类记忆之中》：技术、创造力与自决——一项伦理探讨
简介本研究探讨人工智能在当代作曲实践中的作用，重点分析两部作品：亚历山大·舒伯特的《Convergence》（2020/21）和弗朗切斯科·维图奇的《In Human Memories》（2024）。文章梳理作曲技术的历史演变，并指出人工智能不再只是工具，而是向作曲者提出问题与挑战的参与者，作者由此提出一条重新把技术当作创作工具的伦理路径。
JAXtari: High-Throughput and Easy-to-Modify Arcade Learning Environment
说明JAXtari：高吞吐量且易于修改的 Arcade 学习环境
简介本文提出 JAXtari，这是对 Atari 2600 游戏环境的开源高性能重新实现。它借助大规模 GPU 并行，使 PPO 智能体在单块 A100 GPU 上约一小时即可完成 1 亿环境步的训练。此外，JAXtari 提供以对象为中心的观测和灵活的环境修改功能，便于研究者开发神经符号方法或检验智能体是否依赖捷径。
★★★★★ 值得关注
Scalable long-range machine learning interatomic potentials with electrical response for atomistic material modeling
说明面向材料原子模拟的可扩展长程机器学习原子间势（含电响应）
简介该论文提出一种可扩展的长程机器学习原子间势框架DPA4C-LR，将长程静电力与有效电荷解耦为全局静电计算和学习到的潜在电荷的局部导数，从而保留空间可分解性。该框架可扩展到520万原子（四块GPU），计算成本约为短程基线的两倍，并在水的红外光谱、弛豫铁电体的极化滞后及非晶固态电解质的离子电导等案例中给出模拟结果。
看点通过解析分离长程静电与局部导数，保持等变MLIP的空间可分解性并扩展到520万原子；在水光谱、弛豫铁电体等应用上验证。
Diversity Without Labels: Task-Agnostic Coreset Selection Across Perception and Action
说明无标签的多样性：面向感知与动作的任务无关核心子集选择
简介本文提出CoreDNA，一种无监督、与任务无关的核心子集（coreset）选择方法，通过汇集视觉基础模型的神经元激活，构建每张图像及整个数据集的分布，并比较二者以挑选高质量样本。实验涵盖图像分类、语义分割、深度估计以及端到端驾驶和移动操作的模仿学习，结果显示其与现有最优方法相当或更好。
★★★★★ 值得关注
No-Regret Language Generation
说明无遗憾语言生成：一种可保证出错次数次线性增长的生成方式
简介本文提出“无遗憾生成”概念，要求生成器在所有示范序列和兼容的目标语言上，错误次数保持次线性增长。作者还给出允许不兼容示范的不可知变体，并用基于树的错误强制维度刻画有限时域下的极小极大复杂度，给出无遗憾生成的充要条件。对于有限 Littlestone 维度的语言类，文中给出可实现设定下 O(d log(1+T/d)) 的错误上界与不可知设定下 O(√(dT log(1+T/d))) 的遗憾上界，其中可实现的上界在常数因子内最优。
看点提出无悔语言生成的刻画框架，并给出与Littlestone维度匹配的最优误差界，理论贡献明确，但影响主要限于理论领域。
Deep LLM layers expose passage-level context in EEG during silent reading
说明深层大语言模型各层揭示默读时脑电中的段落语境信息
简介研究者用大语言模型 Llama-3.1-8B 的每一层作为目标，训练脑电解码器，从默读时记录的 19 通道脑电中还原信息。结果显示，单词层面的可解码性在浅层最高，越往深层越低；而语境追踪成分随深度上升。即使单个 0.5 秒脑电窗口，也能反映文本段落的信息，且这种追踪主要来自文本本身，而非记录时段的特征。
PresenceBench: An Exploratory Evaluation of Large Language Model Adaptation to User State
说明PresenceBench：大语言模型适应用户状态的探索性评估
简介本文提出PresenceBench，用于衡量AI系统是否能根据用户的功能状态（如准备度、心流和稳定性）恰当调整回应，同时保持任务质量与安全。探索性实验比较了四个模型在有无合成状态信号及错配状态对照下的人工偏好表现。结果显示提供状态信号时偏好估计值均高于0.5，但对状态具体取值的特异性尚未得到确认。
Deconstructing Multi-Task Active Learning: The Paradox of Gradient Conflict and Orthogonal Decomposition
说明解构多任务主动学习：梯度冲突悖论与正交分解
简介现有多任务主动学习方法多将不确定性、多样性和梯度冲突等目标线性加权合并，作者认为线性组合难以刻画冲突目标下的帕累托最优权衡。论文提出三项改进：不在采样打分中计入冲突，而在训练时用梯度手术处理；把采样拆分为信息量筛选和覆盖最大化两个阶段；并提出基于MC-dropout任务熵的跨任务互信息（CTMI）。作者称在COCO、Cityscapes和NYUv2上优于近期方法。
Stereo LWIR-RGB Automatic Labeling for Low-Light Camera-Based VRU Detection
说明基于LWIR-RGB立体相机的低光照车辆及行人自动标注
简介本文提出一种低光照环境下弱势道路使用者（VRU）的自动标注流程，利用热红外（LWIR）与RGB图像对，依据人体温度与背景的差异生成标签。与以往依赖复杂对齐硬件的方法不同，该方法采用LWIR-RGB立体相机配置，降低了硬件复杂度与成本。在芬兰首都地区采集的数据集上，基于该标注训练的模型在人工标注测试集上优于现成基线及人工标注微调模型，两种LWIR检测器均得到类似结果。
★★★★☆ 值得关注
GRAFT-EEG: Gauge-Aware Physical Field Transport for Cross-Dataset Motor-Imagery EEG
说明GRAFT-EEG：面向跨数据集运动想象脑电的规范感知物理场迁移方法
简介该论文研究跨数据集脑电解码中电极布局、参考和活动电极变化带来的观测算子改变问题。方法在不使用目标域任何信号、标签或统计量的前提下，去除活动电极集的共同参考规范，并通过模板运动导联场迁移各数据集的电极掩码；核心是源域拟合的谱分类器，辅以有界状态空间模型残差。在五个留一数据集目标（253名受试者）上，该方法平衡准确率均值为60.865%，高于严格清洁的5/5 BIOT基线的52.684%；在多数对照测试中也优于若干对照设置。结论仅限于五个二分类运动想象领域及所测试的算子。
看点将导联几何与参考增益视为观测算子变化并以物理场传输建模，跨五个数据集留一验证并给出多组同父对照，证据较扎实，但主要局限于二分类运动想象。
ThetreStageAI: Multi-View Retrieval-Augmented Generation for Structured Bengali Theatre Production Planning
说明ThetreStageAI：面向孟加拉语戏剧制作规划的多视图检索增强生成系统
简介本文提出ThetreStageAI，一个用于生成结构化孟加拉语戏剧制作方案的检索增强框架。系统分别维护场景、演员走位和灯光三个视图的检索库，用BGE-M3嵌入文本，结合制作说明交由Gemini生成符合规定格式的JSON方案，并经过结构与语义检查。作者还构建了包含500条记录、扩展为1500个检索文档的合成数据集，并在相同设置下对比单一合并检索与多视图检索。源代码、数据集和评估材料均已公开。
GEMS: Molecular Structure Elucidation as Learned Search over Isomer Graphs
说明GEMS：把分子结构鉴定转化为在异构体图上的学习式搜索
简介这篇论文针对由分子式和串联质谱鉴定小分子结构的难题，提出GEMS方法：从初始候选结构出发，用学习到的2-开关键编辑在保持分子式和原子价的前提下逐步改进结构。方法借助预训练的谱图到指纹模型预测指纹概率，并用神经策略为有效编辑打分。论文报告在NPLIB1和MassSpecGym数据集上的Hit@1与Hit@10准确率均超过已发表基线，耗时也明显更短。
LUMINR: Intensity-conditioned Meta-learned INRs for Accelerated Medical Image Registration
说明LUMINR：用于加速医学图像配准的强度条件化元学习隐式神经表示
简介该论文提出 LUMINR，一种元学习框架，用于加速可变形医学图像配准。它用隐式神经表示把坐标与局部强度、梯度特征映射为形变向量，使条件化随空间位置变化。在 OASIS 脑部 MRI 三维配准实验中，LUMINR 微调后达到与从零拟合相同的精度，所需梯度步数和耗时约为十分之一，且形变场平滑、折叠极少。
The Sign Code: The Hidden Binary Nature of Deep Networks
说明符号编码：深度网络隐藏的二值本质
简介论文提出“符号编码”，即训练好的网络中每个神经元输出的正负号集合。作者发现，对于过参数化视觉分类器，仅用符号编码的最近邻分类器就能达到接近完整模型的准确率；把每层的幅值替换为随机噪声，残差网络性能几乎不变，而翻转20%的符号则使准确率降至随机水平。作者认为，这类网络的分析单位可能是离散的符号编码，而非连续的权重空间。
Beyond Action Prediction: Learning Search-Free Planning in Latent Space
说明超越动作预测：在潜在空间中学习免搜索规划
简介该论文提出 HIJP（Hindsight Inverse JEPA Planning）框架，用目标条件逆模型直接从当前与目标观测预测动作，替代基于潜在世界模型的在线动作序列搜索。训练时通过事后回标未来观测作为目标，并让预测动作与潜在预测器的下一状态表示保持一致。摘要报告在四个视觉控制任务上整体成功率为86.8%，规划速度比基于搜索的方法快1.9至16.5倍。
Trajectory-Triggered Sparse Collaborative Decoding
说明基于轨迹触发的稀疏协同解码：仅在草稿模型生成的关键时刻调用目标模型，以较少计算提升准确率
简介该论文研究稀疏协同解码，即草稿模型生成大部分词元，仅在短的纠正片段中调用目标模型。作者发现局部不确定性指标（如熵、对数似然）预测失败的效果接近随机，而基于草稿置信度路径的整体轨迹形状特征（AUC 0.86）效果明显更好。在 GSM8K 的五组草稿-目标模型组合上，在线学习触发策略比最佳开环调度提高 5.3 至 20.0 个准确率百分点；在 MATH-500 和 StrategyQA 上也有提升，但效果依赖模型能力。
SIT-Eval: Situation-Based Interactive Turn-by-Turn Evaluation of Conversational Agents
说明SIT-Eval：基于情境的对话智能体逐轮交互评测框架
简介本文提出SIT-Eval，一个用于评估对话智能体的可调节框架。它将智能体应遵循的行为formalize为"若情境为P，则遵循规则Q"，每轮对话由LLM扮演的对话者随机抽取一种情境，再由具备上下文感知能力的LLM评审依据适用规则评判回复。作者用经人工验证的合成对话校验评审器，并在1292个对话轮次上测试了8个大模型。结果显示，总体得分相近的模型在各条规则上的遵循程度差异很大，所有模型在澄清歧义和苏格拉底式提问上表现最差。
How Many, but How Sure? Class Competition as a Confidence Proxy in Multi-Class Density-Based Counting
说明数量多少，但有多确定？多类别密度计数中以类别竞争作为置信度代理
简介该论文针对多类别密度估计在拥挤场景中计数时，无法反映密度分配可靠性的问题，提出一种无需训练的置信度代理，基于最强类别通道之间的局部竞争。作者在Hicks等人的数据集上用DSACA预测结果进行测试，通过在推理时衰减存在争议的密度，发现整体MAE从0.920降至0.846，表明类别竞争包含有助于判断计数可靠性的信息。
Not Every Mention Is a Claim: Rethinking Object Hallucination Detection in Vision-Language Models
说明并非每次提及都是断言：重新审视视觉语言模型的物体幻觉检测
简介视觉语言模型的物体幻觉通常按描述中提到的每个物体是否在图中来判断，但有些描述只是提及物体而并未断言其存在。论文构建了 NAME-Bench，包含五个模型对 COCO 图像生成描述中的 25,497 个物体提及，并将其标注为具体、幻觉或非断言三类。结果显示，所评测的检测器都会把非断言提及误判为幻觉，将其纳入训练可在 LLaVA-1.5 上较好地纠正，但在四个较新的模型上需要多得多的数据。
ADA 2025: A Multimodal Dataset for Water-Deficit Stress Detection in Sugar Beets
说明ADA 2025：用于甜菜水分亏缺胁迫检测的多模态数据集
简介该论文公开发布了ADA 2025数据集，包含超过500GB的幼年甜菜植株图像，涵盖健康与水分亏缺两种条件，融合热成像、高光谱、RGB和深度图像，并附有环境与元数据。数据以相对含水量和叶片厚度作为真值来源。示例结果显示，该数据集能够区分受胁迫与健康植株之间的差异。
When Magnitude Suffices: Reconstructing Time-Domain-Gated Microwave Signals Without Phase on a Thoracic Phantom
说明幅度足够时：无需相位，在胸腔体模上重建时域门控微波信号
简介论文研究能否用只测幅度的频谱分析仪（带跟踪信号源）代替矢量网络分析仪，重建时域门控后的微波S参数。作者在一个校准测量配置上训练全连接网络，用胸腔体模的十一种介电状态进行留出测试。结果显示，S11的重建效果与矢量网络分析仪输入相当，S21也能保持状态分组；直接预测相位则效果差很多。
★★★★☆ 值得关注
Learning to Discriminate Scene Structures Makes Self-Supervised Depth Learning Scalable
说明学习区分场景结构，使自监督深度学习可扩展
简介该论文针对自监督单目深度估计在多样化场景上效果下降的问题，发现模型易学到数据集特有的结构偏差，而非可迁移的场景几何。作者提出MaSS框架，将结构表征与上下文特征解耦，并以场景结构判别目标进行训练。实验显示，MaSS在四个数据集上优于已有自监督方法，并首次能稳定地从混合域训练中获益。
看点提出结构判别目标与解耦的结构表示路径，解决跨域优化冲突；在四个数据集及八个零样本数据集上验证，并首次实现混合域训练持续受益。
From Trajectories to Differentiated Skills: Cognitive Differentiation for Self-Improving Agents
说明从轨迹到分化技能：面向自我改进智能体的认知分化方法
简介论文指出，现有技能演化方法多以技能整体为单位组织知识，忽略了单个技能内部的功能差异。作者借鉴认知科学，提出CDSE方法，将统一技能拆分为Meta、Experience、Tool、Script四个功能不同又相互协调的组件，并依据成功与失败的轨迹进行分组更新与验证。在六个基准、三种智能体模型和两种执行框架的实验中，CDSE在全部36种设置下得分最高，平均比基础智能体提高7.6个百分点。
RL-Guided Temporal Localization for Dual-Channel Retrieval in Long-Horizon Agent Memory
说明面向长时程智能体记忆的双通道检索：基于强化学习的时间定位
简介该论文提出 TIDER，一种时间感知的智能体检索框架，用强化学习训练的轻量时间区间定位器先推断证据所在的时间窗口，再与语义检索结果合并并按与时间窗口的接近程度重排序。作者称，使用 1.7B 定位器后，在 LifeBench 上准确率为 61.52%（+8.82%），在 LoCoMo 上为 78.96%（+3.66%）。
What Remains Without Leaking Test Labels? Exposing Evaluation Flaws in Graph-Level Anomaly Detection
说明没有测试标签还剩下什么？重新评估一个图级异常检测基准
简介该论文审视图级异常检测基准UB-GOLD及后续论文复用其结果的做法，指出测试标签常被用于选择检查点和超参数，从而高估了方法效果。作者在无测试标签的规则下重新运行21个检测器，发现按测试AUROC选择检查点会带来明显的虚高，并建议以不使用测试标签选出的结果作为主要比较，同时公开每次运行的输出以便核验。
Boundary Detection for High-Dimensional Point Clouds
说明高维点云的边界检测方法
简介本文提出两种在高维点云数据中检测边界的新方法，适用于密度不均、环境维度高且噪声较大的情形。第一种方法先对局部邻域做局部降维，再拟合分隔超平面，效果依赖于能否可靠估计数据的内在维度；第二种方法通过衡量局部邻域的方向均匀性来判断边界，在合成数据上整体表现最好。两种方法都会为每个边界点给出数值化边界分数和估计的法向量，并在合成数据及空间转录组学（肿瘤边界检测）和大语言模型激活几何两个真实案例上进行了验证。
SemPurify: Semantics-Aware Data Purification for Black-box Backdoor Defense
说明SemPurify：面向黑盒后门防御的语义感知数据净化方法
简介该论文针对机器学习中的后门攻击，攻击者在训练样本中植入触发器，使模型在特定输入上产生指定输出。作者提出首个面向黑盒后门防御的语义感知数据净化框架SemPurify，在文本到图像（T2I）模型中结合低层语义嵌入与高层图像标签来引导图像修复。实验涵盖分类模型、CLIP类编码器和生成模型，结果显示该方法能有效去除后门，并较好地保留下游任务所需的语义信息。
GliomaINK: A Tumor and Anatomy Conditioned Flow Matching Framework for 3D MRI Sequence Synthesis in Glioma Patients
说明GliomaINK：用于胶质瘤患者三维MRI序列合成的肿瘤与解剖条件流匹配框架
简介论文提出GliomaINK方法，在MRI检查序列不全时，利用解剖结构引导的条件流匹配模型合成缺失的三维脑部MRI序列。研究使用1083例BraTS-AG数据集患者训练，并在一个院内临床队列上独立测试。结果显示该方法在六种MRI转换方向上PSNR均最高，并在肿瘤分割、IDH1突变状态预测等下游任务中有所表现。
Enhancing RAG-based Medical VQA with Gated Multimodal Representations
说明用门控多模态表示增强基于检索的医学视觉问答
简介医学视觉语言模型在医学视觉问答中表现较好，但回答有时与事实不符。该研究提出一种多模态检索增强框架，通过门控多模态单元（Gated Multimodal Unit）学习医学图像与临床问题的联合查询表示，用于检索外部临床证据，同时保持底层模型冻结。在基准数据集上的结果显示，该方法优于参考模型，并与最先进方法具有竞争力。
★★★★☆ 值得关注
Analyzing Occupational Gender Bias across the LLM Training Lifecycle
说明跨大语言模型训练全周期的职业性别偏见分析：研究OLMo 3在预训练后各阶段如何变化，以及模型对人物性别的假设
简介本文研究大语言模型在后训练各阶段中的职业性别偏见，以完全开源的OLMo 3模型家族为对象，让各检查点为合成人物（给定职业与教育背景）生成开放式叙述。研究发现，在明确给出性别时，后训练提升了男性角色叙述的语义多样性，对女性角色的提升较小；模型自行推断性别时，呈现相对美国劳动力人口的女性偏向，且每个后训练阶段都提高了标注为女性的几率。作者还指出，监督微调语料中的女性标记仅多出7.7%，不足以解释这些下游效应。
看点系统追踪OLMo 3各后训练阶段的职业性别偏见，结合语料溯源分析，有新意且证据较充分，对子领域有参考价值。
MARS: Memory-Aware Routing for Session-Level LLM Assistants
说明MARS：面向会话级大模型助手的记忆感知路由框架
简介本文提出 MARS 框架，用会话状态把记忆构建与模型选择联系起来，由查询与主题管理模块估计决策相关状态，指导记忆策略和在线路由器为每一轮对话选择合适的记忆视图与模型。在 RealMem 上，MARS 保留了全上下文 GPT-4o 98.2% 的问答表现，生成 API 成本仅为其 14.5%（含控制器调用），在 MultiChallenge 的机制子集上也接近最强静态系统但成本更低。
CLEAR: Cooperative Latent Flow for Visual Counterfactual Explanations with Accurate Region Preservation
说明CLEAR：用于视觉反事实解释的协同潜空间流匹配方法，精确保留区域
简介该论文提出CLEAR，一种基于潜空间流匹配的视觉反事实解释方法，用于改变分类器预测结果同时保持图像真实并保留与决策无关的内容。方法利用流匹配的瞬时速度区分分类器引导中协同与冲突的分量，保留协同部分并依冲突强度衰减冲突部分，并动态划定可编辑区域以减少VAE重建带来的无关改动。原文称在两个数据集的五项双向任务上，其效果可与强大的图像空间基线相当或更好，速度约为最强基线的2.5倍。