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LLM智能体能否处理服务投诉？在信息不对称下模拟多轮投诉处理
简介论文提出ServiceBench，这是一个专门针对投诉处理的基准，包含2500个场景，涵盖184类投诉和五个服务行业。作者设计了非对称渐进投诉模拟（APCS）方法，并配套基于公正理论的评估框架。实验显示，即便较强的LLM智能体也难以有效处理投诉，常过早给予补偿；经SFT和DPO针对性后训练后，较小模型在多项指标上可与更大模型相当或更优。
说明GLOSS-MT：基于可编辑词典的可控低资源机器翻译
简介该论文提出 GLOSS-MT，用离线英语-契维语（Twi）词典替换源文中的名词短语，再对翻译模型微调一次，使其能按词典术语翻译。作者在 NLLB-200、OPUS-MT 和 TranslateGemma 上应用该方法，在 84 篇文档的英译阿桑特契维语基准上，各微调模型的 chrF2 均高于原始模型。论文还报告了术语可控性测试结果，并公开了模型、数据和代码。
说明fxBench：评估与理解电子表格中的公式建议
简介本文提出 fxBench，一个基于 Sheetpedia 人工整理的 503 个公式建议任务的基准测试集，用于评估电子表格公式自动建议的能力。作者将该问题拆解为收集上下文、理解上下文、理解意图和编写公式四项能力，并测试了不同上下文表示和模型，包括微调的小模型。最佳配置的正确建议率为 58.8%。
说明ShlokaDhara：用于学习韵律感知梵文诵读语音合成的多说话人语料库
简介本文介绍了ShlokaDhara，一个时长43小时的多说话人梵文语音语料库，涵盖多种格律、诵读风格和旋律变化。研究聚焦于按格律诵读的文本转语音任务，要求同时保证韵律和格律的正确性。作者用自动MOS预测器UTMOS评估主流TTS模型，XTTS-v2感知质量最高，并通过16位梵文专家的主观评价及音节级长短音时长分析加以验证。
说明智能体中自然语言的边界：基于 MetaSkill 的可执行技能组合
简介本文提出 MetaSkill，在技能边界处对协调关系做选择性形式化：调用依赖和前置输出绑定通过有向无环图运行时变为可执行，而具体任务判断仍保留在各技能内部。在 20 个多技能任务和两个大模型上，与自然语言流程、提示可见图等方式比较，盲评结果总体偏向 MetaSkill，部分对比的 95% 区间不包含持平。
说明PV-Decoding：面向扩散语言模型的渐进式验证解码（带解码门控）
简介该论文针对扩散语言模型推理效率问题，提出基于置信度、采用渐进式验证的推测解码框架PV-Decoding，将掩码位置划分为直接解码、推测和未决三类并分级验证。在GSM8K、MBPP、HumanEval三个基准上，相对基于置信度的解码，顺序前向传播次数减少8%至37%，最大准确率下降为1.3%。在Dream-7B-Instruct的GSM8K上，1-batch与2-batch验证的吞吐量提升7.0%至13.6%，多批次验证在当前运行时下较慢。
说明张量网络数据模型：用于训练数据归因的新方法
简介该论文提出张量网络数据模型（TNDM），用低秩张量网络刻画训练数据单元之间的相互作用，弥补线性数据模型只能给每个训练单元分配固定贡献的不足。研究显示，模型在受控推理任务上优于所有基线，且只需观察一半的训练子集。在事实关联微调实验中，单个 TNDM-CP 将留出集 R² 从 0.579 提升到 0.668。
说明受神经启发的抑制性消息传递：提升多智能体推理准确率并节省令牌
简介论文提出一种无需训练的“抑制性消息传递”通信方法，用于多智能体系统。该方法针对每条证据句和每个接收方，抵消重复信息，使罕见但关键的证据保持可见，并排除发送方的推理与答案。实验显示，相较标准消息传递，同伴组准确率在三个基准上提升39至77个百分点，每次运行令牌消耗减少10%至46%。
说明DiffuPlan：面向扩散语言模型智能体的可编辑规划状态
简介该论文提出 DiffuPlan，一种扩散搜索智能体，维护一份可编辑的规划状态，在新证据出现时只重写受影响的步骤，而不是像自回归模型那样只能追加文本。作者还提出了用于可变长度修改的扩展-划分边缘化方法（EPM），并将扩散轨迹强化学习应用于多轮搜索。在四个多跳问答基准上，DiffuPlan 平均 F1 达到 50.24，并且可编辑规划状态使扩散智能体的 F1 提升 2.44，而其自回归源模型仅提升 0.47。
说明重复循环何时锁死：截断采样、有界惩罚与 DRY 的盲区
简介本文研究语言模型一旦陷入逐字重复循环后，是否仍能逃脱。作者在循环中上下文确定，可用一次前向计算精确求得各类采样器下的循环存活概率，并分析 top-p 与惩罚项的作用。文中指出广泛使用的 DRY 采样器存在盲区，并提出 DRY-C 方法，在多项测试中避免生成陷入长度上限的循环。
看点分析重复循环的逃逸条件并指出DRY采样器的盲区，提出DRY-C改进；实验覆盖11个开源模型和720次结构化生成，证据较充分。
说明多语言脑解码揭示共享的皮层语义几何结构
简介该研究提出多语言脑解码框架，分析了来自中文、英文和法文的227名参与者的脑部记录。结果显示，不同语言和个体之间的皮层语义表征具有一致的语义几何关系。这种跨语言一致性从感觉运动皮层到高阶联合皮层逐步增强，并与主要皮层功能梯度高度吻合。
看点提出跨语言共享的皮层语义几何并与主功能梯度对齐，基于227名被试的多语言脑解码，证据较充分。
说明SQuIREL：衡量维基数据中实体丰富度的情境相关框架
简介维基数据是一个庞大且异质的知识图谱，现有的“丰富度”质量指标多停留在本体层面，难以反映单个实体的结构深度。本文提出SQuIREL方法，从语义特异性、限定符密度、内部连通性、引用来源、外部网络连通性和语言可及性六个维度，直接在实体层面衡量丰富度。作者以巴西与法国油画、按国籍和性别分组的作家为案例，展示该指标如何揭示可能反映系统性偏见的表征不平等，例如48%的巴西油画属于低丰富度条目，法国组则为0%。
说明用于气象降尺度的球面物理信息神经算子（多尺度耦合）
简介本文提出一种球面物理信息神经算子，用于把全球气象场降尺度到区域高分辨率。方法包括球面拉普拉斯分解，将大气场分解为分层频率成分并保持跨尺度的逐点对应；以及基于几何感知注意力的局部球面积分算子，用于在任意位置计算。作者还在学习过程中加入可微约束以保持动力一致性。实验报告称该框架在多种气象变量和未见查询上具有更高精度和零样本泛化能力。
说明AtomSD：面向LLM智能体的程序原子引导自蒸馏方法
简介本文提出“程序原子”（Procedural Atoms），即表示意图、时机、操作和避免事项的细粒度可独立应用单元。基于此提出AtomSD框架，学习者从自身成功的交互轨迹中持续提取程序原子，并通过原子条件监督与任务奖励优化将其蒸馏进不断演化的策略。实验显示AtomSD在平均性能上优于强基线，最高超出最先进基线9.31分。
说明SuperClip金字塔用于视频时序定位
简介该论文提出SCVTG方法，用于根据用户查询在视频中定位时刻，涵盖时刻检索和高亮检测两个子任务。方法将相邻片段分组为语义连贯的SuperClip并构建多尺度金字塔，再用时间自适应核聚合不同时长和位置的片段，并设计相对显著性损失学习片段间的重要性。作者称其在五个视频时序定位基准上取得了最佳性能。
说明临床分诊中的原生概率输出：校准与决策准确性评估
简介本文评估 Jev 模型在患者分诊中的表现，该模型会对预设的行动方案输出概率。研究使用 CARE-Bench 中 439 个公开病例的 925 个决策点，将其与四个通用语言模型及三个与输入无关的基线进行比较。结果显示，Jev 的概率误差最低，但宏观 F1 值排名第四，并且在四选一任务中存在遗漏澄清需求的情况。
说明核验人工撰写的推理参考答案
简介本文提出一种以参考答案为中心的评估方法，检查人工撰写推理链中每一步结论是否被其引用的前提所蕴含，并进行完整前提复核和失败归因。在P-FOLIO数据集上，研究用大语言模型将步骤翻译为一阶逻辑，再用Z3求解器验证。386个推导中有202个（52.3%）通过全部检查。
说明几何感知插值用于逆问题：面向图像修复与重建的新方法
简介本文针对不完整或退化图像的视觉信息恢复问题，提出几何感知插值网络（GAIN），这是一个基于变分自编码器的框架。该方法利用数据流形的局部切空间结构构造几何相关的像素强度估计，并引入基于熵的正则化来指导空间变换参数的估计。在图像补全和分类基准上的实验表明，相比现有方法，GAIN 提高了预测精度并降低了计算成本。
说明面向标签投毒的图神经网络对比对抗训练方法 CoLAT
简介图神经网络在关系数据建模中有效，但少量被篡改的训练标签会通过消息传递在图中扩散错误。本文提出 CoLAT，一种基于对比学习的对抗训练框架，用对比嵌入识别标签与图结构不一致的高风险节点，并指导训练中的对抗性标签翻转。作者称该方法在多个基准上优于现有防御方法，并能扩展到大规模图。
说明MM-LeJEPA：面向多模态联合嵌入预测架构的相关高斯正则化方法
简介该论文把 LeJEPA 的任务假设扩展到多模态学习，认为多模态任务由两种模态各自独立的信息和两者共享的内容共同构成。在明确的假设下，作者推导出一个相关高斯嵌入目标，并借助解析变换将 SIGReg 方法适配到该目标，形成结合分布正则化与局部到全局预测的双项目标函数。在公开的视听分类基准上，该方法与代表性的开源方法相比具有竞争力。
说明MESS：用于可泛化图像增强的多曝光序列合成方法
简介该论文针对低光增强、曝光校正、逆光增强等在复杂光照下的图像增强任务，指出现有模型泛化能力有限，主要原因是缺乏大规模多样的成对训练数据。作者提出MESS框架，先从高位宽RAW图像渲染出多曝光序列，再训练扩散式生成器，从单张8位RGB图像合成类似的曝光序列，据此构建了50万对训练数据，训练的轻量网络在多种增强任务上泛化表现优于现有模型。
说明从视角到世界：面向视觉语言模型的三维世界主动探索
简介论文指出，现有视觉语言模型以被动的单视角方式感知，难以进行三维空间推理。作者提出View-to-World（V2W）框架，先从多视角图像重建带有几何、相机位姿和语义的三维世界，再通过视觉与语言接口让模型多轮交互地主动获取空间证据。该框架可免训练接入现有模型，并可通过强化学习优化探索策略，在空间心理建模基准上取得提升。
说明DataPraxis：通过经验证的工作区演化扩展分析任务
简介该论文提出 DataPraxis 框架，通过逐步丰富并经验证的工作区来合成数据分析任务，从而挖掘更深层的问题。作者构建了包含 5,000 条已验证轨迹的数据集 DataPraxis-5K，并用其训练了 DataPraxis-27B 与 DataPraxis-35B-A3B 模型。论文报告 DataPraxis-27B 在 DABStep 上得分 55.11，在 JobBench 上得分 51.9，与 GLM-5.2 等前沿模型相当或更高。
说明对话智能体是否需要显式记忆？与原始历史检索的受控对比研究
简介该论文比较了六种先进的显式记忆系统与直接检索原始对话历史的RAG方法，在LongMemEval-S和BEAM-100K两个基准上进行了原始及受控检索设置下的测试。结果显示，显式记忆仅在特定问题类型和严格的运行时上下文预算下有局部提升，相较于较强的原始历史RAG基线并无一致优势，且构建成本可达每段对话数小时。作者认为，检索是主要瓶颈，改善对已有信息的访问可能与构建更丰富的显式记忆同样重要。
说明知识分流：一种用于预训练可分解图像生成模型的新范式
简介大规模预训练模型中，源任务的知识与下游需求的知识往往纠缠在同一参数空间里，难以选择性复用。本文提出知识分流（KDiv），在预训练前把随机初始化的权重分解为秩一的知识单元，组织成可迁移的学习基因和专属的定制部分；预训练时通过条件感知路由，把跨条件共享的知识保留在学习基因中，把条件相关的差异引导到定制部分。实验覆盖类别、文本和图像条件的生成任务，结果显示KDiv在相近预训练成本下表现不低于稠密基线，并在可训练参数规模与低秩适应方法相当时取得最好的平均下游性能。
说明强化学习为推理带来了什么：几处基础模型本不会做出的决策
简介论文研究带可验证奖励的强化学习（RLVR）究竟给基础模型增加了什么。作者在 Qwen3-4B-Base 上进行生成时干预实验，在 120 道 AIME 题上测量各项干预能恢复多少强化学习模型的提升。结果显示，仅在两模型贪心选择不同的约 4% 位置借用强化学习模型的词元，即可恢复 90.5% 的 pass@1 提升；仅开头词元也能恢复约 35%，但后续替换带来的增益更大。
说明从预测到行动：面向数字医学的人群健康世界模型
简介该论文指出数字医学目前多以特定任务和结局的预测为主，并提出人群健康世界模型（PHWM），用于表示健康状态、个体轨迹、人群动态、干预、资源约束与反馈之间的耦合关系。作者认为，构建此类模型需要三项基本能力：在行动依赖观测下的表征学习、多尺度干预智能，以及带有明确决策边界的验证。
说明AI智能体能否制定法律？评估AI的法律相关性与创造力
简介本研究让单一大语言模型扮演多个角色，通过“宪制会议”的辩论起草一部面向“AI智能体社群”的假设性宪法。结果显示，各次会议都会收敛到一组稳定的基础条款，并围绕其提出多种不同方案，其中包括一些人类法律中没有对应内容的AI专属条款。作者还提出了衡量概念重组程度的指标，用以识别最具新意的法律内容。研究认为，AI目前能延伸既有法律观念，但尚未深入推演新情境会带来的变化，因此仍依赖人类的法律推理。
说明面向灾害相关社交媒体帖文分类的轻量级机器学习方法
简介本文研究在灾害社交媒体帖文分类中，轻量级词法机器学习方法能否在准确性与计算效率之间取得平衡。作者在CrisisBench v1.0英文人道主义任务（共87,455条记录）上比较了TF-IDF表示与多种轻量分类器，以Macro-F1为主要选择指标。所选模型在测试集上取得0.8282的准确率、0.6578的Macro-F1和0.8315的Weighted-F1，并分析了各类别表现、决策边界与热带气旋专用模型的效果。
说明好的判断，糟糕的建议：决策模型控制器提高了智能体成本，却没有提升成功率
简介该研究探讨一个类型化决策模型Jev能否让Claude Sonnet 5.5终端智能体在不降低表现的前提下变得更便宜。在Terminal-Bench 2.1上的21个保留任务（315次试验）中，Jev使每次尝试成本提高19%，而通过率相同（均为73.0%），也比对照的小模型控制器更贵。研究还发现，Jev的完成概率校准很差，常要求智能体验证本已正确的工作。
说明CaMeWM：用于肿瘤演化与治疗规划的因果医学世界模型
简介该论文提出CaMeWM，一个因果医学世界模型，用于模拟TACE术后肿瘤随时间的演化并辅助比较治疗方案。模型先筛选具有经验治疗支持的可比病例，再通过三维扩散模型生成病灶的后续影像，并利用反应-Cox模型将生成结果映射为受限平均生存时间（RMST）。在79组配对样本中，该模型在随访CT转变预测上取得0.618的SSIM，生成世界的生存C指数为0.615；基于事实数据的AIPW估计显示冻结策略的RMST增益为9.60周（95%CI 0.61至18.13）。
说明EdgeKernelBench：面向边缘后端的统一大模型内核生成基准与分层优化智能体
简介该论文提出EdgeKernelBench，用统一中间表示（IR）框架和分层基准，系统评测大语言模型在多种边缘设备后端上生成计算内核的能力。单次生成中，最佳模型的Correct@1为64.5%，但Fast@1.0仅25.5%，说明功能正确未必带来性能提升。作者进一步提出分层边缘内核智能体LEKA，在智能体评测子集上Fast@1.0达到43.5%，高于直接生成的13.0%和Claude Code的26.1%。
说明三维可变形人体模型中的不确定性传播建模
简介该论文研究如何把三维可变形模型（3DMM）参数空间的方差映射为每个顶点的方差。作者提出闭式局部不确定性估计方法CLUE，通过对3DMM公式应用全方差定律得到闭式近似，计算开销小且准确。实验显示，在训练中使用CLUE时，其在关节、网格和不确定性指标上优于概率与确定性基线，且不确定性与误差的Spearman相关性最高。
看点提出闭式近似将3DMM参数方差映射到逐顶点方差，并在网格恢复训练中验证优于基线，对子领域有实用价值。
说明频域成员推断不优于置信度阈值：分频带分析
简介本文检验一种广泛流传的说法：模型对已记忆样本依赖精细细节，因此降低输入分辨率会让预测迅速失效，从而暴露成员身份。作者对每张查询图像施加一系列零相位低通滤波，记录目标模型的置信度衰减并用十余种方式打分，结论是该说法不成立：在两种联邦ResNet-18模型上，最佳衰减分数的AUC均低于单一置信度阈值。
说明面向基于扩散模型的多光谱无人机多目标跟踪的光谱感知候选框增强
简介该论文针对多光谱无人机多目标跟踪中目标小、背景杂乱、帧间关联不稳定等问题，提出DSATrack框架。它通过轻量光谱编码器将多光谱信息融入RPN分支以生成更优候选框，并依据局部多光谱显著性对置信度进行校准。在MMOT基准上，DSATrack相比适配后的DiffusionTrack基线在HOTA、MOTA和IDF1上分别提升4.6、9.0和7.7个点。
说明Selm：面向多技能智能体优化的自进化技能库管理框架
简介大语言模型智能体常用“技能”获取特定任务知识，但已有方法缺乏对进化后技能的系统管理，难以跨领域复用和积累。本文提出SELM框架，将技能进化视为技能库层面的管理，通过维护置信度与效用信号，联合管理技能的检索、更新和生命周期。实验在四个涵盖不同任务与执行环境的智能体基准上进行，SELM在多数设置中表现更优。
说明Muse Glimmer 30B：一款可在本地设备运行的智能体模型
简介该论文介绍了开源的 Muse Glimmer，这是一个带感知编码器的 300 亿参数因果语言模型，面向消费级硬件上的自主智能体任务。模型接受文本和图像输入、输出文本，训练数据涵盖一百多种语言，并量化至约 4 比特以便单张 GPU 高效推理。原文称其在同规模模型的智能体基准测试（工具使用、多步规划、任务完成）中取得领先表现，并以 Apache 2.0 许可证发布。
说明通过基于变分EM的LLM-GNN协同发现文本属性图中的语义层级
简介该论文提出SHiFT框架，在期望最大化（EM）范式下让大语言模型（LLM）与图神经网络（GNN）协同工作，以学习文本属性图中的层级语义结构。E步中，LLM充当分类专家归纳显式语义树，并通过映射与诊断策略仅在检测到异常时更新层级以降低推理成本；M步中，GNN编码器从聚类划分、拓扑骨架和语义概念三个角度与该层级对齐。论文称SHiFT取得了最先进的性能，并能生成高质量、便于人类阅读的分类体系。
说明超越几何闭合：测量并诊断视觉动力学中的力学一致性
简介本文提出一套诊断框架，用于评估视觉动力学模型的视觉精度、几何有效性以及与施加力的一致性。研究在平面装配体和空间装配体上比较了多种模型，结果显示几何通过并不等于力学正确，作者借此区分坐标修正、数值改进与持续存在的力响应误差。
说明安全核心：面向大语言模型跨语言防御的机制性对齐方法
简介本文发现大语言模型中存在一组在多种语言间共享的少量安全相关神经元，称为“安全核心”（SK）。作者先用多语言平行的安全与不安全提示，通过激活响应对比得分（SCAR）筛选各语言的安全神经元，再取交集得到安全核心，并经激活抑制与激活状态迁移实验验证其功能相关性。在此基础上提出 SK-Masked LoRA，将低秩适配限制在对应安全核心的前馈网络输出维度上，实验显示其能显著降低多种语言的攻击成功率，包括未参与安全核心发现的语言，且对模型通用能力的影响总体有限。
说明激活监测器能从原始模型计算中获益多少？研究监测器依赖原始计算过程的程度。
简介该论文研究基于模型内部激活的监测器，在多个模型和两类反事实监测任务中，比较原始计算与改动后的文本之间的预测差异。结果显示，即使不接触原始生成轨迹，监测器仍能恢复大部分性能；但原生训练的监测器仍有小幅稳定优势，在总体上最多高出 0.014 AUROC。
说明HSPR：通过分层后验推断恢复软件智能体基准分数
简介完整运行软件智能体基准代价高昂，只用小部分任务又容易得到不准确的分数。本文提出分层分数后验恢复方法HSPR，结合源智能体拟合的响应因子与带不确定性的任务组成功率，并通过后验引导的自适应选题逐步更新估计。在SWE-bench系列的四个任务库上，以10%任务预算运行时，该方法在三个任务库上平均绝对误差最低，在四个任务库上最大绝对误差最低。
说明IntriAdapt：利用相机内参进行测试时自适应，以估计度量几何
简介该论文针对从图像恢复带真实尺度的三维几何这一病态问题，提出 IntriAdapt 测试时自适应框架。它不依赖深度传感器或外部先验，而是将相机内参作为输出端几何校验器，最小化点云射线与已知内参定义射线之间的闭式几何残差，并通过轻量 LoRA 适配器优化冻结的几何基础模型。论文还表明，用短视频序列适配后可泛化到同一相机拍摄的其他序列，并在十个单图与七个序列基准上优于未适配及使用真实内参的基线。
说明SCOPE-VSR：面向视频超分辨率的广覆盖训练数据集
简介本文针对开放领域视频超分辨率训练数据语义失衡、多样性不足的问题，提出结构化数据筛选流程SCOPE，结合面向任务的视频选择与分层语义再平衡，构建了约2.7万段视频的训练集SCOPE-VSR及测试集SCOPE-test。作者还提出用于单步视频修复的GraCo-VSR框架，通过可靠性感知设计和显式监督减少运动与纹理引导中的退化失真。论文称该模型在重建保真度和感知质量上表现较好。
说明面向小数据图像分类的多出口残差视觉Transformer动态自集成方法
简介本文针对数据量有限的小规模图像数据集，研究视觉Transformer（ViT）的表现。作者提出多阶段残差ViT模型ReSEViT，并采用自集成学习，在单一模型中集成多阶段分类器，同时引入动态学习器选择（DLS）机制自适应地调整各阶段的重要性。该模型结合残差令牌嵌入以建模局部结构，论文称其能在保持模型规模高效的同时，降低冗余、预测误差和方差。
说明TCMScience：面向中医药的自主科研智能体
简介该论文提出 TCMScience，一个用于中医药研究的自主科学知识发现智能体，把语言模型的提议与执行、发布权限分开，通过可信内核、科学编译器和证据契约约束结论。在银翘/葛根芩连汤的网络药理学分析中，背景蛋白替换前后显著通路数从 66 变为 0；治理消融实验中，121 个构造的错误输出在两层治理都启用时全部被拦截，10 个合规对照全部保留。
说明严重程度通道条件化：面向消费级设备去模糊的输入层级研究
简介该论文研究在iPhoneBlur消费设备基准上，如何利用由清晰目标图像部分推导出的模糊严重程度信息辅助去模糊模型的适配。在相同更新预算下，比较了输入拼接、全局特征调制、空间特征调制、对比输出目标及无条件谱损失对照等方法。结果显示，仅输入拼接使整体峰值信噪比由31.23提升至31.30 dB，其他方法未超过基线；但该结论基于推理时提供目标信息的诊断设定，作者也指出结果并不足以证明可靠的部署优势。
说明AdamPM：通过矩池化实现的内存高效大语言模型优化器
简介论文提出 AdamPM（带池化矩的 Adam），这是 Adam 优化器的一种简单变体，沿行或列方向把相邻的矩条目分组，每组用一个共享均值表示。作者发现只对二阶矩做池化最为有效，组大小为 s 时二阶矩内存降为原来的 1/s。实验涵盖语言模型预训练、微调和多模态学习，结果显示模型性能与训练速度基本保持，优化器状态内存显著减少。
说明CADS：衡量大语言模型提议者在序贯生物筛选中的增量贡献
简介论文提出 CADS（认证型智能体发现筛选）框架，用于在受控的错误率下衡量大语言模型作为提议者相对于无 LLM 算法循环的增量价值。在基于 DepMap 的模拟中，无 LLM 的循环本身即可通过反馈门槛，且原始命中计数会高估 LLM 的贡献。在初始 20 个随机种子上，向 Qwen2.5-7B 提供已测试候选历史后，其净贡献由 +0.35 变为 +2.90，但在 50 个种子的匹配配额复现实验中该效应未能持续。
说明用密码式训练提升稀有语言翻译中的上下文术语学习
简介论文研究基于上下文示例微调的翻译模型能否从示例中学会稀有术语的译法，并将此能力定义为上下文术语学习。作者提出RareCipherFT方法：将稀有术语替换为字符打乱的密码形式，使其只能通过从上下文复制来还原，并逐步调整密码化数据比例以保持翻译质量。在英语与泰米尔语、阿萨姆语、米佐语、尼泊尔语、豪萨语之间的七个翻译方向及1B至7B参数的四个模型上，该方法较标准训练提高了术语召回率，且未降低COMET分数。
说明场景自适应VLA：通过动态层路由实现高效自动驾驶
简介本文提出Scene-Adaptive VLA，一种借助动态层路由、根据实时场景调整激活参数量的高效视觉-语言-动作模型框架，用于自动驾驶以降低车载计算开销。方法基于帧间场景时序变化和决策偏差刻画场景复杂度，并通过预算条件的层路由机制选择层组合，整体端到端优化。在Bench2Drive基准上，应用于先进VLA模型时，推理计算开销减少53.5%，驾驶与语言能力下降可忽略。
说明DeliMF：融合结构化时间序列与临床文本的ICU早期谵妄预测模型
简介ICU谵妄患者常出现住院时间延长、认知下降和死亡率升高。本文提出DeliMF框架，用Transformer编码结构化生命体征、检验和用药时间序列，用临床文本编码器处理带时间戳的放射学报告，并通过门控交叉注意力模块融合两者。在MIMIC-IV新发病例队列中，DeliMF对有临床文本的患者提升显著，对无文本的患者也未出现性能损失。
说明面向干预条件下人类数字孪生的一致性合理性检验
简介本文针对可预测不同治疗方案结果的人类数字孪生，指出同一患者无法同时观察到不同治疗的结果，因此普通预测精度不足以证明反事实推断的可信度。作者提出一致性合理性检验（CPC）框架，结合真实世界证据、经过限定的模拟和临床知识，对因果论断进行审查，并给出通过、不通过或附原因代码的不确定结论。
说明病理性语音的语音识别个性化：准确率、效率与语音时长影响
简介本文研究在单一说话人、数据稀缺的情况下，用 LoRA 低秩适配方法个性化 Whisper 语音识别模型，以改善病理性语音的识别效果。作者比较了适配器放置位置与模型规模、训练效率及语句时长之间的关系。结果显示，扩大模型规模能降低错误率，但无法消除说话人差异；全注意力 LoRA 的准确率最可靠，时间与准确率的权衡也最好；中等长度录音受益最多，过短和过长的语句仍然困难。
说明表示会随训练演化：神经网络表示动态轨迹的刻画
简介该论文研究神经网络训练过程中表示几何随时间的变化，而不只看收敛结果。作者通过大规模实证研究发现三类反复出现的几何轨迹：持续高秩、先塌缩后恢复和持续低秩，并识别出一种病态的破坏性表示塌缩（DRC），即表示塌缩到秩一且无法恢复。论文指出，在受控设定中，先塌缩后恢复通常与成功优化相关，但在真实模型上，几何轨迹与优化结果的关系取决于具体配置。
说明AutoSwarm：自动化智能体群协作框架
简介本文提出 AutoSwarm，一个用于协作解决问题的多智能体框架。它通过明确各智能体的职责边界与验收条件来组织协作，并借助共享状态、依赖与监督关系协调执行，根据审阅反馈调整后续行动。论文称，在长周期编程、交互式规划和专业金融分析等实验中，该框架优于单智能体基线和现有多智能体框架。源代码已公开。
说明库存约束下顺序做市的无悔收益最大化
简介本文研究做市商在库存受限条件下，如何在买卖双方估值未知时通过无悔学习（regret minimization）最大化收益。若做市商只能观察到交易成功或失败，算法的遗憾与库存上界均与T的2/3次方成比例；若能获得失败交易的完整订单簿数据，上述界限显著改善至T的平方根。文章还通过下界证明：每轮库存限制越严格，最小遗憾必然越高。
说明面向检测数据增强的可控多目标插入方法
简介本文提出SceneP2F，一个两阶段可训练框架，用于在图像中按指定类别和数量插入目标，以扩充目标检测数据集。其中ScenePlan负责为每个请求实例规划场景兼容的中心位置与框大小，SceneAlign-Fill负责将规划的目标渲染到图像中并尽量保持原始内容不变。作者在UAVDT、VisDrone和BDD100K三个基准上进行实验，结果显示该方法优于代表性的通用编辑方法和目标插入方法。
说明从故事到特征：扩展概念向量用于AI对齐与可解释性
简介本文研究语言模型激活空间中对应可解释概念（如诚实、欺骗）的特征向量。作者不试图恢复全部特征空间，而是针对与AI安全和对齐相关的概念，生成概念与对立故事的合成配对，并以两者模型激活均值之差作为特征向量。该方法扩展到1036个概念和约200万篇合成故事，并公开发布，在六个模型上可泛化用于检测对话与网页文本中的相应概念。
看点用合成故事对的激活差作为概念向量，扩展到1036个对齐相关概念，并在多模型上验证泛化与可操控性，对可解释性研究有实质推进。
说明面向3D高斯泼溅的编解码器兼容学习型压缩
简介本文提出CCT-GS框架，用于压缩3D高斯泼溅（3DGS）数据。它先学习一种通用的球谐系数变换，把高维球谐非直流分量映射为便于视频编解码器处理的紧凑瓶颈图，再通过基于LoRA的场景自适应补充场景细节。在MPEG GSC序列上的实验显示，该方法优于代表性的基于视频的基线，相对基于视频的锚点平均BD-rate降低51.30%。
说明CARVS：面向人机协作仓库的在线多智能体取送货拥堵感知算法
简介本文提出人机协作多智能体取送货问题（MAPDwHC），在经典多智能体取送货问题上加入人类行为的不确定性，例如机器人因与人交互而临时阻塞路径，并要求实时响应。作者据此提出CARVS算法，通过任务交换、有效性检查和随机初始化来改进任务分配与路径规划。仿真结果显示，在大规模场景中，CARVS明显减少了路径规划超时情况，传统MAPD算法在这些场景中会失败。
说明基于正交偏光配对的无标注少样本岩石薄片分类
简介该论文研究在没有任何已鉴定训练薄片的情况下，如何对未见过的岩石类型进行少样本识别。作者提出交叉偏光配对（XPP）方法：把每张薄片视为一个伪类别，将同一视场的单偏光与正交偏光图像配对作为正样本，使模型依靠颗粒形状和纹理而非颜色进行匹配。在南京大学的108类岩石数据集上，该方法在无标注方法中平均表现最佳，并与用78类已鉴定岩石训练的有监督模型相当。
说明基于二阶损失动态的理论指导型实例级早停方法（TG-IES）
简介该论文分析了实例级早停（IES）中使用的二阶损失差分准则，在明确假设下给出理论依据，并推导出噪声校准的掌握阈值与实例排除的条件稳定性界。作者提出TG-IES，其停止阈值与耐心参数由训练统计量得出。在CIFAR-10和CIFAR-100上，TG-IES在主要卷积设置中节省53%至58%的反向传播实例，精度与完整训练相差0.1至0.9个百分点；在ResNet-18/CIFAR-10设置中，按FLOP归一化节省35.7%。该方法在ViT-Tiny上也有效，但节省较少且精度有小幅损失。
说明EGIP：面向临床智能体的证据约束交互协议
简介本文提出EGIP协议，用于规范临床智能体在问诊和检查中获取证据的过程。它限定各角色的信息边界，只展示可执行的检查项目而不泄露结果，并从存档临床记录中调取检查结果，再整理已获取的证据用于最终判断。在两个框架、五个数据集和六个语言模型上的评测显示，EGIP的诊断准确率优于原生基线；临床医生复核还表明，自动判定正确且证据被共同认定有依据的回答比例由10.20%升至36.55%。
说明用全一阶预言机加速有限和双层优化
简介本文研究目标为有限和形式的非凸-强凸双层优化问题，只使用梯度信息。作者提出SICBO方法，结合惩罚近似与下层变量的方差缩减修正。在分量级下层强凸条件下，该方法达到平方根级别的有限和依赖，并在光滑问题上保持已知最好的确定性全一阶条件数指数。
说明一次写入、多次查询：为长视频演化紧凑可复用记忆
简介长视频往往超出多模态大模型的上下文容量，而智能体式搜索每次提问都要重复处理视频。本文提出Video-EMem，以带时间锚点的感知观察构建可演化的视频记忆，由写入器一次性编码视频，由读取器仅依据记忆检索并组织证据。在三个长视频问答基准上，该方法相比直接输入2048帧，平均提升Qwen3-VL-30B准确率2.6%，存储量平均减少约99.86%。
说明面向联邦学习的多步惯性ADMM算法
简介本文针对联邦学习中ADMM方法通信开销大、系统异构等问题，提出一种名为MiFedADMM的多步惯性ADMM算法。该方法在服务器端每次聚合后，利用多个历史迭代点构造高阶外推以加速收敛。在温和假设下，作者为其单步变体建立了收敛结果，并给出O(1/K)的收敛速率。合成数据和真实数据上的数值实验显示，该方法优于现有方法。
说明从评分到诊断：面向符号回归的与搜索无关的事后诊断方法
简介符号回归求解器大多只依赖一个低信息量的标量适应度分数，难以说明公式为何失败或如何修改。本文提出PostDiag，一种可与不同求解器共享的与搜索无关的反馈机制，通过分块特征刻画局部行为，并结合两类风险进行诊断。实验显示，该方法在多种基于LLM和基于GP的符号回归求解器上都能提高精度并加快收敛。
说明用于长时程具身世界模型的结构化潜在动力学
简介论文提出HWM框架，把世界模型的潜在状态放入由广义坐标和动量构成的相空间中，并用耗散哈密顿动力学推演未来状态，再通过可学习的逆映射回到原有潜在表示。该方法可嵌入现有世界模型而无需改动感知和解码部分。在受控仿真中，相比无结构潜在动力学，它能更准确地估计速度、加速度和加加速度，并显著降低长时程能量漂移；在三种具身世界模型设置及真实AgiBot World轨迹上也有提升。
说明基于高斯泼溅与热状态空间动力学的时空温度场重建与预测（GTSM）
简介该论文提出高斯热状态空间模型（GTSM），可仅从二维观测恢复四维时空温度场，无需预设三维模型或热力学方程。模型以共享的场景级隐过程与各高斯元的局部热状态描述热演化，并用可微RK2积分推进。它可与静态或动态高斯泼溅结合，支持新视角热渲染与未来时刻热状态预测，实验表明其重建精度与时间外推能力优于代表性基线。
说明面向恶劣天气的对比超图无源域自适应目标检测（扩展版）
简介恶劣天气（雾、雨、雪、低照度）会严重降低图像可见度，使仅用晴天数据训练的目标检测器表现下降。在源数据因隐私或传输限制无法获取时，需要无源域自适应方法。本文提出REUNION框架，在目标域的候选目标上构建对比超图，编码图像内上下文、天气感知分组、基于原型的语义锚点以及可靠与低置信实例之间的不确定性连接，并通过组级Hyper-InfoNCE目标优化超边层面的表示。作者称该方法在多个基准上缓解了域偏移，并在无源域自适应设定下取得了当前最优的性能。
说明面向弦乐四重奏的乐谱光学识别工具
简介本文提出一种针对弦乐四重奏PDF乐谱的光学音乐识别（OMR）系统。方法先用基于SegNet的分割模型定位乐谱区域，再用卷积神经网络与图像处理技术识别并提取音乐符号。为提高节奏精度，系统利用动态规划约束拍号并专门处理连音组。在基准数据集上，使用最长公共子序列指标评估，结果显示音高、起始时间、时值和变音记号的识别具有较好的准确性。代码与数据已公开。
说明将EEG空间超分辨率重新视为动态状态分解与滤波
简介本文把连续脑电（EEG）的空间超分辨率问题表述为序列状态滤波，即从稀疏电极观测恢复高密度脑电信号。提出的动态状态滤波（DSF）将可预测的历史演化与当前观测带来的新变化分开建模，并通过拓扑感知的转移算子和不确定性感知的状态修正进行融合。作者报告在SEED、SEED-IV和BCI2000数据集上，DSF提高了重建保真度和下游任务效用，并在稀疏观测动态变化或不可靠时保持稳健。
说明VisConf：面向视觉语言模型推理中 Best-of-N 的质量感知共识方法
简介该论文针对视觉语言模型（VLM）的 Best-of-N 推理，提出质量评分 VisConf，将视觉关注度与校准后的自我确定性（Self-Certainty）相乘结合，两项信号都弱的生成轨迹会被降权。论文还提出免调参的排序加权共识规则 RWC，将问题内的 VisConf 排名转换为答案投票权重。作者报告在 MathVista、MMMU-Pro 和 MMStar 三个基准上，三款 VLM 使用该方法均优于较强的 BoN 基线。
说明利用神经算子输运代理与不确定性量化，重建托卡马克等离子体中未被观测的核心电子密度
简介该论文针对托卡马克等离子体电子密度剖面难以完整观测的问题，用傅里叶神经算子（FNO）作为输运求解器的快速可微代理模型，通过反射测量与干涉测量反推一维粒子输运方程的系数，从而重建密度剖面。文中比较了四种不确定性量化方法，并用CRPS与覆盖率校准分别评估观测区域和未观测区域的结果。作者在合成数据和DIII-D实验放电上，将该方法与标准解析函数拟合进行了比较。
说明MOMO：从移动声音生成人体动作
简介该论文提出一项新任务：根据动态空间音频生成人体动作，即人对随声源位置变化而产生的反应。作者发布了两个动作捕捉数据集DySAM和DySAL，并提出基于扩散模型的MOMO框架，通过直接从双耳音频估计声源方向、提取音频语义特征，并结合这些信息生成动作。实验显示MOMO在动作质量、音动对齐和物理合理性方面优于现有基线。
说明比较稀疏化 MLP 与转码器：许多转码器特征实为伪装的神经元
简介该论文指出，Transformer 语言模型中的 MLP 神经元常被认为具有多义性，转码器常被用作可解释的替代模型。作者定义了与单个 MLP 神经元权重高度对齐的“神经元特征”，发现在 13 个开源转码器的后层中，这类特征占活跃特征的相当比例。作者认为，MLP 神经元可能比通常假设的更适合作为可解释性的基础，并呼吁更好地归因模型所使用的非神经元结构。
说明HABIT-Bench：评估智能体记忆能否从长期弱证据中归纳用户习惯
简介该论文提出 HABIT-Bench 基准，用于检验大语言模型智能体的记忆系统能否从零散、不完整的历史交互中归纳用户习惯，并将其用于后续请求。基准基于任务型对话数据和受控习惯图构建了覆盖食品、金融、软件和旅行四个领域的合成用户历史，并包含临时例外、习惯变化和未被接受的建议等四选一任务。评估八种记忆方法的结果显示，最佳方法的四领域宏平均准确率为 33.61%，即使直接提供标注证据，表现仍然有限。
说明面向物理推理的公理化世界建模（RLAWM）：训练时惩罚模型对物理世界的错误建模，提升推理表现
简介论文指出大模型在物理推理中的一类失败源于"建模漂移"：模型悄悄改动题目条件、编造定律或加入未给出的假设，然后在被扭曲的世界中推理。作者提出RLAWM方法，在训练时通过建模与求解两级物理奖励，惩罚模型内部公理化世界模型与真实物理世界之间的偏差。据摘要，该方法在PhysReason上最多提升12.2分，在PHYSICS上提升5.2分，且推理时无额外成本。
说明通过物理引导的神经网络修正提升浑浊介质中解析光传输的精度
简介该论文提出一种物理引导的残差学习框架，以扩散近似等解析模型作为物理先验，让神经网络只学习解析预测与蒙特卡洛参考结果之间的残差。相比扩散近似，该方法在标量反射率和空间分辨反射率上的误差分别约降低62倍和14倍；仅用1%训练数据，误差相比直接神经网络替代模型分别低约87%和93%。
说明M²Net：统一尺度特定结构与原型分解的时空预测模型
简介本文提出名为M²Net的时空预测框架，用于城市管理等场景。它通过多尺度掩码注意力机制，随时间尺度变化学习不同的空间依赖关系；并通过原型残差学习模块，将全局共性模式与节点特有偏差分离。作者称该方法在真实数据集上的实验中优于现有基线模型。
说明ProbePO：稀疏探针、重新分配信用的无评论者大模型强化学习方法
简介该论文针对带可验证奖励的大模型强化学习中，一条推理轨迹只有一个终局奖励、难以区分各步贡献的问题，提出ProbePO方法。它在有限采样预算下，用无需奖励的不确定性分数选择部分解题状态，并在有上限的续写预算内估计其期望验证奖励，再把GRPO的轨迹级优势重新分配到各个token上。在DeepSeekMath与Qwen系列1.5B至7B模型的实验中，ProbePO整体优于GRPO，并在相对稠密探针的VinePPO方法上以更少的训练时间取得更高准确率。
说明TopoCompile：带精确全局计数约束的分子生成
简介该论文提出 TopoCompile，一种分子生成方法，用于设计满足指定分子大小、元素组成和环数等全局计数约束的新分子。方法以完整环系和单个原子组成的树结构表示分子，结合自回归 Transformer 与动态规划编译器，在解码时屏蔽无法满足目标的动作，从而保证支持的计数精确相等。作者报告在四个基准数据集上，该方法在常见与稀有目标组中达到100%的精确有效率，并在无条件生成的有效性或有效-唯一-新颖性指标上领先。
说明共形预测量化的是哪一种“不确定性”？
简介本文研究共形预测（一种无分布假设、保证覆盖率的后处理校准方法）输出集合大小所反映的不确定性。作者指出，完整共形预测与分割共形预测之间的集合大小差异，与贝叶斯后验方差（即模型的认知不确定性）直接相关。该差异由两种相反效应共同构成：额外校准数据带来的模型精度提升，以及模型对测试点各可能标签的“可形成性”。文中还提出，不经预测集合量化、仅通过估计后验方差得到的模型可形成性，可作为衡量认知不确定性的工具，其在多种实验设置下与现有最优方法相当。
说明去噪隐式变分推断：用去噪得分匹配直接学习边缘得分，加速并稳定 ELBO 梯度估计
简介该论文针对半隐式变分推断（SIVI）中证据下界（ELBO）梯度难以计算的问题，提出去噪隐式变分推断（DIVI）。DIVI 通过去噪得分匹配直接学习边缘得分，并将其作为重参数化 ELBO 梯度中的插件估计量，用一次得分网络评估取代内层的反向条件采样。作者将其分析为非精确随机梯度上升，并在所列假设下给出平均平稳性度量的误差界。实验表明，在合成分布和多个真实数据贝叶斯推断任务上，DIVI 优于现有 UIVI 基线，同时降低了 ELBO 梯度估计的计算成本。
说明BEM：为流匹配模型学习用于概念擦除的Bregman散度
简介该论文提出BEM（Bregman erasure matching），用于从FLUX、Stable Diffusion 3等流匹配文生图模型中擦除有害、隐私或受版权保护的概念。BEM通过双层优化学习Bregman散度，使微调后的模型在未见提示上遗忘目标概念，同时保持无关生成内容不变。在裸露、暴力、真实身份和受版权角色等实验中，按照GEM的评估协议，BEM在多数设置下比GEM擦除得更彻底，但对某些概念的保留效果较好，对另一些则有所下降。
说明GazeAct：用于注意力正则化策略的人类注视标注机器人操作数据集
简介该论文提出 GazeAct，一个带有真人注视标注的真实机器人操作数据集和训练框架，用于多视角视觉-语言-动作策略。研究者在屏幕遥操作中记录操作者在机器人相机画面上的注视，共 12000 条示范，覆盖 40 个任务和 5 个领域。训练时用注视目标规范语言条件下的视觉注意力，推理时不需要注视输入；在 18 项真实任务中平均成功率从 48.1% 提升到 58.6%。
说明SAP-Depth：面向自监督单目深度估计的场景自适应概率框架
简介本文提出SAP-Depth，一种用于自监督单目深度估计的新架构，旨在解决细节丢失和对不同场景结构适应性不足的问题。模型通过可学习参数预测器自适应估计场景相关的深度分布，并利用Bin级概率分布解码器融合多尺度特征以预测稠密深度概率分布。在KITTI数据集上的实验表明其精度优于现有方法，尤其在保留复杂边缘细节方面；在Make3D数据集上的测试也验证了其泛化能力和鲁棒性。
说明HiPPO功能记忆：用于不规则时间序列的可按坐标查询注意力机制
简介该论文针对不规则时间序列，提出HiPPO功能记忆模型（HiPPO-FM），把不规则观测历史压缩为可在任意时间坐标上查询的固定维功能状态，无需为每次查询重新处理观测历史。论文在连续坐标重建、不规则表示学习、真实数据外推和事件序列预测等任务上进行了实验，结果显示该方法较强的不规则时间序列基线有所提升。压缩后的状态可在不同查询集之间复用。
说明视觉语言大模型在选择题中的长度偏好与稳健性研究
简介该论文研究大型视觉语言模型在选择题问答中存在的“长度偏差”，即倾向于选择更长的选项。实验显示，即使选项与图像不一致，模型仍偏好长选项，且偏差在不同模型规模中都存在。作者发现偏差源于后层对视觉证据的抑制，并测试了多种推理阶段的缓解方法，但这些方法都只能部分改善，尚无可直接部署的方案。
说明TideKV：通过分层分块预填充实现延迟KV淘汰，以降低长上下文LLM推理的显存占用
简介该论文针对长上下文大语言模型推理在提示词预填充阶段峰值显存过高的问题，提出TideKV，一种在GPU上构建KV缓存的架构，采用按层优先的延迟淘汰策略：每个Transformer层处理全部提示分块，仅为当前层保留完整提示的KV，并在层结束时进行淘汰。实验表明，该方法在所评估的压缩方法中保持了推理质量和最终缓存大小，并在A100、RTX 4090和Jetson等平台上显著降低了构建阶段的瞬时显存占用，并使更长上下文（如128K）的预填充成为可能。
说明当不忠实需要计算时，思维链仍可被监控：在十一个模型上复现并扩展必要性效应
简介该研究复现了 Emmons 等人（2025）关于大模型思维链与提示线索关系的实验，覆盖六个模型系列中的十一个模型。结果显示，简单线索的跟随效应普遍存在，而隐蔽的复杂线索跟随多数接近基线。研究还在五类线索和三个难度级别上考察思维链必要性与不忠实性的关系，发现二者关系依赖于任务和模型。
说明CodecMotion-OAD：利用压缩域运动信息的高效在线动作检测
简介该论文针对流式视频中的在线动作检测，指出光流计算是主要瓶颈。作者提出CodecMotion-OAD，用解码器提供的编解码运动矢量替代光流，并保留现有时序检测架构，通过两阶段训练与RGB+Flow教师模型结合。在THUMOS'14数据集上，其mAP为68.3，对比匹配蒸馏的RGB+Flow的70.9；处理时间在CPU上缩短约11.48倍，在GPU上缩短约2.04倍。
说明ConCI：用于评测大语言模型情境完整性的受控反事实基准
简介该论文提出 ConCI，一个受控反事实基准，用于检验大语言模型是否真正依据情境判断个人信息共享是否恰当。每组样本包含一个锚定信息流和两个各只修改一个情境参数的反事实版本，只有三者都判断正确才计分。结果显示，许多模型在锚定样本上答对，却在至少一个反事实上出错；模型对不恰当信息流判断较准，对恰当信息流较弱，且倾向于持续判定为不恰当。
说明Backend-Frontend Converter：基于组件把 .NET 计算模型转换为 TypeScript 的工具
简介论文提出一种架构，将 .NET 中基于组件的计算模型自动生成 TypeScript 实现，使其能在网页中本地运行。作者用四个轨道场景和一个交易策略案例评估生成代码，并与 C# 结果逐项比对。结果显示两边输出在时间戳和数值上基本一致，位置与速度差异很小，并且比对方法能检测出人为设置的扰动。
说明VBO-MI：一种基于变分互信息估计的可微黑箱优化框架
简介该论文提出VBO-MI，用于优化只能通过带噪声评估获得结果的昂贵黑箱函数，属于贝叶斯优化的一种全梯度实现。方法采用行动网络与变分评论网络组成的actor-critic结构，并用回放缓冲区训练轻量代理模型，使每轮只需一批真实函数查询。作者在高维合成函数及轨迹规划、Lunar Lander和害虫防治等任务上测试，称其表现与基线相当或更优。
说明DYNARTmo中的声道声学、气动学与重叠相加合成
简介本文介绍DYNARTmo动态发音模型的声学和气动学扩展，用于可视化和合成语音发音。手势控制轨迹决定声道几何形状，并转换为包含鼻腔分支和有效侧向通道的声管；集总气动网络联系声门运动、肺压与气流及声门上压力。作者以德语词Tasse、Muse、Lade进行示例说明，并称该实现主要由作者优化以提高可辨识度，独立的感知评估尚未完成，擦音噪声的自然度仍需改进。
说明气候错误信息论述模式建模
简介既有研究多只依据单条评论文本判断气候错误信息。本文以大规模TikTok气候讨论数据集为对象，将评论聚类为反复出现的修辞模式，即“论述画像”，并以晚融合架构加入分类器。在按视频划分的评估中，加入论述画像的模型在多种表示方法上提升了宏F1值，而RoBERTa-large的改进不具统计显著性。
说明从匿名群体反馈中学习可调节的多元策略对齐
简介该论文提出 Preference-PCA Pluralistic Learning（P3L）框架，用于让AI从不同人群的偏好中学习，并针对个人用户进行个性化调整。方法无需标注者身份，通过PCA分解从异质群体反馈中联合学习轨迹嵌入与偏好方向的共享基底。论文称其在多个具身控制任务上可泛化到分布外的新用户，并以较低计算成本获得有竞争力的强化学习与测试表现。
说明MedPAO-Assist：可在边缘设备运行、面向影像类型的放射科报告结构化智能体系统
简介该论文提出 MedPAO-Assist，一个可在本地边缘设备运行的多智能体框架，将放射科医生的口述和语音指令直接生成结构化报告。系统使用约 0.6B 参数的小型语言模型，在普通笔记本 CPU 上峰值内存约 3.3 GB，平均端到端延迟约 31 秒，无需联网或外部 API。目前支持胸部 X 光、胸部 CT、腹部 CT 和脑部 MRI 四类影像。
