Atoms, Not Knowledge: What Production-Scale Addressed-Memory Writes Deposit
说明原子而非知识：大规模可寻址记忆写入到底存了什么
简介本文研究确定性哈希寻址条件记忆能否在事后注入知识，并在从124M到7B的多种模型以及大型FP8模型上测试写入效果。结果显示，写入只能被独立检索、精确寻址和撤销，无法组合成推理；两跳组合未超过单跳基线，协同效应始终缺失。作者提出分层评估协议，并建议部署前报告覆盖率、协同比率和失真率。
SENRI: Understanding the Space-Event Nexus in Real-Life Videos
说明SENRI：理解真实生活视频中的空间与事件关联
简介该论文提出SENRI任务，研究长时程第一人称真实生活视频中事件与空间场景之间的关联，包含从事件推断空间及从空间检索事件两个方向的六类任务。作者构建了SENRI-Bench基准，含500道人工标注的选择题，覆盖约25.3小时的视频。论文还提出SENRI-Agent，通过目标引导的视觉检查机制改进现有记忆方法的表现。
Shared-Private Cross-Modal Discrepancy Learning for Imbalanced Multi-Source Audio-Visual Deepfake Detection
说明面向不平衡多来源音视频深度伪造检测的共享-私有跨模态差异学习
简介论文针对训练数据来自多个来源、各来源样本分布不均的音视频深度伪造检测问题，在FakeAVCeleb和LAV-DF上研究已知来源条件下的检测方法。作者在多尺度跨模态Transformer编码器（MSCT）前加入共享流与来源私有流的特征融合机制，并通过门控残差模块把私有特征注入共享表示。实验显示，在两种受控来源组成方案下，宏平均和最差来源AUC均优于MRDF与MSCT基线。
Learning When to Abort in Transformer Planning: A Mechanistic Study
说明Transformer规划中何时中止：一项机理研究
简介本文研究Transformer在图路径规划中识别错误的能力。作者训练模型在生成非相邻节点等无效转移时输出中止标记，并分析其内部机制。实验显示，检测无效转移后配合重试，可提升图、倒计时游戏和迷宫任务上的规划可靠性。
Aligning Language Models with Indigenous Community Cosmovision through Constitutional AI
说明通过宪法式AI使语言模型与拉丁美洲原住民社群的世界观相契合
简介大型语言模型主要基于西方英语世界的语料训练，在涉及土地、社群权威和人与自然关系时可能不符合原住民社群的观念。本文以五位原住民领袖与维权者的访谈为基础，制定了包含12项原则的文化宪法，并分两个阶段（监督微调与直接偏好优化）实施宪法式AI训练。仅用24组偏好数据，模型在代际传承、语言谨慎性以及咨询与同意方面出现了可察觉的改善。
World Model Interpretability: From Decoding Representations to Understanding Latent Worlds
说明世界模型可解释性：从解码表示到理解潜在世界
简介本文是一篇观点性文章，探讨联合嵌入预测架构（JEPA）从表示学习转向用于预测、规划和控制的潜在世界模型。作者指出，这些潜在世界缺乏人类可理解的接口，因此可解释性需要从“编码了什么”转向潜变量如何相互作用、演化并因果驱动预测。文章提出包含“奠基、结构、验证、行动”四个阶段的研究议程；其中奠基阶段已有早期的JEPA可解释性研究支持，而结构分析、因果验证和干预等方面仍基本未被探索。
MotionShift: Environment-Compatible Motion Transfer via Planner-Evaluator Synergistic Adaptation
说明MotionShift：基于规划器-评估器协同适配的环境兼容运动迁移
简介现有运动迁移方法擅长把参考视频中的动作精确复刻到目标场景，但往往不考虑迁移后的动作与目标场景环境是否符合物理规律。本文提出MotionShift框架，由大语言模型作为规划器生成运动轨迹，视觉语言模型作为评估器修正运动，无需训练即可使动作适配目标场景，再以该轨迹作为条件驱动图像生成视频（I2V）模型渲染视频。作者称其在多样复杂场景中实现了高保真且物理兼容的运动迁移，并可集成到现有轨迹条件I2V模型中。
The Explainability Illusion: Must ViTs Exhibit Patch-Decoding Interpretability?
说明可解释性幻觉：ViT 是否必然表现出逐块解码的可解释性？
简介本文研究视觉 Transformer（ViT）分类器中，对单个图像块令牌进行解码所得结果是否可解释。作者在多种架构、规模和训练目标下，通过受控实验与真实模型进行系统分析，发现部分模型的解码结果可解释，另一些则出现反向或与图像语义完全不相关的情况。结论是，这种可解释性并非训练后 Transformer 的固有属性，而取决于具体问题设定，因此不应被默认假设成立。
Vision as Proprioception: Estimating Humanoid Robot Pose from Video
说明视觉即本体感知：从视频估计人形机器人姿态
简介该论文提出 HumanoidPose 框架，仅通过视频恢复人形机器人在世界坐标系下的全身关节构型。方法结合预训练的人体姿态特征与机器人运动学，并将人体动作重定向到十六种人形机器人本体上进行学习，同时利用无标注的在线视频自训练二维机器人姿态检测器。在三个真实人形平台上，关节角误差相对最佳基线有所降低。
A discrete-continuous-time stochastic framework for attention-deficit/hyperactivity disorder-related symptom modeling and pharmacological intervention via methylphenidate
说明用于注意缺陷多动障碍相关症状建模及哌甲酯干预的离散-连续时间随机框架
简介本文提出一个数学与计算框架，把哌甲酯视为作用于注意缺陷多动障碍（ADHD）非线性动力学的最优控制策略。作者将ADHD的神经过程视为随机过程，其轨迹趋向与临床症状相关的稳定但功能失调的模式，并把药物干预形式化为改变系统漂移、使轨迹转向典型神经状态的外部控制信号。为连接理论模型与临床数据，研究使用一种确定性混合深度学习架构（结合一维卷积神经网络与视觉Transformer）从预处理后的功能磁共振成像数据中推断潜在表示。
Learning Lane-Structured Conditioning Fields for Online HD Mapping
说明学习用于在线高精地图构建的车道结构条件场
简介本文提出Lane Field，一种与鸟瞰图对齐的稠密几何表示，在每个空间位置编码局部车道结构，既可由车载观测预测，也可由外部地图先验构建。基于该表示，作者设计了即插即用框架，通过鸟瞰特征调制和可变形注意力引导两种机制提升在线高精地图构建效果。在OpenLane-V2上的实验显示，该方法能持续改进现有方法，并在车道段感知上取得最优性能。
Data-driven forecasting of tropical cloud forest phenology: A dynamical systems and machine learning hybrid approach
说明热带云雾林物候的数据驱动预测：动力系统与机器学习混合方法
简介本研究提出一种结合动力系统理论与机器学习的数据驱动混合方法，用于预测开花和结果周期。研究使用委内瑞拉热带云雾林35年的数据，依据类似Takens定理的延迟向量重建系统状态空间，并纳入温度和降水等气候驱动变量，采用高斯过程回归进行训练。作者称该模型对开花和结果的预测精度更高，并能给出不确定性估计。
Bridging Concepts: Multi-Agent Reasoning over Scientific Concept Graphs for High-Impact Research Prediction
说明连接概念：基于科学概念图的多智能体推理，用于预测高影响力研究
简介该论文构建了科学概念图（SCG），节点为从论文中由大模型抽取的细粒度研究概念，边表示概念在论文中的共现。研究目标是预测当前尚未关联、但一旦关联便会产生高影响力的概念对。作者基于 CIKM、KDD、SIGIR 论文构建了新的基准数据集，并提出 MiroGraph 多智能体框架，实验显示其优于多种影响力预测与时序链接预测方法。
Holo4D: Holistic 4D Reconstruction as Geometric Control for Video Diffusion
说明Holo4D：将整体4D重建作为视频扩散模型的几何控制
简介这篇论文提出Holo4D，一个视频重拍框架，用于在新的相机轨迹下从单目视频生成新视角视频。方法先用前馈4D重建器恢复源视频的三维轨迹，将其投影到目标视角并编码几何与外观，作为引导信号输入预训练的视频扩散模型。实验表明基于轨迹的条件控制有助于相机控制和新视角合成，且无需重新训练生成器即可适配不同的4D重建器。
GeoART: Geometry-Aware Refinement via Test-Time Scaling for Camera-Conditioned Video Diffusion
说明GeoART：面向相机条件视频扩散的测试时几何感知精修方法
简介摄像机条件视频扩散模型常因相机约束与几何估计在去噪中约束较弱而出现相机控制不准和几何不一致。GeoART是一种无需训练的自精修框架，在去噪过程的选定步骤中生成多个候选并用几何先验评估，不直接修改去噪轨迹。实验表明，它在相机可控性、多视角一致性和视觉质量上优于现有采样与自精修方法，且无需训练或修改预训练模型。
EG-GRPO: Evidence-Guided Step-level Credit Assignment for Deep Search Agents
说明EG-GRPO：面向深度搜索智能体的证据引导步骤级信用分配方法
简介该论文针对基于大语言模型的深度搜索智能体，提出证据引导的组相对策略优化方法（EG-GRPO）。现有强化学习训练主要依赖整条轨迹的结果奖励，对搜索与推理过程的监督有限。该方法利用合成深度搜索数据中的证据标注，为每条所需证据找到首个支持引用并构建步骤级过程奖励，并将其与轨迹级结果优势结合。论文报告在五个深度搜索基准上，该方法在不同模型规模下总体优于标准GRPO及其他基线。
SPARC: Spoken Profile Authorship Recognition Corpus
说明SPARC：口语作者身份识别语料库，检验转写文本是否泄露说话人信息
简介本文研究仅凭转写文字能否判断两段语音是否来自同一说话人及其性别、年龄、口音等属性。作者基于两个播客语料库构建了 SPARC 基准，包含超过 12,500 名说话人和 150 万条经质量筛选的话语。实验显示，大语言模型仅凭文本就能区分同一说话人的配对；对性别和口音标签的核验也高于随机水平，而仅发布 50 词的短探测文本可在一定程度上降低可观察到的关联性。
EasyResearch: Honest Regression, Forecasting and Signal Classification for Researchers Who Do Not Program
说明EasyResearch：面向不编程研究者的诚实回归、预测与信号分类工具
简介论文介绍了开源工具EasyResearch，支持回归、时间序列预测和信号分类，并提供无需代码的Windows应用EasyResearch Desktop。所有任务都只用训练数据学习，并分别对选定模型给出独立的最终评分。作者以留出数据检验评分是否可靠，报告称常见做法会高估R²，而EasyResearch的最终评分更接近真实表现。
Emergent Sparsity: How Many Effective Variables Survive Coarse-Graining in AlphaEarth Embeddings?
说明嵌入向量中有效变量数随空间尺度的变化：AlphaEarth 的粗化分析
简介该论文研究 AlphaEarth 每个10米像元的64维嵌入向量，能否重组为有序的全局非线性坐标，并在给定重建精度下需要保留多少个变量。作者以容差和空间尺度共同描述有效维度。结果显示，在3%容差下，所需变量数从10米尺度的24个降至78.9公里尺度的7个，而对应的PCA秩仅从46降至38。
PanoDent-KD: From Generalist Knowledge Distillation to Cross-Dataset Specialist Detection and Embedded Deployment in Panoramic Radiographs
说明PanoDent-KD：从通用知识蒸馏到跨数据集专科检测与嵌入式部署的全景牙片检测流程
简介该论文提出 PanoDent-KD 流程，用于全景 X 光片的牙科目标检测：先训练 12 类通用源模型，比较有无知识蒸馏的三种训练方式，再将共享分类器行迁移到 OralXrays-9 的五类专科模型，并部署到 Jetson Orin Nano Super 上。结果显示三种方式的宏观框 F1 均接近 0.82，其中无蒸馏的基线方式平均最高；部署版本的推理延迟约 77 毫秒。作者指出，这些结果只证明了可审计的部署流程具有可行性，并不说明临床有效性，也不能证明知识蒸馏提高了目标域精度。
BatchParScale: Sparse Batch-Mixing for Sequence Models
说明BatchParScale：用于序列模型的稀疏批次混合注意力机制
简介该论文提出 BatchParScale，一种让多条并行推理流通过少量通信位置交换信息的注意力机制，改进了原先各流彼此独立的并行扩展方法。作者在新的并行大海捞针检索基准以及预训练、微调和多智能体强化学习中进行了评估。结果显示其语言模型损失优于 ParScale，但事实检索性能在预训练和微调模型上仍不明确。
Persistent Representational Misalignment Induces Vision-Language Model Failures
说明持续存在的表征错位导致视觉-语言模型失败
简介这篇论文研究为什么视觉-语言模型（VLM）在一些对人类很简单的任务上会失败。作者认为原因之一是视觉表征与语言表征之间存在错位，并通过实验证明现有的视觉与语言表征无法被线性对齐，这种错位是数据本身的固有属性，不会因规模扩大而消失。结果显示，表征对齐程度较高的模型，失败情况也较少，因此论文认为仅靠增加规模不足以使表征对齐，这对柏拉图表征假说的强版本提供了反证。
Improving the Expressive Power of Hybrid Sequence Models via Multi-Hop Retrieval
说明通过多跳检索提升混合序列模型的表达能力
简介该论文研究在高效混合语言模型中，让高效层访问全注意力层的KV缓存能带来多大理论收益。作者证明，传统混合块以及仅能访问top-κ KV缓存的混合块，计算两函数复合至少需要Ω(√n)容量。为此，论文提出多跳检索注意力（MuRA）混合块，可从共享KV缓存进行多跳检索，并证明m跳MuRA块可计算m函数复合，而用相同检索深度计算m+1函数复合需要多项式级模型规模。合成实验支持这一表达能力层级。
Visual Scaffolding: Toward Native Multimodal Reasoning
说明视觉脚手架：迈向原生多模态推理
简介本文提出“视觉脚手架”机制，让多模态大模型在推理的任意步骤自主发起检索，轻量检索器选取原生视觉特征并直接纳入思维链，供后续步骤复用。作者还构建了NMR-Bench基准（包含负担计数与路径追踪两项任务）。在Qwen3-VL-4B-Thinking上增加约8800万参数后，模型在两项任务上分别达到66.43%和72.50%的准确率，并称超过了被评测的GPT-5.5与Gemini 3.1 Pro基线。
Estimating Causal Bounds from Observational Data With Neural Generative Models
说明用神经生成模型从观测数据估计因果界
简介本文提出一个利用神经生成模型从离散观测数据估计因果界（causal bounds）的框架，并加入一种新的外推方法以提高估计精度。作者称，在多种因果推断设定下，该方法得到的界比现有通用神经方法更接近真实界。论文在一系列已知精确界的基准问题上进行了验证。
GeoV2V: Geometry-Grounded Video Diffusion Model for Driving Scene Generation
说明GeoV2V：用于自动驾驶场景生成的几何约束视频扩散模型
简介该论文提出 GeoV2V，一种基于几何信息的视频到视频扩散框架，用于沿新轨迹（如变道）生成时间上连贯的自动驾驶视频。方法结合 LiDAR 与深度推导的几何先验，并在 Wan 2.1 骨干网络中使用全视频条件。作者还构建了合成数据集 Para4D，提供同步多车道驾驶视频作为变道生成的监督。论文称在 Waymo、nuScenes 和 Para4D 上，该方法在视觉质量、几何一致性和大轨迹偏移下的光照鲁棒性方面达到当前最优水平。
Assessing the Empirical Evidence for Loss of Control from Agentic General-Purpose AI
说明评估智能体通用人工智能失控风险的实证证据
简介本文评估了19项近期实证研究，围绕战略欺骗、情境意识、自主复制等八项从威胁模型中识别的属性，从结构效度、内容效度和外部效度三个维度考察证据质量。研究认为，目前证据对“失控”的判断为“弱可能”，即证据有一定方向性但尚不充分；多项属性已出现证据，但只有一项研究仅在负向判断（针对情境意识）上达到效度标准。作者同时指出，对最危险的属性而言，高外部效度在负责任的研究规范下可能难以实现。
Evaluating Cloud and Self-Hosted OCR Systems for Arabic, English, and French Documents: Bounding Box Detection, Text Recognition, and Mathematical Expression Recognition
说明云端与自托管OCR系统在阿拉伯语、英语、法语文档上的评测：文本框检测、文字识别与数学表达式识别
简介该研究比较了云端与自托管OCR系统在三项任务上的表现：48页阿拉伯语、英语、法语文档的文本框检测，315页九类文档的文字识别，以及83个英语和阿拉伯语数学表达式识别。文字识别以字符错误率衡量，并与Gemini生成的参考转写对照。结果显示，部分系统的页面得分很高，却可能掩盖阿拉伯语变量替换等错误，因此评测需要不确定性估计与结构性检查。
Map2Vid: Embodied Navigation Video Generation with Human-Friendly Motion Control
说明Map2Vid：基于俯视地图、便于人类操控的具身导航视频生成
简介该论文提出Map2Vid任务，将具身导航视频生成转化为由俯视地图（BEV地图）合成视频的问题，并建立了大规模评测基准。作者构建了一个包含61个室内场景、超过10万条导航序列的数据集，每条序列配有第一人称视频、BEV地图、相机轨迹和语言指令。论文还提出统一框架与逐步减弱非地图输入的课程训练策略，并在多个基础生成模型上进行了实验。
DROD: Dual-Ratio Ordered Dropout for Federated Continual Learning on Heterogeneous Devices
说明DROD：面向异构设备联邦持续学习的双比例有序丢弃方法
简介本文研究客户端模型规模不同、且数据流随时间漂移的联邦持续学习场景，此前两类研究各自成熟但交叉领域较少。作者在Split-CIFAR-100（10个任务、类别增量）上从头训练ResNet-18模型群，提出DROD方法，在FjORD的有序丢弃基础上使用捷径比例与分支比例两个独立缩减维度来提取子模型。在共享的参数与FLOP预算下，DROD在所比较的异构模型联邦学习策略中平均准确率最高。
Hidden Cartographer: Hidden State Guided Data Selection for Dual Budgeted Instruction Tuning
说明隐藏制图师：面向双重预算指令微调的隐藏状态引导数据选择
简介该论文针对专家标注成本高、微调资源有限的问题，提出 Hidden Cartographer（HC）两阶段框架：先利用隐藏状态引导渐进式候选扩展来选择标注样本，再依据精确训练动态分数剪枝得到紧凑训练子集。实验覆盖医疗、法律和金融领域，原文称 HC 在各预算基线中平均准确率最高，标注量约为原始池的 20%–30%，微调数据约为 10%–15%。
★★★★☆ 值得关注
Do LLMs Really Lack Difference Awareness? Uncovering Heuristic Substitution in Group-Differentiating Fairness
说明大语言模型真的缺乏差异意识吗？揭示群体差异公平性中的启发式替代
简介该论文质疑“大模型缺乏差异意识”的常见解释，提出“公平启发式替代”假说：模型可能并非没有差异意识，而是在同时识别相关群体差异并判断其公平含义时，改用更简单的形式平等启发式。作者提出两阶段的TDD框架，先区分差异再做决策，在四个基准和十个模型上表现优于单阶段基线，并通过神经元级探测提供了机制层面的证据。
看点提出公平启发式替代假说并设计两阶段框架，结合神经元探测给出机制证据，覆盖四个基准与十个模型。
Calibration-Free Early Stopping for Chain-of-Thought Reasoning via E-processes
说明无需校准的思维链推理早停方法（基于E过程）
简介该论文针对推理型大语言模型，提出一种自适应早停框架，把停止决策看作沿推理轨迹的序贯证据累积，而非在留出数据上校准阈值。框架在每个片段的同一信号上运行两个E过程，分别跟踪信号相对慢速趋势的位置和有符号变化速度。在基于Ville不等式的假设下，框架给出可随时有效的虚警概率上界。文中称其在多种模型与数据集组合中，无需任何校准数据即可匹配或超过基于校准的早停方法在token与准确率帕累托前沿上的表现。
NeuroAct: Advancing EEG Analysis and Decoding via Dual-Loop Autonomous Research
说明NeuroAct：通过双循环自主研究推进脑电（EEG）分析与解码
简介该论文提出NeuroAct，一个用于脑电分析与解码的自主研究智能体框架。它在内循环中依据信号结构、表征、预测器行为和训练动态等证据检验假设、选择干预并迭代优化，外循环则把结果提炼为带任务与模型条件的可检验建议，并在后续任务中验证修订。在多个设定下的实验显示，该框架在宏平均指标和若干任务的平衡准确率上优于对比方法，且经验复用可提升跨任务表现并减少大模型令牌消耗。
BrandEval: A Two-Track Multi-Agent Benchmark for Risk-Sensitive LLM Crisis Communication
说明BrandEval：面向风险敏感型大模型危机公关的双轨多智能体基准
简介该论文提出BrandEval，一个用于评估大语言模型产品危机公关能力的双轨基准，涵盖安全、质量、服务和信任等事件。静态轨道评估利益相关方感知的战略分析，动态轨道则在多智能体沙盒BrandPolis中检验应对策略。研究还构建了中文危机应对数据集BrandSRD，并指出静态战略质量不能可靠预测波动性和延迟恢复，动态测试能暴露尾部风险失败。
A Thousand Faces: A Persuasion Benchmark with Experience-Grounded Persuadees Informed by Psychology and Pragmatics
说明《千面》：基于心理学与语用学、以经历为依据的说服基准
简介该论文提出了 A Thousand Faces（ATF-Persu）说服基准，包含 200 个话题、九个领域的 1,000 个人物角色。作者依据人格与态度理论及会话隐含义，为每个事实情境构建五个角色，把个人经历与判断、表达方式及修正理由联系起来。评测显示，在各自协议下，其说服成功率低于另外三个对比基准。
Dynamic System Inspired Continuous Large Language Model for AI4Science Tasks
说明受动力系统启发的连续大语言模型，用于AI4Science任务
简介本文提出Continuum-LM，把预训练模型中的残差变换当作连续深度语言模型中的动力算子，隐藏状态通过常微分方程演化，并用高阶数值积分求解。在八个科学任务上，该模型在0.6B和1.7B规模下，平均精确匹配准确率分别比离散对应模型提高7.77和10.96个百分点。论文认为，连续隐藏状态演化是科学语言模型中除参数规模之外的一个设计方向。
★★★★☆ 值得关注
ViCoR: Estimating Visual Necessity via Counterfactual Residuals for Multimodal Medical Data Selection
说明ViCoR：通过反事实残差估计视觉必要性，用于多模态医疗数据筛选
简介论文提出ViCoR方法，用于医学视觉-语言模型的微调数据筛选。该方法通过图像相关的优化残差估计样本的视觉必要性，并结合医学监督兼容性进行校准，同时构建兼顾多样性的微调子集。在两种骨干模型、四个外部泛化基准和一个多疾病鲁棒性基准上，ViCoR筛选的子集取得了较好的平均性能，并且进一步分析表明其增强了图像相关的训练信号。
看点提出基于反事实残差估计视觉必要性的数据选择方法，针对医学视觉语言模型模态失衡问题，并在多个外部基准上验证优于全量微调与选择基线。
RAIL-5G: A Challenging Real-World Dataset and Benchmark for AI-Based 5G Indoor Localization
说明RAIL-5G：面向AI室内定位的真实世界5G信道数据集与基准
简介本文发布了RAIL-5G，一个在运营中的铁路维护设施中采集的真实5G NR信道冲激响应（CIR）公开数据集与基准，覆盖811平方米室内区域，包含八个分布式无线电单元、机器人搭载的用户设备轨迹及高精度iGPS参考位置。作者在该数据集上测试了几何TDoA、有监督指纹、无监督信道制图和自监督无线预训练等方法。结果显示：全数据集上TDoA平均误差为7.02米，最佳无监督方法为2.46米，有监督指纹为0.52米；自监督预训练可将标注工作量减少至多一个数量级，但与有监督学习仍有差距。
ChronoChart: Setup-Agnostic Channel Charting for Label-Free Indoor Localization
说明ChronoChart：无需位置标签、与具体设置无关的信道图绘制方法，用于室内定位
简介本文提出ChronoChart，一种仅利用信道状态信息（CSI）和时间戳训练的信道图绘制（Channel Charting）框架，无需位置标签，也无需先验的距离度量。方法联合优化三类目标：利用时间派生正负样本的三元组损失、促进平滑轨迹的时间邻近损失，以及保持不同增强视图一致性的联合嵌入损失。作者在真实的5G、MIMO和无源UWB数据上进行评估，结果与依赖定制距离度量的已有方法相当或更优，并可适用于不同的无线系统。
Shallow Probes Are Sufficient for Near-Oracle Personalization Depth Allocation in Federated Learning
说明浅层探针足以在联邦学习中近似最优地分配个性化深度
简介本文不提出新的联邦优化器，而是研究在兼顾Macro-F1与部署成本的效用下，小规模客户端专属测量预算能否支持成本感知的个性化深度决策。作者以三个浅层探针（P0–P2）逼近无法部署的离线最优基准，在CIFAR-10/100与按患者划分的PTB-XL数据上，免训练贪心探测取得遗憾值0.0071和98.3%的最优恢复率，优于仅依赖元数据的策略与FedPBA。但在深层最优样本上相关性降至0.578，PTB-XL的深层案例仍是缺少可靠升级机制的高遗憾边界。
Acharya 2.0: An AI Tutor for Self-Learning Subjects in Hindi
说明Acharya 2.0：面向印地语自学课程的 AI 辅导系统
简介本文介绍 Acharya 2.0，一个基于检索增强生成（RAG）的 AI 辅导应用，面向讲印地语的学生提供学术辅助。该系统采用客户端-服务器架构的网页应用，集成多项功能，帮助学生获取并与教育内容互动。论文指出，低资源语言缺乏标注数据，RAG 此前在印地语等印度语系中的应用有限。
Sampling and Curvature in First-Exit Comparisons for Momentum SGD
说明动量SGD首次逃逸比较中的采样与曲率
简介本文研究动量SGD的首次逃逸（首次离开某区域）预测，指出仅依据逐点梯度规律会忽略采样信息。文中给出一维持续采样下的显式O(h)平均逃逸比较，并在有限样本、有限窗口下给出逃逸区间，同时对若干训练网络进行了有限平均性的精确实数验证与重复实验。
SCOPE: Source Credibility and Outlet Profiling Engine
说明SCOPE：新闻媒体来源可信度与倾向性画像的多智能体系统
简介论文提出SCOPE，一个多智能体系统，用于评估新闻媒体在偏向性、事实性和可信度方面的表现。输入媒体网址后，系统协调文章获取、内容分析、外部证据搜索、评分和报告生成等专门智能体，并采用类似MBFC的方法。在200家媒体的基准测试中，SCOPE在大多数指标上优于对比基线。
Reranking Answers of Large Language Models with Knowledge Graphs
说明用知识图谱对大语言模型的答案重新排序
简介本文针对在知识图谱上用自然语言提问的难题，提出从大语言模型生成的候选答案出发，计算实体间最短路径，抽取相关子图，并从子图中提取多种特征，用重排序模型挑出最可能的答案。作者在Wikidata上进行了实验，比较了各类特征与重排序方法的组合，并开发了一个公开的网页工具，用于可视化子图并自动生成描述文字。
Concept Representations in Vector Space: Toward an Interdisciplinary Study of Meaning Variation
说明向量空间中的概念表征：跨学科研究意义变异的一种框架
简介本文提出一套测量框架，通过标准化条件下收集的文本，把个体的概念表征转化为可经验分析的对象。作者使用基于Transformer的句子嵌入，将概念的标准化回应映射到高维共享向量空间，从而系统分析个体间的差异。文中以大规模自由联想数据集作为概念验证，并附带可直接使用的开源实现。
Dialogue Generation for Conversational Recommendation Using User Search Interactions and Knowledge Graphs
说明基于用户搜索交互与知识图谱的对话式推荐对话生成
简介本文提出SearCl方法，利用用户的搜索和点击行为自动生成对话式推荐的对话数据，无需人工标注。系统将用户交互切分为查询会话，并由概率状态机控制对话流程，两个大语言模型分别扮演求助者与推荐者。推荐者借助由相关内容元数据构建的知识图谱生成回复。研究共生成3,538段对话，涵盖1,731个不同目标项目，在LLM评判协议下质量得分高于现有基准数据集。
Memory, Know Your PLACE: Governing Lifecycle State and Query-Time Eligibility in Persistent-Memory Agents
说明记忆须知其位：持久记忆智能体中生命周期状态与查询时可用性的治理
简介该论文指出，持久记忆使智能体的历史交互变成长期状态，但现有系统难以控制这些状态是否仍然有效、以及是否应影响后续查询。作者提出PLACE框架，在记忆后端上增加写入端的状态认证和读取端的授权两层治理。基于Mem0与Qwen2.5模型的因子实验表明，写入端治理显著提高生命周期状态的正确性，读取端治理消除了不合格记忆造成的可测因果泄漏，两者结合效果最好。
An Information-Geometric Framework for OCS-Reconfigurable Interconnect Topology in Large-Scale AI Clusters
说明面向大规模AI集群中OCS可重构互连拓扑的信息几何框架
简介该论文提出一个统一的信息几何框架，用于设计AI集群中由光电路交换机（OCS）实现的可编程Pod间布线。框架以概率单纯形上的布线选择为对象，用KL散度度量其与对称Fat-Tree先验的偏离，并以平滑化的DAG关键路径长度作为代价，进行优化与动态重构。论文给出了理论证明与收敛性结果，并在流水线、数据及MoE工作负载上与整数规划进行了实验对比。
World Models, Trees and Foundation Models for Retail Forecasting: Evidence from Four Public Data Sets
说明零售预测：世界模型、树模型与基础模型在四个公开数据集上的比较
简介该论文在M5、Dominick's、Breakfast at the Frat和Corporación Favorita四个公开零售数据集上，比较了多种预测模型在不同粒度（商品×门店、商品×全渠道、品类×门店、品类与总量）下的表现。结果显示，最佳模型随粒度变化；多数情况下模型平均的误差最低，但品类层级的差异常无法区分。研究仅针对这些数据集，结论不一定适用于其他零售商。
LAMB: Latent Multi-Hypothesis Beliefs for Long-Horizon Large Language Agents
说明LAMB：面向长时程大语言智能体的潜在多假设信念记忆
简介本文提出LAMB，一种用于长时程语言智能体的循环式框架，以潜在向量而非自然语言文本保存交互证据和多个相互竞争的假设。它结合共享的Common状态与加权的Delta假设分量，并通过联合训练的策略进行决策。在ALFWorld、BabyAI、ScienceWorld和Crafter四个环境中，LAMB与PABU相当或更优，论文报告了具体的成功率提升数值。
M-JEPA: Predictive Self-Supervised Learning for Molecular Graphs with Scaffold-Shift Evaluation on Tox21
说明M-JEPA：面向分子图的预测式自监督学习，并在 Tox21 上做骨架划分评估
简介该论文把联合嵌入预测架构（JEPA）改造用于分子图：遮蔽化学上连贯的连通子图，训练上下文编码器去回归由指数滑动平均教师网络给出的被遮蔽目标嵌入。作者提出一套控制计算量、防止信息泄漏的三阶段评估流程，在 ESOL 上与 InfoNCE 基线对比，M-JEPA 的平均 RMSE 更低（2.12 对 3.75），在 Tox21 上的改进因终点而异，且不一定带来更好的概率校准。
Indistinguishable Agents: Training Agent Privacy as Twin-World Indistinguishability
说明不可区分的智能体：将智能体隐私训练为双世界不可区分性
简介大语言模型智能体会代表用户搜索、购物和发送消息，其每个动作都会被某一方观察到。现有隐私训练只奖励智能体不提及受保护的信息，但观察者仍可能从智能体的行为中推断出私密事实。论文提出在仅相差一项私密事实的双世界上训练智能体，并用一个冻结的判别器衡量观察者视图的对数似然比，将任务成功与该比值结合进行训练。论文在购物和消息任务上表明，该方法能消除披露判断器和查询级奖励所遗漏的信息泄露，同时智能体仍能完成任务。
Legal Guidance in the Wild: How Users Seek Legal Help in Real-World LLM Conversations
说明真实对话中的法律指导：用户如何在大模型对话中寻求法律帮助
简介该研究分析了 WildChat-1M 中 2,122 段真实对话，提出多维度的法律查询分类法，判断用户是否在寻求法律指导、提问方式及涉及的法律领域。研究构建了 200 段经人工审核的金标准评测集，并比较了 ModernBERT 模型与 TF-IDF 级联方法。结果显示，涉及法律内容的对话中有 71.1% 寻求个性化或实用指导。
Do LLMs Reproduce the Age Gap in Loneliness? Evaluating Survey Simulation against European Survey Data
说明大语言模型能否复现孤独感的年龄差异？基于欧洲调查数据的评估
简介该研究用2022年欧盟孤独感调查数据，检验大语言模型模拟受访者时能否再现法国、意大利、波兰、瑞典境内18至34岁与65岁以上人群的孤独感年龄差距。结果显示，部分模型在多数国家反转了年龄排序，主要因高估了老年人群的均值；另一模型保留了排序但低估了两组均值。研究认为，用模型代表年龄组时，需同时检验组均值及其对比与人类调查数据的一致性。
Deep Auxiliary Learning via Bilevel Feature Optimization for Label-Efficient Medical Image Segmentation
说明基于双层特征优化的深度辅助学习，用于标注高效的医学图像分割
简介本文研究辅助学习方法：利用从现有分割标注自动推导出的辅助任务来提升主分割任务，无需额外人工标注。作者将该框架表述为双层优化问题，并通过特征通信模块在任务间迁移知识。在三个医学图像分割基准、有限标注设置下，方法优于现有先进方法，标注效率更高。代码已公开。
Morpheus: a fully local, defense-in-depth de-identification engine for Greek clinical text - a benchmark evaluation
说明Morpheus：面向希腊语临床文本的本地化去标识化引擎基准评估
简介本文提出Morpheus，一种完全在本地运行的希腊语临床文档去标识化流程，并在500份合成出院小结上进行基准评估。结果显示，直接患者标识符的去除率为98.49%，整体去标识化率为96.59%，对受保护临床内容的误删率为2.82%。研究认为这是首个针对希腊语临床文本去标识化的基准评估。
Learning without Overwriting: Structural Knowledge Fusion for Continual Learning
说明不覆盖旧知识的学习：面向持续学习的结构性知识融合
简介该论文提出知识融合网络（KFN），用于缓解持续学习中的灾难性遗忘问题。方法是为每个新任务训练一个轻量专家网络，再依据新颖性分数通过结构融合模块分配专用通道容量并整合到全局模型中。在十任务 Split CIFAR-100 等基准上，原文报告 KFN 的遗忘和准确率指标优于若干基线方法，且参数增长更为高效。
FHKAN: Fractional Hermite Kolmogorov-Arnold Networks for Data-Driven and Physics-Informed Learning
说明FHKAN：用于数据驱动与物理信息学习的分数阶Hermite柯尔莫哥洛夫-阿诺德网络
简介本文提出分数阶Hermite柯尔莫哥洛夫-阿诺德网络（FHKAN），在KAN中引入可训练的分数阶广义Hermite基函数，可直接处理无界的预激活值而无需饱和映射。该基在整个实数轴上正交且在高斯包络下一致有界。作者给出了基函数的闭式导数并分析了原点处的可微阶数。实验涵盖合成回归、图像分类、图像去噪、情感分析以及Lane-Emden、Burgers方程和分数阶延迟微分方程等物理信息问题。
PLANE: Plug-and-Play Fine-Grained Visual Experts for Hallucination Mitigation in Large Vision-Language Models
说明PLANE：用于缓解大型视觉语言模型幻觉的即插即用细粒度视觉专家
简介大型视觉语言模型常出现幻觉，例如编造不存在的物体或给出错误的属性和空间关系。作者提出PLANE方法，在CLIP视觉编码器上加入三个LoRA视觉专家，分别从物体、属性和物体间关系三个方面编码图像，并用指令感知门控网络自适应融合图像特征。实验表明，该方法在多种模型上有效减少幻觉，推理延迟增加很小。
A Multi-granularity Interaction Network for Relational Triple Extraction
说明用于关系三元组抽取的多粒度交互网络：从原文直接识别实体关系
简介该论文研究从原始句子中抽取实体关系三元组，且不依赖实体类型信息。针对传统方法难以处理“未见”实体的问题，作者提出多粒度交互网络，利用词与词、实体与关系、头实体与尾实体之间的交互来捕捉深层语义依赖，并通过多轮迭代细化头、尾实体的表示。在两个重新划分的数据集上，该方法表现稳定，在未见实体指标上对 NYT-R 和 WebNLG-R 的 F1 分别提升 3.1% 和 20.5%。
Image Dehazing as In-Context Tabular Inference
说明将图像去雾视为上下文表格推理：DehazeTab 框架
简介该论文探讨能否把单幅图像去雾转化为上下文表格回归问题，提出 DehazeTab 框架：将有雾图像的重叠图像块转为表格样本（使用手工设计的雾霾特征、预训练视觉嵌入或两者混合），由预训练表格基础模型借助带标签的参考图像块估计透射率，无需微调。预测结果经引导滤波和大气散射模型恢复无雾图像。实验显示该方法在基准数据集上具有竞争力，且物理启发的手工特征表现优于预训练视觉嵌入。
Spectral Adaptive Graph Transformer for Efficient and Scalable Traffic Forecasting
说明用于交通预测的高效可扩展谱自适应图Transformer
简介本文提出谱自适应图Transformer，用于交通流量预测。其空间算子由模型学习而非由图拉普拉斯推导，具有有向性，并依据当前交通状态调整，计算成本与传感器数量呈线性关系。模型还加入稀疏道路图扩散分支以及零初始化门控机制。在六个公开数据集（170至1843个传感器）上，该模型在一个数据集上取得单一端到端模型中的最低误差，在其他数据集上与当前最强的注意力模型相当，同时内存占用约为后者的四分之一，训练速度约快一倍。
Reflection-Guided Dynamics Rectification for Text-to-Image Generation
说明基于反思引导的动态校正用于文本生成图像
简介该论文针对文本生成图像的测试时优化，在有限额外预算下对已生成结果做细粒度校正。作者提出反思引导动态校正方法（RGDR），把对已完成输出的反思转化为采样轨迹过程中的纠正干预，并在每个采样步骤中进行调整。实验显示，在相同额外生成预算下，RGDR 相对参考结果的跨模型平均清单得分提升，分别是 TIR 提示词改写的 1.51 倍和 Dynamic CFG 的 1.81 倍。
★★★★☆ 值得关注
HullProbe: Measuring Interventional Part Reliance in Maritime Vessel Classifiers
说明HullProbe：测量海事船舶分类器对局部结构的干预依赖
简介该论文提出 HullProbe 方法，通过将船舶图像中的船体或上层建筑替换为同类其他船只的对应部件，直接测量分类器决策对各部件的依赖程度，而不依赖需要群组标签的最差组准确率代理指标。作者在带有已知捷径的模拟数据和 MARVEL 数据集的 26 类船舶上进行了实验，发现分类器约 46% 的校正敏感度落在通用船体上，且所评估的无群组标签去偏方法未能明显降低船体占比。
看点提出直接测量部件依赖的干预式方法，用全部64种交换与Walsh变换分解影响，并在已知真值的捷径上验证与最差组准确率高度相关。
TIRE: Top-Down Formula Instantiation with Reliable Execution for Physics Problem Synthesis
说明TIRE：基于可靠执行的自上而下公式实例化物理题合成方法
简介该论文提出TIRE框架，用可复用的物理公式及其适用条件控制生成物理题的物理关系与数值设置，并在出题前通过执行确定参考答案，用于大规模生成大语言模型的物理训练数据。作者据此构建了覆盖物理学九个子领域的TIRE-19k数据集。在3个基座模型和4个基准测试中，相同SFT数据量下，该数据集平均比最强的5个代表性基线数据集高出2.86个百分点；对Qwen3-8B再进行GRPO训练，平均准确率比其TIRE-19k SFT检查点提高1.52个百分点。
Decision-Target Reversal under Informative Label Missingness
说明标签缺失信息下的决策目标反转：同一统计实验在不同损失下优劣可能相反
简介论文研究标签缺失并非随机时，利用标签可得性模式进行部分分类是否有效。作者指出，在数据生成模型与统计实验固定的情况下，该方法在一种损失函数下有利、在另一种下却不利，并称之为决策目标反转。针对二元高斯判别，论文推导了局部代价敏感超额风险展开，并给出一维情形下排序反转的临界代价比。
MemBubble: Benchmarking How Agent Memory Shapes LLM Response Diversity
说明MemBubble：衡量智能体记忆如何影响大模型回复多样性的基准
简介该论文指出，基于大模型的智能体会利用用户过往交互中提取的偏好来实现个性化，但这可能降低回复的多样性。作者构建了包含1000个实例的MemBubble基准，数据来自真实的用户与助手对话。测试显示，在多个大模型和记忆机制下，相比直接提供完整交互历史，回复熵平均下降34.7%；简单的用户侧干预和信息可用性调整并不能有效缩小这一差距。
★★★★☆ 值得关注
Trackable Skill Library Lifecycle Management for Agentic Reinforcement Learning
说明可追踪技能库的生命周期管理（面向智能体强化学习）
简介本文针对基于技能增强的智能体强化学习，提出TrackRL框架，通过追踪每项技能的实际贡献来管理技能库的完整生命周期。方法在GRPO分组内进行在线随机对照实验，独立随机注入技能并做组内对比，再以可靠性加权方式累积证据，持续估计技能效用与模型掌握度。实验显示其在有技能辅助和无技能评估下均优于近期基线方法。
看点将GRPO分组采样转化为在线随机对照实验以追踪每个技能的因果贡献，并提出证据门控的技能生命周期管理，新意明显；实验对比了近期基线并分析技能价值变化。
★★★★☆ 值得关注
The Bottleneck Is Retrieval, Not Reading: Diagnosing Evidence-Based Generation with RAG for Long Context Question Answering
说明瓶颈在于检索而非阅读：基于证据生成的RAG长上下文问答诊断
简介本文针对检索增强生成（RAG）在长上下文问答中的结构性缺陷进行诊断，提出要求模型给出行级引用的基于证据生成（EBG）方法，以及同时衡量正确性与证据依据的Ans+Evid指标。作者在MultiHop-RAG、QASPER-MP、合成两跳数据和NoLiMa等基准上测试了十个专有前沿模型和三个开源模型，发现相似度检索难以找全多事实查询所需的全部片段，分块又会丢失解析身份相关查询所需的文档元信息。
看点提出证据型生成与联合评估指标，系统诊断RAG的结构性缺陷；实验覆盖多种前沿与开源模型，结论对子领域有参考价值。
Beyond Policy Discrepancy: Capability-Aware Multi-Teacher On-Policy Distillation
说明超越策略差异：能力感知的多教师在线策略蒸馏
简介论文提出 CA-MOPD 方法，用于把多个领域专家模型的能力整合进一个学生模型。它先合并强化学习专家得到较强的初始化，再依据验证器估计的师生能力差距，调整各领域的蒸馏强度：差距缩小则减弱监督，学生能力退化则加强监督。在涵盖数学、代码生成和指令遵循的六个基准上，该方法平均得分 32.22，高于原始 MOPD 等对比方法。
Memories That Outlive Their Reasons: Dependency-Tethered Memory for Tool-Using LLM Agents
说明记忆超出其依据的寿命：面向工具调用型大语言模型智能体的依赖绑定记忆机制
简介论文指出，智能体的记忆中的结论依赖于前提，但前提失效时相关结论往往无法被同时检索，导致旧结论被错误发布。作者提出 Tether 机制：写入时记录每条结论所依据的具体版本，读取时若任一依据在存储中失效则撤回该结论。在模拟实验中，Tether 的不安全发布率显著低于基线方法，但依赖关系未被正确记录时效果会下降。
Behave Like Experts: Fusing Data with Semantic Knowledge for Effective and Efficient Semantic Map Construction
说明像专家一样构建语义图：融合数据与语义知识，高效生成语义地图
简介该论文关注语义地图模型（SMM），即通过比较跨语言的形式与意义对应关系，构建反映概念相似性的图。现有自动方法忽略了专家使用的先验语义知识，导致候选图的搜索空间过大，影响准确性与效率。作者将语言模型内部表示中的分布式语义知识融入自顶向下、数据驱动的算法，依据概念语义相似度对候选图重新排序。在自建的10个数据集基准上，该方法被报告能有效且高效地构建语义地图。
ClinSDT: LLM-Encoded Clinical Semantic Guidance for Sepsis Treatment via Decision Transformer
说明ClinSDT：用大语言模型编码临床语义、通过决策Transformer指导脓毒症治疗的离线方法
简介该论文提出ClinSDT框架，用于从ICU回顾性轨迹数据中离线学习脓毒症治疗策略。它以冻结的大语言模型作为语义桥梁，构建Profile、Context、Advisory三类临床语义表示，并作为独立token输入决策Transformer。另训练治疗反应预测器筛选低不确定性的反事实治疗候选，闭环推演时用当前患者状态刷新语义输入。在MIMIC-III和MIMIC-IV上，论文报告其相对模仿学习、离线强化学习及决策Transformer基线有一致的相对提升。
LC-TSRNet: A Land-Cover-Guided Two-Stage Network for Annual MODIS Surface Reflectance Time Series Reconstruction
说明LC-TSRNet：一种以土地覆盖为引导的两阶段网络，用于年度MODIS地表反射率时间序列重建
简介MODIS地表反射率产品常因云污染和传感器故障存在数据缺失。该论文提出LC-TSRNet，分两阶段对年度MODIS地表反射率产品进行无缝重建：第一阶段引入年度土地覆盖图作为先验，第二阶段利用多尺度时空上下文和跨维度约束进行修复。作者还构建了AIRMOD-TSR数据集。结果显示该方法在重建精度与光谱保真度上优于对比方法，在空间相邻场景下PSNR提高0.56 dB，SAM降低0.13度，并通过植被监测应用验证了重建时间序列的实用价值。
Memory as Belief: Bayesian Evolution of Memory for Self-Evolving LLM Agents
说明记忆即信念：面向自进化大模型智能体的贝叶斯式记忆演化
简介该论文针对大语言模型智能体复用外部记忆时，如何判断记忆价值的问题，提出BEAM框架。它将记忆价值视为依赖任务情境的动态信念，并根据执行反馈不断校准。实验显示，该方法在推理和代码生成基准上提升了记忆利用效果，并支持智能体持续自我演化。
Polynomial Learning of Positive ReLU Networks under Gaussian Inputs
说明高斯输入下正ReLU网络的多项式学习
简介本文研究在标准高斯输入下的正系数、无偏置单隐藏层ReLU网络，给出样本数与实数运算复杂度均为多项式的学习算法，且对隐藏方向不作分离或条件数假设。若条件标签均值为宽度为k的网络且输出权重总和不超过1，学习器可以在较窄的输出宽度下达到指定的平方预测误差。对于有界二阶矩的任意标签，论文给出宽度为O(k log(2/ε))的正ReLU网络，并给出相应的风险界。
★★★★☆ 值得关注
Compile Once, Run Cheap: Frozen, Portable Skills for Embodied Agents, and What Recursive Self-Improvement Adds
说明一次编译，低成本运行：面向具身智能体的冻结可移植技能，以及递归自我改进的作用
看点提出冻结、可移植的技能编译协议Skill-RSI，并以隐藏布局和对照实验检验继承效应，新颖性较高；证据包括多任务、多次重复与符号检验，但缺少直接控制基线。
A learner-free swarm reaches the explore-exploit equilibrium: A self-organized attractor approximating the reinforcement-learning solution
说明无学习者的群体如何达到探索-利用均衡：一种近似强化学习解的自组织吸引子
简介本文研究多智能体资源共享中的探索-利用权衡，将最优解视为理想自由分布（一种拥塞博弈的纳什均衡）。作者发现，一个不含学习器、不读取奖励的极简觅食群体，能通过莱维飞行探索、邻近网络上的阈值招募及拥挤时分散等机制自组织地接近该均衡，匹配斜率为0.94。与在相同环境中训练的PPO学习器相比，该群体在零训练下的分布更贴近理论梯度，学习器则在资源稀缺时收益更高。
Explore or Confirm? LLM Agents Misallocate Measurements Under Noise
说明探索还是确认？噪声环境下 LLM 智能体错误分配实验测量次数
简介该论文提出 Wellocate，一个模拟实验筛选的基准环境，基于生成的地形和两个真实蛋白质数据集（GB1、PhoQ）构建，并打乱数据以避免模型凭记忆作答。研究测试了五个语言模型作为无工具、无记忆的最小智能体，发现它们在探索与重复确认之间的预算分配存在两个方向的偏差：三个过度确认，一个则过度信任单次读数，且最终选择的结果不如基础脚本策略。作者同时释出该基准与强化学习环境，供评估和训练智能体分配预算。
Generation-Heavy Hybrid Machine Translation
说明生成主导的混合机器翻译：一种面向源语言资源匮乏语言对的方法
简介本文提出一种名为“生成主导的混合机器翻译”（GHMT）的方法，针对源语言资源少、目标语言资源多的语言对。该方法只需源语言句法分析器和简单的一对多翻译词典，不使用转换规则或复杂的中间语言表示。系统利用丰富的目标语言符号资源，从源句的句法依存表示生成多种结构变体，再用目标语言统计资源从中挑选译文。作者认为这种源-目标不对称的设计使系统更容易迁移到新的源语言。
Non-Acceleration of the Heavy-Ball Method in 1D
说明一维情形下重球法不具备加速性
简介本文研究Polyak重球法的加速性问题。该方法在凸二次函数上渐近最优，但其加速性及一般情形下的动力学刻画仍是长期悬而未决的问题。作者用傅里叶分析证明：在一维光滑强凸函数类上，重球法不具备加速性；并扩大了已知的单位根循环区域，还给出了一个无法由单位根循环覆盖的高维循环实例。
Deep Fusion Memory: A Chunk-Level Parametric Memory for Large Language Models
说明深度融合记忆：面向大语言模型的块级参数化记忆
简介该论文提出深度融合记忆（DFM），一种为大语言模型补充外部知识的参数化记忆架构。模型从前文生成记忆，并通过门控交叉注意力融入中间隐藏状态，主干网络保持冻结，推理时无需显式检索。与现有方法相比，DFM构建训练数据所需的检索查询和检索条目数量显著减少，在六项问答任务及领域适应中均取得性能提升。
Pre-Query Retention with Bounded Bit and Word Retrieval
说明在提问前保留信息并有界读取比特与字的检索
简介该论文研究智能体在收到未来问题前先保存固定长度信息，之后从不可变的二进制档案中检索证据的情形。作者刻画了单比特读取的可行记忆单元，构造了划分完整记录空间的编码器，并结合决策树计数与熵的逆向界给出多比特读取的界限。对话智能体实验显示，分类充分统计量可用更少存储和更低解码延迟保持来源判断。
Toward Agentic Retrieval-Augmented Generation for Enterprise Retail Workflows over Heterogeneous Data Sources
说明面向异构数据源的企业零售工作流智能体检索增强生成研究
简介该论文指出企业零售工作流需要智能体跨结构化订单、商品记录与非结构化咨询、评论等异构数据源串联证据，而现有智能体RAG基准较少涵盖这一场景。作者构建了基于人物角色模拟的组合式零售基准RetailBridge，并提出RetailRAG框架，包含自动模式简报、按数据源路由的计划串联和诊断式计划修订。实验显示，在十种大语言模型上，跨数据源串联是主要瓶颈，表明可靠的零售智能体需要显式的跨源编排，而不仅是扩大模型规模。
Conformal Prediction-Enabled Sequence-level Policy Optimization for Reasoning Language Models
说明基于共形预测的序列级策略优化：提升推理语言模型的强化学习方法
简介该论文提出CSPO方法，用共形预测自适应地校准序列级裁剪边界，取代GSPO中固定的裁剪范围，以应对策略漂移时尾部概率变化的问题。作者给出了新样本落在裁剪区间之外的概率上界，并在Qwen3-1.7B系列模型上进行实验，在较难的数学推理基准和ALFWorld上优于GSPO。
Think Visually Across Space and Time: Grounded Reasoning for Video Segmentation
说明跨空间与时间的视觉推理：面向视频分割的有依据推理
简介本文针对视频推理分割任务，即根据隐含描述找出目标并预测其逐像素掩码轨迹。作者提出时序视频基元链（TCoVP），把与查询相关的观察按时间顺序组织成推理链，每个基元关联实体指代、时间依据和带时间戳的空间证据。论文还构建了相应数据集并通过监督微调与强化学习训练模型，在五个基准和三种模型骨干上进行了实验。
DAGLoop: Aligning Method Design with Experimental Feedback in Automated AI Research
说明DAGLoop：在自动化 AI 研究中让方法设计与实验反馈对齐
简介该论文提出 DAGLoop，用于自动化 AI 研究代理。它把每个设计决策的预期效果转化为可检验的实验，通过有、无该决策的对比实验（类似消融研究）判断决策是否有效。研究以有向无环图组织实验依赖关系，并将结果记录为结构化研究记忆，用于保留、修改或进一步验证设计。作者报告在数十项研究任务中取得了明显的性能提升。
Beyond Factual Accuracy: A Benchmark for Evaluating Perspective Alignment in LLMs
说明超越事实准确性：评估大语言模型视角对齐的基准
简介大语言模型常生成事实正确但未遵循用户指定视角的回答，会混杂多种观点，让用户需要自行筛选无关信息。作者提出 PerspectiveBench 基准，构建多种有效推理路径并存的场景，并提出视角对齐分数（PAS）来衡量对指定视角的遵循程度。实验显示，主流模型能纳入目标内容，却难以排除未被要求的视角；通过 RAG 提供文档可提升事实依据，但无法解决视角漂移问题。
Dual-Slot: From Serial Loops to Parallel Slots in Language Models
说明Dual-Slot：把语言模型中的串行循环改为并行槽位
简介论文提出 Dual-Slot 架构，将循环语言模型中按顺序执行的计算重组为并行的潜在槽位与预测槽位，以缩短自回归解码延迟。在 1B 稠密模型上，验证集困惑度由 7.25 降至 7.00，九项任务配置的五样本平均准确率提升 2.26 个百分点；经监督微调后，GSM8K 零样本准确率在稠密与 A0.6B MoE 模型上分别提升 5.83 和 3.49 个百分点。解码吞吐量保留约 93% 至 99.6%。
Sufficient Frame Subsets for Video Understanding
说明视频理解中的充分帧子集：找出模型决策依赖的关键帧
简介该论文针对视频理解模型解释问题，指出现有归因方法常把证据分散到相似帧上。作者提出“充分帧子集”，即只保留子集内的帧、遮蔽其余帧，仍能保持模型预测不变。在UCF101和Something-Something v2上，使用CNN与Transformer模型进行了实验，结果显示该方法能找到紧凑有效的帧子集，并发现能依赖更多子集的模型表现往往更好。
CoEvo-RSI: When Harnesses Evolve, Which Models Should Follow?
说明当执行框架进化时，模型该如何跟随：CoEvo-RSI 框架
简介该论文提出 CoEvo-RSI，一种让智能体执行框架（harness）与模型能力共同进化的自我改进方法，通过共享的历史进化档案，双向继承历史设计与模型检查点，减少模型能力与框架需求之间的“脑体错配”。仅使用模型自身经拒绝采样的轨迹进行监督微调，Qwen3.5-9B 在多智能体故障归因、角色感知文本转 SQL 与智能家居指令遵循等任务上具有竞争力，并在 TraceElephant 与 HomeBench VM 上分别超过 DeepSeek-V4-Pro 和 GLM-5.3。
P2N: Reusing Deep Representations for Greater Effective Depth
说明P2N：复用深层表示以提升有效深度
简介该论文提出P2N方法，把上一个词元在生成时已算出的深层隐藏状态加到当前词元的浅层表示上，使后续层能利用已完成的深层计算，从而在几乎不增加解码开销的情况下提升有效计算深度。作者在Qwen类模型上进行实验，报告称1.5B参数模型在GSM8K数学题上的准确率提升超过10个百分点，同时解码延迟几乎不变，并在语言建模和一般下游基准上也有收益。
MoCKEFA: Model-Conditioned Keyframe Extraction and Fair Attribution for Video Model Explanation
说明MoCKEFA：面向视频模型解释的模型条件关键帧提取与公平归因方法
简介该论文提出 MoCKEFA 方法，以少量关键帧代表视频，并使视频在模型中的预测信念基本保持不变。关键帧以模型的预测结果为条件提取，并用博弈论中的 Shapley 值把视频对模型的重要性公平地分配给各关键帧。作者通过定性和定量实验表明，关键帧归因优于传统的逐帧归因，并初步探索了通过相邻关键帧的差异突出帧间重要变化。
MoWE: Spatially Adaptive Mixture-of-Wavelet-Experts Pooling for Ultrasound Lesion Segmentation
说明MoWE：用于超声病灶分割的空间自适应小波专家混合池化
简介该论文提出MoWE（混合小波专家），用一种空间自适应的路由机制替代U-Net中的最大池化和步长卷积，用于超声病灶分割。路由器根据局部纹理和全局特征，将不同区域分配给不同的小波族，解码器在逆变换中复用编码器的路由图。在BUSI等多个超声及心脏数据集上，论文报告MoWE相较基线提升了Dice和边界距离指标，并减少了U-Net的可训练参数。
★★★★☆ 值得关注
Dimension-free comparison inequalities between f-divergences for Gaussian location mixtures
说明高斯位置混合模型中 f-散度之间与维数无关的比较不等式
简介本文针对紧支撑混合分布的高斯位置混合模型，建立了 KL 散度、χ² 散度与平方 Hellinger 距离之间的比较不等式。结果表明，两种散度都可由平方 Hellinger 距离上界控制，常数只依赖支撑集半径，与环境维数和混合分量数无关。作者借助高斯插值方法完成证明，并回应了 jia2023entropic 提出的一个公开问题。
看点解决了Jia等人提出的开放问题，给出与维度无关的紧致比较不等式，并用高斯插值方法证明，证明完整。
Auto-MD-bench: Evaluating Autoresearch Agents for Real-World Medical Tasks
说明Auto-MD-bench：评估面向真实医疗任务的自主研究智能体
简介本文提出Auto-MD-bench基准，包含来自10个临床数据集的15项真实医疗任务，涵盖生存分析、分类和序列预测，并进行跨队列、跨医院和跨时间段的外部验证。作者评估了AIDE、AI Scientist v2、Codex和Autoresearch四种智能体。结果显示，最强的智能体主要指标具有竞争力，但其预测风险的校准度低于简单基线模型，并且主要分数相近的模型校准差异明显，因此仅靠主要任务指标不足以评估自主临床建模。
Localization and Neural Splatting on the Edge: An FPGA Scene Memory for Robots
说明边缘端的定位与神经高斯溅射：面向机器人的 FPGA 场景记忆系统
简介论文提出 LENS，一套运行在 AMD KR260 低功耗 FPGA/ARM 平台上的边缘场景记忆加速系统，用于在无桌面 GPU 的机器人上完成相机定位与附近视角渲染。它通过 INT16 场景坐标回归加速器和定点有序 3DGS 渲染器，对两大核心计算进行软硬件协同设计，而非提出新的场景模型。原文报告的板上测量结果显示，该系统在定位与渲染的性能功耗比上优于 Jetson Orin NX，并在部分任务上取得更低的绝对延迟；设备端训练的质量可达 ACEsplat 水平，但在时间和能耗上仍不及 GPU。
★★★★☆ 值得关注
One Skill Takes Over: Clashing Agent Skills and a One-File Fix
说明《One Skill Takes Over》：冲突的智能体技能与单文件修复方案
简介论文研究同一任务的两个智能体技能同时出现在上下文中时，模型会合并兼容规则还是只遵循其中一个。作者构建了包含16对技能的SkillClash基准，在七个模型上测试，发现单独加载时规则遵循率为93%至99%，两个同任务技能并存时降至61%至62%，且多数情况下出现一个技能接管、另一个被丢弃的现象。论文提出的修复方式是在每个技能文件末尾加入一个同时遵循两者的示例，或用单个合并技能文件替代。
看点发现同类技能共存时模型只执行一方规则的接管现象，并以单文件修复显著缓解，实验覆盖七个模型并有可检验的参考输出。
LightCRS: Lightweight Multi-Domain Conversational Recommendation System
说明LightCRS：轻量级多领域对话式推荐系统
简介本文提出LightCRS，一个面向多领域多模态对话式推荐的轻量框架。它离线预先计算商品的多模态表示，在线用一个约530万参数的模块，通过查询条件的交叉注意力融合各领域信息。作者还构建了覆盖25个领域、结合Reddit对话与Amazon商品的基准MM-R2A-25，报告称其平均指标达到最优，HR@1比最强基线提升35.4%，单次查询延迟降低266倍。