机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明超越静态排行榜：面向时间序列基础模型的能力导向评测与结构多样性
简介公开的时间序列基础模型基准测试分布固定且较窄，反复使用易导致针对基准的调优，单一总分也难以反映模型在不同时间结构上的能力。本文提出 CaFE（能力导向评测），基于原始基准数据，通过定义八种结构特征、重采样并增强样本来扩充结构多样性，再以预测误差和干预响应指标评估模型在各特征上的能力。实验显示该方法结果稳定，并能揭示总分掩盖的优劣势。
说明RECAP：面向高效视频扩散的互惠稀疏注意力与分层缓存方法
简介扩散 Transformer 能生成高质量视频，但计算成本很高。本文提出 RECAP，一种无需训练的方法，把稀疏注意力与分层缓存通过互惠修正结合起来，并用在线误差反馈自适应调节。在多个视频扩散模型上的评估显示，在 HunyuanVideo 上生成 720p、5 秒视频时，RECAP 实现了 3.05 倍加速，并在保真度和推理速度上优于所有直接组合的基线方法。
说明Machina Pauliana：荷兰破产法撤销权的神经符号方法
简介本文针对荷兰《破产法》第42条（撤销有损债权人交易的权利）提出一种神经符号模型。符号部分用Catala语言编写，使法条与形式化保持一致；开放性术语由神经子程序依据荷兰民事判决，通过案例推理加以判定。在100份人工标注判决上，判决分段与标注的精确率和召回率较高；在10个案例中，模型对多数要件处理尚可，但对知情要件处理较弱。检索深度未显示明显的量化影响，但检索到的判决为先例提供了明确依据。
说明CoRS：通过复合区间状态复用实现快速神经柔性作业车间调度
简介本文提出CoRS方法，用于柔性作业车间调度问题（FJSP）的神经求解。它将区间级图表示与逐步可行性状态解耦：图表示在多个连续决策间复用，可行性状态则在每次动作后更新。文中还引入增强静态特征以弥补复用带来的表示滞后。在合成数据和多个公开基准上的实验显示，CoRS显著降低推理时间，同时保持有竞争力的解质量。
说明优化文档后缀以引导模型遵循上下文
简介论文研究在用户提供文档时，能否仅通过在文档末尾添加经过离散搜索优化的后缀，使语言模型忠实依据文档作答，即使文档内容与模型已有知识相矛盾。实验在三个指令微调模型家族上进行，结果显示该后缀能使模型改变其原本抵制的大部分答案，效果多数优于解码基线和作者能写出的最强指令，并与激活引导方法相当。
说明心跳式思考：实时语音智能体在聆听时进行推测性推理与工具执行
简介论文指出，工具调用型语音智能体常在用户说完后让用户等待。作者提出心跳式思考（Heartbeat Thinking），在用户说话期间定期读取最新的部分转写，并共享已完成的推理与工具结果，用于补全缺失参数并启动依赖调用。在 FDBench v3 上，该方法将工具覆盖率提高16个百分点，并降低了最终回复的平均延迟。
说明迈向更细粒度的推理：利用大语言模型将DSA透明度数据库分类体系映射到平台服务条款
简介本文依据欧盟《数字服务法》（DSA）的透明度数据库，检视其高层类别是否能准确描述平台服务条款的规则。作者用少样本GPT-4.1分类器，将31个指定在线服务的447份政策文件映射到该分类体系。研究发现，类别适用性因服务类型差异明显，且多个类别的子类别说明存在较大重叠，使单一类别的归类变得困难。作者认为，这种“概括式”报告部分源于数据库的结构设计，并建议按服务类型区分、并从平台治理语言中归纳出更多必填属性的结构。
说明重新思考BPE：将合并选择视为模型选择
简介本文将字节对编码（BPE）的合并预算视为统计模型选择问题，研究直接从语料统计计算最优合并集合的信息论准则。为在数据有限时改进合并选择，作者用原始数据生成的合成文本扩充训练语料，以估计一元和二元分布。多个语料与下游任务上的实验显示，采用有原则的词表选择方法可以减小模型规模且性能下降很少；合成数据在低资源场景下尤其可能得到更好的分词器。
说明SAR2Net：一种面向跨染色切片对齐的空间锚定表示学习方法
简介该论文针对全切片图像在不同染色之间的空间对齐问题，提出SAR2Net框架。它不再估计显式变换，而是把对齐转化为区域级特征检索，学习与组织地标相对关系相关的空间锚定特征。实验在活检相关的HE-IHC数据集上进行，结果显示在严重组织变形下，该方法的区域级对齐效果优于以往方法。
说明RoAR-VAE：通过鲁棒预测提升潜变量的可扩散性
简介该论文针对视觉分词器（图像编码器），提出 RoAR-VAE，希望既保留图像保真度，又使其潜变量更易被扩散模型学习。作者提出"鲁棒预测"原则，即从被破坏的潜变量中仍可恢复与生成相关的信息，并通过 RobustAlign（预测预训练语义特征）和 RobustRecon（重建干净图像）两个目标实现。论文报告在相同训练预算下，其平均生成基准成绩比最强基线分词器高 2.19 分，小文本重建准确率比 FLUX.1-VAE 高 16.93 个百分点。
说明公平还是谬误？梳理AI疾病检测中偏见的研究全景
简介本文是一篇综述论文，梳理了2015至2026年间用于疾病检测的人工智能方法，重点关注偏见的识别与缓解。作者从数据类型、模型架构以及算法偏见、人口统计偏见、模型偏见和部署偏见等类型对方案进行分类。在检索到的64,389篇文献中，作者最终纳入23篇相关论文进行分析，并指出了当前研究中的主要空白。
说明ExMR：面向单目人体动作捕捉的肢端动作精修方法
简介该论文提出 ExMR 系统，用于从单目视频中重建三维身体、手和脚的动作。系统先用时序估计器预测全身动作，再通过脚部精修模块（FootMR）和手部精修模块（HandMR）利用局部证据预测残差关节旋转。在 ARCTIC、MOYO、RICH 和 MOOF 数据集上的实验显示，ExMR 在手部和脚部重建上优于现有方法；在 MOYO 上，手部逐顶点误差和踝关节角度误差分别比最强对比方法降低 19% 和 18%。
说明提示中加入法律身份会让小型本地大模型更频繁拒绝正当请求
简介本文关注律师等法律从业者在本地部署的小型开源大模型上使用时的过度拒答问题。研究人员用良性法律领域提示测试了四个小型开源模型，发现在提示前加入“我是律师”等权威身份声明后，拒答率比无前缀基线高出2至20倍。作者认为这可能造成因获得协助不均而产生的偏见，需要进一步研究。
说明OceanTensorCube与ST-MMT：用于紫菜白化七日预报的多模态数据与Transformer系统
简介本文提出一套预测养殖紫菜（海苔）白化的系统，可提前七天预报养殖区的白化概率。系统整合公开的海洋、气象、海洋模式和卫星等32个通道数据，并采用9.2百万参数的时空Transformer（ST-MMT）进行预测。作者在验证集上报告了较高的检出率，同时也指出了系统的局限，例如营养盐调查数据过时后预报技能明显下降。
说明聚焦式全模态GUI智能体（论文）：让智能体每一步只关注最相关的多模态信息，减少误导与轨迹漂移
简介论文指出，GUI智能体若每一步都统一接收截图、音频、视频等全部信息，关键信号会被淹没，错误还会随动作累积。作者提出轻量适配器FocusGUI，按每一步的决策需求动态压缩最相关证据，并以不改变冻结解码器参数的方式注入其嵌入中。该方法仅使用动作监督训练，在四个全模态骨干模型上，平均使Type Match提升33.2，Exact Match约为原来的3.0倍。
说明TaQFormer：面向多维优惠券分配的数据融合型Transformer模型
简介本文研究在线市场中多服务类别的优惠券分配问题，需要同时决定各类别的折扣并考虑类别间的需求转移。作者提出TaQFormer，把每个处理维度作为查询令牌，通过交叉注意力估计整个处理向量的响应，并结合观测数据预训练与随机对照试验数据的LoRA微调。文中报告，在补贴成本率基本相同的情况下，该系统相比生产基线提升了单用户业务价值，并已推广到全部市场流量运行。
看点将多维处理建模为查询的Transformer，结合观测预训练与RCT微调；以在线A/B测试和全量部署支撑效果，影响面较大。
说明GeoEdit：通过图像编辑实现隐形地理隐私保护的对抗性去证据方法
简介多模态大型推理模型能够通过分析照片中细微的视觉线索推断拍摄地点，使非专业攻击者也可能借此人肉搜索。本文提出 GeoEdit，对照片中高风险的证据锚点做最小限度编辑，以打断空间推理链，同时保留整体场景语义。在 LifePhotoBench 上的评测显示，该方法可抵御 6 种主流模型的地点推断，图像保真度比视觉扰动基线高出 0.59 以上。
说明稳健潜变量图模型：精确恢复与基本极限
简介本文研究高斯精度矩阵的稳健估计，该矩阵可分解为稀疏矩阵减去低秩矩阵，常见于潜变量边缘化并结合线性测量条件化的情形。作者提出凸估计器，用中心化的高斯测度变换协方差代替样本协方差，并以同余变换的核范数惩罚低秩部分。主要结果为原始-对偶见证定理，给出唯一性、无假边、符号恢复与秩和惯性的精确恢复条件，并证明了相应的信息论下界与 Huber 污染下的稳健性分析。
看点提出带符号稀疏与低秩分解的精度矩阵恢复理论，给出精确恢复、信息论下界与极小极大速率，理论贡献较突出。
说明VEILED-SH：通过间接语言表达脆弱性的自伤评测数据集
简介该论文提出 VEILED-SH 基准及构建方法，用于评估 AI 系统对自杀、自伤及痛苦的间接表达所作的单轮回应。数据集包含 10,003 条提示，涵盖咨询对话、论坛帖子、平台搜索和分诊等场景，部分来源于新加坡本地资料与公开数据集。作者还设计了多标签分类体系，并用六种自动化评分配置对代理对齐进行评估；在五个系统上的测试显示，即使对同一回应，不同参考政策下的代理对齐结果也存在差异。
说明Wan-Alpha++：将单个RGBA素材制作为可控透明视频特效
简介该论文提出Wan-Alpha++统一框架，可在文生视频与图生视频扩散模型上生成可控的RGBA视频（带透明通道的视频），便于影视、游戏等领域的合成制作。方法通过透明度感知的双向扩散目标和透明度引导的均值采样器，使RGB与透明度分布可分离并支持空间控制；并引入时间相位重参数化，以解决首尾帧全透明导致的“出现-消失”问题，在有限RGBA数据下实现基于参考图像的特效生成。
说明关于带计数模态逻辑的图计数问题
简介本文研究计数那些被图神经网络正面分类的树和图，或等价地满足给定带计数模态逻辑公式的树和图的理论计算复杂度。作者还研究了相关的收敛性问题。
说明MoveBench：面向运动与健康指导的大语言模型评测基准（基于评分细则）
简介论文指出，通用大模型基准（如MMLU、HELM）难以衡量运动安全、生理适宜性与个性化指导等领域要求，而错误建议可能造成身体伤害。作者提出MoveBench，包含809道题（选择题与开放问答），配有5,012条评分细则，并评测了15个大语言模型。结果显示各模型在安全意识、训练方案设计和个性化方面差异明显。
说明HP-PnP-Flow：基于流匹配的即插即用图像复原混合时间调度与投影方法
简介本文针对图像复原问题，提出一种改进的即插即用流匹配算法HP-PnP-Flow。它通过采用不同的时间调度并加入像素空间投影算子，在较温和的假设下给出收敛性保证。在CelebA和AFHQ-Cat数据集上的实验显示，该方法在去噪、去模糊、超分辨率等任务上优于原始PnP-Flow，并在部分任务中以更少的迭代次数达到相当或更好的重建质量。
说明用像素语言模型建模阅读时间
简介本文提出用基于像素、无需分词的语言模型来估计下一个词的可预测性，并将其用于模拟人类自然阅读。研究发现，在像素空间计算的预测难度能较好地预测不同语言中的注视时长和跳读行为，且与基于词元的惊讶度和熵估计形成互补。跨语言的文字系统对比也揭示了其独特的视觉处理偏差。
说明通过冻结的分层世界模型学习目标条件子目标
简介该论文提出用一个轻量的目标条件网络替代分层世界模型中高层的候选宏动作搜索。网络输出条件向量，由冻结的高层预测器生成下一个潜在路径点，训练仅使用离线轨迹上的后见目标和状态预测损失。在 H-JEPA 的 HWM 检查点上，四个环境的平均成功率分别为 Cube 70.4%、Push-T 48.7%、FourRoom 100.0%、Visual AntMaze 71.1%，并报告了 1.28 到 4.39 倍的端到端加速。
说明用于纵向调查数据协调的条件信息检索
简介本文针对跨不同调查识别概念等价问题的任务，提出条件信息检索框架：先用微调的生成模型提取问题背后的社会学概念，再将该概念作为显式条件信号辅助检索对齐。以 CLOSER 为案例，该框架在 MAP 和 Recall 上均优于基线。作者还比较了 SFT、DPO 与动态 DPO 等微调策略，并发现在通用社会科学词表 ELSST 上微调的模型能较稳健地迁移到具体调查数据。
说明VISAGENT：基于智能体的端到端语音交互系统
简介本文提出VISAGENT，一个面向大规模公共服务的基于智能体的端到端语音交互系统，用自然语音取代菜单式流程，并通过两级路由把用户请求分派给通用对话模型或专业领域智能体。系统还包含用户记忆与语音智能体注册机制，以支持个性化服务和生态扩展。论文称该系统已在中国12345/114热线的多个服务领域部署，实验显示其交互延迟低、路由可扩展性良好，语音自然度具有竞争力。
说明TriTD：面向实时自回归视频生成的三方轨迹-分布蒸馏框架
简介论文分析了自回归视频扩散生成中的三类误差来源，并据此推导出单步与累积误差的闭式上界。作者提出TriTD框架，包含下一节点轨迹蒸馏、分块递增加噪和正交并行DMD损失三个模块，以同时优化生成质量与推理效率。论文称该方法在视觉质量上优于现有基线，并在单张H100 GPU上达到26.8 FPS的实时吞吐量。
说明动态分批：按类别轮换的训练如何塑造神经网络的内部结构
简介本文研究在训练中周期性轮换每批数据的类别构成，能否同时影响神经网络的性能与内部组织。作者提出动态分批（DB）采样方法，周期性地强调每个类别，同时保持损失函数与优化器不变，并与每批类别比例相同的均匀分批（UB）对比。在标准训练失败的场景中，DB 能让容量受限的多层感知机拟合螺旋数据；在 CIFAR-10 上，该方法也小幅提升了两种网络的测试准确率。
说明DeepSEA：面向东南亚语言的多语言评测基准
简介本文提出DeepSEA，一个面向东南亚语言的多语言评测基准。它通过专业人工翻译，将既有数据集转换为12种东南亚语言，涵盖数学推理、科学推理、问答、摘要和机器翻译五类任务。评测结果显示，大型模型在不同资源等级的语言上表现较稳定，较小模型在低资源语言上性能明显下降；此外，模型在经由英语中转时，推理和摘要表现更好。
说明基于物理驱动的、受服务质量约束的卫星系统（含非线性功放失真）
简介本文提出一种物理驱动的自监督图学习框架，在非线性相关功放失真下直接优化考虑失真的预编码器，无需优化器生成的标签。研究对下行多输入单输出卫星系统，在用户服务质量约束下最小化非线性功放功耗，并联合设计预编码与准入控制。实验表明，该方法的功耗性能接近基于逐次凸逼近的方案，且运行速度更快。
说明MARC：面向可动物体代码生成的机构感知反思式修正方法
简介该论文提出 MARC，用于从图像和文本生成可动物体代码，重点保证装配后的机构能够按预期运动。方法以可执行的运动学图统一程序构建、运动求解与修正，并通过数值求解器定位错误连接，由智能体据此修改后重新测试。在 20 个物体的测试集上，MARC（搭配 Kimi-K3）的有效运动覆盖率为 67.8%，整体成功率为 60.0%，优于六个基线方法。
说明FLMNet：从掩码到种子的自集成蒸馏，用于单塔点击率预测
简介本文研究点击率预测中常见的自蒸馏方法，即同一网络在不同随机失活模式下训练并拟合其平均预测。作者证明当模式数量趋于无穷时，该目标退化为平均预测的标签损失加上各失活副本之间分歧的惩罚项。据此提出的FLMNet在失活不影响特征门控时可闭式近似该惩罚，且无需采样训练。在五个基准数据集、与十七个基线对比中，该模型以单一网络进行推理，在准确率上排名前两位。
说明用于聚变放电情景开发的强化学习控制器
简介论文提出用一个预先训练好的目标条件强化学习控制器替代逐个情景调参的做法，在自由边界平衡与输运仿真器中训练，只需给定等离子体电流、电子密度、LCFS形状和X点位置的目标波形即可生成线圈电流和加料指令。在EAST等离子体电流爬升实验中，控制器在1024个测试情景中有86%形成偏滤器，58%在1.2秒结束时保持偏滤状态。失败案例主要集中在高电流密度区域。
说明MOSAIC：面向计算病理基础模型的通用潜在空间探索
简介该论文研究多个病理基础模型（PFM）学到的特征空间是否本质不同，还是同一底层表征的不同坐标系。作者系统比较了12个切片块级和6个全切片级模型的潜在空间相似性与对齐方法，并通过跨模型一致性、检索、几何保持及分子与形态预测任务（多示例学习）进行评估。
看点系统比较12个补丁级和6个切片级病理基础模型的潜在空间相似性与对齐方法，并在多项下游任务上评估，属于有新意的组合研究。
说明Nash-MOPD：多教师在线蒸馏中的任务权衡优化方法
简介该论文针对多教师在线蒸馏（把多个领域专家教师的能力合并进一个学生模型）中训练预算有限的问题，提出Nash-MOPD。它基于已有的反向KL统计量，用局部极小极大博弈自适应分配各领域的训练样本，使学习较慢的领域获得更多样本。论文称，在两个模型上，该方法在数学和代码等指标上优于基线，且不增加教师查询或采样次数。
说明面向在线多标签分类的最优多核组合方法
简介本文针对数据流式到达的在线多标签分类问题，提出一种在线多核组合方法。该方法先设计高效稳健的单核在线多标签学习器，再将多个核分类器的最优凸组合形式化为结构风险最小化问题，并用交替优化求解。论文称该方法在11个数据集、七项指标上总体优于现有在线多标签方法。
说明方差感知的非平稳多臂老虎机：全预算遗憾界与适应成本
简介本文研究有界、非平稳的多臂老虎机问题，刻画奖励方差与均值变化两类预算对动态遗憾的影响，给出在对数因子内的极小极大遗憾界。文中还提出在小预算情形下的校准与截断方法，并分析了固定预算下的适应成本，指出一类确定性基准下的额外损失。
看点给出了方差与变化预算下非平稳多臂赌博机动态遗憾的极小化界，并刻画了小预算区域的裁剪与监测权衡，理论改进显著。
说明从检索到识别：面向分类的时间序列基础模型知识增强后训练
简介该论文提出 R2R（Retrieval-to-Recognition）后训练范式，用于把已预训练的时间序列基础模型适配到时间序列分类任务。方法通过解耦的查询编码器提取判别性模式，并从构建的知识库中检索实例级数值知识，再将其与模型的隐式参数嵌入融合。作者称，在 158 个时间序列数据集上，R2R 持续提升了多个先进时间序列基础模型的分类性能。
说明面向有限感知的多机器人三维水下检测GPU流水线
简介本文提出一套完整的GPU驻留流水线，用于多机器人对水下结构进行三维检测。给定三角网格和K个机器人（每个配备短距离、有限视场相机），该方法计算六自由度轨迹，以共同覆盖目标比例的表面，并最小化线性插值的完工时间/总成本目标。论文将问题分解为五个核心阶段，并在其前后加入预处理与后处理，同时在14个网格上进行实验评估，检验碰撞自由性与路径点到达情况。
说明不要重写SID映射：动态电商搜索中生成式检索的拓扑保持方法
简介该论文研究电商动态环境中生成式检索的语义ID（SID）映射更新问题，基于67天大规模搜索日志进行受控实验。结果显示，映射变化会显著降低召回率，且被大束宽掩盖；SID变化比例与检索质量呈单调负相关。论文提出保留旧商品SID、插入新商品并热启动的策略，在线A/B测试中UCTCVR和GMV均有提升。
说明图神经网络的声明式解释：演示系统SliceGXQ
简介本文介绍了SliceGXQ，一个用于查询和探索大规模图上图神经网络分层解释的端到端声明式交互系统。系统提供图形界面、类SPARQL的查询解析器以及调用SliceGX解释引擎的执行与可视化流程。论文演示了如何诊断被误分类的节点、定位问题层与关键消息，并结合大规模图解释与欺诈检测分析进行针对性调试。
说明从一个赌博机学习者中学习：推断其对次优差距的主观估计
简介论文研究如何根据执行随机策略（如汤普森采样）的无悔演示者的臂选择分布，反推其内部对次优差距的估计，而非传统逆赌博机方法中的真实奖励参数。作者刻画了可逐步求逆的算法族，分析了稳定性与覆盖性之间的权衡，并给出了可靠求逆的条件及估计误差的理论保证。模拟实验验证了分析结论，并展示了这些条件在实践中如何影响差距恢复。
说明可证明的对抗样本检测：素数量化与 Gromov–Wasserstein 距离的结合
简介这篇论文研究如何从几何角度、以有理论保证的方式检测对抗扰动。作者在标准 CNN 嵌入空间和一种基于素数离散化的新空间之间比较几何结构，认为对抗扰动难以同时保持两者的几何关系，并据此给出分离理论。论文报告了多种攻击类型和模型上的实验结果。
说明可靠先于盈利：用于治理大模型智能体开发金融策略的QuantHarness框架
简介该论文提出QuantHarness，一个两层智能体框架，用于把自然语言金融研究需求转化为可执行、可回测的策略，并在开发各阶段约束信息与操作边界。作者同时提出FinRelBench基准，从执行成功、需求满足和运行证据三方面评估策略开发的可靠性。文中报告QuantHarness的任务成功率最高，并称其结构化运行记录有助于证据检索和决策回放。
说明基于预训练音频嵌入与梯度提升机的多语言语音信箱与应答机检测
简介该论文研究电话中判断接听方是真人还是语音信箱（应答机）的任务。作者提出一种轻量系统，将预训练音频嵌入与梯度提升机结合，并优先保证正确识别真人接听。论文同时发布了首个公开的应答机检测数据集OpenAMD，包含7种语言的500多条录音。
说明从代码到可玩的系统：面向长周期游戏创作智能体的 CEGame-Bench 基准测试
简介论文提出 CEGame-Bench，这是首个针对完整游戏创作的长周期基准，覆盖 Defold、Godot、Roblox Studio、Unity 和 Unreal Engine 五款主流引擎。智能体需从空白项目和设计文档出发完成游戏，由隐藏评估器以真实输入试玩来判定是否通过。结果显示，智能体多能满足集成要求，但游戏性得分通常不足一半，只有 16% 的游戏能走到结局；作者还发布了用于需求驱动试玩与修复的 Game Completion Boost 技能。
看点首个覆盖五大生产引擎的长周期完整游戏创建基准，以真实输入试玩作为验收，并通过实验揭示产物与可玩性之间的差距，证据充分。
说明PnP-Transformer：用于零样本6D物体位姿估计的神经位姿求解器
简介本文提出PnP-Transformer，一种无需迭代、可微分的神经网络位姿求解器，用来替代传统的PnP-RANSAC方法。它以预测的半稠密2D-3D对应场及置信度为输入，直接回归6D物体位姿，并在零样本6D位姿估计流程中与对应模块分开训练。在七个BOP核心数据集上，其平均AR为41.2%，但仍低于Co-op（58.4%）；将求解器换成EPnP-RANSAC后，平均AR可达52.2%，但每个物体多耗时60毫秒，显示出精度与延迟之间的权衡。
说明预后影像组学特征有多稳健？在合并的胶质母细胞瘤队列中比较特征筛选方法
简介该研究分析了705例IDH野生型胶质母细胞瘤患者治疗前MRI中的463个影像组学、解剖及临床特征与总生存期的关联，数据来自三个公开队列。研究比较了对数秩检验、单因素Cox回归和结合SHAP解释的XGBoost三种筛选方法，结果显示不同方法选出的特征差异较大，仅五个特征被三种方法共同选中。研究认为，分析流程的选择（如排序方法、预筛选和描述符处理）会显著影响哪些特征被视为具有预后价值。
说明KDHNet：面向少量校准数据的 SSVEP 解码知识驱动混合网络
简介本文提出 KDHNet，用于基于稳态视觉诱发电位（SSVEP）的脑机接口解码。该方法将解析式空间滤波（TDCA、TRCA）与神经网络（SSVEPformer）结合，在校准数据较少时仍能保持较好的解码效果。在三个公开数据集上的实验显示，KDHNet 在多数被试内设置中取得最高平均准确率和信息传输率，在跨被试设置中表现最佳或次佳，且校准数据越少优势通常越明显。
说明GeoNaviDiff：通过局部黎曼导航将解耦语义控制迁移到扩散模型特征
简介该论文提出 GeoNaviDiff，一种无监督跨空间框架，把 StyleGAN 的 StyleSpace 解耦编辑结果迁移到扩散模型的 h-space 局部黎曼轨迹上，用于真实图像的属性编辑。方法通过球面 Log 映射提取切向量并平行移动到扩散状态，再由共享的因子条件导航器在推理时预测。实验显示，该方法在保真度、因子选择性、编辑局部性和轨迹平滑性方面优于对比方法。
说明基于可靠性监督路由与非对称分辨率融合的 RGB-事件相机目标检测：跨不同运行频率的检测
简介自动驾驶车辆需要比帧相机更快地检测目标，事件相机可以以微秒级分辨率记录亮度变化。本文提出可靠性监督路由，为每个位置分配融合权重，并用训练时两个单模态分类器的损失作为监督目标；同时提出非对称分辨率融合，以原生分辨率编码帧并汇入事件网格。在 DSEC-Det 数据集上，从 20 Hz 到 180 Hz 的精度损失由 6.3 mAP 降至 3.1 mAP，所提检测器 ERA-Det 达到 63.2 mAP，优于 FlexEvent 3.7 mAP。
说明藏语语音识别在多种方言与适应方式下的评测：多粒度分析
简介藏文书写不标注词界，因此藏语语音识别通常只用字错误率或音节错误率评测，而这些指标可能导致系统排名不一致。本文把字错误率、音节错误率和分词后的词错误率合并到同一评测框架中，比较基于词典、神经网络和语言模型的分词方法与专家标注的差异。研究在拉萨藏语上评测了五种语音识别架构，并在另外五个语料子集上测试零样本迁移和目标语料适应，同时改变LoRA秩和训练数据量以考察适应失败的情况。结果显示，字错误率较低并不总能带来较低的音节或分词词错误率，这种排名差异在不同语料中依然存在。
说明面向非对称脑电-眼动情绪识别的上下文感知拓扑蒸馏图网络
简介该论文提出CTD-GNet模型，用于脑电与眼动融合的情绪识别。模型以脑电特征作为电极图的节点，眼动和前序时间窗口调节图的边、节点和读出，并通过双向蒸馏将多模态教师模型的知识迁移给仅用单窗口脑电的学生模型。在SEED和SEED-IV数据集的留一被试测试中，该模型平均准确率最高，并在缺失眼动数据时仍保持较好表现。
说明DeOverlay：视频叠加物去除的基准数据集与源锚定流模型
简介该论文提出 DeOverlay 方法，用于去除视频中字幕、标题和标志等叠加内容，并恢复被遮挡的场景。作者同时构建了包含 1,631 个配对视频、覆盖八类文字叠加的 DVTE-Bench 评测基准。实验称，DeOverlay 在五项重建与感知指标上均优于四个基线方法，相对最强基线，Mask LPIPS 降低 58.3%，Mask VFID 降低 70.3%。
说明人脸去身份化评估工具包：一套用于评测人脸隐私保护技术的开源框架
简介本文提出一个开源工具包，用于评估人脸去身份化技术。该框架涵盖预处理、去身份化和性能评估的完整流程，评估维度包括数据效用、图像质量和身份保护指标。工具包支持多种数据集，便于研究者对新技术进行基准测试。文中结果显示，部分技术在保护隐私的同时能够保持图像可用性。作者希望借此为人脸生物识别中的隐私增强技术提供统一的标准评估框架。
说明DCR-TSF：面向免训练零样本组合图像检索的双层组合推理与三元球面融合方法
简介该论文提出 DCR-TSF，一种无需训练的零样本组合图像检索框架，用于根据参考图像和文字修改要求检索目标图像。方法通过双层组合推理生成细粒度和粗粒度描述，并利用三元球面融合在单位超球面上融合参考图像、修改文本与原始组合查询的表示。作者称其在 CIRCO、CIRR 和 Fashion-IQ 数据集上的实验结果优于其他免训练方法。
说明并非所有相似都是泄露：合成人脸数据集中基于分布的身份泄露评估
简介该论文指出，合成人脸数据可能因生成模型的条件化过程而与训练集中的身份过于相似，从而削弱隐私保护效果。作者分析了现有方法依赖分类器、且易将与未参与训练的真实数据集的相似误判为泄露的两个问题，并提出了缩放重叠指标（Scaled Overlap，SO），通过多模型设置评估身份泄露的真实程度。研究识别出 CemiFace、SFace2 和 IDNet 等泄露较严重的数据集，并发现大多数合成图像来自多个身份而非单一身份。
说明CUA-Lite：面向计算机使用智能体的开源平台
简介该论文提出CUA-Lite，一个用于开发计算机使用智能体（CUA）的开放平台，统一了环境接口、监督数据格式和模型调用框架。平台整合了12个涵盖桌面、浏览器和移动端的基准测试，并提供超过30,000个可验证任务的轻量级沙箱。作者报告称，通过同一框架进行的强化学习与监督微调能够提升开源权重模型的表现，相关数据集、代码和模型均已公开。
说明面向幻觉感知视频采样的风险分解
简介视频模型虽然画面逼真，但仍会出现物理幻觉，例如球体无故瞬移或无能量补充却越弹越高。本文提出二维物理幻觉风险框架，区分低密度采样风险和高密度漂移风险，并据此提出采样方法HA-Sampler与评分方法HA-Scorer。在Physics-IQ和VideoPhy基准上，两者均优于对比的采样与评分基线。
说明PhysSkin++：基于自监督神经蒙皮的实时、可泛化物理动画
简介该论文提出 PhysSkin++ 框架，从静态几何中学习连续的神经蒙皮场，构建紧凑的形变子空间，以跨不同三维形状实现实时物理动画。方法包括神经蒙皮场自编码器以及结合梯度冲突校正的物理信息自监督学习策略，无需仿真轨迹即可学习。实验表明，该方法可实现跨形状泛化、实时降阶仿真，并支持可控、碰撞感知及与骨骼互补的动画应用。
说明FinSafeGuard：面向金融AI安全的高质量合成数据集
简介本文提出一套生成大规模合成训练数据的方法，从632,000个场景规格的结构化分类中产出1,430万条经质量筛选的样本。流程包括预生成参数研究、低多样性批次的自动修复、词法与嵌入相结合的两层语义去重，以及基于行为正确性的LLM评判过滤。在银行、保险和金融服务三个领域中，去重比例为9.9%至40.6%，最终由2,640万条原始样本减至1,430万条。
说明学习剂量流形：用于自动放疗计划中三维剂量预测的潜在扩散框架
简介该论文提出LaDose，一种潜在扩散框架，用于预测头颈部放疗的完整三维剂量分布。模型先压缩剂量图（128倍）以便在单块GPU上进行三维扩散，并通过多尺度无分类器引导调节临床权衡。在900个临床头颈部容积调强弧形治疗计划上，其中位绝对误差为1.18 Gy，与直接孔径优化结合后，15.2分钟生成计划。
说明技能增强语言模型智能体中的程序性暴露偏差
简介该论文研究语言模型智能体在获得外部技能（可复用的程序性知识）后如何使用这些知识，提出“程序性暴露偏差”概念，指模型会因相关程序模式被反复暴露而越来越偏好某一动作。研究发现，以视觉形式呈现相同内容比文本形式显著减弱这种偏好变化，并在 ALFWorld、ScienceWorld 和 WebShop 上的完整智能体评估中，视觉技能的宏平均任务成功率高于文本技能。
说明《蜜语藏刀》：评测并训练大模型识破“假意客气”
简介本文提出中文基准 ZhenhuanBench，共 1,592 条题目，取材于《后宫甄嬛传》的专家评注，考察说话者意图、情感与语言不一致，以及不同听者的反应。论文对 34 个大模型做了纯文本评测，其中 GPT-6 Astra 总体得分 73.48%，听者反应得分为 58.37%。作者还提出了 CPR-GRPO 训练方法，在公开选择题上达到 67.0 分，在隐藏协议下为 74.5 分，并在外部数据集上取得高于 SFT 和 GRPO 的平均 Macro-F1。
说明HierDTA：用于药物-靶点亲和力预测的分层结构感知表征学习
简介该论文提出HierDTA框架，用于预测药物与靶蛋白的结合亲和力，以便在实验验证前优先筛选化合物-蛋白质配对。模型把药物表示为原子-基序异质图，把激酶结构域转换为残基相互作用图，再通过交叉注意力融合两者，并结合分子指纹和ESM-2预训练嵌入。论文报告其在Davis数据集的各项指标上优于现有方法，在KIBA上取得0.791的r_m^2，并在冷启动场景下表现出较好的泛化能力。
说明ORBIT：基于下一频段预测的自回归时间序列生成方法
简介本文提出ORBIT，一个统一的时间序列深度生成框架，用于合成逼真的时间序列以缓解数据稀缺问题。其包含频率分层VQ-VAE（FH-VQ-VAE）和频段自回归Transformer（FBAR）两个核心组件，前者将潜在表示分解到不同频段并进行残差量化，后者按由低频到高频的顺序进行自回归生成。作者称在多个真实基准上ORBIT整体性能达到最先进水平，且推理效率优于先进基线。
说明CorteXforge：在真实测试平台上基于场景生成射频数据集
简介该论文提出 CorteXforge 框架，可在可编程软件无线电（SDR）测试平台上依据高层射频场景生成可复现的数据集。场景被自动转换为同步实验，在 SLICES-RI/CorteXlab 平台上执行，输出带完整标注的 SIGMF 数据集，并保留硬件损伤和传播效应。作者以调制识别任务验证该框架，结果显示合成数据与真实空口数据之间存在性能差距，但合成数据预训练仍有助于适应真实数据。
说明AVTime：用双向对齐强化稠密音视频字幕
简介该论文针对视频中带时间戳的稠密音视频字幕任务，指出现有工作在数据集、强化学习奖励和评测基准上的不足。作者提出了包含约5万条样本的AVTime-50K数据集，以及采用双向时序-语义对齐（BiTSA）奖励优化的AVTime模型。论文还提出了AVTime-Bench基准，用于双向评估事件的时间准确性与语义正确性。
说明面向并行扩散大语言模型解码的平衡枢轴选择方法
简介该论文针对扩散语言模型的并行解码，提出平衡枢轴解码方法（BPD）。它优先选择连续掩码区间中的中心位置作为枢轴并行解码，平衡枢轴使解码深度与区间长度呈对数关系。方法结合基于置信度的预填充与置信度阈值下的中心选择，并在LLaDA与Dream模型上的五个数学推理、代码生成和指令遵循基准上评估了质量与效率的权衡。
说明FinHopper：面向复杂金融智能体的渐进式多跳基准，附分步评估
简介本文提出FinHopper基准，用于评测金融智能体通过开放搜索回答投资类问题的能力，推理深度从1跳到6跳，涵盖股票、基金和宏观经济事实，并提供中间答案以进行过程级评估。作者设计了基于状态转移的合成框架，并结合专家公开搜索验证。实验测试了20种大模型智能体配置，结果显示公开搜索工具必要但不充分，跳数增加时性能明显下降，最佳模型仍远低于人类专家。
看点针对金融多跳检索提出受控深度、带中间答案的基准与状态转移合成框架，并以20种配置验证，对子领域有实质贡献。
说明Decision4Rec：面向多智能体推荐系统的决策模型框架
简介本文提出Decision4Rec，一个开放、模块化的推荐框架，把决策模型用于推荐。知识图谱将各推荐场景的日志写成简短陈述，智能体池提出候选，残差排序器保留前30个，决策模型的回答再与排序分数融合。在三个稀疏的亚马逊数据集上，使用训练后4B决策模型的框架在NDCG@10上比最佳训练基线高出25%至36%。
说明DRA-SAM：面向低空无人机指代分割的分歧驱动局部再推理方法
简介该论文针对低空无人机图像中小目标、外观相似的指代分割问题，提出 DRA-SAM 框架：全局推理后，依据候选掩码之间的分歧与未解决区域，选择一个裁剪区域进行局部再推理，并用证据更新假设。在 RIS-LAD 与 UAVid-RIS 上，作者报告其在多数指标上达到当前最优，并在 RIS-LAD 上将 mIoU 从 49.55 提升至 52.34。
说明截断还是不截断？循环 Transformer 截断反向传播的缩放规律研究
简介该论文研究循环 Transformer（重复使用同一组层以增加计算深度）训练中，是否截断通过时间的反向传播（BPTT）。作者跨近 600 次训练运行，拟合了统一的缩放律。结果显示，在前向与反向循环次数联合优化时，完整 BPTT 更优；在计算量相当时，少循环的完整 BPTT 优于截断设置。当模型规模也可调整时，两次完全训练的循环是最佳设置，其验证损失低于计算最优的非循环模型，而非嵌入参数约少 27%，训练计算仅多 8%。
说明在分段式马尔可夫决策过程中用后验采样实现依赖实例的遗憾最优性
简介本文研究有限时域分段式马尔可夫决策过程（MDP）中的遗憾最小化问题。作者提出 π0-PSRL，一种 PSRL 的变体：用后验采样判断何时需要探索，而在探索回合中遵循固定的参考策略 π0。论文证明了该方法依赖实例的遗憾上界，指出 π0 带来的探索代价为对数级，并朝着匹配分段式强化学习的渐近下界迈出一步。
说明联邦学习结束之后：面向异构新成员的知识可迁移性基准测试
简介本文提出 FEDNBO 基准，包含七个数据集，用于评估联邦学习在历史客户端不可用后，其留下的知识能否迁移给新成员并编译为不同架构的私有模型。作者比较了公共响应蒸馏等参考方法，在 CelebA 与 FedEMNIST 上相对强化的本地训练分别提升 23.52 和 16.62 个百分点，并报告了编译耗时与准确率等结果。
说明TamedFlow：面向教师辅助扩散采样的轨迹感知蒸馏方法
简介该论文针对扩散Transformer（DiT）推理需要大量顺序模型计算的问题，提出TamedFlow方法，用于训练压缩后的学生模型，并结合自适应推理。论文指出，直接把自适应加速方法用于压缩模型会降低生成质量，并提出轨迹监督与可学习轨迹估计器来路由草稿，必要时调用教师模型补救。在ImageNet 256×256上，将DiT-XL/2蒸馏为DiT-B/2后，报告FID为2.58，实测相对DDIM-50加速2.25倍。
说明通过语义与结构塑造实现多模态解耦的多样化推荐
简介推荐系统在只追求准确率时结果容易过度集中，缺乏多样性。该论文提出MOSS框架，利用多模态解耦、类别感知的语义特征选择以及交替双图传播和基于熵的多样性正则化，缓解表示坍缩与优化偏差。作者称在真实数据集上，MOSS相比强基线在准确率与多样性之间取得了更好的平衡。
说明SPEM：面向 LLM 智能体高效技能调用的结构感知程序记忆
简介本文提出 SPEM，一种轻量的结构感知程序记忆框架，用于提升基于大语言模型的智能体调用技能的效率。SPEM 同时维护单个技能的原子技能记忆，以及由成功执行得到的可复用技能组合（Skill-DAG）记忆；遇到新任务时优先复用高置信度模板，否则检索原子技能并借助 Skill-GNN 进行状态与结构感知的选择。在 ALFWorld 和 SkillsBench 上的实验表明，SPEM 在有效性与效率之间取得了较好平衡，ALFWorld 成功率为 87.1%，SkillsBench 奖励为 38.38%，同时相较强基线降低了令牌与运行时开销。
说明FrameGRPO：通过多帧采样与时序信用激励视频推理
简介该论文提出FrameGRPO强化学习框架，用于提升多模态大语言模型的视频推理能力，且无需辅助网络或修改模型结构。方法包括多帧采样（对同一最大帧解码进行均匀时间子采样，构造多样化的视觉证据与推理轨迹）以及门控时序效率信用（在全帧参考子集全部失败时，有选择地强化一条正确的低帧率轨迹）。实验表明其在多个视频理解与推理基准上整体优于标准GRPO。
说明反思式提示与技能优化在本地推理模型上何时有效：GEPA 与 SkillOpt 的双模型研究
简介本文检验了 GEPA 和 SkillOpt 两种文本空间优化方法在两个本地部署的推理模型（DeepSeek V4 Flash 与 Qwen3.8-27B）上的复现效果，在 HotpotQA 与 MATH-500 上比较基线、GEPA 提示、SkillOpt 技能和人工提示四种条件。结果显示，GEPA 在 MATH-500 上提升明显，两种优化方法均未改善 HotpotQA 基线，验证集上的增益也可能在held-out评估中逆转。
说明Aerial-R1：强化多模态大模型在航拍场景中的推理与分割能力
简介本文提出Aerial-R1，是首个面向航拍领域的多模态大语言模型框架，旨在强化视觉推理与分割能力。针对航拍图像中尺度变化大、目标模糊导致的幻觉问题，作者提出混合视角组优势加权回归方法（H-GAWR），通过高、低分辨率视角构建动态组，使模型在清晰输入上保持一致，并对模糊输入上的幻觉进行惩罚。在专门评测密集推理与抗幻觉能力的VSAI-Ref基准上，该方法在分割精度上优于监督微调基线，并显著减少低信息场景中的严重幻觉。
说明ProtGlycanDock：面向蛋白-聚糖对接的专用数据集、基准与模型
简介该论文针对蛋白质与聚糖的对接任务缺乏专用数据集、基准和模型的问题，构建了 ProtGlycanDock 基准，并在其上评估了十个模型。作者还提出两种微调技术，把聚糖构象知识注入通用分子结构预测模型，结果显示 AlphaFold 3 在现有方法中表现最佳，两种技术结合后达到该任务的当前最优水平。
说明LLM时代科学写作的加速漂移：基于中断时间序列分析的证据
简介本文比较了2022年11月ChatGPT发布前后arXiv及medRxiv预印本摘要在词汇、标点、可读性和句法等方面的变化趋势。研究采用中断时间序列回归，发现2022年后多个特征族和研究领域出现明显变化，如平均词长增加、基于公式的可读性下降、依存树最大深度降低。不同特征的变化动态各异，部分词汇标记持续加速，另一些先升后降。作者认为，仅看单个标记的频率不足以刻画这一转变，应把科学写作视为多维、不断演化的系统来监测。
说明为印度语大模型扩展合成预训练数据与评测体系
简介本文介绍了Nemotron-Pretraining-Indic-v1，一个约2.83万亿词元的合成预训练语料库，覆盖印度22种法定语言（天城文等原生文字）及12种罗马化形式，是目前公开发布的最大印度语预训练语料。作者通过GPU加速流程翻译英文文档并修复低质量译文，实验显示将合成语料与天然印度语文本结合，可在知识与推理上优于公开语料基线。同时，论文还提出了涵盖对话、指令遵循、推理、知识、代码和翻译的Indic-LLM-Eval-Suite多语言评测套件。
看点通过合成翻译构建超大规模印度语预训练语料并配套多语评测套件，在多语种持续预训练实验中优于公开语料基线。
说明用表格模型替代地面灌溉高成本水动力模拟：同一灌区场景泛化与跨灌区迁移研究
简介本文研究用表格型代理模型，根据无人机获取的田块形态、地形、水文、空间及情景信息，预测地面灌溉中的最大水深，每一行对应一种灌溉情景下的一个空间网格。研究比较了梯度提升树、神经表格模型、AutoML与表格基础模型。结果显示，在固定的8/32同灌区划分下表现较好，但迁移到未见过的灌区时明显更难，空间坐标的灌区坐标系归一化只能改善结构相似灌区间的迁移。
说明以曲率为基准：用双色条纹标记对圆柱物体进行单目位姿测量
简介本文针对细圆柱物体难以放置平面标记的问题，提出一种双色条纹标记，利用物体已知的曲率，借助单个相机改进位姿测量。文章分析了不同深度特征如何提高绕圆柱轴线旋转（滚转）的估计精度。仿真中，15 cm 处的滚转标准差克拉美罗下界在平面、单弯曲和环绕式标记下分别为 2.00°、0.38° 和 0.21°，蒙特卡洛滚转均方根误差与这些界限相差约 10% 以内。
说明TimesJev：以系统1的充分性快速思考时间序列
简介论文提出时间序列推理的系统1模型TimesJev，目的是在保留关键频率模式的前提下，把原始时间序列压缩成与模型嵌入空间兼容的表示，以减少推理延迟。作者在13个数据集上的实验显示，TimesJev平均优于推理模型超过62%，推理时间比其微调版本平均减少62.9%。
说明PnP-CF：一种用于一般逆问题的共识流匹配求解器
简介论文提出 PnP-CF 框架，把流匹配生成模型作为数据先验，用于求解基于模型的逆问题。该方法结合 ADMM 式对偶变量更新与随时间自适应的回拉步骤，以增强求解器与生成模型之间的一致性。实验显示，它在标准线性逆问题上质量不低于现有基线，并能处理包括预训练神经网络前向算子在内的非线性逆问题，而现有方法在这些情形下效果不佳或失败。
说明TempoMoE：识别并调控快思考与慢思考专家，实现高效多模态推理
简介多模态专家混合（MoE）推理模型处理复杂任务时依赖长链式思维，但面对简单输入也常过度推理，增加了token消耗和延迟，有时还会降低准确率。本文发现快思考与慢思考对应不同的专家路由模式，并通过因果实验证明这些专家会影响推理深度。据此提出免训练的两阶段框架TempoMoE：先识别快、慢思考专家，再依据样本难度在原有top-k集合内重新分配路由权重。在Kimi-VL、Qwen3-VL和ERNIE-4.5-VL上的六个基准测试中，相比原始模型，准确率最高提升2.6个点，输出token最多减少35.4%。
说明将思维链内化到循环 Transformer 中：用循环计算替代逐词生成的推理过程
简介本文构造了一类固定比特规模的循环 Transformer，它在思维链（逐个生成 token 的推理）与隐状态循环（潜在思维）之间进行插值。给定循环次数 L，该模型可模拟时间为 t(n)、空间为 s(n) 的图灵机，所需上下文窗口为 O(s(n)/L)，生成 token 数为 O(t(n)s(n)^{1/k}/L)，相对于对应的非循环队列机模拟，两项资源均减少为 1/L。作者还说明在指定的有限精度核下，该构造在固定比特规模的 softmax 注意力中同样成立。
看点构造一族常数比特循环Transformer，在CoT与隐状态循环之间插值，并将上下文与生成token数降低L倍，理论上有实质改进；证明严格覆盖了图灵机模拟。
说明二部网络中的联邦社区检测：在不共享原始数据的情况下，用分布式矩阵计算识别网络中的群体结构
简介论文研究在多台服务器各自保存数据、无法共享原始数据时，如何估计大矩阵的谱特征。作者提出FLICKER方法，仅通过本地数据块的矩阵-向量乘积恢复指定的奇异方向，并据此开发BiFLICKER用于二部网络的联邦社区检测。在稀疏二部随机块模型下，文中给出了收敛与聚类误差的理论结果，并在LastFM用户-艺人网络上取得与集中式聚类接近的表现（总体ARI为0.94）。
说明语言智能体的程序性记忆：基于显式目标结构的神经符号视角
简介论文指出，大语言模型在需要程序性推理的长周期任务上不够可靠，原因之一是缺乏显式的程序性记忆，即可访问、可修改的任务完成方式知识。作者提出用目标导向图来表示目标及其前置依赖关系，作为可检查的符号结构，并讨论了其构建方式、面临的挑战，以及与神经推理结合的原则。
说明图到表接口如何控制关系泛化
简介本文研究图到表系统中编码器、上下文构造与表格解码器三个组件能否独立评估。作者在 CLUTRR、57 个 GraphLog 世界和 57 个知识图谱上，用 Logistic 回归、CatBoost 与 TabPFN-3 做控制变量对比。结果显示，一个组件上的结论会随其他组件改变而变化。
说明面向多智能体路径规划的地图分布混合专家方法
简介本文研究多智能体路径规划（MAPF）中的神经策略设计，关注仓储物流等集体自动化场景。作者提出元层级的混合专家（MoE）方法：先准备若干针对不同地图分布的紧凑高性能专家，再训练路由器，依据每个智能体的局部情况选择性融合各专家的输出。该方法在基于图神经网络的策略和新提出的递归动作标记精炼模型上进行了验证。实验显示MoE总体优于预训练策略及现有领先方法，但参数量相当的单体模型在适当训练后仍胜过MoE。
说明ClueFlow：通过可归因的研究状态转换学习长程搜索
简介该论文提出ClueFlow方法，让搜索智能体在研究状态发生变化时，把证据获取的浏览器操作与最终答案联系起来，形成可追溯的归因链。该归因既用于选择监督训练的决策，也用于强化学习中的信用分配。论文在两个Qwen模型和四个搜索基准上进行了评估，结果显示效果持续提升。
说明GraphEvoResearcher：面向成本受限多跳问答的图感知免训练自反思推理方法
简介该论文提出一种免训练的推理协议，将中间结论和证据组织为显式推理图，并用结构信号决定修订、回溯或停止。在GSM8K、MATH和BBH上（每个数据集50题，使用DeepSeek模型）准确率分别达到98%、92%和82%，在最难的MATH上提升最明显，同时将构建成本控制在约2步、4.5至5个节点。
说明关于不确定性估计对物种分类的益处：以优化专家复核为例的案例研究
简介本文针对硅藻显微图像的自动识别，在一个含759个类别的数据集上建立ResNet-18基线模型，并利用经校准的置信度进行选择性分类，以减少专家工作量。通过温度缩放，期望校准误差由0.117降至0.055；在66.2%覆盖率下，选择性Macro-F1达到99.01%，罕见类群的样本被交由专家复核。
说明面向自蒸馏策略优化的正确性相关非对称目标分布
简介该论文提出APSD方法，用于大语言模型后训练中的自蒸馏策略优化。它根据回答是否正确构造不同的目标分布：在正确样本上通过插值保留已有的成功行为，在错误样本上通过超出自教师的外推加强纠正。实验在带可验证奖励和丰富反馈的强化学习设置下进行，据称整体表现优于基线，并在Qwen3多个规模上以约2.6倍更少的训练步数达到SDPO的水平。
说明GLOBE：基于单位球面轨迹的几何引导在线早停方法
简介该论文提出GLOBE，一种无需训练、在线运行的算法，用于提前终止大模型的思维链推理。它将每段推理映射为单位球面上的点，通过轨迹形状判断是否已得到可靠答案。在数学推理、工具调用和智能体记忆等五个基准上，GLOBE在两个模型上将输出token减少49.7%，端到端耗时减少51.0%，五项任务平均准确率为80.58%，与完整思维链相当。
