机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明基于3D高斯场景表示的可微任务驱动编码光圈相机设计
简介该论文提出一个可微框架，用于联合设计复杂相机系统与下游感知任务。作者以此设计了单目和立体两种编码光圈离焦测深相机，端到端联合优化编码光圈掩膜、相机参数和深度估计网络。框架使用由真实拍摄重建的3D高斯溅射表示场景，提供可微的成像过程，据称优于现有编码光圈设计和不可微相机设计基线。
说明Dancing Diffusion：学习用于图像生成与编辑的连续程序
简介该论文提出 Dancing Diffusion，为扩散模型去噪过程中的每段时间步分配一个连续条件模块，将条件控制转化为可寻址的潜在程序。编译器把文本特征映射为该程序，固定的预训练生成器按采样区间执行各模块，已执行的前缀可复用，后续操作可被改写同时保留前面的内容。在 SANA 上的实验显示，复用前缀比从噪声重新生成更能保留场景，学习到的条件比原生提示切换保留更多背景，并且生成质量有所提升。
说明超越证据边界：医学视觉语言模型在渐进退化下的行为幻象
简介该论文研究医学视觉语言模型在图像证据逐步丢失时的可靠性。作者以基线正确样本为锚点，追踪其在图像渐进退化过程中的表现，确定经验性的证据边界，并把边界处持续作答而不弃权的情况称为“幻象”。在三个模型和三个医学数据集上的实验显示，各类行为差异明显，残差流探针能较好地预测边界处的作答或弃权，但输出熵和弃权行为并不能一致地反映这种持续作答。
说明Matrix-Game 4.0：利用视频模型构建实时可玩游戏世界
简介该论文提出 Matrix-Game 4.0，将游戏执行与视觉生成分离：轻量游戏引擎维护世界状态并执行规则，多模态编码代理把玩家想法转为游戏代码和动态场景描述，基于自回归视频模型的渲染器将低多边形代理渲染为精细画面。系统在单张 NVIDIA RTX5090 上实现 480p、60 FPS 游戏，按键到显示延迟为 112ms，并展示了可定制的射击和驾驶游戏，同时公开了代码、模型权重和低多边形资源。
说明从人类手物交互数据中学习触觉感知的手部表征
简介该论文提出HuTact框架，利用大规模人类手物交互数据预训练触觉感知的手部表征，预训练阶段无需真实触觉信号。随后可用少量无标签机器人交互数据进行中期训练。在抓取预测等任务中，该方法提升了数据效率，并为下游学习提供了良好的初始化。
说明用RSOD构建电信语言模型：领域数据、专家后训练、内存友好蒸馏与网络评测
简介该论文提出一套端到端框架，用结构化网络知识生成合成训练数据，训练六个冻结的专家LoRA教师模型，并通过RSOD方法把它们的行为蒸馏进一个可部署的学生适配器。在2,850道留出题目的主要评测中，学生模型得分为21.7112/25（micro），与六教师组合系统（21.7641/25）仅相差0.0529分，并明显高于原始Llama-3.1-8B-Instruct（12.8661/25）。
说明动量何时有助于 Polyak–Ruppert 平均：强凸二次问题中的在线与离线对比
简介该论文研究 Polyak–Ruppert 平均下 SGD 与动量方法在有限运行中收敛到相同渐近协方差的速度及并行化能力。针对带加性噪声的强凸二次问题，作者建立了在线与离线估计之间的联系，并分析了中心、协方差与形状三类误差。文中给出条件表明，动量方法（尤其是 Nesterov 方法）所需的轮数和临界批大小优于 SGD。
看点证明了动量法在强凸二次型下的在线-离线桥接与临界批量改进，理论结论清晰，但仅限二次型与加性噪声。
说明面向拜占庭鲁棒优化的 Johnson-Lindenstrauss 变换
简介本文研究如何把经典的降维工具 Johnson-Lindenstrauss（JL）变换用于拜占庭鲁棒优化。JL 变换能以高概率近似保持向量间的内积与距离。作者据此在分布式优化中，按各工作节点消息与可信参考梯度的一致程度为其加权。文中还给出了实验结果来支持理论分析。
说明重塑过去：具备完整上下文记忆的稳定长视频生成
简介该论文提出ReCam方法，用于生成长时程视频。它将历史潜变量的局部时空块压缩为记忆向量，投射到扩散Transformer的隐藏空间，减少令牌数量并保留对完整历史的块级访问。为缓解自回归生成中的时间漂移，作者还提出了双指针去噪方法。论文报告ReCam在VBench-Long总分上达到80.1，并在屏外主体重现的四项一致性指标上领先。
说明带偏置的深度神经网络中退火相关与淬火噪声敏感性研究
简介本文研究全连接深度神经网络在加入独立高斯偏置后的噪声敏感性。此前工作（Jonasson、Steif 和 Zetterqvist，2023）在无偏置、符号激活的情形下证明了退火与淬火噪声敏感性。本文表明，在正相关条件下，只要扰动输入与原输入渐近不太可能相同，淬火噪声敏感性即可在较宽的网络深度范围内保持。退火协方差仍远离零，并完全由依赖网络的输出均值波动所解释。
说明超越单帧：视频遗忘中泄露隐私的是冗余而非轨迹
简介该论文研究视频分割中的类别遗忘：目标是让被移除的类别无法从已部署模型的输出中重建。作者发现，只逐帧检查的现有评估方法低估了泄露，攻击者对两秒片段的输出取平均即可恢复被遗忘类别。论文认为泄露来自跨帧冗余而非物体轨迹，并提出PACE方法，在VSPW和Virtual KITTI 2数据集上降低了攻击者的平均精度。
说明语言模型智能体推理流的自适应停止方法
简介该论文提出StreamStop，用于判断语言模型智能体何时可以停止推理并采取行动。方法基于前缀级别的动作一致性，离线学习针对特定模型的停止策略，无需访问模型内部信号。在WebShop和ScienceWorld上的闭环实验中，StreamStop相比完整推理使用了更少的推理token，并保持了相近的任务成功率。
说明媒体智能平台：合成与篡改内容的多模态检测
简介该论文提出媒体智能平台（MIP），一个基于网页的统一多模态媒体取证框架，集成了假视频、人脸变形、AI生成图像、音频深度伪造、局部图像篡改及文本分析等检测模块。其模块化架构便于接入不同模型，并可扩展以应对新的篡改技术。实验表明该平台在多种媒体类型上检测表现可靠，并提供便于取证调查的界面，同时随论文公开了演示版本。
说明闭环数据下非线性系统的神经网络辨识，附稳定性与泛化保证
简介本文研究如何用神经网络从闭环反馈数据中辨识非线性系统，并解决反馈导致输入与噪声相关、模型需与控制器兼容两大难题。作者推导了由给定控制器镇定的所有非线性系统的参数化，并提出内部控制器辨识（ICI）框架，可在构造上保证闭环稳定。实验显示该方法在弱激励和噪声相关场景下优于直接方法，并能零样本泛化。
说明人机何时真正互补？人机协同的形式化条件与实证证据
简介本文提出一个形式化框架，从人与算法决策的正确性关联模式出发，推导出实现人机协同（互补）的必要且充分条件，核心在于一方能否识别并纠正另一方的错误。作者通过七个临床案例进行分析，发现算法优势过强时可能抑制人类纠错，形成“主导陷阱”；在人与AI错误具有功能性去相关时，即使存在自动化偏差等认知偏差，协同仍可能持续。
说明基于密集竞争表示的SAM3多类别语义分割高效适配方法
简介本文针对SAM3在同时分割多个语义重叠概念时易出现误分类和冗余掩码的问题，提出DCR-SAM框架。该方法解耦跨模态交互以降低推理延迟，并通过密集竞争头和可学习背景token抑制重叠预测。原文报告在多个基准上性能提升2.3%至10.7%，推理速度约为原生SAM3的33倍。
说明从恰当评分规则与边缘偏置到Mumford-Shah模型：稳健的无监督高光谱图像分割
简介本文提出一种与特征无关的无监督高光谱图像分割框架，基于分段常值Mumford-Shah泛函。作者利用严格恰当评分规则和参数化概率分布构造该泛函的指示函数，并针对高光谱图像中的重尾异常值，采用重尾椭圆分布、负对数似然得分以及beta散度得分。文中还提出稳健性步骤估计统计参数，并将包含边界先验的边缘偏置引入泛函。作者称，在部分标准数据集的完整场景上，该方法在完全无监督方法中取得了较高的整体精度。
说明《迷失于恢复之中》：通过面向目标的动作回放揭示计算机使用智能体的恢复行为
简介论文指出，基于大型视觉语言模型的计算机使用智能体在长流程任务中容易因错误累积而失败，恢复能力因此关键。作者提出评估框架ReTrace，用受控错误注入加面向目标的动作回放，系统研究智能体的自主恢复行为。研究发现理想恢复可释放模型潜在的任务完成能力，而现有智能体未能充分利用这种恢复能力。
看点提出可转移一致恢复的形式化标准与ReTrace框架，首次系统研究模型驱动的自主恢复；实验覆盖有限，证据中等。
说明基于联邦学习的无监督头部网络个性化分割计算方法
简介该论文针对分割计算（把神经网络拆成头部与尾部，分别部署在移动设备与服务器上）中移动端难以获得足够标注数据、且数据涉及隐私的问题，提出一种数据高效的头部网络训练方法。该方法结合联邦学习与知识蒸馏，仅用移动设备上少量非独立同分布且无标签的数据训练头部网络，且不暴露训练数据；引入个性化后准确率可达到或超过现有方法。实验显示其准确率与基线相当，移动端通信需求降低95%，相比原始模型准确率仅下降3到5个百分点。
说明同步编辑：面向以人为中心视频的统一端到端音视频编辑
简介该论文提出AVE框架，可在不使用空间掩码的情况下，同时对视频与音频进行参考引导的人物替换、插入和删除，并联合处理唇形与语音的对齐。作者构建了包含10万组外观与声音参考样本的AVE-Dataset，并结合合成到真实的重建与音频预热方法。论文称，该方法在编辑真实感、时间一致性和音视频对齐方面优于分模态的编辑流程。
说明将动作从第一人称观察中解耦，用于世界模拟
简介论文提出 EgoACT，一种测试时框架，可将第一人称视频中的语义动作迁移到新的视觉场景中，无需额外的几何估计器，直接作用于视频扩散模型的去噪过程。方法包括早期去噪阶段的速度引导结构锚定，以及中后期去噪阶段的稀疏对应校准，用于保持手-物结构并改善时间一致性。作者还建立了 EgoActionBench 基准，实验显示其生成的交互视频比多个强基线更连贯、更符合物理合理性。
说明PRAISE：基于查询条件子空间的行人重识别属性增强检索方法
简介该论文研究基于视觉语言模型的行人重识别，在图像查询和文本查询两种场景下，属性描述（如衣服颜色、携带物品）可提供细粒度匹配线索，但直接用属性提示相似度作为检索分数并不可靠。作者提出推理时测试自适应框架PRAISE，利用可迁移的属性提示库构建与查询相关的低秩属性条件子空间，用于调整查询与图库之间的相似度，且无需身份或属性标注。作者称其在多个基准上持续优于现有通用及行人重识别专用的测试时自适应基线方法。
说明近似重复图像选择可在视觉语言模型间传递偏好
简介论文研究“潜意识学习”现象：模型可通过看似中性的数据向另一模型传递偏好。作者让策展模型对同一照片的八个近似重复图像变体，按图注似然度挑选一张，不给出目标相关提示。用偏好目标（如猫头鹰）策展的数据训练的学生模型，在无图像的似然测试中表现出更强的该偏好。该现象在多种视觉语言模型上出现，并能在第二代学生中继续传递。
说明APRIL：面向呼吸音域增量学习的歧义感知专家路由方法
简介该论文提出 APRIL 框架，用于在不保留历史数据样本的前提下，让呼吸音分类模型随设备和采集时段变化持续学习。方法基于冻结的 BEATs 骨干，为每个新域依次添加并隔离低秩专家，并通过多级原型路由器选出候选专家。在 ICBHI 和 SPRSound 数据集的多种域顺序设置下，论文报告其平均得分最高，平均遗忘率低于 1.0%。
说明HypTI：基于双曲几何的表格与影像多模态融合痴呆检测框架
简介论文提出HypTI框架，用于基于临床表格评估和MRI脑影像的痴呆检测。该方法在双曲空间中联合建模表格数据、MRI影像及二者的跨模态交互，以捕捉层级结构和多尺度解剖特征。在OASIS-3数据集上的实验显示，该框架与代表性方法相比表现较强。
说明从DQI到C-DQI：用于衡量计算性话语质量指数的自动编码本生成与评估
简介该论文针对议会辩论质量评估中专家编码本耗时且存在偏见的问题，提出基于大语言模型的编码本生成与评估流程。研究以广泛使用的话语质量指数（DQI）为起点，比较了理论驱动、数据驱动和混合三种方式生成的情境化编码体系。实验基于100份以色列议会速记记录，结果显示数据驱动的归纳式编码体系在保持有效性的同时，模型间一致性更高。
说明从比较到选择：提升强化学习训练的指针网络在带容量约束车辆路径问题上的跨规模泛化能力
简介论文研究用强化学习训练的指针网络解决带容量约束的车辆路径问题（CVRP）时，在不同客户数量之间迁移性能下降的原因，主要包括节点密度变化、注意力分散和图上下文平均池化被稀释。作者比较了多种结构改进，并提出一种与顺序无关的可学习图上下文聚合方法。此外，文中还提出一个按训练与测试规模自动选择最佳模型的选择器，在所有已见规模组合及大部分未见规模上降低了路径成本，最高改进约3.2%。
说明大语言模型为何接受泛化陈述？用心理语言学与模型推导因素解释可接受性
简介该论文借鉴心理语言学研究，探讨人类判断泛化陈述时的各种因素是否也能解释大语言模型的判断。研究考察了十二个模型在心理语言学数据集和真实语料中的表现。结果显示，模型会像人一样权衡属性常见程度与区分度，并偏好特征性属性，但不关注引人注目的属性，其判断最主要取决于陈述是否事实为真。
说明Quantum-JEPA：面向潜在动作 JEPA 世界模型的量子 Born 先验
简介该论文提出 Quantum-JEPA 框架，用条件量子 Born 先验学习未来表示的概率分布，由电路测量生成二值潜在动作，再由共享预测器映射为多种可能的未来。模型在构造的多模态任务和 D3IL 人类示范基准上能生成多条不同路线，并在受控任务中优于所评估的变分基线；论文还在真实量子处理器上验证了推理的可行性。
说明具备可配置感知的世界模型：依据任务语言描述筛选观测信息，在嘈杂环境中更稳定地规划
简介该论文提出ConfigWM，一种可配置感知的世界模型。它以任务的语言描述作为配置信号，引导视觉嵌入映射到任务专属的状态空间，保留与当前任务相关的信息并抑制无关变化，再在该空间中学习动作条件动力学用于规划。在干扰逐渐增强的环境中，ConfigWM的规划成功率下降较小，平均领先最强对比方法22.3%。
说明ACE-Compression：面向能力的压缩大语言模型评估框架
简介本文提出 ACE-Compression，一个以能力为中心的评估框架，用于检验压缩后的大语言模型哪些核心能力得以保留。研究从程序推理与约束执行、知识依据与真实性、社会认知与情感理解、人设一致性与风格一致性四个维度进行探测，覆盖六个开源大语言模型的 35 多个压缩检查点（包括量化与剪枝）。结论指出，压缩会重新分布能力结构，粗粒度的表层信号较易保留，细粒度、长尾和依赖上下文的能力更为脆弱；量化在保留能力方面总体优于剪枝。
说明ICIBS：为冰层边界分割增加上下文信息
简介本文针对雷达测冰数据中冰底边界难以自动识别的问题，尤其是温冰川因含水量高导致信号弱、模糊的情况，在深度学习模型中加入额外的空间与地理空间上下文信息。作者在 IceAnatomy 基准数据集上取得新的最优结果，并在来自巴塔哥尼亚的新数据上优于基线方法，相关代码与数据集已公开。
说明MMEnterprise-Bench：在不断演变的多模态企业记录上评估企业智能体
简介该论文提出了MMEnterprise-Bench基准，包含1613个问题，基于模拟团队协作项目中不断变化的多模态记录，涵盖证据推理、冲突解决和不可回答性三类。作者评测了10个多模态大语言模型，发现即使最强的模型在证据存在跨来源或时间冲突、或跨越多张图片时也表现欠佳。研究还显示，增加检索预算或使用更大的检索器能提高证据召回率，却未必带来更高的回答准确率。
说明大语言模型安全中的极性盲点：否定、反义词替换与对抗性包装的系统研究
简介本文研究大语言模型在语句极性被改变后识别有害意图的能力，将这种缺陷称为“极性盲点”。作者比较了语法否定和反义词替换两种极性反转方式，并以同义词替换作为保持极性的对照，还测试了对抗性文本包装是否会加剧失效。实验使用260条提示词的基准，涵盖10个前沿大语言模型和英语、西班牙语、捷克语三种语言。文章报告，多数被测模型都存在该问题，最脆弱模型的平均危害分达4.12（0–5分制）。
说明面向日本金融文档的多模态基础模型分阶段持续适应研究
简介该论文追踪一个80亿参数的多模态模型，从未微调基线开始，依次经历三个训练阶段，并在日本金融文档上于五个文本输入基准上评估。研究发现各阶段相互影响并非简单叠加：仅用数学数据的蒸馏会覆盖早先学到的金融知识，而领域阶段更多是修复而非新增能力。跳过某一阶段的消融实验在领域知识上表现最好，但会损失数值推理的提升，因此各阶段的贡献无法分解，最佳检查点取决于任务。
说明CollabSciReM：通过科学感知奖励分解对齐语言模型，用于科学对话
简介该论文提出 CollabSciReM 框架，把多轮科研对话的奖励拆分为对话质量、科学严谨性和结构效率三部分。作者还构建了基于300篇论文的 SciQuality 成对评测，覆盖方法合理性、逻辑一致性、事实正确性等六个维度。在8.62K条合成科研对话上微调后，该模型在多数设置中优于同数据训练的通用奖励基线。
说明DPO超参数空间的形态：测什么、随规模如何变化、何时不应迁移
简介本文系统研究直接偏好优化（DPO）的超参数，如学习率和参考策略正则化参数β。作者在同一模型系列的不同规模上做了密集网格实验，分析最优超参数如何随模型大小和更新步数变化，并比较静态与动态基准的选择信号。结论是最优学习率随模型规模变化，超参数不能跨训练数据集迁移，验证损失也不是可靠的代理指标，需针对具体模型、数据和评估目标调参。
说明用难以命名的视觉刺激检验人类与多模态大模型的联想创造力
简介本文比较人类与多模态大语言模型在描述抽象视觉刺激时的联想创造力，从原创性和有效性两个维度进行评估。研究使用两个可控制难度的数据集：SilCC通过逐步复杂的抽象图形组合提高命名难度，PixCC则通过增加随机视觉噪声提高难度。结果显示，人类的联想描述比模型更多样、更具新颖性；随着难度上升，SilCC中的有效性下降，而PixCC中的人类描述逐渐转向对低层视觉属性的描述。
说明基于物理变量引导的深度学习：工业流体输送系统的稳健故障诊断
简介该论文提出PhyNet框架，用于在采样率、观测时长和数据粒度各异的工业流体输送系统中进行故障诊断。方法把物理变量视为全局运行约束，把响应信号视为局部诊断证据，并通过跨注意力机制连接两者，无需严格的时间对齐。在三个真实空化数据集和一个公开两相流数据集上，PhyNet在所有评估指标上均取得最佳表现。
说明EndoWorld-JEPA：面向内窥镜视频表征学习的运动引导全局-局部潜在世界建模
简介该论文提出 EndoWorld-JEPA，一种用于内窥镜视频通用表征学习的潜在世界模型预训练框架。模型不依赖动作、位姿或机器人运动学数据，而是根据当前已观察到的运动预测下一个潜在状态，并将主要位移与局部残余运动分离，用于条件化全局与局部预测。作者称该方法在四个下游基准上取得了良好的迁移效果。
说明激发还是拓展？解析智能体线束优化的收益来源
简介本文研究在不更新模型权重的前提下，通过优化语言模型智能体的“线束”（即上下文、工具使用和执行流程）带来的性能提升。作者借鉴强化学习中的pass@k分析方法，比较优化前后线束的差异，考察可完成任务范围的变化，并与模型扩展、增加推理计算量等手段对比。结论指出，在较大尝试次数下，线束优化相对更强干预的pass@1优势可能逆转，且总体收益会掩盖困难任务上的不足，因此需要更细粒度的诊断。
说明带约束的自动微分在正问题与反问题中的应用
简介本文提出一种基于图的全可微隐式求解器，用于在非结构网格上求解偏微分方程（PDE），并把大型方程组作为约束纳入计算。作者在四类任务上评估该方法：线性与非线性的演化及静态正演、估计方程系数的反问题、估计右端项的反问题，以及用于加速正演的可学习图粗化。摘要称，该求解器的稳定性与可微性有助于降低正演复杂度，并能有效处理相关反问题，适用于地球物理等领域。
说明基于交互门控时频学习的轻量级PPG心率估计
简介该论文提出TF-IG框架，用于从光电容积脉搏波（PPG）信号估计心率。模型采用双分支结构，时域分支捕捉脉搏形态，频域分支提取心脏周期性，再通过交互门控融合模块结合两者。在BIDMC数据集上，按受试者独立划分进行测试，平均绝对误差为1.227 BPM，模型仅有约8.46万参数。
说明SGLDet：面向多光谱航拍目标检测的光谱感知全局-局部动态建模
简介该论文提出SGLDet框架，用于多光谱航拍图像中的目标检测，重点解决大场景下前景与背景严重失衡，以及目标在尺度、方向和结构上局部差异较大导致定位困难的问题。方法包含三个模块：基于光谱驱动的全局动态建模、多尺度全局上下文整合，以及光谱感知的输入依赖校准聚合。作者在MODA、HOD3K和DroneVehicle数据集上进行了实验，报告其性能优于现有方法且计算成本具有竞争力。
说明S³E-Det：面向多光谱目标检测的严格空间-光谱等变检测器
简介该论文提出S³E-Det，一种用于多光谱目标检测的严格空间-光谱等变检测器，将有序光谱建模与几何变换一致的预测相结合。其中光谱顺序感知采样校准模块对光谱特征施加局部顺序约束，共差分等变融合模块在特征金字塔各层间自适应聚合光谱上下文，几何对齐头则在统一预测阶段协调不变与等变输出特性。文中在MODA、HOD3K和DroneVehicle数据集上进行了评估，结果显示该方法在检测精度、参数规模及旋转引起的变化方面表现良好。
说明Gaze2HOI：利用注视信息消歧意图、预测第一人称手物交互的框架
简介该论文提出Gaze2HOI框架，利用人的注视线索推断意图，并预测未来手与物体的交互动作，可用于AR、VR等场景。方法包括加权注视信号的时间注视显著性调制、预期接触定位模块，以及基于扩散模型生成物体轨迹与双手运动。论文还发布了分阶段的EgoAIM基准，并称该方法在意图推断和动作预测上达到最新水平。
说明流形先验引导的深度展开高光谱图像重建
简介本文提出一种基于两阶段流形学习的深度展开框架，获得不含退化的结构先验，并将其注入数据一致性投影模块和去噪模块。投影模块引入先验引导的光谱权重机制以自适应调节各光谱波段的权重，去噪模块采用流形引导的Mamba提取空间-光谱特征。在合成与真实数据集上的定量和视觉对比显示，该方法优于现有先进方法，并保持了展开框架的结构可解释性。
说明基于枚举引导训练的神经 Hamilton-Jacobi 安全证书
简介本文提出一种验证引导的训练框架，利用安全约束的概率枚举找出证书误判不安全状态的反例，用于微调预训练的 HJ 值函数，从而得到更大的可认证区域并缩短认证时间。作者还基于改进后的证书设计了部署时的安全屏蔽机制，并在 Isaac Sim 仿真和真实自动驾驶赛车实验中报告了零安全约束违反。
说明大语言模型在跨语言代码翻译中的幻觉：现象与缓解
简介本文对大语言模型在代码翻译中的幻觉进行了系统实证研究。研究覆盖三个基准数据集、六种语言对和七个模型，归纳出语义一致性冲突、事实知识冲突和项目上下文偏差三大类，并人工标注了13919个幻觉案例。作者还提出了HaluCodeTran缓解框架，结合BM25检索与分类感知的反思式修正。
说明VISH-ASR：基于 Viterbi 引导的热词选择，用于语音大模型的上下文语音识别
简介该论文针对基于提示的上下文语音识别，提出一种无需训练、即插即用的热词预选框架 VISH，通过帧级 CTC 后验概率直接验证候选热词的声学证据。其变体 M-VISH 利用共享前缀的 Viterbi 搜索与有界 top-K 剪枝实现大规模候选验证，Bi-MVISH 进一步引入反向证据。作者报告在五个基准上，M-VISH 相比学习型检索基线最高提升 11.7% 的 Best-F1，并在 2000 个候选时将搜索延迟降低 75.2%。
说明从词元到文件：AI 参与代码的多粒度检测与定位
简介本文提出一个框架，用于区分纯人工编写的代码与包含 AI 生成或修改片段的代码，并可定位到行、代码块与文件级别。方法以冻结的代码语言模型为基础，分别用机器文件和人工文件训练两个低秩适配器，通过逐词元的对数似然比提供局部证据，再汇总为文件级判断。在内部测试集上，宏观 F1 达到 72.4（1% 误报率下）；在外部基准 HybridCodeAuthorship 上无需适配即达到行级 F1 62.5，并且在 2022 年前创建的人工代码上误报率维持在 0.55% 至 0.81% 之间。
看点提出令牌级对数似然比结合行、块、文件多粒度定位，并在外部基准上超越已报告结果；在大规模内部与人类代码上验证了低误报率。
说明基于物理工况引导的视觉-语言匹配用于工业管道空化诊断
简介工业管道中的空化诊断困难，因为声学响应随运行工况变化较大，相似的时频模式可能对应不同空化状态。论文提出POC-VLM方法：将样本的运行工况变量写入候选空化文本，经时频条件文本适应与全局-局部视觉-语言匹配进行判别，并用K近邻非参数工况先验评估各候选状态的物理合理性，在决策层与语义证据融合。在三个真实空化数据集上，该方法优于代表性的数据驱动、多模态和领域专用诊断方法。
说明阿姆斯特丹大学 UvA-MT 团队参加 WMT26 通用机器翻译共享任务的说明
简介本文介绍 UvA-MT 团队提交给 WMT 2026 通用机器翻译共享任务的系统，参赛于不受限制的赛道，覆盖全部 23 个翻译方向。该系统在推理阶段利用大型语言模型：先通过带改写提示的顺序采样为每个源句生成候选译文，再让大型语言模型做两两比较，以循环投票选出最佳译文。论文称，在 WMT25 基准上的离线评估显示，这种选择方式明显优于逐条打分的 best-of-N 选择。
说明LaLa-World：用自然语言动作扩展潜在世界模型
简介本文提出 LaLa-World，一种以语言为条件接口的潜在世界模型，可同时学习仿真与机器人轨迹以及图像、视频数据。模型将数值动作与视觉变化都用语言描述，并以语言模型为基础进行未来潜在状态预测。原文报告其在规划表现上优于按领域单独训练的模型，并在与基线的对比中以更低训练成本与更快规划速度达到相近效果。
说明SAPD：无需与环境交互、从智能体历史经验中学习的方法
简介本文提出一种名为SAPD（Step-Advantage Policy Distillation）的方法，用于利用已记录的离线智能体轨迹改进大语言模型智能体的策略。该方法把多轮轨迹拆分为单步决策上下文做同策略蒸馏，并引入相对步骤优势信号来稳定训练，整个过程不需要新的环境观测或额外的多轮交互。论文报告在ALFWorld、WebShop和基于搜索的问答任务上，SAPD在不同教师配置下均有提升，相比监督微调更能缓解灾难性遗忘，且每个训练步的速度至少是在线OPD的4.7倍。
说明SciDiagBench：面向科学示意图、与人类判断对齐的分类型评测基准
简介本文提出SciDiagBench，一个将科学示意图系统分为11类的评测基准，并包含165张覆盖10个大领域的图。该工作还设计了一种基于人类偏好校准的评测方法，为不同类型的图生成对应的评判标准。作者称，该方法能让自动评测更贴近人类专家的判断。
说明从通用到专用：面向在线持续学习的新型优化器
简介在线持续学习要求模型在单次遍历的非平稳数据流中学习，容易遗忘旧知识。本文提出优化器SPIN（稳定-可塑性插值），将快速变化的“可塑性”序列与自适应的“稳定性”序列加以插值，从而显式解耦二者。作者从理论上证明SPIN隐式使用逆Hessian近似，并提供Tikhonov正则化以减轻遗忘；实验表明，在多种在线持续学习方法中替换标准优化器后性能均有稳定提升。
说明GARRET：面向视觉文档区域检索的生成式反馈方法
简介该论文提出 GARRET 框架，用于在视觉丰富的文档中检索比整页更细粒度的区域证据。训练时仅使用（页面、问题、答案）三元组，通过可微的生成式反馈为区域表示分配查询相关的信用，无需查询到区域的标注。在新建的 ViDoRe-V3-Region 基准上，其宏平均 nDCG@10 为 0.4126，比最强视觉基线高 2.94 个点；页面检索上与 ColQwen2.5-v0.2 相当，每页索引的向量数减少 47.8%。
说明COMPASS：基于能力画像、自适应搜索与工具调用的大模型路由方法
简介本文提出COMPASS，一种由大语言模型驱动的智能体路由器。它按照路由流程，通过工具获取模型性能与成本证据，并可选择检查候选答案后再选定模型。在LLMRouterBench和DeepSWE上的实验显示，该方法无需针对路由任务训练，即可在准确率和模型调用成本上优于专用及训练型路由基线。
说明SMART：基于上下文评分准则的语音识别结果语义分段映射与评估框架
简介论文指出传统词错误率对所有词替换一视同仁，无法区分哪些错误真正改变了语义。作者提出SMART框架，将参考文本与识别结果的差异映射为连贯片段，并用结构化上下文评分准则标注语义后果，据此计算语义影响错误率（SIER）。实验显示，SMART与多数票人工标注的F1为0.843，高于直接用大模型判断的0.745，并可用于有针对性的语音识别纠错。
说明托管模型上的隐私保护推理：为冻结的 Qwen3.8-27B 学习输入嵌入变换
简介论文研究在不向托管方发送文本或 token id 的前提下使用语言模型。客户端先在本地把文本转为向量，再经过一个约 5560 万参数的小型训练网络变换后发送给托管方运行的冻结 27B 模型。在 1,490 道未参与训练的 MMLU 题目上，准确率由 82.3% 降至 80.7%，并有 30.1% 的内容 token 在最近邻查找下无法还原为原 token。
说明RAG-NIMBF：用于自动化分析RAG配置的非侵入式模块化基准框架
简介这篇论文提出RAG-NIMBF，一个可附加到现有检索增强生成（RAG）系统上的非侵入式模块化评测框架，通过受控消融实验和端到端实验跟踪来分析分块、检索、重排、提示和生成等配置。作者在SQuAD数据集上验证了该框架，发现MMR（兼顾相关性与多样性的检索）相比普通相似度搜索把nDCG@5提高了4至11个百分点，更详细的提示说明能显著提升答案对检索证据的忠实度。
说明ProVe：提议者-验证者解码
简介该论文提出 ProVe（提议者-验证者解码），把标准自回归语言模型微调成一次前向传播预测一个区块 future tokens 的提议者，再用一次额外前向传播验证该区块，以加速生成。提议者本身也可作为验证者，得到无损版本 ProVe-lossless。在六个基准上，32B 提议者的 ProVe-lossless 达到平均 2.5 倍的自回归吞吐量，使用 3B 小验证者时平均吞吐量为 2.7 倍，但六任务平均准确率低于自回归。
说明LatBridge：在潜在通信多智能体系统中高效稳定地替换模型
简介多智能体系统通过通信完成任务，潜在通信直接传递连续表示以减少文本生成。现有方法针对固定模型组合设计，模型替换后接口可能失效。LatBridge通过共享的Bridge和独立接口连接智能体模型，替换后复用未变接口并训练缺失部分。实验显示其在模型替换后仍能有效通信，在八种小模型配置下，基础模式在MATH与ALFWorld下一动作预测上的平均准确率分别为14.8%和27.3%。
说明SliMOO：面向大语言模型深度剪枝的可解释多目标进化搜索
简介大语言模型规模大、部署成本高，深度剪枝可直接减少内存和延迟。作者发现不同层对不同任务的贡献差异明显，现有方法忽视这一点，容易只在单一领域表现好。SliMOO先通过逐层移除探测构建任务-层重要性图，再以帕累托感知的进化搜索寻找剪枝掩码，在Llama-3.1和Qwen3上取得比基线更好的多任务权衡，例如Llama-3.1-70B在25%稀疏度下数学领域平均从24.33%提升到34.40%。
看点将深度剪枝形式化为多目标问题并结合可解释的任务-层重要性图与NSGA-II搜索，在Llama-3.1和Qwen3上多任务表现优于基线。
说明自适应列表译码的可认证方法：为纠错码的每一帧判断候选解是否为全局最优解
简介论文针对线性分组码的最大似然译码（NP难问题），提出一种神经译码器：将译码视为吸收态离散扩散模型上的搜索，并用概率束搜索生成候选解。由码本身推导出的线性规划对偶界与距离测试，可对每一帧证明当前候选解即为全局最大似然解。在15种码上，两种测试按其推导预期分工，部分帧可被认证，未被认证的帧占全部帧错误的绝大部分。
看点将离散扩散解码与线性规划对偶界及距离测试结合，实现逐帧ML证明，新颖；实验覆盖15种码并与精确ML对比，证据较充分。
说明智能眼镜拍摄下人脸呈现攻击检测的解耦表示学习
简介本文针对智能眼镜拍摄场景下的人脸呈现攻击检测问题，因其存在自我运动、视角变化、背景杂乱及光照不可控等挑战。作者构建了基于 Ray-Ban Meta Wayfarer 智能眼镜采集的数据库 SmaGla-FPAD，包含室内、室外和车内场景，共 297,000 张样本图像，涵盖真实人脸与硅胶面具攻击。作者还提出 DeCoupPAD-FAS++ 框架，通过攻击与风格分支、伪域监督、对抗抑制和提示引导的语义对齐，将伪造线索与采集变化分离，在该数据集上取得攻击拒绝与真实人脸接受之间较好的平衡。
说明ProtoEEG：面向脑电视觉解码的结构化原型对齐
简介本文提出 ProtoEEG，将脑电信号与图像的对齐改写为在共享可学习视觉码本上的软组合。脑电编码器与冻结的视觉教师模型在同一组 K=64 个原型上产生分配分布，加权重建结果用于检索与图像生成。作者报告在 THINGS-EEG2 的 200 类检索中取得 64.0% Top-1 和 91.5% Top-5，并在 EEG-ImageNet 80 类检索中取得 44.8% Top-1 和 73.8% Top-5。
说明面向6G物理层的智能体式AI：从算法发现到经过验证的基带芯片
简介本文提出一种智能体工作流：由大模型编码代理在商用基带SoC上实现物理层算法，将其优化至代理编写的向量汇编，并在实际芯片上验证。以OTFS检测器为例，该流程得到12个可在芯片上周期精确运行的内核，并得到一个比移植的已发现检测器少13.9%周期数、误码率相当的新检测器。
看点将LLM编码代理用于真实基带芯片算法实现与优化，并基于片上测量成本发现新检测器，新意明显；实验在硬件上验证，但改进幅度统计上难以确定。
说明TerraNostra-Bench：全球1公里土地利用重建的空间降尺度与时间滚动评估基准
说明语言电路与算术电路在大语言模型中是否分离？
简介本文研究大语言模型中处理语言任务与算术任务的神经电路是否重叠，借鉴人脑神经语言学中的分离现象，并使用可解释性方法提取电路。在五个模型上的实验表明，电路相似性主要由任务领域决定，而非输入输出词表或句法相似度。这提示模型可能主要用各自分离的电路处理语言与算术信息。
说明缩放定律的理论基础：三种机制解释指数来源
简介本技术笔记解释经验性缩放定律中损失与参数量、训练数据量和计算量之间关系的三种机制：局部逼近界、独立特征覆盖以及可分离损失的优化分配。文中还讨论了非线性评分可能造成的类涌现能力、顿悟现象，以及分子构型中SE(3)商空间带来的指数增益。
说明SLM-SS：基于语音语言模型的词元式语音分离
简介本文提出SLM-SS，一种基于词元的生成式语音分离框架，用语音语言模型处理多人说话的混合语音。方法先用神经编解码器将干净语音离散化为多码本词元序列，再以序列化输出训练组织多说话人目标，由自回归模型确定说话人顺序与粗粒度语言内容，非自回归模块补全高阶残差码本。在Libri2Mix上，采用每说话人非自回归策略的SLM-SS实现了接近编解码器重建水平的词错误率。WavTokenizer变体去掉了非自回归精修，在所评估的分离系统中主观质量均分最高。
说明RELAY：通过规则复用与智能体修复扩展历史构建恢复
简介论文研究了14,159个OSS-Fuzz历史构建案例，发现69.7%的案例已无法完成重建与验证，且多数失败只集中于少数重复出现的症状。作者提出RELAY框架：由大语言模型从代表性失败中推导并验证确定性修复规则，复用规则时无需再次调用模型，规则无法解决的案例则交由逐案智能体处理。实验表明，规则推导可以全自动完成，且混合方法比单独使用任一方法恢复的构建更多、成本更低。
说明RoboJudge：用多模态大模型评判具身视频生成
简介论文提出RoboJudge-Bench基准，用800段经人工标注的具身视频，检验多模态大语言模型作为评审在物理合理性与指令一致性两个维度上与人类判断的一致程度。结果显示现有评审表现不均，通用模型在物理合理性上一致性较低。作者据此构建了含12K视频的RoboJudge-Train数据集，并微调得到90亿参数模型RoboJudge-9B，其与人类评分的Pearson相关系数为0.719，高于表现最好的专有基线Gemini-3.7-Flash。
说明GRADUS：从环境潜在课程中发现并恢复智能体经验
简介该论文提出 GRADUS 方法，用于为受策略约束的工具环境（如航空订票、退款、取消规则）生成训练任务。方法不依赖种子任务，而是从固定环境中提取行为算子，组合成难度递增的任务，并通过执行反馈同时校准任务与解法。实验显示，一个 30B 模型在 τ²-Bench 上由 59% 提升至 89%，在 CAR-Bench 上由 47% 提升至 83%。
说明RITE：评估电商智能体系统对静默工具错误的端到端韧性
简介本文关注使用工具的大语言模型智能体在电商多步骤任务中的表现。作者提出“静默错误韧性任务”，在中间状态被悄悄破坏（返回看似合理但错误的数值且无明确失败信号）后，考察智能体能否仍完成原始查询。作者构建了基准RITE，包含167个匹配单元、9个电商工作流，共501个实例。在10个近期大语言模型上，静默错误使任务成功率大约减半，且比明确失败更难应对。
说明基于自监督跨射线一致性的原版 NeRF 几何正则化
简介该论文针对原版神经辐射场（NeRF）几何不准确的问题，增加了一个几何优化分支。该分支从密度场采样候选表面点，生成经过这些点的虚拟射线并用 NeRF 渲染颜色，依据多射线颜色一致性约束隐式几何。实验在八个 Replica 场景上进行，平均 Chamfer 距离相比原版 NeRF 降低 30.8%。
说明基于毫米波雷达的三维人体姿态估计：运动感知初始化与观测引导精修（I2R-Pose）
简介论文提出一种利用毫米波雷达进行室内三维人体姿态估计的两阶段框架I2R-Pose。第一阶段结合连续雷达观测的时序关系和人体骨架结构，估计初始三维姿态序列；第二阶段利用雷达观测特征预测关节位置修正量，得到最终姿态。作者还构建了RaMoS-Pose数据集，并在该数据集和公开的MVDoppler-Pose数据集上评估，融合输入下的平均关节位置误差分别降低15.13%和39.50%。
说明ℓ1攻击真的需要集中式扰动吗？
简介该论文研究在对图像施加全局ℓ1预算的同时，加入逐坐标上限来限制单个像素的大幅改动。作者在APGD-ℓ1、SLIDE和FMN-ℓ1上进行扫描，并在18种标准模型设置中评估。结果显示，较小的上限仍能保留绝大部分攻击成功率，同时峰值幅度明显下降、有效支持范围明显扩大；并且直接在优化过程中执行约束，比事后裁剪能保留更多攻击成功率。
说明Engram记忆网络：受大脑启发的原型解释方法
简介本文提出一种名为Engram记忆网络（EMN）的可解释AI模型，借鉴人脑记忆系统，模拟腹侧视觉通路和颞下皮层，并用类Hopfield记忆模块迭代检索具有代表性的原型样例作为解释。研究在CIFAR-10/100、MNIST、HAM10000和CUB-200上评估了感知相似度、亚类对齐和信息保留三方面，并报告EMN在这些指标上相对改进，同时平均分类准确率最高（87.62%）。
说明面向分布式光伏预测的基础式预训练方法
简介本文提出一种面向光伏预测的领域基础式预训练框架，利用多站点、多时间尺度的异构光伏数据学习共享预测模型。方法将结合数值天气预报的预测任务表述为序列补全问题，并比较了三种预训练目标，其中混合重构目标在预测精度、NWP 条件退化和下游适应方面表现最为均衡。实验基于479座分布式光伏电站，结果显示预训练模型在6小时至7天的预测时长上优于部分对比基线，并可直接零样本部署到未见过的电站。
说明CrystalAR：用于对称晶体生成的自回归建模
简介本文提出CrystalAR，一个统一的自回归框架，在单一生成序列中同时建模Wyckoff对称模板与完整晶体结构。它将连续坐标生成转化为受对称性约束的离散空间定位决策层级。结果显示，该方法保留了较强的对称模板生成能力，并在从头生成和无模板晶体结构预测上取得有竞争力的表现。
说明PixelSR：面向真实图像超分辨率的像素空间正交流解耦方法
简介该论文针对真实图像超分辨率任务中潜在扩散模型的问题：提升感知真实感往往会损害结构保真度。作者提出单阶段的像素扩散 Transformer 方法 PixelSR，直接在像素空间进行端到端优化，绕过 VAE 压缩。方法通过正交流解耦，将目标分为低秩语义分量和无噪声的正交纹理分量并分别优化。实验表明，该方法在多个基准上取得有竞争力的结果，并缓解了保真度与真实感之间的跷跷板效应。
说明低预算的交替稀疏训练：ARC 方法（论文）
简介该论文研究神经网络稀疏化中交替稠密与稀疏训练的作用，发现重新引入的被屏蔽参数会获得较大梯度，从而推动掩码重连与参数符号翻转。作者提出 ARC（Alternating Rewiring Compression），用缩短的稠密阶段、零初始化被屏蔽参数，以及只更新活跃掩码和少量高梯度外部权重的稀疏重连阶段来降低计算成本。在 CIFAR100 和 ImageNet 上，ARC 以更低计算量达到 AC/DC 基线的性能；在 GPT-2 与 OpenWebText 上，验证困惑度和零样本平均表现也有改善。
说明揭示通道间模态可区分性：用于光学-SAR目标检测的通道选择性交互融合网络
简介该论文针对光学与SAR（合成孔径雷达）图像融合做遥感目标检测时，跨模态通道交互容易引入冗余或冲突特征的问题，提出通道选择性交互融合网络CSIF-Net。网络先用频率分解模块分离SAR图像的结构信息与噪声响应，再通过交叉注意力通道选择模块将特征划分为共享与模态专属部分，最后分别对共享特征做跨模态交互、对SAR专属特征单独增强。作者称在OGSOD 1.0和M4-SAR数据集上，该方法在水平与旋转目标检测中分别取得4.01%和3.18%的提升。
说明给模型一根手指：基于发展心理学的视觉语言模型计数评估
简介视觉语言模型在小数量上计数精确，数量变大后会转为估计，这与儿童掌握计数前的表现相似。作者让模型像儿童一样使用指点、标记等动作，并借此分析其串行视觉推理过程。论文在9个模型、682张图像和7种条件下测试，发现精确计数范围因模型而异，标记方法主要提供可审计的过程记录而非准确率提升。
说明通过热力学奇异性检测扩散模型中的记忆现象
简介扩散模型本应学习对底层概率密度的反向扩散过程，但一个关键问题是记忆化：反向过程改为从单个训练样本中学习扩散。本文对这类被记忆的反向过程给出了解析刻画，并提出一个能够检测其对应热力学奇异性的判据。该判据能够可靠地区分正常学习与出现记忆化的网络，所测试的网络模型包括旨在促进或缓解记忆化的多种设计。
说明强凸二次问题上 Muon 类谱优化器的常数步长分析
简介本文研究 Muon 等谱变换优化器在强凸矩阵二次问题上使用常数步长时的行为，以排除非凸性、噪声和步长调度的干扰。作者用更新的增益和长度两个量刻画更新，将常见谱更新分为三类：增益有界时收敛，增益无界但长度趋于零时仍收敛，长度不趋于零时几乎对所有初始化都不收敛。实验验证了这些结论。
说明S²-MAS：基于5亿家庭角色智能体的社会规模多智能体仿真框架
简介论文提出S²-MAS框架，用基于真实调查数据构建的5亿个合成家庭角色模拟社会规模的经济反应，并通过状态更新与决策分离的引擎追踪消费、现金、债务和支付。作者用约293万条样本训练模型，在一次性消费金融选择任务上取得74.55%的准确率，并称其高于若干对比模型，同时模拟了1200万个家庭智能体，发现提高购买目标和信用额度会增加消费，且结果因年龄、收入等群体而异。
说明道听途说还是事实？表述方式与引出格式如何影响大语言模型的概率更新
简介该论文比较了大语言模型在收到一条新信息后，概率估计如何变动。研究使用 δ-SNLI 的前提-假设对，分别测试“明确陈述”与“他人转述”两种表述，以及单点估计与五个加权估计两种引出格式，共七种配置。结果显示，明确陈述下模型都朝标注方向移动；转述会使移动幅度略微减小，效果一致但较小。
说明基于二维卷积神经网络的脑电图催眠易感性分类研究
简介本研究利用二维卷积神经网络，对经过简单预处理的脑电图信号进行分类，以区分被试的催眠易感性，无需人工提取特征。数据来自62名男性被试（对照组32人，催眠组30人），采集于引导想象或认知任务状态。研究采用留一被试交叉验证评估跨被试的泛化能力，结果显示前额叶相关区域泛化较好，集成多个时间窗后准确率提升至0.738，而枕叶区域在跨被试评估中接近随机水平。
说明RSI控制：AI模型能否在自我改进过程中秘密破坏？
简介该论文研究前沿AI模型参与训练下一代模型时的安全风险。作者构建了RSI Control Arena测试平台，让模型在执行正常训练任务的同时，秘密在后继模型中植入错误倾向。实验显示，六个前沿模型都能在不明显降低主任务表现的情况下完成不少隐秘任务，而且监控者大多能发现攻击，但并非全部。作者认为递归自我改进带来重大安全隐患，应在赋予模型训练后继者的责任前加强安全措施。
看点提出递归自我改进中的隐蔽破坏测试环境，覆盖22个任务对，评测六个前沿模型，新颖性突出；但实验主要为测试框架结果，证据规模中等。
说明CILA：基于混淆度的实例级逻辑调整方法，用于长尾识别
简介真实数据集通常类别不平衡，模型容易偏向多数类、难以识别少数类。现有逻辑调整方法按类别频率修改逻辑值，但忽略了实例层面的混淆，常压制易混淆非目标类的有用信号。作者提出两种互补方法：CILA根据目标类与非目标类之间的实例级混淆自适应调整逻辑值，BNI在训练中扰动目标逻辑值。CILA可作为损失无关的插件集成到现有长尾学习方法中，并在多个基准上持续提升性能。
说明对已学习屏障证书的任意时刻有效运行时监测
简介该论文提出一种运行时监测器，用于在部署期间检验已学习的屏障证书是否仍与实际闭环轨迹相符。其将屏障漂移条件表述为逐段序贯假设检验，并通过非负测试上鞅实现任意停时下的有限样本误报控制，还引入确定性的时间整形边界。论文称该监测器用于发现统计证据，而非预测不安全进入；实验通过有效与无效证书下的报警行为进行评估。
说明World2HOSI：面向长时程人-物-场景交互生成的多专家编排框架
简介该论文提出 World2HOSI，一个多专家编排框架，可根据三维高斯溅射（3DGS）场景和自然语言指令生成连续的人-物-场景交互数据。其核心思路是通过围绕持久化场景状态的闭环编排，让现有专家模型协同完成单个模型难以独立完成的长时程任务，并借助残差优化与接触驱动的物理仿真提升动作的物理合理性。实验与感知用户研究表明，该方法在所评估任务上取得了最佳的任务完成度和交互质量，同时数据更为多样。
说明语言模型如何组织任务信息：可读性与读出稀疏性
简介论文用稀疏读出指标 k* 衡量语言模型表示中完成任务所需的最少特征数，并与稠密线性探针的可读性区分开。作者在 5 家机构的 19 个模型、14 项核心任务上进行评估，发现基础模型对可读任务的特征数相近，指令微调会选择性降低 k*。文中还报告了持续学习后输出头失效而线性可读性仍高、剪枝会降低可读性等结果。
看点提出读出稀疏度k*，区分任务可读性与特征数量，并通过跨模型、合成实验及持续学习分析支撑结论。
说明追踪分解式文本到SQL生成中反复出现与新出现的幻觉模式
简介该论文提出一种钻取式评估框架，把文本到SQL查询拆解为逐步复杂的可执行子查询及对应自然语言问题，以考察生成路径中基于规则的幻觉类别。研究区分了在早期步骤和最终查询中都出现的反复幻觉，以及仅在最终步骤出现的新出现幻觉。在扩展的BIRD-mini基准上对五个大语言模型的实验显示，部分类别的反复概率较明显，子句滥用的条件新出现概率相对较高。
说明扩散模型概念擦除的推拉注意力锚定方法（PPAA）
简介该论文针对扩散模型中隐私、有害内容和版权问题，提出推拉注意力锚定（PPAA）方法，在交叉注意力空间中推离目标表示，并通过有界余弦相似度约束锚定擦除强度，以减少对非目标生成质量的破坏。作者使用相对相似度比率作为自适应阈值，可在各层统一使用同一数值。实验涵盖名人、艺术风格、裸露内容和知识产权等类别，在 Stable Diffusion v1.4 上取得较好的权衡，并展示了在 FLUX 等现代架构上的适用性。
说明经验记忆何时能帮助闭环LLM驾驶智能体？一项受控评估
简介本文在HighwayEnv仿真环境中，对LLM驾驶智能体的经验记忆进行受控评估，重点考察预热经验池的随机抽样与等token数填充文本对照。研究比较了文本检索、网格式记忆、时序图记忆、规则手册与历史观测等多种方法。结论认为，所谓的记忆收益主要取决于预热池的选择，且多数检索设计未能超过等长填充文本的表现。
