机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明面向稠密预测的监督自适应课程学习与受控反课程学习（PaceShift）
简介该论文提出 PaceShift 框架，先用监督可靠性、增强一致性、模型分歧和预测确定性筛选并加权样本，使训练先稳定；再通过频谱视角的多视图预测排序与冻结参考模型约束进行第二阶段精修。文中称在 CECS 等稠密预测任务及基础模型、跨模态适配实验中取得精度提升，并改善校准与抗干扰能力，且推理阶段不增加计算。
说明用上下文感知解码缓解思维链中的问题捷径
简介该论文研究大模型在思维链推理中是否依赖问题本身的捷径而非推理步骤。作者提出理性对比解码（RCD），对比有无推理过程时的下一个词分布，放大因推理过程而概率上升的词。在五个推理基准上，RCD 的答案准确率优于标准思维链，干预分析也显示最终答案对推理内容的依赖有所增强。
说明AutoPhyX：基于文本条件的物理属性自动生成
简介该论文提出AutoPhyX框架，可根据文本描述，在单次前向推理中为三维物体预测空间变化的物理参数，以改进4D物理仿真。作者构建了部件可控的数据生成流程，把复杂三维资产分解为语义部件并配对物理参数与文本描述，用于训练。模型通过跨模态调制机制让文本特征调制视觉特征，并在体素场中建模，兼容网格、点云、高斯溅射和NeRF等表示。实验显示其能对真实场景物体取得较高精度和泛化能力。
说明BRIDGE：阻止模型更新中虚假改进的接受门控方法，并附回顾性临床评估
简介论文提出BRIDGE，一种与模型无关的更新接受门控方法，依据预测结果和已有标签决定是否接受每次模型更新，并使用交叉拟合减少选择偏差，要求增益的下界超过设定阈值。在多组数据和临床任务的实验中，误判虚假改进的比例明显低于朴素规则，且每次部署更新的平均增益更高。
说明基于 Stein 算子统一估计未归一化模型的方法
简介本文提出一个统一框架，把恰当评分规则与 Stein 方法联系起来，用于估计未归一化模型。作者构造了一类恰当评分规则，涵盖得分匹配、比率匹配、伪似然和噪声对比估计。研究表明这些评分规则会自然地诱导出 Stein 算子，并借助其几何结构统一刻画了相应估计量的渐近效率。
说明抗捷径类激活图蒸馏：面向长尾识别的方法
简介真实数据常呈长尾分布，尾部类别难以泛化。本文认为模型在稀缺且有偏的监督下，会依赖背景、纹理等捷径线索，而尾部类别因样本上下文相似，这种倾向更明显。作者提出即插即用框架SRCD，在类激活图（CAM）空间中把头部类别以物体为中心的解释迁移到尾部类别。实验表明该方法在长尾基准上持续提升强基线。
说明时间计算与时间理解：二者都不足以解释大语言模型的时间推理
简介该论文质疑把时间推理拆分为“时间算术”和“时间语义”两类的做法。作者用微调实验发现，同一类别下的数据集之间几乎没有可迁移的提升；另用认知需求评估发现，定量与逻辑推理并非主要驱动因素，知识才是。研究认为，现有时间推理基准并未真正区分这两类能力，而更多是在奖励模型记住时间的一般运作规律。
说明异步无代际ABC：面向HPC异构模拟器负载的流式AMIS重加权方法
简介这篇论文提出一种无需代际同步的近似贝叶斯计算（ABC）采样器：每个模拟结果返回时即更新提议分布，并为空闲工作节点派发新候选点。该方法复用全部历史样本，通过重构的采样提议混合分布进行重加权来估计后验，并在细胞Potts组织模拟器上与pyABC基线进行了比较。
说明重新思考时间序列预测中的智能体模型编排
简介时间序列基础模型在不同预测任务上表现不一。本文提出FairAMO，在冻结候选预测结果的受控协议下，评估智能体模型编排（AMO）的真实贡献。在GIFT-Eval上的实验表明，AMO的精度提升受限于候选模型本身，最佳编排方法相对最佳单一模型的MASE仅降低不到6%。收益主要来自候选模型之间的互补性，而非候选数量，且历史数据只需少量近期窗口即可获得全部增益。
说明面向大语言模型的路径多样性并行思考（DPT）
简介本文针对大语言模型通过强化学习进行并行思考时，推理路径容易趋同、失去多样性的问题，提出一种名为多样并行思考（DPT）的方法，通过惩罚并行推理路径之间的前缀相似度来鼓励生成不同的推理策略。作者在多个推理基准上进行了实验，结果显示DPT优于以往的并行思考方法，并认为路径多样性是提升并行思考效果的关键因素。
说明强大的MoE即是过程监督所需：利用专家路由实现推理过程监督
简介过程奖励模型需要可靠的推理步骤标注，但获取成本高。本文发现混合专家（MoE）模型的专家路由统计量可作为过程置信度信号，效果与输出logit置信度相当。作者据此提出RoCo-Rethink（在最不自信的步骤之后选择性重新生成）和RoCo-PRM（用强MoE自动标注步骤分数并蒸馏为独立过程奖励模型），在多种MoE架构和推理任务上表现优于基线。
说明平衡基础模型与特定特征学习用于额头纹路识别
简介在部分面部被遮挡时，额头区域通常仍可见，其纹路可作为补充生物特征。论文统一评估了可解释的零样本推理（FIRE，基于多模态大模型）、领域自适应学习以及特定特征建模。结果显示，最佳零样本模型GPT-4o+FIRE的等错误率为18.22%，而Edge-Forehead为8.30%，并在0.1%误接受率下真接受率为54.01%。论文认为，虽然多模态大模型可提供可解释的零样本验证，但特定特征学习对稳健的额头纹路识别更为有效。
说明一个非局部晶体交换谜题的精确93步解法
简介本文针对《沉星秩序》中的一个关卡，把它建模为11×11棋盘上的晶体交换谜题，求出所需方向指令的最少数量。作者给出一个93步的显式解，并通过带代价上界的精确广度优先搜索证明不存在更短的解。该结果是针对该特定实例的计算机辅助证明，并附有源代码、运行日志和复现脚本。
说明RubricOpt：偏好优化中语义评分标准的自我修订
简介该论文提出RubricOpt框架，让模型在偏好优化过程中依据自身无评分标准输出的失败案例，修订指导训练的行为评分标准。训练时以直接偏好优化（DPO）为目标，偏好数据与目标保持不变，评测时移除该评分标准。实验显示，评分标准约束在部分模型与数据集上优于普通DPO，效果有所差异。
说明TenetBench：面向职业伦理准则的俄语条款锚定语料库
简介该论文提出 TenetBench，一个俄语语料库，包含 3,433 条与十五部俄语职业伦理准则条款相冲突的请求，并配有合法性不同的良性对照请求。作者用自动流程从准则原文生成任务，并测试了十四种模型与推理模式组合，观察其是否生成冲突内容、拒绝或给出警示。结果显示，十四者中有十一个在多数此类请求上生成了冲突内容，且多数未附警示。
看点提出以职业伦理条款为锚的俄语基准与自动生成流程，并对十四种模型配置做了系统评测，有新意且证据较扎实。
说明基于非线性薛定谔桥与分支扩散的生成建模
简介本文提出一种以前向-后向偏微分方程为基础的新生成建模框架，该方程与平均场博弈理论及非线性薛定谔系统相关。作者通过耦合偏微分方程组推导出经典薛定谔桥问题的非线性扩展模型SBNL，并基于分支扩散与半线性偏微分方程的概率表示设计了可并行、可扩展到高维的数值算法。实验包括恢复经典薛定谔桥、带凸惩罚项（如Gross-Pitaevskii）和势能交互项的非线性扩展，以及在MNIST和FFHQ人脸数据集上的图像生成。
说明低函数评估次数生成流的密度级反向误差
简介本文针对基于常微分方程的生成采样，在固定网络评估次数下，研究如何分配计算预算。作者提出密度级反向误差框架，只保留改变演化边缘分布的那部分求解器误差，并据此给出考虑求解器阶数的计算分配规则。在预训练的 CIFAR-10 EDM 概率流 ODE 上，该分配方法在低 NFE 下改善了固定步数的 Euler 采样效果。
说明将可穿戴机器人的可抓取部位分割扩展到多物体图像
简介本文改进了现有的基于视觉的便携式流程，用于识别可抓取的物体部位，以辅助上肢假肢的自动抓取选择和预塑形。方法是在硬件中加入激光指示器来辅助区分目标物体，并对深度卷积神经网络进行重新训练，同时利用混合现实技术生成逼真图像。实验表明，该流程的目标区分准确率比现有方案最多提高 9%，且计算成本保持不变。
说明超越自适应等变松弛的非对称隧穿
简介等变神经网络用预设对称性作为归纳偏置，但真实数据可能含有打破对称性的结构。本文在严格等变模型旁加入残差路径，并刻意限制两者的接口，观察任务相关结构如何传递。在五个基准上，残差路径有时塌缩、有时仍能保留信息，作者将后一现象称为非对称隧穿，并用四项诊断加以刻画。结果表明，捕捉潜在的对称性打破结构并不需要自适应控制等变松弛。
说明OmniSimulator：让小型语言模型学会真实的异构用户行为建模
简介该论文提出OmniSimulator训练框架，用于提升小型大语言模型在短视频平台上模拟真实用户的预测能力。方法是通过包含五个维度的结构化推理框架，并借助教师模型生成高质量推理轨迹，使小模型学习与行为相关的推理模式。作者基于200名真实用户三个月的历史交互轨迹构建了9,881条训练样本，实验显示Qwen3-8B的平均得分提升34.33%，表现可与Claude-Sonnet-4.5相比，并支持小规模自托管部署。
说明PreCoMem：面向自进化长期对话智能体的预测式认知记忆框架
简介该论文提出PreCoMem，一种受预测编码启发的记忆整合框架，把用户记忆表示为带置信度的状态信念。它用“有效意外度”衡量语义偏差与矛盾证据，并通过双阈值门控在MAINTAIN、PROFILE、CORRECT三种更新方式间选择。论文称其在LoCoMo、LongMemEval-S和PersonaMem-v2上准确率表现一致领先，并在新建的DiMoBench上能适应信念漂移而不对噪声过度反应。
说明重新思考AI训练的视频存储：打破跨帧依赖以实现高效随机访问
简介大规模AI训练需要从海量视频中随机采样，而现有视频存储格式为顺序播放优化，帧间引用结构复杂，解码效率低。本文提出依赖感知稀疏解码，只重建所需帧及其参考帧，并可选用离线依赖解耦随机访问编码（DDRA），将每个目标帧的重建限制在至多三帧内。在大规模机器人数据集上，相近重建质量下，加载吞吐量为LeRobot v3的1.45倍，媒体数据量减少58.7%。
说明面向可泛化智能体强化学习的 Harness 扩展：通过结构化多样化的执行框架训练，提升策略在未见框架上的泛化能力。
简介该论文研究了智能体强化学习中的“Harness 扩展”（Harness Scaling），即让同一任务和环境下策略执行与交互方式的 harness（智能体运行框架）呈结构化变化。作者构建了分解式的 harness 空间，选取了因子覆盖均衡的紧凑训练子集，并通过局部感知的任务分配组织跨框架训练。实验显示，该方法在多个基准、模型规模和强化学习算法上都能提升对未见框架组合的泛化能力，且在白盒变化下训练的策略能迁移到外部黑盒框架。
说明RegoMender：用于自动修复 Rego 策略的多智能体框架
简介本文针对云原生系统中策略即代码（Policy-as-Code）所用 Rego 策略的自动修复问题。作者提出了包含 1,159 个真实缺陷的基准 RegoBench，并设计了基于反馈、通过共享黑板与原子工具集协作的多智能体框架 RegoMender。在 RegoBench 上，该框架的语法与测试语义成功率均超过最强基线，并在 132 个真实 CVE 漏洞上取得 86.4% 的修复率。
说明Omnilingual-MsASR：面向全能大模型的多语言、多模态、长时多说话人语音识别基准测试
简介该论文提出 Omnilingual-MsASR 基准，用于评测全能多模态大语言模型在长时、多说话人视频中的语音识别能力。基准涵盖六种语言、最长 30 分钟的录音以及最多 20 名说话人的场景，并同时提供音频与视频输入以考察跨模态一致性。评测结果显示，主流模型的 tcpWERs 常超过 100%，论文指出细粒度时间定位、说话人区分和跨模态协同是未来模型的关键挑战。
说明BlazeVGGT：免训练、利用相机令牌稀疏化，在2000帧下使VGGT推理快约13倍
简介VGGT是一种前馈式视觉几何模型，通过全局注意力实现多视角三维重建，但计算量随输入视角数平方增长。本文发现其浅层相机令牌主要捕捉局部视角邻域，深层令牌则逐步编码全局视角间几何关系。作者据此提出无需训练的BlazeVGGT，在全局注意力中用行列式点过程选取互补的视角作为键值上下文，同时保留所有帧作为查询，可直接即插即用于预训练VGGT。论文报告在2000帧时推理约快13倍，点云重建的Chamfer距离由0.41降至0.32，并称可兼容FastVGGT、LiteVGGT等加速方法。
看点通过相机令牌的视图相似度与行列式点过程选择关键值视图，训练免费地减少跨视图注意力；实验覆盖点云重建与位姿估计，并在多个VGGT变体上验证。
说明DynaWeave：通过动态场景合成学习适应变化
简介本文提出DynaWeave，一个自动合成框架，可把已有的静态任务改造成可验证的动态场景，加入与任务相关的外部事件（如需求、环境状态和外部信息的变化），并用有向无环图表示事件依赖。作者据此收集了2,095条已验证的交互轨迹，用于微调Qwen3.5模型。在Gaia2、CostBench和ToolMaze上的实验显示，三种模型规模的整体表现均有提升。
说明超越捷径学习：用于人脸伪造检测的层级空间原型正则化（HSP）
简介本文针对深度伪造检测器泛化能力不足的问题，指出微调后的视觉模型会出现取证表征崩溃，提取的线索与数据集特定的伪影纠缠。作者提出层级空间原型（HSP）正则化方法，在空间特征上学习结构化原型子空间，并引入原型正交性与二阶分配平衡，以减少对数据集捷径的依赖。摘要称该方法在跨数据集和跨伪造方式设置下分别带来帧级AUC平均提升5.6%和5.3%，作为插件模块还能将现有检测器的视频级AUC平均提升至95.3%。
说明注意力稀疏度应按输出分配：面向视频扩散Transformer的免训练块稀疏注意力分配方法（ALLOT）
简介视频扩散Transformer中的全3D注意力计算成本高。该论文提出ALLOT，一种免训练的稀疏度分配方法：通过单元探测和轨迹校准，估计各层与去噪步组合对最终视频误差的贡献，并在实测延迟预算下联合优化各单元的稀疏密度。在相同或更短耗时下，ALLOT在HunyuanVideo上相比XAttention的各分配策略获得11.8 dB的PSNR提升，并在Wan2.1、Wan2.2和HunyuanVideo的九组设置中优于或持平默认方案。
说明基础模型能被蒸馏到多小，用于高效的喷注标记？
简介本文研究大型强子对撞机中喷注标记任务，利用知识蒸馏把六个不同架构、对称性与预训练方式的教师模型（含两个基础模型）迁移到五个小型学生模型。结果显示每个教师都能提升每个学生，提升幅度主要取决于教师的强度。经过压缩的 L-GATr-slim 学生在仅 2 万参数下超过了所有从头训练的已发表喷注标记模型，在仅 2 千参数时即可与参数量多千倍的 ParT 相当。
看点系统比较六种教师蒸馏到小模型，并以2000参数匹配千倍参数模型，有新意且实验充分。
说明事件，而非像素：世界模型在哪些地方算错回报
简介世界模型常用于规划，但评估多看画面渲染质量，画面逼真的推演仍可能算错回报。作者提出转移级诊断方法，用真实转移替换想象转移，并与预算匹配的随机对照比较回报误差的减少量。结果显示，奖励或回合结束的事件转移渲染质量与其他步骤相当，但修复它们能消除中位数70%的回报误差，而按像素误差挑选的转移效果不如随机选择。
看点通过事件转移诊断揭示世界模型回报误差集中于稀少奖励事件，提出新评估视角；在44个模型-数据组合上统计显著，证据充分，对规划领域有较大影响。
说明评估视觉语言模型在视障人士场景下的视觉定位能力
简介本文研究视觉语言模型（VLM）在为视障人士服务的视觉问答中的视觉定位（visual grounding）能力，即模型能否指出回答问题所依据的图像区域。作者使用VizWiz-VQA-Grounding数据集及挑战赛，对开源VLM进行评估，并提出扩展可解释性框架的VG-SHAP方法，以便对黑盒模型给出定位解释。结果显示，尽管模型能给出正确答案，却常常无法定位到图像中的正确区域；作者指出该结果受解释框架所用分割模型质量的限制，仍需进一步研究。
说明超越问题本身：面向全切片图像问答的保留-聚焦-融合框架
简介本文提出BEYONDPATH框架，用于全切片病理图像问答。它先保留与问题无关的整体形态信息，再针对具体问题检索相关证据，并将二者融合为固定长度的视觉前缀。作者报告该方法在WSI-Bench上取得0.769的Avg-9分数，并在SlideBench-BCNB上取得0.639的零样本整体准确率。消融实验显示形态保留与问题导向检索各有贡献。
说明MERP：面向稳健多模态多标签情绪识别的潜在瓶颈框架
简介该论文提出一种名为 MERP 的多模态情绪识别模型，将文本、视觉和声学输入映射到固定大小的潜在表示中，使推理不随输入长度变化。模型在测试时随机丢弃 20% 的模态时，在 CMU-MOSEI 和 M3ED 数据集上分别取得 0.563 和 0.780 的 micro-F1 分数，优于评估的最强基线。在 CMU-MOSEI 仅音频的严重缺失设定下，MERP 仍保持 0.473 的 micro-F1，而 LDDU 仅为 0.022。
说明一个动作，多种表述：面向长程智能体的效果边际策略优化
简介该论文针对大语言模型智能体在多轮强化学习中的信用分配问题，指出不同文字回复可能产生相同的可执行效果，但信用仍与各自文字绑定，称为信用更新错位。作者提出效果边际策略优化（EMPO），通过效果层面的代理目标，让不同文字表述之间的更新相互耦合。实验显示该方法在ALFWorld、WebShop和Sokoban上的任务表现与学习效率均优于强基线。
说明BIRD-RL：面向有状态数据环境的智能体强化学习扩展方法
简介该论文针对SQL调试等有状态数据任务，提出四阶段智能体强化学习课程BIRD-RL，并配套轨迹级持久执行基础设施，使数据库副本可安全复用并保持轨迹隔离，空间效率提升12.8倍。在BIRD-CRITIC-SQLite基准上，7B和14B模型的成功率分别为44.40%和48.00%，论文称其与Claude-Opus-4.6 Agent（48.20%）相比具有竞争力，并可训练兼顾SQL调试与生成的统一小模型。
说明通过向量值 L_p 相关性 V_α 推导泛化界
简介本文研究随机学习算法的泛化问题，提出一族依赖性度量 V_α（向量值 L_p 范数相关性），并据此给出泛化界。参数 α 在全变差（α=1）与方差、χ² 相关行为（α=2）之间插值。文中还在贝叶斯线性回归及 MNIST、ResNet-50 等实验中展示了调节 α 对界紧致程度的影响。
说明基于KAN的非线性分解用于嵌入层压缩
简介本文针对嵌入矩阵压缩中的低秩分解方法，提出在压缩嵌入层中加入可学习的非线性投影，以缓解线性瓶颈对表示能力的限制。方法借鉴Kolmogorov-Arnold网络（KAN）思路，用可学习的单变量函数替代固定线性变换。作者将该层接入Skip-gram框架，在参数量相同的条件下与标准低秩基线进行对比，实验基准为词类比和语义相似度，结果显示该方法能在固定维度下得到更忠实的压缩嵌入。
说明当思考变成记忆：统一上下文学习与微调
简介该论文提出一条可证明的规则，用于判断未见数据应放入预训练模型的上下文还是权重中。规则基于未见数据的信息价值定律，并通过任意时刻有效的检验，依据保留查询做出选择。文中还用多种模型与任务进行了验证，并分析何时上下文学习有效、何时无效。
看点提出基于信息价值精确定律的可认证规则，判定未见数据应放入上下文还是权重，新颖性突出；证据覆盖多种模型与任务，实验充分。
说明基于贝叶斯Bradley-Terry模型的主动学习替代策略
简介本文研究如何用有限的两两比较结果恢复排序。作者提出贝叶斯Bradley-Terry模型（BBTM），利用Polya-Gamma数据增强进行吉布斯采样，并量化潜在能力与排名的不确定性。文中基于知识梯度原理提出三种主动学习策略，并引入后验分离可靠性（PSR）作为无需参考排序的排名可靠性指标。合成实验显示，BBTM通常比基于偏好的贝叶斯比较判断方法更准确地恢复排名。
说明CCG Diffusion：基于组合范畴语法的文本到图像生成句法消歧方法
简介文生图模型通常无法获知提示词的句法结构，因此常出现属性绑定错误、空间关系与数量表达不准、句法歧义被误解等问题。本文提出无需训练的CCG Diffusion方法，利用组合范畴语法（CCG）的词类信息读取修饰关系，并通过固定介词范畴来消解介词短语附着歧义。作者在Stable Diffusion和Sana两种架构上测试，结果显示其在属性绑定和二维空间关系上得分最高，在介词短语歧义消解上明显优于所有对比方法。
说明在位置型劫禁（PSK）规则下求解围棋：安全证明迁移与新的棋盘值
简介位置型劫禁（PSK）禁止重复出现任何先前的整盘局面，但多数已求解的围棋棋盘此前是在较简单的基本劫规则下计算的。本文提出并行深度优先证明数求解器Sanko，在PSK下仍能安全地使用置换表、生死识别和安全着法剪枝。文中报告5x5围棋在六线程下16分钟求解，并给出23个新棋盘的PSK值，其中11个在任何规则下都未曾求解；例如4x7在基本劫下为全盘胜，在PSK下仅为12目。作者同时公开了求解器源码及相关运行记录。
看点提出可靠的证明迁移定理，解决了位置超劫下围棋求解的难题，并新增多个未解棋盘的数值；对所有棋盘的证据充分。
说明超越闲聊：人机对话中自我表露轨迹的建模
简介本文提出了基于社会渗透理论的轨迹式表露评估框架TraDE，通过预设的自我表露轨迹，考察前序表露历史如何影响模型在相同当前表露深度下的回应。研究发现，模型对表露的回应会因前序轨迹不同而改变，尤其体现在是接受还是质疑用户的框架上，这种差异随累积的深层表露暴露而变化，并且在表露回到浅层后仍会持续数轮。
说明GuanDan自我博弈中的预测—优化差距
简介本文研究强化学习中用结果预测信号作为优化目标是否可靠。作者在多轮不完全信息牌类游戏GuanDan中，用冻结的比赛胜负预测器的变化作为每轮的监督信号，并在DanZero风格的蒙特卡洛自我博弈中进行对照实验。结果显示，单个检查点可有明显提升，但五个复现种子均未取得正向结果，合并后的十种子区间包含零，说明该信号可描述有意义的进展，却未必能提供稳定有益的优化方向。
说明ECHO：偏好优化中涌现的共模隐藏偏移导致词表崩溃
简介该论文发现，偏好优化在提升排序指标的同时，会在模型隐藏状态中积累一种共享的方向性偏移（共模偏移），而相对排序损失几乎察觉不到它。这一偏移会投射到输出层，使某个词元的概率独占鳌头，最终导致生成崩溃。作者认为，这一表示层信号可用于在崩溃发生前发出预警。
看点发现偏好优化中被相对损失忽视的共模隐藏偏移会导致词表塌缩，并用注入与掩码实验给出因果证据，影响较广。
说明LLMSeg：无需训练、用文本提示并借助B样条进行图像分割的方法
简介论文提出LLMSeg，把具备视觉能力的多模态大语言模型直接用作文本提示图像分割器，无需额外的分割头、掩码解码器或训练。方法分为检测、用闭合周期B样条描绘边界、迭代细化三个阶段，输出二值掩码及可检查的中间几何结构。在ReasonSeg和RefCOCO系列等数据集上，使用现成的Gemini-3.7-Flash后端，LLMSeg与专用模型SAM 3相比具有竞争力，并在ReasonSeg验证集上达到71.5 cIoU。
看点将通用MLLM通过三阶段B样条流程直接用于文本引导分割，无需训练，在多个基准上与专用SAM 3相当或更优，证据较充分。
说明LiveAct：面向实时多智能体世界模型的异构动作接口
简介该论文研究多智能体视频世界模型，即由一个模型为多个受控智能体生成联合视觉未来，并同时处理从游戏按键到机器人指令等不同类型的控制。论文提出 LiveAct，其核心是异构动作接口（HAI），包括让每个动作流绑定到对应视觉智能体的机制，以及结合语言描述与数值来理解不同控制变量含义的机制。论文报告在游戏和机器人操作上智能体归属准确率分别为 0.898 和 0.942，因果生成器在 512×448 分辨率下达到 17.70 FPS。
说明VideoGen Model 1：音视频生成中提示词扩展与格式化的对比试验
简介本文在一个小规模对照试验中比较了 VideoGen Model 1（MiniMax H3 的后训练版本）对 30 条提示词的三种处理方式：原始、仅格式化和创意扩展。生成器、随机种子和采样设置保持固定，每个视频片段在五个维度上打分并取平均得到总分。结果显示，相比仅格式化，扩展后的提示词在 VA-Judger 下总分提高 0.63 分，在 Gemini 3.8 Flash 下提高 0.15 分，后者的置信区间包含零，结论不确定。
说明基于深度学习与领域知识决策融合的区域感知多视角检测
简介本文提出一种区域感知的双模型光学检测框架，结合座部区域缺陷的实例分割与轴部区域异常的图像分类，并通过依据工业标准作业程序设计的确定性决策融合层得出零件级判定。系统在380个汽车燃油喷射针阀上评估，采用18张座部与18张轴部的360度多视角图像。结果显示，简单并集逻辑误判率为57.6%，加入决策层后误判率降至10.9%，同时保持100%的不合格召回率。
说明基于温度控制谱锐化的渐进式置换对齐（用于神经网络权重对齐的论文）
简介该论文研究隐式神经表示中，独立训练但功能等价的模型因置换对称性而在权重空间中相距较远的问题。作者提出逐层渐进对齐方法，先用匈牙利算法得到离散锚点，再通过温度控制的谱退火逐步使相关矩阵趋近置换矩阵，最后用权重匹配进一步细化。实验表明，该方法在MLP、CNN和NeRF上能稳定恢复神经元对应关系，并降低NeRF模型权重插值时的损失壁垒。
说明检测不够：把推理轨迹当作可检验的程序假设
简介该论文研究在无参考答案、无评判模型、不更新权重的条件下，能否验证语言模型单条推理轨迹的正确性。在冻结的 LLaMA-2-7B-chat 与 GSM8K 上，自检的 AUROC 为 0.741，作者认为错误轨迹多数并不包含错误等式。作者提出用候选推导的蜕变探针检验轨迹，但检测的精度仍不足以带来显著的准确率提升，因此论文认为修复而非检测才是未解决的核心问题。
说明先提名、后裁决：借助大语言模型为 MIP 求解器做一次性与逐实例参数调优
简介该论文针对混合整数规划（MIP）求解器参数众多、最优设置因实例而异的问题，提出“先提名、后裁决”流程：先从固定参数组合中预先抽样并在各实例间复用，再由基础模型一次性选出配置，推理时无需逐实例搜索或调用求解器。在所评估的问题族上，该方法在大量比较中取得较多胜利，并在匹配的单次协议下优于包括 ISAC+ 在内的逐实例配置基线。
说明FM-Occ：面向3D占据预测的特征多样化上采样与记忆感知解码
简介该论文研究3D语义占据预测，即估计场景中每个体素的占据状态与语义标签。作者发现传统稀疏转置卷积上采样会使体素响应难以区分，且后续解码层会丢弃先前正确的语义预测。为此提出FM-Occ，包含3D稀疏子体素重排（3S）和熵调节的逐层记忆（ER-LM）两部分，并在SemanticKITTI上将mIoU从12.16%提升至12.73%。
说明可并行的概率潜在推理方法，用于生成多样化推理路径
简介语言模型依赖逐词生成的思维链，许多词元只为保持文字连贯，掩盖了真正的推理差异。本文提出概率潜在推理模型（PLRM），在连续潜在空间中用可并行的变分框架建模多种推理路径的分布，并引入离散策略变量与混合先验来保留不同路径形成的高斯混合结构。论文称，该方法在单一路径数据集上与确定性潜在推理模型表现相当，在多路径数据集上优于其他随机基线，且训练效率更高。
说明带噪声观测的级联赌博机：算法与遗憾界
简介本文提出一种随机级联赌博机模型：从 L 个臂中按顺序选取 K 个探测，不同位置的探测有不同成本，学习者只能获得每个臂真实输出的带噪反馈。对于可按每臂分数排序求解最优候选序列的噪声模型，作者给出基于 UCB 的算法，遗憾界为 O((L-K)log T)，并与算法无关的下界在常数因子内匹配；对于分数不存在的情形，提出将乐观性嵌入精确动态规划的 DP-UCB，遗憾为 O(LK log T)。文中通过合成与真实数据的数值实验验证了理论结果。
说明AdvFidelity：在强化学习中统一偏好对齐与少步图像生成
简介该论文提出 AdvFidelity，将对抗式保真度奖励加入强化学习，使模型在单一训练阶段内同时实现人类偏好对齐和少步高保真图像生成，无需分布匹配蒸馏（DMD）等显式蒸馏目标。方法通过训练判别器区分高质量参考图与由当前生成器重建的负样本，以更好地捕捉低层伪影。实验显示，该方法仅用 4 或 8 步、不使用 CFG，即可在对齐与生成质量上与全步数的 LeapAlign 相当。
说明Right On Q：通过自生成轨迹恢复量化后低比特大模型的推理能力
简介论文提出 OnQ 方法，用于恢复低比特量化大语言模型的推理能力。该方法让量化学生模型基于自身生成的前缀，接受全精度教师模型的监督，并采用按候选词概率比加权的动态 KL 损失来平衡欠预测与过预测。在 Qwen3-1.7B、4B、8B 的 2 比特和 3 比特设置下，OnQ 在九项基准平均分上表现最佳，在长程推理任务上提升最明显。原文报告，8B 模型在 2 比特下平均分比最强基线高 10.26 分，且回答更短、截断和重复错误更少。
说明AOV-GS：基于3D高斯泼溅的主动开放词汇语义建图
说明用于X射线与中子散射多模态反演的组合式神经网络
简介论文提出一种模块化的概率框架，用于结合多种散射测量进行结构反演。各类观测（如X射线、飞行时间中子和偏振中子反射测量）分别训练单观测后验估计器，并在推断时通过组合采样器融合，无需联合重新训练。该方法应用于薄膜与界面的纳米尺度深度分辨结构分析，并展示了同种中子对比度及X射线与中子的异质多模态组合。
说明通过去噪看见目标：基于频率引导的单步去噪红外小目标检测
简介红外小目标检测因目标极小、信噪比低、背景杂乱而困难。本文提出 DiffIRSTD，将检测问题转化为背景重建问题：把小目标视为类噪声信号，用扩散模型从受扰动图像中恢复干净的无目标背景，再利用重建背景与原图的残差突出候选目标区域。该方法采用单步去噪以提高效率，并提出频率引导的感知损失。在 IRSTD-1K、NUAA-SIRST 和 NUDT-SIRST 数据集上的实验显示其在三个基准上取得最先进性能。
说明读取掩膜：基于BI-RADS描述符的乳腺MRI分割理由生成
简介该研究利用乳腺MRI分割掩膜及其动态增强序列，依据BI-RADS指南构建决策树，计算八项定量放射组学指标以及病灶大小和成分数，得出八个描述符，再由大语言模型生成自然语言理由。在MAMA-MIA数据集的1506例病例上，共生成3012条理由，忠实度为99.98%，反事实准确率为99.3%。这些理由仅作为供放射科医生审阅的草稿。
说明面向AI智能体的以记忆为中心的持续学习（MCCL）
简介该论文指出，现有智能体记忆系统多为被动检索缓存，难以支持持续学习。作者提出以记忆为中心的持续学习框架MCCL，以记忆能否改善后续行动来评判其价值。框架包括按存储位置、形式与管理方式划分的三轴分类法、区分真实行为提升与单纯上下文扩展的评估协议，以及描述性能随经验与容量扩展的记忆扩展框架。
说明GaP-MoE：通过正交梯度累积与投影实现混合专家模型中的显式专家专门化
简介稀疏混合专家（SMoE）模型容易出现表示坍缩，多个专家趋于相似而失去多样性。该论文提出GaP-MoE，不修改损失函数，而是直接操作专家输出的梯度：每步随机选出一个专家作为领导者，把其余专家的梯度投影到领导者近期梯度张成子空间的正交补空间上，从而消除方向重叠。实验在BERT微调（GLUE）和GPT-2从头预训练（WikiText-103、enwik8、text8）上进行，结果显示其性能与标准SMoE相当或更好，并可作为即插即用模块用于现有SMoE架构。
说明不要过早停止长上下文持续预训练：一条经验缩放定律
简介本文研究长上下文持续预训练（LCCP）的收益如何随训练 token 数量增长。作者提出一个经验性的加性幂律，描述长上下文性能与模型规模及短、长上下文预训练 token 预算的关系，并用固定学习率的 Constant-Last4 方法稳定监测训练轨迹。实验显示，在 1.22B 参数模型上，约 100B LCCP token 范围内增益未见明显饱和，且在 128K 上下文扩展和监督微调后仍然持续，并延伸到长上下文理解与智能体任务。
说明跨语言语音克隆中的闭环双参考口音控制
简介零样本跨语言语音克隆常会把参考说话人的口音带入目标语言。该论文提出闭环双参考引导方法，将原始参考与由语音转换（VC）构建的可复用母语锚点配对，分别初始化两个语言模型状态以引导共享的声学轨迹，并在每个片段生成后同步更新两者。在20位未参与训练的法语说话人上，该方法使残留法语语种识别质量减少73%，同时ECAPA相似度代价仅为0.042。
说明B-CARE：立场分类错误排序的盲式类别证据评估方法
简介该论文提出B-CARE框架，用于在有限人工复核预算下，找出立场分类器中可能出错的高风险预测。固定的大语言模型验证器只根据目标和文本为各候选立场打分，不观察基础模型的预测或置信度，再通过比较最强替代类别证据与预测类别证据构建风险分数。在4个立场基准、3个异构基础模型的12组设置上，平均AUROC为0.735，前20%高风险预测可捕获41.06%的错误。
说明数据调度与学习率调度应当联合设计：研究在大模型中期训练里，何时引入高价值数据与何时衰减学习率如何相互影响。
简介论文研究大模型中期训练（MT）阶段的数据混合调度，即预训练数据与中期训练数据的比例如何随训练变化。在固定算力和中期训练数据量下，作者比较了完全切换到中期训练数据的做法是否最优。结果显示，最优数据调度取决于学习率调度：学习率持续衰减时，较早引入并混合中期训练数据可降低最终中期训练损失，而使用恒定学习率时结论相反。消融实验表明，在中期训练数据进入后再衰减学习率更好，论文还给出了理论模型解释这一现象。
说明深度搜索与深度研究类LLM智能体的基准测试与错误分析
简介论文指出，现有评估多只看最终结果，忽略了智能体执行过程中的中间步骤。作者提出一套用于诊断中间工作流程错误的方法与分析框架，并将错误分为系统级错误和任务级错误两大类。通过对逐步执行轨迹和智能体与环境交互的系统考察，论文分析了这些错误如何影响整体表现，并给出可用于提升可靠性的设计指导。
说明可解码不等于可控：连续潜变量TTS中的局部与各向异性说话人控制
简介该论文研究连续潜变量语音合成（TTS）中，线性可解码的说话人信息是否能被因果式地用于控制。在VoxCPM2上，最后一层残差声学语言模型（RALM L7）的参考音频状态探测准确率为0.970，但对齐编辑在60个定向说话人对中均未能使目标占主导。在L0层进行成对对齐更新则在全部60对中实现目标占主导，表明有效控制需要几何上的特异性，以及将目标说话人条件带入声学合成的计算路径。
看点揭示线性可解码性与因果可控性的分离，并通过位置匹配探针与等范数干预、独立说话人编码器和双盲听测验证，证据较充分。
说明“无审查”不等于“无偏见”：消融去除拒答，却未消除因文字体系而异的台湾相关偏见
简介本文比较了两组开源2比特语言模型及其“消融”（abliteration）改版，以及繁体中文、简体中文和英文下对台湾、1989年天安门事件等陈述的立场。研究发现，文字体系（脚本）对立场差异的影响远大于消融，消融去除了拒答，但未消除这种偏见；对照组未出现此差距。作者认为，“无审查”不等于“无偏见”。
说明Transformer MLP 中读取器与写入器的耦合
简介本文把 Transformer 的 MLP 层看作键值记忆：每个隐藏通道由一个读取器（决定何时响应）和一个写入器（决定向残差流加入什么）组成。作者联合分析两者的雅可比矩阵，得到每个通道的带符号配对系数。结果显示，各模块中都有一小批强耦合通道，且多数呈相反方向，这一现象从小模型到已发布的检查点都存在。
说明ChronoSynth：面向时序知识图谱的约束感知问题生成
简介该论文研究时序知识图谱上的问题生成：根据结构化图证据和目标答案生成自然语言问题，并保证答案字段、时间条件、参照事件和时间顺序不被改动。作者提出ChronoSynth框架，结合记忆增强与约束感知，先构建时序意图状态，再从模式记忆中检索并校验问题，在CRONQUESTIONS和MultiTQ上取得了当前最优的生成效果。
说明Policy Central：在已部署的警务政策中检测冲突、冗余与相似之处
简介论文介绍了 Policy Central，一个已投入使用的系统，帮助警察机构找出其成文政策各部分之间的关系，包括冲突、冗余、相似或不同。作者比较了两种架构：Retrieve-Judge 用于全库的低成本健康检查，Screen-Confirm 用于对审阅者选定的文件进行穷尽式核查。在一个部门约 84 份政策文件构成的 302 对基准测试中，Screen-Confirm 对给定文档对的总体召回率为 0.795，冲突类为 0.885，但找出相关文档对的组合召回率仅约 0.46 到 0.47。
说明从提示到后验：大语言模型能否在上下文中进行贝叶斯推断？
简介这篇论文研究大语言模型能否在上下文中按贝叶斯规则更新信念，构建了涵盖概率一致性、定量推断基准与非贝叶斯更新影响的评估框架。结果显示，模型在上下文中通常违反贝叶斯规则；但配备推理能力与代码执行工具后，表现大幅提升，能够近似解析上难以求得的后验分布。
说明AgentMonopoly：LLM智能体在大富翁游戏中的行为模式与人设控制
简介该研究用AgentMonopoly环境比较了四个模型家族、每家两种规模的LLM智能体在游戏中的交易、放弃租金和管理现金与资产等行为。结果显示更大的模型并不一致地赢得更多游戏；人设指令会改变智能体的用词和部分行为，但并非在所有决策中都与角色一致。作者认为，应同时通过行动和结果而不仅是语言来评估人设遵循情况。
说明从个体对话到整体共识：LLM 之间的一致性如何涌现
简介该论文研究两个大语言模型就主观议题进行多轮对话时，如何逐渐趋于一致。作者用线性分类器从单个对话的激活中识别出内部的“一致性”表征，发现其在个体对话层面并不可靠地反映外部一致性。将多段对话的内部表征聚合后，外部一致性可用马尔可夫过程很好地预测，内部聚合结果与之通过幂律映射相耦合，且模型改变立场后外部先表现出一致，内部表征随后才跟进。
说明OACap：面向细致视频描述的字幕引导主动观察方法
简介该论文提出OACap，一种以字幕为核心的智能体，会针对缺失或无依据的信息发出观察请求，利用时空工具获取证据，并反复验证与修改描述。论文还提出FSCap-Bench基准，包含衡量事实精度与覆盖度的CSFS指标，以及通过视频-字幕往返检验语义保留程度的CSRS指标。
说明信号与查询：一种节省令牌的智能体上下文发现方法
简介面向用户的大模型智能体需要判断每一轮对话适用哪些行为策略，但用大模型逐一评估成本很高。论文提出“信号与查询”（S&Q）轻量级第一阶段相关性过滤方法，可在下游评估前去除至少30%的候选策略，同时保持较高召回率。方法离线为每条策略生成正例和困难负例，再用嵌入向量训练独立的逻辑分类器，实时预测相关性，无需每轮调用大模型。在254个对话前缀和36条航空策略的9144条标签上，其精确率高于Top-K和余弦阈值检索，结果在两家嵌入服务商下一致。
说明OpenMAP-HIE：基于病理信息评分扩散模型的新生儿缺氧缺血性脑病病灶无监督分割
简介该论文提出OpenMAP-HIE方法，利用扩散模型学习健康新生儿ADC图像分布，并通过条件与非条件噪声预测的差异定位病灶，无需逐体素病灶标注。仅保留与急性缺氧缺血性脑病ADC降低方向一致的差异，并在BONBID-HIE数据集上评估。结果显示其在无监督方法中重叠与表面距离指标最佳，加入人群ADC Z图优化后Dice提升至0.602，但对小型及低对比度病灶的检测仍有局限。
说明BrainCodes：基于离散神经编码的轻量级脑电（EEG）基础模型
简介本文提出BrainCodes，一个轻量级脑电基础模型，通过自监督学习在超过800小时、千余名受试者的记录上预训练。模型结合基于量化的神经分词器与可支持任意电极配置的时空编码器。该模型在睡眠分期、注意力评估和认知负荷估计等任务上达到或超过现有最优水平，并可在低资源可穿戴设备上有效迁移，可训练参数最多减少97%。
说明OSynth：面向会议理解的纵向、语境敏感评估数据集
简介该论文提出OSynth，一个大规模合成数据集，模拟了多个组织，包含570小时会议音频及相关材料和潜在的真实状态。人类评审在基于150至300词摘录的成对比较中，仅有56%的准确率能区分OSynth会议与真实会议记录。论文还显示，在多个先进大语言模型上，额外的语境信息能在若干与实体相关的维度上带来明显提升。
说明询问导演看到什么，可能改变视觉语言模型的选择
简介该论文研究视觉语言模型的心理理论能力：在渲染的导演任务中，先询问导演能看到哪些方块，会使模型选择被隔板遮挡的最大方块的比例明显上升。作者认为，评估时先要求报告视角、再评分行动，需要一个不包含该问题的对照基线，并提供了仅相差该问题的成对提示设计。
说明SpatialBrain：从经验中生长的空间智能
简介该论文提出 SpatialBrain 框架，在保持视觉-语言主干模型不变的前提下，积累关于空间推理决策的经验，例如何时直接观察、何时重建、测量或切换参考系。系统包括融合场景观察的 3D 记忆、可复用的空间工具技能库，以及将任务条件与记忆和技能使用经验相关联的空间认知模块。在五个空间推理基准上，该框架在四个上优于同一主干的直接回答，在第五个上持平。
说明DISRL：面向动态社区追踪的双尺度增量半监督强化学习方法
简介该论文研究动态局部社区检测，即在图的不同快照中追踪指定种子节点所属社区的演变。作者提出DISRL框架，包含根据稀疏已知社区动态生成种子专属监督信号的模块，以及将时间窗口内短期适应与跨窗口长期参数巩固解耦的双尺度探索模块，以稳定策略演化。论文还构建了包含多种社区演变场景的动态图基准，并报告DISRL在多种动态设置下优于现有基线方法。
说明YingLan：面向异构海洋观测数据的多模态海洋基础模型
简介本文提出YingLan，一种多模态海洋基础模型，用于统一学习卫星影像、网格化海洋场和浮标观测等异构数据的表示。模型结合物理属性条件动态编码、时空增量耦合（STIC）和海洋状态演化感知预训练。在深圳沿海海域的七日海表盐度预报任务中，其平均RMSE为0.687508 PSU，相对LangYa、XiHe和GloNet2分别降低0.58%、5.31%和12.42%。作者指出，跨任务和跨区域的更广泛评估仍有待开展。
说明基于遗传规划的可解释割平面选择方法（用于混合整数线性规划）
简介本文提出GPSCS框架，用遗传规划进化出一个可解释的符号评分函数，对候选割平面排序，并用统计方法自适应决定每轮添加的割数。在SCIP求解器上测试，平均求解时间优于其默认割选择策略，并约为两种对比方法的两倍速度，测试实例平均比训练实例难约41倍。
说明基于广义矩匹配的差分隐私合成数据
简介本文研究在指定积分概率度量（IPM）下，为 [-1,1]^d 中 n 条记录的任意数据库生成 (ε,δ) 差分隐私合成数据的方法。作者提出广义矩匹配：先以隐私方式估计矩，再拟合概率测度并采样合成记录。该框架推广了用于 1-Wasserstein 距离和光滑查询的切比雪夫矩匹配，并应用于 Matern 核与 Laplace 核的最大均值差异、两层 ReLU 神经正切核，以及切片 Wasserstein-1 和范数有界 ReLU 网络诱导的 IPM。在合成记录数量充足时，固定维度下的速率在对数因子内达到极小极大最优。
说明基于大语言模型的外生世界建模用于动态调度
简介该论文研究动态车间调度问题，即在新任务陆续到达时进行派工，同时预判未来任务。作者用预训练大语言模型预测未来任务的不确定到达，并结合确定性的车间状态转移，提出 AWMP 方法，通过场景推演与信念条件派工策略进行规划。在多种到达分布下，该方法相对八种经典优先级派工规则中的最优者，在动态车间与柔性车间基准上分别降低了加权延误。
说明基于数据与物理引导的测量波谱后报研究
简介该研究利用循环神经网络模型，以一小时一次的浮标波谱为初始状态，结合局地风、风区和水深，对波谱进行短期后报评估。训练、验证和测试分别使用波罗的海三个站点2017至2020年、2021年和2022年的数据，风场采用ERA5再分析资料。结果显示，局地松弛约束带来适度且依赖目标函数的改进，但仍需在业务预报和独立站点中进一步检验。
说明ExpEvolve：为开放式发现组织并复用经验
简介这篇论文提出 ExpEvolve，一种用大型语言模型进行程序演化搜索的方法。它在演化过程中提取能解释不同程序得分差异的高层“思路因子”，并用来指导利用已有经验与探索。作者在11个开放式数学任务上测试，最终性能与样本效率显著提升，最高达5.0倍，并且改进可迁移到其他4个语言模型和MLS-Bench中的6个机器学习任务。
说明诊断并缓解多模态知识编辑中的证据错位问题
简介该论文指出，多模态大模型的知识编辑在答案层面看似正确，却可能依赖背景等无关上下文而非真正的视觉证据。作者构建了WaterBird-Edit分析数据集，将鸟类栖息地标签与背景解耦进行检验，并提出基于检索、借助视觉上下文示例的VICE方法。实验显示VICE在三个标准基准上表现良好，并显著降低了对背景变化的敏感性。
说明面向太空机器人的端侧语言模型压缩：以行为保真度为要求
简介该论文研究如何把语言模型压缩到太空机器人可以运行的低比特尺寸，以便机器人理解操作员指令并选择已验证的技能。作者提出QSelect方法，将AWQ、GPTQ、AutoRound等兼容量化器的结果逐模块组合成一个静态低比特模型，并以最终输出分布与全精度模型的KL散度作为选择依据。实验在通用领域基准上进行，结论是组合模型的困惑度低于所有单一量化器模型，但太空领域任务与飞行硬件的验证留待后续工作。
说明何时接近纳什均衡？为一般和博弈的解提供可验证的证书
简介论文提出一种在线证书，利用求解器更新过程中已有的遗憾累加量，估计所返回策略与纳什均衡之间的差距（NashGap），无需对平均策略做最佳响应计算。作者在 Leduc 偏置变体基准上，用一组免训练的遗憾匹配求解器组合进行验证，并报告了在阈值 10^-5 下的求解比例及证书对求解结果的认证情况。
说明用于神经网络微调、快速排序和嵌入降维的潜在空间配置方法
简介本文提出面向神经网络结构化潜在空间的搜索算法，使在大型嵌入库中检索最相似的K个元素时，只需在小候选子集中搜索，从而加速检索。作者使用潜在空间配置（LSC）方法微调ArcFace预训练的IResNet50模型，以获得具有期望几何性质的新嵌入分布。结果显示，相比基线穷举搜索，GPU上最高可加速3倍，CPU上可加速40%；降维后还能进一步加快搜索，并提升rank-N指标。
说明同样的概率，不同的建议：高风险LLM决策支持中的得失框架效应
简介本文研究大语言模型在高风险决策中，同一概率分别以“收益”或“损失”方式表述时，给出的建议是否会改变。作者构建了包含2880条提示、覆盖医疗、金融、教育/职业和法律/消费者权益四个领域的基准FrameBench-HPS，测试了七个模型。结果显示，在32.4%的完整组别中，框架切换会改变建议类别，且多数变化体现在不确定性上而非直接反转；概率规范化可显著降低这种敏感性。
说明功劳应当归于其所应得：面向多智能体系统的对比归因拓扑搜索
简介论文提出对比归因拓扑搜索（CATS），在专门化智能体的超图中搜索紧凑团队。由大语言模型归因器比较候选拓扑的执行轨迹并为各智能体分配功劳，据此更新边并逐步剪除弱边与弱智能体。在 BigCodeBench 上，CATS 的平均准确率比仅依据分数的启发式搜索高 5.3 个百分点，同时部署令牌显著减少。在 HotpotQA 提示投毒压力测试中，CATS 在三次运行中都排除了所有被对抗性提示的智能体。
说明近似所罗门诺夫归纳：学习型通用预测器的稳健性
简介该论文研究用对数损失训练的大模型为何具有广泛能力，并以元学习视角分析：若预测器只能近似最优的贝叶斯混合预测器，其预测误差是否稳健。论文给出近似误差的紧界：在先验概率小的环境中，额外误差可能显著增大；而按先验平均时，额外误差仅为 O(η)。此外还给出分布偏移的结论，并把分析扩展到有限采样的神经网络与 Transformer 场景。
说明用于智能养蜂辅助的计算机视觉与知识驱动语言模型
简介本文提出一套面向边缘设备部署的流程，将蜂巢框架照片转化为可解释、可执行的巡检报告。系统先用目标检测器识别巢房类别，再将检测结果整理为结构化事实，转为受约束的文本，并由有依据的知识库给出解读和建议。作者基于开源的FAIRHiveFrames-1K数据集构建系统，并发布了对应的FAIRHiveText-1K文本数据集。
说明Flat-RLVR：面向大语言模型推理能力的锐度感知可验证奖励强化学习
简介论文指出，带可验证奖励的强化学习（RLVR）虽能提升大语言模型的推理能力，却容易使策略分布过度集中，压制少见但正确的推理路径，从而降低样本多样性。作者提出Flat-RLVR方法，在后训练中用锐度感知最小化寻找平坦的奖励区域，并结合GRPO类算法，在采样效率与推理能力之间取得更好平衡。文中称该方法在保持单次回答准确率的同时提高了样本多样性。
说明利用贝叶斯进化优化设计与调校多智能体系统
简介本文提出一种贝叶斯进化优化框架，用于自动发现针对特定任务的多智能体系统拓扑结构。方法结合进化算子生成多样的工作流图，并以图感知高斯过程和期望改进准则，把高成本评估集中在更有潜力的候选方案上。在 BigCodeBench 代码生成任务和基于 TabPFN 的表格预处理任务上，进化得到的架构在所评估的智能体系统中整体表现最佳，并在部分时序表格数据集上优于默认 TabPFN 模型。
