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GRAIL：从显著性到语义的时间序列解释方法
简介该论文提出 GRAIL 框架，用于解释时间序列模型。它不再逐个时间步评估重要性，而是以心电图 P 波、QRS 波群等具有领域含义的区间作为单元，并用可读特征描述这些区间，借助条件生成器生成反事实基线，再通过 Owen 值将预测归因到各特征。原文称，合成数据与真实数据实验表明该方法解释忠实、稳健，并能为领域专家提供有意义的知识。
说明门控初始化与循环正则化在长依赖学习中的对比：基于合成任务的LSTM和GRU受控研究
简介本文在合成的加法问题和延迟回忆任务上，用720次训练对比了LSTM和GRU的门控初始化方式（常规与chrono）以及循环dropout和zoneout的放置位置。结果显示chrono初始化的运行全部在5000次更新内达到验证标准，而常规初始化在较长序列下学习缓慢或未达标。作者认为，在这类任务上应支持chrono初始化。
说明PHD-Hand：一种可 3D 打印、连杆驱动、每指 3 个自由度的仿人灵巧手
简介该论文提出一种连杆驱动的仿人灵巧手，每根手指具有 3 个驱动自由度，采用独特的柔性铰链和弹簧钢弹性驱动杆，简化了传动结构。该设计无需大量微型运动部件，可用经济型 3D 打印机制造，手的尺寸也更接近人手。作者通过抓取和物体操作实验评估了原型，并介绍了该手在运动学与控制方面的最新发现。
说明策略更好，验证器审计更差：同策略审计崩塌
简介该论文研究一种控制回路：在后训练与测试时计算中，验证器在新策略输出上以整体成功标签评估，分数下降时即刷新。作者指出，当策略掌握了组件F后，失败样本的权重被挤占，审计可能偏好更差的组件验证器，并称之为同策略审计崩塌。论文给出理论界限与修复思路：应在组件自身的失败样本上审计，并把这些失败样本保留在刷新分布中。
看点提出并刻画了在线策略审计崩溃现象，给出尖锐的可识别集与完全擦除阈值，并用精确预言机、文本与ECG实验验证，证据较充分。
说明《共鸣与深度》：在艺术家参与的多智能体打击乐表演中构建音色身份与空间形式
简介这是一部约9分钟的沉浸式电声/听觉音乐表演作品，以音色和空间为主要创作材料。作者以现场电子打击乐和自己录制整理的素材为基础，借助多智能体系统，通过实时重组、空间化与人机互动来生成音色身份与音乐形式，而非依赖传统和声发展。论文探讨表演者的身份如何在人、算法、音色与空间过程之间被保留、转化和重新分配。
说明单张图片估算食物重量的模型无法跨数据集迁移其克数尺度
简介该研究用2253道已称重的Nutrition5k菜品微调DINOv2-base模型，从单张RGB照片预测重量，并与零样本视觉语言模型Qwen3-VL-32B比较，测试集包括Nutrition5k及三个外部数据集。结果显示，模型在域内误差较小，但在外部数据集上未优于Qwen，对未见过的食物其克数尺度也不稳定；使用同一食物的一张带标签照片可降低外部误差。
说明基于差异度的马尔可夫决策过程：稳定状态分布
简介本文提出一个理论框架，用于学习能够稳定状态分布的策略。作者将问题建模为基于差异度的马尔可夫决策过程（DMDP），目标是让当前状态分布与目标分布的差异最小，并给出使目标分布渐近稳定的充分条件。文中还引入有限维分布表示，并在线性系统示例及HalfCheetah任务实验中验证方法的效果。
说明把“继承”作为LLM提示词合并算子的准入测试
简介论文提出一种判断LLM提示词合并算子是否有效的准入测试：只有子代明显向供体靠拢、且超过零剂量对照并满足置信下界条件时才被接纳。在单一谈判任务上的实验显示，tactic append被接纳，free rewrite被拒绝，template append结果未定。
说明GenXR-Bench：面向交互式XR开发的编程智能体基准测试
简介本文提出GenXR-Bench，这是首个针对编程智能体在扩展现实（XR）软件开发中端到端能力的基准测试。该基准包含112个专家编写的任务，涵盖功能实现、缺陷修复和应用生成三类，并通过脚本化与自适应交互进行测试。评测显示，表现最好的配置整体Pass@1仅为50.9%，失败主要源于异步传感器生命周期、物理环境理解和具身交互语义等方面的误解。
说明目标模型重写数据会缩小草稿训练目标的增益（推测解码）
简介该论文研究推测解码中草稿模型的训练目标。作者比较了交叉熵、蒸馏以及仅对可通过验证位置蒸馏三种目标，发现在外部数据上增益明显，但若先由目标模型贪心重写数据，蒸馏的增益明显变小，门控目标几乎没有增益。作者建议应以目标模型重写后的基线并跨训练长度来衡量目标的增益。
看点揭示目标模型重写数据会削弱草稿训练目标增益，通过多设置、多语料和多训练长度的系统对照实验验证，结论对该子领域有实际指导意义。
说明面向头颈质子放疗计划的证据驱动多智能体复合AI系统
简介本研究提出一个证据驱动的多智能体复合AI系统，结合基于深度强化学习（PPO训练策略网络）的自动放疗计划生成与基于大语言模型的对话式计划修改，用于质子PBS治疗。系统针对21例头颈癌患者进行训练与评估，经SFT和GRPO后训练的Qwen3-14B在指令遵循、信息检索和领域推理方面优于基础模型，修改结果能更好地改善用户优先的目标，同时限制其他目标的恶化。
说明不可压缩流动的局部稀疏核算子学习：算子拉格朗日公式
简介本文提出一种用于学习不可压缩流动解算子的局部稀疏核方法，是作者早前保持性质核方法的改进版。它用可在GPU上并行求解的局部无散度插值替代全局输出重构，并通过紧支核使算子回归稀疏，支撑半径由数据拟合。文中报告在十个流体基准上，稀疏模型精度不低于原稠密方法且优于神经算子。
说明提升香蕉品种分类的跨等级泛化能力：基于混合CNN-Transformer与知识自蒸馏
简介本文研究香蕉品种分类中的跨等级泛化问题，即模型在某些质量等级上训练后，需要泛化到未见过的等级。作者在留一等级（Leave-One-Grade-Out）评估协议下，比较了CNN、ViT及双流混合架构，使用31,678张含三个品种、三个质量等级的香蕉图像数据集。提出的双流Swin ResNet混合框架结合基于KL散度的自蒸馏，平均准确率达81.25%，优于CNN和Transformer基线模型。
说明用于能量核最大均值差异的跳跃修正Wasserstein梯度流
简介本文研究由能量核K(z)=-|z|^q（0<q<2）生成的平方最大均值差异的跳跃修正Wasserstein梯度流，涵盖所有维度d≥2以及一维情形1≤q<2。在亚临界密度和有限矩假设下，作者证明了其全局适定性。在目标与跳跃速率的假设下，作者还证明了收敛到目标分布的结论。
看点提出带跳跃修正的MMD梯度流并证明全局适定与收敛到目标分布，理论上有新意，影响主要限于该数学子领域。
说明VeriEvolve：面向工具调用智能体的评估器优先进化框架
简介该论文提出 VeriEvolve，在优化智能体之前先从任务指令自动生成可执行的评估器，作为进化过程中的适应度信号。评估器在每轮进化中保持冻结，并通过强弱运行的结束状态构造反事实测试用例进行修订。在 MCPMark Filesystem 的 30 个任务上，经评估器指导的进化使 GLM-5.2 的外部验证成功数从 6/30 提升到 18/30，Claude 从 27/30 提升到 30/30。
说明T-DIG：面向文本条件的图像生成多样性框架
简介该论文提出T-DIG，一个让用户用自然语言指定变化维度（如背景或风格）来获得多样化图像生成结果的迭代框架。其核心是一个由大语言模型构成的策略，为冻结的图像生成或编辑模型产生K个带轴条件的提示词，并通过GRPO训练。研究同时发布了首个文本条件提示多样性数据集，结果显示该方法在提升多样性的同时保持了与原始提示的一致性。
说明FlashNext-RL：面向Qwen3.8-Flash-Next长时程智能体强化学习的系统优化研究
简介论文提出FlashNext-RL，一个基于prime-rl、针对特定模型优化的强化学习训练框架，并以vLLM生成软件工程任务的轨迹。研究重点是在单个8xB200节点上对完整48层模型进行BF16训练，并优化主机卸载、梯度累积以及混合专家、稀疏注意力等算子。文中报告训练吞吐量从约395提升至4,438 tokens/s/GPU，并在一次实时软件工程强化学习运行中给出每轮平均22.4分钟的数据。
说明从频域视角重新思考时间序列分词
简介论文指出，目前将时间序列切分为子序列的分词方法会引入频谱失真，使学到的表示偏离趋势、周期性和季节性等真实模式，从而影响模型表现。作者从频域角度给出了此类失真发生的边界条件，并提出无需参数、近乎无失真的频域分词器 TimeFT，可直接替换现有分词器。实验覆盖预测、分类和异常检测等任务，结果显示 TimeFT 能持续且显著地提升性能。
说明多样化旅行商问题的最优采样器：刻画、极限与学习
简介本文研究多样化旅行商问题（D-TSP），即寻找 k 条互不相同的旅行路线，每条长度不超过最优路线的规定倍数，并尽量降低所选路线两两之间的最大 Jaccard 相似度。作者提出将问题分为采样与选择两阶段的混合框架，并从理论上给出最优采样分布的两类端到端保证。实验表明，同一个训练好的模型在同分布与异分布实例上均优于基线，且无需微调。
说明用失语症视角研究大语言模型：通过定向破坏与激活干预探究其功能结构
简介本文借鉴人类失语症的研究思路，提出一种机制可解释性框架，对大语言模型进行分类器引导的结构破坏和连续激活引导两种干预。结果显示，语言功能可以被分离到离散的结构回路和连续的表示向量中，但不同类型的失语表现之间存在明显的回路重叠和向量相似性。激活引导在下游任务中泛化较好，而结构破坏则表现出不对称的限制。
说明基于Doob变换的生成式策略优化：为扩散与流模型策略做强化学习微调的新方法
简介扩散模型和流模型可作为机器人与序列决策的策略，但其动作似然难以计算，难以直接套用PPO、GRPO等常用策略优化方法。本文提出DoobPO框架，利用Doob的h变换进行无需似然的强化学习微调：先学习表示策略更新的轻量比率模型，再通过条件漂移匹配将其蒸馏到生成式策略中。文中在MuJoCo连续控制基准上报告，DoobPO相较有竞争力的扩散和流策略基线表现较强。
说明基于注意力的间接提示注入分类检测
简介间接提示注入攻击把恶意指令藏在语言模型处理的外部数据中，对部署中的LLM智能体构成威胁。本文评估了Attention Tracker这一白盒检测方法在AgentDojo智能体场景中的表现，发现其跨数据集通用性的说法不成立，多数模型上接近随机猜测。作者提出AttnDA，用费舍尔线性判别分析分类器替代单一阈值，在四个基准的跨数据集设置中检测效果有所提升，但迁移到AgentDojo仍然困难。
说明MedBOE：基于优化的全身医学影像完整患者体表模型估计方法
简介本文针对全身医学影像中因扫描仪孔径、体位等原因而缺失部分身体区域（如手臂、手部、前臂）的问题，提出一种名为MedBOE的免训练自动化方法。该方法利用SMPL参数化人体模板，通过属性引导优化与几何、体积约束的形变，估计缺失区域，从而得到完整的患者体表模型。作者在AutoPET和HIT两个公开数据集上进行了评估，结果显示该方法在体积和几何指标上表现最佳，由其推导的体型指标误差在2%以内。
说明超越文本的行为：评估LLM智能体中拒绝行为的迁移失败
简介论文指出，大语言模型作为调用工具的智能体时，安全评估多只看其在文本中拒绝有害请求的能力。作者构建了包含2,304条提示、覆盖四个领域的基准，比较同一请求在纯文本、标准工具及对抗性工具三种设置下的表现，并用20种禁止行为评估工具调用安全性。结果显示，文本中被拒绝的请求常引发不安全的工具调用；研究还发现一个与拒绝相关的方向，但它只能部分解释这种差异，因此评估此类智能体需直接检查其行动。
说明LLM社会模拟中的蝴蝶效应：从架构敏感性到稳健性审计
简介本文研究大语言模型（LLM）社会模拟中，实现细节的微小改动如何通过智能体互动被放大，从而改变集体结果。作者以重复囚徒困境和社交媒体回音室为例，在四个LLM系列上测试了表征层和设计层的扰动。结果显示，仅改变匹配人格的表征就能使两智能体合作率相差75.2个百分点（GPT-5.2），稳健性不能从单一配置推断。作者还提出了TRAILS分类法和社会模拟审计卡，用于系统审计这些依赖关系。
说明从共同信息到典型相关分析：连接信息论、信号处理与机器学习的导论
简介这篇教程整理了信息论、统计学与信号处理三个领域对“从多个联合观测中恢复共同成分”这一问题的主要结果与工具。文章从基本原理建立信息论基础，介绍典型相关分析（CCA）及其多视图扩展，并说明其在盲多用户检测中的工程应用。文章还讨论非线性CCA（核方法、深度与概率形式）、共同因子的可识别条件，以及与自监督学习的联系。
说明上下文强化学习是后验采样器吗？一项实证研究
简介上下文强化学习（ICRL）利用大型语言模型的上下文学习能力，在推理时无需更新参数即可零样本泛化到新任务。本文探讨决策预训练Transformer（DPT）等方法在实践中是否真的执行贝叶斯后验采样。作者提出两个必要条件（充分统计量不变性与鞅性质），构建统计假设检验，并在高斯、伯努利和线性赌博机设置中检验，发现两个条件均被持续违反，表明ICRL在实践中可能并非贝叶斯后验采样器。
说明SSMCGM-Stream：面向个性化糖尿病管理的流式状态空间模型
简介该论文提出SSMCGM-Stream，一种流式状态空间模型，随每个新的血糖读数更新个性化隐藏状态，以实现常数时间的血糖预测，并通过隐藏状态归因提供可解释的预测结果。在此基础上，SSMCGM-Agent 以风险感知的方式，通过受约束的语言模型接口，将预测、解释与反事实推演转化为有依据的自然语言建议。在T1DEXI队列上的评估显示，其预测性能与强大的神经网络基线相当，同时大幅降低计算成本，可支持持续的设备端糖尿病决策辅助。
说明正交化如何适应神经网络的 Hessian 结构：基于初始化时梯度自外积的分析
简介该论文研究 Muon 优化器为何适合神经网络的 Hessian 结构。作者分析了初始化时梯度的自外积 E[GG^T]，涵盖对称矩阵分解、深度线性网络、两层 ReLU 网络和单层线性注意力四种模型。结果显示，随隐藏维度增大，对角元素以明确速率超过非对角元素，对于注意力的查询、键和值权重，非对角元素则完全消失。模拟与语言模型初始化实验证实了这一预测的缩放规律。
说明TEMPL：一种资源高效、透明的无模型材料CT伪标签生成框架
简介本文提出一种无需预训练模型、标注数据或GPU的多阶段方法，直接从灰度CT图像生成多边形伪标签，结合阈值分割、形态学膨胀和自定义的广度优先区域生长算法。在枝晶数据集上，其IoU为63.19%，高于零样本SAM的10.74%；在硅砂样本上，所得颗粒等效直径中位数为163.8微米，接近已知筛分范围。该方法在标准CPU上每张图像约需15秒。
说明从天气到强化风化：面向规模化运营的碳移除天气基础模型
简介增强型岩石风化（ERW）是一种有望每年移除数十亿吨二氧化碳的碳移除方案，但目前量化其移除量需要密集采样土壤并进行实验室分析。本研究评估了五个天气基础模型，将其作为冻结编码器接入轻量解码器，在巴西和美国264块田地的5,192个时序样本上进行留一田块验证。结果显示，其中最佳模型TerraNova-ERW能在未见过的田块内正确排序测量值；零样本预测新田块平均移除量尚不可行，少量样本的小样本预测目前可行，可大幅减少采样量。
看点首次系统评估天气基础模型用于增强岩石风化的碳移除量化，在264块田地、5192个时间序列上验证，规模领先，影响较大。
说明面向临床与可穿戴健康数据的、考虑单位的差分隐私量子机器学习
简介该论文研究在差分隐私约束下，量子机器学习模型能否在临床及可穿戴健康数据上比经典模型保留更多效用。作者在三个临床队列和一个可穿戴队列上，对容量匹配的量子、多层感知机和逻辑回归模型，在五种隐私预算和五个随机种子下进行比较。结果显示量子模型在三个临床队列上有趋势性优势，但经Holm校正后无统计显著性，因此不能视为量子优势；此外还在IBM量子计算机上验证了噪声中等规模量子硬件推理的可行性。
说明RoPT：视频中稳健的六自由度物体姿态跟踪
简介该论文提出 RoPT 框架，用于在视频中跟踪物体的六自由度姿态，以应对物体快速运动时单目跟踪容易发散的问题。框架将视觉感知、运动学因子图和全局重定位组成闭环，并在多项具有挑战性的基准和真实机器人演示中展示了在快速运动下更高的跟踪稳定性。
说明把Transformer编译为通用深度神经网络：精确编译、去除激活-激活乘积的代价与多智能体注意力聚类
简介本文证明每个Transformer模块（含注意力、LayerNorm和GELU多层感知机）都可以精确编译为由固定仿射映射、路由、平方、sigmoid与逆平方根以及GELU构成的通用深度神经网络。若不使用激活-激活乘积，稠密注意力每个头至少需要N²次标量非线性计算；作者提出保留该运算类型的方式来避免这一代价。论文还分析了top-k注意力的尾部处理，并利用质心选键将计算的分数从N²降为Nk。在DeiT-Tiny、MambaIRv2-Light和Pythia-70M上，编译后的模型与原模型结果一致，并可使用标准训练后量化。
说明逐段扫描还是建索引？长文档检索增强生成中的证据覆盖、答案质量与成本比较
简介该论文比较了11种长文档检索配置，包括词法与稠密检索、混合重排以及基于大模型的全文扫描，使用QASPER问题和八本完整教材的问题进行评测。结果显示，证据覆盖率最高的方法不一定给出最佳答案，全文扫描延迟更高，而可复用的稠密检索在查询增多后API成本更低。论文认为证据保留、答案质量和复用成本是选择长文档检索策略时需要同时考虑的标准。
说明SLoSa：面向机器人任务规划的小型、低功耗且安全的基础模型
简介论文提出SLoSa框架，用于训练小型、低功耗且具备安全意识的基础模型式机器人任务规划器。方法先借助经典规划器、教师大模型和形式化验证器构建安全感知数据集，再通过监督微调和基于验证奖励机的强化学习微调进行安全对齐。文中在多个PDDL领域、家庭仿真环境、边缘设备和桌面机械臂上进行了评估，报告了紧凑模型的成功率与功耗结果。
说明无需配对数据的粗糙到真实视频生成：基于真实到粗糙图像监督
简介该论文研究把动画、仿真或游戏渲染的粗糙视频转换为逼真视频，同时保留场景布局、相机运动和动态。作者利用易于构造的真实-粗糙图像对，训练DINO-R2C模型在DINO特征空间中把真实图像转为粗糙图像，再对普通真实视频逐帧生成伪粗糙视频，从而训练C2R#模型，无需成对的视频数据。
说明HyperDrone：每秒数百万帧的仿真到现实迁移（四旋翼无人机仿真器）
简介该论文提出 HyperDrone，一个面向四旋翼无人机的高速仿真器，专注于高性能批量渲染，据称比现有最先进的批量四旋翼仿真器快 20 倍以上。其渲染引擎 HyperLux 基于光线追踪，可在 GPU 上运行，支持多种图形后端，并在消费级显卡上以数百万 FPS 渲染真实感三维场景。作者在纯仿真中训练了基于视觉的偏航控制策略，并将其成功迁移到搭载摄像头、完全机载运行的小型四旋翼 Crazyflie 上。
说明在线开放世界晶圆缺陷发现（基于超维计算）
简介传统晶圆缺陷分析依赖离线、封闭世界的分类器，难以发现连续生产中出现的新缺陷特征。论文提出WaferHDC框架，基于超维计算（HDC），以内存为中心的结构快速检测异常，并将反复出现的故障归入紧凑的超向量表示，无需标签或预设类别数。在WM-811K数据集上，其调整兰德指数和归一化互信息分别优于最强的在线基线。
说明2:4 稀疏化是否仍值得？半结构化稀疏与量化在大模型推理中的比较
简介本文比较了大模型推理中的两种压缩方式：2:4 半结构化稀疏与降低量化精度。作者在相同比特数和相同张量核心等级下，对 Transformer 层的六个 GEMM 算子进行了测量，覆盖三代 GPU。结果显示，只要存在更低精度，增加 2:4 稀疏会同时降低精度并变慢；在最低精度下，2:4 仍可使线性层加速 1.3 至 1.7 倍，但质量需要通过重新训练来挽回。
说明基于世界模型预测路径的自我改进智能体
简介本文提出一种测试时框架，将多分支预测分析与经验驱动的自适应相结合，灵感来自模型预测路径积分（MPPI）控制。智能体每一步提出多个候选动作，并借助世界模型想象其结果，无需在环境中实际执行即可比较。系统对预测结果评估任务进展与风险，再依据MPPI式权重指导最终决策。实验在ALFWorld和ScienceWorld上进行，三种骨干模型均显示该方法整体表现较强。
说明《因联想而受牵连》：语义泄漏驱动的联想性性别偏见
简介该论文研究语义泄漏现象：提示中与某实体无关的概念，会使模型对该实体的生成内容发生偏移。作者发现，即使去除概念与具体实体的直接归属，这种偏移依然存在，说明它是一种更广泛的联想倾向。进一步地，论文表明性别相关概念仅仅出现在场景中，也会使输出向刻板印象偏移，其程度与主体直接参与该概念时相近。作者认为，这类偏见是当前评估方法所忽略的。
说明基于模块化扩散引导的多目标蛋白质优化
简介本文提出MODS框架，用于蛋白质同时优化多项性能指标。方法在推理阶段通过扩散模型引导生成，利用增广切比雪夫标量化权重和适应度代理模型集成生成引导奖励，并在每批实验评估后更新代理模型而无需重新训练生成模型。作者在六个蛋白质优化任务上进行了评估，结果显示该方法在两种扩散模型下均取得有竞争力的最终超体积，并在若干任务上明显优于最佳基线。
说明MINER：用于行人重识别的人内与人间方差建模
简介该论文针对换装行人重识别（CC-ReID）问题，即同一人更换衣服后外观变化很大、难以识别的情况。作者提出MINER框架，通过对比困难样本来抑制服装带来的偏差，并根据数据集自适应平衡人内与人间方差。实验显示，MINER在四个CC-ReID基准数据集上达到最优性能，并在TVRID RGB-Depth重识别挑战赛的三个赛道中名列前茅。
说明StyleStream 2.0：快速可控的流式语音风格转换
简介本文提出StyleStream 2.0，一个快速且可控的流式语音风格转换框架，可在保留语言内容的同时改变声音的音色、口音和情感。相比1.0版，端到端延迟在消费级GPU上降至约520毫秒，速度提升约2倍，并通过紧凑的风格嵌入支持基于文本的声音设计与指令式声音编辑。实验显示其在目标风格保真度上表现最佳，同时在可懂度和未编辑属性保留方面保持竞争力。
说明在推理时模型偏移下审计语言模型的共形预测
简介语言模型的共形预测通常在校准与部署使用相同推理配置的条件下评估，但实际部署常因内存、吞吐或服务策略而改变量化方式或温度等设置。本文将这种由推理配置而非输入-标签分布引起的共形分数分布变化称为推理时模型偏移，并从理论上说明它会破坏分割共形方法的可交换性。作者在8个语言模型、4个有限标签基准和12种推理配置上评估，发现匹配式评估可能显著高估部署时的覆盖率，且效果因模型和数据集而异。
说明事后后悔前先备份：衡量编码智能体的备份意识并实现自动备份
简介论文指出编码智能体在自主完成任务时常会修改文件、环境和配置，却缺乏在修改前备份的意识。作者构建了包含205个可执行任务的RegretBench基准，任务源自用户在社区中因未保留数据而后悔的案例。结果显示，六个前沿模型平均完成86.1%的任务，但仅在15.2%的情况下事先备份；作者据此提出BackUpper备份插件，并报告其在该基准上取得较高的状态还原相似度与较低成本。
说明数据差异化框架（DDF）：在智能体评估流程中用信息论与博弈论指标衡量数据的边际价值
简介本文提出数据差异化框架（DDF），用于评估企业候选数据资产相对于现有数据组合的增量价值。框架结合互信息冗余惩罚、经成本归一化并经显著性检验的边际效用得分，以及由业务设定的治理输入，并由分阶段流程SDSAE执行。作者在公开的信用卡欺诈数据集上用五个构造的候选资产进行验证，只有真正具有差异化的资产通过显著性检验并获得建议采购。
说明同一策略，多种风格：在人形机器人控制中应在何处汇总偏好？
简介这篇论文研究可调节的人形机器人控制：单一策略能在运行时依据用户偏好改变行为风格。作者用偏好奖励响应性（PRR）及覆盖率、效用指标，比较了奖励层、优势层、损失层和PCGrad四种偏好汇总方式，并在两个人形控制框架上进行实验。结果显示，没有一种汇总层级在所有环境和指标上都最好：较早汇总能带来更广的行为响应，但其他目标的意外变化也更大；较晚汇总则提高了控制精度，但响应性有所下降。
说明用查询反馈与教学实现稳定且可认证的语言生成
简介本文研究在极限意义下的语言生成：学习者观察未知目标语言的枚举，能否最终只生成有效且此前未见过的元素。作者引入稳定性（输出集合最终不再改变）与更强的可认证性（生成器能从观察中判断当前输出有效），并借鉴学习理论中的教学集合，提出三种成功标准下的教学维度层级。论文还在成员查询模型中刻画了稳定与可认证生成，并比较了它们与极限识别的关系。
说明从离散时间离线数据学习连续时间强化学习算法（无模型，附端到端理论保证）
简介本文研究状态服从未知随机微分方程、仅有一批固定离线离散时间转移数据的连续时间强化学习。作者在PhiBE-Q基础上提出无模型的PhiBE策略迭代框架（PhiBE-PI），只使用单一状态-动作价值评论者直接从采样增量学习，并在线性函数逼近下给出局部端到端次优性保证。分析指出，较小采样间隔会改善对连续时间问题的逼近，但在固定样本量下可能增大统计误差，因此更精细的时间离散化不一定带来更好的策略表现。
看点提出基于离散数据的模型自由连续时间策略迭代框架，并给出端到端次优性保证，同时揭示偏差-方差权衡；证明为理论分析，实验证据有限。
说明D-Skill：通过智能体技能蒸馏教师模型的知识
简介该论文提出D-Skill框架，将大模型（教师）的行为优势视为黑盒，通过分析成对的执行轨迹，把其行为差异提炼为可解释的自然语言技能文档，在推理时提供给小模型（学生），无需修改模型权重。在SpreadsheetBench-Verified、ALFWorld及国际象棋谜题等任务上，该方法弥合了75%至95%的师生差距，且单次离线处理优于一轮SFT基线，同模型族下学生的单任务推理成本为教师的约5.7至8.3分之一。
说明《Simply Logical》的三十年：一本 Prolog 教材从印刷版到交互式网络版的演变
简介本文回顾了 Prolog 教材《Simply Logical》从 1994 年附带可运行程序软盘的印刷版，经过多个中间网络版本，发展到现今完全交互式在线版的历程。作者从作者与读者两方面探讨技术对教育材料的潜在影响，分别讨论教学理念、网页交互实现以及支撑在线版的创作工具包。文章认为，这些观点有助于思考 Prolog 交互式教材未来的发展机会。
说明回溯式直接效应、间接效应与总效应
简介该论文提出一种基于回溯反事实的因果效应定义，替代传统依赖跨世界干预反事实的自然直接效应与间接效应。方法不直接干预处理变量或中介变量，而是利用回溯条件分布构造满足目标处理-中介约束的替代外生状态，由此得到回溯直接效应、间接效应和总效应，并对群体干预效应作了相应调整。
说明DiffResearch：用扩散语言模型加速深度研究
简介该论文提出开源多智能体深度研究框架DiffResearch，把扩散语言模型（dLLM）放在每个阶段的核心。保持框架、检索代码、提示词和评估不变，只替换底层模型，在100个Deep Research Bench任务上，扩散模型端到端约快6倍，主要因为规划与写作阶段耗时大幅减少。论文还提出dFast分解模式，在生成完成前从中间去噪状态提取子查询，单独分解环节的中位加速为1.99倍，且报告质量未下降。
说明扩散语言模型智能体之间的隐藏消息：潜在通信的因果证据
简介论文研究两个独立的扩散语言模型智能体能否在解码成文字之前，通过紧凑的连续隐藏状态互相传递信息，并检验接收方是否真正利用了消息内容。实验显示，移除或替换消息会显著降低准确率，在QASC任务中错误消息使准确率从80.8%降至46.8%。另外，一次较晚的传递（87.8%）优于四次循环交换，表明信息传递的时机可能比交换次数更关键。
看点提出扩散语言模型智能体间的隐状态通信，并用删除与替换消息的因果实验验证内容效应，结论有新意。
说明AI天气模型稀疏自编码器特征中的热带气旋属性
简介本文以GraphCast中的热带气旋为测试对象，分析205个气旋的2115个六小时时间步，考察稀疏自编码器激活与位置、强度和气压结构之间的关系。结果显示，各属性与多个特征相关，位置与气压结构的关系部分重叠，且该组织方式在独立训练的稀疏自编码器和不同层中重复出现。
说明基于数据驱动的手写乐谱符号定位合成方法
简介手写乐谱缺少标注数据是光学乐谱识别的难题，合成数据是常用对策。本文分析了 Smashcima 框架中凭经验硬编码的符号定位规则，从约 28.5 万条标注关系中统计符号间分布，用经验均值替换部分参数，并用图神经网络预测上下文相关的位置偏移。实验显示定位误差最多降低 60%，在下游检测任务中，用图神经网络定位数据预训练的 YOLOv8 检测器，经 200 张真实手写谱微调后 mAP50 提升约 30%。
说明分布漂移下的极小极大最优预测式流匹配
简介该论文研究在数据分布随时间漂移的情形下，如何预先部署生成模型的速度场。作者提出DyProd-FM方法，利用二进前缀历史数据重新拟合流匹配模型，并用休眠Prod主算法进行选择，无需已知漂移预算即可获得动态遗憾界。作者证明在固定神经网络类下该速率在时间及漂移预算上（对数因子之外）是最优的，且不要求凸性或曲率假设。
看点针对非凸神经类在分布漂移下给出动态后悔的极小极大最优界，无需曲率假设，并以下界证明最优性，证据较扎实，对子领域影响较大。
说明拒绝方向在低资源语言间是否通用？
简介该论文检验了安全对齐模型中的“拒绝方向”能否跨语言迁移。作者将 PolyRefuse 扩展到白俄罗斯语、巴什基尔语和塔吉克语，并在 Qwen2.5-14B-Instruct 上复现了 Wang 等人（2025）的流程。结果显示通用性是分级的而非二元的：来自安全对齐或部分对齐语言的方向迁移较广，而来自严重失配语言的方向则无法可靠地调节拒绝行为。
说明CSD：用于跨分词器知识迁移的共同支持蒸馏
简介本文提出共同支持蒸馏（CSD），一种基于 logits 的跨分词器知识蒸馏框架，让词表不同的学生模型也能从教师模型学习。方法在每个对齐的输入片段上构建师生共享的支持集，并用单一目标函数匹配两侧分布。作者报告在多组 Llama-3.2-1B、Gemma3-1B-PT 学生与 Qwen、Phi 教师的组合中，CSD 的平均表现优于所评估的其他跨分词器方法，也优于持续预训练和同分词器蒸馏。
说明通过知识重述缓解持续领域适应中的灾难性遗忘
简介该论文针对语言模型在后训练阶段适应新领域时可能遗忘既有能力的问题，提出技能模式迁移（SST）框架，将新知识转化为模型已有的技能空间中的可复用流程。在持续领域适应实验中，SST在两个3B指令微调模型上使流式领域的平均最终性能提升2.53至5.75分，并在所有评估设置中降低了最大遗忘幅度。
说明Fig：自动化多智能体行为诱发系统
简介该论文提出 Fig（Finding Interactions in Games），一个通过对游戏环境进行定向干预来诱发多智能体行为的系统。它把自然语言描述的行为拆分为子行为，生成或选择社交博弈，并调整游戏引擎、对手、指令和上下文。实验覆盖合作、剥削、欺骗、暗中协调、背叛和破坏六种行为，结果显示模型在有效场景中平均 45.2% 的回合尝试了目标行为。
说明Policy-Mask：面向判别任务的扩散特征预算感知自适应方法
简介该论文针对冻结扩散模型的中间特征如何用于分割、分类和语义对应等判别任务，提出 Policy-Mask 方法。它以下游目标训练一个预算条件策略，在给定通道预算下同时选择去噪时间步、网络块和通道子集，并通过按子集基数归一化来稳定联合训练。论文报告在相同预算下该方法优于固定提取与特征过滤基线，并将其扩展到 PixArt-Σ 和 SD3.5 MMDiT 等扩散 Transformer。
说明为自主发现线性注意力架构组建AI研究团队
简介本文提出由不同学科背景的持久AI研究员组成团队，各自保留私有研究历史、共享实验证据，并通过自适应分配获得研究机会，以自主搜索线性注意力架构。在1.3B规模的语言建模、常识推理以及合成和真实检索任务上，该团队的发现优于GDN2。受控对比显示，去掉任一组织要素都会明显削弱结果。
看点构建具有不同学科背景、私有历史与自适应分配的AI研究团队，并在线性注意力架构搜索中超越GDN2，消融实验支持其设计。
说明SANE：面向LLM评审器的自动化、按评分器定制的蜕变测试框架
简介本文提出SANE框架，用于自动测试大语言模型（LLM）评审器的可靠性。它先识别每个评分器的特定能力，再自动生成扰动方案和预期分数关系，并用独立的验证机制检查这些测试。实验显示，SANE生成的已验证测试族数量约为对比方法JRH的3.7倍，并能在五个领域中发现评分器缺陷。在忠实度评测中，其测试结果与人工标注的FaithBench表现的秩相关系数为0.852，而JRH仅为0.100。
说明RL-IF：追踪在线强化学习中非局部训练数据的影响
简介本文针对在线强化学习提出数据归因方法RL-IF，用于衡量单个训练样本在后续多轮在线更新之后对目标的影响，而不只看单轮局部影响。作者在平滑性假设下给出了近似精度的理论保证，并发现仅用优化效应即可较好地近似完整估计量。基于此提出的数据过滤方法RINSE，在标准控制基准和RLHF式毒性缓解任务中，相比PPO及局部归因基线提升了训练效率和最终性能。
说明inr2action：把机器人经历编码为神经隐式表示，用于回忆与动作
简介本文提出一种参数空间记忆框架，把每段机器人操作经历存为一个独立的神经隐式表示，即从共享的元学习初始化拟合出的权重增量，其大小固定，与时长无关。该增量经投影器映射为词元嵌入，用于问答和动作回归，查询时无需检索画面。论文报告在RoboMME上语言模型各类问题均超过随机水平，解码器平均R²为0.51；用噪声替换增量会使性能下降11.4个点。
说明Real2Sem2Real：用单段人类RGB示范进行机器人学习的三维语义增强方法
简介该论文提出Real2Sem2Real（R2Sem2R）流程，可将一段单目RGB人类示范视频转化为同一类别多种语义物体实例上的数千条机器人示范。方法利用DINOv3蒸馏的高斯溅射跟踪物体位姿，并通过语义对齐把由照片生成的“数字表亲”对齐到示范物体上。在两台真实机器人和四项任务上，基于其数据训练的视觉-语言-动作策略与遥操作数据训练的策略表现相当或更优。
说明实际上，所有可学习的分布类都可以被私密地学习
简介该论文证明：凡是能在全变差距离下以有限样本学习到任意小目标误差的分布类，也能在 (ε, δ)-差分隐私约束下、以有限样本学习到任意小目标误差。这证实了 Ashtiani 提出的一个猜想。此前 Bun 等人的工作曾在固定目标误差的定义下部分反驳该猜想，而本文表明在标准的可学习性定义下猜想成立。
看点解决了关于分布学习与差分隐私关系的公开猜想，并修正了先前的弱反驳，证明严格、理论意义重大。
说明是否操纵：大语言模型互动中的观点动态
简介该研究设计了一个受控的大语言模型之间辩论框架，两个模型围绕气候变化归因这一有争议话题反复讨论，其中一方被分配立场，部分条件下还被明确要求说服对方。研究比较了四种有序模型组合（涉及GPT-6 Luna与Gemini 2.5 Flash Lite），同时追踪各方明确报告的立场及其在对话中的逐轮行为。结果显示，不同模型组合的观点动态差异明显：同一模型互动平均缩小了观点差距，而跨模型互动则扩大了差距；明确报告与对话中的行为反映的是观点变化的不同层面。
说明截断反向传播会在循环Transformer中丢失多少梯度？
简介循环Transformer会反复使用同一组层，训练时通常只对最后k次循环做反向传播。本文在九个循环语言模型上，对每个k精确测量被丢弃的权重梯度，结果显示：在训练好的模型上，循环次数远大于k时，丢失的梯度几乎不随循环次数变化。微调过程中丢失的梯度会下降，但能否据此更好地预测截断训练的代价，尚未得到证实。
说明神经网络损失景观中临界轨道的通用拓扑对称指数
简介本文提出一种基于等变度理论的拓扑对称指数，用于刻画神经网络损失景观中由网络结构和学习目标产生的对称性，并描述相应的临界轨道。该框架适用于任意网络结构，也适用于退化临界轨道。文中通过 softplus MLP、Transformer 和等变神经网络等例子说明计算方法。
说明面向用户的 Open RAN 网络智能体 AI 管理方案
简介本文探讨面向用户的 Open RAN 网络中如何组建服务集群，这是该架构实现的关键难题之一。作者提出一种基于语言模型的 AI 智能体来解决该问题。仿真结果显示，与标准的网络导向架构相比，该方案使用户吞吐量分布的中位数提高了两倍以上。
说明DualHeads：一种简单的少步扩散奖励引导生成方法
简介该论文针对蒸馏得到的少步扩散生成模型，提出只依赖外部奖励评估和参考样本即可进行对齐的方法DualHeads。方法在冻结的扩散主干上加两个轻量分类头：奖励头学习同一提示下哪个样本得分更高，参考头区分参考图像与生成图像，生成器则最大化两者对数几率的加权和。在基于规则和基于模型的奖励下，少步生成器的任务奖励接近40步强化学习方法，同时保持图像质量且不增加推理成本。
说明基于深度引导几何自适应的小样本图像分类
简介小样本图像分类在数据稀缺时，常因背景杂乱和RGB外观相似而难以匹配判别性特征。论文提出DAFIC框架，把单目深度信息融入表示学习、片段式自适应和密集的支持-查询匹配。该方法先通过RGB-D自监督预训练学习几何感知表示，再用深度引导几何自适应模块抑制背景干扰，并以空间双向块匹配进行密集匹配。论文报告在四个基准上取得较强表现，消融和鲁棒性分析支持其有效性。
说明关系型基础模型预训练的竞速排行榜（modded-nanoRT）
简介本文提出 modded-nanoRT，这是面向关系型 Transformer 的首个竞速排行榜：固定问题与开源技术栈，以达到质量目标所用的挂钟时间排名，单张 GPU 即可参与。作者通过标定选定保留数据库，并以类型化三线性注意力结合 Muon 与 SIGReg 的方案，在一张 NVIDIA H200 上 305.63 秒达到目标，比参考实现快 8.11 倍，并在开发数据库之外的 15 组对比中胜出 13 组。
说明基于高保真反馈的低保真优化模型自监督调参
简介低保真优化模型求解高效可靠，但与能更好刻画物理与运行约束的高保真模型存在系统性误差。本文提出一种自监督框架，直接利用高保真反馈对低保真模型进行参数化：低保真问题作为可微优化层端到端训练，高保真修正问题评估其解并通过对偶变量提供梯度，无需高保真解的标签。在最优潮流、最优气流和混合问题上的实验表明，该方法在目标质量和可行性上优于未调参的低保真模型，且通常优于半监督训练。
说明高斯先验何时失效？RL微调中潜在几何的研究
简介这篇论文研究潜在扩散模型中高斯先验在强化学习微调时的局限。作者在丙氨酸二肽的真实玻尔兹曼分布上比较了高斯先验VAE与高斯混合先验，前者的崩溃阈值为0.224，后者为0.00316，两者相差71倍。论文将差距归因于一个几何中介量d_min/(2σ0)，并通过受控干预验证了因果链。
说明超越正确答案：组合式线索如何影响视觉判断
简介该研究探讨视觉问答中模型如何把属性和关系绑定到正确物体上，并分析结构化提示中各字段标签的作用。研究在十个模型和六项任务上固定图像与陈述，比较标签和辅助提示的影响，发现整体准确率可能掩盖差异。结果显示，清晰的提示措辞能改善文本匹配，但不一定提升视觉判断；直接选择图像中的关系则能在部分情况下减少错误。
说明KIRA：面向儿童的全栈阅读筛查系统，含双通路分析
简介该论文介绍了KIRA，一个面向儿童的阅读筛查系统，同时提供词级流利度评分和音素级错误检测两条分析路径。研究将预训练的词识别和音素识别模型适配到儿童语音上，词错误率从13.88%降至8.84%，音素错误率从41.66%降至23.00%。系统基于这些模型实现了低年级筛查中的两项基础任务，并配有面向教师的网页界面。
说明如何利用平行语料进行多语言预训练
简介该论文研究如何利用平行语料的结构改进多语言预训练，方法是将每篇文档与其译文拼接在同一训练序列中，并与标准预训练在相同词元预算下对比。结果显示，单独使用这种平行预训练并不能稳定提升通用语言理解能力，但能形成较强的跨语言基础。作者因此提出两阶段方法：先做平行预训练，再做标准预训练，在高资源和低资源设置下都优于单纯的标准预训练。
说明DuoPIC：基于输运偏微分方程、带不确定性估计的急性卒中脑灌注体素级数字孪生
简介该论文提出DuoPIC，一种无需参考图谱的脑灌注数字孪生方法，用Windkessel血流模型驱动示踪剂输运偏微分方程，并用神经网络闭包将区域划分为快、慢两条通路，同时对每个估计结果给出不确定性。在ISLES'17 MR和ISLES'24 CT数据上，其体素图用于病灶检测的AUC分别为0.745和0.743。在留出患者上，神经PDE使重建误差降低19%，95% MTT区间覆盖率由88%提升至94%。
说明Sketch2Sim：手绘电路分析的端到端模块化框架
简介该研究提出一套从手绘电路图到仿真的系统，可将照片转换为兼容 SPICE 的网表，并自动计算节点电压与电流。系统分为三个阶段：元件与文字检测、基于 CRNN-CTC 与 OCR 的数值识别，以及结合阈值处理、骨架化和 DBSCAN 的节点识别。作者构建了一个包含 1000 张手绘 RLC 电路的数据集，并称该系统在不同笔迹、光照和杂乱背景下表现稳健。
说明面向隐私保护视觉感知的条件成像：在采集时保护画面，并保留授权后的可恢复性
简介论文指出，在静态光学系统中，隐私性与可恢复性无法同时实现，因为测量中保留的、供日后重建的信息，也会被观察者获得。为此作者提出条件成像，使每一帧拍摄时的光学状态都不同：仅凭测量数据无法看到场景，但掌握对应的系统状态即可重建。在人脸数据集上的实验表明，授权重建可保留身份信息，而无法获得系统状态的观察者则看不到视觉内容。
说明卡住的智能体应把下一批 token 花在哪里？推理时资源的因果归因
简介论文提出 Banzhaf 资源归因（BRA）框架，在固定失败状态和修复流程的条件下，量化计算、信息和反馈三类资源对代码修复的边际贡献及其交互。实验涵盖六个模型，测试了 MBPP+、HumanEval+ 的 194 个函数级失败和 SWE-bench Verified 的 126 个仓库级失败。结果显示，任务相关的规格说明持续提升修复效果，公开测试反馈增益较小，检索代码几乎无效；部分前沿模型倾向选择反馈，但其增益低于随机选择资源。
看点提出Banzhaf资源归因框架，以受控因子实验衡量计算、信息与反馈对修复的边际贡献及交互作用，并揭示模型偏好与实际收益之间的差距。
说明HorizonComposer：面向自动驾驶的时空一致驾驶视频编辑（融入交通语义）
简介本文提出 HorizonComposer，用于在指令引导下编辑驾驶视频，以模拟不同环境条件、为自动驾驶系统做压力测试。方法包括：构建真实视频与合成编辑相结合的混合数据集；训练时借鉴离线强化学习的优势条件化，利用像素级密集奖励引导生成结构可靠的像素；并引入过渡帧机制缓解时间突变。论文称该方法能保持多目标动态，在用户偏好、下游道路线分割和多目标检测上均有提升。
说明WorldStream：借助分层规划与持久状态实现流式交互式三维世界
简介该论文提出WorldStream，一个开放式三维世界模型，可在运行中不断扩展可游玩地形、响应自然语言指令，并恢复用户访问过的地点及其编辑内容。系统通过分层规划器生成宏观与微观决策状态，再由确定性本地代码编译为地形、道路、聚落和植被等内容，并用统一的世界记录保存状态以支持返回时重建。
说明决策语言模型：临床生成式AI评判的低成本快速替代方案
简介该论文比较了Jev（一种返回结构化判断的决策语言模型）与前沿及开源大语言模型评判器在临床AI输出评估中的表现。在四项用例中，Jev与医生评分的一致性普遍达到或超过多数大语言模型评判器，且运行成本仅为前沿评判器的约1/73至1/294，耗时约为其1/7至1/57。作者认为Jev可能支持大规模、高效的临床AI评估。
说明一个平行的多方言阿拉伯语依存句法树库
简介阿拉伯语依存句法资源多集中于现代标准阿拉伯语，方言资源相对匮乏。本文提出MADARTB，这是首个覆盖贝鲁特、开罗、多哈、拉巴特和突尼斯五个城市方言的大规模平行依存树库，共5,000个句子，采用CATiB依存标注体系标注。研究显示各方言在全局结构上相似度高，但局部句法结构差异明显；使用有监督解析器与四个大语言模型的跨方言比较中，有监督解析器LAS为87.5%，最佳大语言模型为85.7%。作者公开了标注与模型。
说明通用点云配准模型（Register Anything Model，RAM）：一个统一模型适配多种场景的三维点云对齐方法
简介该论文提出 Register Anything Model（RAM），用一个统一模型对室内、室外和物体等不同领域的三维点云进行配准，估计六自由度变换。作者设计了几何感知归一化策略，并采用由粗到精的层级结构与高效几何 Transformer。在 12 个基准上，该方法在内点比率和配准召回率上达到当前最优，且优于各领域单独训练的模型。
说明LIFT：用于评估和训练指令遵循的限定范围约束
简介本文提出 Lift-Bench，一个指令遵循基准：要求模型根据主题和结构化大纲撰写文档，约束作用于特定章节，可更细致地控制约束密度。基准同时包含可程序验证与需评判的约束，并提供训练版本 Lift-Train。作者称，在多个模型上的实验显示前沿模型在较难子集上表现欠佳，且用 Lift-Train 训练比用常见的 IFTrain 训练更不易出现奖励投机。
说明系统之系统中的鲁棒任务协调：多场景强化学习方法
简介本文针对系统之系统的任务工程问题，提出结合高保真数字任务模型与近端策略优化强化学习的自适应任务分配方法。以空中灭火任务为例，三种场景的实验显示，训练后的协调器明显优于随机和启发式基线；在单一场景下训练的协调器迁移到更困难场景时表现可能退化，而同时在两个场景上训练的协调器在相同训练预算下表现最佳。
说明将更多任务纳入更优的智能体运行框架：基于逐步规模竞速的进化方法
简介该论文研究智能体运行框架（指令、工具与控制流程）的进化优化，发现任务池扩大后现有方法性能反而下降，原因是优化时证据选择不佳。作者提出逐步规模竞速（SSR）框架，每轮自适应搜索最优证据组合，并在小计算预算下竞速候选框架。原文报告在三个基准的六种配置中均取得最优结果，任务池从40增至200时通过率由64.3%提升至68.3%，且验证执行次数减少60%。
说明基于大语言模型的智能体系统自动故障归因的机制性研究
简介该论文研究如何用大语言模型自动判断多智能体系统中是哪一步导致了错误结果，即自动故障归因。作者发现模型内部已编码足够信息以正确归因，却常常不会明确输出责任步骤，并称之为“知道却不说”差距。基于此，作者提出一种无需推理时真值标签的人工干预方法“嫁接”，在多个模型和基准上优于直接提示。
说明SAIL：图结构数据上可学习的空间自相关泛化方法
简介该论文提出SAIL（空间自相关指数学习器），一个可微分框架，将经典空间自相关统计（如Moran's I和Geary's C）推广为可学习算子，同时学习特征投影和节点间邻域亲和度。SAIL可输出可解释的局部与全局空间一致性描述符，支持监督预测以及空间自相关模式与热点的无监督发现。实验在合成数据和大规模生物医学图上进行，并声称在特定参数化下可精确恢复经典统计量。
说明迈向更贴近现实的变化模型：从因果视角看决策与动力系统
简介该论文指出统计学习在分布变化下泛化能力不足，主张用因果模型刻画变化机制。论文分两部分：一是算法追索，即探讨个人可做出哪些改变以推翻不利决定，提出更现实的成本函数、因果化的问题表述，并在政策评估中纳入时间维度；二是动力系统，把因果干预与效应推广到离散和连续随机过程，并将其均衡与结构因果模型联系起来。
说明JUICE：在预训练表示空间中统一建模图像与文本
简介论文提出 JUICE，用一个流匹配 Transformer 在冻结的图像与文本编码器表示空间中，同时建模两种模态的联合分布，每种模态有各自的噪声水平，从而统一图像生成、看图说话、视觉问答和联合生成任务。实验显示其在 GenEval 与 VQAv2 上取得不错结果，并在迷宫规划任务中通过联合采样将成功率从 54.6% 提高到 93.7%。
说明高斯测度下神经网络的深度分离
简介本文在标准高斯测度下研究神经网络的深度分离问题，考察径向函数的 L² 近似。作者证明存在一个径向函数，三层 ReLU 网络可以用多项式规模以较小误差近似，而两层网络若要达到相同精度，除非规模至少为维度的指数级，否则权重须呈次指数增长。论文还给出一般性结论：Hermite 展开高频部分质量较大的径向函数，无法被小宽度、权重有界的两层网络良好近似。全部定理均已在 Lean 4 中验证。
说明法律因素在大型语言模型中存放于何处？
简介本文研究大型语言模型内部是否形成与CATO全部26个法律因素相对应的表征。作者在Qwen3-1.7B、Qwen3-8B和Gemma-2 2B三个开源模型上，用线性解码和稀疏自编码器检验这些因素能否被读取。结果显示，三个模型中26个因素均可线性解码，单特征稀疏读出的测试AUC在0.86至1.00之间。
