An Explicit Feedback Contract for Iterative ML-Agent Harnesses
说明面向迭代式机器学习智能体的显式反馈约定
简介该论文提出一种显式反馈约定，规定迭代式机器学习智能体可以观察哪些信息、何时应停止迭代，以及何时才能接触测试集。只有当提交结果超过由配对标准误计算的噪声阈值时才返回验证分数，无需人工调参。在点击率预测、排序学习和无信号的对照任务上，该约定缩小了验证与测试之间的差距，智能体也更早停止迭代。
ArcFlow: Training Flow Policies for Multiple Solver Budgets
说明ArcFlow：为多种求解器预算训练流策略
简介该论文提出ArcFlow算法，用于训练一个能在一定范围内适应不同推理成本（求解器步数）的流匹配策略。作者指出，只在单一固定预算下做强化学习，会掩盖较低预算下的性能退化。在DM Control、操作和运动任务的实验中，ArcFlow在30个任务中的25个上取得了五种流策略基线中最高的平均单步回报。
★★★★☆ 值得关注
Is Anyone Enforcing the Cartel? What Reinforcement Learning Teaches LLM Agents in Markets
说明谁在执行卡特尔？强化学习教会市场中的LLM智能体什么
简介该论文指出，大语言模型定价智能体被报告会以他人为代价串通，但串通的成立取决于是否有惩罚作弊者的执行机制。作者设计了一种审计方法，在市场的反事实副本中迫使某一成员作弊，以检验执行机制，并研究强化学习在定价与交易中教给智能体的内容。论文认为，仅看结果指标无法区分这些情形，而该审计可以。
看点提出以反事实强制背叛检验卡特尔执行力的审计方法，揭示RL训练的LLM智能体仅靠结果指标无法区分的行为差异，证据较充分。
Measure First, Then Allocate: Calibrated Rollout Budgets for MCP Agents in Reinforcement Learning
说明先测量再分配：强化学习中面向 MCP 智能体的校准式推演预算
简介该论文研究在模型上下文协议（MCP）环境中训练工具调用语言模型时，如何利用同组推演奖励的差异来评估工具配置并分配推演预算。作者提出 Discord 方法，用精确的配对推断和保持决策的提前停止来比较两种配置；在此基础上提出 BRACE，结合历史任务证据、任务成功率的不确定性和相关奖励模型，在分配生成预算前预测混合奖励组。实验显示 BRACE 在三种 Qwen3-VL 规模下以更少的新增训练推演超过基线，并在 BFCL 和 NESTFUL 上无需额外训练即领先。
Extreme Low-State Quantized Transformer for Electricity-Load Forecasting
说明面向电力负荷预测的极低状态量化 Transformer
简介本文研究在仅有 3、5、7、16 个离散权重状态的极低量化条件下，Transformer 用于电力负荷预测的效果。通过直接训练后量化、量化感知微调和从随机初始化训练等方法进行比较，并提出累积更新阈值法以减少权重状态切换。结果显示，该方法在大幅减少权重更新和状态切换的同时，预测误差仅有轻微变化。
Second Thoughts: Exploring and Planning through Comparative Imagination in World Models
说明第二种想法：世界模型中基于比较想象的探索与规划
简介该论文提出SDI（想象中的兄弟分歧），让智能体在世界模型中比较从同一状态出发的动作序列，并以自身策略的重复推演作为参照来衡量变化。该方法既用于生成探索信号，也用于决定是否采纳规划方案；在Meta-World、Adroit和DM-Control等基准上，SDI在各套件的平均得分上均高于所比较的基线方法。
Complexity-Aware Surgical Video Reasoning Segmentation with Digital Twin and Context Memory
说明面向手术视频的复杂度感知推理分割：结合数字孪生与上下文记忆
简介该论文提出 SurgReasonSeg，用于手术视频的推理式分割，能够处理需要理解流程、器械功能和时间关系的隐含查询。方法基于数字孪生表示，训练两个针对不同查询复杂度的低秩适配器，并通过路由器在延迟与精度之间进行选择，同时利用自适应滑动窗口和手术上下文记忆检索历史病例。作者还构建了包含 1,460 条训练和 961 条测试样本的 EndoVis-ReasonSeg 基准，并报告该方法在该基准及 Ref-EndoVis17、Ref-EndoVis18 上取得最佳结果，平均运行速度为 18.8 FPS。
Building a Nested LADDER for LLM Unstructured Post-Training Pruning
说明构建用于大语言模型非结构化训练后剪枝的嵌套式 LADDER 方法
简介本文提出 LADDER（基于损伤驱动评估与细化的分层稀疏度分配）方法，用于大语言模型的训练后剪枝。该方法逐步分配稀疏度，每一步选择对端到端性能损伤最小的层进行更新，从而生成非均匀的稀疏度分布和跨多个预算严格嵌套的掩码。在五个 OPT、Llama 和 Qwen 模型上的实验表明，高稀疏度（70% 起）时其鲁棒性明显更强，且这一优势在多数模型经后验蒸馏后仍然保持，并有助于保留零样本准确率。
Scaling Therapy Supervision: Assessing Psychotherapy Fidelity Using Large Language Models
说明用大语言模型扩大治疗督导规模：评估心理治疗的忠实度
简介心理治疗忠实度评估衡量治疗师是否忠实遵循治疗方案，但依赖人工专家审阅，难以规模化。本文提出一套基于大语言模型的集成应用，可自动化忠实度评估流程，并基于真实长篇临床转录文本生成可操作的督导反馈。研究比较了三个开源权重模型，发现“证据优先”的推理方式能改善忠实度估计；在一项独立随机对照试验中，该框架能可靠区分认知行为疗法（CBT）与非CBT会谈。用户研究显示，心理健康专家认为该流程能生成可操作的临床反馈。
Motion Equivariant Convolutional LSTM: When Motion Becomes a Gauge Symmetry
说明运动等变卷积LSTM：当运动成为规范对称性
简介该论文提出运动等变卷积LSTM（MELSTM），把序列数据中的运动视为一种对称性，并把它看作随时间局部变化的规范对称。模型用速度模型作为规范场，理论上对任意运动都具有等变性。实验表明，在相同参数量下，它在未来帧预测、仅靠运动可见的数字分类和镜头抖动下的动作识别中，都优于卷积LSTM及其流等变版本。
ReAPO: Retry-Aware Policy Optimization for Efficient Exploration in LLM Reasoning
说明ReAPO：面向大模型推理高效探索的重试感知策略优化
简介本文针对基于可验证奖励的强化学习（RLVR）中独立采样探索易重复失败策略的问题，提出重试感知策略优化（ReAPO）。该方法把错误解答纳入后续尝试的上下文，并借助随机最短路径框架为每次尝试分配信用，对GRPO做了简单修改。在Qwen3与OLMo-2模型上的八个数学与科学推理基准测试中，ReAPO提升了首次尝试的表现，且在Qwen3-0.6B上以更少生成词元达到更高准确率。
SkillEval: Learning Interpretable Ability Profiles of LLMs via Cognitive Diagnosis Models
说明SkillEval：借助认知诊断模型学习大语言模型的可解释能力画像
简介该论文提出SkillEval框架，不再把大语言模型在基准测试上的表现压成单一平均分，而是利用模型自动从题目中归纳可解释的技能，并用心理测量学的认知诊断模型估计每个模型在各项技能上的能力。研究在五个涵盖数学、推理、科学问答等领域的基准上，对3811个模型、9523道题目进行了实验。结果显示，该框架得到的能力画像比传统平均分更可靠、更能预测未见题目上的表现，并可用于降低推理成本的模型路由和自适应测试。
Different Defects, Different Effects: A Controlled Audit of Face Recognition Training Data
说明不同缺陷，不同影响：人脸识别训练数据的受控审计
简介论文审计了人脸识别常用训练集 MS1MV3 中仍存在的数据缺陷，归纳出重复图像、身份拆分、裁剪错误、多人脸歧义和无效内容五类。作者在 IResNet-50 与 ArcFace 的受控训练设置下比较修正各类缺陷的效果，发现针对性修正可保持甚至提升识别性能，并减少达到原训练集性能所需的优化步数。其中去除重复样本的整体收益最明显。
★★★★☆ 值得关注
Automating ML for Science: Can Frontier Agents Climb Scientific Hills in the Wild?
说明用智能体自动化科学机器学习：前沿智能体能否在真实场景中攀登科学难题？
简介本文提出 Agent4Sci，一个长周期测试平台，覆盖 11 个领域的 20 个科学机器学习基准，用于衡量当前编程智能体能在多大程度上改进已发表的最佳模型。结果显示，前沿智能体在每个基准上都超过已发表的最佳成绩，Claude Opus 的平均相对提升为 10.4%，且没有运行被标记为学术不端。作者指出，这些提升主要来自机器学习工程技巧，而非研究层面的洞见，并加入轻量插件后将 Claude Opus 提升到 20.1%。
看点提出面向科学机器学习的长周期智能体测试平台，覆盖20个基准，并通过轨迹分析与插件技能实验揭示局限，证据较充分。
GPU-Accelerated Construction of the Gabriel Graph: Parallelization Strategies and Applications to Large-Margin Classification and Graph-Based Clustering
说明GPU加速构建Gabriel图：并行策略及其在大间隔分类与图聚类中的应用
简介Gabriel图是计算几何与几何机器学习中常用的邻近图，但朴素构建的时间复杂度为O(N^3)，难以用于大规模数据。本文提出一组基于CUDA的GPU并行策略，包括隐式线性索引到顶点对的映射、两遍式位掩码与原子压缩的边列表构建，以及线程粗化。在14个公开数据集上，GPU实现相比顺序CPU基线将构建时间缩短两到近四个数量级（最高8484倍），且分类精度不降；所提出的聚类方法在Dunn指数上与DBSCAN具有统计上的竞争力，并无需显式的密度半径参数。
A Reverse-Gold Theorem: Positive-Data Identification by Substrate-Bounded Contrastive Learners
说明反向黄金定理：由受底层结构限制的对比学习器从正例中识别语言
简介Gold 定理指出，仅凭正例无法识别超有限类中的任意语言。本文给出相反方向的正面结果：一个固有的递归对比算子为每个字符串生成有限的结构受限扰动，判别打分器用 InfoNCE 式对比估计在自生成的扰动上训练。在忠实性条件下，打分器只凭正例即可以高概率实现 PAC 条件识别，样本复杂度随容量、轨道大小、分数界和 1/ε 多项式增长。
Joints, Camera, Action! Co-Generating 3D Motion and Video for Arbitrary Rigs
说明关节、相机、动作！为任意骨架联合生成三维运动与视频
简介该论文提出一个模型，可以为任意提供的骨架（rig）同时生成视频和三维运动，并配合一个相机把运动注册到场景中。模型将三维运动放在独立模型中，通过少量交叉注意力层与预训练视频模型相连。作者称，其在文本驱动的骨架动画上比先生成视频的流程更忠实，并支持视频与骨架运动之间的转换及关键帧控制。
AEON: Unifying Video and 3D World Models
说明AEON：统一视频与三维世界模型
简介该论文提出 AEON 框架，把基于视频的世界模型与基于三维的世界模型结合起来。它在文本或图像条件的视频潜空间中进行生成，并以可渲染的四维高斯泼溅（4DGS）作为显式世界表示。论文称该方法兼顾了真实外观与三维一致性，并在标准基准上取得了较好的表现。
SolarRenderer: Few-Step Generative Reference Rendering
说明SolarRenderer：基于生成式参考的少步视频渲染器
简介该论文提出SolarRenderer，一种以结构为条件的视频渲染器，可将游戏引擎或编程代理给出的场景布局、运动与相机等粗略结构转化为逼真视频。模型基于冻结的MiniMax-H3 33B骨干，并加入两个轻量LoRA；采用四步采样，相比50步采样快12.3倍，并支持块因果变体的768p实时流式渲染。论文还构建了含136K片段的帧对齐数据集，并报告在分布内与泛化基准上均达到当前最优结果。
GBClaw: An agentic AI framework for atomistic grain boundary research and mechanistic discovery
说明GBClaw：用于原子尺度晶界研究与机理发现的智能体AI框架
简介本文提出GBClaw，一个基于大语言模型的智能体AI框架，用于研究一般晶界的结构与变形。框架由调度器、专用智能体、领域工具、模拟接口和分层记忆模块组成，能将系统性模拟与针对性的机理分析衔接起来。作者将其应用于镍中的14种非对称倾侧晶界，识别出多种变形模式，并发现次级晶界失配位错会显著影响滑移剪切强度。
Learning Adaptable Dexterous Skills via Hybrid Dexterous Mimicking
说明通过混合灵巧模仿学习可适应的灵巧技能
简介该论文提出AdaDex框架，只需数秒的单条手-物体轨迹（来自动捕数据或视频重建），即可学到可适应的多指灵巧手技能。其核心是混合灵巧模仿：同一策略在运动跟踪环境和带噪初始状态与目标的泛化环境中联合训练，前者注入人类动作先验，后者迫使技能在远离参考轨迹时仍能完成任务。论文称该方法在泛化能力和功能性上优于基线，并展示了跨仿真器和迁移到真实世界的效果。
UniWALM: Unified World Action Language Model for Embodied Robot Control
说明UniWALM：面向具身机器人控制的统一世界-动作-语言模型
简介该论文提出UniWALM模型，在单一共享表示中同时学习视频、动作与语言，并通过同步去噪生成子任务与文字记忆，无需单独规划阶段。论文还提出了带修正的流匹配训练目标（FMC），用于提升动作轨迹的可靠性。原文报告在部分RMBench记忆任务上成功率达34.5%，在真实世界Find-the-Item任务上由11.1%提升至61.1%。
PsycheMME: A Psychology-Informed Benchmark for Social Understanding and Interaction in Videos
说明PsycheMME：基于心理学的视频社交理解与互动基准
简介该论文提出 PsycheMME，一个受心理学启发的视频基准，涵盖基础感知、状态、需求、互动决策、记忆和风险等八项能力。作者依据 1,000 个问题（来自 630 个片段）进行评测，并提出“推理验证”协议，依据解释的支持度与逻辑一致性调整答案得分。在 17 个模型上的结果显示，时机判断（Timing）得分最低。
Industrial ReMEmbR: Scaling Spatiotemporal Memory to Robot Fleets
说明工业版 ReMEmbR：将时空记忆扩展到机器人车队
简介该研究提出 IndustrialReMEmbR，一个面向仓库机器人车队的共享时空记忆系统，基于 NVIDIA ReMEmbR 扩展而来。机器人在本地编码视频并只按需生成场景描述，不上传原始画面，以减少服务器端的计算、通信与存储开销。论文还描述了人员检测与隐私处理的做法，并报告在 450 次测试解码中，拆分模型的输出与未拆分模型完全一致。
Planning under Noise with Neural Operators
说明噪声下基于神经算子的规划
简介论文提出 PUN（Planning Under Noise）神经算子，用于在控制执行存在噪声的情况下，在未见过的几何环境中学习感知噪声的价值场并进行规划。方法在障碍物边界采用反射 Neumann 条件、目标处采用 Dirichlet 条件，并借助扩展的 Walk on Stars 蒙特卡洛求解器生成带噪训练标签。在 4 维重规划基准上，PUN 在不同噪声水平下表现匹配或优于对比方法，并保持较低运行时间。
MindView: Benchmarking Generative Multi-View Spatial Intelligence
说明MindView：生成式多视角空间智能基准测试
简介本文提出MindView基准，包含来自三个室内数据集513个场景的1500个样本，用于评估模型根据部分多视角观察、依据语言指令生成空间一致视角图像的能力。基准包含七项任务，分为以几何为主和以语义为主两类。对十一个生成模型的评测显示仍有较大提升空间，并且在扩展上下文设置下整体得分普遍降低。作者通过微调BAGEL模型并提出免训练的MindCue证据选择方法来改进表现。
Adaptive Multi-Token Prediction: How far should we go?
说明自适应多词元预测：应当预测多远？
简介该论文提出自适应多词元预测（AMTP），用于加速语言模型解码。它依据验证反馈，在每个上下文中在线学习草稿可信的长度，并据此选择预测步长，无需重新训练，也不改变验证模型。在多组模型与AIME 2025、GSM8K上的实验中，AMTP最多比标准解码快4.1倍，并在10组设置中的8组达到或超过固定窗口的表现。
Offline Apprenticeship Learning for Human-Centric Environments
说明面向以人为中心环境的离线学徒学习
简介本论文研究在智能辅导系统和临床医疗等以人为中心的场景中，如何仅凭专家示范数据离线学习决策策略。作者提出一系列离线学徒学习框架，分别处理奖励建模与示范数据质量问题，并在教育与临床数据集上进行了对比实验。研究表明该方法可作为数据高效且具有伦理可行性的策略学习途径。
Efficient Edge-aware Attention Network for Graph Generation
说明用于图生成的高效边感知注意力网络
简介图生成模型通常使用图专用的 Transformer 结构同时更新节点和边的特征，但这类结构难以直接利用新的硬件感知注意力实现，限制了可扩展性。论文提出一种面向图生成的边感知注意力层，通过逐头的分数调制融入结构信息，并以轻量残差机制更新边表示。该层可借助 PyTorch 的 FlexAttention 高效实现。论文报告其生成质量与基线相近，同时峰值 GPU 显存降低约 65%，训练和采样吞吐量明显提升。
NarraSpace: Multimodal Scene-Grounded Evidence for Picture-Description Dementia Classification
说明NarraSpace：用于图片描述型痴呆分类的多模态场景证据方法
简介该论文提出NarraSpace，将图片描述语音转写中的词与说话时间链接到图片中的具名元素，并检索对应预设场景事件的话语。它以冻结语言模型对事件文本的对比、转写惊奇度和覆盖度测量作为分类输入，并保留可追溯到原始话语、语音区间与词汇匹配的记录。在官方48人测试集上，固定的支持向量分类器取得约80.88%的平均准确率，平均概率得到81.25%准确率与91.32%的ROC曲线下面积。
KoalaGS: Complexity-Aware Continuous Level of Detail for Gaussian Splatting
说明KoalaGS：面向高斯泼溅的复杂度感知连续多细节层次方法
简介该论文针对3D高斯泼溅（3DGS）场景在计算预算减少时的渲染问题，提出KoalaGS方法。方法利用优化前输入视图计算的图像复杂度来引导训练中的高斯重定位，使重建较差的区域获得更多资源，并通过基元重要性评分支持低容量推理。作者称该方法在三个数据集上于全容量下保持有竞争力的质量，并在整个预算范围内提升质量、使不同细节层次间过渡更平滑。
Semantic Observability for Autonomous Systems Diagnostics
说明自主系统诊断的语义可观测性：用图数据库统一日志并自动定位故障根因的多智能体框架
简介论文提出“语义可观测性”框架，把分布式微服务的多格式日志整合进可查询的属性图数据库，并用有向循环图编排的多智能体系统自动追踪异常影响范围。剪枝后的子图再交由大语言模型生成代码级根因分析与修复建议。文章给出系统架构与形式化本体，并以概念论证说明其降低噪声、缩短故障恢复时间的思路；定量评估留待后续论文。
Benchmarking Arabic Dialects for Math Problems
说明阿拉伯方言数学题基准测试：评估大语言模型在方言与文化本地化数学题上的推理能力
简介本文提出DAR-MGSM基准，这是首个人工整理、用于评估方言阿拉伯语数学推理的数据集，涵盖现代标准阿拉伯语及五种主要阿拉伯方言的小学数学应用题。基准包含两个平行版本：仅翻译版和翻译并文化本地化版。作者用十一个以阿拉伯语为中心及多语言大语言模型进行评测，结果显示本地化版本的表现普遍下降，且不同模型敏感程度不同。机制可解释性分析还表明，同一题目的两种版本即使总体准确率相近，模型内部推理路径也可能不同。
Big Claims, Small Margins: Do Reported GraphLLM Gains Survive Simple Baselines?
说明大结论，小差距：报告的GraphLLM提升能否经受简单基线检验？
简介该论文考察基于大语言模型的文本属性图节点分类方法，与成本低廉的基线在相同数据划分上的对比。作者发现，经过验证集调参的基线与各论文报告的最高均值相比仍有差距，但在多数任务上并不显著，部分报告的提升依然可观。论文还指出代码中存在的评估风险，并提到同一方法在同一数据划分上的报告结果差异较大。
Value-Rich, Differently Organized: Measuring Value Expression and Organization in AI-Generated Debates
说明价值丰富但组织方式不同：衡量AI生成辩论中的价值表达与组织
简介本文提出一套诊断指标框架，用于比较人类参考辩论与AI生成辩论中价值的表达方式和组织方式。框架基于Schwartz的Basic-10价值理论，将价值表达与价值组织区分开来，并在论点单元、发言、立场和整场辩论等多个层级上考察价值分布。结果显示，AI生成的辩论普遍价值表达丰富，但其价值组织方式与人类辩论不同，因此辩论评估不应只看价值是否出现。
Turning TS2Vec into a Foundation Model for Time Series Classification
说明将 TS2Vec 改造为时间序列分类基础模型
简介TS2Vec 是 2022 年提出的自监督时间序列分类方法，原本需针对每个数据集重新训练。本文证明它只需预训练一次即可成为基础模型：在合成语料上预训练，并通过两个小型输入分支处理原始幅值与实例归一化的形态视图，再把两个专用编码器蒸馏为一个。冻结后的 1.6M 参数卷积网络在线性探测下于 UCR-128 和 UEA-27 上分别达到 83.3% 和 75.3%，与当前最优的 MantisV2 接近。
★★★★☆ 值得关注
Evolving Agent Interfaces
说明进化式智能体接口：让 AI 自主设计电脑操作界面
简介论文提出 Agent S4，一个能自主构建并演化“智能体接口”的系统。元智能体在合成任务上观察任务智能体的执行轨迹，不依赖成功标签，持续修改接口与使用知识库，并通过验证任务筛选更具泛化性的版本。作者报告其在 OSWorld V2 上以 21.3% 的二元得分刷新开源电脑操作智能体的最佳成绩，并在 ScienceBoard 上将成功率从 41.4% 提升至 58.6%。
看点提出代理自主演化界面的新范式，但评估仅在两个基准上，且对比的基线设置有待深入核实。
Neural Implicit Energy Optimization for LiDAR Mapping
说明面向激光雷达建图的神经隐式能量优化
简介论文提出用神经隐式表示为大规模激光雷达场景建图，并在符号距离场上加入基于水平集曲率（形状算子）的能量泛函，以抑制稀疏、含噪输入带来的抖动与伪影。实验表明，在大规模数据集上重建结果更平滑，几何保真度得以保持，且推理时不增加额外开销。代码已公开。
What Do RTL Repair Benchmarks Actually Measure?
说明RTL修复基准究竟在测什么？
简介本文构建了RTLRepairDataset（5,784组训练样本）和RTLRepairBench（459个测试用例，含374个语法变异与85个行为变异）及配套评测工具，用于评估模型依据规格修复硬件描述语言RTL代码的能力。作者发现两个测量偏差：仿真与形式化评分在某一评测组中对“提供规格”效果的判断相反，且重新评分后差异主要归因于复位与首周期比较语义；此外，在274个模型失败案例上，不同模型的“仅规格”与“带规格”恢复率差值波动很大。因此作者建议报告复位、未知值等评测语义，并加入仅规格的基线。
Learning the 4D World through Point Trajectory Forecasting
说明通过点轨迹预测学习四维世界：一种多视角视频与三维运动联合预测模型
简介该论文提出视频-点模型（VPM），以多视角视频历史和语言指令为条件，同时预测任意视角的未来视频以及场景中持续存在的三维点轨迹。模型在预训练世界模型上加入相机条件的多视角处理与轨迹预测头，并构建了VPM-Data与VP-WorldBench两个数据集与基准。原文称，点监督在视频质量和三维运动精度上优于纯视频模型，并能提升机器人操作的成功率。
PaPi: Parallel Picard-Duhamel Integration for Fast Neuro-Spectral Architectures
说明PaPi：面向快速神经谱架构的并行 Picard-Duhamel 积分方法
简介神经谱架构（NeuSA）是一类在频域求解随时间变化偏微分方程的物理信息神经网络。论文提出 PaPi 积分方案，借助指数积分与 Duhamel-Picard 迭代实现时间维度的并行推理，并证明该迭代对所有流都以指数速度收敛，误差界取决于流与线性情形的接近程度。实验表明，PaPi 可将训练和推理加速至多两个数量级，低维偏微分方程学习问题的训练时间可低于一秒，同时保持有竞争力的预测精度。
WildMAE: Structure-Aware Masked Autoencoding for Wildlife Image Reconstruction
说明WildMAE：面向野生动物图像重建的结构感知掩码自编码器
简介该论文提出WildMAE，是掩码自编码器（MAE）的解码器端扩展，通过局部结构感知精修和掩码位置到可见位置的交叉注意力，改进野外红外相机图像的重建。在Snapshot Serengeti数据集（4,744张测试图、75%掩码）的历史结果中，其PSNR、SSIM和LPIPS指标优于原始MAE。文中强调这些数值依赖于历史协议，并非新复现或统一比较的结果。
★★★★☆ 值得关注
Two ReLU Layers is All You Need
说明两层 ReLU 就够了：证明任意 ReLU 网络都可用两层隐藏层精确模拟
简介本文证明，任何 ReLU 神经网络都可以被一个只有两层隐藏层的 ReLU 网络精确模拟。作者给出了两种证明：一种基于同调代数中的填充方法，另一种是直接的组合式证明。
看点证明任意ReLU网络可由仅两层隐藏层的ReLU网络精确模拟，给出同调代数与组合两种完整证明，属于强结构性理论结果。
★★★★☆ 值得关注
Capable Teacher, Myopic Scorer: Reward-Free Teacher Repair for Agentic On-Policy Distillation
说明能力强的教师，短视的打分者：面向智能体在线策略蒸馏的无奖励教师修复
简介论文研究智能体在线策略蒸馏（OPD）中学生模型失败的原因，指出教师逐个 token 打分时看不到回合结局，因此会放过一些拖延但安全的动作。作者提出 R2S 方法，在蒸馏前先修复教师的打分器：从学生分歧较大的状态出发让教师接管，只保留接管能够通过无奖励检查（如共识或 LLM 评判）的状态，再微调教师，使其在分歧之后的每个助手 token 上给出接管感知的分数。修复后的教师被冻结作为标准 OPD 的唯一打分者，训练中不需要任务奖励。
看点指出教师逐token打分的短视问题并提出修复教师评分器的方法，新颖性较强；在三个环境、两个教师和四个学生上全面对比，证据较充分。
SceneRig: An Agentic System for Simulation-Ready 3D Scene Reconstruction from Single Images
说明SceneRig：从单张图像生成可直接用于仿真的三维场景的智能体系统
简介该论文提出SceneRig系统，可将单张图像转换为可编辑、可用于仿真的三维场景。系统结合几何、视觉和物理工具重建场景，并由智能体在物理模拟器中反复编辑与验证，以保证物体稳定。论文称其在实例分割、物体外观和三维摆放方面有所改进，并且场景在机器人下游任务中表现更好。
Beyond the Sequentiality Bottleneck: A Hybrid Diffusion-Autoregressive Framework for Efficient Multimodal Reasoning
说明突破顺序性瓶颈：面向高效多模态推理的扩散—自回归混合框架
简介自回归模型做推理时需要逐步生成，速度受限；扩散语言模型可以并行生成，但语义连贯性较弱。该论文提出协作推理非对称学习框架（CoRAL），由扩散模型作为规划者并行生成多条推理路径，大型自回归模型作为执行者选出最优方案并给出最终答案。实验表明，该方法在视觉语言基准上优于已有的扩散方法，并与强大的自回归模型表现相当，同时兼顾效率与质量。
Agentic Verified Optimization of Real-World Software
说明面向真实软件的智能体式已验证优化：用机器可检验的证明保证优化后的程序与原程序行为等价
简介本文提出“智能体式已验证优化”：编码智能体生成更快的程序实现，并给出与原实现等价的机器可检验证明。原实现作为规约，因此无需额外撰写规约。作者在 Lean 4 中在函数和仓库两个层面进行实验，并开发了将 C、C++、Go、Rust 程序迁移到 Lean 的框架 Aqueduct。在 Verina 的 189 个参考实现中，智能体为 156 个生成了更快且已证明的改写；在 17 个迁移应用上，92 个已证明改写使 51 个应用场景中的 47 个变快。
Continuous-Time Policy Gradient from Discrete Data: Convergence Analysis and Model-Free Algorithms
说明从离散数据学习连续时间策略梯度：收敛性分析与无模型算法
简介本文研究在未知随机微分方程动力学下、只能利用离散时刻观测数据来寻找最优策略的连续时间强化学习问题。作者建立了策略梯度框架并证明了熵正则化策略流的指数收敛性，还给出了离散参数化更新的收敛界。结合PhiBE方法，提出了同策略和异策略的无模型actor-critic算法，并在线性二次调节器和非线性轮式机器人上通过数值实验验证了其性能与稳定性。
Spatially Informed and Direction Sensitive Representation Learning for Spatial Transcriptomics
说明面向空间转录组学的空间感知与方向敏感表示学习
简介该论文提出 Tessera，一种用于空间转录组数据的表示学习框架。它结合了基于空间信息的基因选择，以及对细胞局部组织环境进行建模的几何归纳偏置，通过相对细胞间关系保留方向信息并具有平移不变性。文中称，Tessera 在未见过的组织和技术数据上表现优于现有空间基础模型，并能零样本泛化到比训练时大至 16 倍的场景。
Sage-A1.5: From Long-Horizon Execution to Scientific Exploration with Capability Composition
说明Sage-A1.5：从长程任务执行到科学探索的能力组合模型
简介本报告介绍 Sage-A1.5，一个 35B 参数的混合专家智能体模型，基于 A1 改进，通过自适应能力组合处理长程问题。文中提出三项改进：智能体编排（子智能体分工并行协作）、智能体验证（进度检查、证据验证与策略修正），以及开放式科学发现（从回答预设问题扩展到探索性研究）。作者通过复杂智能体任务和多学科科学应用进行展示。
★★★★☆ 值得关注
Cache Engineering for Agents
说明面向智能体的缓存工程：让智能体直接控制其键值缓存
简介该论文提出“缓存工程”，让大语言模型智能体直接管理其活动KV缓存，可排除部分缓存或调整位置编码，而无需修改轨迹或重新预填充。作者设计了AKV服务引擎以支持这一机制。实验显示，相比阈值触发的摘要方法，其工具响应滚动丢弃策略平均得分提高1.7分、平均成本降低27.7%，输出吞吐最高达1.2倍。
看点提出让智能体直接控制KV缓存（drop与repos）的新范式，并设计相应服务引擎；实验显示得分提升、成本与延迟改善，证据较充分。
The Token-Energy Law of LLM Decode: Active Bytes and Realized Time Account for Joules per Token
说明大语言模型解码的每词能耗定律：活跃字节与实际耗时决定每个输出词元的焦耳数
简介该论文提出“Token-Energy Law”，用一个简洁可解释的模型估算大语言模型在稠密、全历史解码时每个输出词元的GPU能耗。模型以“活跃字节”和“实际解码时间”为两个核心维度，并以统一的仿射形式表示，系数针对具体模型和硬件配置校准。在NVIDIA Hopper与Blackwell GPU上的实验中，留出条件的平均能耗估计与实测值偏差最多为3.73%。
Can a Display Be Used for Rapid LiDAR-Camera Extrinsic Calibration?
说明显示屏能否用于快速激光雷达-相机外参标定？
简介ScreenCalib 使用普通可编程显示屏完成激光雷达与相机的外参标定，无需专门制备标定板。相机观察屏幕上显示的 AprilTag 标记，激光雷达测量屏幕表面和边界，需要间接进行跨模态关联。方法包括标记引导的屏幕提取、几何假设生成与优化，并利用周围场景边缘消除歧义；多位姿模式通过跨位姿共识联合优化外参和标记尺度。实验表明其平移精度优于基于标定板的方法。
Evolving Semantic Indexes for Generative Retrieval
说明用于生成式检索的语义索引进化搜索
简介生成式检索把搜索和推荐变成对离散语义标识符的自回归生成，但这些标识符的构造、冲突处理、解码和训练等组件多靠人工设计。本文提出用大语言模型驱动的进化程序搜索来改进这些组件，并用一个小型代理解码器替代反复训练大模型来快速评估。实验在NQ320K上使Recall@100从85.8%提升到90.6%，但代理的可靠性取决于进化的组件。
Continual Concept Personalization in Diffusion Models via Residual-Space Adaptation
说明基于残差空间适应的扩散模型持续概念个性化
简介文本到图像个性化旨在让预训练扩散模型仅凭少量参考图学习用户指定的概念。本文针对概念依次到来的持续学习场景，将残差空间适应扩展到预训练扩散模型的随机适应过程中，在减少对已学概念干扰的同时，取得了较高的概念保真度和接近零的遗忘。通过残差空间动态还可以定位适应能力集中的层，仅对这些层进行适应即可在性能几乎不变的情况下减少可训练参数。
The Dynamics of Collapse and Recovery in Clustered Federated Learning
说明聚类联邦学习中的模型坍缩与恢复动态研究
简介本文研究聚类联邦学习中的“簇坍缩”问题：不利的初始化会使异质客户端集中于同一簇模型，另一模型得不到更新。作者将客户端路由视为控制输入，提出在两组线性模型中分析坍缩区域，并通过重复训练被冷落模型的路由干预来恢复。实验显示，基于 EXP3 的自主控制器选择能在多种不利起点下恢复可用的专家模型。
Asymmetric Bidirectional Predictive Dynamics in Google Search and COVID-19 Time Series: A Multi-Horizon Forecast-Error Analysis
说明谷歌搜索与新冠时间序列之间的非对称双向预测动态：多时域预测误差分析
简介本文利用 LightGBM 在 400 天滚动窗口、1 至 14 天预测时域下，对 8 组谷歌趋势与新冠数据的配对进行双向预测比较。研究结合对数 RMSE 增益与预测误差分布熵（FEDE）衡量预测效果，并提出仅在研究内部比较的 0 至 100 分相对强度指标。结果显示不同方向和指标的预测效应并不一致，预测时域也是关系的一部分；作者同时强调，这些结果不应外推到单个时间点，也不能视为因果证据。
★★★★☆ 值得关注
OptScientist: Automated Discovery of Optimization Laws
说明OptScientist：自动发现优化定律
简介该论文提出OptScientist框架，可直接从数据中自动发现紧凑的符号化优化定律，即解释观测现象的底层优化问题。框架结合推断符号优化问题的模型与基于大语言模型的智能体系统，后者整合文献中的理论先验并提出新的数据收集建议。在包含99个物理优化问题的OptFeynman基准上，超过80%的问题可恢复真实定律，并在人类风险选择和央行货币政策数据上取得有竞争力的预测表现。
看点提出从数据发现符号优化定律的新框架，并在99个物理优化问题基准上恢复超过80%真实定律，证据较充分但在人类行为与货币政策数据上仅达到有竞争力水平。
Convergence of stochastic gradient descent for learning linear neural networks
说明用于学习线性神经网络的随机梯度下降收敛性研究
简介本文研究深度线性神经网络中随机梯度下降（SGD）的收敛性。作者在正则化平方损失下，将已有的梯度下降收敛结果扩展到SGD，证明SGD迭代序列几乎必然有界。借助随机逼近理论中的渐近伪轨迹框架，论文在温和条件下给出SGD收敛到临界点集合的结论，适用于确定性与自适应步长选择。
Agentic Ensemble with Vision-Language Models for Visual Anomaly Detection
说明基于视觉语言模型的智能体集成方法，用于视觉异常检测
简介本文提出AnomalyAgent，一种训练后融合框架，用于整合多个预训练的视觉异常检测器。该方法对齐不同检测器的分数与异常图，并由受约束的视觉语言模型对高冲突样本选择融合动作。在MVTec AD和VisA上，其平均图像AUROC与像素AP优于比较的融合方法，并在其他异常数据集上展现稳定的迁移能力。
Large Flow Language Models
说明大规模流语言模型：一种可并行生成文本的连续流模型
简介该论文提出 Lafa，一种把预训练自回归模型适配为块级连续流模型的方法，规模达到 80 亿参数，训练数据少于 300 亿 token。模型在指令跟随、推理和编程任务上可与自回归模型持平或更好，并可蒸馏为一步或少步生成。论文还利用其多 token 预测效果设计自推测解码，在相近质量下吞吐量达到自回归模型的 2.54 倍。
When Do LLMs Help with Feature Selection? A Systematic Empirical Study
说明大语言模型何时有助于特征选择？一项系统性实证研究
简介本文研究大语言模型能否利用特征语义名称与汇总统计量进行表格数据的特征选择，并与经典统计方法比较。实验在18个数据集上进行，比较了五种经典方法、冻结的Qwen2.5-7B与Llama-3.3-70B，以及两个经GRPO训练的Qwen2.5-7B模型。结果显示，经典方法总体预测性能更高，而7B模型能保留较紧凑的特征子集；语义名称在回归任务中提升明显，在分类任务中差异较小且依数据集而异。
Learning Computational Structure for Sample-Efficient Prediction
说明学习计算结构以提高样本效率的预测方法
简介该论文指出，许多实用函数具有组合稀疏性，但梯度训练难以利用这一隐藏结构。作者构建了受控基准CSFRBench，并提出受生物神经回路启发的Learned Wiring（LeWi）方法，让神经元学习低维嵌入并只与邻近神经元连接，同时联合训练嵌入与权重。实验显示，LeWi在多种结构化目标及17项世界模型预测任务上提升了样本效率，但单一高阶函数的目标上密集网络表现更好。
OverSeer: Multi-Agent World Models Beyond What Agents See
说明OverSeer：超越智能体视野的多智能体世界模型
简介该论文提出OverSeer，一种多智能体世界模型，在每个智能体的第一人称视角之外加入固定空间位置的辅助摄像机视角。固定视角可近似世界中心表示，使模型更好地保持时间和智能体之间的一致性。作者还使用delta-VAE仅编码相对于静态参考图像的变化，以减少处理辅助视角所需的token数量。在Minecraft和Doom中的实验显示世界与智能体一致性有所提升，并降低了辅助视角生成的计算开销。
★★★★☆ 值得关注
Discount Yourself: Self-inclusive Freshness-weighted Gossip for Decentralised Learning under Client Outages
说明自我折扣：客户端断线下去中心化学习的包含自身的新鲜度加权八卦聚合
简介论文研究去中心化联邦学习中设备离线后重新加入时的模型聚合问题。作者提出自包含新鲜度加权八卦（SFG）系列聚合规则，核心是对接收方自身的陈旧模型同样打折，并以“有效滞后”而非模型年龄衡量陈旧程度，同时采用陡峭的折扣。在三个图像基准和八种离线过程（包括真实智能手机可用性轨迹）上，基于滞后的SFG-L与SFG-Cut表现优于去中心化联邦平均和近期的信息时效性规则。
看点针对设备离线后的聚合提出以自身为包含对象、按陈旧度加权的新规则，并给出误差有界性证明，在三个图像基准和八种离线过程上验证，并有消融实验支持。
Binary Discrete Diffusion: Candidate-Set Diffusion for Logic and Planning Tasks
说明二值离散扩散：面向逻辑与规划任务的候选集扩散模型
简介该论文提出二值离散扩散（Binary Discrete Diffusion），用每个位置上的候选词集合（以二值成员向量表示）作为加噪状态，以表示部分未解决的不确定性。在数独极难题、Boxoban 和图着色任务上，对称形式的二值扩散在架构匹配、训练与采样预算受控的条件下，持续优于经过调优的掩码扩散与均匀扩散基线，在最难的实例上提升最大；在语言建模任务上保持竞争力。
Predictive Latents for Autoregressive Language Models: Possibility, Gauge, and Obstruction
说明自回归语言模型的预测潜变量：可能性、规范自由度与障碍
简介本文研究自回归语言模型中不输出词元、只迭代隐藏状态的潜过程，区分了词元风险、教师强制潜风险与开环风险三种度量。作者给出条件：若贝叶斯下一词元后验可由满秩协方差的k维统计量表示，则宽度为k的线性潜变量加可重新拟合的输出层可复现贝叶斯预测。文中还给出相应的尖锐障碍，说明小的潜变量损失或小的词元损失都不足以保证另一方的预测能力。
Humans Correct Their Judgments Through Debate, but Weaker AI Models Do Not
说明人类能通过辩论修正判断，较弱的AI模型却不能
简介本文研究在AI系统可能超越人类智能的情况下，让两个AI就对立立场辩论、由人类或较弱模型担任裁判，能否引导监督者接近真相。结果显示，辩论能提高人类裁判相对于其先前信念的准确率，而单一专家论证的顾问基线则没有此效果。对较弱的语言模型，辩论在多数设置下没有明显收益，甚至可能降低准确率。
Beyond 4 bits: Data-Centric Post-training Quantization and Recovery
说明超越4比特：以数据为中心的训练后量化与恢复
简介本文研究训练后量化（PTQ）中三项在4比特时影响不大、但在2比特时决定模型质量的选择：量化表示方式、校准数据和恢复微调数据，涵盖六个稠密模型和混合专家模型。研究发现，量化表示是影响最大的因素，向量码本能让标量PTQ失效的模型恢复可用。剩余的精度损失主要出现在生成式任务上，且因模型而异。此外，校准数据与恢复数据需联合选择。最终方案使用向量码本、小型任务对齐校准数据集及仅训练码本的低成本恢复阶段，每个权重约2.3个有效比特，在问答任务上保留约89%至97%的全精度准确率，计算量比最强的量化感知训练基线少1.4至30倍。
Qwen-Audio-3.1-ASR Technical Report
说明Qwen-Audio-3.1-ASR 技术报告：一套能转写语音、区分说话人并理解声音的音频语言模型
简介该报告介绍 Qwen-Audio-3.1-ASR 系列音频语言模型，是在前代 Qwen-Audio-3.0-ASR 基础上改进语音识别，并扩展了说话人区分转写和通用音频理解能力。模型支持 30 种语言和 16 种中文方言，并提供历史上下文、分层热词定制等指令控制功能。报告还给出面向文件转写、低延迟流式、语音输入及非流式识别等不同部署场景的变体，并在多项任务上进行了评测。
Translation and data ethics
说明翻译与数据伦理
简介本章介绍翻译领域的数据伦理，讨论与数据相关的若干伦理问题，包括版权、所有权和偏见。针对少数群体语言社群以及数字鸿沟两侧的情况，文中还讨论了数据与权力失衡之间的关联。最后讨论责任与监管，并反思翻译研究学者对数据伦理日益增长的关注。
CoGaussian: Open-Vocabulary Gaussian-based Collaborative 3D Scene Understanding
说明CoGaussian：基于开放词汇高斯表示的多智能体协同三维场景理解
简介该论文提出 CoGaussian，一种基于开放词汇的协同语义占据预测框架。它用与基础模型对齐的稀疏三维高斯表示场景，便于多个智能体之间传递和融合几何与语义信息。在 Semantic-OPV2V 基准上，该方法优于现有的开放词汇单智能体方法。
Copyright Leakage Detection in AI Generated Videos
说明AI生成视频中的版权泄露检测
简介本文针对视频生成模型可能再现受版权保护视觉内容的问题，构建了一个版权泄露检测基准数据集，包含50个受版权保护的概念，每个概念5张图像。作者基于对比检索框架开发了检测工具，将检测转化为视频到图像的检索问题，并用单一相似度阈值判定是否泄露。实验显示该方法具有较强的检索与检测性能，并能给出可解释的参考依据。
VLM-Guided Contact Retargeting and Generative Partner Modeling for Humanoid-Human Interaction
说明基于视觉语言模型引导的接触重定向与生成式伙伴建模：面向人形机器人与人类的交互
简介论文提出REACT框架，用于从人与人的示范中学习可部署的人形机器人与人类交互策略。该方法借助视觉语言模型识别语义接触并迁移到人形机器人与人类的几何关系上，再通过基于机载深度感知的策略完成控制。在仿真和真实Unitree G1人形机器人上，REACT在五种接触丰富的交互中仅依靠机载传感器完成了全部任务。
DecisionPivot: A Diagnostic Benchmark for Decision Models in LLM Systems
说明DecisionPivot：面向LLM系统决策模型的诊断基准
简介该论文提出DecisionPivot诊断基准，包含48项任务、约4万条样本，用于评估LLM系统中决策模型的表现。它不仅考察单题准确率，还检验模型在受控变化下的决策一致性及置信度可靠性。评测显示，仅看总分会掩盖模型之间的明显差异，并揭示了概率排序与决策正确性之间的差距。
Latent Bridge: From Video Latents to 3D Geometry via Feature Alignment
说明Latent Bridge：通过特征对齐从视频潜变量直接得到三维几何
简介视频生成和前馈式三维重建通常使用各自独立的表示，从生成的潜变量恢复几何需要先解码为RGB图像再重新编码。本文提出Latent Bridge，将视频生成潜空间与几何特征空间连接起来，直接从视频潜变量预测相机、深度和三维点云。两个编码器保持冻结，仅通过特征蒸馏在RGB视频上训练桥接模块，无需真实几何标注，已在Wan2.1和V-RAE上实现；实验在Co3Dv2和WildRGB-D上进行。
Touch-JEPA: Tactile Representation Learning from Hand-Object Video with Limited Tactile Supervision
说明Touch-JEPA：利用手-物视频与有限触觉监督学习触觉表征
简介该论文提出Touch-JEPA框架，先仅用手-物视频进行自监督预训练，通过预测手部表面对应位置的被遮挡视觉特征来捕捉接触动态。随后在部分视频带有触觉标注的条件下进行联合学习。结果显示，冻结特征上的简单读出在接触判别与触觉强度估计任务上优于监督基线，并可迁移到机器人手而无需机器人触觉数据。
GraphCast-Mamba: Learning Non-Markovian Corrections for Weather Forecasting
说明GraphCast-Mamba：学习非马尔可夫修正以改进天气预报
简介论文提出 GraphCast-Mamba，在冻结的预训练 GraphCast 模型上增加一个可训练的 Mamba 修正分支，并保留跨时间步的记忆状态以利用更长的历史信息。仅训练修正分支，使用 2015 至 2021 年的 ERA5 数据。结果显示，相比未修正的 GraphCast，其在完整十天预报上的加权均方误差降低 14.42%，第 10 天降低 21.66%，且第 10 天 11 个变量组的均方根误差均有下降。
SenseAlign: Understanding Vision and Touch through Language at Test Time
说明SenseAlign：在测试时通过语言理解视觉与触觉
简介本文提出SenseAlign，用于视觉-触觉-语言模型在部署阶段的测试时自适应。模型借助共享语义空间，在无标签数据下按各模态对预测类别的支持度加权，并利用类别文本嵌入修正特征，同时保持编码器冻结。实验表明，该方法在自然偏移和受控干扰下都能保持较好的识别性能。
Variance Reduction with Delayed Feedback for Non-Convex Optimization
说明延迟反馈下的非凸优化方差缩减
简介本文研究梯度评估结果延迟返回时，非凸优化中的方差缩减方法。服务器可以在早先的评估尚未完成时继续更新参数。作者分析了随机优化的有序递归动量估计器，给出了在延迟上界 τ 下的计算复杂度；对于 n 个分量的有限和问题，也给出了相应的评估次数。此外还提出异步快照变体，并将最大延迟假设替换为缺失反馈的加权量上界。
Deep Learning-Based Road Lane Quality Assessment from Egocentric Dashcam Video
说明基于行车记录仪视频的深度学习车道线质量评估
简介本文提出一个带地理位置的智能手机行车记录仪数据集及车道线质量评估基线框架，数据来自美国南得克萨斯州的63,839帧道路图像，其中3,339帧与OpenStreetMap的车道数标签匹配。作者提出了对比度稳定指数（CSI）、线段连续性比率（LCR）和回归车道置信分数（RLCS）三项指标。在50张人工排序图像的小规模验证中，LCR与人工排序的一致性优于PSNR、SSIM等通用图像质量指标。
ECG for laboratory values:A comprehensive physiological and technical analysis
说明基于心电图预测实验室指标：生理与技术综合分析（NT-proBNP 等）
简介本论文利用多模态深度学习框架，结合心电图与患者元数据预测 NT-proBNP，并比较单导联（II 导联）与 12 导联的效果。在 MIMIC-IV 数据上进行了回归、二分类和三分类实验，12 导联表现更好。结果显示精确回归仍具挑战，但较宽浓度范围的分类效果较好；作者认为心电图可提供补充信息，但仍需实验室检测，且需在独立数据集上验证。
GazeLens for Efficient Egocentric Video Question Answering with Simple Gaze-Driven Adaptive Token Reduction
说明GazeLens：用注视与问题引导的自适应视觉词元压缩实现高效第一人称视频问答
简介智能眼镜需要在有限算力下理解用户的活动与周围环境，但小型视觉语言模型难以兼顾冗余帧和空间压缩带来的信息丢失。该论文提出GazeLens，先用HOG变化与图像清晰度筛选帧，再通过高斯池化生成注视聚焦与互补摘要，并由轻量门控依问题融合为主词元，加上全局场景词元，每帧仅保留两个词元。在StreamGaze上，其宏观与微观准确率均高于所评估的基线，且输入前向计算量FLOPs更低。
★★★★☆ 值得关注
BitMTP: When Multi-Token Prediction Meets Low-Bit Large Language Models
说明BitMTP：多令牌预测与超低比特大语言模型的结合
简介本文提出 BitMTP 框架，用于在超低比特大语言模型上高效实现多令牌预测，以减少解码步数并降低显存与计算开销。模型通过联合下一令牌与多令牌预测目标训练，并支持三种解码模式，在 NVIDIA H20 上五项任务平均加速 2.1 至 2.4 倍，同时保持相近的任务质量。该方法在 RTX 3090 与 Jetson Orin 上也有加速效果，代码已公开。
看点将多token预测与超低比特LLM结合并提出统一模型的解码与系统协同设计，实验覆盖多硬件与模型，证据较扎实，对子领域有实用价值。
Present but Hard to Read: Probing Latent Reasoning with Minimal Pairs
说明存在但难以读出：用最小对探测潜在推理
简介该论文用只差一个数字的成对提示，检验模型内部状态中是否存在计算所得的中间值。作者在循环模型 Ouro-1.4B 和标准 Transformer Qwen 2.5-1.5B 上发现，被复制的数字在末尾位置高度可读，而单提示探测器读取效果较弱。论文还提出了区分计算值与输入复制或混合的验证协议。
Model- and Layer-Level Closed-Loop Forecasting with SSM-Based Spiking Neural Networks
说明基于状态空间模型脉冲神经网络的模型级与层级闭环时序预测
简介本文探讨如何用基于状态空间模型（SSM）的脉冲神经网络做时间序列预测。由于网络处理数据时需要未来阶段不可得的输入，作者提出两种闭环策略，将网络自身生成的数值反馈回网络，分别在模型级和层级实施。在 ETT-small 基准数据集上，两种方法在脉冲与连续激活下，与 S4 的零掩码基线相当或更好，多数情况下与 SpaceTime 持平。
STAR-XPC: Set Transformer for Estimating X-ray Transmission in Polymer Composites
说明STAR-XPC：用于估算聚合物复合材料中X射线透射率的集合Transformer模型
简介本文提出一种神经网络模型，输入聚合物复合材料的分子成分、质量分数和四个整体物理参数，直接预测X射线透射比I(t)/I0，每次预测仅需1至3毫秒。训练数据由PENELOPE/penEasy蒙特卡洛模拟生成，共4697个配置，采用10折交叉验证，R²为0.9988。与数小时的蒙特卡洛模拟相比，该模型推理速度快得多，并保持了较高的预测精度。
OptionWorld: A Benchmark for Diagnosing Failures of LLMs as Long-Term Personal Assistants
说明OptionWorld：诊断大模型作为长期个人助手失败原因的基准测试
简介该论文提出 OptionWorld 基准，在模拟的日常生活任务中追踪信息获取、判断、行动与结果，用以找出当前大语言模型作为长期个人助手的不足。研究发现，在失败案例中，关键事实仍留在模型截止日期前最后一次输入里的比例为 35.5%，主要问题包括未获取或未整合所需信息、可行动机会未被利用，以及施加了任务并不要求的限制。后续实验显示，补充缺失事实有时能恢复任务成功，提醒行动可重启工作但仍可能错过截止日期。
Learning from Automatic 3D Gaussian Splatting Edits for Online Bayesian Scene Change Detection
说明基于自动3D高斯溅射编辑学习的在线贝叶斯场景变化检测
简介本文提出一种在线场景变化检测方法，用广义贝叶斯证据融合逐帧更新变化置信度。方法利用对参考3D高斯溅射（3DGS）模型的自动编辑生成带标注的训练视图，无需人工标注，据此学习场景特定的证据模型与先验统计量。原文报告该方法在PASLCD和CCS3D数据集上取得最先进的准确率，并在PASLCD上以17.2 FPS运行，是所评估在线方法中最快的。
Asymmetric Looped Transformers: Fixed Global Representations for an Iterative Decoder
说明非对称循环 Transformer：用固定的全局表示驱动迭代解码器
简介该论文提出非对称循环 Transformer（AsymLoop），把单次因果编码的上下文构建与循环的状态细化分开：编码器生成在各次迭代中保持固定的全局 KV 缓存，权重共享的循环解码器则从自身状态生成局部 KV，两者在同一 softmax 下联合注意力。在 FineWeb-Edu 上于 60M 至 1B 四种规模的实验中，相比完整循环（Full Loop）困惑度更低、下游平均准确率更高；1B 模型在七个常识推理基准上的零样本平均准确率由 49.58% 提升至 50.85%。
Geometry-Agnostic Data-Driven Discovery of Extreme Scenarios
说明与几何无关的数据驱动极端情景发现
简介论文提出一个两阶段神经网络框架，用于发现动力学上可接受的极端情景。第一阶段直接从观测数据推断有效动力学约束；在具备合适对称性时，学到的动力学可表示为与网格、坐标系、维数和曲率无关的形式。第二阶段用物理信息神经搜索，基于学到的动力学找出原始观测中可能未出现的罕见高影响相干结构，并以Duffing方程、Townes孤子和Liouville系统等例子进行演示。
Exploring Temporal Context-Aware Physical Grounding in Latent World Models
说明潜在世界模型中具有时序上下文感知的物理基础探索
简介该论文提出 G-JEPA 方法，用于改进基于联合嵌入预测架构（JEPA）的潜在世界模型。方法在学习阶段加入共享的因果时序模块，结合物理状态监督来聚合时序上下文；在规划阶段引入先验引导的动作生成分布，以辅助模型的在线优化搜索。实验显示在操作任务上规划表现有所提升，包括初始与目标观测时间间隔逐渐增大的任务。代码已公开。
Claims of emergence in AI should be grounded in information decomposition
说明AI 中“涌现”与“协同”的判断应以信息分解为依据
简介论文指出，当前 AI 研究中关于语言模型、多智能体系统或人机组合出现“协同”或“涌现”的说法多为非正式判断，难以比较。作者提出用信息分解作为统一的形式化框架，区分独有信息、冗余信息与协同信息，并以是否携带与任务结果相关的协同信息作为可检验的判据。文中将该框架应用于注意力头、自主智能体和人机团队。
CLOSER: Evidence-Aware Active Visual Verification for Embodied Object-Goal Navigation
说明CLOSER：面向具身物体目标导航的证据感知主动视觉验证
简介论文针对具身物体目标导航（ObjectNav）中检测器容易误判相似物体的问题，提出 CLOSER 框架，把停止决策视为闭环证据获取。它微调开源视觉语言模型对候选目标的多视角进行判断，用基于嵌入的多样性筛选互补视角并融合概率；若结果仍不确定，则由扩散策略驱动智能体靠近候选目标。在 Gibson 和 Habitat-Matterport 3D 上，该方法提升了平均成功率和按路径长度加权的成功率。
★★★★☆ 值得关注
Answering in the User's Variety: Calibrated Accommodation Pairs for Post-Training
说明以用户的语言变体作答：用于后训练的校准适应配对数据
简介该论文研究聊天模型是否会根据用户的方言调整回复风格。作者逐阶段考察监督微调、偏好优化（DPO）和强化学习对模型匹配用户倾向的影响，发现后训练整体上使回复趋于标准英语，但在校正原有概率后，DPO仍偏向英式和澳式拼写而非非裔美国英语和新加坡英语。作者随后提出校准适应配对数据（CAP），奖励与用户方言密度相匹配的回复，同时保持对标准英语用户的标准英语回复。
看点通过对比训练各阶段的偏好更新来审计方言适应，并提出校准的适应性偏好数据，证据覆盖10个模型系列但仅一个完全开放模型上验证CAP。
Beyond Trajectory Statistics: Community-Consistent Human Mobility Generation via Evolving User-Location Graphs
说明超越轨迹统计：基于演化用户-地点图的社区一致性人类移动生成
简介该论文研究人类移动数据的合成生成，提出将移动生成建模为动态用户-地点图，以刻画社区结构。作者提出多智能体框架MOTION，包括用户智能体、地点智能体和全局管理智能体，并利用Leiden算法从历史数据中检测社区。实验在两个真实数据集上进行，报告称MOTION在个体轨迹、群体与流量分布以及社区和图结构等指标上至少优于基线4.05%。
LocaLeJEPA: Maximum Entropy Representations under Geometric Priors
说明LocaLeJEPA：在几何先验下的最大熵表示学习方法
简介该论文针对自监督学习中的JEPA架构易出现表示坍缩的问题，在LeJEPA的基础上提出LocaLeJEPA框架，并引入局部欧氏分布匹配正则项LocaLeReg，使表示更符合数据的内在几何结构。在ImageNet-1K上的实验显示，该方法在双曲ViT、等变ResNet-50及欧氏ViT骨干网络上，线性分类和k-NN分类表现均优于LeJEPA。
GPT-6-Astra Understands Touch and Outperform Vision--Tactile--Language--Action Models
说明GPT-6-Astra 能理解触觉，并超越视觉-触觉-语言-动作模型
简介本文研究通用多模态模型能否理解接触物理并用于指导机器人动作，以接触密集的操作任务为测试平台。作者提出 GPT-as-Tactile-Policy：将专家示范总结为任务指导和触觉参考，结合多模态观察与交互历史生成控制指令，无需额外的机器人预训练或逐任务微调。原文报告在五个 UniVTAC 任务上平均成功率为 93.8%，整体与最先进策略相当，部分任务更优；在插孔任务中，触觉反馈使成功率从 31% 提升至 99%。
A Bochner Weitzenböck Decomposition for Cellular Sheaf Laplacians, Curvature and Neural Sheaf Diffusion
说明用于细胞层Laplace算子的Bochner-Weitzenböck分解、曲率与神经层扩散
简介本文把Bochner-Weitzenböck分解推广到细胞层（cellular sheaf）的Laplace算子上，将其拆为半正定的Bochner层Laplace项与块对角的Forman曲率项。作者给出了核的holonomy刻画、相关Cheeger不等式，并证明了非负曲率下第一上同调的离散Bochner定理。论文还将该框架应用于层神经网络，据此给出节点级的信念分数与局部描述量。
★★★★★ 值得关注
Toolflation: Seller Agents Distort Tool Markets Through Spontaneous Generative Engine Optimization
说明工具通胀：卖家智能体通过自发的生成式引擎优化扭曲工具市场
简介论文研究智能体卖家为争取被选中而夸大工具描述的现象，称为“工具通胀”。在亚马逊和Instagram真实数据构建的工具市场中，五种模型都会不断扩大宣称字段，有的宣称远超实际能力。这导致买方智能体选择偏移，部分模型下任务成功率大幅下降，作者据此主张应在部署卖家智能体前进行测试。
看点提出卖家智能体自发进行生成式引擎优化并导致市场失真的新现象，通过多模型、两个平台的真实工具数据实验验证，影响自主智能体经济的安全对齐。