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AtomicRL：面向长时程机器人操作的原子强化学习
简介该论文提出AtomicRL，一个利用原子任务结构对视觉-语言-动作（VLA）模型进行强化学习后训练的框架，以改善长时程机器人操作中的信用分配与探索。框架包含语义感知策略优化（SAPO）和瓶颈自适应目标探索（BATE），并设计了从仿真到真实的Real2Sim2Real流程。实验显示，在LIBERO-LONG上相比PPO绝对提升3.6%至4.0%，在CALVIN ABC-D上全任务性能最高提升9.5%，结合真实机器人流程后真实任务平均提升21.3%。
说明ProactEgoMem：流式第一人称视频中主动记忆的基准测试
简介该论文提出 ProactEgoMem 基准，用于评估可穿戴助手在第一人称流式视频中主动获取和维护记忆的能力。基准包含信息捕获、状态跟踪和位置跟踪三项任务，并设通知和干预两个主动程度层级。实验显示，即便是最强的模型，也难以做到及时且准确地记录记忆。
说明GANet：面向嵌入式系统的轻量级植物病害识别群注意力网络
简介本文提出一种轻量级群等变注意力网络 GANet，用于识别和监测 38 类植物病害。模型仅含 0.001M 参数，在 PlantVillage 数据集上准确率达 99.99%。该模型还可部署于树莓派 4B 和 Jetson Nano 等边缘设备，分别达到 5 FPS 和 11 FPS。
说明Orbitol：在Wyckoff轨道上生成晶体结构
简介该论文提出Orbitol，一种基于Crystalite扩散Transformer的晶体生成模型，用Wyckoff轨道替代原子标记，可指定空间群后生成满足该对称性的晶体结构。论文报告其生成速度比对称感知基线快两到三个数量级，并在MP-20上取得13.8%的稳定或亚稳、唯一且新颖并保留所指定空间群的结果，高于次优模型SGFM的10.8%。作者还将其用于压电晶体类别的候选材料生成，经密度泛函理论检验的通过率为89%。
说明LLM分类器电路：用自适应查询序列在成本与准确率之间取得更优平衡
简介该论文把大语言模型分类器视为带噪声的测量工具，研究如何组合多个模型的预测以提升可靠性。作者提出“电路”，将分类器组织为自适应的查询与决策序列，并刻画在给定平均查询成本下的最优电路与可达准确率的理论极限。在涵盖安全、健康、政治学、人类偏好、智能体评估、决策与推理等七项分类任务的实验中，该方法优于路由和级联基线。
说明从分类头到编码器原型：基于分类头聚类的个性化联邦学习
简介本文提出HDC-FL方法，利用客户端各自的分类头来决定哪些客户端共享表示。服务器将分类头投影到低秩空间并分组，为每组生成编码器原型，再把原型的软混合返回给各客户端，同时保留其自身的分类头。在11组CIFAR-10和CIFAR-100实验中，该方法在平均准确率上与强基线相当，最差客户端和后20%客户端的宏平均准确率数值最高；受控实验还显示分类头相似性与编码器兼容性存在正相关。
说明并行AI智能体协作：基于图结构的分布式块优化
简介论文把多个AI智能体同时修改同一方案时的协调问题建模为带依赖图的离散块优化。通过独立集筛选互不冲突的修改，并证明基于最优分数着色的合并方法能保留总改进量的 1/χ_f(G)，该保证对此类合并方式是紧的。实验涵盖代码修复、三个公开路网图割优化以及路线搜索任务，其中路线搜索的中位墙钟时间约减少15%。
看点将多智能体协作建模为带依赖图的分块优化并证明1/χf(G)保留比例的紧界，理论新颖；实验覆盖代码修复、道路网络与路径搜索，证据较充分。
说明图表作为认知行动：经验驱动的智能体数据分析
简介论文研究数据智能体能否把图表当作推理过程中的内部认知行动。作者构建了包含200个受控任务的测试集，发现智能体能读懂图表却不一定主动使用；图表在时序、模式和异常推理上更有优势，文字在精确读数和条件验证上更好。作者还提出从轨迹中提炼经验的方法，在三个保留基准和四种大模型上提升了分析准确率和视觉证据质量，且无需修改模型参数。
看点提出把图表作为数据智能体推理中的认知行动，并通过经验蒸馏与验证门控教会使用；在三个保留基准和四种骨干上验证，证据较充分。
说明《Loopholing All the Way》：仅靠自我条件的语言建模
简介该论文提出 LAW（Loopholing All the Way）方法，将去噪器预测下的期望嵌入在各步之间传递，只在最后解码一次token，使连续生成模型完全基于自我条件（Self-Conditioning）。在 Sudoku、Maze、GSM8K 等任务上，LAW 的表现优于此前的离散与连续扩散模型，并在 OpenWebText 上接近自回归模型。
看点提出仅依赖自条件的连续扩散语言模型，在数独、迷宫、GSM8K等多个基准上有明显提升，新意中等偏上。
说明GoiBERT：通过两阶段知识蒸馏得到的紧凑越南语语言模型
简介该论文提出 GoiBERT，一组参数量分别为 2600 万和 4900 万的紧凑越南语编码器，可直接处理原始文本，无需外部分词。模型通过两位教师依次指导训练：先由同分词器的越南语编码器学习通用表示，再由规模更大的教师通过软标签提供任务层面的指导。在涵盖文本分类、方面级情感分析、自然语言推理和命名实体识别的八个基准上，GoiBERT-large 取得非教师模型中最高的平均分。
说明循环均匀扩散语言模型：通过反复计算提升均匀扩散语言模型的训练效率与生成效果
简介该论文研究在均匀扩散语言模型（UDLM）中引入选择性循环，即在每个去噪步骤中反复应用少数早期Transformer层，同时保持训练目标与采样器不变。结果显示，循环后的模型在OpenWebText和FineWeb-Edu上达到相同验证损失所需训练FLOPs分别减少至多2.8倍和3.3倍。在相同NFE预算下，生成困惑度最多降低9.8%；采样较小循环次数更频繁还能减少推理时12%的循环数且不损失准确率。
说明从推理到行动：在 LIBERO-10 机器人操作任务上评测前沿 AI 模型
简介本文提出一个统一的闭环操作框架，用于在 LIBERO-10 基准上评测前沿 AI 模型对机器人的操控能力。模型通过视觉观测、机器人本体感知和结构化工具调用控制机器人，主要指定末端执行器目标位姿与夹爪指令，无需任务专门微调。六个模型在三种推理强度下共进行 1,800 个评测回合，最高成功率为 44%，结果显示推理强度通常有助于提升表现，但精确空间排布和复杂多步操作仍较困难。
说明提示词风格如何影响 AI 在竞赛编程中的准确率与速度
简介本文以 GPT-5.5 为对象，比较九种提示词风格在国际信息学奥林匹克（IOI）三个准确率任务和两个 NP 难问题速度任务上的表现。研究发现没有一种提示词在所有任务中都最好，最优者取决于任务类型以及用均值还是中位数汇总结果。部分差异主要来自少数异常结果，并将AI表现与人类IOI选手作了描述性对比。
说明SWE-DIVE：基于动态用户模拟的多轮编程智能体评测框架
简介论文提出 SWE-DIVE，用于评测编程智能体（coding agent）在多轮交互中的表现。框架包含可模拟不同行为模式的用户模拟器、评估用户模拟器输出是否满足初始需求的对话验证器，并整合在 Harbor 环境中执行测试。作者在 GitHub 公开了结果与源代码。
说明哪些差异重要？决策模型中规则迁移、联合可靠性与信息使用的受控测试
简介论文通过可执行的算术规则，研究决策模型在规则与状态输入变化下的表现，区分规则迁移与联合正确率。实验比较等价措辞、边缘保持的重组以及改动表格数值后的答案目标。结果显示，迁移收益随最近来源的答案一致性而增加，等价改写会对任务产生相反影响，决策服务更倾向于跟随表格数值或映射所隐含的答案目标。
说明SP-HLM：面向人形机器人移动操作的稀疏姿态驱动运动生成与全身控制
简介该论文提出SP-HLM框架，用五个关键身体姿态加学习到的潜在运动先验作为高层策略与全身控制之间的接口，分别表达空间意图和全身协调。系统包括预测稀疏姿态与手指关节的视觉-语言-动作模型SP-VLA、通过两阶段蒸馏训练、实时重建全身运动的SP-MGM，以及融合显式目标与隐式运动先验的全身运动跟踪器SP-GMT。论文称，仿真与真实人形机器人实验均显示其在运动跟踪、全身协调和移动操作成功率上优于现有方法。
说明HGM-Dual：面向长程规划智能体的谱系感知引导式 harness 优化框架
简介本文针对规划类智能体提出 HGM-Dual，用于在有限评测预算下优化智能体的提示、工具和工作流（harness）。该方法记录每个祖先版本的改动、性能提升或退化情况，并为每个父代生成通用子代与针对主要约束违规的专项子代。论文报告其在案例准确率上相对最强基线最高提升14.45%，且以2至4倍更少的评测预算达到HGM各变体的最终性能。
说明工具使用智能体中基于行为定位的稳健软技能适应
简介论文提出行为定位方法，比较冻结智能体有无文本技能时的输出差异，找出技能影响最集中的轨迹位置，并只用这些位置训练一个简短的软提示，以替代冗长的文本技能描述。在 SpreadsheetBench 上，使用冻结的 Qwen3.6-35B-A3B 智能体进行实验：仅用前 10% 的位置即可捕获 96.12% 的正向技能增益；在共享提示设置下，选择性监督将成功率从使用完整轨迹时的 30.36% 提升至 36.79%；在任务特定条件下，使用前 10% 定位位置达到 57.38%，优于完整文本技能和 OPCD 基线。
说明Attn-Forcing：学习全上下文注意力代理用于流式视频生成
简介该论文针对流式视频生成中注意力上下文过长导致内存和计算成本过高的问题，提出Attn-Forcing框架。方法通过可学习的视觉潜变量作为注意力代理来近似历史上下文的注意力响应，并用Proxy Update Module融合历史潜变量的视觉信息，同时设计Attention Matching Loss以全上下文注意力进行监督。作者称其在有限内存与计算下提升了生成质量，并优于现有基线方法。
说明看似合理却无法植入：颅骨缺损重建形状补全基础模型的可信度审计
简介该论文审计了三个公开发布的预训练形状补全模型（其中两个为基础模型），在239例颅骨缺损上零样本测试，包括从公开颅骨数据集中挖取的缺损和真实颅骨切除术后病例。结果显示，这些模型的输出均无法在不与患者剩余骨骼相交的前提下放置植入物，因此作者认为，按发布原样使用这些模型在临床实践中不可用，可信的形状补全基础模型仍需大量研究。
说明作者写了什么，智能体读到什么：企业文档摄取中的无声提示丢失
简介该论文指出，主流文档转换工具在将Word或PDF转为文本时会丢失作者通过颜色、高亮等格式传达的重点提示，导致智能体自信地给出错误结论。作者基于76份真实政策文件构建测试，结果显示未保留格式时性能大幅下降，颜色和高亮是主要丢失来源。论文认为，提升智能体可靠性的关键在于文档摄取环节，而非推理环节。
说明RealMe：用少量拍摄素材生成沉浸式体积视频
简介该论文提出 RealMe 框架，面向稀疏、低分辨率的拍摄素材，用高分辨率视频扩散模型把有限素材增强为 2K、4D 一致的视频，以用于体积视频重建。方法包括分解的时空注意力、布局感知位置编码，以及在潜空间中施加的频域损失。作者在公开的 DNA-Rendering 基准和自建的 RealVV 数据集上实验，结果显示其视觉保真度和 4D 一致性优于现有方法。
说明平稳性约束同时改善机器学习交换关联泛函的能量与电子密度
简介经验交换关联泛函通常在固定轨道上拟合，却用于自洽计算，因此能量更好时电子密度可能变差。论文提出用训练后泛函在准确密度对应的Kohn-Sham轨道上的Brillouin残差作为惩罚项，训练时无需求解自洽场。以6个能量和11个CCSD电子密度训练的神经网络meta-GGA，在未见分子的原子化能与电子密度上均优于SCAN。
说明ExGrad：超越抑制——对抗训练中显式扣除干净梯度的方法
简介该论文提出ExGrad方法，用于对抗训练中的参数更新：同时构造干净输入、对抗输入和对抗权重扰动（AWP）三类梯度，并通过虚拟步测量其对对抗间隔的影响，再求解一个三变量仿射域内的系数选择问题。实验在CIFAR-10、CIFAR-100和ImageNet-100上进行，结果显示在中等仿射半径下，相比AWP有稳定提升；在CIFAR-100上，半径0.8时五项指标全部改善。研究认为，扣除干净梯度是一种可由响应揭示的更新偏好，其强度与干净精度和鲁棒性之间的平衡由仿射半径控制。
说明GuideEvolve：借助专家指导与3Ts机制的自我演化智能体框架
简介本文提出GuideEvolve，一种自我演化的智能体框架，结合专家指导和三种自主调节机制（即3Ts：快慢思考、回溯与择机终止）。在MGSM和MMLU基准上的实验显示，其准确率与当前先进模型相当，方差明显降低，演化成功率为100%，所需优化迭代次数约减少一半。
说明Code Comprehensor：面向大型代码库的分层文档与跨模态检索框架
简介论文提出 Code Comprehensor，结合代码依赖调用图、由代码感知大模型生成分层文档的 CodeScribe，以及在其输出上训练的双编码器模型 CodeContrast，用于检索代码上下文并辅助大模型回答问题。在 OpenCV 和一个 500 万行代码的私有仓库上，基于 CodeScribe 的监督提升了文本到代码的检索准确率，并且使用 RAGAS 进行大模型评判时忠实度分数超过 90%。
说明智能体行为图谱：不运行智能体，仅凭其可能行为定位它
简介论文提出“智能体行为图谱”，用大模型智能体在共享参考轨迹上的中心化动作对数似然来表示模型与框架的组合，无需让目标智能体在环境中重新运行。作者给出了将坐标距离与轨迹KL散度关联的误差界，并在八个交叉评分模型上验证了两者的排序基本一致。在100个大模型和四个环境的实验中，基于ALFWorld的坐标可用于性能预测并识别行为相似性。
说明ClunoGS：通过统一优化实现紧凑的语言三维高斯泼溅
简介该论文提出ClunoGS框架，用于压缩带语言特征的三维高斯泼溅模型，以支持开放词汇的场景理解。方法在统一约束目标中同时结合语义感知的高斯稀疏化与向量量化，并在LERF和ScanNet-10基准上评估开放词汇定位与分割。论文称，在高压缩率下，该方法比顺序压缩与忽略语义的稀疏化更好地保留了语义表示，消融实验也显示联合协调两者优于独立应用。
说明通过“梦境学习”缓解模型崩溃
简介本文研究在合成数据上训练生成模型时出现的多样性丧失与性能下降（模型崩溃）现象，以马尔可夫链的转移算子特征值谱为分析工具。作者发现低温采样会使特征值趋近单位圆、谱隙变窄，导致链混合变慢。论文提出“梦境学习”正则化方法，在模型以高温采样生成的自身样本上增加损失项，并在5000代的实验中观察到缓解效果，该效果在LSTM语言模型和1.24亿参数的GPT-2中同样存在。
说明用神经元胞自动机细化遥感地表覆盖分割的多类边界
简介遥感影像语义分割得到的类别边界常偏离真实位置几个像素，这种误差集中在边界交并比（BIoU）度量的窄带内。论文提出边界细化神经元胞自动机（BRNCA），以冻结的预训练分割器输出的类别概率为起点，逐像素迭代修正。平均BIoU由46.63提升至48.99，提升主要出现在不规则林地类别上，作者认为位置误差可能与类别边界的分形维数相关。
说明用稀疏自编码器构建可审计的AI文本检测器
简介该论文提出一种方法，将微调的神经网络AI文本检测器转换为基于人类可读概念的分类器。方法是在检测器的残差流上训练稀疏自编码器（SAE），为每个特征生成解释性标签，并只保留通过全局保真度阈值的可解释特征，再在这些特征上训练轻量分类器。作者称，所得分类器可解释性强，且在分布外文本上的表现优于神经网络和文体特征方法。
说明每条告警都有原因：带精确根因标注的电信告警风暴开源生成器
简介本文提出一个电信告警风暴生成器，基于真实骨干网拓扑运行，并为每条告警记录精确的根因与传播路径。生成字段绑定到 NORIA-O、RFC 8632、RFC 8345 与 TMF642 中的术语。实验显示，“选取最早出现严重告警的设备”这一简单规则在多数设置下优于作者的时序方法和部分大语言模型；当站点断电时，只能沿拓扑追溯到静默候选设备的方法才能有效定位。
说明信息系统的智能体架构：AAM/5C 模型，一套分布式自主的参考模型
简介本文针对大型组织中数百个相互作用组件带来的认知复杂性问题，提出 AAM/5C 模型，用五项能力跨越七个逻辑层。核心是单一授权规则 R-AUT，将提议、决策与执行分离，并配套签名证明与短期令牌等机制。文中未报告任何实证结果，并称其中两项分析性陈述在保证契约下成立，其余假设可被证伪，验证方案尚待执行。
说明EPIC：通过精确 KL 前缀重要性比率裁剪重新思考自回归大模型策略的信任区域
简介本文针对用强化学习提升大语言模型推理能力时常用的 PPO 式裁剪方法，指出标准的逐词裁剪只看当前词的条件概率，忽略了前缀本身也由策略生成，在长回答和离策略训练中尤其成问题。作者将自回归生成建模为有限时域马尔可夫决策过程，据此构建前缀级信任区域，提出 EPIC 方法直接约束前缀级的策略漂移。实验显示，在稀疏混合专家语言模型的离策略强化学习中，EPIC 在数学推理基准上优于标准及序列级裁剪基线。
说明DONIC：基于人类示范的通用型灵巧双手跟踪控制
简介该论文提出DONIC，一个跨操作类别和人体动作来源联合训练的通用双手灵巧跟踪模型，并构建了包含1575条序列、229个物体的多视角数据集BiHOI，将重建的双手交互重定向为机器人参考动作。模型结合近端策略优化与行为克隆，并采用以物体为中心的逐手奖励和Clip-Centered Advantages方法。未经微调，单一模型在训练物体的未见轨迹上成功率为86.79%，在保留物体上为57.32%，分别超过现有双手跟踪基线77.36和45.73个百分点。
说明HiddenLens：用于检测与解决软件需求中隐藏假设的多层大语言模型框架
简介该论文指出，自然语言软件需求常省略关于性能、运行条件、用户行为和领域约束的假设，若在实现后才发现，修复成本更高。作者提出六层的BERT-LLM流水线HiddenLens，用于检测、分类、质疑并解决隐藏假设，并构建了包含312条需求、847个隐藏假设的标注数据集HLC。实验报告其端到端F1为0.79，优于关键词与QuARS改进基线，其NFR分类器F1为0.847。
说明随变化而记忆：保留溯源关系的超图记忆用于多模态智能体
简介本文提出MHG-Mem，一种多模态超图记忆结构，用于让多模态智能体长期记忆。它把实体身份、状态演变及其对视觉证据的溯源关系组织在一起，并配合基于超图的智能体检索方法。论文称在三个基准测试上，该方法相比最强基线提升了8.20%至9.98%。
说明SCDM：用元学习在非线性时序系统中实现可扩展的因果发现
简介该论文针对高维非线性多变量时间序列的因果发现问题，提出 SCDM 框架。它把每个目标变量视为一个任务，学习共享的时序预测器和共享的因果强度矩阵，每轮只更新部分任务，从而在不逐个优化目标变量的情况下汇总全系统的结构信息。实验在受控合成数据、神经影像启发数据、高维及真实时序基准上显示其因果恢复效果具有竞争力，并在大规模时序系统中扩展性更好。
说明展望未来：在自回归视频生成中建模未来演化
简介论文指出，自回归视频扩散模型逐块生成视频时，即使续写看似合理，也未必真正掌握场景的演化过程。作者提出未来块预测（FCP）辅助目标，与教师强制去噪联合优化，让模型预测间隔较远的未来视频块，且不提供中间的视觉上下文。该方法无需额外预训练视觉编码器，推理方式不变，在物理合理性上优于标准教师强制训练，且总训练计算量更低。
说明TIDE：基于模型行为的树状细粒度诊断评估方法
简介该论文提出 TIDE（树状诱导诊断评估），用来替代只给出单一总分的大模型基准评估。它依据基准样本和模型得分，递归构建层级能力树，每个节点由 LLM 评审提出划分方式，并用基于行为的信息增益选择。论文在五个模型、四个基准上应用该方法，发现总分中看不到的能力差异，例如某模型在微观经济市场推理上得分更高，而在合同法推理上落后。
说明非平稳多臂老虎机中当前效应推断的代价
简介自适应实验用老虎机算法偏向期望奖励更高的干预，但决策者还需要可靠地推断当前的处理效应，即干预与对照臂在当前时刻的平均奖励之差。论文刻画了这两个目标之间的权衡，给出了动态遗憾的极小极大界，并提出了TRACE算法。
看点刻画了非平稳多臂老虎机中奖励最大化与当前效应推断的遗憾-精度权衡，给出匹配的极小化极大界，理论贡献较突出。
说明重建并不足够：用于反事实与干预式中介分析的双重稳健方法（基于学习到的多模态表示）
简介论文研究如何用从高维多模态健康记录中学到的表示来调整混杂因素，估计不同治疗下的反事实结局和干预式直接、间接效应。作者证明，仅靠协变量的训练目标（如重建、对比或物理约束）无法保证表示足以支持因果识别，并指出即使重建误差很小，偏差也可能很大。文中提出了一套包括交叉拟合双重稳健估计器和诊断工具的分析流程，模拟实验显示忽略一个罕见但中等强度的混杂因素会使间接效应区间覆盖率仅为2%（n=3,000）。
看点证明了重构式表示无法保证因果识别充分性，并给出线性模型中的反例与误差分解，理论贡献较新；模拟实验支持结论但规模有限。
说明FaultGene：用大语言模型辅助生成故障增强测试，用于自动驾驶系统的硬件在环验证
简介论文提出 FaultGene 框架，利用大语言模型自动生成可执行的故障增强测试用例，用于自动驾驶系统的硬件在环（HIL）故障容错验证。该方法以 Scenic/CARLA 基线场景和结构化故障规格为输入，通过语义一致性检查和执行反馈进行离线修正，并用于微调生成器，部署时可直接生成测试。
说明CulturalRiddles：多文化谜语基准测试
简介这是一个由人类社区共同创作的多文化谜语基准，涵盖62种文化（45个国家、51种语言）。谜语扎根于各自文化，需要溯因推理、组合推理以及事实、社会与语言知识。作者用自动评估和大规模人工评估测试了28种大语言模型配置，即便是前沿模型在部分社区的准确率也最高仅为22%。所有资源已公开，并开放贡献流程以扩充语言和文化覆盖范围。
看点提出由人类社区原创的62种文化谜语基准，结合抽象与组合推理，评测28种LLM配置，并以大规模人工评估支撑结论。
说明CORD：面向智能体中强化学习与蒸馏联合训练的冲突感知优化方法
简介该论文针对智能体训练中同时使用任务奖励的强化学习和教师引导的自蒸馏时，两者梯度可能部分相互抵消的问题，提出通用框架CORD，在每个优化器小批次中对两个目标的梯度进行冲突感知的合并。作者给出最近点公式下的闭式更新，并分析其对受保护目标的一阶效应。在三种联合训练方案上，CORD使ALFWorld成功率提升1.5至15.9个百分点；在WebShop的三组中有两组有所提升，其中SDAR从60.7%升至64.6%。
说明承诺还是弃权？System One 决策模型、大语言模型与缺失的法律依据
简介该论文研究用于核验法律依据的 System One 决策模型，这类模型不生成文本，而是为每个选项输出校准后的概率。作者在 CaseHOLD 上加入弃权条件，即在 5,314 条中有 1,670 条把正确判决替换掉，并比较四种决策模型与六种生成式大语言模型。结果显示，当没有正确选项时，生成式大语言模型仍会选出一个答案，而最保守的决策模型只有 30% 的情况这样做。论文认为，法律 AI 应以错误引用而不只是准确率来评估。
说明模型拟合的掌握：可解释机器学习中 InterModel Vigorish 的应用
简介该论文将 InterModel Vigorish（IMV）引入机器学习领域，以相对参考模型的预期投注优势来衡量拟合度差异。文中提出 SHAP-IMV（按特征归因）、Multi-IMV（多类别判别评估）和 Ablate-IMV（通过消融评估组件与特征组）三种应用，并在表格、图像、传感器序列和图数据上跨十个随机种子进行评估。研究发现不同估计器的特征排序存在差异，并提供了开源库 imvpy。
说明无需训练的盲压缩图像复原加速：基于激活校准奇异值分解的方法
简介本文研究在未知压缩条件下的盲压缩图像复原（CIR）模型的免训练加速方法。作者分析了算子层面的计算分布和压缩图像的通道激活特征，提出激活校准奇异值分解（ASVD），仅用预训练权重和少量压缩标定图像的激活统计量离线得到低秩分解。在 PromptCIR（秩 64）上，ASVD 在四个标准基准上的 PSNR-B 优于截断 SVD，同时参数减少 59%、计算量减少 16.1%。
说明高斯 Mumford-Shah 模型极小值的存在性：基于取值分布的协方差下界
简介论文研究用于图像分割的高斯 Mumford-Shah 模型，该模型最小化多元高斯负对数似然项加周长惩罚，适用于标量与向量图像，尤其是高光谱图像。作者指出，若某个区域的协方差退化，能量可以无界，与区域周长无关。若所有区域的协方差具有定量下界，则能量有下界且极小值存在；这一条件可由图像直方图的性质保证，并且在适当噪声下几乎必然成立。
说明英语—米佐语法律机器翻译：语料库建设、分析与基准测试
简介印度法院诉讼以英语进行，使用米佐语的人难以读懂。该研究构建了首个印度法院判决的英语—米佐语平行语料，包含13,168个句对，由专业译员翻译、人工对齐并经两名独立审校。研究还分析了英语借词的使用方式，并在NLLB 200 1.3B模型上微调后，在1,000句的法律测试集上取得27.47 BLEU，比基础模型提高7.16，但模型使用英语词的频率仍约为人工译者的三倍。
说明DewHand：从第一人称视频直接重建公制世界坐标系下的手部运动
简介该论文提出 DewHand，一个统一模型，可从第一人称视频中直接联合重建世界坐标系下的手部与相机运动，避免多阶段估计的误差累积。模型结合 VGGT-Ω 的场景几何特征与公制空间监督以解决尺度歧义，并将重建建模为基于流匹配的条件运动生成。在 HOT3D、ARCTIC 及零样本数据集上，其世界坐标误差均优于现有方法。
说明ToM2Vec：面向多智能体协作的连续心智理论标记
简介该论文提出ToM2Vec，通过固定数量的连续推理标记，在潜在空间中学习对合作伙伴心理状态的抽象建模，即心智理论（ToM）。训练时，这些标记以伙伴的真实思考为监督进行学习；测试时，每个智能体生成自身的ToM标记，用于调节其思考与行动。在协作、竞争及混合动机等多种环境中，该方法相较基础模型和多种基线均有稳定提升，并能推广到训练时未见过的伙伴模型，包括GPT-5.4。
说明图拓扑与能量驱动路径搜索：在检索增强生成中保持上下文一致性
简介本文针对检索增强生成中知识图谱结构化造成的语义损失与模态不匹配问题，提出 ThreadRAG 框架。该框架通过语义拓扑映射器保留上下文完整的语义节点并构建语义拓扑图，再用能量驱动路径搜索提取查询相关子图并线性化为文本证据路径。在三个多跳问答基准上，论文报告其优于基线方法，并给出在 HotpotQA 上 EM 提升 14.4%、在 2WikiMultihop 上超过最佳基线 5.8% EM、词元成本降至最强基线 23.3% 的结果。
说明FrontierCS 2：计算机科学研发基准测试
简介该论文提出 FrontierCS 2，一个包含 48 个开放式任务的基准，用于考察大语言模型智能体能否为前沿计算机科学研发作出贡献。任务从论文作者公开的代码中删去论文贡献部分，删去的代码作为人类参考标准。最佳智能体 Claude Opus 5.5 通过了 58% 的运行，有 16 个任务没有任何运行通过。
看点将论文代码删去其贡献作为任务，让智能体在真实研究环境中迭代提交补丁并以私有留出测试评估，设计新颖；12个智能体、48任务的评测较扎实，对评估前沿研发能力有参考价值。
说明你的基准测试是一种关于难度的经验测度
简介该论文提出，基准测试题集会自然形成一个关于题目难度的经验测度，并据此分析基准评估。作者指出两类问题：难度分布与预期不符，以及难度轴上存在覆盖空白。论文提出两项诊断指标，并分析了7个领域的25个常用基准，结果显示许多基准对某些难度区间权重过高，部分则存在较大覆盖空白。此外，论文还提出了BenchFill算法，通过针对难度重写题目来减少局部覆盖空白。
说明面向WMT 2026 MIST开放式问答的保任务多语言指令微调
简介本文介绍作者提交给WMT 2026多语言指令共享任务的系统。作者使用LoRA对Qwen3-8B进行微调，数据包括主办方提供的数据、经任务保持式本地化构建的多语言指令数据集EuroAlpaca，以及为指令、上下文和回答分配不同源语言与目标语言的跨语言增强数据CrossEuroAlpaca。在目标语言的开放式问答上，微调后的模型相比基础模型在Gemma-4评分上提升7.8%。不过，这些提升具有任务和语言特异性：在目标语言中，开放式问答和摘要得分提高，但基于上下文的问答得分下降；在非目标语言中，三项任务得分均下降。
说明在通用大语言模型时代，情境化隐私被忽视了
简介这篇论文指出，随着通用大语言模型覆盖的场景越来越多，用一套统一框架解决隐私问题的做法有误导性，还可能让人产生虚假的安全感。作者认为，隐私本质上依赖具体情境，因此应转向针对具体应用部署模型、按情境评估隐私框架，并提升公众的隐私素养。
说明价值观训练对大语言模型的意外副作用
简介论文指出，随着大语言模型被用于价值敏感场景，让模型对齐人类价值观成为后训练目标，但现有评估范围较窄。作者对四个指令微调模型分别针对霍夫斯泰德文化价值维度进行训练，并评估其跨价值迁移及更广泛的行为表现。结果显示，针对特定价值的训练会对未训练的价值、风险偏好、社会认知和安全特性产生意外副作用，因此作者建议后训练后的价值对齐应纳入更广泛的行为评估。
说明防止上下文线性优化中的模型提取
简介该论文研究预测后优化系统在被攻击者通过上下文查询提取预测模型时的防护问题。作者给出线性模型下攻击者仅观察决策即可学到模型（至多相差正缩放）的充分条件，并提出仅在预测成本靠近决策边界时扰动决策的防御机制。论文给出了与扰动半径相关的遗憾界，并在合成与真实数据上验证了安全与性能之间的权衡。
说明CausalAlign：用于一致相机自运动的视频生成模型因果对齐
说明询问多模态大模型是否有人跌倒：低分辨率热成像视频的零样本筛查（实验室与有人居住的家庭）
简介本文使用多模态大模型Gemini 3.8 Flash（温度设为0）作为事件触发式跌倒筛查的判断环节，对低分辨率热成像短视频进行零样本判断，并与前代模型Gemini 3.7 Flash对比。在公开数据集的438个模拟跌倒片段和563个非跌倒片段上，部署的请求识别出约69%的留出受试者跌倒，并未误判499个非跌倒窗口。在一个有人居住的房间中，模型对395个日常片段均未判定为跌倒，并捕获了9次可见模拟跌倒中的4次。
说明基于柯尔莫哥洛夫-阿诺德网络的可解析推断方法（TOUCKANs）
简介本文提出TOUCKANs，一种在柯尔莫哥洛夫-阿诺德网络（KAN）中使用有限次多项式外层函数的结构，使期望、方差等统计量可通过确定性递推精确计算，而无需蒙特卡罗采样。方法还可在训练中施加守恒积分和归一化约束。实验涵盖至50维的基准问题，并在Cahn-Hilliard方程的质量守恒及薛定谔方程前四个本征对的计算中进行了验证。
看点将KAN与可处理概率电路结合，使期望、方差和积分约束可确定性计算；实验覆盖至50维并与蒙特卡洛对比，证据较充分。
说明用于检测讽刺性语码混合句子的大型语言模型基准测试
简介该研究针对罗马尼亚语这类资源较少语言中的语码混合现象，探讨其对讽刺检测任务的影响。作者用四种方法生成掺有英语、德语、法语和意大利语的罗马尼亚语合成句子，构建了超过 60 万条样本的 CS-SeLeRoSa 数据集，并在此基础上评估多款多语言大模型。结果显示，微调可明显提升 Gemma 4 31B 的表现，在合成数据集上达到 77.5%，在人工标注的金标准集上达到 72.6%。
说明AI 心灵共鸣：一种潜在互连协议（LIP）
简介论文提出让大语言模型直接接收专家模型的内部表示，而非依赖文本、图像等中间形式。作者训练“连接器”将蛋白质与小分子专家模型的表示映射进 LLM 内部状态，并冻结全部预训练模型。实验在 Gemma 3 与 Kimi K2.6 上进行，结果显示连接器可在不改动 LLM 的情况下提供有用信息，并能零样本迁移到跨领域任务，LLM 能力越强效果通常越好。
看点提出用可训练连接器将专家表征直接映射进LLM内部状态，并实现冻结模型下的组合与零样本跨域迁移，证据为多模型实验但规模与对比有限。
说明ViBMR：面向越南语放射报告生成的大规模多序列脑部MRI数据集与综合评测
简介论文提出ViBMR数据集，据作者所知是首个配有越南语常规临床报告的大规模多序列脑部MRI数据集，包含3,649名患者和11,875个MRI序列（T1、T2、FLAIR及增强T1）。作者基于该数据集建立了脑部MRI报告生成的综合评测，涵盖代表性医学视觉-语言模型、多序列输入和特征聚合策略。结果表明，原生低资源临床数据集对可靠的越南语脑部MRI报告生成十分必要。数据集和基线模型将以非商业研究用途发布。
说明一个尖锐的动态 Haussler 引理
简介该论文把经典的 Haussler 覆盖引理推广到动态（序列）设定：对有界实值函数类，在归一化 ℓp 距离下（1≤p<∞）给出尖锐的全局动态覆盖上界 (C/ε^p)^d，其中 d 为 sfat 维数。下界在二值类上也成立，且常数与 p 无关。
看点证明了有界实值类在归一化lp距离下的尖锐全局动态覆盖界，改进了已知的对数开销并解决多个公开问题，证明完整。
说明学习者语法错误如何影响大语言模型中的社会偏见
简介该研究指出，现有社会偏见基准多基于流畅、规范的英语，未能覆盖非母语写作者。作者构建了可控框架，向提示中注入常见的学习者语法错误，并在涵盖性别、种族和宗教的三个偏见基准上进行测试。结果显示，语法错误会增加偏见，且影响随错误率上升而加大；其中介词错误导致刻板印象对齐增幅最大、最稳定。研究还发现，在含错误文本上微调可减轻由语法错误带来的偏见增加。
说明利用机器学习与大语言模型自动提取材料数据与知识的综述
简介本文是一篇综述，回顾了从文献中自动提取材料数据与知识的方法演变，从基于规则的流程、自然语言处理模型，到基于Transformer的编码器，再到大语言模型与智能体系统。文章讨论了由此构建的材料数据库、知识图谱及其在问答、研究助手和闭环实验中的应用，并评估了相关数据集的提取准确性与计算成本。作者还指出了样本层面完整的结构-性能-工艺关系提取、可靠基准数据集稀缺以及非标准术语统一等开放挑战。
说明用于医学视觉-语言学习的可扩展模态专家模型
简介该论文提出一种医学视觉-语言学习方法，核心是可扩展的模态专家组：利用多路径Transformer和模态感知视觉分词器，先用1940万张无配对医学图像进行掩码预训练，再用323万对图像-文本做对比对齐。加入眼底和OCT专家后，原有图像与文本路径保持冻结，以保护既有表示。作者报告在9种模态的25项基准中，有24项取得最优或并列最优结果，并在三次种子的顺序实验中显示检索性能提升，同时未观察到对先前任务的明显性能损失。
说明随机非线性激活改进不确定性估计：一种用于视觉识别的轻量方法
简介该论文提出在前向传播时让网络单元在多个非线性激活函数之间随机切换，从而产生预测多样性，同时保持中间特征通路活跃。这使得单个训练好的模型即可估计不确定性，无需集成训练或额外的不确定性模块。作者在分类、语义分割和分布外检测任务上，使用卷积网络和 Transformer 进行了评估，结果显示该方法在保持主任务性能的同时提升了不确定性估计质量。
说明PAUSE：在编码智能体第一次修改源代码之前进行免搜索的引导
简介该论文提出 PAUSE 框架，在编码智能体（coding agent）第一次请求修改源代码时拦截该操作，由独立的 Planner 阅读任务和修改前的记录后写出一份修复计划，再让原智能体带着该计划继续执行。方法无需学习型监控器、无需检查点搜索，也不需要额外的模型调用。在 SWE-bench Verified 和 SWE-bench Multilingual 上的实验显示，在线引导可提升解决率，并且相比规则触发的顾问方法和周期性监督方法，Planner 成本更低。
说明GeoMem-VLA：将三维场景理解内化为时序记忆的视觉-语言-动作模型
简介该论文提出 GeoMem-VLA 框架，用于机器人操作中的视觉-语言-动作（VLA）模型。训练时借助冻结的几何基础模型，通过几何流匹配目标监督可学习的 GeoPlan 标记，使其学习当前场景点云与末端执行器未来轨迹相关的紧凑几何信息，并作为时序记忆保存与更新。推理时无需调用三维教师模型或显式重建场景。文中报告其在 LIBERO 与 RoboTwin 基准及五项真实任务上取得较高成功率。
说明两层线性网络中的静默对齐：高维视角
简介本文研究两层线性网络在输入、隐层和输出维度按比例同时增大的高维情形下的梯度流动力学。作者结合动力学的闭式解与已有随机矩阵理论结果，给出权重矩阵谱分布的渐近极限，并刻画学习子空间的演化。在小初始化极限下，网络奇异方向先在序数时间尺度上对齐，而奇异值与经验损失保持初值，之后才在对数时间尺度上出现可见的学习。
说明DiT 如何去噪？从聚合器与预测器视角看注意力与 MLP
简介这篇论文从“聚合器-预测器”的角度解释扩散 Transformer（DiT）的去噪机制：注意力负责汇集上下文信息，MLP 负责逐块预测。作者在高斯马尔可夫随机场先验下证明，只用部分上下文块即可近似全局贝叶斯去噪器，误差随上下文半径指数衰减。在 CelebA64 的受控实验中，用共享记忆的块预测器替代 MLP 也能取得有竞争力的结果。
说明RangeNav：面向机器人导航、与任务对齐的激光雷达距离图预训练方法
简介该论文提出 RangeNav，一个仅用合成数据预训练的紧凑型激光雷达距离图编码器，参数约 18.3 万。预训练目标结合距离重建、语义分割和鸟瞰图预测，训练后冻结用于强化学习策略。仿真中，加入语义和鸟瞰图监督后成功率分别平均提高 32.03 和 23.73 个百分点；在四足机器人的零样本实机测试中，它能在人群密集、低光和施工区域中稳定导航。
说明每个词性都有其作用：词性对大语言模型后训练的影响
简介本文研究大语言模型训练中的概念增强方法，即用意义相近的词替换句中目标词来扩充训练数据。作者将已有研究从名词扩展到动词和形容词，比较词性对困惑度和下游任务表现的影响。结果显示，动词带来的下游任务收益最稳定，而概念增强在新闻数据上的困惑度改善最一致。
说明基于全硅双曲面超构透镜的宽带中波红外成像
简介该论文提出一种使用单层硅超表面结合计算重建实现3至5微米中波红外全波段成像的方法。研究采用直径2厘米的双曲面超构透镜，无需设计复杂的宽带消色差透镜，仅用四次图像采集即可调整重建模型。作者称该方法为紧凑型中波红外成像系统提供了一条简单途径。
