机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明面向低资源黏着语的大语言模型参数高效适配：巴什基尔语语料、数据集与可复现基准
简介本文针对俄语字母书写、资源稀缺的巴什基尔语，发布了包含71,567篇文档、约4690万词元的网络语料库，以及用于二分类和多分类文本分类的标注数据集，并建立了适配方法基准。实验比较了8种模型（82M至8B参数）在全量微调、QLoRA、上下文学习和持续预训练下的表现。结果显示，在二分类任务上，QLoRA微调的8B模型优于仅编码器模型，多分类上YandexGPT-5-Lite-8B表现较好。
说明用于Monge–Ampère方程的凸平衡势函数：曲率界与后验评估
简介本文研究用平衡神经网络（隐藏状态为压缩映射不动点的网络）求解完全非线性偏微分方程Monge–Ampère方程的问题。作者证明了非负softplus平衡网络的Hessian增长上界为(1-q)^{-2}，并通过单神经元例子说明该指数是最优的，三阶导数的界为(1-q)^{-3}。结合区间算术，文中给出了训练好的网络在残差和解误差上的严格一致界，并在单位圆盘上的两个人工构造Dirichlet问题上对六个模型进行了认证。
说明长文档视觉问答综述：以任务为中心的分类、演进与未来方向
简介本文是一篇以任务为中心的综述，把长文档视觉问答拆分为文档解析、证据组织与检索、生成器组织与学习、评估四个部分，并为每部分建立细粒度分类。文章按时间梳理研究重点，从多模态内容理解逐步转向充分、高保真的证据获取与持续的证据管理，并展望证据充分性、可验证与可修正的理解以及预算感知协调等未来方向。
说明欧盟《人工智能法》合规的AI风险本体：AIRO、VAIR及其与DPV的整合
简介本文提出用于人工智能风险管理与文档记录的本体和分类体系，以配合欧盟《人工智能法》对高风险AI系统的要求。作者开发了AI风险本体（AIRO）用于描述AI用例及相关风险，并以AI风险词汇表（VAIR）为其补充概念分类。两者参照了ISO/IEC 23894和ISO/IEC 22989标准，并已通过共识过程整合进数据隐私词汇表（DPV），使其范围从数据扩展到AI。
说明面向智能体AI的可认证执行框架：基于Petri网的安全且最少干预监督控制
简介本文研究在提示注入下，大语言模型智能体安全调用工具的问题。作者用Petri网把模型与工具之间的执行框架形式化为监督控制问题，并证明在特定假设下该安全性可迁移到运行系统。文中还提出重规划闭环模型，并给出最大许可且最少干预监督器的刻画，最后通过自主发布智能体的综合结果说明，安全部署需要监督器可在部署开始后拒绝某一步骤。
说明RIDAR：自动检测并运行时干预，保障自主科研智能体的研究诚信
简介自主科研智能体可自动化大量科研工作，但可能出现损害研究有效性、可复现性或忠实性的研究诚信违规（RIV）。论文提出RIDAR框架，包括14类RIV的分类体系RIVT、事后检测方法RIDAR-post-hoc，以及运行时动态检测与纠正的RIDAR-runtime。事后检测在60条专家标注轨迹的基准上F1为85.2%，在300条轨迹中检出3,964个RIV实例，覆盖99.7%的轨迹；运行时干预使任务完成时残留的RIV减少36.8%。
说明用概率能量建模统一多任务群体机器人控制
简介该论文提出用概率能量模型统一表示群体机器人的基本交互原则，把不同任务组合成一个无需重新训练的分散式控制器。在空中群体上的实验显示，同一策略可零样本泛化到六类任务、10至100个智能体、两种硬件平台以及室内杂乱环境和无GPS的林地环境，大规模仿真任务成功率为0.96至1.00，单智能体推理延迟为1至10毫秒。
说明CrisiLangs：用于危机预警生成的多语言资源
简介该论文推出 CrisiLangs，是英文数据集 CrisiText 向意大利语、保加利亚语、德语和希腊语的扩展，共包含 1,000 个事件、5,000 个事件-预警消息对。研究用这些数据对多语言模型进行微调，并与零样本基线比较，微调模型在各语言的 ROUGE-L、BLEU 和 BERTScore 上均更优。
说明Muffin：面向异步AI智能体的共享记忆缓冲区
简介该论文提出名为Muffin的异步多智能体协作框架，用共享记忆缓冲区交换中间发现，各智能体的私有推理仍保留在本地。编排器先按推理需求分配查询，较难的查询交由多智能体处理。论文称该框架在20个基准设置中有17个取得最佳准确率，相比多智能体辩论提高19.2个准确率点，同时减少77.4%的token用量，且无需共享完整推理轨迹。
说明用多智能体大模型大规模自动清理功能开关：DoorDash 的工业实践
简介该论文介绍 DoorDash 开发的基于大语言模型的端到端自动化系统，用于清理已全量发布的功能开关及其相关代码。系统可通过 MCP 查询实时发布数据、处理 Jira 工单并自动创建拉取请求。在评估的 50 个陈旧开关中，有 45 个（90%）生成了获工程师认可的删除 PR，平均每次清理成本 4.79 美元、耗时 13.8 分钟。
说明图循环神经网络学习涌现的集体动力学
简介该论文提出一种图循环神经网络框架，直接从轨迹数据中学习相关电子系统中的涌现集体动力学，而无需预先设定微观运动方程。该框架把门控循环记忆与图消息传递结合起来，隐藏状态记录瞬时观测量之外的信息，并通过空间耦合在格点间传播。作者在半经典Holstein模型的电荷密度波有序演化中验证了该方法，能够再现时间与空间关联以及畴粗化过程中的动力学标度。
说明ValuSpec：在目标模型验证前对树状投机解码的候选分支进行价值评估（即插即用）
简介该论文针对树状投机解码中检索复用历史草稿后产生的大量低质量分支问题，提出即插即用的候选估值方法 ValuSpec。它在昂贵的目标模型验证前过滤低质量分支，阈值由校准集上目标模型的贪心轨迹估计，无需训练参数。在 HumanEval、GSM8K、Dolly 和 SpecBench 上的实验显示，该方法在基于检索的树设置中最高可实现 2.38 倍端到端加速，集成到 EAGLE-3 动态树框架后最高达 2.78 倍。
说明基于条件期望局部半径的度量空间共形预测：为非欧氏响应构造预测集的新方法
简介论文提出条件期望局部半径（CELR），用于衡量局部条件概率的集中程度，并据此提出适用于一般度量空间中非欧氏响应的共形预测方法。该方法无需密度或向量空间结构，可处理异质性与多峰情形。论文还采用可处理多元协变量与非线性交互的度量分布随机森林，单次拟合即可提供全部分数组件。作者给出了估计量的一致性、条件有效性及有限样本边际覆盖的理论结果，数值实验显示其计算量明显低于条件轮廓分数方法。
说明有害回复即越狱模板：将自回归越狱攻击迁移至扩散语言模型
简介论文发现扩散大语言模型可被利用：遮挡有害回复的部分词元，即可诱使模型还原有害内容。作者据此提出RMT-Jailbreak框架，把现有自回归模型的越狱攻击迁移到扩散模型上。实验显示该方法在多种攻击方法和目标模型上均有效，表明越狱攻击具有较强的跨范式迁移性。
说明WeVisOne-VL：从物体到像素的统一视觉感知模型
简介本文提出WeVisOne-VL，一个视觉语言模型，通过结构化的下一个词元预测，同时统一物体级与像素级感知。它支持目标检测、指代定位、计数、OCR、分割和抠图等任务，并通过特殊的<OBJ>词元接入轻量像素解码器以生成实例级像素输出。模型采用三阶段课程式监督微调加混合任务强化学习训练，在30多个基准测试中于物体级和像素级任务上表现领先，同时对目标不存在的查询保持稳健拒绝。
说明度量空间中随机对象的深度学习：超越流形假设
简介本文提出一种面向度量空间中随机对象回归的深度学习框架，直接作用于响应空间的度量结构，不依赖流形或欧氏嵌入假设。作者给出了估计量的统计一致性与收敛速率，并在模拟研究中与多种方法比较。论文还在两个数字健康案例中，以加速度计与连续血糖监测数据检验了该框架对Wasserstein空间中分布型结果的应用。
说明AgenticEvolve：由持久化语言模型智能体设计并运行实验的进化程序搜索
简介该论文提出AgenticEvolve框架，用大语言模型进行进化程序搜索，每个岛屿由一个持久化的语言模型智能体运行，并在评估之间设计和运行对候选程序的实验。作者将其与关闭实验的对照配置比较，并在两项启发式设计任务和十二个方程发现问题上进行测试，结果显示其程序质量更好、达到基线水平所需评估次数更少，并能恢复更多方程的真实结构。
说明《一致但有偏差：主席人设在多智能体临床决策中以噪声换偏差》
简介论文在模拟的七名智能体科室中，用 20 个颈椎退行性脊髓病病例测试主席人设（提示词）是否改变临床决策。结果显示，若以规则形式设定，专断型人设使主席在 93% 的运行中选择立即手术，回避型仅 2%，无人设时为 57%；手术计划基本不变，主要改变的是立即手术还是先做更多检查。同一病例三次运行的一致性有所提高，但与随机预期相当，Fleiss κ 未上升，因此作者认为应校正一致性再称其为可靠性。
说明弥合数据鸿沟：面向少样本扩散的源信息任务空间迁移
简介论文提出Meta-Diff，在紧凑的任务空间中一次性学习源域与目标域之间的重复关系，无需为每个目标重新训练生成模型。在CIFAR-100保留验证任务上，使用正确源域加迁移比使用错误源域的平均SW低13.9%；在最终测试的单目标比较中，平均SW比仅目标建模低14.7%，比完整微调低32.7%。作者同时指出在Office-Home上，迁移能对齐目标域统计量，但无法可靠地保留物体身份。
说明超降阶加速有限元模型更新，用于发现神经材料本构模型
简介论文提出用本征正交分解结合能量守恒采样与加权的超降阶方法，加速基于有限元模型更新的神经材料本构模型训练。本构律为多凸神经网络，构造上保证能量的多凸性、强制性与非负性。两组实验数据及一个三维合成算例表明，训练时间显著缩短且精度保持，例如两相试样由九小时降至41分钟。
说明MVLoMa：基于任意几何基础模型的多视图局部特征匹配
简介该论文提出MVLoMa，用于多视图局部特征匹配，可将一张中心参考图像与多张邻近图像同时匹配，而非逐对处理。方法先用冻结的多视图几何模型提取跨视图几何上下文，再通过自注意力与双向交叉注意力在单次前向中完成匹配，并以对极几何约束惩罚高置信度的错误匹配。在HyperSim、ScanNet++、Mip-NeRF 360和Tanks and Temples的25视图星形图上，其平均相对位姿AUC在三个阈值下均优于对比方法，匹配速度约为逐边顺序计算的2.20倍。
说明Stream4D：借助因果KV缓存注意力实现免训练运动解耦的流式4D重建
简介该论文提出Stream4D，一个免训练、可解耦运动的流式4D场景重建框架，可直接接入StreamVGGT、Stream3R等因果Transformer骨干。作者利用因果注意力在KV缓存中隐含的时序运动线索，结合深度先验生成动态掩码，并通过软键掩码抑制动态区域对相机位姿估计的干扰。在多个动态场景基准上，该方法提升了相机位姿与静态场景重建质量，并缓解了长序列鬼影问题。
说明SurveyGraph：基于方法-实体知识图谱自动生成学术综述
简介本文提出 SurveyGraph 框架，核心是方法-实体知识图谱（MEKG），用来表示方法之间的后续改进、竞争和共享资源等关系。该图支持核心论文发现、检索、混合提纲和受证据约束的文本生成。论文在受控基准和存档诊断中评估检索与引用支持情况，结果显示图感知检索的召回率接近翻倍（p = 0.004），生成句子的引用支持率为 80.6%（锚定或部分支持）。
说明医学中“系统1”模型的价值：快速、低成本的选项判断与其局限
简介该论文评估了四个“系统1”式模型（两个闭源、两个开放权重）在14个临床领域、20种语言的86项公开任务上的零样本表现，共涉及179,111个病例。文本与医学知识类任务AUROC较高，影像类任务明显更低；分诊护士的准确率高于最佳模型。开放权重模型单次决策耗时约0.34至0.44秒，但在某些语言上准确率下降明显。
说明当大模型忘记自己所信的：长对话中的状态完整性崩溃
简介论文指出，大语言模型可能在记忆中保留某个约束、却在后续对话轮次中不再执行它，并将这种现象定义为“状态完整性崩溃”。作者构建了StateTrack-Bench对话基准，涵盖数值、格式、角色、事实记忆和逻辑规则等约束，测试了七个模型快照。结果显示严格联合保持率在62.4%至100.0%之间，并表明可靠性不能仅由单轮指令遵循来判断。
说明基于线性随机微分方程平稳协方差的可识别性研究：含互惠交互与隐变量
简介本文研究线性随机微分方程（SDE）模型中，能否仅凭平稳分布下的观测数据识别变量之间的因果效应。此前结果多限于无双向循环的全观测系统，本文给出允许互惠交互（有向二元环）时因果效应一般可识别的图形条件。文中还首次在部分可观测、存在隐变量的情形下，提出工具变量框架，用于识别目标直接因果效应。
说明通过跨层潜在向量量化对逐层嵌入进行极限压缩
简介本文研究语言模型中逐层嵌入（PLE）的极限压缩，这类嵌入占 Gemma 4 E4B 参数的 35.2%。作者提出 OPTIC 方法：每个词元只存一组量化编码，并在每层用特定的仿射解码器解码，编码和解码器依据 PLE 的输出路径拟合。在约 100 倍压缩下，OPTIC 在七项基准上保留了未压缩模型 97.8% 的整体性能，明显高于最强的传统基线（乘积量化的 66.3%）。
看点提出基于输出路径拟合、跨层共享索引码的PLE极限压缩方法，在约100倍压缩下保留97.8%性能，明显优于传统量化基线。
说明超越KL几何的贝叶斯学习规则
简介本文将贝叶斯学习规则（BLR）从基于KL散度的几何推广到混合空间Bregman或Fenchel-Young差异，得到广义的加性更新方法。作者以Tsallis负熵与二次统计量为例，推导出有界支撑和重尾的q高斯后验，并给出类牛顿的实现。实验扩展至CIFAR-100，展示了对支撑与尾部行为的可控性及具有竞争力的性能。
说明面向GUI智能体的子目标感知记忆图
简介该论文提出一种子目标感知记忆图，用于GUI智能体在长时程任务中复用过往经验。方法将历史轨迹提炼为以子目标为粒度的结构化证据，并组织成图中的节点，相关记忆可被合并、扩展和检索。在SPA-Bench上，该方法的成功率比基线提升11.11%。
说明EGGPlacer：基于扩散模型并由能量引导的芯片布局生成方法
简介该论文提出 EGGPlacer，一种能量引导的扩散框架，用于芯片宏单元布局生成。它将解析式布局器的反馈（标准单元分布和全网表线长代理）与可微分热模型的温度反馈，以可组合能量的形式注入反向扩散过程，无需重新训练生成模型。在公开基准上，该方法在混合尺寸 HPWL 上与主流方法相当，并在端到端评估中获得最低的平均布线线长和峰值温度。
说明超智能软件工程：治理能力随之扩展
简介本文提出“超智能软件工程”概念，指由能力超过人类工程师的智能体构建和演进软件，并让门禁、契约、决策与知识衰减控制等治理机制随能力同步扩展。作者用一个简单模型说明，超过固定的审查能力后，逃逸变更会随吞吐量线性增长，治理可以降低这一斜率，而仅靠能力不行。文中还提出名为 OSTEON 的方法框架，但文中未报告其实际效果。
说明Cola2：连续语义压缩与平衡离散生成的协同自适应分层语言模型
简介本文提出 Cola2 框架，将文本切分为语义片段并压缩到连续潜在空间，再由离散的块因果掩码扩散解码器生成文本，同时联合优化压缩率、重建与生成的平衡以及连续与离散部分的协同自适应。作者报告，使用约 2100 亿训练词元的实验验证了核心设计；一个未收敛的 3460.3 亿源词元检查点在八项任务上平均得分 60.10，并在 HellaSwag 和 StoryCloze 上超过 Llama-3-8B，尽管其报告的预训练量约为后者的 43 倍以上。
说明面向遥感的数据驱动视觉-语言模型综述
简介本文系统综述了为视觉-语言模型（VLM）定制的遥感数据集的发展现状。研究指出，遥感研究正从以模型为中心转向以数据为中心，并提供了从数据构建、微调到评估的完整实践指南。作者希望推动社区构建更多样、更高质量的遥感视觉-语言数据集，最终汇聚成任务覆盖广、地理分布广的综合语料库。
说明语言智能体中记忆的价值
简介本文提出一个决策理论框架，分析语言智能体如何把过去经验中的有用区分保存并用于未来决策。作者讨论记忆价值取决于哪些区分能被保留、有界智能体能否使用它们，以及需求变化时能否恢复或修订。文中还用 LoCoMo 等数据和若干反例进行诊断，并提出分配记忆、保留恢复选项与修订证据依赖的可检验原则。
说明PiHand：用于基于物理的策略学习的潜在手-物交互先验
简介该论文提出PiHand框架，用于合成符合物理规律的灵巧手与物体交互动作。方法先在仿真中训练跟踪动捕示范的专家策略，再用目标条件VAE将其蒸馏为统一的手-物交互先验，并在潜在空间中通过有界残差探索完成各类灵巧操作任务。作者称在GRAB和DexYCB数据集上，该策略可泛化到未见过的物体和轨迹，同一先验还可迁移到物体接抓和双手传递任务，并在所有任务上优于基线。
说明RecallGS：面向在线语义高斯泼溅的几何依据回忆方法
简介在线语义3D高斯泼溅可从流式观测中实现开放词汇的场景理解，但现有方法需额外训练一个3D网络来补足图像语义特征缺失的几何信息。RecallGS提出一种轻量、免训练的机制，把过去的观测当作非参数的几何-语义先验，通过CLIP检索相关观测、利用alpha合成权重识别几何上有支撑的视角，并在各高斯体的渲染范围内聚合语义特征。在ScanNet和ScanNet++上，该方法以2.48 FPS达到较强的语义分割性能。
说明认知受限伙伴：实时分区控制中的零样本协同训练
简介本文提出一种训练协作智能体的方法，用于应对与不可预测的真人伙伴配合的问题。作者通过依据人类生理研究（如反应延迟和感知限制）设定程序化约束，生成模拟伙伴，而非依赖奖励塑造或历史训练检查点。在修改后的月球着陆器环境中，初步证据显示这些伙伴比无约束的智能体更接近真人表现，且在此训练的智能体与最强的交叉对弈基线相当。
说明DISC：面向时间序列数据集的领域集成相似度代价（一种学习得到的数据集相似度组合方法）
简介论文指出，时间序列数据集之间有许多相似度指标，但它们与下游预测误差的对应程度各不相同。作者提出 DISC，利用迁移校准观测学习如何选择、加权并组合多种相似度指标。在报告的实验划分中，校准后的 DISC 与下游误差的一致性高于单一指标，表明数据集相似度与任务相关，学习得到的指标组合可作为迁移行为的更好代理。
说明面向情景记忆视频问答的检索增强在线文本记忆
简介本文研究长时第一人称视频问答中检索环节的作用。在将视频转为带时间标注描述的在线文本记忆基础上，系统比较了检索单元、查询方式、上下文预算和重排序策略对 QAEgo4D-Closed 选择题准确率的影响。最佳方案 Parent 在 56.4% 的准确率下与全量记忆和强检索基线相当，同时只需暴露少量文本记忆。研究还发现，增加检索预算虽能提升时间覆盖，却可能因干扰信息和不确定描述而降低准确率。
说明ReCoG：用于免训练个性化的关系概念图
简介该论文针对免训练个性化视觉语言模型识别用户自定义概念的问题，指出现有检索方法孤立看待概念，容易检索到看似合理却缺乏区分力的信息。作者提出ReCoG，用节点表示概念、有向边表示概念对之间的判别线索，推理时通过成对比较选出胜出概念。论文还提出FINGER基准用于测试易混淆概念集上的识别，结果显示ReCoG优于先前方法，在字幕生成和视觉问答等既有基准上也表现最佳。
说明超越准确率：区分多智能体大模型流程中的任务分解与类型化状态质量保证
简介该论文研究多智能体大语言模型流程在需求工程中的收益来源，比较单次调用基线、复用专用提示但未经验证中间结果的两次调用变体，以及带Pydantic类型化状态的流程三种架构。结果显示，F1提升主要与专用提示和两次调用相关（最高+0.075），类型化状态的增益很小且仅一个对比显著。研究结论属于关联性质，结果来自三个7-8B模型和一个数据集。
说明CoWriter：引导人与大模型协同写作的方法
简介该论文提出 CoWriter，一种主动式智能体方案，借鉴认知科学中专家写作的方法，引导整个写作流程并鼓励用户积极参与。在一项探索性用户研究中，与标准大模型基线相比，使用 CoWriter 的作者更能表达自己的观点，并更有文档主人感，智能体成功互动次数是基线的 2.2 倍。外部读者评审also认为其文本在讲故事和融入个人经历等“人味”方面更好。
说明RIPPLE：面向长程编程智能体的过程级恢复学习框架
简介该论文针对长程编程智能体常能识别错误并生成合理批评却仍沿原错误路径继续执行的问题，提出RIPPLE训练框架，将过程级指导内化为单一的自我恢复策略。训练中先由仅依赖前缀的教师提供基于证据的恢复监督，再通过强化学习对反思触发、诊断和纠正行动分别赋予阶段性信用。在四个仓库级软件工程基准上，RIPPLE使基础策略的算术平均分提高4.8分，部署时无需辅助评论器。
说明从非机器人合成数据中学习机器人行为先验
简介本文研究能否用不含机器人本体的程序化合成数据预训练模型，使其在看到真实机器人行为前就获得有用的结构先验。作者设计了三种模拟机器人控制数学抽象的数据生成方法，以机器人动作预测作为预训练任务训练 Transformer。结果显示，仅用这类非机器人数据训练的模型，能通过上下文学习在未见过的真实机器人任务上取得非平凡的零样本预测表现，且专门的控制先验优于通用因果先验。
说明PointerBench：细粒度图形界面定位的诊断基准
简介本文提出 PointerBench，包含 1500 组截图与指令配对，用于测试多模态模型在电子表格细小元素、长文本字符级定位以及 100 款专业应用混合界面中的定位能力。研究评估了通用多模态模型和 39 种专用图形界面定位配置，发现文本定位最为困难：三个代表模型在文本子集上的成功率分别为 69.6%、53.4% 和 25.8%，远低于其在整个基准上的平均成功率。基准与评测代码已在 GitHub 公开。
说明记忆感知奖励模型：学习人类对大模型记忆使用的偏好
简介本文研究语言模型助手利用用户记忆生成回复时，是否真正符合用户偏好。研究者收集了87名参与者约1000组两两比较判断，发现使用记忆的回复并不总是更受欢迎，有时用户明显更偏好不使用记忆的版本，自动评估器与用户的一致性也有限。基于此，作者提出一种从用户判断中学习的记忆感知奖励模型，并在偏好预测上优于现有基线。
说明Notation3：RDF 的图项（graph terms）语义定义
简介Notation3 是对 RDF 的扩展，允许在三元组之上表达规则并对图本身作出陈述。原有的语义说明只是非正式的，对作为项使用的图（即图项）的含义一直没有明确定义。本文讨论图项的用法和形式要求，并给出抽象语法，分两步定义语义：先定义基本蕴含，再定义 N3 蕴含，后者可随新谓词的加入而扩展。
说明深度ReLU网络可能不满足最佳逼近性质
简介论文构造了一个定义在[-1,1]²上的连续函数，证明在两层隐藏层、结构为(2,2,1,1)的ReLU网络类中，L²逼近误差的下确界可能无法被达到。这说明即使目标函数连续，深度ReLU网络一般也不满足最佳逼近性质。这与浅层网络的已有结论不同，原因在于第二隐藏层神经元的分段线可以弯折，从而破坏了单隐藏层情形中的对称性论证。
看点构造了连续函数反例，证明深层ReLU网络可能不满足最佳逼近性质，推翻了浅层情形的直观结论，证明严谨。
说明端到端语音识别的搜索空间复杂度与效率系统比较
简介本文比较了面向时间同步端到端语音识别模型（CTC 与神经转导器）在不同剪枝策略和语言模型配置下的搜索空间复杂度与效率。结果显示，这些模型大部分时间搜索空间较小，但在不确定时段会出现假设数量的暂时性峰值。基于分数的剪枝可根据模型不确定性动态调整搜索，使实时因子（RTF）显著降低。文章还指出了固定小束宽剪枝的局限，并给出了高效搜索的实用建议。
说明IndoNutriQA：印尼语临床营养问答基准数据集
简介该论文发布了IndoNutriQA，一个由专家整理的印尼语临床营养问答基准，包含911组问答对，基于真实临床营养报告构建。数据集按营养护理流程设计了八类标准化问题，答案为自由文本的临床表述，并经专家验证。论文还评估了多种模型基线和大语言模型，并与三位专家比较了LLM评判标准的可靠性。
说明利用术前影像外观的弱监督增强术中肿瘤定位
简介术中CT上肿瘤可见度有限，给肝细胞癌的手术导航带来困难。该研究用术前MR图像训练分类器判断肿瘤是否存在，再将其弱信号迁移到术中CT的图像窗口上，以此引导强化学习智能体定位肿瘤。研究比较了直接迁移、少样本适应和合成迁移三种方法，其中合成迁移（先把CT转换为合成MR再定位）在外部肝细胞癌队列中表现最好，且无需配对的MR-CT训练图像。
说明QuaNAS：利用早期搜索结果、具备不确定性感知的高效神经架构搜索方法
简介面对新数据集时，神经架构搜索通常只能进行几十次短时间训练，因此搜索开始前掌握的先验知识很关键。QuaNAS 把同一搜索空间中以往的搜索结果作为带有不确定可靠性的先验，并用高斯过程在每次评估后重新估计各先验的可信度。在 12 个新数据集上，相比五种从零开始的基线方法，其短训练目标的任意时间遗憾降低了 2.7 至 3.9 倍，部分数据集上最终模型也达到或超过参考模型。
说明通过树模型锚定的专家组合降低多时段光伏预测误差
简介论文研究把一个较强的直接树模型（LightGBM）与若干神经网络预测器按加权方式组合，以降低光伏功率在15至240分钟多个时段上的平均绝对误差。组合权重非负且和为一，无用的候选模型可被赋予零权重。基于56,078个时间窗口的两套公开PVDAQ系统数据，文中报告历史共享权重策略相对树模型将缩放后的MAE降低了3.21%。作者同时指出，这些结果不能证明独立复现、天气特定的因果关系或八个专家普遍有效。
说明面向选择性组合优化问题的奖励加权偏好优化（RWPO）：一种基于强化学习的新训练方法，用于在旅行商类问题中同时决定选哪些点
简介论文针对选择性组合优化问题（如定向越野问题、奖品收集旅行商问题、背包问题），提出奖励加权偏好优化（RWPO）方法，在偏好学习中保留同一实例下候选解的奖励差距信息，差距越大的比较训练权重越高。作者还结合分尺度微调与加权采样，使训练策略适应更大规模实例。实验在定向越野、奖品收集旅行商等问题上显示，该方法优于未加权偏好优化与策略梯度基线；在定向越野问题上，在100至2000个节点的规模范围内，其平均奖励超过Compass元启发式算法。
说明静音令牌：面向高效音频 Transformer 的令牌稀疏化探索
简介本文全面评估了音频 Transformer 中的令牌稀疏化技术，涵盖多种令牌剪枝与合并策略，并在多个数据集和模型规模上，分别测试训练后与微调两种设置。作者还提出一种结合注意力分数与令牌嵌入频率特征的新方法。实验显示，基于频谱平坦度和低频能量的频率感知方法，效果持续优于仅依赖注意力的方法；基于频谱图块强度的稀疏化对较长音频输入尤其有效。
说明跳帧推理下实时息肉分割的轻量级帧补偿方法
简介论文针对结肠镜实时息肉分割中跳帧推理带来的运动模糊与病灶错位问题，提出一个约7.7万参数的即插即用模块LFC，置于冻结的分割骨干网络之前，通过时空注意力融合三帧窗口，且仅用另一随机种子模型生成的伪标签训练。在三个息肉视频基准上，LFC恢复了直接跳帧所损失的大部分精度，在部分设置中接近逐帧推理，同时保留2.05至2.55倍的吞吐量提升。
说明视网膜血管分割方法的跨数据集评测：性能、结构、失败模式与可复现性
简介该论文在六个公开数据集的244张图像上，比较了五种视网膜血管分割方法，并从像素一致性、跨数据集稳定性、细血管保留、结构指标等多方面进行评估。结果显示没有方法在所有设置下都最优：FSG-Net综合指标最高，SA-UNetv2的敏感度与细血管敏感度最高。作者认为应根据任务和目标领域选择方法，而非依赖单一排名。
说明GLOW-FM：基于单步潜在流匹配的高效生成式低照度图像增强
简介该论文提出GLOW-FM，一种用于低照度图像增强的单步潜在流匹配框架，在冻结的Tiny-VAE潜在空间中进行条件传输，并采用终端速度匹配（TVM）实现只需一次函数评估的增强。作者称这是TVM首次应用于图像修复，特别是低照度增强。在真实世界基准上的实验显示，其图像质量具有竞争力，跨数据集泛化达到所报告的最优水平，小模型版本仅需34 GFLOPs。
说明QICOM：用于可复现图像质量评估、盲评和影像组学比较的开源软件
简介QICOM 是一款开源软件，用于图像定量比较、配对影像组学分析和盲评。它会保存处理设置、图像标识、测量结果和响应映射，使比较结果可以重新打开并重新计算。论文在合成数据上检验了 37 个定量指标的一致性、受控扰动下的响应以及已保存分析的恢复情况，并在 IBSI 数字体模和公开 CT 参考案例上与参考值比对。
说明基于局部AUC泛函的二分类器局部判别
简介风险预测模型通常只用AUC评估，这会掩盖模型在不同患者群体间的表现差异，可能导致临床决策失误。本文提出局部AUC（LAUC，一种加权AUC），并据此构建名为LOCATOR的方法，用于识别模型预测不准确的患者群体。作者在真实数据和模拟实验中测试了该方法，并为LAUC的使用建立了统计理论基础。
说明Trion-1：用扩散语言模型统一语言、蛋白质序列与结构
简介本文提出Trion-1，一个面向蛋白质的统一多模态扩散语言模型，将序列、结构和自然语言放在同一离散词元空间中处理。模型采用双向或半双向的词元交互，以适应结构建模中的全局残基通信与长程接触。文中称其在折叠、逆向折叠、序列与结构理解及设计等六项能力上取得了具有竞争力的表现。
说明移动区域而非移动物体：在相机运动下分割真正在动的部分
简介该论文提出 MoRSe 模型，通过联合分析两帧图像，预测真正发生运动的区域掩码，并区分场景实际运动与相机运动造成的表观运动。模型仅用单个 RGB 编码器，推理时无需光流、点轨迹或单独的掩码生成器。作者还发布了包含 42 个序列的 MoRSe-5K 基准，涵盖静态、动静混合和动态三种设置。
说明视网膜OCT影像多模态大模型视觉定位基准
简介该论文提出RetinaGroundBench，这是首个针对视网膜OCT影像生物标志物视觉定位的基准，包含815张由眼科医生标注的B扫描图像、4,537个边界框，覆盖8种疾病的13种生物标志物。作者还提出了评估预测框并集覆盖标注区域的AggIoU指标。测试27个开源多模态大模型后发现，视觉定位仍基本未解决，最佳通用模型宏F1仅为23.7%；作者微调的RetGrounder模型将定位F1提升至33.9%。
说明通过文本与多模态上下文学习预测音乐效价与唤醒度
简介音乐的唤醒度可以从音频较可靠地预测，而情绪效价因主观且依赖语境而难以建模。本文研究大语言模型的上下文学习（ICL）能否提升连续效价与唤醒度的预测。方法不直接预测情绪分数，而是借助辅助数据集中的示例修正小型任务专用基础模型的初始预测。文本版使用歌词与生成的音频描述，多模态版加入原始音频信号，并以MER60数据集全部作为留出测试集。结果显示，文本版在80个示例下将效价R²从0.110提升到0.427，多模态版仅用10个示例即达到0.346。
说明探究大语言模型中的多文化价值选择偏差
简介该论文研究在同时给出两种身份线索时，大语言模型的价值观回答如何变化：系统提示中设定国家角色，用户输入中再通过点明国家（显式线索）或使用的查询语言（隐式线索）给出第二种身份。作者以世界价值观调查（WVS）的选择题和开放式社会政治问题进行测试，共分析了160万条开放式回答。结论认为，国家与语言线索应被视为两种不同的信号，而不能当作可互换的文化代理变量来评估。
说明不同任务、不同时间步：面向扩散语言模型的时序任务感知量化
简介本文针对扩散语言模型迭代去噪过程带来的量化难题，发现量化敏感度同时取决于任务和去噪时间步。作者提出 T²Quant，一种任务与时间感知的混合精度量化框架，在固定位宽预算下按无标签敏感度信号分配各步的激活精度。在三个模型和六个基准上的实验表明，该方法在相同预算下将现有量化方法的平均准确率最多提升 6.7 个百分点。
说明Inside-JEPA：在潜在世界模型中从预测走向关系接地
简介该论文提出Inside-JEPA，在联合嵌入预测架构的潜在状态中加入有序实体对的关系通道。作者发现，仅靠潜在预测无法让关系通道学到有效信息，而加入由通道变化恢复动作的逆动力学损失后，关系判别指标（AUROC）在多个数据集和设置中有所提升。结果显示，模型在一步关系目标的动作排序任务上优于仅预测的基线。
说明弱忠实性的可操作化：恢复、歧义与计算限制
简介该论文研究如何在结构学习中实现较弱的忠实性假设，以避免因单个变量与结果独立而误删联合预测有用的因果连接。作者比较了两种方法：邻接学习器中的选择性保护，以及显式保留多个有向图解释。实验显示，在带后代变量的噪声异或数据中，两种改动结合可将完整父对恢复率从单独任一改动的0/20提高到20/20，但会增加误报边；论文同时指出，保护机制可能只增加误差，且在变量增多时计算仍未完成。
说明元数据越多未必越好：探究大模型生成博物馆描述时的字段级依据
简介本文研究在博物馆藏品描述生成中，元数据的组成如何影响大模型的输出。作者通过两阶段框架：先分析大型馆藏中元数据的自然差异，再用受控字段探针固定藏品身份、改变元数据数量、字段类型与图像。结果显示，单纯增加元数据数量并不能解释生成表现，字段类型决定模型是依据、省略还是推断信息。
说明RaSFNet：用于激光雷达语义分割的射线对齐与扫描感知融合网络
简介该论文针对激光雷达点云语义分割中基于投影方法的不足，提出RaSFNet网络。它通过射线对齐的几何分布编码、考虑扫描拓扑的Mamba模块以及范围约束的点与视锥特征融合机制，提升分割效果。论文报告其在SemanticKITTI和nuScenes验证集上分别取得70.2%和77.7%的mIoU。
说明基于粒子物理基础模型的径迹寻找与粒子鉴别性能
简介该论文评估了基础模型在高能物理数据分析中的应用潜力。研究以时间投影室中的空间点数据集为对象，检验基于基础模型的带电粒子重建在多个下游任务上的表现。结果显示，该方法明显优于传统方法，并且能够适应与初始训练目标不完全相关的新任务。
说明提示策略效果取决于评判模型：LLM 作为评判者稳健性的多语言研究
简介该研究探讨大语言模型作为评判者（LLM-as-a-Judge）时，不同提示策略在多语言场景下的效果是否可以迁移。作者在 4 个开源评判模型、27 种语言、4 类任务和 13 个数据集上，测试了 9 种提示策略，共得到超过 100 万个评分，并与人工判断进行了验证。结果显示，评判模型的选择比提示策略更具影响，策略效果在不同模型间甚至会反向，而且在低资源语言中稳定性下降，这些差异在汇总报告中被掩盖。
说明先记忆后目标：人形机器人移动操作中的历史记忆作用
简介该论文研究人形机器人在动态场景中移动并操作物体时的记忆问题，因为物体会被遮挡或离开视野。作者提出WholeBodyMem，一种以物体为引导的感知记忆，保留机器人执行目标动作之前的物体事件历史，并建立了HuMeGo人形机器人记忆基准。在仿真和真实Unitree G1机器人实验中，该方法的成功率明显高于无记忆和均匀记忆的基线。
说明网络拓扑如何影响大语言模型群体的共识与脆弱性
简介本文研究大语言模型群体在不同互动网络结构下如何形成共识。作者在全连接、随机正则和异质网络上，用命名博弈测试从四个大语言模型提取的策略，智能体数量从千到十万。结果显示，拓扑结构影响共识形成速度，稀疏网络最多可使其减慢十二倍；少数情况下还会改变最终胜出的约定。论文还发现，网络结构影响群体对对抗攻击的脆弱性，在多数模型中，网络化群体比完全混合群体更容易被推翻既有约定。
说明以预测不确定性控制的计算机模型校准
简介本文提出一个两层框架，用于校准计算机模拟模型并直接控制预测误差。第一层用条件流匹配模型学习校准参数的摊销后验，第二层用保形风险控制选择预测带，使其预测漏覆盖率达到预设水平。在合成基准中，该方法的预测带宽度约为KOH-MCMC方法的20%，漏覆盖率接近10%的目标；在2010年马拉维麻疹疫情的SEIR模型校准中也更窄且接近名义覆盖率，未覆盖的时段与疫情下降的不对称阶段相吻合。
说明HiSTEVE 1.0：面向开放世界游戏的人机界面视觉-语言-动作智能体
简介该论文提出HiSTEVE，一种分层视觉-语言-动作（VLA）智能体，用于在《我的世界》（Minecraft）这类开放世界游戏中完成任务。它由视觉语言模型规划器负责拆解子任务，并用单一VLA模型以纯视觉输入和键鼠操作执行。论文报告其在MineStudio Bench上得分85.0%，在OpenHA上平均成功率为37.4%，并能完成从零制作铁镐等长时程任务。
说明面向现场部署的可穿戴惯性测量单元系统：职业活动识别研究
简介该论文针对建筑工人活动识别的可穿戴惯性测量单元系统，基于VTT-ConIoT数据集，在留一受试者（LOSO）协议下系统比较了多种分类器、传感器位置与窗口大小。结果显示，个体准确率差异很大（61.9%至88.7%），多传感器融合与较长窗口均有助于提高准确率；个性化校准可明显改善表现较弱的受试者。研究所用数据均在实验室采集。
说明超越观看与检索：面向视频的深度研究报告智能体基准
简介该论文提出以视频为核心的深度研究报告生成任务：智能体根据视频和用户请求提出研究问题，检索外部多模态证据，并生成与相关视频片段关联的交互式报告。作者发布了OmniDR-Bench基准（50个中英文任务，6,414条评估标准）及评估方法Omni-ART。测试的18种智能体配置中，最高得分为63.3分（满分100）。
说明养老机构与家庭中的人机交互挑战：本章探讨机器人与环境智能如何在居家养老及私人住宅中为老年人提供护理支持，并分析相关设计、隐私与评估问题。
简介本章讨论机器人系统和环境智能如何改善养老机构和私人住宅中老年人的照护，两类场景均被视为人机交互的复杂环境。文中回顾了协助日常生活、安全监测和社交互动的系统，并强调机器人与固定及可穿戴传感器的混合部署。文章还涉及面向低数字素养老人的交互设计、基于设备端推理等隐私保护策略，以及误报次数、故障恢复时间等实际评估指标。
说明工具增强模型比较中的提示词敏感性
简介语言模型常在问答基准上比较，但同一问题换一种措辞，两模型的高低排名可能改变。本文提出匹配协议，将答案读出、推理、是否调用工具、工具返回结果及无调用时的报告分开考察，并在六个开放模型、五个领域、五种措辞下检验。结果显示工具在程序能回答的问题上提高准确率，但会扩大许多两两比较的措辞敏感性，且这一扩大随调用频率变化；原生工具调用接口与第二种工具描述在分子领域未检测到扩大。作者建议在报告准确率的同时，报告调用频率以及多种措辞下的比较稳定性。
说明PriMa-Causa：基于因果推断的处方式维护
简介本文提出 PriMa-Causa，用因果推断改进制造设备的处方式维护：不只预测故障，还按干预后的估计效果为维护动作排序。系统由因果推理层、模拟生产线的参数化模拟器和一个预训练的图条件表格因果基础模型组成。实验表明，其处方误差低于关联性基线，在弱重叠和稀疏上下文下优势最明显，部分公开的因果图还能进一步降低误差。
说明重新思考用于可扩展场景检索的二阶多尺度深度特征聚合 Fisher 向量
简介论文针对卷积神经网络特征缺乏几何不变性、难以聚合为紧凑判别向量的问题，提出一种在 Fisher 核框架下、无需码本的方法，用于编码多尺度 CNN 特征的二阶信息。作者在可扩展检索流程中使用该向量，并在 INRIA Holidays 和 UKBench 两个基准上进行实验，检索准确率较现有方法有明显提升，向量维度仅略有增加。
说明RankAlign：通过秩变换对齐视觉与语言表示
简介本文提出RankAlign，一种基于秩的归一化方法，用于在没有跨模态配对监督的情况下，恢复视觉与语言模型之间的类别级对应关系。该方法将每个模态内的相似度矩阵转换为序数关系表示，再进行排列匹配，对相似度值的严格单调重参数化保持不变。实验表明，在多种冻结编码器和数据集上，该方法提高了类别对应关系恢复的准确性与稳定性，包括标签噪声和域偏移情形。
说明GM-GReFEL：面向鲁棒动态面部表情识别的几何引导时空状态空间学习
简介本文提出GM-GReFEL模型，用于识别非受控视频中的面部表情。其主干采用分组扫描的状态空间网络，计算量随视频长度线性增长；并通过可靠性模块，在分类器不确定时更多依赖面部几何锚点的投票。在DFEW、MAFW、FERV39k等数据集的五折交叉验证中，模型取得了有竞争力的识别率，部分指标优于对比方法。
说明Pos4CHD：无需阳性样本、基于掩膜引导的胎儿先天性心脏病反事实合成框架
简介本文针对胎儿先天性心脏病阳性病例稀少、难以收集的问题，提出Pos4CHD框架，仅用正常样本即可从语义掩膜合成伪阳性超声图像。方法包括专为胎儿心脏超声设计的掩膜引导生成模型FE-Gen，以及先模拟结构异常再生成解剖一致图像的流程。实验显示合成图像在视觉保真度（FID降低12.97）和解剖一致性上有提升，并在零样本分类、病变检测和解剖分割等任务中取得改进。
说明混合方式很重要：长上下文问答中不同序列混合器的证据位置偏差
简介该研究比较了Transformer、状态空间模型和Mamba混合架构在长上下文问答中对位置的敏感性：把一篇含答案的文档放入九篇干扰文档中移动位置。结果显示，被评估的Transformer在开头位置更有优势，而状态空间模型没有；两类模型都更偏好靠近末尾的证据。作者强调这些结论是探索性的，并未将序列混合器单独确定为唯一原因。
说明高本地准确率就够了吗？面向联邦学习的几何共识与支持自适应统计个性化
简介论文提出一种个性化联邦学习的评估方法，在本地准确率之外增加全局、稀有类和未见类评估，并提出FedGRC框架，通过共识引导表示学习、多层度量合成和支持自适应收缩个性化三部分，兼顾全局识别与最差客户端的个性化下限。在CIFAR-10、CIFAR-100和FedRS数据集上的实验显示，该方法优于对比的基线方法。
说明《后审计幻象：离线智能体验证的可识别性边界》：离线测试能否判断部署后是否安全
简介论文指出，离线测试可能无法揭示智能体更新在部署后是否仍然安全，并把这种情况称为"后审计幻象"。作者构造了成对的安全与有害生命周期，它们对验证者可见的证据完全相同，而隔离的评分器却记录了相反的部署结果。论文还提出了 IdentifiedRangeMonitor 监测方法，并通过实验说明：在有利条件下监测可以恢复缺失的区分信息，但对稀有群体、微小效应或观测缺失的情况仍可能无法作出判断。
说明WildDepth-v2：用于野生动物度量深度、运动与追踪的同步RGB-LiDAR-雷达数据集与基准
简介本文扩展了WildDepth数据集，加入成像雷达记录，共37个RGB-LiDAR-4D雷达序列（19,716帧），并提供冻结且带校验的隐藏测试集，用于评估仅RGB的距离估计与RGB加稀疏LiDAR的深度补全。研究还利用LiDAR、雷达或单目深度，将二维轨迹提升为度量三维轨迹。结果显示，以对象为单位的雷达标定优于场景级LiDAR标定，且推理时无需LiDAR，但动物级LiDAR仍最准确。
说明SetCommit：面向少步扩散语言模型解码的协同令牌承诺方法
简介扩散语言模型可并行生成多个位置的令牌，但在少步解码下，单独看可靠的令牌组合起来可能不一致，过早确定又会妨碍后续细化。本文提出无需训练的 SetCommit 方法，选择兼顾令牌可靠性与局部联合承诺风险的承诺集合，并在预算不变的前提下进行局部替换。在 LLaDA-8B 和 Dream-7B 上于 GSM8K、MATH-500、MBPP、HumanEval 测试，32 次模型评估下准确率或 pass@1 最高提升 7.4 个百分点。
说明约束推理与大语言模型协同：为现实优化应用提供对比式解释
简介本文针对基于优化的决策支持系统，提出结合约束推理与大语言模型（LLM）生成对比式解释的方法，用于回答用户对基于混合整数规划（MIP）优化结果的推荐提出的问题。方法先利用约束推理提炼解释所需信息，并以“理由图”形式输入LLM。在现实调度场景的结果显示，使用理由图的LLM能给出包含更多相关理由、错误更少的自然语言解释。
说明ProductWebBench：超越任务完成度、评估网站连续性的前端编码基准
简介该论文提出ProductWebBench基准，用于评估前端编码代理在真实仓库中的表现，不仅看目标是否完成，还看网站其余部分是否保持正常。基准包含320个修改任务和80个长周期构建任务，共8737次运行、13个模型。结果显示，28.2%的通过全部要求检查的修改运行仍会在连续性检查中失败，10.8%曾通过的浏览器状态被改坏。
看点提出网站连续性这一新评估维度，并用8737次运行揭示任务完成与连续性的明显分离，证据充分，对前端编码代理评测有较大影响。
说明通过 PRISM 看清：面向程序性视频错误识别的步骤序列推理
简介本文提出 PRISM 方法，用于识别多步骤程序性活动视频中的错误。它将视频片段用语言描述，并借助在正确执行示例上训练的轻量隐马尔可夫模型映射到程序状态，再通过参考对齐与语义检查找出步骤内容或顺序上的错误。作者在三个基准数据集上进行了评估，结果显示语义角色标注在六项对比中均提升了 Any-F1，但增益因数据集而异。
说明法国民事破毁院裁判理由数据集与工具
简介本文发布了一个数据集，收录2016至2025年法国破毁院五个民事庭86464份裁判中的121536组"上诉理由—裁判理由"配对。研究使用确定性流程，将每条上诉理由与其对应的裁判理由配对，并按照法国既有分类体系归类。作者据此描述了民事破毁的规律，包括哪些理由获得支持、涉及哪些法律条文，以及这些情况在十年间的变化，并同时公开了数据集、代码和交互式查询工具。
说明下一个事件是什么及为何如此预测：基于神经符号规则的可解释下一事件预测
简介该论文针对序列事件的下一事件预测，指出现有方法重准确率而轻可解释性。作者提出RULES模型，直接从数据中学习序列规则，并与残差网络结合形成RUNES。实验显示，RULES能从合成数据中准确恢复真实规则，并在真实数据上发现紧凑可解释的规则集；RUNES在保持有竞争力准确率的同时，可透明展示生效的规则以及残差如何调整预测。
说明AI 能否协同设计结构？一个用于早期结构设计的 AI 智能体
简介本文提出一个概念验证工作流，让 AI 智能体通过 MCP 服务器连接基于 COMPAS 的结构建模接口，将自然语言提示转化为由明确建筑构件组成的图结构数据模型。生成的结构可检查、修改、序列化，并接入下游 AEC 流程。作者通过若干提示生成结构的示例及可逐步编辑的设计序列进行演示，结果属初步性质，但表明该方法有望成为 AI 辅助结构协同设计的第一步。
说明长篇图像描述在哪里出错？基于位置的诊断与强化学习方法（PAGER）
简介该论文研究自回归视觉语言模型生成详细图像描述时，错误在文本中的位置分布。作者提出按位置分解、验证描述内容的方法，发现长描述中间段易出现无依据的具体细节，末尾段则常转为模糊、无证据的语言。基于这一诊断，论文提出 PAGER 训练目标（基于 GRPO），针对不同位置给出奖励信号，在详细描述基准上提升了分位置的视觉依据性与成对偏好表现。
说明DRAFT：从 fMRI 与相机轨迹解码并重建三维房间布局
简介该论文提出 DRAFT 方法，仅利用相机运动轨迹与受试者观看室内漫游视频时的功能性磁共振成像（fMRI）信号，在没有任何视觉画面输入的情况下，重建未见过场景的三维房间布局。方法从早期视觉皮层提取紧凑的布局表示，并与相机运动推导出的几何自由空间融合。在 10 个未见场景（20 名受试者）上，DRAFT 的布局相关系数为 0.480，高于仅用相机轨迹（0.446）及七种 fMRI 解码器（最高 0.429）的结果。
说明学习明天该问什么：面向长期个性化网页智能体的主动偏好获取
简介该论文研究网页智能体如何主动询问用户偏好。作者提出主动偏好获取方法（APA），按问题在未来任务中的累计效用收益扣除提问成本来选择提问，并在公开的ActiveWebPref基准上评估。结果显示，该方法获取的有价值偏好远多于只看当前任务收益的方法，且在相同成本条件下净效用更高。
说明谁是影响者？多智能体系统中的共识动态
简介该论文设计了一个简单任务，研究多个大语言模型混合组成的多智能体系统中，哪个模型对最终共识影响最大。在七个模型系列的实验中，其他模型的意见被参数更多的较强模型吸收。作者把智能体视为单纯形上的加权粒子，认为较大模型的权重更大、上下文学习能力更强，因此成为影响者。
