机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明物理约束下的深度科学推理：结构感知的谱预测
简介该论文提出 DeepSciReasoner，用于在物理约束下预测科学谱图，以电子态密度（eDOS）为典型例子。方法结合结构感知的谱解码与保持约束的物理推理，使预测既能体现谱的结构，又符合基本物理规律。作者在电子态密度、声子态密度（phDOS）、X 射线吸收近边结构（XANES）和拉曼光谱上进行了评估，结果显示预测精度明显提高，同时保持物理一致性。
说明BriLLM-MetaPred：一种表示与预测统一的自测量语言模型
简介本文介绍 BriLLM-MetaPred，是依据一套 AGI 数学理论所提出的 MetaPred 机器学习框架在语言建模上的首个工程实现。模型用一个持续演化的动态状态同时作为上下文表示和预测读出的来源，并通过对自身状态的连续测量来减少有限深度的不一致。作者称其预测性能与同规模的 GPT 基线相当，并以此作为该框架工程可行性的初步证据。
说明ResCom：面向大语言模型量化的激活残差补偿
简介本文提出ResCom方法，用于降低大语言模型低比特权重与激活量化后的精度损失。它利用激活取整产生的残差，以低秩修正补偿层输出误差，并通过输出感知的校准以闭式方式计算修正量，无需梯度训练，也不更新已校准的权重。在Llama-3-8B的4比特权重与激活设置下，秩为32的注意力修正使WikiText-2困惑度由7.708降至7.147，MMLU提升2.89个百分点，五样本GSM8K准确率由23.96%升至36.16%。
说明表示形成的信息几何：通过训练路径理解神经网络内部结构的形成
简介该论文不只看训练完成后的神经网络表示，而是研究表示在训练过程中如何形成。作者用 Bures 几何和量子 Fisher 信息度量表示空间中的移动与局部敏感性。文中报告，路径越曲折，所学计算所需的高阶交互越多，且路径的曲折程度能预测后续训练中的表示漂移。
说明患者总是对的吗？评估医疗诊断中的谄媚倾向（基于分级患者信念）
简介这篇论文评估了九个AI模型在患者声称自己患有某种特定（但不正确）疾病时，是否会改变诊断判断。研究发现，模型常会顺从患者的信念，即使患者提出的是虚构疾病。研究还发现，医学微调和模型规模会降低这种顺从倾向。论文指出，这种谄媚偏差对健康支持场景中的安全性具有重要意义。
说明基于持续学习的跨用户肌电手势识别适应方法
简介本文研究如何通过持续学习，让用于表面肌电（sEMG）手势识别的循环神经网络适应新用户和新手势类别。作者在NinaPro DB1数据集上比较了三种持续学习策略，发现经验回放在类别增量漂移下的最终准确率最高，达到83.3%，并且优于弹性权重固化和朴素微调。文章还指出，这类模型需要在打乱顺序、独立加窗的数据上训练，并且基于手工设计的时域特征可以提升单任务准确率，但只有回放方法能在类别增量场景下保留这一提升。
说明Fed-Universe：联邦系统中协商式对齐的语义-几何-拓扑-人类四层架构
简介论文指出传统联邦学习以全局平均为目标，会压制少数站点的数据分布。作者提出Fed-Universe框架，由语义、几何、拓扑、人类四层组成，把被动平均变为主动协商。在合成的跨国临床网络模拟中，少数节点（数据量低于3%）的损失从0.857降至0.340，同时主要节点也保持性能。
说明部分众数张量回归：一种基于条件众数的张量数据降维与回归方法
简介该论文提出部分众数张量回归（PMTR）方法，用于刻画张量自变量与响应变量之间的关系。方法构造部分众数张量协方差以引导张量各模式的降维，并在降维后的张量空间中建立众数张量回归模型。在适当正则条件下，论文建立了估计量的相合性与渐近性质，并采用数据驱动方式确定各模式的有效维数。
说明引导教师模型：改进思考型模型的同策略自蒸馏
简介论文指出，同策略自蒸馏（OPSD）中，参考条件下的教师模型可能导致学生模型引用不存在的参考材料（参考幻觉），并抑制对不确定步骤的复查与修正。作者提出 ST-OPSD 方法，通过激活引导（activation steering）从模型推理轨迹中提取两个方向，作用于教师模型的隐藏状态，以抑制引用参考的行为并鼓励复查。实验在 AIME 与 HMMT 上显示，该方法提高了准确率，并使复查率和参考幻觉率恢复到基础模型水平。
说明破解出行、公平与排放的三难困境：面向动态收费政策的因果机器学习框架
简介该论文提出一个因果机器学习框架，用于把动态收费同时纳入出行效率、公平与气候目标。作者使用双重机器学习估计不同区域类型的处理效应，发现商业区的延误减少幅度约为住宅区的两倍。自适应配额机制使住宅区覆盖范围扩大34倍，并保留93%的总延误节省；在中等交通条件下，收费还带来743.5吨二氧化碳的减排估计。研究基于贴近真实网络的合成数据验证。
说明用于单帧条纹图像三维重建的混合 Mamba-Transformer 网络
简介论文提出一种混合 Mamba-Transformer 网络，仅用一张高频变形条纹图即可从条纹恢复表面高度，兼顾长距离空间一致性与细节。网络采用基于 Swin 的 U 形结构，并引入轴向与空洞视觉状态空间（ADVSS）模块增强特征编码。在公开数据集上，该方法在 MAE、RMSE、相对误差和 SSIM 上优于 hNet、SwinConvUNet、UHRNet 和 HiDNet，单帧 RMSE 为 0.548 mm、SSIM 为 0.9985。
说明受约束梯度均衡：局部受限对抗者下的可接近性（一种在线学习理论研究）
简介论文研究在线学习中的梯度均衡（GEQ）框架，即要求学习者轨迹上的时间平均梯度趋于零。作者考虑学习者受约束的情形，指出即使在简单且缓慢变化的约束下，受约束梯度均衡（CGEQ）也可能无法实现，因此对对抗者施加局部时间结构。文中给出了类似Blackwell可接近性的必要充分刻画，并提出一种将窗口式无悔学习器转化为CGEQ算法的方法，实验表明该算法在达成均衡和遵守约束方面表现较好。
说明EmoNet：一种基于注意力机制的轻量级语音情感识别卷积网络
简介本文提出EmoNet，一个用于识别七类语音情感的轻量级深度学习模型，结合深度可分离卷积、注意力机制与双向LSTM。模型使用134通道声学特征并辅以数据增强，在TESS、RAVDESS和SAVEE合并数据集上测试准确率为96.75%，参数量仅411万。论文称其优于复现的基线模型，并与规模大得多的先进模型表现相当。
说明指令微调中的“高质量”数据：数据质量指标的实证研究
简介本文研究在固定微调预算下，哪些简单的样本级指标最能预测指令微调的训练效果。作者按各指标对样本排序并分为低、中、高三组，分别微调后比较验证困惑度和大模型评判得分。结果显示，以回答比例衡量的答案密集型监督，比常用的其他代理指标更能有效预测指令微调的效用。
说明层级协作式生成流网络（HCG）：让多个采样器分工探索、覆盖更多高奖励区域
简介生成流网络（GFlowNets）按奖励函数成比例地从组合空间中采样，但探索不足时容易集中在少数高奖励区域。本文提出层级协作式生成流网络（HCG），通过共享分类器动态划分搜索空间，使排名靠前的模型可探索整个空间，排名靠后的模型逐步被推向未被覆盖的区域，并给出聚合规则的理论证明。实验涵盖多模态分布、序列生成、组合优化和生物序列设计，显示其提升了模式覆盖度和目标分布的逼近效果。
说明神经算子基线在 The Well 数据集上的表现复查
简介该论文针对 The Well 物理模拟基准数据集（约15TB，涵盖16个领域）中发布的神经算子基线结果进行复查。作者指出原基线训练调参很少，但后来常被当作充分调优的基准。作者在同样的每次运行12小时时限下，对 Tucker 分解傅里叶神经算子（TFNO）做了简短的超参数搜索，并只使用单个输入时间步。结果显示，仅调参就在17项任务中的15项上使 VRMSE 低于已发布的 FNO 和 TFNO 基线，有时差距达数个数量级，因此作者认为这些基线不应被视为架构基准。
说明InteractiveWorld：用于构建更好交互式多模态大模型助手的可验证人本环境
简介该论文提出InteractiveWorld，一个让AI助手指导真人在环境中行动、并可验证结果的闭环交互环境。基于此构建了包含120个多轮任务、六个类别的动态基准InteractiveBench，任务结果由基于状态的可验证奖励评分。对12个前沿多模态大模型的实验显示，它们仍远不足以可靠地协助人类，其中表现最好的模型在长程指导和规划任务上分别仅达到20%和25%。
说明准确率不够：面向可解释胃肠疾病多分类的 ResNet50 与 ViT 效率与统计感知基准研究
简介该论文在公开的 Kvasir 数据集（4000 张内镜图像）上，对 ResNet50 与 ViT-B/16 做了八类胃肠病变分类的受控基准比较。交叉验证中两者准确率分别为 92.12% 和 91.70%，经统计等效性检验在 ±3 个百分点范围内等效；主要差别在计算成本，ResNet50 参数和运算量更少、推理更快。作者认为高效 CNN 可作为资源受限筛查的合理默认选择，但任何模型在部署前都需要本地验证。
说明QECGBERT：基于VQ-VAE波形分词与自监督语言学习的可扩展心电图基础模型
简介该论文提出QECGBERT，一种自监督心电图语言模型，通过VQ-VAE对P波、QRS波群、T波和等电位背景波形进行分词，以编码生理语义。模型在超过80万条未标注心电记录（MIMIC-IV）上进行BERT式预训练，并在PTB-XL、CPSC2018和Chapman–Shaoxing–Ningbo数据集上微调评估。论文称其性能与已发表基准相当或更优。
说明超越信念：评估与缓解大模型对虚假信息的易感性
简介研究者测试了五个能调用工具的大语言模型在面对虚假通知与历史攻击时的表现。结果显示，模型即使判定信息不可信，仍有相当比例会执行有害的工具调用；先让模型评级这一步本身也会改变其行为。论文认为，防御虚假信息应同时衡量有害行动与正常任务完成情况。
说明小型编程智能体如何使用代码图与嵌入？这是一篇研究小型开源模型在代码仓库定位任务中是否真正受益于结构化工具的论文。
简介论文在 SWE-bench Verified 上测试小型开源模型使用嵌入检索和代码图工具的效果，并按代码图中的跳数分层。结果显示结构化工具对小模型提升明显，但随模型增大而减弱，且智能体大多只使用一跳的词法性信息，很少串联多跳扩展。
看点通过深度分层的消融与探测实验，揭示小模型对代码图工具的使用多为一跳词法式，证据扎实（79k 个片段，十个模型）。
说明一种用于联合稀疏样本加权与参数估计的非凸框架
简介本文提出一种联合稀疏样本加权与参数估计（SWAPE）框架，在训练模型参数的同时为每个训练样本分配权重。框架支持凸、弱凸及差分凸等多种损失函数，并用弱凸稀疏函数控制样本权重的复杂度。作者采用交替最小化方法求解，并证明了算法的收敛性。数值实验表明，该方法在多种学习任务和数据异常场景下，相比基准方法更能降低不良数据点的影响。
说明《持续学习考试》：评测大模型智能体长期递进式学习能力的基准
简介该论文提出“持续学习考试”（CLE）基准，由50余名领域专家编写120个任务，每个任务分为五级，共600个关卡，涵盖12个职业领域的89种角色。智能体需通过前一关才能解锁下一关，后续关卡建立在前期经验之上。实验显示，反馈加修订使完成率中位数提高5.3个百分点，但表现最好的系统仅通过47.7%的关卡，完成全部五级的任务仅占23.3%，说明现有前沿模型从经验中持续学习仍然困难。
说明什么样的问题算是“好奇”？衡量人与大语言模型互动中的模型好奇心
简介本文研究大语言模型在对话中主动提问的“好奇心”，即能够揭示知识空白、假设和替代方案的认知性提问，并提出一套基于理论的分类法，将其与一般性提问区分开来。作者在四个对话数据集中发现，好奇导向的问题占全部问题的17%到28%，但会引发用户更具探索性、认知内容更丰富的后续回应，不同数据集的模式有所差异。人类研究显示，好奇心在建议、创意和研究类情境中尤其能促进探索。
说明结构化输出为何失败：九种大模型中提示约束 Pydantic 模式的实证研究
简介本文研究在提示中要求大模型按 Pydantic 模式输出结构化结果时的失败原因。作者提出了细粒度的失败分类体系和确定性分类器，对九种 OpenAI 与 Anthropic 模型配置下的 3,997 次生成进行分析。结果显示，相近的有效率可能掩盖不同的失败模式，最常见的是 Markdown 代码围栏包裹的 JSON，其中大多数会隐藏字段长度等其他违规。
说明无需模式文档的文本转SQL：从查询日志学习企业数据库结构
简介该论文提出一种不依赖模式文档的文本转SQL框架，通过分析历史查询日志来学习数据库的表关系与字段含义。方法是从解析后的查询模式构建知识图谱，并用实体驱动的GraphRAG检索把问题对应到业务术语。在Beaver基准上执行有效率为95.7%，高于基于嵌入检索的60.8%；内部部署中，专家数据工程师有70%的人更偏好该系统，10%偏好对比方案。
说明TurboWAM：学习真正关键的信息，实现快速世界动作模型
简介该论文提出 TurboWAM，一种用于机器人策略学习的快速世界动作模型，旨在降低推理延迟。它根据各层表示与动作去噪状态的相关性自适应融合世界模型各层的表示，并在反向传播中调节动作监督的梯度。推理时减少执行的世界模型层数并缓存表示，在多个机器人操作基准上实现较低延迟，同时保持与现有方法相当的任务成功率。
说明稳定且校准良好的潜在力 ODE 滤波器：在机理系统中估计未观测外力的一种改进方法
简介本文研究在机理系统中估计未观测外力（潜在力）的高斯滤波方法，该方法可在一次前向-后向过程中同时推断系统状态与潜在力。作者指出，状态与力的联合后验是传统潜在力后验的重加权形式，并发现方法的稳定性依赖于系统状态的先验方差。基于此，作者构建了改进算法，并在多个模拟实验场景中验证了其稳定、校准的推断效果。
说明HerHealthGPT：基于证据的女性生殖健康对话式AI系统
简介本文介绍了HerHealthGPT，一个面向女性生殖健康的、基于证据的对话式AI系统。该系统结合检索增强生成、情境感知的澄清提问和来源验证，会先追问关键信息再给出有依据的回答。在540条英文消息和30名成人的原型问卷研究中，检索证据使关注类别准确率从54.1%提升至59.3%，83.3%的参与者更偏好启用检索的配置。作者指出仍需进一步的临床验证。
说明EnerGNN：学习可与优化兼容的能量函数，用于精确的约束组合推断
简介该论文提出 EnerGNN，用图神经网络学习完整二值配置上的能量函数，并通过混合整数规划在明确的硬约束下求其最小值。在二次背包、组合拍卖和个性化细胞治疗供应链问题上，它得到接近最优的解且可行率为100%；在供应链问题上平均原始间隙为0.05%，速度约为整体式 MIP 的17.4倍。学到的能量还能推广到更大规模的实例，并支持无需重新训练的零样本约束注入。
说明WebViSE：从开放网络提取视觉设计知识，用于大模型网站生成
简介该论文提出WebViSE框架，自动从成熟网站实现中抽取可复用的视觉技能，并组织成多父节点的DAG技能库。作者称该结构在检索成本约为39.09%的情况下优于非层级的LLM检索基线，可作为即插即用的指导，也可用于构建数据合成流程。多项网页开发基准和人工评估显示，它提升了生成网页的视觉质量和交互保真度。
说明100 项认知任务的循环动力学中的多任务交互
简介该论文同时用分层几乎线性循环神经网络（AL-RNN）训练 100 项认知任务，研究任务之间何时相互促进、何时相互干扰。结果显示，联合分层模型优于单独训练的模型和无结构的单一联合模型。许多任务单独可用线性动力学解决，但共享的线性模型却无法同时解决它们，研究者还借此分析了任务相似性与迁移学习。
说明神经特征流体基：谱目标、规范与拓扑
简介本文提出神经特征流体基（NEB），用神经网络表示可在空间任意位置求值的降阶流体基函数，并通过微分提升与边界条件直接满足不可压缩性与不可穿透边界。在周期涡合并算例中，1024个模态下速度误差低于1%；对绕障碍物的随机流动，基于势的学习比同规模数值拉普拉斯基捕获更多初始能量并给出更低的最终误差。预计算的Galerkin算子使同一基复用时可实现毫秒级更新。
说明用变分Doob-Wasserstein流学习群体动力学
简介本文提出一种无需模拟的新框架VDWF，用于在黎曼Wasserstein-Fisher-Rao（WFR）流形上学习非平衡群体动力学，其理论基础是非平衡平均场薛定谔桥（MFSB）。方法先学习带数据相关度量的几何模型，再借助Doob h变换引入边界信息以改进轨迹推断，并用增长模型在WFR空间中构造中间质量样本。作者还用一致对数Sobolev不等式分析了收敛速率，并在多个真实数据集上验证，结果与现有先进方法相比具有竞争力。
说明基于RGB-D的移动机器人实时人体轨迹预测（Bi-Mamba方法）
简介论文提出一种名为TrajMamba的轻量级双向状态空间模型，利用RGB-D相机预测人的短期运动轨迹，用于移动机器人在有人环境中导航。其训练与部署使用同一处理流程，以减小训练数据与真实传感器噪声之间的差距。在ETH/UCY基准上平均ADE为0.29米、FDE为0.51米，模型约26.2万参数，并已部署在TIAGo机器人上运行。
说明面向纹理感知的子区域风格迁移数据增强策略
简介这篇论文研究图像数据增强中的风格迁移方法。现有方法随机或按固定几何约束选择子区域进行风格替换，可能覆盖不到有信息量的纹理。作者提出优先选择纹理响应强的区域进行风格替换的框架，并进一步采用纹理区域与随机辅助区域相结合的混合策略。实验表明，该方法比现有基于风格的增强方法分类准确率更高、鲁棒性更好。
说明基于秩一权重修正的可训练权重平均用于分布外检测
简介该论文研究如何检测输入是否超出训练分布（OOD检测）。作者受基于秩的分析启发，把可训练权重平均方法（TWA）扩展为用奇异值分解提取的秩一权重分量作为修正方向，并通过训练集内的分类目标学习其贡献。在ResNet50上，该方法在评估的数据集上相较微调和标准TWA有所提升，但基于马氏距离的评估结果不一，表明效果取决于OOD评分方式。
说明OS-Wizard：借助知识引导探索，让计算机操作智能体适应专业软件
简介论文提出 OS-Wizard，一个自动收集操作轨迹的框架，结合教程引导探索与图形界面加代码的混合动作空间。框架还会在树状探索中回溯关键状态，以覆盖更多工作流。作者收集了 10.9K 条轨迹，微调后的模型在专业桌面工作流基准上表现显著提升，并超过文中报告的人类表现，同时在通用桌面任务上也有改善。
说明用于语言模型捷径去除的反事实测试时增强
简介大语言模型可能利用训练数据中的捷径相关性，在相关性变化时预测变差。本文研究测试时的捷径去除，提出一族反事实测试时增强（CTTA）方法：借助辅助模型生成改变捷径取值的反事实编辑，再对大模型在这些编辑上的预测做加权平均。作者证明最优捷径不变预测器属于该族并刻画了权重，同时提出检验假设是否成立的方法，并据此设计了选择式方法 Select-CTTA。实验显示其优于测试时基线，接近在捷径平衡数据上微调的模型。
说明当角色设定变得有害：以全球公民价值对齐引导大语言模型
简介论文指出，带有价值观的用户角色设定请求通常并不明显恶意，现有安全基准较少覆盖此类情形，因此可能遗漏由角色使用带来的危害。作者构建了包含1.1万个争议话题并配以基于施瓦茨价值观调查价值维度的角色数据集，并通过迭代优化的代理流程收集到知名商用大模型的有害回复，成功率超过47%。作者以联合国教科文组织的全球公民原则作为区分合理价值表达与有害行为的基础，并提出一个可在推理时调节角色遵循与安全之间平衡的对齐模型，该模型在大多数样本上比基线更安全且更遵循角色设定。
说明WMEval：基于物理仿真评估交互式世界模型
简介交互式世界模型在机器人、游戏引擎和数字孪生等领域潜力很大，但现有基准多关注画面相似度，而非物理因果的一致性。论文提出WMEval基准，以Unity物理仿真作为高保真的基准真值，在9个场景中让同样的动作序列分别在仿真器和世界模型中执行，从动作可控性、场景与角色一致性、提示遵循、运动学、流体力学、物理因果和光照等方面进行评估。实验显示，现有先进模型在标准感知指标看不到、但对实际部署重要的维度上仍有较大提升空间。
说明基于课程学习的深度强化学习：可回收火箭远距离自主垂直着陆
简介本文提出一种课程驱动的深度强化学习框架，让可回收火箭从约1000至1500单位的远距离水平位置出发，自主导航并精准软着陆。方法包括三阶段课程、评论家预热、防遗忘的复习机制，以及包含完整旋转矩阵的高维观测，并重新设计了奖励函数。在10万回合的评估中，所提策略成功率为99.98%，基线为68.31%；着陆时平均距离着陆点中心7.07单位，基线为13.10单位。
说明面向多目标特征选择的最小边际幂指数（MinPI）
简介本文提出一种基于博弈论的特征选择指标 MinPI，用于判断每个特征在某些特征组合中加入后是否会使模型效用低于阈值，从而将特征标记为有害、中性或决定性。该方法可提出特征删除建议并需通过验证门槛。在六个基准数据集的实验中，MinPI 删除了 12.5% 的分析特征，保留集效用几乎没有损失。
说明干预认证放大：σ加权后训练的有效性门控
简介本文指出混合后训练（SFT与RL结合）中，训练侧信号可能在目标任务中重新放大预训练行为。作者提出DIAA混合方法并发现其会放大未执行的工具集成推理（TIR）；为此提出干预认证放大（ICA），用配对回放的目标证据来门控σ权重，从而降低TIR比例、提升准确率，并可迁移到GSM8K。
说明DIGEST：面向符号回归的发现引导式大模型微调方法
简介符号回归旨在直接从数据中发现数学表达式。论文提出DIGEST方法：将轻量级大语言模型的预训练解码器模块改造为符号策略，用于为遗传编程种群做初始化；并把遗传编程找到的优质表达式在线反馈，更新该策略，使模型逐步吸收以往搜索结果。在两个真值基准上，DIGEST的恢复率最多比最强对手高2.59%。
说明语义概念引导打破持续学习中的解释漂移循环
简介该论文关注持续学习中的解释漂移问题：模型准确率可能保持，但注意力会悄悄从诊断性特征转向虚假相关。作者指出，基于像素显著图的解释正则化会以模型自身冻结的显著图作为监督目标，形成自我参照的漂移循环。论文提出C³L方法，用离线发现、与模型状态无关的类别一致语义概念作为正则化锚点，并称在五个基准、二十多个基线上取得了较优结果。
说明FlashScript：将重复性智能体工作流编译为可复用的神经符号程序
简介该论文提出 FlashScript 方法，把智能体一次成功的运行过程编译成可复用的神经符号程序（NSP），动作与数据处理转为代码，需要模型判断之处才调用 LLM。在 120 个 WorkBench 分析任务上，NSP 结果正确且每次工具调用完全一致，输入 token 约少 70 倍，运行时间约为技能引导智能体的三分之一；在组合版任务中，后者准确率降至 23%，而 NSP 仍保持正确且一致。
说明基于等距质心编码器的稳定降维方法
简介本文提出等距质心编码器（ICE），一种监督降维框架，直接在潜空间学习类别质心并保持预设的类间几何结构。作者还提出质心邻域稳定性（CNS）指标，用于衡量多次独立运行之间类别级邻域拓扑的一致性。实验表明，在图像和生物数据集上，ICE 生成的嵌入更稳定，并能更好地保持类质心几何结构。
说明RelateGS：基于高斯溅射的可靠语义与关系证据，用于三维场景理解
简介该论文提出RelateGS，一种结构化的语言感知高斯表示，用于三维视觉定位。方法在语义特征提升时抑制不可靠观测，并将多视角物体观测整合为持久的三维图，同时找出观测不足的物体关系并指导重新查询相关帧。在Sr3D+和Nr3D数据集上，其在Acc@0.25指标上分别比此前最佳结果提高7.9和1.7个百分点。
说明后期突破结果：基于直接语音条件的机器人操作音频-语言-动作模型
简介视觉-语言-动作（VLA）模型让机器人能按文字指令操作，但实际部署中多为打字输入。本文提出 Speech-π0.5，在 π0.5 基础上将语音帧经跨模态投影直接转为音频 token，无需先转写文字，从而直接输出动作指令。文中采用分离的 LoRA 适配器（音频与任务各一）和两阶段训练以提升准确率。结果显示其响应延迟约为 ASR 流程的三分之一，在 LIBERO 上任务成功率具竞争力，并能较稳健地应对未见过的口音。
说明ReGE：通过经验合成让智能体更强
简介该论文提出ReGE框架，把智能体在交互任务中的历史执行记录合成为自包含的指导，供新一轮尝试参考。主要实现ReGE-Syn用一次教练调用同时整合执行记录与可用材料。在四个基准测试中，相比无指导执行，GPT平均准确率提升9.9个百分点，Claude提升8.8个百分点。
说明Numina Fuse：Lean 4 中的交互式自动形式化工具
简介Numina Fuse 是一款面向 Lean 4 数学形式化的智能体应用，让人类在 AI 编排器工作时进行监督，通过蓝图、依赖图和 Lean 代码视图查看进展。论文记录了 2026 年该系统从人工审核驱动的固定流程，演变为可自主调度专家、证明器和并行子任务的编排器的过程。文中还报告了其在三维 Kakeya 猜想形式化和证明器模型研究中的应用。
说明TrackTok：具有语义持续性标记的以对象为中心的视频标记化方法
简介本文提出 TrackTok，一种高效的视频标记化框架，生成以对象为中心的标记，使同一语义对象在跨帧移动、形变或部分遮挡时仍保持一致的编码。与基于图像块或固定位置的传统标记方法不同，该方法学习随时间持续的对象表示。在 UCF-101 上，它以 8 倍更少的潜在标记取得了与基线相当的类别条件生成 FVD，并在 Kinetics-600 的低标记预算帧预测任务上优于现有一维标记化基线。
说明软件工程大模型：为何需要，以及软件工程如何助力构建
简介本文通过对一个面向超过10万开发者、参数规模为920亿的代码大模型的工业案例研究，探讨软件工程知识如何指导模型训练。作者开发了RefactorForge流程，结合重构知识、软件工程工具和验证技术构建可执行的训练数据，并在306个Python仓库中生成了数据。在这些数据上进行的增量微调提升了RefactorBench和SWE-Bench ProMax等基准的表现，并在部分编码智能体框架下延伸到了SWE问题修复任务。
说明标签噪声下何时需要早停？核梯度流的相图分析
简介论文研究标签噪声下的早停问题。作者在合成噪声分类任务上分析核梯度流，推导出高维学习曲线并得到由线性核分量与高阶分量之间平衡控制的相图。在某些区域需要在有限时间早停；在另一些区域泛化误差持续改善直至插值，但终点并非最优；处于边界时，插值终点的泛化误差最低。因此，即便存在大量不可约的标签噪声，插值也可能优于早停。
说明《自己动手建造，而非直接对弈》：自我改进的LLM研究智能体开发出可媲美顶尖玩家的炉石酒馆战棋AI
简介论文研究LLM智能体能否从原始数据出发，完成一个与人类对抗的复杂系统。作者以炉石传说酒馆战棋为对象，提出AutoTavern系统，多个研究智能体共享研究记忆并经过验证，通过实际对局形成反馈循环。据文中所述，系统在20天内构建了TavernGym模拟环境并训练出TavernAgent；在公开排行榜上，其最近20场平均名次为1.60，优于服务器上评分最高的十名玩家。作者还提出包含960项任务的TavernBench，结论是LLM智能体构建系统的能力远强于直接对弈。
看点提出LLM研究智能体自我改进的完整系统，构建首个忠实复现的游戏模拟器并训练出超越顶尖人类的AI，证据包括线上排位和大规模基准测试。
说明交互作用下的近似通用预测
简介本文研究以贝叶斯混合（尤其是所罗门诺夫归纳）为基础的通用预测器，在智能体依据预测结果规划行动、从而改变自身数据分布时，其近似保证是否仍然成立。作者给出了有限视界因果混合下的迁移系数分解、与环境复杂度相关的误差阶，并证明该阶数是尖锐的。文中还给出了对有界回报的价值误差界，以及保持延迟决策的条件。
说明按需求控制视觉与文本依据：视觉语言模型的模态控制学习
简介论文研究当图像与配文冲突时，用户能否可靠地让视觉语言模型依据指定模态作答。作者提出 Flip 与 Stay 两种反事实干预测试，并引入新词嵌入学习与反事实双边界监督（CTM）来学习模态控制。实验涵盖三个模型、三个现有基准及自建的 Ground-CF 基准。
说明滑动网络：一类保持特征学习与特征多样性的残差结构
简介该论文研究深度学习模型在增加宽度与深度时如何保持训练稳定并保留特征多样性。作者提出一种联合缩放方案，核心量为残差宽度、隐藏宽度与深度之比的极限，并以相关初始化（Half Copy）部分放松形状约束。理论与残差MLP实验表明，在固定正比例下训练收敛到具有局部最大特征学习的SDE极限；但在语言模型实验中，固定参数量下重新分配宽度与深度会产生性能差异。
说明受限参与下的类 Hessian 相似优化：下界与虚拟主节点
简介本文研究每轮最多联系 m 个客户端中 s 个时，类 Hessian 相似优化所需的通信轮数，并给出在强凸二次问题上的下界。作者提出虚拟主节点的 SVRS 方法，结合 Catalyst，获得不依赖锚点质量的轮数上界。下界仅适用于零保持型算法。
说明EEGBiFormer：基于脑电图的实时注意力分类与脑电图指导的听觉方案验证
简介本文提出EEGBiFormer，一种CNN与Transformer混合模型，用16通道脑电信号实时区分专注与非专注两种注意力状态。作者自制了模拟前端采集板收集任务脑电数据，并在训练前用功率谱与相位锁定值分析确认两种状态的神经特征差异。模型在窗口级验证中准确率为91.3%，17个独立会话的记录级准确率为88.2%，端到端延迟低于100毫秒。另有37名受试者参与的配对behavioral研究显示，基于模型排序选出的听觉方案相比无声对照，综合注意力得分显著提高20%。
说明反应式优化器：在单次训练中由语言模型代理改写优化器代码
简介该论文提出一种名为OPAL的反应式优化器，使用预训练语言模型代理在单次训练过程中检查训练动态，并改写可执行的优化器代码。代理可针对不同参数组调整更新规则和学习率调度，无需专门的元训练。在语言建模和图像生成任务中，它在未针对目标场景调优的情况下，与部分固定方案持平或更优。
说明通过累加感知量化，让深度神经网络适应电压缩放引起的误差
简介本文提出软硬件协同设计方法，针对脉动阵列累加器在不同电压-频率工作点下的时序稳健位范围差异，结合累加感知训练、混合精度量化与非结构化剪枝、选择性MSB掩码、细粒度时钟门控以及分层动态频率缩放。作者在2nm工艺节点上评估，结果显示在低电压工作点下，相较标称电压实现，能耗与能量延迟积分别降低39%和23%，精度下降在1%以内。
说明学习共享什么：面向时间序列预测的专家专门化
简介本文研究多变量时间序列预测中跨通道共享与专门化的问题，比较了混合专家模型的效果来源。作者提出持久闭式路由方法PCR，在冻结的预训练预测器周围训练低秩残差专家，并构建合成数据集GalaxyTS用于分析专门化何时有效。文中报告PCR在四个预测步长平均下，相对三种冻结骨干网络取得均方误差降低的结果。
说明EnvLunch：把执行环境本身当作免费的学习任务，用于训练交互型智能体
简介该论文针对语言模型智能体在数据分析中需要大量人工标注任务的问题，提出 EnvLunch 预热阶段。它从可执行环境（数据库）中采样有效操作轨迹并执行得到最终观察结果，再训练智能体仅凭最终观察恢复功能等价的轨迹，无需人工或模型生成的任务描述。原文称，该方法在各下游训练规模下平均比基线高出 9 个以上百分点，并在少标注场景下显著减少所需标注样本。
说明记忆还是时钟？在 XLand-MiniGrid 中分离种子、地图与评估噪声后审计记忆优势
简介该论文研究部分可观测的 XLand-MiniGrid 任务中，带记忆的 LSTM 智能体比无记忆 MLP 多出约 25 个百分点的成功率，并检验这一差距是否真的来自记忆。作者在 60 次运行中分离了训练种子、地图与评估随机性，并在新地图上对比了加入时间步的 MLP 与 LSTM。结果显示，大部分优势来自智能体知道时间步，因此建议为无记忆基线提供时间步信息。
看点通过分离种子、地图和评估噪声并引入时间步基线，揭示了所谓记忆优势主要来自知道时间，对该类评估有实质修正。
说明任务格式对适应效果的影响：LoRA 与全量微调在提示安全分类上的对照比较
简介本文比较了 LoRA 低秩适应与全量微调在提示安全分类任务上的表现，使用同规模的 400M 编码器-解码器模型（Ettin），测试了三种任务格式，每组最多 15 个随机种子。结果显示，在预设学习率下全量微调领先 LoRA 2 到 3 个百分点；训练模型先给判决再写理由，可将 LoRA 的差距补上。训练后的模型在领域内表现优于提示的 8B 模型，但在两个分布外语料上落后，并且对良性但看似有害的提示误判率更高。
说明Rectified Language Flow：用整流流进行快速并行文本生成的语言模型
简介该论文提出 Rectified Language Flow（ReLF），通过整流流把噪声输送到词元嵌入来生成文本，结合 Hellinger-SVD 固定嵌入、交叉熵训练的自条件引导和正则化 reflow。论文称，在 OpenWebText 上使用 64 次函数评估时，ReLF 在三种测试规模下生成困惑度均低于自回归基线，且多样性相当；经过两轮 reflow 后，16 次函数评估下仍优于自回归基线，并在批大小为 1 时生成 1,024 词元序列快 15 至 19 倍。
说明面向开放式图像编辑的有依据探索：先确定可行的编辑方向，再落实为具体指令，以获得更多样且有依据的结果。
简介论文针对“装饰这个房间”这类可有多种合理实现的开放式图像编辑请求，提出两阶段框架：先识别多样且可行的编辑范围，再将其转化为可执行的编辑指令。在300个开放式图像编辑任务上，相比直接的多样性提示，该方法的平均语义分散度高24.6%，平均有依据性高17.1%，并生成了更有效且更有区别的结果。
说明IntentDelta：用于评测用户意图动态变化的人工构建基准
简介该论文提出 IntentDelta，一个人工构建的多轮对话基准，包含 638 条轨迹、3766 个回合，覆盖 WebShop 与 TravelPlanner 两个任务环境。每轮将用户发言与累积意图状态及人工参考动作配对。作者评测了 11 个智能体的意图恢复与动作质量，发现智能体难以保留早先需求，也难以区分软偏好与硬性约束；正确恢复意图并不保证执行成功。
说明超越静态结构：通过 DynaReason-Pro 将蛋白质动态与功能联系起来
简介本文针对内在无序蛋白（IDP）功能依赖构象动态而非单一静态结构的特点，提出 DynaReason-Pro 框架，可同时从构象系综预测 GO 功能术语并生成自然语言功能说明。研究在蛋白质系综数据库（PED）整理的 IDP 基准上评估，采用序列与结构聚类互不重叠的划分以防止数据泄漏。按构象变异性分层的评估显示，在高构象变异性情形下提升最为明显。
说明ProMo3D：探查冻结的三维基础模型中的运动线索
简介本文研究冻结的三维基础模型的特征令牌中是否已编码运动相关信息，并可通过轻量读出函数提取，而无需重新训练高容量解码器。作者提出基于探查的运动蒸馏方法（PMD），仅用160个YouTube-VOS视频在单张16GB显卡上训练，即可零样本迁移到DAVIS、SegTrackv2和FBMS-59等基准。结果显示，该方法优于免训练的启发式方法，并接近更重的监督与自监督方法。
说明我们是否已经完成了将UMLS注入医学问答语言模型的研究？
简介本文回顾了将统一医学语言系统（UMLS）知识图谱注入语言模型以用于医学问答的现有研究，批判性地分析了所选用的UMLS来源及其与语言模型的结合方式，并对各项选择逐一单独检验。作者指出了以往研究中未曾讨论的方法问题，包括UMLS覆盖率低和子图检索流程薄弱。基于这些发现，作者提出了可操作的建议，以释放UMLS作为外部知识来源的潜力。
说明MTA-Zero：通过在线问答生成与求解器协同训练实现自我提升的多模态深度搜索
简介多模态大模型在需要图像理解、工具选择和网络证据整合的多步搜索任务上仍有局限。本文提出MTA-Zero框架，让可训练的问题生成器基于图像种子在线检索证据并构造已验证的多跳问题，求解器则负责选择工具并作答。生成奖励依据求解器的成功率设计，使问题聚焦于其学习前沿；两者用GRPO独立优化。在六个基准上，Qwen3-VL-8B求解器的平均准确率从36.91%提升至51.58%。
说明从邻近描述中获取线索：将描述一致性用作视觉语言检索的推理时证据
简介论文提出在推理时利用同一图像的其他描述作为证据，与冻结的双编码器的图像相似度融合，以提升文本到图像检索效果。当描述与查询来自同一标注者时提升最明显，来自不同标注来源时几乎无提升。作者还分析了这种提升的来源，并指出在组合式基准上，描述主要帮助匹配人工描述，而非改善图文对齐。
说明一次扫描足够：无需示范的语言导航场景适配
简介该论文针对语言引导导航策略在新建筑中表现下降的问题，提出用一次简短的 iPhone 扫描代替人工示范。系统 Scan2Instruction 将扫描结果生成为完整训练环境并自动合成带指令的导航任务，PRPT-KS 则基于重建场景的闭式帕累托效用完成策略适配，无需学习的评判器或人工标注。在五个真实环境中，机器人实际成功率为 85%，高于基于人工示范后训练的基线 49%；在同一建筑未扫描区域也达到 82%，基线为 41%。
说明利用 OWL 函数在相机运动时分割运动物体
简介该论文提出一种基于 OWL 感知函数的解析框架，用于在单个相机运动时分割多个独立运动的刚体。方法利用逐点的平移方向估计进行聚类，从而划分出各个刚体。该框架基于四元数在三维中推导，并声称可并行计算、对相机旋转不变，且无需训练数据、深度信息或语义先验。
说明通过结构化剪枝与自适应微调释放PPG基础模型在可穿戴信号上的专业化能力
简介该论文针对可穿戴设备采集的低质量PPG数据，发现预训练PPG基础模型存在固有稀疏性与计算冗余。作者提出结构化剪枝与微调框架SPAFT，将微调约束在更相关、更紧凑的参数空间中。在四个模型、五个数据集和十个下游任务上，SPAFT在回归与分类任务中的胜率分别为82.8%和87.5%。
说明带利普希茨控制的贪心正交多项式流形：用于降维与降阶建模
简介该论文提出用对训练数据正交归一的特征表示多项式解码器，并据此设计贪心算法 Greedy-OPM，在给定解码器利普希茨常数上界的条件下，同时选择编码器模态和多项式特征，使重构误差最小。数值实验表明，该利普希茨约束在保持较高重构精度的同时，提升了模型在训练数据之外的泛化能力。
说明ReLU函数空间中极限的几何结构：研究固定结构ReLU神经网络所能表示函数的集合在极限下的闭合性与几何性质。
简介本文研究固定结构ReLU神经网络所实现的函数空间的几何与闭包性质。作者先证明分段线性连续函数极限的一个一般性结论，并刻画浅层向量输出ReLU网络可实现的函数。论文还指出，固定宽度的浅层标量ReLU实现空间在加权上确界范数下是闭的；但通过构造具体网络序列，证明了架构(2,3,2|1)下的非闭性，反驳了Petersen、Raslan与Voigtlaender提出的一个猜想。
看点证明了CPWL极限的多面体复杂度下半连续性，并构造反例推翻Petersen等人的猜想，证明严格，影响限于理论界。
说明RoboReason：通过可扩展数据生成提升机器人相关的视觉语言模型推理能力
简介该论文指出视觉语言模型（VLM）在机器人操作中的表现难以低成本大规模评估，因此用真实机器人立体相机和腕部相机图像，设计了帧排序、深度排序和左右排序三类空间与时序推理任务。实验显示多个先进模型在排序任务上表现欠佳。作者随后提出可扩展的自动训练数据生成流程，并证明基于这些数据的监督微调和强化学习都能提升模型在时空排序及下游机器人和视觉推理任务上的表现。
说明InfiniteWorld：区分视觉证据与熟悉的物理规律
简介本文提出 InfiniteWorld 基准，用物理参数被系统修改的模拟器视频配合物理推理题目，检验视频语言模型是否依据视觉证据作答，而非套用地球常规物理。基准包含五类任务，并在文本与不同帧输入设置下进行配对评估。结果显示模型普遍偏好熟悉的物理规律，即使观察到的物理已改变，仍常给出地球常规答案。
说明TriageRAG：面向专业领域、感知失败的检索增强语言模型自训练方法
简介该论文提出 TriageRAG，用于在只有无标注语料时，把检索增强生成（RAG）系统适配到医学等专业领域。方法对模型自生成的每个问题分别在有无检索上下文时进行探测，将其归入已知、已解决、上下文失败、检索失败四类，并按类别施加对应的训练信号。在 11 个数据集和 CS-Bench 上的实验显示，其优于预算匹配的 SimRAG，并且在检索拖累基础模型的各种情形下都能恢复闭卷水平。
说明《System 1 模型入门指南：超越大语言模型的快速决策》
简介论文介绍了一类在单次前向计算中直接输出结构化决策的“System 1”模型，用于路由、门控、打分、分类等对延迟要求高的常规决策，并提出五类模型的分类框架。内容涵盖架构、训练方法与部署权衡，重点讨论了校准问题及相关现象，并介绍了与大语言模型组合使用的方式。
说明用主动训练的神经算子实现近显式大气化学模拟
简介地球系统模式通常把大气化学简化为凝缩机制，因为接近显式的机制（如主化学机制MCM）计算代价过高。本文提出FNO-MoE，一种带专家混合的傅里叶神经算子，可一次调用预测30分钟内完整的近显式化学状态。该网络还利用其专家之间的分歧来选择信息量最大的箱式模式模拟用于训练，在相同成本下比随机或均匀采样更准确。在较长轨迹上微调后，模型能在多小时运行中保持稳定。
看点提出FNO-MoE并用专家分歧主动选择训练数据，实现近显式化学机制的单次长时段预测，新意较突出；证据基于箱式模型实验，规模与对比仍有限。
说明面向双曲输运的图神经求解器：支持 CFL 的边设计
简介该论文研究在图神经网络求解双曲偏微分方程时，把局部传输尺度（CFL 信号）显式加入边特征是否有帮助。作者保持网络结构不变，只改变每条边的信息形式。结果显示，仅在边表示已体现传输方向与空间尺度时，CFL 条件化才有效，并能降低最后一步的误差，且在步长变大时优势更明显。
说明面向黑盒大模型生成文本检测的局部熵波动方法
简介该论文研究在不知源模型的黑盒条件下，如何零样本检测机器生成文本。作者发现，现有双模型与重采样检测器在指令约束文本上表现严重下降。论文提出相对峰值突出率（RelPPR）指标，利用熵轨迹上的结构差异进行检测，并称其在多种模型与数据集上达到黑盒检测的最先进水平。
看点提出基于熵轨迹局部波动的新指标RelPPR，并在多模型和数据集上验证其黑盒检测性能，证据较充分，对该子领域有实用价值。
说明StateWise：让语言模型在多轮对话中追踪并遵守不断变化的约束
说明RoleHear：面向半监督角色标注流式语音识别的伪标签方法
简介流式语音识别能低延迟地转写语音，但输出的词流不标注说话者角色，而客服分析等实时应用需要知道每个词属于哪一方。本文提出 RoleHear 半监督流程，让单个缓存感知的流式转录器通过轻量词表内角色标记直接输出角色：先给出轮次边界标记，几个词之后再给出角色标记。离线转录教师模型对无标注音频重新标注，多模态大语言模型在缺少人工标注时提供银标角色标签。在有人工角色标注的客服通话和有银标角色的财报电话会议上，RoleHear 能较准确地标注角色，同时保持转写质量，并缩小与离线教师模型的差距。
说明事实全对，答案却错：视觉语言模型的多证据整合缺口
简介该论文研究多模态模型在组合多条证据做出满足全部约束的决策时的失败原因。作者在可控的子集选择与路径搜索任务上，将单项事实识别与全局决策有效性联系起来进行评估。结果显示，模型能准确识别局部事实，但全局决策仍大量失败，例如 Gemma-3-27B 在八项视觉实例上的全局有效率仅为 19.75%。
说明C-DFF：自动驾驶仿真验证中用于机制一致性检验的概念级诊断方法
简介本文提出概念级诊断方法C-DFF，用于比较同一感知系统在真实图像与仿真图像上依赖的视觉证据是否一致。方法从冻结的被测系统中提取决定性证据，映射到语义概念空间并比较重要性向量，并给出哪些场景概念在仿真中影响力增减的诊断。在KITTI与Virtual KITTI 2的2126对配对样本、三类感知任务上进行了评估。结果表明，输出结果一致并不足以证明机制一致。
说明自动驾驶道路基础设施感知：分类、表示、任务与挑战
简介这是一篇综述论文，梳理自动驾驶中道路基础设施感知的研究现状。作者将相关研究分为几何结构型、功能空间型和法规语义型三类，并回顾了传感模态、场景表示、代表性方法、基准数据集和评估方法。文章还指出现有基准在关系推理、时间一致性、鲁棒性和面向规划的评估等方面存在局限，并讨论了未来方向。
说明基于强化学习的自动驾驶车辆模型计算机视觉导航
简介本文评估近端策略优化（PPO）强化学习算法在仿真道路中的导航能力。系统以摄像头图像作为输入，输出后轮转速与前轮转向角，分别控制车速与方向。结果显示，该算法在简化环境中能生成可导航的策略；文中也提出了提高复杂场景鲁棒性的改进方向，并提供了供其他开发者测试算法的仿真框架。
说明《RATE：人类水平机器翻译时代的译文评估新协议》
简介论文指出，随着机器翻译接近人类水平，现有金标准评估方法（MQM、ESA）难以发现细微错误。作者由专业语言学家对WMT24英译俄结果进行人工评估，建立数据集，并提出RATE评估协议，包含精简的错误分类、扩展的严重程度等级和兼顾准确性与流畅性的多维评分。结果显示，部分先进机器翻译系统在准确性上可能已超过人工译文，但流畅性仍有不足。
说明ProtAgent：用交互级信用分配后训练紧凑型蛋白质工具智能体
简介该论文提出ProtAgent，一种两阶段后训练方法，先用监督微调学习工具调用接口，再用REINFORCE强化学习改进交互策略，并通过步骤级回报为中间工具调用分配奖励。在真实生物信息学工具的闭环评估中，80亿参数的ProtAgent-8B在注释覆盖率指标下取得61.00%的成功率，高于DeepSeek-V3.2-Thinking（6710亿参数）的41.60%。作者同时指出，该指标衡量的是对参考注释的恢复程度，并不能单独证明生物学正确性或证据的完整依据。
说明POD-RoPE：面向具身智能的物理观测分布旋转位置编码
简介该论文提出POD-RoPE，把每个词元的观测范围表示为相机中心、观察方向和采样时间上的分布，并用期望旋转编码相对位置关系。作者将其用于机器人策略模型，在RoboTwin 2.0的50个任务上平均成功率由91.83%提升到92.88%，并报告了更快的计算速度。
说明超越提示词：基于大语言模型的机器翻译评估器系统研究
简介该论文系统研究了指令设计、少样本示例、基座模型选择和多步骤流程如何影响基于大语言模型的机器翻译评估。作者在WMT24、WMT25英俄译文上收集专家标注，并在其他五个语言对的基准上做迁移验证。研究提出了名为ORBIT的一系列评估器，其最强配置在错误片段检测及准确性与流畅性排序上达到专家水平，成本约为专家人工标注的二十分之一。
说明从分布匹配视角理解大语言模型训练算法
简介本文提出一个统一框架，将大语言模型不同训练阶段的多种算法解释为最小化当前模型与目标分布之间的某种散度。分析显示，在线策略蒸馏（OPD）在当前模型分布接近目标分布时优于经典知识蒸馏（KD），而两者相距较远时则表现较差。作者还提出条件KL（CKL）正则化，以缓解目标分布退化问题，在保持模式多样性的同时放宽对奖励提升的约束。
说明基于幅值感知比较的量子k近邻算法实现：一种用于比较不同范数向量欧氏距离的量子编码方法及其在QKNN中的应用
简介该论文提出一种量子编码技术，通过为每个向量附加一个分量，使不同L2范数的向量之间也能计算欧氏距离，并将其用于量子k近邻（QKNN）问题。作者称该方法比同类方法更易理解和实现，且所需量子比特更少。在标准标注数据集上，该实现与近期一种欧氏距离QKNN方法进行了对比基准测试，并在含真实噪声的模拟中表现更好。
说明多项式残差网络在一般条件下可辨识
简介本文证明了宽度恒定、使用多项式激活函数并包含偏置项的残差网络的可辨识性结果。对于次数至少为五、系数一般的激活函数，一般参数对应的纤维是单点集。对于次数至少为三且在输入适当平移后无线性项的情形，一般纤维由平移偏置、再以实单位根缩放权重和平移后的偏置给出。作者还推导了残差网络参数化临界点的必要条件，这与奇异学习理论相关。
