机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明基于 SegFormer 的采光系数空间预测模型：综合遮挡编码与法规验证
简介该论文提出一种机器学习方法，可直接在建筑信息模型（BIM）环境中预测住宅房间采光系数（DF）的空间分布，无需导出模型即可秒级给出结果。模型在约 2 万个合成房间上训练，并在 18 个真实建筑的 102 个房间上验证，其中默认材料版本在瑞典 BBR 与挪威 TEK17 合规判断上误差较小。作者建议该默认版本可用于初步采光模拟，自定义材料版本仍需进一步开发。
说明几何结构如何影响黎曼流形上的生成模型评估
简介本文研究在黎曼流形上评估生成模型时，曲率与维度如何共同影响距离与评估结果。作者系统比较了 Wasserstein 与 MMD 的测地线、环境空间及切空间版本，并利用受控噪声扰动和黎曼流匹配样本进行实验。结果表明没有任何一种度量在所有几何条件下都可靠，并据此提出报告评估距离、比较度量类型及根据样本几何校准度量的实践建议。
说明为高效流体天线系统学习代表性端口子集
简介流体天线系统提供大量候选端口，但每次信道实现都逐一探测会带来很高的在线开销。该论文提出离线方法：先从训练信道样本中收集最优端口，把候选端口空间压缩一次，之后可在后续信道实现中复用。在49个候选端口的DeepMIMO 7×7流体天线上，120个训练样本平均得到27个代表性端口，保留了穷举端口选择所达到信道功率增益的99.995%。
说明LLM多智能体系统中的策略性校准：用于真实报告的审计枢轴评分机制
简介在基于大语言模型的多智能体系统中，智能体报告的置信度会决定下游注意力与计算资源的分配，因此报告本身带有策略性。论文提出审计枢轴评分机制（APSM），结合平台分配补偿抵消、逆倾向加权稀疏审计、Clarke枢轴外部性收费和严格正常评分，证明在所设模型假设下真实报告是唯一的最优响应。实验表明，在Top-K激励下LLM智能体会夸大置信度，而APSM能减少失真并提高对偏离行为的效用边际与近似执行下的稳健性。
说明基于人类反馈引导的多智能体逆强化学习：用于交互式驾驶行为建模
简介本文提出HFG-MAIRL框架，用多智能体逆强化学习从驾驶数据中推断驾驶员的隐含奖励，以建模混合交通中的交互式驾驶行为。方法将每辆车与其直接相邻车辆建模为局部马尔可夫博弈，并用有限次边际响应迭代近似联合动作，避免枚举完整联合动作空间；同时以Bradley-Terry似然将人类反馈（实验中为驾驶员情绪标签）作为序数偏好监督。在AIDE数据集上的实验显示，该方法在决策建模上优于代表性的逆强化学习基线。
说明从粗糙观测重建细尺度偏微分方程轨迹的潜在动力学方法
简介本文提出结构化潜在动力学（SLD）框架，可从空间和时间上降采样的模拟数据中重建高分辨率轨迹。方法通过时间插值、学习到的时间修正以及潜在状态的门控更新与空间差分项来逐步恢复细节，并用哈尔小波合成分支输出高分辨率场。作者在Gray–Scott、复金兹堡–朗道和粘性Burgers三类系统上，用25帧输入重建100帧输出，结果显示其平均相对L2误差和平均绝对误差低于对比基线。
说明RoboJev：用于机器人任务成功检测的开源视觉语言评判模型
简介该论文介绍了RoboJev-27B，一个开放权重的视觉语言模型，输入任务指令和机器人操作的若干帧画面，判断机器人是否完成了任务。模型基于JEV-27B-VL训练，在SO-101机器人的留出测试集上取得95.2%的平衡准确率和0.993的AUROC，并对未见过的实验室与机器人数据也有一定泛化能力。论文同时发布了推理代码和全部预测结果。
