机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明通过数据生成策略提升深度学习模型性能：橄榄树病害分类
简介该论文针对深度学习在植物病害诊断中因数据不足和类别不平衡而受限的问题，提出综合数据生成策略，包括传统增强、CutMix、MixUp以及DCGAN合成图像。作者在三种数据分布场景下，用预训练并微调的EfficientNetV2B0评估模型表现。实验结果显示分类准确率有明显提升，表明数据多样性和类别平衡十分重要。
说明自监督预训练用于故障预测与健康管理：哪些可迁移，哪些不能，联邦化的代价是什么
简介本文在防止数据泄漏的条件下，用47个公开PHM数据集评估自监督预训练的价值，其中11个数据集完全不参与预训练。结果显示迁移效果依赖任务：故障分类（CWRU、HSG18）上预训练明显提升宏F1，而CMAPSS剩余寿命估计中预训练模型并未稳定优于从零训练的基线。在相同预算下，集中式预训练在四组比较中领先15.5至20.2个宏F1点，但该比较受学习率调度和单次预训练运行的影响。
看点系统比较自监督预训练在PHM任务上的迁移与联邦训练代价，控制泄漏并给出多项负面结论；证据较完整，但单次预训练运行削弱了部分对比结论。
说明以身份而非配对为单位：嵌入式验证的无分布假阳性控制
简介该论文指出，嵌入式验证常用的校准方法从同一批身份构成的冒名配对中设定阈值，而这些配对彼此共享身份，可能导致误接受率失控。作者提出COVE方法，将探针与参考样本加入校准单元后，对全部配对排序判定，在身份可交换假设下给出有限样本的假阳性率上界。在6个基准和8个编码器上的实验显示，实际误接受率与理论界一致。
看点提出基于身份交换性的校准方法并给出最坏情况下界，理论上有新意；在6个基准、8个编码器上验证了界与实验结果一致。
说明《线上之声》：面向实时通话的因果语音分离研究
简介本文训练了用于实时通话的因果语音分离模型（参数量为1.4亿至3.74亿，延迟20毫秒），从通话本身获取说话人声纹。研究发现，引入带WavLM-Large权重的更大模型可降低开发集的错误率，其中发布的模型在干净开发通话上将错误率从3.92%降至2.96%。文中还提供了一个仅2210万参数、可在单个CPU线程上实时运行的蒸馏版本，并开源了相关模型与LiveKit插件。
看点通过因果化的WavLM联合训练并在长通话上训练，提升了说话人隔离的实际表现；实验对比充分，覆盖多个基准与实时场景。
说明用于3D OCT图像体数据压缩、去噪、特征提取与视网膜疾病诊断的低秩MERA分解
简介本文提出一种基于低秩多尺度纠缠重整化假设（MERA）张量网络的方法，用于近似3D OCT（光学相干断层扫描）图像体数据。该表示同时支持压缩、去噪和特征提取，且无需训练、每个体数据独立处理。作者在两种扫描仪采集的数据上评估，结果显示视觉质量提升、视网膜层分割误差降低，并结合Grassmann流形最近子空间分类器在小样本临床数据上对视网膜疾病进行分类。
说明MechAlign：在数学形式化项目层面评估语义对齐
简介Lean 能验证形式化证明在既定假设下成立，却无法检查其陈述是否忠实表达论文中的数学命题。作者提出 MechAlign 框架，结合 LeanTrace 提取的声明依赖图与基于大模型的评估，对项目层面的语义对齐进行审查。研究初步审查了 173 个 OpenAI Math 项目中的 201 个主要结果，并构建了包含 501 个三元组的 LeanReviewBench 基准。
说明在归咎大模型之前，先诊断工作流：将自然语言转为本体约束陈述的角色级难度画像
简介本文针对将自然语言领域描述转换为基于本体的断言层（ABox）领域专用语言语句的任务，指出失败往往源于输入不足、领域接地薄弱、输出模板与词汇缺口、验证薄弱及非局部修复等结构性问题，而非仅仅是生成模型能力不足。作者提出一个角色级难度画像，围绕输入、生成器、输出、验证器和修复器五类工作流角色，设定七个诊断变量，用于辅助工作流诊断与重新设计。该画像基于经验构建，并非穷尽式的框架。
说明带混合反馈的对话式广义线性赌博机
简介对话式赌博机通过主动询问用户关键词偏好来改进推荐。本文研究结合物品绝对评分与关键词相对比较两种反馈的对话式广义线性赌博机，提出HyConUCB算法，从异构反馈构建统一置信界，并在信息增益与方向覆盖之间平衡地选择关键词比较。理论分析表明其遗憾界优于仅用评分或仅用比较的基线，并在合成和真实数据集上得到验证。
说明成语翻译质量评估现状：标准评估指标常偏好直译
简介本文针对英译多语言成语翻译的质量评估系统进行研究，构建了包含直译与意译对照的平行数据集，覆盖九种目标语言。作者测试了十一个传统评估指标和十个大语言模型，发现多数系统存在偏向直译的倾向。只有少数系统能稳定地给意译打出更高分数。
说明重视风格胜过实质？基于大语言模型的同行评审中的语言偏差
简介本文研究大语言模型在同行评审中是否会受论文语言风格影响。作者在保持科学内容不变的前提下，改写论文以呈现母语或非母语英语的语言特征，以及高或低自信的表达方式，再用不同大语言模型进行评审。结果显示，评审模型会系统性地偏爱自信的修辞，而与科学内容无关，这对其评估的稳健性提出了担忧。
说明NOMAD-EEG：与电极布局和输入长度无关的脑电生成式基础模型
简介该论文提出 NOMAD-EEG，一个 12.0M 参数的扩散模型，用于脑电（EEG）分析，不依赖电极数量、排列顺序或输入长度，仅用 3D 头皮位置标识电极。模型在 147 小时无标注脑电上预训练，并在十个数据集（1 至 64 个电极）及两个未见人群上以冻结线性探针评估。原文报告其在多项癫痫、运动想象等任务上优于包括 69M 参数 REVE 在内的七个基础模型。
说明超越视觉-语言模型：面向艺术作品情感识别的视觉-语义情感图
简介本文提出视觉-语义情感图（VSAG），用可解释的特征节点（如色彩、笔触、构图、光影、线条及视觉实体）表示艺术作品，并学习特征与情感之间的关联以预测主导情感。在EmoArt-5k数据集上，其分层效价-唤醒度变体的整体表现优于直接使用Qwen3-VL和InternVL3.5的视觉-语言模型推理，以及仅含情感的基线模型。
说明超越OCR噪声：面向立法档案的稳健跨语言检索增强生成
简介本文针对印度历史议会档案中扫描退化、多栏排版和混合文字带来的OCR识别困难，提出一个端到端框架，将基于视觉的版面分割与多文字OCR和智能体式检索增强生成相结合。系统通过迭代的智能体循环绕过OCR噪声与版面歧义后再生成答案。在20万页的旁遮普邦议会档案上评估，该系统在处理历史文件退化方面表现稳健，优于仅基于文本的基线方法。
说明极端高温下机器人感知的热余量路由：通过温度预测选择检测模型以减少超时与能耗
简介该论文提出热余量路由（THR），一种轻量级模型选择策略，用 RC 热模型预测处理器温度，并排除预计会超过降频阈值的检测器配置。在 45–55°C 环境温度和紧迫的推理时限下，仿真中 THR 消除了降频，使超时率降低 3.9–7.5 个百分点，每个按时完成帧的能耗约降低 12–13%。论文同时指出，调优后的静态策略在固定工作点上可与 THR 相当，预测路由在环境条件或热参数不同时更有价值。
说明上下文并非免费：面向跨地域数据中心多轮LLM网络服务的碳感知路由
简介本文提出CarbonRouter，一个在线框架，为每个查询同时选择模型、GPU类型和地区，以降低碳排放。多轮对话依赖历史KV缓存，在其他部署上重算历史会产生碳成本，该框架据此建立缓存感知的碳成本模型，并用轻量门控决定会话是否留在原部署。在真实对话数据集的实验中，该方法碳排放最低。
说明面向视频智能体的联合潜在推理与观测学习（LARVA）
简介论文提出 LARVA 框架，把多轮视频智能体的能力蒸馏到较小模型中。观测模块向推理模块传递紧凑的连续表示，而非文字描述，推理模块据此选择下一步取证动作或给出最终答案，两者通过共同训练优化。在五个视频理解基准上，4B 与 7B 模型表现良好；其中 7B 模型在 VideoHolmes、Video-MME 和 LVBench 上分别比同样教师轨迹训练的文本 CoT 学生模型高 5.1、2.5 和 3.7 个百分点。
说明在没有正式标准答案的情况下训练模型守住边界：证据充分性判断中奖励训练的受控对照研究
简介该论文研究证据充分性判断，即判断现有信息是否足以支持某个因果结论，这类任务没有可判定的正确性奖励。作者用同一基座模型做受控对照，比较经过 SFT 加 GRPO 训练的版本、基线、打乱配对的安慰剂模型和通用推理模型。结果显示，训练后模型主动正确拒绝的比例从 25% 升至 100%，安慰剂组则明显下降，且对格式良好的正常主张误拒率仅为 1.1%。作者强调，这是 14B 同系列模型的受控研究，评估由模型而非人类专家完成，结论不具普遍性。
看点通过预注册的受控对照设计，证明奖励训练可在无可判定正确性信号的证据充分性判断中习得边界保持，新颖性较强，但仅限14B同系列模型。
说明GaussianSpline：面向高动态场景的自适应贝塞尔样条4D高斯泼溅方法
简介该论文提出GaussianSpline，一种动态4D高斯泼溅方法，用非均匀分段三次贝塞尔样条建模每个高斯的运动。方法同时学习控制点与时间划分，对快速变化区域分配更多时间容量，对接近静止区域保持紧凑轨迹。通过反射型约束实现相邻段之间的G1连续性。在Neural 3D Video、Google Immersive数据集及合成场景上，该方法在高度动态场景中提升了重建质量，在一般动态场景中与现有方法相比保持竞争力。
说明O2D-MedNet：面向稳健医学图像分割的优化感知双域框架
简介医学图像分割受复合退化和多尺度几何变化影响，难以稳定准确。该论文提出O2D-MedNet，结合傅里叶域与小波域特征的双域交互模块、CNN与视觉状态空间模型的轮廓引导融合模块，以及基于损失趋势和梯度统计的训练优化策略。作者称其在六个基准数据集上优于现有方法，并在边界精度与训练稳定性方面有所提升。
说明多智能体接力思考：让多个AI智能体依次接力完成推理
简介本文提出一种多智能体协作的新拓扑结构，即接力思考：推理任务在智能体之间动态转交，后续智能体继承并完善已有推理轨迹。作者提出多智能体置信度引导接力框架（MACR），通过置信度触发接力，并借助基于置信度的竞标机制选择下一个智能体。在四个基准上的实验显示，该方法准确率优于最强的单模型策略，并在部分基准上以更低的令牌开销取得与多智能体策略相当的结果。
说明MuSID-KD：面向语义ID生成式推荐的多粒度知识蒸馏
简介该论文针对用语义ID（SID）逐token自回归生成的推荐模型推理开销大的问题，提出多粒度知识蒸馏方法MuSID-KD，把强大教师模型的知识迁移到轻量学生模型。方法包括分层候选分布对齐（HCDA）和基于排序影响的分层蒸馏（RIGD），前者按共享前缀聚合概率并逐层对齐，后者依据排序代理损失的下降分配监督。在真实推荐数据集和三种轻量学生架构上的实验表明，推荐精度有所提升，且不需修改学生模型的在线推理结构。
说明SkillLifeBench：智能体技能全生命周期安全基准测试
简介该论文提出SkillLifeBench基准，包含388个配对场景，覆盖实现、接口、运行时、组合和版本变更，用于考察网页智能体在复用技能时存储代码、所选版本与加载实现之间的差异对任务结果的影响。作者评测了14个模型，在运行时任务与自主生命周期任务上比较任务完成与攻击目标规避的联合成功率，并测试了执行溯源信息对恢复效果的提升。
说明生成与验证：面向安全关键汽车软件工程的人机协作
简介该论文提出一款面向汽车C/C++的编码助手，通过模型上下文协议向开发者提供生成、编辑和验证三类工具，开发者可随时对任意代码进行验证。作者还基于AUMOVIO的生产代码构建数据集，并通过提示工程和微调对大模型做汽车领域定制。两周试点显示，验证工具使用最多，75%的开发者更偏好速度较快的提示工程配置。
说明边缘设备动态变化下的一次性联邦模型精确编辑
简介标准联邦学习需要设备在多轮通信中保持连接，不适合车联网等设备频繁加入和离开的场景。本文提出 F-SOSA，这是首个稳定的一次性联邦学习算法，支持快速、精确的模型编辑：F-SOSA-U 用于移除已撤回的贡献，F-SOSA-I 用于增量纳入新贡献。实验表明，在城市移动性模拟中，该方法性能与重新训练相当，同时累计时间和通信开销分别至少减少 36% 和 22%。
看点提出首个稳定的单轮联邦学习算法并支持精确模型编辑，给出收敛与泛化理论并在城市移动仿真中验证，但实验规模与对比范围有限。
说明联邦零阶优化中的高效精确遗忘
简介本文针对联邦零阶优化（FedZOO）提出高效的精确遗忘方法，用于在用户请求删除数据时彻底消除训练数据的影响。作者设计了两种稳定的零阶学习算法及对应的遗忘流程，通过耦合复用计算，并证明其遗忘后的模型与在保留数据上重新训练的分布一致。实验显示遗忘效果有竞争力，相比重新优化可减少最多约 56.1% 的累计遗忘时间，与一阶基线相比通信开销大幅降低。
看点将精确遗忘与联邦零阶优化结合，利用全变差稳定性和耦合复用计算，并有收敛与稳定性保证；实验以运行时间和通信开销对比为主，规模与对比范围有限。
说明理解机器学习中的实用优化方法
简介本文分析机器学习中实际使用的优化方法，如子模型训练、梯度裁剪与归一化、分层非欧几里得更新及近似计算，而非简化的经典理论模型。文中给出子网络训练收敛到偏移不动点、稀疏化训练的无偏性与收敛保证、自适应分位数裁剪的偏差与分位数调度结论，并提出 Gluon 框架及 Muon 近似正交化精度应与学习率共同调节的观点。
看点针对子网络训练偏差、分位数裁剪、逐层广义光滑性等实际优化问题给出新的理论刻画，证明较为扎实，对子领域影响较大。
说明同一事件，不同视角：一个跨媒体新闻框架分析的多智能体系统
简介本文介绍一个实验性研究原型，用于比较不同媒体对同一事件的报道取向。系统收集17家媒体的国际与政治新闻，将报道同一事件的文章归组，并由三个模型角色分别完成文章分析、来源支持度评估和跨媒体简报生成。分析内容包括情绪、政治倾向、框架、措辞倾向及可能遗漏的信息。论文所报告的评估仅属初步诊断，其中的“依据分数”只反映模型对所提供文本支持程度的判断，并不能证明事实准确性。
说明mdRNAcat：基于REST2构象系综的RNA分子动力学数据目录
简介本文介绍mdRNAcat，一个包含48个RNA体系全原子分子动力学模拟的整理数据集，体系序列经过挑选以增加多样性。每个体系均采用带溶质缩放的副本交换方法（REST2）模拟，包括32个哈密顿量状态，每个状态生产运行200至300纳秒。数据集提供原子坐标、瞬时力及在未缩放参考哈密顿量下重新计算的力，并附结构注释与副本交换元数据。作者还分析了构象采样、交换行为、碱基配对和糖环构象分布，可用于开发和评估数据驱动的RNA模型（包括粗粒度力场）。
说明OrthoRF：探索以物体为中心表示中的正交性
简介该论文提出正交旋转特征（OrthoRF），在旋转特征的方向空间中通过内积损失和架构改动施加正交约束，使相位对齐更清晰、分组更可靠。在无监督物体发现的评估中，OrthoRF在重叠物体、噪声和分布外测试等情形下与现有模型持平或更优，表示更易解释，且无需许多同步类方法所需的事后聚类。此外，它还能恢复被遮挡的物体部分。
说明DTCA：面向扩散语言模型强化学习的去噪词元信用分配
简介扩散语言模型通过迭代去噪生成文本，近期有研究把强化学习用于此类模型以提升推理能力。由于最终结果奖励难以说明各个词元的贡献，该论文提出DTCA框架，依据未掩码位置预测置信度的提升估计词元贡献，并结合词性类别、策略更新引起的熵变进行校准。在LLaDA-8B-Instruct上的实验显示，DTCA在数学推理任务上持续提升性能，MATH500最高提升9.0分，GSM8K最高提升5.3分。
说明多层梯度正则化牛顿法的全局 O(k⁻²) 收敛性
简介本文提出并分析了用于带 Lipschitz 连续 Hessian 的无约束凸优化的多层梯度正则化牛顿法。该方法在低维子空间中计算牛顿修正，以降低计算成本。作者证明其函数值收敛速率与全空间方法相同，均为 O(k⁻²)，并引入行嵌套限制算子以保证各层约化梯度范数的单调性。数值实验表明，其收敛表现与全空间方法相当，且在大规模问题上可显著节省计算量。
说明《迷失于翻译中》：美国中餐馆中英文店名系统性差异研究
简介本研究比较美国中餐馆的中文店名与英文店名的语义差异，抽样3,172家餐馆并构建含884组平行店名的NameFrames数据集。研究发现，英文店名更常强调地点和特色，中文店名更常强调积极寓意和氛围；位于城市、华人集中县或较新开业的餐馆，中英文店名差异更明显。作者还访谈了10位餐馆老板以补充命名习惯的观察。
说明LEAP：一种用于时间序列异常检测的潜在嵌入异常补丁 Transformer
简介该论文提出 LEAP 模型，用于时间序列异常检测。它不依赖重建或注意力打分，而是遮蔽窗口中的补丁并从其余时序与跨通道上下文中预测，以预测误差衡量异常，并结合潜在嵌入新颖性、局部时间对比和通道池新颖性三类无标签证据。在 TSB-AD 协议下，多变量版本在 180 条保留序列上 VUS-PR 为 0.5179±0.0022，单变量版本 TSB-AD-U 在 350 条序列上为 0.6194±0.0016，结果为三个随机种子的平均值。
说明V³AST-Bench：面向编程智能体的可验证、有效、多样化安全评测基准
简介该论文提出 V³AST-Bench，用于评估编程智能体的执行安全性，包含 212 项风险任务、覆盖 18 个类别，并通过运行时环境执行检查来验证实际造成的危害与任务结果。实验涵盖 11 个模型与 5 种运行框架的 51 种组合。结果显示，即使是前沿编程智能体仍会在 20.9% 的任务上造成已验证的危害，且明确识别风险也不能可靠地阻止有害行为。
说明高分背后的隐性失败：基于编码本的大语言模型内容分析评估
简介本文研究大语言模型在计算社会科学中依据编码本进行内容标注时的可靠性。作者在四个数据集和五个模型上，考察了受控扰动、领域迁移和优化方法下的稳定性、鲁棒性与概念效度。结果显示，较高的总体分数常伴随标签间的明显差异、跨运行的不稳定以及对领域的敏感性，而这些问题在准确率和 micro-F1 等常用指标下难以察觉。
说明DAC-Loop：面向遥感 CNN 的蒸馏感知压缩循环方法
简介论文针对遥感场景分类模型难以部署到边缘设备的问题，提出 DAC-Loop 方法，将知识蒸馏与结构化通道剪枝、非结构化稀疏化交替迭代结合，以压缩紧凑型 CNN。在 EuroSAT 和 NWPU-RESISC45 数据集上，该方法相比一次性剪枝和单阶段蒸馏恢复，在精度与压缩率的权衡上更优，即使参数减少超过 90% 仍能保持较高精度。
说明有限轨迹上线性时序逻辑的形式化解释
简介本文面向有限轨迹上的线性时序逻辑（LTLf），研究如何解释轨迹满足或违反规约的原因。作者提出直接基于有限轨迹、以时间索引事件的锁定与解锁来刻画溯因解释（AXps）和对比解释（CXps）的方法，并证明其与基于分类器的形式等价，且CXps与近期提出的LTLf时序因果语义一致。该方法借助ASP程序的最小不可满足核与最小修正集枚举实现，并在真实事件日志上的实验中得到验证。
说明语言模型理解伊博文化吗？超越选择题
简介本文以伊博语为案例，研究大型语言模型是否真正理解该族群文化。作者构建了基于本土文化资料、经母语者核验的基准CAB-Igbo，涵盖六个领域，并结合选择题准确率与人工评估进行测试。结果显示，多数模型的文化知识缺陷在英文中已存在，换用伊博语提示主要降低语言质量与语用能力。
说明基于生物学引导的上下文感知残差传播方法，用于从组织病理切片预测空间基因表达
简介该论文提出BCARP框架，用于从HE染色组织病理图像预测空间转录组中的基因表达，以替代成本高昂的空间转录组实验。方法不再直接从图像特征解码表达，而是将其作为形态学先验，通过结合细胞核局部上下文与原型全局上下文的残差传播逐步细化表示，并使用模式尺度解码器进行校准。在三个ST数据集和十个HEST-1k队列上，BCARP取得了基于相关性指标的最高平均表现。
说明通过低精度模拟加速 SO(2) 等变材料模型
简介本文针对基于图神经网络的机器学习通用材料模型，提出名为 FlashSO(2) 的框架，用整数 Ozaki 方案模拟低精度运算来加速 SO(2) 等变层。论文报告，在 GH200 GPU 上 SO(2) 层吞吐量达到参考实现的 40 倍（MALOQ）和 7 倍（UMA），训练 MALOQ 快 3.9 倍且峰值内存降低 58%，同时精度不受影响。
说明顺序式与全条件式规范在基于树模型的健康数据合成中的比较
简介本文面向医疗健康数据的隐私保护发布，比较了两种将决策树条件分布模型组合为合成分布的方法：顺序式规范与全条件式规范。作者用两种方法合成医学数据集，并以多项风险和效用指标评估合成数据质量。结果显示两者并无普遍优劣；顺序式合成对变量顺序敏感，全条件式则超参数更多、计算成本更高。
说明AutoEnergyDesign：用于建筑能源系统自动设计优化的大语言模型智能体
简介本文提出AutoEnergyDesign框架，由大语言模型智能体根据历次仿真结果提出配置修改，并通过基于git的机制自动撤销未成功的改动。在一个基于实测建筑负荷的案例中，该智能体用300次评估内的较少仿真次数，达到约3.53百万欧元的25年净现值成本，优于随机搜索、TPE贝叶斯优化及(1+1)进化策略的最佳结果，且每个决策均有可审计记录。
说明UnityBench-Mini3D：评估大模型智能体在 Unity 3D 游戏开发中的表现
简介该论文提出 UnityBench-Mini3D 基准，包含 77 个 Unity 项目级任务，按七类专家定义的技能和三个难度等级组织。每项任务通过 1178 个人工编写的里程碑测试进行评估，检查场景结构、组件配置和运行时行为。在 21 个模型和 9 种编码框架的测试中，简单任务平均通过率为 80.9%，困难任务降至 35.2%，总体为 57.7%。
说明面向可泛化人体高斯溅射的复杂度引导正则化方法
简介该论文针对可泛化人体高斯溅射（从多视角图像合成未见人物的新视角图像）中细节模糊的问题，提出复杂度引导的正则化方案。方法利用由衣着人体几何与纹理特征局部熵得到的复杂度先验，限制高斯点在复杂区域过于稀疏地放置，并主要从复杂区域采样局部图像块进行监督。实验表明，该方法在基准数据集上达到了当前最优性能，同时保持实时推理速度。
说明LongSearchEval：基于轨迹感知与失败节点定位评估大模型长程网页搜索能力的框架
简介该论文提出LongSearchEval，一个评估大语言模型智能体长程网页搜索能力的框架，使用真实保留的交互轨迹，而非模拟轨迹或事后重建的轨迹。框架包含两阶段：先依据智能体引用的网页核验答案组，再审计各轮次并将标记的失败节点与错误答案组关联。作者在100个任务上评估了来自八个模型系列的16个模型，共获得1600次运行和6545个失败节点，并报告了人工验证的一致性结果。
说明基于时间切片学习的AI生成视频检测：计算量减少400倍以上
简介该论文针对AI生成视频的检测问题，提出将视频重构为紧凑的时间切片表示，并结合频率感知的时间切片一致性学习与轻量Transformer进行检测。作者还发布了名为AI-Artist的新基准数据集。在GenVideo和AI-Artist上的实验显示，该方法性能较强，前向计算量减少400倍以上，推理速度比基线方法ReStraV快3.6倍。
说明《Locked In：面向AI数据中心建设的多目标强化学习》
简介论文指出，AI数据中心建设涉及数万亿美元、数十年的基础设施投入，但选址、电力采购和冷却决策仍多依赖一次性的静态评分工具。作者把长期建设过程形式化为分层的多目标马尔可夫决策过程，并设计了可在推理时按成本、碳排放、用水和可靠性调整偏好的智能体。论文在真实站点数据上比较了三种承诺机制，并指出一个紧凑的反事实动态模型在水资源压力指标上表现不如简单的持续性预测。
说明在折叠式 FPGA 语音增强器中实现低精度存储与稀疏执行
简介该论文针对折叠式流式语音增强加速器，将训练目标与硬件实测成本相对应：混合精度权重减少片上存储，结构化通道稀疏直接去除调度中的整块运算。在 Kria KV260 上部署比特精确实现后，最佳稀疏模型去除了 47.3% 的卷积 MAC，相对同场实测的按存储计价模型，帧时间降低 45%，动态能耗降低 60%，且语音质量更高。
说明基于统计形状模型的儿童手部骨骼形态性别二态性与性别特异性特征研究
简介该论文利用统计形状模型（SSM）分析儿童手部骨骼形状，量化不同年龄与性别的形态差异。研究者开发了两阶段检测-分割框架，从1456名受试者的X光影像中分割出27664个骨骼掩膜，分割精度指标接近1。论文称分层形状参数分析展示了各骨骼的性别二态性，并显示形态发育存在性别差异，结果与已有文献一致。
说明CalibraRL：用于减少检索增强生成中幻觉的置信度校准强化学习方法
简介大语言模型常给出看似合理但错误的答案。CalibraRL 是一个强化学习框架，把模型回答的置信度和每个问题上的作答可靠性纳入奖励设计，以惩罚过度自信的错误并避免不必要的弃答。实验表明，在三个问答数据集上，它比强基线提高了答案精确度并减少了幻觉，并在两个骨干模型和三个数据集上降低了平均期望校准误差（ECE）。
说明Co-Design Bench：面向智能体模型的多模态协作编程评测基准
简介该论文提出 Co-Design Bench，一个无需参考答案的评测基准，包含273项任务，源自真实用户的多模态编程请求。任务分为多模态编辑与仓库编辑两类，考察理解、界面改造和功能实现三个维度。原文称，在10个模型端点中，表现最好者平均通过69.9%的验收标准，但只有26.4%的任务被完全满足。
说明面向CT到PET图像转换的领域自适应潜在扩散模型
简介本文提出一种领域自适应的潜在扩散框架，利用约2.2万对CT/PET切片，将自然图像先验迁移到医学领域，以从CT生成PET图像。该方法采用带符号幂变换处理PET数据的极端稀疏强度。与基线方法CPDM相比，其在像素级重建和局部肿瘤保真度上表现更优。作者还指出，对稀疏PET数据，全图指标可能误导结果，并提出背景过滤和掩膜限定的指标作为更有临床意义的替代。
说明TUON：一种利用张量SVD与极化的张量感知优化器，用于大语言模型预训练
简介这篇论文提出了一种名为TUON的新型优化器，用于大语言模型的预训练。它基于由张量SVD（T-SVD）推导的变换式张量代数，先通过酉变换混合各层信息，再对变换后的每个切片进行极化，最后逆变换得到更新量，从而兼顾跨层相关性与每层的多样性。论文在GPT-124M/350M和Qwen-0.6B/4B上的实验表明，TUON的表现优于Muon和TEON。
看点提出基于T-SVD的张量感知优化器，跨层混合后逐层极化，超越Muon和TEON；在GPT与Qwen上有消融和对比实验支撑。
说明STeP-TS：用于时间序列的带剪枝共享时间滤波器
简介该论文针对多变量时间序列预测，提出一个紧凑的单层卷积框架，学习多尺度共享时间滤波器组，并用每个变量的轻量标量权重调节各时间成分的贡献。学习到的权重和滤波器输出能量还可用于卷积滤波器的结构化剪枝。实验显示其预测性能与先进方法相当，但参数量和推理计算量明显更少。
说明融合顺序何时重要：面向跨模态检索的渐进式多模态表示学习研究
简介本文提出统一的渐进式表示学习框架UniPRO（Unified Progressive Representation Learning for Order Analysis），用于研究视频检索中视觉、声音与语音信息的融合顺序。研究发现，逐一融合的方案优于堆叠融合，且同样逐一融合时顺序不同结果也不同。作者认为融合顺序应同时考虑模态可用性与检索查询，并据此在MSR-VTT-9k上为图像查询选择视觉最后的融合方案，取得97.9的R@1。
说明湍流中的生成式AI：基础、应用、验证与基准综述
简介本文综述生成式AI（重点是扩散模型、基于分数的方法及相关概率传输方法）在湍流问题中的应用，涵盖无条件生成、概率重建、降阶建模、时间演化和无网格表示。作者认为，湍流验证需考察能量传递、结构函数、反常标度、概率密度函数尾部、相干结构、守恒律、时间一致性和集合多样性等物理性质，并呼吁建立结合开放数据、标准化挑战、隐藏测试、物理感知指标和失败记录的基准生态。文章同时面向AI与湍流两个领域的读者进行介绍。
说明质量重于数量：重新审视孟加拉语共指消解的数据与模型假设
简介该论文研究多语言Transformer模型在孟加拉语共指消解（判断文中指代同一实体的词语）上的效果，孟加拉语有超过2.5亿使用者但标注资源有限。作者在零样本、微调、数据增强和跨语言迁移等设置下进行评估。结果显示，少量高质量标注数据明显优于规模更大、质量参差的数据集（p < 0.01），回译等数据增强没有提升效果，跨语言迁移也不稳定。
说明UTA：通用训练自适应学习率衰减方法
简介本文提出一种名为UTA的学习率衰减方法，将学习率调整视为根据训练状态闭环调节形状与幅度的问题，可适用于Adam类优化器。作者在LLaMA（60M至1B）语言模型以及ImageNet上的ResNet50、ViT-B视觉模型上进行实验，报告了一致的性能提升，并通过消融研究验证了其稳健性。
说明子空间结晶：Grokking 中的秩压缩与相变同步出现
简介本文研究神经网络在模运算任务上的“顿悟”（grokking）现象，即网络在记住训练数据很久之后才突然泛化。作者在一个均值场多层感知机和一层 Transformer 上观察到，有效秩的最大下降出现在泛化开始之后约 900 步，而非记忆阶段。研究还发现权重矩阵的充分子空间在相变期间收缩，但人为限制秩并不能加速顿悟，因此秩压缩更像是顿悟的标志而非原因。
说明借助克里普克对维特根斯坦的解读，重新思考以“使用即意义”为基础的语言模型评估方法
简介该论文认为，大语言模型所依据的“意义即使用”观点面临规则遵循难题：有限的使用历史无法唯一确定未来的延伸规则。作者据此主张，只衡量固定用例或局部稳健性的基准不足以证明语义能力。论文提出评估模型在原则性领域扩展中是否保持规则与概念的两种能力，即抽象与递归，并给出了检验这两种能力的实验范式。
说明恶劣天气下协同感知的问题理解与修复
简介论文研究协同三维检测器在恶劣天气下漏检车辆的问题，提出“天气诱发的上下文干扰”概念：即使车辆上的激光雷达点保持不变，外部天气变化也会削弱协同感知的收益。研究提出“恶劣天气协同修复”（AWCR）方法，在自然恶劣天气的CoInfra开发数据上，使V2X-ViT与AttFuse的车辆BEV AP@0.7分别提升4.66和5.56个点。
说明FlowGenesis：由表征驱动的神经网络架构自组织
简介论文提出 FlowGenesis 框架，通过神经元的新生与剪枝让网络结构在训练中自行调整，而非预先设定。其依据是“表征流动”（Representation Flux），即小批次平均激活值的变化。实验显示，不同初始规模的网络在同一数据集上最终神经元数量趋于相近，预测性能相当；在持续学习的任务增量设定下，该方法比固定宽度的 Progressive Neural Networks 使用更少的神经元与参数，准确率相当。
说明有用的多样性还是幻觉式的多样性？面向电商搜索的人设条件合成查询生成
简介该研究探讨用大语言模型生成的合成查询，能否在冷启动电商搜索中训练语义解析器。作者用6个大模型和9种人设提示生成约11.8万对合成数据，并与人工标注及生产查询对比。结果显示，人格相关的提示可提升解析器F1值，句法条件使生成内容更接近真实流量；同时，约37%的解析器漏解查询被判定为幻觉，其中丢失约束最为常见。
说明球面布朗扩散用于语言建模：一种在单位球面上加噪与去噪的连续扩散语言模型方法
简介该论文提出球面布朗扩散方法，用各向同性的布朗运动作为单位球面上的前向加噪过程，以便对连续的词元表示进行语言生成。研究比较了布朗加噪与矩匹配的 von Mises-Fisher 加噪，并在数独任务上发现两者结果几乎相同，而采样器的选择影响更大。论文还指出，推理阶段的重新加噪与词元选择分别带来收益，在推理任务上分类精修有助于提升表现，无条件文本生成则受益于保持多样性的随机更新。
说明用检索增强生成改进对隐性厌女内容的解释
简介本文提出一种检索增强生成（RAG）框架，用于检测和解释英语与意大利语中的隐性厌女内容，并结合百科、俚语和女性主义知识来源。研究在ImplicIT-Mis和SBIC+数据集上评估各知识来源对检测与解释质量的贡献。结果显示，RAG提高了ImplicIT-Mis上的召回率，但未提升SBIC+上的检测表现；人工评估则表明，两种语言中基于RAG的解释都更受青睐。女性主义文献被证明是检测与解释中最稳定有用的来源。
说明通过学习目标间冲突改进指令层级
简介该论文指出，现有指令层级训练数据缺少“目标与目标冲突”这一类型。作者在Qwen3.5-9B和Gemma4-12B-it上微调，使其在大量未见过的真实任务中更好地遵循指令层级。将这类样本加入现有训练集也能提升遵循效果，同时在八个无冲突基准上平均效用几乎不变。
说明用于SOTIF分析的不确定性评估：判断ML激光雷达目标检测性能目标能否适用于不同触发条件
简介本文面向ISO 21448（SOTIF）分析，研究基于机器学习的激光雷达点云目标检测器如何通过拒绝高于不确定性阈值的检测结果来满足性能目标。作者将在某一条件下选定的阈值迁移到其他触发条件中，用统计检验判断该目标在该条件下是否适用，并计算适用结论所需的独立单元数下限。在KITTI和nuScenes数据上的实验显示，按记录序列计数时两个数据集都不足以支持任何目标限值，而按帧计数时出现了不适用的结果。
说明测试时提示无关分解：稳定测试时提示调优更新轨迹的方法
简介该论文针对测试时提示调优（TPT）中提示更新轨迹不稳定的问题，指出更新幅度膨胀和方向漂移两种失效模式。作者提出TPD框架，通过谱半径衡量更新扩张，并将更新方向分解为持久、振荡和残差分量，再结合AKC与HUR稳定提示更新。该框架无需修改骨干网络、提示结构或适应损失，在15个数据集上使10个基线方法获得改进。
说明无需人工逐行转写即可识别教皇霍诺里乌斯三世登记簿：强制对齐的手写文字识别（端到端、模块化与混合方法）
简介该论文针对教皇霍诺里乌斯三世（1216至1227年在位）的登记簿，研究在缺少人工逐行转写的情况下，利用已有的无换行专家校勘稿，通过强制对齐自动生成训练行，进而训练手写文字识别模型，同时完成拉丁文缩写的展开。文中提出的自研混合Conformer模型在测试集上取得4.7%的字符错误率和8.7%的词错误率，优于通用基线与模块化流程。论文还讨论了保留抄写员名字首字母与编辑规范化之间的取舍，并通过消融实验说明部分设计对效果的影响。
说明基于 JiT 去噪的无线电信号调制分类对抗样本防御方法
简介该论文针对无线电信号自动调制分类中深度神经网络易受对抗攻击的问题，提出一种受 JiT（直接预测干净图像的扩散生成模型）启发的去噪防御方法。方法通过流匹配训练一个一维 Transformer 去噪网络，将任意输入样本投影回干净信号的低维流形，无需事先知道攻击方式。在 RML2018.01A 数据集上，与基于 PGD 的对抗训练相比，该方法在 PGD 攻击下的鲁棒准确率相对提升至少 20.58%，干净样本分类准确率相对提升 10.20%。
说明先提问再回答：面向上下文学习的问题驱动证据推理架构（QERA）
简介论文指出，在基于用户自身网络记录（聊天、社区帖子、活动日志等）的真实情境学习基准CL-bench Life上，前沿大模型解出的任务不到五分之一。作者提出QERA，先把用户请求转为需求清单和信息需求问题，再结合整段对话作答、用经代码校验的引文复问并做局部修复，平均求解率为21.0%，高于三种对比基线。
说明基于规则排序提示的大型多模态模型零样本晶圆图多类分类
简介该论文提出一种无需训练的六类晶圆图缺陷分类框架，对冻结的大型多模态模型结合连通分量高亮与形态、位置、排除感知提示。在 Mixed-WM38（6,866 张图）上，多区域提示的宏准确率为 92.9%，总体准确率为 93.8%；在 WM811K（9,000 张图）上分别为 79.1% 和 81.3%。论文还比较了八种替代规则顺序，其总体准确率为 91.9% 至 90.1%（原文具体范围不明），而所选顺序为 93.8%。
说明从高频数字交互数据中快速建模人类反应的初步探索
简介本文利用《反恐精英2》高精度对战数据，尝试识别类似边缘系统的快速、由显著刺激驱动的行为特征。作者构建了 Ego-Knowledge 方法以重建玩家可能的感知状态，并基于 60–120 毫秒窗口生成粗略的战斗或逃避标签。两个仅使用触发前信息的模型 EMBER 与 ORBIT 在验证集上的准确率分别为 73.5% 与 71.2%，高于多数类基线的 51.5%；在同批 1000 个样本上也优于最强的 LLM 基线（62.7%）。论文同时指出，神经科学框架仅为假设生成，尚缺乏生理学真值与机制证据。
说明通过自主进化提升视觉语言模型的科学图表分析能力
简介该论文在不改动模型参数的前提下，通过自主进化搜索推理程序与代码，提升视觉语言模型（VLM）对科学图表问答的准确率。在三个模型、四个基准上，平均准确率从16.6%提升至41.3%，最大单项提升55.2个百分点，且推理速度快3.8倍。研究认为，许多错误源于推理流程而非模型本身。
说明面向多离散部件模型的混合形状生成：为动漫风格角色模型添加 ARKit/MediaPipe 混合形状
简介本文研究为由多个互不相连部件组成的 3D 模型生成混合形状（blendshape），而这类问题的相关研究很少。作者以商用动漫风格角色模型为案例，每张脸最多 11 个部件，用神经网络围绕输入网格生成形变场，并让每个部件的网络同时处理锚定部件的几何以协调位置。方法还包括预测位移是否为零、按尺寸分组并分别训练网络，以及增强左右对称性；作者称该方法比近期基于神经网络的方法更简单。
说明电力负荷预测中GNN的诊断方案：区分参数共享与邻居访问
简介该论文提出一套诊断方案，用三个参考模型（逐节点网络、无邻居的跨节点共享网络、无边的同一GNN）检验图神经网络在电力负荷预测中的增益来源。研究发现，在馈线数据中参数共享贡献了大部分误差改善，而加入边的增益较小且在重连后大部分消失；在客户数据中边的增益不稳定，结论是图的收益应与逐节点及共享参考模型比较后再认定。
说明联合动态车道换向与可变限速控制：基于Graphormer的方法
简介该论文针对联网自动驾驶车辆可在各道路上频繁调整车道方向与限速的场景，提出网络级动态车道分配与方向性限速控制方法，并保证路网始终强连通。方法使用基于图定向理论的动作决策算法，并以一个共享的Transformer（GERASTSA注意力）结合预训练与近端策略优化进行学习。在6×6网格的通勤高峰仿真中，学习策略使约三分之二道路在高峰方向上变为单行，并将每日延误相比固定初始配置降低90%、相比调优的双向负载均衡器降低85%。
说明超越单一属性审计：面向大语言模型交叉公平性的可配置多属性基准（ComFair）
简介该论文指出，现有大模型公平性基准大多每次只审计一个敏感属性，可能漏掉多个属性交互产生的交叉性偏差。作者提出可配置基准 ComFair，将现有公平性数据转换为479,066条受控的双属性和多属性样本，并与对应的源任务成对比较。在十个大语言模型上的实验显示，不同任务和子群体的敏感性各异，属性组合也会改变模型排名。
说明MemVLN：用于视觉语言导航的流式情节记忆
简介该论文提出 MemVLN，一种面向视觉语言导航的流式情节记忆框架，用有限容量的压缩感知特征库（带时间步和相对位姿标注）生成紧凑记忆标记，并配合冻结的几何编码器。在 R2R/RxR 官方轨迹上训练，MemVLN 在 VLN-CE 标准基准的多数指标上达到最先进水平。实体实验中，held-out 集的成功率从 VLM 基线的 17% 提升到 40%，经后训练进一步提高到 47%。
说明基于克罗内克结构与交叉拟合自监督残差学习的视频补全
简介本文提出一种两阶段视频补全方法，用于重建在所有帧中都未被观测到的空间位置上的时间轨迹。方法先用正则化的掩码克罗内克积分解估计紧凑的结构骨干，再用交叉拟合的自监督残差网络（轻量三维卷积网络）预测校正量，并保持已观测数据的一致性。实验在灰度和RGB视频上进行，结果显示该方法在多项指标上取得较好表现。
说明面向显式置信度目标的强化学习方法（RLEC）
简介论文指出，大语言模型在不确定时可能给出看似合理但错误的答案，而现有用强化学习训练拒答的方法使用固定错误惩罚，无法适应不同的置信度要求。作者提出RLEC方法，让用户在提示中指定目标置信度p，使单一模型学会按该目标选择回答或拒答，并在多种基准上取得了较好的校准效果。
说明从问题到查询再到洞察：面向自然语言交通事故数据分析的基于模式的智能体工作流
简介本文提出 CrashDB-QA，一个完全本地运行、以数据库模式为基础的智能体工作流，可用自然语言分析交通事故数据库。系统由多个专门组件理解问题、生成并验证只读 SQL、执行查询并解释结果，并借助数据字典与安全分析惯例提高查询准确性。作者在威斯康星州440万条事故记录和300个问题的新基准上，对九个本地开源模型进行了评估。
说明LOCUS：先定位，再逐步校验至收敛的视觉定位方法（框头与坐标令牌验证）
简介该论文提出 LOCUS，结合回归框头与视觉语言模型自身的坐标令牌：先由回归头给出草稿框，再用同一主干网络通过 Jacobi 迭代逐步校验坐标令牌，直至收敛。在 RefCOCO 系列数据集上，验证使 Locus-2B 的 Acc@0.9 从 54.87 提升至 59.13，并且推理速度快于对同一坐标令牌做 vLLM 贪心解码的基线。
说明风险感知的输出控制应成为机器遗忘的重点
简介本文指出，现有机器遗忘研究多追求参数空间上与从头重训练模型的相似性，但这与实际关注不一致。作者主张机器遗忘应优先实现具有统计保证的输出空间控制，并认为这一思路更适合现代部署场景，且能提供可解释的保证。文中以实证结果和相关理论结果支持该立场。
说明CA-HNM：面向结构化领域模型的稠密检索约束感知困难负样本挖掘
简介该论文提出 CA-HNM 框架，在检索得到的候选中依据结构化领域模型的确定性不兼容规则筛选困难负样本，用于微调双编码器稠密检索器。结构信息仅在离线构造负样本时使用。在 MOOCCubeX 和 Course-Skill Atlas 两个数据集上，相对于检索排名匹配的对照组，CA-HNM-Pure 在八种数据集、编码器与损失函数组合中的六种上获得更高的平均 NDCG@10，其结果受训练目标和负样本池组成影响。
说明DriveUniTok：面向自动驾驶世界-动作模型的统一多模态分词器
简介本文提出DriveUniTok，将外观、投影激光雷达深度和自车运动编码进同一个可解码的连续潜在表示中，用于自动驾驶世界-动作模型。作者冻结该分词器，并微调一个预训练扩散模型以预测未来的统一潜在表示，再解码为未来外观、深度和轨迹。在NAVSIM上的实验显示，该统一设计比分离式方法在未来预测和规划上表现更好，计算成本更低；经强化学习后训练，DriveUniWAM取得91.54的PDMS。
说明SimPOTrans：通过强化学习实现离线到同声语音翻译的自适应
简介同声语音翻译旨在低延迟地翻译正在进行的语音，同时保持翻译质量。本文提出SimPOTrans，一种强化学习框架，让离线语音翻译模型通过两阶段强化学习后训练，自适应为对话式同声翻译，无需合成读写轨迹或显式延迟优化。推理时无需外部决策策略，只需调整语音输入的块大小即可灵活控制质量与延迟，在ACL 60/60和MCIF基准的三个翻译方向上表现优于多个强基线。
说明无冷却水排放的水下航行器热尾迹成像特性研究
简介小型无人水下航行器增多，传统声纳和磁性传感器难以发现。该研究基于三年采集的161,485帧真实红外图像，建立了首个大规模真实场景基准数据集AVP-IR-Wake。研究发现热尾迹由离散涡旋组成，单个涡旋与风致背景涡旋在统计上难以区分，但整体上热尾迹由航行器轨迹组织，背景杂波则由风驱动的热锋组织，因此可靠检测应转向基于轨迹约束的全局物理建模。
说明研究Grokking在拉丁方阵上的解集结构
简介Grokking指模型先记住训练样本、在未见输入上接近随机，随后突然泛化的延迟转变现象。本文把成对输入任务建模为完全二部图的边着色，以拉丁着色为结构化对象，按最小范数端点集将每个实例分为全好、混合或无好三类。作者证明有限交换群族在部分观测下渐近全好，而在均匀随机拉丁方下全好任务对基于观测的学习者渐近稀少；实验还显示加法的重新标注仍可泛化。
说明宏观Mondrian共形风险控制：按组控制风险的方法
简介该论文提出一种新的共形风险控制方法，在用户定义的数据分组上平均控制风险，而不仅是整体边际风险。方法依据分类体系为每个数据点分组，并按组概率对风险加权，使罕见样本的贡献更大。作者在两个语义分割数据集上进行了示例说明。
说明AutoPRL：基于可学习视图生成器的自动化路径表示学习
简介本文提出AutoPRL框架，用于学习道路网络中车辆等移动对象所经路径的表示。该方法通过变分自编码器生成特征层面的路径视图，并采用解耦的跨视图对比学习和自适应协同训练，以提升表示质量与训练效率。文中称在三个真实数据集上的多项下游任务中取得了稳定的效果与效率表现。
说明PatentAgentBench：用专业专利任务套件评测大模型智能体
简介本文提出PatentAgentBench，一个包含510个实例、覆盖八类专利任务的评测基准，任务包括新颖性检索、自由实施（FTO）检索、设计FTO、无效性检索、权利要求对照、专利撰写、审查意见答复和专利翻译。数据取自真实专利记录和专业材料，并配有专家审阅的标注和评分标准。作者用七个大模型在四种智能体框架上进行了测试，发现当前系统在识别新颖性、评估风险以及理解从业者意图方面仍有困难。
说明合成的亲子互动并不符合发育合理性
简介这篇论文比较了合成的 TinyDialogues 数据集与真实对话在多项语言指标上的表现。结果显示，合成数据在词汇层面与真实数据相近，但明显低估了口语互动杂乱、断续的特点。作者提出用真实对话数据进行指令微调，并在一项小规模试验中表明，经过适度参数高效微调的小模型能够接近真实数据的统计倾向。
说明BellowsKV：多层共享一个潜在表示，按需展开的 KV 缓存压缩方法
简介大语言模型推理时需要缓存所有已处理 token 的注意力键值（KV cache），显存占用常成为瓶颈。本文提出 BellowsKV，无需训练，把相邻 n 层的隐藏状态映射为每个 token 的一个共享潜在表示，各层再通过各自的投影读取键和值。作者采用低精度存储（BellowsKV-Quant）和逐块共享的驱逐决策（BellowsKV-Evict）进行压缩。在 Llama-3.1-8B、Mistral-7B 和 Qwen2.5-7B 上，BellowsKV-Quant 在 3.6 倍压缩时保留约 99% 的完整缓存精度，在 13 至 14 倍压缩时保留 97% 至 98%。
看点针对跨层KV缓存共享的新观察与新方法，在三个模型上以高压缩比保持接近全量精度，对LLM服务内存瓶颈影响较大。
说明键-查询相似度有界条件下的注意力：空间复杂度与Transformer各向异性
简介本文研究在键与查询的余弦相似度被限制在零附近小区间时，注意力近似计算所需的空间复杂度。作者给出了接近最优的算法以及对应的空间下界。下界构造中的相似度分布呈现出文献中已被经验观察到的各向异性，而简单的均匀采样算法在常见参数范围内也接近最优。
看点针对键查询余弦相似度受限的新假设，给出近似最优空间算法与下界，并解释了各向异性和均匀采样的有效性，但对实际系统的直接影响有限。
说明用于下肢假肢视觉感知的零样本单目深度估计
简介本文关注单目深度估计基础模型在下肢假肢视觉感知中的适用性。作者提出了名为 LP 的数据集，用于从模拟膝部高度的假肢视角评估深度感知。研究使用该数据集评估了四个最先进的单目深度估计基础模型，首次系统地给出了假肢视角下的基准结果。
说明当指向变成画像：文本可引导视觉编码器中的社会偏见与拒绝机制
简介论文审计了可由文本引导的视觉编码器SteerViT，发现其语言驱动的指向功能会导致对人群的种族与性别画像，例如某些犯罪相关词汇更常指向黑人。研究指出该模型无法拒绝不当请求，并提出SafeSteer方法，通过学习弃权输出与反事实不变性训练来识别应拒绝的提示，同时减少种族偏向并保持定位与检索性能。
看点发现文本可引导视觉编码器将语言指向变成人口统计画像，并提出带拒答输出的SafeSteer，有新意；用反事实马赛克和多种模型对比验证，证据较充分。
说明多尺度策略优化：面向长程任务的LLM智能体训练方法
简介长程任务中的LLM智能体以完整的助手回合与环境交互，每个动作按token逐个生成。作者发现价值估计主要随回合变化，因此提出多尺度策略优化（MPO），结合多尺度优势估计（MAE）与回合级重要性采样，使信用分配和策略更新在回合尺度上对齐。在搜索、工具使用和自动化任务上，基于4B和30B-A3B模型的实验显示其优于强化学习基线。
说明批评者之眼：基于评论的图推理方法用于长篇母题发现
简介该论文研究文学作品中母题的重复与变化如何承载象征意义，并把这一问题定义为计算母题发现任务，即利用整部剧作的叙事结构预测缺失的台词与母题之间的关联。作者提出Critic's Eye方法，将作品建模为异构叙事拓扑图并进行全局结构推理。实验报告其在基准上的Hit@5为84.8%，明显高于Gemini-3-pro-preview（约22.6%），并认为显式结构先验比单纯扩大参数规模更有效。
说明当人设与台词相悖：诊断思维链语音合成中从规划到合成的失效
简介该论文关注思维链语音合成系统中，当所要求的情感与台词词汇情感相冲突时，意图在哪一环节丢失。作者构建了一个日英双语的人设-台词冲突基准，并追踪规划器输出、情感向量和合成波形的声学方向一致性。结果显示规划器输出通常方向正确，但下游一致性明显更低；对 QwenEmotion 进行监督后，方向一致率在日语中提升至75%、英语中提升至84%。
