机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明用于腹腔镜胆囊切除术手术阶段识别的滑动窗口时序Transformer与YOLO辅助框架
简介该论文提出一个结合Swin Transformer、时序Transformer编码器和YOLOv11s的框架，用于识别腹腔镜胆囊切除手术的阶段并定位手术器械。框架还采用因果时序平滑以减少阶段预测的抖动。在Cholec80数据集上，阶段识别准确率为92%，宏平均F1为0.86，器械检测mAP@0.5为0.863。
说明DUET4D：面向稀疏视角4D重建的自校正耦合引导方法
简介论文针对只有少量相机时的4D动态场景重建难题，提出DUET4D框架，用4D高斯表示引导生成先验，使其输出在时空上更一致。方法先从当前高斯证据构建时序对齐以引导潜在修复，再通过顺序保真重采样把生成监督提升到高斯空间，区分被反复支持的基元。作者称该方法显著提升了渲染质量和渲染效率。
说明记忆越多，视频越好吗？长视频生成中视觉记忆的对照研究
简介该论文研究长视频生成模型检索过往视觉画面以保持人物一致性的效果。作者构建了 VMem-Bench 诊断基准，分别评估 92 部真实电影片段的参考选择，以及 30 个生成故事上四种检索策略与对照组的表现。结果显示，检索提高了实体召回率，但降低了精确率和禁用实体规避率，还可能强化已被剧情改变的旧外观。
说明约束随机线性二次控制的强化学习（连续时间）：研究一种带非负控制约束的连续时间随机线性二次控制问题，并探讨强化学习中的探索如何影响最优均值策略。
简介论文研究标量状态、控制非负约束下的连续时间随机线性二次控制问题。作者引入一个无熵的辅助问题，通过矩约简与状态分离得到两个区域性Riccati方程，并刻画有限时域值函数与最优条件均值，给出该均值与原约束问题最优反馈一致的充分条件。对于时不变系数，文中刻画了无折扣无限时域最优解并证明均方渐近稳定。针对未知动力学，作者提出有限与无限时域的无模型演员-评论家算法，数值实验比较了学习策略与解析目标，并考察探索对最优均值的影响。
说明为什么大模型会自信地出错？通过因果注意力头干预修正过度自信的错误
简介这篇论文研究大语言模型常对错误答案给出很高置信度的问题。作者提出 CoCHI 方法，通过识别并干预模型内部负责不同置信行为的组件，在保持正确预测的同时减少过度自信的错误。在多个大模型和五个多项选择问答基准上，校准指标（ECE、NLL、Brier 分数）均有改善，准确率保持不变。
说明推理还是背诵：面向交通异常推理的互补专家模型与LLM评判器
简介该论文关注道路视频中的交通异常（如碰撞、违规、突发危险）理解，指出视觉语言模型在封闭式问题上需要基于证据的推理，而开放式回答则依赖与参考文本的相似度。作者提出RoR框架，包含两个专家模型：一个在重写后的结构化推理链上微调的9B模型，以及一个仅用答案微调、用于学习标注风格的量化27B模型，再由一个免训练的LLM评判器为每个问题选择更合适的答案。该方法在2026年AI City Challenge交通异常推理赛道的域内排行榜上排名第一，平均得分为0.6788。
说明全双工语音模型长时对话退化的诊断与缓解
简介本文研究端到端全双工语音对话模型在长时间会话中的性能退化问题，提出闭环评估框架，发现响应能力、语音内容质量和声音一致性会随时间下降。作者提出基于自蒸馏的轻量LoRA训练方法，并设计双分辨率上下文（TRC）架构压缩旧对话历史，在三个模型上验证可缓解退化，KV缓存增长减少超过90%。
说明AskGLP1：基于在线患者叙述构建知识图谱的GLP-1用药体验问答智能体
简介该论文提出AskGLP1系统，将Reddit和WebMD上的患者用药叙述转化为知识图谱，用于回答GLP-1类药物的用药体验问题。系统借助以MedDRA术语为基础的大模型流程，从约850万条Reddit帖子中筛选出163,135条，并结合2,506条WebMD评论，构建了包含385,790条药物-副作用及用药目的关系的图谱。研究发现在线叙述与FAERS报告在症状上存在差异，并比较了不同药物的报告差异。
说明面向智能体的自适应记忆索引演化（AMIE）：让智能体更容易找到已存的记忆
简介本文针对长期运行的智能体，提出“记忆索引演化”这一概念，关注记忆被存下后是否能在需要时被检索到。作者设计了轻量的插件层AMIE，根据部署时的检索情况更新每条记忆的访问状态，而不修改记忆内容，也不重新训练原有记忆系统。实验涵盖五个基于检索的系统和三个基准，训练后的AMIE在全部15组对比中提升了下游F1或准确率，并在全部10组对比中改善了检索效果。
说明用于鲁棒相机式3D目标检测的稀疏恢复鸟瞰图模型汤
简介论文提出SR-BEVS方法，针对基于相机的鸟瞰图感知模型（如Fast-BEV）在真实环境干扰下的鲁棒性问题。方法通过按层权重幅值随机剪枝生成多样的稀疏模型，各自以随机学习率重新训练，再将其平均为单一稠密模型。实验在nuScenes数据集上显示，相比Fast-BEV基线，干扰鲁棒性最多提升33.8%，干净数据精度提升1.8%，且推理无额外开销。
说明SVD-Attention：高效分析Transformer中注意力模块的工具
简介该论文提出SVD-Attention，一种事后分析方法，对每个注意力头的查询-键交互矩阵做奇异值分解，并依据谱幅值与在校准集上的激活方差为各奇异模式打分，保留真正被数据激活的部分。研究在七个预训练模型和五类任务上发现，冗余的位置随任务不同而变化。截断其标记的层，F1最多下降1.75；在同一模型其他位置截断相同层数，F1最多下降50。该方法主要是分析工具，单独使用可减少0.8%-1.5%的推理FLOPs，与权重剪枝结合时可减少8%-11%，任务质量变化在0-4%之间。
说明面向风电形势演变的带守护机制Agent闭环残差自适应方法
简介该论文针对风电功率预测模型在寒潮、高温无风、台风等不同气象情境下误差变化的问题，提出一种带守护机制的Agent闭环残差自适应框架。时间骨干模型保持不变，仅调整一小组按场景条件化的残差专家；Agent识别当前情境并选择专家，且仅在近期观测误差支持时才施加修正。在九种骨干模型、五个预测时长下，该框架在全部45种组合中均降低了MAE和RMSE。论文同时指出，长期无人值守部署未经评估。
说明用于风电场布局贝叶斯优化的图信息克里金模型，提高样本效率
简介风电场布局随风机数量增加而越来越难优化，高精度气动模型的计算成本也更高。本文提出图信息克里金框架，将可复用的气动相互作用信息嵌入代理模型的均值函数，把风电场表示为有向气动图，由低维相对坐标中的风机两两作用组合出全场均值。实验显示，该方法在稀疏数据下比普通克里金和通用趋势克里金更准确地预测年发电量（AEP），并在 IEA Wind Task 37 基准上以约 280 次 AEP 评估获得有竞争力的解，还扩展应用到 48 台风机的风电场。
说明超越特征归因：通过局部化CBFI恢复机器学习模型中的潜在交互结构
简介该论文提出局部化的基于案例的特征重要性（CBFI）框架，用于解释表格数据上的单个预测。与SHAP、LIME等把非线性交互吸收进单个特征分数的可加方法不同，该方法把预测拆分为主效应与纯交互等结构上不同的部分。在葡萄酒质量分类和医疗保险回归实验中，该方法能分离被可加模型掩盖的交互，并通过保真度测试和合成基准验证其与梯度提升和深度神经网络中的非线性依赖结构相对应。
说明C-SafeGen：基于声明的流式护栏、可认证安全的大模型生成
简介该论文针对大语言模型可能生成违规内容、且现有护栏多只做检测而缺乏安全保证的问题，提出基于声明的流式解码算法CSD，在生成过程中用流式护栏模型检查逐条声明，并对高风险声明进行回溯修正。作者结合保形分析给出统计风险保证框架，推导安全风险的高概率上界，并通过实验与现有安全解码方法进行比较。
说明GUIFlow：利用时间冗余的GUI智能体增量推理框架
简介本文针对基于视觉语言模型的GUI智能体在多步交互中反复重算重叠观测与历史表示、导致成本高的问题，提出GUIFlow框架，在多图像GUI交互中实现全流程增量推理。该方法复用历史KV状态，借助变化信号选择性更新当前观测状态，并用早期动作响应作为推测草稿，经目标模型验证，无需额外训练或改动模型输入与动作接口。实验报告在离线多图像基准上几何平均加速最高3.39倍，在OSWorld在线闭环交互中加速最高3.49倍，任务表现与密集基线大体相当。
说明决策模型工厂：构建专用的自主可控决策模型
简介该论文提出“决策模型工厂”，依据简短的配方，对选定的基础模型进行训练、校准、验证和评估，生成可由使用方自行控制部署的专用决策模型。在多项日语决策任务、紧凑部署和长文本段落排序中，工厂构建的五个模型均优于其基础模型，其中三个超过了固定日语公开基准比较中的最佳结果。配套运行器只计算许可答案的概率并复用共享上下文，在多问题工作负载下服务速度提升一倍以上，决策分数基本不变。
说明DimFlow：用于动态高斯重建的双向网格-专家学习方法
简介该论文提出DimFlow框架，通过多分辨率网格与基于坐标的专家分支之间的双向交互，学习动态场景的紧凑特征，以同步支持几何和外观随时间的变化。在D-NeRF、HyperNeRF和DAVIS的综合比较中，其PSNR达到39.73 dB，比4D-GS高1.92 dB，渲染速度与其报告的85 FPS相当，模型大小为18.9 MB（4D-GS为18.3 MB）。
说明利用组内推演一致性改进基于分组的策略优化推理（RoAR）
简介论文发现，同一题目中正确答案推演的一致性越低，其中含有无效推理的比例越高。作者据此提出RoAR，在GRPO奖励中加入推理层面的一致性信号，无需人工标注或额外采样。在五个数学推理基准上，1.5B模型的平均pass@1达到55.5%，并经盲审比较了各模型正确答案中无效推理的比例。
看点提出以同组正确轨迹一致性作奖励的RoAR，并通过盲配对分析与审计支撑，较已有方法有实质改进，影响面限于RLVR训练领域。
说明MINT：基于注意力消息传递缓解结构不一致性的金融异常检测方法
简介本文提出MINT图神经网络框架，用于金融交易网络中的非法账户检测。该方法通过注意力消息传递缓解恶意账户伪造连接造成的结构不一致问题，并采用正例-无标签（PU）学习应对标注数据稀缺。作者在两个大规模公开数据集和一个内部真实数据集上进行了实验，结果显示其效果优于多个前沿基线方法。
说明面向长链推理的相关性感知探索方法
简介该论文针对用GRPO训练的推理模型在长推理链上容易发生策略崩溃的问题，提出Info-GRPO框架。它在训练时为提示加入潜变量种子，使模型探索与先验相关的多样化策略，多样性由整条推理轨迹承载而非逐词随机性，从而避免与熵减的收敛要求相冲突。实验显示其在多个推理基准上优于普通GRPO和熵正则化GRPO。
说明基于图神经网络的供水管网多点漏水定位
简介供水管网中多处同时漏水时，在监测点稀疏的情况下很难定位。本文提出一种图神经网络（GNN）模型，无需事先指定漏点数量，也无需穷举所有漏点组合进行训练，即可定位数量可变的同时漏水点。模型在31个节点的Hanoi网络和92个节点的NET3网络上进行了评估。结果显示，在准确率上，该模型分别比多层感知机、支持向量机、K近邻和随机森林分类器高出最多12%（Hanoi）和20%（NET3）。
说明关系组合即平行移动：每个实体的坐标系在注意力中意味着什么
简介该论文把实体坐标系的任意旋转视为对称性，研究它对注意力机制的约束。作者证明，在正交变换下，不变分数只依赖范数与变换后的内积；关系需要显式提供。论文还讨论了有限群组合所需的最小表示维度，并在CLUTRR与StepGame等任务上报告了实验结果。
说明面向高效AI编程的推理模式：一项实证研究
简介该研究分析了大型推理模型在四类典型编程任务中生成的推理轨迹，从中归纳出代码生成、执行推理、调试和翻译等通用推理模式，并区分了与有效和无效推理相关的正负模式。作者验证了三类基于模式的应用：任务识别、模式引导提示和模式感知的提前停止。结果显示，提前停止能在pass@1仅小幅下降的情况下显著减少token用量，且这些应用可推广到未见过的模型。
说明停止还是澄清？基于经验的主动事实核查
简介该论文针对交互式事实核查中的中间决策：证据是否足够，是停止判断还是请求进一步澄清。作者提出SEAC方法，在固定核查器外加一个轻量证据获取策略，结合停止风险与既往轨迹估计的澄清收益决定是否澄清。在SciFact、LIAR和FEVER上，SEAC的平均准确率和宏F1均优于对比基线，但在较小的SciFact数据集上配对改进结论尚不确定。
说明Fed-MAPTrack：面向RGB-X跟踪的联邦模态感知提示微调
简介该论文提出Fed-MAPTrack，用于RGB-X目标跟踪（在RGB之外结合热成像、深度或事件数据）的联邦训练。冻结预训练的跟踪骨干和预测头，客户端只优化和交换提示相关参数，服务器按RGB共享参数与热成像、事件、深度各自的参数库分别聚合。在LasHeR、VisEvent和DepthTrack上，该方法相较FedAvg分别提升2.35、3.45和2.11个指标点。
说明编码智能体的外壳如何自我演化：对回顾式调整的实证研究
简介论文研究编码智能体能否根据过往任务经验调整其运行外壳（软件、配置与指令），并考察这些调整是否真的减少后续任务中的重复工作。作者让 Claude Code 处理 30 个 SWE-bench Verified 问题，用名为 \retro 的技能回顾会话并提出 125 项修改建议，实施其中 24 项，并在后续同仓库问题上做了 12 项对比评估。结果显示，只有少数改动确实消除或减少了目标问题，部分改动还给无关问题增加了工作量。
说明复杂声学场景中环境声音识别的分层方法：提出一种轻量级两阶段分类模型，先粗分五类、再细分二十五类，用于城市环境噪声监测。
简介论文针对环境噪声识别中单阶段分类器在类别不平衡时容易混淆的问题，提出结合频时自适应网络FTANet与两阶段分类机制的轻量级分层模型。第一阶段将声音分为五个粗类，第二阶段由对应的类别分类器完成25个细类识别。在自建数据集上粗分类准确率为95.45%，参数量仅0.2004M；在UrbanSound8K上十折评估平均准确率为79.24%。天津在线声环境监测平台的实地测试显示整体准确率为87.18%。
说明监督可见状态：在流式视频中分离表征与视图选择
简介论文指出，流式视频模型常把不同事件顺序、累积次数或关系的历史给出相同答案，这种状态欠约束问题会损害准确率。作者提出可见状态监督（ViSS），用事件身份、顺序、累积、关系变化等探针训练，并提出测试时因果视图搜索（TVS），在模型固定时按需从近期帧扩展到稀疏事件与紧凑历史视图。两者结合在 StreamingBench 和 OVO-Bench 上取得所比较已发表系统中的最佳准确率，处理帧数远少于穷举选择。
说明重新审视类增量手术器械分割中的数据不平衡问题
简介论文关注手术器械分割中，随着器械种类增加，模型会遗忘旧类别并因数据不平衡产生偏向的问题。作者提出SurgCSS框架，通过修复生成的手术背景与按类别融合器械前景来平衡数据分布，并设计类脱敏损失与新旧模型权重动态融合来修正边缘偏差。作者还整合数据集构建了新的手术器械持续分割基准，实验表明该方法相比现有基线有明显提升。
说明PhysEvolve：基于可执行物理世界与验证器的视觉语言模型自我进化物理推理框架
简介视觉语言模型在动力学与物理因果问题上表现不稳定，而可用的反事实训练数据稀缺。该论文提出 PhysEvolve 框架：模型自行提出可执行的物理世界程序，由确定性物理引擎模拟基线与反事实分支，并生成带标准答案的视觉任务；验证器反馈用于更新共享策略与课程。以 Qwen3-VL-8B-Instruct 为起点，模型在 PhysBench、CausalPhys、ContPhy 上取得针对性提升，且无需人工标注数据。
说明DiffAuction：基于拍卖的生成式图像广告框架
简介该论文提出 DiffAuction，让多个广告主通过扩散模型在同一张生成图片中争取曝光。框架包括可控生成方法（残差份额校准与份额条件提示）、用视觉语言模型与大语言模型评估点击意向的评估器，以及一种可学习的仿射最大化拍卖机制用于定价和分配。实验显示该生成方法使目标份额与点击意向之间的单调关系增强，所学拍卖机制获得更高的平台收益。
说明Blackwell 上端到端 MXFP8 强化学习：匹配的收益、适用时机与失效方式
简介该论文在 verl 框架中实现了端到端的 MXFP8 强化学习，在 B200 GPU 上用 Qwen3-8B 和 Qwen3-30B-A3B 进行测试。结果显示，采样器与学习器采用相同的 MXFP8 量化网格时，训练与采样之间的 KL 散度更低；MXFP8 仅在每个微批次超过约 4.5k tokens 时才更快。论文还列出了权重同步必须满足的七个条件，并记录了硬件上出现的七种失效情况。所有实验均为单一随机种子、至多 60 步，未对最终模型质量作出结论。
说明Waypoint：用解析模型为 CPU 上的通用矩阵乘法（GEMM）选择最优分块
简介论文提出 Waypoint，一种解析模型，可根据给定硬件和输入矩阵形状自动找出最优的分块大小。模型通过考虑内存层级、指令级并行和多线程等架构因素来估计性能，并以此为依据搜索最佳分块。作者还基于 Waypoint 构建了 CPU 上的 GEMM 库 OPAM，据称性能与最先进的 GEMM 库相当，并使 CPU 上的大模型推理获得 1.36 至 1.98 倍加速。
说明紧凑型预训练基础模型在洪水期间地表水测绘中的准确性与效率
简介本文以 Sen1Floods11 中 11 次洪水事件的 446 个人工标注 Sentinel-2 图块，评估了 Prithvi-EO-2.0-Tiny 模型，并与 U-Net、更大的 Prithvi 模型及光谱指数阈值法进行比较。结果显示，微调后的 Prithvi-Tiny 准确度与 U-Net 接近但未超过，其计算速度在 GPU 和笔记本 CPU 上均更快。作者认为，紧凑型预训练模型的价值在于较低的计算需求与有竞争力的精度，而非全面优于其他方法。
说明LE-GDA：无需训练的少样本 CLIP 适配方法，融合中间层与最终层表示
简介本文针对视觉-语言模型 CLIP 的无训练少样本适配，提出层集成高斯判别分析（LE-GDA）。该方法对中间层与最终层表示分别拟合正则化的共享协方差判别器，并对每个查询的类别分数做标准化，再与零样本分类器组合，全程无需梯度优化。作者在 11 个数据集、4 种 CLIP 骨干、5 种样本数上进行评估，结果显示该方法在各骨干上平均准确率最高，表明中间层表示包含超出最终嵌入的有用信息。
看点将中间层与最终表示的高斯判别器经标准化后集成，思路有新意；在11数据集、四种骨干网络上实验充分并有消融对照。
说明SGDB：面向逻辑异常检测的语义-几何解耦与证据绑定方法
简介该论文提出SGDB方法，用于检测场景中部件的组合是否符合任务约束的逻辑异常。方法将语义识别与几何测量分开处理，并通过部分一对一关联把几何证据绑定到对象身份上，还给出可执行的检查与可追溯的报警解释。在MVTec LOCO的五个逻辑类别上，AUROC为98.19%，固定阈值F1为94.52%；在VID-AD的50个任务上，AUROC为93.56%，F1为92.76%。
说明强化学习（Outcome RL）带来的是什么：完成率、可靠性，以及很少新增的可解题范围
简介该论文比较了 20 个发布的强化学习模型（1.5B 至 32B 参数）与其出发的思考模型，在固定 token 预算下的 pass@1 表现。作者将 pass@1 的变化分解为完成率、可靠性和可解范围三部分。结果显示，在预算受限时，变化主要来自完成率；在预算充足时，主要来自可靠性；而强化学习很少解决基础模型无法解决的问题，新增可解范围最多仅 2.1 个百分点。
说明MMGNet：面向杂乱场景的多模态6自由度抓取合成网络
简介该论文提出MMGNet，用于机器人在杂乱场景中的6自由度抓取合成。方法通过分层图像到三维特征注入，将多尺度图像特征融入三维表示，并通过旋转抓取度建模同时预测抓取接近方向与平面内旋转。消融实验表明两个模块有互补增益；在GraspNet-1Billion（RealSense）上平均AP达60.34，超过所有对比方法。真实世界实验中，其抓取成功率比AnyGrasp高8.46个百分点。
说明检查点重新加载解释了两次状态发现复现中测得的大部分状态差距
简介该论文研究在世界机器（World Machine）的状态发现方法中，训练时保存的状态表与推理时滚动重建的状态不一致的问题。作者在 Toy1D 上分析两组成对检查点的运行，并比较表格与最佳验证检查点及最后一轮权重的滚动结果。结果显示，将滚动与写入状态表的权重对齐，可去除大部分的平均每维 Wasserstein-1 距离，作者认为检查点重新加载解释了这些运行中测得差距的大部分。
说明AIPC：面向 PyTorch 项目部署的证据驱动智能体工作流
简介本文提出 AIPC，一种用于在设备端 NPU 上部署 PyTorch 推理项目的智能体方法。它结合结构化技能与工具链、运行时和性能分析的证据，驱动跨层诊断与修复，并将模型适配、产物构建、目标端执行、精度修复和性能优化整合为统一流程。在高通 QAIRT 平台的实验中，部分用例取得了优于对照组的精度与加速效果。
说明FATE-5：可连续调节大五人格的对话控制方法
简介该论文提出 FATE-5 框架，用于在大语言模型中按大五人格（Big Five）连续地控制性格表达。方法分两阶段：先通过对话监督和问卷辅助目标学习人格的连续软提示表示，再基于对话质量与人格一致性进行偏好对齐，以提升自然度。作者称，在三种模型主干上，它在人格表达强度与对话自然度之间取得了更好的平衡。
说明NumTrace：审计金融分析智能体数字来源的基准
简介该论文提出 NumTrace 基准，用于审计金融分析智能体所给数值结论的来源与财务语义。基准包含 540 个问题、2,163 份 SEC EDGAR 文件，并依据会计规则给每项结论给出数值、绑定与支持三项判定。研究发现，多数失败结论属于“数值正确但账户错误”（RNWA）类型，在 13F 联合申报问题中，约 91% 的结论通过数值检查，但不到一半通过绑定检查。
说明ThinkBit：搜索码字、重新校准缩放因子、通过推理选择的二比特量化方法
简介该论文提出ThinkBit，一种面向推理语言模型的二比特量化框架，旨在降低推理时的内存占用同时保留推理能力。方法包括按层分配比特宽度、基于Gumbel-softmax逐块搜索码字、在码字固定时用知识蒸馏重新校准缩放因子，以及短暂的量化感知训练，并通过训练题目上的推理测试选择最终检查点。在Qwen3-1.7B上，其校准后的检查点在MATH-500上得分46.7，高于同数据训练的EfficientQAT的30.0；在14B模型上，3.74 GB的量化模型在MATH-500上得分94.8，原始29.5 GB的bfloat16模型为97.5。
说明MedAdaptAgent：将医学影像模型适配到新医院的自动化工具
简介预训练医学影像模型在新医院可能因成像协议和预处理不同而表现变差。本文提出MedAdaptAgent，由大语言模型驱动的规划器根据模型与站点证据选择适配实验，只有在优于预训练模型时才接受结果，并输出可运行的完整模型包。在26个分割与分类迁移任务中，使用20个本地标注后，分割Dice平均从0.483升至0.774，分类AUROC平均从0.810升至0.837。
看点提出LLM驱动的自动化医学影像模型迁移框架，新意在于流程自动化与证据门控；在26次迁移、多任务上有对比实验，分割Dice与分类AUROC均有提升，影响面限于医学影像迁移子领域。
说明LayoutMamba：一种融合 Mamba 与 Transformer 的高效文档版面分析方法
简介本文提出 LayoutMamba，用于文档版面分析，结合 Transformer 提取局部特征与 Mamba 建模全局长程依赖，并提出几何重叠惩罚损失（GOPLoss）以减少边界框冗余重叠。作者称，在 PubLayNet 上其 AP 超过现有最优方法且参数量约为其八分之一，在 D4LA 上排名已发表方法前三。
说明ClinVerse：用于训练与评估医疗智能体的真实多智能体诊断环境
简介本文提出ClinVerse，一个基于真实电子病历数据的交互式多智能体诊断环境，用于训练和评估医疗诊断智能体。环境以包含15万例真实病例的ClinPatient数据集为基础，由六个专业临床角色协同工作，医生智能体需通过问诊和检查申请逐步收集信息并给出诊断。论文还设计了基于规则的评分框架，并通过实验表明九种自我进化方法均能提升智能体在该环境中的诊断能力。
说明CoDeRNet：异构监督下变化检测与描述的选择性跨任务路由
简介该论文面向遥感双时相图像的变化检测与描述任务，指出两项任务监督粒度不同、表示可靠性不均，因此提出CoDeRNet框架，在保留各任务表示的同时，通过置信度分解路由机制（CoDeR）决定何时何地传递信息。作者称该方法在LEVIR-MCI和WHU-CDC数据集上整体表现较强，尤其提升了描述生成效果，并保持了有竞争力的变化定位能力。
说明RubriX：一种快速、可微调的非自回归评分标准评判模型
简介该论文提出 RubriX，用于判断回答符合评分标准的哪一等级。它不生成文本，而是用经 LoRA 微调的编码器计算输入与各等级描述之间的相似度，直接输出每个等级的概率。论文报告其在保留的评分标准上精确准确率为 75.4%，高于 Jev 的 57.1% 和 Qwen3-8B 评判模型的 49.8%，且等级描述变长时延迟基本保持在约 28 毫秒。
说明自适应检索、选择性回答：评估智能体式RAG中的共形事实性
简介该论文研究智能体式检索增强生成（RAG）中的共形事实性，即语言模型会自适应地发起后续检索或提前终止检索。作者在六组模型与数据集配置上做了评估，并将共形过滤应用于生成之后。结果显示，目标水平越高，完全有依据支持的比例越高，但可回答的比例随之降低。
说明DocTalk：用思维链微调大模型增强医学知识检索，支持稳健的临床决策辅助
简介本文提出DocTalk，一个辅助医生的问答系统，能基于去标识化的出院小结生成简洁、有病历依据的回答。研究构建了500组临床问答数据，并用LoRA对三款通用和三款生物医学开源大模型进行指令微调。结果显示，微调后各项指标普遍提升，其中Llama-3-Med42-8B表现最佳；在PubMedQA上，Llama-3.1-8B-Instruct的准确率由0.931提高到0.977。
说明GADAR：基于动作排序的经典规划跨领域泛化方法
简介该论文提出GADAR，一种无需搜索的经典规划学习策略，它以领域描述为输入，可在训练时未见过的新领域中构造可执行动作。模型通过符号在领域中扮演的角色（而非名称）进行表示，分三层实现。在八个基准领域的留一领域外零样本评估中，单一策略在七个训练领域上的测试覆盖率为58.3%，与专用单领域模型的59.3%接近；在大型测试实例上的零样本平均覆盖率为22.6%，高于随机选择的3.3%。
看点提出以域描述为输入、按角色而非名称理解符号的零样本规划策略，跨域覆盖率接近单域模型，证据较扎实，影响限于经典规划子领域。
说明UniGFM-RAG：统一图基础模型与大语言模型，实现端到端的检索与推理
简介大语言模型在需要整合分散知识的复杂推理上仍有不足，图检索增强生成（GraphRAG）将碎片知识组织为图来应对这一问题。该论文提出UniGFM-RAG，用可微分的图桥接器把图基础模型检索器与大语言模型生成器紧密耦合，并引入语义引导的蒸馏模块以减少对昂贵人工标注的依赖。作者称其在三个多跳问答数据集和三个域外GraphRAG基准上均优于基线方法。
说明面向多奖励策略优化的优先级保持优势聚合
简介该论文针对LLM后训练中多目标优先级的问题，指出常用的加和式奖励聚合可能使辅助目标的优势信号推翻主目标的偏好，称为“优势优先级反转”。作者提出PAPO方法，以非对称方式融合主优势与辅助优势：目标一致时保留辅助监督，冲突时平滑削弱辅助信号，从而保持主目标的符号。实验表明，在GRPO和PPO设置下，PAPO在多个领域和模型上主目标表现最好，辅助目标表现保持最佳或具有竞争力。
说明AgriDefend：一款低成本离线边缘设备，借助多模态AI在可见症状出现前检测作物胁迫
简介该研究提出AgriDefend，一款约205美元的离线设备，同时结合叶冠图像和土壤探头数据。图像由MobileNetV2分析，土壤数据（湿度、pH、氮磷钾变化率及相对环境的二氧化碳）由随机森林处理，再通过逻辑回归融合为五类作物健康预测。在温室干旱试验中，融合模型准确率为87%，土壤信号比可见萎蔫早约四天出现。
说明面向基于大模型智能体的数据分析：用于可扩展文本分析的语义原子
简介本文针对数据分析中文本列信息难以直接利用的问题，提出两种查询驱动的语义原子：打标（Tagging）为每条文本返回一个字符串，分类（Categorization）从多条文本中得到若干类别。结果分别以对齐列和类别表的形式输出，再由SQL或Python进行精确计算。作者在TABench基准的40个分析任务上评估了TADA-Agent系统，结果显示其语义质量与基线相当，完整结果保存率更高，且语义模型请求次数减少了一个数量级以上。
说明DecoyCount：评估计数任务中视觉推理与人类视觉预期的错位
简介该论文提出 DecoyCount 基准，包含 1,660 张真实图片，图中设置了七类干扰物，并配有中性提问、对齐提示和多跳多图场景问题。研究发现，模型在有提示时能完成计数，无提示时却往往选不出正确过程，两者准确率差距为 11.8 至 22.1 个百分点。更强的模型、更多的思考预算和代理式流程往往导致更大的差距，结论是较强的通用推理能力不会自动转化为对齐的视觉推理。
说明基于几何与光度解耦数据合成的双摄像头平滑变焦学习
简介论文针对智能手机双摄切换变焦时几何视角和色彩不连续的问题，提出双摄平滑变焦任务，用于合成连续的中间帧。作者提出数据合成框架ZoomGS v2，将几何与色彩变换从三维场景建模中解耦，从易于获取的单摄三维场景生成训练数据，并设计了专用的插帧网络ZoomFI，采用互补双向变形融合双摄信息。实验显示，用该数据训练可提升多种插帧模型的性能，ZoomFI在定量指标和视觉质量上均取得较好结果。
说明通过无导数优化在姿态偏移下恢复黑盒点云模型
简介论文针对只能通过输出分数访问的黑盒点云模型，在测试时遇到训练分布外旋转时性能下降的问题，提出 CanDO 方法。该方法仅使用前向查询，通过无导数优化搜索能最大化模型置信度的输入变换，以恢复部分性能。在多种架构和基准上，CanDO 在方位向错位下恢复了 76% 的理想模型差距，在任意 SO(3) 旋转下恢复了 51%。
说明先看后命名：基于上下文的新视觉概念学习
简介该论文提出SynerNet框架，让视觉语言模型为陌生视觉类别学习概念专用的名称嵌入，并将其置于语言上下文中，再依据图像证据进行调整。在四个VISTA-Beyond领域的16-shot实验中，平均准确率为74.35%，高于少样本名称学习的72.45%。在14个领域的名称屏蔽迁移设置中，平均准确率从45.17%提升至46.74%。
说明PosePlaner：用成对平面几何为任意前馈位姿预测器去噪
简介本文提出 PosePlaner，用流匹配（flow matching）把位姿精修视为条件生成问题，以粗略几何匹配和初始位姿为输入，融合生成的位姿假设得到精修结果。它以两视图数据训练，可在无需重新训练的情况下，周期性地为多视图流式位姿估计器做精修，据称能修正前馈预测器的失败、改善基于对应关系的求解器，并减少长序列中的累积漂移。
说明样本稀缺时：用大语言模型语义先验改进贝叶斯验证性因子分析
简介本文提出语义-经验更新框架（SEUF），用大语言模型的题目改写和嵌入，依据假设的题目-因子归属生成预先设定的先验，用于贝叶斯验证性因子分析。作者在一份617名产业园利益相关者的38题问卷及两个公开问卷（FEVS、RIASEC）上进行评估。结果显示，样本仅为50人时，SEUF的载荷精度可与传统方法使用70至82人时相当，两个公开问卷中的载荷误差也更低。
说明超越行为：视觉-语言-动作模型的刺激-响应安全性评估
简介本文借鉴人类对安全关键刺激会产生防御性反应的现象，研究视觉-语言-动作模型在看到可见危险和有害后果时，其内部表征与动作倾向是否会出现类似反应。作者在三个模型和两个视频基准上进行了实验。结果表明，即使模型内部已识别出危险，任务执行可能仍是其默认反应。
说明集体涌现对齐：测量并放大多智能体大模型中由交互引起的推理对齐
简介本文研究多智能体大语言模型在交互中是否会出现推理对齐的涌现现象，并提出 REMAP 框架，通过语义覆盖度和交互带来的对齐增益进行量化。在多个模型系列和两个多跳推理基准上，交互总体带来正向增益，尤其体现在需要整合分布于各智能体证据的推理内容上。作者还提出一种事实级通信框架，用紧凑、感知缺口并选择性路由的信息替代完整推理轨迹交换，实验显示其能提升推理对齐与任务表现并降低通信开销。
说明扩散网络的噪声传递负担：为何图像预测可胜过噪声预测
简介该论文比较扩散模型中预测干净图像（x 预测）与预测噪声两种目标的差异。作者指出，噪声预测需要保留抵消输入噪声所需的信息，并在高斯噪声下分析了线性输入瓶颈带来的去噪误差下限。作者还在 ImageNet 上用 JiT 进行实验，结果与理论预测的瓶颈下限及预条件化的减弱或消除效果相符。
说明流式循环记忆（SRM）：无需存储原始经验的在线学习记忆网络
简介论文研究在数据连续到达、不保存原始经验的流式学习条件下，如何让循环记忆保持对未来预测与控制有用的状态。作者提出流式循环记忆（SRM），可按内容或时间回忆过去信息、记录已过步数，并以单步时间反向传播训练。实验显示，在联想回忆和在线语言建模任务中优于循环基线，在带延迟奖励的联想T迷宫任务中接近完美成功。
说明RAG的逻辑劫持：基于局部优化的单文档投毒
简介本文研究检索增强生成（RAG）系统中的单文档投毒攻击，攻击者仅能以黑盒方式访问语料库。作者提出MONOLOGUE框架，不直接反驳事实，而是承认原有事实为历史基线，再以带有日期的记录更正叙述引入反事实内容，并通过离线局部优化提升文本质量与攻击效果。在三个基准、三种检索后端和四种开源生成模型设置下，该方法在所评估的单文档投毒攻击中整体效果最强。
说明将分位数传输到码本：无码本坍缩的可扩展向量量化
简介该论文针对 VQ-VAE 中常见的码本坍缩和码本利用率低的问题，提出 FlowVQ。它用与训练同步学习的轻量流匹配模型，把固定的源分布通过概率流 ODE 传输，再由等分位数划分的先验码在传输后的分布下求 Voronoi 质心，从而得到结构化的离散化码本。作者在图像分词与生成以及两项高精度分词任务上进行了评估，结果显示该码本具有可扩展性，表达能力提升且利用率充分。
说明TrustJev：在基于大模型的决策中，将策略权威与不可信证据分离
简介该论文提出 TrustJev 框架，用于让软件在自然语言输入下从预定义动作中做选择，并防止外部证据中夹带的指令覆盖应用策略。方法以单个 Transformer 计算受保护的策略评分与修正预算，并将证据修正限制在该预算之内。在三个数据集的测试中，TrustJev 的平衡指标（非攻击与攻击输入准确率的调和平均）平均最高，并在授权基准中对 95.77% 的来源正确回答全部 32 个攻击样本。
说明基于白质纤维方向分布与旋转等变深度学习的可解释脑龄预测
简介本文提出一种脑龄预测框架，将白质纤维取向分布（WM-FOD）与SE(3)等变卷积网络结合，直接处理FOD的球谐系数。在692名年龄36至90岁的人类连接组计划衰老数据集参与者上，该框架优于评估的基于DTI的模型和常规CNN，五折交叉验证平均绝对误差为3.54岁，相关系数为0.958。遮挡分析显示模型敏感区域随年龄段变化。
说明SPARTA：面向边缘长上下文推理的稀疏三值大模型加速器
简介该论文提出SPARTA，一种用于边缘设备长上下文大模型推理的稀疏三值加速器。它通过区分预填充与解码阶段的稀疏数据流、统一计算架构以及自适应两阶段注意力引擎来降低访存与计算开销。论文报告KV访存较全注意力减少4.1至4.8倍，并在与多款基线的对比中提升了吞吐量与能效。
说明几何与评估存在歧义时的单目进动估计：基于 ORBIT-SCOUT 的可审计合成研究
简介本文研究如何从标定相机的单目图像估计细长翻滚目标的动量轴和平均进动率。作者提出 ORBIT-SCOUT 方法，仅在数值、几何、时间和竞争假设检验均通过时才输出估计结果，否则拒绝输出。在 96 个新合成场景的预注册评估中，正确估计覆盖 25/64 个可支持场景，未出现错误估计，但未达到预设的覆盖率目标。
说明静默且代价高昂：LLM 智能体中提示词缓存误用的表征与检测
简介本文首次实证研究了 10 个热门开源智能体系统中 120 个与提示词缓存相关的拉取请求，发现误用既出现在请求端配置，也出现在读取端用量统计，且多数误用不会引发可观察的运行时故障。作者据此提出 CACHELINT 工具，用 CodeQL 定位缓存调用点并核对前置条件，在 120 个标注样本上取得 0.71 的精确率和 0.78 的召回率，在 571 个真实项目中识别出 32 处误用（精确率 0.86）。这些发现获得 21 位开发者确认，并推动 18 项上游修复。
看点首次实证研究提示缓存误用，并设计结合CodeQL与LLM检查的检测工具；在120个标注样本和571个项目上验证，产生18个上游修复。
说明系统一式决策模型能否替代RAG中的专用重排序器？一项系统评估
简介检索增强生成（RAG）常用专用重排序器筛选候选文档，但会增加延迟。本文测试了系统一式决策模型能否以更少推理开销达到相近的重排序效果。作者先在11个基准上筛选21个开源模型，再与专用重排序器在相同候选列表上比较，并限制候选文本长度以提高可靠性。结果显示，决策模型在部分配置下具有竞争力，但专用重排序器仍更快、显存占用更少，替代前应综合考虑质量、延迟和显存。
说明考虑先后顺序的资源分配：将AUTOC框架扩展到多级处理
简介本文研究在固定预算下，如何将有限资源分配给不同个体以最大化总收益，其中较高强度的干预需先实施较低强度的干预。作者提出了多级AUTOC（ML-AUTOC）评估指标，用于在存在先后顺序约束的多级处理场景中评估优先排序规则，并提出考虑先后顺序的分配策略。研究结果表明，在多级处理情形下，要实现最大化的实际处理效应，可能需要在个体之间重新分配处理。
说明位置比渠道更重要：如何让语言模型放弃一个正确答案
简介本文研究如何通过提示中的建议让语言模型改变其原本正确的答案。作者在 Qwen3.5-27B 上用四选项 MMLU-Pro 题目测试，发现建议所在的位置影响最大，权威性与断言语气也会显著增加错误率，而先前写出的正确推导可以起到保护作用。
看点通过固定其他因素分离位置、来源与自身先前回答三个变量，系统比较其对模型错误率的影响，证据较扎实，对提示安全有参考价值。
说明数据价值何时等同于类别平衡？——逐点数据估值的覆盖视角
简介本文指出，用固定的逐点分数（如Data Shapley、影响力、杠杆值）取前k个样本进行训练数据选择，在数据选择最关键的场景中并不合适，因为样本价值依赖于已选样本，近似重复样本即使分数高也几乎没有增量。理论上，在等潜在模式模型中，固定top-k选择相比自适应覆盖会产生闭式超额风险。实践上，标签可识别学习器模式时用类别平衡，否则使用显式覆盖；实验显示覆盖方法在多项任务中有效，但当相关模式未在学习器表示中体现时会失效。
说明面向N智能体临时团队协作的集中式评论家：比较仅含受控智能体历史与同时包含非受控队友历史的优势估计器，并给出理论与实验依据
简介本文研究多智能体强化学习中，在动态变化的可学习智能体与来自未知分布的非受控队友协作（N智能体临时团队协作）时，集中式评论家应使用哪些训练期信息。作者比较了两类优势估计器：仅依据学习者自身智能体历史的受控历史估计器，以及还纳入非受控队友历史的联合历史估计器。论文证明两者均无偏，并刻画了联合历史估计方差严格更低的条件；实验显示联合历史评论家在多项任务中表现相当或更好。
说明TimeWorld：面向时间序列预测的动作条件多模态世界模型
简介本文提出 TSWM-Bench，这是一个跨领域基准，涵盖七个真实数据集，文本干预基于记录的动作与结果数据构建。实验发现，传统多模态预测模型表现不如仅使用历史数据的时间序列基础模型，而简单的文本前缀方法能在各种骨干模型上提升预测效果。作者据此提出 TimeWorld 插件框架，通过原型引导的潜在调制和动作对比学习，对预训练的时间序列基础模型进行动作-响应建模。
说明迈向城市时空智能系统：孪生与智能体视角
简介本文是一篇综述，从"孪生体+智能体"的视角探讨如何把城市孪生与智能体AI等技术整合为城市时空智能系统，用于监测城市状态、分析问题、规划执行干预并根据反馈调整。文章梳理了孪生体如何重建持续更新的城市环境、智能体如何理解、推理并可靠行动，并提出内外两层循环的总体框架，以及一个可服务多种城市领域的共享原型。
说明文本是瓶颈：大模型在立直麻将中博弈能力的小规模复现
简介本文以远小于原论文的算力（参数不超过2B、单张消费级显卡）复现了大模型玩立直麻将的实验。结果显示，在相同数据和标签下，一个260万参数的卷积棋盘编码器在决策一致率上优于所有文本提示的大模型；扩展后的480万参数Transformer与强AI达到统计意义上的同等水平。论文还指出，小幅的一致率差异并不能可靠地转化为实际对局排名的差异。
说明BehaviorMem：基于真实电商行为流构建与评估用户记忆
简介该论文研究如何从真实电商平台的用户行为日志中构建用户记忆，既记住具体行为证据，也据此推断用户的潜在需求和偏好。作者发布了基准数据集 BehaviorMemBench（来自 1,194 名用户、17,462 个行为批次，跨度三年以上），并提出记忆方法 BehaviorMem，在记忆与推断两项能力上的实验中表现领先于所评估的智能体记忆方法。
说明自然干扰项：非鲁棒特征何时变成对抗性干扰
简介该论文指出，深度神经网络依赖的非鲁棒特征不仅可能是有利的捷径，还可能误导标准模型，即使对干净、未修改的图像也是如此。作者将其称为“自然干扰项”，并发现高频成分与特定空间结构精确对齐时才会产生干扰；通过频谱滤波或微小几何平移可打破这种对齐，恢复正确预测。此外，个体干扰项对几何变换较脆弱，但整体干扰比例大致稳定，只是被重新分布而非消失。
说明ToDoPro：通过降采样自探测实现早期 token 削减，加快并改进基于参考图的生成
简介该论文面向支持多张参考图的图像生成模型（扩散 Transformer），指出多参考输入会造成 token 数量激增、计算量大。作者提出 ToDoPro 方法：先在 2 倍降采样的参考图上执行少量去噪步骤，利用模型自身估计各参考 token 的重要性，再据此分层处理，即丢弃低重要性 token、用降采样版本替代中等重要性 token、保留高重要性 token。实验表明该方法能显著加速推理并降低峰值显存，同时过滤噪声 token 有助于提升生成质量。
说明挖掘图灵测试的潜在信号：以难以区分作为奖励
简介该论文提出一种教师-图灵测试训练方法：较强的教师模型既是模仿目标也是判别器，较弱的学生模型通过训练使教师把其回答判断为自己的回答。学生以这种“骗过判别器”的概率作为强化学习奖励，且不需要标准答案。在CommonsenseQA、GSM8K、KodCode和Spider四个可验证答案的领域中，使用Qwen2.5-1.5B作学生、DeepSeek V4 Flash作教师的实验显示，学生在独立的留出评测上均有提升。
说明Arya Forge：金融指令数据验证与发布审批的审计研究
简介本文提出 Arya Forge，用于金融指令数据流水线，将类型化记录、当前内容检查与绑定数据集清单的审批覆盖结合起来，以区分内容有效性与某数据集的发布许可。作者在金融数据系统案例中评估其发布边界，涵盖 10 万条合成指令记录及 240 个场景的对比实验。研究结论并不证明通用金融正确性、经认证的审批或下游模型改进。
说明个性化AI回复建议对内容创作者私信的影响
简介本文研究社交媒体内容创作者如何处理大量私信。作者通过对15位创作者的访谈发现，他们在撰写合适回复时容易疲惫。研究团队设计了一套根据创作者写作风格生成个性化回复建议的系统，并与13位创作者进行对比实验。结果显示，该系统有助于缓和失礼表达并维持专业形象，但创作者需额外核实AI输出，且可能分散其与受众互动的注意力。
说明DynEdit：面向大语言模型长序列知识编辑的动态熵引导方法
简介该论文针对大语言模型中过时或错误知识的更新问题，提出DynEdit框架，用于长序列知识编辑。它利用词元熵引导非均匀滑动窗口，覆盖难以编辑的高熵区域，并在每个编辑窗口内对信息密集的词元进行熵引导的优化更新。实验表明，在三个基准和两个骨干模型上，DynEdit在多种长文本编辑场景中优于对比基线。
说明正确的事实，错误的决定：面向科学智能体记忆的 SciValidityBench 基准
简介本文指出，科学智能体的记忆不仅要能检索到正确信息，还要判断这些信息是否有效。作者提出 SciValidityBench，包含 64 个任务，涵盖五类有效性模块和六个科学领域，并设计了 SciStateForge 框架，把分散的历史记录转化为显式的决策状态。实验显示，在四个模型系列上，该方法相比通用事件图谱将有效决策率提升了 9.2 至 18.8 个百分点。
说明可扩展的高表达力参数化微分同胚：因式分解梯度方法（FG-CPAB）
简介本文提出FG-CPAB，一种用于可扩展CPAB变换的因式分解梯度方法，将积分与参数空间投影分离。该方法把梯度计算复杂度从O(dTN)降为O(TN+dC)，在2D中速度提升可达约10^4倍，峰值GPU内存减少约500倍。这使得精细剖分的CPAB在2D和3D中首次变得实用。
说明基于动态区域引导时序交互的高效多模态视频融合网络
简介该论文提出一种高效的多模态视频融合网络，用于融合红外等异构传感器的视频，使结果保留显著目标和结构细节并保持时间一致性。方法用测试时训练范式以线性复杂度建模时序依赖，只对关键动态区域做时序交互，并借助预训练MAE特征约束融合视频与源视频的帧间变化方向以抑制闪烁。实验显示其在多个基准数据集上融合质量和时序一致性优于现有方法，且在边缘设备上计算效率高。
说明上下文的物理成本：面向编码智能体的质量约束资源核算
简介编码智能体每次调用模型都要重发越来越长的上下文，但上下文策略通常只按节省的提示词 token 来评价。本文提出质量门控协议，把实际预填充拆分为逻辑提示减去可复用前缀，并测量 KV 驻留、时间与能耗。在 SWE-rebench V2 衍生的 450 个定位案例中，预加载检索块与锚定历史压缩均通过非劣效门槛；在另一项实验中，预加载相比按需搜索减少了模型调用和 GPU 能耗代理指标，而历史压缩没有额外节省。论文还发现，删除历史可能使 token 节省转化为额外工作量。
说明从信念推断到任务行动：在可验证任务上对心智理论的多层次评估
简介论文指出，语言模型要有效协作，需理解他人知道什么、相信什么并据此行动。作者在可验证的家庭协作与日程安排任务上加入信息不对称，分别评估世界理解、信息获取、信念、决策和执行等能力。结果显示，这些能力表现并不一致，例如部分模型能正确恢复他人信念，却难以据此完成任务。
说明LoRA 机制分析：通过路径修补实现分层稀疏的自适应微调
简介该论文用机制可解释性方法分析低秩适配（LoRA）对大语言模型内部的影响，发现其作用在层与组件之间高度不均，且重要层因任务而异。作者据此提出 Adaptive-LoRA，通过冻结基座的零消融校准自动选出任务相关层。在 Qwen2.5-1.5B 上对 11 个推理任务的实验显示，仅用 30% 的层即可优于全层 LoRA，适配器参数减少 3.5 倍。
说明看护AI智能体：以用户为中心的代理委派失败分类与研究
简介本文针对用户将长时程、多步骤任务交给AI智能体后、智能体执行方式偏离用户预期的情况，即“代理委派失败”，进行研究。作者基于163,487条Reddit帖子构建了包含7组共23类失败的分类体系MANDATE，并对73名用户开展后续研究，考察失败的发生频率与用户对其严重性、可察觉性的感知之间的关系。研究还评估了各类失败的研究成熟度，并指出一些常见但关注不足的失败，如智能体长时间运行却没有进展。
说明面向提升推理的查询驱动学习
简介本文研究如何把学习与推理更紧密地结合：针对给定的一组查询，只学习验证它们所需的部分知识，而不是先完整学习知识库再推理。作者将此方法推广到一阶逻辑设定，提出“有界隐匿”这一充要条件，并给出一个拟多项式时间的提升层面算法。论文还证明了相对于空间有界提升证明的可靠性与完备性，以及拟多项式的样本与运行时间上界。
说明DecisionTraceBench：多人口语对话中关键决策信息的追踪基准
简介该论文提出 DecisionTraceBench，用于评估多方口语对话中决策关键信息的状态追踪能力，包括决策事件序列、说话人归属、范围和时间证据。数据集为中文金融对话，含合成音频与人工录制音频。实验显示五个级联系统与两个直接音频模型的得分为 5.73% 至 21.35%，表明整体转写错误率并不足以反映完整轨迹的恢复效果。
说明SceneAgent：从三维与四维视觉采集到仿真环境的智能体流水线
简介该论文提出 SceneAgent，一个智能体流水线，可将 3D Gaussian Splatting、摄影测量、LiDAR 及四维动态视频等视觉采集数据转换为可交互的仿真环境。流程涵盖物体分割、物理参数估计、部件分解、关节建模和可变形体仿真，并通过仿真器视觉检查进行修复。文中报告在 GraspClutter6D 杂乱料箱场景上相比 SimFoundry 的 F1 分数有明显提升，并在 4DCodeBench 动态场景上提高了动态 IoU，同时展示了多样化的仿真交互及向真实机器人的初步策略迁移。
说明从 Sentinel-2 到 1 米影像：基于视觉自回归建模的真实跨传感器十倍超分辨率
简介论文研究如何由 Sentinel-2 卫星影像重建 1 米分辨率影像，两者来自不同卫星，无法用合成降质方式关联，且需要十倍放大。作者基于长江经济带数据集 YREB-SR 提出 CrossVAR 模型，在 3015 个测试场景上取得 27.60 dB PSNR、0.7725 SSIM、0.1451 LPIPS 和 7.15 FID，各项指标均优于对比方法，并已公开代码。
看点针对真实跨传感器×10超分提出视觉自回归模型CrossVAR，在3015个测试场景上取得最优指标，方法新颖且验证充分，对遥感超分子领域有较大价值。
说明从线性自编码器中发现主题
简介该论文研究线性推荐模型与主题模型的关系，指出在用户-物品交互的潜在因子模型下，可以从闭式线性自编码器的权重矩阵中直接发现潜在主题，用于解释推荐结果，且无需额外训练。作者还提出物品与用户归一化方法，防止热门物品和活跃用户主导主题。在六个公开数据集上，该方法的主题质量显著优于所有专门的主题模型，推荐性能也与调优后的最佳推荐器相当。
