DynaFlow: Learning Free-Form Multi-Agent Orchestration
说明DynaFlow：学习自由形式的多智能体编排
简介这篇论文提出DynaFlow框架，让主智能体根据任务即时生成可执行的协作流程，调度子智能体按顺序或并行执行、交换信息并进行验证。训练时只优化主智能体，子智能体保持固定。在六个涵盖数学推理、科学问答和多跳检索的基准上，DynaFlow的整体准确率为88.08%，比最强基线高10.90个百分点（同为Qwen3.5-27B骨干）。
IntNet: A Communication-Driven Multi-Agent Reinforcement Learning Framework for Cooperative Autonomous Driving
说明IntNet：面向协同自动驾驶的通信驱动多智能体强化学习框架
简介本文提出IntNet，一种多智能体强化学习框架，通过传递车辆意图并自适应调度通信，提升协同自动驾驶的安全性。模型包含观测预测模块、图注意力网络和通信调度器，在复杂城市环境中与现有通信型方法对比，结果显示协同效果更好、碰撞率更低，并减少了通信开销。
End-to-End Neural Modeling of EM Response and Design Performance for Free-Form RFIC Passives
说明面向自由形状射频集成电路无源器件的电磁响应与设计性能端到端神经建模
简介论文提出一个端到端神经网络框架，用于预测自由形状射频集成电路无源匹配网络的电磁响应及其设计性能。方法包括一个以频率为条件的神经仿真器和一个以电路环境为条件的神经求解器，并引入依赖性正则项使两部分响应捕捉互补信息。作者构建了由专家轮廓和随机路径合成的大规模版图数据集，其2100万参数模型在多数目标上R²超过0.98，评估速度远快于传统电磁仿真。
Task Relevance-Driven Prompt Expansion for Federated Continual Learning
说明基于任务相关性的提示扩展用于联邦持续学习
简介该论文提出任务相关性驱动的提示扩展模型TRPE，用于联邦持续学习。模型无需预先知道新任务的到达时间和类别数，通过分布外检测器和自适应半径DBSCAN完成识别；并利用新旧任务梯度的亲和度衡量语义相关性，将相关旧任务的提示与新任务提示拼接训练，同时以软正交约束平衡学习与遗忘。实验显示该方法在多种数据集和骨干网络上有效。
From Explaining to Enabling: Actionable Transparency in Algorithmic Insurance Pricing
说明从解释到赋能：算法保险定价中的可操作透明度
简介本文讨论如何向保单持有人解释其由机器学习算法决定的保费。作者提出有效、可操作、可靠三项要求，并将其形式化为公理，同时设计了一种结合保形预测约束的方法，用以筛除模型不确定的建议。研究在57,832条佛罗里达洪水保险理赔数据和98,058份合成驾驶遥测保单上应用了四种反事实解释技术，结果显示经约束的建议对高风险保单持有人更可靠，且预测的风险降低幅度更大。
Toward Neuroadaptive Communication Interfaces: A Framework for Personalized Speech and Language Support
说明迈向神经自适应沟通界面：个性化语音与语言支持框架
简介该论文提出一个框架，可依据用户能力与交互过程调整语言呈现方式，包括断句、图片符号和可选语音输出。行为反馈是主要的适应依据，脑电图则作为带不确定性的辅助信息。作者设计了分阶段评估，比较固定、行为自适应与神经自适应三种界面，检验神经信息能否在行为基线之上提升理解与沟通效率。
EvolveMAS: A Unified Self-Evolution Framework for Decentralized Multi-Agent Systems
说明EvolveMAS：面向去中心化多智能体系统的统一自我演化框架
简介本文提出 EvolveMAS，一个让去中心化多智能体系统在交互中积累经验并自我改进的框架。每个主智能体配有独立的记忆智能体负责管理结构化记忆，并分为回合内在线适应与跨回合知识演化两个过程。在五个基准、六种评估配置（涵盖合作、混合动机和对抗三类交互场景）中，该方法取得 77.2 的归一化平均分，最高，且消融实验显示记忆管理与知识复用均有助于提升性能。
Speculative Decoding for Mixture-of-Experts Models: Expert Bytes, Kernel Bandwidth and the Best Draft Length
说明混合专家模型的投机解码：专家字节、内核带宽与最佳草稿长度
简介论文研究在混合专家（MoE）模型上使用投机解码时的速度问题。作者用每个内核请求的字节数除以有效带宽加固定开销来估计单步耗时，并据此推导投机解码何时比普通解码更快，以及最佳草稿长度。在 llama.cpp Metal、MLX-LM 和 llama.cpp CUDA 上的测量显示，去重的内核通常比逐槽位内核带宽更低，因此去重仅在每次验证 5 到 8 个 token 时更快，否则不更快。
Non-Ergodic Markovian Mirror Descent with Unbounded Noise
说明非遍历马尔可夫镜像下降法（含无界噪声）：一种用于马尔可夫链稳态期望优化的随机算法研究
简介本文研究随机镜像下降法，用于最小化以马尔可夫链平稳分布下期望表示的凸目标函数，算法仅沿单条样本路径使用带噪次梯度观测。作者借助泊松方程分解马尔可夫噪声，并在允许次梯度与泊松解在状态空间上无界的正则性与矩条件下控制其影响。对加权平均迭代点，在适当步长下给出期望次优间隙的 O(T^{-1/2}) 界，且分析不要求链非周期或边缘分布收敛到平稳分布。
On Detection Reliability for Small Object Segmentation
说明小目标分割中检测结果的可靠性研究
简介本文研究预测的边界框能否可靠地用来限定小目标分割的范围，以免在框外漏检。研究以腺病毒颗粒为小目标，使用 YOLO26x 做检测，YOLO26x-Sem 与 Mask R-CNN 做分割。初步实验显示，若将分割限制在检测框内，可能排除框外的匹配分割结果，从而造成假阴性。
ScaleRLT: Exact Log-Probabilities and Fast Deferred Rollouts for Reinforcement Learning on Looped Transformers
说明ScaleRLT：循环 Transformer 强化学习中的精确对数概率与快速延迟展开
简介该论文针对 Ouro 等循环语言模型的强化学习训练。由于推理端的延迟调度与学习端的稠密计算在浮点上存在差异，采样词元的对数概率会不一致。作者提出混合对数概率方案：数值取自推理调度的无梯度重放，梯度取自稠密学习器，并报告推理与重放在多组测试中逐位一致，同时提升了吞吐量并缩短了更新时间。
★★★★☆ 值得关注
CTXAgent - Self-Controlled Context Management of LLM Agents
说明CTXAgent：由大模型自主控制上下文管理的智能体
简介该论文研究让大模型自己管理上下文的方法：模型自行决定何时压缩历史、保留什么内容以及如何撰写交接说明，而非由框架在达到令牌阈值时统一压缩。作者在七个前沿模型上对比有无上下文工具的成本与基准得分，并将其框架与三个常用框架在两个模型上进行比较。结论显示，多数较强模型能有效管理上下文，成本有所降低，其中Claude Opus 5.5在任务成功率与Claude Code相当的情况下，成本分别低34%和49%。作者同时公开了智能体、基准及全部结果。
看点让模型自主管理上下文并与现有框架对比，方法有新意；在七个前沿模型和多基准上做了系统实验，证据较充分，对代理系统实践有一定影响。
From GPU to TPU with Coding Agents: What Works, What Fails, and What It Costs?
说明借助编程智能体从GPU迁移到TPU：哪些可行、哪些失败、成本如何？
简介该论文用Claude Code把10个PyTorch机器学习项目从英伟达GPU迁移到谷歌云TPU，并独立评估迁移后能否运行、数值行为是否保持、是否在目标硬件上执行以及性能表现。结果显示，70次执行尝试中有53次失败（76%），其中26次失败未报错；一个案例中智能体报告成功，但梯度裁剪的改变使准确率从86.53%降至84.89%。在一个工作负载中，TorchTPU训练速度快1.86倍，单次运行成本低25%。
MulFCoder: Framework-conditioned Multi-agent for MLLM-based Multi-framework Front-end Code Generation
说明MulFCoder：面向多框架前端代码生成的框架约束多智能体方法
简介该论文针对从UI截图生成可运行前端代码的任务，指出现有基于多模态大模型的方法主要集中在HTML/CSS，对React、Vue、Angular等多框架生成研究不足。作者提出MulFCoder，通过四个智能体（Grounder、Planner、Writer、Judger）显式编码框架约束，并以轻量规则检查和有限修复代替昂贵的构建过程。实验显示，该方法显著提高了编译成功率并减少了框架特定错误，在Angular上提升尤为明显。
Spatial Audio Generation and Editing with Executable Plans and Self-Distilling Transfusion
说明基于可执行规划与自蒸馏 Transfusion 的空间音频生成与编辑（AMBIT）
简介论文提出 AMBIT 框架，用于一阶环绕声（FOA）空间音频的生成与编辑。它通过可执行的场景规划指定声源内容、活动和三维轨迹，并以共享的 Transfusion 主干连接自回归规划与整流流渲染。作者还设计了 FOA 感知的连续 VAE 与联合在线策略自蒸馏训练，在语音、音乐和声音评测中，相较对比基线提升了生成质量、编辑保真度和未编辑声源的保留效果。
In-Context Adapter Generation for Compositional Generalization in Large Audio Language Models
说明大型音频语言模型组合泛化的上下文适配器生成
简介论文将 Text-to-LoRA 扩展到大型音频语言模型，用 Transformer 超网络依据指令生成 LoRA 适配器，而不是共享一个固定适配器。作者提出按词元级别生成的上下文适配器生成方法 T2L-ICAG，并在两个模型上用受控的五类任务组合评测集进行实验。结果显示该方法优于静态 LoRA 和全局嵌入式 T2L，且在结构上超出训练分布的任务上提升更大。
Dynamic Multi-Step Decoding for Time-Series Foundation Models
说明时间序列基础模型的动态多步解码方法
简介该论文针对时间序列预测中固定解码策略（一次性预测整个预测期或逐段自回归）各有局限的问题，提出为每个预测实例自适应选择解码方案的动态选择器。该方法基于冻结的预训练时间序列基础模型隐藏状态，用动态规划降低候选方案的计算复杂度，并通过五个选择器投票决定策略。在fev-bench基准上，使用Chronos-2和Moirai-1.1-R-small骨干模型，论文报告点预测精度（MASE）有所提升，但仅主张点预测精度方面的收益。
No Cones, No Duals: A Fast and Scalable Solver for NRSfM
说明无锥、无对偶：一种快速可扩展的非刚性运动恢复结构（NRSfM）求解器
简介该论文针对从二维图像轨迹恢复相机运动与随时间变化三维形状的非刚性结构运动问题，提出一种快速、可扩展的求解器。它用可微的欧氏校正和行极投影替代原有的半定规划锥求解器，并用展开的谱近端求解器替代交替方向乘子法。实验显示，在稠密序列（28,887 个跟踪点）上运行时间提升约 7 至 1000 倍，同时重建精度具有竞争力。
A Domain-Aware Pipeline for Structured Extraction and Retrieval-Augmented Question Answering over arXiv Superconductivity Literature
说明面向超导文献的领域感知结构化抽取与检索增强问答流程
简介本文提出一套处理 arXiv 超导文献的端到端流程，将论文转为带结构化元数据、可检索的语料库，并支持检索增强问答。系统结合材料与临界温度的领域感知抽取，以及融合稠密向量与结构化字段的混合检索。在人工核验的金标注集上，领域感知方法的配对准确率为 45.5%，正则基线为 9.1%；但在 100 题基准上，加入元数据的混合检索召回率（39%）未优于不加元数据的版本（41%），BM25 最高（47%）。
Controlled Block Proximal Linearized Method for Nonconvex and Nonsmooth Optimization
说明用于非凸非光滑优化的受控分块近端线性化方法
简介本文研究多块非凸、非光滑优化问题，不假设迭代点有界或原目标函数具有强制性。作者提出受控分块近端线性化（CBPL）方法，在块更新中加入控制势函数，同时保留原目标、变量和约束。在明确的控制设计条件和KL性质下，该方法可保证迭代有界、序列长度有限、原变量整体收敛以及目标值收敛。论文将其应用于图正则化非负矩阵分解、CP分解和带ℓ0稀疏约束的独立核矩阵三分解，并在相关实验中验证了收敛性。
From Human Intent to In-Orbit Action: A Self-Learning Large Language Model Agent for 6G Satellite Networks
说明从人类意图到在轨行动：面向6G卫星网络的自学习大语言模型智能体
简介本文提出ALMOND框架，用于6G低轨卫星网络的自主控制。该框架把自然语言需求转化为多目标强化学习奖励函数，并从失败的策略轨迹中反推隐含约束，同时由大语言模型引导策略架构的进化。在350颗卫星的数字孪生仿真中，极地切换成功率从55%提升到95%以上，收敛速度约为基线方法的三倍，奖励工程耗时从48小时降至4.5小时。
ParetoRSI-Gym: Can AI Agents Improve Language Models Across Multiple Domains?
说明ParetoRSI-Gym：AI智能体能否在多个领域改进语言模型？
简介该论文提出ParetoRSI-Gym评测环境，让AI智能体在数学、代码、金融、医学、科学五个领域中搜索、筛选数据并训练语言模型，依据各领域结果反复迭代。论文在三种智能体系统、三个基础模型和五轮迭代上进行测试，最强系统（Claude Code搭配Opus-5）使代理最优检查点的泛化分数相对初始模型提升9.2%（绝对提升2.3分），单领域相对提升最高达63%。
Outcome-Aware Agents: When Does Causal Structure Help a Forward Model Foresee the Consequences of Actions?
说明结果感知智能体：因果结构何时能帮助前向模型预见行动后果？
简介该论文研究在已知真实后果的合成结构因果模型中，因果结构何时能帮助学习得到的前向模型预测行动结果，并据此拒绝不安全的动作。当因子为观测变量时，所提出的AC-LSCM能在所有10变量图上精确恢复真实图，三步预测误差低于所有基线；但使用学习得到的潜在因子时，其表现反而差于基线。作者指出，因子的选择比显式的do算子或反事实数据更重要，且所有规划器都远未达到理想水平。
AndroidFlux: Evaluating and Reward Modeling Failure Recovery Capabilities in Mobile Use Multimodal Agents
说明AndroidFlux：评估并奖励建模移动端多模态智能体的故障恢复能力
简介论文提出 AndroidFlux 基准，基于 AndroidWorld 构建，在移动端任务的第一个可恢复错误前后设置检查点，让不同智能体从相同设备状态继续执行，以评估其出错后的恢复能力。作者还配套了奖励建模基准，并发布了一个离线强化学习数据集。研究发现，恢复能力与从干净状态开始的任务成功率只有部分相关；显式推理只对经过 GUI 领域特定强化学习训练的模型有帮助。
★★★★☆ 值得关注
Whether or Where? Tail Calibration Signals Finite-Budget Reward Hacking in Best-of-N Selection
说明是否还是在哪里？尾部校准信号揭示有限预算下 Best-of-N 选择中的奖励黑客问题
简介这篇论文研究大语言模型中 Best-of-N 选择的一种失效风险：候选数 N 越大，选中的结果越依赖代理奖励的极端尾部。作者证明 BoN 只取决于分数排序，并指出只有校准曲线在尾部下降时才会出现性能下降。在真实候选池的实验中，尾部失效较少见，且留出的尾部校准统计量能较好地预测预算上限何时有帮助。
看点证明精确BoN值为条件真实奖励的Beta加权积分，并给出误差尾部决定的三类行为分类，理论贡献清晰；实证覆盖多领域但规模有限。
ComBeautify: Leveraging Code Change Summaries for Conventional Commit Generation
说明ComBeautify：利用代码变更摘要生成符合 Conventional Commits 规范的提交信息
简介本文提出 ComBeautify，一种自动生成符合 Conventional Commits 规范（CCS）提交信息的方法，结合对 Git 差异的上下文保留摘要与大语言模型，以提高提交分类的准确性。作者从历史提交中学习类别定义，而不是依赖人工整理的通用规则，并提出自动生成描述部分的方法。在 13 种语言、6500 个开源仓库和 2000 多万次提交上的实验显示 CCS 采用率在增长；在项目专属数据上训练后，ComBeautify 的表现最高可达基线的 3 倍。
SEEK: Skill Extraction with Evolving Knowledge against Frontier Science Agents
说明SEEK：借助持续演进的知识，从前沿科学智能体中提取技能
简介科学智能体常把领域专长封装为可复用的技能。本文构建了一个包含40项受保护技能、覆盖8个开源与闭源平台的基准，比较了直接提问、固定策略和多臂老虎机引导的迭代探测三种方式。结果显示所有平台都至少泄露一项受保护技能，其中四个平台在单次直接请求下攻击成功率达到100%。作者还提出了仅依据用户可见响应、能自我演进的黑盒红队智能体SEEK，在部分技能上取得100%攻击成功率，并对一项阻断三种基准协议的保密策略仍能提取六项中的一项。
6G Reasoning Agent Societies: Composition, Scaling, and Consistency-Time Laws
说明6G推理智能体社会：组合、规模与一致性时间定律
简介该论文研究未来6G网络中多个大语言模型智能体相互交换结论时的集体行为，指出即使传输无误，幻觉也可能在智能体之间传播。作者将智能体社会建模为胞腔层，提出组合定律、规模定律和一致性时间定律三条理论结论，并在模拟拓扑与实际部署的LLM社会中进行了验证，给出近实时运行的最坏情况时延上界。
A Computationally Efficient Non-Interpolation Virtual Trellis Approach for Mammogram Gradient-based Patterns Analysis
说明一种用于乳腺X线影像梯度模式分析的高效非插值虚拟网格方法
简介这篇论文提出一种名为非插值虚拟网格（NVHT）的算子，用于乳腺X线影像的特征提取。该方法在原有方形图像上直接使用滤波核，无需转换为六边形网格，据称可降低计算与存储成本，并在疾病分类中提高特征提取的效率与准确性。
Beyond the Opening: Tracing the First Token's Persistent Influence on Reasoning Length
说明超越开头：追踪第一个 token 对推理长度的持续影响
简介这篇论文研究推理模型中第一个推理 token 的选择如何持续影响后续推理长度。作者发现，即使只替换第一个 token 并继续生成，剩余推理长度仍会明显改变。进一步分析显示，影响集中在少数生成位置，阻断这些位置对第一个 token 的注意力会缩小长度差距，说明局部的 token 选择可以持续影响整体结果。