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EXCISE：在医学问答中定位并剔除干扰句子的方法
简介论文指出，医学语言模型容易被一句无关的话干扰而降低准确率。作者提出 EXCISE，这是一种推理阶段的方法，在模型隐藏状态显示某句与病例不一致时，屏蔽对答案影响最大的句子。在作者构建的 MedQA-TD 基准上，该方法相比无干扰的同一问题仅有 1.5 至 2.1 个准确率百分点的代价，并在三个模型上优于提示、改写和引导等基线，增益也延伸至 MedDistractQA、BiasMedQA 及思维链生成。
说明LoopFold：并行化循环 Transformer 的递归深度
简介循环 Transformer 通过反复应用共享主干来增加每个 token 的计算量，但各循环之间存在依赖，导致解码延迟随深度增加。LoopFold 将同一 token 前缀下多个递归深度的计算折叠为并行批次，用轻量预测器提前估计后续循环的输入，再用校正器结合先前循环的结果修正输出，并仅以最终下一 token 预测损失联合训练。在 1.4B 模型的实验中，平均零样本准确率随深度提升至 56.38%，且相比九循环的普通模型，解码延迟降低 46%。
说明基于 Insta360 相机内置 IMU 的 SfM 度量尺度恢复
简介本文研究在消费级 360 度相机（Insta360 X5/X6）的双鱼眼视频中，利用相机内置 IMU 恢复运动恢复结构（SfM）的度量尺度，以替代依赖智能手机 ARKit/ARCore 位姿的方案。作者对 IMU 进行了表征，估计相机与 IMU 的旋转及帧时间，并通过线性视觉-惯性对齐求得尺度。与激光雷达相比，惯性尺度的平均绝对误差为 0.74%，智能手机为 1.94%；对于公开基准数据，平均误差为 -0.07%。
说明随机多目标赌博机中的均衡采样：在帕累托最优臂之间公平分配采样
简介该论文研究随机多目标赌博机问题，关注在多个帕累托最优臂之间实现均衡采样。作者用真实帕累托集上的均匀分布到经验采样分布的KL散度来衡量不公平程度，并提出自适应前二采样方法。在帕累托集稳定的条件下，论文给出了期望不公平度和方差的收敛速率上界，并给出信息论下界与之匹配，同时指出稳定性对结果至关重要。
说明基于表示层用户迁移的跨域序列推荐
简介该论文研究跨域序列推荐，即利用辅助源域的用户行为改进目标域的下一个物品预测。作者提出一个简单实用的框架，只通过学习到的用户表示进行迁移，不共享原始交互数据或物品嵌入。框架使用轻量适配器把源域用户表示映射到目标域嵌入空间；论文称在两类实验中，共享用户与非共享用户都获得了稳定的性能提升。
说明基于拓扑数据分析、可解释地预测由日冕洞驱动的高速太阳风流
简介高速太阳风流（HSS）源自日冕洞，是反复出现的地磁活动的重要驱动因素。本研究利用拓扑数据分析中的持续同调，依据极紫外（EUV）日面图像的拓扑结构，对四天后是否在地球出现由日冕洞驱动的高速太阳风流进行二分类。结果表明，仅凭EUV日冕结构的拓扑即含有预测信息。作者还构建了基于交叉验证特征权重和空间证据图的可解释框架，把持久图与特征追溯到分类结果及原始图像中的空间位置。
说明基于双向传输注意力的四分之一度高分辨率概率天气预报
简介论文提出 Astra，一个分辨率为 0.25 度的集合天气预报模型，在八块 H200 GPU 上训练。模型使用 Kantorovich 注意力（双向传输注意力），并结合自特征化的连续排序概率评分（CRPS）。在 WeatherBench 2 中，其平均 CRPS 与 GenCast 相当，但训练算力仅为后者的 9.8%。在 600 个变量、层次与预报时效组合中，其 CRPS 与集合均值均方根误差均低于 ECMWF 集合预报的结果。
看点提出双向传输注意力与多尺度特征上的自特征化CRPS，在WeatherBench 2上以约9.8%训练算力匹配GenCast，证据充分，对天气预报领域影响较大。
说明StateLoop：为循环Transformer引入持久状态
简介该论文提出StateLoop，用于改进循环Transformer语言模型。它为每个token额外维护一个持久状态，并通过可学习的门控在各次迭代间决定保留多少旧状态、融入多少新输出。实验显示，相比普通循环Transformer，它降低了Pile数据集上的困惑度，并提升了八项零样本任务的平均准确率，且随循环深度增加优势更明显。
说明超越建模顺序：用于跨被试脑电情绪识别的双路径时空表征学习
简介跨被试脑电情绪识别因不同个体神经活动差异大而困难。该论文提出DP-STCL框架，使用两条独立参数的编码器分别按"时间到空间"和"空间到时间"顺序建模，并通过对比学习约束两路径及跨被试的表征一致性。论文还引入基于LoRA的少样本适应策略，在SEED、SEED-IV、SEED-V和FACED数据集上的跨被试实验中表现优于对比方法。
说明EARS：基于声音与运动证据的预算受限视频推理检索方法
简介该论文针对稀疏事件视频，在视觉语言模型只能看到K帧的情况下，提出一种无需训练、无需查询的前端方法EARS，依据光流运动和音频能量对帧排序，并用时间非极大值抑制保证多样性。在XD子集上，K=1时EARS的F1为0.660，中心均匀采样为0.614，但配对区间包含零；在几乎无声的UCF-Crime上，EARS略逊于均匀采样。作者认为该方法适用于显著证据与运动或声音相关的低预算视频。
说明语言模型中少样本概念归纳的算法解释
简介该论文提出“摊销方向强调”（ADA）这一算法假设，用于解释模型如何从少量正例中归纳潜在概念，即判断在特定语境下哪些特征更相关。按照该假设，概念归纳通过在一个由已有知识塑造的特征空间中，对示例形成摘要表示来完成。作者在语言模型的少样本概念归纳任务中对该假设进行了研究与验证。
说明CANS：保留能力的神经元引导方法，用于大语言模型行为控制
简介本文提出CANS（Capability-Preserving Neuron Steering），一种免训练的大语言模型行为控制框架，在控制安全、毒性和幻觉等目标行为的同时尽量保留模型通用能力。方法以目标词对数概率和通用输入上的输出分布KL散度作为代理指标，推导出逐神经元缩放系数的闭式解。论文称，在Qwen与Llama模型上，CANS相比SFT、CAA及神经元级基线，能在保持MMLU、BBH和IFEval表现的同时取得相当或更好的控制效果。
说明WorldPager：单张消费级显卡上面向长时程世界模型的零停顿分层内存方案
简介交互式世界模型会保存过去片段的 KV 作为检索记忆，以保持回访场景的一致性。论文指出，在单台消费级机器上，这种记忆会先受容量限制，并且访问集合可以在计算前由相机位姿确定。作者提出 WorldPager，把 int4 KV 存放在 GPU、DRAM 和 NVMe 三级存储中，并依据外推位姿预取记忆。据论文称，它可连续生成 37.5 分钟视频，无停顿，约 9.5 帧每秒。在封闭测试集上，int4 存储未显示可测量的质量损失。
说明用大语言模型生成循环终止证明的排序函数
简介论文提出RAINFALL框架，让大语言模型补全程序中为每个循环预留的四个位置，生成用于证明循环终止的排序函数，再由符号验证器检查，失败时把诊断信息反馈给模型迭代修正。在358个终止C程序上，使用MiniMax V2.7得到323个可验证的排序函数（90.22%），并与PROTON 2.1结合后达到96.65%（346/358）。
说明基于原生3D扩散的生成式运动恢复结构（GenSfM）
简介这篇论文提出GenSfM方法，从少量未标定视角图像中同时恢复物体的三维形状和相机位姿。方法用多模态扩散Transformer联合去噪形状和位姿，使生成的几何与观测图像一致，并用物体级先验推断未观测区域。在Toys4k和GSO数据集上，相比强基线，新视角PSNR提升3.2至4.5 dB，中位Chamfer距离降低2.8至3.8倍。
说明S3AC：面向大模型推理的稳定、选择性且可扩展的 Actor-Critic 方法
简介本文提出 S3AC 方法，用于带可验证奖励的强化学习中的长思维链推理。它训练一个评论者（critic）模型，既能为每个词元提供优势估计，也能为每个提示给出基线。文中还提出难度感知提示采样（DAPS），在生成前根据难度估计和结果历史筛选提示以减少无效采样。实验覆盖 1.5B 至 397B 参数的多种模型，结果显示其优于 GRPO-X 等方法。
说明学习高质量伪标签用于点监督时序动作定位
简介本文研究仅使用点级标注在未剪辑视频中识别并定位动作片段的任务。作者提出一个框架，包含先验引导初始化（PGI）和共识引导精修（CGR）两个模块，用于生成和优化伪标签。实验在四个基准上进行，在THUMOS14上，该方法在tIoU阈值0.1至0.7之间的平均mAP超过现有的PseR方法3.7个百分点。
说明HiFiPix：将高保真真实世界超分辨率带回像素空间
简介该论文提出HiFiPix，一个在像素空间进行真实世界图像超分辨率的框架，以避免基于VAE潜空间压缩造成的信息损失。作者通过跨尺度小波判别器和混合对比自蒸馏抑制图像块边界伪影，并提出选择性LoRA剪枝以平衡生成能力与重建保真度。实验称其在恢复精度和感知质量上均优于现有潜空间方法。
说明深度对困难任务训练时间缩放的提升：深度线性网络分析
简介本文利用深度线性网络分析神经网络的缩放规律，说明任务谱决定增加网络深度何时能改善训练时间缩放。对于谱上困难的任务，增加深度会提高渐近缩放指数；对于简单任务，指数不随深度变化，深度仅在两类区域的边界产生对数修正。作者还提出由预测器范数决定的时间重参数化，可统一描述不同难度任务的动态。数值实验在基于基准图像数据的任务和非线性网络上得到了定性一致的结果。
看点通过对深度线性网络的精细分析，阐明任务谱决定深度何时改善训练时间缩放，并给出统一的时间重参数化，理论贡献突出；实验规模有限。
说明MATCHA：面向社交媒体的中文多病症心理健康数据集及跨语言分析
简介该论文提出 MATCHA，首个中文多病症心理健康数据集，将微博超话中的特定病症社群与用户的公开时间线相连接。数据集涵盖 DSM-5 中的七种病症及一个对照组，包含 46,025 名用户和 180 万条帖子。研究还用 Twitter-STMHD 做了跨语言比较，发现微博与 Twitter 之间的平台差异往往大于病症之间的差异。
说明企业级AI流量治理：基于Envoy的多供应商大模型网关设计与运营
简介论文介绍了PayPal的Cosmos大模型网关，用于统一管理企业对多家供应商大模型的调用。网关基于Envoy构建，将认证、凭证管理与策略预算判断交由外部服务处理，将格式转换、令牌计量等在代理内以WebAssembly过滤器完成，治理规则由Open Policy Agent声明式执行。文中报告了该网关在2026年9月的服务规模及核心路径的开销基准测试结果。
说明通过对已训练神经网络进行优化来学习约束：实用教程
简介本文是一篇教程，介绍约束学习这一建模方法：将机器学习训练好的模型嵌入优化模型，例如从数据中经验性地学习约束。作者提出了高效、有效使用神经网络进行约束学习的实际考虑，并通过一个案例研究验证，显示更小、更稀疏的网络带来的好处。
说明时间维度上的模型降阶：学习流映射以减少随机动力系统的时间步数
简介该论文提出 FM-FTM 方法，通过学习流映射（flow map）替代多步时间积分，以加速随机动力系统的集合预测。方法先用一阶轨迹匹配学习随机概率流动力学的确定性表示，再将其随时间的演化压缩为可直接给出长时域预测的流映射。数值实验显示，该方法可将集合预测加速至多两个数量级，同时较准确地预测时间边际分布和集合统计量。
说明基于位姿图优化、从无位姿图像中学习场景坐标重建
简介该论文在 ACE-Zero（一种基于学习的运动恢复结构方法）上引入位姿图优化，用于修正相机位姿并抑制错误的细化结果。方法从 ACE-Zero 预测的场景坐标中提取相对位姿约束构建位姿图，并利用对极与光流一致性等几何先验估计置信度。作者称该方法提高了位姿估计的鲁棒性和精度。
说明强化学习导致轨迹偏移下的测试时置信度自适应
简介论文发现，经过智能体强化学习（Agentic RL）后，基于推理轨迹的大模型置信度估计器性能明显下降。但轨迹越稳定，答案越可能正确，这一可靠性关系在基础模型与强化学习模型之间基本保持。作者据此提出 StaR-TTA 框架，利用稳定性信号在无标签的测试阶段调整置信度，在四个问答基准上平均 AUROC 为 0.721。
说明细粒度信用分配何时有益、何时有害：基于视频剪辑的多模态智能体强化学习
简介该论文用视频剪辑作为测试场景，研究多模态智能体强化学习中细粒度信用分配何时有效。在交互轮次较长的精剪任务上，衰减过程奖励相对仅用结果奖励的GRPO有45.4%的相对提升；在较短任务上提升有限。固定过程奖励权重会出现冗余工具调用的奖励投机现象，将其衰减至零可缓解该问题。在线自蒸馏方法效果很弱甚至退化。
说明遗忘的隐性成本：软件工程智能体中轨迹删除的研究
简介软件工程智能体每一轮都会把完整轨迹重新发送给大语言模型，因此有人提出在线削减轨迹。本文在 SWE-bench Verified 上用两种先进智能体，对 42 种轨迹削减配置、共 9400 次运行进行实证研究。结果显示，延迟删除大量旧轮次内容（最多可达推理文本的 100%）可保持整体效果，但立即删除会明显降低效果；智能体常通过重新获取被删内容来弥补，导致轮次和token增加。成本是否降低取决于计费方式：在固定价格模型下有 26 个评估的估计成本下降，而在考虑缓存的计费模型下没有任何一个评估成本下降。
说明轴对齐划分学习的查询复杂度
简介本文研究在精确查询学习设定下学习高维盒子的查询复杂度。点集中的每个点由包含它的盒子决定标签，学习者需通过标签预言机精确恢复所有点的标签。论文分析了三类逐步增强结构约束的情形，给出了相应的最优查询复杂度结果。
说明S²-RL：面向生成式语义分割数据集蒸馏的样本集双重强化学习方法
简介本文针对语义分割数据集蒸馏中计算成本高、语义知识难以压缩的问题，提出样本集双重强化学习框架S²-RL。该方法把数据蒸馏转化为基于扩散模型的文本生成图像任务，并用GRPO微调扩散策略，结合单样本与样本集两类奖励，最终在ADE20K和COCO数据集上取得优于现有基线的结果。
说明条件生成学习在 Wasserstein 损失下的极小极大速率
简介本文研究在积分 Wasserstein 损失下条件生成学习的极小极大速率，假设条件分布满足 Hölder 连续且协变量分布不受限制。对期望 Wasserstein 损失，该速率与协变量均匀分布时一致，由局部化偏差与无条件分布估计误差的平衡得到。论文还给出了自适应局部化上界，并在二维情形下补齐了无条件 W1 极小极大速率中的对数间隙。
看点在无限制协变量下给出条件Wasserstein生成学习的极小化速率，并证明高阶矩存在额外n^{-1}风险项，推导严格，理论贡献突出。
说明TP-JSCC：面向云边协同3D视觉问答的高效视觉token剪枝与联合信源信道编码
简介该论文针对资源受限的具身智能体在云边协同下运行大型视觉语言模型进行3D视觉问答时，带宽有限和信道噪声导致的延迟与传输失真问题，提出TP-JSCC方法。方法包括LGS-HTP混合token剪枝模块和T-JSCC轻量联合信源信道编码模块，后者可根据信噪比自适应调整。在ScanQA和SQA3D数据集上的实验显示，剪枝比例达90%时CIDEr损失不到1%，整体数据量减少180倍，计算复杂度节省90%。
说明FeatureLoop：在需求不断演变下评测编程智能体
简介该论文提出FeatureLoop基准，包含来自34个代码仓库、61个经人工审核的任务，覆盖五种主要编程语言和七种软件形态。任务通过需求演变反馈和完成度反馈在持久工作区中推进，并用累积的可执行检查衡量新功能、修复和旧功能保留情况。评测12个前沿模型后发现，表现最好的模型完成了72.1%的任务，但各模型中仅15.4%的失败阶段能在两次纠正修改内恢复。
说明ShutdownMod：把任意智能体轨迹改造成关机行为评估
简介该论文提出ShutdownMod方法，通过向智能体上下文注入关机请求并记录其回应，把任意智能体运行轨迹转化为关机评估。模型借助签名验证工具区分授权指令与未授权注入。作者在三个基准与真实开发者会话上测试了七个模型，发现不同模型与场景下的不服从率差异显著，最高达11.7%。
说明评估贝叶斯深度学习在分布偏移下对生物医学时间序列分类的稳健性：以睡眠评分为例
简介该研究探讨在生物医学时间序列分类中，受分布偏移影响的模型表现下降问题，考察基于贝叶斯模型平均（BMA）的深度学习能否提升稳健性。研究以啮齿动物睡眠评分为案例，在基因型、实验室和物种三类分布偏移下，比较了九种近似推断方法与两种神经网络骨干。结果显示，多盆地方法表现最佳，BMA 总体上改善了分布外数据上的准确率和校准度，而在分布内数据上的提升较为有限。
说明超越文字：面向视觉依托文化翻译的分布式证据解耦
简介该论文指出，社交媒体用户内容的含义分散在文字、图片和文化知识之中，因此翻译困难。作者提出诊断性基准 Culture-MMT，包含 498 条去标识化的内容，涵盖 20 个领域，并按所需证据分为符号、视觉和混合三类。研究发现，真实图片对视觉类和混合类翻译有明显帮助，对符号类帮助较小。
说明GPDPO：通过群体帕累托支配策略优化从奖励冲突中学习
简介本文针对多奖励强化学习中奖励信号相互冲突、导致优化不稳定的问题，提出群体帕累托支配策略优化方法（GPDPO）。该方法从被冲突过滤的采样回答中，识别回答之间的帕累托支配关系，并将其转化为辅助偏好信号，与原始策略目标联合优化。在 API-Bank 上的实验显示，GPDPO 在多个模型规模和奖励配置下优于多奖励优化基线，并能降低群体相对和成对的奖励冲突。
说明MANTIS：面向假新闻检测的多维度新闻改写压力测试与最坏情况训练
简介该论文指出，现有假新闻检测方法多依赖表层写作特征或单一风格改写，面对多种表面修饰时鲁棒性差。作者构建了MANTIS-Bench基准，将原始新闻与写作风格、情绪表达及传播框架三个维度的改写版本配对。随后提出MANTIS框架，为每篇新闻动态进行最坏情况训练，推理时无额外开销。实验显示，在GossipCop上其联合攻击成功率较SheepDog降低3.55个百分点，并在Macro-F1上持续优于单一维度防御方法。
说明放大、定位、估计（ALE）：微调大模型罕见失败率的估计方法
简介安全微调可能使不良行为极为罕见，直接抽样统计其频率成本过高。本文提出ALE方法，利用安全微调引起的词元对数概率变化定义放大方向，以低成本放大失败率进行测量，并借助评分函数估计器外推回罕见目标概率。在41个评估目标上，ALE估计值与独立直接测量参考值的比率中位数接近1，其中37个在参考值的三倍以内。对Qwen3-8B微调模型，ALE可估计至约10^-5的失败概率，而直接测量可能需要数十万次采样。
说明基于可解释主动偏好学习的交互式进化多目标优化算法
简介本文提出一种可解释的交互式进化多目标优化算法，通过主动学习，直接从成对比较中学习基于树的偏好模型。该模型扩展了NSGA-II和NSGA-III的生存算子，引导算法搜索决策者感兴趣的区域。实验表明，该方法在找到最偏好解方面优于对比方法，但平均最终种群略逊一筹；实际工程案例还展示了检查该模型可揭示哪些目标影响决策者偏好。
说明XL MIMO极限学习机：基于堆叠超表面的波域推理
简介该论文提出一种超大规模MIMO系统，在接收端配置堆叠智能超表面（SIM）和单天线，使无线信道与超表面共同在空中完成一个两层神经网络的计算。第一层由无线衰落自然实现，第二层由SIM的可控操作实现，仅前端超表面层需要非线性响应。基于极限学习机框架，论文证明该架构是通用逼近器，并以闭式推导最优线性组合，数值实验显示其分类精度可与理想数字模型相当。
说明面向物理引导探索的多时域未来发现（HTC²框架）
简介该论文针对物理控制环境中的强化学习探索问题，提出 Hamiltonian Temporal Contrastive Curiosity（HTC²）框架，通过学习不同时间跨度下可达未来状态的对比表示来生成内在奖励。方法将基于哈密顿相空间结构的有界多步变化用于调节该奖励，并与 SAC、PPO 结合，在六个 DeepMind Control Suite 任务上与 ICM、RIDE、E3B、Plan2Explore 等基线比较，同时通过状态覆盖率、组件消融和相空间分析来评估其效果。
说明EvoBench：面向环境建模的可演化诊断基准框架
简介本文提出 EvoBench，一个用于环境建模的基准框架，旨在定位模型在何处、何时失效，并随时间演化以聚焦模型能力缺口。作者以美国约 9000 个流域（1985 至 2024 年）的日径流预测为案例（CAMELS-Evolve），比较了业务物理模型 NWM、概念模型 HBV 及若干数据驱动模型。结果显示没有模型在所有测试场景中都最优，且所有数据驱动模型都存在洪水低估的问题。
说明规范性文本歧义性的情境化度量
简介该论文针对法律、合同、规则等规范性文本中的歧义，提出以利益相关方在各种场景下对不同文本适用结果的分歧程度来衡量歧义。初步分析使用两个政策领域的数据，显示该方法与真实人类分歧相关，并且不受表面文本特征的干扰。作者还将该度量应用于已有的审议数据集，以描述政策歧义与对政策支持度之间的关联。
说明贝叶斯LoRA的先验预测匹配：一种在微调前选择先验尺度的闭式方法
简介该论文针对贝叶斯低秩适应（LoRA）中低秩权重更新先验的超参数选择问题，提出一种在微调前即可使用的闭式先验预测估计器。作者对网络做二阶展开，分析低秩先验如何导致函数空间偏离预训练输出，并通过矩匹配估计先验尺度。在RoBERTa-large上，该方法在无需验证数据的情况下改善了预测负对数似然和校准效果，同时具有有竞争力的分布外检测表现。
说明超越联邦学习：面向自我进化临床智能的去中心化智能体系统
简介本文主张医疗AI应从聚合数据转向聚合经验。作者提出去中心化智能体系统（DAS）框架，让各医疗机构的AI智能体交换抽象化的临床推理轨迹，而非原始数据或模型参数。文中讨论了该框架的架构原则、部署、治理要求及尚待解决的挑战。
说明OBB-PBD：把并行框解码扩展到旋转边界框，用于航拍图像中的指代表达定位
简介本文针对航拍图像中的指代表达定位问题，指出航拍目标方向任意，需要旋转边界框而非水平框。作者将并行框解码（PBD）扩展为六个参数的旋转框表示，采用双角度参数化，并通过打乱图像与提示的对照实验验证模型确实依赖图像和提示。在 AVVG 基准的全部 6139 条测试记录上，旋转 IoU 从零样本基线的 0.1253 提升到 0.303 ± 0.012（三个随机种子的均值与标准差）。
说明基于蒸馏规划代理的模型感知安全关键场景生成，用于端到端自动驾驶鲁棒性提升
简介端到端自动驾驶模型在标准测试中表现良好，但在安全关键场景中经常发生碰撞。作者发现，在NeuroNCAP测试中DiffusionDrive的碰撞大多源于规划失败而非感知错误，原因是真实驾驶数据中安全关键交互很少。论文提出一种模型感知框架，在鸟瞰图层面通过从规划头蒸馏的可微代理生成针对特定规划器的攻击场景，并配对安全避让轨迹用于微调。在NeuroNCAP上，微调后两个规划器的闭环碰撞率约减半，同时基本保持正常驾驶能力。
说明面向基于主体模型的仿真高效双流神经后验估计
简介本文提出双流神经后验估计（DF-NPE）方法，用于在似然函数难以计算的基于主体模型中做贝叶斯参数推断。该方法结合学习得到的时间序列摘要与两个条件归一化流，分别生成合成训练数据和估计后验分布。实验在 Brock-Hommes 资产定价模型的两种设定中显示，DF-NPE 可将直接仿真次数减少 90%，同时获得比标准神经后验估计更低的后验差异与运行时间。
说明Omni-InteractScope：连续音视频流中主动与代理式交互的基准测试
简介该论文提出 Omni-InteractScope 基准，包含 1,479 条人工标注的交互和 1,790 个时间目标，覆盖八个任务组。测试显示，12 个模型在工具调用目标上最多只有 40% 能及时首次响应，联合时序与工具准确率最高为 32.0%；无需提问的提醒召回率不超过 23.0%；九个模型未完整覆盖任何一个 26 条指导序列。
说明Skill∞：面向智能体技能优化的递归自我改进
简介该论文提出 Skill∞，让智能体在优化任务技能的同时，也用同一流程改进用于优化的元技能（meta-skill），实现递归自我改进。元智能体依据元技能诊断执行轨迹、提出候选方案、请求独立评审并分配搜索预算，元技能也可被自我改写。在 83 个 SkillsBench 任务上，Skill∞ 的通过率为 60.7%，高于人工整理技能的 56.4% 与 SkillEvolver 的 54.5%。
说明探究 Mimi 编解码器第一码本中的音素表征
简介神经音频编解码器常用于为大语言模型编码语音。本文研究 Mimi 编解码器第一码本（CB0）中的音素表征，因其固定的 80 毫秒分词窗口常跨越多个音素，不适合 ABX 式评估，故改用强制对齐、熵分析和音素归一化互信息（PNMI）。在 TIMIT 语音上，单个 token 与特定音素强相关（PNMI = 0.84，高于随机水平），但一个音素由多个相互竞争的 token 实现，而非一一对应。
说明多模态痴呆预后中缺失模态下的忠实解释
简介论文研究在淀粉样蛋白PET和脑脊液生物标志物等昂贵检查缺失时，用大语言模型把多模态预后模型的特征归因转为临床报告是否仍然忠实。作者用阿尔茨海默病神经影像学计划的307名完整数据参与者，遮蔽四种昂贵模态的所有组合，预测轻度认知障碍向阿尔茨海默病的36个月转化，并以实际恢复数据作为干预性真值。结果显示，多数缺失数据策略仍把12%至23%的归因分配给未观测模态；在提示中明确点名缺失模态可显著减少虚构证据，但关于补做检查是否改变预测的建议，仅在对照实际恢复结果核查后才达到较高准确率。
说明一种面向组稀疏与结构平滑联合建模的知识驱动非凸平方根正则化框架
简介论文提出一种名为NS³R的结构化稀疏学习方法，采用与噪声水平无关的平方根损失，并结合非凸的ℓ2,q惩罚，同时刻画分组稀疏与分段平滑两类结构先验。作者给出了该估计量的非渐近误差界，并设计了带阈值的双筛选IRLS算法（DS-IRLS-th），证明其对该非凸问题具有全局收敛性。在合成数据与真实数据上的实验显示，该方法在有限样本情形下优于现有方法。
说明意图保持的对抗式用户模拟：用于多轮智能体评估
简介该论文提出StressSim框架，用带对抗性的用户模拟器来压力测试多轮对话智能体，避免标准的过度配合型模拟用户高估智能体表现。它通过遗传提示优化迭代改进模拟器的对抗计划，在保持用户原始目标不变的前提下降低任务成功率。原文报告在MultiWOZ及tau-bench的零售与航空领域测试中，前沿LLM的pass^4分数最多下降69%，且优化预算为每任务20次rollout。
说明从去噪动态看扩散语言模型的终点不确定性
简介该论文研究掩码扩散语言模型在去噪过程中的收敛轨迹与多次生成结果的不确定性之间的关系。作者在四个推理基准上用四个模型收集了约32,000条去噪轨迹，发现单次去噪过程中的收敛越稳定，最终输出分布的熵越低。单次去噪运行的特征还可用于预测独立运行是否会集中到同一终点，从而减少所需的完整生成次数。
说明INVAR-Agri：用微调大模型检测农机操作手册多语言译文中的不一致
简介本文提出一个概念验证研究，在农机操作手册上比较两种微调大模型的工作流程。其中一种是回译检查，另一种是由检查模型直接对照英文原文与译文并报告差异。测试显示，回译模型会掩盖许多植入错误（尤其是弱化的义务），检查模型则检出了大多数错误，但对单位和训练中未见的数字变化较弱；规则检查误报了无害改写，真实芬兰语译文的警报多数为误报。
说明ImgMT：基于维基百科的图像内文字翻译评测数据集
简介该论文提出ImgMT，一个从维基共享资源中本地化SVG图示（图表、地图、信息图）挖掘而来的多语言数据集与基准。数据集包含35,612组对齐图像，覆盖129种语言、20余种书写系统和4,886个语言对。作者提出多层次评测方案，同时衡量源端文字区域检测、OCR准确率和目标端翻译质量，并对多个多模态大语言模型和专用系统进行了测试，发现源语言和书写系统显著影响翻译效果。
说明《Unveil the Mask》：面向外观无关的操作者验证的联合优化扩散掩码预训练
简介论文针对逼真虚拟形象视频中，渲染人脸外观与操作者分离的问题，提出一种不依赖外部预训练模型的操作者验证框架。该方法从面部关键点序列学习运动表征，并结合视频帧间差异捕捉细微面部运动，再将两者嵌入融合。在 WBA2026 基准上整体 AUC 达到 0.769，融合两种模态在说话与倾听模式下尤其有效。
说明不同规模、深度与指令微调下大语言模型情绪表征的几何结构
简介该研究测量了 Gemma 2 系列六个模型（2B、9B、27B，含基础版与指令微调版）内部情绪表征的几何结构。研究发现，所有模型都呈现出核心的情绪几何关系，且第一主成分与人类效价评分保持较强相关。随模型规模增大，方差分散到更多方向，同时在输出词表中，情绪词出现的层深度也有所不同。
说明PolicyMediator：通过演化技能的调解代理实现多地区政策学习（一人公司生态）
简介一人公司由个人创业者借助数字平台和基于大语言模型的AI代理运营，常在不同地区之间流动，地方支持政策因此变成跨地区协调问题。论文提出PolicyMediator框架，由调解代理向一人公司解释已核实的政策以增进认知与信任，并把其需求和未解决的顾虑反馈给政府用于政策学习。在中国六地区的模拟中，该方法在全部15种组合中排名第一，相较八个基线的平均值，政府综合目标提升42.4%，一人公司平均效用提升40.9%。
说明NeSySpec：用于审核工程规范的神经符号技术智能框架（应用于飞机）
简介该论文提出NeSySpec，一个基于逻辑张量网络的可解释神经符号审核框架，用于检查工程系统的规范文件是否符合物理约束。它可以诊断违反的约束、识别被改动的字段、提出最小改动的修正方案，并将图像证据与对应部件关联。作者在107种飞机类型上进行了验证，其中测试集包含9个机型族中的16架飞机，结果显示其约束判定、违规约束识别和修正误差等指标在测试飞机上优于所比较的方法。
看点将神经符号逻辑张量网络用于工程规格审计，统一诊断、溯因修复与图像证据，并在107种飞机上验证，证据较充分。
说明AdaTrendLike：面向时间序列异常检测的自适应分层去趋势与趋势似然评分方法
简介随着工业物联网设备激增，时间序列数据规模大且非平稳，异常检测困难。该论文提出AdaTrendLike框架，自适应地把序列分解为趋势与去趋势成分，并通过估计趋势分布、计算观测趋势的似然来给出异常分数。实验在五个公开基准数据集上显示其表现优于现有方法，并能通过趋势分布偏差提供特征层面的可解释性。
说明基于信念条件的多智能体行动者-评论家方法，用于去中心化大模型协作
简介本文提出 BCMAAC，一种基于信念条件的多智能体行动者-评论家方法，让各个智能体维护对上下文信息的信念，并借此辅助训练。作者在 Minecraft 游戏、网页搜索和工具使用任务上进行实验，结果显示与朴素的行动者-评论家基线相比，BCMAAC 提升了任务表现和协作行为，在上下文信息更丰富的多轮任务中提升尤为明显。
说明基于深度学习的颅内超分辨率4D Flow MRI的多队列迁移学习临床转化研究
简介该研究在混合前瞻与回顾性设计中，纳入18名受试者（12名健康者、3名烟雾病患者、3名多发性硬化症患者），对1.2毫米与0.6毫米的4D Flow MRI配对扫描进行分析。卷积神经网络先在合成脑血管数据上预训练，再用单队列或多队列合并的体内数据微调。结果显示，合并多队列迁移学习的平均vNRMSE最低（0.119），超分辨率相位对比血管造影的精确率-召回率曲线下面积高于原始标准分辨率成像，提示该方法可改善跨队列重建一致性和血管显示，有待多中心进一步验证。
说明利用大语言模型智能体自主发现生物过程动力学与动力学参数
简介该论文提出一种由大语言模型智能体驱动的闭环框架，用于自动发现生物反应过程的动力学状态空间模型。框架通过分阶段的“隔离-剥离”方法分解细胞生长的乘性（抑制）与加性（催化）速率规律，并在模型假设难以区分时触发主动实验设计。在模拟的连续搅拌釜反应器上，该框架在无先验动力学知识的情况下，恢复真实参数的误差低于6%。
说明TransECG-SSL：用于心电图心律失常分类的混合自监督表示学习
简介该论文提出 TransECG-SSL，一个从无标签心电图数据中学习可迁移心跳表示的自监督框架。Transformer 编码器通过掩码信号重建与对比学习的混合目标进行预训练，随后冻结并在患者互不重叠的条件下做线性探测评估。在三个公开心电图数据库的七组源-目标设置中，混合自监督方法优于随机初始化的 Transformer，并在平衡准确率上高于结构相同的有监督预训练；但跨数据集迁移仍低于目标域自监督预训练，少数类心律失常在严重类别不平衡下仍然困难。
说明ACSAN：将卷积运算与视觉Transformer相结合的全卷积自注意力网络
简介本文提出一种名为全卷积自注意力网络（ACSAN）的深度学习模型，用卷积运算取代视觉Transformer（ViT）中的全连接矩阵乘法。模型的基本模块动态卷积自注意力（DCSA）利用多尺度空洞卷积生成Query、Key和Value，并分别计算空间与通道自注意力后合并输出。作者在CIFAR-10、CIFAR-100和ImageNet-1k上从头训练，报告其分类准确率优于参数量相当或更少的标准ViT及其他先进方法，消融实验验证了各组件的正向作用。
说明GIFT：保持表示几何结构对单域泛化目标检测很重要
简介本文研究单源域泛化目标检测，即模型只在一个源域训练，需泛化到分布不同的未见域。作者发现无约束微调会破坏视觉基础模型预训练表示的几何结构，而该结构编码了域不变的语义。为此提出几何不变微调方法GIFT，对预训练权重引入可学习的Householder反射，并加入轻量的通道级缩放。在两个基准上，GIFT优于现有最优方法，在冻结主干并新增不到1%可训练参数的情况下，于Cityscapes-C和Diverse Weather Dataset上的mPC分别提升7.9%和2.9%。
说明基于共享因子条件扩散的低秩张量恢复方法
简介本文提出 DiffTR，一种无监督框架，通过坐标条件扩散将张量补全、去噪和高光谱超分辨率统一起来。方法利用张量坐标索引的共享因子条件化紧凑的得分网络，并通过得分匹配从已有观测中联合学习因子与隐式张量表示。实验表明，该统一的条件生成式表示在多种张量模态和恢复任务中具有有竞争力的重建质量与灵活性。
说明SG-Splat：面向无位姿三维高斯泼溅的稳定几何学习方法
简介三维高斯泼溅（3DGS）可用于实时新视角合成与三维场景重建。SG-Splat 是一种无需相机位姿的前馈式 3DGS 框架，直接从未标注位姿的输入图像重建高斯表示。该方法将几何估计与高斯属性预测分到两个分支，并采用由粗到细的流程（包括基于光流的位姿精修和残差引导的几何校正）以及双路径训练策略，以提升对位姿误差的鲁棒性。作者称其在 DL3DV 和 RealEstate10K 数据集上，新视角合成与位姿估计均取得了当前最优的结果。
说明重建的GDELT GKG记录与原始记录的一致性：字段级基线研究
简介本文介绍开源工具gdelt-regkg，它尝试重建GDELT全球知识图谱（GKG）的记录格式，并与GDELT存档的原始记录进行逐字段比对。在约19万条英文文章及其他五种语言文章上的结果显示，一致性因字段而异：英文情感语调的平均绝对误差为1.79分，而日期、完整计数和引语等字段的一致性明显较低。因此，重建记录应逐字段评估，不宜视为与原始记录完全等同。
看点针对GDELT GKG闭源生成流程做开放重建并逐字段比对原生记录，填补了可复现空白；证据覆盖193,550篇英文文章，但部分字段一致性很低。
说明工程回归模型在分布偏移下的不确定性量化基准测试
简介本文比较了12种回归不确定性量化方法，覆盖五类方法，在七个公开工程数据集上进行评估，包括分布内、软偏移和硬偏移三级测试。结果显示，在分布内场景中共形方法覆盖率较高，而在硬偏移下，多数方法的平均覆盖率降至0.40至0.75。作者建议工程评估应按部署单元划分校准数据，并把拒绝给出区间视为明确的运行结果。
说明OneEEG：面向多任务脑电理解的统一信号-视觉多模态语言模型
简介本文提出OneEEG，一个用于多任务脑电（EEG）理解的统一多模态大语言模型框架。该模型在作者构建的多任务脑电指令微调数据集OneEEG-Instruct上训练，同时融合数值形式和视觉渲染形式的脑电表示，并引入任务感知的投影器混合（MoP）以对齐不同任务的脑电特征与语言模型嵌入空间。作者还建立了OneEEG-Bench基准，实验表明现有多模态大模型解读脑电输入的能力有限，而OneEEG表现更优。
说明MarkovSim：用于长流程计算仿真的、上下文有界的大模型智能体框架
简介该论文提出MarkovSim，一个面向长流程计算仿真的大语言模型智能体框架。其核心是把工作流记录按预定义结构写入记忆系统，并在有限状态机的状态转换处，从记录中构建紧凑的求解进展表示作为智能体上下文，使上下文长度保持有界。作者将其应用于有限元分析，在六个基准问题上评测，18次运行中通过16次，并能自行修正求解器操作和模型物理中的错误。
说明CVTSplat：基于自适应质心Voronoi剖分的多视角三维重建
简介该论文提出CVTSplat方法，用自适应质心Voronoi剖分（CVT）从多视角图像重建形状与外观。细胞大小随有符号距离场变化，使采样点集中在零水平集附近，同时保持细胞接近质心、形状规整。作者为此设计了GPU最近邻查询、近似Voronoi构建和适配小型近似各向同性细胞的光栅化器，其Voronoi构建速度据称比通用方法快5至10倍。在DTU和BlendedMVS数据集上，几何精度与最佳高斯溅射表面方法相当，单GPU训练约2.5分钟。
说明伪标签是否应与有标签样本共享小批次？在有限训练成本下的半监督持续主动学习
简介本文研究持续主动学习中如何利用伪标签：每轮训练步数固定，需决定哪些未标注样本带伪标签参与训练，以及它们在每个小批次中占多大比例。作者提出 SSCAL 方法，可搭配任意采样函数，依据未标注样本与已标注近邻的距离筛选伪标签、限制其占比，并对有标签样本的损失重新加权。在两个音频数据集、两种冻结编码器、六种采样函数和十个随机种子的实验中，SSCAL 在等训练步数的四种方案中平均排名第一。
说明面向目标区域的深度回归：在UK Biobank全身水脂MRI中的初步应用
简介该论文面向英国生物银行（UK Biobank）的颈至膝水脂MRI扫描，提出一种基于图像的回归方法，用于估计肾脏体积、心脏体积和年龄等数值指标。方法通过配准将参考扫描中人工定义的解剖子区域迁移到其他扫描，拼接成二维多通道图像，再输入ResNet50类网络。预测决定系数R²在0.731至0.984之间，且显著性图能突出医学上相关的区域。
说明一个巨型内核不够：预测流式推理的切分位置
简介本文研究内核融合应延伸到何处、哪些边界值得保留。作者提出一个框架，基于常规计算图的性能剖析和独立内核基准，预测首个输出时间并选出各模型与批大小组合下的最优方案，无需端到端运行每个候选设计。在所测试的13种模型与批大小组合中，最优方案均为多个巨型内核的组合或完全常规执行，而非单一巨型内核。
说明何时该转交人工：面向不确定性感知内容审核的分歧模式分析
简介该论文指出，在涉及价值判断的内容审核中，智能体之间的分歧未必是可消除的错误，可能反映了价值观的多元性。作者提出推理轨迹分歧分析（RTDA），根据各智能体理由的相似度和结论是否一致，把案例分为四类。在 Measuring Hate Speech 语料的 1,000 条样本上，这种结构性信号比仅看分歧幅度或仅看输出的基线更能预测人工标注者之间的分歧。
说明RepoTrace：改进多轮代理交互中的需求追踪
简介该论文指出，代码代理在多轮迭代修改中表现会随交互轮次增加而下降，并分析了2,656条EvoCode-Bench代理轨迹，发现“需求焦点错位”是反复出现的失败模式。作者提出RepoTrace，将仓库结构与需求语义结合，构建需求与代码的对应关系并注入代理上下文。实验显示，该方法提升了多个模型和代理框架下的平均每轮奖励，并在部分设置中降低了回归错误。
说明基于几何一致性的无标签验证：音频主动学习中的检查点选择
简介本文针对音频主动学习中检查点选择的问题，提出一种无需标签的几何一致性验证方法。该方法在冻结的预训练嵌入空间中，用已标注数据构建最近类均值和k近邻两种分类器，为未标注数据生成伪标签，并依据检查点与伪标签的一致性及在已标注集上的交叉熵进行评分。作者称，在相同标注预算下，该方法在无需额外标签的方法中取得了最佳的平均排名。
说明约束解码：有害还是有益？重新审视其对大模型性能的影响
简介本文区分了格式约束、有效性约束和推理约束三类约束解码。作者在四个模型系列的十一个开源模型上做因果消融实验，发现性能下降主要源于提示和输出格式不等价，而非解码层的掩码。有效性约束能剔除无效答案，提升可靠性和可提取性；推理约束在强制有益轨迹时可提升推理与准确率。
看点提出三类约束的分类并从理论和跨模型因果消融层面重新审视约束解码的影响，挑战了既有假设，证据较充分。
说明CRIM：用于高效个性化检索的可组合、可复用物品记忆
简介大语言模型在个性化搜索和推荐中训练与推理成本很高，因为交互历史越长，请求输入越长，同一物品文本也被反复编码。本文提出CRIM框架，将物品级语义编码与请求级历史建模分离：少量可学习摘要标记把每个物品压缩为紧凑的连续记忆，这些记忆与用户和查询无关，可跨请求复用。在MovieLens-1M、Qilin及新数据集LazSeq上的实验表明，在相同骨干规模下，CRIM检索性能达到当前最优水平，且推理成本显著降低。
看点将物品语义编码与请求级历史建模解耦，用可复用的连续记忆降低重复编码成本，新意明确；在三个数据集上实验并做成本分析，证据较充分。
说明RSIV-Harness：面向开放域对话式文本到可视化的递归自我改进框架
简介该论文提出 RSIV-Harness，在语言模型权重固定的前提下，依据智能体自身的失败记录递归地修改外围的执行框架，并通过四层机制检验修改方案。同时提出包含 640 个任务的 ODAC-Vis 基准，用于评估开放域数据发现、歧义消解、多轮图表优化和可执行图表生成。实验显示，单轮 RSIV-Harness 在六项评估指标上均优于初始框架，其中可执行性与图表结构提升最为明显。
说明CoPE-CGL：面向无回放持续图学习的社区感知原型提取方法
简介论文提出 CoPE-CGL，一种无需保存历史数据的持续图学习框架，用多跳拉普拉斯平滑预计算的无参数结构先验来指导学习、记忆和推理，并结合社区级原型与基于多数投票的动态路由。在相同存储预算且不提供任务标识的条件下，其在 Arxiv 和 CoraFull 上的平均性能与最强回放基线相当，且运行速度更快、无遗忘。该方法主要针对具有社区结构的同质图。
说明OVM-Occ：基于几何感知视觉-语言蒸馏的开放词汇单目占据预测
简介该论文研究室内场景中的开放词汇单目占据预测，即从单张RGB图像恢复场景的三维几何与语义。作者提出OVM-Occ框架，采用语言嵌入高斯作为中间表示，并引入几何感知的可变形注意力、实例级视觉-语言嵌入以及解耦语义蒸馏。作者还构建了OpenOcc-ScanNet与OpenOcc-Replica两个基准，实验结果显示其方法在Occ-ScanNet上优于此前最优方法12.2 mIoU和0.6 IoU。
说明黑箱模拟器的时序差分校准方法
简介本文提出一种无需导数的时序差分框架，用目标系统的单步转移和带噪声的模拟器续值来校准黑箱模拟器的参数，并给出三种基于随机方向有限差分的算法。作者建立了几乎必然收敛性、末次迭代均方误差界以及Polyak-Ruppert平均的中心极限定理，并分析了设定正确与否对偏差和收敛速率的影响。
看点提出基于贝尔曼正交的无导数TD校准框架，并发现特定设定下有限差分偏差消失的新现象，理论界限有实质改进；证明较完整但缺少实验验证。
说明共享上下文、独立引擎：边缘芯片上的流式视觉-语言推理
简介边缘SoC集成了CPU、GPU和NPU，但现有视觉-语言模型运行时通常只用一个引擎生成，其余引擎闲置。本文提出\name，通过分离流的版本化上下文与各引擎的KV状态，让多个异构加速器并发执行有状态的视觉-语言推理。在Apple M4 Max、Rockchip RK3588和Qualcomm QCS6490上，其吞吐量高于最强的单引擎基线。
说明考虑推理延迟的 Tsetlin 机训练方法
简介该论文研究 Tsetlin 机（一种基于逻辑的机器学习模型）的两个训练超参数 T 和 s 如何同时影响分类准确率和推理延迟。作者提出一种定向搜索策略，把准确率作为约束，逐步增大 s 以降低推理延迟。在 gem5 模拟器的 ARM 处理器上，六个数据集中延迟最多降低 16.34%，部分数据集的准确率仅下降 0.06%，所需配置评估次数远少于穷举网格搜索。
说明InterQ-RL：面向量化智能体强化学习的交互感知执行偏差校正
简介该论文针对多轮智能体强化学习中量化推理带来的执行偏差问题，提出InterQ-RL方法。该方法在状态所依赖的策略历史上进行有界的执行前缀校正，并在固定位移预算下按有效支持度分配各动作段的校正强度，且不需要额外的模型前向计算。在ALFWorld、WebShop和ScienceWorld上对4B至30B的稠密与混合专家模型进行评估，作者报告其量化终点结果接近或超过BF16，同时学习速度不低于仅做对齐的方法且避免了后期性能回落。
说明分层重打包：无需额外再分配步骤的变长混合注意力训练方法
简介这篇论文针对混合注意力模型在变长样本训练时各层并行需求冲突的问题，提出分层重打包（Layerwise Repacking）方法。全注意力层保留宽序列并行组，稀疏注意力层则把样本重打包到节点内的小组中执行，层间变化依附在现有的全注意力层通信上完成，无需额外的数据再分配。在一个1F3S混合注意力模型的部分训练步骤上，仅重打包即使平均端到端时间降低5.95%，模型FLOPs利用率提升3.75个百分点；配合改进的父组求解器后，端到端时间降低7.61%，利用率提升4.83个百分点。
说明PROBE：前沿编码智能体发现的漏洞与维护者修复的漏洞并不相同
简介该论文提出PROBE基准，包含20个GitHub仓库在18个月内修复的全部2457个漏洞，并提供将候选发现与参考集匹配的方法。评估显示，各前沿模型的召回率低于21%、精确率低于9%；更强模型提升了召回率，但没有提高精确率。研究还发现，不同智能体发现的漏洞分布相似，但与维护者修复的漏洞分布差异明显。
说明面向金融欺诈检测的大语言模型增强异构图学习（SemHGT）
简介论文提出SemHGT框架，用大语言模型依据实体角色（如卡或商户）解读交易图中的结构化属性，把业务语义显式化。方法包括：基于角色的提示生成风险相关描述并编码为语义向量；在交易到交易的模式下，依语义相似度采样路径实例；再由统一的Transformer处理目标交易与模式级令牌。作者称在三个基准数据集上，该方法在多数对比指标上优于所评估的基线。
说明模型是否用了那条信息？反事实训练提升语言模型的自我归因能力
简介这篇论文研究语言模型是否会在回答中标明：只有当提供的额外信息确实影响了答案时，才说明依赖了该信息。研究发现，十一个前沿模型大多很少标明有影响力的信息，其余则会标明并非真正有影响的信息。作者提出CREDIT方法，用反事实标签直接监督最终答案的归因，无需人工标注；在四个开源模型上，它显著提升了归因效果，并部分迁移到未见过的信息类型。
说明人工智能在非洲应对气候变化相关健康问题中的应用
简介该论文使用文献计量方法，分析了Scopus收录的全球与非洲相关文献。研究发现，全球研究侧重于面向地球健康的复杂预测模型，而非洲研究则侧重于应对即时传染病分诊的本地化、反应式方案。论文指出，算力不足、数据孤岛和能源不稳定等结构性障碍制约了非洲先进人工智能的规模化应用，因此国际资金应从分散的试点项目转向基础数字基础设施和本地化人工智能框架建设。
说明AgenticCity-Bench：用于城市动态多模态纵向观测与智能体推理的基准
简介该论文提出 AgenticCity-Bench，一个纵向多模态基准，覆盖六大洲 12 个国家的 16 座城市，时间跨度为 2000 至 2025 年，包含城市功能、活动和环境状态等 18 种模态。数据围绕统一的空间参考和日历索引组织，并保留覆盖范围、来源和瓦片级可用性信息。在此基础上，基准支持城市跨模态转换以及预测、规划和资源分析等智能体城市任务。
说明奖励引导的 RRT*：带预算约束的任务与运动联合规划
简介本文提出奖励引导的 RRT*（Reward-Guided RRT*），一种基于采样的框架，用于在有限行程预算下同时选择高回报任务地点并规划可行运动。方法无需预先构建任务转移图，直接在连续状态空间中逐步搜索并构建可行任务序列，并通过返程可行性检验保证预算不被超出。实验显示，在障碍物与任务数量增加的情况下，其结果与 VNS-PRM* 相当，但所需采样状态明显更少；作者还将其扩展到 Dubins 转向，并在 CoppeliaSim 中用缩比汽车式机器人验证了车辆运动学约束的可纳入性。
说明代理性证明（Proof-of-Agentness）：在网络上验证智能体
简介本文提出“代理性证明”（PoA）机制，用于区分 LLM 驱动的智能体与普通脚本、机器人等自动化客户端。论文探讨两种方法：通过挑战-应答进行主动验证，以及分析服务端可见信号的被动分析。实验中，八个语言模型在挑战中的总体准确率为 96.5%，平均开销 1,647 个 token；被动分析的用户研究中，四种分类器的平均准确率为 95.8%。
说明卫星智能：LEO星座中的分布式训练、协同推理与大模型适配综述
简介本文是一篇综述，系统梳理低轨（LEO）卫星星座上的人工智能应用。文章指出，卫星网络拓扑动态、链路间歇、体积重量功耗受限，给训练与推理带来挑战。文中分别讨论三类范式：基于联邦学习与分割学习的星地协同训练，单星、多星及星地架构下的协同推理，以及在轨大语言模型的适配与服务。文章最后列出开放问题与未来方向。
说明让门控决定：LLM 量化条件记忆的逐次查找精度
简介论文研究条件记忆层（如 DeepSeek 的 Engram）的量化问题，这类层为语言模型附加大型哈希 n-gram 表。作者提出 GateRQ，把每行存为一组 1 比特残差码的阶梯，仅让门控评分最高的查找读取更深层级。无需重新训练，该方法在 DeepSeek-V4.1-Flash 上将 GPU 表内存降低 7.8 倍，vLLM 吞吐量较 FP8 表提升 11%–31%，两个模型上的精度损失很小。
