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GPA-VGGT：保持几何精度的 VGGT 免训练加速方法
简介VGGT 是一种前馈式几何模型，可一次前向推理从多视角图像恢复相机参数、深度图与点图，但其全局注意力计算量随帧数二次增长，长序列上运行耗时大。本文提出 GPA-VGGT，无需重新训练：早期模块用带共享跨帧 K/V 的帧注意力替代全局注意力，其余模块只合并键和值并保留全部查询，并将匹配度量随机投影到 128 维以降低匹配开销。文中报告其加速效果与已有方法相当，同时在 AUC@3 指标下保留了 VGGT 超过 99% 的位姿精度。
说明边缘端在线气体分类：受昆虫嗅觉启发的低功耗神经网络
简介本文提出一种受昆虫嗅觉系统启发的神经网络，用稀疏高维二值表示直接对原始传感器阵列读数分类，以识别气体种类。模型只使用二值权重和基于Hebb规则的局部学习，适合超低功耗神经形态处理器。在混合信号神经形态芯片TEXEL上的危险气体检测实验中，片上分类器准确率为74.6%，每次推理耗能482 nJ，静态功耗27 μW。
说明CaLLM：通过非参数适配器路由实现大语言模型的持续适应
简介该论文提出CaLLM框架，用于让大语言模型在任务分布不断变化时持续学习并减少灾难性遗忘。方法结合基于度量的元学习与轻量级适配器的模块化参数隔离：先将输入批次映射到任务无关的嵌入空间找到最近的原型，再将其路由到对应该数据分布的适配器。论文称该方法在多种细粒度持续学习基准上优于传统隔离与回放方法。
说明SpectRAG：面向多跳检索增强生成的加权文本块图与令牌预算上下文选择
简介该论文提出SpectRAG框架，用于检索增强生成（RAG）系统。它结合混合候选检索、基于加权文本块图的扩展、谱图相关性传播，并在固定令牌预算下组装上下文。实验显示，该方法在多个数据集上提升了证据召回，并在生成质量上与多种基线方法相当，但在早期精度、计算成本和领域表现方面存在权衡。
说明多语言大模型评测现状与局限：对51个基准的数据审计
简介本文对51个近期多语言评测基准（涵盖242个数据集、219种语言）进行了数据驱动的审计，从覆盖面、代表性和严谨性三方面分析。结果显示，覆盖面广但浅，许多语言仅出现在一个基准中，低资源语言的任务类别明显少于高资源语言；56%的数据集-语言实例由英语翻译而来，存在翻译痕迹和以英语为中心的问题；评测还受到基准污染的影响。作者据此提出原生构建、文化相关、防污染等改进建议。
看点对51个多语言基准进行数据驱动审计，系统揭示覆盖、代表性与严谨性问题，视角较新，证据量大。
说明面向自治人机组织的严肃游戏测试平台
简介该论文提出Megabike，一个多智能体模拟器和严肃游戏，用于研究人机混合群体能否自我治理。玩家共享一辆“大自行车”，需就操纵、踩踏与资源分配达成安排，并选择政治制度。论文通过四十场以语言模型为角色的模拟会话展示了该平台，并指出不同智能体类型的组合可能产生意外甚至适得其反的结果。
说明LearnPrunerV2：面向视觉语言模型的可学习渐进式视觉令牌剪枝
简介视觉语言模型因视觉令牌数量庞大而计算开销很高。本文提出LearnPrunerV2，在各层加入轻量可学习模块，融合视觉显著性与查询相关性来判断令牌重要性，并基于分层冗余规律采用固定每层预算的剪枝策略。原文称在LLaVA-v1.5上剪除77.8%视觉令牌时仍保留99.8%的原始性能。
说明提升还是加速？数据筛选如何改进大语言模型训练
简介这篇论文区分了数据筛选的两种作用：提升（提高模型最终可达到的性能）和加速（用更少数据达到相同性能）。作者提出了一个可在筛选前计算的指标Δ检验，即未筛选基线的训练损失与目标损失之差。实验显示，Δ明显不为零时，筛选能带来持续增益；Δ接近零时，增益随训练预算增加而减弱。
说明基于图神经网络引导路网缩减的集中式城市交通路径规划
简介本文研究集中式交通路径规划问题：中央调度者为各起讫点车流分配路线，以降低与拥堵相关的路段成本。作者提出一种学习型路网缩减方法，先用图神经网络为每个起讫点车流对路段打分，再将高分路段组成完整路线，在缩减后的路网上求解原始路段流混合整数线性规划。在四个真实城市路网上的实验表明，该方法相对30秒全图参考的目标差距在各城市、两种交通情境下均最小，且交通仿真显示其路由效率更高。
说明AutoVend：面向长周期自主售货机运营的大模型智能体基准测试
简介该论文提出AutoVend基准，让一个大语言模型智能体通过网页操作界面，在模拟的180天内管理五类站点共20台售货机。模拟器包含共享仓库、采购周期、付费补货、库存过期和固定运营成本等要素。研究将五个大模型智能体与基于规则的库存控制基线进行比较，结果显示其中四个未能超过该基线，并分析了库存与执行成本如何削弱收益。
说明视频质量评估中的显式区域表征：基于质量相关热图的方法
简介本文针对端到端视频质量评估方法中区域证据隐含的问题，提出了质量相关热图（QRH）作为像素级显式区域表征。该热图在视觉语言模型的指导下，结合局部退化证据与感知先验，无需像素级标注。作者将其应用于现有模型DOVER，提出两种确定性片段采样策略，实验表明质量感知采样在多数评估指标上有所提升。
说明自回归线性阈值函数的VC维度
简介该论文研究自回归线性阈值函数这一布尔预测器类别的VC维度。在自回归设定下，同一线性阈值函数读取最近d个比特并生成下一比特，经过T步后返回输出。作者证明，对于任意满足T≥d²的T，确定性自回归线性阈值函数的VC维度为Θ(d²)，从而解决了此前的二次方差距。此外，作者还证明将符号函数替换为逻辑斯蒂采样后，最终多数预测类的VC维度可从d的二次方增长为指数级。
说明面向事件驱动大模型智能体的主动记忆方法
简介该论文提出主动记忆方法 ProactMem，将历史整理为近期事件、时间轨迹和行为规律三类，并通过与源事件核对及历史回放验证规律后，再与当前情境匹配。作者还构建了纵向基准 ProactiveStream，覆盖三类应用场景。在该基准上，ProactMem 的整体 F1 为 52.6%，相对表现最强的五个外部基线提升 21.4%。
说明机器人会感到难受吗？评估大语言模型功能性效价的实证证据
简介该论文探讨大语言模型是否具有令人愉快或不愉快的效价状态。作者评估了已有研究声称的功能性愉悦与痛苦、功能性情绪等证据，认为效价的若干关键方面在大语言模型中尚未得到检验，且现有实验范式难以将功能性效价与偏好、价值判断、效价归因和角色扮演区分开来。文章最后提出了几种更能直接针对功能性效价的新实验思路。
说明Live-OPSD：面向主动式流式大视频模型的同策略自蒸馏方法
简介这篇论文提出Live-OPSD方法，用于训练能在视频事件发生过程中自主决定何时回应、如何回应的流式多模态助手。方法在训练时利用只在训练阶段可用的提示信息，让模型基于自身生成的输出进行监督。在Qwen3-Omni-30B-A3B模型上，该方法在LiveProBench上平均得分59.64，比最强的持续监督微调基线高5.26分，在OVO-Bench上得分为65.84。
说明PailitaoMMSearch2.0技术报告：将生成式检索扩展为统一的端到端多模态搜索
简介该论文提出PailitaoMMSearch系统，输入原始查询图像和自由形式的指令，直接生成商品语义ID，实现统一的端到端多模态搜索。系统从数据、意图和场景三个维度进行扩展，并已部署于淘宝拍立淘的多模态搜索应用中。在受控的在线A/B测试中，商品页浏览量提升17.90%，交易量提升27.04%，成交总额提升8.94%，结果具有统计显著性。
看点提出统一端到端的多模态生成式检索系统，结合持续预训练与强化学习；通过淘宝线上A/B测试显示显著提升，影响面大。
说明从十九世纪文献挖掘十三世纪教皇登记册：利用旧版摘要与古籍版本实现登记册规模的强制对齐与手写文字识别自举
简介本文研究如何利用十九世纪学者的旧版摘要与部分校订本，辅助洪诺留三世教皇登记册的手写文字识别。作者以已有现代转录的前两个在位年为基准进行比较，发现旧版材料在正字法、词汇和拓扑结构三个层面各有作用。结果显示，旧版材料无法取代现代转录，但可用于指导、核对和切分未转录登记册的识别工作。
说明脊柱X光关键点检测的密集表示学习与可微形状建模
简介本文将脊柱X光图像中的解剖关键点检测转化为像素级对比表示学习问题，把逐像素嵌入与关键点原型进行匹配。即使使用通用U-Net主干网络，该方法生成的热图也比传统热图回归更具判别力，能更好地区分不同椎骨的椎角。作者进一步结合脊柱关键点整体构型上可学习的形状先验来消除位置歧义。该方法在公开AASCE数据集和两个私有脊柱X光数据集上，关键点精度与临床参数估计方面具有竞争力。
说明DCKV：混合语言模型中提示词KV缓存的可学习变换编码
简介本文提出DCKV，一种用于键值（KV）缓存的可微分编解码器，也是首个端到端训练的KV缓存编解码器。其变换、量化器和熵模型以提示词token及已解码的相邻位置为条件，并与冻结的语言模型联合优化。在Qwen3.5-2B上，DCKV将压缩后的每个token的存储字节数降至bf16的55分之一以下，三个长上下文基准的损失不超过1.8个点；降至100分之一以下时，损失不超过3.6个点。
说明自键参数内记忆：冻结语言模型在无外部存储条件下回忆对话内容
简介本文研究语言模型能否把对话内容存入自身参数，并在之后回答相关问题，而无需外部存储。作者提出自键参数内记忆方法SKIM，由模型为每轮对话自动生成多个问题，并将这些问题写入参数作为检索键。在五个语言模型上的评估显示，SKIM能让模型在后续提问时回忆出大部分已存对话轮次，且答案仅依赖模型参数。
说明超越 QASecClaw：软件保证中的智能体扩展、验证器反馈与证据可靠性
简介这篇论文研究在已有确定性工具证据的情况下，增加专门的语言模型上下文能否改善软件保证。作者通过五组实验进行评估，涵盖 Java 警告控制、OWASP Benchmark、Defects4J 测试生成、SV-COMP 断言判定，以及带误导性的证据包。结果显示，增加上下文数量会大幅提高 token 消耗，却未改善不安全结论的清除效果；在验证器反馈和证据审查方面，模型也暴露出判定聚合与反馈解读上的局限。
说明基于机器学习的田块施肥推荐中的算法单一化问题
简介该论文指出，机器学习施肥推荐常按单个模型评估，但多个决策者共同使用时，相关误差会在农场间累积并产生系统性成本。作者建立了共享误差与农场特异误差的社会损失模型，并用赫芬达尔-赫希曼指数和协方差推广形式分析模型集中度与误差依赖的影响。基于摩洛哥五类谷物系统的九个模型家族进行了基准校准，结果显示在设定的10%遗憾上限下，精度约束下的多样化方案可使模拟社会损失降低10.89%至41.53%，但这些反事实结果并非农艺或经济福利的估计。
说明TDLM：面向扩散语言模型的自适应时序整合
简介论文提出时序自条件扩散语言模型（TDLM），让未确定的词元位置在冻结的去噪器中关注自身的隐藏表示历史，从而复用之前的计算结果。训练采用自生成轨迹与交叉熵目标，并通过因果时序注意力实现并行计算。在 LLaDA 与 Dream 上，主要比较显示生成速度最高可达原模型的 7.15 倍，且在所评估任务上答案质量具有竞争力。
说明JevRec：面向大语言模型生成式推荐的类语言编码与 Jev 式决策建模
简介该论文提出 JevRec，用于基于大语言模型的生成式推荐。它将物品编码为长度可变的语义标识符，热门物品编码较短，长尾物品编码较长，并用独立的头分别预测长度与内容，以减少两者的优化冲突。作者称在三个公开数据集上优于所有对比基线，且训练与推理时间低于 TIGER。
说明用于带约束黑箱杠杆优化的高斯过程赌博机方法
简介本文针对有共享预算、反馈延迟且噪声大、调整频率受限的离散分配权重优化问题，提出基于高斯过程上置信界（GP-UCB）算法的方法，通过在奖励函数上设置高斯过程先验来共享相邻配置之间的信息。作者先用合成模拟器比较不同核函数，发现Matérn加线性的组合核在平稳、漂移和反应式环境下表现最稳健，随后在线上生产环境的大规模随机对照实验中验证，结果显示其效率显著优于ε-贪心基线。
说明扩散图像模型低秩适配的来源签名检测
简介本文提出一种协议，用于判断在线服务是否使用了某个标准图像扩散模型的低秩适配（LoRA）版本。作者在开放世界场景下研究该来源问题，即可能的适配版本和替代模型均未知。方法基于假设检验，仅依据模型生成图像集合的本征维度构建黑盒签名，从而区分基础模型、LoRA适配版本以及完全不同的模型家族。
说明DocXEval：多模态文档理解可解释性的系统评估
简介本文提出DocXEval，这是首个面向多模态文档理解（文本、版面与图像）的综合可解释性框架，将现有XAI方法与评估指标改造用于此类任务，并针对语义实体识别等场景加入多目标适配。作者用该框架系统评估了13种XAI方法，涵盖3类文档理解任务、8个数据集、4个模型和17项评估指标。结果显示遮挡法（Occlusion）总体上最为忠实且易于解释，并给出了指标间一致性及模型行为的诊断分析。
看点首个面向多模态文档理解的XAI框架，系统评估13种方法、17项指标，覆盖8个数据集与4个模型，证据充分。
说明视觉语言智能体可以在自身的潜在世界中学习
简介这篇论文提出了Dwell框架，它是一种基于模型的强化学习方法，把预训练的视觉语言模型当作循环式潜在状态转移算子使用，让模型在潜在空间中预测、调整并执行动作。智能体既从真实交互中学习，也从潜在想象中改进行为。作者称，在五个交互式视觉环境中，Dwell在可训练方法中整体表现最强，同时显著减少了想象所需的计算量。
说明TrawMem：将智能体记忆重构为面向任务、角色自适应的工作区
简介该论文指出，现有大模型智能体的记忆系统主要按与当前查询的相关性检索记忆，但相关性无法说明记忆在任务中的作用。作者提出TrawMem，把交互历史组织为局部线程，并为记忆分配角色、联合选取互补记忆，构建面向任务的工作区。在LoCoMo和MemGallery上，使用四个开源与闭源骨干模型的实验显示其优于代表性记忆系统，宏平均F1有所提升。
说明判断检索来源为何冲突：无需大模型的决策模型用于RAG中的知识冲突分类
简介检索到的来源相互矛盾时，应对方式取决于冲突类型。本文研究能在单次前向传播中输出固定选项概率的决策模型，能否快速廉价地完成冲突类型分类。在CONFLICTS基准上，11个决策模型的准确率为50.0%至67.0%，其中10个不低于Gemini 2.5 Flash（61.3%），成本低4至39倍，延迟低2.6至6.0倍。
看点将决策模型用于RAG知识冲突类型判别，并与LLM及级联方案系统比较，有实际新意；以全面的基准实验支撑结论，对子领域有实用价值。
说明为巴斯克语开发语音语言模型
简介本文提出首个面向巴斯克语的开源语音语言模型，用于低延迟的端到端语音交互。系统以LLaMA-Omni架构为基础，以Latxa模型作为骨干，通过微调若干模块，把其巴斯克语能力迁移到语音模态。为缓解数据稀缺，作者将英文VoiceAssistant-400K语料翻译成巴斯克语，并用巴斯克语TTS合成音频。评估结果显示：内容质量3.86/5，语音可懂度WER为9.94%，音频质量UTMOS为3.07。
说明《不留遗漏》：从大规模随机对照试验语料中查找证据
简介论文比较了两种在大型文献库中查找相关证据的方法：一种是给条目打标签后检索，另一种是先用文本嵌入按语义找候选，再由语言模型筛选相关内容。在7,354项随机对照试验的语料中，标签检索找到了系统综述应纳入证据的45%，新方法找到了92%。作者据此提出结合宽泛候选检索与针对查询的证据过滤的两阶段架构。
说明HiLo-RD：面向掩码扩散语言模型的跨预算自蒸馏方法
简介该论文提出 HiLo-RD（高预算到低预算表示蒸馏），用于在有限生成预算下改进掩码扩散语言模型（MDLM）。方法将大窗口下的教师状态与裁剪后的小窗口视图配对，并在已确定的位置上匹配两者的隐藏表示，从而同时引导词元预测和确定顺序。在数学基准上，HiLo-RD 提高了低预算准确率并缩短了回答；在 GSM8K 上准确率提升 9.4 个百分点，平均可读长度约减少 25%。
说明从正例中自然挖掘困难负例，用于指令跟随式检索
简介本文针对指令跟随信息检索缺少指令条件对比监督数据的问题，提出自然困难负例挖掘方法NHNM。该方法将原始正例改造为指令下的困难负例，并通过候选清洗、反转构造和几何过滤等自动化流程生成高对比度训练数据。基于MSMARCO构建的NHNM-MARCO包含近7千个实例，在InstructIR和FollowIR上，568M至4B参数的模型微调后表现出色，部分设置下可匹敌或超过规模更大的检索模型。
说明PREEN：基于示例、利用手机修图预设的色彩风格迁移
简介该论文提出PREEN方法，把色彩风格迁移视为对某种确定性图像编辑器29个参数的回归，即预测一组编辑器滑块数值（预设），而非直接生成图像。方法通过风格迁移教师模型生成伪预设进行监督，并用CLIP条件回归器加LoRA微调。在PST50基准上，PREEN在像素和感知保真度指标上表现领先，单个推理强度旋钮可在默认与鲜艳风格之间连续调节。
说明噪声导向：利用尾流转向与声学指向性，通过强化学习实现受噪声约束的风电场控制
简介该论文提出“噪声导向”（Noise Steering），一种无模型强化学习策略，同时调节风机偏航角和功率设定值，在满足指定区域噪声约束的前提下最大化风场发电量。研究使用低保真声学模型与FLORIS稳态仿真器结合进行训练。在六台风机的测试风场中，该策略在各类湍流风况下满足40 dB噪声约束，平均功率损失约2%，而行业常用的降噪运行基线损失约17%。
说明基于进化优化的强化学习超参数与神经架构联合搜索（HPNAS-RL）
简介本文提出一种双分支进化框架，在自动驾驶强化学习任务中同时进行神经架构搜索（NAS）与超参数优化（HPO）。该框架基于作者此前的进化多目标NAS方法（EMNAS），在统一的多目标搜索策略下并行演化离散网络结构与连续超参数，并引入并行评估与师生策略迁移机制。在高保真驾驶模拟器中的实验表明，联合优化的方法优于单独使用NAS的方法，得到的策略奖励更高、参数更少、稳定性更好。
说明RAG-CSI：通过联合状态与动态匹配进行全局-局部检索的信道状态信息预测
简介该论文提出RAG-CSI，一种检索增强的Transformer框架，用于从历史观测预测未来的信道状态信息（CSI）。方法构建了跨场景的全局-局部CSI知识库，并设计联合状态-动态检索（JSDR）来检索相关CSI序列，再通过交叉注意力融合检索到的知识与当前CSI历史。在多场景CSI数据集上，五项评估指标相比各指标最优基线整体提升超过10%，其中归一化均方误差降低15.42%。
说明RubricAtlas：从专家报告中提取类型级评分标准，用于评估深度研究智能体
简介该论文提出RubricAtlas框架，从同一研究类型下不同对象的专家报告中提取类型级分析要求，围绕反复出现的分析问题组织二元检查点，并将其与报告段落对应。基于3079份中文金融研究报告构建，覆盖99种研究类型。实验显示，单篇参考报告仅覆盖该类型约一半的分析问题，且十个智能体的评估结果在两种评判流程之间具有较高一致性。
说明GUI-JEPA：基于候选动作条件化JEPA潜变量的移动端GUI智能体快速动作策略
简介该论文提出GUI-JEPA，一种无需解码器的移动端图形界面智能体策略，基于联合嵌入预测架构（JEPA）构建。它在无标注界面截图上预训练的编码器潜空间中选择动作，通过动作与区域条件化的潜变量预测器为每个候选动作生成潜变量，轻量级头部可在一次批处理中对所有候选动作打分，无需逐词解码。在AndroidControl上，其速度比同输入微调的Qwen2.5-VL-7B智能体快2.8至4.0倍，参数量仅为后者的6%，同时达到其分布内准确率的86%至92%。
看点提出基于JEPA潜空间的无解码器GUI动作策略，思路新颖；在AndroidControl上与7B模型对比，速度与参数效率有提升，但准确率仍低于基线。
说明HoloRecon：具有全局一致性的长程全景增量重建
简介该论文提出HoloRecon框架，将基于ORB特征的稀疏全景建图前端与微调后的前馈模型相结合，用于长序列全景场景的重建。利用前馈模型预测的局部几何对远距离重访处的特征匹配进行三维验证，从而获得长程相机约束，并借助稀疏地标校准深度后优化全局位姿图。论文还提出了包含七个场景的PanoRecon基准，实验显示该方法的平均绝对轨迹误差最低，F-1分数较高。
说明AdaGround：面向GUI定位的免训练自适应缩放与验证器闭环优化方法
简介本文提出AdaGround，一种免训练框架，用于高分辨率屏幕上的GUI元素定位，尤其针对小目标。它包含三个组件：依据模型自身对目标大小的估计自适应设定缩放参数；借助一个带标记点击的是/否验证器决定保留或拒绝每次缩放并触发重新定位；以及根据表头组合电子表格单元格的结构化定位。在Qwen3-VL模型上，AdaGround超越了现有免训练缩放方法和许多经过训练的GUI模型，并在OSWorld-G与ScreenSpot-Pro上较骨干模型有明显提升，其增益也延续到留出测试集UI-Vision。
说明RangeRectQuant：面向任意未来矩形求和的科学场压缩方法
简介这是一篇关于科学栅格数据压缩的论文。作者提出RangeRectQuant方法，在编码时统一控制前缀和的误差，使每个轴对齐矩形的求和结果都满足给定误差预算，而无需保留原始数据。方法的计算量与数据规模呈线性关系，工作空间仅与一行像素相当。在地理上留出的建成地表和水体分布地图实验中，该方法在满足相同要求的前提下显著节省了存储空间。
说明尾部线索，主成分修正：开放集测试时适应的即插即用校正方法
简介本文针对开放集测试时适应（OSTTA）问题，即目标数据流中协变量偏移与语义偏移同时存在的场景，提出轻量、无需反向传播的校正模块TALOR。该方法利用源模型线性分类头构造几何基底，将归一化特征分解为高增益的主成分坐标与低增益的尾部坐标，并通过加权岭回归估计主成分子空间中的仿射偏移进行校正。在ImageNet-C与六个csOOD数据集上，TALOR的H分数比次优方法UniEnt高2.2%，速度快2.5倍，显存仅为其12%。
说明样本-打分：基于代理模型引导的IEEE 802.11网络协同空间复用
简介该论文针对IEEE 802.11bn中的协同空间复用（Co-SR），即多个接入点同时传输以提升区域吞吐量，但配置组合空间大、难以实时优化的问题。作者提出“样本-打分”方法：随机抽取Co-SR配置，用代理模型为每个配置打分，再选出最优者。代理模型离线训练，部署时无需在线微调或顺序探索。在包含2至16个接入点的未见拓扑上，该方法恢复了完美代理模型吞吐量的52%至77%；完美的样本-打分方法在8192个候选配置下可达到吞吐量上限的95%。
说明ReLU网络的内在信息论分析
简介该论文针对深度网络中互信息估计受超参数偏差干扰的问题，利用分段线性网络（如ReLU网络）自然划分输入空间为凸线性区域的特性，为每个输入赋予区域标签，并将互信息分解为几何上可解释的各项。论文提出的路由信息估计器与三种既有互信息基线结果高度一致，并通过功能等价商空间在区域饱和时恢复信息量。
说明HorizON：用于有机电池堆性能预测的多时域深度算子网络
简介有机电极材料可减少对锂、钴、镍等关键元素的依赖，但有机电池的长期循环稳定性仍然有限。本文提出一种多保真度、多时域的深度算子网络（HorizON），在一个模型中学习DFT氧化还原电位和随循环变化的比容量轨迹，并基于完整的电池堆表示和使用条件进行训练，以学习电池堆组件之间的相互作用。该框架可用于有机电池体系的长期性能预测、逆向设计和工艺优化。
说明ActiveAlign：通过主动感知对齐第一视角操作
简介该论文提出ActiveAlign框架，利用机器人主动感知（主动挥动手部、接触物体）来缩小真实世界与仿真环境之间的差距。其中ActiveAlign-Waving通过主动手部运动和可微渲染完成手眼标定，ActiveAlign-Touching借助触觉反馈将物体对齐精度提高到毫米级。作者在Unitree G1机器人上验证了其对毫米级物体的精细操作能力，如按按钮和推动滑块。
说明遗忘数据、保留能力：面向检索的可切换遗忘方法
简介该论文提出MoME框架，可在同一模型中切换标准推理（Full模式）与遗忘后推理（Core模式），以满足删除个人训练数据的隐私合规要求。Core模式下的核心参数不接收遗忘集梯度，从而与被删除数据相互独立，并可用提出的Forgetting-Rank统计量进行审计。在Market-1501、VeRi-776和RegDB上，该方法的Core模式在三种成员推断攻击下接近重新训练的参考模型，且检索性能更优。
看点提出门控隔离的可切换参数分支实现遗忘，并用秩统计审计独立性；在三个数据集及多种骨干上验证，证据较充分。
说明评估 AlphaEarth 嵌入用于作物分类：可分性、时间动态与跨区域迁移能力
简介本文提出一套与表示方法无关的评估框架，比较地理空间基础模型生成的 64 维 AlphaEarth 嵌入与 Sentinel-2 反射率、NDVI 物候及谐波特征在作物分类中的表现。研究使用美国本土（2017至2023年）和印度北部（2021年）的田块数据。结果显示嵌入特征在分布感知可分性和多年轮作动态捕捉上更优，但在美国到印度的跨区域迁移中弱于谐波与 NDVI 特征，两者结合可取得较均衡的表现。
说明边界几何决定加权系数约束下浅层 ReLU 近似的最优指数
简介本文研究凸体边界几何如何影响浅层 ReLU 神经网络在 L^q 范数下的逼近能力。目标函数类为加权变差空间的单位球，通过对输出系数施加与区域几何相关的约束扩展经典空间。作者给出任意凸体的上下界，并确定平面凸体及其与多面体乘积（包括立方体和圆柱体）的最优多项式逼近指数。论文还指出，边界几何能够在维数、误差范数和加权规则固定的情况下改变最优指数。
说明LingGS：将前馈几何预测与相机跟踪解耦，实现高保真高斯SLAM
简介本文提出一种单目RGB高斯溅射SLAM在线系统，用冻结的流式三维基础模型充当虚拟RGB-D传感器提供深度估计，再通过显式几何求解器基于特征重投影估计相机运动，并由流式高斯建图器将观测整合为稠密场景表示。实验表明，该方法在室内外数据集上重建质量明显优于已有方法，在单张RTX 4090上约为7 FPS，吞吐量为所比较的先前SLAM系统的2至3倍。
说明uTHCD-C：泰米尔手写字符识别的抗干扰能力基准测试
简介本文提出uTHCD-C基准，用于评估泰米尔手写单字符识别系统在多种图像干扰下的稳定性。基准基于无约束泰米尔手写字符数据库（uTHCD），设定十种干扰类型（包括针对手写的笔画变细干扰），每种分五个强度等级。作者比较了九种卷积与Transformer架构，并以VGG16-BN为参照计算平均干扰误差（mCE）。结果显示ConvNeXt和Swin的mCE最低，分别为0.75和0.83，ShuffleNet和MnasNet较高，分别为1.55和1.85。
说明当所有推演都失败时：面向困难推理的策略兼容联合解码
简介该论文针对带可验证奖励的强化学习（RLVR）在模型完全无法解出的困难题目上学习信号为零的问题，提出策略兼容强化学习方法PICO。它通过分布约束的联合解码，在专家数据指导下生成既正确又与当前策略兼容的轨迹，并与在线推演一起以混合行为目标进行优化。实验显示，PICO在多种推理数据集和智能体基准上均优于标准RLVR及已有的离策略基线。
说明进化式智能体团队：一种跳出局部最优的多智能体框架
简介论文指出现有编程智能体在真实专家编写的GPU内核（如FlashInfer）优化中容易陷入局部最优。作者提出“进化式智能体团队”框架，由中央监督者诊断局部最优并重组团队，并借助持久文件系统积累经验。在扩展的计算预算下，该框架所生成的CUDA内核相对FlashInfer的MLA分页解码内核平均加速1.2倍，并在FlashInfer-Bench的47个工作负载中的36个上胜出。
看点提出监督器重构智能体团队并借助持久化文件系统积累经验，在多个真实内核任务上有明显加速，证据充分。
说明零和部分可观测随机博弈的保守策略迭代
简介本文提出一种用于有限时域零和部分可观测随机博弈（zs-POSG）的近似策略迭代算法。该方法为每个玩家维护一个策略，并沿保守策略更新诱导的占用轨迹联合更新策略，每次只用当前联合策略诱导的单个支撑超平面，而不逼近完整的中心值函数。在有限时域零和POSG基准测试中，该方法在较短时域上与PBVI、HSVI和CFR+相当，在较长时域上通常能改善运行时间与可利用性之间的权衡。
说明AxisQ：面向伪装目标检测的深度自适应通道-频率量化方法
简介该论文提出AxisQ，一种用于伪装目标检测模型训练后量化的框架。它根据特征深度自适应地分配比特精度：浅层特征在通道域分配，深层特征在局部频率域分配，并结合伪装目标检测相关的敏感度与边界感知的Hessian近似。实验显示，在低比特宽度下，该方法优于现有强基线，在CAMO数据集W2A2量化设置下，CFRN和CamoFormer-P的加权F值相对增益分别为12.7%和33.3%。
说明MVRCap：通过分层多维可验证奖励实现更全面的视频描述生成
简介论文提出MVRCap框架，将视频描述生成视为由结构化验证引导的强化学习任务。其核心是细粒度可验证奖励机制，包括分层概念覆盖奖励、事实性验证奖励和简洁性约束三部分，并构建了MVRCap-QA与MVRCap-SFT数据集。实验显示该方法在VDC、CAPability和VC4VG等基准上达到了当前最优性能。
说明基于提升法的索赔频率与严重程度联合分布式Copula回归
简介本文提出一种基于模型提升（boosting）的方法，用于拟合以双变量为响应变量的结构化可加分布式Copula回归模型，重点是对保险索赔频率与索赔严重程度进行联合建模。该方法以位置、尺度和形状广义可加模型（GAMLSS）为基础，允许响应分布的多个参数而不仅是条件均值依赖于协变量，因此在可加预测变量层面具有内在可解释性。作者使用合成数据与真实数据进行评估，结果显示该模型能够恢复潜在的协变量效应和依赖结构，识别信息量大的变量，并与基准模型相比取得有竞争力的预测表现。
说明《Drop the Details, Get the Gist: Dynamic Conceptual Representation for Video Recognition》：用动态概念表示做视频识别的论文
简介该论文将基于概念的图像识别方法扩展到视频，把多步骤视频表示为按时间排列的片段级概念分数向量序列，并用 Transformer 编码器预测类别。作者还探索了估计各概念贡献度以增强可解释性的方法。在烹饪和家庭活动视频上测试三种粒度不同的概念集后发现，粒度较粗的概念已足以完成分类。
说明点错框，还是点对了：按点击效果评判GUI定位
简介该论文指出，现有GUI定位基准只把落在标注框内的点击算作正确，但界面中同一操作常由多个元素触发。作者提出按点击实际产生的结果判定正确性，通过执行并记录约一千次点击构建结果图和执行判定器。在两个网页应用上的测试显示，框式评分拒绝的点击中，相当一部分实际能达到预期结果，并据此对ScreenSpot-v2的评分作出修正。
看点提出以点击结果而非标注框评判GUI定位的新视角，并通过执行探测与盲审在ScreenSpot-v2上验证其显著影响。
说明当评判者落后：面向智能体持续自我改进的评分标准与框架协同演化
简介该论文提出RuHarness框架，让智能体在持续自我改进中同时演化评分标准（rubric）与运行框架（harness）。方法从执行轨迹中不断发现并重新评估行为标准，优先处理最相关的未解决弱点，据此有针对性地更新框架，同时保持任务目标不变。实验显示，该方法在多种任务和骨干模型上优于现有框架演化基线，尤其在未见过的留出任务上表现更好。
说明谁知道什么，又支持什么？面向多模态心智理论的视角受限证据校准
简介该论文关注多模态心智理论，即从某个智能体可获取的证据推断其信念、目标和意图。作者提出PIP-ToM方法，为每个智能体构建证据库，将其与结构化心理状态假设对齐，并在保留贝叶斯推理过程的同时校准假设得分。论文报告，基于GPT-4o的PIP-ToM在MuMA-ToM、MMToM-QA和Hi-ToM三个基准上的平均准确率分别为92.56%、95.00%和95.00%，优于现有方法。
说明TAPESTRY：用同一个主干网络同时完成视频生成与机器人控制
简介该论文提出TAPESTRY，把预训练的视频扩散Transformer改造成机器人策略，动作被当作视频潜在空间中的单个patch token处理。模型通过三种扩散目标共同训练，推理时无需生成视频，而是在单步DDIM中从纯噪声生成紧凑的动作序列，每个动作块耗时84毫秒（消费级硬件）。论文称其在仿真和真实机器人实验中表现良好，推理成本明显低于同类视频-动作联合策略。
说明一种用于基于证据的早期预警的增量式知识图谱学习者数字孪生
简介该论文提出一种轻量级知识图谱形式的增量式学习者数字孪生，用于学习分析中的早期预警。系统在时间检查点回放学习轨迹和评估记录来更新孪生体，并通过图查询提取预测特征。研究在公开学习分析基准上按时间协议评估，结果显示图方式提取的特征保持了与原始表格特征相当的预测效果，同时为每个预警生成可追溯的证据链。
说明带通用译码与赌博机信道选择的变长反馈编码
简介本文研究在 K 个加性高斯白噪声信道上的变长反馈编码，各信道的噪声方差对收发双方未知但位于已知区间内。接收端每次选择一个信道并通过无噪反馈告知发送端，同时在译码过程中学习信道质量。作者提出两种联合编码与信道选择方案：VLSF-Bandit 与 VLF-Bandit，并给出两者的二阶可达性界。
说明言语还是行动？大语言模型如何在人机对话中预测用户决策
简介该研究探讨大语言模型如何结合用户的言论与其历史决策记录来预测用户在合作博弈中的选择。实验中42名用户与五个不同人格设定的智能体进行了1260轮重复囚徒困境式博弈，并可在每次决策前对话。结果显示，仅依靠决策记录即可较好地区分合作与背叛，加入对话后预测准确率没有明显提升，但模型过度依赖用户的口头承诺，对言行不一的情况预测偏差很大。
说明仅定位弱点还不够：面向大语言模型的状态感知递归知识改进
简介该论文针对大语言模型的知识改进问题，指出仅定位模型的知识弱点不足以决定应采取何种改进方式，因为相同的弱点可能对应不同的知识状态。作者提出递归知识改进（RKI）方法，将知识组织为图结构单元，每轮依据诊断证据和干预历史估计模型的知识状态，选择相应干预并重新评估。在HotpotEval和SafeInternalEval上，RKI平均比现有知识融入方法高18.41个点。
说明基于多分支探索的潜在视觉对比推理：一种让模型并行探索多个视觉线索的方法
简介该论文针对多模态大模型在复杂视觉问答中的推理问题，提出潜在视觉对比推理框架，在视觉潜在空间中生成多个以问题为条件的分支，作为图像token上的软假设。训练时利用边界框证据标注构建目标证据表示，并采用软对比分支-证据对齐目标。在Qwen2.5-VL的3B和7B模型上，该方法在感知密集型视觉推理基准上整体优于基座模型和单路径潜在推理基线。
说明SetGRPO：校准由评分器引起的策略优化
简介该论文针对基于评分标准（rubric）的强化学习中，评分器随机性会改变GRPO训练更新的问题提出SetGRPO方法。方法包括联合奖励集合校准、几何引导的安全恢复以及选择性风险门控优化三个模块，用于控制更新的方向反转风险。作者称在十个跨三个领域的开放式基准上，该方法在Qwen3.5与Llama3.2两个模型系列中取得了所有对比训练方法中最高的宏观平均分。
说明利用大语言模型知识改进表格数据的分布外预测：一种交叉验证正则化方法
简介论文研究预测模型在部署人群与训练人群不同时性能下降的问题。作者让大语言模型给出特征系数先验，并将其作为正则化回归的收缩目标（替代零值），在五个表格数据集上测试分布外预测效果，且仅依据源域交叉验证选择模型提供方和先验结构。结果显示，先验在四个数据集上有所改善，分布外均方误差最多降低7.9%；但先验带来的平均收益小于候选先验之间的差异，且在部分数据集上对域内准确率的提升与域外相当，只有在训练数据足够大时，经验证的知识才能明显改善迁移效果。
说明人格潜变量：用个人自身文本条件化冻结语言模型
简介该论文提出人格潜变量（PL）方法，从每个人自己的写作中学习一个潜变量，无需人格标签或人工撰写的人物档案，并以软前缀形式注入冻结的语言模型。编码器可用一次前向传播为新用户预测该潜变量，测试时还可选择微调。在留出用户上，论文将模型对中性问题和访谈问题的回答用于人格评估，结果在MBTI各维度上优于人格嵌入和基于提示的基线，且排序在三种嵌入空间中保持一致；用Qwen2.5-3B-Instruct学到的潜变量还能仅通过新适配器迁移到Llama-3.1-8B-Instruct。
说明API-TAIL：通过温度对齐的似然尾部检测大模型 API 中的模型替换
简介商业大模型 API 只返回文本，服务商可能把部分请求悄悄转给更便宜的替代模型，却仍按宣传的模型计费。本文提出 API-TAIL 审计方法：先通过对齐有效温度消除批次层面的整体偏移，再统计其余异常尾部响应的数量，超过校准阈值即判定存在替换。在真实商业 API 上的实验显示，该方法能有效控制误报，并以较少查询检测低比例的部分替换，效果优于现有基于排序和 MMD 的审计方法。
说明语言模型会保留被放弃的句法分析：花园路径句之后的残留与适应
简介这篇论文研究语言模型在读完花园路径句（先误解后纠正的句子）后，是否仍保留已被放弃的句法分析。作者测试了24个开源模型，发现模型会留下对被放弃分析的残留，并随句子消歧错误程度出现向正确结构的适应。残留可由名词短语状态中的角色信息解释，修补这些状态后残留几乎消失。
看点通过激活修补区分残留与适应两种机制，并在24个模型上验证花园路径句的持续影响，新意明确；实验规模大，对照充分。
说明Transformer 的代数体系
简介现有对 Transformer 的理论分析多关注可计算性，例如无界精度 Transformer 的图灵完备性与并行性优势，以及有界精度 Transformer 的局限。本文为 Transformer 建立了一套用于推理的代数体系，以 Transformer 的函数分解结果为基础，将函数分解作为原子动作，并包含顺序组合、并行组合、用于反馈的递归以及用于隐藏层的抽象。文中称这是首次从逻辑上对 Transformer 建模的尝试，可用于验证基于 Transformer 的应用的正确性。
说明Select-TTT：面向原位测试时训练的查询条件选择性快速权重更新
简介该论文针对大语言模型在部署时把长上下文写入少量快速权重的测试时训练方法，指出原位测试时训练对所有文本块采用统一写入强度，导致无关内容稀释查询相关信息。作者提出Select-TTT，依据各文本块与用户查询的相关性调整写入强度，相关性由冻结输出头计算，无需监督或新增参数。实验显示该方法在两个基准和两种骨干模型上持续提升长上下文问答效果。
说明基于下一令牌想象的视觉自回归生成：让模型在训练数据之外探索合理的视觉内容
简介视觉自回归生成通常只根据真实的下一个令牌进行训练，学习范围局限于已观察到的数据。本文提出下一令牌想象（NTI）方法，允许模型探索真实下一令牌之外的合理视觉实现，并设计了准则使想象受限于底层视觉分布。在ImageNet上的实验显示，NTI持续显著提升生成图像的保真度，接近使用更大模型和更高训练成本的扩散模型与自回归模型的水平。
说明OmniGlimpse：用于在线多视角跟踪的非对称身份记忆方法
简介该论文研究在线多视角身份维持问题，即在不依赖离线场景训练或相机标定的条件下，把不同视角的观测正确匹配到对应目标。作者提出OmniGlimpse，采用非对称的“提议-验证”框架，将短期自适应关联与长期稳定的身份记忆分开处理。在M3Track和MvMHAT数据集上，该方法在IDF1和CVIDF1指标上优于在线基线，并在IDF1上超过离线训练的参考方法。
说明CVBL-CCTV-Face数据集：面向监控场景的真实人脸增强与识别
简介本文针对监控摄像头拍摄的人脸图像分辨率低、模糊、噪声多、常有遮挡等问题，提出一套面向超分辨率与身份识别的框架。作者构建了CVBL-CCTV-Face数据集，以非配对方式收集由8MP网络半球摄像机拍摄的低质量人脸图像，并配以受控环境下拍摄的高质量参考图像。系统包含人脸检测、基于深度学习的低质量人脸超分辨率以及通过嵌入模型提取L2归一化特征进行身份识别等模块，并在三种设置下训练和测试增强模型，最后部署于实时非受限环境中进行身份验证。
说明LLM预训练通常是否处于稳定性边缘？
简介本文重新审视二次近似作为神经网络训练动力学模型的可靠性，尤其关注其在大语言模型训练中的失效情形。作者提出"凸性边缘"（EoC）现象，即持续的负曲率使二次动力学发散而与学习率无关；并为随机自适应优化器提出广义的稳定性边缘（EoS）定义。在参数量最高787M的多组LLM预训练中，EoC始终出现，而EoS普遍但并非普遍存在，学习率足够小或批量低于临界阈值时会消失。
看点提出Edge of Convexity并推广Edge of Stability定义，在多个最高787M参数的LLM预训练中系统验证，对理解二次近似失效有重要意义。
说明数学论证的依赖图：表示、结构度量与证明审查
简介论文提出一个借助大语言模型表示和度量数学论证的框架，将论证中的陈述、方程、假设等与其依赖关系记录下来，并定义深度与依赖数等结构指标。框架包含标准化的提示协议，可用于辅助证明审查与前提建议，但作者只提供了评估方案，并未给出实证结果。建议的前提需要经过数学验证，这些度量描述的是特定表示方式，而非数学本身的难度或重要性。
说明批量化反思式优化循环：并行提案让 GEPA 更快也更好
简介该论文扩展了开源优化器 GEPA，使每一步优化不再逐个提出并评估候选，而是一次提出并评估一批候选。在两个任务上的实验显示，多数批量设置的墙钟时间不超过原来的一半，最快的约为四分之一到三分之一；在留出测试集上的得分也有所提高。论文还给出了有限工作池下加速比的简单运行时模型，并讨论了固定优化预算在各并行维度上的分配。
说明大语言模型能否可靠地批改奥赛证明题？一项数学证明验证研究
简介本文系统研究大语言模型验证自然语言数学证明的能力，重点针对奥数级别证明题。作者构建了一个基于USAMO 2025候选解答并由专家评分的人工整理数据集，并提出用于大规模生成高保真对抗性证明的迭代自我批判流程TROJAN。论文还提出基于多臂老虎机框架的评分方法MABGrader，在二次加权Kappa指标上优于现有最优方法ProofGrader 26.4%，评分误差降低14%。
说明基于评估指导的视觉-语言-动作策略示范优化：MetaFine 开放竞赛获胜方案
简介该论文为 MetaFine 开放竞赛中的获胜方案。作者为五个任务分别微调了 π0.5 策略，针对抓取、推动和插入等反复出现的失败，修订示范动作并加入策略自身到达状态后的专家接续示范。每个指令上的检查点都经过比较，最终提交的 MAI 以 96.66 分位列第一。
说明超越证据一致性陷阱：面向时序错乱假新闻检测的智能体证据选择方法
简介本文关注时序错乱的假新闻，这类文章打乱真实事件的先后顺序，单个事件本身可能属实。作者指出，检索到的同类事件证据可能来自错误时期，导致模型误判，并称之为“证据一致性陷阱”。文章构建了包含30,706篇文章的ChronoFake基准，并提出DelSA方法，通过迭代优化证据选择并比较文章时间线与证据时间线来识别时序冲突，在该基准上优于现有方法，在PolitiFact和GossipCop上保持竞争力。
说明词汇已经存在：将预训练可解释特征用于生成式推荐
简介该论文提出API框架，利用预训练稀疏自编码器中带有可解释语义标注的特征索引作为可复用的语义ID词表，无需额外学习词表。框架包含保留特征索引与激活强度的PIDs，以及通过联合预测特征索引和强度来学习用户偏好的语义预测适配器SPA。实验表明，API在多种骨干网络和解码方式下取得有竞争力的性能，并能提供可解释的检索结果。
说明让自动化实验室可审计：混合动作、测量与安全执行的统一框架
简介该论文针对自动化实验室（SDL）中机器人控制与仪器接口难以协同的问题，提出包含四个组件的可追溯框架：LAM（实验室动作模型）、OpenSDL、Safe-SDL运行时安全门控和L3-Bench评测基准。它们共同实现混合动作生成、受监控的设备执行、测量反馈以及实验评估，以应对SDL工作流中的协调与可追溯性挑战。
说明GeoGSplat：基于几何约束的非像素对齐高斯泼溅方法
简介该论文提出GeoGSplat，一种前馈式三维高斯泼溅模型，将几何先验引入非像素对齐框架，以减少高斯中心放置错误。模型采用双分支编码器分别捕捉粗略三维结构和细粒度场景特征，再通过分层解码器逐步生成稠密三维点和高斯基元，用于三维重建与新视角合成。在DTU和NRGBD数据集上，其效果优于现有像素对齐与非像素对齐方法，且目标视角离输入相机越远，优势越明显。
说明DocSkill：面向多语言多跳文档问答的技能集成式智能体推理框架
简介该论文提出DocSkill，一个带有可学习技能编排策略的智能体框架，用于多语言多跳文档问答，可自适应地获取证据并推理。研究利用蒙特卡洛树搜索离线生成技能轨迹，用于监督微调和直接偏好优化。同时发布了包含6万个问答对、覆盖10种语言和8个文档领域的数据集MMHop-DocBench。实验显示，基于Qwen3-VL-8B的DocSkill在该数据集上准确率为41.0、F1为49.2，并在MMLongBench-Doc和DocBench上取得有竞争力的表现。
说明面向扩散过程的频率一致对数遗憾强化学习
简介本文研究连续时间受控扩散过程离散化（欧拉方法）后的强化学习问题，以相对于对应欧拉模型最优策略的累积遗憾衡量性能。在价值函数梯度等条件成立时，作者证明遗憾为 O(log K) 量级，且常数不随时间步长 δ 变化。对于漂移项对未知参数呈线性、扩散协方差未知且恒定的情形，作者给出基于模型的受约束算法 CD-FQ，并得到高概率的 O(log K log log K) 遗憾界。
说明遥感图文检索的高效方法：免交互粗召回与文本引导重排序
简介论文提出一种名为FTF的快速到精细检索框架，用于遥感图像与文本的跨模态检索。方法包括无需交互的多粒度粗召回，以及借助平衡文本引导交互模块（BTIB）在前K个候选中进行的无参数文本引导重排序。此外还设计了模态间与模态内损失以联合优化多粒度表示的对齐。论文称在公开基准上检索精度具有竞争力，同时检索效率显著提升。
说明基于内容不变梯度归因的稳健大模型数据筛选
简介论文指出现有全局梯度归因方法存在表层形式偏差，措辞或格式的细微变化会使归因分数明显不一致。作者提出内容不变梯度归因方法（CIGA），先选取对归因有影响且在保持语义的表层扰动下梯度稳定的层，再将归因信号与输入的语义表示动态融合。实验显示，该方法在表层扰动下排序更稳定，并提升平均性能，同时降低归因成本。
说明用于科学机器学习时间插值的生成式修正学习
简介论文提出 iFLEX 模型，用于重建两个观测时刻之间的中间科学场。它先对两个观测做加权平均作为初步估计，再用条件扩散模型学习并生成与真实中间场之间的残差，最后把残差加回平均结果。作者在 Navier-Stokes Kraichnan 湍流、上海雷达降水和海表温度数据上进行评估，报告其重建误差低于所比较的基线方法。
看点在加权平均基础上用条件扩散模型学习残差，并在三个科学数据集上对比光流和视频插帧扩散基线，证据较充分，对该子领域有实用价值。
说明用于MODIS光谱-时间解混的多任务解耦融合Mamba-CNN模型（含端元变异建模）
简介本文提出多任务解耦融合Mamba模型（MDF-Mamba），用于MODIS时间序列的光谱-时间解混，以估计各地物丰度。模型用逐通道的光谱分支与双向状态空间（Mamba）时间分支解耦光谱与时间信息，并通过mHCFusion融合两类输出，同时以逐像元可学习权重刻画同类端元的光谱变异。在阿尔伯塔和萨斯喀彻温两省的MODIS数据上，该模型在14项评估指标中有12项表现最佳。
说明以神经元身份组织神经群体动力学分析
简介该论文提出一种框架，依据神经元的分子、形态和电生理等多模态生物特征，将神经元划分为潜在群组，并通过群组层面的表征分析神经群体动力学。由于分组基于跨个体一致的生物特征，模型无需重新训练或神经元间对应即可迁移到未见过的动物。在斑马鱼全脑钙成像和小鼠视觉皮层大规模电生理数据上，该框架在神经解码和流形分析中取得了更优的表现。
说明事件流候选片段选择中读出方式与工作点的敏感性分析
简介本文研究事件触发录制中目标捕获与误触发之间的权衡，在来自47名参与者、520个DailyDVS-200片段的真实事件累积数据上，比较不同编码器、累积时长和时间视角数量下的候选片段选择表现。结果显示，不同读出方式和阈值校准会明显改变方法之间的比较结论。作者指出，目前的证据仅限于离线、基于动作定义的候选选择，并未证明JEPA特有的优势。
说明CAMR：面向大语言模型持续学习的兼容性感知记忆回放方法
简介该论文提出CAMR框架，用于大语言模型的持续学习，在学习新知识的同时保留已学内容。它结合兼容性检查与学习型记忆门控，在每次新样本到达时在三种动作之间进行在线选择，并在有限的回放预算下运行。实验基于Qwen3-8B-Base，在WikiBigEdit和TRACE任务上进行，论文报告其在多项指标上优于对比方法。
说明Hy-Nomas：面向自由形式交互的世界生成
简介该论文提出 Hy-Nomas，一个基于 8B 扩散骨干网络的视频世界模型，可在多轮交互中接受自由形式的文本指令并进行连续的相机控制。模型结合结构化视频描述与动作感知的因果注意力，并通过视觉语言提示增强器和多阶段训练课程进行优化。作者称在人工评测中其表现优于现有世界模型，并公开了模型权重、代码与基准。
说明基于SAM逐步细化的浮游植物精确分割方法（PhySeg）
简介本文针对浮游植物图像分割难题提出PhySeg框架，以SAM为基础并加入轻量细化模块，通过多尺度特征融合逐步恢复细节。作者还在现有数据集上人工标注了实例级掩码，构建了浮游植物分割数据集。实验表明该方法提高了分割精度，验证了所提模块的有效性。
说明SAGE：面向通用视觉识别的显著性退火门控编码器
简介本文提出SAGE，一种增强的ViT-Adapter主干网络，用于将自监督视觉Transformer适配到密集预测任务。方法包括基于显著性引导的架构、基于退火的训练范式，以及从Focal Loss平滑过渡到Varifocal Loss的两阶段质量感知训练机制。作者报告其在COCO、COCO关键点估计、ADE20K、TinyImageNet分类和DIOR-R旋转目标检测等任务上取得了最优或有竞争力的结果，并称其为首个在华为昇腾NPU上实现多任务最优结果的框架。
