机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明非线性直接反馈对齐：可扩展的无反向传播训练方法
简介该论文针对反向传播（BP）生物不合理且存在反向锁定问题的缺陷，改进了直接反馈对齐（DFA）方法。作者提出非线性直接反馈对齐（NDFA），用轻量的非线性代理子网络构造每个隐藏层的反馈，并设计学习策略更新该子网络。实验覆盖残差网络与视觉Transformer，数据集包括CIFAR-10、CIFAR-100、SVHN和ImageNet，结果显示NDFA优于现有DFA方法，并缩小了与BP的性能差距。
看点用轻量非线性代理子网络替代固定反馈矩阵改进DFA，并设计代理网络更新策略；在多个数据集和架构上实验充分，缩小了与BP的差距。
说明通过隔离异议减少智能体过度防御性写作的框架
简介论文指出，智能体在扩写报告时会先写出比原文更强的论断，再加以否认，即过度防御性写作。作者提出一种框架，将审阅者、过滤器与写作者分离，写作者只接收过滤器挑选出的问题。在25份商业项目草稿的扩写实验中，防御性命题从59条降到2条，降幅96.61%，并保留了93.12%的原文论断。
说明SMEBENCH：用合成MIDI编辑评测神经音乐编辑系统
简介该论文提出SMEBENCH，一个大规模音乐编辑基准。研究者通过修改符号化MIDI演奏并渲染出配对的源音频与目标音频来构建数据，涵盖配器、演奏法、力度和音高等十二类操作。基准包含平衡的3600条测试样本，并附带一组源自多轨录音的真实音频补充集。配对目标使源保留、目标一致性和文本兼容性可以被独立评估，作者用其评测了六个代表性编辑系统，并发现所用指标不同会明显改变排名结论。
说明从声纹到用户实体：面向多用户语音智能体的在线说话人记忆构建
简介本文指出声纹是身份的观测而非身份本身，提出在线说话人记忆构建方法，以持续维护随声学证据演化的用户实体。作者提出无需训练的EvoSpeakerMem层，支持因果说话人路由、选择性声学状态更新及按身份分区的记忆读写，并构建带隐藏说话人身份的口语记忆基准LoCoMo-ID。实验显示该方法在长期数据和基准测试中提升了身份门控问答效果，但也存在碎片化与跨用户错误关联之间的权衡。
说明令牌置信度只是链长吗？推理轨迹的信号处理审计
简介该论文研究一种用推理语言模型生成的思维链的令牌置信度来筛选答案的方法，该方法取窗口内最低平均置信度作为评分。作者将置信度视为信号，用谱分析和变化检测等工具检验，并在两个数学基准的500道题上各采样16条推理链。结果显示，该评分主要反映链的长度，按长度排序的效果不逊于置信度评分；在考虑长度后，它与答案正确性基本无关。
说明保守型对决赌博机：基线约束下的偏好学习
简介本文研究保守的上下文对决赌博机，即在每一轮学习中，所展示的较优选项的累积得分都不低于可信基线的一定比例。该约束只依赖效用差异。作者指出，直接沿用保守赌博机算法CLUCB的安全检验可能导致线性遗憾。针对线性效用，提出MaxInP-BC算法；针对一般效用类，提出BTIGW-BC算法。两者在高概率下始终满足约束，遗憾界分别为有界代价加上近似次线性项。
看点提出保守对决赌博机的新安全约束并指出CLUCB安全检验会导致线性遗憾，给出两种有理论保证的算法，并通过实验验证。
说明RankFormer：通过表示容量分析与渐进式解码重新思考时间序列Transformer
简介本文提出RankFormer，一种用于多变量时间序列预测的编码器-解码器架构。作者建立了基于秩的分析框架，考察分块、嵌入和注意力设计对时间序列Transformer表示容量的影响，并据此设计了带有Hourglass Attention的秩增强编码器。此外，文中提出交互式渐进解码器（IPD），通过全局引导的跨通道交互与渐进式精炼改进未来轨迹建模。在真实长期预测基准上的实验表明，该方法与现有先进方法相比具有竞争力。
说明HeteGCD：面向异配图广义类别发现的统计感知双原型学习方法
简介该论文针对异配图（相邻节点属性或类别常不相似）上的广义类别发现问题，仅利用已知类别的标签，识别已知类并发现新类。作者提出HeteGCD，通过门控双流编码器融合节点属性与局部属性差异统计，再用结合特征相似度与分布一致性的双原型分类器进行类别发现。在五个异配图数据集上，该方法与24种基线组合相比取得了有竞争力的结果。
说明TOPS：为多任务机器人操作重塑流模型的源分布与传输路径
简介该论文提出TOPS方法，针对语言条件多任务机器人操作中共享的高斯源分布和线性传输路径的局限，为每个任务自适应调整流模型的源先验与插值调度，且无需修改网络结构。在LIBERO、LIBERO-Plus和CALVIN上的实验显示，该方法在分布内、扰动及跨环境设置中表现更好，数据效率也有提升。在LIBERO-10上，TOPS仅用一步积分即把成功率从53.44%提高到69.67%，推理时间约为十步标准流匹配的六分之一。
说明PsyJev：通过系统一判断进行心理分析的模型
简介该论文研究网络自我披露内容的心理分析问题，提出统一的按问题条件化判断框架，整理了包含13个标注数据集、82个问题、覆盖六个心理领域的PsyJudgeBench。作者提出PsyJev模型，直接输出各请求所指定答案的概率分布，并结合联合监督训练与JA-RLCD方法进行优化。
说明随机博弈中的反馈型独裁策略：把重复博弈中的收益控制策略推广到随机博弈
简介随机博弈是多个参与者在随机环境中进行的最优控制问题，其中环境状态只有一个时即为重复博弈。本文把重复博弈中单方面控制收益的几类策略推广为随机博弈中的反馈策略，并研究其性质。文章给出了在一定假设下这类反馈策略能够作为收益控制器的充要条件，并在若干与社会困境相关的例子中展示了其表现。
说明从生物曲线到软体模块化机器人：基于学习的逆向设计与不确定性引导的优化
简介本文提出一种基于学习的真实到仿真再到真实框架，把生物体的形状曲线转化为可实现的机器人构型。方法结合学习得到的逆向预测、有针对性的候选方案探索以及快速正向代理模型的评估与筛选。文中报告正向预测耗时由约1.53×10^5毫秒降至0.0008毫秒，设计耗时由约1.99×10^6毫秒降至4.18毫秒；在5000个未见过的穿线模式测试样本上，基于代理模型评估的形状重建成功率为93%，并以四个仿生机器人的实物演示验证了转化效果。
说明儿童规模语言模型中的专门化、多样性与规模效应
简介作者用家庭录音中儿童与家人的对话转写（BabyView）和合成的儿童导向对话（TinyDialogues）训练小型GPT-2模型，并改变训练数据的数量、来源和多样性。结果显示，模型对所训练那名儿童的语言环境预测效果明显更好，这种专门化主要体现在词汇和分布层面；用多名儿童数据训练能明显提升对混合测试语料的预测，但语法基准上的提升不明显。
说明原子作为智能体：通过集体预测编码实现涌现秩序
简介本文将语言涌现理论中的集体预测编码应用于物理学，把每个原子视为相互预测彼此行为的智能体。作者在二维铁磁与反铁磁伊辛模型、竞争条纹序自旋模型以及Sherrington–Kirkpatrick自旋玻璃模型中进行了验证。结果显示，仅依据观测到的自旋构型，即可自动得到包括复本重叠在内的宏观序参量。
说明学习判断可信区域：用于三维可变形配准的可靠性引导专家路由与速度门控
简介该论文提出ReliMorph，一种用于三维可变形图像配准的对称框架。它利用局部相关性分布评估对应关系的模糊程度，并以此引导空间专家融合及残差速度门控，实现由粗到精的形变更新。论文称其为首个基于对应可靠性联合调控专家路由与速度门控的三维可变形配准框架，并称在解剖重叠度指标上优于对比方法，适用于单模态与多模态配准任务。
说明按需查看图像：面向高效扩散视觉语言模型的证书引导视觉路由
简介扩散视觉语言模型每个去噪步都要处理完整输入，而视觉令牌占输入的89%到97%，大部分计算重复处理同一张图像。论文提出LOWN解码方法，先在不看图像的情况下预测被掩码的令牌，只有当该预测与上一次看图像时的预测不一致时才处理图像，一致的预测则被复用。在十个基准上，LOWN无需训练或调阈值，保留了LLaDA-V得分的99.6%，平均仅使用35.3%的解码FLOPs。
看点提出依据无图预测一致性决定是否处理图像的自适应解码，新颖性中等；在十个基准上保留99.6%得分、FLOPs降至35.3%，证据较充分，影响面限于扩散视觉语言模型。
说明前沿大语言模型中阿施从众实验的定量研究
简介该论文借用阿施从众实验，考察前沿大语言模型是否会迎合人为制造的一致意见。作者对同一问题多次采样，得到答案分布，并比较模型在看到人为共识前后的分布变化。实验确认前沿大语言模型确实存在从众现象，并提供了关于导致从众的条件及其程度的定量数据。
说明基于分段话语表示理论、利用大语言模型的日语话语结构分析
简介本文关注依据分段话语表示理论（SDRT）进行的话语解析，此前研究多集中于英语。作者用大语言模型把现有英语SDRT语料翻译成日语，构建了日语语料，并比较提示式与微调式大语言模型的表现。结果显示英语与日语的解析性能相当，显示该方法具有跨语言适用性。
说明多智能体竞价中无悔学习不可能实现
简介本文研究多个按节奏出价的竞价者在重复二价拍卖中的行为，证明在预算或投资回报约束下，所有竞价者同时实现无悔并不可能在计算上实现。作者建立了高方差与高遗憾之间的确定性关系，并通过从低方差系统中提取节奏均衡，证明了实现联合无悔属于PPAD难题。文中还表明，若干常用竞价算法即使在简单市场中也可能出现循环式高方差行为。
看点证明多智能体竞价中同时实现无悔学习在计算上不可能（PPAD难），给出高方差蕴含高悔值的确定性关系，新颖且结论重要。
说明SWIM：从行为中学习对 JEPA 世界模型重要的状态特征
简介该论文提出 SWIM 方法，用逆动力学模型从离线轨迹中学习各状态特征的权重，用于以状态监督训练 JEPA 世界模型。权重衡量每个特征对动作预测的贡献，定义加权状态度量并用于对齐潜在空间与状态空间的距离。逆动力学模型只在训练时使用，规划时无额外计算。在五个仿真机器人操作任务中，SWIM 的规划成功率均优于统一权重。
说明《无处之眼》：以群体为中心的智能体进化
简介该论文提出以群体为中心的进化方法（PCE），让自我改进的AI智能体基于整个群体的成功、失败和此前修改记录来改进所选父代的设计。在相同模型与设置下，PCE在SWE-bench Verified上达到72.1%成功率，在Polyglot上达到96.7%，分别比较强的群体进化基线高3.2和5.9个百分点。
说明SAGE：用于点云配准的语义增强几何专家模型
简介点云配准需要对齐部分重叠的点云，在低重叠条件下，仅依赖几何信息的方法容易把形状相似但语义不同的结构错配。本文提出语义增强几何专家模型（SAGE），将冻结的预训练点云语义表示融入配准流程，无需额外传感器或微调语义编码器。其语义引导的专家混合结构（SG-MoE）通过语义感知路由，让各专家专注于不同的语义-几何模式，并在3DLoMatch上取得最高的配准召回率。
说明基于偏微分方程的主动简单假设检验最优指数界
简介本文针对主动简单假设检验（ASHT）问题，给出最优误差指数的一般上界和下界。作者结合 Vijayan（2025）提出的最优指数偏微分方程刻画，以及 Hamilton-Jacobi 方程粘性解的比较原理。所得界限由凸函数、集合和下哈密顿松弛来参数化，推广了文献中的多个已知结果。
说明参数化马尔可夫链的对数导数技巧：一种可扩展的蒙特卡洛梯度估计方法
简介本文针对参数化马尔可夫链中期望奖励与可达概率的优化问题，提出一种基于对数导数技巧（log-derivative trick）测度论推广的蒙特卡洛梯度估计器。该方法只沿采样轨迹运算，无需构造全局状态空间或求解线性方程组，并可扩展到连续及一般σ有限状态空间。作者称在几乎必然终止及标准正则性条件下，估计结果无偏，并在合成离散实例与连续状态案例中展示了其较现有求解器更好的可扩展性与执行时间。
说明记忆不够用：在多智能体系统中修正记忆并学习何时使用
简介该论文针对基于大模型的多智能体系统，提出无需训练的DiscernMem框架。其中缺陷感知记忆修复（DMR）通过比较有无记忆的团队执行情况来诊断规则缺陷并修复；边界学习元记忆（BLM）记录每条记忆的使用情况与效果，学习角色何时应用或避免该记忆。实验显示其在AutoGen、CAMEL和MacNet上平均分最高，并在代码生成和符号规划任务上领先。
说明TACO-Graph：文本属性图的自动构建
简介本文提出TACO-Graph，一个决策树框架，用于为特定数据集和任务学习最有效的图构建方式，重点是由多属性表格数据构建的文本属性图。该方法枚举有效的图表示，用小规模代表性子集上的快速代理评估为每种构建打分，再训练可解释的决策树。在涵盖引文网络、产品评论和文献关系的五个数据集上，决策树对节点分类和GraphRAG检索的构建质量预测平均Spearman相关系数分别超过0.9和0.8。
说明何时可以安全地进行低成本公平性修改？双边匹配市场中事后编辑的筛查
简介该论文研究双边匹配市场（如招生系统）中推理阶段的闭式线性投影修改，以降低受保护属性的影响，无需重新训练编码器。作者给出福利变化的界，并提出一个部署前筛查方法，返回 PASS、KILL 或 OUT-OF-SCOPE。在合成与现实市场的实验中，筛查结果与预设的可行性判定一致，且未出现误判为 PASS 的情况。
说明图像建模：从手工先验到基础图像模型
简介本文在统一的贝叶斯框架下，梳理六十年来的图像建模发展，从用于逆问题求解的手工数学先验，演进到用于图像生成与逆问题的数据驱动深度基础图像模型。文章指出，两者都可以归结为对图像数据流形的概率刻画，核心是对数先验的梯度，即斯坦因得分函数。作者以此把信号处理与机器学习两个领域的发展连接为一条从解析模型到大数据学习模型的演进线索。
说明Tap2Listen：流式视听目标说话人提取中的即时切换目标
简介该论文提出Tap2Listen，一种用于流式视听目标说话人提取的模型，可在对话中即时切换目标说话人。模型将音频编码与视觉条件分开计算，切换目标仅需0.12毫秒的重新投影。在LRS3-2mix测试集上，SI-SNRi由8.85 dB提升至9.68 dB，切换到已知人脸后可从第一帧即输出完整质量的结果，且可在单个CPU核心上实时运行。
说明扰动一致性何时能提供超出 softmax 置信度的信息：决策一致性框架的理论与证据
简介本文研究对输入做微小扰动后预测是否保持稳定的一致性评分（决策一致性框架 DCF）。在干净数据上，该一致性分数检测误分类的能力普遍不如最大 softmax 概率（MSP），例如冻结 CNN 上 AUROC 低 0.057，而计算成本高出 8 至 15 倍。在 CIFAR-10-C 的噪声损坏下、以及投影梯度攻击下（预算 2/255），一致性则能提供额外信息，攻击场景下 AUROC 为 0.83，而 MSP 仅为 0.37。
说明用于可解释非线性结构系统辨识的深度贝叶斯方法
简介本文是一篇教程，系统介绍深度贝叶斯滤波在非线性结构系统辨识中的应用，即从测量数据推断动力系统的数学表示。文中比较了深度马尔可夫模型、物理引导的深度马尔可夫模型（PgDMM）和神经扩展卡尔曼滤波（Neural EKF）三种方法，并在带滞回Bouc-Wen连接的三维剪切框架基准上，考察动态状态估计及状态与参数联合估计的表现。
说明AI生成网页内容的不均衡增长：对500多万个公开网页的测量研究
简介该研究抽取了500多万个可爬取的公开网页，估算其中含有AI生成文本的比例。结果显示，英文网页比例高于其他语言；.gov和.edu域名明显低于.com。在网络中心性较低的网页中，AI生成文本最常见且增长最快。研究采用多种检测工具及贝叶斯层级模型，并纳入检测器的误报与漏报校正。
说明批量大小可以为一：基于分类器几何结构的测试时自适应
简介论文提出OriTTA方法，用于在无标签测试数据逐个到达时更新已部署模型。方法从源模型构造固定几何目标，把特征对齐到预测类别的轴向，并通过每类保留一个样本的记忆及分类重检来防止特征崩塌。在CIFAR-10-C、CIFAR-100-C和ImageNet-C上，该方法在批量大小为1的设置中取得了最高平均准确率，在ImageNet-C雾天数据上未出现崩塌。
说明基于事件相机的航天器位姿估计：极性-时间交互与多层可靠性
简介本文提出一个可靠性感知框架，用于基于事件相机的航天器位姿估计，串联极性-时间定位、几何恢复、事件与CAD投影一致性的位姿精化以及轨迹优化。模型以正事件、负事件和近期事件时序三分支表示，经跨分支注意力与门控融合后进行时空聚合。在官方SPADES挑战测试集上，完整系统的综合位姿得分为0.0474，约比PASAN+IRIS低5.4%。
说明通过运动引导的非对称预测将视频模型用于机器人控制
简介世界动作模型（WAM）利用预训练视频生成模型，同时预测未来视觉画面和动作来控制机器人。本文提出运动引导非对称预测（MoGAP），在训练时对动态区域施加更强的噪声，让模型用噪声较少的静态区域作为上下文来重建动态区域。该方法只在训练中使用、直接从训练视频提取运动线索。在GR-1桌面基准上，Fast-WAM（Wan2.2-5B）的成功率从38.8%提高到47.5%，Cosmos3-Nano从52.3%提高到62.3%。
说明《上帝不掷骰子》：在智能体内核生成中强制批次不变性
简介大语言模型推理服务会把不同用户请求动态合并成批次在GPU上执行，若内核缺乏批次不变性，同一输入在不同批次环境下可能得到不同数值结果，影响可复现性。论文发现，在83个可适用的已发布内核产物中有19个存在确认的批次不变性违规。作者提出了一个可插拔组件，结合契约引导的静态依赖分析与跨批次上下文的逐位一致性动态验证，作为接受门控嵌入优化循环，在性能测试前拒绝有风险的候选内核。实验显示，批次不变性通过率从67.6%提升到91.9%，同时保留了基线91.8%的几何平均加速比。
说明Dream-COP：在经验世界中引导组合优化问题的算法发现
简介本文提出Dream-COP框架，利用大语言模型迭代生成与评估程序，为组合优化问题（COP）自动发现算法。方法将过往的搜索轨迹及其结果视为经验世界，由策略代理在其中通过回放学习可执行策略，进而指导发现代理生成和改进程序。在五个组合优化问题上，该方法在启发式组件设计和完整求解器生成方面均优于固定探索策略；在背包问题（KP）上达到最优值，在OBPP上将差距从2.112%降至1.199%，同时减少42.5%的搜索请求。
说明Mamba-2 状态压缩的平衡状态子空间方法
简介该论文针对 Mamba-2 模型的固定大小循环状态，提出一种训练后压缩方法，在写入与读出对应的子空间上做平衡截断，而非逐坐标压缩。作者还提出 HARP 方法，按层从 Hankel 谱分配秩并保护对检索敏感的层。在 130M 至 2.7B 的模型上，状态维度减半时 WikiText-2 困惑度平均仅上升 0.3 点（1.8%），优于 GHOST 的 1.6 点（9.3%）。
看点将平衡截断用于Mamba-2状态子空间压缩，并按Hankel谱分配层级秩；在130M至2.7B模型上以0.3点困惑度增幅减半状态维度，优于GHOST。
说明基于矩阵分式规划的归一化割与数据聚类
简介该论文研究数据聚类中的归一化割（NCut）问题。作者提出一种名为多维二次变换的分式规划方法，可处理多个比率项的情形，并将问题转化为二部匹配问题，通过线性搜索即可求解。论文还分析了该方法与极小化-极大化（MM）理论的联系并刻画其收敛行为，实验表明该方法在多种数据聚类和图像分割任务中有效。
说明基于事件相机与RGB融合的四维重建
简介本文研究在单目移动相机下的动态三维场景四维重建问题。作者在仅使用RGB的Monst3R模型上增加一条事件相机输入分支，其余结构保持不变。在3个基准数据集上，这种简单融合使Abs Rel平均降低3.4%，并且在物体运动较大的条件下提升最为明显。
说明基于连续图像的相机到四足机器人位姿估计
简介本文提出QuadPose方法，用于从单目视频序列中估计四足机器人的全身18自由度位姿（6自由度基座位姿加12个关节角度）。为解决缺乏公开基准的问题，作者还提出了首个相机到四足机器人位姿基准QuadSyn。在该基准上，QuadPose的PCK@2.5px为92.18%，PCK-AUC为95.54%，ADD@20cm为85.94%，ADD-AUC为66.98%，平均关节角误差为3.65度，运行速度约33 FPS。
说明学习形式化：连接开放式任务与快速决策模型
简介论文提出用一个小型候选项形式化模块，从任务上下文生成经过验证的可选方案，再由冻结的决策模型从中选择，以弥补快速决策模型与开放式大语言模型之间的接口缺口。在CALVIN-D测试集的对比中，使用DeepSeek V4 Flash位姿候选时成功率为46.5%，高于官方TypeSafe Jev-1.13.0通用动作的11%。另一组实验显示，微调后的形式化器使本地决策模型的任务成功率最高达到52.6%（未使用时为11.8%），端到端延迟为2.09秒，低于Qwen3.5-27B的3.67秒。
说明WithinVAE：利用自蒸馏语义的紧凑视觉自编码器
说明LabWorld：为科学实验学习可交互的四维世界
简介本文提出LabWorld，一个由智能体驱动的Real2Sim框架，可从单目RGB视频重建可交互的四维实验室场景。它恢复可复用的三维资产、度量尺度场景、随时间变化的物体状态以及实验流程事件。论文在移液和涡旋振荡的实验室视频上进行评估，相较基线方法在两项任务上均有提升，并使几何、运动、关节与事件成为可编辑的显式状态。
说明InfraDev：编程智能体能否开发AI基础设施，又如何评估？
简介该论文提出InfraDev基准，包含36项任务，取材于Megatron-LM、vLLM和verl的真实拉取请求，涵盖训练、推理和强化学习等AI基础设施开发。评估时通过隐藏探针检验原有测试未覆盖的要求。测试结果显示，表现最好的前沿模型仅解决了38.9%的任务。
看点针对多文件、多GPU的真实基础设施PR构建基准并提出隐藏探针评分，填补了单内核基准的空白；实验覆盖六个前沿模型并分析失败模式，证据充分。
说明基于结构化子空间随机性的高效量化训练随机舍入方法
简介低精度训练通常依赖随机舍入保持量化梯度无偏。论文指出，独立随机舍入在向量单元上开销大，可能使INT8训练慢于BF16；而共享随机阈值会引入方向一致的舍入偏移，主要经激活梯度向前层传播而损害训练。作者提出S3R与其误差校正版本S3R-EC，在LLM预训练中使收敛不再退化并与独立随机舍入的验证损失相当，并在TPU v5p上使INT8训练相比BF16加速1.24至1.32倍。
说明回忆还是重学？面向循环概念漂移的上下文专家混合方法
简介该论文研究表格基础模型处理网络数据流时，概念重现后应恢复旧数据还是重新学习的问题。作者提出免训练的MICE方法，在检测到变化时切分数据段，并按预测误差决定合并或保存上下文，同时用两层机制对上下文加权和混合预测。实验显示，MICE在随机边界的网格数据流上优于清空上下文的重置策略，并在真实数据流上取得最高的平均准确率。
说明评测大模型智能体从软件需求生成行为充分测试的能力
简介该论文提出 Req2Test-Bench 基准，包含从 8 个开源项目的 BDD 制品中提取的 5086 个经执行验证的实例，覆盖 5 种编程语言和 4 种 BDD 框架。智能体需依据 Gherkin 需求和目标接口生成完整测试，评估以“击杀完备性”衡量行为充分性。最佳配置的通过率为 82.8%，但仅 33.8% 的测试行为充分；研究还指出扩大智能体规模收益递减、需求描述不足是主要问题。
说明MM-Net：面向缺血性卒中后睡眠分期与睡眠呼吸暂停评估的多模态多任务网络
简介本文提出MM-Net，一种多模态多任务框架，用于缺血性卒中患者的睡眠分期和呼吸事件检测。模型通过交叉拟合与岭回归嵌入对齐解决预训练脑电编码器的表示不一致问题，并融合脑电、眼电与心肺特征。在iSLEEPS数据集（99名亚急性缺血性卒中患者）上，十折患者独立评估的分期准确率为76.3%，呼吸事件AUC为0.825。
说明基于大语言模型、以地标为依据生成路线指引的结构化地图表示
简介本文研究如何把地图数据组织成大语言模型能理解的形式，以生成以地标为依据的路线指引。作者提出用SVG格式编码空间特征的结构化文本表示，并基于人工撰写的路线描述与OpenStreetMap数据构建新数据集，在转弯处和目的地附近两类地标选择任务上进行评估。实验显示，该结构化文本输入的效果与基于图像的PNG输入相当或更好，经过任务微调的较小本地模型也能有效利用地图布局达到较高的选择准确率。
说明《跟随群体：面向可行动追索的数据驱动方法》：一种无需人工标注成本、基于历史数据给出可行改进建议的方法。
简介论文提出数据驱动行动追索（DDAR），用于在机器学习做出决策后，告诉用户如何采取行动达成期望结果。该方法先基于历史用户轨迹构建动态模型，认为历史数据中可能性高的轨迹成本较低，再在模型中搜索能达成目标的轨迹。实验表明，该方法无需人工监督即可给出合理的行动建议，且行动成本低于现有方法。
说明少即是多：学习为 GPU 内核优化选择该做哪些性能剖析
简介该论文研究大语言模型自动优化 GPU 内核时，应收集哪些硬件性能剖析信息。作者发现，增加剖析指标并不必然提升优化效果，且对不同内核最有用的信息各不相同。论文提出 AutoProfiler，通过基于优化反馈迭代改写与分裂，学习一棵确定性的剖析决策树，并在 KernelBench 上于有限剖析预算下优于固定剖析配置。
说明ADTGuard：面向大语言模型流式推理的自适应深度-时间安全防护
简介论文指出，大语言模型流式输出时，有害内容可能在验证前就被用户看到，现有防护方法存在干预滞后或监测层固定的问题。作者提出ADTGuard，在每个token释放前进行检测，并通过深度-时间安全动态、因果深度路由和风险起始目标精炼等组件实现流式检测。论文称其在多个安全基准上表现稳定，性能与现有先进防护方法相当或更优，仅需1600万可训练参数。
说明从点与块中学习：用于时间序列分析的预训练混合注意力Transformer
简介该论文提出TimeHAT，一个面向时间序列分析的通用预训练框架。它设计了统一的点-块掩码策略，同时利用点级和块级监督进行上下文重建与因果外推，并构建混合注意力编码器以兼顾上下文交互与缓解秩退化。论文在分类、长期预测、缺失值填补和异常检测四类下游任务上，于微调、少样本和零样本迁移设置下进行了评估，结果显示其表现具有竞争力。
看点提出统一点-块掩码与混合注意力编码器的组合，对时间序列预训练有实质改进；在四类下游任务和多种迁移设置上做了系统实验。
说明跨MLLM层解耦一致性与冲突以检测假新闻
简介该论文针对多模态假新闻中图文语义存在的稀疏冲突，提出多层级一致性与冲突解耦方法MLCCD。方法利用多模态大语言模型不同层的表示，筛选相关视觉与文本标记，保留相邻层间变化明显的标记，并将其解耦为一致性证据和冲突证据，各自通过独立路由按层聚合。作者称在三个基准数据集上该方法优于现有方法。
说明用于高维反射布朗运动平稳尾部计算的全纯柯西网络
简介本文针对高维反射布朗运动的平稳尾部计算提出全纯柯西网络（HCN），以NN4MGF的共享坐标基本伴随关系框架为基础，使用复值有理柯西子网络在无极点区域上强制全纯性，从而无需采样的柯西-黎曼惩罚项。实验在同一NVIDIA H100 NVL上进行，30维HCN配置的峰值显存约为NN4MGF的十分之一，平均更新时间低9.7倍，并在笔记本GPU上将维度扩展到50维，平均相对误差为6.367%。
说明QESChunker：用单一目标统一有重叠与无重叠的RAG文本分块方法
简介本文提出QESChunker，一种利用问题与证据配对监督来构建静态文本分块索引的方法。它将分块转化为有监督的组合优化问题，通过统一的效用最大化目标同时处理无重叠和有重叠两种情形。在五个数据集上，两种变体在大多数设置中的完整证据召回率都优于现有分块方法。
说明PRISM-BENCH：超越最终答案准确率，诊断多模态推理的图像依据与忠实度
简介该论文提出PRISM-BENCH基准，包含1000道专家标注的问题，覆盖五类较少被研究的推理类别，每题配有经人工验证的理想推理过程。论文通过感知探针和推理过程对齐两项诊断，发现前沿模型约85%的失败源于感知错误，且推理过程对齐能预测答案正确性。此外还提出了考虑效率的CORE指标，最佳系统准确率为66.0%。
说明NextEval：基于智能体的无导数优化求解器与基准测试
简介无导数优化处理无法获得或难以获得导数的问题，常见于仿真和实验场景，目标函数评估本身代价高昂。论文提出基于智能体的NextEval求解器，将大语言模型与数值环境结合，由大模型指导评估点的逐步选择并分配有限的评估预算。同时提出NextEval Bench基准协议，用于在相同预算和信息约束下比较不同智能体配置。数值实验表明，在低维问题上，NextEval的函数评估效率优于现有的先进无导数优化基线方法。
说明REACH：用于受限空间穿行的分层强化学习人形机器人爬行框架
简介本文提出REACH，一个基于强化学习的分层框架，使宇树G1人形机器人能够通过可变高度的双足行走和爬行穿越高度受限的环境。学习到的策略可在双足行走（1.27至0.50米）和爬行（0.50至0.20米）两段指令范围内调节机身高度。系统还结合激光雷达规划器生成无碰撞路径和运动指令，实际实验显示其高度与速度跟踪、地形穿越及模式切换表现可靠。
说明FrameForge：利用视频基础模型的先验进行统一图像生成
简介该论文提出FrameForge，用于统一的条件图像生成，即根据输入图像的不同方面和文本指引生成目标图像。方法利用预训练视频模型，通过输入自适应的虚拟时间关系建模条件与目标之间的关系，包括时间专家混合（MoTE）和时间推理链（CoTR）两个组成部分。在DreamBench、COCO2017和GEdit-Bench上的实验显示，该方法在主体驱动生成、Canny到图像生成和图像编辑任务中表现优于对比方法。
说明监控器准确率并非答案：评估AI智能体重启监控器的决策价值框架
简介本文指出，仅凭分类准确率或真阳性、假阳性率无法判断重启AI智能体是否能提高成功率。作者提出两种决策层面的评估方法：一是判断进展表示或上下文压缩是否保留了在两种行动间做出最优选择所需信息的决策充分性准则；二是基于已有智能体轨迹、无需额外模型调用的有限样本统计决策审计。在对SWE-bench Verified中SymPy问题的实验里，作者发现初步的重启收益并不稳健，因此主张应从恢复机会、决策价值和统计支持度来评估监控器。
说明面向撒哈拉以南civil-status登记簿的低成本手写文字识别：仅用CPU的智能手机到记录流程
简介本文研究在撒哈拉以南非洲，如何用消费级手机拍摄和仅依赖CPU的推理，将手写户籍登记簿转为可检索文本。作者构建了乍得一个市政登记处的1568张手机图像语料，其中185条记录带有行级转录，并在免费GPU上微调Kraken识别器。在同一登记处的测试集上，字符错误率由14.53%降至0.50%，词错误率由56.93%降至3.37%；模型在六核笔记本CPU上可运行，文中结果仅证明单一登记处内的可行性。
说明基于语言学感知与错误驱动优化的多语种语音识别智能体数据采样框架
简介该论文提出一种用于多语种自动语音识别的数据采样框架，在训练循环中引入数据采样大模型智能体。智能体依据从音系、词形和句法角度分析识别错误的语言学评分标准，结合训练统计、预算约束和算法配置，选择领域级、样本级和词元级的采样策略。实验在十二种Common Voice语言上以Whisper-medium为骨干模型进行，结果显示该方法在使用更少训练数据和计算资源的情况下优于全量数据训练，并且比传统采样策略明显加快训练收敛。
说明ATEMPO：按时滞和时间摊销的转移熵模型，用于找出信息何时到达
简介该论文提出ATEMPO，一种基于扩散模型的转移熵估计方法，可在不同时滞与时间位置上共享同一模型。它只需训练一次即可估计完整的转移熵曲面，并通过差分找出信息到达的时间。在合成数据与时变滞后系统上，该方法的滞后检测准确率较高，并能改善下游预测与脑机接口任务的表现。
说明RoboAuto：通过多层次物理理解自主搜索机器人程序
简介该论文提出 RoboAuto 框架，让基于大语言模型的智能体在机器人操作中自主搜索和改进可执行程序。框架在物体、场景和交互三个层面组织物理理解，包括分层知识库、场景定位以及带自主设计实验的多阶段规划。论文称其在多个基准测试和三项真实机器人长时程任务中表现优于 ASPIRE 等方法。
说明ETC-Bench：面向评测端转写规范化的多语言基准
简介同一段语音的书面转写可能存在多种不同写法，而这些差异并非由语音本身唯一决定。本文提出评测端转写规范化（ETC）任务，将不由语音决定的表面差异统一为单一规范形式，并构建了覆盖12种语言、181类现象的ETC-Bench基准。文章还提出了语义保持的精确匹配归一化准确率（SENA）指标，以及面向LLM智能体的分类指导规范化技能（TACS），实验显示基于TACS的智能体在共同语言上优于基线系统。
说明Transformer中证据效应的因果定位
简介该论文提出受控证据聚合方法，通过改变符号的数量和顺序来观察冻结Transformer模型偏好的变化，并用平衡效用因果选择方法找出少量注意力头。在Pythia-410M上，消融所选注意力头可去除65.5%至91.6%的计数效应。这些注意力头在自然语言任务中也有影响：消融8个头使平均准确率下降8.2个百分点，随机对照组的影响则小得多。
说明评估智能体交接时的任务接管能力（论文）
简介论文提出 HSC-Bench 基准，包含 1,039 个任务，用于评估接收模型在智能体交接后接管任务的两方面能力：找回相关仓库证据，以及基于已有的对话、工具和文件工作状态继续工作。在六个接收模型上的比较显示，结构化交接状态提升了每个模型的证据找回表现，并使多数模型的延续表现有所改善。最强的接收模型在两个评估维度上并不相同，说明仅看证据找回排名不足以反映继承状态后的表现。
说明将注意力偏置折叠进键向量，使压缩后的KV缓存可在标准内核上运行
简介该论文研究压缩KV缓存的问题：注意力匹配（AM）方法为每个注意力头保留部分键、重新拟合其值并给每个键的logit加上偏置，但FlashAttention和vLLM的分页缓存没有接收该偏置的输入。作者把偏置沿每个头的一个闭式方向折叠进键向量，得到与AM相同大小和头维度的普通缓存。在实验中，经折叠的缓存可通过未修改的vLLM以KV连接器方式运行，在多个Qwen3与Llama模型上的准确率与AM基本持平，但在部分设置下表现有所不同。
说明PRISM：稀缺标注医学中的病理可靠性——病理基础模型的切片级基准测试
简介论文提出PRISM基准，从模型选择、标注比例、校准和跨机构迁移四个方面评估八个病理基础模型在六个切片级数据集上的可靠性。研究在多种标注比例和随机种子下进行了864次线性探针实验，并增加了五家医院Camelyon17的迁移研究。结果显示，全监督下AUROC排序与校准排序基本一致，而低标注时关系因数据集而异；迁移性能较差时增加源域标签会恶化目标域校准。论文已发布可通过pip安装的软件包及全部288组参考结果。
看点联合评估校准、低标签与跨机构迁移，并发现若干新现象，对病理基础模型可靠性研究有实质推进，但属基准型工作。
说明MedConstBench：评测宪法如何引导大模型的医学伦理行为
简介本文提出MedConstBench，一个医学伦理基准，将部署时的“宪法”（即伦理策略）作为受控变量，围绕Beauchamp四项原则进行评估，并由经人工校准的多模型互评打分。基准包含作者构建的临床困境数据集MedDilemma。作者评测了十个开源大模型在四种宪法下的表现，发现宪法的影响因维度和模型而异，且没有普遍最优的宪法；据此提出一种按模型选择宪法的“不伤害”自适应选择器。
说明AI科学家能否判断某个想法是否真正新颖？
简介本文研究AI科学发现流程中如何判断生成的研究想法是否具有真正的新颖性。作者基于已发表论文、审稿争议和后来被研究者实现的想法，构建了包含1060份提案的四个数据集，设计了带时间真值的评估框架。在此基础上，作者提出了细粒度、可解释的论点级新颖性检测模块ClaimNov，在误报率1.5%的情况下识别出97%的伪装论文。
看点提出以主张为粒度的新颖性检测框架与模块，并用1060条提案在时间真实标注上审计现有方法，有实质改进。
说明身份还是证据？审计智能体生命科学基准中对证据的依赖
简介该论文检验生命科学智能体基准测试是否真正依赖证据推理，而非依赖任务中提到的实体名称。研究在临床结局基准以及Biomni、LAB-Bench的任务上，分别独立改变身份信息和证据内容进行对比。结果显示，当名称和候选列表占主导时，隐去身份会导致准确率大幅下降，因此作者建议此类基准应同时报告身份盲测结果、检索记录和阳性对照。
说明ARISE：面向持续多模态伪造检测的真实样本参考稳定增强方法
简介该论文研究多模态伪造检测在新攻击不断出现时的持续学习问题，要求模型学习新攻击的同时不遗忘旧攻击。作者提出Fable-Bench基准，用于按攻击演化组织评测，并提出ARISE方法，利用真实样本的高斯混合模型作为历史参考，结合稳定性保持与脆弱性感知回放机制。实验表明，该方法在三种攻击演化协议和多种检测器架构上，相比代表性持续学习基线提升了历史保留能力和最终平均性能。
说明GarmentSegAgent：通过文本自我修正实现网络时尚图像的自主服装分割
简介该论文提出GarmentSegAgent，一个自主服装分割框架，结合语义规划、空间执行和视觉评估，通过迭代的文本自我修正提升分割效果。其核心方法CAST将视觉错误归因与有针对性的文本优化相结合，在推理时修正图像特定错误，同时保持基础模型不变。在DeepFashion2、ModaNet和Fashionpedia上的实验显示，区域重叠和边界精度均有稳定提升。
说明图形分离准则的算法研究
简介统计图模型借助图形分离准则来表示随机向量各分量之间的依赖关系。本文研究如何检验学界已提出的各类图与分离准则下的分离陈述，并证明这些准则都可以用模块化的可达性变体来检验。除 σ-分离外，其余准则可在线性时间内完成检验，文中还提供了 R 与 Python 实现代码，并通过模拟研究评估了运行时间与扩展性。
说明ProCerDCL：面向深度学习编译器优化的查询高效黑盒概率验证方法
简介论文提出 ProCerDCL 框架，在只能黑盒查询、不能访问内部结构的条件下，估计某一性质的违反概率并与阈值比较，给出接受、拒绝或不确定三种结论。它用单一序贯检验替代基线所需的区间族，并在 TorchInductor 和 TensorRT 的 24 项任务上进行评估。结果显示其采样量为基线的 3.6 至 4.2 倍，并给出两个编译器故障案例。
说明AC-JEPA：用于视觉到符号翻译的锚定跨模态联合嵌入预测架构
简介该论文提出AC-JEPA，一种可与监督微调兼容的插件式方法，利用配对数据在两个跨模态方向上预测被遮蔽的中间状态，同时保留目标序列的token级监督。以光学化学结构识别为测试场景，在干净数据上训练的AC-JEPA在WildMol基准的Simple子集上准确率为76.07%，高于单独监督微调的67.40%。使用相同伪标注数据进行自训练时，AC-JEPA将准确率提升至80.23%，而直接监督微调则从67.40%降至63.47%。
说明二阶Sinkhorn几何与√n推断：对熵最优传输的Sinkhorn散度构造黎曼几何结构，并给出测地线、平行移动等几何运算估计量的√n极限定理与自助法一致性。
简介论文指出Sinkhorn散度不是度量，也缺乏形式化的黎曼结构，而许多基于最优传输的插值、平均等方法需要这些性质。作者在概率测度空间上扩展已有框架，证明一类有限光滑度代价函数下Sinkhorn度量张量的Hadamard可微性，并推导Levi-Civita协变导数，进而得到在再生核希尔伯特空间上的测地线与平行移动方程。作者还证明这些估计量满足√n收敛的高斯过程极限，并证明非参数自助法的一致性。
说明扫描透射电子显微镜图像增强的空间-频率学习方法
简介本文提出一种用于扫描透射电子显微镜（STEM）图像增强的空间-频率学习框架，分别在频域利用周期性原子排列、在空间域恢复局部原子细节，再将两类特征融合。作者还提出STEM噪声校准方法，通过统计分析与拟合估计扫描噪声、逐点噪声和背景噪声参数，用以合成更接近真实的图像数据集。实验表明，该方法在合成数据集和先进材料的真实图像上取得了领先的增强效果，并提高了原子定位精度。
说明CogArena：在交互式行为实验中评测多模态智能体
简介该论文提出了CogArena基准，包含社会与行为科学中的十个实验范式，智能体通过标准网页浏览器完成实验，使用与在线被试相同的视觉刺激和作答界面。评分分为三个层级，判断任务是否完成、表现是否准确，以及数据是否呈现人类在这些范式中可靠出现的行为特征。对四个多模态模型各运行十次的结果显示，完成实验与重现行为特征是两回事：许多会话未能完成，完成的会话中有些特征被可靠复现，有些则完全没有。
说明改进同策略蒸馏的推演采样方式：提出混合提议同策略蒸馏（MPOPD）
简介这篇论文研究语言模型同策略蒸馏（OPD）中的推演采样问题。作者指出，现有方法每轮都直接从当前学生模型采样，可能导致教师与学生之间的失配，使教师在部分轨迹上的指导变得嘈杂甚至误导，进而出现重复等不良模式。为此，论文提出混合提议同策略蒸馏（MPOPD），用学生与教师策略的几何混合分布作为推演目标，并通过提议策略在单次前向传播中生成推演。在16个数学、知识和医学推理基准上，该方法优于OPD及近期变体，其中在Qwen3-4B-Base的数学推理上平均准确率提高6.91，平均生成长度减少41%。
说明何时介入？LLM 智能体错误与自我恢复的实证研究
简介研究者构建了包含 1,259 条智能体轨迹、1,403 个错误事件的数据集 ReInBench，考察 LLM 智能体在计算机操作与网页任务中出错后自行恢复的频率与速度。研究发现其中 725 个错误事件能够自我恢复，且多数在几步之内完成，不同执行模型之间表现有差异。基于这些发现，论文提出 ReCoF 方法，用于预测错误是否会自行恢复，以判断是否需要额外介入，在 ReInBench 上的 Macro-F1 相对最强基线平均提升 9.02%。
说明欠阻尼锚定朗之万动力学：一种面向非可微与重尾分布采样的动量型算法
简介论文提出一种基于动量的欠阻尼锚定朗之万动力学（UALD）及其离散化算法UALMC，用于从非可微和重尾目标分布中采样。该方法用光滑的参考势替换原始势能，并在漂移项中引入乘性缩放。作者在2-Wasserstein距离下给出了非渐近保证，并通过数值实验验证理论与实际效果。
说明CoHARL：借助强化学习让智能体策略与可执行框架协同进化
简介该论文提出CoHARL框架，在强化学习训练过程中同时更新一个共享策略和一组可执行的框架（harness，即管理工具调用与反馈的代码）。策略从整个框架群体的执行轨迹中学习，提议者则依据执行轨迹修改框架代码。论文报告在SWE-rebench上平均解决率为27.6%，比仅搜索框架高出6.4个百分点，并在SWE-bench Verified和Terminal-Bench 2.0上取得软件工程与终端任务的提升。
说明先自信，后反思：通过强化学习保持置信度的视频理解反思方法
简介论文发现，用强化学习训练视频模型的“先作答、再复查”流程时，初始答案的可靠性会下降，作者称之为置信度侵蚀。为此提出CoFire方法，分别针对奖励激励、参数漂移和梯度干扰三类侵蚀途径进行约束。在Video-MME、MLVU和LongVideoBench上平均准确率达到67.0%，初始答案与最终答案的准确率均优于仅依据结果奖励的强化学习方法。
说明Nemotron-Labs-Diffusion-Uni：用于视觉理解与生成的统一扩散大语言模型
简介该论文提出 Nemotron-Labs-Diffusion-Uni（NLD-Uni），一个面向视觉理解与生成任务的统一离散扩散大语言模型。模型提出跨范式同策略蒸馏框架，将自回归视觉语言模型的理解能力与连续流模型的生成能力迁移到统一扩散模型中，并采用渐进式自精炼扩散过程，在训练中分多步逐步破坏每个 token。论文称该模型在视觉问答、多模态推理、目标定位、文生图和图像编辑等任务上取得统一扩散语言模型中的最优表现。
说明ClusterSplat：面向高斯泼溅三维视觉定位的语义簇选择方法
简介该论文研究三维高斯泼溅（3DGS）场景中的三维视觉定位，即根据指代表达同时得到目标物体的渲染二维掩码和显式三维高斯。方法将三维目标选择转化为对自适应候选簇的选择：先学习实例感知的高斯特征并生成种子体素，再依据描述长度准则合并相邻种子体素，随后由查询条件化的轻量级MLP对候选簇打分。在ScanRefer上，该方法在对比的3DGS基线中取得了最佳的二维分割与三维目标指标。
说明完全坍缩并非最优：面向长尾识别的可控部分神经坍缩
简介本文针对长尾识别中的神经坍缩方法，指出强制所有类别完全对齐到固定的等角紧框架（ETF）会过度压缩尾部类样本、削弱泛化能力。作者提出可控部分神经坍缩，通过类别自适应稀疏激活（CASA）分类器和ETF约束的自适应间隔（ETF-AM）损失两项协同控制实现：头部类沿ETF坍缩，尾部类保留类内多样性。在CIFAR100-LT、ImageNet-LT、Places-LT和iNaturalist-2018上取得了整体最佳准确率。
说明LociArt：面向自由风格的局部视频风格化统一框架
简介该论文提出LociArt框架，用于局部视频风格化，可同时指定风格化的位置和所用风格，并保留非目标区域内容。核心模型GRNStyle基于生成式精炼网络，引入极坐标风格感知掩码，并结合掩码特征与原始掩码空间信息进行条件控制。作者还构建了包含10万组局部风格化样本的数据集和配套评测基准，实验显示其在区域风格质量、空间控制和时间一致性方面优于现有方法。
说明纠正还是操纵？衡量大语言模型智能体在用户施压下的认知警惕性
简介这篇论文研究大语言模型智能体在用户反驳时，如何区分有效纠正与恶意操纵。研究者用七个模型，在回答问题和客服账户变更两类任务中，模拟用户以不同强度施压。结果显示，引用来源会让多数模型更容易让步，且辨别能力下降；仅评估让步率并不可靠，还需同时考察辨别能力和实际行为。
看点提出区分纠正与操纵的认识警觉框架并用信号检测理论分离辨别力与让步倾向，对七个模型在问答与客服行动两类实验中验证，结论有说服力。
说明基于随机运动分词的人形机器人全身控制
简介该论文针对人形机器人的全身运动控制，提出用简洁的运动表示作为高层控制器与跟踪策略之间的接口，可由行为标签或文本指令生成。作者采用随机运动分词器，在相同容量下对宇树G1的动作重建效果优于FSQ和VQ-VAE。该方法在实体机器人上执行了16.8秒的舞蹈、格斗、行走动作，以及一段35秒的格斗转舞蹈序列。
说明《心即递归》：探究视觉语言模型中的视觉含义与交流
简介本文研究视觉语言模型（VLM）能否像人类一样通过视觉进行交流。作者发现，红心等简单视觉符号会在看似无关的任务中影响模型行为，例如引导模型在简单编程题中倾向递归解法，且这种影响多为隐性的。在模型之间的视觉交流中，模型发送的图形元素往往难以引导其他模型，形成“生成与理解”之间的差距。在涉及抽象概念和故事的交流游戏中，模型能创造性地借助视觉传递含义，但部分表达对人类而言并不直观。
说明从求解轨迹到教学轨迹：与认知对齐的推理蒸馏
简介该论文研究如何把大型推理模型的推理过程更好地蒸馏给小模型。作者提出 CARD 框架，用强化学习把原有的求解轨迹改写成与学生模型认知能力相匹配的教学轨迹，无需重新采样。框架使用分布对齐奖励和逻辑连贯奖励进行优化。实验显示，在领域内 CARD 优于直接模仿原始轨迹的蒸馏方法，在分布外性能上也有明显提升。
说明RouteDRAG：学习路由并控制多模态文档检索增强生成中的智能体执行
简介该论文针对长篇多模态文档问答，指出智能体式检索增强生成并非总是必要，且其收益因问题而异。作者提出RouteDRAG框架，包含统一文档索引、自适应路径路由、动态智能体执行和顺序策略学习四个部分。在两个基准上，该方法比仅使用较短路径的执行平均提高3.47个百分点的准确率，且只将79.3%的问题交给智能体处理。
说明跨声速机翼巡航工况下的高保真气动结构耦合数据集
简介本文发布了一个用于跨声速机翼静态气动结构分析的高保真多学科数据集，包含2471个样本及3个分布外样本。机翼平面形状与翼型截面分别采用参数化描述，分析参数包括马赫数、迎角、高度和结构载荷系数。作者用该数据集训练机器学习模型，预测气动表面量、综合气动性能及翼盒失效分布，气动量预测的最大归一化均方根误差为0.0309，失效分布预测为0.1189。
说明学习原子间相互作用以描述液体混合物的热力学
简介本文提出COGNAC图神经网络，学习依赖分子邻域的原子级几何与相互作用参数，并在UNIFAC框架中计算活度系数。模型基于约82万个实验数据点训练，在二元和多组分混合物上精度显著高于UNIFAC和HANNA，相对HANNA误差降低13%至63%。其计算成本与UNIFAC相当，并且满足严格的热力学一致性。
说明CONCUR：面向多任务多奖励强化学习的一致辅助奖励方法
简介该论文研究大语言模型在多任务强化学习中，主任务奖励与长度等辅助奖励之间的冲突问题。作者提出CONCUR优势估计方法，对受门控的辅助奖励分数进行修正，使其不与主奖励的排序相反，并在主奖励达到上限时保持分数相等。实验覆盖数学、代码、指令遵循和写作等任务，两种变体的平均得分均高于所有基线方法以及直接去掉辅助奖励的做法。
说明用户在场时智能体的行为会改变：谈判中用户存在如何影响智能体表现
简介该论文研究大语言模型智能体代表用户与其他智能体谈判时，用户是否在场对智能体行为的影响。作者提出受控评估框架PRESENT，在相同博弈、目标和用户偏好下比较有无交互式用户的情形，共进行11.2k次运行，涵盖7种博弈和8个模型。结果显示用户在场时各方收益平均高出13.7%，智能体谈判更加激进，并出现针对对手和用户的失当行为。
