机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明带二元预测的在线区间选择：最优一致性与连续鲁棒性权衡
简介该论文研究在线区间选择问题，每个请求给出其是否属于最终最优解的二元预测，请求按任意顺序到达，已接受的请求可被撤销，但被拒绝或撤销的请求无法恢复。作者给出了在有限严格鲁棒性下的最优一致性为 (3+√5)/2，并提出确定性算法达到该一致性，其精确鲁棒性为 φ^5。论文还给出一个可调替换成本的连续算法族，以及随机化算法在有限期望鲁棒性下使期望一致性趋近于一的结果。
说明TimeLineXR：视觉语言模型中时间结构的交互式探索
简介该论文提出 TimeLineXR，一个交互式演示系统，把视觉语言模型内部编码的时间轴变成可探索的三维场景。用户可以在网页或 WebXR 环境中上传图片，看到图片被放置在按颜色区分的三维时间轴上，并据此比较不同对象的位置及其估计的首次出现年份。
说明协调制度权力与运作能力
简介本文讨论多智能体AI系统的规范设计，主张责任应与履行责任的能力相匹配。作者提出一个以过程建模和制度权力为核心的形式化框架，用于分析相关规范性流程，并探讨修复这类流程的策略。文中还说明了运作过程与制度状态之间的对称关系如何影响规范性地位的生命周期。
说明CodeCap-Bench：代码能否充当好的视频描述？一个用可执行代码描述视频内容的基准测试。
简介论文探索用可执行程序代码描述视频的方式，用图形基元、布局规则和时间函数表示画面。与自然语言描述相比，代码描述在问答和视频重建任务中表现更好。作者还提出包含323个视频的CodeCap-Bench基准，用于评估多模态大模型生成代码描述的能力。实验显示，领先的闭源模型表现较好，但在复杂时间动态上仍有不足，开源模型明显落后。
说明基于正常参照偏离建模的脑电图抑郁症检测
简介该论文利用健康人群的脑电图记录训练结构和分布两类参照模型，用来刻画个体脑电与健康模式的偏离。作者提出两种诊断方法：一种将偏离汇总为标量分数，另一种保留逐维残差并通过注意力机制融合。实验在两个公开脑电数据集上进行，结果显示该方法在多种评估设置下有效。
说明CoS-VQ：面向大语言模型的协同共享缩放向量量化方法
简介这篇论文提出CoS-VQ，一种用于大语言模型权重低比特量化的向量量化方法。它在保持低维码字的同时，联合优化各位置的离散索引及其共享缩放因子，以解决缩放因子与码字组合之间的耦合问题。作者称，在Qwen3.8-27B上，该方法在所评测的语言建模、代码和推理基准上优于QTIP和LLVQ，消融实验显示联合更新带来的提升大于仅优化缩放的提升。
说明WCC：一种决定何时在大规模优化中使用协同进化的学习型框架
简介本文提出WCC框架，用于解决大规模全局优化中何时使用协同进化（CC）的问题。该框架将决策建模为马尔可夫决策过程，通过学习动态决定在协同进化与非分解算法之间切换，并条件化分配计算预算，无需专家设定。作者称其在不同问题、优化时长和基线优化器上具有较强竞争力和泛化能力。
说明ScIntBench：三维场景生成中物理交互的合理性基准
简介本文提出 ScIntBench，一个以交互就绪度为核心的统一基准，在物理模拟中执行推、开、表面探测等指定操作，衡量任务成功率、能力与进展、交互后完整性和动态合理性。作者评估了 10 类房间中的 12 个先进场景生成系统，发现静态语义与物理表现良好并不等同于能够支持交互；即便最佳系统也只有 36.92% 的指定任务成功。
说明面向公里尺度机器学习天气预报模型的尺度感知与空间局部化优化
简介本文提出一种基于双树复小波变换的损失函数，可同时按尺度、位置和方向约束大气场，以在公里尺度机器学习天气预报中保留精细结构。作者在英国上空1.5公里预报与全球约31公里预报的联合配置中进行了评估。结果显示，相比均方误差和基于傅里叶变换的谱目标，该小波损失显著提升了谱保真度，同时保持了与均方误差训练相近的逐点精度，并改善了邻域检验效果。
说明UCVE：面向合规验证的图结构检索方法
简介该论文提出UCVE框架，用于判断文档是否满足预定义合规要求中的每一条义务。它把合规要求组织为合规需求图，通过强化学习学习节点间的边，并用谱重排序完成检索。在三个合规领域的实验中，其匹配K召回率平均比扁平余弦检索高4.3%，并优于多种基线方法。
说明基于分层稀疏图的事件相机多维度目标关联跟踪
简介现有基于事件的跟踪方法多在相邻批次之间做在线关联，时间窗口有限，难以应对长时间遮挡或漏检。本文提出在多个批次间同时关联轨迹片段的多维分配方法，并用模糊逻辑量化轨迹片段间的相关性，构建分层稀疏图（HSG），将关联转化为图划分任务，整个流程无需训练。在 eTram 和 Ev-UAV 两个事件数据集上，该方法优于现有事件方法和多数基于图像的关联模型，在多对多关联场景中性能达到 OC-SORT 的两倍以上。
说明AnalogScout：基于大语言模型智能体、兼顾工艺电压温度角且仿真高效的模拟电路尺寸设计
简介该论文提出AnalogScout框架，用于模拟器件的尺寸设计。该框架需满足所有工艺、电压、温度（PVT）角下的规格要求，并通过复用已验证的优秀设计以及解析式gm/Id局部尺寸设计来减少仿真次数。在SKY130工艺的三个OTA电路上，在1.6万次仿真预算下，相比CMA-ES功耗降低43.3%，并在7.0%的预算内达到CMA-ES的最终功耗水平。
说明ReForest：在孤立森林中融合可解释性与推理
简介该论文提出ReForest框架，将孤立森林（Isolation Forest）的统计异常检测与大语言模型的语义推理相结合。框架把孤立森林的决策路径转化为自然语言解释，并通过基于不确定性的动态集成让模型自适应地权衡统计信号与语义信号。作者在四个真实数据集（医疗、金融）上报告称，该方法在召回率平均提升21%，F1值提升10%。
说明一种带显著图可解释性的轻量注意力卷积网络，用于皮肤癌检测
简介该论文提出一种轻量级注意力卷积神经网络（CNN-Attention），用于皮肤病变的二分类，并引入显著图以可视化影响模型判断的区域。模型采用通道注意力关注皮肤镜图像中的关键区域，参数量约为195万、存储约7.45 MB。在2,637张训练图和660张测试图的公开数据集上，准确率达87%，ROC AUC与PR AUC分别为0.9475和0.9430，与MobileNet最佳基线准确率相当，但参数和存储约为其一半。
说明MvT：基于事件相机的多视角投影多目标跟踪方法
简介事件相机输出异步事件数据，现有处理方法多将其转为伪帧，但目标轨迹重叠或靠近时容易跟丢。本文提出多视角跟踪方法MvT，在保持二维数据格式的同时加入两个时空视角以消除单视角歧义，并在统一的三维坐标系中通过优化模型关联轨迹。该方法无需训练，在四个数据集（含作者自建的小目标数据集SOD）上的评估显示其效果优于现有方法。
说明面向端到端自动驾驶风险预判的结构化表征探测
简介论文提出结构化表征探测器（SRP），这是一个轻量级监控器，从冻结的驾驶策略中读取行为体、自车和地图表征，并为每个来源学习线性风险方向。它通过事件窗口监督与即将发生的严重失败相关联，并在Bench2Drive上对DriveTransformer、UniAD和VAD进行了实验。在DriveTransformer、2秒预测范围下，ROC-AUC为0.833，高于时序一致性基线的0.715，读出运行时开销为2.67%。
说明TRUCO：一种可扩展的无锁并行轮廓提取算法
简介本文提出TRUCO（Threaded Raster Unrestricted Contour Ownership），一种用于将二值掩码转换为几何轮廓的无锁并行算法。该方法引入起点所有权规则和推测式追踪模型，使每条轮廓恰好被处理一次。论文称，在消费级和服务器级CPU上的合成与真实数据实验中，其速度显著超过现有基线，相比行业标准方法可达一个数量级以上的加速，并在高分辨率场景中保持良好的可扩展性。
说明多标签一致性（MLA）：评估标注者间可靠性的灵活框架
简介本文提出多标签一致性框架（MLA），用于评估多标签标注任务中标注者之间的一致性。该方法保留每个条目完整的二元标签向量，并采用平均两两汉明一致性，同时考虑共同选择与共同未选择的情况。文中通过实例与蒙特卡洛模拟，展示了结果如何受标签流行度、标签清单及期望一致性模型的影响，并提供了 Python 实现。
说明用于零样本视频修复的噪声初始化方法，借助图像扩散先验
简介本文提出一种零样本视频修复方法，利用预训练的图像扩散模型，无需训练视频扩散模型。作者通过对受损视频帧进行DDIM反演直接生成初始噪声，以保留帧间时间相关性，并引入自适应噪声混合策略和测量引导的轨迹注意力以增强时间一致性。论文称该方法在DAVIS、REDS4和Set8数据集的多个视频修复任务上优于现有零样本方法。
说明昂贵模拟器的贝叶斯推断：设计选择综述与比较
简介本文综述了使用模拟器前向模型进行贝叶斯推断的方法，重点关注计算代价极高的模拟器场景。作者将现有基于贝叶斯优化的方法统一到一个通用框架中，并对各设计选择对所需模拟预算的影响做了系统的实证比较。研究发现，代理模型的响应变量对推断效率影响最大；作者提出“代理变量”概念，并提供了一个 Julia 软件包。
说明RPSD：基于最优传输、检索特权信息的策略内自蒸馏推荐方法
简介该论文针对基于大语言模型的序列推荐，指出现有强化学习方法存在奖励无法区分各token贡献、仅依赖单个用户信号的问题。作者提出RPSD，用策略内自蒸馏让带特权信息的教师为学生的每个token分配细粒度信用，并借助时序感知的最优传输从相似用户中检索多样化的协同行为证据。论文称该方法在多个真实数据集上达到了最优性能。
说明用有向无环图建模偏好依赖，实现叙述驱动推荐
简介这篇论文提出偏好依赖图框架（PDG-F），用于处理用户以自由文本描述、偏好之间相互限定的推荐请求。系统先将请求解析为有向无环的偏好依赖图，再沿图路径从开放网络检索候选证据，并通过拓扑路径排序得出推荐结果。实验涵盖三个领域及中英文场景，结果显示该框架优于基线方法、开放域检索代理和前沿语言模型。
说明在基于大语言模型的智能体脚手架演化中，评估预算应该投向哪里？
简介本文研究基于大语言模型的智能体脚手架演化中评估预算的分配问题。实验显示，稀疏反馈即可支持有效的演化，额外的针对性评估则有助于最终方案的选择。作者据此提出 \method 框架，结合搜索阶段的稀疏反馈与最终的针对性确认，在四个基准和两种演化框架上，以约一半的评估量达到多数情况下高于全量评估的平均性能。
说明小维度聚类的低次多项式下界
简介该论文研究在维度 d 远小于组数 K 时，从 R^d 中各向同性混合分布抽取的 n 个观测进行聚类的计算极限。作者构造了由对偶 BCH 码生成中心的伯努利乘积混合分布，并证明在分离度满足一定条件时，低次多项式需要约 K^2 d^{3/2} 量级的样本量，同时该困难性可通过高斯化论证推广到各向同性高斯混合。
看点用BCH码构造混合分布，将低次多项式下界从n≳dK²改进到n≳K²d^{3/2}，并以二部图多项式族证明，理论贡献突出。
说明GradCO：面向文本描述行人异常搜索的行为感知梯度冲突卸载方法
简介本文提出一种用于文本行人异常搜索（TPAS）的方法GradCO，该任务依据外观以及正常或异常行为的自然语言描述检索目标行人。方法包含行为感知专家混合模块（B-MoE）、冲突卸载学习（COL）和分层意图对齐（HIA）三个组件，分别处理外观与行为流、相似度计算中的梯度冲突以及专家相似度与特征的聚合。作者称在五个TPAS/TIPR基准上，GradCO显著超过现有最优方法。
说明REGLAT在ArGuard共享任务中的应用：一种集成命名实体识别的阿拉伯语有害内容检测集成模型
简介本文提出一种两阶段方法，将阿拉伯语用户提示划分为七类有害内容。先用GLiNER抽取其中与危害相关的实体，再将实体拼接到原文中，交由微调后的MARBERT分类器完成最终分类。在ArGuard 2026共享任务开发集上宏平均F1为0.886，准确率为0.897；盲测集子任务1的准确率为0.793、宏F1为0.735，子任务2的准确率为0.770、宏F1为0.754。研究也指出，区分相近类别仍具有挑战性。
说明GameVerse：用于长时程交互式世界建模的分钟级游戏视频数据集
简介该论文提出GameVerse，一个专为长时程交互式世界模型构建的分钟级游戏视频数据集。数据集包含69.7K个片段，共1,655小时、3.496亿帧，其中含1,358小时的连续两分钟序列。每个片段配有跨越数分钟时间稳定的相机轨迹，以及按事件边界而非固定时间窗口对齐的标注。论文称，在该数据集上训练可明显延长交互式世界模型的时间跨度。
说明你的策略其实是一套“线束”：智能体接口的决策几何
简介论文研究语言模型智能体的训练与部署方式：提示、工具和控制逻辑构成的“线束”决定任务如何呈现给模型。作者证明，训练后的最优策略会携带其线束的偏好，部署回报等于线束的上限减去策略自身决策失误的偏差。实验显示，在MiniWoB++中调换观测字段顺序，训练后模型的成功率从85.0%降至19.2%。
看点提出在KL正则化控制下策略对数几率编码harness偏好的理论框架，并在MiniWoB++与Terminal-Bench上验证，新颖性较高。
说明面向非洲语言的大模型安全对齐：豪萨语案例研究
简介该论文研究大语言模型在豪萨语等低资源语言上的安全对齐效果。作者构建了豪萨语安全偏好数据集HausaSafeLM，包含3000条人工校正与7000条机器翻译的样本，并比较了监督微调与直接偏好优化两种方法。结果显示，仅看拒答率会高估未经调优模型的安全性，且各配置难以同时兼顾安全、有用性与流畅度。
说明TCM-DiagCommit：基于中医证候数据集的证据条件化证候选择与决策基准
简介该论文构建了一个名为 TCM-DiagCommit 的基准，基于公开的 TCM-SD/ZY-BERT 资源，将 1,834 个病例转化为 23,842 个任务条目，涵盖 148 个证候标签。基准设置了随机、相近和全词表候选层级，并分阶段提供证据，还包括舌脉扰动和证据不足变体。论文指出，仅看最终答案准确率不足以评价诊断能力，应分别衡量答案选择、证据利用和决策承诺。
说明基于业务流程为LLM智能体提供依据：面向可靠多步服务调用的流程感知知识图谱
简介论文提出在类型化属性图中整合OData元数据与BPMN参考流程，并用混合检索器沿流程边找出后续接口。在42个企业服务上，对与下游实体词汇重叠较低的查询，Recall@3有所提升。在81个多步查询上，智能体完成率为38.7%，基线为10.3%。
说明GraphRAGProv：将GraphRAG与how-provenance（如何溯源）相结合
简介该论文提出GraphRAGProv架构，在基于源文本的RDF知识图谱上执行SPARQL查询，同时计算答案及其how-provenance多项式。多项式记录用到了哪些陈述出现（statement occurrence）以及它们如何组合。每个陈述都链接到其源文本，便于用户核对抽取的陈述是否忠实于原文，以及查询是否正确组合它们来回答问题。交互式演示检视了两个多跳问答基准中的400个案例，发现即使最终答案正确，抽取和查询环节仍存在错误。
说明HDVS：基于异构双分支投票监督的半监督语义分割
简介该论文提出一种名为异构双分支投票监督（HDVS）的半监督语义分割框架，利用大量未标注图像、减少人工标注。方法在交叉监督框架上引入投票机制，融合异构分支的伪标签以提高可靠性，并通过特征通信模块在特征层引入扰动以增加双分支预测的多样性。作者在PASCAL VOC 2012和Cityscapes两个基准数据集上进行了评估，称其优于现有先进方法。
说明决策模型作为幻觉检测的裁判
说明面向结构化结果的双重稳健深度核检验：判断两种干预是否带来相同的结果分布，适用于图像、文本和图等高维结构化数据。
简介该论文提出一种检验方法DR-KTE-Deep，用于判断两种干预是否使高维结构化结果（如图像、文本和图）的分布相同。方法将干预分布表示为学习到的深度特征上的均值嵌入，并以双重稳健形式表示处理效应，同时优化特征以最大化估计的检验功效。实验显示，该方法在图像、文本和图结果上的功效高于固定核和带宽优化核基线，且第一类错误率保持良好校准。
说明子空间Clifford网络：用分组子空间交互替代全局循环移位的神经网络设计
简介本文提出子空间Clifford网络，将原先在整个通道空间上采样稀疏循环对角线的做法，改为对低维分组子空间进行交互计算。特征被投影到由若干个2至4维分组组成的空间中，组内计算楔积坐标并与按坐标相乘的结果拼接，并通过可学习的1×1线性投影实现跨组通道混合。在CIFAR-100上的实验显示，该模型显著减少了参数量与训练时间，分层变体的分类准确率也高于所评估的基于移位的分层基线。
说明锐度感知的 Muon：基于动量引导扰动的矩阵感知优化
简介Muon 是一种结合动量与正交化的矩阵感知优化器，但它不直接控制邻域最坏情况损失。本文提出锐度感知版本：先提出 MuSAM，将 SAM 式扰动融入正交化更新；再提出 MoMuSAM，把归一化动量作为扰动方向，省去额外梯度计算并使扰动更稳定。论文证明两者具有相同的一阶平稳性收敛阶，并在标准基准上显示锐度感知持续改善 Muon。
说明Spine：把子任务树编译为结构化上下文，用于长周期编程智能体
简介该论文提出 Spine，一种接口与运行时系统，让编程智能体显式声明子任务边界，并将子任务组织成持久化的子任务树。每次模型调用前，系统把未完成子任务的交互保留在上下文中，已完成子任务则用其结果替代细节。作者将其集成到 Codex 和 Pi 中，报告在 SWE-Milestone、ProgramBench 等基准上相对原生版本的分数与成本改进。
说明视觉-语言-动作模型还是世界-动作模型？纯动作模型（JAM）
简介这篇论文讨论机器人控制策略应继承视觉-语言模型还是视觉生成模型的预训练知识。作者把主干初始化、未来观测的训练目标和推理时是否保留相关结构三个选择分开，提出纯动作模型（JAM）：预训练视觉主干加动作专家，同时使用动作损失和预见损失。预见损失只在训练时使用，推理时不生成画面。在LIBERO、LIBERO-Plus和RoboTwin等基准上，JAM的成功率优于对应的FastWAM和ImageWAM，并在缓存预见目标时，每样本每次更新的估计训练计算量比FastWAM减少73%。
说明TopoField：ECCV 2026 SceneFun3D 挑战赛技术报告
简介本文针对室内点云中功能性部件（如旋钮、按钮、插座）的实例分割问题，提出 TopoField 解码器，基于 VOLT 构建。方法将测试时的 13 次前向推理融合为语义共识场，再从中解码实例候选并按类别感知方式排序。在 30 个验证场景的 561 个真值实例上，TopoField 取得 28.286% AP、41.383% AP50、47.558% AP25，并在 ECCV 2026 SceneFun3D 挑战赛中获第二名。
说明Zhengrong-Spatial-Aware 1.0：推进三维多模态智能
简介本报告介绍了两条面向三维空间感知视觉问答的端到端多模态适配流程，并在自建空间数据集上进行了验证。一条流程微调HiSpatial-3B，为RGB图像加入公制尺度的三维点图；另一条通过基于QLoRA的监督微调适配Qwen3-VL。在目标空间基准上，HiSpatial微调后总体准确率由1.73%提升至79.89%（3600步）；Qwen3-VL-8B由20.74%提升至45.27%，Qwen3-VL-32B由30.79%提升至47.60%。
说明检索以行动：面向稳健视觉-语言-动作执行的运动基元图检索方法
简介该论文提出R2A框架，将视觉-语言-动作策略在分布外视觉变化下的鲁棒性问题转化为几何运动基元检索问题。方法把成功的训练示范组织成离线时空运动基元图，推理时用图神经网络定位机器人当前执行位置，检索结构兼容的未来运动基元，并通过学习到的门控机制与冻结策略的预测动作融合。作者在三种视觉-语言-动作架构上进行了实验，报告在仿真和真实机器人上成功率均有提升。
说明基于常规临床MRI的回顾性大分子池比例成像：一种物理引导的自监督深度学习框架
简介该论文提出一种物理引导的自监督深度学习方法，可直接从常规临床脑部MRI（T1加权、T2加权和FLAIR）回顾性估计大分子池比例（MPF），无需配对的定量参考扫描。模型结合了双池磁化转移信号模型，并通过自适应实例归一化适应不同临床协议。在7705次3T扫描的数据上，白质与灰质的平均MPF分别为0.182和0.144，且在不同厂商和协议组间差异较小；脱髓鞘病变的MPF比正常表现白质低35.6%。
说明揭示视频强化学习中的捷径放大现象：从感知不确定性坍缩视角分析
简介该论文研究用于大型多模态模型视频推理的可验证奖励强化学习（RLVR）。作者发现，结果级优化会使模型越来越偏向文本先验的答案，即使视觉证据并不支持。为此提出双焦点自蒸馏策略优化（BSPO）方法，通过推理敏感词元识别和捷径感知视觉扰动来调节策略更新，实验表明其能提升视频推理表现并增强视觉忠实性。
说明SimplexLoRA：基于单纯形投影交替最小化的动态秩更新方法
简介本文提出SimplexLoRA，一种改进的LoRA参数高效微调方法，可在微调过程中根据适配器学到的重要性动态调整各适配器的秩。它在短暂预热阶段于n缩放单纯形上优化各适配器的重要性权重，随后冻结这些权重，从而在不增加总参数量和推理成本的前提下分配容量。作者在12个语言理解、摘要和推理任务上，使用DeBERTaV3、BART-large、Llama 3.1 8B和Qwen3-8B进行评估，结果显示其表现持平或优于标准LoRA及近期的自适应基线方法，低秩时提升最明显。
说明3D-SceneQ：用查询引导的自适应剪枝和多模态特征增强改进3D大语言模型
简介本文提出3D-SceneQ，一种面向三维场景理解的3D大语言模型。它通过查询引导的自适应剪枝模块筛选与用户指令相关的物体，减少无关信息的干扰；并通过多模态物体级特征增强模块，将预训练2D模型的特征融入3D表示，丰富语义信息。论文报告该方法在多个基准上优于现有方法，例如在Scan2Cap上CIDEr提升5.7，在SQA3D上EM@1提升17.0。
说明通用技能优化器真的能提升智能体任务表现吗？基于二分归因的技能优化再思考
简介论文提出BiPA方法，用于评估智能体技能优化器的效果。研究发现，优化后的技能在测试集上的成功率与原始技能基本相同，开发集上的提升在测试中消失，同时输入token约增加16%。作者由此提出了四条原则，包括只接受超过选择偏差的改进，并按增加的交互轮次计费。
看点提出用二分图归因和选择基线检验技能优化器，发现开发集增益消失且额外输入token增加约16%，并给出四条原则，证据较充分。
说明最优 N 选一法能为世界动作模型带来多少提升？衡量可选空间并在闭环中实现
简介该论文研究世界动作模型在测试时从多个候选动作中挑选最优者的潜力。作者提出一套去噪反事实评估方法，用于测量选择器真正能实现的提升空间，并据此构建了失败门控选择器。在四个模型、两个基准上的实验显示，该选择器在训练任务的留出片段上将闭环成功率从76.9%提高到81.6%，在未见任务上从62.6%提高到69.8%。
说明基于延续共享的动作价值校准：面向长时程智能体强化学习
简介该论文针对长时程智能体强化学习中动作信用分配困难的问题，提出ConCal（延续校准）方法。它利用同一批次轨迹中已有的延续证据，对同一任务中具有相同状态-动作-状态转移的访问进行匹配，并将校准后的价值向后传播以修正早期动作价值估计，无需额外采样。论文报告，在Qwen2.5-1.5B-Instruct上，ConCal在ALFWorld和WebShop上的成功率分别比GiGPO高3.39和5.86个百分点。
说明VGIQA：基于视觉定位奖励的细粒度图像质量评估
简介该论文提出VGIQA模型，用于图像质量评估，既能给出整张图的整体质量判断，也能指出图像局部区域的质量问题。模型先经过冷启动训练，再用强化学习优化，并依靠为局部质量评估设计的奖励函数进行训练。作者还构建了用于局部质量评估的数据集VGSR-2K，在其上的表现优于Qwen2.5-VL-72B-Instruct和Qwen3-VL-32B-Instruct等开源多模态大模型。
说明INTR++：更准确、更可解释、更具适应性的可解释Transformer
简介该论文提出INTR++，在Prompt-CAM基础上加入轻量的提示适配模块（PAM），使提示能融入领域特定知识。作者称，这样可在医学、显微和遥感等图像特征差异较大的领域中保持一致的可解释性，并且相比Prompt-CAM只增加少量参数。论文报告INTR++在动物、植物、医学、显微、遥感及以物体为中心的数据上均有提升。
说明MLE-World：用学习得到的世界模型预测机器学习实验结果
简介AI研究代理需要运行每个候选程序来训练和评估模型，限制了每步可探索的候选数量。本文提出MLE-World，由Qwen3.5-4B微调而来，可在不执行代码的情况下，根据代码和数据描述预测程序的终端输出（错误信息、训练日志和验证分数），并给出预测置信度。基于该模型，作者设计了五种测试时扩展策略，并只对置信度低的候选实际运行。在17个MLE-bench Lite任务上，MLE-World对留出程序的预测与真实输出吻合率为77.9%，高于更大的提示模型的41.1%。
说明基于Rényi正则化的流变分推断用于贝叶斯校准
简介该论文研究用归一化流做变分推断进行贝叶斯模型校准时，后验存在多个被低概率区域隔开的模态时容易出现模式坍缩的问题。作者在双参数孪生实验中加入基于Rényi散度的正则项，鼓励近似后验覆盖先验支撑区域，使近坍缩比例从50%降至25%。作者指出该方法会改变贝叶斯变分目标，带来近似精度上的权衡，且并非模式坍缩的通用解决方案。
说明LiveSearch：以可执行验证代码构建的金融搜索智能体实时基准
简介本文提出LiveSearch，一个实时金融搜索基准。每个问题以可执行验证代码保存，通过调用专业金融数据服务获取标准答案，并由每日任务自动重新执行，使答案随市场数据更新。测试显示，六个支持工具调用的模型在通用网络搜索下准确率为70.9%至76.7%，且连续三天内70%的题目标准答案发生变化。
说明矛盾情境下的覆盖率：面向否定感知检索的基准测试
简介本文提出一个用于检索覆盖率评估的基准，研究检索器在语料内容与其参数化知识相矛盾时的表现。作者基于CoverageBench构建了CoverageBench-Negate，为每个信息点生成否定版本并修改其支持文档，形成约63,000对原始与编辑后的证据。基线实验显示，BM25区分原始与编辑证据的能力明显优于Qwen3和Jina等稠密检索器，后者接近随机水平。
说明WorkFactory：将职业意图转化为可执行任务以扩展智能体训练
简介该论文提出WorkFactory框架，通过信息层面规划构建信息支持图，并结合探测执行与修复，生成可执行的职业任务。研究构建了112,686个任务，覆盖612种职业，并用教师轨迹微调Qwen模型，得到WorkPilot系列模型，在多项职业工作基准上均有提升。
看点提出基于信息支持图的专业任务构建与探测修复框架，有实质改进；在多个基准上对多规模模型有对比与消融，证据较充分，对代理训练有一定影响。
说明物理引导的流匹配：用于全球总电子含量预报的生成式人工智能框架
简介本文提出一种物理引导的生成式人工智能框架，用于全球总电子含量（TEC）的次日预报。模型以流匹配为基础，将电离层动力学方程融入样本转换过程，并与从数据中学习到的统计规律结合，并依据位置自适应调整两者的相对权重。研究使用热层电离层电动力学环流模式生成的一年全球TEC数据进行训练和评估，结果显示该模型在各预报时效和各纬度上的时空预报精度均优于代表性基准方法。
说明蒸馏后哪些机制得以保留？对 GPT-2 与 DistilGPT-2 的机制可解释性研究
简介本文比较了 GPT-2 与其六层压缩版 DistilGPT-2 的内部机制，使用线性 CKA、logit lens、注意力分解、稀疏自编码器和激活修补等方法，分析间接宾语识别（IOI）与大于比较（GT）两类电路。结果显示，IOI 电路在蒸馏后几乎完全失效，而 GT 电路通过将教师模型第 9 层的比较注意力头重映射到学生模型第 4 层而基本保留，表明电路的可压缩性决定了其在蒸馏后能否存活。
说明FastBEVFusion：以每秒50帧运行的简单多模态三维目标检测融合方法
简介该论文提出FastBEVFusion，一种用于三维目标检测的简单、快速且稳健的激光雷达与相机融合系统。它将各模态特征投影到半对齐的鸟瞰图（BEV）空间，无需依赖计算量大、可能出错的深度估计，并通过基于交叉注意力的轻量动态融合模块整合特征。论文称，在nuScenes数据集上，该系统优于现有实时方法，在不使用部署库的情况下可达每秒50帧以上，且对标定误差表现出较强的鲁棒性。
说明GCSR-OCC：面向开放词汇占据预测的几何校准与语义路由方法
简介该论文提出GCSR-OCC方法，用于仅凭单张室内RGB图像进行三维占据预测。方法通过几何校准算子抑制三维高斯尺度膨胀和过度重叠，并利用多模式查询语义路由缓解语义混合问题。在Occ-ScanNet上，该方法在无需三维语义标注的情况下取得了63.31%的几何IoU和27.44%的语义mIoU，并将几何聚合延迟从19.76毫秒降至12.88毫秒。
说明扩散模型引导的变分最优控制
简介本文提出一个变分控制框架，把采样时引导与基于奖励的模型适应统一到共享的雅可比回拉之下。提出的变分最优引导（VOG）在状态空间中通过去噪雅可比作用，蒸馏变分最优控制（DVOC）则把局部改进后的终点摊销到模型参数中。文中报告在ImageNet上VOG将DiT-XL/2的FID分别从250步的2.27降至2.04、25步的7.58降至4.44。
说明超越参数保护：用于无回放持续学习的Fisher形状EWC方法
简介该论文提出Fisher形状EWC（FS-EWC），将Fisher信息矩阵的作用从保护参数扩展到帮助形成利于未来保留的解。训练时在邻域内最小化最坏情况的经验Fisher迹，任务结束后基于优化轨迹进行模型合并，再估计Fisher用于后续巩固。实验显示其性能优于EWC，并在稳定性与可塑性平衡和抗参数漂移方面表现更好。
说明面向Hopfield网络持续学习的平衡传播生成式回放方法
简介该论文针对用平衡传播训练的Hopfield网络在持续学习中的灾难性遗忘问题，提出能量生成式回放方法（EB-Gen），由同一网络生成伪样本进行回放，无需外部数据缓冲区。在Split MNIST和Split CIFAR10的类增量设置中，该方法的平均准确率分别为75%和64%，文中称其在保持可塑性的同时提升了稳定性。
说明MixSIS：混合监督的实例分割
简介本文提出混合监督实例分割任务（MixSIS），允许同一数据集中混合使用图像、点、框和掩码四种标注级别。作者同时提出基线方法AnnsMixer，可从各级标注生成伪掩码标注，并支持在同一图像内混合使用不同标注。论文称该方法在弱监督和混合监督任务上均大幅优于现有方法，并在三个案例中展示了减少标注时间或提升结果的效果。
看点提出混合标注级别的实例分割新任务与基线方法，并在WSIS和MixSIS上大幅超越现有方法，有三个案例研究佐证。
说明主要Lund平面遗漏了什么：喷注标记器表示缺口的模型拼接诊断
简介本文用模型拼接方法比较基于Lund平面的喷注标记器与Particle Transformer（ParT），判断性能差距来自表示本身还是下游计算。研究发现，仅用主要去聚类分支的表示在背景拒斥率上明显低于ParT，缺口属于表示层面。将表示改为完整的Cambridge/Aachen去聚类树后，缺口缩小约72%。
说明基于物理引导扩散模型的曝光插值用于高动态范围成像
简介该论文针对单次拍摄两张大曝光比标准动态范围图像融合时产生的亮度顺序反转伪影，提出一种基于物理引导扩散模型的曝光插值算法。算法先用物理驱动模块插值得到初始图像，再由新的扩散模型模块生成残余高频细节。实验验证了该方法的有效性。
说明基于解剖引导伪配对与对抗扩散的脊柱MRI转CT图像合成
简介该论文提出一个三阶段框架，用于将脊柱MRI图像合成为类似CT的图像，以辅助术前规划并避免额外辐射。方法包括：利用椎体分割匹配未配对的MRI与CT切片并进行刚性配准以生成伪配对数据；用对抗扩散模型完成图像转换；再通过三维精修网络提升切片间连续性。在83个MRI体数据上的评估显示，相较单独扩散模型，三维椎体Dice系数由0.666提高到0.739。
说明MCP-Net：用于机器人导丝导航的实时冠脉感知网络与拓扑分析
简介该论文提出一个以多任务冠脉感知网络MCP-Net为核心的仿真驱动框架，用于机器人导丝导航。模型从单帧二维透视图像中同时完成冠脉血管分割、导丝尖端定位和狭窄病变定位。预测结果随后被转换为包含中心线、分叉点、端点、分支方向和分支角度的结构化血管图，并据此生成从图的根节点指向目标病变的路线图。
说明Transformer语言模型权重剪枝的机制性失效模式
简介该论文以GPT-2为对象，系统比较了不同重要性准则、组件类型和稀疏度下的权重剪枝效果，以间接宾语识别（IOI）电路为基准，用激活修补等因果方法检测电路完整性。研究发现两种性质不同的失效模式：幅度剪枝注意力头会使电路失效，模型接近随机水平；幅度剪枝30%神经元则保留电路结构，但名字搬运器的贡献符号翻转，模型系统性地偏向错误名字，准确率仅17.7%，而困惑度却显示损伤较小。作者据此认为，仅靠输出指标或结构检查可能漏掉机制性损伤，应补充电路级因果分析。
说明SFE-O：超临界CO2生物质萃取与分馏的知识本体
简介该论文提出SFE-O，一个基于OWL 2的模块化本体，用于描述超临界CO2生物质萃取过程。它将生物质、工艺与产物三个维度相互关联，并显式表示工艺拓扑、参数来源、传质现象以及恒定萃取速率与下降萃取速率机制。作者通过一个中试规模萃取批次的实例、推理机一致性检查和一个竞争性问题SPARQL查询对其进行了验证。
说明Prospector：学习用于科学推理的紧凑图遍历策略
简介论文提出一个紧凑模型 Prospector，用于在领域知识图谱上逐步遍历并推理。它通过依次调用少量工具逐步构建上下文，并给出可逐条边对照图谱检索结果核查的证据链。该模型仅在半导体制造文献构建的图谱上训练，便迁移到其他三个领域的未见图谱上。
说明用于黄瓜物候期分类的视觉基础模型多分支集成分类头
简介本文提出一种正则化的多分支集成分类头，在视觉基础模型（如 DINOv2）上使用，训练时随机采样一个分支，推理时对两个分支的概率取平均。在五阶段黄瓜生长图像数据集（NALEF Food Safety）上，基于 DINOv2 ViT-S 的该方法取得 Macro F1 0.978、Cohen's Kappa 0.971，计算量为 12.2 GFlops、参数 22.3M，文中认为可部署于智能手机和边缘设备。
说明自正则化流语言模型：利用去噪轨迹自身改进连续扩散语言模型的训练
简介论文提出SERF框架，通过含噪到干净的自蒸馏，让指数移动平均教师模型接收同一插值路径上更干净的输入并提供额外监督，从而利用去噪轨迹改进连续扩散语言模型。作者提出SERF-L和SERF-P两种变体，在三种连续语言模型范式上进行了实验。结果显示，该方法在训练效率、生成质量和少步生成方面均有明显提升。
说明首步偏置恢复扩散模型蒸馏中丢失的多样性
简介该论文研究扩散模型蒸馏后生成图像多样性下降的问题，发现多样性损失主要发生在第一个高噪声去噪步。作者提出ReSeed方法，仅在学生模型的第一步加入种子响应偏置适配器，使其速度对齐教师模型的对应速度，其余权重和步骤保持不变。在多个文生图和文生视频模型上的实验显示，该方法以极少的额外参数恢复了大部分多样性，同时保持较好的视觉质量。
说明利用人工整理词表在低资源语言中生成文本
简介该论文研究如何利用人工整理的词表和少量人工撰写的范例，借助大语言模型为极低资源及未见语言生成文本。方法按齐普夫分布采样候选词，并以范例提供句法信号。实验评估了词汇多样性、非目标语言比例和人工流利度判断，结果显示具备推理能力的大模型在句子层面表现较好，段落层面也有一定效果。
说明面向实时浦肯野细胞放电分类的硬件匹配脉冲神经网络
简介该论文针对浦肯野细胞的简单放电与复杂放电进行区分，以支持无线头级在本地压缩数据。作者设计了两种紧凑的脉冲神经网络：ConvSNN面向EFM32PG28微控制器的矩阵向量处理器，StreamSNN面向SKY130定制电路。在未参与训练的细胞上，ConvSNN的复杂放电F1为0.873，StreamSNN为0.837，两者均采用八位权重。
说明SplatScout：高斯场景中面向部件级的查询驱动指代分割
简介现有的高斯场景指代分割方法主要针对整个物体，依赖分割器生成的候选，再由视觉语言模型选择。SplatScout 是一种查询驱动的闭环方法，由视觉语言模型主动选择视角、指挥分割，并检查渲染出的三维结果以迭代修正预测。作者还构建了包含 261 条人工核验查询、覆盖 12 个 ScanNet++ 场景的 PartRef-ScanNet++ 部件级基准，SplatScout 在其上达到 0.538 mIoU，并在另外四个现有指代基准上取得更高分数。
说明TriDifNet：面向RGB-T感知的统一三任务扩散网络
简介该论文提出TriDifNet，一种用于端到端红外与可见光（RGB-T）感知的统一扩散网络，可同时完成图像配准、融合与行人检测。三个模块分别为配准、融合和检测扩散模块，并通过闭环优化使三者相互促进。在KAIST多光谱行人基准上，该方法在未对齐的RGB-T设置下取得了优于强基线的检测性能。
说明学习超越屏幕观察：借助GUI定位实现可迁移的视觉观察
简介本文提出LBS（Look Beyond Screens）模型，先用教师生成的GUI定位轨迹进行监督初始化，再通过强化学习学习多轮裁剪与细看的决策。在Qwen3.5-35B-A3B和Qwen3.8-27B两个基座上，LBS在固定推理设置下均优于对应基线。除监督微调外，收益还迁移到PerceptionBench，并且在Qwen3.5-35B-A3B上迁移到HR-Bench和ChartQAPro。作者认为监督微调用于建立视觉检查基本能力，强化学习则提升其下游效果。
说明论文说明：直接偏好优化（DPO）为何参数更新稀疏
简介本文从理论上解释了直接偏好优化（DPO）为何会产生稀疏的参数更新。作者在神经正切核线性化下分析DPO的优化动态，指出其损失函数的逻辑斯蒂结构带来隐式最大间隔偏置，并提出“双重稀疏性”概念。实验在GPT-2及若干7至9B指令微调模型上验证了两种稀疏来源，并显示相比监督微调，DPO在GPT-2上可将跨任务干扰降低多达35倍。
说明OpenGray：评估放疗计划智能体决策的基准
简介本研究提出OpenGray基准，用于评估基于大语言模型的放疗计划智能体的决策是否正确，即何时提交计划、何时请求人工复核。基准在OpenKBP-Opt头颈数据集上增加了正确答案已知的任务，包括两个剂量目标被证明互不兼容的矛盾任务和一个存有满足全部硬性目标计划的可行对照任务。研究发现，综合评分较好的系统在部分矛盾任务上仍存在明显的决策失误，并认为计划智能体应以决策质量作为评价标准之一，且需要明确的停止与请求复核动作。
说明面向神经退行性疾病表征学习的系统性脑形态学自编码方法（SYMBA）
简介本文提出SYMBA，一种专为结构性脑部T1加权MRI设计的自监督预训练框架，结合解剖约束掩码、多尺度结构相似性重建目标和由局部到全局的渐进式课程。模型在6953份来自九个异质队列的MRI扫描上预训练，并在两个未见过的独立数据集上以冻结线性探针评估。结果显示，其在阿尔茨海默病分类上AUROC达0.930，轻度认知障碍转化预测达0.772，且仅用六名标注受试者即可在AD/CN分类中达到约0.90的AUROC。
说明将正确性筛选视为思维链忠实性评估中的选择偏差
简介该论文指出，只在答案正确的样本上评估思维链忠实性，会改变被测总体。作者用七变量结构因果模型推导了观测差距的精确公式，并回顾了18篇论文的评估协议。在算术任务的四种部署中，所有情形都出现了正向选择差距；主要实验中差距为7.4个百分点。论文还指出，当每个样本的反事实合规性可观测时，可直接评估全部轨迹，无需按正确性筛选。
说明参数高效微调的分层低秩重参数化方法
简介该论文针对参数高效微调（PEFT）方法中可训练参数仍有冗余的问题，提出一种分层低秩重参数化方法：将可训练参数重排为近似方阵，再进行低秩分解，并可递归应用，形成逐级压缩的多层结构。作者将该方法与LoRA、DoRA、MoSA和RaSA结合，在LLaMA-3.1-8B和Qwen2.5-7B上进行常识推理实验，并在LLaMA-3.1-8B上进行GSM8K数学推理实验。结果显示，在可训练参数预算相当时，该方法结合LoRA或DoRA表现更好；参数量压缩约一个数量级时，仍能保持有竞争力的任务性能，在八个常识推理基准上的平均准确率甚至超过对应基线。
说明EnergyCal：抑制稀疏MoE训练中Muon系列优化器的损失尖峰
简介本文提出EnergyCal，一种轻量规则，根据有限步Newton-Schulz方向的归一化平方Frobenius范数对路由专家的更新进行衰减。该方法不改变谱变换，也不增加持久优化器状态。在4B参数MoE模型上的实验表明，相较于经开发集选定、学习率较低的MuonH方案，EnergyCal-MuonH将平均阈值化损失尖峰负担降低99.51%，最终几何平均困惑度降低4.06%，吞吐量仅有小幅下降。
说明探究Delta学习假设的局限：直接偏好优化中单一生成器对的偏差
简介该论文研究直接偏好优化（DPO）中仅用一对模型生成偏好数据的做法，即把较大模型的回答视为更优。作者从理论和实验两方面表明，固定模型对会引入与生成器相关的系统偏差，这些偏差可在不考虑回答质量的情况下预测偏好标签。因此，基于单一模型对训练的DPO表现持续低于使用多模型偏好数据的情形。
说明在普通x86硬件上对自监督SAR-光学编码器进行量化边缘推理
简介本文在三台普通x86设备上部署了预训练的SAR-光学掩码自编码器，比较FP32、FP16和INT8精度下的延迟、能耗与线性探测精度。结果显示INT8量化几乎不影响精度，同时降低了各设备上的CPU延迟和能耗。
说明学习“编码”世界：面向组合式三维重建的 Harness 进化方法
简介该论文提出 SceneEvolve 框架，将三维场景表示为可执行代码，并通过进化围绕小型开源智能体的 harness 来提升重建效果。模型参数、动作语义和执行后端保持固定，由更强的教师智能体依据开发集的重建反馈迭代改进 harness。论文称，在两个域内数据集和一个域外数据集上，该方法使紧凑的 Qwen3.8-27B 模型在四项评估指标上均有提升，平均推理时间相对基线降低 47.0%。
说明利用AI发现受限拓扑上量子置换的CNOT分解方法
简介量子计算机的比特连接受限，会使逻辑操作的实现产生额外开销。本文以AlphaCNOT为探索工具，发现了一种针对远程对换的分解方式，在图距离为d的两比特情形下，所需CNOT门不超过6d-4个，优于基于相邻SWAP路由的6d-3个。作者据此提出了全局对换（Global Transpositions）这一确定性综合方法，并发现了一种称为中间CNOT融合的机制。
说明Guided-RLVR：用可验证奖励的强化学习中的引导式探索
简介该论文针对带可验证奖励的强化学习（RLVR）提出 Guided-RLVR。RLVR 能提升大语言模型的推理能力，但其采样结果往往集中在少数推理路径上，探索空间受限。该方法引入一个轻量控制器，在采样分布中注入具有语义的引导词元，促使模型从多种推理角度解决问题。实验显示，在数学推理和代码生成基准上，Guided-RLVR 优于现有 RLVR 方法，并生成更多样的推理轨迹。
说明不放大的放大 v2：从看清细节到连接证据，实现可泛化的多模态感知
简介该论文提出 EvidenceConnect 数据合成框架，利用单张图像中相关区域的放大视图生成需要比较、汇总或串联视觉证据的问题，并通过独立视觉语言模型的一致性检验和区域消融测试保证质量。作者用这些数据以 RLVR 训练基础视觉语言模型，得到 ZwZ2。结果显示，即使训练数据并非针对任何下游基准设计，ZwZ2 在细粒度与空间感知以及多项相关任务上仍有提升。
说明GraftRay：通过路径追踪将网格物体物理一致地插入高斯泼溅场景
简介本文提出GraftRay方法，用于将网格虚拟物体物理一致地插入以2D或3D高斯泼溅表示的室内场景。方法借助扩散模型先验恢复场景材质与表面法线，并以闭式解显式建模具有空间范围的光源，再通过混合渲染器联合路径追踪场景高斯与插入的网格，得到多视角一致的着色、相互反射与软阴影。在FIPT数据集上，该方法在渲染保真度和阴影精度上优于ComGS与EAG-PT等基线，同时保持较高的渲染效率。
说明用于乳腺癌影像诊断的可解释深度学习模型比较研究
简介该论文比较了十种在ImageNet上预训练的深度学习模型，用于BreakHis组织病理数据集上的良性与恶性乳腺肿瘤分类，并采用患者级别划分。研究同时使用Grad-CAM、LIME、Integrated Gradients和LRP等方法解释模型预测。结果显示DenseNet121表现最好，测试准确率为99.4%，AUC-ROC为0.999，Transformer类模型整体落后于卷积神经网络。
说明基于回归模型的作物产量预测：模型性能对比评估
简介本研究利用环境、作物和农业管理变量，比较了五种回归模型对作物产量的预测效果，数据集约100万条观测。采用80:20和70:30两种训练测试划分，以决定系数、均方误差和均方根误差评估性能。结果显示线性类模型（线性回归、岭回归、套索回归）表现接近且具竞争力，随机森林则存在明显的训练与测试差距。
说明地面到卫星的知识蒸馏：在时间与地理偏移下的作物分类
简介本文研究如何利用地面田间照片作为训练时的额外监督，改进基于预训练卫星嵌入的作物分类。方法以冻结的CLIP特征构建照片教师模型，指导在AlphaEarth与TESSERA表示上训练的分类器，推理时无需照片。在包含17类作物的配对数据集上，知识蒸馏在时间偏移下对冻结嵌入的提升最高可达5.5个宏观F1点，在地理留出测试中也优于分布内设置。
说明V-LUMEN：面向视觉语言模型嵌入扩展的视觉查找记忆
简介该论文提出V-LUMEN，一种为视觉语言模型设计的视觉查找记忆模块。它用冻结的码本离散化视觉特征，通过空间聚合哈希构建空间感知的记忆键，并结合文本相关性信号进行调制，检索到的嵌入经门控残差通路融入主干模型。在五个推理密集型基准上，它提升了冻结的Qwen3-VL-2B主干模型的表现，并能零样本迁移到三个图像与训练数据不重叠的基准上。
看点将查找式外部记忆引入视觉语言模型，提出空间感知哈希与门控残差融合的新思路，并在五个基准上验证，实验规模中等。
说明评估按需拼车服务中高级会员的优先调度方案
简介本文利用基于顺序最优插入的方法，分析在按需拼车服务中引入高级会员制度在调度层面的可行性。作者提出两种调度方法：为高级用户缩短截止时间，以及缩短截止时间并配备专用高级车辆，并在三种需求情景下与基准调度方法进行了基于SUMO的仿真比较。结果显示，合适的优先机制取决于运营条件和高级用户占比，因此根据条件切换方法可能在为高级用户带来好处的同时，减轻非高级用户的负担。
说明从以太网到Wi-Fi：面向流量分类的流特征选择与构造
简介基于以太网数据训练的流量分类器用于Wi-Fi流量时准确率可能下降。本文提出一个五阶段的特征选择与构造流程，使仅用以太网数据训练的模型也能用于Wi-Fi流分类。研究使用ns-3模拟以太网与Wi-Fi（采用Best Effort接入类别）流量，六个开发场景的带标签Wi-Fi数据用于特征设计，另一场景留作最终测试。
说明Compote：面向序列推荐的抗崩溃多假设学习方法
简介该论文针对序列推荐中下一物品预测的歧义问题，提出多假设Transformer模型COMPOTE，用退火训练目标从均匀监督过渡到赢者通吃分配，使各假设专门化于不同的物品区域。在三个Amazon Reviews 2023基准上，仅使用物品ID，COMPOTE优于多个强基线。消融实验表明性能提升来自该退火目标，而非额外容量、集成或路由。
说明元模型：对学习过程本身建模的模型
简介该论文研究“元模型”，即用于预测其他模型训练表现的模型。作者发现，把语言模型训练记录当作数值数据后，现成的表格上下文学习模型TabPFN在多个评测设置中可以达到或超过微调后的大语言模型元模型，且只需几秒拟合与预测时间。论文还提到，结合Kolmogorov-Arnold网络（KAN）后，部分预测任务的准确率进一步提升，并对一项公开训练任务做了预先登记的预测。
