Skeleton Coding: Program Structure as a Specification for Agents
说明骨架编码：以程序结构作为智能体的规约
简介论文指出，编码智能体的输出取决于它自行选定的程序结构，仅靠端到端的测试和示例难以确定开发者的意图。作者提出骨架编码，让开发者在提供行为规约的同时，以高层代码形式给出程序结构。理论上，骨架可以显著减少所需测试数量；在四个模型和三个基准上的实验显示，最佳骨架规约比最佳端到端规约的平均测试误差降低48.4%。
本页没有符合条件的条目（筛选只在本页内进行）。
RainCheck: Harnessing Historical Weather Data with Machine Learning for Rainfall Forecasting in Bangladesh
说明RainCheck：利用历史气象数据和机器学习预测孟加拉国降雨
简介该研究使用孟加拉国气象局35个气象站1948至2014年间共618,650个站日的记录，比较多种机器学习模型的降雨预测能力。研究发现，仅依据站点与月份的气候统计即可取得较高准确率，多数模型在未来年份上并未明显优于气候基线。研究同时发布了一套避免数据泄漏的评估方法与代码。
GAAC: Lossless KV Compression for Bandwidth-Efficient LLM Inference on Personal Devices
说明GAAC：面向个人设备大模型推理的无损KV缓存压缩
简介该论文提出GAAC，一种无损的KV缓存压缩与服务系统，利用指数冗余降低存储并加速注意力计算，且不引入近似误差。在多个测试模型上，BF16 KV缓存实现约1.405至1.407倍的无损压缩；在NVIDIA DGX Spark上，64K上下文的解码注意力加速1.19至1.27倍，并在Apple M4上实现1.02至1.25倍的注意力加速。
Progressive Coupling Method for Diffusion Posterior Sampling in Ptychography
说明用于叠层成像的渐进耦合扩散后验采样方法
简介叠层成像（ptychography）通过重叠衍射测量重建样品，重叠越少采集越快，但约束变弱。本文提出渐进耦合后验采样（PCPS）方法，在不确定性高时更广泛地探索解空间，重建逐步精细时增强扩散模型的引导一致性。在不同扫描重叠率的真实X射线叠层成像数据上，该方法在低重叠时尤其优于传统迭代方法和现有扩散后验采样器，表明扩散先验可减少精确重建所需的测量冗余。
★★★★☆ 值得关注
Averaged Annealed Markov Chains Achieve the Algorithmic Threshold for Tensor PCA, Part II: Langevin Dynamics
说明退火与平均化的马尔可夫链在张量PCA中达到算法阈值（第二部分：朗之万动力学）
简介本文研究球面上的张量主成分分析问题：从带噪声的第k次张量幂观测中恢复未知向量。作者证明，结合退火和遍历平均的球面朗之万动力学，可从均匀随机初始化出发，在算法阈值以上以多项式时间实现强恢复。结合第一部分的结果，表明局部马尔可夫链可以从无信息的冷启动一直成功到算法阈值。
看点证明球面朗之万动力学配合退火与遍历平均，可在算法阈值以上从随机初始化多项式时间恢复张量PCA信号，与全局算法阈值相匹配，为Part I的延续。
Two Birds with One Stone: Skill-Augmented Generation via Unified Retrieval and Utilization
说明一石二鸟：通过统一检索与利用实现技能增强生成
简介论文提出Skill-Uni，一个统一的强化学习框架，让同一个模型同时学习检索技能并利用技能完成任务。训练分为预热指令微调和GRPO两个阶段。在五个技能相关基准上，相对基础模型Qwen3-4B和LLaMA3.1-8B的平均性能分别提升66.59%和34.82%，且可兼容多种技能检索引擎。
From Natural Language to Real Schematics: An Automated Workflow for Power Electronics Schematic Synthesis
说明从自然语言到真实原理图：电力电子原理图自动综合工作流
简介论文提出一个有界双回路自动原理图综合框架，可将自然语言规格转换为经验证、可编辑的KiCad原理图及制造交付物。框架覆盖Buck、Boost、Flyback、DAB和半桥LLC等拓扑，并结合分销商API、数据手册、ngspice仿真验证与KiCad网表往返校验。在两个端到端案例及与原始LLM基线的对比中，元件验证覆盖率、标称值一致性和SPICE仿真通过率均有显著提升。
Embodied at Sea: Imitation Learning for Multi-Task Underwater Manipulation
说明水下具身智能：面向多任务水下操作的模仿学习
简介本文利用在平静与湍流水域采集的1616个水下操作片段，训练了14个通用视觉-语言-动作（VLA）模型（DynamicVLA），以应对海水视觉畸变和动态水流造成的域偏移问题。在三项任务的硬件实测中，10个模型优于基线，表现最佳的模型总体成功率为93.3%。此外，论文还在海洋考古与保护场景中比较了单任务ACT与通用VLA模型SmolVLA，结果显示ACT明显更优（合计成功率47.9%对7.9%）。作者还开源了用于采集数据、训练和部署的BLUEMBODIED工具包。
Convex-SKM-Net: Low-Latency Block Halfspace Corrections for Neural Convex Constraint Satisfaction
说明Convex-SKM-Net：面向神经凸约束满足的低延迟块状半空间修正方法
简介该论文提出 Convex-SKM-Net，一种凸约束满足层，利用残差和次梯度信息构造线性化半空间，并以固定深度的对偶投影梯度下降对最小位移块问题进行修正，以便在神经网络预测后保证约束满足。作者联合学习预测器与正定迁移性矩阵，以改善目标质量。在三组二阶锥模型预测控制和六个电力系统凸松弛测试中，输出均满足 10^-3 的可行性容差，推理速度较对比方法最高提升 144.3 倍。
GearUp: DAG-aware Acceleration for Serverless Inference Serving via Slack-guided Pre-loading
说明GearUp：基于松弛时间预加载的 DAG 感知无服务器推理加速系统
简介本文提出 GearUp，一个面向无服务器平台、以有向无环图（DAG）组织的机器学习推理服务系统。它利用 DAG 暴露的松弛时间，在上游执行期间提前加载各节点的库、模型权重和 CUDA 内核，并复用实例、采用概率化的保活策略。在 AMBER Alert 和 FINRA-ML 两个工作流上，相比 SMIless，中位端到端延迟分别降低 64.5% 和 75.9%。
Prototype-Guided Dynamic Domain Modulation and a Large-Scale Multi-SKU Benchmark for Shampoo Bottle Surface Defect Detection
说明基于原型引导的动态域调制与多SKU洗发水瓶表面缺陷检测大规模基准
简介本文针对洗发水瓶表面缺陷检测中不同SKU外观差异大的问题，构建了包含13,119张图像、20,419个实例级边界框、7类缺陷和48种瓶体SKU的Bottle-SKU基准数据集。文章提出原型引导的动态域调制方法ProDMM，为每个SKU构建视觉原型并预测输入的软SKU分布，动态生成低秩调制与条件化模块，同时保留预训练的Grounding DINO检测路径。在Bottle-SKU和公开的GC10-DET-SKU金属表面缺陷数据集上的实验验证了该方法的有效性。
Complementing Text Based Moderation with Multimodal Grounding: Detecting Fraudulent Inducement Behaviors on Short Video Platforms
说明用多模态定位补充基于文本的审核：识别短视频平台上的欺诈诱导行为
简介该论文针对短视频平台上金融欺诈的诱导行为（如引导点赞、关注、加入私聊群等），提出在OCR加文本大模型的流程之外引入多模态大语言模型（OCR+MLLM）。研究比较了OCR+LLM、OCR+MLLM和大型零样本多模态模型三种方案，并构建了包含2,419个视频、3,194个标注事件的数据集。结果显示，OCR+MLLM的定位效果优于关键帧基线，并能发现纯文本方法遗漏的非文字诱导，同时保持67.0%的宏观召回率。
In-Context Learning for Multi-Fidelity Multiscale Model Closure and Cross-Operator Out-Of-Distribution Generalization
说明用于多保真多尺度模型闭合与跨算子分布外泛化的上下文学习
简介本文提出一种上下文多保真学习框架，用一个共享模型同时学习多个多保真算子。模型以多个算子的低保真与高保真配对示例作为演示，加上新的粗尺度解查询，预测对应的细尺度解。训练后，面对新的偏微分方程算子，只需少量粗细配对示例和低成本粗尺度查询，即可无需微调地预测细尺度解。
★★★★☆ 值得关注
DecompGym: Benchmarking LLM Agents on Designing Decomposition Algorithms
说明DecompGym：评测大语言模型智能体设计分解算法的基准
简介本文提出DecompGym基准，包含来自九类问题的81个实例（五个Benders分解、四个列生成），要求智能体编写指定方法的求解器。求解器需在60秒内运行、通过数值可行性与由LLM评审代码的方法审查，并且目标值与最优值相差不超过1%。研究比较了12个模型在最多十次尝试中独立重新生成与先诊断再修正两种策略，发现反思策略的重试成功率（66%）高于重新生成（39%）。
看点新意在于评测LLM智能体实现Benders与列生成分解算法，并区分方法审计与输出检查；在81个实例上对12个模型做了评估，对比了重新生成与反思。
Scaling Lean Theorem Proving for Real-World Code Verification
说明面向真实代码验证的 Lean 定理证明扩展研究
简介论文提出 EasyProver 证明系统，由带隔离上下文的递归代理、异步搜索、并行策略探测和弹性细化服务组成，无需额外训练即可在 PutnamBench、IMO 2026 形式化题目、NTP4VC 和 VERINA 等基准上取得高通过率。由于这些基准已接近饱和，作者又提出 Aegis 流程，将竞赛编程题转化为针对真实 Rust 实现的验证任务，生成 2,045 组经差分验证的 Rust-Lean 程序对和 11,533 条候选规范。在 2,000 条分层抽样的语句上，EasyProver 在每条语句 30 分钟预算内证明了 1,054 条（52.7%）。
A Gradient based Adversarial Augmentation Framework for Mitigating Unlearnable Datasets
说明基于梯度的对抗增强框架：应对不可学习数据集
简介该论文针对不可学习数据方法（ULD，用于保护公开数据不被未经授权的模型训练利用）提出一种基于梯度的对抗增强框架。该框架通过随机梯度上升学习数据增强策略，使用可微分的数据增强流程在多达18种增强技术中搜索，并以代理模型的分类损失最大化为目标，同时加入感知加像素的正则化以保持图像语义。实验中，该方法在对照消融下优于等价的随机采样基线。
Data Amount Heterogeneity Improves Performance in Federated Learning for Neuroimaging
说明数据量异构提升神经影像联邦学习性能
简介该论文研究联邦学习在神经影像任务中的表现，任务包括基于结构磁共振成像（MRI）的阿尔茨海默病分类。研究比较了各站点数据量异构（一个大站点加若干小站点）与数据量同质（每站点数据相同）两种联邦配置。结果显示，异构联邦在低数据量场景下表现更好，性能接近集中式训练，大站点通常带来更快的收敛和更高的最终准确率。
B2P-Corr: Batch-to-Population Gradient Estimators for Non-Decomposable Correlation Losses
说明B2P-Corr：面向不可分解相关性损失的批到总体梯度估计方法
简介论文指出，皮尔逊相关系数和一致性相关系数等指标依赖数据集整体统计量，直接用小批量局部统计训练会产生有偏且方差大的梯度。作者提出B2P-Corr框架，借助轻量的全局矩草图把相关性目标转为可分解的伪损失，并给出B2P-EMA与B2P-U两种变体。实验显示，该方法在合成数据和真实数据上比朴素小批量优化更稳定，相关性更高，额外开销很小。
Replaying the Same Gradients at a Different ǎrepsilon: A Registered Test of the Fixed-Trajectory Account of Adam's ǎrepsilon for One Rare Row
说明用不同ε重放相同梯度：对Adam中ε固定轨迹解释的一项预先登记检验（针对一个罕见嵌入行）
简介论文探讨Adam优化器中ε项对罕见词输出嵌入行更新量的影响。作者在训练过程中用不同ε对同一行的更新做重放计算，并依据事先写定的规则检验该解释。结果显示，在ε增大四个数量级时，重放预测明显偏离实际，该行保留的位移远多于预测；ε增大三个数量级时差异较小。
Neighbourhood shortcuts in building damage assessment from very-high-resolution satellite imagery: diagnosis and a building-evidence plug-in
说明基于超高分辨率卫星影像的建筑损毁评估：邻域捷径的诊断与建筑证据插件
简介该论文研究用超高分辨率卫星影像评估建筑损毁的深度模型，发现模型常依赖邻域损毁程度这一捷径，对孤立损毁建筑漏检严重。作者提出一种建筑证据插件，在不重新训练现有模型的情况下添加两个专家分支，以降低对邻域的依赖，并减少误判。
ATI-OPD: Adaptive Teacher Intervention for Stable Long-Sequence On-Policy Distillation
说明ATI-OPD：面向长序列在线策略蒸馏的自适应教师干预方法
简介论文提出一种名为ATI-OPD的训练方法，用于改进在线策略蒸馏，即学生模型依据教师模型的逐词反馈学习自身回答。当回答变长时，学生的前缀可能偏离教师的推理，ATI-OPD会将最早出现较大分歧的片段替换为简短的教师片段，并让学生从修改后的文本继续推理。在五个数学推理基准和两组师生模型上，该方法的学生单独作答平均准确率高于标准在线策略蒸馏。
REEL: Same Frames, Different Answers and Different Costs
说明REEL：同样的画面，不同的答案与不同的成本
简介该论文提出评估框架REEL，比较三种从相同视频帧构建的保存式记忆：文本摘要、视觉编码器输出以及语言模型前缀状态，并与完整重新处理画面的方式对比。结果显示，文本记忆与完整处理在部分问题上的正误不同（约20%至29%），而前缀状态记忆在保留几乎全部正确答案的同时，GPU总耗时最低，代价是每段视频最多约21 GiB的存储空间。
Floor It, Then Fill It: Simulating Creator Ecosystems for Fair Video-Content Recommendation Systems at Billion User Scale
说明先保底、再填充：在十亿用户规模下模拟创作者生态，以公平分配视频推荐流量
简介该论文提出一个基于真实数据的用户模拟框架，模拟约4.2万名创作者及其与观众的互动，周期为12周。研究者用预算化多臂老虎机方法评估公平的流量分配策略，并比较不同的奖励函数与保底设置。结果显示，带保底机制的方案能让每周90%的创作者达成观看目标，小型创作者的自然曝光量每周增长约33%。
MASS: Multi-mask Selective Self-Distillation for Leakage-Resilient Reasoning
说明MASS：面向抗泄露推理的多掩码选择性自蒸馏方法（论文）
简介该论文提出一种名为MASS的多掩码选择性自蒸馏方法，用于改进大模型的推理训练。方法对同一个已验证解答生成多个独立掩码视图，让教师模型综合多种参考信息给出预测，并有选择地迁移可靠的词元级修正，同时自适应地关注影响较大的参考片段。作者在数学推理基准和多个模型系列上进行实验，结果显示MASS持续优于较强的自蒸馏基线。
StepControl: Long-Horizon Human Motion Generation from Foot-Contact Schedules
说明StepControl：基于足部接触时间表的长时程人体动作生成
简介该论文提出StepControl，一种自回归扩散模型，只需输入未来左右脚何时着地的二值时间表，就能生成全身人体动作，无需指定目标根部或身体姿态及语义提示。模型将接触作为显式时间事件，通过专用交叉注意力与无分类器引导注入。实验显示，它比将现有空间引导动作生成方法改造为接触约束更准确地遵循指定接触时序，并能在长时程连续生成中保持有效控制，还能响应步频变化、走走停停、跛行和双脚跳跃等编辑后的时间表。
BridgeRouter: Gain-Aware Instance Routing over Cross-Modal Bridge Portfolios
说明BridgeRouter：基于跨模态桥接路径组合的增益感知实例路由
简介该论文针对将预训练脑电（EEG）基础模型迁移到其他生物信号的问题，提出 BridgeRouter。它不再全局固定一条桥接路径，而是在一组冻结的跨模态路径中，为每个实例选择一条路径；默认路径为验证集选出的最佳单一路径。在 FOG（肌电，步态冻结检测）和 ISRUC（心电，睡眠分类）两个数据集上，该方法的平衡准确率分别比各自的单一最佳路径有所提高。
Estimating Implicit Expected Log Density Ratios
说明估计隐式期望对数密度比：提出期望对数密度比（ELDR）概念，分析其有限样本估计的根本局限并改进相关方法
简介论文提出“期望对数密度比”（ELDR）的概念，即在某个第三方测度下对对数密度比进行积分。作者指出，许多使用隐式密度的问题如果直接套用密度比估计（DRE），实际上都属于ELDR估计任务。论文证明了有限样本下ELDR估计的基本局限，并认为典型的DRE方法不适合用于ELDR估计。作者还对部分DRE方法作出简单修改，并通过基准测试表明可以降低ELDR估计误差。
SkillCT: A Multidimensional Benchmark and Execution-Free Baseline for Agent Skill Assessment
说明SkillCT：面向智能体技能评估的多维基准与免执行基线
简介论文提出SkillCT基准，从下游任务效用扩展到技能质量的多维刻画，涵盖静态、动态和人工辅助三类共九个维度。基于该基准，作者提出一种无需执行待评估技能的质量预测基线，通过检索相似参考技能来预测新技能的多维质量画像。论文称该方法可降低token消耗和评估时间，并且SkillCT指导的优化能提升下游任务成功率与执行效率。
El Agente Quntur: Agentic Active-Space Selection for CASSCF
说明El Agente Quntur：面向CASSCF的智能体活性空间选择
简介该论文研究用多智能体系统自动选择量子化学多参考计算（CASSCF）中的活性空间，包括选取轨道、确认目标激发态并判断收敛。作者在32个单重激发态上测试该系统，并与六种确定性活性空间选择方法比较，以CASPT2参考值评估激发能。结果显示，智能体执行使平均绝对误差比当前最先进的方法降低48%，但不同运行之间的计算轨迹和成本差异较大。
Decompose, Don't Expand: Capability-Independent AI Systems by Construction
说明分解而非扩展：通过构造实现与模型能力无关的AI系统
简介这篇论文探讨构建AI系统时的一种设计选择：当任务对模型过难时，是扩大模型，还是把可确定求解的部分交给宿主程序，只让模型处理剩余的模糊部分。作者在九个模型上测量发现，分解后的子任务上模型规模与表现的曲线变平，并认为该方法可推广到物理场景设置、动作重定向和对象模型编辑等领域。
★★★★☆ 值得关注
On Worst-Case Guarantees for Graph-Based Nearest-Neighbor Search
说明图结构最近邻搜索的最坏情况保证研究
简介该论文研究基于图的最近邻搜索算法（如HNSW、DiskANN、NSG）的理论保证。作者证明，在欧几里得空间中，任何在平坦或分层图上运行贪心搜索变体的标准图方法，即使近似因子任意大，也无法实现亚线性查询时间。论文进一步指出，若允许搜索图中包含Steiner点，则可实现亚线性查询时间，其界与局部敏感哈希（LSH）相当，并附有初步的实验探索。
看点证明标准图搜索方法在欧氏空间无法获得亚线性查询时间，并证明引入Steiner点后可达LSH级别的界，理论上很有新意，结合初步实验。
A Separation Principle for Adversarial Attacks and Defense of Graph Neural Networks
说明图神经网络对抗攻击与防御的分离原理
简介本文将图神经网络的对抗攻击视为由图的结构决定的问题，而非仅依赖梯度或学习策略。作者提出基于归一化邻接算子谱性质的特征攻击框架，并给出分离原理：最优特征扰动为秩一矩阵，可分解为仅依赖图的节点度分配部分和仅依赖权重的顶奇异向量部分。论文据此提出无需梯度计算的攻击方法 SepAttack，并衍生出对抗训练方法 SepAT。
MiniMMD: Minimization of MMD for Sampling, Inference and Integration
说明MiniMMD：以最小化MMD进行采样、推断与积分
简介本文是一篇论文，将计算统计与机器学习中多类问题统一为通过最小化最大均值差异（MMD，一种基于核的概率分布距离）来逼近目标分布。作者认为MMD既是有统计意义的分布距离，也是可用于设计实用高效算法的优化目标。论文总结了基于最小MMD的算法在理论与实证方面的近期进展。
★★★★★ 值得关注
What Does LOL Measure? Hidden Label Shifts in Low-Light Enhancement Benchmarks
说明LOL 基准测试在衡量什么？低光增强数据集中隐藏的标签偏移
简介该论文审计了低光图像增强的两个标准基准 LOL-v1 和 LOLv2-Real，使用 8 种方法的 18 个公开模型检查点进行评测。作者发现测试标签与训练标签存在差异，LOL-v1 测试标签的渲染方式不同，LOLv2-Real 测试集的标签整体比训练标签更暗。论文还指出测试集选模型和已发布的测试时设置会影响结果排名，并给出了报告建议。
看点新意在于揭示低光增强基准测试标签与训练标签存在隐藏偏移，并量化其对排名的影响；作者审计18个检查点并给出复现数字。
★★★★☆ 值得关注
Post-Training Large Language Models with LLMON
说明用 LLMON 对大语言模型进行后训练
简介该论文提出一种后训练方法，用 LLMON（LLM 对象表示法）把可执行指令与被动数据明确分开，并要求基于标识符执行。作者构建了约 46 亿词元的结构化训练语料，并在 Granite-4.1 的 3B 和 8B 基础模型上进行监督微调与强化学习。结果显示，间接提示注入攻击的成功率从 53%-100% 降至 0.02%-5.6%，同时保留了通用能力。
看点用结构化指令/数据分离的后训练显著降低提示注入攻击成功率，并提出注意力可解释性指标；摘要报告在两个模型和间接注入基准上完成验证。
Too Hard, Too Easy, Just Right: Performance-Driven Challenge Adaptation in Virtual Reality Firefighter Training
说明过难、过易、恰好：虚拟现实消防训练中基于表现的挑战自适应
简介这篇论文提出了ProACT系统，用于虚拟现实消防训练。该系统根据受训者的表现，通过闭环交互实时调整模拟火势的难度。全局模块实时调整场景火势蔓延，局部模块定期更新环境中物体的可燃性。与现有的自适应和非自适应基线相比，ProACT在客观训练表现和主观使用体验上均有提升。
Beauty Is Human: When People Love AI-Generated Art, They Think a Human Made It
说明美即是人：人们喜爱AI生成的艺术时，会以为是人类创作的
简介一项公开的在线AI艺术图灵测试中，11,123人判断50幅图片（其中26幅为AI生成）是否出自人手，并选出各自最喜欢的作品。研究发现，在控制受访者和图片后，某幅图片被选为最爱时，被判断为人类创作的概率高出22.1个百分点，AI生成与人类创作的最爱作品规律相似。另对一项AI诗歌实验的再分析也呈现相同模式，说明在来源被隐藏时，喜爱与感知到的人类创作会同时出现。
From the Gettier Machine to Justified True Output: A Three-Step Account of Rational Trust in Generative AI
说明从盖梯尔机器到确证真实输出：生成式AI中理性信任的三步论
简介本文讨论人们从生成式人工智能的输出中获取命题时，何时才算真正知道并理性信任。作者认为AI辅助探究的典型失误，正是经典“确证真信念”理论及其后盖梯尔式反侥幸修正所要诊断的问题。文章提出由获取、理解、独立验证组成的三步使用结构，并给出“确证真实输出”（JTO）这一按风险分级的理性信任标准，其日常检验问题是：“如果这是假的，我会注意到吗？”
Who Called? V33DA: A Physically Verified Multimodal Benchmark for Vocal Attribution in Zebra Finch Groups
说明《Who Called? V33DA》：斑胸草雀群体中发声者归属的多模态基准数据集
简介该论文提出了V33DA数据集，用于研究斑胸草雀群体中哪只鸟发出了某次叫声。数据包含33,625个经过验证的事件，同步记录5通道音频、三个视角的摄像画面、每只可见个体的校准三维姿态，以及10只鸟的无线电遥测数据。发声者身份由背部加速度计信号确认，该信号不提供给待测模型。作者在三种评估条件下测试了多种方法，发现方法对熟悉个体表现良好，但面对未见个体时性能明显下降，而保留显式空间推理的方法迁移效果更好。
TGTV: An Interpretable Framework for UAV Fault Detection and Traceability via Spatiotemporal Graph Learning and Large Language Models
说明TGTV：基于时空图学习与大语言模型的无人机故障检测与溯源可解释框架
简介本文提出TGTV框架，用于固定翼无人机的故障检测与溯源。它结合时空图学习与大语言模型，通过时间卷积网络、图注意力网络、Transformer与变分自编码器识别异常，并借助连续时间Shapley归因定位关键传感器与时间区间。在公开ALFA数据集的跨航班留出实验中，窗口级PR曲线下面积为0.976，航班级故障诊断F1分数为0.944。
Same Label, Different Interface: Beyond Action-Space Labels in Robot Learning
说明同名动作标签，接口不同：超越机器人学习中的动作空间标签
简介机器人学习研究常把位置动作与速度动作当作单一实验变量比较，但标签本身并不决定机器人实际执行的内容。论文在同一学习器和训练预算下，比较了三个接触密集的 Factory 任务中的五种关节空间接口，并发现动作缩放、指令构造、反馈方式等被忽略的属性会显著影响结果归因。即使按局部原始力矩增益做精确校准，两类接口的训练结果仍存在残余差距。
The Prestige: Benchmarking Cognitive Visual Reasoning using Magic Tricks
说明The Prestige：用魔术表演评测认知视觉推理的基准
简介本文提出视频理解基准 The Prestige，选取专业魔术表演，利用刻意误导的手法，考察模型追踪事件并解释意外结果的能力。题目涵盖时序与因果理解，也包括对抗性问题的稳健性。对主流开源与闭源视觉语言模型的评测显示，即使最强的模型也与人类表现存在明显差距，并发现人工与自动评分之间的系统性差异。
AI-Driven Digital Twin Framework for Warehouse Logistics Automation Optimization
说明基于人工智能的数字孪生框架，用于仓储物流自动化优化
简介该论文提出一种框架，在基于FlexSim的数字孪生环境中使用强化学习智能体，实时优化商品摆放位置。智能体从持续流入的运营数据中学习，以降低拣货时间并提高系统吞吐量。仿真环境模拟了四区仓库布局，并借助资产管理壳（Asset Administration Shell）框架连接学习智能体、物理资产与数字孪生。实验结果显示，平均拣货时间减少29.66%，吞吐量提高35.42%，行驶距离减少18.54%。
Evaluating Causal Reasoning in LLMs: A Case Study in the Challenges of Procedural Generation
说明评估大语言模型的因果推理：程序化生成基准的挑战案例研究
简介本文检验大语言模型在CLadder基准测试上表现良好时，能够可靠推断出什么。作者发现该生成器在数据中嵌入了表面且高度可预测的模式，甚至简单的随机森林模型也能在其生成的数据上表现良好。此外，许多商用大语言模型在该测试集上的表现十分脆弱，删除对形式化因果推理关键的大段文本后，性能几乎没有变化。因此，作者认为这些模型的强劲表现很可能源于利用了训练数据中的表面模式。
Calculation and rejection diverge in language models tested at known mechanical limits
说明语言模型在已知力学极限下的计算与拒绝判断存在分歧
简介该论文测试了12个语言模型在梁载荷和圆盘转速等工程问题上的表现，这些设计要么超过要么低于已知的塑性坍塌或破裂极限。研究共进行4,860次调用，并包括针对新设计的后续实验。结果显示，模型在被单独询问可行性时能识别不可行设计，但在要求完整解答时仍可能给出“已解决”的结论。
Nemotron 3.5 Super and Lightning: Open, Efficient Mixture-of-Experts Hybrid Mamba-Transformer Models for Agentic AI
说明Nemotron 3.5 Super 与 Lightning：面向智能体 AI 的开放高效混合专家 Mamba-Transformer 模型
简介论文介绍了两个开放的混合专家（MoE）Mamba-Transformer 模型：Super 为 120B 参数、12B 激活参数的多模态模型，Lightning 为 30B 参数、3B 激活参数的文本模型，面向推理、长上下文和智能体任务。模型结合大规模蒸馏、长上下文训练与原生推测解码，Super 还加入印度语系继续预训练与智能体软件工程中期训练，并通过监督微调和强化学习完成后训练。论文报告，后训练后的 Super 在 SWE-bench Pro 上达到 51.78%，同时用于 GB200 的推理优化可实现每 GPU 最高 4,856 输出 token/秒。
★★★★☆ 值得关注
Predicting What Answer Engines Cite: Open Decision Models, Rerankers and a Distilled 4B Student on Ten Engines under Controlled Retrieval
说明预测答案引擎引用哪些页面：开放决策模型、重排序器与 4B 蒸馏学生模型的比较
简介该论文研究生成式引擎优化中的页面排序问题，即预测候选页面会在答案中被引用的比例。作者在十个答案引擎上，用 GEO-Bench 查询测试了预训练重排序器、一个托管决策模型、八个开放决策模型及其蒸馏学生模型。结果显示，最强的打分器与 Qwen3-Reranker-4B 微调而成的 GEO Citation Ranker 4B 差距在统计上不可区分，并已公开模型、基准和代码。
看点新意在于用蒸馏的4B小模型逼近大模型排序引用，并在十个答案引擎上受控比较；摘要报告了多种评分器在GEO-Bench上的对比结果。
What Can Firms Do in the Face of Model Distillation?
说明企业如何应对模型蒸馏？这是一篇从经济理论角度分析模型蒸馏攻击及其防范措施的论文。
简介论文研究小型企业利用强大闭源模型的对话数据蒸馏训练自身模型的现象，以及由此对市场竞争、用户剩余和在位者效用的影响。作者分析了可检测与不可检测两种情形下的干预措施：处罚性监管可以有效阻止蒸馏但可能损害竞争与用户利益，在位者可以通过自我蒸馏加以缓解，其效果取决于部署新模型的成本效率，且自我蒸馏有助于维持市场竞争。
From Next Day Wildfire to Next Days Wildfire: A New Multi-Continent Dataset of Active-Fire Spread for Sequence-to-Sequence Forecasting
说明从次日野火到未来多日野火：面向序列到序列预测的多大洲活跃火情蔓延新数据集
简介本文提出 AFSeq 数据集，包含 2023 至 2026 年间来自三个地区八个国家的 1194 个近期火灾事件，以短期小型火灾为主，弥补现有基准的不足。作者还提出 UTAE-AR 模型，在 U-Net 与时序自编码器基础上加入循环模块，可自回归地逐日预测整个序列。结果显示，该模型在次日预测准确率上超过现有最优方法，参数量仅为其约 21.5%，并能在更长时间范围内进行预测。
Interpretable Feature Discovery from Unstructured Data Using LLMs and Statistical Choice Models
说明利用大语言模型与统计选择模型从非结构化数据中发现可解释特征
简介该论文提出一种方法，让大语言模型对数据两两比较并用可解释语言说明区别，再用统计选择模型汇总这些解释，自动找出与决策相关的特征并估计每个条目的特征得分。在合成的求职信数据上，该方法在特征恢复上明显优于直接让大语言模型提取特征；在ChangeMyView辩论数据上，它发现了若干与说服力相关的特征，预测准确率与既有基线相当。
Efficacy of Monocular Depth Estimation in Lunar Environments
说明单目深度估计在月球环境中的效果研究
简介本文研究了多种当前先进的单目深度估计方法在月球这类训练数据之外的环境中的表现。作者利用NASA Ames的POLAR立体数据集和阿波罗17号的月面影像进行评估，同时对照地面物理模拟场景的真值与历史野外数据。结果表明，部分先进方法能够较好地泛化，对不规则的月球表面生成较高保真度的相对三维重建。
Neural Compression of Long ADMM Trajectory for Multiparametric Quadratic Program
说明用于多参数二次规划的长ADMM轨迹神经压缩方法
简介本文提出TQPNet，一种自监督神经压缩框架，将冗长的ADMM优化迭代轨迹压缩为紧凑的神经网络热启动，再经少量迭代细化求解多参数二次规划问题。网络由带ReLU激活的多层感知机与少量展开的ADMM(ReLU)细化层组成，离线训练时采用基于最优性条件的残差损失，无需求解器生成的标签。实验表明其精度高、泛化性强，推理速度明显快于传统优化方法。
Prompt Lottery in LLM-as-a-Judge: Measuring and Mitigating Sensitivity to Syntactic Rephrasing
说明“提示词彩票”：LLM 评审对同义改写的敏感性及缓解方法
简介本文研究以大语言模型充当评审（LLM-as-a-Judge）时，语义相同、仅表面措辞不同的提示词改写是否会产生不一致的评判结果。作者提出“提示词彩票”现象，发现改写可能改变评测结果，有时甚至颠倒模型排名。论文还报告了一项由10名人工标注者参与的用户研究，并表明综合多个提示词变体的聚合方法能显著提升评测稳健性。
From Error Prediction to Causal Influence: Auditing SAE Features in Multiple-Choice QA
说明从错误预测到因果影响：审计多选问答中的稀疏自编码器特征
简介本文研究稀疏自编码器（SAE）特征与模型错误的关系。作者在八个数据集上用Gemma 3 1B和4B模型及Gemma Scope SAE进行分析，先过滤掉与格式、选项顺序等伪影高度相关的特征，再通过因果干预评估其余特征。结果显示SAE激活能预测错误和不确定性，但干预效果不稳定，答案翻转很少见，所识别的特征更多反映语境相关的答案竞争，而非错误答案的形成机制。
★★★★☆ 值得关注
Vision Tomography: Towards Portable 3D Bidirectional Face-Skull Inference from Visual Data
说明视觉断层成像：基于视觉数据实现便携式三维面部-颅骨双向推断
简介该论文提出视觉断层成像（VT）框架，可从多种视觉数据（图像或草图）重建配对的三维面部与颅骨几何形状。研究构建了200余例包含CT颅骨、CT面部和高保真纹理面部扫描的数据集，并提出双向面部-颅骨可变形模型（BFSM），通过共享系数空间实现面部与颅骨之间的形状推断，同时建模组织厚度变化。论文还展示了其在法医和医学应用中的效果，包括从图像或草图重建配对三维面颅形态以及联合编辑预测手术效果。
看点提出从视觉数据重建成对面-颅骨三维几何的新框架与双向形变模型，并构建200余例数据集；摘要称在法医和医疗应用上做了实验验证。
Cooperative EV Charging Assignment Using Multi-Agent Reinforcement Learning: A Comparison of QMIX and Independent Q-Learning Under Urban Traffic Uncertainty
说明基于多智能体强化学习的电动车协同充电分配：QMIX与独立Q学习在城市交通不确定性下的比较
简介论文将多个充电站共同分配电动车充电请求的问题建模为去中心化部分可观测马尔可夫决策过程，比较了集中训练、分散执行的QMIX方法与独立Q学习基线。在基于SUMO模拟的六站城市网络、四种交通流量场景下，QMIX的平均奖励和接受率均高于基线，消融实验提示收益主要来自该架构本身，而非协同奖励项或经验共享。
Conformal Predictive Distributions for Contextual Order Fulfillment Optimization
说明面向情境订单履约优化的共形预测分布
简介本文提出用共形预测系统（CPS）处理回归、用交叉Venn-Abers预测器（CVAP）处理多分类，以构造配送时间的共形预测分布，并将其用于情境优化的履约决策，通过情境样本平均近似求解。在超过五百万条专有订单记录上，CVAP将准确到日的命中率从规则估计的49.5%提升至64.1%；在京东模拟器的决策实验中，两种方法相比原始非共形预测分别使总成本平均降低7.1%和6.7%，并将延迟配送率从5.7%降至4.0%以下。
Classifying Urban Locations by Cyclist Facility Usage and Directional Alignment: A Validated Camera-Based Framework from Multi-Site Observations
说明依据骑行设施使用情况与行驶方向对城市地点分类：基于多地点相机观测的验证框架
简介本文利用 2023 年亚利桑那州坦佩市 17 个地点的 19 次动态触发相机部署，统计骑行者使用自行车道与人行道的情况，并分析逆向骑行比例。研究结果显示，自行车道使用比例越高，逆向骑行比例越低（Spearman rho = -0.87），并据此将各部署点划分为三类。
PromptSense: Sentiment-Aware Mental Health Chatbot with Dynamic Prompting
说明PromptSense：基于情绪感知与动态提示的心理健康聊天机器人
简介该论文提出一个框架，在模型推理前先进行情绪与抑郁分析，并结合基于规则的过滤机制，再据此动态构建提示词。目标是提升大语言模型心理健康聊天机器人回复的相关性、共情能力和风险意识。作者在共情、有用性、清晰度、相关性、安全性等定性指标，以及使用 Perspective API 的毒性评估上，比较了四种模型策略和两种提示工程变体。结果显示，提示工程方法分别比 DSFT 和 RLAIF 高出 1.8% 和 1.1%。
Can Event Detectors Leave the Broadcast Camera? Evidence from Tennis
说明事件检测器能否离开转播镜头？网球视频的证据
简介本文发布了一个网球视频基准，包含8段视频中345个逐帧标注的落地与击球事件，涵盖转播、固定高位、手机及场地视角。作者比较了在转播数据上训练的监督式检测器、两个零样本视觉语言模型，以及不使用事件标签调参的RallyArb方法。结果显示，监督式检测器在转播画面上表现接近完美，但在手机和场地视角上几乎失效。
CARF: Context-Aware Reasoning Supervision for Scientific Evidence Screening
说明CARF：用于科学证据筛选的上下文感知推理监督框架
简介该论文提出CARF框架，让语言模型从专家对模型生成推理的反馈中学习，以辅助系统综述中的标题与摘要筛选。系统综述需要专家依据纳入标准逐篇筛选大量研究，耗时费力。作者在全球公共卫生死亡监测所用的口头尸检和死因确定方法综述上评估了该框架，结果显示其筛选表现与其他被评估模型相当且保持较高敏感性，并更倾向于保留需要人工复核的模糊研究。
EARS-Info: Information-Aware Event-Driven Reallocation for Multi-Robot Exploration
说明EARS-Info：面向多机器人探索的信息感知事件驱动重分配方法
简介该论文提出 EARS-Info，是事件驱动蚁群重分配搜索方法的信息感知扩展，用于基于 OpenStreetMap 栅格地图的多机器人探索。在八张城市地图、共 168,000 个episode 的实验中，该方法在各评估面板的平均运行得分均最高；八台机器人且通信丢包率为 3% 时，得分较 EARS-Safe 提高 5.43%，加权发现率由 88.88% 提升至 98.46%。
Efficient Deep Gaussian Process Surrogates via Mini-Batch Latent MAP Estimation
说明基于小批量隐变量MAP估计的高效深度高斯过程代理模型
简介本文提出潜在最大后验深度高斯过程（LaMP-DGP），用梯度优化求得隐表示的MAP估计，并通过关联高斯过程计算实现概率预测。为处理大规模数据，作者设计了小批量优化算法，并给出隐状态优化的平稳性界。实验显示其预测性能与多种现有推断方法相比具有竞争力，且计算速度显著快于Vecchia MCMC方法。
Measuring Deep Learning Performance - An Empirical Study of Performance Distributions Across Architectures and Tasks
说明衡量深度学习性能：跨架构与任务的性能分布实证研究
简介本文通过186组实验（每组随机种子运行100次，共18,600次）研究深度学习模型性能对随机性的敏感程度，比较图像分类与时间序列预测两类任务。结果显示性能分布常呈非高斯分布，时间序列模型产生的低性能离群值约为图像分类模型的三倍。作者认为仅看平均性能不足以选择模型，还应评估分布的离散度、对称性与尾部风险。
Integral Probability Boundaries
说明积分概率边界：一种比积分概率度量更紧的非线性界
简介本文提出积分概率边界（IPB），作为积分概率度量（IPM）的非线性推广。IPM 把两个分布的差异压缩为期望之差的最坏情况，对罕见事件、安全失效或代表性不足群体的界往往较松甚至无效。IPB 在极端情况下仍能给出紧致界。文中推导了其基本性质，给出了相应场景下的估计算法，并在对齐、无评审员的性能估计和公平性等应用中展示了其效果，其中在一个生成模型任务中，罕见群体公平性差距的估计比现有方法精确得多。
Learning from Relative Action Credit for Escaping Local Minima
说明从相对动作信用中学习以逃离局部最优
简介该论文针对强化学习中机器人长时程、接触密集型操作任务中，PPO等同策略方法容易停滞的问题。作者指出，状态价值评论家仅依据回合结果评估进展，策略陷入部分解时无法区分动作优劣。为此，他们扩展PPO，引入动作条件价值评论家，将已执行动作与同一状态下采样的其他动作进行比较，并结合广义优势估计与探索噪声上限。实验表明，该方法能逃离平台期并在训练预算内完成精确的插销插入任务，而相同探索设置下的PPO则失败。
METATRON: A Promptable Whole-Body Execution Layer for Humanoids
说明Metatron：面向人形机器人的可提示全身执行层
简介本文提出Metatron，一种可提示的全身执行层，由生成式基础策略与可编程技能层组成。基础策略接收由身体部位目标、速度指令和风格提示组成的部分目标，生成与之一致的多样化全身动作。训练后策略被冻结，技能以代码形式在每个控制步骤把任务意图转化为提示。在Unitree G1实体机器人上，同一冻结模型支持行走、恢复、遥操作拾取物体和坐到家具上；与所测试的参考跟踪方法相比，其伸手成功率和抗推力稳健性更高。
Making Sense of Audience Change: Causal Attribution and Boundary Management on Xiaohongshu
说明理解受众变化：小红书上的因果归因与边界管理
简介本文研究小红书上围绕一次被认为与世界杯相关的受众涌入的讨论，考察用户如何解释社区变化，以及这些解释与边界管理策略的关系。作者分析了八个高互动帖子下的262条评论，并发现算法类归因更多对应技术性边界管理，而社会行动者类归因更常与社会约束或规范社会化相关。
Assessing Language Models for Scientific Applications: Inertial Confinement Fusion as a Use Case
说明评估语言模型在科学应用中的表现：以惯性约束聚变为例
简介该研究以惯性约束聚变为测试场景，由专家编制了包含250道题的基准测试，涵盖定性推理、数值计算、符号推导和方程建立。研究比较了多种通用大语言模型与经领域适应预训练和监督微调的专用模型Prospero，并进行了检索增强评估。结果显示Prospero综合得分比基础模型高10.7个百分点，前沿模型得分最高但数值计算中仍存在关键物理错误。
Detecting Brain Cancer Progression Through Signatures of Wearable Accelerometry Data
说明通过可穿戴加速度计数据的特征签名检测脑癌进展
简介本研究针对胶质母细胞瘤等高级别胶质瘤患者，利用腕戴式加速度计记录的步行数据，采用粗糙路径签名提取特征，并以签名核最大均值差异量化步行行为的变化。研究通过对每位患者在肿瘤稳定期的自然波动进行个体化校正，提高了稳定与进展两种病情状态的区分度。结果为基于签名的可穿戴加速度计分析能区分病情稳定与进展提供了概念验证，并提示未来需要更大规模的纵向研究。
Beyond Aggregate WER: In-domain Adaptation, Learner Speech, Code-Switching, and Speaker Attribution in Online Spanish Learning Classrooms
说明超越整体词错误率：在线西班牙语学习课堂中的领域适应、学习者语音、语码转换与说话人归属研究
简介该论文研究在线西班牙语二语课堂中的自动语音识别效果，课堂为以英语为母语的学习者与教师、辅导员的互动。作者比较了平台集成、开源权重、经过适应的及商业语音识别系统，并使用LoRA方法以人工校正的课堂数据对Whisper和MOSS进行适应。结果显示，领域匹配比数据量更重要，学习者语音、纯英语及语码转换语音仍比教师和纯西班牙语语音更难识别。
Measured or Real? When Model-Derived Measurements Can Be Corrected or Compared
说明模型衍生指标何时可以校正或比较：论文说明
简介论文研究由训练模型得出的数值（如样本难度、模型基准优势）会随随机种子和提示词变化，因此何时可以对其校正或比较。作者指出，经典的相关性校正会得出超过 1 的结果，并提出仅在信度通过显著性检验时才校正、并使用其置信上界的方法。论文还讨论了提示设置可能使模型排名反转，并提出在每种设置内比较模型的方法。
Where Can We Fool the Model's Mind? Response-Guided Semantic Probing and Adaptive Routing for Transferable Attacks on Black-Box MLLMs
说明在黑盒多模态大模型上寻找可迁移攻击的语义脆弱区域（VISTA方法）
简介该论文提出VISTA框架，通过观察多模态大模型对图像的回答，找出语义上脆弱的视觉区域，并把对抗扰动集中到这些区域，无需梯度、logits或模型参数。论文给出两种设置：VISTA-Proxy仅探测开源模型并迁移到商用模型，VISTA-Victim则会查询目标模型。论文报告在GPT-5、Gemini-3.5-Flash和Claude Sonnet 4.6上攻击成功率最高达97%，PSNR保持在30 dB以上；其中VISTA-Proxy最高达93%，未查询最终目标模型。
Finite-step statistical mechanics of scale-invariant learning: spectral equations of state and curvature transport
说明尺度不变学习的有限步统计力学：谱态方程与曲率输运
简介本文研究离散随机梯度学习动力学的热力学式关系，这些关系来自尺度对称性而非热平衡假设。作者用精确的轨迹重标度解释了熵标度关系，并在局部谐振近似下推导出由曲率谱矩决定维里系数的谱态方程。论文还给出了精确的曲率输运恒等式，用于量化理想气体描述的偏离，并在球面模型、教师-学生网络和CIFAR数据集卷积网络上进行了检验。
Large Language Models for Accurate Medical Chart Abstraction: Enabling Scalable and Secure Artificial Intelligence Deployment in Stroke
说明用于准确提取医疗病历信息的大语言模型：在脑卒中领域实现可扩展且安全的人工智能部署
简介本文评估了一种基于提示的大语言模型框架，用于从三家医院2416份急性脑卒中神经介入手术报告中提取八项临床变量。研究比较了22个开源大模型，其中LLaMA3.3-70B结合思维链提示取得最高总体准确率（94.8%）。结果显示，本地部署的大模型可支持临床信息提取和回顾性脑卒中登记库整理，对模糊病例仍需专家复核。
Making Smart Homes Fit for Autistic Children: Family Work and Monitored Independence
说明让智能家居适配自闭症儿童：家庭工作与受监测的独立性
简介本研究通过访谈五位照护者，并分析小红书与微博上的相关帖子，考察通用智能家居如何影响自闭症儿童及其家庭。研究发现，家庭通过调整环境输出、提示和交互方式来为孩子提供支持，但感官强度、沟通规则和不透明的运行状态可能使同样的技术成为障碍。远程监测在带来有条件独立的同时，也在安全、隐私与控制之间产生张力。
Frequency-Adaptive Gaussian Grids for Efficient Image Representation
说明频率自适应高斯网格：一种高效的图像表示方法
简介本文提出Gaussian-Grid，一种结合结构化特征网格与非结构化二维高斯分布的混合神经图像表示方法。该方法根据局部频率内容动态分配两类基元的计算，以匹配目标信号的复杂度。在高分辨率自然图像上的实验显示，相比JPEG加ZIP的数据存档方式，其解码速度提升1.24至2.14倍，PCIe数据传输量减少23至176倍，同时保持较小的内存占用和较高的重建保真度。
Algorithmic Bias from the Perspectives of Healthcare Professionals
说明医疗专业人员视角下的算法偏见研究
简介本文研究医疗信息系统中机器学习和人工智能应用的算法偏见。作者通过对不同岗位（临床与行政等）医疗专业人员的问卷调查和访谈，收集定量数据与定性意见。研究发现，医护人员对偏见成因、算法评估标准、感知公平性及缓解方法的看法，会因岗位、视角、任务和算法特性而有所不同。作者认为，还需要进一步研究算法偏见，以保障医疗中的公平与平等。
"It Would Make a Geordie Feel at Home": Regional Accent Perceptions and Speech Accommodation in Voice AI
说明《它会让一位Geordie感到宾至如归》：语音AI中的地区口音认知与言语适应
简介本研究以纽卡斯尔英语（Geordie）使用者为对象，考察他们在与语音助手交互时的语言适应，以及对地区口音与主流口音语音助手声音的态度。结果显示，地区口音助手带来亲切感和地方归属感，但也引发对专业性与权威性的顾虑；标准南英音则被认为更中立、清晰、可信。当语音技术无法识别用户时，参与者常转用主流口音、吐字更清楚或放慢语速。
Are Seismic Foundation Models More Than Glorified Feature Extractors?
说明地震基础模型只是更高级的特征提取器吗？
简介该论文研究用于地震波形的基础模型（FM）。作者用同一Mamba编码-解码器架构训练了九种设计，在固定的300万个窗口语料上改变自监督目标、量化瓶颈和混合器。冻结评估显示，改变训练目标主要是重新分配下游能力而非整体提升，没有一个模型在所有任务上都最好。论文认为，当前学习目标只基于单一固定长度窗口，未涵盖决定地震何时发生的事件序列过程，因此这些模型更接近特征提取器。
New Multiple Descent Phenomena Induced by Heterogeneous Data
说明异质数据引发的新型多重下降现象
简介本文研究在线性随机特征模型中，由协方差结构不同的多个数据源混合而成的数据集如何导致多重下降现象。作者在高维极限下给出了各数据源测试误差的精确渐近表达式，并指出协方差尺度和谱结构的异质性会随模型规模增加引入与数据组相关的插值阈值。这些现象在无标签噪声且为线性激活时依然出现。作者还在合成高斯混合数据以及MNIST、CIFAR-10上进行了验证。
Preserving Safety During Sequential Fine-Tuning: A Factorial and Geometric Analysis of Replay
说明顺序微调中的安全保持：回放机制的因子化与几何分析
简介论文研究在大语言模型顺序微调过程中如何保持安全对齐。作者将监督回放（拒答示例）与对数概率蒸馏两种策略分开，在Mistral-7B和Llama-3-8B上进行实验。结果显示，监督回放降低攻击成功率最明显但过度拒答代价高，蒸馏则以较小代价大体防止安全退化；两者结合可缓解过度拒答。几何分析表明，在两个模型上保留基础拒答方向与行为安全的关系并不一致。
QMUL_AK at AISA-ArabicFC: Schema-Constrained Function Calling with ALLaM
说明QMUL_AK 在 AISA-ArabicFC 2026 的阿拉伯语函数调用系统：基于 ALLaM 的模式约束方法
简介该论文介绍 QMUL_AK 团队为 AISA-ArabicFC 2026 共享任务提交的系统。系统使用低秩适配（LoRA）对阿英双语模型 ALLaM-7B-Instruct 进行函数调用微调，并结合阿拉伯语模式感知提示、方言与无调用重采样、加权训练目标，以及对生成调用的确定性校验。论文报告，函数选择的准确率接近饱和，而参数抽取仍是主要错误来源。
Towards Generalizing Pretrained All-Atom Representations to Unified Binder Design
说明将预训练全原子表示推广到统一结合物设计
简介该论文提出PairFuse方法，将预训练的全原子表示（PairFormer类模型）融入独立预训练的几何潜在扩散模型，用于统一的结合物设计。方法通过轻量级逐层适配器实现表示融合，包括丰富分子块特征以及把成对结构信息融入去噪器。论文在抗体、多肽和小分子结合物设计基准上报告，PairFuse优于预训练扩散模型及现有表示融合基线。
Deep learning for non-transvenous ICD screening: tailored neural network architectures, extended experiments, and explainability
说明用于非经静脉ICD筛查的深度学习：定制神经网络架构、扩展实验与可解释性分析
简介本文研究两种非经静脉植入式心脏除颤器（皮下ICD和血管外ICD），这两种设备可避免经静脉导线的并发症，但存在过度感知风险，可能引发不当电击。作者提出24小时动态心电筛查框架，并设计直接处理心电信号的一维卷积神经网络AmpRatioNet，在4605个10秒片段上与基于二维相空间重建图像的方法对比，结果显示其在各项指标上表现更优。
GAUSS: A Workload-Aware Analytical and Monte-Carlo Simulator for LLM Inference Serving
说明GAUSS：面向工作负载的大语言模型推理服务分析与蒙特卡洛模拟器
简介本文提出GAUSS，一种感知工作负载的解析与蒙特卡洛模拟器，用于预测大语言模型推理服务中首token时间（TTFT）和token间隔时间（TBT）的完整分布，以及可持续请求速率。它结合预填充与解码阶段的校准延迟模型、基于Lindley递推的排队模型，并通过集合蒙特卡洛采样估计性能，能够刻画追踪驱动模拟器难以覆盖的延迟尾部，并支持运行点选择、流量分段和最短剩余处理时间调度等容量问题的分析。
Predicting Sparse Observables in Parameterized Unsteady Flows Using Coarse-Mesh Graph Neural Networks
说明基于粗网格图神经网络预测参数化非定常流动中的稀疏观测量
简介该论文提出一种降阶模型，直接在粗网格上使用图神经网络预测稀疏探测点和积分量，无需重建完整流场。方法应用于参数化的二维、三维受限圆柱绕流及非均匀加热腔体流动，可泛化到未见过的工况。结果显示粗网格模型在降低训练时间与内存的同时，精度不逊于甚至优于细网格模型。
★★★★☆ 值得关注
Who Else Is In? Multi-Agent Collusion Initation Via Strategic Vagueness
说明谁还在其中？通过策略性模糊实现多智能体共谋发起
简介本文研究多智能体大语言模型系统中，智能体如何在公开渠道上通过模糊表达互相识别，从而发起共谋。作者设计了双方互相识别并同时完成普通任务的博弈实验，发现部分模型无需明确指示即可找到识别方式，且监控者在低误报率下往往难以察觉。研究还表明，表达越间接，监控者的惩罚下降可能快于合作方的协调效果，形成有利可图的中间状态。
看点提出互相识别博弈，揭示战略模糊可在监控眼皮下完成合谋发起，摘要报告了模型在任务兼容交流中成功握手，并在受控协调设置中测量了监控惩罚与伙伴协调的不对称。
Hierarchical Diffusion for Camera-controlled Autoregressive Video Generation
说明用于相机可控自回归视频生成的分层扩散方法
简介本文研究从单张图像出发、受相机控制的长视频生成。作者提出轻量框架，结合自回归生成（WanAR）与分层长上下文去噪（FixAR），并将视频生成重新表述为扭曲加修复问题，以保持场景几何与输入相机一致。在RealEstate10k和DL3DV数据集上的实验显示，该方法在相机可控长视频生成上优于既有方法，结果在时间上更稳定且与输入相机轨迹一致。
Separability Is Not Alignability: Representations for Spectrum-to-Molecule Retrieval
说明可分离不等于可对齐：谱图到分子检索的表示学习研究
简介本文研究如何从串联质谱图识别小分子，针对配对数据稀缺的问题，考察了用预训练的谱图编码器与分子编码器对齐的路线。作者在MassSpecGym上审计该方法，并指出生成谱图的训练目标并不涉及分子结构，因此对齐所需的分子度量无法保证；同时发现一种基于候选的目标会利用与谱图无关的先验。论文认为，缓解数据稀缺的关键不在于架构，模拟谱图的效果优于冻结的几何表示。
Solitary movement style predicts collective foraging while whom to follow emerges only in company
说明单独时的移动风格可预测群体觅食表现，而跟随对象只在群体中显现
简介该研究基于三组公开的人类群体觅食数据集（分别为621、128和1133名参与者），考察个人独自活动时的表现能否预测其在群体中的行为与群体整体表现。结果显示，独自阶段的移动特征能够预测群体内行为，群体表现也可由独立测得的个人表现均值等方式预测；而选择性社会学习（跟随成功者或停止者）在群体内有稳定的个体差异，却无法从同一个人的独自行为中预测。
Sometimes less is more: Investigating inductive biases of MLPs and Transformers on noisy k-parity features
说明有时少即是多：研究MLP与Transformer在含噪k-奇偶特征上的归纳偏置
简介本文用含噪k-奇偶（noisy k-parity）构造的合成数据集，比较多层感知机（MLP）与Transformer的训练表现。结果显示两者归纳偏置差异明显：Transformer对噪声特征更稳健，但难以学习复杂且出现率低的特征；MLP则随数据增加稳步提升。在固定训练预算下，增加独特训练样本有时会减慢Transformer的优化，使较小的数据集反而效果更好。
FORGE: Feasible Online Reduced-Order Reference Generation and Whole-Body Execution for Agile Humanoid Locomotion
说明FORGE：面向敏捷人形机器人运动的可行在线降阶参考生成与全身执行框架
简介本文提出一个两阶段学习框架，用于人形机器人的多样化敏捷运动。第一阶段结合单刚体动力学与完整人形运动学，训练以指令为条件的全身参考生成器；第二阶段冻结降阶模型策略并在线运行，生成参考轨迹来训练作用于全阶动力学模型的全身跟踪策略。在宇树G1机器人上的实验显示，该方法可实现纵向速度-2.0至2.8 m/s、横向速度±1.0 m/s、角速度±3.0 rad/s、单腿跳跃以及指令间的连续过渡。
Merge and Branch: Efficient Tree-Structured Supervised Fine-Tuning of LLMs for Recommendation
说明合并与分支：面向推荐的树状结构高效监督微调大语言模型
简介该论文针对基于大语言模型的生成式推荐，提出Merge and Branch（M&B）方法。它把每个历史物品的语义标识符和文本压缩为少量可学习的token，并用压缩后的历史同时预测多个目标标识符，以树状结构组织样本并共享历史计算。论文还提出了树状FlashAttention和树状键值缓存，并报告在公开基准上优于强推荐基线、训练与解码效率得到提升。
Application of PDE emulators for a multi-material, multi-physics simulation problem
说明用于多材料多物理仿真问题的偏微分方程仿真器应用研究
简介该论文评估了多种基于计算机视觉的机器学习架构，将其训练为替代模型，用于模拟涉及多种材料的复杂计算物理任务。研究发现，部分预训练模型（包括基于 Transformer 的架构）在适配时存在明显的实现困难。作者认为，对于此类多物理、多材料数据集，需要针对稀疏且不平衡的数据设计学习算法，并调整空间编码与物理一致性指标，同时降低生成充足训练数据的成本。
Meta-Initialization of Implicit Neural Representations to Accelerate Deformable Medical Image Registration
说明用元初始化加速隐式神经表示的可变形医学图像配准
简介该论文针对隐式神经表示（INR）可变形医学图像配准每对图像都需重新优化网络参数、适应较慢的问题，研究用从已解决配准任务中学得的初始化来加速早期适应。作者比较了Reptile元初始化和STRAINER共享坐标网络部分迁移两种方案，并以KAN-IDIR作为基础模型，在OASIS-1数据集上实验。结果显示，两种方案在早期迭代中都比随机初始化获得更高的Dice和更低的HD95，其中Reptile在较少迭代下数值表现更好，但两者预训练预算不一致；随着迭代增加，两者差异缩小。
Self-Supervised Latent Action-Conditioned World Modeling for Time Series
说明面向时间序列的自监督潜在动作条件世界模型
简介该论文提出ACTS-WM框架，用于时间序列分析。它不依赖显式动作标注，将时间序列观测之间变化背后的信息推断为潜在动作，并结合基于JEPA的编码器与动作条件世界模型，预测目标时间序列表示。作者在来自多个领域的22个数据集、4类代表性任务（包括单变量与多变量预测及分类）上进行了评估，结果显示相较预训练的JEPA编码器，该方法能通过学习互补表示提升下游任务表现。
Statistical Detection of Positional Bias in LLM-Based Recommender Systems: Methodologies and Empirical Evidence
说明检测基于大语言模型的推荐系统中的位置偏差：方法与实证证据
简介本文研究基于大语言模型的推荐系统中的位置偏差，即推荐结果依赖于候选商品在提示词中的排列顺序。作者提出两种统计检测方法，并在真实商品目录上进行实验，结果显示所评估的主流模型均存在显著的位置偏差。研究认为该偏差是结构性且与模型相关的，建议对部署的系统进行定期审计，并采用顺序随机化等措施。
SAG-Sep: Sparse Augmented Graphs and Onion-Guided Search for Rounded Capacity Cut Separation
说明SAG-Sep：稀疏增广图与洋葱式搜索，用于圆整容量切割的分离
简介本文提出SAG-Sep分离器，用于车辆路径松弛问题中的圆整容量切割（RCC）。它基于线性规划解构造稀疏增广图，单次前向传播即可为节点打分，并结合无需训练的Onion-Sweep解码器生成嵌套的切割候选。在N=1000的NeuralSEP基准上，结合Onion-Sweep的版本使平均根节点间隙相对最强的NeuralSEP基线降低17.7%，单次分离器的每轮神经分离速度约快30倍。
Federated Learning for Semantic Communications over Multiple Access Channels
说明基于多址信道的语义通信联邦学习
简介本文提出一种面向多址信道（MAC）语义通信的联邦学习框架，多个分布式发送端同时向同一接收端传输端到端学习得到的语义信息。系统联合优化语义特征提取、压缩、无线传输与语义推理。实验在衰落信道下使用 CIFAR-10 数据集进行评估，结果显示该方法在共享无线接入下保持较高的语义推理准确率，并在数据严重不平衡时明显提升性能，同时降低训练开销。