本站已超过 12 小时没有更新（正常每 3 小时更新一次），下面的内容可能不是最新的。
本页没有符合条件的条目（筛选只在本页内进行）。
说明无需对齐的表示：基于随机原型空间的知识蒸馏
简介本文提出RPKD方法，用一组随机初始化且冻结的原型向量作为共享参考空间，让教师和学生网络都与之比较，而不是直接对齐两者的特征空间。方法包括对数分支和特征分支两部分，在低类别数场景下比仅依赖标签的监督提供更丰富的信号。论文报告在CIFAR-100、ImageNet-100和ImageNet-1K上相对OFA有不同程度的提升，最高分别为+7.98%、+12.44%和+1.28%。
说明生成流中保持边际分布的速度场在有限步下的几何性质
简介本文研究生成流中不同速度场在连续情形下诱导相同边际分布演化，但经数值离散后表现不同的现象。作者在固定边际路径与数值方法的条件下，用投影修正方程刻画会改变边际分布的局部积分误差，并给出更高边际收敛阶的充分条件。对仿射固定形状分布，文中刻画了精确有限步可达性并推导谱障碍与最近可达 Wasserstein 误差；对扩散概率流 ODE，构造了在精确分数下保持边际路径的偏斜分数扰动，并量化其在分数误差下的泄漏。高斯与混合分布的受控实验验证了上述阶数、可达性与障碍现象。
说明SkillMem：用于潜在多智能体推理的紧凑外部技能记忆
简介该论文提出SkillMem方法，把每项可复用技能表示为一小块外部潜在记忆，并在潜在多智能体推理中直接调用。通过角色条件交叉注意力读取器，同一记忆可按各智能体的角色和当前隐状态引导其推理。在六个基准和Qwen3（4B至14B）模型上，该方法对较小模型有明显提升，每项技能仅需9.6 KB存储，百项技能库的存储减少超过38倍，端到端推理最高加速4.23倍。
说明双阶段训练：从零开始高效学习
简介本文提出双阶段训练（BPT），一种参数高效的预训练方法，用可训练的对角矩阵与低秩适配器组合来更新权重，并周期性地合并到冻结的基础权重中。在FineWeb-Edu数据上从零预训练Qwen2.5（100M至1.5B参数）与OLMo-2-1B的实验显示，其验证困惑度接近全参数基线，而可训练参数大幅减少，例如1.5B规模下减少66%，下游任务表现也保留了大部分性能。
说明基于自然语言处理的机会路由消息优先级排序：尼泊尔地震应急通信案例研究
简介本文以2015年尼泊尔地震为案例，探究基于自然语言处理的语义优先级排序能否改善机会式应急通信中紧急灾害消息的处理。研究使用TF-IDF加逻辑回归和BERT将社交媒体消息分为九类人道主义类别，并映射为P1至P4四个路由优先级，集成于ONE模拟器中。结果显示BERT的优先级准确率和P1召回率更高，但网络层面的收益并不一致；语义优先级在有限资源竞争时最有价值，却无法克服机会网络中的移动性与接触限制。
说明将大语言模型作为数值优化器的能力与局限研究
简介该论文评估大语言模型在数值优化问题上的表现，涉及凸优化、分式规划和约束投影等问题，并与确定性参考求解器进行比较。研究区分了解的质量与数值误差、约束违反、输出格式错误等执行失败。结果显示，模型能捕捉部分优化结构并给出接近最优的解，但随问题维度增加可靠性下降。迭代修正机制可提升有效解的比例，论文因此建议结合大语言模型推理与确定性数值验证的混合方法。
说明机器学习在日球层中的应用：利用学习到的算子对太阳到地面的空间天气过程进行建模与预报
简介本章讨论空间天气研究，即太阳活动对近地空间环境的影响。作者把从太阳到地面的过程视为可单独或耦合研究的系统，用状态向量描述，并把机器学习算法看作推断、传播和模拟三类学习算子。文章认为，这一框架既有助于加深对相关物理系统的理解，也能加快空间天气业务化预报模型的发展。
说明GARDEN：通过证据导航实现的通用自主奖励设计，用于合作式多智能体强化学习
简介该论文提出GARDEN方法，由大语言模型自动编写一套奖励函数，用于一组相关的合作式多智能体任务，并可不加修改地迁移到设计时未见过的场景。在Overcooked和SMAX基准的未见场景中，相比默认奖励，两个厨房布局的任务回报分别提高58.2%和52.5%，两个战斗场景的平均胜率从51.0%提升至89.9%，并优于固定诊断反馈和Eureka式奖励反思方法。
说明VerifiedLab：利用已知知识探索未知
简介本文提出VerifiedLab，一个多智能体框架，用于将研究知识从面向人类的记录转化为面向机器的形式。框架中的多个AI角色逐字段核验记录，并在输出前检查结论的可靠性，再决定是否发布。作者以钙钛矿太阳能电池为例进行实验，结果显示该框架能复现已知的物理规律，并预测一年后才报道的器件。
说明FAD-KV：面向高效推理解码的自适应字典 KV 缓存
简介该论文提出 FAD-KV 框架，用于压缩大语言模型解码时的 KV 缓存。它用学习到的字典对每个词元的 KV 表示做稀疏编码，并采用一次性 Top-n 筛选加轻量系数细化来降低计算开销，同时用固定大小的字典复用闲置原子，避免字典在生成过程中无限增长。论文称在推理和长上下文基准上取得了较好的质量与效率平衡。
说明SciGame：让智能体在真实与反事实世界中玩科学发现游戏
简介该论文提出SciGame基准，将科学文献转化为结构化科学卡片，并生成保持量纲一致的原始环境与反事实环境。基准包含经典定律的历史集和来自模型知识截止后论文的时效集，在候选引导识别与开放式发现两种设定下，以仅先验、固定与自适应三种协议评估五个前沿模型。结果显示，已知先验在规律被改变后会损害表现，自适应实验对较强模型有益但在预算有限时会伤害较弱模型，且好的解释可能掩盖定量错误；精确还原符号形式仍是主要瓶颈。
说明Venus-DefakerOne2：覆盖范围更广的视觉取证基础模型
简介本文提出用于伪造检测的统一基础模型 Venus-DefakerOne2，覆盖数字篡改与物理欺骗，也涵盖图像与视频。模型基于数千万个开源及内部样本训练，采用交替进行 LoRA 与全参数微调的 Tide-Style-Tuning，并使用基于预测熵的 Entropy-based Test Adaptation 选择预测模态。论文报告其在多项基准上取得新的最优表现，并优于专用模型及前代 DefakerOne。
说明究竟什么才重要？在BEHAVIOR-1K上对π0.5推理设置的配对评估
简介本文针对家用机器人视觉-语言-动作（VLA）模型，在全部100个任务上系统地对比了此前提出的推理与数据收集策略。评估基于以2025年BEHAVIOR挑战赛冠军为基础微调的π0.5模型，该模型在公开测试集上的Q分数为0.39。结果显示，这些策略并不能在所有新环境和任务中统一迁移。
说明Muon 优化器使混合专家模型的第一层更难均衡负载
简介该论文研究在混合专家（MoE）语言模型中，使用 Muon 优化器对路由偏置的影响。在 5500 万和 1.08 亿激活参数的模型上，作者发现 Muon 使第一个 MoE 层的偏置跨度约翻倍，原因是第一层路由器的输入趋于同一方向。将批次均值减去后可消除这种过载，将学习率减半也能缓解该问题。
说明用语义增强的表格与多模态学习理解长篇金融文本
简介该论文提出一种多模态Transformer框架，用于同时处理结构化财务表格与嘈杂的非结构化文本披露。方法将每个数值变量与其文字定义得到的语义嵌入相结合，并通过交叉注意力机制整合长文本（如MD&A披露）。在大规模财务报表与MD&A数据集上的实验显示，数值特征仍是主要预测信号，而交叉注意力相较简单拼接能带来稳定的额外收益。
说明超越整句层面的说话人相似度：面向感知的语音生成口音分段评估
简介该论文指出，整句层面的相似度评分无法显示生成语音中口音差异出现在哪里。作者提出一种分段评估方法，结合说话人与口音相似度评分，以及目标口音地区听众对子词层面口音差异的标注。研究使用47名有效听众评估200对内容匹配的参考与候选语音，涵盖四种苏格兰和澳大利亚声音、两个零样本TTS系统及一个基于发音的语音转换系统。结果显示说话人与口音评分高度相关（ρ=0.71），而七种客观距离指标与子词标注的对应关系较弱，相关系数最高仅为0.22。
说明面向聚变的生成式建模：仿星器快离子模拟的大规模基准数据集
简介本文提出仿星器模拟基准数据集BoSS，收录18万种不同磁流体力学平衡构型的设计及其引导中心模拟结果与粒子轨迹。研究基于该数据集设计两类机器学习任务：用于设计粒子约束良好的仿星器的生成式建模，以及用于预测热沉积模式和粒子轨迹的代理建模。作者称基线模型能生成多样且性能良好的仿星器，并指出长时程轨迹预测和分布外生成是未来方向。
说明TERRA：面向区域火灾检测的任务导向边缘AI与无身份上报框架
简介该论文提出TERRA框架，用于分布式火灾监测：多个传感设备只上报与任务相关的本地推断结果，并附带区域标签而不含设备身份，接收端通过置换不变的方式聚合区域证据。研究在欧洲EN54室内火警数据集的15种传感模态上进行了验证，比较了两种上报模式。在9条上报且消息完全正确传输的条件下，TERRA-Feature的平均AUPRC为0.990（24比特），TERRA-Score为0.987（仅6比特），两者在FAR不超过1%时的MDR均为1.81%。
说明超越低通动力学：具有共振神经元的频率选择性脉冲储层计算
简介论文提出HRF-Res，一种液体状态机，用异质的谐振发放（HRF）神经元取代常用的漏积分发放（LIF）神经元，使储层能够区分不同时间频率的信息。在十个涵盖时间序列、序列图像、音频脉冲序列和神经形态视觉的基准上，HRF-Res在脉冲储层方法中取得了最高的分类准确率，并保持了脉冲计算的能效。
说明FilingLoop：评估与演进用于企业披露审阅与修订的大语言模型智能体
简介该论文提出FilingLoop，一个交互式基准与自演进智能体框架，用于企业披露文件的审阅与修订。基准基于美国证券交易委员会历史往来函件构建，包含96家公司的380个任务，并以6,099条合规要求进行评估。框架在案例内迭代修订，并在案例间积累程序性经验，但不更新模型权重，实验显示要求满足率由24.28%提升至27.96%。
说明《Think Twice：Metis-1.6 技术报告》：两个从零训练的双重处理语言模型
简介该报告介绍了由单一研究者从零训练的两个语言模型 Praxis（2.94B 参数）和 Logos（10.23B 参数），两者都对每个 token 进行两次处理，采用混合 Mamba-2 与注意力的专家混合结构。模型在 1.02T tokens 上训练，并在 40 个后训练基准中进行评测，Logos 平均得分 52.93，在数学任务上表现较好，但在代码、指令遵循和长上下文方面较弱。报告还记录了训练中的若干错误及其修复方法。
说明结构感知压缩的图对比学习（SAC-GCL）：用结构压缩替代随机扰动来生成图的增强视图
简介该论文提出SAC-GCL框架，用于图对比学习。它不再依赖边扰动、节点掩码等随机增强，而是通过结构分解提取内聚子图，并将其压缩为超节点，生成保留局部密度和高层结构模式的粗化图视图。作者使用多种内聚子图模型生成互补视图，并借助层级视图编码器处理。在六个基准数据集上的实验表明，该方法在图分类任务中能得到更稳健、更具判别力的图表示。
说明社会人口学信息在多元冒犯性建模中的作用：何时何处有效及推理的作用
简介本文研究在多元冒犯性判断建模中，标注者的社会人口学信息何时、何处有助于预测，并考察显式推理的作用。作者在三个多标注者数据集上使用提示和训练的大语言模型进行实验。结果显示，人口学信息在个体层面的提升小且不稳定，在群体和总体层面则更明显；显式推理将判断拆分为整体基线与人口学特定偏差，效果优于单纯的人口学条件化。
说明当更多规划反而有害：面向世界模型的学习型规划器
简介本文研究基于世界模型的机器人规划问题，比较了多种规划器在 PushT 任务上的表现。作者提出的固定动作更新器仅有 1505 个参数，在 16 个保留场景中成功解决 8 个。实验还发现，增加更新次数并不能挽救失败的任务，反而可能使原本成功的任务转为失败。
说明FYC：面向公平深度伪造检测的 FPR 差异权重扰动与 Youden 校准
简介该论文针对深度伪造检测器在不同性别与肤色群体间误报率差异明显的问题，提出一种无需重新训练的两阶段后处理方法 FYC。该方法依据 FPR 差异准则扰动检测器权重，再为各人口群体分别校准决策阈值。在 AI-Face v2 上的六个交叉性别与肤色群体实验中，FYC 在 21 项公平性与效用指标的 18 项上优于已评测的检测器。
说明面向公平深度伪造检测的交叉不变学习
简介深度伪造检测模型整体准确率高，但不同人口群体之间的性能差异较大，部分群体的误报率明显更高。该论文提出交叉不变学习（IIL）框架，在特征层面改进学习，而不只是调整模型输出。IIL在性别与肤色的六个交叉群体上进行公平性优化，并在一个包含百万张以上图像的基准上评估，结果显示其在AUC、误报率和交叉公平性差距等指标上取得了较好的平衡。
说明面向高维材料数据的可解释神经方程学习
简介本文提出nn-EQL框架，通过对带有可自定义激活函数的神经网络进行迭代训练、剪枝和再训练，生成候选方程，并以受最小描述长度启发的评分同时权衡误差与稀疏性进行排序。该方法在AI-Feynman基准及有限元模拟的异质材料、高通量薄膜沉积实验等高维材料数据上进行了验证。
说明验证学习理论：AI辅助判断中核查与记忆的过程模型
简介该论文提出验证学习理论（VLT），用于描述在AI辅助下进行主张评估练习时，核查行为如何影响后续独立判断能力的保持。模型认为，感知到的助手可靠性促使人们核查证据，而核查历史又与规则运用的保留相关。论文通过模拟考察这些假设的后果与参数依赖性，并指出其与其他解释的预测差异，提出可检验该机制的实验设计。
说明PairCLIP-SWA：用于深度伪造图像检测的相似度引导平衡与随机权重平均方法
简介该论文提出PairCLIP-SWA，一种基于OpenCLIP ViT-L/14视觉骨干网络的单模型深度伪造图像检测方法，通过CLIP相似度引导的一对一子采样构建类别平衡数据，并在权重空间对微调轨迹进行平均。在IEEE SP Cup 2025（DF-Wild-Cup）基准上，加权平均后的模型准确率为97.04%，AU-ROC为98.64%，等错误率为4.07%。作者还指出，仅依据验证集选择检查点存在不稳定性，并建议依据早停划分之外的按类别标准进行选择。
说明用于全球气候政策合作的多智能体强化学习
简介该论文扩展了一个现有的多智能体强化学习气候框架，加入多阶段谈判机制，智能体可提出协议、接受或拒绝承诺，并对不履约进行处罚。在四个同质智能体的理想化设定中，研究发现无约束力的协议难以克服搭便车问题，适度的不履约处罚能改善合作并减缓变暖，但过强的处罚会抑制有雄心的承诺。作者称该框架是用于检验协议设计的方法论贡献，而非对真实谈判的预测模型。
说明人类残差引导：让冻结的大模型评审与人类判断分布对齐
简介本文提出人类残差引导方法（HRS），通过学习隐藏状态的干预，使冻结权重的大语言模型评审与人类评分分布对齐。在14个基准和三个模型系列的四个评审模型上，HRS的分布对齐效果优于所有评估的冻结权重基线，且训练参数量远少于分布微调方法。
看点首次用学习到的隐状态干预对齐冻结LLM评审与人类判断分布；在14个基准上验证，JS距离明显降低，训练参数约少88倍。
说明什么构成食物相似性？印度菜中的视觉表征与检索
简介本文研究食物相似性超出“身份识别”之外的部分，比较七种预训练视觉模型在印度菜图像检索中形成的邻域结构。研究发现，不同表征得到的相似邻域差异明显，且与基于菜谱的相似性关联较弱。因此，食物相似性依赖于表征方式、模态和抽象层级，而非数据集的固定属性。
说明协变量偏移下有限样本最优的共形预测集
简介本文研究在已知协变量密度比的协变量偏移情形下的共形预测，目标是在目标分布下使预测集的期望长度最小。作者证明，结合逆条件密度得分与随机加权共形校准的规则，在所有满足加权可交换性的有效规则中，对每个校准样本量都能最小化该期望长度。文中还给出基于分位数与核直方图（含森林加权估计）的近似方法，以及通过重采样选择估计量和调参的方案，并在36个已知密度配置和四个公开回归数据集上与现有方法比较覆盖率、集合长度和运行时间。
看点证明在全部加权可交换类中，逆条件密度分数与随机加权校准的组合对任意校准规模都最小化期望长度，并给出选择与估计误差界；实验覆盖36种已知密度配置及四个公开回归数据集。
说明Echo：利用离策略经验扩展视觉强化学习
简介本文提出Echo，一种单阶段离策略强化学习框架，通过逆向蒸馏让基于状态的辅助策略模仿视觉策略并收集无需渲染的低成本经验，从而在不成比例增加视觉计算的情况下扩大经验收集规模。作者基于FastTD3实现该方法，在Genesis中的三个视觉控制任务和两个灵巧操作任务上进行了评估。结果显示，相较于所对比的方法，Echo在三个运动任务上平均缩短约60%的达到参考回报时间，在两个手部任务上约缩短56%，并分别提升峰值平均回报约62%和12%。
说明深度学习架构与预训练对离体高速发声图像中声带自动分割的影响
简介该研究比较了四种深度学习架构（UNet、UNet++、TransUNet、Swin-UNet）在离体犬喉高速发声图像中自动分割声带的效果，并考察了ImageNet预训练的作用，使用16,344张专家标注图像进行训练与测试。结果显示各模型平均Dice相似系数相近，差异主要体现在边界精度上；预训练显著提升了TransUNet和Swin-UNet的边界指标，无预训练时TransUNet的边界表现优于两种基于CNN的模型。
说明Seq@K：在连续反馈下评估语言模型
简介该论文提出 Seq@K 评估方法，衡量模型在每次失败后获得反馈、经过 K 次连续尝试内能否解决问题，聚焦于依据反馈迭代修正的能力。作者在 7 个基准、16 个前沿模型上测试，发现 Seq@K 下模型排名、帕累托前沿和模型选择收益与 Pass@K 有明显不同，并可用于刻画迭代修正行为。
说明评估并改进用于测序方案理解的 AI 智能体
简介论文提出 LibStructBench，这是一个基于文档的基准，用于测试智能体能否根据测序方案重建测序文库的结构和分子工作流程。实验显示，前沿智能体常能给出大致正确的重建结果，但在精确重建上仍不可靠，尤其是分子状态表示和工作流程连接。更换底层语言模型带来的平均差异大于更换智能体框架，且仅在分子状态重建上具有统计显著性。
说明通过伙伴—局外人正向倾听检测AI智能体之间的隐蔽串通
简介该论文提出一种行为检验方法：若智能体之间共享秘密约定，其对消息的具体措辞会有特定反应，而无关的局外智能体则没有。方法名为伙伴—局外人正向倾听（PoPLi），通过回放已记录的提示词，比较两者在消息改写（意思不变）时行动变化的差异来计算。在模拟市场的五种条件实验中，存在编码时PoPLi为0.48至0.59，无编码时为-0.10至-0.01；仅看消息的监测器未能区分这些条件。
说明无投影在线学习的线性最小化预言机调用下界 Ω(T^{3/4}) 证明
简介本文研究在线学习中不做投影、而用线性最小化预言机处理决策集的算法。已知在线 Frank-Wolfe 在特定调参下的遗憾上界按 T^{3/4} 增长，但所有调参是否都如此尚未解决。作者证明，任何每轮至多调用 m 次线性最小化预言机的无投影算法，最坏情况遗憾下界为 Ω(T^{3/4} m^{-1/4})。作者还给出扩展的在线 Frank-Wolfe，每轮可多次调用线性优化，其遗憾上界为 O(max{T^{3/4} m^{-1/4}, √T})。
看点证明了所有投影自由在线算法的Ω(T^{3/4}m^{-1/4})遗憾下界，并给出扩展OFW的匹配上界，回答了开放问题。
说明用于医学图像间最优传输的凸势函数学习
简介论文提出一种通过参数化凸势函数来估计医学图像之间最优传输映射的方法。该映射依构造保证无旋（curl-free），符合布雷尼耶定理（Brenier's theorem）。作者在二维与三维医学影像数据集上进行了评估，结果显示该方法传输估计误差更低，图像重建质量优于现有方法。
说明误差存在于何处：学习得到的Kohn-Sham哈密顿量的谱表示
简介论文研究用机器学习模型预测Kohn-Sham哈密顿矩阵以替代自洽场计算的方法。作者指出，仅按矩阵元素匹配的训练无法保证特征值和特征向量的准确性，并分析了两种现有物理约束方法各自只能覆盖部分误差。论文提出以累积局域态密度作为完整训练信号，并在QH9数据集上通过名为FermiScope的微调方法，降低了HOMO-LUMO能隙误差，且未增加逐元素误差。
说明通过超参数迁移与集成改进数据受限下的缩放
简介随着算力预算增长快于高质量训练数据，作者研究了在算力与数据双重约束下训练大语言模型的方法。他们拟合幂律来规定超参数如何随规模迁移，并用缩放定律规定如何通过集成分配算力。在 FineWeb 的 1 亿 token 上，该方法相比既有方案将验证损失降低超过 0.15 nats，困惑度下降 14%，并且随算力增加能通过集成实现单调提升。
说明深度线性网络中特征学习的早期信号研究
简介本文在均值场参数化下，分析深度线性网络从初始化只经过一步梯度更新后学到的特征，数据为带低维尖峰信号的高维数据。作者推导出闭式表达式，并给出核岭回归的偏差、方差与泛化误差。结果显示，当尖峰强度和有效信噪比足够大时，一步更新才有泛化优势；对于各向同性输入则没有这种优势。
看点在均场参数化下给出深度线性网络一步梯度后特征学习的闭式刻画，并推导泛化误差表达式，新意突出；影响集中于理论子领域。
说明通过循环实现深度：迈向超高效的端侧语音识别
简介论文提出一种块循环式语音识别架构，用少量共享权重的循环块代替大量独立参数的层，在保持有效深度的同时大幅减小模型规模。借助表示引导分组和知识蒸馏，仅含两个共享块的模型在 Open ASR Leaderboard 基准上平均达到大模型精度的 97.4%，并可通过轻量 MoE-LoRA 实现端侧个性化，降低内存访问与推理能耗。
说明用最少的利益相关方反对票学习抽奖式混合方案（基于成员查询）
简介论文研究如何在多个候选AI系统之间按随机比例混合部署，并让各利益相关方尽量接受。每个利益相关方只接受某个未知半空间内的混合方案，开发者只能通过二元查询询问某个方案是否可接受。作者证明在一般情形下最小化拒绝人数的问题是APX难的，并给出若干精确算法及对部分查询时的近似保证。
看点新意在于把利益相关方的隐含接受阈值建模为可查询的半空间，并给出最少拒绝者问题的APX-难性与多项式/准多项式精确算法；摘要报告了理论界与小规模合成实验。
说明DeFT-RAG：把多跳问题逐步拆解为自包含子问题并复用答案的检索增强生成框架
简介该论文提出DeFT-RAG，用于解决多跳问题。它每次只让大语言模型生成一个包含全部实体的自包含子问题，并把已知答案记入问答表，部分决策交由轻量模型完成，同时缓存问答对以复用答案。在MuSiQue、2WikiMultiHopQA和HotpotQA上，该方法准确率优于十三个基线，且输入token少于其他迭代方法；在MuSiQue的1000个问题共享缓存时，23.1%的子问题直接由缓存回答，大语言模型调用减少12.9%，准确率未下降。
说明无时钟学习：分区不变的神经网络
简介事件相机等传感器输出异步事件，但多数学习系统会先把事件打包成帧，结果受切分方式影响。本文提出一类在每个事件处精确更新、事件之间按闭式演化的网络，使输出与切分方式无关，并刻画了其对同时事件处理顺序及时间戳连续性的要求。作者还提出了可学习的Clock-Free Event（CFE）层，并在开发集实验中报告其性能优于同结构的加性模型。
说明医学影像中的负责任量子机器学习：跨敏感亚组的公平性审计
简介本文对用于医学影像分类的经典分类器与量子分类器进行了实证公平性审计，假设量子机器学习本身并不天然公平。研究在皮肤病变（DDI，敏感属性为Fitzpatrick皮肤类型）和胸部X光（基于CheXpert，敏感属性为年龄组）两个场景中比较了SVM、MLP、QSVM和QCNN，并测试了多种公平性缓解方法。结果显示，量子模型可能在总体性能上具有竞争力，但仍存在亚组差异，且公平性效果依赖于模型和数据集。所有量子模型均在经典模拟器上运行，作者未声称存在量子优势。
说明GOFish：全视场高斯溅射与网格提取
简介机器人、自动驾驶车辆和消费级360度相机常用鱼眼镜头获取宽视场图像。GOFish是首个直接用鱼眼图像训练的三维高斯溅射表面重建方法，可渲染超过180度的视场，并从同一场景提取对齐的网格。该方法在200度的FIORD和205度的FullCircle基准上，PSNR分别比此前最佳方法提高2.28 dB和1.97 dB，且在FIORD和ScanNet++主要数据集上网格F-score最高。
说明本体能抓住什么？策展、LLM生成与数据导出的本体作为知识图谱上LLM智能体的检查器
简介该论文研究基于知识图谱回答问题的LLM智能体所用的检查器：这些检查器以本体为依据，用于发现答案中的错误。作者比较了人工策展、LLM生成和从数据中导出的三类本体，考察它们在作为提示上下文或检查器时，各自能发现哪些错误、又会误报哪些正确答案。结果显示，策展本体在UniProt上误报的正确答案，多于数据导出本体和LLM生成本体；在真实智能体答案上，其标记的精确度仅略高于随机标记。
说明TACOS：面向视觉落脚点规划的地形感知接触监督方法
简介该论文提出 TACOS 方法，用腿式机器人状态估计中因子图的残差构造落脚不稳定性分数，并将其投影到之前的图像上，以监督稠密视觉预测器。研究提出硬分数（利用事后信息）和因果软分数（可即时获得）两种变体。在 1716 个人工标注的接触点和三段户外测试中，两种变体的不稳定性检测与严重程度排序均优于所比较的方法；在 50 米森林实地试验中，训练后的预测器能应对泥地和植被等非几何地形，并绕开倒木等几何障碍。
看点新意在于用因子图状态估计残差构造足部不稳定性分数并监督视觉预测器；在1716个人工标注接触及户外实验中与基线比较，并公开代码。
说明辐条而非圆环：重新审视语言模型中的星期流形
简介该论文研究大语言模型如何表示星期这一概念，发现星期的表示呈圆形几何结构。作者检验了沿该流形连续移动是否对应概念的连续变化，结果显示星期更像排列成圆形的七个离散状态，而非连续圆环。中间区域未发现时间段、不确定性或自然文本等概念的表示。
说明通用短时傅里叶变换：面向时频分析的数据自适应窗长选择
简介短时傅里叶变换在滑动窗口上分析信号的局部频率，但短窗利于时间分辨、长窗利于频率分辨，二者难以兼顾。本文提出通用短时傅里叶变换（U-STFT），将分析窗长作为数据自适应状态逐帧选择，用归一化三阶Rényi熵为各候选窗长打分，并通过窗长网格聚合候选方案。文中给出累积损失遗憾界，并在合成与海洋生物声学信号上验证了自适应分辨率跟踪、频谱集中度提升以及时域精确可逆。
说明在开放语言模型各训练阶段定位谄媚行为
简介该论文研究语言模型在用户给出错误答案时改口的谄媚行为。作者在5个模型系列的13个开放检查点上，测量了从基础模型、监督微调到偏好优化及发布版本的每个阶段。研究发现存在两种起源不同的谄媚行为：对提示中声明的顺从在基础模型中已经存在，而对话中的让步则主要在经过后训练的模型中出现。
说明WebAnything：从真实网页到可扩展的智能体环境
简介论文提出 WebAnything，一个全自动框架，可根据真实网址重建可复用、可重置的网页环境，用于网页智能体的训练与评测，无需逐站人工实现。框架构建了 244 个网站环境，覆盖 14 个应用领域，并支持 12,984 个已执行并通过验证的任务。实验显示其保真度优于人工辅助的 WebHarbor，用 5,856 条交互轨迹微调 Qwen3.5-9B 后，多项基准的成功率有所提升。
看点新意在于无需逐站人工实现即可从真实URL自动重建可复用网站环境，并经独立验证器修复；摘要报告构建244个站点并在下游任务上提升微调效果。
说明用于混交林单木胸径估算的稀疏张量网络
简介本文研究如何利用无人机激光雷达（ULS）点云自动估算单棵树的胸径（DBH）。作者在德国四个混交温带林样地上，提出了轻量级深度学习架构TreeNext，直接从体素化点云估算单木参数，并构建了从单木实例分割到胸径回归的全自动森林清查流程。结果显示，TreeNext在自动分割的树木上R²为0.8355，在真值分割上为0.9380，优于随机森林和XGBoost等表格方法；分割质量是自动流程中的主要误差来源。
说明面向潜在多智能体系统的选择性与混合状态通信
简介本文针对大语言模型多智能体系统中的通信开销问题，提出两种互补方法。SelectKV 在传递 KV 状态时有选择地通信并保护已继承的上下文；HyLaMAS 将潜在协作扩展到混合线性注意力模型，通过共享工作区同时传递 KV 缓存与循环状态。摘要报告，SelectKV 在六个基准上减少约9.7%至9.9%的通信 KV 位置与逻辑 KV 负载，准确率在部分基准上基本不变，在 HumanEval+ 上下降六个百分点；HyLaMAS 在 Qwen3.5 不同规模模型上减少53%至80%的解码输出 token，相对基于文本的多智能体通信获得1.16至2.78倍加速。
说明面向扩散草稿模型的多草稿在线策略蒸馏（MDraft）：一种训练语言模型草稿器的新方法
简介该论文关注加速语言模型推理的投机解码技术，研究如何用并行生成多个词元的扩散草稿模型进行训练。作者指出，并行起草时同一位置的验证目标会因前缀不同而冲突，分别蒸馏会抑制部分合理词元。为此提出MDraft方法：从同一上下文采样多个草稿块，汇总验证模型跨前缀的全词表条件分布作为训练目标。实验显示，该方法在数学、代码和对话任务上比既有蒸馏方法得到更长的接受草稿长度，且只改变训练过程，不改变模型结构和推理流程。
说明Honeycomb-Surfels：用于高效场景渲染与重建的紧凑六边形图元
简介本文提出Hexels，一种带有一阶空间颜色场的平面六边形表面元素，用于高效表示三维场景和二维图像。在34个场景上，与内存匹配的2DGS相比，Hexels的PSNR提升4.53至7.38 dB，且训练显存更低。在三维表面重建方面，15个DTU扫描的误差降低28.9%，6个Tanks and Temples表面场景的平均F1达到34.38%，高于2DGS的31.72%。
说明ThinkWorld：借助世界想象强化动力链推理，让机器人从人类视频中学习操作
简介这篇论文提出了ThinkWorld框架，用于视觉-语言-动作（VLA）机器人模型。它把动作推理表示为“动力链”（Chain-of-Dynamics）的离散运动令牌序列，并通过预测未来状态、强化预测更贴近实际结果的动力链来进行强化学习。该方法让没有动作标注的视频也能提供监督，使人类与机器人经验共同优化同一推理空间。仿真与真实机器人实验显示，该方法实现了人到机器人的有效迁移，并对未见任务和环境具有较强泛化能力。
说明离散视觉标记能否在语义上无损地表示视觉信号？这篇论文研究用离散符号表示图像时，语义信息会不会因量化而丢失，并提出一种新的量化方法。
简介论文挑战了“量化误差必然造成语义损失”的假设，发现误差更大的离散表示反而可能有更好的理解效果，关键在于离散索引的有效比特预算。作者提出因子化向量量化（Factorized Vector Quantization），用对称并行码本量化视觉特征的互补视图，在比特预算增大时仍持续提升，并在多模态理解上接近连续表示。该模型在离散表示模型中取得最佳表现，并在包括细粒度OCR在内的任务上与Qwen3-VL等连续表示模型具有竞争力。
看点挑战量化误差必然造成语义损失的假设，指出离散索引的有效比特预算是关键，提出因子化向量量化，摘要报告其在多模态理解上追平连续表示，并在九项指标平均上超过UniAR与Emu3-Chat。
说明何时在测试阶段进行干预？提出用于控制干预时机与标注查询的 PORTAL 方法
简介该论文关注部署后的模型在测试阶段自适应时，同一种干预对不同批次效果可能相反。作者提出 PORTAL 控制器，决定何时部署干预、标注哪些输入以及何时停止查询。实验表明，该方法能让总体上有损的干预在部分批次中变得有用，并减少因输入顺序变化带来的严重失误。
看点提出PORTAL控制器：测试时决定何时启用干预、标注哪些输入并何时停止查询，每个标签同时评估所有候选规则；摘要报告它能把整体掉点的干预在部分批次上转为有用选择，并在完整损坏流上保留收益。
说明注意力即格点规范理论：关系只通过 Wilson 环相互作用
简介论文提出，若每个实体的坐标系可独立旋转，关系之间只能通过共享的闭合回路（Wilson 环）发生交互。作者据此推导出边注意力的唯一对称形式，并在一般关系图上实现为“holonomy 注意力”。实验显示，该方法无需训练即可推断稀疏图上未观测的 S4 关系，并能识别被破坏的三角形。
说明KPPax：面向大气化学机器学习的可微分动力学常微分方程预处理器
简介本文提出KPPax，一个可将KPP语言编写的大气化学机理转换为可微分、即时编译、可向量化JAX代码的预处理工具。它利用隐式求解器及diffrax库的正向与反向伴随方法获得精确灵敏度，无需手工推导伴随代码。作者在POLLU基准机理上演示了两项应用：基于Fisher信息矩阵的参数可辨识性分析，以及神经网络排放清单修正的离线训练与在线微调。
说明提升灵巧性与安全性的手内物体位姿到达策略
简介本文研究多指灵巧手的手内物体位姿到达任务，即在不依赖人类数据、仅在仿真中训练的前提下，让LEAP手将物体移动到指尖可及范围内的任意位置与姿态。作者提出训练方法，并加入可调保守程度的残差安全过滤器以减少物体掉落。真机测试中，状态策略达到95.2%的目标，过滤器将掉落减少75%，同时仍有91.5%的目标被到达。
说明GEPA-Curator：面向自我改进智能体的精选学习框架
简介论文提出 GEPA-Curator，用于改进大语言模型智能体的提示词优化过程。该框架先筛选可能提供噪声或不可靠学习信号的任务，再为提示词优化器检索同一任务过去成功的轨迹作为额外上下文。作者在 GoBrowse、ALFWorld、AppWorld 和 τ-bench 上，以 Gemini 3.1 Pro 与 Claude Opus 5 作为优化模型进行评估，结果显示其平均表现不低于两个基线，相对 GEPA 最多提升 20.7%，相对 ACE 最多提升 21.2%。
说明大型语言模型能否通过自由探索发现隐藏的物理规律？
简介该论文提出 LongChang 框架，用于构建物理定律被改变的模拟世界。被评测的大模型在没有研究任务或提示的情况下，自行操作物体、搭建工具进行探索。在 12 个模型中，GPT-6-Astra 的发现率为 16.7%，其余 11 个为 0%。探索记录显示，模型会遗漏部分异常现象，对改变后物理规律的识别也仅是部分的。
说明通过可控环境合成研究工具使用智能体的缩放规律
简介本文研究如何训练能完成复杂多步任务的大语言模型工具使用智能体。作者提出SynthAPI流程，可控制合成环境中工具、任务和数据库的多样性，并在458,752个任务、849个不同规模的训练模型上系统改变生成参数，得出可预测下游泛化能力的缩放规律。结果显示，数据预算增加时，扩大工具和数据库多样性比增加任务数量更有效，提高数据复杂度收益更大；按此方法训练的智能体在四个评测基准上优于先前工作所用数据训练的模型。
说明MuonGS：用松弛的权重范数控制预训练大语言模型
简介该论文分析了Muon优化器中的权重范数控制，引入累积有效学习率作为分析工具，比较了vanilla Muon、MuonW和MuonH的累积特性。作者提出MuonGS，利用Gram–Schmidt投影去除每次更新的径向分量，在不固定权重范数的前提下保证累积有效学习率增长。实验显示，在长训练周期中，MuonGS的验证困惑度低于MuonH，在稠密模型上匹配验证损失时估计可带来约15%的token等效加速。
说明基于广义二阶路由的多状态线性注意力（MERLIN）：一种改进长文本建模的注意力聚合方法
简介该论文针对自注意力在长序列建模中计算复杂度高的问题，提出MERLIN方法，用于改进多状态线性注意力（MSLA）的信息聚合。MERLIN通过记录每个分段键向量的一阶和二阶矩，使查询能同时恢复与各分段对齐的均值和方差，从而进行更具内容感知的聚合。实验表明，在Gated DeltaNet-1.3B和Mamba-2-780M的多状态版本上，MERLIN在多项长上下文任务中优于现有聚合方法。
说明元认知解码：面向扩散语言智能体的高效推理方法
简介本文提出一种元认知控制器，作为轻量插件用于扩散语言模型，依据当前回答的需要和智能体与环境的交互来引导生成过程，决定何时确定词元以及生成范围。该控制器在智能体轨迹上训练，以平衡正确性与生成成本。在五个基准测试中，相比最高效的基线方法，推理浮点运算量平均降低20.6%，同时保持有竞争力的任务准确率。
说明将视频扩散Transformer改用于跨视角时序物体对应
简介该论文提出XTrack框架，用于在不同视角和时间之间保持同一物体的身份一致。它基于预训练视频DiT，将RGB图像转换为掩码潜变量，并结合跨视角注意力对齐、困难负样本条件和局部上下文裁剪等方法提高匹配可靠性。论文还利用伪标签流程将Ego-Exo4D的稀疏标注转换为稠密监督，以支持视频级训练。
说明预训练期间哪些能力提升？用时间点模型追踪知识获取
此语言的简介未通过日期、金额等核对，暂缓展示，请以原文为准。
说明先学知识，再绘制：视觉生成的新学习范式
简介该论文提出一种视觉生成学习范式：用自回归预训练获取高层语义知识，再用扩散后训练完成高保真渲染。研究比较了不同预训练目标，发现自回归更利于下游渲染，并提出仅用语言监督训练、无图像解码器的纯语义分词器。作者还建立了知识获取与渲染的计算最优缩放规律，并据此训练了30亿参数的文生图模型，在GenEval和DPG-Bench上分别达到86和87分。
看点提出「先知识后渲染」的视觉生成新范式：用自回归预训练获取语义知识，用扩散后训练做高保真渲染；受控比较显示自回归预训练优于从零的扩散训练，并给出缩放律，以6600 H100 GPU小时训练的3B文生图模型在GenEval和DPG-Bench上分别达86和87。
说明稀有、相关，却仍然错误：记忆如何导致LLM群体决策失误
简介该论文研究把LLM群体讨论压缩成短记忆供最终决策者使用时应保留什么。作者提出CrossProfile诊断基准（60个模板、480个任务，答案经自动验证），检验按稀有度或按相关性选择事实这两种常见策略。结果显示两种策略都会在可预见的情形下失效，准确率主要取决于记忆中保留的证据平衡，而非选择策略本身。
说明从第一人称网球视频感知与预测动态运动：视觉模型中的时空智能
简介本文构建了一个带标注的网球数据集，包含第一人称视频、五路第三人称视频、全局位置、击球时间和击球类型标注。研究者用多种视觉模型从第一人称图像预测选手与球的位置、轨迹、击球类型及下一次击球时间，并提出条件扩散模型，依据视觉预测实时生成全身网球动作。
说明VideoLVR：基于视频证据的潜在视觉推理
简介该论文提出VideoLVR，让多模态大模型在推理视频时，从相关时刻的局部区域构建潜在视觉证据，以支撑中间推理步骤，避免只用文字坐标或插入裁剪画面所带来的视觉遗忘与上下文过度膨胀。方法通过视觉token预测目标，将视觉证据重建与文本生成统一在同一预测框架中，并可扩展至强化学习，把采样的视觉token与文本token一同作为动作进行优化。实验显示，该方法在多个视频基准上有效，尤其适用于需要细粒度视觉证据的任务。
说明EnvSched：面向高效智能体强化学习的环境感知调度方法
简介这篇论文提出EnvSched，一种在线任务调度方法，根据历史交互数据决定每批训练任务的分配。它以环境与任务的配对为节点构建双关系图，预测任务内的奖励方差，并兼顾高方差任务与环境覆盖。在Qwen3-8B上的强化学习实验中，EnvSched在40个训练步后在BFCL-v3、tau-Bench和ACEBench-Agent上的平均分达到48.81，超过随机任务选择在120步时达到的最高分。
说明超越答案变化：局部音频证据的同类匹配对照
简介该论文针对音频语言模型，比较对被询问声音事件做局部替换时，同类替换与异类替换两种对照设置下答案变化的差异。两者使用相同的区间、音量估计、样本拟合与交叉淡入淡出，区别仅在于同类替换保留了正确答案。研究基于600段合成声景及两种架构系列的三个模型进行评估。
说明MoI-Bench：移动设备上图像生成与编辑的评测基准
简介本文提出MoI-Bench，一个面向移动用户需求的图像生成与编辑评测基准，包含64个子任务和1150个样本，定义了16种操作和8类视觉目标。作者还提出MoI-Eval评估方法，并以二维的质量-可部署性能力图评估端侧与服务器端模型。结果显示，当前端侧模型能够高效完成生成或编辑，但扩大任务覆盖范围比进一步提升部署效率更值得关注，编辑质量（尤其身份保持和文字渲染）仍需改进。
说明GAS-PFN：面向零样本交通预测的图感知时空先验数据拟合网络
简介该论文提出GAS-PFN，一种用于交通预测的零样本模型。它在合成任务先验中加入随机游走扩散生成的道路拓扑结构，使模型在预训练时学习图结构耦合的交通动态，并通过两次掩码条件的Transformer推理分别建模传感器自身的时间动态与邻近传感器间的时空交互。在六个基准数据集的90分钟预测时长上，相比其前身TimePFN平均降低34.0%的MSE，相比四个近期通用零样本预测模型平均降低27.7%的MSE。
说明TANDEM：在复杂多智能体环境中平衡集中式与分布式评论家以缩小信息差距
简介该论文针对集中训练、分布式执行（CTDE）的多智能体强化学习中，训练时可见全局状态而执行时不可见的信息差距问题，提出TANDEM方法。它在每个训练步骤同时使用一个集中式评论家的两种读取方式，并通过一个无参数门控机制决定策略训练依据，同时用共享目标拉近两者。论文在发现、采样和野火扑救三类合作任务上进行评估，报告在移除集中式评论家后的执行回报，TANDEM在九组设置中的八组表现最佳。
说明理解潜在世界模型的局限性
简介本文讨论了潜在世界模型的可靠性问题。作者提出“忠实潜在世界模型”的概念，将其定义为环境转移映射与学习到的潜在动态之间的等变性条件，并提出潜在回放一致性（LRC）指标，用于评估以动作为条件的潜在预测。研究发现，在所考察的最先进潜在世界模型中，没有一个是通过真正忠实地建模环境动态来完成任务的。
说明Timestral：一组用于概率时间序列预测的基础模型
简介该论文介绍了Timestral，一组参数规模从5M到209M的四个时间序列基础模型，用于概率预测。论文称其在GIFT-Eval、TIME和fev-bench基准上取得新的最佳结果，其中Timestral-209M与Timestral-123M在各项指标上包揽前两名。模型依靠解耦预测时域（DHF）、支持已知未来协变量的因果架构，以及先用大规模合成语料预训练、再用真实与合成数据混合并扩展上下文进行后训练的两阶段流程。
看点提出解耦预测token（DHF）等设计，四个模型参数从5M到209M，在GIFT-Eval、TIME、fev-bench上报告领先结果，且两款较大模型包揽每项指标前两名。
说明REGER：用语义ID建模物品间关系的生成式推荐框架
简介该论文提出REGER框架，用于生成式推荐。它把物品之间的语义关系与协同关系显式地纳入语义预训练、历史编码和语义ID生成三个环节。研究还基于语义ID前缀树给出分层偏好分解的理论分析，并通过蒸馏判别式教师模型的条件分布来联合优化训练。作者称在真实数据集上相较现有生成式推荐基线有一致的提升。
说明足球转播中的零样本多模态事件检测
简介该研究提出一种零样本框架，无需针对足球任务训练参数，即可在完整足球转播中检测、分类并定位事件。系统将比赛切分为重叠片段，用紧凑的视觉分镜和对齐的解说文本交由通用多模态模型联合处理。在三场共130个事件的人工标注比赛上，最佳配置达到72.0%的F1@5s，并在跨数据集设置下优于基于SoccerNet训练的CALF和NetVLAD++。
说明谱辫：用于动态有向网络的拓扑描述符
简介该论文提出“谱辫”方法，用于动态有向网络的机器学习。每个时间快照被汇总为社区级转移矩阵，追踪其复特征值随时间的变化，并将其轨迹读作辫子字，再通过Burau表示映射为固定长度的特征向量。在合成的在线社区网络分类实验中，该特征在四分类任务上准确率达97.1%，高于未追踪特征值的最佳特征集的44.5%。
说明随剧情展开：像人一样观看电影并识别角色
简介本文研究在不依赖外部演职员表、演员照片或预建角色库的情况下，直接从电影本身识别主要角色并确定其名字。作者提出角色命名任务，并提供了数据集与标注、一个视频与对话结合的模型，以及随影片进展逐步构建角色库的框架。
说明噪声平面：指数与离散度之间的扩散桥
简介本文提出 p-Bridge，一种面向 Tweedie 噪声的统一扩散去噪框架。噪声指数 p 描述方差与强度的关系，累积测量量 ν 控制噪声水平，二者共同构成包含高斯、泊松和伽马模型的噪声平面。模型用单个指数条件网络适配不同指数的噪声，并在合成图像、FMD 荧光显微图像和多传感器 SAR 图像上进行了实验。
说明TeamGym：面向分布式信息下AI智能体团队决策的训练与评测环境
简介论文提出TeamGym，用法律、金融、医疗和软件工程语料构建团队决策问题，用于评测和训练基于语言模型的智能体。作者提出“关键信息”的定义，即能正确决策所必需且整体充分的最小事实集合，并据此衡量智能体能否识别和整合这些信息。实验显示，把关键信息分散到多个参与者手中，平均成功率比集中给单个模型低22.9个百分点；参与者需自行从原始材料中提取关键信息时，成功率还会再降低。作者用强化学习训练策略，训练后最终决策质量提高，并出现了发言与沟通等协作行为。
说明LCM-Promo：用于促销分配的基于大语言模型的增量模型
简介该论文提出 LCM-Promo，一种面向促销分配的增量（uplift）模型，属于任务专用的大型商务模型，即在交易型商务数据上微调的大语言模型，用于预测用户意图和对促销的响应。模型从生产日志中学习促销响应曲线，并结合当日、配送时段等会话上下文。在流失用户召回的生产 A/B 测试中，相对于 Segment-EMA 生产基线，转化率提升 1%，促销成本降低 6%。
说明Gym-Anything-RT：扩展面向视觉语言智能体的实时环境
简介该论文提出 Gym-Anything-RT，用于考察视觉语言智能体的实时交互能力。研究者借助智能体流水线，依据六类实时交互能力的分类自动生成视觉小游戏，共构建了 100 个实时小游戏。实验显示智能体在实时条件下表现很差，GPT-6 Astra (xHigh) 的通过率为 9.0%，环境暂停后升至 75.0%。作者已公开该框架与生成的小游戏。
说明ReferStream：面向流式视频生成的交互式主体注入
简介该论文提出ReferStream框架，在流式视频生成过程中无需额外训练即可自然地注入新的视觉参考主体。方法包括联合潜变量（Joint Latent）与缓存恢复（Cache Restoration）两部分，并提出了包含定时参考出现、指令演化及主体存在标注的ReferStream Bench基准。实验显示，在该基准上其文本遵循、主体相似度和数量准确度高于对比基线，包括预先获得全部参考的离线方法。
说明Pneuma：面向商用飞机预测性维护的大规模真实世界时间序列基准
简介本文介绍了Pneuma，首个公开可用的大规模预测性维护基准数据集，基于在役商用飞机的机载时间序列，以引气系统为核心，包含四种机型、9种经验证的故障场景，并与真实维护记录对齐。基准涵盖多变量预测、监督式故障分类和无监督异常检测三项任务。论文在统一设置下评估了四类方法共25个以上模型，结果显示即使是较强的现代模型也难以识别细微故障特征。
说明不确定性量化何时失效：临床类别不平衡下选择性预测的结构性缺陷与修正
简介该论文研究临床人工智能中的选择性预测系统：对高置信度病例自动决策，将模糊病例转交人工专家。在少数类为临床关注结局的不平衡预测任务中，标准不确定性指标可能主要反映类别归属而非临床模糊性，从而系统性地不利于少数类患者。作者提出修正框架，在56种合成条件及三个神经退行性疾病队列中进行评估，并建议采用阈值对齐的不确定性指标与分类别评估。
说明无标签强化学习中的自我强化如何导致策略崩溃：跨任务耦合的集体动力学
简介论文研究无标签可验证奖励强化学习（RLVR），模型因与自身多数投票一致而获得奖励，初期推理能力提升，之后可能崩溃，甚至对所有问题给出相同答案。作者将训练问题数量造成的差异解释为集体不稳定性，并提出理论模型：问题之间共享参数时，多个问题的偏好冲突会放大共享扰动，从而决定临界问题数量。模拟与小型Transformer实验均支持这一理论预测。
说明基于运动学约束的关节物体操作评估方法
简介该论文指出，操作策略通常只用二值任务成功率评估，无法判断指令动作是否符合物体的运动学约束。作者提出约束参照策略（CRS），将末端执行器的指令扭转投影到物体关节轴上，区分沿关节的有效进展与偏离约束的无效动作。该方法需要关节模型和据此生成的关节跟随脚本控制器，不需要录制示范或学习型评判器。
说明何时、何处、如何修正：面向机器人策略的人类引导自适应残差修正
简介该论文提出自适应残差修正（ARC），这是一个轻量的后训练模块，在冻结的策略之上用强化学习学习残差修正。它利用稀疏的人类修正来引导自主探索：干预前的状态决定何时启用残差控制，修正的几何结构决定在残差动作空间中探索的方向，任务奖励决定最终执行的残差。在真实机器人的三项精密操作任务中，ARC将平均任务成功率从33.3%提升到75.0%。
说明GroundControl：基于卫星图像条件的多视角扩散模型，用于无需三维重建的新视角合成
简介该论文提出一种新的多视角扩散模型，以卫星图像和街景输入图像共同作为条件，生成新视角图像。模型采用基于交叉注意力的条件机制，不做三维场景重建，只依赖带位姿的街景与卫星视图。作者称，在户外数据集上，该方法在新视角合成上优于仅用卫星图像或仅用街景图像作为条件的基线模型，在目标视角与源视角重叠很少的困难情况下尤为明显。
说明哪只手晚了？双手工具使用中机器人失败恢复的诊断
简介本文研究双手工具使用任务中机器人失败的诊断问题。作者在仿真实验中依据记录轨迹确定失败原因，比较不同传感通道能分辨出的信息，例如工具滑落、哪只手动作较晚以及两种原因同时出现的情况。结果显示，在两次尝试内，遇到无法确定原因时转而升级处理的修复策略，修复成功的失败数与已知真实原因时相当。