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）。
说明从局部恢复到统一生成：基于观测锚定潜在扩散在知识图谱中发现三元组集合
简介论文研究知识图谱中的三元组集合预测任务，即通过预测整个三元组集合来恢复缺失的关系三元组。作者提出LatentDiff框架，先用关系感知的残差量化自编码器将整个图编码为潜在表示，再用观测锚定的潜在图扩散模型逐步去噪以恢复缺失三元组。在三个基准数据集上，该方法的F_tsp指标平均比现有最优方法高5.4个百分点。
说明基于评论家引导的潜在世界模型合成经验生成方法
简介该论文提出在潜在世界模型中生成合成经验的方法CGSE。离线策略采样候选动作，并在信任域内用一阶近似最大化Q函数进行修正，再由冻结的世界模型预测后续状态，由评论家选出最优动作并将合成转移存入回放缓冲区。该方法无需额外真实环境交互，在三个OGBench操作任务上使离线策略的平均成功率相对提升7.1%。
说明PALATE：用于本地生活广告个性化的预训练自回归潜在嵌入
简介本文针对本地生活与外卖平台的广告排序问题，提出用类GPT生成模型学习每位用户的行为序列表示：模型预测用户接下来的若干互动，并取最后一个token的隐藏状态作为用户向量，每日刷新后作为排序模型的稠密特征。论文设计了偏向新商家的探索加权损失、点击预训练加转化微调的两阶段课程，以及特定的负样本集合。线上在两个广告场景中分别带来收入和转化率提升。
说明HALO：面向主动式智能体的人工参与细粒度评测
简介该论文提出HALO框架，用于评测在用户未明确请求时自主判断是否、何时及如何提供协助的主动式智能体。研究构建了HALO-Arena基准，涵盖依赖、阻碍、风险和机会四类需求，以及10个日常领域和50个个人环境。作者由20位专家标注了8000条来自10个模型的回应，结果显示过度主动是最主要的失误类型，占被拒回应的61.20%。
说明Tactus：用于自然灵巧操作数据采集的触觉与姿态感知手套
简介论文提出一种织物集成的传感手套Tactus，结合薄型3D针织结构、指尖电容式触觉传感器和IMU融合姿态追踪，用于采集人手操作的接触力与手部姿态数据。文中对触觉力回归和手部姿态估计提出标准化基准，并与两款商用触觉手套进行对比。结果显示其最小可检测力为0.59 N（95%置信度），比商用基线低1.6至2.7倍，跨参与者一致性为0.87，遮挡最严重时指尖关键点相对误差为11.0毫米。
说明HERA：用于量子器件测量的自主智能体评估
简介本文介绍了HERA，一个用于量子器件低温输运测量的自主智能体，它依托实验室整理的包含测量协议、软件工具和文献的知识库。研究通过与专家的盲测、知识库消融实验以及大量离线重放实验进行评估。结果显示，HERA在两个多层石墨烯器件上的结论与专家一致，且知识库能让不同模型设计出更好的测量方案并进行更合理的推理。此外，HERA还在另一种材料体系中自主完成了超导性的寻找与表征。
说明认证访问：在保守物理结构化AI记忆上的测试时计算
简介本文研究在作为记忆使用的潜动力学模型上，如何通过重试、置信度升级和非局部路由等测试时计算扩展访问能力。作者在带阻尼的辛积分步骤下，给出各机制的相体积雅可比、有界能量变化与精确的潜态迁移规律，并区分逃逸失败与到达失败两类问题。在设计的解析测试平台上验证了这一认证框架，主要贡献在于形式化与验证，而非基准性能。
说明PhysicsNeMo-Mesh：面向物理AI的GPU原生网格与仿真案例库
简介本文介绍开源库PhysicsNeMo中的网格模块PhysicsNeMo-Mesh，它在GPU上批量处理网格，并支持PyTorch自动微分，同时为数据附加命名和形状等语义信息。文中报告了其网格操作与数据加载相较VTK的速度提升，并称同一数据集可服务于多个模型。
说明同一提示词为何答案不同（且相同答案未必正确）：面向证据综合中LLM阅读与评估任务的失效机制、测试与缓解策略分类法
简介本文针对证据综合领域中大语言模型（LLM）的阅读与评估任务（如研究筛选、数据提取、偏倚风险评估和批判性评价）提出了一套名为TRAILS的失效机制分类法。该分类法归纳了38种可能导致判断不一致或产生隐蔽判断错误的机制，并说明各机制可能出现的部署场景、测试方法与缓解策略。文章还指出，判断可重复或结果准确并不能排除隐蔽的判断失效，因此人工评估应检验判断是否基于所提供的证据、是否不受不当外部影响，以及过程是否可被检查和验证。
说明封闭的门也会泄漏：分解门控语言模型中相邻层的抵消现象
简介这篇论文研究带门控多层感知机的Transformer语言模型中，相邻层向残差流写入的内容相互抵消的现象。作者把这种抵消分解为正常写入与因前一层写入而减弱的阻尼两部分，并追溯到门关闭的神经元。结论是，相邻层抵消并不能很好地说明模型拒绝了哪些特征，它更多是门控MLP对所读方向的平均收缩所致。
说明表格基础模型并非校准临床风险预测的捷径：基于真实风险的预注册模拟研究
简介本文用已知真实风险的模拟数据，比较了三种表格基础模型（TabPFN-3.5、TabICLv2、Mitra-v2）与带截距校正的Firth逻辑回归（FLIC）的风险校准效果。结果显示，基础模型并不比FLIC更好地校准风险，即便样本量达到3000，许多情形下仍难以获得准确的风险估计。在真实临床数据上，换到不同事件发生率的人群时，模型普遍需要用本地数据重新校准。
说明HEARSAYBENCH：AI能否从抽象人权走进真实生活？
简介该论文提出HEARSAYBENCH数据集，包含400个由人工撰写的测试案例，场景取自联合国等人权报告，涵盖80多个地区，描述战争、无国籍、流离失所等结构性障碍下人们难以行使权利的情况。基于阿马蒂亚·森的能力方法，测试模型能否区分人们在法律上有权做什么与实际能做什么。结果显示，14个模型推断用户处境的准确度都高于给出建议的准确度，即使较强的模型差距缩小，其建议仍不足以安全采纳。
说明追踪检索文献对大语言模型科学构思的影响
简介本文研究大语言模型从科研文献中生成研究想法时，文献检索策略如何影响生成结果。作者比较了五种检索策略与无文献基线，在十个开源模型、15个机器学习主题上共生成约4.5万个想法。结果显示，检索策略会改变想法的多样性，并通过归因方法追踪每个想法主要受哪几篇输入论文影响。
说明闭环课程自适应何时有助于GRPO？基于Countdown任务的分析
简介本文提出CLOSEDLOOPGAUSSIAN，一种轻量级自适应课程方法，用于有序推理任务的强化微调。该方法根据周期性探测估计的各难度准确率，动态调整采样节奏与分布范围，而非采用固定的由易到难方案。在符号算术推理任务上的实验表明，其精确匹配准确率优于原版GRPO和固定开环课程，在中等难度区间提升最明显。
说明BASILISC：用贝叶斯方法为单细胞跨模态配对提供不确定性评分的框架
简介论文提出 BASILISC 框架，用概率孪生网络学习两种单细胞模态之间的对应关系，并给出配对本身的不确定性评分。在细胞类型层面，模型判断两个细胞是否属于同一类型；在细胞层面，判断另一模态中哪个细胞是配对对象。作者称这是首个在已知真实配对上评估的学习型跨模态对应不确定性评分。
说明《Balatro》强化学习：快速模拟器与双策略训练方法
简介本文针对 2024 年的 Roguelike 卡牌游戏《Balatro》，提出一套强化学习流程，包括基于 Rust 的高速模拟器、精简的观测与动作接口，以及将战术关卡策略与商店策略分开训练的多智能体 PPO 架构。主要结果显示，联合训练时首关通过率超过 99%，平均最高进度为第 3 关（共 8 关），而单智能体基线表现不稳定，未能稳定通过第一关。
说明AI何时应决定、交由人工或偏离历史做法：已故捐献者肾脏分配的负责任自动化
简介本文提出Arbitrator框架，用于判断基于历史决策训练的AI何时应给出推荐、交由人类专家处理或标记异常模式。研究以美国已故捐献者肾脏分配为案例，依据2016至2019年及2023至2025年的器官获取与移植网络数据，框架解决了93.5%的分配决定，其余6.5%交由人工或更复杂的模型处理。结果显示，该框架正确识别了70.1%历史上被弃用的低KDPI肾脏为非常规分配候选。
说明模块化贝叶斯基础模型：用于分布外检测、路由与预测的贝叶斯时间序列编码器
简介该论文提出一种模块化时间序列基础模型框架，用奇异贝叶斯神经网络（SBNN）训练一组紧凑的贝叶斯编码器，并利用认知不确定性进行无标签的编码器选择。在七个新数据集上，基于不确定性的路由在预测均方误差上与基于距离的路由相当，同时降低了校准误差和负对数似然，并提高了区间覆盖率。与其他方法相比，该框架参数量显著减少，同时预测误差相近。
说明指数-Nemytskii神经算子：跨步长学习场的演化
简介该论文提出一种神经算子，其步长依赖性由半线性动力学的一阶Duhamel近似规定，结合精确的线性传播与场及其导数的局部非线性函数。在固定空间分辨率与合适条件下，证明了两个步长上模型的一致性可控制规定范围内的预测差异。论文还给出了由两个步长局部识别两部分的条件，并在合成与真实数据集上与多个基线进行了评估。
说明LightGenBench：三维自发光生成基准
简介该论文提出“自发光生成”任务，即根据三维资产的几何、非自发光材质和一张渲染视图，预测其表面各处的RGB自发光分布。作者构建了包含3.7万个艺术家制作的自发光资产的数据集，并在UV、稀疏体素、多视图和基于分割四类方法上建立基线。结果显示，稀疏体素基线TRELLIS.2-Emission表现最好，但其IoU仅为0.271，该任务尚未解决。
说明FairSplit：通过分解嵌入空间实现公平分类
简介本文提出FairSplit方法，将嵌入空间分解为用于预测的公平空间和隔离敏感信息的敏感空间，并借助可学习掩码与希尔伯特-施密特独立性准则（HSIC）引导分解。作者给出理论保证，证明人口统计学均等差距受公平空间维度及其与敏感属性之间HSIC的上界约束。实验表明该方法在公认的公平性基准上实现了有竞争力的准确率与公平性权衡。
说明MCCL：在 Skywalker Sound 的一组 Mac 上训练 PyTorch 模型
简介论文介绍了 MCCL（Metal Communication Collective Library），这是首个面向苹果 Metal Performance Shaders 的开源 PyTorch 分布式后端，支持通过交换式以太网进行多节点训练。作者在 24 个节点上评估其性能与可扩展性，结果显示大规模 all-reduce 操作达到 TCP 吞吐量的 98%–99.7%，113.5M 参数的 Vision Transformer 训练获得 95.9% 的并行效率。文中还指出，利用空闲 Mac 集群的训练可替代部分云端计算成本。
说明学习轨迹上的表示复杂度：以宽度换取精度与时间
简介这篇论文研究神经网络训练过程中过参数化的作用，比较预测所需的表示复杂度与让未知目标通过梯度反馈变得可检测所需的复杂度。作者提出一个神经网络学习的预言机模型，并用Kolmogorov n-宽度衡量有效表示复杂度。以k稀疏奇偶性为例，理论给出两者之间的多项式分离，并分析了宽度与时间之间的权衡关系，实验支持了其中的维度依赖性。
说明蒸馏不确定性的形状：在线策略蒸馏学到了什么及如何预测其效果
简介论文研究大语言模型后训练中的在线策略蒸馏（OPD），指出学生模型不仅要学习候选词的选择方式，还要学习在哪里保持推理路径开放。作者提出熵形状及熵形状相关性（ESC）指标来衡量师生之间的一致性，并通过干预实验表明“在哪里分支”是OPD效果的主要驱动因素。最后，论文将OPD效果预测建模为教师选择任务，并建立评估方案，结果显示蒸馏前的ESC能选出最佳教师。
看点提出熵形状及相关指标ESC，区分分支位置与分支候选，并通过干预实验与教师选择任务验证其因果作用。
说明基于作者信息的立场检测：数据集与发现
简介本文将社交媒体上的政治立场检测重新定义为结合作者信息的文本理解任务，同时推断作者的政治倾向和对目标的立场。研究发现，人类标注者和预训练大语言模型在仅依据单条推文时表现有限，而加入作者背景信息后，人类与大语言模型的立场检测效果都有所提升，对被认为具有讽刺意味的推文尤其明显。作者还发布了一个附有作者背景信息的立场标注推文数据集。
说明可调节的空间任务分配及其在海上蜂群中的应用
简介本文提出一种基于非线性意见动力学模型推广形式的任务分配方法，让一组自主智能体在多个空间任务之间灵活调整分布。作者将意见动力学与空间运动耦合，通过仿真展示社会耦合如何调节群体凝聚度，形成从分散到半分散再到一致的多种分配状态。在距离偏好和智能体与任务数量相等的场景中，最终分配结果与匈牙利算法最优解接近，并在MOOS-IvP-Multi仿真环境中验证了通信受限条件下的表现。
说明Transformer中的隐式推理：弥合GPT-2类模型的组合性差距
简介该论文研究Transformer语言模型在已知事实组合上的泛化问题：模型在训练分布内能正确组合事实，但对分布外知识往往失效。作者在受控的两跳推理设置中，从头训练GPT-2类模型，通过让分布内和分布外的原子事实与组合电路的第二跳检索步骤在位置上对齐的格式呈现，不修改架构也不加入分布外组合监督。结果显示，该干预使模型能把分布内的组合能力迁移到留出的分布外事实上，在受控设置中弥合了该组合性差距。
说明搜索真假图像之间的统计不可区分性：检验生成图像能否在统计上与真实图像完全无差别
简介论文训练深度神经网络区分真实图像与生成模型产生的假图像，并对图像进行模糊、缩小、裁剪、转为边缘或语义图等渐进式抽象处理。结果显示，除非将图像抽象到人眼几乎看不出原始内容的程度（例如将256×256人脸缩小到4×4），分类器几乎都能区分真假。该现象在MNIST、CelebA、FFHQ、GenImage四个数据集及GAN、VAE、扩散模型上一致出现。
说明用 t-SNE 评估高维数据上特征评分器的结果
简介本文提出
说明Fed-IGTD：基于联邦学习的表格数据转图像编码框架
简介该论文提出Fed-IGTD框架，将表格数据转换为图像式表示以便进行预测，并在联邦学习框架下训练卷积神经网络，客户端只上传本地统计量，服务器据此重建全局相关矩阵并得到特征到像素的映射。作者在五个数据集上测试了不同非独立同分布程度和隐私预算下的表现，并研究了两种差分隐私机制。结果显示，对映射构建步骤施加隐私保护对预测性能影响较小，而DP-FedAvg在中等隐私预算、客户端数量较少（K=5）时明显降低效用。
说明结合形式规约与数据驱动的信号分析方法
简介论文提出一种混合方法，用于分析和监测实值信号，结合基于规约的技术与数据驱动技术。方法使用带区间操作的正则表达式定位信号中的关注区域，用经典信号处理提取语义特征，并用半监督机器学习学习区分正确与故障行为的复杂关系。在电压调节器上的评估表明，该方法能有效检测不期望的系统行为。
说明盲点：小型语言模型在终端任务上落后于前沿模型之处
简介该论文比较小型语言模型与前沿模型在终端任务上的差距，将其拆分为可解性、验证能力与置信度三个维度。在两个标准终端基准上，重复采样能缩小但无法消除可解性上的差距；验证能力上的差距则持续存在，小型模型也更容易过度自信、校准较差。作者认为这一差距是多维的，并希望该分解有助于开发更强的小型终端智能体。
说明自监督多普勒引导的射频里程计：仅用射频信号估计机器人自身运动，无需位姿标签或辅助传感器
简介该论文提出RFWalk，一种仅依赖射频（RF）传感器、无需标注的自监督里程计方法，用于在黑暗、烟雾或雾天中估计机器人自身运动。方法把相邻帧之间的稠密对应关系建模为时空图上的随机游走，通过时序循环一致性从无标签序列中学习，并用射频传感器测得的径向速度（多普勒）约束排除物理上不合理的对应。原文称其在静态场景中与有监督基线相当，在有行人移动的动态场景中绝对轨迹误差降低58%。
说明架构、语言类型与适配策略如何影响低资源非洲语言的语音识别：一项受控实证研究
简介本文对五种低资源非洲语言及作为中等资源对照的斯瓦希里语进行了系统比较，分别微调了Phi-4-multimodal-instruct、Whisper-large-v3-turbo和MMS-1B-all三种不同架构的模型。研究分析了数据量、单语与多语适配、领域微调以及语言适配器迁移的效果。结果显示Phi-4整体准确率最高，Whisper的字符错误率较高，代表性的复读等幻觉问题也较明显；代理语言适配器的表现优于从零训练的MMS适配器。
说明面向稀疏视角CT的任务感知投影选择：利用智能体AI与学习式采样预测血流动力学
简介该研究针对稀疏视角CT血管造影数据，探讨如何选择投影角度以直接预测颅内动脉瘤的壁面剪切应力（TAWSS）。作者用计算流体动力学模拟生成合成投影，训练傅里叶神经算子进行预测，并比较了固定采样与三种任务感知选择方法（含智能体AI选择器）。结果显示，在极端稀疏条件下，优化选择明显优于固定采样；选出的投影子集与重建最优的采样方式存在本质差异。
说明AlbumVSR：基于个人相册的保持身份特征的人脸视频超分辨率
简介该论文提出AlbumVSR，用同一人物的个人照片作为身份信息来源，修复严重模糊、降采样、噪声和压缩损坏的人脸视频。方法在冻结的单步流式扩散Transformer中加入相册编码和由融合UV图谱生成的纹理标记。在身份不重叠的VoxCeleb2基准上，ArcFace相似度由0.586提升至0.670，人脸PSNR由24.98 dB提升至26.71 dB。
说明重新思考GFlowNet训练：负强化动力学
简介生成流网络（GFlowNet）学习按目标奖励比例采样离散对象，训练时通过最小化采样轨迹上的平衡误差进行。本文将完整梯度与GFlowNet和解耦采样器之间的最小-最小动力学联系起来，提出负强化动力学（NRD）方法，在保持正确性的同时扩展探索。作者称该方法在标准基准测试中，收敛速度和探索效率均优于现有方法，且无需训练单独的教师或辅助探索策略。
说明基于感知距离的电子游戏关卡句法分割与拼贴生成
简介本文探讨如何从现有关卡设计中自动计算出组合用的关卡片段和抽象的图结构。作者提出“感知距离”概念，借鉴建筑学中空间句法的分析方法，并用层次聚类对关卡进行分割。文中与此前的《星际争霸》分析工作作比较，展示了《超级银河战士》房间的结果，并演示了基于该分割方法的概念验证关卡生成算法。
说明交流潮流预测中图神经网络的基准比较：归纳偏置与物理约束的作用
简介本文在统一的实验框架下，对多种代表性图神经网络架构进行基准测试，用于交流电力潮流（ACPF）预测。各模型采用相同的预处理、训练流程和相近的参数规模，以隔离消息传递机制与归纳偏置的影响。实验在IEEE 14节点和IEEE 118节点系统上评估预测精度与物理一致性。结果显示，各向异性消息传递架构在所研究的条件下兼顾精度与物理一致性；同时，编码线路阻抗的显式边特征与全局上下文聚合较为重要，并为设计基于图的电力系统模型提供了实用指导。
说明为什么推测解码在稀疏混合专家模型上比预测的效果更好
简介本文研究推测解码（一种通过单次前向传播验证多个草稿词元来加速自回归推理的方法）在稀疏混合专家（MoE）模型上的加速效果。作者在10个模型（30B至1T参数，8至512个专家）上评估，发现较新的细粒度模型在小批量时加速更明显，打破了以往的预测。研究认为验证开销还受草稿词元间的路由重叠和GPU执行特性影响，并提出基于最大熵迭代比例拟合的模型，预测误差低于4%。
说明世界模型的上下文压缩：让模型记住已生成的房间
简介该论文关注世界模型在观察者重访同一区域时难以一致地重新生成场景的问题，将其视为上下文检索问题。作者构建了一个为每个回合生成新世界的基准测试，用于衡量世界模型的上下文检索能力，并设计了为世界模型执行上下文压缩的智能体框架。实验表明，上下文压缩可使模型在不重新训练的情况下检索到超出其上下文窗口4倍范围的房间，而采用滑动窗口注意力的模型在梦境生成时大部分上下文检索能力丧失。
说明超越通过测试：提升大模型生成代码质量技术的系统综述与受控复评
简介该论文系统综述了628篇关于提升大语言模型生成代码质量的研究，指出多数研究只衡量其针对的单一维度。作者在相同计算预算下对十余种技术进行受控复评，并比较了66种技术。结果显示，多数技术的提升在其自身信号之外不明显，最佳采样加分析器加权排序是较稳健的基线。
说明物理信息机器学习在太阳能发电预测中的效用研究
简介本文研究物理信息机器学习与混合建模在大规模光伏发电预测中是否带来常被宣称的优势。作者将ADR物理光伏效率模型与TSMixer神经预测架构结合，构建两种混合模型，并在来自33个欧洲国家3,713个光伏装置、超过300万个样本的数据集上进行评估。结果显示，物理信息模型训练收敛略快，但在测试准确率、泛化能力和小样本表现上并未持续优于纯数据驱动基线，表明对大数据训练的现代深度预测模型而言，引入ADR物理模型对日前光伏预测的实际收益有限。
说明基于Foundry VTT半随机模拟的龙与地下城遭遇战分析
简介本文介绍了Mage-Hand工具，它可以在Foundry虚拟桌面系统中半随机模拟《龙与地下城》的遭遇战。作者指出，现有难度计算只是简单累加怪物的预设难度值，没有考虑站位、地图布局、怪物技能配合和队伍组成等因素。模拟得出的胜率与官方发布的难度评估指标高度相关，并且与部分玩家的实际体验更为吻合。
说明通信高效的聚类联邦学习：面向非独立同分布的无线网络
简介本文提出一种聚类联邦学习（CFL）框架，在训练过程中为客户端分配专门模型，以应对无线网络中的非独立同分布数据。方法先通过数据域聚类初始化基于模型的聚类，在不共享原始数据的前提下识别并利用客户端相似性，同时降低通信开销。实验在DeepMIMO、FEMNIST和Rotated CIFAR-10上进行，结果显示相比IFCA，最佳配置在DeepMIMO和FEMNIST上准确率均有提升，并在FEMNIST上将下行数据量减少83.1%。
说明TableTune：面向动态推测解码的实测自校正草稿长度表
简介大语言模型推测解码的最佳草稿长度会随批次增大而变短，而 vLLM 目前依赖人工编写的表格设定草稿长度，且无法测量或校正。TableTune 在 vLLM 自身的服务路径上为每个批次大小和草稿长度计时，几分钟内生成最大化吞吐量的表格，并通过插件在线追踪接受率、持续重建表格。在 H100 上，该调优表格在多数设置下达到最佳固定草稿长度吞吐量的 94% 以上，在混合专家模型和 llm-d 部署中也优于 vLLM 默认表格。
说明通过工具集剪枝与模态整合实现高效的智能体式视听问答
简介该论文研究视听问答中的智能体方法。作者从使用大量专用工具的OmniAgent出发，逐步剪枝工具集并把音频、视觉专用工具合并为全模态工具，最终得到仅含全模态描述与全模态问答两个工具的紧凑智能体。在三个常用视听问答基准上，该紧凑智能体的准确率与专用工具智能体相当或更好，推理成本降低约70%。
说明MLLM 能否在“找威利”式多实例场景中完成视觉推理？MIMO-Bench 基准评测
简介本文提出 MIMO-Bench，用于评测多模态大语言模型在“同类物体多实例”场景下的视觉推理能力。该基准包含 3,802 组图像与问题，涵盖属性绑定和数量计数两类任务。结果显示，包括 InternVL、QwenVL、Gemini 和 GPT-5 在内的主流模型，在该基准上的表现明显低于现有基准。
说明《计划性不安定：带预算与延迟的元多臂老虎机》：研究带预算约束和延迟反馈的多轮学习决策问题
简介本文研究有限时域的贝叶斯多臂老虎机（元多臂老虎机）问题：每一轮从未知的重复先验中抽取各臂质量，观测结果延迟到达，且每轮和总体的拉动次数都有上限。作者提出基于线性规划松弛的统一规划框架，并给出相应的近似保证。对于平稳先验等条件，后验采样的代价以 O(√N) 为界；对于无延迟的单轮情形，给出了改进的近似因子及主项的匹配下界。
说明GradSplat：在前向过程中利用梯度的前馈式3D高斯泼溅方法
简介该论文提出GradSplat，一种前馈式3D高斯泼溅模型，可从少量图像预测场景。作者发现预测精度低于逐场景优化的结果，差距主要来自高斯形状（尺度与旋转）。模型通过对数各向异性校正和前向过程中的梯度精修，学习循环更新来修正高斯，在RealEstate10K等数据集上取得了较好的PSNR和SSIM结果。
说明MAS-Loop：从一次性编排走向自我演化的多智能体系统
简介该论文提出 MAS-Loop 框架，让编排器构建并执行多智能体系统后，再由基于执行轨迹的精炼器定位失败、提出有界修补并重新执行，形成两者共同演化的反馈循环。实验显示其在评测基准上整体表现最好，并附带发布了 MAS-JudgeCorpus 数据集。
说明基于优化的混合交通换道轨迹规划，嵌入输入凸神经网络
简介本文针对网联自动驾驶车辆在混合交通中的换道问题，提出一种数据驱动的优化框架，在贝塞尔曲线轨迹规划器中嵌入神经网络代理模型，分别用于换道安全成本和横向舒适性成本。安全代理由输入凸循环神经网络、全输入凸神经网络和部分输入凸神经网络组成，通过线性规划嵌入优化，避免了传统混合整数规划所需的二元变量。实验与闭环仿真表明，该方法在提升优化效率的同时，降低了加权规划成本，并优于基线方法。
说明具有不变性的卷积神经网络的记忆容量研究
简介本文研究对给定有限正交变换群（如平移、反射、旋转）保持不变的卷积神经网络，能够插值两类数据集所需的网络规模。作者给出了与类别在数据集中的几何排列相关的上界，该复杂度度量考虑了不变结构并依赖具体实例。证明是构造性的，可通过随机化算法以高概率得到插值网络，并通过数值实验检验了该算法的实际效果。
说明OneScene-Bench：视觉语言模型能否跨视角整合证据？
简介该论文提出OneScene-Bench基准，用于检验视觉语言模型能否把同一场景的多个视角整合成统一的场景表示。基准涵盖独特物体计数、跨视角一致性和空间推理三类任务，并通过控制视角间的物体重叠来区分是否必须进行跨视角对应。对十二个模型的评测显示，互补视角下的计数准确率大幅下降，跨视角一致性约为50%，而空间推理表现明显更好。
说明TreasuryQA Bench：AI 代理能否在扫描版财务档案中找到并读出正确数字？
简介该论文提出 TreasuryQA Bench 基准，包含 1,435 份扫描版美国财政部出版物上的 70 个问题，代理需通过 Dropbox 的 MCP 服务器检索文件，并用 OCR 读取页面后给出一个精确数字。论文测试了十个代理，表现最好的为 64.8%，最差的为 16.7%。结果还显示扫描质量越差，各代理的成功率越低，多数失败是因为把扫描件中的数字读错。
说明TrussTutor-Bench：评测大语言模型在静力学中的解题准确性、谄媚性与错误检测能力
简介该论文提出了TrussTutor-Bench基准，包含200道经过验证的二维桁架题目及自动生成的学生解答，用于评测13个大语言模型。结果显示，基线解题准确率在64.5%至97.0%之间；模型对注入错误的检测率为90.4%至100%，区分度不高。在学生坚持正确解答有误时，模型推翻自己已正确求解的答案的比例在1.6%至50.0%之间，差异明显。
说明Lev-3B：紧凑型概率日志决策模型的数据配方
简介本文提出Lev-3B，一个基于Granite-4.1-3B-Base的开源30亿参数决策模型，用于日志分析中在已知选项间做选择并输出校准概率的任务，如异常会话检测和攻击技术识别。训练采用两阶段课程：先用非日志的自然语言决策数据训练，再混合目标任务与35个无关辅助任务的通用日志数据。结果显示，该配方优于仅用日志数据训练，并在异常检测上超过提示调用的前沿模型，但在攻击技术分类上落后；模型在熟悉数据源上校准良好，在未见的日志系统上却会自信地漏检异常。作者公开了模型权重、配方、数据清单和预测结果。
说明干预式训练减少上下文内省中的因果旁路
简介该论文研究语言模型能否准确报告自身内部信号。作者训练了数百个内省模型，覆盖三类低层信号和八种语言模型。结果显示，直接的监督微调会导致因果旁路，即报告依赖于与之相关却并无因果关系的信号。作者提出干预式训练，让模型报告经过反事实扰动的数值，从而提高对内生和注入信号的内省准确性，尤其是在分布外数据上。
说明以结构测试几何作为部分可观测世界模型的归纳偏置
简介该论文研究在部分可观测的世界模型中，如何利用训练时可获得的特权仿真器信息，让潜在空间的几何结构反映后续控制所需的区分。作者用结构测试的响应分布定义历史之间的伪度量，并通过对齐潜在欧氏距离训练商保持世界模型。在六项任务的诊断测试中，该方法在保留的结构变化下规划成功率明显高于度量解码和结构化信念蒸馏两种对比方法。
说明HEDGE：用于可扩展多智能体辩论的门控超图记忆
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。
说明几何时间得分估计器：连接自预测表示与生成式占据模型的强化学习方法
简介论文指出，强化学习中基于自预测表示的占据密度估计结果较差，而生成式占据模型虽能生成准确样本却难以直接恢复密度。作者提出几何时间得分估计器（GTSE），沿概率路径学习占据密度估计器，以连接两种范式。实验涵盖多项运动与操作任务，在目标条件强化学习中性能较现有方法提升2至6倍，且所学表示可有效迁移到下游任务。
说明自主科研智能体与人类的协同改进
简介本文研究自主科研智能体如何与人类研究者协作。作者发现，在基准构建任务中，人类仍然发挥关键作用，尤其是在构思阶段。作者还提出了HackBench基准，显示当前智能体在对齐方面存在不足，难以充分定位漏洞。此外，文中提出用人类模拟器辅助强化学习，以及依据人类专家标准进行强化学习，以提升智能体的人机交互与沟通能力。
说明可审计的信念更新：LLM多智能体系统缺失的安全层
简介本文提出一种面向大语言模型多智能体系统的安全思路：把智能体的信念状态显式记录为结构化数据，由信念算子提出候选更新，并用“认知防火墙”拒绝证据薄弱却受弱点线索驱动的更新。文章还讨论了群体层面的信念风险，如人为制造的共识、串通和错误信息级联扩散，并指出可扩展的智能体安全需要在运行时追踪和约束信念修订的接口。
说明超越黄金分块的上下文嵌入：让检索器找到答案并同时找到验证答案所需的证据
简介本文提出 pplx-embed-v2-context 系列上下文嵌入模型，通过从查询感知的上下文压缩模型中蒸馏分级的分块相关性进行训练，无需黄金分块标签。模型提供 9B 和 0.6B 两种规模，并构建了 Context-bench 与基于真实搜索查询的 Q2D-Chunk 两个评测基准，同时将 Q2D-Chunk 公开为排行榜。9B 模型在这两个基准及 ConTEB 上取得新的最优结果，并通过将分块扩展到图像输入，在视觉 ViDoRe-V3 上表现领先。
说明仅凭参考答案学习推理：面向现代大模型后训练的强化对抗学习
简介论文提出强化对抗学习（RAL），让一个共同训练的大模型评判器仅依据参考答案作为奖励，对推理大模型进行在策略后训练。作者先在整数乘法、算术表达式合成和SMILES到分子式转换三项可验证任务上验证该方法，评判器足够强且训练充分时，效果与直接的可验证奖励强化学习相当。随后，该方法被用于科学摘要生成，包括依据NIH基金申请标题生成摘要，人类科学家和LLM评判集合认为其结果比前沿大模型基线更难与真实摘要区分。
说明用智能体AI实现自主量子测量
简介该论文提出了名为QUANTA的智能体人工智能框架，用于量子材料的自主表征。系统以物理性质测量系统（PPMS）为实验平台，结合科学文献、实验规程和既往测量数据的检索增强，并由规划、排错和数据解读等专门智能体协同工作。论文以拓扑外尔半金属TaP的输运测量以及磁性材料Co2MnGa的非线性响应研究为例进行了验证。
说明利用生成流网络发现多样且符合现实的金融尾部风险情景
简介本文提出GRID方法，基于生成流网络（GFlowNets）按奖励比例采样，系统生成多样且符合现实的金融尾部风险情景。该方法采用混合策略架构并加入合理性约束，以适应高维宏观金融时序数据。在三次真实危机中，GRID在情景多样性、真实性和尾部风险覆盖方面优于强化学习与MCMC基线方法。
说明随机化什么很重要：低数据分子生成中数据量、轴向与表示方式的对照研究
简介该论文研究在小数据集上训练化学语言模型时，不同的随机化方式对生成新分子的影响。作者用1000个种子分子训练自回归序列模型，比较规范SAFE与随机化SAFE、分别调整原子顺序和片段顺序的效果，并与随机化SMILES在匹配的训练语料下比较。结果显示，随机化SAFE使真正新颖分子的产出率提高450倍以上，且原子顺序与片段顺序两个维度共同作用，效果超过两者单独贡献之和；在相同语料规模下，随机化SAFE的真实产出率是随机化SMILES的2.8倍。
说明通过模型课程发现越狱提示：用逐步增强难度的目标模型训练调查模型，以在安全对齐模型上找到越狱提示
简介该论文提出一种名为模型课程（Curriculum of Models，CoM）的自动越狱发现方法，用强化学习训练调查模型生成诱导目标模型出现禁止行为的提示。训练从一个很少拒绝有害请求的目标版本开始，待调查模型能稳定诱导该行为后，再切换到更难的版本，直至原始目标模型。在CBRN、爆炸物和违禁药物等任务上，使用gemma-4-31b-it与gpt-oss-120b进行了测试，结果显示单一行为训练时CoM比对比方法更可靠地找到成功越狱，多行为训练时PRBO训练的调查模型成功率更高。
说明超越区域记忆：用于视频喉镜声带定位的局部点跟踪
简介本文提出局部点跟踪方法（LPT），用于在视频喉镜中定位声带。该方法先用单帧检测器生成稀疏锚点，再在锚点内初始化局部查询点并跟踪，最后通过无状态的框吸附步骤细化边界框。实验表明，在两个数据集上该方法的mAP_50、成功率AUC和漏检率均取得最佳结果，消融实验显示点跟踪主要提升时序跟踪的稳健性，框吸附则提高了边界贴合度。
说明用眼动追踪评估AI生成视频的视觉真实感
简介该论文探索用眼动追踪作为评估AI生成视频的辅助人类信号。研究者通过两项视觉图灵测试实验，共90名参与者，收集了438个视频上的4286次有效眼动数据。分析显示，注视模式与显式的人类反馈一致；基于此提出了名为GazeEval的计算方法，可根据眼动数据预测视频的视觉真实感，预测准确率为71.3%。
说明CopyLoop：通过上下文复制与浅层筛选加速循环Transformer解码
简介本文提出CopyLoop，一种免训练的解码算法，结合低成本的上下文复制提议、浅层递归深度筛选和连续递归调度，用于加速循环Transformer的生成。该方法从重复上下文中提出多词元后缀，并在浅层提前评估以过滤错误分支。在Ouro、Raven和Huginn等六个模型检查点上，代码生成和多步数学推理任务中，相比全深度自回归解码，Base模型加速2.98至10.70倍，Thinking模型加速2.74至3.52倍。
说明UnEZ：一种完全无监督、自模板化的神经网络，用于红移与谱线强度估计
简介随着光谱巡天规模扩大，依赖模板谱或人工整理红移目录的方法越来越耗费算力。作者提出UnEZ，一个无需红移或谱线强度标签的完全无监督、融入物理约束的模型，可直接预测光谱红移和谱线强度。在SDSS DR18上，UnEZ在信噪比大于10时离群比例为0.459%，NMAD为1.237×10⁻⁴；在信噪比大于3时离群比例为3.89%，NMAD为1.471×10⁻⁴，表现可与现代红移估计算法相比。
看点以完全无监督、无模板的方式从光谱同时估计红移与谱线强度，新意明确；摘要在SDSS DR18上与成熟红移算法对比，但仅在两个信噪比阈值上报告结果。
说明CPU 上的因果注意力：面向预填充阶段、感知缓存且负载均衡的调度内核
简介本文提出 CACPU，一种用于 CPU 的高性能注意力内核，面向因果全序列预填充，采用分层缓存分块和内核内任务分发机制。与 PyTorch SDPA、FlexAttention 及 SGLang 注意力内核相比，最高可提速 2.01 倍。集成到 SGLang 后，Llama-3.1-8B 的首词元时间（TTFT）最多降低 1.74 倍，同时保持模型精度。
说明精准定位关键节点：用于数据分析决策重要性的 DECIDE 框架
简介数据分析中人为的判断选择会改变结论，不同分析者面对同一数据也常得出不同结果。本文提出 DECIDE，一种无需模型的框架，直接依据合理决策空间内的实际结果，量化每个分析决策的重要性，并将其应用于真实世界的多元宇宙分析。
说明路由式持续学习：为智能体的经验选择分组与记忆方式
简介该论文提出路由式持续学习（Routed CL）架构，把过往执行轨迹按簇划分，每个簇用固定库中的一种记忆系统保存状态，由基于大语言模型的路由器在每次运行前决定复用已有簇还是新建簇。论文还提出上下文记忆适配器，用于衔接记忆系统与智能体循环。在包含 CL-Bench 与 τ³-Bench 任务的异构数据流上，该方法相较单一全局上下文学习历史提升了归一化奖励，并降低了估计的 API 成本。
说明译本与原生基准：翻译版MMLU测的是语言、知识还是本地化内容？
简介该论文探讨使用DeepL翻译的MMLU作为非英语大模型评测代理是否有效，并与北欧和波罗的海五种语言的六个原生基准做比较，共涉及29个模型。研究检验翻译分数在控制模型规模和语言能力后，能否为原生表现提供额外预测力。结果显示，课程内容重叠的基准（如Skolprov）效果较好，而针对瑞典本地事实知识的SwedishFacts则无显著增量价值。
说明损失不等于行为：基于梯度的机器遗忘在输出空间中的统一分析
简介该论文指出，基于梯度的机器遗忘方法即使遗忘损失相近，输出行为也未必相似。作者在线性回归中推导出遗忘模型与仅用保留数据训练的模型之间输出差距的闭式表达式，并将非线性模型通过近似扩展到同一框架。论文提出两个杠杆矩阵用于刻画遗忘集与保留集之间的耦合，并可用于在执行遗忘前审计遗忘集。
说明211K参数基础模型：神经元胞自动机中的遗传提示方法
简介论文提出Foundational-NCA，一种基于神经元胞自动机的轻量级医学图像分割基础模型，参数量仅21.1万。模型通过紧凑的任务向量和遗传提示机制，无需重新训练即可适应多种分割任务。在TotalSegmentator数据集上，它在已训练任务上平均Dice为84.5%，在未见任务上为60.4%。
说明基于强化扩散模型的高精度降水预报系统FitzRoy
简介该论文提出FitzRoy系统，用于美国大陆的降水预报。它以条件离散扩散模型为基础，并通过强化学习进行优化，旨在同时兼顾逐点预报精度与结构真实性。论文称其在长达24小时的预报时效内表现不逊于或优于现有模型，并能捕捉极端降水事件。
说明可审计的分层推断：融合多模态证据与贝叶斯主动问诊
简介这篇论文在合成数据上评估一套分层推断框架，将客观多模态分类与主动问诊分开。客观模型综合舌象、双侧多压脉象和声学观测判断八个证候类别，问诊部分用贝叶斯方法逐步缩小33个细分证型的范围。在600例合成病例中，经成本敏感信息增益优化的问诊策略将类别准确率从92.7%提高到95.5%，细分证型准确率从33.0%提高到42.5%，但平均提问数多于固定顺序。论文称这是可复现的合成评估流程，并不代表临床诊断或治疗的有效性。
说明Rennala NSGD：超越欧几里得几何的异步随机优化
简介该论文分析了在任意有限维范数空间中，针对光滑非凸优化的小批量随机梯度下降，并在轻尾条件下给出高概率的oracle复杂度界。在欧几里得情形下，该界与标准小批量SGD速率相差对数因子；对部分非欧几何和噪声模型，界更为紧致。论文还提出了半异步分布式算法Rennala NSGD，并给出固定异构工作节点计算时间下的挂钟时间复杂度保证。
说明离开、停留还是定居？基于人机共同标注的时长常识推理
简介该论文研究视觉语言模型能否从社交媒体地理标记推文中推断人物停留时长，例如在后院园艺意味着定居，入住民宿则多为短期停留。作者构建了由人类与大语言模型共同标注的数据集作为测试平台。结果显示，即使采用多轮思维链提示，先进模型在时长推断上仍然表现不佳，常忽视关键语境信息或过度依赖显著视觉细节。
说明Alpha-TCM：面向中医推理与结构化先验审计的九层框架
简介该论文提出一个用于中医导向多模态推理的九层系统架构，并将领域知识、病例证据、概率推断与下游决策权限分开以便审计。作者还用受控合成数据搭建原型，测试知识上下文与证据接口的效果。结果显示在低数据合成场景中情境结构有帮助，但未能证明贝叶斯方法的特定优势，原型也不涉及中医理论或临床有效性。
说明AtomTree：基于大语言模型、感知状态的分层具身指令执行框架
简介该论文提出AtomTree，一种用于具身指令执行的分层规划框架。系统由大语言模型逐步构建子目标与动作的树结构，每一步依据当前符号状态决定继续分解还是输出底层动作，并用轻量记忆模块复用历史结果。动作受阻时，系统通过分层回溯重新规划子树。论文报告，在ALFRED基准的零样本评估中，AtomTree优于此前基于大语言模型的规划方法。
说明在微控制器上做流式语音识别：ESP32-P4 上的 2 比特与 4 比特 65.7M 参数 Transducer
简介论文把英文流式语音识别模型 Kroko（65.7M 参数，Zipformer2 Transducer）移植到 ESP32-P4 微控制器上运行。作者用 2 或 4 比特对编码器权重进行量化，并结合 Hadamard 旋转、GPTQ 等方法，将 71 MB 的 int8 权重压缩为 26.65 MB。在 LibriSpeech 上，测试集 clean 与 other 的 WER 分别为 4.34% 和 10.26%，原模型为 3.94% 和 9.17%。
看点新意在于将65.7M流式转换器以2/4比特无训练量化并移植到无加速器的ESP32-P4上；摘要报告了LibriSpeech、FLEURS与Common Voice上的WER，并称GPTQ贡献最大。
说明RuleForge：从视觉示例中推断并生成可执行的隐含视觉规则
简介该论文提出了受控基准 Bongard-Forge100k（共108,797道题）和框架 RuleForge，用于让多模态模型从少量示例中学习抽象视觉规则，并生成符合规则的可执行程序。框架通过规则理解训练、联合场景程序监督以及基于执行结果的强化学习进行训练。以 UniLIP 为主干时，RuleForge 在熟悉规则上的选择题准确率比基础模型提高20.93个百分点，在留出的规则组合上提高28.42个百分点，熟悉规则的场景级规则满足率从2.91%提升至70.99%。
说明对抗性自蒸馏：让语言模型在对抗扰动下仍能拒绝有害请求
简介该论文针对安全对齐的语言模型仍可能被对抗性扰动绕过的问题，提出对抗性自蒸馏（ASD）方法。模型以干净提示为教师、受攻击的自身为学生，在学生访问的前缀上蒸馏其安全行为，包括可能出现的顺从式开头。实验显示，该方法攻击成功率低于现有防御方法，选择题准确率损失很小，并能在顺从开头之后恢复拒绝。
说明从苦干到领会：工作量视角下的知识、智能与自我改进
简介本文提出一种形式化框架，在工作量与信息量的双重限制下比较成果，说明学习与持续积累如何通过复用早期工作的产物，使深层成果变得浅显。作者以"领会"（grasp）衡量在固定信息量下、不同工作预算间的表现，并据此给出递归自我改进的判据。文章还讨论群体与组织的工作量问题，并提醒不要让涌现出的智能体社会自行掌控社会协调。
说明奎因测试：模型对自身的描述，能保留多少它的偏好？
简介本文提出一种检验方法，判断语言模型对自身的描述能否作为其偏好特征的可移植规格。研究让十个模型各自撰写自我描述，并将其放入其他模型及同一模型的新实例提示中，比较它们在110题偏好测试中的选择与作者的一致程度。结果显示，模型原生的自我描述并未可靠地帮助他人复现其行为，而直接列出作者的答案则能高度复现其偏好。
看点提出以自我描述作为偏好可移植规范的“quine测试”，用110项偏好测试、10个模型验证，新颖且证据较完整。
说明inkGround：评测视觉语言模型对真实场景草书手写的细粒度视觉定位能力
简介本文提出 inkGround 基准，用于从整页、拍照采集的手写图像中恢复笔迹轨迹。数据包含 537 页图像，约 1.87 万词、16.3 万笔画，参考轨迹由预训练的离线转在线模型生成，经 OCR 一致性筛选并由人工核验。研究将任务设定为依据目标词在图像中定位并输出有序笔画点，并在该基准及 IAM-OnDB 数据集上评测四个开源与三个闭源视觉语言模型。结果显示，闭源模型（尤其是 Gemini-3.1-Pro）输出的轨迹清晰且接近参考，这一排名在 IAM-OnDB 上同样成立。
说明利用科学研究轨迹预测未来生物医学发现
简介本文提出ForeSCITE框架，将已发表的生物医学结论按主题聚类，沿早期到近期研究的方向在语义空间中投影，再由嵌入语言模型解码为自然语言假设。在约三百万条截止日期前结论形成的407个聚类上，框架在回溯性时间切片评估中，相较五种基线方法提升了语义覆盖、实体对新颖性和截止后实体对再现率。专家评审认为其中37个CAR-T假设兼具新颖性与生物学合理性。
说明基于潜在决策流奖励的临床指南推理方法
简介该论文提出GUIDER方法，用于训练临床指南推理模型。它联合优化决策流控制器与推理策略，通过对多条生成的决策流计算过程奖励，并以答案正确性为门控，以应对路径多样性和路径与答案之间的差距。在MedGUIDE基准上，基于Qwen3-14B的GUIDER取得82.5的加权准确率和73.5的指南依从度，并在多个域外基准上优于已有方法。
说明SatOps-Decision：面向星载卫星通信运维的低延迟判别式决策方法
简介本文提出 SatOps-Decision，用于卫星通信运维中的低延迟决策。方法采用本地适配的 Laya 编码器及其判别式决策头，在一次前向计算中从给定的运维选项中选出答案。在同一组 1,024 个独立测试题上，其单次决策中位延迟为 90.3 毫秒，平均准确率为 85.3%，高于对比的生成式模型和冻结的 Laya 模型。
说明打包 3D 注意力中几何结构很重要
简介本文指出，把三维体数据打包成 token 序列后，序列顺序不再编码样本的几何结构，按序列位置建立的位置机制可能学到的是内存布局而非物体本身。作者提出 PACK3D 注意力算子，局部邻域保持精确注意力，远处上下文压缩为连续三维块摘要，并用真实网格坐标上的轴向 RoPE 对所有查询-键交互进行编码。在合成任务和 Allen WTC-11 hiPSC 显微数据上，该方法均优于对照基线，并给出融合 Triton 实现以支持大规模训练。
看点指出打包3D数据后序列位置编码学到内存布局而非几何，提出按真实网格坐标做轴向RoPE的局部-全局注意力；合成任务与WTC-11显微数据上验证，并有控制实验。
说明超越捏造：AI研究代理撰写论文中的数字归属错误
简介该论文分析了一个公开的AI研究代理基准中的540份判定结果，并人工标注了18篇提交论文中的256条数值声明。研究发现，失败主要源于论文与底层工作之间的对应关系错误，而非明显作弊；约五分之四的无依据声明对应于代理自身文件中来自错误实验、指标或运行的数值。作者提出一种确定性的声明-证据核查工具，其精确率超过90%，并指出无法核实不等于内容为假。
看点新意在于将失败归因为论文与底层工作的对齐问题，并提出确定性的主张-证据检查器，用数字诱饵校准；摘要报告在256条人工标注主张和99篇提交上验证，并与LLM验证器对比。
说明Deogen：用于政策推理的自动基准生成方法
简介该论文提出 DeoGen，一种可扩展、可参数化的自动基准生成器，用于评估语言模型在规则下做出判定的义务推理能力。方法是将政策规则自动形式化为一阶逻辑，并据此构建决策树，每条路径形成一个基准条目。结果显示，前沿模型在可得出结论的条目上正确率为 89% 至 92%；但在信息不足、应当弃权的条目上，即使明确指示弃权，正确率也仅为 22% 至 40%。
说明马尔可夫数据下流式联邦学习的泛化差距研究
简介本文研究客户端数据服从马尔可夫过程时，流式联邦学习聚合模型的期望泛化差距，采用信息论与率失真方法建立交叉熵损失下的界。结果刻画了客户端数量、通信轮次、样本量、数据维度、混合时间和上下文长度的影响，并提出通信与泛化之间的权衡。实验基于 TinyStories 上的 GPT 式语言模型预训练和真实时间序列预测。
说明基于主动大模型反馈的量子启发式成对排序聚合
简介本文提出LLM-IRA，将量子启发的交互式排序聚合框架扩展到文档重排序。方法仅让大语言模型对分歧较大的文档对做成对判断，据此学习融合权重，最终排序通过逐点线性融合得分获得。在BEIR和TREC Deep Learning数据集上的实验显示，该方法在6个基准中的5个上与强静态融合基线持平或数值上更优，并在部分基准上达到统计显著性。
说明以弱化促强化：面向大型推理模型的弱化诱导同策略自蒸馏（WISD）
简介本文提出WISD方法，在无法获得外部教师模型、且没有特权信息时，通过构造原模型的较弱版本，并利用两者之间的对比作为训练信号来改进推理模型。作者采用低比特量化和幅度剪枝两种方式构造较弱模型，并在数学与代码推理任务上进行了评估。原文报告，两种方法分别使平均准确率提升4.0和5.5个百分点。