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）。
说明用具有CIE可计算真值的基准测试多模态大模型的色彩判断能力
简介该论文提出一个基于CIE色度学框架的五项任务基准，涵盖白平衡对判断、肤色偏差方向、相关色温估计、CIE ΔE 2000色差排序以及不同光源下的颜色命名。研究测试了八个多模态大模型端点。结果显示，模型较擅长粗略的二元白平衡判断，但在数值化的相关色温估计和部分精细色差判断上表现较弱。
说明单目RGB人体跟踪在自主机器人导航中的决策级误差归因与深度感知安全评估
简介该论文研究用于机器人安全停止或继续决策的单目RGB人体跟踪。作者证明仅用横向距离的规则不会漏掉平面规则识别的危险，但会造成不必要的停止。论文基于ETH和UCY行人视频，以仿真静止机器人进行离线决策分类实验，并用Shapley归因区分规则与感知的误差来源。
说明面向全文学术论文的实体锚定主张抽取论证挖掘
简介本文提出一种利用任务、数据集、模型等科学实体提名来识别并结构化学术文献中主张的方法，以应对长文档中的论证挖掘难题。研究以50篇情感分析领域的全文论文为案例，建立了人工金标准并用多个大语言模型的多数投票生成约1,487条主张的银标准数据集。实验显示，仅用银标准数据微调的编码器优于用小规模人工标注数据训练的模型，并能零样本迁移到训练语料之外的自然语言处理论文。
说明融合语义与结构：面向文本属性图链接预测的理论框架 Bridge-LP
简介本文针对文本属性图（TAG）上的链接预测问题，提出名为 Bridge-LP 的框架，用于统一图表示与语言表示。该框架包含跳跃式文本邻近连接、压缩嵌入和缓存嵌入训练三项设计，以融合结构与语义信号并降低计算复杂度。作者在9个数据集上与40个已有模型比较，报告其在平均倒数排名（MRR）上最高提升43.06%。
说明视频生成遇上智能体运行框架：智能体式视频生成、智能体式世界建模与递归自我改进
简介这是一篇关于视频生成与智能体运行框架（agent harness）结合的综述性报告。报告考察了三个方向：由框架协调脚本、分镜规划、素材管理、制作与剪辑的智能体式视频生成；由框架协调观察、控制、执行与状态的智能体式世界建模；以及视频模型开发中的递归自我改进。报告还分析了相关智能体能力，并讨论了视频生产、长期记忆、可编程混合控制等方面的挑战。
说明AdMuse：基于技能引导的创意广告图像生成
简介本文提出AdMuse，一个由技能引导的多智能体框架，从优秀广告中提炼可复用的创意技能，用于跨领域的广告策略。生成时，系统先路由合适的技能，再由多个候选创意提案并择优，最后借助视觉语言模型反馈完善图像。实验表明，该方法生成的广告视觉效果良好，并能较准确地传达产品定位。
说明通过单位置回归理解时间序列基础模型中的轴向注意力
简介本文将单位置回归框架扩展到二维结构化数据，用于研究目标仅依赖少量词元的稀疏信息场景。作者构建了一个可解析的轴向注意力类预测器，并分析其统计性质与训练动态。文中证明，在特定渐近条件并已知底层真实参数时，该预测器达到贝叶斯最优，而某类半线性简化形式则不能。此外，对特定温度缩放，投影梯度下降可全局收敛到最优参数，数值实验也验证了逆温度调度对收敛的关键作用。
说明定位并填补多智能体系统中的信息缺口
简介多步网页任务常需多个大模型智能体收集并整合证据，但固定工作流的通信结构可能使证据无法传到需要它的智能体，导致答案不完整或错误。论文提出SPLICE方法：先为每个查询定位可能的信息缺口，添加一条有向连接传递相关证据，并重新执行受影响的节点以生成候选答案；再依据两次运行的答案及流程变化，由训练好的选择器决定采用候选答案还是保留原答案。在五个基准测试中，该方法在网页工具使用任务上使任务得分相对静态骨架提高8.0%，在四个推理与规划基准上平均得分提高5.7%，成本为骨架的1.25至1.44倍，并可零样本迁移到四个未见过的基础模型。
说明隐藏的排序不公平：基于分布稳定性的分类感知公平性
简介本文研究推荐系统中的公平排序问题，将排序策略建模为排列上的概率分布，用户效用定义为其交互物品所获曝光相对于理想排序的比例。作者提出用户群体间的效用均等，以及按物品类别分别要求均等的条件效用均等两种标准，并证明二者都等价于效用在用户群体构成变化下的稳定性。通过对排序策略混合进行优化可得到二阶锥规划，文中给出了泛化界，数值实验验证了理论结果。
说明超越CCT：用于逐帧相机色彩校正的多通道SPD恢复
简介现代相机通常用两到三组预先标定的3×3矩阵，依相关色温（CCT）插值来校正色彩，这会把光源的光谱分布压缩成一个标量。本文改为利用非负最小二乘法，结合基函数字典、相机白点和多通道环境光传感器，直接恢复光源的光谱功率分布，并为每一帧拟合闭式3×3色彩校正矩阵。在包含300种光源和3100种反射率的合成基准上，平均角误差由1.89度降至1.20度；在偏离普朗克轨迹的LED类光源上尾部误差降低约1.7倍。
说明EventSeeColor：从单色事件数据重建彩色图像
简介事件相机能在复杂光照下记录亮度变化，但传统事件图像重建只能得到灰度图。本文提出EventSeeColor方法，利用重建的灰度图和对齐的事件信息共同引导扩散模型进行上色。在两个真实事件数据集的综合评测中，该方法在结构相似度、学习感知分数和彩色区域色差等指标上优于其他外部方法。
说明消除对数差距：情节式强化学习的极小极大最优遗憾
简介本文研究有限表格型情节式马尔可夫决策过程中的遗憾最小化问题。作者提出的算法在K足够大时，期望遗憾达到与H、S、A、K相关的根号界，并且是首个在不附加额外多对数因子的情况下匹配极小极大下界的方法。该方法是UCBVI的一个变体，采用MOSS式探索奖励，并以占用加权的方式控制乐观不足带来的误差传播。作者还将该方法应用于(ε,δ)-PAC最优策略识别，在某些情形下与极小极大下界仅相差常数因子。
看点提出变体UCBVI并用占用加权方式控制乐观不足误差，首次在无额外对数因子下匹配极小极大下界，并给出紧界与PAC结果。
说明用于缓解特征抑制的Fisher对比学习：急性早幼粒细胞白血病诊断案例研究
简介该论文提出Fisher对比学习（FCL），采用正则化Fisher迹准则来缓解自监督对比学习中的特征抑制问题，即占主导或易学习的因素压制其他与类别相关的信号。作者证明了FCL学到的表示能够减轻特征抑制效应，并在模拟基准和真实生物医学应用中进行了验证。在白细胞显微图像数据上预训练并迁移到外部队列中诊断急性早幼粒细胞白血病，结果显示FCL优于自监督基线，表示更稳健且更具判别力。
说明一种支持协商的混合大语言模型框架，用于意图理解与服务发现
简介用户常以自然语言表达需求，这些意图可能不完整、较笼统或相互矛盾。该论文提出一个支持协商的框架：先细化意图并检测冲突，再将其结构化为与提供商无关的TOSCA模板，并依据云服务商的产品目录进行确定性匹配以发现候选服务。冲突通过与用户的多轮自然语言协商解决。在70个多样化意图上的评估显示，该框架相较单次提示和增强提示基线，提高了冲突检测与服务发现的召回率和F1值，且未出现虚构服务。
说明FARE：面向零售预测的因子感知检索与误差引导融合方法
简介该论文针对零售销售预测中促销和日历事件带来的需求变化，提出FARE方法。它对目标周的每个已知因子分别检索历史相似周，并在固定预算下合并为因子参考，再通过两个门控机制与形态参考融合、修正基础预测。在Favorita、M5、Rossmann和Rohlik四个数据集上，五种基础模型的加权绝对百分比误差平均分别降低11.46%、4.06%、14.63%和10.16%。
说明面向免训练在线视频步骤定位的分层步骤分解方法
简介该论文提出分层步骤分解（HSD），一种无需训练的在线视频步骤定位框架，利用大型多模态模型的语义理解能力。HSD将流式视频逐段聚合为语义一致的事件，并对不确定的步骤预测进行细粒度子步骤分解以精细化判断。论文称其在 HT-Step、Ego4D Goal-Step 和 CrossTask 上优于现有方法，并实现了更准确的定位与更快的推理。
说明生成式悖论：面向人类能力的反提示范式
简介论文指出，教育领域的生成式AI通常只以人机协作的产出来评判，忽略了人在辅助改变或消失后仍能理解、质疑、修复和调整的能力。作者提出"生成式悖论"概念，并主张将保留的人类能力作为设计目标，与当前的协同表现并重。论文还提出"反提示"范式，即在即时生成可能取代关键人类行为时，应先为人的建构创造条件。
说明模式动力学：神经网络学习的一个分析框架
简介该论文提出“模式动力学”框架，将神经网络学习中参数的协同变化与模型输出的变化联系起来。方法把参数更新轨迹分解为若干集体模式，并计算每个模式对输出的影响。实验表明，少数主导模式即可重建模型行为，且诱导效应依赖训练路径，模式复杂度随任务和数据而变化。
说明面向电商双重删失数据的深度学习分位数需求预测框架
简介本文提出一个学习双重删失观测分位数的深度学习框架，并设计了相应的评估指标。在零售场景中，实际销量会受库存上限和促销提振影响，而目标是潜在需求，该框架针对这一情况。作者给出了理论保证，实验表明该方法优于现有基线，库存模拟与实际应用也验证了其在零售运营中的实用性。
说明NeurEO：借助计算神经科学剖析地球观测嵌入表示
简介地球嵌入是对丰富地球观测数据的压缩表示，便于下游模型处理多种地理空间任务，但其语义含义不明，可解释性较低。作者借用计算神经科学中解释神经元活动的方法，对 AlphaEarth 嵌入进行分析，将嵌入特征与土地覆盖和海拔等相关量对照，发现特征间存在相关性和多尺度结构，并出现特定方向性的响应，例如「北向与南向林地边缘」。去除主要的土地覆盖组合趋势后，还能发现维度更高的细粒度表示细节。
说明DynaRev：在用户目标动态修改下评测网页智能体的基准
简介该论文提出DynaRev基准，包含181个任务，用于评测网页智能体在用户中途修改目标时的表现。修改通过任务设定的语义里程碑在特定阶段送达，涵盖追加式修改、无条件覆盖和依运行时条件的覆盖三类。评测从正确性、响应性和效率三方面进行，并基于执行轨迹；五个模型的测试显示，智能体往往只完成部分任务要求。
说明VideoMemBench：多模态大模型在视频对话中记忆能力如何？
简介该论文提出VideoMemBench基准，用于测试多模态大模型在同一视频的多轮对话中能否记住并复用前文信息。数据包含326个视频、2476轮对话，其中1387轮依赖前文，涵盖视觉情节依赖和答案依赖两类。在20多个开源与闭源模型的评测中，表现最好的Claude Opus 5总分仅为45.7%。
说明在离线目标条件强化学习中摆脱路径幻象
简介该论文研究离线目标条件强化学习在随机长时程环境中的难题：价值估计误差逐步累积，智能体容易过度依赖数据集中因随机性而偶然成功的轨迹，即路径幻象。作者提出分支感知图规划方法（BGP），将高变异性的点作为图节点，并采用分段学习设计目标条件边，以避开不可靠分支、减少路径上的随机性。论文称在多个 OGBench 任务上，该方法明显优于此前的离线目标条件强化学习方法。
说明系统尺寸是否影响机器学习原子间势的不确定性量化？
简介该论文研究机器学习原子间势中，结构级不确定性分数能否在不同原子数的体系之间直接比较。作者比较了按原子均值和最大值聚合不确定性的两种方式随原子数的变化。结果显示，均值聚合对均匀体系与尺寸无关，但对大体系中的缺陷不敏感；最大值聚合随体系变大而增长，并以与极值统计一致的方式缩小分布内与分布外的差距。
说明双人探测，千条检索：视觉-语言探针的检索测试
简介本文比较了视觉-语言模型两类评测方式的关系：一类是图文匹配探针（SVO-Probes、SugarCrepe），另一类是大规模检索。研究用六个模型对100条查询的前十个检索结果进行人工和大语言模型判定，并更换负样本来源来比较排序表现。结果显示，在SVO上，相比检索得到的负样本，模型更容易判定手工构造的负样本；而SugarCrepe的结论相反。作者还指出，SVO的低检索分数主要源于标注不完整，且探针通过与首位检索正确之间没有关联。
说明学习运动流形以约束无监督四维医学图像插值中的歧义性
简介该论文针对四维医学图像插值问题，在没有中间时刻监督的条件下，从时间上稀疏的端点观测重建中间解剖状态。作者提出学习运动流形的框架，通过跨样本谱基学习和样本条件Cayley基重定向来限制候选运动场，并在ACDC和4D-Lung数据集上进行了实验。
说明SynthFaces：均衡的大规模合成人脸数据集
简介该论文提出一种可控生成多样化人脸数据集的流程，用于训练和微调生成模型，以减少真实数据中身份分布不均与隐私风险的问题。作者在 Arc2Face 扩散模型基础上，加入身份嵌入流形上的流匹配生成模型，并据此构建了名为 SynthFaces 的高度均衡的合成人脸数据集。论文称该方法兼顾生成质量与标签多样性，并用最近邻非泄露指标检验身份分离情况，还展示了其在微调个性化生成适配器方法中的可用性。
说明SelfThinker：基于可靠性验证的内在视觉思维实现自我演化推理
简介该论文提出SelfThinker框架，让统一多模态模型用自己生成的视觉思维提升图像理解能力，无需人工标注辅助图像。模型先生成候选辅助图像，再用理解通路按条件点互信息打分，高质量视觉思维用于训练生成器并作为自蒸馏的教师上下文。推理时模型直接以文本方式基于原图推理，不生成中间图像。论文称其仅在小规模合成数据上训练，即可在自然图像和空间基准上迁移，七项基准平均分从52.7提升至64.0。
看点提出无需人工标注、用统一模型自生成视觉思维并以条件互信息筛选的自进化框架，在七个基准上平均提升11.3分。
说明D-MOD：用于加速磁共振成像的扩散模式估计方法
简介该论文提出D-MOD算法，用于加速MRI重建。它不同于每次返回随机样本的后验采样方法，而是求出后验模式，通过对平滑对数后验的下界进行最小化-最大化迭代，并结合预训练扩散模型去噪与共轭梯度求解来实现。在fastMRI脑部数据（T1、T2、FLAIR）上，单次重建的PSNR超过了多样本平均的基线方法，并与最强基线相差在0.31 dB以内，同时速度快11至73倍。
说明流匹配模型的耦合引导方法：让生成过程更稳定可控
简介该论文研究流匹配（flow matching）模型中的引导方法，指出把扩散模型的引导方法直接搬到流匹配上，会破坏训练时使用的耦合分布，导致采样精度下降、控制变弱。作者据此提出从几何角度推导的耦合引导（Coupled Guidance）机制，利用流匹配训练中固有的耦合结构。实验涵盖机器人避障、Adroit灵巧操作任务，以及ImageNet-128和CelebA-HQ-256上的图像修复、超分辨率和去模糊，结果显示该方法在各任务上提升了样本质量和引导稳定性，且不增加额外开销。
说明策略与评分标准的奖励自适应协同进化（RACE）
简介该论文针对开放式强化学习中基于评分标准（rubric）的奖励设计问题提出RACE框架。它在组级别根据训练信号将样本组分为有效、多样性坍缩和评分标准失效三类，仅用有效组更新策略，并缓存评分失效的样本；在阶段级别，当奖励持续饱和时切换到评分标准优化阶段，奖励改进趋于平稳时切换回来。论文称，在统一评估协议下，RACE在八项任务上的平均表现最好，且优于最强的固定交替基线，同时提升了评分标准的区分能力。
说明RepConTUR：基于放射学报告的三维多模态腹部肿瘤分割模型
简介该论文提出RepConTUR，一种原生三维早期融合的多模态模型，可依据放射学报告对腹部CT中的肿瘤进行体积分割。研究在AbdomenAtlas 3.0基础上构建了器官内部分级的可提示分割数据集，并生成基于报告的问答对，联合训练指代分割、报告引导分割、报告生成和视觉问答四项任务。在肝脏、肾脏和胰腺上，该模型在文本可提示基线中取得最高的Dice系数、实例精确率和检测F1。
看点将完整放射报告作为三维腹部肿瘤分割的条件输入，并联合四类报告相关任务训练；摘要报告在肝、肾、胰及外部队列上的多项指标优于基线，并给出消融。
说明面向多个专业领域的语言模型升级扩展方法
简介该论文提出一种名为DS-Upcycling（领域专用升级扩展）的方法，用于让大语言模型适配多个专业领域。方法为模型增加专家模块和路由器，并加入领域感知监督，使路由器学会选择相应专家。在各新领域微调时，只更新对应专家和路由器，其余参数保持冻结。实验显示，该方法在适配领域上的平均表现优于基线方法，同时保留通用能力；每个领域仅用256个样本训练路由器，路由准确率即可达到90%至98%。
说明图像扫描显微镜的神经盲反卷积
简介本文针对图像扫描显微镜（ISM）提出一种无需训练的盲深度图像先验（DIP）框架，同时估计样本图像与各探测器对应的点扩散函数（PSF）。该方法通过探测器几何结构及共享的激发与发射PSF对PSF进行参数化，并用高斯预初始化稳定盲优化过程。在实验性微管蛋白数据上，该方法比多图像反卷积和使用固定理论PSF的DIP恢复出更精细的丝状结构。
说明面向医学图像分割的形态感知通道解耦Mamba网络
简介本文提出MCDNet，用于腹部CT多器官分割。该网络结合自适应局部结构增强与通道解耦的长程建模，通过形态感知通道解耦状态空间模块对特征分组处理，并利用可变形卷积与通道注意力适应器官形状变化。在Synapse腹部CT数据集上，其多器官分割平均Dice相似系数为81.61%。
说明从二元可行性判别器学习安全的流匹配机器人策略
简介该论文面向机器人基础模型中基于流的动作生成，这类动作可能违反关节限位、碰撞避免等物理约束。论文研究可行集无法解析描述、只能通过黑盒可行性判别器访问的情形，提出由判别器引导、可微分的安全保护机制，用二元可行性查询修正前向过程中的不安全更新。在有障碍物的机器人操作实验中，论文报告约束满足率达到100%，同时保持了任务性能。
说明用于三维MRCP主胰管宽度测量的不确定性感知粗到细分割方法
简介该论文提出一种基于深度学习的自动化流程，用于从三维磁共振胰胆管成像（MRCP）中分割主胰管并测量其最大宽度。流程先用粗定位模型找出导管区域，再用精细模型分割胰管，并采用五模型交叉验证集成以提升性能和估计不确定性。在14名患者55个MRCP容积的测试集上，胰管分割DSC为0.634，宽度预测平均绝对误差为0.355毫米，扩张胰管（≥5毫米）检测灵敏度为75.0%、特异度为74.4%。
说明智能体流程证据（APE）：为AI编程代理的开发过程留下可签名、防篡改的记录
简介论文指出，AI代理已能在软件开发生命周期中创建拉取请求、选择依赖、重构代码等，但其推理与工具调用会随会话结束而消失，现有git日志和审计机制无法追溯其过程。作者提出智能体流程证据（APE），即一种可签名、防篡改、机器可读的智能体流程证明，将会话与产出关联，支持基于策略即代码的控制，并采用in-toto风格的证明框架。
说明BRACHIO：HECKTOR 2026 头颈部肿瘤影像挑战赛参赛报告（跨中心广义表征）
简介本文是团队 nucli 参加 HECKTOR 2026 头颈部癌症影像挑战赛的报告，任务包括勾画原发肿瘤与淋巴结肿瘤体积、TN 分期以及无复发生存期预测，数据来自多中心 PET/CT 扫描。团队采用自监督预训练编码器，并结合分割、分期与预后模型。分割任务平均 Dice 为 0.5409；TN 分期的平衡准确率分别为 0.3962（T 分期）和 0.6432（N 分期）；无复发生存期预测的测试 Harrell's C 指数为 0.6577。
说明视觉自回归模型中的概念定位（LoCo）
简介论文提出 LoCo，一个与模型无关的框架，用于定位视觉自回归模型中特定概念在何处、何时出现，分析维度包括层、尺度和位置。作者还构建了涵盖 10 个类别的 LoCoBench 数据集，并在 Infinity、HunyuanImage-3.0 和 InfinityStar 等模型上进行探测。论文将该定位方法应用于概念擦除、模型个性化和对抗性概念注入，并报告了有针对性干预的效果。
看点首次提出面向下一尺度视觉自回归模型的概念定位框架，并在层、尺度、位置三维度上做因果性探测与三类应用验证。
说明运行时混杂下的强化学习：策略学习与离策略评估
简介本文研究部署时无法获取部分关键变量（运行时混杂变量）的强化学习问题。这类情形在医疗、电商和机器人等场景中较常见，因为法律、伦理或后勤方面的原因，决策所依据的某些变量在部署阶段无法收集。作者提出了三项贡献：在运行时混杂下的策略学习算法、半参数有效的离策略评估方法，以及用于理解运行时混杂代价的诊断工具。
说明单一向量还是多组向量？量化条件下的聚类最优传输引导
简介该论文研究通过编辑语言模型隐藏状态来减少有毒输出的方法。作者比较了常用的均值差向量法与基于聚类最优传输的映射方法，并在Gemma-2-2B和Granite-3.1-2B上测试其在INT8和NF4量化下的效果。结果显示，针对单个词元的变体在多数设置下比均值差方法减少更多毒性，但对多数毒性分类器的结论并不一致。
说明重新思考预预训练：合成数据预训练阶段的收益有限
简介该论文在计算量相同的对比实验中发现，用合成数据做预预训练（PPT）并不优于纯自然语言训练。实验涵盖四种合成课程和三种训练设置，并分析了前人报告的PPT收益对权重初始化方式十分敏感。作者认为，合成预预训练作为独立训练阶段的好处有限，应重新思考此类数据在语言模型训练中的用法。
说明EPC-RawDC：结合等变物理约束与原始数据一致性的三维扩散模型，用于将锥形束CT合成为CT图像
简介该论文提出EPC-RawDC，一种条件三维潜在扩散框架，利用同一扫描仪CBCT前向模型推导的两类约束来改善CBCT到CT的图像合成。在两个独立临床队列上的结果显示，该方法SSIM达0.97，PSNR较DDPM在SynthRAD2025上提高2.66 dB、在JUST上提高2.10 dB，平均MAE分别降低20.3%和19.0%。
说明UPPAAi：借助大语言模型进行建模、验证、分析与综合
简介UPPAAL是用于实时和信息物理系统建模与分析的工具，但建模、形式化性质和解读反例仍需大量专业经验。本文提出UPPAAi，一种UPPAAL的扩展，用户可通过与大语言模型对话来构建、解释、调试和指定模型，其中用户提出需求，大语言模型提出方案并进行解释与协调，UPPAAL负责验证。作者报告了七个涵盖时间自动机、随机混合自动机和策略学习的案例研究，结果显示大语言模型不仅能生成解决方案，还会主动推荐用户未询问的UPPAAL相关功能。
说明混合式人工智能模式：语言模型与规则耦合的十三种方式及选择方法
简介本文整理了将语言模型与可执行规则语言结合的十三种设计模式，按照面向对象设计模式的目录格式描述各模式的意图、适用场景、参与者、后果与实现等内容。作者还给出了从问题到模式的决策指南，并基于自身测量结果说明各设计的成本，其中包括纯模型表现不逊于甚至优于混合方案的情况。
说明AI Cosmos：面向情境学习的智能体基础设施
简介本文提出 AI Cosmos，一种用于情境学习的智能体基础设施，围绕情境化参与与可累积的实践资产两项原则组织学习。系统让学习者与各类角色化智能体共处于学习情境中，并通过资产记忆循环保存实践过程与成果。作者通过两项预注册随机对照实验，比较了法律推理与编程能力的习得效果，所用底层大模型相同。结果显示，在法律推理方面，AI Cosmos 的学习成效优于普通大模型；在未见过的编程题上，其掌握程度高于以大模型担任教师的基线。
说明用一个量同时解决低成本检索与观测信用分配：信息价值
简介论文指出强化学习中的记忆检索成本高，且获取记忆的信用分配跨越整个序列。作者提出用学习到的世界模型从已存档的轨迹估计信息价值，据此可得到获取动作最优价值的可证明下界，并定义最优检索集合。文中还给出一个试验性检索系统，在减少上下文的情况下解决记忆任务。
说明基于Segment Anything Model的上下文引导Mamba Unet医学图像分割方法
简介本文提出一种名为SAMBA-UNet的医学图像分割框架，将SAM的上下文知识与Mamba的分层特征学习相结合，以同时增强全局表示和局部细节。作者设计了基于注意力的分层上下文增强模块（HCEM），并采用LoRA与Adapter方式微调SAM以适应医学影像任务。在Synapse、ISIC17、ISIC18等数据集上的实验显示，该方法取得了领先的分割性能。
说明HEMO：面向多目标组合优化的自进化优化框架
简介本文提出HEMO方法，用大语言模型自动设计多目标组合优化问题的搜索算子。与以往只演化算子、却固定发现算子的流程不同，HEMO把整个算子设计流程本身作为可自我演化的对象，逐模块调整经验检索、算子改进、父代选择和搜索步骤编排等逻辑，并借助持久记忆保存候选结果与诊断反馈。作者在八个多目标组合优化任务和两种结构不同的进化骨干上进行实验，结果优于传统进化、神经网络及基于大语言模型的自动算子设计基线，并能有效迁移到相关任务。
说明面向PET的DINOv2：分类、分割与预后的预训练领域基准测试
简介该论文提出PET-DINOv2-2D，这是首个在二维PET图像上预训练的DINOv2模型。研究者将其与原版DINOv2及在CT、MRI和超声上预训练的OmniRad进行对比，在正常/异常分类、病灶分割和无复发生存预后三项PET任务上，使用相同的轻量级头部，结果与两者持平或更优。在标注数据较少时优势最为明显。
说明FIDE：面向参考相对法则动力学的纤维信息可微实验设计
简介本文提出FIDE方法，用于在保留基线模型的前提下选择测量方案。它先以共同冻结的参考分布为基准补全各候选设计的聚合约束，再按实现完整路径所需的动力学修正量对可行设计排序。实验表明，该偏好会改变传感器选择，对下游预测的影响取决于基线可靠性，并可用于32维构型法则。
说明Greenscapes：城市中经过优化的植被配置方法
简介本文提出一种在三维城市场景中布置植被（从灌木到大树）的新方法。方法以地块为输入，借助条件化视觉语言模型生成植被俯视布局，再转换为三维场景，并用进化优化算法调整植物尺度与植物模型，以阴影、声学暴露及视觉感知等指标兼顾功能与美学。
说明把人机交互当作一等数据：可解释AI协作的形式化交互模型与运行时
简介论文指出，AI助手与用户的交互常被当作一次性的提问与回答，难以复现和分析。作者提出人机交互描述语言HAIDL，把每次交互编码为包含上下文、请求、提示、回复、反馈、来源和模型元数据的结构化对象。作者还基于JupyterLab实现了中间件HAIDL-X，并增加学习层，把交互对象和笔记本执行轨迹转化为用户行为指标。
说明机构设计学习与组合性研究：用可复用的约束子组件提高有限数据下的预测效率
简介论文提出Assur-KB方法，用不可再分的模块、边界接口和求解依赖关系表示平面机构，同时保留原始几何信息。在相同多层感知机架构下，基于Assur的特征在50至10,000个机构样本的训练规模范围内，样本效率的几何均值优于扁平邻接矩阵和位置输入，达到1.8倍。作者还在不同联合重标记下验证了不变性，并在双元组合下提高了有效生成率。
说明视觉-语言-动作策略应在多大程度上信任自己的推理：作为可测动作价值函数的逐步引导
简介该论文针对带推理链的视觉-语言-动作（VLA）策略，提出CoC-CFG方法，在推理内容与无推理内容的上下文之间进行无分类器引导，并用每步权重调节推理的影响强度。作者将权重选择建模为马尔可夫决策过程，通过实际执行计算动作价值，并以Q-adaptive引导方法进行优化。论文在Alpasim和Waymo等驾驶基准上报告了优于固定权重与在线强化学习方法的结果。
看点将推理权重视为可测量动作价值的MDP，提出Q-adaptive引导；在Alpasim闭环与Waymo基准上报告优于固定权重和多种方法。
说明通过超参数优化提升心房颤动检测效果
简介该研究探讨超参数优化在心房颤动检测中的作用，比较了决策树、随机森林、XGBoost以及多种深度神经网络模型，并采用遗传算法、Hyperband、Optuna和SMAC3四种方法进行调参。实验基于PhysioNet心电图数据集，并同时考察了患者间与患者内的数据划分。结果显示，经Hyperband优化的XGBoost模型表现最好，F1分数达到96.95%。
说明一种面向 p-n 结二极管、具备不确定性感知的物理信息代理模型
简介该论文构建了一个一维 p-n 结二极管的不确定性感知物理信息代理模型，输入为器件长度、掺杂和偏压。基于模型预测的器件内部状态，作者设计了一组关注量，包括终端电流、耗尽区宽度、峰值电场和存储电荷。对一维对称结，代理模型的静电势中位 L1 误差为 0.11%，电子与空穴密度分别为 1.5% 和 0.61%。论文还提出了判断代理结果是否在用户指定容差内有效的不确定性分析。
说明累积剪枝约束：Max 2-SAT 的新型精确多项式空间算法
简介论文提出确定性的多项式空间算法，可在约 2^((1-γ)n) 时间内精确求解 Max 2-SAT，适用于若干子类实例，包括含大量偏置变量的公式、半随机 2-CNF 公式，以及正则扩展图和随机块模型图上的 Max-Cut。方法基于扩展的 DPLL 分支算法，在搜索中累积剪枝约束，排除绝大部分赋值。
看点新意在于将DPLL分支扩展为累积剪枝约束，对稠密Max 2-SAT实例首次给出多项式空间的指数加速，分析覆盖半随机公式等类别。
说明用于声道实时磁共振成像的盲视频去噪：一种自监督集成方法
简介该论文针对声道实时磁共振成像（rtMRI）噪声大的问题，提出一种自监督视频去噪框架，结合时空超分辨率学习与方差稳定非局部均值滤波生成的伪监督，并采用双模型融合平衡降噪与高频发音结构保留。在USC-75多说话人数据集上，该集成方法在未见受试者上信噪比提高11.9 dB，并保留了更多高频发音细节。
说明面向可靠弱势道路使用者运动预测的可观测性对齐证据型掩码预训练
简介本文提出eCoMAE，一种用于多变量时间序列的证据型掩码预训练方法，使预测证据与可观测信息保持一致。该方法结合分块时间步掩码、Normal-Inverse-Gamma解码器及三种可观测性感知机制。在IMPTC基准的弱势道路使用者意图预测任务（留一环境天气偏移）上，OOD准确率由0.7971提升至0.8068，OOD AURC由0.0718降至0.0648；在行人轨迹预测的四个数据集上微调MSE也取得最优结果。
说明MTG-AD：端到端插入式音频描述的数据集与细粒度评测
简介该论文面向盲人和低视力用户，研究多模态大模型生成“插入式”音频描述的效果，即描述需要放入视频原有的静音间隙中。作者构建了MTG-AD数据集（约36小时视频、8000多条描述，由盲人与明眼专业人员共同制作），并提出MTG-AD-Eval无参考评测框架，通过把脚本渲染成音频来检验其与静音间隙的契合度。研究发现模型能准确描述画面并显著减少与语音的重叠，但在叙述节奏和连贯性上仍有差距；自动指标与人工评分相关，用户略偏好人工撰写的描述，但认为模型生成的描述对理解很有帮助。
说明何时花费隐私预算：私有学习中的最优分配
简介该论文研究差分隐私随机梯度下降中，如何把固定的隐私预算分配到各训练迭代轮次上。作者将完整的高斯噪声方差调度建模为在组合零集中差分隐私约束下的开环控制问题，并提出称为PB-AMD的伴随镜像下降方法来优化分配。实验显示，在所测试的设置中，该方法在跟踪效果和预测效果上都优于若干基准分配规则。
说明UniRA：统一表示对齐与自编码，用于高效扩散生成
简介扩散 Transformer 训练收敛慢、计算成本高。本文提出 UniRA 框架，将表示对齐（REPA）与表示自编码（RAE）合并到单一目标中，学习一个同时作为扩散目标和对齐锚点的表示空间分词器，并联合优化分词器、扩散主干与外部表示模型。论文称在 ImageNet 256 与 512 类别条件生成上，其 FID 与 SD3、REPA、RAE 相当或更优，训练步数最多减少至 1/5。
说明ElasticFormer：基于弹性计算视觉Transformer检测高分辨率宽幅图像中的目标
简介该论文针对千兆像素级高分辨率宽幅图像中前景极其稀疏、目标数量差异大的问题，提出稀疏骨干网络ElasticFormer，依据前景比例动态分配计算资源。其ElasticSelector模块基于方差为窗口打分并预测前景比例以进行top-k选择，并结合新损失函数和三阶段训练策略。在PANDA千兆像素基准上，该方法相比固定比例的稀疏方法，骨干网络FLOPs降低80%，AP50显著提升。
说明大语言模型能否忽略它所知道的内容？基于人设的用户模拟中知识泄露的测量
简介该论文研究在基于人设的用户模拟中，大语言模型是否会把人设本不应知道的知识带入回答，即“知识泄露”。作者用与真实条目表面形式匹配的虚构条目作对照，在五个接口、两类模型的评分实验中发现，即使明确声明人设从未听说过某条目，正面条目的真实与虚构评分差异仍然存在。负面条目的差异在不同领域组中方向相反，合并分析会掩盖这一差异。
说明BiHashFormer：面向超高分辨率广角图像中高效目标检测的哈希双分支Transformer
简介该论文针对超高分辨率广角图像中前景稀疏、分辨率极高、前景与背景交错的问题，提出基于哈希的双分支Transformer模型BiHashFormer。模型通过RoI选择器筛选包含目标的窗口，压缩分支用HashAttention减少一半键值对以降低计算量，补偿分支用HashMiner在其余区域做低成本哈希搜索以恢复遗漏目标的特征。在PANDA超高分辨率基准上，该模型减少37.5%的主干FLOPs，并将AP50提升至81.0%。
说明MLLM-GS：借助多模态大语言模型先验的极端环境快速新视角合成
简介该论文针对退化场景中的新视角合成问题，即从受多种退化影响的多视角图像重建三维场景并生成未见视角的清晰图像。作者提出MLLM-GS框架，利用冻结的多模态大语言模型提供视觉先验来增强退化视图，并通过轻量校正网络减少像素偏移与颜色失真。同时，该方法优化了3DGS的光栅化、高斯内存布局和参数更新，以降低重建时间和内存消耗。
说明H²R：基于强化学习、以分层提示奖励提升数学推理的方法
简介本文提出分层提示奖励框架H²R，利用数学题目内在的子问题结构，在可验证奖励强化学习训练中提供结构化的中间指引信号。作者还构建了分层数学题基准HiMath进行验证。实验显示，使用分层提示后，Qwen2.5-Math-7B在HiMath上的准确率由30.4%提升至39.1%，使用Oracle分层提示时可达45.6%。
说明低比特 GDN 循环状态量化：全局梯度感知比特分配与纯写滑动窗口
简介该论文研究线性注意力中循环状态的低比特量化问题。作者提出全局梯度感知分配（GGA）方法，结合量化残差与对未来预测损失的梯度敏感度来分配各注意力头的比特宽度；并提出纯写滑动窗口（PW），以FP8向量对保存近期写入，离开窗口后再合并进低比特历史状态。在Qwen3.5-4B/9B的七项评测中，两者组合相比STEPQuant@4提升了任务平均分，同时缩短了生成长度。
说明学习多智能体协作中的校准置信度（MASCAL）
简介该论文针对多智能体网络信息检索与多跳问答任务，指出上游智能体给出的答案正确性参差不齐，而系统通常缺乏量化信号。作者提出MASCAL方法，让每个智能体在强化学习中同时优化任务表现与置信度校准，并在交接时传递正确概率。实验显示，该方法在三种协作架构上提升了任务准确率与校准质量，且可推广到更深的协作链和不同模型规模。
说明用于域泛化语义分割的频谱不变融合与精修（SIFR）
简介该论文针对域泛化语义分割问题，即在训练时无法接触目标域数据的情况下对未见域进行稠密预测。作者提出SIFR框架，在融合和解码两个阶段利用频谱建模抑制域敏感干扰并保留细粒度空间信息。实验在合成到真实、真实到真实及恶劣天气等多个基准上显示，其效果优于此前的最先进方法。
说明PhysAg3D：连接三维生成模型与智能体模型，生成高保真、可物理交互的三维资产
简介该论文提出PhysAg3D框架，用于从单张图片生成既外观逼真、又可物理交互的三维资产。它结合视觉-语言智能体与三维生成模型：智能体推断语义部件、可能的交互方式和物理先验，三维生成器生成带纹理的整体网格，智能体再借助几何与物理工具构建关节、可变形区域等交互结构，并依据渲染结果在固定预算内迭代修订。作者称其既支持刚性关节运动，也支持柔性形变。
说明语言模型语言能力评估中的提示与概率：以语义焦点敏感性为例
简介该论文比较了两种评估语言模型语言能力的方法：直接提示模型判断，与基于词元概率的方法。研究以语义焦点敏感性为测试对象，例如"Lucy only SWAM yesterday"与"Lucy only swam YESTERDAY"之间的对比。结果显示，较大模型中提示方法的表现明显优于概率方法，原因在于模型较少自发产生焦点标记，而随机标记会使概率方法的表现下降更多。
说明《分词器词元揭示训练历程》：通过分词器词表判断某数据集是否参与训练
简介论文研究BPE分词器能否泄露其训练语料中是否包含某个候选数据集。作者提出，稀有字符串只有在语料频率足够高时才会被合并为词元，因此成员信号应体现在候选数据集中的稀有词元上。论文提出RTAM-Fusion方法，借助影子分词器校准稀有词元的权重，在成员推断基准上相比词表重叠方法提升了AUC和平衡准确率，且所用影子分词器更少。
说明TokenRepel：在不损害图像质量的前提下生成多样化图像集
简介该论文提出一种推理阶段方法，用于提高文生图模型在同一提示词下生成的一组图像的视觉多样性。方法通过令牌排斥机制增大不同样本间特征令牌的夹角，并利用令牌密度保持机制将更新约束在生成模型学到的高密度区域内。实验在三类预训练文生图模型上进行，结果显示视觉多样性明显提升，同时图像保真度与原来相当。
说明CovFedAvg：局部低损失曲线与联邦模型选择
简介本文提出CovFedAvg方法，用于多个客户端各自观察预测任务不同部分时的联邦学习。客户端保留本地模型并通过梯度聚合拟合共同端点，再依据分布式训练损失从候选模型中选出实际模型，无需集中校准数据。在合成任务和传感器数据实验中，宽度为16时，参与数据集上的宏平衡准确率由FedAvg的88.88%提升至89.84%，但作者指出未证明曲线方法相对同等成本优化方法的优势。
说明基于数据的随机特征方法近似非线性连续时间系统的Koopman生成元
简介本文提出一种数据驱动的随机特征方法，用于为gEDMD等Galerkin近似方法构造简洁有效的函数表示，以近似连续时间动力系统的Koopman生成元。数值实验显示该方法在预测与系统分析中准确且快于迭代优化，并证明了向量场及轨迹近似的收敛性。论文还给出gEDMD半群的一般收敛判据，并通过反例说明gEDMD一般不保持指数有界性。
说明TACFormer：基于Transformer、以靶点为条件的PROTAC从头设计生成模型
简介该论文提出TACFormer，一种基于Transformer的生成模型，用于从头设计靶向蛋白降解分子PROTAC。模型以预训练的ESM-2蛋白序列表征作为条件，引导GPT式分子解码器生成完整分子，而不仅限于连接子。结果显示，该模型生成的分子新颖且化学多样，并随目标蛋白不同呈现相应的化学空间偏移。
说明sDMD：基于Sinkhorn分布匹配的扩散模型蒸馏方法
简介该论文提出sDMD，用于把多步扩散模型蒸馏为仅需2至4步采样的生成器。作者将DMD与Wasserstein梯度流联系起来，并在积分KL之外加入基于Sinkhorn散度的最优传输项，以引导离群样本并提升模式覆盖。判别器输出用于自适应地激活该修正项。论文称在FLUX.1-dev、Qwen-Image-20B和Wan2.1-14B上，sDMD在GenEval、DPG、WISE和VBench上优于蒸馏基线，并比DMD2提高了样本多样性。
说明KARMA：面向工业广告智能体、无需训练的知识原子化框架演化方法
简介该论文提出KARMA框架，可在不改动模型权重和可执行代码的前提下，持续演化六类结构化知识模块，使工业广告智能体适应商品、流量和运营规则的变化。系统通过确定性追踪验证器定位错误，并借助批评器对比成功与失败轨迹，由受约束的演化器执行原子化知识修改，仅当验证增益达到阈值时保留。实验基于约五十万条真实电商运营日志，在18组领域与模型设置中，平均保留集得分由30.19提升至39.15。
说明标签降采样后哪些区域得以保留？粗粒度分割目标的精确区域保留方法
简介论文提出MatchDown方法，在训练分割网络前把标签图降采样为粗粒度目标：通过区域与网格单元之间的最小代价匹配，尽量保留每个区域。在COCO、Cityscapes和BBBC038数据集上，MatchDown-P方法丢失的区域数达到理论最小值，而常用降采样方法丢失更多。在细胞核数据集上，基于MatchDown目标训练的模型在实例准确率上表现更好。
说明图灵大模型后训练：校准蒸馏与高效动态专家混合执行
简介该论文研究动态路由专家混合（MoE）模型的后训练，重点是把独立优化的多个专家模型整合到一起并保持高效。方法包括校准多教师在线策略蒸馏（C-MOPD）和一套高效执行路径。在 Turing-20B-A2B 上，所选模型的四领域归一化整合得分为 0.9988；在数学与代码等推理基准上平均得分高于 Qwen3-8B 和 SFT 基线。整合步骤耗时从 398.7 秒降至 139.3 秒，相对串行执行观察到 2.86 倍加速。
说明纳入“机器他者”：人与大语言模型互动的行动化（enactive）探讨
简介本文认为，理解人与大语言模型的互动，需要基于互动思维的新概念，因为传统的技术影响理论与社会认知理论都难以解释此类语言互动。作者以行动化理论（尤其是“语言身体”理论）为基础，提出人以两种方式“纳入”机器他者：作为工具的技能，以及作为语言方式和身份的一部分。文章还提出“易感意义建构”一词，用以描述在这类服务中因缺少摩擦而增加的符号劳动。
说明参数化高斯噪声混合器（PGNM）：统一合成相机噪声与胶片颗粒
简介该论文提出一种显式统计模型，直接从成对的干净图像和噪声图像拟合噪声。模型用归一化卷积使高斯场在像素与颜色通道间相关，再通过查找表把高斯值映射为依赖干净图像亮度的残差，两部分分开拟合。在SIDD相机噪声数据上，其平均分布和相关性误差最低；在模拟胶片颗粒上表现也具竞争力。用其噪声训练的去噪器接近用真实噪声训练的结果，1080p图像在GPU上约10毫秒渲染完成。
说明M-PFT：用于校准视觉-语言模型提示微调的角度间隔方法
简介视觉-语言模型经提示微调后，常在基类上信心不足、在新类上过于自信。M-PFT 通过最小化可调类嵌入间的最大余弦相似度，并让可调嵌入贴近对应的零样本嵌入，扩大角度间隔。在 15 个数据集、9 种提示微调方法上的实验显示，该方法降低了新类的平均校准误差，基类表现和准确率基本保持不变。
说明基于水下照片序列的开放集多视角海马个体再识别
简介本文提出了从图像序列中进行物种分类、性别判定和开放集个体再识别的新方法。研究在野外观察到的474只海马的35,914张照片数据集上训练和评估模型。作者称，通过综合多张照片的信息，该方法取得了当前最优的性能。
说明流形上的概率无网格方法：在流形上用高斯过程求解偏微分方程，并给出收敛性分析
简介本文把概率无网格方法从欧氏区域推广到紧致流形，用高斯过程先验配合配置点求解偏微分方程，后验均值给出解的近似，后验分布给出误差的贝叶斯量化。作者分别研究已知流形（特征对可得）和仅由点云给出的隐式流形两种情形，证明了方法的一致性并给出后验均值的误差界。实验在圆、球面和平坦环面上验证了理论结论，并在真实皮层厚度数据上取得与成熟离散方法相当的精度。
说明语言模型中的注意力、动态波与混合序列混合器
简介本文提出一种动态波递归层，基于输入相关的指数衰减与余弦相位调制，并在TinyStories数据集上比较了纯Transformer、纯波模型和波-注意力混合模型三种约1094万参数的配置。混合模型困惑度最低（5.95），纯Transformer为6.93，纯波模型为7.26。研究还发现，显存和速度的表现主要取决于具体实现方式，而非架构本身。
说明扩散语言模型的KV缓存量化
简介本文研究扩散语言模型推理时KV缓存的量化问题。在快速推理中复用缓存时，遮蔽词元被揭示后双向表示会变化，导致复用的缓存与完整重算结果存在差异。作者改编了KIVI和KVQuant方法，并提出TRACE与dLLM-KVQ：前者依据提示-答案对重建可行的揭示轨迹以提供校准状态，后者据此为每层选择需保持高精度的K缓存条目，同时对V缓存采用标准低比特量化。在LLaDA和Dream模型上的GSM8K、HumanEval、MATH和MBPP评测中，dLLM-KVQ在报告的4比特和2比特缓存设置下平均得分最高。
说明DWISE：面向去噪工作负载的调度引擎，用于高效服务扩散大语言模型
简介该论文提出DWISE调度引擎，用于扩散大语言模型的高效推理服务。扩散模型并行去噪多个词元，但现有服务框架沿用了为自回归模型设计的先到先服务和预填充优先策略，效率受限。DWISE按剩余工作量调度请求，并结合提示词预测器与首轮去噪隐状态来预测去噪开销。在SGLang中实现后，平均端到端延迟较SGLang降低5.4倍，最高可达14.9倍，同时保持任务准确率。
说明LiDAR-SHIELD：面向基于激光雷达的三维感知模型的对抗鲁棒性评估框架（全容器化）
简介该论文提出LiDAR-SHIELD，一个统一的、完全容器化（Docker）的框架，用于评估基于激光雷达的三维感知模型在对抗输入下的鲁棒性。框架通过/info、/forward和/gradient三个HTTP接口接入任意模型，接入新模型或数据集只需一个加载函数或适配器。它支持三维语义分割和三维目标检测，并集成了PGD、Square Attack、点扰动、点删除、点注入及LiDAttack等攻击方法，用于系统地暴露不同激光雷达骨干网络的脆弱性。代码已公开。
说明符号回归在精准畜牧养殖中的应用探索：用可解释数学公式预测母猪分娩时间
简介该研究利用母猪分娩前后的加速度传感器数据，先通过活动水平变化检测筑巢行为，再用符号回归生成可解释的数学公式，预测距离分娩的剩余时间。符号回归的平均绝对误差为9.28小时，优于支持向量回归和人工神经网络等黑箱模型，表明可解释人工智能在精准畜牧中兼具可解释性与竞争力。
说明SHPRR：在受限遗憾条件下进行纯探索的算法
简介本文研究多臂老虎机中的最优臂识别问题，同时考虑固定采样次数与相对于既有基线的遗憾预算。作者从理论上证明，在广泛使用的纯探索算法 Sequential Halving 的各阶段中，探索的遗憾代价逐步降低。据此提出 SHPRR 算法，将遗憾预算前置分配，在剩余臂较多时允许更多探索。实验表明，相较于均匀分配遗憾预算的方法与现有基线，该算法提升了最优臂识别的效果。
说明在能力边界上对齐医学视觉语言模型：基于熵自适应评分标准的接地方法
简介该论文提出MedCBR两阶段对齐框架，用于提升医学视觉语言模型的诊断推理能力。第一阶段在模型能力边界构建反事实偏好数据并进行难度加权的偏好优化；第二阶段从边界样本中提炼临床评分标准，并依据预测熵决定是否启用，结合答案正确性、解剖学依据和推理一致性进行强化学习。作者报告在六个医学基准上取得优于基线的结果，平均准确率为61.2%，两阶段结合的效果超过各自增益之和。
说明基于深度强化学习的RIS辅助MIMO系统盲被动波束成形
简介本文提出一种深度强化学习框架，用于可重构智能表面（RIS）辅助的毫米波通信中的盲被动波束成形。智能体通过深度Q学习，在不依赖信道状态信息、仅探测少量码字的情况下，学习自适应策略以选择接近最优的RIS配置。结果表明，该方法在收敛速度、性能和开销降低方面优于Q学习及传统基线方法。
说明AegisFlow：无需训练、非短视的路径安全引导流匹配方法
简介该论文提出AegisFlow，一种无需训练的路径安全引导框架，用于让预训练的扩散或流匹配生成模型在整个生成轨迹上满足约束，如图像编辑中的身份保持和机器人避障。它将引导生成建模为具有全局范围的安全关键最优控制问题，把时变障碍函数纳入全局代价泛函，并对Hamilton-Jacobi-Bellman方程给出可计算的近似。论文称其在文本引导图像编辑和机器人规划实验中，在目标对齐与约束满足之间取得了优于现有方法的权衡。
说明基于可能性的推断：一种用于决策中稳健可靠不确定性量化的确定性框架
简介该论文针对机器学习决策中的不确定性问题，尤其是安全关键系统的可靠性评估，提出一种基于可能性的对比预测等级，作为现有基于潜在后验的参数估计与模型选择方法的替代方案。与贝叶斯推断在概率框架内表示不确定性不同，该方法采用可能性表示，能更灵活地刻画不确定且可能相互冲突的信息。文中提出的数学框架可用于数据挖掘，并有助于减少深度学习模型产生的过度自信但不合理的预测。
说明EvoTeam：通过演化团队实现多智能体协作
简介本文提出EvoTeam框架，面向基于大语言模型的多智能体系统，以协作为核心，通过执行经验同时演化团队组织、交互规则和单个智能体的技能。框架维护可复用团队库，选择或组建团队，并依据团队专属交互规则引导协作。在四个基准上的实验验证了该方法的有效性。
说明GROME：将分解式记忆植入视频世界模型的框架
简介论文提出GROME，一种分解式记忆框架，用于提升视频世界模型在长时程中的一致性。它把历史信息拆分为静态场景与动态实体两部分分别保存，并通过局部记忆检索和免训练的注入方式接入冻结的骨干模型。实验显示，该方法在长时程重访场景中提升了场景持久性和动态实体的保真度，同时保持了骨干模型的视觉质量与可控性。