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）。
说明从受污染样本中进行稳健的分布学习：一种通过设计实现稳健的方法
简介该论文研究在观测样本是目标分布与未知污染分布混合的情况下如何学习数据分布。作者提出污染校正最大均值差异（CC-MMD），结合带噪声的代理分数与少量经审计样本的残差修正，以恢复由潜在干净样本计算得到的理想MMD。论文证明了修正核和的有限总体设计无偏性，并给出审计修正的渐近正态性和目标差异的一致性。实验显示该方法在污染增加时仍接近理想结果，并能让生成模型从严重污染的混合数据中恢复干净的目标分布。
说明音频大语言模型中多模态语音情感识别的不一致感知评估
简介本文研究语音中的文字内容与语气是否相互矛盾，以及这种矛盾是否会降低语音情感识别的准确性。作者把文本与音频映射到同一效价-唤醒-支配度空间，计算二者的距离并得到连续的不一致分数，并以人工判断加以验证。在三个音频模型和三个语料库上的实验显示，存在音频时不一致程度越高，出错几率越大；而同样特征的监督分类器表现相反。
说明迈向免造影乳腺MRI：借助虚拟增强成像提升癌症检测
简介该研究针对乳腺增强MRI需静脉注射钆造影剂的问题，提出结合非增强MRI与AI生成的虚拟增强（VCE）MRI预测结果的框架用于癌症检测。在保留测试集上，仅用非增强MRI的AUROC为0.865，结合两者后提升至0.901。模拟结果显示，将实际增强检查限制在约40%的患者中，诊断性能仍可基本保持，提示虚拟增强成像可支持乳腺癌筛查中的选择性造影剂使用。
说明TensorSSM：在动态状态空间中记忆空间位置以生成张量核心
简介该论文提出 TensorSSM，一种用于函数式张量分解的隐式神经表示方法，通过动态状态空间模型记忆空间位置。它将各模态坐标按 K 进制规则拆分为由粗到细的序列，并扩展状态空间以显式建模跨模态空间依赖。实验表明，该方法在多种张量数据集上实现了较高的重建精度和存储效率。
说明GraphTFactor：基于图结构的蛋白质转录因子预测方法
简介本文提出GraphTFactor，一种端到端框架，将蛋白质序列建模为图并直接对转录因子进行分类。该方法无需限制序列长度，并能提供预测所依据序列区域的可解释信息。在基准数据集上，其表现优于现有先进方法。作者还发布了开源软件包和交互式网页应用，便于用户对自定义序列进行转录因子预测。
说明带反馈图的赌博机问题中接近最优的一阶遗憾界
简介本文研究已知固定有向反馈图的对抗性赌博机问题的一阶遗憾保证。对于强可观测图，已有的最优最坏情况遗憾与图的独立数相关，而现有的一阶界依赖于团划分数，二者之间存在差距。作者给出期望遗憾界 Õ(√(αL*)+α)，弥合了这一差距，其中α为独立数，L*为最优臂的累积损失。
看点改进了有向反馈图老虎机的一阶遗憾界，用独立数替代团划分数，给出紧界式结果，并把方法推广到一般强可观测图。
说明FARO：基于跨块等风险贡献预算分配的函数空间自适应收益风险优化器
简介论文提出FARO，一种函数空间自适应优化器，把参数划分为若干块作为决策单位，按各块的反事实收益为其分配更新几何。随后固定路由，并用投资组合理论中的风险平价原则（等风险贡献）重新分配各块的预算。在基于FineWeb训练的GPT类模型上，FARO-Adaptive在完整训练计划下达到3.2780纳特，与最佳人工设计方案NorMuonAndAdam（3.2794）相当；FARO-ERC在6个随机种子上均降低了干净数据损失，平均降低0.0136纳特。
说明《冻结于时间》：物理基础模型在模拟到现实的适应中如何遗忘
简介该论文研究了用于连续介质动力学的科学基础模型Walrus-1.3B在两阶段模拟到现实适应中的灾难性遗忘问题：先在圆柱绕流模拟数据上微调，再适应同一系统的实验数据。结果显示，模拟微调后原预训练数据上的滚动预测性能迅速下降，20个epoch后单步误差最多增加35倍；随后的真实数据适应又进一步削弱了模拟任务的表现。在真实数据微调时重放仅1%的模拟数据，即可恢复大部分丢失的模拟性能，同时保持对实验动力学的有效适应。
说明推测草稿模型与连续扩散语言模型之间的生成差距
简介该论文比较了连续扩散语言模型（CDLMs，以LangFlow为代表）与推测解码草稿模型（以DSpark的马尔可夫和循环头架构为代表）在无需验证、独立生成文本时的表现。所有模型在OpenWebText上从头训练，并在长度16、128和1024的序列上，用外部语言模型的困惑度和MAUVE指标进行评估。结果显示，在较长序列上LangFlow整体优于DSpark模型，循环记忆可改善草稿模型的表现，但长序列差距依然存在。
说明无法通信的团队如何通过对手的反应认识自身
简介论文研究彼此无法通信的团队如何利用对手对整个团队的反应来获取信息。对手的反应（称为“信号”）可被每个成员读取，从而得知单个成员无法独自知道的内容。作者给出了团队预先承诺应对方式的条件，并讨论了信任分配方式对结果的影响。
说明基于空间图谱的损失函数集成用于全身PSMA PET/CT转移瘤分割
简介该研究在训练nnU-Net分割模型时引入转移瘤的人群空间分布图谱，根据各体素的统计信息调整交叉熵损失，对漏检病灶和假阳性施加不同的惩罚。作者将三种配置通过多数投票组合为SAILS，并在AutoPET III和Deep-PSMA数据集上与基线模型比较。结果显示，SAILS提高了病灶检出率和高风险骨骼区域的Dice，但假阳性体积有所增加。推理阶段无需图谱或配准。
说明EgoHSI3R：从第一人称视频在线重建4D手与场景交互
简介该论文提出EgoHSI3R，一个统一的前馈框架，可从第一人称单目视频中在线重建手与场景的4D交互。模型通过循环场景表示累积几何信息，并同时估计相机运动、稠密场景几何、世界坐标系下的双手MANO模型以及逐顶点的手部接触。在ARCTIC数据集上，其世界坐标系手部关节误差在所比较的方法中最低，推理速度也快于现有的世界坐标手部重建流程。
说明规避计算套利的计算难题
简介论文研究AI模型市场中的计算套利：中间商从多个模型提供方批量购买推理服务，再转售给用户以获利。作者将其形式化为分配问题并证明一般情形为NP难，但在收益递减的假设下，最优分配可以高效求解。文中还提出一种从有限数据估计模型性能的高效抽样方法。
说明FB-MOAC：面向前向-后向马尔可夫决策过程的强化学习算法
简介强化学习通常用于处理随时间从初始状态向前演化的马尔可夫决策过程。本文针对同时具有前向和后向动态的多目标问题，提出了前向-后向马尔可夫决策过程（FB-MDP）的概念与理论框架，并给出可用于改造现有强化学习算法的通用前向-后向逐步模板。基于此提出的FB-MOAC算法在数学金融和移动资源管理的应用案例中接受了评估，结果显示其在多项指标上优于现有方法。
说明从遥操作到长时程灵巧操作：视觉运动技能与离线代理指标评估
简介本文在五指机器人手上，对281个模仿学习策略（涵盖七种策略家族）进行了约1700次真实机器人试验，任务为RJ45水晶头的抓取与插入。结果显示，观测与动作的表示方式比优化器和采样等常规选择对成功率影响更大。离线指标中只有五项预测运动平滑度与直接性的指标与插入成功率稳定相关，且仅在单一策略家族内成立，因此离线指标可用于初筛，但不能替代真实机器人评估。
看点新意在于系统比较281个模仿学习策略并隔离表征选择的影响，约1700次真机试验支撑结论，对灵巧操作研究有参考价值。
说明Drone-PUR：从无人机场景中的视觉线索发现到理解与推理
简介本文提出Drone-PUR数据集与基准，围绕视觉线索的发现、解读和整合组织，对应感知、理解、推理三项能力。数据集包含11项任务，训练样本17.5万条，测试样本2万条，涵盖单张图像、图像序列、跨模态图像和多视角。研究评估了22个通用视觉语言模型，并基于Qwen3-VL训练了UAV-PUR模型，其4B和8B版本的多选准确率分别比预训练版本提高18.33和17.52个百分点。
说明超越合理预测：网页世界模型中的安全充分性
简介论文指出，网页世界模型预测的未来即使看似合理，也未必能支撑正确的安全决策。作者提出“安全充分性”概念，并构建了SafeWebWorld基准，涵盖五个网页安全领域，评估模型能否保留并呈现区分执行、询问或阻止动作所需的关键证据。实验显示，证据保留提升时，授权相关决策可能变差；合理预测、证据保留和整体可恢复性各自都不足以证明授权行为稳健。
说明语言模型数据归因设计空间的系统分析
简介论文提出受控归因基准CATT，用完全虚构的知识微调语言模型，为归因提供明确的真实标签，并可逐一改变数据配置。实验显示文档冗余和干扰词会降低归因效果。作者重点考察损失函数和分数聚合方式，发现改用负对数几率梯度并只聚合高分词元，可将真实标签召回率提升35至72个百分点。
说明提出-过滤-发布：通过私有过滤将噪声缩放到典型敏感度
简介该论文提出一种差分隐私通用框架“提出-过滤-发布”（PFR）。它先对输入数据进行私有过滤，去掉与其余数据拟合不佳的少数记录，从而让噪声按典型记录的影响来缩放，而不是按最坏情况缩放。框架只需一个凹形的友好度评分和一个友好差分隐私的发布机制，即可在数据点数的公开条件下保证标准意义上的差分隐私，并应用于标量统计、主子空间估计、用户直方图的KL散度、图的有效电阻和治疗规则选择等场景。
说明微剪辑：为电影精细剪辑提供计算支持
简介本文关注电影剪辑中的微剪辑，即控制节奏与视觉注意力的细微局部调整，如精确调整片段时长以控制静默长度。作者先与专业剪辑师开展形成性研究，理解微剪辑的结构与用途，再给出其数学形式化，并开发借助人工智能与优化方法的工具。论文通过多项用户研究和多种视频示例验证了这些工具。
说明重新审视无需权重扰动的神经丛假说
简介该论文复现了神经丛（Neural Thickets）假说所报告的性能提升，但指出这些提升无需依赖权重空间的几何解释。研究发现，仅扰动单个解码器模块，或在保持模型完全冻结的情况下向输出 logits 加入随机偏置，即可在多数推理任务上达到或超过全权重扰动的效果。作者据此提出 Perturb-Select-Vote（PSV）方法，并将其扩展至视觉任务，表明可通过输出多样性、选择与投票获得类似收益。
说明《Read, Allocate, Route》：像素空间生成Transformer的角色耦合分词方法
简介论文提出SpecSlot，一种像素空间整流流Transformer，把输出细节与全局注意力序列长度解耦。每个空间锚点展开为多个槽位，各自负责互不重叠的DCT频带，只有最低频槽参与全局注意力，其余槽位在局部交互。在ImageNet-256和ImageNet-512以及文生图任务上，论文报告其在较低计算成本下取得与对照模型相当或更好的FID和DPG-Bench结果。
说明围绕已学习密度模型的KL分布鲁棒优化自适应场景生成
简介本文研究数据驱动的两阶段随机规划在分布估计有误差时的鲁棒优化。作者提出以基于有限样本拟合的密度模型为中心的KL球作为不确定集，使对抗者可按模型赋予的概率提高未观测到的高成本事件权重。为解决场景数有限的问题，方法交替求解有限问题并依据模型与当前决策下的最坏情形自适应地抽取新场景。实验表明，在样本稀少且模型能外推时，该方法在分布偏移下成本更低。
说明行李再识别：面向真实场景应用的策略研究
简介本文研究行李再识别（ReID）技术，即在机场、火车站等多个不相连的摄像头画面中识别同一件行李，可用于安防与行李管理。论文指出，现有方法多针对较干净的裁剪图像匹配，而真实场景存在遮挡、杂乱背景和人群拥挤等问题。作者提出并评估了从多路视频流检测并再识别行李的端到端流程，比较了多视角、多镜头的选择与合并方式，以及在不同环境数据集上训练的效果，以提升实际应用中的再识别性能。
说明从极端天气到农业损失：基于智能体 AI 的预测
简介该研究提出 WxCrop，一种利用可解释天气指数与因果分析判断农业灾害的智能体。它结合天气与农业数据，预测过去及预报日期的作物损失，并以佛罗里达州的飓风、霜冻和干热为例进行演示。文中报告了飓风指数检测气旋日的 AUC 为 0.98，留出年份的损失复现误差在 2% 以内，以及县级排名与独立生产记录的秩相关为 0.63。
看点新意在于代理结合天气指数因果分析与作物损失预测；摘要报告在佛罗里达飓风、冻害和干热上验证，对比多项检验。
说明SonoWorld4D：通过扩散同步将单段视频转化为4D视听场景
简介该论文提出 Video-to-4DAVScene 任务，把单段单目视频转换为可探索、随时间变化的4D视听场景。方法 SonoWorld4D 生成360度静态背景，重建发声动态前景物体的运动轨迹，并通过双空间音频扩散同步合成与场景几何和视觉内容一致的空间声场。实验在真实动态场景和用户研究上显示，生成结果在感知上较为真实。
说明world2vec：通过潜在动力学学习的机制性世界模型
简介该论文提出 world2vec，仅从观测和动作中学习世界模型，不使用奖励信息。它学到的潜在动力学能在较长预测时域内忠实复现真实系统，参数量比 DreamerV3、TD-MPC2 和 LeWM 少至少一个数量级。在基于像素的连续环境控制和 71 个吸引子的系统辨识基准上，该方法取得了领先水平的表现。
说明视觉基础模型中的空间状态表征探测
简介该论文研究视觉基础模型能否支持持续的空间状态，即在观察者移动时保持对视野外世界的记忆与更新。作者在静态室内环境的流式第一人称观测上，用冻结特征探针，从空间结构、物体持续性、预测性空间更新和可行动性四个层级测试十种表征。结果显示，对可见场景的读取能力强并不保证物体持续性或未来特征检索的准确性。
说明SymAnt：用可调整的符号先验为长时程动作预测奠定基础
简介这篇论文提出SymAnt，一种神经符号方法，将神经网络与场景图和知识图谱的结构化推理结合起来。给定一段短视频，它通过对两类图进行联合搜索构建符号上下文，并以此作为先验，迭代生成并改进未来的动作序列。实验在Breakfast、50 Salads、EPIC-KITCHENS、EGTEA Gaze+和Assembly101五个数据集上进行，显示在观察窗口较短时仍有效。用户可直接编辑底层知识以调整预测，无需额外训练。
说明ShallowDefend：利用浅层安全对齐防御多轮对话攻击
简介该论文指出，大语言模型的安全行为主要集中在回复开头的少数词元中，导致同一有害请求分散到多轮对话中时仍容易成功。作者提出 Assess→Decide→Respond 框架，让防御模型先评估用户意图、给出明确可解析的安全决策，再据此生成回复，并通过强化学习训练该决策。实验覆盖两个模型系列和十四个基准，结果显示其在多轮安全性上表现最佳，同时保持了一定的实用性。
看点提出评估-决策-回应框架，把安全决策作为显式可解析的token片段用强化学习训练，并利用其可用规则奖励；在两个模型家族与十四个基准上报告多轮安全性领先。
说明从时间线出发的证据驱动显著性检验：临床时序假设验证
简介论文指出，语言模型常对事件随时间演变的说法给出流畅但无统计依据的结论，而这类时序假设需要在正确记录上进行显著性检验。作者在疫苗不良事件报告的临床时间线上构建了STRATA基准，包含8735个假设，并对检验计划、证据集、p值和结论的每一步进行评分。作者还提出ART分阶段范式，使各决策步骤可被检视。
看点提出对时序临床假设逐步评估的基准STRATA与分阶段方法ART，新意在于评估每个决策而非仅结论；摘要报告在8735个假设上的实验。
说明面向离散扩散模型的常微分方程采样器
简介该论文提出指数残差流（ERFs），把连续扩散模型中确定性的概率流常微分方程思路推广到离散扩散模型。方法为每个词元和位置增加一个连续残差变量，按确定性常微分方程演化，残差归零时离散状态发生变化。作者证明该构造保持原扩散模型的边缘分布，并将其具体化到掩码扩散和均匀扩散。文中称，其确定性轨迹支持一致性蒸馏，并在代码和文本生成等多项基准上优于以往方法。
说明L3G-World：基于潜在三维高斯记忆的实时无限世界生成
简介该论文提出一种潜在三维高斯记忆（L3G），用于交互式世界模型在长时间探索中保持空间一致性。记忆随场景范围增长而非随生成时长增长，并可直接渲染到扩散 Transformer 的潜在空间，无需重新编码。实验称其在生成质量与长程空间一致性上达到先进水平，并能以 9 FPS 实时生成世界。
说明何时提供建议以及建议什么：在单一紧凑解码器中联合门控与基于记忆的提示生成
简介该论文研究主动式助手在对话中何时介入、给出什么简短提示的问题。作者把门控与生成放在一起评估，共28,058个决策点。结果显示，单个1B解码器可从中间层门控并在同一次前向中生成提示，在自动端到端指标上与两模型流水线持平或更好，耗时减少1.31至1.76倍。移除记忆信息会显著降低提示质量，而检索和更大生成器在精确匹配上没有带来提升。
说明格斗世界模型：通过视觉交互代理实现可定制的战斗
简介该论文提出格斗世界模型（FWM），将规则驱动的战斗执行与视频渲染分离：可执行引擎维护状态并结算交互，确定性编译器把结果编码为时空对齐的交互代理，再由渲染器生成画面。在无需重新训练渲染器的情况下，FWM 可支持伤害缩放、限次免疫、吸血及多阶段技能等修改规则，并支持角色与场景定制。作者称其在动作保真度、受击反应、血量一致性和角色外观保持方面优于现有游戏世界模型。
说明HairDeck：从单张图片生成可直接用于动画的风格化发片卡片
简介游戏和虚拟形象中的风格化头发由发片（hair cards）构成，并由弹簧骨骼驱动动画。本文提出HairDeck，将每张发片视为一个标记，用集合扩散Transformer同时去噪所有发片，从单张图片生成发片及驱动它们的弹簧骨骼链。在CHARM测试集上，其Chamfer距离降低44%，发片朝向误差降低一半以上，速度快33倍。
说明在代理输出前预警：探测被策反的AI代理何时会让步
简介论文研究多代理系统中，一个代理是否会在另一代理的持续施压下泄露本应保密的内容（如部署令牌）。作者在可控的多代理场景中用线性探针读取模型调用时的内部激活，在输出生成前预测其是否即将让步。在Qwen3-32B的留出样本上，探针在将5%良性调用误报的阈值下捕获了82%的泄露调用，而零样本决策模型监控仅捕获26%。
说明超越真值：用于诊断牙科分割中校准盲区的启发式无监督质量保证引擎
简介本文针对牙科X光分割中深度模型即使分割质量差仍显示高置信度的问题，提出了一个名为HUS-QA的三阶段质量检查引擎。该引擎基于在PRAD数据集上训练的SimCLR自监督ResNet-18 U-Net模型，无需真值掩膜即可评估分割结果质量。实验显示，标准置信度方法失效，而HUS-QA与真实Dice分数呈正相关，ROC-AUC达到0.8405。
说明基于深度学习杂波抑制的多基地通感一体化（面向5G及后续系统）
简介本文提出一种多基地通感一体化框架，利用5G及后续系统的机会信号，在分布式接收机之间实现目标位置与速度估计。作者用随机分布的散射体模拟密集、动态的杂波，并评估了多种传统信号处理方法，发现其在强杂波下鲁棒性有限。为此，论文引入基于残差网络和注意力机制的深度学习杂波抑制方法，在各种杂波条件下，目标位置与速度估计效果明显优于传统方法。
说明RADIOlogy：一种无需训练、单次前向即可完成的零样本异常检测方法
简介现有零样本异常检测方法通常依赖复杂的提示学习或计算昂贵的滑动窗口策略。本文发现视觉-语言模型中多头注意力池化本身具有零样本异常定位与检测能力，据此提出单次前向的RADIOlogy方法，通过比较视觉特征与正常、异常提示的平均相似度进行打分，并利用RADIO模型特征进行像素级异常分割细化。作者还表明该类无训练方法可稍作修改后应用于医学领域。
说明VeriCUA：以智能体式探索进行任务完成验证的计算机使用智能体验证框架
简介本文提出VeriCUA，一个与平台无关的验证框架，用于判断计算机使用智能体是否完成任务。它把验证视为动态取证过程：先检查可用上下文构建任务评分标准，再针对未确认的要求选择图形界面或代码检查，并依据明确的证据规则综合结论。实验显示，在多种设置下它与参考标签的一致性优于对比基线，离线困难案例提升最明显，在线场景下更能拒绝错误的完成声明。
说明多视图混合专家（Multi-View MoE）：让每个路由器共同参与专家计算
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PIVOT：通过在线教师修正进行渐进式干预
简介本文针对基于可验证奖励的强化学习在困难推理任务上奖励稀疏的问题，提出PIVOT方法。该方法将教师模型生成的修正插入学生模型的采样轨迹中，并对这些片段施加词元级KL监督，同时保留RLVR目标。在困难逻辑游戏和数学推理基准上，PIVOT优于现有方法，逻辑游戏上的平均avg@8从最佳基线的19.5%提升至35.6%。
说明每个词元都需要自己的教师：多教师自适应同策略自蒸馏
简介本文提出多教师自适应同策略自蒸馏方法MTA-OPSD，用于大语言模型的后训练。现有方法在训练中固定使用同一教师，或只在不同回答之间变化参考信息的暴露程度。作者发现，同一回答内不同词元的最优教师可能不同，并通过多数投票和基于KL散度的选择为每个词元确定偏好的教师。在Qwen3模型的数学推理任务上，该方法优于现有OPSD方法，相比基础模型平均最多提升5.9分。
说明Gym-Anything for Robotics：借助数字智能体扩展物理仿真
简介该论文提出一个框架，让编码智能体自动创建逼真的机器人仿真环境，以解决专家人工搭建仿真成本高、覆盖面窄的问题。作者依据美国GDP数据选取具有经济价值的物理工作场景，并构建了RoboWorld基准，包含25个仿真环境及对应的测试与训练任务。顶尖模型在所有测试任务上表现都很差，平均奖励仅为0.06，论文还提出了多种改进方法，并据此显著提升了性能。
看点提出由编码智能体自动创建机器人仿真的新范式，并构建RoboWorld基准；摘要报告前沿模型在测试任务上平均奖励仅0.06，并展示多种改进方法。
说明用单一算法训练基础模型：把预训练、中训练、监督微调与强化学习统一为一种似然训练
简介论文指出，基础模型通常分预训练、中训练、监督微调和强化学习等阶段，且数据与学习算法都随之切换。作者把适当的强化学习目标推导为对模型生成目标分布的最大似然拟合，从而将这些阶段统一到同一种基于似然的训练算法之下，称为统一训练。该框架下，传统分阶段训练只是特例。
说明比较人类扮演者与大语言模型模拟来访者在在线咨询培训中的表现：咨询模式分析
简介该研究探讨大语言模型在教育性角色扮演中模拟咨询来访者的能力，并与人类扮演者进行对比。研究先记录新手咨询师与人类同伴扮演来访者的对话，再记录与由Mixtral 8x7b（4位量化）模拟的来访者的对话，并用句子级咨询沟通模式系统进行分析。研究发现两种情境下咨询模式的应用既有相似之处也有差异，表明基于大语言模型的角色扮演练习有助于提升咨询能力。
说明SPARQLcirc：基于溯源电路的概率查询求值
简介本文研究在可通过 SPARQL 1.1 端点访问的概率知识图上，对 SPARQL 查询进行精确的概率查询求值。作者提出 SPARQLcirc，将查询改写为 CONSTRUCT 查询，使所有答案共享同一个布尔溯源电路，再通过加权模型计数计算每个答案的精确概率。在 WatDiv、gMark 和 Wikidata 数据上的实验显示，随着推导数量增加，其端到端耗时相对于基于溯源表达式编译的方法有所下降。
说明FARMS：自动化计算科学的可验证基础框架
简介本文提出FARMS框架，将计算数学文献转化为AI可解读、可复用的形式化知识，并附带量化保证。框架通过源材料整理、可复用表示和语义审查，把形式化陈述与源语境、算法含义和定量保证相连。在随机数值线性代数和数值偏微分方程的171个目标中，有157个通过了流程审核，并给出了每个目标的平均估计成本。
说明基于技能的智能体推进临床基因组分析
简介论文介绍了ClinGeX，一个基于大语言模型的智能体，通过检索和依赖感知编排调用105项经整理的可执行技能，辅助临床基因组分析。在223个时间上留出的基准病例上，其宏平均任务级一致率为71.7%，高于最强对照的45.7%。人机协作研究显示，ClinGeX辅助下病例级一致率在三类场景中均有提升，并缩短了解读时间。
说明拉马努金挑战赛结果：面向多种格式证明的AI辅助评估流程
简介本文分析了拉马努金挑战赛（一项由数论研究级问题组成的基准测试）的提交结果，比较了不同AI模型、计算机代数系统和形式化工具的表现。作者还提出了一套AI辅助评估流程，用于检查自然语言证明、计算机代数代码和Lean形式化证明的语义与逻辑正确性，相比传统的一次性大模型判断，该流程将自然语言证明的误判率从23%降至6%，并将代码判断准确率从46%提升至58%。
说明检索即遍历：面向有状态长上下文智能体的价值索引记忆
简介论文提出把记忆检索视为在地址空间中的持续局部遍历，并将记忆内容与地址分离，以信息价值与检索成本的权衡来索引记忆。作者在MiniGrid Memory上用最简单的固定几何实例做了概念验证，局部遍历头以更少训练步数达到更高平均回报，但尚未测试学习得到的几何结构或重复检索。
说明基于机器学习检测加纳移动货币诈骗短信：朴素贝叶斯、支持向量机与随机森林的比较评估
简介该论文针对加纳移动货币（MoMo）诈骗短信，构建了有监督机器学习分类流程，使用包含220条标注短信的语料，涵盖18个诈骗与正常子类别。研究比较了多项式朴素贝叶斯、线性支持向量机和随机森林三种分类器，并以准确率、F1值、AUC等指标评估。结果显示，朴素贝叶斯和线性支持向量机在留出测试集上表现完美，可解释的经典分类器适合在资源有限的环境中用于过滤诈骗信息。
说明预填充阶段解码长度预测的基本极限
简介本文研究仅利用大语言模型预填充阶段隐藏状态来预测其解码长度的问题。作者指出，现有基准把预测器质量与任务难度混在一起，且自回归解码的随机性是被忽视的误差来源。文章据此推导出任何预填充方法都必须遵守的界限，并给出解码长度近似正态分布及方差与均值呈仿射关系的理论，实验结果与之吻合。文章认为系统误差主要来自解码随机性而非模型本身，并建议固定模型、数据和采样参数进行基准测试。
看点将解码长度视为停止随机过程，推导每个提示的正态性与方差律并给出误差项，据此界定预测上限；摘要报告在多种预测器和基准上与理论界吻合。
说明TRACER：面向多家医疗机构疾病检测的时间至事件电子病历基础模型
简介研究团队开发了TRACER，一种基于解码器的基础模型，在来自四家医疗机构的超过450万名患者数据上预训练，用于根据纵向电子病历预测未来的临床诊断。在两家未参与模型开发的医疗机构的超过200万名患者中，模型对16种新发疾病在1年、2年和5年时间范围内进行了评估。研究重点考察了适用于筛查的低假阳性率下的表现，发现模型在外部医疗机构中保持了区分能力，但疾病检测效果和误报负担在不同疾病和医疗机构之间存在差异。
说明自家搭建的小型语言模型：面向葡萄牙语、在个人电脑上训练的自回归与掩码扩散语言模型
简介本文是一份教程，演示如何在单块消费级显卡上从零训练一个语言模型（含分词器），并评估其在专业领域任务上的表现。文中提供了可测试的Python工具包、巴西葡萄牙语的两个示例笔记本以及预先注册的比较方案。在巴西散文和联邦法律文本上，自回归模式在64个训练周期后出现记忆化，而掩码扩散模式可训练至256个周期。在对法律文本的测试中，该模型在似然上与6-gram基线持平，在检测被篡改文本和补全引用方面表现更好，但在续写任务上不如基线，公共模型整体领先。
说明BURGER：通过具身绘画评测与理解机器人泛化能力
简介该论文提出BURGER，一个基于语言指令的机器人绘画基准，用可扩展的提示驱动流程在仿真和真实环境中生成连续绘画轨迹。研究者用282个绘画任务的28,200条仿真示范，评测了五个代表性的视觉-语言-动作（VLA）模型。实验涉及数据规模、语言理解、空间组合和多模态行为，并在Franka Panda机械臂上部署了训练好的策略。
说明PhysCount：多模态大模型数的是图像中的外观，还是物理实体？
简介本文提出PhysCount基准，用于检验多模态大语言模型能否区分图像中可见的外观与场景中真实存在的物理实体。数据集包含546张真实图像和4,595个人工撰写的问题，分为651组目标。对40个模型的测试显示，数出可见外观比辨认外观背后的同一实体容易得多，表现最好的模型也仅有13.36%的组全部答对。
说明NEOPIC：面向粒子法动理学等离子体模拟的神经算子框架
简介本文提出NEOPIC框架，用神经算子直接作用于粒子的经验测度并在粒子位置求值，无需网格或树结构，也不需要把粒子沉积到网格上，从而避免了粒子噪声的混叠。它只替代场求解环节，可作为即插即用的场求解器，并与任意时间积分器（包括隐式格式）结合。论文在静电基准测试（包括朗道阻尼、双流和弹跳不稳定性、回旋加速器和潘宁阱）上验证了理论结论。
看点新意在于神经算子直接作用于粒子经验测度而非网格，避免了粒子噪声的混叠；在电静力学基准和Penning阱等上验证，可作即插即用场求解器。
说明CrossWeave：基于稀疏2D-3D对齐的跨模态场景与实例检索
简介该论文提出CrossWeave框架，用于根据2D图像检索对应的3D场景或物体，可服务于机器人和AR/VR的空间推理。方法仅利用稀疏的2D-3D局部对应关系进行监督，并通过最优传输聚合器聚类结构冗余区域。在ScanNet和3RScan上，单一模型在场景级和实例级检索上均取得了最优性能。
说明IndicIPR-QA：印度知识产权法抽取式问答基准数据集
简介该论文提出 IndicIPR-QA，这是一个面向印度知识产权法的抽取式问答基准数据集，包含七部知识产权法规中 1,116 段法条文本生成的 4,462 组问答对。问答由 GPT-4o 生成，并经过自动质量检查、大模型评估和 200 组人工审核验证。实验显示，BM25 的词元级 F1 为 20.21，微调后的 InLegalBERT 达到 85.02，说明简单的词语匹配难以回答此类法律问题，且各部法律之间的表现差异明显。
说明如何对齐你的模型：用模板扩大多语言安全训练规模
简介该论文指出大语言模型的安全对齐主要针对英语，低资源语言受影响较大。作者提出基于模板的数据扩增流程，从有害提示中提取安全模板，翻译后用具有文化特色的实体填充，生成多语言拒答与正常语料。作者发布了覆盖60种语言的 MSafeTemp 语料库，并发现仅用英语评估会误判多语言安全性，模板扩增的训练数据也能提升英语之外的安全表现。
说明一个低秩空间捕捉自然语言聆听时大语言模型与人类神经活动之间的线性对齐
简介该论文用岭约化秩回归找出大语言模型表示中可预测大脑活动的子空间。在三个自然语言聆听数据集（颅内电生理与fMRI）和六种模型条件下，仅用原始嵌入维度的1%到3%即可恢复完整的线性编码性能。这些低维子空间在受试者之间有一定的可迁移性，且与嵌入的主成分方向不同。
说明在自回归语音克隆TTS模型中发现可解释的声学特征
简介本文提出一种基于特征的可解释性框架，用于分析自回归语音克隆文本转语音（TTS）模型，借助稀疏自编码器（SAE）、PCA和随机方向提取特征，并通过稀疏探测、引导和量化的自动可解释性方法进行研究。研究以Qwen3-TTS为主，并将探测与引导扩展到另外5个模型以检验跨架构的泛化性。结果显示，这些模型编码了音高、能量、噪声和口音等概念，但稀疏预测和引导只对部分概念有效；SAE适合探测人工标注概念和发现新概念，PCA在稠密探测和引导中表现相当。自动可解释性分析在Qwen3-TTS中找到684个经自动验证的SAE特征，涵盖说话人聚类、说话风格和录音条件等。
说明代数世界模型：从探索到证明
简介该论文提出代数世界模型（AWM），让智能体通过与陌生环境交互，建立可执行的数学模型并用Lean 4进行形式化推理。它能证明某个目标无法达到，在两个不可能通关的游戏关卡中生成了可被Lean核验的证明。论文还报告，这些模型能重放ARC-AGI-3游戏的通关轨迹，并预测未观察到的状态转移。
说明基于学习反射扩散过程的有界区域数值积分
简介本文研究有界凸区域上的高维数值积分，即在约束于区域内的情况下估计非负被积函数的积分值。作者利用由反射动力学构造的提议分布进行重要性采样，并训练神经网络得分模型来逆转从目标分布向区域上均匀分布的过程。文中给出了无需额外边界项的训练目标和积分的无偏估计，并针对非光滑被积函数提出了基于REINFORCE的梯度估计方法。
说明LucidLyra：通过多任务蒸馏实现前馈式生成三维场景重建与联合理解
简介LucidLyra是一个框架，可从视频潜变量以前馈方式生成三维场景，并直接查询其语义和实例信息。它将相机可控视频扩散模型与冻结的二维视觉基础模型的知识蒸馏到统一模型中，联合推断编码几何、外观、开放词汇语义和类别无关实例线索的三维高斯。该方法无需逐场景优化，也不需要三维标注或多视角数据，并可扩展到单目视频的动态场景重建。
说明EGI 电子基础设施中的人工智能：过去的经验与未来策略
简介EGI 联邦十多年来为欧洲及全球科学提供联邦化电子基础设施服务。本文回顾 EGI 在 interTwin 和 iMagine 两个欧盟地平线项目中的早期人工智能实践，并分析 2023 年以来 AI 领域的变化：科学领域的重点已从模型训练转向针对具体领域、项目和问题的适配与应用。文章还介绍 EGI《2026至2030年联邦战略》中的 AI 策略，包括可用于 AI 的基础设施、人员技能和可信度三大支柱。
说明智能体大学：面向个性化学习的协作智能体
简介论文提出一种人类参与的多智能体组织方法，并以“智能体大学”（Agentic University）实现。学习者作为组织成员，与专门的智能体共同维护一份可修订的能力计划，将个人目标、多种形式的学习活动和分层评估连接起来，并依据学习者反馈和表现调整后续支持。实验显示，使用者的平均评估分数提升更大（50分制下为12.19分，对比5.61分），且报告获得了更强的认知支持。
说明TAPE：学习通用音频效果表示
简介TAPE（音频参数嵌入变换）从处理后的参考音频中估计其信号处理链，无需原始未处理音频。编码器识别八类主要效果器，将参考音频映射为嵌入向量，可微分数字信号处理链再将其解码为可编辑参数，并应用到另一段未处理录音上。该方法在频谱误差上优于此前的单步回归方法DeepAFx-ST，并以275倍速度运行。解码器输出的是DSP参数，因此可以因果方式实时运行，C++实现的处理速度为实时的1.8倍。
说明rTaste：研究智能体有品味吗？评估早期研究判断力
简介该论文考察大语言模型研究智能体能否在实验结果揭晓前判断哪些实验值得做。六个前沿模型基于七篇近期NLP论文提出最小可行实验，预测并排序，再由独立执行器完成实验并由三位模型审核员评判。结果显示，415个实验中194个被判为合理、有价值且新颖，但其中仅73个超出原论文且不显而易见；智能体的排序优势有限，预测优于基线却未明显优于同模型的新实例，组队也未明显提升质量。
说明MetaRefine：利用多层级特征与原图几何信息修正图像质量评估分数
简介该论文提出MetaRefine，一种元数据感知的分数修正架构，在不改动原有评分流程的前提下，利用原图尺寸、宽高比等几何信息及多层级视觉特征，预测对冻结模型原始分数的修正量。在21个数据集的100种配置中，该方法在多数配置上提升了PLCC、SRCC，并降低了MAE、RMSE，中位参数开销仅为1.11%，还可进一步提升多个基准上的先进模型表现。
说明精度壁：幂律测量谱下优化的一个依赖优化器的边界
简介本文研究低秩矩阵感知中，用幂律测量协方差替代各向同性高斯设计后，除法归一化的一阶优化器会在某个临界指数以上停滞。作者把这一失效归因于数值精度限制：最小的非规范期望Hessian特征值随维度按幂律衰减，一旦低于优化器的分母下限，梯度噪声便会淹没稀有方向的梯度。论文给出了边界公式，并称其在保留的16组配置上对Adam的起始点预测误差在0.45以内。
说明通过正交投影在持续大模型遗忘中保持效用
简介本文提出持续正交投影方法（COP），用于在大语言模型中逐次删除敏感训练数据的影响，而无需从头重训。该方法把每次更新限制在先前遗忘集激活子空间的正交补空间内，每层只需存储一个低秩基底。在TOFU和RWKU基准上的实验表明，COP在连续删除请求中保持了模型效用，且遗忘效果优于面向持续遗忘的基线方法。
说明FIRME：基于注册表锚定的记忆图谱，用于持续演化的异构投资者知识
简介该论文提出FIRME，一种以注册表为锚点的记忆图谱，用于整合投资者电话会议、现金流记录及S&P 500财报电话会议文字稿等来源的观察信息。它通过规范身份与持久别名，将反复出现的观察关联到同一关系历史，并保留来源、时间与上下文。实验显示，相比不含别名记忆的基线，FIRME在四种数据集与后端组合下的最终期正确匹配率提高7.8至12.1个百分点。
说明AVPS-360：用于发声人物实例分割与跟踪的空间音频-视觉基准数据集
简介该论文提出AVPS-360，一个基于360度视频和一阶Ambisonics空间音频的基准数据集，用于在视频中分割并跟踪发出声音的人物。数据集基于STARSS23构建，包含230段共10.5小时的录音，并提供31,678个人工校对的实例掩码。作者还提出一个融合空间音频与视觉特征的基线方法，实验显示其在长时间间歇发声录音中的检测和身份关联表现明显优于现有方法。
说明基于CT转MRI合成与共形预测的无MRI PET定量及可靠性评估
简介该研究针对淀粉样蛋白PET的SUVR定量通常需要受试者自身T1加权MRI、而实际中并非总能获得的问题，提出用CT合成MRI替代的方法，并借助共形预测给出结果的可靠性区间。在OASIS-3的11C-PiB PET数据上，合成MRI得到的皮层SUVR与真实MRI结果高度一致，87名测试受试者的阳性判定全部相同。外部队列的零样本测试显示该方法可在不重新训练的情况下工作，但共形校准需针对目标队列重新校准。
说明在模拟环境中训练语言模型用于精神科问诊
简介本文用多轮强化学习在模拟环境中训练语言模型，使其更好地完成精神科文字问诊，包括病史采集、鉴别诊断和初步处理计划。研究采用随机双盲交叉设计，由32名精神科医生扮演标准化患者，15名独立精神科医生对转录文本评分。训练后的模型在76.7%的匹配情景对中优于基础模型，并在安全风险识别方面显著降低了低估急性风险的比例。
说明农村适用性：面向对抗选择领域的领域泛化
简介论文研究在多个源领域数据上训练的模型如何泛化到任意未见的目标领域，目标是使表现接近与源数据一致的最差假设。作者刻画了该目标的样本复杂度（相差对数因子）。结果显示，若将学习目标放宽为与在99%而非100%源领域表现良好的假设竞争，样本复杂度可从Ω(dk)降至O(d)，其中d为VC维、k为源领域数量。
说明InfantNet：面向婴儿身体姿态与形状估计的大规模数据集
简介该论文提出 InfantNet，是目前规模最大的真实婴儿图像数据集，包含 108,902 张 6 至 18 个月大婴儿的 RGB 图像，并为全部图像标注二维关键点。其中 11,642 张图像还提供了带完整 SMIL 参数的三维姿态与形状标注。基线实验显示，成人姿态估计模型在婴儿上泛化效果不佳，在该数据集上微调后则有稳定提升。
说明面向航拍增强自动驾驶的统一基准：KITScenes Aerial 数据集
简介该论文提出 KITScenes Aerial，在 KITScenes 多模态数据集基础上加入同步的航拍影像与更高分辨率的神经表示，用于地图构建、在线高精地图和跨视角定位等研究。实验覆盖全部 53 个地图类别，结果显示航拍信息在大范围细粒度建图中作用明显，更高分辨率影像进一步提升了 mAP。在地理上不相邻的条件下，跨视角定位的平均平移误差为 5.13 米。
说明Glance：生成模型自己充当重排序器
简介检索增强生成通常为重排序和回答分别部署两个模型，造成模型占用和段落处理重复。本文提出Glance，为生成模型加入轻量决策适配器和指针头，基于共享预填充对候选段落打分，无需对每个查询-段落对单独预填充。实验基于单一9B骨干模型，用MS MARCO微调约39分钟，在SciFact和NFCorpus上的nDCG@10分别优于bge-reranker-v2-m3。
说明PhysInsert：利用几何先验与双向物体-场景交互实现物理合理的物体插入
简介该论文提出PhysInsert框架，用于基于参考图像的物体插入，使物体与周围场景共同调整，以实现物理上合理的效果。作者构建了Insert World数据集，包含严格对齐的Blender渲染反事实图像对，并引入几何引导适应（结合VGGT几何分支）与2D物体-场景空间监督。论文还发布了PhysInsert-Bench评测基准，在其与DreamBooth上的实验显示图像保真度提升，用户研究表明放置、光照融合、透视与姿态更为合理。
说明规则越多，清单越长？在隐藏规则课程上评测自我进化智能体
简介论文提出CLR-Bench基准，考察自我进化的智能体能否从反馈中学到一条没有明说的隐藏规则。每条任务链逐级增加一条规则，规则作用于代表某个公开命名分组（如航空联盟创始成员）的不透明标签。测试六种近期自我进化方法后发现，使用认证基础模型时它们几乎学不会规则；加入说明命名分组约定的固定教训后，成绩明显提高；使用更强的GPT-6-Sol时，部分方法仅靠反馈即可学习。
看点提出隐藏规则课程基准CLR-Bench，检验自演化智能体能否从反馈中学到未告知的规则；摘要报告在20条链、10个领域上评估六种方法，并发现强模型与弱模型表现差异。
说明用于偏微分方程控制的强化学习综述
简介本文综述了强化学习与偏微分方程约束优化的结合，涵盖无模型、基于模型和多智能体等方法，重点关注样本效率、参数变化下的泛化能力及高维问题的可扩展性。文中以混沌系统镇定和流动控制两个示例，说明强化学习智能体在实践中的表现与问题，并讨论评估基准、现有局限及未来研究方向。
说明从谱系上下文学习发育动力学
简介本文提出“谱系补全”（lineage inpainting）生成建模方法，利用细胞的姐妹、堂表等谱系关系信息，结合树结构 Transformer 与随机插值，对细胞谱系树上的细胞状态动力学进行建模。将其应用于小鼠胚胎发育的谱系追踪转录图谱，模型能恢复仅靠基因表达无法解析的动力学，包括不同谱系趋同到同一状态的多次转录收敛事件。模型仅在未受扰动的发育数据上训练，通过模拟反事实情形也可对扰动响应提出假设，其中包括 Tbx5 敲除响应的单细胞测量结果。
说明前缀可执行性：超越最终成功率评估工具调用智能体
简介本文指出，工具调用基准仅看最终任务是否成功，可能掩盖中间调用轨迹是否可执行的问题。作者提出前缀可执行性评估协议，检查预测的工具调用序列每个前缀在工具模式、状态前置条件和数据依赖下是否仍可执行，并用若干指标汇总可靠性。实验覆盖 BFCL-v3、ToolSandbox 与 τ³-bench 的部分数据，结果显示仅看最终成功与前缀层面排名会出现分歧。
说明AutoHebb：可零样本推理并持续学习的自修改神经网络
简介该论文提出AutoHebb，一类在线学习的前馈神经网络，通过自主控制的学习机制实现零样本推理和持续学习。网络结合外部反馈与内部活动生成全局学习信号，调节基于生物学的三因子赫布规则来更新可塑权重，并借助元学习搜索固定权重。作者报告其在零样本推理与持续学习任务上优于现代学习模型。
说明基于结构框架约束的开放材料生成方法（OMatG-FC）
简介该论文提出一种从头生成无机晶体材料的方法OMatG-FC，以已知的晶胞形状和原子位置等结构框架为约束，结合离散流匹配处理原子种类、随机插值处理晶胞体积缩放。方法降低了问题维度，并能发现来自已知框架的新稳定原型。论文还统计了MP-20数据集中框架的重复情况，并在LeMat-GenBench上取得较好的稳定、独特、新颖（S.U.N.）结构比例。
说明面向异构动力系统贝叶斯滤波的预训练模型
简介本文提出FilterFM，是首个用于贝叶斯滤波的预训练模型，能用单一检查点估计不同动力系统的隐状态。模型采用分层两级观测序列编码器与先验到后验的状态重建模块，以分位数预测刻画状态不确定性。实验显示其在训练域内的估计精度、运行效率和噪声鲁棒性优于现有基线，并首次实现对未见动力学的零样本滤波。
说明农业土壤水分估计的知识蒸馏方法：一种多模态学习框架
简介本文提出土壤水分蒸馏框架 SMD，基于知识蒸馏，利用单模态教师模型提升多模态土壤水分估计效果。文中比较了土壤斑块与作物图像，认为作物图像提供更好的视觉线索。相较于现有基线，SMD 在土壤斑块上 MAPE 提升 2%，在作物上提升 1.2%。
说明利用多臂老虎机对路径受限的移动传感器进行自适应搜索：用能量受限的移动传感器团队，在有限路径中自适应地选择巡航路线，以找出感兴趣区域。
简介本文研究由能量受限的移动传感器团队从带噪声的在线测量中检测感兴趣区域的序贯决策问题。传感器只能沿预先计算、满足移动约束、需返回充电站并避开已知障碍物的可行路径运动。作者将路径选择建模为多臂老虎机问题，提出基于置信界的迭代搜索算法，并给出有限时间与随时概率正确性保证，以及找出全部区域和标记全部节点所需时间的非渐近上界。
说明基于不确定性的反馈环诊断：结合强化学习与保形预测的可靠晶圆缺陷分类
简介本文提出一种名为UFLD的算法，用于晶圆图缺陷检测。它利用强化学习自适应地决定测量位置，每一步后给出预测不确定性水平，信息足够时即停止测量。该方法无需额外的置信度估计网络，借助保形预测确定最佳停止时机。在MixedWM38数据集上，UFLD将采集时间约减少40%，检测准确率达到98.4%。
说明NECA：用于ICU多时间窗器官功能障碍预测的邻近事件曲线增强方法
简介该论文提出一种与模型无关的方法NECA，在训练集中检索早期记录相似的患者，并将其后续器官功能障碍事件发生时间转换为6、12、24、42小时的累积事件曲线特征，与原始患者表示拼接后输入标准预测器。在PhysioNet 2012和4000例MIMIC-IV子集上，NECA提升了四类器官功能障碍事件任务的平均PR-AUC和ROC-AUC，其中神经功能障碍事件的提升最明显。
说明IMPACT：面向光伏发电预测的逆变器信息多模态学习方法
简介该论文提出一种融合物理信息的多模态深度学习框架，用于预测未来10至110分钟的光伏发电功率概率区间。模型结合电站历史时序、逆变器间的云层空间动态、太阳几何与当前气象状态，并通过在线校准得到分位数预测。在对比实验中，该模型在预测技能得分上优于全部14个基线模型，并在阴天和多变天空条件下仍保持一定预测能力。
说明OCCAMS：基于多任务学习的CMB功率谱研究
简介本文用多任务学习和变分自编码器，在不内置任何宇宙学模型的情况下，用少量潜变量拟合宇宙微波背景（CMB）的温度与偏振功率谱，并与Planck 2018数据比较。结果显示，潜变量数量为6时拟合效果最好或接近最好，与标准模型依赖方法的自由参数数目相同。潜变量与部分宇宙学参数存在对应关系，表明深度学习可为CMB功率谱提供紧凑的数据驱动参数化。
说明在音频分类中连接神经表示与符号语义
简介该论文研究深度音频分类器中的隐藏神经元能否对应到人类可理解的符号化声学概念。作者提出一个与模型无关的神经符号框架，通过符号概念归纳分析音频分类器最后一个包含32个神经元的隐藏层。框架在GTZAN音乐流派分类和IRMAS乐器分类两项任务上进行了评估。结果显示，若干隐藏神经元可与有意义的概念对应，且大多数已确认的神经元与概念配对经Mann-Whitney U检验具有统计支持。
说明DyCraft：面向长时程四维场景生成的智能体系统
简介该论文提出DyCraft，一个生成带动画的三维场景的系统。它借鉴人类动画师的工作方式，把动画拆分为编码智能体更容易完成的步骤：先扩展用户提示并搭建静态场景，再制作关键姿态的三维分镜，最后在相邻已验证的起止状态之间用动作制作工具生成局部运动。在24个涵盖人形机器人、人物与动物角色以及物理机构的长时程多镜头动画任务上，DyCraft相比原生智能体和既有基线显著减少了物理违规，生成的动画场景也更常被人类评审者偏好。
说明从自身错误中检索：面向多跳检索增强生成的策略内嵌入模型训练
简介本文针对多跳检索增强生成中的证据检索问题，指出链式嵌入检索器在仅用标准答案路径训练后已表现较强，但训练与测试状态分布不一致，导致其常因自身错误检索而漏掉证据。作者提出策略内状态训练方法，让编码器在训练中学习自己实际到达的状态，从而更完整地检索证据，并能迁移到更难的长链变体数据集上。
说明SCARL：序列置信度对齐的强化学习方法
简介该论文提出SCARL（序列置信度对齐强化学习），针对可验证奖励的强化学习中策略置信度与奖励不匹配的问题，依据组内相对置信度与优势所对应结果之间的偏差重新调整每个样本的优势值，但不改变其符号。论文称该方法在Qwen3-4B-Base上使平均Pass@32高于DAPO，并在四种估计器和四种骨干模型的16组设置中有14组得到改进，同时保持策略熵。