Elucidating the Design Space of LM Data Attribution
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。
本页没有符合条件的条目（筛选只在本页内进行）。
Propose-Filter-Release: Scaling Noise to Typical Sensitivity via Private Filtering
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。
Micro-Edits: Computational Support for Fine-Scale Edits in Film
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。
Rethinking Neural Thickets Without Weight Perturbations
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。
Read, Allocate, Route: Role-Coupled Tokenization for Pixel-Space Generative Transformers
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。
Adaptive Scenario Generation for KL-DRO Around a Learned Density Model
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。
Luggage re-identification: A study of strategies towards a real-world application
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。
★★★★☆ 值得关注
From extreme weather to agricultural consequences with agentic AI
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。
SonoWorld4D: From One Video to a 4D Audio-Visual Scene via Diffusion Synchronization
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。
world2vec: Mechanistic world models through latent dynamics learning
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。
Probing Spatial State Representations in Visual Foundation Models
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。
SymAnt: Grounding Long-Horizon Action Anticipation with Adaptable Symbolic Priors
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。
★★★★★ 值得关注
ShallowDefend: Harnessing Shallow Safety Alignment for Multi-Turn Defender
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。
★★★★☆ 值得关注
Testimony from Timelines: Evidence-Grounded Significance Testing of Temporal Clinical Hypotheses
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。
An ODE-based Sampler for Discrete Diffusion Models
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。
L3G-World: Real-Time Infinite World Generation with Latent 3D Gaussian Memory
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。
When to Assist and What to Suggest: Joint Gating and Memory-Grounded Hint Generation in One Compact Decoder
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。
Fight World Model: Customizable Combat through Visual Interaction Proxies
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。
HairDeck: Animation-Ready Stylized Hair Cards from a Single Image
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。
Pre-Crime for Agents, at the Last Second: Probing When a Recruited Agent Gives In
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%。
Beyond Ground Truth: A Heuristic Unsupervised Quality Assurance Engine for Diagnosing Calibrational Blindness in Dental Segmentation
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。
Multistatic ISAC with Deep Learning-Based Clutter Suppression for 5G and Beyond
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。
RADIOlogy: A Single-Pass Approach to Training-Free Zero-Shot Anomaly Detection
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。
VeriCUA: Verification as Agentic Exploration for Computer-Using Agents
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。
Multi-View MoE: Letting Every Router Shape Expert Computation
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。
PIVOT: Progressive Intervention via Online Teacher Correction
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%。
Every Token Needs Its Own Teacher: Multi-teacher Adaptive On-policy Self-distillation
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。
★★★★☆ 值得关注
Gym-Anything for Robotics: Scaling physical simulations with digital agents
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。
Training Foundation Models with a Single Algorithm
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。
Comparing Human Role-Players and LLM-Simulated Clients in Online Counselling Training: An Analysis of Counselling Patterns
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。
FARMS: A Verifiable Foundation for Automated Computational Science
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。
Advancing Clinical Genomic Analysis with a Skill-Centred Agent
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。
Ramanujan Challenge Results: AI-Assisted Evaluation Pipeline for Multi-Format Proofs
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%。
Retrieval as Traversal: Value-Indexed Memory for Stateful Long-Context Agents
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。
Machine Learning-Based Detection of Mobile Money Scan Messages in Ghana: A Comparative Evaluation of Naive Bayes, Support Vector Machine, and Randon Forest Classifiers
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。
★★★★☆ 值得关注
On the Fundamental Limits of Prefill-Based Decoding Length Prediction
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。
TRACER, a time-to-event EHR foundation model for disease detection across health systems
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。
Homebrewed SLMs: Autoregressive and Masked Diffusion Language Models Built at Home for Portuguese
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。
BURGER: Benchmarking and Understanding Robotic Generalization via Embodied Drawing
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。
PhysCount: Do MLLMs Count Visual Appearances or Physical Entities?
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。
★★★★☆ 值得关注
NEOPIC: A Neural Operator Framework for Particle-based Kinetic Plasma Simulations
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。
CrossWeave: Cross-Modal Scene and Instance Retrieval from Sparse 2D-3D Alignment
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。
IndicIPR-QA: A Benchmark for Extractive Question Answering on Indian IPR Laws
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。
How I Aligned Your Model: Scaling Up Multilingual Safety Training with Templates
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。
A Low-Rank Space Captures Linear Alignment Between LLM and Human Neural Activity During Naturalistic Language Listening
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。
Discovering Interpretable Acoustic Features in Autoregressive Voice-Cloning TTS Models
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。
Algebraic World Model: From Exploration to Proofs
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。
Numerical Integration on Bounded Domains via Learned Reflected Diffusions
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。
LucidLyra: Feed-Forward Generative 3D Scene Reconstruction and Joint Understanding via Multi-Task Distillation
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。
AI in the EGI e-infrastructure -- Past experiences and future strategies
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。
Agentic University: Collaborative Agents for Personalized Learning
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。
rTaste: Do Research Agents Have Taste? Evaluating Early Stage Research Judgment
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。
MetaRefine: Score Refinement with Multi-Level Features for Image Assessment
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。
The Precision Wall: An Optimizer-Dependent Boundary for Optimization under Power-Law Measurement Spectra
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。
Preserving Utility in Continual LLM Unlearning via Orthogonal Projections
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。
FIRME: Registry-Anchored Memory Graphs for Evolving, Heterogeneous Investor Knowledge
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。
AVPS-360: A Spatial Audio-Visual Benchmark for Instance Segmentation and Tracking of Sound-Producing Persons
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。
Accurate MRI-free PET Quantification and Reliability Assessment via CT-to-MRI Synthesis and Conformal Prediction
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。
Training language models in simulation for psychiatric intake
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。
Rural Readiness: Domain Generalization with Adversarially Chosen Domains
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。
InfantNet: A Large Scale Dataset for Infant Body Pose and Shape Estimation
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。
A Unified Benchmark for Aerial-Enhanced Autonomous Driving: The KITScenes Aerial Dataset
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。
Glance: The Generator Is Its Own Reranker
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。
PhysInsert: Physically Plausible Object Insertion with Geometric Priors and Bidirectional Object-Scene Interactions
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。
Reinforcement learning for control of partial differential equations
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。
Learning developmental dynamics from lineage context
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。
Prefix Executability: Evaluating Tool-Using Agents Beyond Final Success
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。
Framework-Conditional Open Materials Generation
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。
A Pretrained Model for Bayesian Filtering in Heterogeneous Dynamical Systems
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。
Soil Moisture Estimation in Precision Agriculture: A Knowledge Distillation Approach
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%。
Adaptive search with path-constrained mobile sensors using multi-arm bandits
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。
Uncertainty-aware Feedback Loop Diagnosis: integrating reinforcement learning and conformal prediction for reliable wafer defect classification
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%。
NECA: Neighbor Event Curve Augmentation for Multi-Horizon ICU Deterioration Prediction
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。
IMPACT: Inverter-Informed Multimodal Learning for Photovoltaic Generation Forecasting
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。
OCCAMS: A Multi-Task Learning-Based Investigation of the CMB Power Spectra
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。
Bridging Neural Representations and Symbolic Semantics in Audio Classification
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。
Retrieving from Your Own Mistakes: On-Policy Training of Embedding Models for Multi-Hop Retrieval-Augmented Generation
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。
SCARL: Sequence Confidence-Aligned Reinforcement Learning
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。
Continuous-Action World Models: Learning Cross-Embodiment Spatiotemporal Dynamics Priors
说明连续动作世界模型：学习跨机器人形态的时空动力学先验
简介本文提出连续动作世界模型（CoAWM），用于学习可跨不同机器人形态和执行频率使用的时空动力学先验。方法通过共享潜在函数空间表示机器人动作的时空结构，先用不同形态与采样频率的轨迹进行函数预训练，再将其接入世界模型主干，以条件预测潜在动作函数，解码器可在任意查询时间输出末端执行器动作。
Scaling Mathematical Proof Supervision from Structured Textbooks
说明从结构化教科书扩展数学证明监督数据
简介该论文提出TOME-Math语料库，将2118本大学数学教科书转换为约38万条结构化证明监督记录，保留章节顺序、命题与证明的对应关系、依赖引用和来源信息。作者利用这些结构信号研究跨数学学科的课程式学习，并分析监督数据量和来源广度带来的扩展规律。原文称，在全部规模上微调后，其平均得分比基础模型高16.7个百分点，并超过三个公开指令数据基线的综合表现。
Composing and Steering Diffusion Models with Generalized Feynman-Kac Correctors
说明用广义费曼-卡茨修正器组合与引导扩散模型
简介本文提出广义费曼-卡茨修正器（GFKC），用于从多个预训练扩散模型定义的任意目标函数中采样。作者证明模型间的几何插值满足费曼-卡茨偏微分方程，并给出其闭式势函数。方法完全在对数域中运行，可在不重新训练或微调模型的情况下，于生成过程中实时修正结果，并支持基于奖励的引导。作者在解析高斯模型和MNIST扩散模型上进行了验证。
Beyond Selected Breakthroughs: Evaluating Language Models on Randomly Sampled Mathematical Conjectures
说明超越精选突破：在随机抽取的数学猜想上评估语言模型
简介本文构建了OpenConjecture数据集，收集2026年2月后arXiv数学论文中的猜想，并用前沿GPT模型对随机抽取的200个猜想进行三轮测试。模型约对60%的猜想给出候选解，反例数量约为证明的1.3倍。作者还分析了解答的新颖性、文献引用情况，以及解答是否依赖原猜想的错误或表述不完整。
Agentic LLM reasoning in pediatric diabetes outcome prediction from multimodal medical records
说明基于智能体式大语言模型推理的儿童糖尿病结局预测（多模态病历）
简介该论文测试了大语言模型智能体在儿科临床预测中的表现，研究对象为2489名2型糖尿病青少年和4018名1型糖尿病青少年，结合结构化数据、病历笔记中的社会因素以及1型糖尿病患者的持续血糖监测数据。研究在18个月随访数据基础上预测24个月后的七项2型糖尿病结局。提出的CEDAR系统会引用证据并自我审核，其预测表现优于传统训练的机器学习模型，在两类糖尿病队列中均更好。两名儿科内分泌科医生仅阅读CEDAR引用的证据与推理，约九成情况下得出与其相同的预测。
HiFOR: Hierarchical Foresight with Action-Guided World Grounding for Vision-Language-Action Model
说明HiFOR：面向视觉-语言-动作模型的分层预见与动作引导世界检索
简介论文提出HiFOR框架，用于视觉-语言-动作机器人模型。它通过分层依赖掩码同时预测短期状态变化、语义里程碑和最终目标状态，并将未来的潜在表示按时间、视角和空间维度组织起来。模型再根据去噪过程中演化的动作表示，从结构化潜在世界中检索相关未来信息以指导动作生成。作者在两个仿真基准和六项真实机器人操作任务上进行了实验。
The Athlete as a Scientist of One: Agentic Bayesian Experimental Design for Individualized Physiology from Consumer Wearables
说明《运动员作为“一人科学”》：基于消费级可穿戴设备、面向个体生理学的智能体贝叶斯实验设计
简介该论文提出EpiCoach系统，以一名越野山地自行车运动员为对象，用可检验、可审计的方式研究个体生理。系统把关于运动员的结论记录在证据门控的假设登记表中，每条结论都需在训练前给出概率性预测，并仅依据记录的统计拟合结果更新置信度。预测来自由心率、GPS和气压高度推断的机理数字孪生模型，智能体在负荷与安全约束下设计下一周的训练实验。作者利用十八个月的数据进行回放基准测试和前瞻性实时验证，并公开了登记表、基准与方案。
Is It the Curriculum or Just the Easy Start? Benchmarking Unsupervised Environment Design on Quadrupeds
说明是课程设计起了作用，还是只是起步更容易？四足机器人上的无监督环境设计基准测试
简介本文提出一个基准，在 MuJoCo MJX 中用统一协议比较 14 种无监督环境设计、领域随机化及机器人课程方法，测试对象为五种三维四足机器人。地形由八个可解释参数描述，所有课程驱动同一 PPO 学习者并使用相同的环境步数预算。结果显示，没有一种方法在所有机器人和难度组合中都位于最佳组；训练难度较低的方法在多数分布内随机地形上表现靠前，而在保留的结构化地形上，领先者常常并不相同。
Your LR Schedule May Not Be Principled: Effective Learning Rate Scheduling in Weight-Normalized Training
说明你的学习率调度可能缺乏理论依据：权重归一化训练中的有效学习率调度
简介本文研究权重归一化训练中的有效学习率轨迹，发现其带来的损失收益主要来自有效学习率而非归一化本身。作者提出 AIR（仿射逆平方根衰减）调度方法，在 128B token 的混合专家模型预训练实验中，其终端训练损失比余弦调度约低 0.01，并且在相同有效学习率轨迹下，权重衰减训练也表现出相似的动态。
Don't Lose the Thread: Empowering Long-Horizon LLM Agents with Cognitive Resource Self-Allocation
说明《别丢了思路》：通过认知资源自我分配增强长程LLM智能体
简介该论文针对大语言模型智能体在长程任务中因工作记忆堆积无关信息而“认知过载”的问题，提出认知资源自我分配方法CORAL。智能体可保存任务进度与已验证事实，并在清空冗余上下文后，仅保留检查点信息，从干净状态继续推理。结合多轮次强化策略优化训练后，在GAIA基准上取得较大提升，同时输入token消耗显著低于ReAct智能体。
A Unified Hessian-Guided Framework for Post-Training Quantization
说明一种基于Hessian引导的统一训练后量化框架
简介该论文提出一种用于大语言模型训练后量化的统一框架。它基于Fisher近似推导出量化引起的输出变化的Hessian引导估计，从而在统一的输出敏感度目标下联合优化量化范围、线性变换和权重取整。论文称该方法在通道级和块级量化设置下均优于现有的变换与取整方法。
Wizard: Manipulate Any World in Real Time via Agentic Control
说明Wizard：通过智能体控制实时操控任意虚拟世界
简介该论文提出Wizard，一种智能体式游戏世界模型，可对角色动作进行实时精确控制，并能零样本泛化到新场景、新角色和新动作。方法上，作者构建了涵盖750个场景和178个角色的数据集，以骨架和几何信息作为结构化中间表示来约束视频生成模型，并引入自适应掩码机制以提升条件信号与生成视频的对齐程度。此外，框架通过智能体显式维护和更新游戏状态，使玩家能够自由配置虚拟世界。
★★★★☆ 值得关注
RFW-A: Agentic Procedural Generation of 400K Articulated Assets over 500 Categories
说明RFW-A：通过智能体程序生成覆盖500多类、40万个可动关节资产的方法
简介该论文提出RFW-A方法，利用智能体为各类别构建可复用的程序化生成器，再通过程序执行批量生成可动关节资产。作者据此构建了RFW-A-400K数据集，包含40万个以上可用于仿真的资产，覆盖500多个类别。实验显示这些资产结构与运动学有效性较高，用其训练可提升部件级关节估计表现。
看点将智能体程序合成与程序化生成结合，用类别级生成器批量产出关节资产，摘要报告在400K资产、500多类别上验证并可迁移到真实物体。
Multistep and Multivariate Time Series Explainability with GradientSHAP: A Wind Power Case Study
说明用GradientSHAP解释多步多变量时间序列：风电案例研究
简介本文将GradientSHAP方法加以改造，用于解释多变量、多步的风电功率预测模型，这一方向此前研究较少。作者设计了新的可视化方式，同时给出局部和全局解释，揭示环境因素、站点条件与时间动态之间的关系。研究表明，在合理处理SHAP值并结合领域知识的前提下，该方法能帮助理解模型行为，但其复杂性也给实际部署带来挑战。
Factorized Representations of Concurrent Temporal Variables in Pretrained Language Models
说明预训练语言模型中并发时间变量的因子化表示
简介该研究考察语言模型在同一文档中同时维持多个独立演化的上下文变量时，其隐藏状态如何组织。作者用语言切换和话题切换两个独立计时器的受控文档进行实验，发现在十个预训练检查点中两者都能从同一隐藏状态中线性解码。结果表明二者的表示大致可被因子化，且在重叠子空间中近似可加。
Radiology Guideline-derived Decision Graph for Efficient Clinical Decision Support
说明基于放射学指南的决策图，用于高效临床决策支持
简介本文提出GDGraph框架，用大语言模型把放射学指南拆分为分段，提取局部决策子图并合并为可执行的决策图。推理时由快速模型回答局部临床问题，再通过确定性遍历解析布尔逻辑，形成可追溯的决策路径。在涵盖肾囊肿、附件包块和甲状腺结节指南的347个病例上，其准确率从57.3%提高到90.8%。
How to Loop Your Transformer: Loop Scaling, Specialization, and Parallel Inference
说明如何循环你的 Transformer：循环次数扩展、专门化与并行推理
简介本文研究 Transformer 模型中的循环（重复使用同一组权重多次前向计算）。作者在从头训练的解码器模型上，比较循环整个模型或中间层块、循环次数以及循环间信息传递方式的效果。结果显示，在固定参数量下循环整体效果较好，在训练算力受限时循环中间层块更划算；增加循环次数的收益会饱和、反转或变得不稳定。作者还提出加入循环专用的小型低秩适配器，并改进并行循环 Transformer 的信息传递方式以保留质量。
Decision and System One models in rheumatology: accuracy and calibration on specialty-training examination questions and diagnostic case vignettes
说明风湿病领域的 Decision 与 System One 模型：在专科培训考题和诊断病例题上的准确性与校准度评估
简介本文评估了多款 Decision 与 System One 模型在风湿病考题和诊断病例题上的准确率与置信度校准情况。在西班牙专科培训考题上，多数模型表现较好，其中 Jev 的准确率为 93.0%（西班牙语）和 91.9%（英语），低于 GPT-6 Sol 的 99.4%。在诊断病例题上，所有 System One 模型的准确率均低于 GPT-6 Sol（76.9%），其中 Jev 的准确率为 50.0% 且出现过度自信。
Hammering with Vampire in Lean
说明在 Lean 中使用 Vampire 的「锤子」工具（自动证明调用）
简介论文介绍了 Vampire-Hammer，一个用于 Lean 交互式定理证明器的工具，借助 Vampire 自动定理证明器来完成证明目标，并由 Lean 内核检查重建的证明。它使用 Lean-auto 框架处理目标与前提，并采用标准 TPTP 格式及可用于证明重建的 TSTP 证明。在 196,083 个符合条件的 Mathlib 定理上、每题 10 秒的时限内，Vampire-Hammer 解决了 21,158 个其他被评估工具未能解决的问题。
Textual Response-Aware Guidance for Zero-Shot Adversarial Robustness of Vision-Language Models
说明面向视觉语言模型零样本对抗鲁棒性的文本响应感知引导方法
简介视觉语言模型零样本能力强，但易受对抗攻击。本文指出现有引导方式各有局限，因此提出文本响应感知引导（TRAG），利用预训练文本编码器对输入嵌入局部变化的响应来约束视觉表示漂移。实验表明，该方法在多种架构和任务上取得了干净样本与对抗鲁棒性方面的领先性能，并有助于保留预训练的图文关系。
Rimuru: Unified Memory Management for Modern LLM Serving via Elastic Expert Offloading
说明Rimuru：通过弹性专家卸载实现现代大语言模型服务的统一内存管理
简介该论文针对大语言模型推理时显存紧张的问题，指出模型权重与注意力状态分别划定固定内存、难以随负载变化调整的缺陷。作者提出Rimuru系统，建立共享页池，通过内存视图、多级页分配器和感知页表的融合MoE内核，实现异构张量间的弹性内存共享，并依据运行时负载动态重分配页面。该系统基于vLLM实现，据报告吞吐量最高可达基线的19.03倍，首token延迟平均降低98.1%。
Causal-prior-constrained deep learning for rapid-intensification warning of western North Pacific tropical cyclones
说明基于因果先验约束的深度学习系统，用于西北太平洋热带气旋快速增强预警
简介本文提出CausalVisionRI系统，用于西北太平洋热带气旋24小时快速增强的预警。该系统结合红外遥感图像、大气与海洋场，并引入从观测数据中发现的因果图作为训练先验。在2020至2024年的前向留出测试中，五成员集成模型的Brier技能评分为0.259，高于多个参考系统。消融实验显示，因果图通路提升了预测效果。