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）。
说明基于二维基础模型先验的三维激光雷达分割测试时自适应广义类别发现
简介本文针对自动驾驶中三维激光雷达语义分割在测试时自适应下识别未见类别的问题，提出两阶段框架。第一阶段依据几何密度变化聚合局部三维特征，并在全局类别原型一致性约束下获得可靠伪标签；第二阶段将类别发现建模为最优传输分配问题，并融合二维视觉基础模型的语义特征以提升特征可分性。
说明波动物理作为表示：面向海洋声场的张量结构神经重建
简介本文研究如何从稀疏测量中重建三维海洋声场。作者从亥姆霍兹方程和简正模传播出发，推导出一种结构化的空间-角度张量表示（S/c表示），并将其作为归纳偏置，提出神经重建器TIDAL。该方法无需已知的环境模型参数，在三种结构化采样几何下实验显示重建性能最好、推理速度最快。
说明小米汽车世界模型2.0：面向真实驾驶与具身智能的因果世界模型
简介该论文提出小米汽车世界模型2.0，一种用于物理AI的统一流式因果世界模型，用于建模并生成真实世界中的因果物理演化。模型结合跨视角时序注意力与多视角旋转位置编码，并借助WorldRec 2.0从多视角、多时序观测中重建三维高斯场景作为显式场景上下文。训练分为预训练、中训练与蒸馏后训练阶段，最终应用于闭环仿真、闭环训练和世界动作模型，用于物理AI的状态预测、策略学习与动作生成。
说明MMCoT³：以3D与文本交替的多模态思维链增强三维场景理解
简介该论文提出MMCoT³框架，将文本推理与三维场景证据交替进行，使模型在推理过程中持续参考场景观察。为处理同一文本指代可能对应多个候选物体的歧义，设计了基于查询引导交叉注意力的歧义感知证据聚合机制。作者还构建了约17.62万条样本的PointCoT三维思维链指令微调数据集，并在六个基准上取得了优于现有方法的结果。
说明用于单像素定量相位成像的学习型光学压缩
简介本文提出一种单像素定量相位成像方法，通过联合优化衍射编码器与数字神经解码器，把与重建相关的相位信息压缩到一个紧凑的测量向量中。系统用一个可重构相位调制面依次显示与输入物体无关的编码图案，每个图案只产生一个标量强度测量。实验在可见光波段进行，使用的强度测量数量仅为重建像素数的2.55%，约实现40倍的维度压缩。
看点提出可学习的衍射编码与数字解码器联合优化用于单像素定量相位成像，作者报告在手写数字与光栅相位物体上实验验证，平均相关系数0.945和0.848。
说明随机旋转对 GPTQ 有多大帮助？高码率下最坏情形速率差距的精确结论
简介本文研究 GPTQ（基于 Cholesky 分解的 Babai 最近平面量化算法）与 WaterSIC 在高码率、熵编码条件下的速率差距。作者证明，经过 Haar 随机旋转后，第 k 个主元会几乎必然收敛到一个经典 Lyapunov 指数公式，并由此给出旋转后最坏速率差距的渐近表达式。论文还指出，旋转不能完全取代注水法，但在真实权重层上，它能显著降低离群特征值的代价。
看点新意在于用李雅普诺夫指数的经典公式刻画Haar旋转后枢轴的极限，给出最坏情形差距的紧界；作者报告在96个Qwen3与Llama-3.1的Hessian上验证，影响限于量化方法分析。
说明替代效应与汇集放大：基于设计的检验，用于判断生物世界模型是否使用动作
简介许多动作条件世界模型用随机实验数据训练，常通过替换或移除动作、观察精度损失来检验其预测是否依赖动作。本文指出，在自相关设计下，这类诊断会把并不存在的动作效应报告为真实效应。文章给出基于e值的条件随机化检验，并讨论多位点共享同一动作序列时汇集评分的放大问题。
看点指出行动扰动诊断会误报行动效应，并提出设计基础的e值检验与池化放大问题，在合成与光遗传实验上验证。
说明基于摄像头紧急制动的 GatedVLA：AlpaSim 端到端闭环挑战技术报告
简介本报告介绍了参加物理 AI 自动驾驶赛道的参赛方案 GatedVLA。该方案将视觉-语言-动作策略与流匹配动作模块结合，输出 2.5 秒内的加速度和曲率控制，并在动作模块的交叉注意力上加入软视觉掩码。在 150 个场景的本地闭环评测中，视觉掩码使平均得分从 0.479 提高到 0.517；再加入基于规则的自动紧急制动模块后，平均得分升至 0.599，有责碰撞场景的平均数量从 34.0 降至 11.0。
说明一种用于多变量时间序列的混合异常检测方法
简介本文针对电厂、智能家居和服务器等智能系统中多传感器采集的多变量时间序列，提出一种混合深度学习异常检测方法。该方法同时捕捉数据的时间与空间信息：结合变分自编码器中的二维卷积网络进行特征提取，并用基于预测的二维卷积网络与门控循环单元网络建模。作者称在公开数据上与现有先进方法对比，结果显示了该方法的潜力。
说明基于智能电表数据识别电动汽车的混合异常检测方法
简介电动汽车充电会给电网带来负荷不平衡和电压不稳定等问题，因此配电企业需要识别哪些用户拥有电动汽车。本文将这一问题视为无监督任务，提出一种混合异常检测方法，结合基于预测和基于重构两类异常检测的优势，分别利用智能电表时间序列的时序信息和随机表示信息。文中报告该模型在真实数据上优于现有的有监督和无监督方法。
说明EEG-HealthLLM：面向异构脑电健康评估的大语言模型分层适配框架
简介该论文提出EEG-HealthLLM，一个统一且参数高效的框架，用于处理不同配置的脑电（EEG）信号并完成多种健康评估任务。方法上，任务专用的EEG适配器保留各任务的时空特征，统一的共享LoRA则注入大语言模型（如Phi-3）以捕获跨任务的高层语义。作者还将五类现有脑电资源整合为EEG-HealthBench基准。实验显示平均平衡准确率达69.58%，并将语言侧适配器规模降低80.0%。
说明基于长短流映射的物理信息一步生成方法
简介本文提出一种物理信息生成模型LSFM-DG，将一步生成分解为负责全局演化的长流映射和接近终点、具有闭式解与物理势函数的短流映射。短流映射趋近于零时，可为长流映射的学习同时提供数据分布和物理约束的直接目标。该方法在无需蒸馏的情况下，实现了更高的数据保真度和物理一致性。
说明不可观测对手马尔可夫博弈中在线学习的近最优 √K 遗憾界
简介该论文研究双人不知情马尔可夫博弈中的在线学习，学习者无法观察对手的动作，对手每回合可采用任意未知策略。作者提出一种算法，在任意对手策略下实现 Õ(H^{3/2}S√(AK)) 的经验纳什值遗憾，解决了此前关于最坏情形下 √K 速率是否可达的公开问题。该算法结合全局与局部规划，通过协调二者控制局部损失估计与所执行策略总损失之间的偏差。
看点解决了最坏情形下 √K 遗憾是否可达的开放问题，提出全局与局部规划协同的算法，给出理论界。
说明dKV Forcing：通过可微分KV缓存将生成表示与记忆表示分离
简介该论文针对因果视频生成器，指出每个片段会产生两组KV状态：一组用于当前去噪生成，另一组写入缓存供后续片段读取，二者差异显著。作者提出dKV Forcing，用共享主干上的写入器专用低秩残差分离记忆写入与生成，并通过后续对该缓存的读取来训练。实验显示，相比SGF，写入器适配在60秒和240秒时分别将VBench-Long美学质量提升6.6和8.5分，同时保持较高的主体与背景一致性。
说明收益公平性：面向价值加权排序的耦合学习与公平约束
简介本文研究风险筛查与推荐系统中，在被阻断价值预算下如何排序账户，使其在捕获损失与降低群体投诉差异之间取得平衡。作者提出加权二元交叉熵及群体加权的投诉惩罚方法，并在多个公开的推荐、保险、信贷和抵押贷款数据集上进行比较。结果显示，在固定最低保留损失捕获水平下，相对于群体无差别定价，并未得到具有统计显著性的平均优势。
说明UA-Depth：面向材质无关物体操作的不确定性感知深度修复
简介本文提出UA-Depth框架，用于修复RGB-D相机在透明、反光、半透明等非朗伯物体上产生的深度空洞和噪声。该方法迭代地联合优化深度图与逐像素不确定性，并借助冻结的深度基础模型作为先验初始化缺失深度，同时采用MAD加权的两阶段对数深度尺度归一化。在八个零样本数据集上，UA-Depth取得了代表性基线中最佳的平均排名，并能将预测的不确定性用于类别级6D位姿估计和6D抓取生成。
说明CREDO：基于证据的时序推理智能体信用分配方法
简介该论文针对时序知识图谱问答任务，提出名为CREDO的方法，利用中间证据提供局部监督，即使在所有推演均失败的组中也能进行信用分配。方法在MultiTQ和TimelineKGQA数据集上的准确率均高于所列对比基线。
说明基于通道注意力的浅层过参数化神经网络在插值空间中的非参数回归尖锐泛化分析
简介本文研究使用带固定协方差通道注意力的过参数化两层ReLU神经网络进行非参数回归，两层同时用梯度下降训练。作者证明早停训练可达到回归风险O(ε_n²)，其中ε_n是注意力核的临界总体速率；在特征协方差特征值多项式衰减的条件下，该界达到极小极大最优速率。论文还将分析推广到支撑在R^d上的协变量，并在次高斯分布下给出近似最优的回归风险。
说明本地应答还是升级？实时双工语音模型的训练后专家路由
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。
说明用视觉语言模型识别乌尔都语纳斯塔利克手写体的基准测试
简介本文在乌尔都语纳斯塔利克手写数据集（UNHD）的2465张单行图像上，比较了六种未经微调的系统，包括Tesseract、印刷体乌尔都语识别器UTRNet-Large、两个开源视觉语言模型和两个商业视觉语言模型。结果显示两个商业模型的错误率低于印刷体识别器和开源模型。另外，实验还考察了视觉语言模型用于修正其他OCR输出的效果，效果多取决于原始文本的可读性。
说明BanglishDepYT：面向孟加拉语社交媒体的抑郁检测数据集与预处理方法
简介该论文构建了一个从YouTube原生收集的孟加拉语抑郁检测数据集BanglishDepYT，包含19.1万条未标注评论和1000条经双语标注验证的样本。作者提出了保留情绪信息的混合预处理方法EPH，并结合领域自适应预训练（DAPT）对SahajBERT进行继续预训练。结果显示，EPH显著提升了非正式文本上的表现，DAPT-SahajBERT取得最高平均F1和MCC，并借助大语言模型辅助标注与半监督训练扩充标注数据。
看点新意在于保留情感信号的预处理与针对性领域预训练结合，在本土孟加拉语数据上做了多组对比与显著性检验，并公开代码与数据。
说明开源视觉-语言模型作为放射学“系统1”决策模型的零样本评估
简介本文在七项放射学任务上比较了两个多模态“系统1”决策模型（Clef 27B 与 d1 3B）与一个传统大语言模型（Qwen 3.8-27B），任务涵盖报告文本、X 光片、CT 和 MRI，且未对模型做任何任务微调。结果显示，各模型从报告中提取发现的 AUROC 均高于 0.95，Clef 在部分图像任务上优于其 Qwen 骨干模型；d1 在七项任务中有六项排名低于 Clef，且每次请求能耗低 3 至 9 倍。作者认为，“系统1”模型能以较低的计算成本完成放射学任务，但所有模型在运动伪影严重程度判断上表现都不理想。
说明EgoMo3R：联合重建第一视角人体运动与场景
简介该论文提出 EgoMo3R，一个联合优化框架，可从普通第一视角视频中同时重建三维人体运动和场景几何。方法结合单目深度、光流和点轨迹等底层视觉几何信息，并引入基于扩散模型的人体运动先验，通过交替优化使两者相互反馈。作者在 EgoExo4D 和 Nymeria 数据集的高动态序列上评估，称其在三维场景重建和第一视角运动估计上均优于专用基线方法。
说明计算美学的特殊与一般范围
简介本文讨论计算美学这一交叉领域的范围，并区分两个层次：特殊计算美学（SCA）侧重美学测量与美学过程建模，一般计算美学（GCA）在此基础上纳入由计算美学模型指导的美学生成。文章分析了该领域与AIGC、AI艺术、计算创造力等相邻概念的关系，并借鉴冯沛关于美的可计算性的讨论来厘清边界。
说明FinForesight：面向金融预测深度研究系统的诊断性回测基准
简介本文提出FinForesight，一个用于评估金融深度研究系统预测能力的诊断性回测基准，涵盖中国、美国和香港市场的估值、收益排序、事件方向和未来财务基本面四项预测任务，并另设反事实推理与金融计算两项能力诊断任务。框架将检索证据限制在预测日期可获得的信息内。研究比较了预训练期、已结算的训练截止后及实时评估的结果，发现在多数时间对比中，预训练期得分高于训练截止后得分，更严格的检索控制可缩小回测与实时结果之间的差距。
说明关注关键视觉区域并按负载调整验证：面向视觉语言模型的自适应推测解码（Uni-LaSpec）
简介该论文提出 Uni-LaSpec，一种面向视觉语言模型的分块并行推测解码框架。它利用验证模型自身的注意力，从图像中挑选少量关键视觉令牌供草稿模型使用，并根据 GPU 负载动态决定验证结构。在六个模型和 17 个基准上，选取八个视觉令牌即可保留至少 98.6% 的接受率；在单并发贪婪解码下，文本吞吐最高提升 5.11 倍，多模态吞吐最高提升 3.24 倍。
说明基于大语言模型增强的多模态房价预测：融合结构化、文本与视觉特征
简介论文提出一种多模态房价预测框架，同时整合房屋结构化属性、文本描述和房源图片。作者用大语言模型从文本中提取时空与语境特征，并以无监督的视觉-语言方法把图片自动归为室内、室外、混合或户型图等类别。各类特征融合后输入优化的回归模型预测价格，在大型真实房产数据集上优于传统方法和已有多模态基线，消融实验证实文本特征与分类视觉嵌入均有贡献。
说明Sonny-ENS：揭示基于机器学习的集合天气预报方法
简介本文提出Sonny-ENS，由三个各含6890万参数、采用蒙特卡洛dropout的神经网络组成的集合天气预报模型，以连续排序概率得分（CRPS）为目标训练，训练耗时2.7个A40 GPU日。在2022年的测试中，其在570个目标中的96%上CRPS低于欧洲中期天气预报中心（ECMWF）集合预报，1至10天预报时效内平均CRPS低8.3%。研究还指出，dropout带来的不确定性主要出现在热带，而离散度的增长与大气斜压不稳定程度相关。
看点新意在于用极少算力训练出超越ENS与GenCast的ML集合预报并解释其离散来源；摘要报告在2022年570个目标上与ENS和GenCast比较，并给出消融与稀疏自编码器分析。
说明公平感知分类的代理损失：Fisher 一致性与校准
简介本文研究在人口统计学平等和机会均等两种公平性准则下，用代理损失函数优化公平感知分类是否能得到原始目标下的最优决策。作者提出公平感知 Fisher 一致性，并通过代理损失导数上的条件予以刻画，同时给出校准不等式，将公平感知超额风险与代理超额风险联系起来。消费信贷违约预测的应用显示，经适当校准的公平正则化可在保持预测性能的同时显著降低人口统计差异。
说明Halal-NeSyNet：面向食品成分清真审核的条款作用域神经符号交叉注意力模型
简介该论文提出 Halal-NeSyNet，用于根据食品成分表和 E 编号添加剂判断产品是否清真。模型把 DistilBERT 文本编码与规则生成的符号向量通过交叉注意力和门控融合结合，并采用非对称的误判清真风险损失进行训练。论文还构建了 3199 条标注样本的基准，结果显示其准确率高于纯文本基线，但研究结论反映的是对规则策略的拟合程度，而非宗教认证本身。
说明NatureFusion：将红外与可见光图像融合重新定义为自然互补增强
简介本文提出NatureFusion方法，用于融合红外与可见光图像。与直接叠加两种模态的传统方法不同，它利用跨模态互补信息，从低质量图像对中生成清晰、自然的可见光风格图像。方法借助生成式基础模型作为教师生成监督图像，并通过轻量融合适配器微调预训练生成模型，再用检测器监督的任务适配器增强红外的互补作用。实验显示其融合图像感知质量最佳，基于可见光预训练的检测与分割模型在其图像上的精度明显更高。
说明MedNet与U²-ViT：用于生成多样化医学图像的嵌套视觉Transformer扩散框架
简介该论文针对医学图像稀缺、类别不平衡的问题，提出了MedNet数据集，涵盖61个疾病类别、160个类别，包括人类和动物图像，图像来自可信的公开资源库。同时提出U²-ViT，一种基于扩散模型的文本到图像生成架构，将视觉Transformer嵌套在U-Net结构中。实验显示，该模型的Fréchet Inception Distance（FID）得分优于现有先进模型。
说明DyRadio：面向动态无线电地图重建的时空扩散方法
简介该论文提出DyRadio框架，用于在动态环境中从稀疏且分布于不同时刻的测量数据重建连续的无线电地图（RM）。方法采用受传播先验引导、以噪声为条件的时空扩散模型，联合重建连续多帧地图，并通过迭代的预测似然方法估计未知的测量噪声水平。实验表明，该方法重建精度更高、对测量噪声更稳健，在所有评估设置下峰值信噪比较最佳基线提升1.18至5.75 dB。
说明稀疏路由何时有益：专家分离的几何结构
简介本文研究稀疏混合专家模型（MoE）中专家分离程度与路由稀疏性如何共同影响专家恢复速率，针对专家数量固定的高斯位置混合模型。结果表明，稠密模型的分离几何由最大簇大小或专家总数决定，稀疏模型则取决于激活专家数量。其中Top-1路由下，专家可以以与分离量无关的速率被恢复。
说明近东与欧洲火蝾螈的精确自动照片识别
简介本文提出一套基于零样本局部特征匹配（SuperPoint与LightGlue）的火蝾螈照片识别流程，无需针对特定物种训练，并以以色列北部海法和丹城的2440张野外照片进行评估。该方法提取黄色斑点图案，依据高置信度关键点匹配数量衡量图像相似度，并通过两层聚类分配个体身份。在保留个体上，正确个体排第一的比例为95.2%，身份恢复的ARI为0.958；未经修改，在两组欧洲火蝾螈数据集上的top-1准确率分别为95.1%和91.7%。
说明SCOUT：基于以物体为中心的世界模型推演、在遮挡下进行规划的机器人方法
简介论文提出SCOUT框架，让机器人在杂乱环境中被前景物体遮挡时仍能规划动作。它用以物体为中心的场景表示恢复被遮挡的几何，由大语言模型提出候选动作，再用蒙特卡洛树搜索和学习得到的动作条件世界模型进行评估。在Reveal和Placement任务上，SCOUT优于视觉-语言-动作策略、具身智能体和3D世界模型，并在真实货架环境中完成了机器人操作验证。
说明基于自编码器的点云深度聚类
简介该论文研究三维形状点云的深度聚类问题，动机来自生成式规范生成AI（SPAIs）中的相关问题。方法是先用FoldingNet自编码器进行重建训练，再对得到的码字应用K-means++聚类，形成完全无监督的流程。作者在ModelNet10和ModelNet40数据集上，以聚类数K为变量报告聚类准确率（ACC）、归一化互信息（NMI）和调整兰德指数（ARI），并给出码字的t-SNE可视化及K值选择的讨论。
说明基于可恢复性的扩散视频修复与物体移除评估
简介视频修复常以整个遮挡区域统一打分，但被遮挡物体背后的背景，有些像素在其他帧中可见，有些则在任何帧中都不可见，整体分数无法区分复制与生成的表现。论文提出按可恢复性分层的评估方法，用点跟踪器标注每个遮挡像素是否可见及距离，并提出无需训练的证据引导采样（EGS），将跟踪到的颜色融入扩散模型的潜变量预测中。在DAVIS数据集上，扩散式移除方法相对于光流传播方法的感知优势，在内容可见距离较近的区域会缩小；EGS在保留测试集上缩小了与复制参考之间43%和56%的差距，但以遮挡输入跟踪颜色时，在MiniMax-Remover上无提升，在ROSE上反而下降。
看点提出按可恢复性分层的视频修复评估及免训练的证据引导采样，揭示扩散修复器未利用已观测内容；在DAVIS及真实配对数据上验证，并有预注册确认实验。
说明把比特用在小目标所在之处：面向航拍检测的速率-效用区域编码
简介论文针对带宽受限的航拍相机，提出速率-效用区域编码（RUO）方法，依据各区域的预期检测效用与实测字节开销，决定丢弃、低质量或高质量发送该区域，所有图像共用同一个乘子。在 VisDrone-DET 全部 1,610 张测试图像上，RUO 在小目标平均精度范围内平均比调优后的阈值式 ROI 编码少用 42.4% 的比特，且对小目标所需比特少于 AVIF、HEVC 及三种已发表的学习式编解码器。
说明无法运行的代码，得分几乎不变：基于评审模型评估的复现研究
简介该论文在421道编程题上复现了一项早期评估，比较Qwen-2.5-7B-Instruct基础模型与两个用GRPO训练的版本，一个以执行测试为奖励，另一个以强语言模型评审为奖励。训练后的模型63%至67%的尝试生成了无效Python代码，但评审模型的Pass@32分数仅下降约3个百分点。作者建议，在报告基于评审的分数时同时报告通过Python语法检查的答案比例。
说明面向生成式推荐的搜索感知同策略自蒸馏与兄弟对齐
简介该论文面向生成式推荐，即通过自回归生成语义ID并用束搜索检索物品。作者提出SA-OPSD框架，把自教师的特权知识迁移到学生自身束搜索过程中访问的状态上。其中演化边界采样关注接近剪枝边界的关键状态，置信度解耦分支蒸馏则将目标概率校准与竞争分支之间的关系监督分开。论文在Industrial、Office和Instruments数据集上进行了实验。
说明智能体工作流中有原则的人机协作
简介本文提出一个统计框架，用于判断在无需人工复核的情况下，哪些AI生成的答案可以直接发布。方法在部署前由专家评估部分输出，并据此校准验证器阈值和尝试次数，且不修改生成器或验证器。在MultiHiertt金融问答案例中，自动化比例从2.50%提升至24.17%，发布输出的错误率约为1.20%。
看点新意在于用专家评估校准验证器阈值与尝试次数，给出有限样本误差控制与极小极大下界；摘要报告在MultiHiertt金融问答上自动化率提升并与启发式方法对比。
说明超越验证损失：机器人策略预训练中的覆盖率与可靠性动态
简介本文研究机器人生成式策略预训练中的闭环 pass@k 指标，即同一初始条件下 k 次执行至少成功一次的概率。研究发现，在多种后训练方案中，大 k 的 pass@k 能体现 pass@1 无法反映的差异，并且 pass@k 在监督预训练过程中会在不同检查点达到峰值，显示出覆盖率与可靠性之间的权衡。作者据此提出了一种纯离线的检查点选择准则，以及一种扩展监督信号的生成式数据增强方法。
说明Transformer中的元记忆与记忆规模定律
简介该论文研究Transformer模型如何记忆数据，发现模型越大，可记忆的容量（以比特计）大致与参数数量呈线性关系，且大模型记忆更快。在随机二进制序列上的实验复现了这两种规律。研究还提出“元记忆”效应：模型在记忆大量随机序列后，能更快记住新序列，甚至单层Transformer也能少样本记住100比特的序列。
说明ChatDify：通过多智能体协作从自然语言自动生成 Dify 工作流
简介本文提出 ChatDify，一个多智能体框架，可把用户的自然语言描述自动转换为 Dify 平台的完整工作流。它采用 Actor-Critic 架构，包含规划、执行和审查三个智能体，分别负责拆解任务、生成参数与 DSL 代码、以及通过混合验证进行闭环修正。在 100 个生产类任务的测试中，使用三种大模型后端分别取得 0.96、0.91 和 0.75 的成功率。
说明条件扩散模型的有限时间在线样本复杂度分析
简介本文研究以在线随机梯度去噪得分匹配训练的条件扩散模型，在有限次随机梯度更新后的训练与采样误差。作者分析了得分网络的近似复杂度与在线训练样本量，并将两类误差传递到反向扩散过程中。文中给出了条件得分近似误差的阶，以及由终端初始化、时间离散化、近似与局部化及有限时间优化误差组成的总变差上界。
说明基于连续流的生成建模：流匹配的样本复杂度
简介本文研究流匹配（一种基于常微分方程、用于生成建模的方法）的理论性质。与以往假设速度场可精确最小化经验风险的分析不同，作者考虑有限数据集及有限次随机梯度更新带来的误差。论文在若干正则性和稳定性假设下给出高概率保证，并将误差拆分为近似误差、有限样本的统计误差、无界分布的尾部误差以及有限时间的优化误差。
说明基于多尺度时空最优传输的文本辅助事件流视觉地点识别
简介该论文提出名为MSTOT-EPR的方法，用于事件相机的视觉地点识别。方法用视觉编码器和文本编码器分别提取事件流与场景文本的特征，通过最优传输约束实现跨模态对齐，并设计跨模态瓶颈融合模块融合双模态特征。另外还设计了多尺度空间最优传输和帧间时间最优传输模块，以挖掘高质量的时空事件特征。作者称在NYC-Event-VPR和EPRBench数据集上的实验验证了该框架的有效性。
说明大型语言模型能否将其智能体能力扩展到开放式多轮交互中的目标追求？
简介本文提出"工具介导交互"（TMI）这一免训练协议，将对话动作表示为工具调用、对方回应表示为工具结果，形成持续的推理-行动-观察循环。作者在社交互动、情感支持、说服和价格谈判四类任务上，用两个模型进行了15,678个主实验回合的评估。结果显示，相比有或无思考的对话基线，TMI在多项目标指标上有所提升，同时减少了推理token并降低了跨轮短语重复。
说明TopoDPO：面向结构敏感的航拍指代分割的密集偏好对齐方法
简介该论文提出 TopoDPO，一种感知拓扑结构的密集偏好对齐框架，用于航拍指代分割。它通过连通分量差异和宏观角点召回挖掘信息丰富的偏好样本对，并将偏好惩罚作用于每个局部边际。在包含 4590 个实例的 Topo-RS-Hard 结构压力测试集上，该方法相比图像级直接偏好优化（DPO）提升了交并比（IoU），并降低了 Betti-0 误差。
说明从多维度重新审视大语言模型的同质化问题
简介本文用25项可解释指标，从语义、词汇、句法、结构和文体呈现五个维度衡量大语言模型输出的相似性，而不再只用嵌入相似度给出单一分数。研究在18个当代大模型上发现，模型整体语义相近但在词汇、结构和交互习惯上仍各有特点。2024至2026年各版本的对比显示，模型越来越像它自己，但彼此之间并没有更加相似。
说明Band2Net：面向fMRI特权信息、仅用EEG的会话条件解码的频率到网络传输蒸馏
简介论文提出Band2Net方法，训练时利用同一批受试者的fMRI作为特权信息，部署时仅用便携但定位较差的EEG。方法将EEG编码为五个频段的连接图，将fMRI编码为七个标准脑网络标记，并通过平衡熵传输问题为每个EEG频段匹配对应的fMRI目标。在PsiConnect数据集的受试者分组交叉验证中，该方法仅用EEG的会话条件解码达到0.801的ROC-AUC，比仅用EEG的学生模型高5.0个AUC点。
说明GSExplorer：基于持久三维高斯世界状态的交互式世界生成
简介该论文提出GSExplorer框架，用持久的3D高斯世界状态支持长时间交互式场景探索。系统由条件视频生成器和基于SLAM的重建后端组成，并通过不一致性过滤和跨片段光束法平差保持场景一致。在WorldScore评估中，单步和三步设置下整体表现最佳，单步外推的相机控制得分为99.07。
说明MoPort：面向动作语言模型的视角感知二维接口
简介该论文提出MoPort，让动作语言模型能够直接处理单目视频中的二维人体关节序列，而无需三维动作数据。方法包括成对视角对齐（PVA）以统一不同视角下的语义表示，以及相机调制编码（CME）以利用估计的相机外参提供视角几何信息。在HumanML3D、KIT-ML和Fit3D数据集上，该方法取得了文中所述的检索与准确率结果。
说明情感标注中分歧的结构：标注者为何意见不一
简介该论文研究情感标注中标注者之间的分歧类型，基于海明威《老人与海》中1677个句子单元的多标签标注，并与BRIGHTER和GoEmotions两个数据集的个体标注进行比对。研究发现三种反复出现的分歧结构：情感类别系统性重叠、标注者在标签使用宽窄和类别边界上存在差异，以及稀疏参与与明确弃权可能被误认为分歧。论文指出，相似的总体分歧可能来自不同的标注过程，因此应先理解分歧背后的模式，再进行汇总或建模。
说明面向轴向计量的任务驱动稀疏视角平面X射线断层成像
简介本文研究在稀疏视角平面X射线断层成像中，以任务所需信息而非完整图像重建来设计系统。以背钻印刷电路板过孔的轴向终止间隙测量为例，方法直接从多色投影数据估计该间隙，而不进行三维重建。数值实验表明，在固定总光子预算下，任务驱动的计量结果在12至64个视角之间变化很小，而重建驱动的计量误差更大且随视角变化明显。
说明CUFormer：面向骨科导航的模态感知CT-超声点云配准方法
简介该论文提出CUFormer框架，用于将术中超声采集的骨表面点云与术前CT模型配准，以支持无辐射的骨科导航。方法包括模态感知Transformer和基于成像可见性的对应加权。在UltraBones100k、UltraBonesHip和SpineDepth数据集上，其平均配准误差在所评估方法中最低；在UltraBones100k上RMSE为2.54 mm，较最佳基线降低65.8%。
说明AbacusGS：无需逐点排序的高斯泼溅渲染
简介三维高斯泼溅（3DGS）每帧都要按深度对所有高斯点排序，在使用 CPU 排序的网页和移动端查看器中，这一步占去大部分帧时间。AbacusGS 把场景的混合顺序直接存入场景的数据布局：先将高斯点分组为不超过 128 个点的八叉树盒子，再沿写入时选定的轴线逐盒有序存储。每帧只需对可见盒子排序，每个盒子通过一次点积决定正向或反向读取。在 13 个标准场景上，相比经过同等微调的 3DGS 模型，平均 PSNR 下降 0.13 dB；在 CPU 排序的 OpenGL 查看器中，渲染速度是逐点排序的 4.5 倍。
说明学习齐次函数的梯度
简介本文提出一种齐次梯度网络架构，保证其输出对应某个齐次函数的梯度，基于 GradNets 并利用欧拉齐次函数定理构建。文章证明单调齐次 GradNets 可以通用逼近 k 齐次凸函数的梯度。在实验中，该方法在最大能量子空间投影和摊销内积搜索任务上优于基线 ICNN。
说明AR-RRG：基于解剖结构引导与检索驱动的放射学报告生成方法
简介本文提出AR-RRG，一种由解剖结构引导、依靠检索驱动的放射学报告生成方法，用于从医学影像自动生成报告，以减轻放射科医生的书写负担。方法包含解剖感知自训练病灶检测网络（ASLDNet）和检索驱动报告生成模块（RRRG），通过双粒度检索与邻域共识机制减少幻觉和漏诊。论文称其在MS-CXR、MIMIC-CXR和IU X-Ray数据集上的主流指标优于现有方法。
说明从工具状态到科学行动：审计生物医学研究智能体的决策来源
简介论文提出 BioAgent-DF 方法，通过在科学计算节点保存并替换成对的参考值与候选值，检验智能体是否依赖不同证据得出相同结论。实验显示，智能体可能引用了不同证据而结论不变，因此审计应同时追踪其所用证据与最终答案。在 hERG 心脏安全性检测分配案例中，数值故障改变了检测决策，恢复执行状态后可纠正全部 39 项变化，且未提交错误行动。
说明InformedXRD：粉末衍射对称性分类的可复现基准与物理约束评估框架
简介本文提出 InformedXRD 评估框架，用于粉末 X 射线衍射（PXRD）对称性分类的机器学习研究。框架包括 230 个空间群到 99 个消光群的机器可读映射、可由冻结快照复现的基准构建方法（RRUFF-473、RRUFF-325 及小型示例 opXRD-98），以及包含先验频率基线、标签置换检验、层级感知误差指标和分层评估的报告规范。作者利用该框架比较了多种模型，并表明评估设计会影响结论的可靠性。所有映射表、代码和检查点均已公开。
说明AI辅助与面向AI的感知、通信与计算一体化综述
简介本文是一篇关于感知、通信与计算一体化（ISCC）的综述。它从两个角度考察ISCC：一是利用学习方法辅助三者的联合设计与优化（AI辅助），二是联合配置三者以支持学习、推理和分布式智能（面向AI）。文章还讨论了AI与ISCC的协同设计，并比较了设计方法、系统架构、性能指标与评估实践，同时指出了未来研究的开放问题。
说明以模型读取的方式写入事实：突破两跳诅咒
简介该论文研究语言模型通过微调学到新事实后，无法据此进行两步推理的“两跳诅咒”。作者认为推理能力本身完好，问题在于微调写入事实的方式；提出一种使桥接短语的表示与模型对新实体的理解保持一致的训练损失（Legible）。实验显示，该方法在MQuAKE、RippleEdits等基准及多个模型上优于对比方法。
说明视觉文本压缩的瓶颈：模型能读出来，却未必会用
简介该论文指出，视觉语言模型能够逐字转写图像中的文字，却未必能据此回答问题，二者之间的差距被称为“读取-使用差距”。作者发现识别与运用对分辨率的要求不同，并认为把证据转化为文字可以缩小这一差距。论文提出ALOUD方法，把视觉分辨率用于定位和识别证据，把语言标记用于运用证据，在长文档压缩场景中提升了冻结模型的准确率。
看点提出读取与使用视觉文本之间的差距并据此设计ALOUD，在长文档压缩上相比冻结模型实现约一倍准确率提升，摘要报告与多种方法比较。
说明CLIP排版攻击电路的无标签定位与推理时抑制
简介本文研究基于CLIP的视觉语言模型为何容易受到排版攻击，即图像中渲染的文字会以字面含义覆盖图像的真实语义。作者提出一种按注意力头分解的稀疏字典学习架构，并利用无需标签的评分方法定位携带文字信息的注意力头，在推理时降低这些头对图像块的注意力。实验显示该方法在多种CLIP变体和排版基准上提升了受攻击时的物体分类准确率，同时一般图像感知的准确率损失很小。
说明在分子骨架偏移下审计共形校准与选择性预测：弃权更多花在局部标签方差上而非化学新颖性上
简介本文研究基于分箱指纹梯度提升模型的选择性预测与拆分共形校准方法，在Bemis-Murcko骨架划分下，对亲脂性（回归）和BBBP（分类）两个分子性质预测任务进行审计。结果显示，共形覆盖率依赖校准数据来源，弃权分数主要跟踪局部标签方差而非化学新颖性，且在固定检测预算下，基于区间宽度或集成方差的门控并未提高命中精度。
说明OpenULF：用于超低场磁共振成像的模块化工具包，可同时支持经典与量子传感器
简介本文提出开源仿真工具包OpenULF，用于超低场磁共振成像（场强低于10 mT）的数据驱动重建。它能生成成对的训练数据，集成经Bloch方程验证的物理仿真器、SQUID与感应线圈接收器模型、重建神经网络及自动设计空间探索引擎。作者用其训练了774个模型，发现约450 μT处存在SQUID与线圈的性能交叉点，并认为最佳传感器取决于数据集与场强，而非单纯的信噪比。
说明一阶双层强化学习的改进样本复杂度分析
简介该论文研究双层强化学习问题：上层目标通过策略对下层强化学习问题的响应进行优化，常见于在适应策略的同时学习奖励模型。论文提出一种面向连续状态、有限动作的单循环全一阶方法，使用多层神经网络策略和非线性价值评估器，并在特定条件下证明耦合迭代的收敛性，得到约为 O(ε^-2) 的样本复杂度，使上层目标的期望平方梯度范数达到 O(ε)。
说明FedUDG：面向无标签客户端的联邦域泛化方法
简介该论文提出FedUDG，用于在客户端数据无标签的情况下进行联邦域泛化，使模型能在未见过的域环境中可靠运行，同时不集中共享客户端数据。方法包括联邦层的参数功能分化策略、客户端内的学生-教师框架（高置信样本自训练与无标签表示蒸馏），并提供差分隐私扩展DP-FedUDG以分析隐私与泛化之间的权衡。论文称在四种评估协议下该方法优于现有基线。
说明少扫参、多引导：利用激活引导几何减少超参数搜索
简介该论文研究用于控制大语言模型行为的表示引导方法（差异均值法DIM）。作者利用判别指数d'衡量对比训练激活沿引导方向的可分程度，在五种行为、3个模型上进行实验。结果显示，d'能可靠地选出适合引导的层，从而省去逐层扫描；在开放式生成中，它在层选择上同样有效。但单个样本的引导成功预测在开放式生成中并不稳定。
说明TopoSteer：面向大语言模型激活引导的拓扑层选择方法
简介该论文研究大语言模型推理时通过向内部表示加向量来控制输出的方法（激活引导），重点关注向哪一层添加向量。作者提出TopoSteer，用各样本位移点云的欧几里得最小生成树长度（H_0持久性）给层打分，选择更合适的层。实验覆盖多个语言模型和引导任务，结果显示该方法比基于可分性的层选择更有效，且无需保留验证集。
说明用于联合多径参数估计的谱卷积分解Transformer：面向毫米波定位与无线电SLAM
简介本文提出一种谱卷积分解Transformer（SCFT），用于从带噪复信道估计和波束对描述符中联合估计多径分量的时延、到达角与离开角，并区分视距与非视距路径。在真实射线追踪数据上，SCFT的GOSPA误差比最强的基线ResNet降低13.4%。在独立快照定位和无线电SLAM中，其位置均方根误差相对ResNet分别降低18.5%和65.0%。
说明通过信念估计处理在线医疗问诊中的不规则状态转换
简介论文指出在线问诊中患者常主动披露信息或转换话题，打乱医生的问诊节奏。作者在16个医疗对话数据集上比较发现，真实在线对话的上下文连贯性更低、不可预测性更高。论文提出PRISM框架，将分诊拆分为信念估计、策略优化和回复生成三步，在临床决策准确率和回复生成质量上均优于前沿大模型与临床智能体基线。
说明用于时钟网格变异感知分析与设计空间探索的图神经网络代理模型
简介时钟网格广泛用于高性能超大规模集成电路以减小时钟偏斜。该论文提出一种基于图神经网络的时钟网格代理模型，用于快速预测功耗、汇聚点的延迟与转换时间以及片上变异下的偏斜分布。与SPICE相比，该模型在速度上有显著提升，并能更有效地进行时钟网格设计空间探索。
说明因果最优传输注意力：位置先验与长度外推
简介该论文研究在因果掩码下，最优传输（OT）注意力所诱导的位置先验，指出固定平衡强度下注意力会随上下文增长被稀释。作者用预注册实验在2500万和1亿参数语言模型上检验，结果显示其长上下文损失外推优于softmax，并给出一种基于距离偏置的方法（CABLE）。
看点提出因果掩码下的非平衡OT注意力及其位置先验分析，并给出可控距离偏置方法，在25M与100M语言模型上做了预注册实验并与RoPE/YaRN对比。
说明《看、想、用》：诊断视觉语言模型在感知与推理上的失败
简介该论文提出“看、想、用”协议，将视觉语言模型的每个回答追溯到感知、推理或对感知的使用三个环节，以指出开发者应改进哪个环节。协议通过定位探针测量感知，通过文字替换探针测量推理，并以反事实图像对上回答与模型自身感知的一致率衡量“使用”。在两个模型系列和六个数据集上的实验显示，有效的改进手段随任务类型而变；按测得的薄弱环节分配计算资源，效果接近最优的统一策略。
说明解决、清除或暂缓：面向生态检测流程的免训练主动原型分诊
简介生态监测中的相机陷阱和航拍会产生大量图像，检测器给出的候选动物中仍有许多需要专家复核。本文提出免训练的主动原型分诊方法，把已复核的检测结果作为可复用证据，对其进行解决（归入已有支持的前景类别）、清除（判为背景误检）或暂缓（证据不足时交专家复核）。在相机陷阱和航拍数据集上，BioCLIP2与DINOv3分别在前景识别和误检排除方面表现更好，暂缓不支持的案例可避免强制判定带来的较高错误率。
说明DIMWIT：无需大量调参直接调用模型
简介本文提出一种资源管理新思路：不再为每项任务开发专门的策略，而是直接让预训练模型根据当前系统状态、期望结果和可选动作做出资源管理决策。作者在微服务自动扩缩容、DRAM容量配置和视频编码三项任务上评估了该方法，使用一个前沿大语言模型和两个小型决策模型进行测试。
说明一种可审计的智能体流程：从变异到基因的优先排序，并以独立功能证据验证
简介论文提出V2G，一个记录证据检索过程并返回排序后基因及所用证据的智能体流程，用于把GWAS变异对应到因果基因。作者在135个保留位点上测试语言模型重排序是否优于证据原始排序，并分析其收益是否来自证据本身或对已知关联的记忆。
说明大语言模型智能体能否通过观看教程视频学习？
简介该论文提出“教程智能体学习”（TAL）方法，无需更新模型参数，而是通过两阶段对抗过程把教程视频整理成结构化的“教程书”记忆，并借助目录树检索辅助推理。研究者还构建了基于72段国际象棋教程视频的多模态问答基准VidLearn。结果显示，TAL的表现随视频数量增加而持续提升，相对原始多模态大模型在训练集和测试集上分别最高提升113%和91%，在实战对局中也有更好的开局表现。
说明ContactCut：面向连接组学中错误合并修正的分区感知接触选择框架
简介该论文针对连接组学中的误合并问题，提出将修正目标转化为可执行的三维分区，并据此选择候选接触点。作者提出了ContactCut的两个组件：CC-Auto（基于学习的单接触点选择）和CC-Search（有界成对接触搜索与学习排序）。在MICrONS和FlyWire的历史双向误合并修正数据上，CC-Auto的FA-3D Part. mIoU相较最强图方法有所提升，且在MICrONS训练的排序器可迁移至FlyWire。
说明CONFIRM：为可信的自主神经影像分析把关科学结果报告
简介大语言模型智能体可以自主完成神经影像分析，但现有系统依赖大模型判断哪些结果值得报告，容易认可受站点混杂因素影响的假阳性结果。本文提出CONFIRM框架，将分析运行与结果报告决策分离：先以机器可读的预设分析方案固定假设与通过标准，再用五道确定性关卡（搜索历史与多重性、混杂因素、统计效能、分析稳定性、可重复性）筛选结果。同时提出含489条可执行神经影像论断的NeuroClaimBench基准，结果显示CONFIRM对对照论断的误判支持率最高为3%，远低于基线的23%至38%。
说明贝叶斯TSK模糊回归的正确性与预测不确定性：在表格数据与建筑电表数据上的可复现评估
简介本文重新实现了一阶Takagi–Sugeno–Kang（TSK）模糊回归，并用修正后的代码重建了稠密共轭贝叶斯、BIC及规则级spike-and-slab估计器。在两个UCI回归数据集的三个目标变量上进行30次外层80/20划分后，修正后的各方法R²结果十分接近。作者又在158栋建筑、17个站点的建筑电表数据上做了评估，结果显示贝叶斯TSK与持续性基线相比并无明显的精度或校准优势。
说明I-PTC：面向有状态工具增强智能体的交互式程序化工具调用
简介本文提出I-PTC框架，让模型以代码片段调用工具，并保存可复用的中间状态，还能通过API修正逐步调整工具接口。作者同时构建了PTC-Bench基准，包含长尾、贴近生产场景的用户请求。实验显示，在大型工具集的复杂多步任务上，I-PTC性能更好，并明显减少了相比传统工具调用基线和原始PTC基线的token消耗。
说明重整化细胞智能：模型简化何时能保留集体能力？
简介该论文提出重整化细胞智能（RCI）框架，用于规定和审核多智能体系统在不同尺度之间简化时能否保留集体能力。框架要求同时保持动力学闭合、决策兼容以及原定的基线比较，并对相对能力增益的误差给出界限。作者以局部交互的细胞系统为模型，对五个冻结模型评估了三种简化方案，其中最终方案将每个细胞的状态维度从8降至5，但未能满足完整证书所需的闭合和决策保持要求。
说明FOCUS：用于高效视觉-语言理解的闭环注意力反馈方法
简介这篇论文提出FOCUS，一种无需训练的三层框架，用于减少视觉-语言模型处理视频时的调用次数，并把每次调用引导到关键内容上。它先用小模型检测帧间语义变化来决定何时调用，再结合运动和注意力信息引导模型关注相关区域，并把生成时的注意力反馈用于后续观察。在EgoSchema子集的流式评测中，它以约25次调用达到74.8%的准确率，优于统一采样的55次调用（74.6%）。
说明平稳更新过程的多项式时间极小极大预测
简介本文研究平稳二元更新过程的下一符号预测问题，已知其极小极大Kullback-Leibler风险的阶为n^(-1/2)。作者给出一种多项式时间预测器，在未知有限均值的到达间隔分布下达到该阶，构造基于经典的类型一致更新编码，并通过精确的动态规划计算截断前缀边缘分布。该方法的贡献在于计算效率，统计速率及其下界均为已有结果。
说明智能体何时应刷新？面向长程推理的自适应索引复用
简介该论文针对语言智能体在长上下文中的稀疏注意力计算开销问题，提出自适应索引复用方法AIR。它在IndexCache的基础上，由小型控制器根据工具事件等信号，为智能体每个片段学习应有多少层刷新索引选择，并在计算预算下以任务奖励进行训练。在多个基准测试中，AIR在相近成本下提升了任务成功率，并降低了每个成功任务的耗时。
说明面向细粒度与鲁棒性的人机合著检测研究
简介该论文提出一种离散类别的文本来源检测框架，把人机合著按AI参与程度分为不同等级，并区分表面润色与改写篇章结构两种情形。研究发现对抗性改写会模糊现有检测器的判别边界。作者用最先进的改写攻击模型生成的对抗性改写数据扩充训练集，实验显示检测器鲁棒性持续提升，并具有较好的跨生成器迁移能力。
说明FlyWheel：为 TPU 设计的注意力内核
简介该论文提出 FlyWheel，一组用于张量处理单元（TPU）的快速注意力内核，适用于 softmax 注意力和线性注意力。作者通过重构 softmax 与三角求逆来减少向量计算，并协调数据布局以提高矩阵操作数的复用，再让相互独立的计算重叠执行以隐藏延迟。在 TPU v6e 和 v7x 上，FlyWheel 的 softmax 注意力相比 RPA 和 Splash Attention 分别最高加速 4.14 倍和 1.80 倍，并在 v6e 上达到 81% 的 BF16 峰值吞吐；Gated DeltaNet 预填充最高加速 3.61 倍。集成到 vLLM 后，预填充吞吐最高提升 1.56 倍，同时保持相当的精度。
说明太阳能光伏电站故障事件与传感器时序的联合生成模型（含不确定性）
简介本文提出一种多模态生成模型，用于模拟太阳能电站系统，以支持预测性维护和故障预测。模型通过Transformer Hawkes Process编码事件序列，用iTransformer编码时序数据，并借助共注意力机制融合两者，再分别用条件潜在扩散模型生成未来传感器轨迹、用SMURF-THP生成事件预测。在亚利桑那州Red Rock太阳能电站的数据集上，该方法的综合事件预测F1值优于基线方法。
说明Latent Harness：把智能体行为编译成模块后的激活偏移
简介论文提出 Latent Harness 方法，用秩为 8 的激活偏移把外部的智能体行为条件压缩进冻结的语言模型，偏移作用于每个解码器模块的输出，参数量仅占 0.03% 至 0.05%。推理时无需附加提示文本，也不增加 token。实验称在 10 个预注册设置中有 8 个恢复了原始外部行为的收益。
说明量化微调中跨记录精度路由导致的隐私敏感度膨胀
简介论文指出，在冻结的量化大模型上做差分隐私微调时，LLM.int8 会按整个批次的并集把异常激活列路由到高精度路径，使一条记录影响其他记录的计算，从而使敏感度超出标准界。作者给出了敏感度膨胀的界、记录隔离约定，并设计了与批量 LLM.int8 使用相同矩阵乘法的记录归属精度调度。对原生 CUDA 技术栈的审计显示，超出界的情况确实存在。
看点发现LLM.int8跨记录精度路由破坏DP-SGD敏感度界，提出记录隔离契约与专用调度；以原生CUDA实验与构造见证验证，影响私有量化微调。
说明RAG-TRACE：追溯AI生成心电图报告中的测量证据与诊断完整性
简介该论文研究检索增强生成（RAG）在心电图（ECG）报告生成中的可靠性。作者分析了1083份经人工验证的PTB-XL患者记录，使用47条诊断标准卡片，比较有无检索的语言模型报告。结果显示，检索引入的标准在46.8%的GPT-4.1-mini报告中无法测试或被测量结果否定；基于测量的验证规则可减少不受支持的标准应用，但诊断有效性仍需独立评估。
说明RadPose：基于通感一体化的射频三维人体姿态估计
简介本文提出RadPose，一种基于学习的单站通感一体化框架，使毫米波通信设备无需额外传感硬件即可进行三维人体姿态估计。系统利用单站全双工从标准OFDM通信信号中提取信道冲激响应，生成三维射频点云。网络采用跨帧Transformer结合语义引导的空间注意力与目标驱动的时间注意力，并通过基于图卷积的逆运动学细化模块约束骨架拓扑与骨长一致性。实验显示其精度可与先进的雷达方法相比，且在未见及遮挡场景中保持稳定。
说明SpecUltra：面向异构光谱图像的统一基础模型
简介光谱图像（包括高光谱与多光谱）在波段数、波长和光谱分辨率上差异很大，难以统一建模和跨传感器迁移。论文提出统一基础模型SpecUltra，采用三维卷积分词和感知波长的三维RoPE编码相对波长与空间关系，并构建了大规模多传感器高光谱数据集MultiHyper-200K进行预训练。为弥合高光谱与多光谱之间的光谱粒度差距，论文提出光谱核变换（SKT）在参数空间迁移预训练知识。在高光谱和多光谱的分类与分割基准上，该模型取得了领先或有竞争力的结果。
说明ERIA：面向临床脑电图报告的指令优化智能体
简介本文提出ERIA，一个可本地部署的框架：由一个27B语言模型作为控制器，调度多种专用工具（包括背景异常、睡眠-觉醒状态、类癫痫活动、发作间期癫痫样放电等学习型工具，以及频谱、幅度、对称性等确定性分析工具），对整段脑电图记录进行分析。作者仅使用专家撰写的脑电报告反馈，通过GEPA方法优化自然语言分析策略，保持模型权重与工具固定。结果显示优化后的策略提升了报告质量，并能迁移到外部脑电基准测试中，表现与原基准中的模型相当。
说明计算机视觉模型的词汇对齐解释
简介本文指出，仅追求模型准确率并不能让模型学会人类可理解的领域概念与规则。作者提出FLUENT框架，对专家编写的逻辑规则进行后验排序，并结合预测不确定性给出各条解释的相对置信度，同时用图像遮挡高亮和参考图像示例展示相关概念。
说明同一路径，更短时间：推理延迟下视觉-语言-动作模型的免训练快速执行方法
简介视觉-语言-动作模型会预测一段未来动作序列，但部署到机器人上时，推理等待和保守的执行速度都会浪费时间。本文提出免训练的路径保持时间缩放方法（PTS），把机器人运动视为参考路径的时间重参数化，只在新观测到来时更新路径，并据此调节执行速率。在LIBERO基准上，两个冻结的模型在注入推理延迟的条件下，任务吞吐量较最强的可部署基线分别提高33%（pi0.5）和104%（SmolVLA），成功率保持或提升。