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RouteREPA：面向像素空间图像Transformer的路由式表示对齐
简介该论文提出RouteREPA方法，用于改进像素空间的图像扩散Transformer（JiT）的训练。作者发现，在JiT上直接应用表示对齐（REPA）会与直接重建像素的目标产生冲突，并降低中间表示的可重建性。RouteREPA通过轻量的路由器，按表示内容自适应地为对齐和生成分配任务相关表示，并在多个网络深度上应用路由。在ImageNet-1K（256×256分辨率）上的实验显示，该方法在不同模型规模和训练预算下均优于标准REPA。
说明PlagiaCorpus：面向取证式抄袭检测的双语、对抗性与跨语言数据集
简介PlagiaCorpus 是一个阿拉伯语-英语双语数据集，用于评测抄袭和文本复用检测，涵盖大语言模型生成的复用以及跨语言复用。数据集共含198,643条文本记录，包括34,885段源文本和163,758条查询，查询分为五类复用情形及一类不含复用的安全样本。训练集与测试集按源段落分组划分，数据以JSON和Parquet格式发布，采用CC BY-SA 4.0许可。
说明为什么表格基础模型在从未见过的关系型数据上表现出色
简介该论文研究如何用基础模型预测关系型数据库中某一列的缺失或未来数值，无需为每个新任务从零训练模型。作者先通过更多样的实验证实：单表基础模型配合无参数的关系编码器，即使从未接受过关系数据预训练，实际表现也相当有竞争力。随后，论文提出多种互补的解释，认为无参数编码器能把关系效应映射为固定长度的嵌入，使其近似单表模型原本适用的分布，从而将单表特性迁移到关系场景中。
说明ILR-SMO：用于稳健空间多组学整合的迭代潜在表示精炼方法
简介论文提出ILR-SMO，一种自监督框架，将多模态整合视为基于共享潜在表示的稳定性感知精炼过程，而非一次性直接融合。该方法通过逐步、受控地注入各模态信息，并结合可靠性感知的模态门控与联合目标函数，以应对模态失衡和测量噪声。作者称其在五个空间多组学基准上持续优于七种现有方法，并在多种设置下表现出较强的稳健性。
说明用于计算病理中新型成像模态、无需推理时生成的训练期域迁移诊断
简介本文提出训练期域迁移方法：利用存档的常规切片生成目标域的合成训练数据，使模型可直接对真实的新型模态输入进行诊断，而无需在推理时进行图像生成。以未染色前列腺组织病理图像为概念验证，将该方法与推理时虚拟染色及基于H&E的常规癌症检测进行比较。结果显示，训练期迁移与常规基准的一致性高于虚拟染色，在原始组织和脱蜡组织上均有提升。
说明面向健身动作分析的单目与多视角三维人体姿态估计模型综合评测
简介本文在Fit3D数据集上评测了多种三维人体姿态估计方法，该数据集包含多种健身动作的同步多视角录制及精确标注。研究比较了两种单目提升方法（TCPFormer、PoseMamba-L）和一种多视角模型（MVGFormer），并考察了不同二维检测器及三种时序滤波器的影响。结果显示，二维检测质量、时序建模与后处理需要在姿态估计流程中协同考虑。
说明释放对比正则化在扩散Transformer训练中的潜力
简介该论文研究标准InfoNCE对比学习能否作为扩散Transformer训练的正则化方法。作者发现，直接使用InfoNCE只带来微小提升，原因是扩散输入中近似正交的噪声成分会形成捷径，尤其在高噪声水平下。为此，论文提出以干净样本表示距离为锚点的CRAN正则化，将干净样本的关系语义结构迁移到带噪表示中以抑制噪声捷径。在ImageNet上的实验表明，CRAN在不同模型规模和训练预算下都能稳定提升训练效果。
说明基于单模态数据增强的自监督目标如何诱导跨模态对齐
简介该论文研究为何独立训练的单模态模型之间会出现隐式跨模态对齐。作者证明，基于单模态数据增强的自监督目标会诱导这种对齐：单模态损失较低时跨模态对齐较强，损失较高时则阻碍对齐。文中将常用的 InfoNCE 损失与跨模态对齐度量 local CKA 从理论上联系起来，并在受控实验和 53 个冻结的文本、视觉、音频单模态编码器上给出实证证据。
说明自主武器系统的定义：面向目的、可细化的示意性框架
简介本文梳理并批评了学界、各国政府和国际监管机构对自主武器系统（AWS）提出的多种定义。作者认为，所需的不是单一定义，而是一个能将不同类型的自主武器系统归入同一概念族的定义框架。该框架以一个被广泛接受的定义为基础，通过变体构成一个易于修改的定义模式，用于划分属于自主武器系统类别的各种概念。
说明状态变化是局部的，其后果却不是：面向长期智能体记忆的依赖感知状态修订
简介长期运行的智能体依赖记忆保存用户、任务和决策信息，但上游事实变化后，记忆系统往往只修改被矛盾的记忆本身，而由其派生的信念、计划和行动仍被保留。论文提出依赖感知的状态修订问题，并设计StateGraph方法，通过从交互历史中恢复并维护状态依赖图，以反事实验证区分支持性依赖与语义相关性，仅在严格依赖失效且无独立支持路径时才使派生状态失效。作者还构建了包含50个案例的StateChangeBench基准。
说明Cloudra：面向自主反应机理探索的几何推理与科学验证框架
简介本文提出多智能体框架Cloudra，用“交付有向无环图”（Delivery DAG）组织化学对象，将物种节点与基元步骤边结合，并通过化学信息学算法确定分子身份与原子对应关系、由频率与IRC计算确认过渡态连接的物种，以约束大语言模型智能体的机理推导。作者在包含50项任务的CloudraBench上测试，引导式工作流的平均综合得分为0.805，同模型标准基线为0.584。
说明用户属性与政治立场影响大语言模型在网络政治辩论中的接纳程度
简介本文研究大语言模型参与网络政治辩论时的互动表现。作者将5376场Debate.org辩论重构为大模型对话，并进行近15万次受控多轮对话实验，改变用户的政治立场、专业程度、修辞策略和所持立场。结果显示，模型对左翼用户的接纳程度系统性高于右翼用户，且这种不对称在持相同立场及对立用户同场时仍然存在；重复互动会提高接纳度，但不消除这一排序，并且用不同政治语料微调可以基本消除或逆转该现象。
说明什么样的定理值得关注？为开放式探索量化“有趣性”
简介本文研究数学定理的“有趣性”。作者通过观察数学家在形式化数学库和论文中特别挑选出的结果，将每种挑选方式建模为一个评估器，按结果陈述、证明及依赖关系的特征加权，并把权重分为共享部分与主观部分。结果显示，形式化数学中的事前特征与大型语言模型评判者的预测能力相当且互补，且有趣性很大程度上是共享的，主要由陈述与证明长度、证明所涉子领域等结构特征决定。
说明Maswao：自动收集、整理并基准测试的南非手语数据集
简介该论文提出一套几乎无需人工参与的手语数据集自动构建框架，以南非手语（SASL）为试验对象，从新闻广播等公开视频中收集手语内容，并用语音识别将伴随音频转为文字，再以运动检测划分句子边界，形成弱句子对齐的平行语料Maswao。作者用循环神经网络和Transformer模型对手语到文本的翻译任务进行基准测试，结果显示Transformer表现更好，最佳模型的BLEU-1至BLEU-4分别为13.78、5.21、2.52和1.54。
说明TailorRig：面向服装感知绑定的可控结构化辅助骨骼生成
简介该论文提出TailorRig框架，把带复杂服装的人形角色绑定视为可控的结构化完整绑定生成问题，让艺术家可指定身体骨架模板和服装辅助骨链的语义类别。方法还采用先将顶点关联到运动链、再在链内细化骨骼权重的分层方式，以减少权重串扰。作者构建了超过38,000个人形模型的Human-Mix数据集，并报告该方法在骨骼精度、变形稳定性、可控性和实用性上优于现有方法。
说明跨变化方框图的控制基础模型：将时间序列预测推广到动态图
简介该论文提出一种控制基础模型，把连接关系、信号值和缺失值统一表示为动态图，并把响应预测与控制输入生成描述为同一种掩码预测问题。实现该形式化的Block Diagram Transformer结合了时间轴注意力与沿方框图连接的图神经网络，可用已有时间序列基础模型的预训练参数初始化。在混合多种实验设置的控制实验数据上训练后，该模型通过反馈控制使一个不稳定系统稳定，而仅对现有时间序列基础模型做微调难以做到。
说明PhotoGuider：面向构图的裁剪与360度全景取景方法，附可解释的摄影评估
简介该论文提出PhotoGuider，用于从360度全景中先确定最佳观看方向再取景，也可用于普通图像裁剪。方法基于共享的构图感知特征，通过主体、构图、美学和完整性四类摄影标记进行评估，并由经过微调的多模态大模型生成与构图相关的解释。在两个标准二维裁剪基准上取得最高平均mIoU，在120名参与者对100个全景场景的盲评排序中，其取景结果有53.2%被排在第一位。
说明连接低层图像融合与高层语义理解的遥感框架LANCE
简介该论文提出LANCE框架，用结构化语言作为可检索的语义状态，将遥感图像融合与语义理解联系起来。冻结的视觉-语言模型先生成封闭词表的文本记录，再由语言条件生成器完成融合，并用验证器重新描述输出以闭合循环。在GF2、QuickBird、WorldView-III、WorldView-II等七个测试集上，参考指标最高提升11.7%（中位数2.1%），独立评估中相对最接近的对比方法在mAP上高6.4，开放词表F1高0.072。
说明语音原生大模型能听出沮丧语气，却未加以利用
简介本文研究语音原生大模型能否在语音中感知说话者的沮丧情绪。作者在相同音频上考察沮丧情绪是否被表达、被感知并被利用，采用文字与语气交叉的2x2设计，共353项任务，并发布了1,412段音频的数据集VoxAffect。结果显示，多数模型在沮丧语气下的输出看似稳健，但模型很少将沮丧语气标注为沮丧，而线性探针仍能从音频编码器中解码出该语气，说明模型能听到却未真正理解语气。
看点用Brunswik透镜模型区分模型是否感知与利用语音情绪，发现感知而不利用；在8个模型和1412条音频上验证，并公开数据集。
说明JABER：共享偏差下人机数据标注的序贯质量控制
简介该论文提出 JABER（Joint Alias-Preserving Belief for Evidence Routing）框架，用于人机数据标注的质量控制。它在标签正确性与共享偏差上维护联合贝叶斯后验，据此决定继续获取证据还是停止。实验显示，在共享偏差下，JABER 相比分别建模的方法和一步前瞻方法分别降低了预期质量控制损失，并在 FEVER 真实 API 实验中实现零标注错误。
说明用于长时程动力学学习的吉布斯变分最后一层方法
简介本文研究如何提升动力系统长时程概率预测的准确性。作者以吉布斯变分推断视角重新审视变分贝叶斯最后一层模型（VBLL），提出一组多步训练损失，逐步纳入长时程结构，采用连续排序概率得分（CRPS）增强稳健性，并在完整自回归滚动上训练。实验显示，基于多步CRPS的目标在合成、混沌动力系统及真实数据上，长时程精度与分布拟合均优于单步似然训练。
说明《Tug of Watts》：大型语言模型在医疗问答任务中的能耗与准确率权衡研究
简介本文研究大型语言模型在医疗问答任务中的能耗与准确率之间的权衡。作者以OpenMedical-LLM排行榜上的医疗问答任务为对象，考察了来自3个模型系列、参数规模从2.7亿到140亿的13个模型，估算其能耗和碳排放。文章指出，仅单独报告能耗与准确率并不足以进行细致的权衡评估，还需要构建和解读联合权衡指标。
说明带保证的通用策略包装器（CALF-Wrapper）
简介本文提出CALF-Wrapper方法，把一个可证明能到达并保持在目标集合内的后备策略，与预训练的强化学习基础策略结合，部署时利用基础策略对应的评论家估计在两者之间选择。理论分析表明，在给定假设下它继承了后备策略的目标到达性质，并给出了稳定时间和时间区间内与目标集合最大距离的概率界。实验在四个不同复杂度的仿真控制环境中进行，结果显示该方法能在保持较好任务性能的同时达到最高的目标到达率，且执行时无需额外的动力学模型、在线学习或约束优化。
说明面向盐碱地改良规划的领域适配与检索增强生成整合研究
简介本文提出农业决策支持系统“问药”（Wenyao），将领域适配与检索增强生成相结合，用于盐碱地改良规划。研究基于8664篇中英文研究论文构建了包含110项指标的SA-Bench基准，其中含4860个论文级规划实例。模型在专家标注的证据抽取任务和多项选择题测试中表现优于通用基线，31位专家的盲评显示其在目标与预期成效方面得分最高，而成本估算方面GPT-5得分最高。
说明利用公开数据扩展 Poll Schumann 模型的机型覆盖范围
简介Poll Schumann 模型需要机体与发动机参数，但已发布的参数表只覆盖部分机队。本文利用认证文件、制造商手册和 ICAO 发动机记录重建缺失参数，其中物理参数由已公开方程给出，推进效率系数则通过回归估计。重建方法覆盖 90 个机型代号，并与 pycontrails 的参数进行了比较。
说明ProtoFusion：用协议引导提示优化的红外与可见光图像生成式融合
简介该论文提出ProtoFusion框架，将红外与可见光图像融合视为受结构化协议约束的生成任务，协议包含环境状态卡、基础原则和风格配置。通过闭环迭代的生成、评估与修订来优化协议，推理时固定使用。论文称其在标准基准上提升了定量指标，美学评价表现良好，融合结果视觉上连贯。
说明基于潜在随机微分方程的可识别带符号因果学习，用于推断大脑动态有效连接
简介该论文提出ISCL框架，利用潜在随机微分方程从潜在动力学中推导大脑区域间随时间变化的有效连接，并区分兴奋性与抑制性影响。作者在合成基准Lorenz96和NetSim上验证了方法效果，并将其应用于HCP社会认知任务态fMRI数据，分析了相关网络的因果作用。
说明AGiR：缓解混合动机博弈中对赠予的过度依赖
简介本文研究混合动机博弈（MMG），即自利智能体既需合作又需竞争的多智能体场景。作者发现现有赠予方法会使智能体过度依赖收到的赠予，从而无法学会获取奖励的行为，并将此现象称为赠予过度依赖。为此，论文提出一种带拒绝机制的赠予框架，智能体可依据策略更新信号有选择地拒绝部分赠予。该机制与赠予方法无关，可作为插件用于现有方案，并支持去中心化学习。
说明用于作物多光谱影像的超分辨率技术性能评估
简介本研究评估了为RGB图像开发的单图超分辨率方法能否提升红、绿、近红外（RGN）作物影像的空间分辨率。研究在不微调的情况下直接应用八种预训练方法，并在4倍和16倍放大下，对整幅图像和手动分割的叶片区域进行评估。结果显示，基于Transformer的方法在两种评估设置下均显著优于基于GAN和扩散模型的方法，其中HAT、HiT-SR和SRFormer表现最佳。
说明Solv3R：作为多视角求解器的三维循环Transformer
简介该论文提出Solv3R，一种循环Transformer模型，可从当前估计状态出发继续求解多视角几何，从而逐步优化相机位姿与场景几何。其更新算子与迭代次数无关，已求解视角与新加入视角可被共同更新，并可缓存已求解视角的表示以提升效率。作者称同一模型无需针对特定任务训练即可支持离线重建、增量重建、重定位和流式处理。
说明柯尔莫哥洛夫-阿诺德网络（KAN）与多层感知机（MLP）在临床表格数据上的严格统计基准比较
简介本文在七个涵盖肿瘤、心脏病、肾病、神经病学、内分泌和产科的医学表格数据集上，对九种KAN变体、一个调优后的标准MLP和一个随机森林基线进行了标准化比较，采用重复分层交叉验证和贝叶斯统计检验，以AUPRC、Brier分数和计算效率作为评价指标。结果显示，在类别严重不平衡的数据集上，部分KAN（如TabKAN和ReLUKAN）能更好地识别少数类并获得更高的AUPRC；但总体上KAN与MLP的预测判别力相当，且推理延迟更长、参数量更多。
说明冻结特征上采样中通过引导实现任务适应
简介该论文研究在冻结的 JAFAR 上采样器前后添加残差适配器时，性能提升来自特征数值变化还是空间聚合变化。作者设计了保持粗略分类输出不变、仅调整空间注意力权重的干预方法，并在 PASCAL VOC 和 Cityscapes 上进行三随机种子实验。结果显示，在上采样前适应比之后适应的 mIoU 分别提高 0.807 和 1.413 个百分点，且空间引导适应对提升有帮助。
说明面向端到端自动驾驶可迁移表征的无动作视频潜变量预测扩展研究
简介该论文研究在无动作标注的驾驶视频上扩展视频潜变量预测预训练，提出ScaleDrive框架，仅用大规模网络开放世界驾驶视频预训练视觉编码器，并在下游端到端规划训练中冻结编码器。自车运动与深度探测显示，随着预训练规模扩大，冻结表征中的时间与几何信息逐步增强。在不同端到端驾驶策略和闭环基准上，ScaleDrive均提升了下游性能。
说明面向测试时推理的价值条件化提案获取方法
简介该论文提出 ValueFormation，一种测试时策略：在主模型每次采样后，决定停止、继续采样，或从异构推理专家处获取一个候选提案。三种动作基于同一个带成本正则的价值尺度进行比较，该校准在不同任务和主模型间保持冻结。在 MATH-500 上，以 Llama 拟合的校准在三个 8B 主模型上都比最强基线高出十五个点以上，并可不加修改地迁移到 Qwen3-14B。
说明TLAPS-Bench：用TLA+证明系统对真实系统规范做形式化正确性证明的基准
简介TLAPS-Bench是一个基准与执行框架，用于借助智能体式AI为真实系统的TLA+规范构建机器可检验的证明。它基于TLA+证明系统（TLAPS），提供防止奖励作弊的保护机制。研究人员用AI智能体证明了缓存一致性、拜占庭共识和预写日志等系统的新性质，基准包含来自95个规范的265个证明目标，在70个目标上评估时，表现最好的模型证明了31个（44.3%）。
说明SpecOPD：面向推测解码的分支并行在策略蒸馏方法
简介本文提出SpecOPD，一种分支并行的在策略蒸馏框架，用于训练推测解码中的草稿模型。该方法在草稿策略生成的参考锚点分支上并行采样和监督，并通过树形结构共享目标前缀计算。论文报告在多种目标模型、草稿架构和任务领域上，平均接受长度最高提升41.45%，监督token吞吐量最高为顺序展开在策略蒸馏的16.09倍，生成速度最高可达自回归解码的3.56倍。
说明面向城市摄影测量点云分割的航空内容感知样本自适应分类器
简介城市摄影测量点云通常以局部三维小块处理，上下文有限。论文提出ACASAC分类器，在特征融合之外增加决策层自适应：利用与点对齐的航空区域连接整幅航拍影像与局部三维小块，建模二维与三维表示之间的关系，并据此为每个样本生成分类器。实验显示，相比固定的双表示分类头，ACASAC在SensatUrban和UrbanBIS数据集上分别提升2.1和2.7个mIoU点。
说明数学基础形式化智能体：一种通用的数学基础形式化方法
简介本文提出数学基础形式化智能体MFF-Agent，把大语言模型的推理能力与Rocq证明助手的形式验证能力结合起来，用于多个数学领域的形式化工作。该智能体包含任务分类、工具辅助执行、验证反馈和基于状态的任务管理，支持形式证明的生成、修改与验证。论文通过Morse–Kelley集合论、实数、命题逻辑以及选择公理等价性等案例检验其适用性。
说明NIR：面向 ALCIQ 的近似神经实例检索
简介本文提出 NIR，一组用于 ALCIQ 描述逻辑的神经实例检索方法，可依据知识图谱嵌入输出分级的成员隶属分数。作者比较了基于分词的编码器（GRU、LSTM、Transformer）与通过基本子网络模拟描述逻辑算子的组合式编码器。在八个基准上，各变体在完整知识库上都与 Pellet 推理机十分接近，其中 Transformer 在知识库不完整时最为稳健。源代码已公开。
说明迭代窄网络：宽度为4的ReLU网络在凸输入空间上的图灵完备性与验证复杂度
简介本文研究固定宽度为4的ReLU网络的迭代过程，即在[0,1]^4上的离散时间系统。作者证明每一台确定性图灵机都可以在多项式时间内构造出对应的此类网络，其迭代结果精确模拟该机器的运行，迭代次数与运行时间成正比。由此，迭代网络的可达性问题按时间界限分别达到NP完全、NEXP完全以及不可判定（RE完全）等复杂度层次。
看点新意在于把ReLU迭代网络的可达性与图灵机模拟在宽度4的凸输入区域上结合，给出完整复杂度谱系；摘要给出构造与证明，并把结论推广到常见光滑激活函数。
说明CARE：面向生产环境客服智能体的基于证据的递归自我改进框架
简介本文提出CARE框架，用于生产环境中的客服智能体自我改进。系统先用受治理的生产轨迹完成一次冷启动，再让当前模型与现有专有模型并行处理流量，并由自身失败驱动后续更新。通过自我蒸馏（OPSD）、模拟测试、离线检查、在线对比与人工审批，逐步用内部中等规模模型替代前沿专有模型。
说明Omni-Life：面向日常生活的全模态实时AI助手基准测试
简介本文提出Omni-Life基准，用于评估全模态实时AI助手在日常生活中能否及时、恰当地提供帮助。基准包含400个视频，其中290个需要协助、110个需要全程保持沉默，并结合合成视频与真实视频进行测试。对十二种主流实时全模态模型配置的评估显示，需要协助的视频中完全正确处理的比例最高仅为4.48%。研究还发现，任务提醒可提高17.12个百分点的召回率，但会带来每分钟约4.6次不必要的回应；延迟容忍度提高10秒，召回率最多提升5.95个百分点。
说明平台投递限制下健康消息的窗口感知调度：来自尼日利亚 WhatsApp 母婴健康聊天机器人的证据
简介论文分析了尼日利亚一款 WhatsApp 母婴健康聊天机器人向3696名母亲发送的98607条消息。研究发现，在24小时服务窗口内，自由格式消息无一失败，窗口关闭后失败率在恰好24小时时跃升93.0个百分点。研究提出窗口感知调度方法，并通过离线评估与模拟比较了使用已批准模板、等待和回复提示等策略的投递效果。
说明用技能思考：执行前的伪代码规划，提升高级推理模型的技能运用
简介该论文提出“Think with Skills”方法，训练推理模型在执行前把相关技能描述转化为针对具体任务的伪代码计划，明确操作、条件、中间结果和依赖关系。研究先用监督微调初始化这一行为，再用Group Relative Policy Optimization进行端到端优化。在SkillsBench上，任务成功率从35.0%提升到62.0%。
说明GraTED：用于自动驾驶乘客危险感知的图-张量脑电解码模型
简介该论文提出图-张量脑电解码模型GraTED，用于在自动驾驶场景中通过乘客脑电预测道路风险并识别危险。模型以电极头皮位置构建无向图并用图卷积捕捉空间依赖，同时用低秩张量分类保留多维时间-特征结构。在包含11名参与者、45小时记录的PassengerEEG数据集上，GraTED在三种评估设置下均取得了最高的平衡准确率，且可学习参数量在七个基线方法中最少。
说明RxnMiner：从化学图表中提取结构化反应数据的多模态智能体
简介该论文提出RxnMiner，一个多模态智能体系统，结合专家提取流程与化学工具箱，从文献图表中识别分子结构、关联证据并由模板还原参与物，生成带来源标注的反应记录。作者还构建了包含603张反应图表、8,547条人工标注记录的基准ChemRxn-Bench。在该基准上，RxnMiner（骨干模型Qwen3.8-Flash-Next）的立体化学感知反应宏观F1从直接预测的21.0%提升至71.0%，高于现有最强提取系统的25.0%。
说明基于动作解耦深度强化学习的多产品管道详细调度方法
简介多产品管道以批次形式向配送站输送成品油，其详细调度需要满足市场需求并兼顾非线性水力约束。本文提出一种动作解耦的近端策略优化（PPO）框架，将调度过程建模为可变动作时长的半马尔可夫决策过程，并采用级联双执行器结构分别处理离散的运行时长与连续的流量决策。在中国一条真实多产品管道上的验证表明，该方法的配送精度接近精确最优解，流量稳定性明显提升，求解时间大幅缩短。
说明Disen-Forcing：在自回归视频扩散中将语义锚定与运动解耦
简介自回归视频扩散模型能实时生成长视频，但推理时长超过训练时长后质量会迅速下降。本文发现，初始帧稳定长程一致性的机制并非类似大语言模型的注意力汇聚，而是由一小部分注意力头承担，其余多数注意力头主要捕捉局部时序动态。作者据此提出Disen-Forcing，一种蒸馏阶段使用的即插即用方法，通过解耦上下文路由和运动解耦正则化强化这种分工，在长视频生成基准上同时提升长程一致性与运动动态。
说明用带掩码线性自注意力的Transformer在上下文中学习简单线性回归的解
简介本文构造了一个带掩码线性自注意力的Transformer，使其能够在上下文中学习简单回归任务中的最小二乘估计。该构造利用层归一化得到闭式（解析）解，而非基于梯度下降的近似解。作者还给出实验示例，考虑到Transformer表示的非唯一性，在以最小二乘估计为目标输出、使用L1正则化训练时采用了该闭式解实现。
说明利用大语言模型智能体发现社区结构复杂网络动力学的分层控制方程
简介该论文提出SAGE框架，由大语言模型引导的自反思智能体通过迭代的“库—发现—审查”流程，先识别社区共享的动力学规律，再处理各节点的个体残差动态，并可自适应地补充候选库中缺失的动力学项。该方法在两个合成网络和四个真实网络（涵盖移动通信、脑电生理、电网和城市轨道交通）上进行了验证，论文称其能得到简洁可解释的控制方程，并优于代表性基线方法。
说明预测式安全护栏未必能让大模型智能体更安全
简介该论文研究基于世界模型的预测式安全护栏，即在执行前预判动作后果以避免风险。作者在7个策略模型和2个安全环境中，从预测的整合方式、预测本身的可靠性、预测内容是否被忠实使用三方面进行诊断。结果显示，预测参与度增强并不带来单调的安全提升，反而可能降低任务完成率并显著增加推理成本；长时程的安全预测明显不如近期预测可靠。
说明何时追踪是可负担的：动态遗憾的移动预算可行性阈值
简介该论文研究在线学习者的总移动量受硬性预算限制时的动态遗憾。作者证明，当预算不超过比较路径长度的某个常数倍时，任何可行算法都会产生线性遗憾，并给出构造性的对抗证明。反之，预算感知的投影在线梯度下降在预算远大于距离与路径长度之和时可获得次线性遗憾。论文还指出阈值以上的紧致极小极大速率仍是开放问题。
说明TRIO：面向检索增强生成的分工优化任务精修方法
简介该论文提出一种名为TRIO的检索增强生成（RAG）方法，让语言模型借助外部知识回答问题。方法包含三个分别优化的智能体：查询扩展智能体把模糊问题补充得更清楚，判断智能体判定扩展后的查询是否足够，回答智能体基于证据生成最终答案。论文称在多个基准数据集上的实验表明，该方法优于现有方法。
说明离线近似值迭代：一种用于卫星星座部署的强化学习方法
简介本文提出一种基于强化学习的近似动态规划方法，用于在发射失败和卫星故障等不确定条件下优化Walker型卫星星座的部署。研究将问题建模为马尔可夫决策过程，涵盖低注入轨道发射、连续低推力轨道提升及可变卫星负载。方法采用带基函数的线性函数逼近与动作剪枝策略，以降低求解最优决策策略的计算和内存需求。初步结果显示，所得策略的预期成本和部署时间均低于滚动时域基线方法。
说明基于大语言模型构建混合式交互叙事系统：从形式化描述到评估
简介该论文提出一个基于大语言模型的交互叙事平台，其中的叙事管理器是可互换的模块，共享一个由事实、操作和目标构成的符号世界模型。每个操作都有明确的前提条件和效果，因此每次会话都可以作为计划进行分析，并用玩家自主性、管理器可控性、作者意图和稳健性四项共同指标评估。作者实现了三种不同的管理器，并在《小红帽》交互场景中进行了功能分析比较，结果显示没有一种管理器在所有指标上都占优。
说明CARE：面向行为意图预测的环境不变性正则化对比表示学习
简介本文提出CARE，一种基于轨迹的自监督学习框架，用于行为意图预测。它结合时序非对称对比视图与基于环境的IRM风格梯度惩罚，并辅以掩码重建和可观测性感知的证据一致性目标。在基于IMPTC的四类意图任务上，CARE在IID微调下取得0.840准确率，在保留环境上取得0.806准确率。
说明OmniOPD：面向音视频联合生成的稳定在线策略蒸馏
简介该论文提出OmniOPD，一种按模态进行在线策略蒸馏的框架，用于音视频联合生成。它将专门的音频和视频强化学习教师模型能力迁移到单一学生模型中，并通过非对称噪声调度、分组多噪声采样和基于时间步的重要性加权，缓解音频监督稀疏导致的训练不稳定问题。在JavisBench和VBench上的评测显示，该方法在保持音频质量的同时显著提升了视频生成效果。
说明SynForecast：用于预测研究的可控合成时间序列库
简介该论文提出 SynForecast，一个开源 Python 库，包含 32 个合成时间序列生成器，其中 19 个实现了有已发表来源的机制。它可在保持其他条件不变的情况下调整扰动与机制族，并能保证输出可复现。作者在 M4 数据集的五个频率上评估了合成先验：在少量观测下优于从零训练，但在完整历史下表现较差；加入日周期后，小时频率的零样本误差降低了43%至63%。
说明通过形式化模型与属性分析交互叙事中的叙事悖论
简介论文指出交互叙事中玩家自主性与叙事控制之间存在叙事悖论。作者提出一个形式化框架，用扩展的状态转移系统表示交互叙事，并定义玩家能动性、可控性、作者意图和鲁棒性等属性及量化指标。通过案例研究比较不同经验管理器策略，展示属性之间的相关与冲突以及可取的折中区域。
说明SelfImprove-Bench：评估自我改进智能体的泛化能力
简介该论文提出SelfImprove-Bench，一个用于评估递归自我改进（RSI）系统的框架。它将任务分为探索、规划和推理三类能力，并以游戏作为可控、可复现的任务实例，按照任务模板和难度系数自动生成与编排。框架还设置了从G0到G4的泛化阶梯，用于衡量改进能在多大程度上迁移到训练条件之外。实验显示，现有RSI方法的进化收益在不同泛化层级上并不一致。
说明SomaAlign：面向软体机器人抓取的可靠性感知多模态表征学习
简介该论文提出了 Soma 数据集，包含 100 个物体、1000 条连续抓取轨迹和 74914 个多模态样本，并另行收集了 1000 次试验（质控后保留 998 次）的抓取结果数据集 Soma-Success。作者基于此提出 SomaAlign，通过掩码重建估计模态可靠性，并结合可靠性感知对比对齐与冲突感知语义约束学习多模态表征。该方法在 30 个跨模态检索任务上平均 Recall@10 达 90.66%，冻结编码器配合轻量探针在 Soma-Success 上的抓取结果分类准确率为 94.59%，早期预测准确率为 84.07%。
说明DrawOffer：面向职业支持的、基于证据的纵向用户状态建模
简介该论文提出 DrawOffer 系统，用于职业支持助手。系统将语言模型的观察提取与基于来源记录的确定性推断分开，以维持能力估计、经历评估和可修订的问题。在102个虚构人物和580个评分检查点上，DrawOffer 在37个测试人物中通过169/210个检查点，证据不足时会保留判断。
说明PGuard：面向多模态大语言模型的原生流式插件式安全护栏
简介该论文提出PGuard，一种原生、流式、可插拔的安全护栏，直接利用主干模型的中间表示，在生成过程中逐词进行安全检测，不改变原有推理路径和生成行为。在Qwen3.5-122B-A10B上运行时端到端额外开销仅0.82%至2.26%，在30多个基准上取得原生护栏中的先进表现。
说明MultiMental-IAS：用于情境感知非独立同分布评估的多模态驾驶员心理状态分析数据集
简介该论文介绍了MultiMental-IAS数据集，它在基于CARLA的驾驶舱在环模拟中采集，包含车辆遥测与场景情境信号、Muse 2头带的脑电和光电容积脉搏波信号以及车舱视频，共23名参与者、148次试验，涵盖六种诱导状态。作者提供了统一的评估基准，并给出不同模态融合的实验结果。对于未参与训练的驾驶员，融合驾驶动态与归一化脑电/光电信号后，宏平均F1从0.408提升至0.485。
说明POD-CNF：基于归一化流与本征正交分解的参数化随机偏微分方程降阶模型
简介本文提出POD-CNF，一种用于参数化高维系统高效不确定性量化的数据驱动生成式降阶模型。方法先用本征正交分解（POD）得到解流形的低维表示，再训练条件归一化流（CNF）以输入参数为条件逼近低维系数的密度。该方法能刻画复杂的多峰输出分布，并在数值实验中显示出能准确再现输出分布且显著降低计算成本，还展示了其在贝叶斯逆问题中的初步应用。
说明基于多尺度空间先验与局部-全局联合建模的点云超分辨率方法
简介该论文提出一种基于多尺度空间先验和局部-全局联合建模的点云超分辨率方法，用于将稀疏的室外LiDAR点云重建得更密集。方法包括空间门控融合模块、多粒度局部-全局协同感知模块以及二维中值残差去噪。在KITTI-360和nuScenes数据集上的实验显示了有效的重建效果，其IoU分别为0.4703和0.3593。
说明HLSClaw：通过基于技能的智能体框架，把“氛围编程”引入高层次综合
简介论文提出HLSClaw，这是首个面向高层次综合（HLS）的基于技能的智能体框架。它让大语言模型智能体调用可执行的模块化优化技能，并由反馈驱动的调度器协调代码重构与指令搜索。在真实HLS基准上，其几何平均延迟加速比为39.12倍，相比编译器基线ScaleHLS高1.98倍，并分别优于Claude Code和Codex 1.86倍与1.70倍。
说明历史强制：为长时程视频世界模型蒸馏依赖历史的续写
简介本文提出History Forcing，一种面向少步自回归视频生成器的统一同策略蒸馏框架，用于增强历史监督，使生成视频在长时程中保持一致。方法利用有无历史上下文的教师预测之差进行监督解耦，并将加权残差加到用于蒸馏的分数或速度预测上，形成修正目标。论文报告其在1.3B模型中取得较好效果，包括15秒视频的VBench质量分85.07、60秒视频的VBench-Long综合分79.82，并在视野外场景的评估中表现更好。
说明基于前瞻预测的自适应视觉重聚焦，用于交替式多模态推理
简介该论文针对多模态大模型在交替式多模态思维链推理中，视觉证据只依赖历史上下文而可能滞后于下一步推理需求的问题，提出了一种无需训练的测试时框架LPAVR。该方法利用多令牌预测的草稿头生成未来令牌并由目标模型并行验证，借助通过验证的前缀构建前瞻引导的视觉证据，并判断历史证据是否覆盖所指区域，必要时切换。论文称该方法在多个多模态推理基准上提升了推理准确率和推测令牌的接受率。
说明别再手工打造引擎！GenDB-V：迈向AI生成且经形式化验证的数据库系统
简介该论文提出GenDB-V系统，让AI智能体针对特定硬件和工作负载合成数据库引擎，并以形式化方法验证其正确性。系统基于SQLSpec形式化SQL语义，联合合成快速代码与形式化证明。在TPC-H和SEC-EDGAR上的评估显示，经验证的模板实现相对DuckDB和Umbra的几何平均加速为22.0至61.3倍，通用引擎在TPC-H上加速为1.27至3.4倍。
说明自注意力在各向同性分数几何下的谱退化
简介本文通过一个理想化的谱模型研究 Transformer 中自注意力矩阵的谱结构，该模型针对 softmax 之前的分数矩阵。作者在预训练视觉与语言 Transformer 上的经验诊断支持了这一模型。论文证明，逐行 softmax 会使主导模式保留、其余谱分布集中于零；双向注意力的稳定秩有界，因果注意力的稳定秩则按对数增长。
说明LipLingo：用于唇读的卷积神经网络模型
简介本文提出 LipLingo，一种基于 LipNet 架构改进的唇读系统，加入了标准化预处理、面向未见说话人的轮换验证策略和更灵活的句子相似度评估。模型结合 3D 卷积与双向循环层，使用 Adam 优化器和 CTC 损失训练。在 GRID 数据集上，字符级准确率为 95.0%（CER 4.99%），句子级准确率为 87.2%，词错误率为 13.1%，优于基线 LipNet。
说明金融文档识别的风险约束评估：证据、关键错误与选择性自动化的形式化框架
简介本文将金融文档识别形式化为风险约束下的证据恢复问题，指出仅用字符错误率、词错误率等总体指标难以反映金融流程中错误的后果。论文定义了带类型、关联证据的金融事实与多层质量模型，并基于关键字段错误的置信上界提出不可补偿的验收门槛，以及带审核容量限制的选择性自动化约束模型。文章为理论性工作，不包含实证基准或模型性能结论。
说明DIKT：面向预测与基于模型学习分析的可诊断、可解释知识追踪框架
简介本文提出可诊断、可解释的知识追踪框架DIKT，将作答预测、技能级诊断与基于模型的学习分析结合起来。该框架生成有界的认知状态轨迹，并把最终作答概率分解为各技能的概率，以揭示学生的优势与薄弱点，并支持认知状态干预及假设分析。在三个基准数据集上，DIKT的平均绝对AUC提升2.04个百分点，优于所有对比基线。
说明阶段感知的多模态脑图对比学习：用于神经退行性疾病诊断
简介该论文提出了一种名为smBGC的阶段感知多模态脑图对比学习方法，用于神经退行性疾病的诊断。方法通过阶段感知特征增强策略捕捉各进展阶段的特异性特征，并在图对比学习框架中加入阶段自适应脑图增强，以促进多模态融合并提升区分不同病变阶段的能力。作者称，在两个真实数据集上的多项诊断任务中，该方法优于现有先进方法。
说明通过任务适配器混合（MoTA）释放视觉基础模型在多任务稠密预测中的潜力
简介本文针对多任务稠密预测中语义识别与几何结构推断相互冲突的问题，提出D2MoE方法，在冻结的DINOv3骨干网络上引入任务通用低秩适配（TG-LoRA）和任务自适应专家混合（TA-MoE），分别负责稳定的共享适配与稀疏的任务条件化调整。此外，语义先验注入器将多层任务特征与冻结的基础模型先验相结合。实验表明，该结构化分解方法在较小的可训练参数量下带来了多任务性能的稳健提升。
说明GaussFlaw：面向3D高斯泼溅的细粒度感知诊断
简介该论文针对3D高斯泼溅（3DGS）渲染结果中的局部瑕疵，提出了首个大规模细粒度诊断数据集GaussFlaw-80K，包含约8万个瑕疵区域的像素级标注，并标注了八类瑕疵标签。作者还提出了融合RGB外观与深度线索的几何引导多任务模型GeoCritic，用于同时定位瑕疵并判断其类型。基于诊断结果，论文进一步采用高斯致密化、属性修正和离群点剪枝三种针对性操作进行改进。
说明EffComp：结合强化学习与监督学习的高效提示词压缩方法
简介本文提出EffComp，一种面向基于检索增强生成（RAG）问答的高效提示词压缩框架。它使用类BERT的文档重排序模型和句子选择模型，在句子层面进行快速抽取式压缩，因此压缩后的提示词不会产生幻觉。训练采用强化学习与监督学习相结合的方式，在保持大模型准确率的同时优化压缩比例。
说明Trace4D：通过4D状态序列实现有依据的时空推理
简介该论文提出Trace4D，训练视觉语言模型预测三维空间中物体及其空间关系随时间变化的4D状态序列，并结合时序视觉观察进行推理。模型通过监督微调与几何感知的GRPO训练，使用约60万条4D感知样本和约7万条有依据的问答样本，推理时直接从视频预测4D状态和推理过程。在Trace4D-Bench和VLM4D上的实验显示，其问答准确率优于基础视觉语言模型。
说明你的大模型是否带有攻击性自恋与抑郁倾向？大型语言模型的心理画像分析
简介本文对22个大型语言模型完成11种心理量表进行了大规模实验研究，并比较了模型与人类在这些量表上的回答相关性。结果显示，模型呈现出连贯且相对稳定的心理模式，人格特质基本一致，而情绪与症状维度波动较大，其中焦虑和神经质是主要倾向。
说明DINOFAS：面向真人样本的人脸防伪表征学习
简介该论文提出DINOFAS框架，用于人脸防伪（FAS）任务，将防伪问题转化为以真人样本为中心的表征学习。方法结合低秩适配的DINOv3微调、用于减少域相关外观差异的注意力风格-内容解耦模块，以及将原型式活体学习与攻击语义监督分开的双分支结构。在标准OCIM留一域协议下平均HTER为9.09%；仅用SynthASpoof训练并在四个未见真实数据集上测试时，平均HTER为21.41%，平均AUC为86.14%，在对比方法中最优。
说明用于旋转鲁棒关键点描述子匹配的成对相对部分等变方法
简介该论文针对在正立图像上训练的关键点描述子在大幅平面内旋转下匹配失效的问题。作者提出成对相对部分等变性，在图像对的相对旋转经验分布下度量等变性，并提出放宽约束的描述子转向框架PaSteer，包含保持恒等的残差转向器和自由形式的傅里叶转向器两种变体。论文称在Roto-360、MegaDepth-1500、AIMS和IMC-PT上，相比冻结DeDoDe描述子上的精确转向器，PaSteer在大相对旋转下持续提升旋转鲁棒匹配效果，且正立图像性能下降极小。
说明探究时间序列基础模型中补丁大小的影响
简介本文研究基于补丁的时间序列基础模型中补丁大小的选择，对比了仅编码器与仅解码器两类预测模型在相同数据和训练预算下的表现。在97个GIFT-Eval任务上，编码器模型随补丁变小而受益，解码器模型则呈U形趋势，中等补丁大小总体最佳。结果还显示，解码器的最优补丁大小随预测步长增大而增大，并结合训练算力与CPU延迟分析给出了两类模型的适用场景。
说明是什么驱动从零到一的跃迁？诊断并引导RLVR中困难提示的学习
简介本文研究基于可验证奖励的强化学习（RLVR）在困难数学题上的“从零到一”跃迁：题目长期未解，随后突然被解出。作者通过测量首次成功所需时间发现，成功前的负样本早期生成熵更高，据此提出NAPO方法，与GRPO结合，对未解题组中的负样本排序并分配分级优势。在固定采样预算下，NAPO使Pass@256在AIME24上提高10.0分，在AIME2025上提高6.6分。
说明面向LLM持续学习的多教师在线策略蒸馏回放方法
简介本文研究在多个领域依次到来、早期领域专家不可再用时，如何用回放让学生模型保留旧领域能力。作者在五个领域、1.5B学生模型和五个公开专家上，将顺序蒸馏、回放方法与联合多教师蒸馏进行对比，并比较不同回放预算和对齐信号的效果。结果显示，在不存快照的前提下，回放能弥补约一半的性能差距，固定预算的回放与基于全部快照的恢复训练效果相当。
说明三维表面检测中用于合成到真实迁移的子空间表示
简介本文研究子空间表示在三维表面检测中对合成到真实迁移的作用，模型仅用合成缺陷训练，部署前可用的真实数据只有良品扫描。作者以最近子空间分类器、单类模板子空间和广义差分子空间为工具，在1197个MVTec 3D-AD扫描和597个Real3D-AD物体上进行了实验。结论认为，子空间在偏移下的帮助与其所覆盖的偏移成正比，而在基于参考的检测中，参考及其配准比子空间本身更重要。
说明超越单调性：半赌博机反馈下的随机在线优化
简介本文研究半赌博机反馈下的随机在线优化问题：每一轮策略自适应地观察 n 个分布未知的独立随机变量，仅从观测值中学习。作者提出的算法用置信集中最乐观的期望值替代动态规划中的期望，其遗憾界取决于各变量的水平集复杂度。文中还给出了匹配的下界，并把结果应用于若干非单调的随机优化问题。
看点新意在于去除FSD单调性假设，提出基于水平集复杂度的遗憾界，并给出匹配的下界，覆盖多个非单调问题。
说明基于大语言模型的桥梁运维多模态多智能体系统
简介该论文提出一种知识增强的自主化形式化方法，并据此构建桥梁运维多模态多智能体系统（BOMMA）。系统整合多种诊断手段、融合物理力学信息的表示、长期记忆和结构化经验知识，实现可解释、可追溯的调度、分析与决策。在3,492条多源指令上，简单任务调度召回率为85.37%，复合任务为99.40%，运维动作推理的BERT F1值为95.35%。
说明MoviEdit：长篇多镜头视频编辑框架
简介论文提出 MoviEdit，一个面向长篇多镜头视频编辑的端到端框架，同时解决数据、建模和评估三方面的问题。作者通过自动数据生成流程构建了约 87K 对编辑视频，并采用级联的双向-自回归架构，先建立全局一致的编辑草稿，再在整段视频上逐步传播和精修。论文还发布了专门的评测基准 MoviEdit-Bench，实验显示该方法明显优于现有开源模型，在文本引导和图像引导编辑上与业界领先模型相当。
说明基于表面肌电信号、用LSTM估计手指关节角度的特征提取研究
简介该论文研究如何从表面肌电信号（sEMG）中提取特征，用LSTM网络连续估计手指关节角度，用于灵巧肌电假肢的控制。研究在Ninapro DB2数据集上系统比较了窗口大小、步长和六种时域与频域特征的组合。结果显示，300毫秒窗口配合100毫秒步长，并使用平均绝对值（MAV）或均方根（RMS）特征时效果最好，测试PCC约为0.779。
说明用于内窥镜息肉定位的注意力残差U-Net
简介该论文提出一种基于注意力残差U-Net的息肉检测框架，用于内窥镜图像中的病变定位。方法不直接从全局特征回归边界框，而是学习聚焦病变的空间表示，并在解码前抑制无关背景响应。作者在多个使用不同设备采集的公开内窥镜数据集上进行评估，结果显示其优于相关的现有方法，AUC最高提升22.0%。
说明AffToM：动态多人互动中递归情感心理理论的基准测试
简介该论文提出AffToM基准，包含1,922组测试数据和19,759组训练数据，用于评估模型在多人互动中理解情绪的能力，涵盖个体情感推理与多方情感推理两类任务。作者还提出了两阶段后训练框架AffToM-R1，结合监督微调与视角感知的评分标准强化学习。实验显示多方情感推理仍具挑战，表现最好的多模态大模型准确率不到60%，AffToM-R1使多方推理准确率比基础模型提高了13.38个百分点。
说明分阶段潘多拉之盒：多保真度贝叶斯优化的保留指数
简介本文将分阶段搜索中“下一步推进哪个候选、何时停止”的决策建模为带指定可收集阶段的分阶段潘多拉之盒问题。对于独立的有限阶段候选，文章给出精确的覆盖看涨递推，求得每个推进或停止决策的保留指数、最优值和损失，并证明推进指数最大且高于当前最佳值的候选是最优的。文中还讨论了信息共享、可收集阶段变化等情形，并用精确的有限分布实验验证了表示与界。
说明IssueLighter：面向问题类型的LLM智能体，用于评估问题报告的有效性
简介开源项目中大量无效问题报告会加重维护者负担。该论文人工标注了三个开源项目的520份报告，归纳出13类与问题类型相关的无效原因，并据此提出基于智能体的IssueLighter框架，采用按类型区分的有效性评估策略。实验显示其平均F1比所有基线方法提升超过20个百分点，并能给出有依据的理由。
说明MURFormer：一种基于注意力的轻量级多尺度不确定性引导PPG去噪框架
简介该论文提出MURFormer，一种用于光电容积脉搏波（PPG）去噪的轻量级框架，将含噪信号映射为干净信号。模型以多尺度注意力-卷积融合模块为基本单元，并通过优先处理不可靠区域的不确定性引导两遍细化进行去噪。在CIME数据集和作者自建的包含24名受试者的日常活动数据集上，该方法相对原始含噪输入提高了信噪比，并降低了心率平均绝对误差。
说明电力系统中由人类监督的人工智能研究：面向大语言模型的知识、物理、仿真与治理
简介本文综述了电力系统领域大语言模型的应用以及物理约束下的电力人工智能研究，探讨了在科研中使用大语言模型的条件。文章提出“知识—物理—仿真—治理”框架：大语言模型负责信息转换和任务协调，仿真器与验证工具检验模型，专家保留对关键假设、安全边界和最终结论的决定权。文章还提出了分阶段发展路线图和科研报告要求。
说明MicroMouse：借助相对势能在长思维链中屏蔽有害监督
简介本文提出MicroMouse框架，用于在监督微调（SFT）中自动识别并屏蔽长思维链（long CoT）里的有害监督信号。作者借鉴迷宫求解过程，把长思维链视为从输入问题走向目标答案的搜索轨迹，并引入相对势能（REP）来衡量每个推理状态对标准答案的支持程度。实验显示，该方法在多种学生模型规模和推理基准上优于全量思维链微调及现有选择性微调基线，同时缩短了输出长度。
说明面向智能体强化学习的树状后见信用分配（TriGRPO）
简介论文针对长程大语言模型智能体的强化学习难题：成功经验稀少且难以发现，稀疏的结果奖励也让学习信号不足。作者提出基于树结构的TriGRPO框架，在展开树内部和之间通过后见信用分配，把少量成功经验转化为探索和学习信号。实验结果显示，该方法在不同模型规模下都能提升任务表现和展开效率。
说明超越答案、推理轨迹与效率：自适应推理的证据
简介本文指出，目前评估AI推理能力的最终答案准确率、推理轨迹、过程监督和效率等指标，无法说明推理在任务或证据变化时是否能够自适应。作者区分了跨任务自适应（已获得的抽象在新问题间迁移或重组）与任务内自适应（根据新观察、反馈或反例修改假设与行动）。文章以ARC-AGI作为诊断案例，提出以干预为导向的评估方法，在受控改变任务与证据的条件下测试抽象迁移和假设修正，并明确报告测试时的流程与预算。
说明排序正确，尺度错误：复现机器人世界模型的动力学模型并检验其后续工作的不确定性估计
简介本文复现了机器人世界模型（RWM）的动力学模型，并检验其后续工作RWM-U在离线策略优化中用于惩罚奖励的不确定性估计。在保留数据上，对于预先注册的长时域，用模型自身滚动数据训练的效果优于单步训练；但在短的单步窗口上表现较差。RWM-U的集成分歧能较好地对滚动误差排序，但其离散程度明显低估误差，在100步时一个标准差的覆盖率仅为4.6%。研究覆盖一种机器人、一种步态和一个数据集，未训练任何策略。