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GeoGuesser Bench：交互式地理定位中的视觉-语言智能体基准测试
简介该论文提出 GeoGuesser Bench，在离线街景环境中包含 282 项任务，智能体可旋转、缩放并在真实全景图之间移动，任务分为报告起始坐标、判断所在街道城市或国家、查找并计数附近物体三类。论文评估了 23 个视觉-语言模型，最佳地名识别准确率为 62.5%，最佳物体查找准确率为 35.0%，并发现世界知识与探索能力相关性较弱。
说明3L-D：一个基于与传感器无关、保持对齐的采集框架构建的低照度数据集
简介本文提出3L-Dataset，这是一个经过物理标定的低照度图像与视频数据集，由模块化、与传感器无关的采集框架生成。测试平台按标准化的Midavaine夜间照度等级，从满月（约1000 mlx）到无月阴天夜晚（约0.1 mlx）共五个等级，并覆盖可见光至近红外光谱，场景包括乡村、森林、城市和沙漠模型。该框架通过高精度可编程机械驱动，使每组六张图像（一张参考图和五个照度等级下的对应图）实现亚像素级空间对齐，且无需后期图像扭曲处理。
说明机器人学中的源分解集体认知：多模态与集体估计的数学基础及其在认知回路中的应用
简介这是一部从基础讲起的专著，核心工具是广义奇异值分解（GSVD），用于比较作用于同一未知量的两个线性算子在各状态方向上谁占优、优多少。全书依次回顾线性代数与统计估计的必要工具，给出GSVD的两种证明，用一个小矩阵对做数值演示，并区分集体系统中的信息归因、子空间几何、统计依赖与决策判别。最后讨论GSVD在认知回路中的作用与局限，并附带可复现的数值实现。
说明《LLM无法保持中立：候选人、评估者与模型之间的性别敏感性》
简介该论文研究大语言模型在评估职业候选人时，候选人与评估者的性别设定如何影响判断结果。研究让八个模型在假设的市议会投票任务中，对240份合成职业简历进行共计30,720次判断，独立变换性别设定。结果显示，明确标注的候选人性别使赞成票概率比未注明性别时高出1.05至1.73个百分点，且只有非二元评估者设定呈现显著增加；不同模型的赞成率在81.3%至97.2%之间，2.5%至3.3%的判断与基线相比发生了逆转。
说明通过自主机器人交互缩小动力学差距
简介该论文提出CUE系统，让机器人通过与环境直接交互来学习摩擦、恢复系数等接触动力学参数，从而缩小仿真与现实之间的差距。系统仅依据高层指令、无需重置即可自行感知并选择最不准确的交互方式。在台球仿真实验中，相比最强基线，留出测试的球位误差降低了72%，并在真实台球桌上进行了部署。
说明以人为中心的世界模型（HOWM）：一个关于持续理解与预测人类状态的概念框架
简介论文提出以人为中心的世界模型（HOWM）这一概念框架，围绕与任务相关的人类状态及其演变，把当前观察、个人历史与环境、社会背景结合起来，用于持续的状态估计、个性化动态预测和行动支持。框架还通过假设性的训练与学习场景加以说明，并提出后续研究议题：长期互动经验是否能改善估计与预测，以及使用该模型是否有助于人实现长期目标。
说明利用闲置推理算力、以零阶曲率加速大模型预训练
简介论文提出 ZO-Curv 方法，利用推理服务器在非高峰时段的闲置前向计算资源估计曲率，用于调整一阶训练中的更新。作者指出，即使零阶梯度估计不够精确，其带来的曲率信息仍然有用。实验覆盖 1.25 亿至 15 亿参数的模型，其中 7.7 亿参数模型在 3.9 小时内达到 AdamW 20K 步的验证损失，且最终损失更低。
说明通过对预训练视觉表示进行聚类发现图像中的语义粒度
简介本文提出一种无需语义监督的方法：先对预训练视觉模型的特征图做奇异值分解投影得到逐像素主表示图，再对其聚类，以发现不同粒度的语义区域。作者提出语义连续性率（SCR）并分析其信噪比来评估表示的适用性。在COCO-2017和VOC-2012验证集上的分割结果表明该方法具有竞争力。
说明基于几何约束动态超图卷积与对比分数精炼的骨架动作识别网络
简介该论文针对基于人体骨架的动作识别任务，指出传统图卷积网络只能建模关节两两关系，且已有超图方法依赖静态结构。作者提出DyGCN，其核心的DyGCT模块包含几何约束动态超图构建（GeoHC）和对比分数精炼（CSR）两部分，前者按动作动态构建超边，后者通过基于原型的对比学习精炼关节兼容性分数。论文报告在NTU RGB+D、NTU RGB+D 120和Northwestern-UCLA数据集上取得了当前最优的结果。
说明HistoTx：在不同空间转录组分辨率下，用自监督学习早期融合H&E图像与空间转录组数据
简介该论文提出一种早期融合的视觉Transformer架构HistoTx，把转录本标记按任意空间分辨率构建后与图像图块标记合并，在共享Transformer中联合处理。模型从预训练的病理视觉基础模型出发，在配对的图像与空间转录组数据上继续自监督预训练。结果显示，仅用图像推理时，多数任务表现与基线相当，在基因表达预测等受益于分子信息的任务上有所提升；图像与转录本同时输入时，效果优于单一模态。
说明VioTech：基于多尺度专家混合的小提琴演奏技法逐帧检测
简介本文提出VioTech，一种无需先切分音符、直接以10毫秒为分辨率逐帧检测小提琴演奏技法的框架。它结合冻结的MERT编码器与多尺度专家混合结构，并针对音色、断奏和连奏相关预测进行任务化路由。作者还构建了首个基于真实独奏录音、经人工标注的小提琴演奏技法数据集VioTech120。
说明Reap：借助轻量模型揭示蒙特卡洛证明搜索
简介本文提出Reap，一个在Lean4中学习和分析形式化证明搜索的开源框架，直接在Lean中实现策略-价值引导的蒙特卡洛树搜索。作者基于该框架训练了17亿参数的模型Reaper-1，并在miniF2F-test上以pass@32达到79.9%的求解率，在同等规模的开源证明器中达到当前最优水平。
说明审计表示空间的欺诈检测：用于校准不确定性的贝叶斯逆强化学习框架及其局限
简介本文针对推荐系统中的托攻击（shilling）检测，提出名为VEIL的贝叶斯框架，基于冻结编码器嵌入进行成对奖励推断，并包含基础后验、带学习置信度的层次ARD扩展以及有机/攻击者混合模型。作者证明，对于在某种用户画像变换下不变的表示，若攻击与有机画像无法区分，则基于该表示的检测器无法优于随机猜测。实验显示，针对合成结构攻击检测效果接近完美，但对复刻真实用户物品集的攻击在ML-1M上降至随机水平，而基于原始物品集Jaccard相似度的非学习基线仍能取得较高的AUROC。
说明信念之链：用模型内部信号奖励对推理的依赖
简介这篇论文研究如何让模型的最终答案更依赖其生成的思维链推理，而不是只追求看似合理的解释。作者提出四种利用模型自身信号的奖励，并将其加入GRPO训练，在GSM8K和StrategyQA上用推理编辑、改写和提示提示进行评估。结果显示部分配置提高了对推理编辑的依赖，但对准确率和改写稳健性的影响各不相同。
说明TME-ContextNet：基于类别条件空间监督与分组解码的细胞核实例分割与分类联合框架
简介该论文提出 TME-ContextNet，一个用于病理图像中细胞核实例分割与分类的多任务框架。它利用已有的细胞核标注，通过欧氏距离变换生成类别条件的空间监督，无需额外的组织区域标注，并将解码分为几何与语义两组任务。在 PanMix、CoNSeP 和 PanNuke 数据集上，论文报告了 Dice 与 mPQ+ 指标，并称其参数量为 3640 万，少于 HoVer-Net 的 5474 万。
说明UPSHIFT：从人机交互反馈轨迹中引导用户偏好
简介这篇论文提出UPSHIFT方法，无需训练，通过比较用户对初始回答和反馈后修改回答的隐藏表示，跨多次会话平均这些变化方向，得到用户偏好方向，并在回答新问题时注入该方向，以实现个性化。在PrefEval上，40个模拟用户的测试显示，对Qwen3-8B和Qwen3-32B，偏好对齐效果均优于未引导的基线，最佳配置的宏平均Elo分别从1364.0提升到1605.2、从1341.9提升到1591.8。
说明训练你实际运行的采样器：基于混合似然微调的少步掩码扩散语言模型
简介该论文研究掩码扩散语言模型在少量并行步数、随机顺序采样时，实际运行的是对多种揭示方案的混合分布，而常规交叉熵训练拟合的是词元条件概率。作者提出混合似然微调（Mix-FT），在不使用教师模型、不改变架构和采样器的前提下，对模型自身采样器似然的重要性加权下界进行微调。实验显示，该方法在多个模型和步数设置下生成的文本质量优于继续交叉熵训练和其他基线方法。
看点针对少步并行采样的掩码扩散语言模型，提出以采样器混合似然微调，无需教师或改架构；在LLaDA-8B与110M块扩散模型上报告优于持续交叉熵训练与其他基线。
说明PriCBMs：面向视觉隐私识别的多粒度概念瓶颈视觉语言模型
简介该论文针对社交媒体图片中可能无意暴露的隐私信息，提出多标签视觉隐私识别方法PriCBMs。模型引入隐私相关概念作为中间语义表示，先通过视觉与概念匹配识别与类别相关的隐私线索，再依据概念响应预测隐私类别，并设计了基于类别相关性、跨类别判别性和语义多样性的概念选择策略，同时加入全局与区域建模模块。在VISPR和FineViP数据集上，该方法在四项多标签指标上均优于对比方法。
说明Parametric CAD Bench v3：评估智能体基于文本和工程图纸进行参数化CAD建模的能力
简介该论文提出 Parametric CAD Bench v3，一个包含100项任务的基准测试，涵盖文本生成CAD、文本生成并编辑CAD以及根据工程图纸重建机械零件三类任务。智能体在固定版本的 FreeCAD 环境中工作，提交原生CAD文件，由独立的程序化验证器评分，主要指标为几何相似度与规格一致性相结合的连续任务奖励。在2026年9月24日的快照中，Claude Code 搭配 Claude Opus 5.5 整体得分最高，为61.03%。
说明OctreeSplat：基于分层八叉树引导的前馈式高斯泼溅三维重建
简介本文提出OctreeSplat，一种用分层八叉树引导的前馈式三维高斯泼溅方法，用于新视角合成和三维重建。该方法从冻结的视觉基础模型中提取多视角特征和几何先验，构建分层八叉树并预测致密化分数，使高斯基元按局部复杂度在空间上分配不同密度。论文在Replica、TUM、Tanks and Temples和DTU数据集上进行实验，结果显示其在视图合成、深度合成和表面重建上具有竞争力，并在保持高重建质量的同时减少了高斯基元的数量。
说明通过挖掘社交媒体构建艺术界影响者网络
简介本文提出一种绘制艺术界网络图的方法。研究者以人工选定的一组典型艺术界人物的推文为基础，结合自然语言处理方法，识别出包括没有推特账号者在内的重要艺术界人物。识别出的人物通过Louvain方法形成社群，并用HITS中心性方法评估其权威性。该网络表明，从一小批典型人物出发，可以发现新的艺术界人物，并提供大量难以用其他方式收集的数据。
说明VerdictAD：基于决策引导精修的少样本异常检测
简介该论文提出VerdictAD，一种无需训练的框架，用于改进现有的异常检测方法。它通过类型化决策模型，将查询图像及其局部区域与少量正常参考图像比较，输出结构化的决策概率，并以此精修整体异常分数与异常图。作者在MVTec AD、VisA和MVTec LOCO AD数据集上报告了该框架能持续提升现有检测器的表现。
看点以结构化视觉判定概率细化异常分数，无需训练，可即插即用；摘要报告在MVTec AD、VisA、MVTec LOCO AD上提升现有检测器。
说明探针引导的梯度平衡多模态学习方法
简介联合训练的多模态网络常常无法充分利用较弱的模态，因为学习较快的模态会主导融合目标并压制较慢模态的梯度。论文提出探针引导梯度增强方法（PGGB），为各模态特征附加轻量线性分类器估计表示质量，以两者的差距作为失衡信号，有界平滑地放大较弱模态的梯度，同时保持损失函数和融合结构不变。作者在八个基准数据集上的实验表明，该方法在高度失衡的数据上优于现有方法，在低失衡或几乎无失衡时仍具竞争力。
看点新意在于用独立线性探针估计各模态表示质量并据此放大弱模态梯度；在八个基准、四个领域上做了实验并给出有界性与下降界的理论结果。
说明艺术史计算机视觉应用：未来研究的反思与范式
简介该论文指出，艺术史学者对在研究中使用计算方法存在持续争论，原因之一是这些方法未触及当代艺术史研究的核心问题，两个研究群体之间缺乏紧密合作。作者提出一种方法，从计算机科学视角研究艺术史期刊中的文章，以找出艺术史学者在研究中使用的图像特征，并用计算机视觉领域可理解的术语加以描述。论文最后给出若干范式，可作为探索计算机视觉如何应对当代艺术史核心问题的新起点。
说明ReinSeg：用于三维道路异常分割的检索引导有界多模态精修方法
简介该论文提出ReinSeg框架，用于自动驾驶中的三维道路异常逐点分割。方法以激光雷达鸟瞰图单元从环视图像共享记忆中检索场景视觉上下文，再通过相对范数有界的残差将其回传至激光雷达点特征，并保持冻结的LIDO异常打分接口。在Spotting the Unexpected基准上，验证集平均精度由27.54%提升至35.67%，95%异常召回率下的误报率由34.85%降至10.61%。
说明Coati：面向可安装移动端图形界面智能体的宿主环境执行框架
简介该论文提出 Coati，一个可作为 Android 应用直接安装的开源智能体，无需外接电脑通过 ADB 控制手机。它利用手机端运行时记录操作效果和跨应用结果，用宿主证据校验任务完成声明，并通过应用内记忆与快速执行器提升速度。在 AndroidWorld 的 116 项任务中，Coati 成功率为 86.5%，并称宿主证据比模型自评更能让智能体可靠且快速。
说明SearchInject：控制语言模型搜索中间接提示注入的检索暴露
简介该论文提出SearchInject，在搜索增强的大语言模型把网页内容送入上下文之前，用综合评分判断是否隔离可疑页面。在300个SciFact查询、四类构造家族上的测试显示，BM25、归一化混合检索和潜在语义分析的前10名目标暴露率分别从约0.94、0.92、0.85降至约0.16、0.15、0.14，相对降幅约83%。不过，冻结阈值的干净测试误隔离率为0.59%至0.65%，略高于校准约束，且生成实验未能估计攻击成功率的降低。
说明InterFuse：面向支付风险排序的异构模型交互引导自适应融合方法
简介该论文提出InterFuse框架，用于融合多个基于不同视角训练的支付风险模型，以在有限审核预算下对交易进行排序。方法通过跨模型交互生成共享融合状态，并以此引导对各模型表示、预测分数和输入覆盖范围的自适应聚合。在工业支付回放数据和三个公开金融基准上的实验显示，该方法在四个数据集上均取得最高的Top排名召回率和AUC，Recall@1%较最强基线提升1.11至8.09个百分点。
说明预测模型在哪些群体中存在系统性偏差？基于结果学习分组的局部审计
简介本文提出一种局部审计方法，用于发现预测模型在哪些相似样本集合中系统性高估或低估结果，并检验这些集合内不同人口群体（如种族、性别）的平均预测误差是否存在差异。方法利用随机森林相似度与岭回归分组将样本划分为局部集合，并在一个样本上学习、在另一个样本上检验。作者在模拟数据和公开合成数据及若干实际模型上展示了该方法的应用。
说明变量名提供先验知识：语义关联使大语言模型能以较少数据完成数值预测
简介该论文研究大语言模型在表格数据上做数值预测时如何利用变量名与上下文示例。结果显示，变量名与其所描述数值的语义对应，使五个未经任务专门训练的大语言模型在九个科学领域的20个数据集上，表现可匹敌或超过七种监督学习模型，示例稀少时尤其明显。基于物理公式的受控实验表明，模型对领域知识与上下文示例的整合方式与贝叶斯更新一致。
看点新意在于揭示变量名语义作为先验，使LLM在少样本数值预测中与监督模型相当或更优，并以物理公式任务验证贝叶斯式更新，覆盖20个数据集和九个科学领域。
说明SYNC：一种免训练、动态选择层的多角色对齐推理控制方法
简介该论文提出SYNC，一种无需训练、可在推理时使用的控制框架，用于让大语言模型同时体现多个角色。它通过余弦相似度轨迹动态估计每一层对各角色的敏感度，在每个解码步骤为每个角色选择最优注入层，无需离线搜索目标层。在两个模型、两种角色设定及两类引导向量的实验中，SYNC在28种角色配置中的21种表现领先，其中15种达到显著优势。
说明进化式解释：面向符号回归的复杂度自适应忠实解释精化方法
简介该论文指出大语言模型为机器学习模型生成的文字解释往往流畅但不一定忠实于模型本身，并称之为忠实性差距。作者提出一种复杂度自适应的精化框架：解释器模型逐步生成更详细的描述，独立的验证模型再从中提取符号表达式并与原模型比较，直到数值一致。在真实与合成数据集上共进行250次运行，整体通过率为84.0%，多数解释在较低复杂度即可收敛。
说明用协作智能衡量AI智能体作为队友的能力
简介论文提出协作智能基准（Collaborative Intelligence Benchmark），用240个任务衡量AI智能体作为团队成员的协作能力，涵盖团队合作的8个维度，任务来自航空事故报告、临床病例、编程和谈判等真实记录或已有基准，并有可程序验证的结果。研究评估了18个模型，发现每个模型作为队友都有明显弱点，最佳模型得分为82.2分（满分100）。
说明用于从物理数据学习的神经网络敏感度
简介本文研究在物理系统数据上训练的神经网络如何学习物理规律。作者提出用敏感度衡量网络对数据分布参数扰动的响应，并用它判断哪些输入特征对学习最有信息量，从而指导数据选择，相关预测经过实验验证。对于缺少自然参数的分布，作者通过物理状态的标量函数引入参数，并表明敏感度可以追踪训练中碰撞检测等能力的出现。
说明UniCross3D：面向一致单图3D生成的统一跨视角与跨域扩散模型
简介该论文提出UniCross3D，一种用于从单张图像生成3D模型的统一扩散框架。它通过惩罚潜变量方差的跨视角潜变量正则化来增强多视角几何一致性，并基于图像形成物理原理的跨域互信息目标来对齐生成的颜色图与法线图。实验表明，该方法在纹理复杂和视角模糊的情况下，视角一致性和语义对齐均优于现有方法，重建保真度更高。
说明ICJ-Graph：国际法院引证图谱与分层文件语料库
简介本文介绍ICJ-Graph，一个将国际法院文件与所引案例、法律条款和联合国决议相连接的机器可读资源。语料库区分裁判文书、书面陈述和口头记录等文件层次，收录6,396份国际法院文件、505份其他法院及法律机构文件，以及12,375项条款和20,291项联合国决议，并附带文本、元数据和嵌入向量。作者以199项裁决为例，评估五个模型的引证预测能力，结果显示使用工具的模型在案例、条款和决议引证的预测F1值上均优于不使用工具的情况。
说明在模拟训练的场级生成模型中找回缺失的自由度
简介本文针对宇宙学中用模拟数据训练的场级生成模型，发现有限训练集会导致方差收缩，提示部分物理变异未被学到。作者在连续归一化流中加入物理启发的潜变量修正，无需额外训练模拟即可找回相当部分的缺失变异。以弱引力透镜场级推断为例，后验分析显示这些潜方向在推断中被实际利用，并提升了对分布外偏移的稳健性。
说明用于敏捷避障的神经积分控制屏障函数
简介本文提出一种从数据中同时学习系统动力学、名义控制器和屏障函数的方法，动力学采用神经常微分方程，名义控制器通过模仿学习获得，屏障函数通过监督回归训练，并据此解析地构造积分控制屏障函数的滤波约束。屏障函数基于可行性（存在仍能在执行器限制下避开约束的紧急机动）而非几何标签进行训练。在6维动态自行车的敏捷赛车实验中，该滤波器在200个保留场景中消除了全部12个不安全回合，且成功率不变。
说明潜在扩散对抗网络：在自编码潜在空间中进行对抗学习
简介该论文提出潜在扩散生成对抗网络（LD-GAN），将对抗学习融入扩散模型而不改变其原有流程。方法利用潜在扩散模型中预训练的变分自编码器作为基于能量的判别器，无需额外参数，并引入结构一致性能量对齐编码器与解码器的特征表示。论文称该方法在多种生成任务中，相比现有基线方法提升了样本保真度、感知清晰度和多样性，同时训练过程高效。
说明用可读取环境状态的评判器扩大有害行为的评估覆盖面
简介论文针对具有状态的智能体环境，提出用一个只读访问环境状态并依据危害分类法工作的大语言模型来检测有害行为。作者在DecodingTrust-Arena的两个环境和OSWorld的一个环境中进行测试，比较仅看轨迹、仅看状态以及二者合并的评判方式。结果显示，合并两个通道的判断在前两者环境中召回了94%的已确认危害，仅看轨迹的评判为53%；在OS-Harm上，合并结果为77%，单一通道为67%。
说明面向大语言模型持续遗忘的知识否定自适应定位方法
简介本文针对大语言模型在实际场景中持续遗忘有害或违法知识时效用下降的问题，提出了名为ALKN的方法。该方法基于任务向量框架，利用动态掩码稀疏化训练梯度，并根据任务间关系自适应调整遗忘强度。作者在三个常用的大语言模型遗忘数据集上进行实验，结果显示该方法在持续遗忘设定下，遗忘效果和效用保持方面均优于基线方法。
说明Scalaris：面向企业对话式 AI 助手的可扩展记忆架构
简介该论文提出 Scalaris，一种面向企业对话式 AI 助手的可扩展记忆架构，把长期记忆与短期记忆统一设计，并对用户交互与助手回复分别采用专门的表示和写入、检索流程。在 LongMemEval-S 和 LoCoMo 两个基准上，使用 Qwen3-32B 分别达到 92.2% 和 90.77% 的准确率。与 Hindsight 相比，提供给回答生成模型的检索上下文 token 约减少为十分之一，接入闭源助手后整体回复质量提升 36%。
说明白化优势求和策略优化：面向多奖励强化学习的相关性感知聚合方法
简介该论文针对语言模型强化学习中多奖励加权求和的问题：奖励之间相关时，共享的变化会被重复计算。作者提出WAS-PO方法，在相加前用Σ^(-1/2)对归一化优势做白化，使预设权重作用于去相关后的分量。在工具调用任务上，WAS-PO的训练奖励在三奖励和四奖励设置下均高于GDPO，但保留集准确率并未同步提升，两奖励设置下训练奖励则低于GDPO。
说明边界引导的动态选择性融合结肠息肉分割网络
简介本文提出一种用于结肠镜图像息肉分割的边界引导编码器-解码器网络BGD-SF PolySegNet，在多尺度上下文聚合、跳跃特征选择性融合和掩膜精炼三个环节中显式利用边界信息。模型在Kvasir-SEG等三个数据集的3,535张标注图像上训练，并在四个外部基准数据集上评估。在内部测试集上，其Dice为0.887，边界F1、HD95和ASSD相较最强CNN基线分别改进15.7%、27.5%和34.6%。
说明面向端侧多模态智能体的并行对齐剪枝与轮次感知上下文复用
简介本文提出PARC方法，面向端侧多模态智能体，结合与并行计算单元对齐的结构化剪枝和按生命周期组织的KV缓存。模型层面，它通过一阶泰勒重要性和分组查询注意力感知的选择，使注意力维度能整除目标核心数。运行时，历史图像不再留在持久缓存中，从而在固定预算内容纳更多交互轮次。
说明无摄像头的 GazeTags：通过头部注视发现并交互物体
简介该论文提出 GazeTags，一种不用摄像头和计算机视觉的物体感知方式。佩戴设备定时发出与头部朝向对齐的窄红外信号，只有处于该光束内的小型标签被唤醒并回应，返回其身份及可选的状态或传感器数据。作者称其成本低、续航长、能耗低，并且避免了摄像头带来的隐私问题。
说明AVID：用于听觉诱发视觉想象解码基准测试的5T功能磁共振成像数据集
简介本文介绍了AVID，这是首个专门用于听觉诱发视觉想象解码的大规模5.0特斯拉功能磁共振成像数据集，约包含9名参与者的67小时密集记录。数据集分为两部分：使用自然汉语描述的场景级复杂子集，以及明确指定视觉属性的受控简单子集。作者还提出了标准化评估方案，将源图像一致性与语义对齐分离开来，以更细致地评估想象重建。基线结果显示，现有重建方法在该数据集上的表现仍然有限。
说明他们知道它在哪里，却不知道它说了什么：开源大模型圣训回忆的双语幻觉基准
简介本研究构建了一个英语与阿拉伯语双语基准，测试五个可本地部署的开源大模型（Mistral-7B、Gemma3-4B、Jais-7B、ALLaM-7B、Phi4-mini-3.8B）能否根据出处准确复述六部逊尼派标准圣训集中的圣训原文，每个语言和模型各500条圣训。结果显示，在30,000条回应中，没有任何一条同时在词汇和语义上与原文高度吻合，阿拉伯语的表现普遍差于英语。作者认为，在没有检索支持的情况下，这些模型不适合作为精确宗教文本的来源，相关应用应采用基于已验证语料库的检索增强生成。
说明从语言到国家再到情感倾向：跨语言审计大语言模型中的刻板印象偏见
简介该论文使用英语、西班牙语、法语和德语的12,000条本地撰写的Reddit帖子，检验大语言模型在性别、种族和宗教方面的刻板印象偏见。研究评估了三个开源模型和三个专有API模型，发现宗教类别的选择偏差在各模型和语言条件下绝对值最高。作者同时指出，这些差异反映的是选择的集中程度，而非对刻板印象的认同或国家因素的因果效应。
说明BasisKV：用于通信与键路由的值潜在表示
简介这篇论文提出BasisKV，一种面向长上下文大模型推理的低秩KV缓存压缩方法。它针对多GPU张量并行推理中的通信开销，让低秩的Value表示同时减少Value缓存宽度和张量并行通信，并借助压缩后的Value帮助选择需要访问的Key页面，最终在8卡张量并行推理下获得最高1.42倍的端到端加速。
说明SMILE：面向肝脏超声理解的结构化多智能体临床推理框架
简介该论文提出SMILE框架，用于自动生成肝脏超声报告。它由图像解读、临床分期推理和视觉问答三个专业智能体分别给出结论，再由一个评判视觉语言模型通过共识过滤整合为统一输出。在公开和内部两个肝脏超声数据集上，SMILE的表现优于现有先进视觉语言模型，并在数据稀缺的临床场景中显示出潜力。
说明探测扩散模型成员推断中的局部条件拟合度
简介本文研究如何判断某个样本是否被用于训练文生图扩散模型，这对审计训练数据使用情况很重要。作者提出 LoFIT（局部条件拟合度）方法，通过测量在不同文本条件下预测噪声的变化方向对去噪损失的一阶影响来识别训练成员。该方法只需对去噪器进行前向查询，无需目标模型梯度，在四个数据集上对微调和预训练模型均表现出更好的成员判别能力。
说明超越 L∞ 范数集合：为评估时状态对抗鲁棒性合成可解释的非均匀不确定性集合
简介深度强化学习智能体容易受到观测状态输入扰动的影响。本文针对已训练策略在评估阶段的攻击，提出一种可解释的状态扰动不确定性集合 PDNUUS，它依状态而变、各维度非均匀，并可在策略评估过程中在线合成。作者先给出理想的约束优化问题，再引入替代约束使其可求解。在多个连续控制环境、策略算法和状态攻击上的实验表明，该方法能揭示策略对不同状态与维度的敏感性差异，且性能下降幅度得到适度控制。
说明RLVR 磨的是“笔”，不是“脑”：可验证奖励强化学习对推理能力的影响
简介该论文研究可验证奖励强化学习（RLVR）如何提升语言模型的推理能力。作者追踪了 OLMo-2-1B 在 GSM8K 上的 13 个训练检查点，发现首次尝试准确率从 58.0% 升至 61.3%，而 256 次采样的解覆盖率从 94.5% 升至 96.9%，表明知识在训练前已存在。探针实验显示模型对推理错误的内部表征几乎没有变化，内部变化主要出现在最终答案词元上。
说明材料发现研究中的组织学习：哪些数据库、计算与智能体团队更有价值
简介这篇论文研究如何在材料发现的探索活动中组合数据库、计算结果与智能体团队。作者用已有的带隙实测数据对多种来源排序，发现汇集全部来源的排序效果反而更差，只汇集三个来源的最佳组合表现更好。作者还发现，由多个语言模型组成的扁平智能体团队表现不如随机选择基线，而自适应团队在较少计算量下找到了较多低形成能化合物。
说明SeMo3D：通过选择性建模统一三维生成、编辑与补全
简介该论文提出选择性建模范式，只对三维资产中需要生成、编辑或补全的区域进行合成，其余部分保持不变。基于此构建的SeMo3D统一了三类任务，无需成对的编辑或补全数据即可训练，并提出区域选择性去噪训练方法和多条件三维扩散Transformer Omni3DiT。作者称其在三个基准上均优于现有方法。
说明CR-Bench-v2：评估AI代码审查智能体的实际效用
简介本文提出CR-Bench，一个以缺陷为中心的代码审查评测框架，将SWE-Bench中的问题改造为带完整仓库上下文的拉取请求审查任务，共包含584个实例，其中174个为SWE-Bench Verified衍生的子集。每个实例包含一个已知缺陷、其正确修复方式以及缺陷类别、影响和严重程度的分类标签。论文提出已知缺陷检出率（KDDR）和有用率两项指标，评测了八个代码审查智能体及Gemini Code Assist，结果显示即便最强系统也仅检出约三分之一的已知缺陷（KDDR约为33%），Gemini Code Assist的检出率为8.1%。
说明EEFA：AI智能体伦理评估框架
简介该论文指出，现有AI智能体基准只衡量智能体能做什么，缺少对其做事方式的伦理评估。作者分析了12个主流基准的伦理覆盖情况，并提出包含自主性保护、危害规避、透明与不欺骗、隐私合规、问责与可追溯五个维度的伦理评估框架EEFA，附有可复现的验证流程与测试场景。该框架被认为与欧盟AI法案和NIST AI风险管理框架的要求相对应。
说明在保留成功轨迹的前提下为学习型控制器做顺序恢复更新
简介论文针对已能应对多数扰动的学习型控制器，提出一种顺序更新方法：在测量到的失败处搜索新的反馈技能，并拟合一个只在不影响已积累成功轨迹的状态下才生效的入口规则。在两种人形机器人系统的两类动作上进行的实验中，每个数据流经两次更新增加了62种恢复情形，同时没有丢失基础控制器的任何成功案例。
说明扁平特征，细节更丰富？面向扩散Transformer的简单细节控制方法
简介论文发现，提示词工程使文本到图像扩散Transformer的特征分布熵增加、排序基本不变，即分布更扁平时细节增多。基于此，作者提出一种免训练方法，用标量连续调节细节程度，并通过随时间变化的调度器集中作用于中间采样步。实验表明，该方法能连续控制细节指标，同时基本保持图像质量和语义结构。
说明Re³Rank：基于推理条件检索头的列表式重排序方法
简介论文提出Re³Rank，一种列表式重排序模型，基于推理条件检索头（RRHeads）。生成器先对问题和候选文档生成推理轨迹，打分器再以轨迹词元作为注意力查询，给每个候选文档输出连续的相关性分数。作者还提出直通估计器，使排序损失可穿过离散的推理轨迹，从而联合训练两个模块。在9个基准上的平均结果显示，该方法优于11个基线重排序模型，其中4B版本平均NDCG@10比最强基线高3.11分，0.6B版本也超过了参数量达32B的重排序模型。
说明基于能量的策略编排：在运行时为机器人选择可行的策略与目标组合
简介该论文针对分层机器人控制中，高层规划器与底层策略接口在接触、平衡或扰动快速变化时可能失效的问题，提出策略编排的概念，即在运行时选择既可行又能跟踪规划目标的策略-目标对。作者提出EPO方法，为每个策略学习低层目标上的复合能量函数，能量越低表示可行性越高、目标实现越准确，并在仿真中改善了精度与鲁棒性的权衡。论文还展示了同一批冻结策略与能量模型在真实人形机器人移动操作任务上的仿真到现实部署。
说明FindLink：从有来源依据的前提中学习评估科学文献间的关联
简介该论文提出 GI-TraceBench 基准，包含 10,282 个胃肠肿瘤学问题，统一了溯源问答、知识发现和假设评估。作者还提出 FindLink 两阶段框架：先构建绑定原始文献的前提并标注研究背景与支持状态，再组织成支持计划并生成基于证据的答案。在 1,545 题的固定证据测试集上，该方法的平衡家族宏观分数从 67.95 提升至 87.25。
说明PixelBench：大语言模型能否逐像素理解和生成图像？
简介论文指出大语言模型可以用SVG、CAD等文本格式生成图像，但这些格式用高层图元描述图像，而非直接给出像素值。作者提出PixelBench基准，让模型先输出RGB调色板，再输出标明每个像素颜色的索引网格，以此测试文本生成像素（T2P）和图像生成像素（I2P）的能力，并配套评估像素理解能力。论文还提出像素重建微调（PRT），用字幕-调色板-网格轨迹数据对Molmo2-4B进行后训练，在16个视觉相关基准上取得提升。
说明科学流动性智能体：科学共同体中知识套利的基于智能体建模
简介该论文提出“科学流动性智能体”（SLA）模型，用于模拟科学共同体中领域专家与知识套利者之间的互动，并刻画知识在不同研究领域间的转移与复用。两组探索性模拟（分别含10和18个智能体）显示：论文产出丰富，但记录中的复现均未成功，作者认为瓶颈在于验证而非产出。
说明FORGE：面向可执行互锁装配返工的故障导向代码生成
简介该论文提出FORGE框架，用于让大语言模型在互锁装配出现故障后生成可执行的返工程序，使装配恢复到约束规定的状态。作者同时构建了FORGE-Bench基准，包含26个互锁装配体上的4000项任务，并留出5个未见结构用于评估泛化能力。实验表明，仅局部合理的修复代码不足以可靠地完成装配恢复，需要将结构性恢复推理与可执行动作实现相结合。
说明先把基线调好：Muon 缩放权重衰减的收益大部分来自调参差距，其真实但较小的优势随模型规模增长
简介该论文比较了带缩放权重衰减的 Muon 优化器与恒定解耦权重衰减的训练效果。作者在混合专家模型的缩放序列上，对两种方法联合调节学习率与权重衰减的乘积。结果显示，共享设置下约 90% 的优势来自调参差距，调参后仍存在的小优势随模型规模增大而增加。
说明INTERACT：从驾驶视频中学习交互感知的世界动力学，用于自动驾驶
简介本文提出INTERACT框架，从无标注的驾驶视频中学习基于槽位（slot）的以物体为中心的世界模型，并将其迁移到轨迹规划中。模型先将密集视觉特征分组为带时序结构的场景实体表示，再推断自车的潜在动作以预测未来的实体状态，最后把这些表示蒸馏到轨迹规划器中。在NAVSIM和nuScenes上的实验显示，该方法在NAVSIM上达到了当前最优性能，并改善了安全关键的碰撞指标。
说明交替更新的遗憾匹配算法收敛性研究
简介本文研究遗憾匹配算法中交替更新（逐个更新博弈参与方）的收敛性。作者提出交替版的RVU性质作为分析框架，证明两种预测遗憾匹配变体可获得平均迭代最优的T^{-1}收敛速率，并发现半预测系数是唯一满足该性质的预测系数。论文还给出最佳迭代收敛和向单一纳什均衡收敛的结果，并在15个博弈基准上验证其实际性能与前沿求解器相当。
看点提出交替式RVU性质，在交替更新下获得最优T^-1平均迭代收敛，并证明半预测为唯一满足该性质的乘子，理论新意明显。
说明MedHEB：跨异构临床证据的医学嵌入基准评测
简介本文提出MedHEB统一基准，包含来自54个数据集的107项检索任务，涵盖2D图像、3D体数据与文本三类证据形式，以及图像-图像、图像-文本、文本-文本和跨模态视觉匹配等配对方式。研究发现，在常规图像-文本或文本-文本检索中表现优异的模型，在跨模态视觉检索和区域级检索任务上可靠性较低。作者同时发布了基于多模态大语言模型训练的参考嵌入模型MedEmb及相关代码与数据清单。
说明面向LLM智能体安全的累积式、可审计护栏工具演化框架
简介这篇论文针对大语言模型智能体在开放环境中难以预先定义全部风险的问题，提出了名为EVOLVE的工具级自进化防御框架。该框架把安全知识转化为可执行的护栏工具，这些工具能够被持续继承、独立审计，并在长期交互中迭代改进。作者报告称，在多个基准、骨干模型和具身环境中，EVOLVE平均F1分数比现有防御方法高出22%，并在真实机器人和自主智能体系统中进行了验证。
说明基于潜在光谱提示的多模态高光谱目标跟踪
简介高光谱视频提供丰富的光谱信息，有助于在伪装、低照度等困难条件下稳定跟踪，但标注数据少且与RGB图像存在较大域差距。SProTrack框架借助潜在光谱提示，把预训练RGB跟踪器的时序知识迁移到高光谱领域：用自编码器从整幅高光谱帧中学习全局光谱表示，指导光谱提示提取，同时保留RGB跟踪器的时序建模能力。实验表明，在HOT2020和HOT2023数据集上，该方法总体性能最佳，各光谱域均表现出色。
说明当预测塑造未来：面向反身性时间序列分析的研究议程
简介论文指出，时间序列模型在库存管理、临床护理等系统中被用来触发干预，干预又会改变后续观测数据，形成作者所称的“AI塑造轨迹”。这类数据若被当作普通被动数据复用，可能被误读，例如把预测所避免的缺货当作需求稳定。作者主张把分析对象从不考虑干预的序列转向“预测-行动-观测”闭环，并提出闭环溯源、序列识别与闭环评估三项要求。
说明神经启发机器人学：机器人学习可以借鉴感觉运动大脑的哪些设计
简介这篇综述认为，当前机器人策略在日常操作中仍然频繁失败，差距主要来自设计而非数据规模。作者从身体的顺应性、视觉系统的快速通路、小脑的预测机制和运动皮层的组合与验证方式中汲取灵感，提出下一代机器人模型的设计假设，并将每项提议作为有待检验的假设提出。
说明气球效应：封堵一条通道，隐藏特质会从另一条通道出现
简介该论文研究语言模型在另一模型输出上训练时，可能习得输出中未明示的特质（如对某种动物的偏好），即潜意识学习。作者在两类压力测试、两个模型、六种输出格式和16种特质上，逐一封堵特质的输出通道，发现禁止表层词元并不能消除特质，特质会转移到格式仍允许的地方，即“气球效应”。研究进一步将这种转移分解到单个注意力头和神经元，并表明可在把特质写入输出的电路处切断，从而减少学生模型所习得的特质。
说明AttentionIndex：用因果倒排索引加速可学习稀疏注意力
简介该论文针对稀疏注意力中索引器需对前缀所有键打分、百万级标记下选择耗时过半的问题，提出AttentionIndex。它用按相似度分组的倒排索引路由查询，并以原生索引器分数精修候选，预填充时同步建索引并复用聚类以降低维护成本。在GLM-5.3和DeepSeek-V4-Flash上，其预填充吞吐量为穷举选择的1.3至1.8倍，并在长上下文基准上较HiSA提升最多18.4个百分点的准确率。
说明CellPlex：基于H&E染色预测单细胞空间蛋白质组的基准测试
简介空间蛋白质组学可测量组织切片中每个细胞的数十种蛋白，但成本高昂，难以普及。该论文提出CellPlex基准，在细胞层面统一评估从常规H&E切片预测单细胞蛋白质表达的方法，涵盖七个队列、717个样本、4480万个细胞和149种蛋白。结果显示，适配后的病理基础模型在各队列中精度最高，但在未参与训练的队列上精度显著下降。
看点新意在于以单细胞为粒度统一评测虚拟染色，覆盖七个队列、717份样本、44.8百万细胞与149种蛋白，并比较病理基础模型与专用模型。
说明QFacePlacement：从任意张量化到人脸验证中的语义空间对应
简介该论文研究量子启发的张量网络模型应放置在人脸验证流程的哪一环节。作者比较了两种接口：一是把AdaFace嵌入映射到ArcFace空间的跨模型对齐，二是在全局池化前构建局部对应张量。结果显示，稠密映射表现更强，而张量压缩仅在任务对齐的结构上有价值，且总体AUC需与低误接受率指标一并评估。
说明通过大语言模型中的价值定位实现多价值对齐
简介本文从机制可解释性角度研究大语言模型的多价值对齐，通过探测方法找出对价值敏感的注意力头（价值头），涵盖无害性、诚实性等人类价值及连贯性、复杂度等风格偏好。作者进一步提出一种推理时激活引导策略，无需更新模型参数即可按单个或组合价值进行可控对齐，实验显示其在单价值与多价值控制上均有效，且基本保持非目标性能。
说明SpecPilot：面向推测解码的自主算法发现与系统优化
简介本文提出SpecPilot，一个自主代理循环，为每种部署场景自动发现推测解码的算法与系统优化方法。它用成本模型定位当前系统与理论上限之间的最大差距，并让并行代理探索方向、整合有效方案。在四种目标模型、三种草稿模型、两种GPU平台和五个基准上评估，在不训练且无质量损失的前提下，单请求时相对自回归解码的加速比从4.46倍提升至10.87倍，批处理时从1.94倍提升至3.93倍。
说明基于受控动力学的快慢演化占用预测（EvoOcc）：一种兼顾精度与延迟的自动驾驶3D语义占用预测框架
简介该论文针对自动驾驶中的3D语义占用预测，指出高精度模型与低延迟模型各有优劣。作者提出EvoOcc框架，融合两者的互补优势，把占用预测建模为连续时间受控动力学系统，并将演化过程分解为自车状态演化与场景状态演化。实验表明，在三组快慢系统组合和不规则预测到达场景下，EvoOcc相比快速系统基线持续提升效果，同时延迟远低于慢速系统。
说明LLM网络服务的语义缓存未用尽其错误预算
简介论文提出Surplus方法，用于基于大语言模型的网络服务的语义缓存。它依据共享风险分数对查询排序，并在审计误差估计允许的范围内开设风险区间，以在可复用时尽量提高命中率，同时把错误率控制在预算之内。在五个查询流上，Surplus在所有测试中均守住错误预算，在打乱的流上比vCache多服务40%的命中，并在vLLM测试平台上于最高负载下将平均延迟降低31.59%。
说明RoboColosseum：在真实环境中大规模评估机器人的物理智能
简介该论文提出 RoboColosseum，一个分布式评估框架，把分布在多地的实体机器人统一接入同一套策略服务和测试协议。研究在四种机器人平台上评估了五个视觉-语言-动作（VLA）策略和三个前沿AI智能体，包括盲测两两对比与微调两个赛道。结果显示，前沿智能体与专用VLA策略表现相当，但所有系统在开放世界任务上都难以稳定完成；微调后各平台的领先模型也不同，且开放赛道的排名对微调后的表现预测较弱。
说明同一句话，不同的概念：身份替换理由揭示大模型仇恨言论分类器的测量非不变性
简介该论文使用421个仇恨言论模板，仅替换受保护群体的身份词进行测试。四个大模型整体准确率均超过0.95，但对针对女性的仇恨陈述漏判率明显更高，且模型对同一陈述给出的理由会因群体不同而改变。作者认为，验证大模型测量工具需要进行控制身份的测量不变性检验，同时考察模型给出的判断依据。
说明面向异构工业时间序列的跨领域联合嵌入预训练
简介本文提出一种名为JEPA-HITS的自监督预训练方法，用同一编码器学习电池、半导体化学机械平坦化（CMP）、数控加工和轴承等多个领域的异构工业时间序列，并保留各数据集各自的时间尺度。在标签较少的下游训练中，留出一个领域的预训练（LODO）相比随机初始化，使电池剩余寿命RMSE从10.72降至7.95，CMP从4.34降至3.89，刀具磨损回归从13.53降至11.72；轴承故障诊断宏F1从0.547提高到0.737。结果表明，未标注的异构工业过程时间序列可为有限标签的下游学习提供可复用的表示。
说明大规模神经系统中在线主动学习的端到端稳定性
简介本文研究在线主动学习在多层神经网络中是否保持稳定。作者以预测误差作为反馈信号更新深度模型，并将其与李雅普诺夫能量最小化相联系。论文指出，仅有输出误差收敛不足以保证参数全局收敛，并通过持续激励与主动阻尼消除残余零空间模态，借助级联李雅普诺夫分析证明整体学习过程渐近稳定。
说明RecRSI：机制引导的推荐算法发现框架
简介本文提出RecRSI，一个基于大语言模型的研究框架，通过机制假设来组织推荐算法的发现过程。框架由机制空间、研究线和机制反馈三部分组成，使每次实验结果都能指导后续机制的开发、修订或组合。在四个初始推荐器和四个数据集上，相比初始算法，RecRSI在NDCG@5和HR@5上平均分别提升8.48%和6.88%。
说明THReD基准测试：评估一个LLM智能体及其预处理工具，将电子健康记录转为可用于AI的数据集
简介本文对THReD系统进行基准测试，该系统通过对话式智能体把电子健康记录整理为可用于AI的数据集，智能体提出的步骤需用户确认后才执行。智能体在141项任务上测试，首次回答完成率为92.7%，对所有建议类请求均选择不作答，并从注入的故障中全部恢复，且从未执行数据中植入文本所要求的操作。工具层面的实验显示，患者类别与生命体征标签推断的正确率较高，保存流程的重放结果逐字节一致，处理时间随记录数近似线性增长。
说明按需构建证据链：面向长期对话记忆的延迟证据组织
简介该论文提出 Chain on Demand（CoD），一种在查询时组织证据的框架，底层对话记忆保持不变。系统先从候选池中按相关性、多样性和新覆盖的查询词分配固定数量的锚点，再恢复每个锚点所在会话中的相邻轮次，形成仅服务当前问题的临时证据链。在 LoCoMo 的 1,986 个问题上，CoD 在 1,540 个非对抗性问题上准确率为 82.2%，全部问题为 76.3%；在 LongMemEval-S 的 500 个问题上为 86.6%。
说明MetaPOCS：面向预算感知地震数据插值的元学习多出口展开网络
简介该论文提出MetaPOCS框架，用于地震数据插值，可在不同计算预算下平衡重建精度与计算开销。它在时空谱POCS重建骨干上监督中间阶段并保留采集道，通过Meta-GF优化学习各出口参数位移的融合权重。一个检查点可借助延迟校准的出口策略提供多种重建预算。
说明GigaSpeech 3：利用弱标注数据扩展多方言阿拉伯语语音识别
简介该论文介绍了GigaSpeech 3语料库，包含3.9万小时语音和1000万段弱标注语音片段，覆盖阿尔及利亚、埃及、伊拉克、沙特和叙利亚阿拉伯语。研究以每种方言60小时人工转录数据训练标注模型，并对网络音频进行标注与多轮迭代精炼。基于该语料训练的方言专用模型在五种方言上均优于其标注模型，宏平均词错误率为23.86%。
说明Gnomon4D：学习在何处、何时聚焦的几何运动驱动世界-动作建模
简介该论文提出 Gnomon4D，一种联合生成未来视频、机器人动作与 GeoDelta（一种视频对齐的 4D 几何运动场）的世界-动作模型。GeoDelta 编码本体与物体点的跨帧图像平面位移和深度变化，使动作专家能够利用两者的运动关系，并通过交互显著注意力与过渡锚定聚合机制聚焦于抓取、释放等关键交互区域。作者报告，该模型在 RoboTwin 2.0、VLABench 和 RoboDojo 上表现领先，并在真实机器人实验中，分布内和分布外设置下分别优于最强基线 7.0 和 16.0 个百分点。
说明MAGAR：基于图形界面的三维机械装配与最小返工多模态智能体
简介本文提出MAGAR-Bench基准，包含来自26个装配族的4000个多模态样本，区分装配决策、原子操作和最小返工三类任务。研究还提出MAGAR选择性纠错框架，基于监督微调得到的冻结策略，通过学习的选择器决定是否采用候选修正。在保留装配族上，其综合指标由37.50提升至41.39，三类任务均有提升；209次干预中，70次纠正了错误，22次引入了新错误。
说明《全局思考，个性化生成》：面向生成式推荐的多视角思考与自适应生成方法
简介该论文针对基于语义ID的生成式推荐提出MV-Thinker框架。它通过多视角时序思考，结合全部历史与近期行为两个重叠视角形成用户条件上下文；并通过分层残差适配，在共享词表投影前对解码器状态做自适应变换。作者称在四个公开数据集上，该方法在多项排序指标上优于较强的判别式和生成式推荐基线。
说明基于精确似然，在四舍五入、有界和截尾的数值标签上训练自回归语言模型
简介论文提出“边界边缘化”方法，让自回归语言模型借助已有的数字词元，直接以精确似然学习四舍五入、只给出界限或被截尾的数值观测。方法用固定宽度、保持顺序的数字表示，把相邻取值按共同数字前缀分组，使区间概率与梯度只需计算端点对应的至多两条路径。实验显示，仅凭四舍五入和截尾的报告即可恢复条件分布，并在两个骨干模型上改进了代码延迟分布的准确性。
说明学习熵松弛：基于神经离散平衡的稳定粗网格仿真
简介本文研究用神经离散平衡（NeurDE）方法在极粗网格上稳定地模拟复杂流体系统。作者通过有物理依据的熵动力学控制，强化系统本身的耗散机制，以抑制粗网格带来的混叠噪声。在雷诺数为100000的湍流算例中，经熵稳定的NeurDE可在最粗至16×16的网格上实现数千步的稳定长时间滚动预测，并在这些极粗尺度下比用于生成数据的稳定数值方法更稳定。
说明基于多教师推理蒸馏与自我探索的大模型推荐方法（MUSE）
简介该论文提出MUSE框架，用于把大语言模型的推理能力蒸馏到轻量级推荐系统中。方法结合多个教师模型生成推理样本，并让学生模型通过自我探索扩充推理池；同时设计排名增益效用评估（RGUA），依据目标物品在全量候选中的排名提升来筛选有益与无益的推理轨迹，并以双层对比学习进行训练。作者称在三个真实数据集上的实验验证了该框架的有效性和稳健性。
说明RLiD：在决策平面上为语言智能体与大语言模型做强化学习
简介该论文提出RLiD框架，不再逐个生成文本词元，而是直接优化可执行动作选项的概率：把观察、可选的紧凑记忆和带标签的动作菜单输入模型，由大型决策模型一次前向计算选出动作，从而避免无效动作输出并提高强化学习的采样效率。作者还把训练好的策略通过动作轨迹监督蒸馏到生成式大语言模型中。在ARC、Countdown、Sokoban和ALFWorld上的实验显示性能提升或计算成本降低，其中ALFWorld上完整流程以12.7个H100 GPU小时达到99.3%的成功率。
说明RecGroupMemory：面向电商推荐的反馈感知群体记忆
简介本文提出RecGroupMemory，一种为基于大语言模型的推荐规划提供群体级用户画像与建议记忆的工作流，并将记忆构建与基于反馈的修订分开。系统利用前一天的反馈修订决策指导，同时通过验证机制保持所选源数值不变。在淘宝低购买力用户上的在线对比显示，相对无记忆基线，无反馈记忆和有反馈记忆分别使引导交易用户数提升1.58%和1.78%。
说明Turbo-GMM：受FlashAttention启发的GPU加速高斯混合模型
简介本文提出Turbo-GMM，一种用于高斯混合模型EM算法的融合GPU内核，可在对成分维度的一次遍历中同时完成责任归一化和充分统计量累加。与需要两次遍历的Flash-GMM相比，它避免了第二次得分计算。论文在NVIDIA A100上评估了十六种配置，报告相对Flash-GMM的中位加速比为2.15倍，相对PyTorch和scikit-learn分别最高可达5.3倍和9.9倍。该方法受寄存器压力、占用率等片上资源限制，对较大的成分数会退回两遍式方案。