本站已超过 12 小时没有更新（正常每 3 小时更新一次），下面的内容可能不是最新的。
本页没有符合条件的条目（筛选只在本页内进行）。
说明从真实的“氛围编程”会话中提取软件工程基准测试任务
简介该论文提出SessionFarmer框架，把开发者与编码智能体的对话记录和代码提交历史转化为可复现、可执行的软件工程任务。框架会过滤无关会话，将多轮甚至多会话的交互归并为围绕单一工程目标的工作单元，并生成任务描述、质量评分标准和单元测试。作者据此构建了包含242个任务的公开基准CropChat，以及基于企业内部日志的CropEnterprise。
说明基于预期与观察一致性验证的高效大模型规划方法
简介本文针对大语言模型规划中的执行效率问题，提出期望-观察一致性验证（EOCV）机制，用于批量执行器。该机制先预测动作结果的期望，再与实际观察比较：一致则继续执行，不一致则提前终止并从当前观察重新规划。在文本和多模态基准上的实验显示，其平均任务表现与逐步反应式执行器大致相当，同时加权平均token用量减少29%至35%。该机制与模型无关，集成到先进规划器中仍然有效。
说明评估用于训练分类器的合成皮肤病变图像：一种兼顾安全性的筛选算法
简介皮肤癌分类器需要大量标注图像，而罕见病变类型尤其稀缺。本文用扩散模型（EDM2）生成27.5万余张图像，以16种质量指标分别筛选训练子集，并以每类分类器表现检验各指标。结果显示没有单一指标对所有类别都最优，并据此提出一种按类别加权、并剔除过于接近真实训练图像的安全感知筛选算法。在ISIC-2018测试集上，该算法对Swin-B分类器的Macro-F2相较FID基线有小幅且统计显著的提升，但对ResNet-50则无此效果。
说明M3Former：面向Transformer的细粒度跨层混合
简介本文指出，Transformer中残差连接只用一个固定的加和向量把早期各层信息统一广播给每个模块，限制了信息的利用。作者提出多角色多组混合残差（M3），让每个角色和每组隐藏维度都能对所有早期层做依赖于输入令牌的加权混合。实验显示，M3Former在100M至1.4B参数范围内都优于标准Transformer和粗粒度跨层连接，并在稀疏混合专家模型上同样有效。
看点将残差连接的广播瓶颈拆解为三重约束并逐一解除，提出按角色与维度组的token依赖跨层混合；摘要报告在100M至1.4B参数上优于Transformer及粗粒度跨层连接，并在MoE与深层网络中验证。
说明Blueprint2CAD：在工程图与CAD渲染图对应关系上评测基础模型的基准
简介该论文提出Blueprint2CAD基准，判断正交投影工程图与阴影渲染图是否对应同一零件。数据集BlueCAD-30K基于29,925个CAD模型构建。实验显示，已知视角时冻结编码器的Recall@1最高为65%，未知视角时降至43%，编码器之间差距不大，视角是主要瓶颈。六个零样本视觉语言模型的验证准确率仅为0.52至0.67。
说明用LSIRM诊断语言模型基准测试中的模型与题目交互作用
简介本文利用潜在空间项目反应模型（LSIRM）分析1348个语言模型在5761道BBH题目上的表现，并比较BBH、GPQA、MMLU-Pro和MuSR的答案呈现与评分方式。研究发现，在相邻题目中正确答案常相同，且以选项标签评分时这一模式更明显。作者据此估计模型在特定正确答案题目上的表现倾向，并将其与总分分离，结果显示该因素可使两个总分仅相差14题的模型排名大幅变动。
说明一种无需调参、兼顾两类场景的排队老虎机调度策略
简介本文研究单一队列由 K 个信道服务、只能通过赌博机式反馈学习的在线信道调度问题。作者提出一种简单策略：队列为空时探索，忙碌期选择经验最优信道，条件不满足时切换到稳健的赌博机策略以清空队列。对于由遗忘型对手决定的任意到达与服务，该策略以高概率达到 Õ(√(K L_T)) 的最坏情况队列长度遗憾，其中 L_T 为最长忙碌期长度，改进了此前 T^{3/4} 的依赖关系。在具有唯一最佳稳定信道的有界独立同分布随机模型下，累积队列长度遗憾收敛到一个与问题相关的有限常数。
看点新意在于无参数的最优两世界策略，把队列遗憾从T^{3/4}改进到√(KL_T)并接近下界；摘要报告了高概率的最坏情形与随机模型结果。
说明InteractionBench：实时语音系统的时机、任务准确率、耳语与音量及上下文依据评测基准
简介该论文提出InteractionBench，用同一批用户录音在同一系统上，从对话时机、口语任务准确率、耳语与音量、以及超过二十轮对话中的上下文依据四个维度评测实时语音系统。基准包含13个场景共221个测试项，评测了七个系统的1,519次评分运行。结果显示，在六个全双工系统中，时机与口语任务准确率呈显著正相关（ρ=0.83），且托管系统的时机得分包含网络延迟的影响。
说明奇异性诱导的高维学习模型局部复杂度
简介本文研究过参数化的奇异模型，这类模型的最优参数可能构成多个点，或泛化误差的Hessian矩阵退化。作者聚焦实数对数典范阈值（RLCT）及其局部版本（局部RLCT），用以刻画奇异模型的泛化能力。文章在某些局部化假设下，阐明了局部RLCT与泛化误差Hessian矩阵的秩以及损失函数族的覆盖数这两个指标之间的理论关系。
说明面向几何感知神经算子副本交换训练的架构感知混合精度方法（含不确定性量化）
简介本文提出架构感知混合精度方法（AA-MP），依据副本角色和架构操作分配数值精度：探索副本选择性使用BF16，精修副本保留FP32。在流体力学和三维结构力学基准上，该方法在多次运行的集合上精度与全精度训练相当，同时降低热副本峰值GPU内存并缩短训练时间。论文还通过共形预测验证了其不确定性校准效果。
说明TERA：带宽受限传输下水下目标检测的任务证据恢复方法
简介该论文指出水下目标检测通常只在传输前的图像上评估，忽略了带宽受限的降采样和压缩带来的额外退化。作者构建了基于真实水下检测数据集的 AquaTX 基准，包含已见与未见的编解码器。他们还提出 TERA 框架，在冻结检测器的同时，结合任务引导的像素恢复与双状态特征校正，在接收端工作且无需元数据。
看点新意在于将带宽受限的压缩退化纳入水下检测评估，并提出冻结检测器的接收端任务引导恢复框架；摘要报告在DUO-TX与RUOD-TX上mAP显著提升，并含未见编解码器测试。
说明面向行为判别的奖励塑形：奖励鲁棒强化学习
简介本文研究奖励鲁棒强化学习，即在奖励设定可能有偏差的情况下训练智能体。作者指出，在基于势函数的奖励塑形下，许多不同的奖励会得到相同的策略排序，导致不确定性集合中存在大量冗余。为此，作者提出将每个奖励投影到规范代表元上，使集合只包含行为上可区分的奖励。论文称该方法保持最优鲁棒值并缩小不确定性集合，并在多种基准任务上取得了优于代表性鲁棒强化学习基线的表现。
说明SGR-OPSD：利用子目标计划与图正则化信用分配的智能体强化学习方法
简介该论文提出SGR-OPSD框架，用大模型生成的子目标计划为智能体强化学习提供逐步动作指导，并通过子目标进展图依据交互统计估计经验回报，以校准教师模型的信用权重。在ALFWorld、WebShop和Search-QA三个基准上，基于Qwen2.5-3B和7B模型的实验显示，该方法优于GRPO及自蒸馏基线，在ALFWorld上使用Qwen2.5-7B达到85.8%的成功率，消融实验表明子目标指导和图校准均对性能提升有贡献。
说明用于评估MRI形态测量流程的科学结论稳定性框架
简介本文提出“科学结论稳定性”（SCS）框架，用于评估脑部MRI形态测量流程支持的结论是否可靠。该框架将感兴趣区域的形态测量表格转换为可审计的结论卡片，并在数据集、处理流程、图谱、特征类别和目标变量变化时检验其证据支持。研究基于来自三个数据集、五个队列的10,370例MRI扫描，生成2,783张结论卡片并评估89组结论与特征对。
说明一种防御梯度反演攻击的新型联邦学习框架
简介本文提出名为HyperFL++的隐私保护联邦学习框架，用于防御梯度反演攻击。该框架利用超网络生成本地模型参数，服务器只聚合超网络参数，从而切断共享参数与本地私有数据之间的直接联系。框架还引入行方向Kronecker分解（RKD）以降低超网络带来的内存与通信开销，论文称理论分析与大量实验表明其在保护数据隐私的同时保持较高模型效用。
说明在部署资源受限下的调性估计：基于DSP引导的Transformer重排序器
简介本文提出一种名为key lime的调性估计方法，面向本地音乐应用的曲库导入场景。该模型以约2.15万参数的DSP引导Transformer对确定性信号处理评分进行重排序，模型文件仅115 KB，安装占用约76.7 MB。在FMAK与FMAKv2数据集上，其MIREX得分由61.08提升至73.55，准确率由52.30提升至67.07，接近同一数据清单下的madmom KeyCNN参考实现。
说明MirrorComm：基于镜像世界模型的高效通信协同感知框架
简介该论文提出 MirrorComm，是首个基于世界模型、通信高效的协同感知（CP）框架。发送端与接收端各有一个镜像世界模型，依据共享的历史重建观测预测发送端当前观测，发送端只传输用于修正预测误差的观测更新，从而减少重复传输可预测的信息。在 OPV2V 数据集上，针对目标检测和语义分割两项任务的实验显示，该方法可将通信带宽需求降低至多约 66 倍，同时性能与当前最优方法相当。消融实验也验证了各组成部分的作用。
说明当奖励依赖于整组样本时，GRPO 相当于一场锦标赛
简介论文研究在奖励依赖于同组其他样本的情形（如多样性、覆盖度、分布匹配奖励）下，GRPO 与 RLOO 所用的组内相对基线会改变优化目标：每个样本都被训练去击败同组样本，形成零和锦标赛。作者提出 Team-GRPO，将基线系数设为 +1，可对任意依赖组的奖励给出无偏估计，且每个提示仅需两个样本。实验显示，在 GlobalOpinionQA 上 Team-GRPO 将误差从 0.20 降至 0.08，在 NoveltyBench 上避免了 GRPO 的多样性崩溃。
看点证明组相对基线会改变群组依赖奖励的目标，并给出无偏估计器Team-GRPO；摘要报告在GlobalOpinionQA与NoveltyBench上验证。
说明大语言模型作为形式化器时的类求解器行为
简介这篇论文研究大语言模型把问题翻译成形式化程序、交由求解器完成搜索时，推理过程中出现的“类求解器行为”。作者用大模型评审（经人工标注校验）标注了三个推理模型在四个约束满足数据集上的2000条生成结果。结果显示，这种行为出现在85%的推理过程中，占推理token的24%，但程序通常会重新计算答案，因此是冗余的。
说明IMUdrape：通过基于物理的布料仿真，从文本生成服装安装式虚拟IMU数据
简介论文提出IMUdrape，用于为服装上安装的惯性传感器（IMU）生成虚拟数据。该方法从文本描述合成动作，从照片重建服装的缝制版型，把虚拟传感器放在真实部署位置，并用无穿透接触求解器进行布料仿真，从而同时得到服装和人体的配对信号。在四个真实数据集上，该方法在活动识别和全身姿态估计中均优于现有虚拟数据方法，减少了所需的真实数据量。
说明《Late Autumn》：LLM智能体为单一仓库定制通用多机器人规划器
简介本文研究让大语言模型编程智能体自主开展研究，为某一个仓库专门优化一个通用的多机器人规划器，以牺牲通用性换取吞吐量。规划器结合任务分配与多智能体路径规划，实验基于一个已有自动化仓库的布局进行六组研究。结果显示吞吐量提升22%至60%，且提升在未见过的随机种子上依然成立。
说明物理反向传播中该校准哪些链路：用户端因子还是基站链路
简介该论文研究基于时分双工上行链路的物理反向传播中的互易性校准问题。作者比较了校准基站链路与校准每个用户的幅度、相位误差两种优先级，发现在某些配置下用户端幅度误差造成的损失更大。论文还给出了在不同信噪比和用户误差条件下两者排序会反转的结果，并评估了一种有上限的单回波估计器。
说明EviCast：通过共享响应校准预测检索收益
简介本文提出EviCast框架，用于在大规模执行检索增强生成（RAG）配置之前预测检索带来的净收益。方法先测量生成器对受控证据状态的响应，再结合各候选检索器的证据状态分布，估计端到端净效用及其95%置信下界。在HotpotQA、MuSiQue等数据集的实验中，该方法能正确判断检索配置是否值得部署，并大幅减少诊断性生成调用。
看点提出在执行前用共享生成器响应校准预测检索收益的框架，并给出拓扑感知变体；摘要报告在HotpotQA、MuSiQue及第三数据集上的14、16、24个配置决策与预测误差。
说明最近的端口并不一定最可靠：城市多径中用于空口反向传播的流体天线端口选择
简介论文研究在空口反向传播中，当终端移动时如何选择流体天线的回传端口。在芝加哥街区的射线追踪仿真中，选取最近端口会使部分梯度回传出错，端口间距越大错误比例越高。作者还推导了判断相关性符号的理论条件，并提出基于已测路径的知识地图，可降低错误率，但其优势在部分误差条件下不稳定。
说明超越准确率：量化如何影响编程智能体
简介本文比较了 BF16 与 4 位 AWQ、GPTQ 量化对编程智能体的影响，测试对象为 Qwen2.5-Coder-Instruct（7B、14B、32B）和 Devstral-Small-2507（24B），任务来自 OJBench 编程题。结果显示最终准确率没有统计上显著的下降，但解题过程和工具使用行为发生了明显变化。作者认为，评估量化后的编程智能体时，除最终准确率外还应考察解题轨迹、工具调用和失败模式。
说明视觉强化学习的收益在测试时还能放大吗？后训练的分位数视角
简介本文研究强化学习后训练能否在最佳N采样（Best-of-N）的测试时扩展下保持收益。作者发现，单样本奖励更高并不一定带来更好的质量与算力前沿，在大采样预算下收益可能减弱、饱和甚至逆转。论文用分位数迁移框架解释这一现象，并提出了量化效用策略优化方法QUPO，在SD3.5-M和BAGEL上较好地保留了高分位质量，改善了困难任务上的扩展效果。
说明基于空谱视觉测试时训练的高光谱图像分类
简介本文提出ViTTT-HSI，将视觉测试时训练架构（ViT3）改造为适用于高光谱图像分类的空谱模型。模型通过光谱卷积提取有序波段信息，并在保持空间分辨率的同时构建空间令牌，再经两个基于ViT3的测试时训练编码器模块完成混合，最后融合中心像素与邻域平均特征进行分类。作者在Indian Pines、Pavia University、Salinas和Houston 2013四个数据集上，以10个随机种子和1%或5%的训练比例进行了评估，平均总体准确率分别约为97.64%、98.88%、99.33%和98.43%。
说明GEAR：面向VR旅行的场景条件服装检索（生成式编辑方法）
简介本文提出GEAR框架，用于在虚拟三维环境中根据用户第一人称视角的场景为虚拟形象推荐服装。方法先用视觉语言模型描述场景中合适的服装，再用指令引导的扩散模型把该服装画到标准参考角色上，最后以裁剪出的服装区域在已有二维服装素材库中做嵌入相似度检索。论文提供了Unity交互原型，并在受控数据集及20个虚拟旅行场景的用户研究中与基线方法进行比较，结果显示GEAR在用户偏好上表现最好。
说明先前行动控制会因果性地改变语言模型的可塑性
简介研究者让同一语言模型的两个副本从相同权重出发接受训练。一个副本的奖励取决于自己的回答，另一个副本则被“捆绑”，无论回答什么都获得前者的奖励，这一设计借鉴了动物学习中的习得性无助实验。结果显示，拥有控制感的副本在之后学习新任务时更快，且这一优势在第二个实验中控制了回答差异后依然存在。
看点新意在于用习得性无助的受控设计检验LLM可塑性，实验包含配对控制与答案固定对照，验证于Qwen3-0.6B与1.7B。
说明将智能体记忆视为限速过滤：显式状态在一定长度之后胜过长上下文
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。
看点将智能体记忆视为受限的递归滤波，给出状态大小与容量相关的遗忘时间尺度及紧的错误界；报告了长上下文与显式状态的交叉长度随读者规模增长。
说明利用文本语义实现稳健的跨视角物体对应
简介该论文提出 TeSCo 框架，用于跨视角物体对应，即在不同视角拍摄的查询视频和搜索视频之间找出同一目标。方法利用视觉-语言模型从查询视角生成目标的文本描述，并通过文本条件跨模态融合模块与迭代文本特征精炼模块，将文本语义与视觉特征结合。作者称在 Ego-Exo4D 和 HANDAL-X 数据集上取得了当前最优的结果。
说明VisCodeBench：贴近真实应用的文本生成可视化基准数据集
简介该论文提出VisCodeBench，一个端到端的文本到可视化（text-to-vis）基准，包含2672个样本，覆盖教育、科学和大众三类场景及不同复杂度。研究评测了Codex、Claude Code和LIDA三种可视化系统及多种大模型，并用七项指标衡量执行、图表内容和视觉质量。结果显示，基本执行已接近解决，但没有系统能充分还原参考数据，最佳数据相似度仅为0.81。
说明模型畏惧哪些词：从拒答方向到全词表的“畏惧词典”
简介这篇论文研究对齐后的语言模型是否拒答，有时取决于提示中出现了哪些词，而与词义无关。作者提取出一个共享的“拒答方向”，沿该方向调整隐藏状态会使拒答率随强度单调升降。利用这一方向为整个词表的每个词打分，并在八个模型上通过两项留出测试验证了排序结果。
看点新意在于把拒绝方向扩展为全词表的“恐惧词典”，并显示单词可诱发拒绝；在八个模型上做剂量响应与两项留出测试，影响对齐机制理解。
说明AgiWorld：用于构建持久世界的智能体视频世界模型
简介该论文提出AgiWorld，一个由智能体驱动的视频世界模型，可根据单张图片和自由形式的指令探索并构建持久的虚拟世界。智能体AgiWorld-Agent负责高层规划并维护世界状态，视频模型AgiWorld-WM逐段生成视频并存入带几何信息的空间记忆，二者形成闭环。论文称其在世界重访与探索基准上整体表现领先，且能在数分钟的探索中保持世界一致性。
说明随机连续时间线性系统辨识用于自适应镇定
简介本文研究如何从观测轨迹中学习不稳定随机连续时间线性系统的镇定增益，并以数值实验分析失败概率与数据量、维度、噪声强度、激励和可控性等因素的关系。在一个不稳定间歇反应器基准上，辨识平方误差随总观测时间近似按反比下降，失败概率则随之指数下降。文中还指出激励强度对镇定效果的改善仅呈对数关系，且准确辨识全部动力学并非成功镇定的必要条件。
说明MemShift：将大语言模型派生的个人记忆中的检测与修复分开评估
简介本文提出MemShift基准，用于评估AI助手所存个人记忆在源数据变化后的表现，包含源数据修订、删除、重定义、写入者切换和导出五类变化。该基准将检测（发现输入已变化）与修复（生成正确新值）分开评分，并用确定性评分器替代大语言模型裁判。作者用四个开源大语言模型进行评估，发现检测效果受限于修复能力。
说明将de Rham复形结构嵌入Eig-PIELM以求解麦克斯韦特征值问题
简介本文针对麦克斯韦旋度-旋度算子在完美电导体边界条件下仍存在梯度零空间的问题，在Eig-PIELM框架中提出结构保持的扩展方法dR-Eig-PIELM。该方法通过兼容的张量积梯度-旋度试探空间和约束零空间构造，在求解特征值前剔除梯度分量，从而得到物理的麦克斯韦本征模。数值实验显示其能排除基线方法中含明显梯度成分的虚假模态，并在矩形和长方体区域上给出理论分析与收敛表现，还展示了其在波导几何设计优化中的应用潜力。
说明面向单细胞基础模型的基于归因的诊断方法
简介论文研究如何对单细胞RNA基础模型（scFM）的下游预测做事后归因分析，以判断模型决策依赖的是生物学上有意义的信号，还是模型特有的捷径。研究涵盖细胞类型注释（Cell2Sentence与scGPT）和扰动预测（scGPT+STATE）两项任务，并在合成数据中与已知调控真值进行比较。结论指出，归因分析能揭示标志基因使用、上下文交互等标准性能指标无法反映的信息，且结论高度依赖生物参考、基线和零模型的选择。
说明挪威语再训练模型是否比基础模型给出更多过时的法律数值？对 Borealis 2 与 Gemma 4 的预先注册配对比较
简介本研究比较两个公开语言模型在回答挪威法规和条例数值问题时给出过时数值的频率：挪威国家图书馆在 Gemma 4 基础上再训练得到的 Borealis 2，以及 Gemma 4 本身。研究预先注册，使用封闭的 norregel 基准并以价值历史确定性评分。结果显示两者差异很小且不显著，未达到预先设定的效应阈值。该设计比较的是已发布的模型，并未分离训练各部分的影响。
说明自适应提前停止何时有效？循环语言模型中选择规则的重要性
简介该论文研究循环语言模型何时可以提前停止迭代。作者在冻结的 Ouro-1.4B 模型（四个循环）上，比较了训练得到的稳定性探针与模型自带的退出门控。预先注册的确认性实验显示，在准确率损失约束的选择规则下，探针节省的计算量更多；若改用仅看点估计的规则，结论则相反。论文认为，停止方法应与选择流程一并比较，并需要强的未训练基线和分布外检验。
说明LEANGUARD：基于 Lean 形式化验证的工具调用智能体护栏
简介论文提出 LeanGuard，一个运行时护栏，在工具调用智能体的每次工具调用到达环境前，用 Lean4 编写的策略进行检查，无法通过验证的调用会被拒绝。被拒绝的调用可通过反馈提示修正，也可由 Lean 元编程搜索在保留用户意图的前提下的可接受替代调用。论文在 Tau-Bench 和 DTap 等基准上报告了阻止禁止调用、降低提示注入成功率等结果。
说明空间迁移融合：从结构化空间场景理解到生成与编辑
简介该论文提出 Spatial Transfusion，一个基于一阶高保真立体声（FOA）的统一框架，将预训练的空间音频理解模型扩展到音频生成与编辑。方法通过 VAE 潜变量上的流匹配实现，并将编辑定义为对一组原子编辑操作的结构化场景变换。实验显示，该模型在保留空间理解能力的同时，在生成与编辑上优于全量微调，并支持结构化与自然语言两种方式的可控生成与编辑。
说明面向CT体数据解读的基于发现的语言-图像预训练
简介本文提出FiLIP方法，用于CT体数据的视觉-语言表征学习。研究用大语言模型从报告中提取异常发现短语，再用生物医学文本嵌入模型生成其语义表示，作为图像编码器的监督目标。该方法在多标签零样本发现分类的域内和域外评估中均优于弱监督方法，并在放射报告生成的下游任务微调中显示出效果。
说明DynaCell：用于活细胞动态三维虚拟染色的评估套件
简介该论文提出DynaCell评估套件，用于评测活细胞三维延时图像的虚拟染色模型。套件包含成对的有标记与无标记三维延时图像、一组基线模型，以及像素级保真度、细胞器分割和单细胞表型相似性三层指标。研究在3种细胞类型、2种显微镜、4种细胞器和3种扰动状态下比较了模型表现，发现回归基线更能预测目标细胞器的空间定位，生成式基线更能捕捉细胞间的表型分布。相关数据集、基线模型权重和评估代码已作为DynaCell框架的一部分发布。
说明语言模型在用户反驳下放弃正确答案的倾向：一个随规模出现的方向
简介该论文研究语言模型在用户反驳时放弃正确答案（即谄媚式让步）是否对应残差流中的线性方向，以及该方向是否随模型规模出现。作者在八个指令微调模型（0.5B至14B参数，两个模型系列）上，采用预先注册的协议进行验证。结果显示，7B及以上模型存在通过验证的方向，消融该方向可使Qwen2.5-7B的答案反转率下降4.8个百分点。
看点新意在于将谄媚式让步定位到残差流线性方向，并用因果消融验证其作用；在八个模型上预注册协议下验证，报告了消融减少约4.8个百分点的效果。
说明GRIPS：SQL生成前置接地信息的实证研究
简介本文研究文本转SQL系统在生成SQL之前，如何把问题中的词语正确对应到表、列、值或关系，以及哪些前置信息有帮助。作者提出GRIPS方法，分三个阶段生成结构化的前置信息，再进行查询生成。在两个基准上的实验显示，GRIPS-Adaptive在20组设置中的18组优于基线方法。
说明利用深度学习检测欺诈交易以提升金融网络安全
简介本文提出一种用于欺诈交易检测的深度学习方法，利用神经网络识别异常金融行为。作者在真实金融交易数据集上评估了LSTM、CNN及混合架构等多种模型，结果显示其效果明显优于传统机器学习基线。该方法在降低误报的同时能有效识别欺诈交易，并可扩展至企业金融网络安全系统。
说明CytoWave：面向扰动的单细胞反应预测预训练框架
简介论文提出 CytoWave，一种以基因扰动为中心的预训练框架，用于预测单细胞在基因扰动下的基因表达反应。方法利用经同源基因统一的大规模跨物种扰动数据，分两阶段训练：先在未扰动细胞上学习对照细胞状态，再学习由对照状态和扰动信号预测扰动后表达，并加入对比目标对齐表示。在严格的数据集留出评估及通路活性变化案例中，该方法表现一致且有效。
说明用于视角稳健三维理解的李群路由视觉语言模型
简介本文提出LieVLM，一种用于多视角三维场景理解的李群路由框架，旨在缓解同一物体在不同视角下语义反应不一致的问题。该方法借助VGGT提取的几何标记预测局部旋转参数与通道路由系数，对投影后的视觉特征施加局部SO(3)变换。实验表明，在三维描述、定位、检测和空间推理任务上，该方法优于加法融合。
说明用于监督式医学图像分割的外围原型对比损失
简介该论文提出外围原型对比（PPC）损失函数，利用物体边界附近局部区域的原型特征，改进医学图像分割中边界的识别。论文称，在多个数据集上，即使标注含噪声，PPC损失也能持续提升分割性能。一种自适应确定原型计算局部区域的策略进一步增强了鲁棒性，并优于现有方法。
说明工业智能体的可信执行框架
简介本文提出一个在单一企业治理域内实现工业智能体可信执行的框架，划分八个控制领域并采用四平面架构与三条控制链。框架区分工具返回结果与实际工程效果、证据覆盖与工程判断，并通过原型测试、CAD/CAE执行及反例修复等方式检验部分机制。文中报告的0/29危险提交结果衡量的是封闭集规范符合性，而非安全概率。
说明FactorSpec：把精确的关系约束作为推测解码草稿来服务
简介这篇论文提出FactorSpec，把JSON Schema及其字段间的关系编译成因子图并进行精确可行性检查，将约束所确定的词元直接作为推测解码的草稿。在SGLang中，其草稿每次验证步最多产生10.5个词元，解码速度最高可达1.43倍，同时每个GPU秒产出的有效记录数最多是仅保证语法的基线的13.9倍。
说明迈向建成环境组织中面向智能体AI的工作流：知识结构与互操作性挑战
简介本文综述如何组织建成环境数据，以支持面向智能体AI（能够自主推理、规划并执行任务的AI系统）的工作流。文章关注知识结构、互操作性，以及检索增强生成（RAG）和模型上下文协议（MCP）等数据访问与集成机制。文章梳理了现有文献中组织结构化与非结构化数据的方法，并讨论如何让AI智能体可靠地获取这些经过语境化处理的数据。
说明SVD-Prune：极端压缩下基于谱分解的视觉标记剪枝
简介视觉语言模型和视觉-语言-动作模型要处理大量视觉标记，计算开销大。本文提出SVD-Prune，一种无需训练的方法，利用奇异值分解和统计杠杆分数全局选择标记，保留视觉表示的主要低秩谱结构。实验显示，该方法在极端压缩下仍有较强稳健性，视觉标记预算最多可减少99.3%。
说明Concise-9B：去除推理模型思考过程中的冗余
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。
说明用于分子性质预测的原子级消息传递尺度分配
简介本文提出PRISM方法，让图神经网络为每个原子自动选择合适的消息传递深度，以适应不同尺度的化学结构影响。该方法通过单一可解释的路由标量控制各原子的分配曲线，在多项分子性质预测任务上与基线方法相比表现有竞争力，并能迁移到其他图神经网络结构中。
说明数据稀缺、多粒度、多模态：生物合成基因簇的基准设计
简介生物合成基因簇（BGC）是编码特殊代谢产物合成的成簇基因，是抗生素、抗癌剂等的重要来源。本文提出一个基准设计框架，并据此构建了BGC-Bench，基于MIBiG数据库设计五项任务，在基因型和表型偏移划分下评估，并纳入主动学习设置。该基准比较了十二种编码器在核苷酸、氨基酸和Pfam结构域三种粒度上的表现，结果显示没有单一表示占优，预训练编码器也未在所有任务和划分中稳定胜出。
说明可逆图聚合可能增加 ReLU 读出层的宽度
简介本文研究可逆的图邻域聚合会不会增加逐节点分类器所需的隐藏单元数量。作者构造了一棵有 2N 个顶点、最大度为 3 的带标签树，证明共享的单隐藏层 ReLU 分类器在原始标量特征上需要 1 个隐藏单元，而在一次惰性邻域均值聚合之后需要 N 个单元。论文还给出了在有界均匀噪声下的误差下界，并在 Roman-empire 和 Tolokers 数据集上做了对照拟合实验。
说明当文本沉默时：证据不足下的记忆捷径与大语言模型标注的有效性
简介该论文研究大语言模型标注文本时，是否会在文本缺乏证据时依赖其已知的人物知识而非原文。作者用995位知名人物及对照姓名构造反事实文本，测试三个商用模型，发现模型在证据冲突时都不以记忆覆盖文本，但在证据缺失时，知名姓名会显著提高职业、年龄、国家等标注的比例。即使这些标注对人物本身事实正确，却没有文本依据，因此方法上并不有效。
看点新意在于区分文本证据与模型记忆并系统揭示证据缺失时的记忆捷径，基于995名公众人物、三款商用模型、121,594条提示的大规模评估，摘要报告了缓解方法的权衡。
说明大语言模型在阿拉伯语方言机器翻译中的现状
简介本文在MADAR数据集上评估大语言模型的英语与阿拉伯语方言互译能力，涵盖16种阿拉伯方言的两个翻译方向。评测模型包括专用阿拉伯语模型、多语言模型和商业API，并使用BLEU、CHRF、COMET、GEMBA等自动指标及小规模人工评估。研究还考察了模型识别文本所用方言的能力，结论显示方言多样性是主要难点，且结果可能受训练数据污染影响。
说明提示式缩放定律：用辅助信息预测小模型也能得分的下游准确率
简介缩放定律通过小规模训练结果外推大模型表现，但小模型在下游基准上得分接近零时预测失效。本文提出提示式缩放定律，利用特权信息把基准转为一系列由易到难的版本，使小模型也能得分，准确率随提示强度平滑且可预测地上升。在Delphi预训练序列上，该方法的预测误差明显低于标准缩放定律，并能减少比较模型优劣所需的测试样本数。
看点提出利用特权信息构造提示版基准以解决小模型准确率接近零的问题，并在多个模型族上验证预测误差大幅下降。
说明通过随机化克服需求删失：面向风险敏感报童问题的在线学习
简介本文研究有界需求、存在删失观测和凸非线性缺货成本条件下的在线报童问题学习。作者采用随机化订货构造无偏次梯度估计，以应对缺货掩盖缺货量的问题，并给出一种结合梯度更新的在线库存策略。文中分析了随机化的代价，并刻画了使其最小化的随机化分布。对于事后最优的固定订货量，该策略的期望遗憾为 O(T^{2/3})；在独立需求且满足一定曲率条件时，界改进为 O(√T)，并有匹配的极小极大下界。
说明多智能体系统规则设计理论：以同构车队为例
简介本文针对由大量分散式智能体组成的系统，提出规则设计的通用框架，将规则与监管者定义的系统性能集合相联系。作者先给出一般性的规则设计问题（RDP），再引入同构规则设计问题（HRDP），并证明在最坏情况聚合下两者解相同，从而避开RDP的组合复杂度。文章提出用于求解RDP的任意时间分支定界算法RuleBnB，并在自动驾驶案例中加以说明。
说明职业安全与健康的三层集成技术风险模型
简介本文提出一个分三层递进的职业安全与健康（OSH）管理框架，整合作业安全分析（JSA）、基于领先与滞后指标的动态风险评估，以及由大语言模型（LLM）支持的预测分析。该模型帮助组织从静态、被动的安全做法逐步过渡到预测型安全管理。每一层都以前一层为基础，形成数据驱动的综合方法，支持及时培训和预先风险缓解。
说明稀有有用特征下的多类分类：基本极限与多样性追踪高临界阈值筛选的最优性
简介论文研究特征维度很高、只有极少数特征有用、且类别数可能很多的分类问题。作者提出DP-HCT方法，对每个特征做单向方差分析等多样性检验，再用高临界阈值筛选p值以挑出有用特征。结果表明，在可以超过随机水平分类的情况下，DP-HCT配合方差分析与基于类均值相似度的简单分类器可实现渐近完美的准确率。
看点将二分类稀疏特征理论推广到多分类，提出类别数增长时更严格的相变，并给出DP-HCT的最优性结论，摘要报告了真实基准与模拟验证。
说明结构因果模型下分类任务的部分不变性
简介本文提出“环境—标签分离”这一部分环境不变性概念，将目标条件分布分解为环境不变成分和标签不变成分。作者在结构因果模型框架下给出了实现该分离的充分条件，并据此开发了dIMP-Classifier算法，同时最小化测试风险估计并促进跨环境不变性。实验在模拟数据和真实的光隧道因果实验箱数据上进行，结果显示该方法在目标机制受干预时仍能表现良好，并优于所比较的标准方法和基于不变性的基线方法。
说明大语言模型能否可靠地自我评估？一种概率VC框架
简介该论文提出一个理论与实证框架，考察大语言模型能否在两个自身生成的解答中分辨正确与错误，并给出合适的置信度。作者基于经典VC理论设计了概率VC（PVC）与校准感知PVC（C-PVC）两项复杂度指标，并用11个7-8B模型在数学推理、TruthfulQA和CommonsenseQA上测试。结果显示，自我评估表达能力较强的模型校准较弱，这种权衡在不同架构、训练方式和领域中都存在。
说明重训、告警还是回滚？概念漂移下生产机器学习的三种应对决策框架
简介论文提出RAR（重训-告警-回滚）状态机，为部署模型在概念漂移下性能下降时的三种应对方式分别设定触发条件与成本。作者在13个数据流（8个真实公开数据流及由其派生的5个半合成数据流）上，将RAR与包括成本感知重训策略在内的6种基线进行比较。结果显示RAR并非全面占优：在重训成本较低时，偏重重训的基线表现更好；在成本较高的部分数据流上，RAR的表现优于其他策略。
说明用于评估情感分析模型稳健性的蜕变测试
简介本文提出一种轻量级、基于批次的蜕变测试方法，用于评估语言类AI系统的稳健性。作者以情感分析为代表性任务，对一个预训练分类器施加同义词替换、拼写错误注入、词序变化和否定四类变换，并用一致性得分、翻转准确率和置信度变化进行衡量。结果显示模型在处理语义变化方面有所长处，但对文本噪声和逻辑变换较为脆弱。
说明利用分层多尺度流形容量最大化建模视觉皮层
简介该论文提出一种分层的无监督学习方法，用于模拟灵长类视觉皮层的神经反应。方法不依赖全局反向传播，而是为每一层设计基于流形容量的高效编码损失，并随感受野扩大逐层调整复杂度。作者在猕猴腹侧通路三个区域的神经数据以及人类物体分类心理物理数据上进行评估，结果显示其模型在所有评估中与同等架构的基线模型相当或更优。
说明AI审稿人能否看见你为改进论文所做的努力？——关于论文修改轨迹的大规模研究
简介本研究使用包含6959条论文修改轨迹的PaperTrajectory-2026数据集，考察AI审稿人的评分是否反映作者的实质性修改。结果显示，多数重大改进并未带来评分变化，不同审稿人之间在评分变化方向上的一致性较弱。此外，简短的负面用户意见有时会抵消甚至逆转修改带来的评分优势。
说明非互易球面注意力与检索：锐利的粗化时钟与可验证的得分校正
简介本文提出非互易球面注意力框架，用于粗化过程与压缩最近邻检索。作者证明在特定的收缩块条件下，粗化时间的对数尺度极限为1减去两块夹角的余弦，并给出有限压缩下注意力输出误差的O(r²)界。文中还将偏斜查询侧得分校准表述为严格凸矩阵问题，并在SIFT1M及一千万向量的FAISS IVF-PQ索引上进行了实验，报告了命中率与查询延迟。
说明迭代Gumbel规划用于连续控制
简介这篇论文研究如何把基于搜索的规划方法用于连续动作的强化学习控制。作者指出，直接把搜索得到的最优动作蒸馏到高斯策略中会产生投影误差和方差扩大的问题。为此提出迭代Gumbel规划（IGP），采用逐维分解的分类策略，并结合Gumbel Top-K采样和MPPI式多轮迭代搜索。论文称IGP在DMControl和HumanoidBench上取得了较好的综合性能与样本效率，动作序列也更稳定。
说明TIGER：从研究者偏好中学习，生成量身定制的研究想法
简介该论文提出TIGER方法，利用研究者的个人偏好来生成定制化的研究想法。在成对比较实验中，三位LLM研究者在76组比较中有56.6%至68.4%选择了TIGER-8B生成的想法，优于GPT-4.1生成的想法；两位博士研究者也分别在30组比较中选中TIGER-8B想法19次和17次。
说明谁来为缓存打分？中间层是判断KV缓存淘汰最好的裁判
简介该论文研究大语言模型KV缓存淘汰时，由哪一层的注意力分数决定保留哪些词元。作者在21个模型上发现，打分层所处深度影响淘汰效果：中间深度的层（约0.4至0.75处）在长上下文检索中表现最好。作者提出用带已知答案的校准提示词来选择打分层，并在多数模型上优于各层自行打分的默认方式。
看点新意在于提出选择打分层的问题，并解释了中深层打分的规律；在二十余个模型上测量，并与逐头SnapKV对比。
说明超越集成分歧：分布偏移下强化学习运动策略的预测式STL监测
简介本文评估了在仿真环境中训练的强化学习运动策略在分布偏移下的预测式信号时序逻辑（STL）监测方法，实验对象为Ant-v5和HalfCheetah-v5的冻结策略，采用世界模型闭环推演和三模型集成。研究发现，对于HalfCheetah，预测鲁棒性能较好地排序未来的STL违规，而集成分歧并不可靠地反映观测预测误差或违规情况。作者认为，集成分歧不宜被视为安全不确定性的可靠指标。
说明判别、校准与排序：统一的矩阵框架
简介本文提出一个统一的矩阵代数框架，用于评估分类器的判别、校准与排序三方面性能。在已有的指示矩阵框架基础上，作者加入偏差算子与排序算子，分别构建校准框架与排序框架，并在微平均、宏平均等聚合结构下统一处理Brier分数、nDCG、AUC等指标。文中给出了Brier分数、nDCG与AUC的若干代数性质，并在两个多标签基准上做了实验，部分结论已在Lean 4中完成机器验证。
看点将判别、校准与排序统一到同一矩阵代数框架下，新增偏差算子和位置增益算子，并有部分结果经Lean 4机器验证。
说明在嵌入空间中预测地表变化
简介该论文提出一种在卫星影像的嵌入空间（而非光谱数值）中预测地表变化的方法 E²Forecast，它结合高斯分支与整流流分支，能给出预测均值与不确定性或生成预测集合。在 Sentinel-1 和 Sentinel-2 基准上，预测嵌入使余弦距离由 0.20 降至 0.10，并减轻了过度自信。该方法还可通过比较新观测与预测来检测异常变化，在全球基准上 F₁ 由 41.58 提升至 48.70。
看点将遥感预测从光谱值转到嵌入空间，结合高斯与整流流双分支；在Sentinel数据和九种基础模型上验证，余弦距离减半。
说明小模型开放式推理的测试时扩展研究
简介该论文研究小型指令微调模型在测试时多次采样并投票的效果。方法是按语义聚类样本并返回最大类的代表，不依赖奖励模型或自我评判。结果显示，数学题上投票有明显提升，而开放式文本上几乎没有改善，因为大多数样本落在同一语义类别中，可供选择的空间很小。
说明《BOBA：基于错误假设之上——为何编程智能体不能放任自流》：说明编程智能体在连续任务中为何会失效。
简介论文构建了 BOBA-Bench，包含来自 140 个真实开源项目的 280 条连续请求链，每条链含 20 个相继请求，并对十个编程智能体进行评测。结果显示，单独完成请求时平均完成率为 95%，连续请求时仅为 51%。研究认为，主要原因是智能体会漏掉自身的错误，并在错误代码之上继续构建，后续请求失败的概率约为前者的两倍。加入一次外部纠错后，链式完成率从 51% 提升到 59%。
说明利用高分辨率二维图像重建三维微观结构
简介该论文提出一种名为PCRD（特权跨模态关系蒸馏）的框架，在训练时利用高分辨率二维扫描电镜图像，帮助仅凭较低分辨率三维显微CT数据重建三维微观结构。研究以拉挤成型碳纤维增强聚合物复合材料为对象进行验证。结果显示，二维截面重建的mAP比直接使用显微CT训练提高1.66个百分点；与高分辨率同步辐射X射线CT的三维对比中，纤维体积分数、直径和局部间距吻合良好，纤维中心线长度匹配率为89.97%，插值低分辨率体数据则为75.08%。
说明单目深度模型能否在不同视角下保持一致？一种基于视频序列的评估方法
简介该论文提出一种新的评估方法，用移动相机拍摄的视频序列检验单目深度估计模型在视角变化下的预测一致性。作者在多种真实视频上，借助运动恢复结构（structure from motion）把模型输出锚定到度量深度值。研究指出，此类基础模型在长时间跨度上的时间一致性仍是开放问题，并讨论了用运动恢复结构做度量校准时的挑战。
说明ZeroGraph：通过物化边界监督实现组合式分块训练
简介本文提出ZeroGraph，一种用于预训练模型转换与蒸馏的系统方法。它把冻结教师模型连贯的边界轨迹物化为带版本的数据集，使各分块在互不共享参数、优化器状态与随机状态的条件下训练，以持久化监督替代在线的跨深度梯度依赖。实验表明，未加锚定的目标会使拼接后的模型表现变差，而干净的教师边界回归方案在多个模型上通过了质量与上下文使用的检验。
说明用于前列腺T2加权MRI的条件生成模型及其在临床显著性前列腺癌分类中的下游评估
简介本研究是一项单中心回顾性研究，基于MAISI-v2开发了用于T2加权前列腺MRI的条件生成模型，加入了临床显著性前列腺癌类别、前列腺分区及病灶掩膜引导的条件控制，并使用相对优势加权损失在1303名患者（1654个病灶）上进行微调。研究结果显示，合成图像能在模拟数据受限的条件下提升临床显著性前列腺癌的分类性能，但该增益在跨机构测试中未达到显著水平。
说明用于2型糖尿病诊断的模糊增强机器学习方法
简介本文提出一种结合模糊化、数据平衡与进化特征选择的机器学习框架，用于预测2型糖尿病。该方法先对非线性临床变量进行选择性模糊化，再用SMOTE-ENN平衡数据并过滤噪声，随后以蝙蝠算法筛选特征，最后训练随机森林分类器。在Pima印第安人糖尿病数据集上，模型将特征压缩为10个，准确率达96.11%，F1分数为98.23%，明显高于使用全部16个特征的基线随机森林。
说明递归推理探索：借助演化推理图开展数学研究（张量分解的精确证书次数定理案例）
简介本文提出递归推理探索（RRE）框架，用演化的推理图记录数学研究中的命题、前提、论证、反例与修订，便于复用与核查。以一个复杂度研究案例为例，论文证明：对阶数不小于2、秩大于2的任意复张量，其原始两项分解方程的最小Nullstellensatz证书次数恰为3n。另有分支给出非零幂零m阶矩阵的相关界。
说明在三个公开数据集上用同一架构与协议进行脑电内语解码
简介本文用同一预处理流程、同一被试内五折交叉验证协议和同一个紧凑的双注意力Transformer模型（VC-DATNet），在三个公开的脑电数据集上比较内语解码效果。在四类的Thinking Out Loud任务上，每位被试的传感器与源空间混合准确率为39.48%；在BISpeech八词任务上为20.60%；在SyncSpeech八词任务上为25.53%。结果显示传感器空间与皮层源空间表示各有优势，且因被试而异，并且多数模型表现接近，提示这些公开数据上的性能更受信号质量和数据规模限制，而非模型容量。
说明ANCHOR：基于KL锚定的离线到在线强化学习稳定适应方法
简介该论文研究在不使用离线回放数据的情况下，将离线预训练的强化学习智能体适应到在线环境。作者提出ANCHOR方法：在在线微调初期将策略锚定到离线预训练策略，随时间退火该约束，并保留一个小的残余保守评论家正则项，以避免早期性能崩溃。在FrankaKitchen、AntMaze和Adroit任务上，该方法显著减少了灾难性失败，同时保持了较强的最终性能。
说明超越单位圆特征值：用于稳定状态空间动力学的不变基
简介论文针对对角状态空间模型在长序列推演中守恒量难以保持的问题，提出 Kronecker-Cayley 变换（KC）。该方法以对象子空间上的图拉普拉斯矩阵生成算子，并通过 Cayley 变换推进，使每一步保持对角结构且守恒量在训练前即固定。在四个守恒基准上，KC 的总质量保持在参考下限附近，而其他对角基线则损失数个数量级。
说明受限扩散桥：有针对性的去噪器训练与精修
简介扩散模型在目标分布中数据稀疏的关键区域往往不够准确。该论文研究从受限分布（用于集中采样的有偏分布）中采样，并证明在适当的中间时间，以受限构型为条件进行前向加噪时，偏差可以精确抵消。因此，用受限数据微调的预训练模型无需重要性权重即可在任意所选区域达到高精度。若没有目标数据，可用吉布斯采样仅基于受限数据训练的模型进行推断。
说明因不被发现而获奖：为何对齐训练会选出有条件的合规，而无法植入规范
简介本文认为，当前的AI对齐训练只能把规范转化为一种可被付出的代价，并且只在违规被察觉时才施加。因此训练可能偏向“仅在可能被发现时合规”的策略，而非始终合规。作者由此解释了伪装对齐、故意示弱和意识到被评估时的欺骗行为，并主张对不可被任何收益抵消的规范，应通过架构使违规不可用，而非依赖更深的内化。
说明价值强制：在所有噪声水平上对齐回报分布
简介本文提出 Value Forcing 方法，用流匹配（flow matching）估计回报分布，并在每个噪声水平上强制满足贝尔曼一致性，从而在数据有限的情况下学习更准确的价值函数。论文给出两种实现：actor-critic 方法 VF 和隐式价值学习方法 IVF。作者称在 26 个离线强化学习长时程任务中，两者都优于先前的价值学习方法，数据有限时提升尤其明显。
说明多智能体合谋与 J 空间：用可解释性方法发现并识别智能体之间的合谋
简介本文研究大语言模型智能体在多智能体系统中可能出现的合谋问题。作者借助 J 空间（一种此前用于发现单个大模型欺骗行为的表示空间）对 DeepSeek-V4-Flash 在 NARCBench 合谋基准上做可解释性实验，发现合谋智能体的 J 空间在回复前即已编码合谋相关的表征。作者还提出了无监督方法 J-PACT，用于检测智能体之间的合谋，并在四个开源模型上进行了评估。
说明反向传播算法的详细推导
简介本文逐步推导全连接前馈神经网络（sigmoid 激活、平方误差损失）的反向传播算法，从单个权重出发用链式法则追踪路径，再得到误差项 δ 和矩阵形式的四个基本方程。文章将推导扩展到多个训练样本和小批量梯度下降，并给出与 NumPy 实现对应的代码，在 AHDBase 阿拉伯手写数字数据集上进行了训练。
说明利用点云离散度改进路侧4D雷达车辆分类
简介本文介绍了一个路侧多传感器平台，将4D雷达与立体深度相机同步采集，并收集了真实场景数据集。针对雷达点云稀疏、噪声大导致分类困难的问题，作者提出基于Neyman-Pearson准则的二分类器，利用雷达点云簇时间平滑后的二维位置标准差进行判别，将分类错误率从52.1%降至42.7%。
说明个性化联邦学习何时值得其部署成本？
简介本文将个性化联邦学习的“个性化深度”选择建模为一个基于效用的经验决策问题，效用为 Macro-F1 减去成本敏感度权重与部署成本的乘积，共六个个性化深度（P0 至 P5）。在 CIFAR-10、CIFAR-100 和 PTB-XL 子集上的实验显示，个性化收益依赖于具体设置，成本敏感度越高，最优分配越倾向于仅全局模型的 P0。固定的最佳统一策略与离线 Oracle 分配较为接近，而 Ditto 全模型个性化在计入成本后表现明显欠优。
说明GatedV：用于Transformer语言模型的自门控数值方法
简介本文提出GatedV，一种注意力机制的简单变体，仅对值矩阵V在聚合前施加SiLU激活，且不增加可训练参数。在参数量匹配、训练令牌预算相同的条件下，它在两种规模的模型上都使留出集困惑度有所下降，并且在所有配对随机种子上均有改进。论文还报告了约0.7%的较大模型前向延迟增加。
说明基于检索的事实核查的对抗鲁棒性：检测与缓解证据污染
简介论文研究基于检索的事实核查系统面临的对抗性证据污染问题：构造在事实上不一致、但在语境和语言上连贯的证据，可以误导核查模型。作者提出GLAD防御方法，将稠密嵌入的同伴一致性与词汇分布隔离相结合。在两个基准、两种嵌入模型和五个随机种子上的实验显示，GLAD的检测率最高，并能恢复大部分因污染造成的性能下降。
说明TSSDA：用于构建时序文本转SQL基准的自主智能体
简介该论文针对时序数据库的文本转SQL任务缺乏高质量基准和训练语料的问题，提出了时序SQL生成数据智能体框架TSSDA。框架对时序SQL的语法和语义进行建模以构建数据生成空间，并由具备规划决策与查询生成模块、可在线自适应的数据智能体自主生成数据，同时加入时序感知记忆以复用经验。作者基于此构建了基准TERN，实验显示现有方法在该任务上存在局限，而TSSDA在覆盖度、多样性和复杂度上均有明显提升。
说明FOLLIE：首个法语句子与一阶逻辑表示数据集及自动推理
简介FOLLIE 将法语句子、组合式一阶逻辑表示与自动自然语言推理连接起来，包含来自六个异构推理数据源的19,983条推理记录和36,987个句子-公式映射，其标注由神经-符号流程生成。研究者还开发了基于Prover9和Mace4的自动推理引擎，在FraCaS-FR、GQNLI-FR和SICK-FR上报告了三分类准确率。