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Mesh2Shell神经算子：面向逆向形状优化的网格到壳层映射方法
简介本文提出Mesh-to-Shell神经算子（M2S-NO），作为与形状类别无关的逆向形状优化框架中的网格到壳层组件。它把用于设计的显式网格与用于物理预测的体表示分开，将表面采样映射为以表面为中心的壳层表示，再由独立的PDE神经算子预测物理场，目标梯度直接更新网格顶点。文中在几何匹配、喷气发动机支架和中子慢化体等任务上评估，报告相对最佳训练设计，支架最大位移降低14.3%，中子传感器电流提高13.8%。
说明联邦数字孪生系统中的语义互操作性：基于概念互操作性模型层级的系统综述
简介本文是一篇依据PRISMA 2020方法的系统综述，筛选了5833条记录并阅读了119篇全文，考察已发表的系统能否在数字孪生运行期间检测并修复失效的数据映射。纳入的32项研究中，映射都是在运行前固定的；运行期修复所需的两个要素只分别出现，缺少对映射是否仍然成立的检查。作者据此提出六项需求，供声称具备运行期语义互操作性的系统参考。
说明负载耦合下的条件校准契约：切换推理的分支感知审计
简介论文研究在突发负载下，模型推理路由系统中的条件校准契约，将其作为待验证的规范而非既有路由器的已认证属性。作者提出CA-MHD方法，结合负载耦合蒸馏、闭环回放与成本感知的Schmitt路由器，并在离散事件模拟器中评估40组实验。结果显示，部署的宽分支有序准确率在所有40组中均低于原始教师模型；学生模型单独服务在27/40组中历史有序差距更低，但路由会出现高达17.5%的违规尾部，且学生p99延迟仍高于1.5毫秒目标。
说明用扩散反事实样本与匹配阳性对照检验黑色素瘤分类器的概念级审计
简介本文针对黑色素瘤分类器的概念解释，构建了由扩散模型生成的反事实审计方法，条件为七个7点检查表概念，并以已知目标的对照进行检验。结果显示，色彩校准的初始噪声显著降低了色彩异常值比例，多数旋钮虽以目标概念为主，但也会改变其他概念。审计未通过预设规则，同时作者提出匹配对照与零假设分类器作为概念审计的实用检验手段。
说明基于CNN的视网膜OCT分类：研究缺口分析与从零训练基线ED126-A
简介本文回顾了基于卷积神经网络（CNN）的视网膜OCT图像分类研究，并指出受控基准比较中的方法学问题。作者提出ED126-A，一个从随机初始化训练的四分类CNN基线，在Kermany标注OCT数据集上训练和评估。该模型在图像级留出测试集上准确率为95.03%，宏平均F1为0.9205；Drusen类别的精确率较低，为0.7493。
说明仅学习排序的在线策略蒸馏（O³PD）
简介论文提出一种在线策略蒸馏方法O³PD，让学生模型只学习教师模型对候选词前K个词的排序，而不拟合其概率数值。由于目标与教师温度无关，无需调节温度。在六组教师—学生模型组合上，该方法在HMMT25、AIME24和AIME25上的平均成绩均优于OPD，最高领先2.9分，在AIME25上最多提高5.6分。
说明通过测试时训练整合推理：让多智能体的推理轨迹共同提升模型解题能力
简介论文提出TTT-Consolidate框架，把多个智能体的推理轨迹作为适应数据，通过测试时训练压缩为轻量LoRA适配器，再基于整合后的信息生成新解答。作者用双层优化元学习整合方法，并构建了包含12,810道数学题与六个大模型轨迹的OpenParallelThinking语料。在数学与STEM基准上，该方法优于最佳聚合基线，最多高出20个百分点。
看点新意在于用测试时训练把多智能体推理轨迹压缩成LoRA参数并用双层优化元学习整合；摘要报告在数学与STEM基准上较最佳聚合基线最多高出20个百分点。
说明NorthCUA技术报告：通过规模化经验提升计算机使用智能体
简介该论文提出NorthCUA系统，通过大规模经验提升计算机使用智能体的能力。系统包括经验飞轮、执行框架、分阶段学习和桌面与网页联合强化学习，用于生成并利用可验证的轨迹与可复用技能。论文报告，其Nano、Mini和Pro系列模型在报告的评测设置下，于GUI定位、桌面执行和网页交互方面取得开源模型中的领先结果。
说明延迟与漂移叠加：机器人基础模型的物理安全是跨层问题
简介论文指出，机器人基础模型在闭环中的物理安全并非单一模型的属性，而是环境变化、模型、计算平台和执行过程相互作用的结果。作者提出跨层变化传播框架，并在LIBERO上对pi0.5视觉-语言-动作模型做了4000组配对闭环实验。结果显示，400毫秒推理延迟在训练视角下使安全违规率上升3.5个百分点，在60度相机偏移下上升37个百分点，联合作用比两者单独效应之和多出33.5个百分点。
说明EarthJev：对 Sentinel-2 土地覆盖自然语言问题的校准、非生成式回答
简介该论文提出 EarthJev，一个 0.8B 参数模型，用于回答关于多光谱 Sentinel-2 卫星图像的选择题，且不生成任何文本，而是直接读取选项字母的 logits 作为答案。模型在 BigEarthNet v2.0 的 70,890 个问题上训练，在 36,028 个测试问题上准确率为 86.0%，回答速度比多模态语言模型快 4.3 至 8.7 倍，并给出校准后的概率。
说明伯努利在线策略蒸馏：不要忽略高置信度的学生词元
简介在线策略蒸馏让学生语言模型在自己生成的轨迹上，接受更强教师模型的词元级监督。论文指出，标准的采样反向KL蒸馏会抑制高置信度词元的更新，即使其梯度贡献较弱，教师监督也未必弱或无信息。作者提出伯努利在线策略蒸馏，直接匹配师生在该词元上的概率，在保留师生分歧的同时避免这种置信度相关的抑制。
说明HQNN-CL：融合市场状态感知与持续学习的混合量子神经网络金融预测
简介本文提出一种名为HQNN-CL的混合量子-经典神经网络，用于金融时间序列预测。该框架结合高斯隐马尔可夫模型识别市场状态、BiLSTM时序编码、自适应深度参数化量子电路，以及弹性权重巩固、经验回放等持续学习方法，并输出概率性预测。在Microsoft、Systems Limited、Teradata和Tata Consultancy Services四组股票数据上，该模型与七种先进预测模型进行了比较，在Systems Limited和Teradata数据集上表现优于其他方法。
说明多智能体取货与配送的局部方案修复方法
简介本文针对自动化仓库中多机器人的取货配送任务，提出一种局部方案修复方法（LSR）。该方法在运行时检测次优行为，并局部改进路径以减少智能体之间的冲突。作者将其用于修复 M2M 和 LNS-PBS 两种基线方法生成的方案，并在三个环境的长时间仿真中进行测试。结果显示，任务吞吐量最高提升5.9%，次优实例减少约3.6万个或14.6%，计算时间增加很少。
说明噪声数据下面向预测后优化的约简成本影响函数
简介本文研究上游模型预测下游线性规划成本向量的场景，训练数据中大量为噪声数据，仅有少量干净数据。作者提出约简成本影响函数（RCIF），结合稳健统计中的影响函数与线性优化的几何结构，用于估计每个训练样本对下游决策的影响。基于此，提出一种利用RCIF对有害训练样本降权的重加权算法，以降低下游遗憾值。实验在随机线性规划和最短路径问题上显示该方法降低了遗憾值，理论分析刻画了RCIF的性质并指出了相对基线更有利的情形。
说明用物理信息神经网络计算黑洞潮汐勒夫数
简介该论文提出一种物理信息神经网络（PINN）框架，直接依据扰动方程计算黑洞的潮汐勒夫数。研究以克尔黑洞的静态扰动为对象，并利用其精确超几何解作为数值求解器的基准。结果显示，对标量、矢量和张量扰动，该方法得到的耗散响应相对误差均低于10的负5次方，并为后续频率依赖与不可分离扰动问题的研究提供了经过验证的框架。
说明ParetoSaddler：面向质量与成本的智能体框架帕累托优化方法
简介该论文提出 ParetoSaddler，一种在不修改模型权重的前提下优化大语言模型智能体框架（harness）的方法，同时兼顾回答质量与任务成本。方法将中间候选方案的筛选与最终部署选择分开，利用贝叶斯自助法（Bayesian bootstrap）帕累托支持度判断候选方案是否在质量或成本上有可信进步。在 ClawMark 和 GAIA2 两个基准上，该方法在提升质量的同时降低了每任务成本。
说明扩散驾驶视觉-语言-动作模型中的场景自适应读出与解码
简介该论文针对扩散驾驶视觉-语言-动作模型每个去噪阶段都要完整运行主干网络、推理开销大的问题，提出按场景自适应分配读出与解码计算的框架。框架用场景条件的读出混合专家模型，在一次主干前向后组合不同后层表示的轨迹预测；并用自适应解码策略，仅在场景需要时才追加解码。在Waymo E2E与nuScenes基准上的实验显示，该方法提升了规划质量，并在Waymo E2E上实现最高6.0倍的端到端加速。
看点新意在于按场景自适应选择读出层与解码深度，减少扩散驾驶VLA的重复主干计算；摘要报告在Waymo E2E和nuScenes上的RFS提升与最高6.0倍加速。
说明解耦的预测式决策：面向智能体的共享条件预测器
简介该论文提出解耦预测式决策框架（DPDM），把智能体的多种决策统一表述为条件预测任务：语言模型负责编码当前与历史记录的语义表示，一个通用的预训练条件预测器（LimiX-2）依据这些证据预测目标。部署时的观察数据用于生成具体预测，而不更新任一模型的参数。在50个基准测试上，结合Qwen3.5-27B编码器的DPDM平均准确率由少样本提示的78.80%提升至84.92%。
说明SWE-Trail：用历史轨迹引导编码智能体训练数据收集
简介该论文提出SWE-Trail，一种利用已有轨迹指导后续收集的方法，历史信息不放入编码智能体的上下文。在训练124B学生模型的实验中，相比独立采样，它在SWE-bench Multilingual和SWE-bench Pro上分别提升2.33和1.60个百分点。
说明《回到未来》：借助回溯校正预测长时程动力学，用于扰动感知的物体取回
简介该论文提出DARE（扰动感知取回）框架，用于在杂乱密集的存储空间中取回物体。框架通过物体级消息传递预测动作引发的扰动传播，并在获得稀疏观测后用学习到的校正器修正先前的预测状态，再沿接触链传播修正。规划器据此在取回进度与周围物体的位移、旋转之间取得平衡。论文在平面环境和RoboCasa环境中进行了实验。
说明面向精神科医生训练的状态感知虚拟患者模拟系统
简介该论文提出一种用于训练精神科医生处理高难度临床情境的虚拟患者模拟流程，可模拟自杀意念、幻觉等高风险表现。系统在交互中持续维护患者心理状态，并由基于学习的行为策略选择器决定挑战的类型与强度，再结合状态、医生回应与临床知识，由大语言模型生成患者回应。每次训练结束后，系统会分析互动并向医生提供沟通与处理方式的反馈。
说明大几何模型作为快速物理预训练的先验
简介论文提出 Euler-Lagrange 几何预训练，依据流动方程从形状的距离和法向信息推导预训练目标，而非人为设计。作者实现了 AREALS 掩码表面自编码器，在 61,822 个原始网格上进行自监督、无符号预训练，并在 DrivAerML、DrivAerNet++、WindsorML 及 DoubleDelta 机翼数据集上评估其在场重建与微调中的数据效率。
看点用欧拉-拉格朗日方程推导几何预训练目标，提出面元令牌掩码自编码器，在多个气动数据集上减少所需仿真数量。
说明脆弱性不能归结为难度：面向大语言模型的条件因果难度
简介本文研究大语言模型在含义不变的改写下性能大幅波动的问题，将任务难度定义为含义保持扰动对模型的因果效应，即条件因果难度（CCD）。作者构建了 GlassGSM 和 GlassMATH 两个基准，为 GSM8K 与 MATH 加入扰动生成的“孪生”题目，使脆弱性显著提高，并提出 Frail 方法预测扰动后的失败概率。
看点将任务难度重定义为条件因果量并提出残差化的脆弱性指标，作者报告在GlassGSM与GlassMATH上与基线对比，并构建了扰动孪生数据集。
说明具身视觉语言模型是否真的使用了其场景图记忆？
简介本文研究具身智能体回答路线问题时，视觉语言模型能否真正利用场景图记忆。作者提出“图交换测试”，即为每个样本换入另一条路线的场景图并统计答案变化数量。在涉及两至七个房间的具身问答基准上，文中比较了把场景图以文本或图编码器形式输入微调模型的方式。结果显示，文本形式被明显利用，图形式则因标准池化与后期融合丢失信息而效果较弱，为每个节点分配独立输入令牌可部分恢复效果。
说明基于大偏差理论的稀有事件约束强化学习
简介本文研究有限时域强化学习中对到达失效集概率的安全约束问题，关注失效概率极小但后果灾难性的场景。作者不直接估计稀有事件概率，而是利用大偏差原理，通过损伤变量的累积生成函数（CGF）及Cramér定理给出失效概率的上界。该方法扩展到带命中时间的马尔可夫决策过程，提出与策略无关、可由常规转移估计的状态-动作CGF，从而可对任意策略事先检验约束，并据此设计了一种策略改进算法。
说明学会看：视觉理解的基础
简介视觉语言模型常出现视觉幻觉，例如描述图中并不存在的物体。本文提出 LOOK 任务，要求模型识别其视觉输入中哪些部分对它可见。该任务以自监督方式构建，无需人工标注模型可见的区域。实验表明，现有视觉语言模型难以定位可见区域，而在 LOOK 任务上微调后，模型对视觉输入的感知能力有所提升。
说明同一函数，不同梯度：参数重参数化下梯度可靠性评估
简介本文指出，梯度大小常被用于剪枝、隐私训练与模型调试等决策，但同一函数可在不同参数坐标下计算，梯度随之改变。作者提出梯度重参数化可靠性评估（GRR）框架：在保持预测不变的前提下改写参数坐标，再检验基于梯度的决策是否随之不变。实验涵盖GLUE分类器、ViT、GPT-2、Llama类模型及LoRA适配器，结果显示预测保持不变，但梯度与基于梯度的决策都会改变。
说明UniGS-SLAM：增强几何与开放词汇语义的单目高斯SLAM
简介该论文提出UniGS-SLAM，一种仅依赖RGB图像的单目语义SLAM框架，用于重建场景几何并构建语义地图。方法将开放词汇语义与高斯重建解耦，语义被融合到带有观测来源信息的独立稀疏体素图中，使历史贡献可随重建更新而修正，并用于指导高斯滤波和局部表面优化。论文报告在Replica、ScanNet和KITTI-360上取得了优秀的跟踪、渲染和几何重建性能，并在开放集语义建图方面表现良好，重建速度约为最快对比语义SLAM基线的2.37倍。
说明强化学习在高能物理中的应用综述：从加速器控制到理论探索
简介这是一篇综述论文，梳理强化学习在高能物理中的应用。强化学习通过与环境交互并依据奖励学习决策策略，适合闭环决策类任务。文章涵盖加速器控制、数据质量监测、粒子径迹重建、探测器设计、触发控制、分析以及形式量子场论计算等领域，并与传统方法进行对比。文章还指出奖励设计、仿真到实物迁移、安全性、缺乏共同基准以及统计有效性等公开挑战。
说明反馈中的信念：Transformer 中相互作用智能体的因子化表示
简介本文用计算力学框架研究通过反馈相互作用的多个智能体。作者证明，任何联合随机过程都可以表示为相互作用智能体反馈行为的结果，并由贝叶斯信念可分解为各智能体分量的隐马尔可夫模型生成。实验显示，在此类反馈序列上训练的 Transformer 会把各因子的信念分离到残差流的不同子空间中，且表示维度随智能体数量线性增长。干预实验表明这些表示具有因果作用。
说明METER：用于短事件脑电微状态转移分析的配对事件校准方法
简介该论文提出METER框架，用于分析短认知事件中的脑电微状态转移。它以参与者自身的固定参考事件库为基准，按持续时间进行条件匹配，并通过处理稀疏转移表的不确定性来计算事件秩与标准化坐标。在模拟实验中，该方法的事件级假阳性率维持在0.044至0.056之间。在4175个自然阅读事件的实证分析中，主要的30毫秒分析未发现经多重比较校正后仍显著的语言学关联。
说明面向3D高斯溅射的统一损失感知密度控制
简介该论文针对3D高斯溅射中自适应密度控制的问题，将分裂、复制和不透明度调整改写为基于损失下降的局部决策，并用泰勒展开得到每个高斯的预测替代项。方法包括在归一化位置-尺度空间中的二阶分裂、选择性复制以及选择性软不透明度衰减。作者称在标准基准上，该方法在相近或更少的高斯数量下提升了渲染质量。
说明ECGJev：面向12导联心电图判读的问题条件化选项评分框架
简介该论文提出ECGJev框架，用于回答关于12导联心电图的诊断问题。它以预训练语言模型作为解码器，一次前向传播即可为问题的所有选项打分，并使用诊断标签对模型进行两阶段适配。在CPSC2018、PTB-XL和Chapman三个数据集上，ECGJev取得了最高的宏平均F1值，在小样本PTB队列上的泛化表现也具有竞争力。
说明平滑度不是单一数值，而是贝索夫谱上的一个点
简介本文提出有限差分粗糙度谱，用不同大小和方向的扰动衡量模型输出的变化，将Lipschitz敏感性与方向性Hessian曲率统一到同一框架中，并与经典贝索夫理论相联系。在图像分类中，作者提出的粗糙度来源控制（RSC）在80个检查点上提升了噪声鲁棒性；在训练后量化中，该方法在14组设置下的困惑度低于基于Hessian的HAWQ-V2基线。
说明基于四维三角溅射从单目视频重建动态内窥镜场景
简介该论文提出SurgicalTS，一种自监督的三角溅射框架，用于从静止单目相机拍摄的视频中重建可形变的动态内窥镜场景。场景由一组规范三角形表示，并与形变网络联合优化，采用基于四元数的形变模型、改进的颜色参数化、时空先验以及针对遮挡情况改进的初始化策略。在多种手术的内窥镜活体视频上的实验表明，该方法能够建模软组织形变和器械与组织的相互作用，并且优于现有方法，同时缩短了训练时间。
说明SensOFormer：面向粒子加速器的基础模型
简介该论文提出SensOFormer，一种用于粒子加速器传感器数据的去噪掩码Transformer模型，采用Perceiver式编码器-解码器结构，可处理变化的传感器组合和不同采样率。模型通过自监督方式在历史加速器数据上预训练，并迁移到缺失数据插补、异常检测、腔体识别和故障识别等下游任务。论文称单一自监督模型可为多种运行任务学习可复用的表示。
说明LARK：借助 Lean 形式化验证 LLM 生成的 GPU 内核
简介LARK 是一个智能体框架，用 Lean 4 对 LLM 生成的 GPU 内核与其 PyTorch 参考实现做形式化等价验证，而非仅靠测试。人工只需预先验证算子级的 Lean 语义，LLM 智能体再把内核分段并证明各段与参考实现一致。在 KernelCraft 任务中，LARK 完整验证了 10/12 个 Level-1 内核和全部 5 个 Level-2 内核；在开源推理框架的 10 个生产内核中验证了 9 个，并发现第十个内核中的一个新数据竞争漏洞。
看点新意在于用Lean 4形式化GPU机器模型并由代理自动分段证明内核与PyTorch参考实现等价；摘要报告在KernelCraft任务上验证12个中的10个，并在开源服务框架内核中发现一个数据竞争bug。
说明CZT漂移条探测器中具备不确定性感知的三维位置重建
简介该论文研究CZT漂移条探测器中的三维相互作用位置重建，比较了两种具备不确定性估计的方法：深度集成与基于仿真的推断（SBI）。两种方法均基于物理仿真数据训练，并在合成数据和实验数据上评估。结果显示，两者的不确定性都与定位误差相关，其中SBI的相关性更强；在实验数据上，深度集成提升了z方向位置分辨率，而SBI则能更清楚地标示位置信息较弱的区域以及仿真与实际探测器之间的差异。
说明以重建作为空间评估：诊断大型视觉语言模型的跨视角空间智能
简介本文提出RECONSPATIAL基准，要求模型根据多视角真实图像及目标物体查询，在相机锚定的度量坐标系中预测有方向的三维包围框，并从相对结构和度量精度两方面评估重建质量。实验测试了18个前沿模型，发现相对结构与度量重建之间存在一致的差距。此外，论文还探讨了离线导航与三维地图注入等扩展评估，并发现空间微调能够迁移到通用视觉语言任务上。
说明ClickSight：借助大语言模型，依据学习策略解读学生点击流
简介数字化学习环境会留下大量点击流数据，但解读这些细粒度记录通常需要大量专家投入。本文提出 ClickSight 框架，依据文献中定义的学习策略来解读学生的点击流。该框架采用分阶段的大语言模型流程，识别与策略相关的证据，评估学生对各项策略的符合程度，并生成有证据支撑的行为解读。
说明CULTURE-CMT：面向语境的社交媒体评论翻译基准
简介该论文提出 CULTURE-CMT，一个中英文社交媒体评论翻译基准，恢复了帖子和对话语境，包含 572 条人工核验样例，分为俚语、语境和两者兼有三类。作者还开发了结合校准评分模型与动态检索文化知识的文化有效性评判器。研究发现，提供互动语境能改善多数模型，但仍无法消除文化上无效的译文；更大的模型并不稳定更优，而针对社交媒体数据微调的 27B 模型在带思考和语境的推理下无效率最低。
说明Switch-SWE：编程智能体在切换未完成任务时能否保持专注？
简介该论文提出 Switch-SWE 基准，用于测试编程智能体在同一代码仓库中交替处理多个未完成任务时，能否回到原任务并完成修改。基准包含来自 19 个 Python 仓库的 200 个焦点任务。测试 7 个智能体后发现，交替处理其他任务使焦点任务的平均解决率下降 11.5 个百分点。作者还提出一个上下文管理模块，在 OpenCode 上将切换场景下的完成率提高 5.5 至 15.5 个百分点。
看点新意在于评测同仓库未完成任务切换后的任务恢复能力，并提出插件式上下文管理模块；摘要报告在200个任务、7个编码智能体上的实验，并给出约5.5至15.5个百分点的改进。
说明规模让可能成为现实：大型模型如何掌握不可能的语言
简介该论文研究语言模型能否学习违反人类语言结构、认知或逻辑约束的“不可能语言”。作者提出“语义连贯性”概念，并在不同规模的模型上进行微调实验。结果显示，十亿参数模型在两类语言上表现相近，而百万参数模型在不可能语言上明显下降，且随语义复杂度增加差距扩大。
说明MedPsy：面向边缘设备高效部署的小型医学语言模型
简介本文提出MedPsy，一个面向边缘设备部署的纯文本医学语言模型系列，参数规模为1.7B和4B。研究结合合成医学数据、来自235B医学大模型教师的思维链目标，以及包含两阶段监督微调和两阶段强化学习的后训练流程。在七个封闭式医学基准上，MedPsy-4B超过MedGemma-1.5-4B 19.34分，并与MedGemma-27B持平，同时体积缩小6.75倍；生成回答平均长度也明显缩短。
说明面向社交媒体翻译训练的检索增强文化评估
简介该论文针对社交媒体用户生成内容翻译中文化细节难以准确评估的问题，提出用检索增强的文化评估方法训练翻译模型CUE-MT。系统由经过校准的领域评判器与可检索外部证据的智能体协同工作，智能体把检索到的证据压缩为提示，帮助评判器打分并给出训练奖励。实验显示，CUE-MT在多种规模的基座模型上优于同规模的开源基线，且检索带来的收益得到了消融实验支持。
说明NAS-PO：面向视觉语言模型的原生注意力策略优化方法
简介本文提出NAS-PO，一种用于视觉语言模型强化学习后训练的方法。它直接利用模型内部的原生注意力信号，引导模型在推理时关注对推理有用的视觉区域，而非依赖图像扰动等间接代理指标。实验显示，该方法在7个域外推理与感知基准上超越主流强化学习调优的视觉语言模型，并在8B和32B规模上均得到验证。
说明MIRA：基于互信息校准的可靠测试时自适应方法
简介该论文提出MIRA方法，用于在无源数据条件下对部署后的模型进行在线自适应。它在最后一层分类器上加入轻量高斯扰动，通过互信息和预测一致性衡量预测的可靠性，并据此给熵最小化损失中的不稳定样本降低权重。作者称，在分布偏移基准实验中，该方法提升了准确率、校准度和负对数似然。
说明长程对齐、短程规划：在长时程学习环境中通过实现短期计划模拟符合多样画像的学生
简介该论文提出ALPS方法，用于在开放式学习环境中模拟符合特定行为画像的学生。它先规划与画像一致的任务片段，再生成对应动作，而非逐轮独立选择动作。在物理探究游戏和药房模拟两种环境中，ALPS在数据稀缺时的画像一致性优于逐轮生成，但覆盖范围较低。
说明TrackMem：在长程金融对话中追踪不断演变的信念
简介本文提出TrackMem，一种按说话人划分的图结构记忆系统，用于追踪金融对话中数字的修订历史、区分不同实体与分析视角下的观点，并按时间顺序保存说话人的行为。作者同时构建了FinLoCoMo基准，包含15段长程投资对话和765个问题。实验显示，TrackMem在两种划分上均优于现有记忆系统，在失效模式划分上达到73.9%的宏平均准确率，对修订数字的问题提升最明显。
说明Safety4DM：面向车路云协同驾驶风险感知动态地图的视觉-语言框架
简介本文提出Safety4DM，一个面向车路云协同动态地图的安全导向语言系统。作者构建了包含四类道路状况、四个风险等级的真实道路图像数据集RoadRisk，并微调视觉-语言模型以输出可直接写入动态地图的结构化风险信息。同时提出SafeStep自然语言查询机制，可准确回答问题并给出驾驶建议。实验显示，微调后的Qwen3-VL-4B风险感知准确率为89.83%，在多种大模型上自然语言查询准确率均超过93%。
说明青光眼检测卷积神经网络的跨数据集泛化：工作阈值、多源训练与颜色归一化的影响
简介本文研究用于青光眼眼底图像检测的深度学习模型在新数据集上的表现。作者在三个公开数据集上分别微调了五种预训练网络，并在其余数据集上测试，发现跨数据集AUC比同源数据集平均下降约0.21。LAB参考归一化和强颜色增强能减少下降幅度，但无法消除；论文同时指出，仅报告AUC并不足以说明模型在新数据上的可用性。
说明合成现实：评估人类区分AI生成视频与真实影像的能力
简介本研究让87名未受训练的参与者判断18段真实视频和18段AI生成视频是“真实”还是“AI生成”。AI视频分别由文生视频、图生视频和视频扩展三种方式制作。结果显示，参与者平均正确率为60%，图生视频最容易被识别（79%），文生视频最难（43%）。内容主题也影响判断，环境类片段更常被误判为AI生成。
说明RubricWorld：由世界模型指导的 LLM 评分器评分标准优化
简介该论文提出 RubricWorld 框架，在保持 LLM 评分器参数不变的前提下优化评分指令。其世界模型根据已有的编辑评估结果，预测每次修改在分数边界上的纠错率和新增错误率，以指导后续搜索。在 EIR（National）、ASAP2.0 和 ASAP-SAS 三个数据集、三种冻结的 LLM 评分器上，RubricWorld 在 27 项指标比较中有 20 项取得最高分；在 ASAP2.0 上，gpt-5-mini 的准确率从 18.20% 提升至 46.70%。
说明基于不确定性校准乘积专家高斯过程与信赖域的大规模贝叶斯优化
简介本文提出一种名为BO-pro-c-tr的新贝叶斯优化算法，用于大规模和高维优化问题。该方法以带不确定性校准的乘积专家高斯过程（GP-pro-c）作为代理模型，并采用一对多关联策略将其与信赖域结合。文中称，在配合GP-LCB采集函数时，相比基于独立局部高斯过程并结合信赖域的方法，该算法的简单遗憾平均降低2.6%，计算开销平均降低34.9%。
说明SurgStream：面向实时手术视频理解的工作流锚定主动流式框架与基准
简介该论文提出SurgStream框架，用于实时手术视频理解，可支持流程监控、器械准备和手术记录等术中辅助。框架包含工作流锚定记忆（WAM），用于记录结构化的器械-动作-目标观察并汇总为阶段摘要；以及截止期感知转换学习（DTL），用于在临床时间窗口内监督响应状态。作者还构建了SurgStream-Bench基准，包含11.7K次流式交互，实验显示其在记忆和前向主动问答任务上优于现有方法。
说明打开神经拍卖机制的黑箱：一种事后白盒审计框架
简介该论文针对用于网络平台的神经拍卖机制内部不透明的问题，提出一种事后白盒审计框架。研究以CITransNet为测试对象，利用稀疏自编码器分解隐藏表示，并通过激活预测与因果干预验证可解释特征。作者进一步展示了这些特征可用于分析策略性虚报激励、与Myerson最优拍卖的一致性，以及单个拍卖的诊断。
说明基于Hankel-FCN的BVP与呼吸多模态自动疼痛识别
简介该论文提出一种深度学习框架，利用AI4Pain数据集中的血容量脉搏（BVP）和呼吸（RESP）生理信号进行客观疼痛评估。信号经Hankel矩阵嵌入转换为轨迹表示，再由各模态的全卷积网络处理，并通过后期融合完成无痛、低痛、高痛三分类。实验中准确率为67.09%，F1分数为66.41%，多模态融合优于单一模态。
说明MUPA²S：用于压力评估的多模态统一感知与非对称注意力模型
简介该论文提出MUPA²S框架，通过将面部视频与心电图（ECG）信号映射到共享的标记表示中，并采用分段局部交叉注意力与全局自注意力相结合的非对称注意力机制，实现自动压力评估。在一个新采集的58名受试者数据集上，面部视频测试准确率为69.44%，视频与ECG统一融合为69.58%，参数量约为特征级融合的一半。
说明基于知识引导的积水水位推理及云边协同监测
简介该论文提出HydroReasoner，一个用于云边协同的积水水位推理框架，将积水水位检测转化为显式视觉推理问题。模型基于Qwen2.5-VL，结合知识图谱HydroKG和图路径奖励进行训练，并通过4比特量化降低边缘部署的资源消耗，同时配套提出基于置信度的云边路由机制和包含3000张图像的HydroLevel数据集。实验显示，其在域内与域外的检测准确率分别比传统视觉基线高4.0和13.6个百分点。
说明更准确的答案，更弱的证据控制：同策略蒸馏中的证据绕过现象
简介论文研究同策略蒸馏（OPD）在科学文献问答中的一个问题：模型答案准确率提高，却对文档中的证据变化反应变弱。作者通过改变文档中支持答案的内容来测试，发现模型会保留原本正确的答案，称为证据绕过。作者提出证据配对同策略蒸馏（EP-OPD）方法，在QASPER和PeerQA数据集上进行了验证。
说明Launder-Bench：能否检测仓库级智能体代码“洗白”？
简介论文指出，编码智能体可以在保持测试行为的前提下重写整个代码仓库，这对查重、许可证审计和软件来源追溯提出新挑战。作者提出仓库级智能体代码洗白问题，并构建了基于282个真实仓库的基准Launder-Bench，包含成对判断与来源归属两类任务。结果显示现有方法距离该基准仍有较大差距，相对相似度与特定来源的溯源证据之间存在系统性差距。
看点首个仓库级代理式改写溯源基准，区分相似与来源证据，构建于282个真实仓库，并报告了检测方法的明显差距。
说明OC-OPD：面向同策略蒸馏的观测协调监督方法
简介该论文针对同策略蒸馏中的两种KL散度（反向与正向）提出观测协调方法OC-OPD。作者在学生生成的前缀上构造四组观测矩阵，并证明两种KL目标的logit梯度耦合与若干对比项之和相等，从而得到共同的局部下降方向。方法在数学推理任务上取得明显提升，并能迁移到分布外的科学问答与代码生成任务。