Anomaly-ranked confirmation slows new-class learning
说明异常排序式确认会减慢新类别的学习
简介异常检测器会把陌生样本按排序提交专家确认，确认后的样本再用于训练分类器识别新类别。作者在物理、医学和计算机视觉的五个基准上发现，检测器标记的样本恰恰是分类器最先学会的样本。在三个系统中，确认新类别中排名最靠前的样本，其识别效果低于确认同等数量的随机样本。
本页没有符合条件的条目（筛选只在本页内进行）。
R²-Omni: Reducing Structural and Precision Redundancy in Omni-LLMs for Long-Form Generation
说明R$^2$-Omni：减少全模态大模型长文本生成中的结构与精度冗余
简介本文针对全模态大语言模型（Omni-LLMs）处理音视频多模态令牌时计算与KV缓存内存开销大的问题，提出一种无需训练的框架R$^2$-Omni。该框架先通过结构感知令牌合并（STC）利用视频的时空相似性和音频的局部连续性合并冗余表示，再通过语义敏感度引导的精度分配（SSPA）为保留的表示分配数值精度。在长文本生成基准上，论文报告内存占用平均降低5.0倍，保留97.98%的基线生成质量，端到端加速1.48倍。
A Common Language for Dynamic Graphs: Interaction Tokenization Enables Foundation Models
说明动态图的通用语言：交互分词使基础模型成为可能
简介论文提出 CL-DGFM，一种面向时序链接预测的动态图基础模型。其核心的动态交互分词器把交互记忆、历史连接和有序目标转移编码为经过校准的表格输入，使现有预测器无需额外的可训练图编码器即可使用动态历史。模型在多样的合成动态过程上训练预训练表格基础预测器，并在目标图上无需更新参数即可迁移到真实图。论文称其在 TGB 和 TGB-Seq 上表现具有竞争力。
HyperFlow: Class-Incremental Semantic Change Detection via Hyperbolic Flow
说明HyperFlow：基于双曲流的类增量语义变化检测
简介该论文针对遥感图像语义变化检测中类别需逐步增加的问题，提出HyperFlow方法，利用双曲空间表示土地覆盖类别的层级关系，并以Busemann原型将变化建模为学习到的语义流中的异常。作者还发布了高分辨率遥感数据集HiChange，带有细粒度层级标签。实验表明，该方法在各增量步骤中兼顾变化检测与语义分割性能。
★★★★☆ 值得关注
Forecasting How RLHF Responds to Reward-Model Edits Before Training
说明在训练前预测强化学习人类反馈（RLHF）对奖励模型修改的反应
简介论文研究奖励模型（RM）修改后，RLHF策略会如何变化。作者提出可在训练前，依据当前策略的样本以及新旧奖励模型的打分，预测策略对RM修改的反应。通过受控的54次强化学习实验，该预测方法在短期内能较好地预测特征变化的方向，并在GRPO及真实奖励模型升级中仍然有效。
看点新意在于用RM编辑前的策略样本与协方差预测RLHF对RM修改的响应，在54次RL运行中以预注册方式验证，对RM修改有实用价值。
ScienceCUA: Resource-to-Skill Construction and Execution-Guided Skill Evolution for Scientific Computer Use Agents
说明ScienceCUA：面向科学软件计算机操作智能体的资源到技能构建与执行引导的技能演化框架
简介该论文提出ScienceCUA框架，用于让计算机操作智能体使用科学软件。它先从软件文档中提取可执行的技能和可查询的参考资料，再依据同一任务的成功与失败执行轨迹迭代修改技能库。论文还提出了两个改进的基准测试，用于可靠评估。实验显示，初始技能与参考资料将平均任务成功率最多提升7.23个百分点，技能自演化后的总提升最多达17.12个百分点。
Axion 1.0: Open Agent Foundation Models, Simplified
说明Axion 1.0：简化训练流程的开放智能体基础模型
简介论文介绍了Axion 1.0，一个完全开放的智能体基础模型，训练分为三个阶段：两个轻量的监督微调阶段加强化学习。第一阶段强化自包含推理，第二阶段扩展到依赖工具的推理，强化学习进一步提升长程推理及与外部工具和环境的交互能力。作者称其在多项智能体基准上表现强劲，并公开了包括数据构建、过滤、验证、提示词和训练代码在内的完整方案。
Calibrating Multimodal Test-Time Adaptation under Reliability and Availability Modality Shifts
说明在模态可靠性与模态缺失偏移下校准多模态测试时自适应
简介本文研究多模态测试时自适应，即仅用无标签测试数据使预训练多模态模型适应推理阶段的分布偏移。作者提出自适应概率高斯校准方法（AdaPGC），将类别条件高斯建模扩展到各模态及多模态融合表示上，利用其概率预测校准源模型预测并指导基于可靠性的修正，同时借助联合分布恢复不可用的融合表示。在多种模态损坏和缺失条件下的实验表明，该方法能有效提升模型在两类偏移下的鲁棒性。
CL3DOD: Understanding the Stability-Plasticity Dilemma in Outdoor Class-Incremental 3D Object Detection
说明CL3DOD：户外类增量三维目标检测中的稳定性-可塑性困境研究
简介本文首次在多个自动驾驶数据集（KITTI、nuScenes）上对户外类增量三维目标检测进行统一的跨数据集分析，涵盖两任务和多阶段两种设置。作者提出CL3DOD框架，利用前一阶段检测器的预测补全旧类缺失标注，通过查询级知识蒸馏保留旧类响应，并采用基于EMA的时序一致性正则化。实验显示，CL3DOD在两个数据集上总体上比受控增量基线取得更好的稳定性与可塑性平衡。
AnchorComplete: Recovering Complete Scene Meshes from Partial Point Clouds
说明AnchorComplete：从部分点云恢复完整场景网格
简介该论文提出AnchorComplete框架，用于从部分点云重建完整的场景网格。方法基于TRELLIS.2，结合部分点条件化与由粗到细的度量尺度生成，在保留已观测几何的同时补全未观测部分。论文称在Replica和SCRREAM数据集上，该方法在完整场景重建方面优于多个强基线，稀疏视角下优势尤为明显。
What Structurally Breaks an Agent? Auditing Difficulty in Stateful Tool-Use Workflows
说明什么会在结构上击垮智能体？有状态工具调用工作流中的难度审计
简介论文提出一个可执行的小型诊断工具，通过调节依赖深度、候选项数量、活动状态宽度和当前状态快照的可访问性来考察智能体的失败原因，并在所需操作数固定的情况下进行测试。研究发现依赖深度会同时影响调度自由度和可达完成状态数，这些控制因素相互耦合。论文还报告了大规模生成任务实验及补充设计中的结果，但其小规模本地实验与描述性研究不支持一般能力结论。
★★★★☆ 值得关注
CERBO: Certified Recourse at a Requested Rate for Gradient-Boosted Trees
说明CERBO：面向梯度提升树、按指定比例提供可认证补救措施的方法
简介该论文提出CERBO方法，用于训练梯度提升决策树，使被拒绝的人能通过代价可承受的改变推翻决定。给定目标补救比例，方法会调整训练权重，直到可认证的比例达到要求，并通过校准步骤保证对新个体同样成立。在作者的实验中，该方法在相同准确率下提高了补救比例，并在多数设置中改善了准确率与补救的权衡。
看点新意在于按请求的救济率训练并给出可认证的GBDT救济动作，并以训练界覆盖RABIT的界；摘要报告在FICO、Bail等数据集及六个数据集的12种设置中有改进，可适用于XGBoost和LightGBM。
Can Coding Agents Sustain Continual Evolution without Forgetting?
说明编程智能体能否在持续进化中不遗忘？
简介本文研究编程智能体的持续框架自进化问题，即在不修改基础模型参数的前提下，让智能体的外部框架随多类任务不断改进。作者将三个软件工程任务数据集组织为六个进化方向，并用两种代表性的框架进化方法进行实验。结果显示，在后续数据集上的进化会明显削弱智能体在先前数据集上的表现，例如某方法在SWE-Bench上的成绩经FeatureBench进化五轮后由94.0%降至32.0%。
Reducing SNAP Payment Errors at Lower Cost With AI: A Simulation Study
说明用人工智能降低SNAP支付错误率并降低成本：一项模拟研究
简介新的联邦立法将要求SNAP（补充营养援助计划）支付错误率较高的州承担部分福利成本，部分州每年的负担可能超过十亿美元。论文通过基于公开质量控制数据的模拟，比较了基于风险的预先审核与结合人工智能标记潜在差异的审核方式。结果显示，在主要假设下，仅采用基于风险的审核成本约为结合人工智能标记与风险评分方法的七倍，且这一成本优势在多种合理假设下依然成立。
CFD-driven symbolic regression of RANS transition models
说明基于CFD驱动符号回归的RANS转捩模型修正
简介本文提出一种CFD驱动的稀疏符号回归框架，用于修正k-ω-γ间歇因子方程中的产生与耗散激活函数，得到可解释的闭式修正项。修正项由局部压力梯度参数的多项式与局部流动特征的有界指数函数组成，无需人为限幅。系数通过带RANS求解器的无梯度优化确定，并以壁面解析大涡模拟的平板数据训练；修正后模型在训练与未见工况上精度相当或略优，并在跨声速LS89涡轮叶栅上无需重训即可改善换热预测。
DynSL: Resource-Adaptive Model Training across Heterogeneous Edge Devices
说明DynSL：面向异构边缘设备的资源自适应模型训练
简介论文提出 DynSL 框架，在异构边缘设备与服务器之间动态划分模型层。系统持续监测运行指标，并定期求解一个同时考虑客户端与服务器计算及通信的优化问题，必要时重新配置划分方式。在 24 台异构边缘设备的测试平台上，DynSL 相比最强的自适应基线训练时间最多缩短约 30%，相比不合理的均匀划分缩短超过 50%，且准确率没有下降，有时还有所提升。
On the Convergence of Vanilla Adam under Heavy-Tailed Noise and Index Sampling
说明重尾噪声与索引采样下原始 Adam 的收敛性研究
简介本文研究原始 Adam 优化器在随机梯度噪声呈重尾分布时的收敛性，分别讨论期望风险最小化和经验风险最小化两种情形。在 Hölder 光滑性与有界 p 阶矩假设下，作者给出了期望平方梯度范数的显式上界，并分析了噪声对收敛界的影响。文章还提出了带实用学习率调度的多阶段 Adam，指出增大批量大小可降低索引采样噪声并改善收敛保证，数值实验支持了这些理论结论。
CISA: Retrofitting Dense Attention Models with Chunk-Indexed Sparse Attention
说明CISA：为稠密注意力模型加装分块索引稀疏注意力
简介该论文提出分块索引稀疏注意力（CISA），可在不做梯度更新的情况下改造已预训练的稠密注意力大模型。它用现有键的紧凑摘要选取固定大小的KV分块，并在同组查询间共享选择结果，以降低长上下文推理的开销。在NVIDIA Nemotron 3 Nano、Ultra和Inkling-Small上的实验显示，核心注意力在1M词元提示下最高加速13.0倍，端到端吞吐量最高达到稠密注意力的2.61倍，同时在多项长上下文基准上与稠密注意力的分数差距保持在较小范围内。
★★★★☆ 值得关注
Written Once, Read Differently How Language Models Own Answers Steer Their Next Ones
说明一次写入，不同读取：语言模型自己的回答如何影响后续回答
简介研究者考察了22个开源语言模型（参数0.5B至72B）：先固定模型对一个是非题的回答，再测量它对同一实体另一问题的回答变化，共3600组问题对、约120个实体。每个回答会在残差流中写入一个“承诺方向”，两个问题的方向相似度可预测二者的耦合程度。不过，这一方向的读取方式随模型规模、指令微调和系统提示而变化，且在部分模型中会反转。
看点新意在于发现语言模型对自身先前回答的「承诺方向」会影响后续回答，并通过22个模型、3600组问题对进行验证，且可用消融削弱耦合。
Dhārā Bench: An Evidence-Oriented Retrieval Benchmark for Indian Knowledge Systems
说明Dhāra Bench：面向印度知识体系的证据导向检索基准
简介Dhāra Bench 是一个针对印度知识体系（IKS）的检索基准，包含 325 个问题、12 个类别，以及来自 15 个来源组的 60,121 个文本片段。问题类别基于 Dhāra 应用提交的 4,500 个问题制定，评测集结合了与语料对齐的应用查询和专家撰写的问题。论文还以 BM25 作为固定基线进行评测，并报告了完整证据得分等指标。
MoSoLoco: Monocular 3D Human Localization through Visual Latent Features and Social Context
说明MoSoLoco：结合视觉潜在特征与社交上下文的单目三维人体定位方法
简介该论文提出 MoSoLoco，一种逐帧处理的单目三维人体定位方法，用于估计画面中人的度量三维位置。它将姿态检测器内部的视觉特征与检测到的二维骨架结合起来，无需额外的 RGB 或深度编码器。模型还可利用同一帧中稀疏的多人信息来优化个体位置估计。在 JRDB 数据集上，相比最强的基于关键点的基线，最佳误差降低约 23%。
ACTOR: Action-Centered Temporal Organization for Literary Role-Playing Agents
说明ACTOR：面向文学角色扮演智能体的以动作为中心的时序组织方法
简介该论文提出ACTOR框架，从小说原文中自动构建角色的对话与非对话行为轨迹，并按故事内部时间顺序组织，用思考-动作-观察结构表示每个行为。作者基于143部文学作品构建行为数据集，并生成与角色设定不符的反事实行为，再用正则化偏好优化（RPO）训练模型。在17,560个评估实例的四选一下一行为选择任务中，经ACTOR偏好数据训练的模型准确率明显提高。
★★★★☆ 值得关注
Auto-Research Agent on MSA Organization to Improve Protein-Protein Complex Structure Prediction
说明用于改进蛋白质复合物结构预测的 MSA 组织自动研究智能体
简介论文研究如何调整 AlphaFold 3 的多序列比对（MSA）深度与跨链配对策略来预测蛋白质复合物结构。作者提出一种自主智能体，把冻结的 AF3 当作黑箱，逐个目标提出生物学假设、重组 MSA 并依据无标签的置信信号迭代优化序列选择与配对，包括有意不配对。在来自三个基准的 1015 个蛋白质界面上，该方法的整体 DockQ 优于默认流程和固定 MSA 方案，平均使用的 MSA 序列比默认少 60%。在种间异源二聚体上提升最大，FoldBench 上平均 DockQ 由 0.465 升至 0.612，HD439 上由 0.482 升至 0.562。
看点新意在于将MSA设计视为靶点特异性问题，由自主代理在测试时基于生物推理调整；摘要报告在1015个界面三个基准上优于AF3默认流程，异种异源复合物DockQ从0.465升至0.612。
Every Clause Counts: Instruction-Following Reranking by Multiplying Small, Answerable Questions
说明每个条款都算数：用多个小而可回答的问题相乘实现指令跟随重排序
简介本文提出DMReranker，一种零样本重排序方法，把带指令的查询拆成主题和若干带类型的条款，由小型判断模型逐条回答窄问题，再把概率相乘得到单一分数。在InfoSearch基准上，其宏观WISE为50.9，原始模式nDCG@10为82.9；在更严格的SICR指标上落后于GPT-4o（19.2对32.1），作者认为这与概率相乘在跨运行比较原始分数时的特性有关。
CoworkOS:Scaling Agent Coworkers for Real-world Automation
说明CoworkOS：面向真实世界自动化的可扩展智能体协作框架
简介本文提出 CoworkOS，一个面向长周期工作的通用框架，将任务策略与执行管理分离：模型负责决定行动、委派与验收，运行时负责维护状态与反馈。它支持同步或异步委派给子智能体，并通过共享应用层让人与智能体共同编辑文档、演示文稿、CAD 模型和 Blender 场景。文中还引入分层工作区与持久语义记忆以保持跨会话的连续性。作者称其在 12 个基准和 6 类真实应用中与 Codex、DeepSeek Harness 等前沿系统相比具有很强竞争力。
★★★★☆ 值得关注
ViAdminShift: A Vietnamese Benchmark for Event-Level Knowledge Updates Built from the 2025 Administrative Reform
说明ViAdminShift：基于2025年越南行政改革的越南语事件级知识更新基准
简介该论文介绍了ViAdminShift，一个围绕2025年7月1日越南行政区划改革构建的越南语基准资源，包含7,995个基准条目和2,281段检索文本。研究者测试了67个模型对改革后地址的掌握情况，结果显示许多模型在回答旧地址问题时仍给出旧省份，且加入日期提示后这一情况有所变化。
看点新意在于用2025年越南行政改革构建事件级知识更新基准，并系统分析模型对改革的认知与过时回答；摘要报告在7995条基准项与67个模型上的探测结果。
Causal discovery needs explicit epistemic standards
说明因果发现需要明确的认识论标准
简介本文是一篇立场论文，指出众多因果发现算法缺乏统一的选择原则。作者认为，可识别性假设多凭惯例而非原则采用，一致性与基准测试也隐含了难以检验的假设。因此主张明确讨论假设的认识论标准，并通过对基准测试进行压力测试和消融实验，将理论与实证结果结合起来。
LaBraM at Scale: Scaling Data and Models for EEG Pretraining
说明LaBraM 规模化：扩大脑电（EEG）预训练的数据与模型
简介本文在早期脑电基础模型 LaBraM 的基础上，扩大了预训练数据与模型规模，同时保留其核心编码器和训练目标。作者训练了十个参数量从 580 万到 19.7 亿不等的编码器，并在三个跨度很大的脑电数据集上进行预训练。在 23 项下游任务中，最佳全量微调结果的平均平衡准确率为 59.05%，比最强基线高出 3.61 个百分点。
Beyond Surface Metrics: Multi-Condition Requirements in Enterprise Maintenance and AI Coding Benchmarks
说明超越表面指标：企业维护与AI编程基准中的多条件需求
简介本文研究软件维护任务需要满足多项运行条件的情况，并依据固定的18类分类体系，分析了2925个Apache Fineract问题和944个来自SWE-bench Pro、SWE-PolyBench Java及SWE-EVO的任务。研究发现，在按问题类型、修改文件数和代码变动量匹配的任务对中，多数条件集合几乎不重叠，且两类语料中时间条件与数值条件的关联方式差异明显。作者建议分别报告条件广度、共现关系和方向性依赖关系，并指出语料比较仅为描述性结果。
Toward Knowledge-Centric AI: Discovering, Internalizing, and Using Explicit Knowledge Across Agents and Generations
说明面向知识中心的人工智能：在智能体与代际之间发现、内化并使用显式知识
简介该论文提出下一代人工智能应以独立于单个智能体的显式、持续演化的知识层为核心，构成“发现、内化、使用”的循环。作者指出内化环节是当前瓶颈，主张将其作为持续训练与维护的对象，并呼吁建设用于知识计算的知识基础模型，最后给出研究议程。
Dissecting Geometric Constraints in Grokking: Interaction-Dependent Acceleration in Modular Arithmetic
说明剖析顿悟现象中的几何约束：模加法任务中依赖组件交互的加速效应
简介本文研究球面 Transformer 配置如何加速模运算任务中的“顿悟”（grokking）现象。作者在 960 次受控实验中对残差投影、读出权重归一化、logit 缩放和权重衰减进行了完整的析因分析。结果显示，加速效应依赖于各组件之间的相互作用，并不在所有测试任务和网络深度上一致成立。
PaddleMaterials: An End-to-End Deep Learning Toolkit for Materials Science
说明PaddleMaterials：面向材料科学的端到端深度学习工具包
简介该论文介绍了开源框架PaddleMaterials，将多种材料学习任务整合在统一的数据处理、训练、评估、预训练模型管理和工作流中，涵盖性质预测、结构生成、机器学习原子间势、电子结构场、谱图解析和显微图像处理六类任务。框架通过共享编译后端，无需修改模型定义即可切换到编译执行。论文报告，在11组共65个模型实例中，编译执行使8组中的每个实例都获得加速，各组中位加速比为11%至224%。
From PID to Reinforcement Learning in Building HVAC Control: A Control-Architecture Review of Tuning Strategies, Formulations, and Deployment Trade-offs
说明从PID到强化学习的建筑暖通空调控制：控制架构综述，涵盖整定策略、建模方式与部署权衡
简介本文综述建筑暖通空调（HVAC）系统的控制架构，分析能耗、舒适度与设备可操作性之间的矛盾。文章考察了恒温器中的PID调节层，并将强化学习表述为马尔可夫决策过程。核心贡献是划分了强化学习与PID结合的四类方式：整定现有回路增益、直接替代调节控制器、与模型预测控制混合，以及生成监督层的设定值与时间表。作者认为这些架构是同一台暖通设备上的嵌套接入点，而非相互竞争的理念，部署时需依据具体的控制接口与所需支撑条件进行权衡。
FlowBatt: Flow Matching for Probabilistic Battery Degradation Prediction
说明FlowBatt：用于概率化电池退化预测的流匹配方法
简介本文提出FlowBatt，一种基于流匹配与扩散Transformer骨干网络的条件生成框架，用于电池退化轨迹建模。模型以早期循环容量数据为条件，生成完整的健康状态（SOH）概率轨迹，并通过可解释AI分析改进将早期容量矩阵映射为条件向量的编码器。在五个公开基准数据集上，FlowBatt的轨迹SOH预测误差均低于2.5%，剩余使用寿命（RUL）预测也具有竞争力，并能生成多条可能轨迹以给出经验预测区间。
Controlling Sharpening in LLM Post-Training
说明控制大语言模型后训练中的“锐化”现象
简介该论文研究强化学习后训练中导致模型输出多样性下降（即“锐化”）的问题，并分析pass@k、max@k等重复采样目标为何能缓解这一现象。作者给出了KL正则化下pass@k与max@k最优策略的闭式解，并证明标准@1目标可通过提示自适应正则化或奖励变换达到相同最优策略。在此基础上，论文提出KAPPO方法，可在不改变原训练流程的前提下将现有@1方法适配到@k，实验显示其能直接控制锐化，且单次完成训练即可达到多次完成优化器的效果。
Visual-to-Executable Procedural Reconstruction of Buildings
说明从图像到可执行程序的建筑程序化重建
简介本文研究从真实场景图像中重建建筑程序化描述的方法，目标是得到可执行、可编辑的三维建筑模型。方法将任务分为两个结构化预测阶段：先用全局结构布局树恢复立面的分割与重复组织，再用组件参数化模式把代表性立面单元映射为局部建筑组件的属性。两者确定性地编译为可执行的CGA程序。实验表明该框架在规则与复杂图像上均能保持结构一致性和细节。
DepthGraft: Structural Regularization through Hierarchical Cross-Layer KV Reconstruction
说明DepthGraft：通过分层跨层KV重建实现结构正则化
简介本文针对Pre-LN大语言模型深层信息被稀释的问题，提出跨层KV共享作为结构正则化手段，并设计了DepthGraft分层KV共享架构，从步幅对齐的浅层-中层源层对重建深层KV。实验覆盖0.5B至16B参数的稠密与MoE模型，在GQA和MLA下均带来下游任务提升，其中16B MoE模型在MMLU-Pro上绝对提升7.0%。
When Optimization Meets Human Intent: Human-Centered Diffusion Model Optimization
说明当优化遇上人类意图：以人为中心的扩散模型优化
简介该论文关注扩散模型的优化目标往往只针对美学等可量化指标，而这些指标未必符合人的真实意图。作者系统分析了人类意图如何被表达、转化为可优化目标、作用于模型并通过输出被评估。论文还讨论了个性化图像生成中影响意图对齐的权衡，以及自动化指标与真实用户判断之间的差距。
KlaskTron: An Open-Source Platform for Physical Adversarial Multi-Agent RL
说明KlaskTron：面向物理对抗多智能体强化学习的开源平台
简介该论文介绍了KlaskTron，一个开源、低成本（低于2500美元）的桌面级机器人测试平台，基于动态桌面游戏KLASK，用于对抗性多智能体强化学习研究。平台采用双CoreXY龙门结构和高扭矩无刷电机，并提供硬件设计、基于NVIDIA Isaac Lab的数字孪生以及经过验证的仿真到现实基线。实验表明，训练好的智能体可以零样本迁移并表现出涌现的对抗行为。
Znaki: A Russian Fingerspelling Recognition Dataset
说明Znaki：俄语手指字母识别数据集
简介本文介绍了Znaki，首个公开的俄语手语（RSL）手指字母拼写数据集，包含37,252段视频（约35.4小时），涵盖1,593个专有名词序列，由68名手语者录制，并经过专家验证。数据集覆盖全部33个西里尔字母手形。作者以美国手语的方法建立了两个基线模型，字符级准确率分别为0.932和0.886。
Meet Students Where They Are: Student-Prefix Teacher Adaptation for On-Policy Distillation
说明让教师适应学生的推理前缀：面向同策略蒸馏的改进方法
简介论文关注同策略蒸馏（OPD）中教师模型在学生生成的推理前缀上可靠性下降的问题。作者提出学生前缀教师适应方法（SPTA），在蒸馏前收集学生的随机长度推理前缀，并用带可验证奖励的强化学习（RLVR）训练教师从这些前缀继续推理。在数学推理基准上的实验显示，该方法提升了学生模型的平均表现，超过标准OPD及任务级RLVR适应教师的方案。
Behavioral Affinity Transduction for Zero-Shot Vision-Language Classification
说明基于行为相似性的零样本视觉语言分类直推方法（BAT）
简介本文提出行为亲和直推方法（BAT），用于零样本视觉语言模型在小规模无标注查询批次上的分类。该方法利用每张图像在类别词表上的得分分布构建稀疏图，为预测提供邻近样本的证据。在多个数据集上，BAT 提高了所测试的各种读出方式的平均准确率，其中在 RN50 主要对比中，软、硬 EM-Dirichlet 分别提升 4.22 和 2.72 个百分点。
CUA-Master: Scaling Computer-use Agents through Open-World Recursive Improvements
说明CUA-Master：通过开放世界递归改进扩展计算机使用智能体
简介论文提出CUA-Master，一个嵌套双循环的递归改进框架，用于训练计算机使用智能体（CUA）。外层循环持续纳入开放世界语料，并依据模型弱点指导数据构建与优化；内层循环通过从教学视频中挖掘种子任务并重建轨迹，再将其转化为可复用的基元以合成任务。论文报告CUA-Master-27B在OSWorld Verified上得分80.2，在OSWorld 2.0上得分36.9，在WeaveBench上得分43.9，在Agents' Last Exam上得分25.0。
SurgPace: Complexity-Aware Progressive Distillation for Surgical Multimodal Large Language Models
说明SurgPace：面向手术多模态大模型的复杂度感知渐进式蒸馏
简介该论文提出SurgPace框架，用于将手术视觉语言大模型渐进式蒸馏为更紧凑的小模型。它利用预测置信度和Lorentz几何一致性估计样本复杂度，按由易到难的连续课程进行训练，并在特征、logit和概率层面做分层表示对齐，逐步从模仿教师转向任务监督。实验基于Surg-396K基准，结果显示其效果优于主流多模态大模型蒸馏基线。
ComplianceAtlas: A Taxonomy-Driven Agentic AI Framework for Automated AI Act Gap Analysis and Remediation
说明ComplianceAtlas：一种基于分类体系、用于欧盟《人工智能法》差距分析与整改的智能体框架
简介本文提出一套源于文献的技术合规差距分类体系，涵盖准确性、稳健性、日志记录和人工监督等领域。作者据此设计了 GapToCompliance 两阶段智能体框架：差距抽取智能体逐层推理识别差距类型，整改规划智能体对整改措施进行多信号排序。在 9 个 AI 系统、6 个 AI 家族上的评估显示，该方法的差距类型 F1 为 0.831，整改 P@5 为 0.872，优于对比基线。
KAUSTics-Net: Diffusion-Based Through-Water UAV Restoration with a Semi-Synthetic Dataset
说明KAUSTics-Net：基于扩散模型的穿水无人机图像修复与半合成数据集
简介本文针对浅水区无人机影像因水面折射、焦散和波长相关衰减造成的失真问题，构建了半合成数据集KAUSTics，包含1280个参考图像块及12800张退化样本。作者提出KAUSTics-Net，一种像素空间条件扩散框架，用于恢复浅水图像，并与八种修复方法及多项消融和跨数据集实验进行了比较。
Inner optimizers in active-learning Kriging reliability analysis: a pre-specified comparison and the unconservative estimates left by unlearned failure modes
说明主动学习克里金可靠性分析中的内层优化器：预先设定的比较与未学习失效模式导致的低估估计
简介本文比较了主动学习克里金方法中五种预算匹配的连续优化器与候选池方法在十一个问题上的表现，考察内层优化器对结果的影响。研究发现，混合粒子群与L-BFGS-B精修方法并未表现出预设的优势；部分运行中未学习的失效模式导致失效概率被低估，误差准则也可能接受明显低估的结果。作者建议默认采用候选池选择并进行覆盖性检查。
From Local Skills to Long-Horizon Web Tasks: Progressive Skill Exploration for LLM Web Agents
说明从局部技能到长程网页任务：面向LLM网页智能体的渐进式技能探索
简介本文针对基于大语言模型的网页智能体训练中成功轨迹稀少、终局奖励稀疏的问题，提出技能组合渐进式探索框架SCOPE。该框架由技能发现、技能编排和技能扩展三个步骤循环迭代，逐步从局部技能构建完成任务的技能链，并通过智能体式在线策略蒸馏将其内化到策略参数中。在WebArena、WebVoyager和WebShop上的实验显示，相较各设置下最强基线，其相对提升为3.9%至18.6%。
3D Gaussian Splatting within Self-Learned Neural View-Dependent Color Fields
说明在自学习神经视角相关颜色场中的三维高斯泼溅
简介三维高斯泼溅（3DGS）是新视角合成的重要工具，但离散高斯常产生深度差、几何细节少且漂浮物多的问题。该论文提出在由神经网络参数化的连续视角相关颜色场中学习辐射场，并约束颜色的Lipschitz连续性，同时引入无需外部先验的自学习策略，以提升在基准数据集上的高保真几何恢复能力。
Preprocessing Choices in Fine-Tuning Data Matter: Utility and Demographic Sensitivity in LLM-Based Recommendation
说明微调数据的预处理选择影响大：基于大语言模型的推荐中的效用与人口统计敏感性
简介本文研究在基于大语言模型的生成式推荐系统中，微调数据的预处理方式如何影响推荐效果和与人口统计特征相关的公平性表现。作者在MovieLens-1M数据集上比较了物品标题表示、人口统计平衡和辅助物品知识增强等选择，并结合目录约束解码与提示增强。结果显示，原始电影标题使HR@10从10.67%提升至12.47%，Coverage@10从41.36%提升至47.88%；年龄平衡和知识增强可缩小部分群体间的效用差距，而性别平衡降低了效用且未改善所评估的性别相关指标。
Multimodal Prompt Learning with Dual-Granularity Contrastive Alignment for Preoperative Prediction of Lung Adenocarcinoma Invasiveness Using 3D CT
说明基于双粒度对比对齐的多模态提示学习，用于术前3D CT预测肺腺癌浸润性
简介该论文提出一种结合3D CT影像与放射学文本的多模态提示学习框架，用于区分浸润性腺癌（IAD）与浸润前病变（Pre-IAD）。模型在全体积和局部血管相关关键词两个粒度上进行图文对齐，推理时仅需CT图像。在1,593个经病理证实的结节上，测试集AUC为0.9499，准确率为87.92%，优于同一视觉主干的仅图像基线（AUC 0.9297）。
Diagonal Equivalence in State Space Models: Characterization, Retrieval Rank, and Selective Extensions
说明状态空间模型中的对角等价：刻画、检索秩与选择性扩展
简介本文对具有线性转移的实数与复数状态空间模型（SSM）进行分类，区分固定基下的对角等价与输入输出等价。文中提出了 HybridMamba，将 Mamba 1、2、3 的多种机制结合起来，并在小模型多 token 召回实验中，在最难的一档上优于 Mamba 1 至 3。在约 5 亿参数的语言模型实验中，两种设计在 20 亿 token 时的测试损失优于 Mamba 1 和 2，但路由增益并未转化为更低的语言模型损失。
LUCA: A Synthetic World for Experimental Reasoning
说明LUCA：用于实验式推理的合成世界
简介该论文提出LUCA，一个可配置的合成环境，已知全部真实答案，用于评估智能体的实验推理过程。智能体需在有限实验预算下学习未知的调控系统，再预测未见过的干预、诊断隐藏故障并尝试修复。研究比较了七个前沿大语言模型和三个基线，发现诊断能力在模型间差异约7倍，预测仅相差约1.4倍，且修复成功不等于诊断正确。
Ray-SCR: Generalizing Scene Coordinate Regression Across Camera Models
说明Ray-SCR：让场景坐标回归跨相机模型泛化
简介场景坐标回归（SCR）是一种视觉定位方法，但在全景、鱼眼等差异较大的相机之间泛化较差。该论文提出Ray-SCR，在现有SCR架构上加入轻量扩展，将局部特征与标定后的视线射线相结合，并用浅层局部Transformer优化相邻特征。实验表明，该方法能让同一场景表示定位针孔、鱼眼和全向相机拍摄的图像，在跨相机场景中达到领先的定位效果。
★★★★☆ 值得关注
DR Pixel: Page-Native Deep Research with Vision-Language Models
说明DR Pixel：基于视觉语言模型、直接以页面图像为单位进行深度研究
简介本文提出DR Pixel，这是首个开源的端到端多模态深度研究智能体，直接以渲染后的文档页面图像作为检索与推理的单位，在包含106万页的语料上运行。作者构建了DRPixelBench基准，用于评估需要综合文本、图表、表格和公式进行推理的科学论文任务。结果显示，该方法无需训练即优于基于OCR的基线，并引入了反事实信用重加权训练方法，进一步提升了检索召回率和最终准确率。
看点提出页面原生多模态深度研究代理及反事实信用重加权训练；在DRPixelBench与四个基准上报告优于OCR基线，但仅依据摘要。
★★★★☆ 值得关注
A Fine-Grained Hierarchy and Benchmark for State Tracking in Language Models
说明语言模型状态追踪的细粒度层级与基准测试
简介本文针对语言模型追踪变量或实体状态的能力，提出一个由四个难度递增层级组成的词问题体系，并据此构建了名为 StateBench 的长程状态追踪基准。作者从理论上比较了 Transformer 与 Gated DeltaNet 等循环架构能够表达的问题类别。实验显示直接训练结果大体符合理论预期，而现有预训练模型在可解的状态追踪任务上都未能稳定求解。
看点提出四级状态跟踪难度层级与基准，并给出理论刻画，理论界限有新意；实验主要是直接训练和预训练模型评测。
An Experimental Study of Hybrid Retrieval, NLI and Open-source LLMs for Scientific Claim Verification
说明一项关于混合检索、自然语言推理与开源大模型用于科学论断核查的实验研究
简介本文研究如何判断科学论断是否得到证据支持、被反驳或证据不足。作者用混合检索获取每条论断的前五句相关句子，再比较自然语言推理（NLI）模型与三个开源大模型的核查效果。结果显示，Qwen3 8B的Macro-F1最高（0.7937），而把两类模型结果融合的保守规则反而使表现下降。
Avatar Intelligence: Amplifying Human Agency Through Persistent Personal Agents
说明化身智能：通过持久的个人智能体放大人类能动性
简介本文提出“化身智能”范式，主张个人AI智能体应代表用户的目标、价值观和约束，在不同情境和时间中持续代为决策。作者给出了从人类主导执行到授权领域内自主运行的成熟度路线图，并提出用于评估交付价值与人类监督负担的“智能体监督指数”（AOI）。文章还列出了身份连续的个性化、基于Rehearsal Engineering的用户情境演化，以及结合技术控制与问责和救济机制的安全方法三项核心研究挑战。
MIRA: Reinforcing Multimodal Reasoning via Deceptive Contextual Augmentation
说明MIRA：通过欺骗性视觉上下文增强多模态推理
简介该论文指出，现有基于可验证奖励的强化学习方法在多模态推理中存在“感知-推理鸿沟”，模型过度依赖视觉信息，轻微的感知错误会在推理中累积。作者提出MIRA训练框架，在训练时注入经过筛选的误导性视觉上下文作为“困难陷阱”，并设计组内反思触发机制，使模型自主发现并纠正视觉线索与逻辑约束之间的矛盾。实验显示，MIRA在领域内基准上平均提升约7%，并在以视觉为中心的基准上取得一致改进，且无需人工标注。
VL-Dedup: Graded Multimodal Entity Resolution for Image-Text Data Deduplication
说明VL-Dedup：面向图文数据去重的分级多模态实体消歧
简介该论文指出图文语料中的重复、描述差异、字幕复用和图文不匹配需要不同处理，提出把图文去重定义为分级多模态实体消歧，并在图对、聚类和保留集三个层面评估。方法VL-Dedup将同一视觉实体的记录归为簇并限制簇大小，簇内由视觉语言模型和CLIPScore决定保留或标记字幕。作者还构建了包含5万条COCO与SOP记录、66,788个标注图对的VL-DedupBench基准。
Cross-Layer Refinement and Frequency-aware Fusion Network for Multi-Source Remote Sensing Image Classification
说明跨层细化与频域感知融合网络：多源遥感图像分类
简介本文针对多源遥感图像分类提出一种名为CRFNet的轻量双分支网络，用于融合光谱与结构信息。网络包含跨层细化注意力模块，可跨层传递注意力关系并筛选关键关系，以强化判别性的空间依赖并抑制无关响应。另一模块在傅里叶域中结合频率交互与跨模态通道注意力，并将结果转换为空间域门控以调制互补特征。论文称在Houston 2013和Augsburg数据集上，该方法优于多种现有先进方法。
Shared-Pattern Collaborative Network for Multi-Source Remote Sensing Data Classification
说明用于多源遥感数据分类的共享模式协同网络
简介本文提出共享模式协同网络（SPCNet），用于高光谱图像（HSI）与SAR/LiDAR数据的联合分类。网络设计了共享模式协同模块（SPCB），通过共享大核算子和动态卷积分支，同时捕捉共同的空间结构与内容自适应的局部特征。另外提出区域自适应模态分配器（RAMA），为不同空间位置分配可变的模态权重以实现可靠的特征融合。在Houston2013、Augsburg和Houston2018数据集上的实验表明，SPCNet优于若干现有先进方法。
PACERec: Progressive Adaptation of LLM Item Embeddings with Collaborative Evidence for Recommendation
说明PACERec：利用协同行为证据逐步调整大语言模型物品嵌入的推荐方法
简介该论文提出PACERec，一种无需物品ID的渐进式适配框架，用于序列推荐。它通过频率加权流匹配，从交互充足的物品中学习共享速度场，把前序交互上下文融入大语言模型的静态语义嵌入。论文报告在三个真实数据集和三种序列骨干模型上，该方法在整体和长尾物品推荐上均优于对比基线。
PlanContext: Benchmarking In-Context Driving Decision-Making
说明PlanContext：情境化驾驶决策基准测试
简介该论文提出PlanContext基准，用于评估自动驾驶中依赖情境的决策能力。方法是在场景保持不变的前提下改变高层驾驶意图，形成成对评估，并定义了六种典型驾驶情境，以类别平衡指标综合考察决策正确性、道路合规性和动态安全性。在NAVSIM的9561个场景条件实例和23个公开端到端驾驶模型上的实验表明，传统驾驶质量分数高的模型不一定具有良好的路线级情境决策能力。
Towards a Trustworthy and Governable Internet of Agentics: An Architectural Perspective on Protocols, Systems, and Services
说明迈向可信且可治理的智能体互联网：协议、系统与服务的架构视角
简介本文探讨大语言模型应用从单一对话转向多智能体工作流后带来的架构问题，即跨框架、运行环境与组织边界的互操作性。作者以“智能体互联网”（IoA）为视角，把异构智能体视为可治理的服务参与者，并将发展路径划分为碎片化生态、互操作智能体和可信可治理自治三个层次。文章分别梳理了协议栈、系统抽象以及与服务计算的关系。
Networked AI: Architecture, Theory, and Applications
说明网络化人工智能：架构、理论与应用
简介本文提出“网络化人工智能”，即由相互作用、异构且持续演化的AI智能体组成的网络化智能系统。文章建立了包含智能体层、交互层和调控层的分层架构，并综合数据科学、信号处理与系统控制形成统一理论框架。作者称其在资源需求上可接近线性扩展，并讨论了物联网、具身与空间智能、工业智能及蜂窝基础设施等应用方向。
MuCHMDPoser: Multiview RGB-Camera Full-Body Pose Tracking for Virtual Reality
说明MuCHMDPoser：面向虚拟现实的多视角RGB相机全身姿态追踪
简介虚拟现实中仅依靠头显和手柄等消费级稀疏传感器时，全身姿态追踪约束不足，下半身误差较大。该研究在外部加入多视角RGB相机，结合基于RGB的姿态估计，以降低下半身追踪误差；同时评估了一种无需物理标记、只需一次的头显与相机标定方法。论文还给出该框架的实现，在Nvidia RTX3080 GPU上可达到60 FPS的端到端动画。
SAGE (Subjectivity-Aware Generation Estimator): A Linguistic Framework for AI-Generated Review Detection *
说明SAGE（主观性感知生成估计器）：用于检测AI生成同行评审的语言学框架
简介论文提出一种基于人类主观性特征的语言学方法，用于检测AI生成的同行评审，主观性从语义层面的评价性语言与情态、语用层面的言语行为两方面刻画。仅用这些语言特征训练的轻量分类器，AUROC达到0.9566。与现有检测器Sem-Detect结合后，在APRDB基准上其1%假阳性率下的真阳性率由0.874提升至0.985。
PRIME: Predictive Routing of Interventions by Modeling Effects for Scientific Ideation
说明PRIME：通过效果建模进行干预的预测性路由，用于科学构思
简介该论文提出PRIME方法，为现有科学构思系统提供即插即用的反馈到修订决策层。它分三步：先解析问题、假设和方案之间的结构性归因，再通过反事实路由比较不同范围干预的预期效果与风险，最后将选定的干预编译为生成器可执行的计划。在112组人工标注的想法与反馈配对上，PRIME在多个基准和设定下提升了后续想法的质量与路由可靠性，移除反事实路由会明显降低效果。
Resilient Cell-Free MIMO ISAC Under Uncertainties: An Impairment-Aware Graph Neural Network Framework
说明不确定条件下的弹性无蜂窝MIMO通感一体化：一种感知损伤感知的图神经网络框架
简介该论文针对无蜂窝MIMO通感一体化系统中的波束成形问题，指出信道状态信息误差和杂波带来的不确定性会影响可靠性。作者提出一种损伤感知的异构图神经网络框架，将信道误差水平和杂波协方差作为边特征输入，使同一模型能够适应两类损伤。仿真结果显示，该框架在仅感知和仅通信场景中优于对比基线，并能泛化到未见过的误差水平和杂波数量，使系统具备弹性。
Optimal Subgroup Discovery at Every Support Threshold
说明在所有支持度阈值下寻找最优子群
简介本文研究子群发现问题，即找出特征空间中目标变量偏离其边际分布的区域。作者首次从理论和结构上刻画了在任意支持度约束下具有最大KL散度的最优子群，证明偏离度与支持度的帕累托前沿上的每个点都由若干完整原子加上至多一个部分原子组成。基于此提出两步方法：先学习同质划分，再贪心选择原子；在19个基准数据集上验证，该方法能在多个支持度阈值下找到偏离最大的子群，并可作为后处理步骤改进现有方法的结果。
Unlocking Criminal Court Decisions: Flexible Information Extraction for Empirical Legal Research
说明解锁刑事判决：面向实证法律研究的灵活信息抽取
简介本文提出一种基于大语言模型的流程，通过属性探索、文本片段抽取和取值规范化，将刑事判决书结构化为数据集，并可由法律专家修订标注指令。研究以酒后驾车和禁令期间驾车两类交通犯罪为例进行评估。结果显示，修订指令后酒驾案例的抽取准确率由52%提高到70%，标注者之间的一致性也有所提升。
VideoEditor-MoE: Scaling Complex Video Editing with Mixture of Experts
说明VideoEditor-MoE：用专家混合模型扩展复杂视频编辑
简介本文提出VideoEditor-MoE，是首个开源的视频编辑专家混合（MoE）框架，用于处理需要同时满足多项编辑要求的复杂视频编辑任务。该框架在稀疏MLP-MoE层之外，引入MoE注意力机制，通过路由的键值专家扩展注意力容量，同时保留视频令牌之间的全局交互。模型以5B视频编辑模型为初始化，扩展至14B和56B参数，两个版本每个令牌约激活8B参数。
Bayesian Sequential Optimal Experimental Design for Single-Pixel Imaging using Reinforcement Learning
说明基于强化学习的单像素成像贝叶斯序贯最优实验设计
简介本文研究单像素成像中自适应压缩感知的测量选择问题，将序贯最优实验设计转化为强化学习问题。智能体通过反复实验学习策略，以期望信息增益为奖励，直接从当前图像后验信念映射到下一个最优二值照明模式。作者还评估了该策略的可扩展性，考察了近似后验与噪声对性能的影响，并提出面向生物医学应用的设计约束策略。
VERS: Steering Reasoning Models by Editing Their Activation Explanations
说明VERS：通过编辑推理模型激活的文字解释来引导其推理过程
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。
TSB-SEG: A Systematic Time-Series Segmentation Benchmark
说明TSB-SEG：一个系统化的时间序列分段基准测试
简介本文提出 TSB-SEG 基准，用于评估时间序列分段方法，涵盖变点检测与状态检测两类任务。基准包含来自 8 个数据集的 592 条单变量和多变量时间序列，并比较了 26 种算法。作者还提供开源库 tsseg 以保证结果可复现，并给出按数据特性选择方法的建议。
When Does Design Thinking Work? A Convergence Theorem for the Iterate-Test Core
说明设计思维何时有效：迭代-测试核心的收敛定理
简介本文将设计思维中的“构思、原型、测试”循环形式化为在有限原型空间中、以含噪评估学习效用的搜索过程。作者证明在五个条件下，团队认为最优的原型几乎必然收敛到局部最优。文中还用三类景观的有限期模拟显示，团队常因“优化者诅咒”高估所选方案4%至8%，并建议每测试五次构建一至三个原型、并反复重测领先方案。
GPU-Native Real-Time Textured Mesh Reconstruction with Seam-Aware Multi-View Radiometric Correction
说明基于GPU的实时带纹理网格重建，并含接缝感知的多视角辐射校正
简介本文提出一种GPU原生的体视频系统，可用多台RGB-D传感器实时重建可用于图形渲染的带纹理三角网格。系统将TSDF融合、Marching Cubes、连通域去噪、基于视角的纹理映射、修补及辐射接缝校正等环节全部保留在GPU上运行，中间数据不再回传主机。在CMU Panoptic数据集上，该方法在各测试体素分辨率和传感器数量下都快于基线方法，相对CUDA加速的nvblox和CPU版Open3D的峰值加速超过十倍，重渲染的感知质量接近离线纹理网格基线。
Hybrid Federated Learning for Multimodal Fusion under Missing Modalities and Site Heterogeneity
说明缺失模态与站点异构条件下的混合联邦多模态融合学习
简介该论文研究在样本与特征块同时划分的混合联邦场景下的多模态融合，提出二维联邦平滑多核大间隔学习方法（2D-FedSMKL），结合可用性校正的模态得分、组核正则化与平滑最坏站点风险聚合。文中给出二分类与多分类情形下的曲率界与同步分块梯度等价关系，并推导了条件加速收敛速率。在仿真与两个公开活动识别基准上，最坏站点聚合在站点异构下提升了最坏站点表现，所选模型在最坏站点上不显著劣于最强对比方法。
★★★★☆ 值得关注
VLM-as-a-Judge for Person Re-Identification
说明以视觉语言模型作为裁判的行人重识别
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。
看点新意在于将零样本通用VLM作为重排序裁判用于换装行人重识别，并以分歧门控降低计算量；摘要报告在CHIRLA四个场景上rank-1均提升，平均超过最佳专家12.9点。
Improved regret bounds in tabular RL under local differential privacy
说明在局部差分隐私约束下表格式强化学习的改进遗憾界
简介本文研究在非交互式局部差分隐私（LDP）条件下，具有S个状态和A个动作的时间齐次分段表格式强化学习的遗憾最小化问题。作者给出了单步（H=1）情形下的极小极大遗憾界，并通过基于EXP3与一元编码机制的算法达到该上界。对于H>1且ε较小的情形，文中给出了下界和上界，并指出在小ε下这些界相较已知结果分别改进了√S和H√A倍。
VizDAGuide: Misleading Chart Question Answering in Compact Vision Language Models via DAG-Structured Supervision
说明VizDAGuide：通过有向无环图监督提升紧凑视觉语言模型对误导性图表的问答能力
简介论文提出VizDAGuide方法，用有向无环图（DAG）表示中间推理状态及其依赖关系，并按角色分配监督权重，将其序列化为统一的训练目标，用于误导性图表问答。在两个基准和Qwen3-VL、InternVL3.5模型上，该方法相较内容与权重匹配的线性思维链监督微调基线，在开放式和选择题两种答案形式上均有提升。消融实验显示，依赖结构与加权监督结合时效果最好。
The Tower of Babel in artificial intelligence: who should speak, and when it pays to listen
说明人工智能中的巴别塔：谁该发言，何时倾听才值得
简介本文研究多个分类器各自观察同一对象的不同部分，并向接收方发送短消息以判断类别。作者比较了共同设计消息与分别设计消息的差异，在三个数字数据集上，共同设计的消息平均高出18.07至22.68个百分点。论文还指出，单个分类器的统计指标无法判断合作是否有效，合作效果是双方配对关系的属性，必须通过配对测量来评估。
Efficient Hybrid Distillation: Synergizing Score and Adversarial Objectives for One-Step Diffusion
说明高效混合蒸馏：融合分数与对抗目标实现单步扩散生成
简介该论文研究用于加速扩散模型的分数蒸馏与对抗蒸馏两种目标之间的协同方式。作者发现，分数蒸馏在高噪声区域有效但低噪声区域缺乏细粒度监督，对抗蒸馏则相反。据此提出高效对抗分数蒸馏（EASD）框架，通过区域自适应采样让两种目标各自聚焦其有效区间，并将其应用于基于DiT的Flow Matching模型。原文报告在ImageNet 256×256上使用SiT-XL/2+REPA模型实现单步FID为1.39。
Comparative study of global pooling for pre-departure ship fuel consumption prediction: Advantages over per-ship and adaptation-based approaches
说明船舶出港前燃油消耗预测中全局池化方法的对比研究：优于逐船模型与自适应方法
简介该论文比较了11种用于出港前预测船舶燃油消耗的方法，涉及21艘船，所有方法使用相同的出港前可得输入并按航次时间顺序测试。结果显示，全局池化模型（以船舶身份和七项船舶规格描述每艘船）在各种设置下总体表现最佳，例如全船队内船只的Global LightGBM整体MAPE为8.92%，优于逐船LightGBM的11.14%。论文认为，逐船模型和针对单船的自适应微调并无必要，一个全局模型即可服务整个船队。
Q-CamTuning: A Multimodal Large Language Model for Fine-Grained Quality Reasoning in Livestreaming Camera Tuning
说明Q-CamTuning：用于直播摄像头调参的细粒度画质推理多模态大模型
简介本文提出了用于直播摄像头自动调参的多模态大模型Q-CamTuning。作者先构建了包含细粒度图像对偏好和全局、局部视觉证据画质推理标注的指令微调数据集FGLive-Comments，再基于它训练模型，使其能够评估画质、比较细微差异并给出摄像头参数调整建议。实验显示该模型在画质打分和细粒度图像对排序上优于现有画质评估模型，用户研究也验证了其调参建议的能力。
BLPO: Beyond-Local Policy Optimization for Long-Horizon LLM Agents
说明BLPO：面向长程任务的超越局部策略优化方法，用于大语言模型智能体
简介该论文针对需要多步协调的长程任务，提出超越局部策略优化（BLPO）方法，用于训练大语言模型智能体。方法把不同任务中的经验汇总为任务进展状态和功能抽象动作，并在全局记忆中累积相对回报，以估计共享的优势值，从而补充局部比较。作者报告，在ALFWorld和WebShop上，基于1.5B和7B策略模型的实验中，该方法在匹配的训练预算下提升了任务成功率，学习更快、轨迹更短，且计算开销较小。
ILLRAW: Illumination-Aware RAW Object Detection
说明ILLRAW：考虑光照的RAW图像目标检测
简介现有基于RAW图像的检测方法通常先用可学习的图像信号处理模块把RAW转换为类sRGB图像，再交给现成检测器，这与检测任务相互脱节。本文提出ILLRAW，一个考虑光照的端到端RAW目标检测框架，在检测器输入端加入轻量特征适配器，直接学习面向检测的RAW特征，并通过光照注意力融合模块融合光照掩码与拜耳通道特征。实验显示在AODRaw基准上有明显提升，在LOD和PascalRAW上表现有竞争力，暗光曝光下尤为突出。
Finding Errors Is Not Enough: Selective Model Escalation for Entity-Targeted Sentiment Analysis
说明仅找出错误还不够：面向实体情感分析的选择性模型升级
简介本文研究在资源有限时如何改进文档级实体情感分析（ELSA）分类器，主要使用南斯拉夫语系新闻数据。作者比较了随训练数据增长的标注获取顺序，并利用不确定性决定重新审视哪些预测、处理多少条以及是否用替代编码器或本地大语言模型修正。结果显示，少数类优先的数据获取只在部分极小训练规模下有效；基于开发集选出的两种路由策略都将30%的记录交给编码器辅助的大语言模型处理，在SentiCoref和NewsMTSC上分别取得1.02和1.71的Macro-F1提升，但推理成本差异明显。
Distilling Literary Sentiment from LLM Annotations into an Ordinal BERT Model
说明从大语言模型标注中蒸馏文学情感，训练有序回归BERT模型
简介文学领域的人工标注语料稀缺，限制了领域情感分析模型的发展。本研究探讨用大语言模型生成的标注来指导较小的模型进行文学情感分析。作者使用Gemma 4 31B在十点情感量表上标注的10,889个文学句子，以有序回归方式微调了五个BERT模型，并在海明威《老人与海》的1,923个人工标注句子上进行评估。结果显示，BERT-large的Kendall's τ为0.589，接近教师模型的0.604。
Classification Aggregation with Multiple Memberships
说明多重归属下的分类聚合：将多人意见汇总为可把一个对象归入多个类别的分类结果，并给出相应规则的刻画。
简介本文研究多人对对象分类意见的聚合问题，允许每个对象在结果中归入多个类别。在独立性和支持性等自然公理下，作者提出责任性、分割稳定性和拒绝稳定性三条新公理，每条都刻画出所谓的“junta规则”：当某个固定联盟中的任一成员把对象归入某类别时，该对象就归入该类别。论文还考察了无限人群的情形，以说明各公理之间的差异。
Utility-Aware Generative Recommendation: Utility-Enriched Semantic Codes and Utility-Guided Decoding
说明效用感知的生成式推荐：融入效用的语义编码与效用引导解码
简介本文提出UAGR方法，用于生成式推荐系统。该方法在语义编码（SID）构建和解码两个环节都纳入下游多目标效用，使效用高的候选项不易在束搜索中被过早剪枝。论文称，离线实验和在线A/B测试证明了其有效性和可部署性，已在快手全量部署，并使视频观看时长在线提升0.206%。
CAREFUL-Bench: Effect-Aware, Judge-Free Evaluation of Multi-Turn LLM Function Calling
说明CAREFUL-Bench：面向多轮大模型函数调用的效果感知、无评审式评测
简介本文指出伯克利函数调用排行榜（BFCL）的多轮检查器只看最终状态，忽略中间调用的副作用，导致在破坏性操作前先请求确认的模型被扣分。作者为全部128个函数推断效果声明，提出不依赖评审模型的回放评分器，并加入带确定性模拟用户的确认感知协议。在11个开源模型上的结果显示，效果感知评分保留了官方排名，同时揭示了执行质量的明显差异。
SHq: Learnable Grids for LLM Weight Quantization
说明SHq：用于大语言模型权重量化的可学习量化网格
简介论文提出 SHq，一类用于块缩放查找表量化格式的闭式网格，通过压扩强度和偏移两个参数调整网格中的取值。在 3B 至 35B 参数的五个模型上，于 2 至 6 比特进行评估，SHq 在 3 和 4 比特的所有设置中 KL 散度最低，在 4.5 比特时可使 NVFP4 的 KL 散度降低 41%-67%。
★★★★☆ 值得关注
One Image Is Enough: Self-Generated Supervision for Personalizing Human Video Diffusion at Test Time
说明单张图像足够：测试时利用自生成监督个性化人体视频扩散模型
简介该论文针对姿态驱动的人体视频扩散模型在姿态偏离参考图时难以保持身份一致的问题。作者不依赖真实的多姿态视频，而是用姿态条件生成器合成关键姿态的伪真值帧，再用仅参考图的采样器筛选身份最一致的候选，并据此训练每个主体的低秩适配器。在TikTok和UBC Fashion数据集上，该方法在所有指标上都优于基线模型，且与使用五张真实帧的适配效果相当或更好。
看点用合成的伪真值帧替代真实多姿态视频进行个性化，新意明确；在TikTok与UBC Fashion上的实验显示优于基线。
Specification-Aware Predictive Uncertainty Decomposition
说明指定感知的预测不确定性分解：把不完整输入带来的不确定性单独拆出来
简介论文指出，经典的预测不确定性分解没有考虑输入可能不完整，也没有衡量缺失信息对预测的影响。作者将这一情形形式化，把预测风险分解为指定不确定性、剩余偶然不确定性和认知不确定性三项。实验显示，指定不确定性最能识别输入不完整的情况，剩余偶然不确定性最能识别分布内的预测错误。
★★★★☆ 值得关注
Generative diffusion in long-range correlated landscapes: Speciation cascade and the foam structure of the score
说明长程相关景观中的生成扩散：分化级联与得分的泡沫结构
简介本文以高维高斯随机势的吉布斯测度为可解析的数据模型，研究生成扩散的反向过程为何有效。作者使用精确得分分析发现，反向过程会在一个分化窗口内逐步确定数据所属的纯态分支，直至落入单一纯态。文中还把得分描述为由板状单元和冲击状边界构成的泡沫结构，并给出去噪误差随各阶段下降的特征。
看点用长程相关高斯随机势的Gibbs测度解析扩散模型的反向过程，提出“泡沫”结构与Larkin论证；摘要报告对精确分数的分析结果，影响限于理论领域。
Balancing Representations by Identifying and Generating Under-represented Data
说明通过识别并生成代表性不足的数据来平衡表示
简介该论文提出BRIDGE方法，用于改善长尾无标签数据上的自监督学习。它让当前编码器按kNN距离筛选样本，再用冻结的图像到图像扩散模型为选中的样本生成局部变体，并把扩充后的数据用于继续预训练。在多个长尾数据设置中，该方法在七项任务的线性探测与kNN平均结果上表现最好，且无需标签。
Action Verification through Conjecture and Refutation for Language Model Agents
说明通过猜想与反驳进行语言模型智能体的动作验证
简介论文提出 BlackSwan 方法，让语言模型智能体在执行改变环境状态的动作前，先预测其预期效果，提出可检验的错误假设，并用已有观察或不改变状态的额外动作进行测试，只有在所有假设都未被推翻时才执行该动作。在 AppWorld 任务上，该方法的成功率相比最强基线分别提高 14.9 和 25.2 个百分点（分别对应开启和未开启骨干模型的思考模式）；在 WebShop 上提高 12.7 个百分点。
Exact Fusion of Softmax Attention Heads Can Require Exponentially Many Atoms
说明Softmax注意力头的精确融合可能需要指数级数量的原子
简介论文研究把多个独立归一化的注意力头融合为单个头时，要保持输出不变所需的键值条目（原子）数量。作者针对特定函数证明了指数级的下界，并说明该下界在头数整除维度时是紧的。论文还讨论了预训练模型缓存的精确保持问题，并给出学习型缓存在两组各64个上下文上的比较结果。