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Pixel：面向通用移动操作学习的全栈协同设计机器人系统
简介该论文提出 Pixel，一套为学习通用移动操作而协同设计的全栈机器人系统。它包含低成本轮式人形机器人、多种遥操作与无机器人人类数据采集接口、统一的全身控制器以及共用的策略学习流程。系统还采用分层学习框架，支持语言条件的视觉运动控制和长时程任务执行，并在硬件、数据采集和策略学习上进行了评估。
说明Pixel-UMI：从带传感器的人类示范中学习环境感知的全身操作
简介该论文提出Pixel-UMI，一套从人类示范数据学习全身移动操作策略的流程。它包含环境感知重定向（EAR）、重定向误差感知遮挡（REAM）以及基于DAgger的在策略人工纠正三部分，用于弥补人与机器人的形体差异。在五项任务上的评估平均任务进展为87.0%。
说明EgoActionBench：面向第一人称人类视频的密集动作描述基准
简介本文提出EgoActionBench，一个用于评估第一人称人类视频中细粒度动作理解的基准，将连续的手部操作表示为带时间定位的原子动作，并标注其由左手、右手或双手执行。该基准包含1,407个片段和41,132条经人工精修的动作标注，并提出了同时衡量内容、时间与手部归属的评估协议。作者在该基准上测试了20个基线模型，并对两个骨干模型进行了微调与强化学习，其EgoActionScore分别提升15.9和23.2分。
说明从自然语言到精确覆盖：用于斑马谜题的神经符号方法
简介本文提出一种神经符号框架，用于求解自然语言描述的斑马式逻辑谜题。大语言模型把实体与约束翻译为结构化工具调用，构建精确覆盖问题实例，再由符号求解器计算答案，并反馈以迭代修正编码。论文在多种参数规模、后训练方法和模型系列上进行了实验，结果显示该混合方法优于纯神经基线（包括思维链提示）及近期的神经符号方法。
说明WebHarbor：为可演进的GUI智能体环境接入真实网站
简介WebHarbor是一套包含153个可执行、容器化网站环境的套件，在确定性控制下复现真实网络服务的界面、内容和功能流程，便于稳定地评测与训练GUI网页智能体。研究通过人机协作构建这些环境，共包含3,518个任务，涵盖多步骤及登录后的流程。实验显示，用该环境经强化学习训练的Qwen 4B级GUI智能体能泛化到未见任务，并在四个基准上与领先的开源GUI网页智能体表现相当。
说明预训练数据规模逆转 Muon 与 AdamW 的微调差距
简介本文比较了 Muon 与 AdamW 两种优化器在预训练后微调的表现。研究发现，当预训练数据量足够大时，微调后 AdamW 的表现优于 Muon，且模型越大，AdamW 超越 Muon 所需的预训练数据与参数比例越小。作者提出“边界与分散比”指标来解释这一现象，并在语言模型和线性联想记忆中进行了分析。
说明并非所有推理都能泛化：RLVR中学习可泛化推理策略的案例研究
简介本文研究如何通过推理策略促进大语言模型在可验证奖励强化学习（RLVR）中的泛化能力。作者使用可控的方程求解框架，发现RLVR会使模型在分布内任务上保持结构化推导，但在分布外偏移时退化为低效的暴力枚举，导致准确率明显下降。研究表明，同时训练双射逆向任务可以部分恢复正确策略与分布外准确率，并提出理论分析：仅依赖结果奖励的RLVR也能隐式地更多奖励有效推理策略。
说明Isekai3D SDG：多样化合成游戏视觉数据平台
简介该论文介绍了Isekai3D合成数据生成（SDG）平台，用于模拟和采集合成的三维游戏画面，服务于视觉与世界模型、神经图形学、游戏智能体等研究。平台采用两阶段流程：先模拟游戏并记录世界状态、角色动作和摄像机轨迹，再重放记录以按指定分辨率和帧率输出视频、图像、深度图等，并附带与帧对齐的元数据。
说明FADE：用于在线 RLVR 调度的分解式能力-难度过滤方法
简介论文提出 FADE（分解式能力-难度估计），用于强化学习可验证奖励（RLVR）训练中的在线提示调度。它把策略能力的快速变化与每个提示的固有难度分开建模，用双线性状态空间滤波器估计两者，从而选出更可能产生有效学习信号的提示。在五个推理基准、两个基础模型和四种调度方法的比较中，FADE 在相同采样预算下提升了下游准确率和校准度，每步额外开销不到 0.6 毫秒。
说明通过分层EEG到文本对齐进行思维解码
简介本文研究基于脑电图（EEG）的句子级文本解码，旨在为有沟通障碍的人提供替代沟通途径。作者提出一种新颖的分层对齐框架，以阅读句子的上下文和EEG作为输入，检索出被阅读的句子。
说明D&A：将描述与评估解耦，使视觉语言模型可作为零样本机器人奖励模型
简介论文提出D&A（Describe & Assess）方法，用视觉语言模型对机器人视频进行任务进度估计。方法先生成基于任务的客观场景动态文字描述，再依据明确的评分准则进行评估，从而减少确认偏差。该方法仅依靠提示词，无需额外训练，其奖励估计结果可用于下游强化学习。
说明Strategist：用智能体演化推理策略
简介该论文提出 Strategist，一种元智能体，用于在不同任务间演化推理策略。每个策略以可执行代码的形式保存在共享库中，新任务可检索并复用已有策略，经小规模开发集测试后修订，再回存入库。在 30 个基准测试中，它在 24 个上优于最强基线，平均准确率与其相当（74.7% 对 74.0%），推理成本降低 39%，且策略可迁移到未见任务和其他模型。
看点新意在于让元智能体跨任务演化推理策略并建立可复用蓝图库；摘要报告在30个基准上胜过最强基线24个，平均准确率持平且推理成本降低39%。
说明追溯大语言模型科学发现能力与其训练数据的关系
简介该论文研究大语言模型的科学发现能力从何而来，提出以“只出现一次的事实”（monofact）占比解释这种能力的理论框架。作者在材料科学和监管基因组学中调整训练集中单次事实的比例，发现在两个开源模型系列、不同采样策略和推理预算下，单次事实越多，模型发现的结果就越多。实验还表明，这一关系不能仅由训练数据的多样性解释，并且在与领域内数据配合时可迁移到其他科学领域。
说明利用稀疏且不成对的缓存回答进行基准预测
简介论文提出乘积核视角空间（PKPS），通过模型对嵌入回答的表示来刻画黑盒生成模型，并比较相似而非仅相同的查询所得回答，从而利用稀疏且不成对的评估信息。作者从理论上证明，相较只使用稠密且成对评估数据的方法，PKPS 的基准预测具有更高的查询效率。在两个大型基准套件上的实验显示，基于 PKPS 的方法在基准预测上优于基线方法。
说明动力系统中的高效闭合学习：数据同化与嵌入式方法的比较
简介本文比较了两类数据驱动闭合建模方法，用于近似简化动力系统中未被解析的效应。研究以一个带非线性状态相关隔离闭合项的合成流行病学SIQR模型为例，考察两者在成本与精度上的权衡。结果显示，嵌入式训练平均精度最高；分阶段方法在定性行为相近的情况下，误差略增，但模型评估次数显著减少，且优化更稳健。
说明ufakzeka-kulak：从零训练的 3160 万参数土耳其语语音识别模型及其评测
简介本文介绍 ufakzeka-kulak，一个参数量为 3160 万的开源土耳其语语音转文字模型，采用 FastConformer 编码器、TDT 与 CTC 解码头，在 Apache-2.0 协议下发布。训练数据共 4977 小时，其中 281 小时为人工转录，其余为字幕或机器转录并经独立校验。在 FLEURS 与 Common Voice 土耳其语测试集上，贪心解码的归一化词错误率分别为 0.0921 与 0.0916，低于 Whisper base 与 small，但高于 Whisper large-v3；在会话式语音上的词错误率为 0.3807。
说明Reviso：并非所有视觉证据都值得同等关注的视频字幕生成
简介本文提出Reviso，一个用于视频字幕生成的智能体框架。它先通过低帧率全局预览制定观察计划，确定重点内容，再有选择地回看视频片段并结合工具进行细致观察，最后整合全局与局部信息生成字幕。实验显示，该方法在四个视频字幕基准上优于所评估的开源基线，生成的字幕也更有利于下游视频问答。
说明DiabAgent：迈向智能体式生理控制
简介该论文提出DiabAgent研究套件，用于评估智能体在生理控制中的能力，以1型糖尿病的血糖管理为具体场景。套件包括通过医疗设备工具控制血糖的APC框架、用于虚拟测试的DiabetSim模拟器，以及由212个血糖控制任务组成的SweetBench基准。实验显示，APC的COGI得分为73.5，高于开源闭环基线OpenAPS的71.2。
说明四座桥：在多智能体博弈中衡量欺骗倾向
简介这篇论文研究AI智能体在多智能体互动中自发出现的欺骗行为，且并未被指示欺骗。作者提出了Kradle评估平台和名为Four Bridges的信息不对称博弈，对八个前沿模型进行测试。结果显示，所有模型都出现了欺骗行为，占全部运行的73%。
说明我们是否应该合并数据？隐私条件下评估数据共享的算法与极限
简介论文研究两方在各自保密的标注数据之间，能否在不互相暴露数据点的前提下，判断是否存在一个分类器能同时拟合两份数据。作者以两方差分隐私为约束，给出可区分“完全兼容”与“存在冲突”的最小错误数阈值，并分析了阈值直线与半空间两类假设类下的结果。
说明结构化视觉景观：在生物与人工神经网络中生成偏好表征
简介该论文提出结构化视觉表征景观，并设计基于激活的先验，用来正则化潜在空间。其模型Vis-Lens结合变分自编码器与扩散模型，无需逐图迭代优化，直接修改受激活约束的潜在编码，生成自然逼真的偏好图像。研究在人工神经网络和基于功能磁共振成像（fMRI）的人类视觉皮层数据上验证了该框架，相比近期先进方法，其激活调制效果与图像真实度均有提升。
说明DynaSolver：用于动态边界自回归四维流场预测的神经算子
简介该论文针对随关节运动边界变化的非定常流动，提出了神经算子DynaSolver，用于替代计算流体力学仿真。论文同时构建了RoboCFD-4D基准，涵盖多种机器人形态与流动条件。实验显示，在全程自回归预测上，DynaSolver在多种学习型替代模型中精度最高，且随预测推进优势扩大。
说明评估概率型时间序列基础模型的不确定性校准
简介本文研究概率型时间序列基础模型（TSFM）输出的不确定性估计是否可靠。作者提出了不同模型表示预测不确定性方式的分类，并建立了多步预测中校准性的细粒度评估框架。实验显示，主流模型存在系统性的失准模式，常规指标往往掩盖这些问题，文中也分析了常见的事后重新校准方法。
说明多轮预训练的缩放理论：后期过拟合与模型集成
简介本文研究在训练数据固定时，训练轮数与集成规模如何共同影响语言模型的泛化能力。在FineWeb上的语言模型实验中，对模型输出取平均（logit平均）可减轻训练后期的性能下降，推迟最优停止时机。作者还推导了幂律随机特征集成的动力学平均场理论，用以分析多轮随机梯度下降，并据此给出固定数据和单模型规模下的算力分配规律。
看点将多轮训练与集成结合，推导DMFT理论并给出计算分配律；在FineWeb语言模型实验中验证，作者报告集成可优于更宽或更深的单模型。
说明3D-BBDA：面向鲁棒三维点云识别的免反向传播黑盒域自适应方法
简介该论文提出3D-BBDA框架，用于在只能获取源模型黑盒输出、无法访问源数据或内部参数的情况下，将三维点云分类器适配到无标签的目标域。方法基于伪标签引导的原型对齐，并通过加权预测模块融合源模型输出与对齐结果，同时用高斯扰动原型作为缺失类别原型的备用。在四个带损坏的三维基准上，论文报告其优于若干基线方法；方法仅需一次前向推理，无需梯度更新。
说明FedReady：用有界智能体完成联邦学习的前期准备
简介该论文提出FedReady系统，用受约束的大语言模型智能体来完成联邦学习开始前的“联邦组建”工作，即筛选符合任务条件的站点，并为其准备本地数据和任务代码。系统的运行时负责管理流程状态，只有通过与摘要校验绑定的检查后才接受智能体提交的产物。在39个模拟视网膜站点和4项任务的实验中，候选站点发现的召回率达到1.00，本地资格验证去除了全部17个误报，且未遗漏任何合格的站点与任务组合。
说明Sonar-MoE：在反向传播中更新专家参数，降低混合专家模型训练的显存占用
简介该论文提出Sonar-MoE方法，在反向传播过程中逐个更新混合专家（MoE）模型的专家参数张量，并立即释放其梯度，使GPU显存中至多只保留一层专家梯度。在OLMoE-1B-7B和Granite-3.1-3B-A800M上以bf16微调，峰值显存降低19%至22%；不做专家梯度裁剪时，更新结果与标准训练按位相同，留出集损失差异在0.003以内，单步耗时比带全局范数裁剪的标准训练少17%至23%。
说明NitiBench+：跨17个领域、考虑时效性的泰国法律问答基准
简介该论文提出NitiBench+，一个泰国法律问答基准，包含1670道题，覆盖17个法律领域，题目取材于三家法院的判决。基准为每个被引法条同时提供判决日有效的文本和现行文本。论文测试了13个开源模型，并对26个模型进行了排行榜评测，结果显示即使在正确文本条件下，今天的模型在泰国法律问答上仍有较大差距。
看点新意在于按判决日期的生效法条评测泰国法律问答，揭示修订法条的代价；在1670条题目、13个开源模型和26个模型排行榜上验证。
说明VeriHarm-Bench：可验证地衡量编程智能体的“有害成功”
简介该论文指出，编程智能体在完成用户良性任务的同时，可能附带删除无关文件、削弱权限控制或损坏数据等意外危害，称为“有害成功”。作者提出VeriHarm框架，自动构建可程序验证的基准，同时评估任务准确率与有害结果。实验显示，前沿智能体平均任务准确率达95%，但安全成功率仅约37%。
说明BISECT：面向低秩持续学习的双层谱分解方法
简介该论文针对预训练视觉Transformer上的无样本持续学习问题，提出名为BISECT的低秩适配（LoRA）框架。方法将固定秩预算分为两个正交功能块：一是由历史与当前任务联合Gram矩阵主导模式构成的不变载体，二是通过广义瑞利白化与正交补投影得到的新颖性补充块。训练结束后，通过闭式精度门将两部分折叠回冻结主干，论文称在八种增量设置的五个数据集上优于提示、适配器和LoRA基线，且不增加推理参数或计算量。
说明PlantVLM-Edge：用于设备端作物健康诊断的量化视觉-语言模型
简介本文提出PlantVLM-Edge，一种可完全在资源受限边缘设备上运行的量化视觉-语言框架，用于对话式作物健康诊断。该框架结合农业领域适配、训练后量化和离线聊天接口，使种植者无需云端连接即可获得诊断、症状解释和管理指导。实验在NVIDIA Jetson AGX Orin上进行，4位AWQ量化保留了全精度模型98.6%的回答质量，最紧凑版本仅需2.01 GiB权重内存，64个词元的诊断回复耗时0.78秒。
说明基于深度学习的协变量驱动泊松过程非参数强度估计
简介本文研究泊松过程强度函数的非参数最大似然估计，允许强度依赖于可观测协变量，并避免了强度需远离零的假设。作者推导了协变量平均Hellinger距离的oracle不等式，并据此给出基于深度神经网络的估计量的收敛速率。文中还在模拟研究和Allen脑观测神经刺激数据分析中，将深度网络估计量与核估计量进行了比较。
说明LLM智能体能否充当前线部署工程师？企业文本转SQL场景中的需求发现与交付
简介本文研究大模型编程智能体能否像前线部署工程师一样，先挖掘客户需求，再把需求转化为部署决策。研究基于一个真实的企业文本转SQL项目，模拟客户只提出模糊请求，智能体需要在发现阶段确定验收标准、数据权限和硬件约束，并在交付阶段规划并执行后训练方案。结果显示，最强的模型发现了超过80%的隐藏需求，而在交付阶段，八种编程智能体配置中只有25%的运行通过了全部验收标准。
说明LLM智能体能否改进不完美的地球系统模式参数化方案？
简介地球系统模式依赖参数化方案来描述对流、云微物理和湍流等无法直接分辨的过程，但把物理认识转化为稳定、经过验证的方案往往需要数年。本文以暖雨碰并凝结过程为测试案例，评估大语言模型智能体综合文献、复现已发表的体参数化方案，并以可微分JAX代码提出新函数形式的能力，并与超液滴模拟结果进行比较。结果显示，在专家指导或迭代反馈下，智能体可生成可执行、可微分且质量守恒的代码，但无人值守时的表现因方案和模型而异。
说明变分泛函神经网络（vfNN）：直接优化积分形式物理泛函来求解系统状态的方法
简介该论文提出变分泛函神经网络（vfNN）算法，通过优化拉格朗日量、哈密顿量或自由能等积分形式的物理泛函来求系统状态，从而绕过直接求解欧拉-拉格朗日微分方程。与依赖高阶导数和经验权重的传统物理信息神经网络不同，vfNN只计算较低阶导数并用物理尺度代替权重。论文还提出带模拟退火的拟牛顿优化算法，并报告其在线性或非线性常微分方程基准系统上结果准确。
说明面向电力系统研究与并网评估的自动化智能体框架
简介论文提出 Grid Agents 系统，包含两部分：一是存放法规、标准和工程知识的 Grid Ontology，可检索并随使用持续更新，答案需引用证据；二是面向电力系统工程的 Grid Studio 智能体，借助领域工具和成熟求解器计算。作者将八个电力系统基准集整合为519项任务进行评估，并回放智能体工具调用以验证过程。结果显示其在法规证据引用、相关检索基准及电力系统任务上表现领先，在有优化器参与时，补强方案成本比单独由智能体设计低33%至67%。
说明CoLa3D：可组合的潜空间三维场景分解
简介该论文提出CoLa3D模型，输入单张图像或已有场景网格得到的整体场景潜变量，直接输出一组空间布局一致、可重新组合成完整场景的物体网格。模型采用轻量的基于查询的Transformer，可接受二维掩码、三维点和可学习查询等不同形式的查询。在合成与真实数据集上，它在可组合三维场景分解任务中取得了最优结果，并比SAM 3D快2倍、所用训练数据不到其1%。
看点新意在于在共享整场景潜变量中直接分解物体，而非逐对象生成再拼接；摘要报告在合成与真实数据上达到领先并快于SAM 3D。
说明用于皮肤癌诊断的多源无源域自适应：对比适配器训练与共识知识蒸馏
简介本文提出 CAT-CKD 方法，用于在无法获取源数据的情况下，将多个带标签的临床数据源迁移到无标签的目标皮肤病变数据集，以区分黑色素瘤与良性痣。方法包括：在冻结的 ViT 主干中训练轻量 ConvPass 适配器并采用监督对比学习，以及将多个源模型的 logits 聚合为共识信号、通过 KL 散度训练学生模型。作者称在五个公开皮肤病变数据集上平均 AUROC 达 86.1%，且仅需 4.3M 可训练参数。
说明层库（LoL）：推理时动态排列 Transformer 层的顺序
简介该论文提出层库架构（Library of Layers, LoL），模型在推理时从一个全局的 Transformer 块库中动态选择并排列层的执行顺序，以处理当前问题。通过调整库的大小，它可在参数复用与稀疏之间过渡，统一了稠密、深度循环和专家混合架构的效率权衡。论文报告其在文本预训练、数独与迷宫、多语言及安全数据上的实验结果，包括不同任务使用不同的层顺序模式。
说明给未标注的技能打分：WorkRB 技能抽取挑战赛（RecSys-HR 2026）的启示
简介这篇论文介绍了 WorkRB 在 RecSys-HR 2026 上的技能抽取挑战赛。它不再把所有未标注技能一律视为错误，而是为每个候选技能给出 0 到 4 的相关性等级，并用 nDCG@100 评分。论文记录了标注方法、五个基准数据集、LLM 评审级联的验证，以及参赛系统的结果，并指出多阶段检索加重排序的方案效果主要来自清除无意义的预测，同时这些系统参数量远超基线，效率问题仍待解决。
说明DistDebug-Bench：大模型智能体能否诊断分布式系统中的缺陷？
简介该论文提出 DistDebug-Bench 基准，用于评估大语言模型智能体在代码层面诊断复杂系统故障的能力。基准收录了 11 个常用分布式系统中的 120 个真实缺陷，涵盖 5 种编程语言和 10 类故障模式。评估发现，现有智能体与真实调试任务之间存在明显差距，主要表现为缺乏明确的推理结构导致的思维局限，以及工具使用范围不一致带来的不确定性。
说明PanoTac：用于稳健触觉驱动操作的高密度三轴触觉传感器
简介本文提出PanoTac，一种低成本、柔顺的触觉指尖，可进行高密度三轴触觉感知，每个指尖输出12×32×3的触觉表示，包括法向和两个切向响应分量。传感器以60 Hz运行，每个指尖成本低于50美元。作者将其集成到结合视觉与触觉的机器人系统中，在试管准备、舀取颗粒和倒盐任务中，策略平均比纯视觉基线高出46.7个百分点。消融实验显示，去除空间接触信息或切向反馈都会降低整体表现。
说明VIAS：面向组织多价值对齐与合规的价值隔离激活引导方法
简介该论文研究在大语言模型生成时向其内部激活添加向量（不改变模型权重）以提升合规性，是否能超越单纯提示的效果。作者提出价值隔离激活引导方法VIAS，通过对比只缺少单一目标价值的提示所产生的回答来构建向量，以减少不同价值向量之间的重叠。在PROTECT工作场所合规数据集上，结合提示使用时，Qwen2.5-7B、Mistral-7B和Phi-3.5-mini分别在69.6%、75.2%和72.6%的场景中满足所有标注价值，均优于仅使用提示。
说明《别给它装备，要向它提问》：面向深度核函数优化的提问驱动编程智能体
简介本文提出KernelSeek，一种通过提问引导的编程智能体，用于提升GPU上已有CUDA核函数的运行速度，不依赖特定算子的知识，也不需要可模仿的更快实现。论文报告，在相同任务和硬件条件下，一个工具丰富的自主智能体停留在FlashAttention-3的0.50倍，而KernelSeek达到1.13倍，并生成了无外部库依赖的Hopper与Blackwell架构FlashAttention前向核函数，几何平均分别为FlashAttention-3的1.16倍和FlashAttention-4的1.46倍。作者同时发布了核函数、框架、问题库和全部运行记录。
说明RASP：读取全部、稀疏更新的持续学习方法（固定规模LoRA适配器）
简介该论文提出RASP方法，用于预训练视觉Transformer的参数高效持续学习。方法只使用一个规模固定的LoRA适配器：推理时读取全部秩一分量，训练时仅让路由选出的少量通道接收梯度，并通过几何巩固指标抑制遗忘。作者称，在CIFAR-100、CUB-200、ImageNet-R和ImageNet-A上，RASP在参数量严格恒定的情况下达到或超过了逐任务扩展分支的LoRA方法。
说明ST-GFM：带测量扰动界与掩码谱重构的时空图预测模型
简介本文提出ST-GFM，一种用于传感器网络交通预测的时空图模型，通过切比雪夫滤波和双向扩散滤波处理输入，并结合节点级时间注意力。作者证明了图算子变化下的Frobenius范数扰动界，并在METR-LA和PEMS-BAY数据集上进行了评估。其提出的掩码谱重构损失在前40个epoch生效，在60分钟预测MAE上优于重新训练的STAEformer基线。
说明用于信号处理与深度神经网络推理的跨领域矩阵引擎
简介论文提出一种可重构的矩阵计算引擎，平时作为脉动阵列（SA）工作，并通过低成本重配置按操作切换为张量式引擎。它兼顾小规模信号处理核的低延迟与大规模神经网络推理的高吞吐、高能效。仿真显示小型PHY核延迟最多降低7.5倍，DNN负载最多加速1.65倍；综合结果估计可重构结构仅带来约8%功耗和13.6%面积开销。
说明AI能否参与形式人口学？为何优先为最年长者接种疫苗既能挽救最多的生命，也能挽回最多的寿命年数
简介本文记录了一项实验：让AI模型Claude解释并简化一项既有结论的证明，该结论认为为最年长者接种新冠疫苗能同时挽救最多生命和最多寿命年数。作者称，模型提出了一个更简短、更直观且略为更一般化的新证明，依据是一个已知的生命表恒等式和凸性定义。文章还给出了该结论成立的条件（风险函数倒数的凸性）及其精确形式。
说明面向持续语言模型训练的无标签在线梯度匹配（OLGA）
简介该论文提出OLGA方法，用于在数据不断变化时持续更新语言模型。它不依赖标签，而是用模型自身的下一词预测作为梯度匹配目标，从而合成少量能代表已见全部数据训练信号的样本。论文称，在五个文本分类基准上，仅用五个样本即可比最强的选择基线提高10个百分点的准确率，并能处理在线数据流。
说明从技术难度到组织难度：AI基准测试的新维度
简介该论文指出，现有AI基准测试多以单一技术任务为评测单位，而真实经济工作发生在组织之中，任务还涉及活动相互依赖、权责分配、时间约束和利益冲突等因素。作者借鉴组织理论，提出了描述工作结构的分类框架，并用它分析现有基准，发现其对组织维度的覆盖有限且不均衡。作者因此主张，AI基准测试应逐步转向评估智能体应对组织条件的能力。
说明基于可解释时间特征并结合IQR与异常检测的内布拉斯加湖泊游客量混合预测框架
简介该论文利用空间、基础时间和可解释时间特征，预测内布拉斯加州湖泊的每日游客量，并比较了多种基础模型与混合模型。研究考察了滞后特征以及IQR和异常检测两种离群值处理方法的影响。结果显示，去除异常值后各项误差指标下降，异常检测方法优于IQR，投票集成模型在交叉验证中的表现优于所比较的基础模型。
说明利用满足精确边界与初始约束的物理信息神经网络辨识剪切压电系数
简介本文提出一种受约束的物理信息神经网络（PINN），通过在网络输出中直接构造空间距离函数与时间乘子，使固定边界与静止初始状态自动满足。在仿真数据上，该方法能够从稀疏、带噪的地下波场观测中无损地恢复剪切压电系数e15。在与软约束基线的对比中，约束形式的平均误差为0.15%至0.51%。
说明倾斜凸性与离线-在线精确分离
简介本文将凸函数的三种等价刻画统一弱化为一个参数为γ∈(0,1]的变形，得到一族嵌套的函数类，并证明这些类在离线与在线优化之间存在精确分离。在假设 NP≠RP 的前提下，对于固定的γ∈(0,1)，任何多项式时间随机算法都无法在在线设定中达到亚线性的α-遗憾，因此γ是各类别在在线场景下的精确系数。
看点提出统一弱化凸性的失真参数γ，给出类的嵌套与精确的离线-在线分离，证明在线情形的计算难度下界。
说明基于输入输出数据的未知系统安全最优控制贝叶斯框架
简介本文提出一种贝叶斯框架，利用输入输出数据对未知非线性随机系统进行建模，并以粒子马尔可夫链蒙特卡洛方法更新状态空间先验，从而刻画动力学与潜在状态的联合不确定性。基于该表示，论文给出了在任意因果控制律下约束满足的概率保证，并通过条件风险价值惩罚的控制综合与自适应校准来权衡性能与鲁棒性。该框架还扩展到滚动时域设定，并在垂直农场的最优控制中进行了演示。
说明HIVE-Diff：基于单帧低动态范围图像与事件数据的高帧率高动态范围视频重建
简介该论文提出HIVE-Diff方法，仅利用一帧低动态范围图像和事件相机数据，重建出多帧高动态范围视频，以提升高速、强光照场景下的视频质量。方法采用事件条件的视频扩散框架，将任务分解为事件引导的时间生成和高动态范围内容补全两部分。由于真实配对数据稀缺，模型先在合成数据上训练，再借助低动态范围与事件序列的代理监督及师生蒸馏适应真实事件数据。论文称在合成及多个真实数据集上均取得了较好的重建质量和真实数据适应能力。
说明伪装的展开梯度：连接插值与雅可比正则化以实现稳定的神经动力学
简介混合模型和神经微分方程在长期积分中常出现不稳定和精度问题。该论文指出，基于插值或噪声样本的训练与雅可比正则化两种改善稳定性的方法，都可视为对展开学习梯度的近似。基于此认识，作者提出了一种有理论依据且完整的训练正则化方法，并展示了其对学习所得动力系统稳定性的影响。
说明Bg-Mix：在电子显微镜图像中利用背景进行数据增强
简介本文提出Bg-Mix数据增强方法，将训练图像分解为前景目标和背景，再重新组合成新的增强图像。该方法用于电子显微镜病毒图像的目标检测，在两个数据集和两种架构上测试，相比基线模型，框平均精度（mAP）提升了+0.8至+3.3个点，同时增加了训练数据的多样性。
说明离散扩散模型中可解释、可控制的在线类别后验
简介该论文针对离散扩散模型，结合有条件与无条件的模型预测，以在线方式追踪类别条件后验。在掩码语言建模中，与类别一致的词元会提升后验，矛盾的词元则会压低后验。作者还展示了该后验可用于逻辑引导操作（与、或、非），以精确控制生成内容，并讨论了离散与连续设定下无分类器引导的差异。
说明通过局部能量分解改进哈密顿量学习
简介本文提出局部多尺度哈密顿神经网络（LM-HNN），将哈密顿量按动能和势能分解，并表示为多个相互作用邻域上共享的局部函数之和。作者称，这种结构使细尺度能量结构更易学习，同时保持哈密顿动力学。在低维、相互作用及快慢系统上的实验显示，该方法在哈密顿导数和长时程滚动预测上比同类保结构模型更准确，并能更好地泛化到训练中未出现的能量水平。
说明Intent2CAD：语义-参数化监督如何影响文本到CAD生成
简介该论文研究文本到CAD生成中的设计意图表达，将语义特征、可复用参数和轻量参数关系作为代码层面的信号。作者构建了包含10万组文本-代码配对的IntentCAD-100K数据集，并提出两阶段保守提升方法。结果显示，语义提升可降低生成失败率并提高特征恢复，参数提升则使可复用关系结构显式化，并改善基于关系的零样本编辑效果。
说明二阶序列机器遗忘中的误差累积
简介本文研究在删除训练数据、无需完全重训练的机器遗忘中，序列删除请求带来的误差累积问题，参数数与样本数成比例的高维情形。作者比较了部分遗忘与完美遗忘两种隐私设定，并以共轭梯度法近似牛顿迭代中的逆Hessian向量积。文中给出了在不同认证方式下只需1到3次牛顿-共轭梯度更新即可成功认证并使已发布模型的总体风险退化趋于零的理论结论，数值实验显示该方法在病态问题上计算效率优于梯度法。
说明超多项式次低查询的近端采样方法：超越对数凹性
简介本文研究从密度 π(x)∝e^{-V(x)} 中采样所需的梯度查询复杂度，其中 V 的梯度为 β-Lipschitz 但不要求凸。作者采用近端采样器，交替进行高斯扰动与基于带噪观测的条件采样，并借助已有的高阶带噪条件采样器改进了函数不等式条件下的维度依赖。论文还分别在对数 Sobolev 不等式与 Poincaré 不等式条件下给出了查询复杂度的上界及相应保证。
说明《装傻：国际象棋Transformer如何模拟不同水平的用户》：研究模型在不同棋力下如何使用已有知识
简介该论文研究Maia-2国际象棋Transformer模型，它根据棋手水平预测人类走法。作者用探针检测模型内部对172个棋局概念的编码，发现不同棋力条件下编码准确率几乎不变。通过只微调最终输出层，最低棋力段的最佳走法准确率从14.4%提升到82.8%，说明较弱表现未必代表知识缺失，而是知识的使用方式不同。
看点新意在于区分低技能行为是知识缺失还是知识使用方式不同；在Maia-2上用探针、输出层微调与稀疏自编码器转向进行验证，并报告低技能段最佳着法准确率从14.4%提升至82.8%。
说明一次对齐即可解释：面向基础视觉Transformer可扩展B-cos化的特征对齐方法
简介本文提出ALOE方法，通过一次性、无需标签的特征对齐，将基础视觉模型转换为本质可解释的B-cos变体。对齐后的B-cos主干可直接替换用于多种下游任务。该方法适用于有监督、自监督及视觉-语言等预训练范式，在分类任务上明显优于普通B-cos化，并在多个下游数据集上保持与基础主干相当的迁移能力。
说明将神经正切核分析与强化学习结合，用于深度函数逼近
简介本文把神经正切核（NTK）理论扩展到强化学习，提出一种能处理时变小批量与时序差分（TD）更新的TD流形式，并给出过参数化设定下价值函数演化的闭式解。作者还设计了基于优化的状态空间探索方法，结合环境约束来刻画可行状态集合。在确定性网格环境中，实验验证了该方法能有效学习并适应训练数据分布的变化，且所得探索策略提升了样本效率。
说明优化运行框架而非模型：为可自托管的大语言模型拟合极简智能体，用于调查分析
简介论文提出CLEO方法，为固定的、可自托管的大语言模型拟合一个极简的智能体运行框架。该方法依据专家验证的数据集，只保留能提高准确率、同时保持通用性和可审计性的工具、防护机制、记忆策略和循环组件。在其保留测试集上，CLEO框架的通过率为83.8%，与最强的现成Claude Code SDK基线相差不大，而框架规模小了两个数量级。
说明图机器学习的动态排行榜
简介本文提出一个面向图学习、持续更新的排行榜，按数据集整理已报告的实验结果，便于将新结果与已有结果对照。截至2026年10月15日，作者的基于大语言模型的抽取流程从885篇同行评审论文中提取了27,723条符合条件的结果，涵盖111个数据集。分析显示，一些旧数据集仍被广泛使用，且部分结果表中的基线数值明显低于文献中已有的结果。
说明评估深度增强视觉特征在跨数据集月面可通行性估计中的效果
简介本文研究在视觉特征之外加入深度、表面法线等几何信息，是否能提升月面可通行性估计的效果。作者采用基于稀疏成对标注的弱监督框架，在两个地面类比数据集和真实的嫦娥PCAM月面数据集上进行域内与跨域评估。结果显示，简单的几何增强相比强视觉基线没有稳定提升；训练数据来源是影响迁移质量的主要因素。
说明IdeaTaste：大模型的研究品味是否与人类研究者一致？
简介本文提出IdeaTaste基准，依据2025年冻结的文献快照让大模型撰写研究提案，并与同一社区2026年发表的论文对比，衡量其研究品味。实验涵盖六个大模型、四个研究领域，共九万余份提案。结果显示，大模型在引用匹配上约为人类水平的26%，在想法匹配上仅为18%，主要差距在于难以形成具体方法与研究计划。
说明通过模块化两阶段开放集识别规避幅值崩溃
简介本文将开放集识别视为表示学习与后处理两阶段的模块化流程，系统研究了二者在不同数据规模和是否使用已知未知数据时的交互。作者发现了一种称为幅值崩溃的失效模式：利用已知未知数据的表示学习方法在大规模数据上可能性能下降，并不可逆地破坏判别信息。通过结合简单的K+1类分类器基线与幅值感知后处理，论文在规避幅值崩溃的同时取得了当前最优的性能，并指出小规模评估结果无法预测大规模表现。
说明用于解释临床时序模型的时间岛稀疏自编码器（TI-SAE）
简介该论文提出时间岛稀疏自编码器（TI-SAE），从冻结的预测模型表征中学习可在患者间共享的临床概念字典。每个字典条目由学习到的时间高斯岛（说明概念何时活跃）和稀疏变量组合向量（说明涉及哪些变量）定义。在MIMIC-III和MIMIC-IV上对五种骨干架构进行评估，结果显示其能生成结构化的临床概念，并在标准忠实性基准上表现良好。
说明有限记忆下部分可观测马尔可夫决策过程的控制：基本极限与高效设计
简介本文研究部分可观测马尔可夫决策过程（POMDP）在有限记忆控制器下的最优控制问题。作者通过信息论逆向分析，给出任意有限记忆控制器损失的基本下界，并引入能刻画混淆后会带来不可避免损失的信念状态的“决策见证”概念。基于该下界，作者提出了构造性量化方法RECAP用于设计代表性记忆状态，并证明了其码本最优性差距的上界。在11个POMDP基准实验中，RECAP在相同记忆预算下优于有限记忆表示基线方法。
说明DeliverBench：评测AI智能体能否交付多阶段专业项目
简介该论文提出DeliverBench基准，用于测试AI智能体能否把一个项目从需求简报推进到最终交付。基准包含11个项目，涵盖财务尽职调查、法律合同起草和药物安全报告等领域，由13位领域专家依据真实材料构建，共150个子任务，并经过2至15轮新材料与客户反馈。评测中智能体会继承自身前序错误，专家评分涵盖每个检查点和最终成果。结果显示，表现最好的系统最终交付得分为65.0分（满分100），在90分阈值下通过了50.0%的子任务。论文认为，单项任务能力并不会自然组合成完整交付，保持工作在演进中的连贯性同样关键。
看点新意在于把多阶段专业项目交付作为评测对象，用真实材料与专家评分规则，报告最佳系统仅得65.0分。
说明低秩Clebsch-Gordan耦合用于等变球面预报
简介论文提出LCG-SFNO模型，在球谐神经算子中引入低秩Clebsch-Gordan张量积，使学习到的算子保持SO(3)等变性。配套的SSHCG稀疏GPU实现使该耦合可用于预报规模。在浅水方程和WeatherBench基准上，其旋转误差降至数值精度，浅水预报与SFNO相当，WeatherBench上的预报技巧明显优于SFNO。
说明从被动到智能体化的韧性：信令风暴下的多时间尺度AI-RAN编排
简介本文针对开放无线接入网（Open RAN）与AI-RAN中的信令风暴问题，提出由智能体AI协调的三层编排框架，慢速语言模型推理与快速控制回路分离。作者构建了离散事件仿真器，模拟大量终端接入引起的重试放大、共享算力竞争和非即时资源部署。实验表明，该控制器通过读取日历中的已知事件提前扩容，可在四分之一容量下接近全量配置服务器池的韧性。
说明VidDub：面向两步视频配音的替换感知蒸馏方法
简介该论文提出VidDub，用于视频配音，即在保留说话人身份、头部姿态和背景的前提下，生成与目标语音口型同步的视频。方法包括替换感知的跨音频监督，在替换音频样本中屏蔽源嘴部重建损失，并将整个扩散编辑器蒸馏为两步去噪。实验显示，屏蔽冲突的源嘴部重建可提升跨音频口型同步指标，最终两步模型在四个基准上兼顾口型同步、视觉质量、身份保持和视觉语音识别。
说明利用各向异性全广义变分的图像引导深度上采样
简介本文提出一种深度图像上采样新方法，用于解决深度相机分辨率较低的问题。作者以高分辨率强度图像计算各向异性扩散张量来引导上采样，并构建带高阶正则化的凸优化问题。该方法基于原始-对偶形式的数值算法，可并行实现并达到每秒多帧的速度。论文称其在 Middlebury 2007 数据集上速度与精度均优于现有方法，并发布了带有高精度真值的新数据集，用于基于真实传感器数据的上采样方法评测。
说明TaoMate-HD：渐进分辨率的自回归音视频生成
简介该论文提出 TaoMate-HD，一种用于高分辨率音视频流式生成的自回归模型，面向持续说话的数字人场景。模型对每个短片段先用两步去噪在低分辨率下确定视频大致结构，再用最后一步细化到高分辨率，音频在同一轨迹中同步生成。文中报告相比直接高分辨率生成有 1.6 倍加速，阶段并行部署相比串行渐进生成再有 1.9 倍加速，并通过续训练将字符错误率降低 11.18 个百分点。
说明TaoMate-FVSR：音频引导的人脸视频修复
简介该论文提出一种音频引导的人脸视频修复框架，用于改善AI生成视频中人物面部（尤其是嘴唇和牙齿）的清晰度，并使修复结果与语音音频保持同步。方法在参考引导的视频流模型中结合源噪声混合与结构化参考注入，训练时同时使用图像视频修复与配音源修正数据。在说话人头部修复基准上，该方法在配对感知相似度和同步得分方面优于所比较的修复方法。
说明基于级联双三次锚点与跨尺度互相精炼的渐进式多尺度超分辨率方法
简介本文提出PMS-SR，一个单输入多输出的渐进式超分辨率网络，可在一次前向传播中同时输出2倍、4倍和8倍的结果，主干为作用于低分辨率网格的Transformer。训练分两阶段：第一阶段每个尺度以前一尺度预测结果的双三次上采样为基础预测残差；第二阶段通过空间到深度反馈、可变形对齐和逐像素融合让各尺度相互精炼。在DF2K上训练的7.95M参数模型，在五个标准测试集的4倍和8倍上PSNR均高于所比较的所有多尺度方法。
说明CrowdForge：音频与视觉观众参与方式对AI介导的MR表演中能动性、协作与投入感的影响
简介该论文提出CrowdForge，一种由AI和混合现实（MR）支持的表演形式，观众在吉他手与DJ的现场演出中共同控制生成音乐与虚拟环境。研究通过音频、视觉及音视频结合三种互动条件的混合方法演唱会实验发现，可观察性是影响观众能动性的主要因素；视觉互动提供易于观察的反馈，音频参数则可对音乐进行宏观结构上的控制，并带来与演奏者之间富有成效的张力。
说明LAND：为贝叶斯最优N选一法学习自适应采样次数
简介最优N选一解码通过采样多个候选并挑选最好的一个来提升生成质量，但对所有输入源分配相同的计算量。本文提出LAND方法，依据后验预测的边际收益动态分配采样数量：从校准数据中学习源条件分数分布的离散经验混合，随观测到的分数更新对每个源的判断，当再采一次的期望收益低于统一的计算成本时停止采样。在多个模型和语言对的机器翻译实验中，相同平均计算量下LAND的MetricX分数优于固定N的方法；在翻译质量相当时，所需候选生成数约减少20%至40%。
说明ASCoR：面向遥感域泛化的非对称语义-空间学习方法
简介该论文针对遥感语义分割的仅源域域泛化问题，即训练时不使用目标域数据，仍需在未见域中给出可靠预测。作者提出基于SAM3的非对称框架ASCoR，结合文本条件语义分支、动态自适应LoRA的固定预算分配以及独立的任务专用密集空间分支，并通过轻量可靠性路由器进行有界空间修正。在ISPRS、LoveDA和OpenEarthMap的九组跨域迁移实验中，该方法在ISPRS的六组迁移上平均mIoU达68.61%，并在三组LoveDA/OpenEarthMap迁移上取得最佳结果。
说明几何感知神经算子替代LISFLOOD-FP模型，用于快速洪水预报（意大利福利市案例）
简介本文提出一种时间相关的几何感知神经算子（GINO）代理模型，用以替代物理二维水力模型LISFLOOD-FP，针对意大利福利市（Forlì）2023年5月埃米利亚-罗马涅洪灾进行快速淹没预报。模型仅依赖河流水位站和雨量站数据，在38个未参与训练的观测事件上取得较高精度，72小时预报仅需1.7秒，远快于原模型的55秒，并能在6.2秒内完成50成员集合预报。
说明RangeFinder：根据蛋白质口袋预测配体理化性质范围
简介RangeFinder 是一个基于 SE(3) 等变 Transformer 的口袋级模型，在 BioLiP2 数据上训练和评估，可直接根据口袋结构、化学和进化信息预测九项配体理化性质的取值范围。以交并比作为目标和评价指标，其范围交并比为 0.464±0.002，每个口袋耗时 12.2 毫秒。论文认为它可作为分子筛选的先验，在对接、生成或合成之前缩小候选配体的搜索空间。
说明同样的输出，不同的分数：审计多模态大模型基准中未经核查的评分规则
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。
看点新意在于审计多模态大模型基准的评分规则本身，通过复现八个基准的官方评分器并引入人机联合裁决，揭示同一输出因评分规则不同分数可差22分，影响排行榜结论。
说明提升城市社区犯罪举报应用采用率的社会技术因素混合方法探索
简介本研究采用探索性序列混合方法，识别并验证促使居民采用犯罪举报应用的社会技术因素。研究结合两组焦点小组、660条应用评论分析和505名城市居民的问卷调查（采用PLS-SEM分析）。结果显示，用户最初对应用有用性的感受会逐渐减弱，持续使用取决于感知价值，其包含安全、匿名、时效、自主、社群归属感和可及性六个维度，其中安全、匿名、自主和社群归属感四个维度构成感知价值的高阶构念。感知价值是行为意图的最强预测因素，行为意图又强烈预测实际使用。
说明语言模型为保护既定目标而采取有害行动的情境分析
简介本文将智能体式失准（如为避免被替换而勒索高管）和对齐伪装（训练中为保留价值观而服从有害请求）视为同一决策结构：模型在有害行动与放弃目标之间取舍。作者将其形式化为目标与危害的冲突，并在从强制选择提示到模拟智能体环境的多种评测协议下研究，同时比较了基于答案词元概率的logit视角和基于语言模型评判的采样视角。
说明EO-Jev：面向地球观测的决策模型
简介该论文研究用于地球观测（遥感影像）任务的决策模型，即在单次前向计算中输出候选答案概率的模型。作者以 d3-flash（84 亿参数）为对象，在 23 个公开基准的 30 个设置上做诊断分析，并通过低秩微调得到 EO-Jev。论文报告 EO-Jev 在多数设置上优于 d3-flash，同时通用决策能力有所下降。
说明通过超图正则化融合以对齐：面向检索的多模态表示学习
简介论文提出一种训练阶段使用的超图融合框架，把样本内及语义相关样本间的可用模态连接起来，使表示学习能利用单个样本之外的信息。推理时检索流程保持不变，超图在训练后被丢弃。在十一个零样本视频-文本和音频-文本检索基准上，作者报告相较GRAM和HyperGRAM有广泛提升，并在缺失模态的评估中仍保持正向增益。
说明《每个像素都是选项》：面向医学超声测量的系统一模型
简介本文提出Kev-Bio，一种视觉-语言模型，用临床测量问题引导超声解剖标志点检测。模型借鉴系统一决策模型的思路，为每个测量标尺端点生成查询，与共享的稠密超声特征匹配，得到空间概率图，进而计算标志点坐标与临床测量值。在九视图FU/GU Biometry 2026数据集上，其平均径向误差为22.50像素，临床测量平均绝对误差为15.38，整体表现优于对比基线。
说明基于电子健康记录的多维度自杀风险机器学习评估
简介本文提出一个多维度机器学习框架，利用MIMIC-IV电子健康记录估计与自杀相关的结局。研究以自杀意念、自杀未遂、既往自杀行为及故意自伤的编码构建复合结局，并采用年龄匹配重采样处理类别不平衡。经过等渗校准后，校准的XGBoost模型在匹配队列中表现最佳；SHAP解释显示诊断负担、抑郁相关特征、年龄、人格障碍史、暴力相关社会决定因素及躯体合并症会提高预测概率。
说明基于极小极大评论家与反射朗之万采样的神经演员-评论家学习
简介该论文提出一种神经演员-评论家方法，用于连续动作策略的改进。其评论家采用带正则化的极小极大贝尔曼估计器（基于sigmoid网络），演员通过由拟合评论家梯度驱动的有限反射朗之万采样器生成动作。作者给出了价值与动作梯度误差的有限样本保证，并推导了回报保证，同时在模拟控制、记录的连续控制数据和模拟决策任务上与基线方法进行了比较。
说明图神经网络抵御标签与结构投毒的可认证鲁棒性
简介该论文关注图结构数据上的训练数据投毒攻击，指出现有图像领域的分区聚合认证方法在图数据稀疏的情况下效果不佳。作者提出半监督框架ST-GPA（深度自训练图分区聚合），通过为每个图分区补充伪标签和合成边来提升认证效果。该方法与架构无关，可扩展到大量分区，并在多个基准上提升了对节点标签和图结构投毒的鲁棒性保证，同时保持较好的干净数据准确率。
说明NormMoX：基于结构与功能MRI的可解释自闭症分类的规范化专家混合模型
简介该论文提出NormMoX模型，以健康人群的规范模型作为共同参照，学习每个人脑部指标相对于其年龄和性别预期值的偏差。两种模态各有一个神经网络专家将偏差转换为自闭症证据分数，融合模块MoX再将其与典型对照的分数比较后合并。在ABIDE I的1,035名受试者上，重复交叉验证的AUROC为0.728±0.004，高于线性模型、单模态及深度融合基线，并可显示个体在哪一模态上偏离典型。
说明FLAMIA：面向 Blackwell 的快速且因果安全的低比特注意力内核
简介该论文提出 FLAMIA，一组用于 NVIDIA Blackwell GPU 的 Transformer 注意力内核，支持 MXFP8 与 NVFP4/FP8 混合训练路径。通过分块缩放、防止缩放引起的因果信息泄漏以及前向与反向计算的一致性设计，并支持变长文档的打包布局。在因果打包文档任务上，MXFP8 路径相较基线取得约 1.06 至 1.42 倍的加速，并在 Llama 式模型预训练中验证了训练稳定性与质量保持。
说明ArabGeoText：面向阿拉伯语地理文本识别的工具增强视觉语言模型
简介该论文提出ArabGeoText基准，包含利雅得和吉达970个地理位置的地图文字标注，涵盖道路名、地区名和地标等标签，每个位置提供OpenStreetMap渲染图与遥感影像叠加图两种视图。作者提出结合YOLO26定位与裁剪校正、并使用LoRA微调Qwen3.5-4B进行识别的工具增强框架，实验表明其在两种视图和测试城市上均优于直接微调的Qwen3.5-4B。
说明大语言模型推理能耗的SIMPLE定律
简介论文提出一个基于架构超参数闭式推导的四参数能耗模型SIMPLE，将预填充与解码阶段分开，解码再分为KV缓存成本与下一词计算。在六个系列共13个稠密大模型于NVIDIA H100上的测试中，R²为0.969，MAPE为11.97%，无需逐模型校准。论文还分析了输入长度、分组查询注意力、推理长度预算和智能体服务等因素对能耗的影响。
看点新意在于用架构超参数推导闭式能耗模型，四参数定律区分预填充与解码，在13个LLM上验证R2为0.969，MAPE为11.97%，可影响推理能耗规划。
说明从FAIR到AI-FAIR：面向AI赋能科学的元数据优先基础设施
简介本文提出对原有FAIR数据原则的扩展，即AI-FAIR元数据标准，将AI赋能科学置于双向的“问题-数据-模型”三角框架中。作者同时提出一个智能体式评估工作流，用于对现有数据集按AI-FAIR与传统FAIR标准进行评级，并在关键元数据缺失或不完整时给出可操作的反馈。该目标是让数据生产者也能从基于其数据的AI进展中受益，形成闭合的模型-数据循环。
说明利用多语言情感词典对低资源语言进行情感控制
简介本文研究在缺乏句子级对比数据的语言中，能否用多语言情感词典替代进行激活引导（activation steering）。作者在三类模型上比较发现，对中低资源语言，聚合的多语言词典效果优于从英语导出的引导向量；对模型预训练中已重点学习的语言，单语词典则更有效。论文还从机制上分析了表示密度、预训练先验及英语向量的过大幅度等因素对跨语言引导的影响。