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）。
说明通过耦合超参数缩放实现推荐系统数据高效的缩放定律发现
简介论文提出 Axia 系统，用于高效发现推荐与排序模型的缩放定律。方法是引入缩放层，把架构参数按语义分组并定义其协同变化，再用代理模型、后验采集准则和帕累托前沿选择配置，以少量有信息量的实验替代穷举搜索。作者在 Meta 广告排序与检索系统的 34 个模型迭代中进行了验证，报告平均离线归一化熵提升 0.66%，在线累计提升 0.36%。
说明VIPBench：面向语音克隆时代的人类对齐语音身份感知基准
简介该论文提出语音身份感知基准VIPBench，收集了1290名听众对100位公众人物9800组录音的124876次“相同或不同”判断，录音包括真实录音、文本转语音生成的语音克隆以及两人声音的融合（morph）。作者定义了四项任务，用于评估说话人表示模型与人类身份感知的一致程度。测试11个公开语音模型后发现，听众在41%的回答中认为克隆语音与同一说话人的真实录音不是同一人，且没有模型达到噪声上限。
看点新意在于以人类同异判断而非说话人标签评估声纹模型，涵盖真实、克隆与变形语音；摘要报告1290名听众、124,876次判断及11个模型的对比。
说明用于修正多语言语音识别错误的语境象形图
简介本文介绍一种界面，将替代转写文本、回放功能以及针对部分不确定概念的语境核查象形图结合起来，帮助用户发现语音转写错误。系统初期支持法语和西班牙语的功能性语句。研究计划通过平衡设计的实验，评估图像反馈是否比仅提供文字替代更有助于听者还原说话人的意图，并量化语义偏差和额外的交互耗时。
说明《Route to Remember》：面向大模型智能体的自适应记忆选择
简介该论文指出，当前智能体记忆多依赖文本检索，每次查询成本随历史增长。作者提出用在线策略自蒸馏（OPSD）训练无上下文的学生模型作为权重记忆，并配合先验证后再生成的路由机制，让权重记忆与文本记忆各自处理其更擅长的查询。在HaluMem基准上，该方法达到或超过包括全上下文提示和检索系统在内的文本记忆基线，且每次查询读取的令牌更少。
说明视频识别中的时空多阶交互方法
简介本文提出VideoMogaNet，用于视频动作识别。它在MogaNet的多阶空间表示基础上，设计了仅使用深度可分离卷积并通过隐式门控聚合的并行多阶时间建模，计算量与通道数呈线性关系。同时提出空间与时间维度之间的双向交互，在不增加计算成本的情况下改善时空表示。在UCF101、HMDB51、Kinetics-400和Diving48上，其性能与现有先进方法相当或更好，且时间分支的计算成本明显降低。
说明基于生成先验与 Sigmoid 输出激活的精确信号恢复
简介本文研究生成式压缩感知中的信号恢复问题，考虑输出层为 Sigmoid 激活、中间层为分段线性（如 ReLU）激活的前馈神经网络。作者证明，在不假设网络扩张性的前提下，网络值域中各分量位于 [δ, 1-δ] 的信号可以从一定数量的测量中被精确恢复，所需测量数与网络深度、输入维度 k 及层宽的几何平均 K 相关。
说明ViBench 2.0：长周期软件构建基准
简介该论文提出ViBench 2.0，用于评估智能体在长周期内逐步构建完整软件产品的能力。基准包含17个全栈网页产品、241次功能请求和544个测试计划，只有所有测试通过才算成功。评测九个模型发现，最强的三个模型测试计划通过率可达98%，但完整可用产品的构建成功率最高仅65%，且没有开源权重模型能做到。
说明何时可以信任多碎片二维/三维配准？骨盆骨折透视的校准认证与不确定性驱动视角规划
简介本文研究将分割后的CT与透视图像配准以定位骨盆骨折各碎片的可靠性问题。作者提出闭环方法：每次拍摄后配准所有碎片，用校准的夹层协方差给出误差界，标记不合理或模糊的结果，并决定停止或规划下一视角。在60例保留的骨折CT模拟透视上，95%误差界覆盖了83%未被标记的碎片；加入视角后的碎片位移可较好地区分误差界较紧的失败情形。
说明LACS：面向动态数据剪枝的分布敏感、无标签置信度选择方法
简介本文提出LACS（标签无关置信度选择器），一种训练时依据最大预测置信度决定样本取舍的规则，选择时无需标签，也不需要逐样本梯度。该方法以对数均值指数作为参考值加上一个裕量，移除置信度不低于该阈值的样本，并给出了无剪枝的精确条件。文中在神经网络训练、语言建模和提升法等七种设置下进行了评估，并报告了反向传播行数减少与准确率之间的权衡，以及实际耗时的变化。
说明Whiel：用于可认证关系程序验证的神经符号平台
简介该论文介绍了 Whiel 系统，它基于 Lean 对命令式关系程序进行可认证的推理，可处理 Datalog 及其扩展、图查询语言核心片段等的包含与等价问题。系统采用霍尔式逐步推理，并借助神经符号方法发现循环不变式，验证条件由 Vampire 一阶定理证明器检查，证明结果转换为 Lean 证明证书。作者在一个精选基准套件上评估了其性能。
说明Hybrid Spark：让内容自行选择草稿模型的自适应投机解码
简介该论文提出 Hybrid Spark（\sys）框架，在大语言模型推理中同时运行基于模型的草稿器与无模型的 n-gram 草稿器，并在自适应验证预算下为每个请求选择两者中更优的草稿链，全程在 GPU 上完成。作者以每个已验证草稿 token 的价格统一两类草稿器的得分。在 vLLM 中实现后，在代码编辑任务上相对 DSpark 的输出吞吐量在批大小 4 时提升 1.10 至 1.62 倍，在批大小 128 时提升 1.04 至 1.27 倍，聊天任务上保持在 0.97 至 1.01 倍。
说明关于后强化学习整合中在线策略蒸馏泛化局限性的研究
简介本文研究多教师在线策略蒸馏（MOPD）及其单教师形式（OPD）在整合多个教师能力时的泛化表现。作者发现，尽管分布内（IND）蒸馏效果接近完美，但在监督分布之外，能力整合并不完整，蒸馏后的模型在分布外（OOD）任务上的表现低于基础模型。论文还分析了教师能力和数据覆盖两个潜在瓶颈，并提出基于几何的修补方法与保留基础模型的回放方法，以改善分布外表现。
说明沿局部退火路径的传输：Wasserstein几何与多模态采样
简介该论文研究用于多模态采样的变分传输映射学习问题，指出沿几何退火路径学习时，模态之间的质量迁移可能使路径远长于端点距离，从而拖慢优化。作者提出分量式退火传输方法CAT，以混合参考分布为起点，把目标分解为分量并分别学习传输映射，同时给出自适应退火调度，并在多模态合成分布和贝叶斯推断问题上验证了效果。
说明RIDGE：面向深度强化学习游戏智能体行为覆盖的状态条件奖励混合方法
简介该论文提出RIDGE，一种单智能体架构，用状态条件的混合器按慢变状态变量计算奖励权重，并为每种人格设置独立的价值头，以避免奖励切换时PPO训练不稳定。在Crafter游戏的四种人格设定下，一个RIDGE智能体同时掌握了固定人格基线无法联合解决的木质工具合成与战斗两个分支，消融实验表明状态条件是性能提升的关键。作者在每种条件下使用3个随机种子进行了实验，更大规模的多种子实验留待未来工作。
说明CAPTOR：通过统计图注共现，为冻结图像编码器实现无文本编码器的图文定位
简介该论文提出CAPTOR方法，无需文本编码器即可估计查询词与图像块之间的评分矩阵。它将冻结图像编码器的图像块聚类为视觉词，并通过统计带有某词的图注所对应图像中各视觉词的占比差异来构建词条特征。在COCO、VOC和Cityscapes上，该方法优于所有免训练基线，在COCO上达到0.565 mIoU，高于0.502；在乳腺癌切片数据上也超过了使用病理文本编码器的最强基线0.160 mIoU。
说明RAGCompass：通过重排序实现可泛化的检索器路由
简介检索增强生成中存在多种检索器，但没有一种对所有查询都最优。该论文提出RAGCompass，读取不同检索器返回的段落集合，判断哪个检索器最适合当前查询。它通过对比微调重排序器，并结合一个小型比较头进行路由，无需针对特定检索器的参数。实验显示，相比最佳固定检索器，其答案F1提升28%，并在未见过的语料、检索器或阅读器上保持较好的泛化能力。
说明将相关性传播视为Filippov神经网络上的熵最优传输：Sinkhorn传播与图像分类器中的区域相关性
简介论文把逐层相关性传播（LRP）归结为一个变分问题，即在活跃计算图上求相对熵为零的无散流，并由此推导出LRP0、LRPz+、LRPα,β及可随节点变化的LRPN α,β等规则。文中还提出了基于边熵的Sinkhorn相关性传播，并在VGG-16和ConvNeXt-Tiny上通过守恒性与评估指标比较了这些规则。
说明GaussianRenderFormer：基于Transformer直接渲染3D高斯溅射的方法
简介本文提出GaussianRenderFormer，一种不依赖光栅化器、由Transformer直接根据一组高斯分布和相机位置输出图像的神经渲染方法。模型在26,820个Objaverse物体上训练，每个物体修剪至20,000个高斯。在300个未见过的物体上，其PSNR为38.08 dB，而对同样修剪后的输入进行光栅化的PSNR为44.02 dB。作者认为差距可能源于视角解码器的瓶颈，但尚未排除训练不足的可能。
说明利用机器学习天气模型区分初始条件误差与模型误差
简介该论文针对GraphCast和Pangu-Weather两个机器学习天气模型，在36个日期上比较了门控与非门控两种优化方式，优化对象为初始条件，并以ERA5为基准评估第1至10天500hPa位势高度（Z500）的RMSE。结果显示，非门控优化在半数日期提前停止时表现更好；门控方式不能保证Pangu表现更优，但在全部36个案例中使两种模型的改进幅度更为接近。
说明C-GRPO：一种带共形预测校准的组相对策略优化方法，用于语言模型推理训练
简介该论文针对语言模型推理训练中固定采样数量的组相对策略优化（GRPO）浪费算力的问题，提出C-GRPO，用共形阈值替代固定采样预算，并对停止规则给出有限样本覆盖保证。在涵盖数学、研究生水平科学和代码生成的六个基准上，C-GRPO相比固定预算的GRPO将平均训练采样数减少49%至70%，并在多种模型家族上实现最高约82%的采样节省。
说明验证通过但形同虚设：大模型驱动的已验证代码生成中的三类失效面
简介该论文指出，对大模型生成代码的“已验证”评估通常只给出单一数字，却混淆了验证器通过、语法规约绑定和语义规约忠实度三种性质。作者用Dafny中间表示流程在Python基准上的复现实验，以及在Rust基准上的内部流程实验，展示了这三者可以相互分离。
说明BrainBind：通过长时自然视频表征连接同步的脑电与功能磁共振成像
简介本文提出BrainBind框架，把同一长时自然观看过程中同步记录的EEG和fMRI映射到冻结的长视频嵌入空间，并将其作为共同的视觉语义参照。在CineBrain数据集上，不同视频锚点与系统配置呈现出不同的检索特征：Omni配置下fMRI对完整候选列表的组织最强，Joint-Dual配置的平均标签感知R@1最高。另有按片段划分的评估用于量化重复刺激身份与叙事语境的影响。
说明预算博弈中的学习者与优化者：在有预算约束的重复博弈中，学习算法如何抵御操纵并保持低遗憾
简介本文研究在 T 轮重复一般博弈中，效用最大化的优化者与学习型代理之间的互动，其中预算约束把两方每轮的决策耦合在一起。作者提出一种高效且满足预算可行性的学习算法，使任何自适应优化者的期望收益至多为 BSE·T+O(√T)，并在优化者使用固定混合策略时实现 O(√T) 的遗憾。算法通过两类新的校准预测来实现这些目标，并可在多项式时间内构造这些预测。
看点新意在于预算约束下同时保证不可操纵与低随机遗憾，提出两种新的校准概念并给出多项式时间构造；理论界限完整，但影响集中于博弈论子领域。
说明炎症性肠病全切片图像与临床数据的多模态融合方法比较
简介本文比较了15种多模态融合方法，用于结合全切片组织图像与临床数据，以预测新诊断炎症性肠病患者的缓解结局。研究基于前瞻性队列，采用统一的框架在相同条件下评估各方法。最佳融合方法的宏F1值为0.57至0.75，在六个场景中有四个优于单一模态模型。
说明生成的是谁的价值观？衡量多语言文生图中的视觉价值观泄露
简介本文提出多语言基准VisionValueBench，依据霍夫斯泰德文化价值维度，考察文生图系统在处理中性社会场景时会呈现何种文化取向。研究发现，即使提示词本身价值中立，生成图像仍倾向特定价值取向，作者称之为“视觉价值观泄露”。实验涵盖960个社会场景和六种文生图配置，结果显示提示语言影响有限，地理线索能使部分维度向相关文化价值靠拢，但整体主导取向基本不变。
说明可读不等于可操控：学习到的流体表示中物理结构的预注册检验
简介本文用二维衰减Navier-Stokes流动，通过三项预注册研究检验自监督世界模型的潜变量是否围绕物理量组织。JEPA模型未能优于未训练网络，结果为不支持；自编码器中拟阵（enstrophy）等量在慢速潜方向中较突出，VICReg会降低这种突出性，结论为部分支持。研究还显示，潜变量包含的信息与可用于操控的方向并不一致。
说明《纯粹事实》：与AI对话如何减少阴谋论信念
简介该论文通过两项针对美国成年人的在线实验（共2,193人），考察个性化AI对话为何能显著减少阴谋论信念。研究逐一排除可能的影响因素，发现效果在多种条件下依然稳健。只有在AI被要求说服却不提供事实证据和论证时，效果才明显减弱。内容分析表明，信念减少幅度更大与事实论证相关，而非融洽关系、讲故事或共情诉求。
说明ChangeJEPA：遥感变化检测中先预测后比较的方法
简介该论文提出ChangeJEPA，将遥感变化检测重新表述为潜在空间中的变化后状态预测。模型根据变化前图像和部分变化后证据，预测完整的变化后表示，并通过联合嵌入预测损失使两种假设与目标表示对齐。变化由变化前表示、观测到的变化后目标与预测潜在状态之间的差异推断。在SYSU-CD、LEVIR-CD+和CDD三个数据集上，该方法均优于同解码器匹配的孪生基线，IoU最多提高1.51个点，并在三个基准上取得最佳IoU和F1分数。
说明认知不确定性估计在三维激光雷达点云语义分割训练中的不同作用
简介本文研究在点云语义分割中显式建模认知不确定性（epistemic uncertainty），并分别将其作为输入特征和训练损失中的样本置信权重两种方式加以使用。作者在ISPRS Vaihingen、AHN3、Paris-Lille-3D和Toronto-3D四个大规模激光雷达基准上，比较基线人工神经网络与两种不确定性感知变体，并与PointNet++、RandLA-Net及其加入不确定性的版本对照。结果显示，不确定性建模可提升平均交并比，并识别基线从未预测出的少数类别；在半数配置中，预测误差与不确定性的对应关系也有所改善。
说明MESA：评估机器人组合、语义与空间泛化能力的框架
简介该论文提出MESA评估框架，用于精确、可复现地衡量语言条件下机器人策略的泛化能力。框架包含五个评估套件，分别考察同分布性能以及空间配置、物体实例、物体类别和子任务组合四个泛化维度。作者还开发了任务与示范生成流程MESA-Gen，并发布了单臂套件MESA和首个大规模双臂泛化基准BiMESA。在七种基线方法中，表现最好的模型在MESA上得分52%，在BiMESA上得分49%。
说明被丢弃还是无法触及？诊断与修复视觉—语言相似度中的空间关系失效
简介对比式视觉—语言模型判断左右关系的准确率接近随机。论文指出这一问题有两种原因：关系可能保留在池化向量中却无法被图文相似度检索到，或池化本身丢失了关系而密集特征仍保留它。作者提出一种无额外参数的空间矩方法，直接从图像块网格重新计算几何信息并存入原始嵌入旁。在118,287张图像的索引上，该方法将左右关系的成对准确率提升至0.81–0.96，但查询不涉及关系时保持原有排序结果。
看点新意在于区分两类空间关系失效的成因并用同一读出修复，在十个编码器和118,287图像索引上报告了明显提升。
说明病灶重叠度可用于排序PET分割模型，但无法确认患者层面的肿瘤负荷可靠
简介该研究探讨代谢肿瘤体积（MTV）自动估算是否可靠。作者使用1,014例autoPET FDG PET/CT检查，比较了五个已发布模型在489例肿瘤阳性患者上的表现，并在597例PSMA检查中验证结论。结果显示，平均Dice排序与平均MTV误差排序一致，但在患者个体层面，Dice与MTV误差的偏差较大，部分患者在两项指标上判断相反。作者认为，分割基准应同时报告患者层面的MTV误差和漏检病灶数量。
说明生成模型下多目标强化学习的近极小极大样本复杂度
简介本文研究在未知状态转移、可访问生成模型的有限折扣马尔可夫决策过程中，多目标强化学习所需的样本量。目标是在数据收集后，对所有奖励凸组合给出ε最优策略，无需额外采样。作者给出了与对数因子相差不大的极小极大样本复杂度，并证明其随目标数呈对数增长、在状态数处饱和。论文同时给出了匹配的下界。
看点首次给出多目标强化学习在生成模型下的近极小极大样本复杂度，并以对数因子内匹配上下界，改进了对偶线性目标数的依赖关系。
说明视觉语言模型能否看懂生物图像？Bio-VQA：生物视觉问答基准
简介本文提出Bio-VQA，一个用于评估视觉语言模型生物视觉理解能力的基准，包含约186万个问题、21.7万张图像，涵盖分类推理、属性识别、数量空间推理和个体再识别四个方面。作者评测了18个开源模型，发现通用视觉能力难以迁移到生物领域：例如最佳模型在2至10只动物的图像中仅有41.7%的计数准确率，分类准确率从门级的0.72降至学名级的0.12。
说明支持向量机直接最小化KL散度
简介本文证明支持向量分类和支持向量回归的对偶目标，都是两个高斯测度之间带约束的KL散度最小化问题。作者还表明，去掉约束并加入L2正则化后，同一散度形式恢复核岭回归的目标函数。这为标准核方法提供了统一的信息论解释。
说明AGORA：基于项目反应理论、可感知可靠性的大模型评审聚合方法
简介该论文针对用多个大语言模型作为评审时，评审可靠性参差不齐的问题，提出AGORA方法。它用项目反应理论把所有条目放在同一潜在质量尺度上，并为每个评审估计敏感度和有序评分阈值，无需人工标签即可从全部条目中学习评审可靠性。论文称在三个基准上，AGORA在大规模评测集上与Dawid-Skene方法相当或更优，在样本仅几百条时优势更明显，且其学到的信任权重与各评审的人工效度一致。
说明VirtualTrialHarness：在复杂临床数据结构中协调虚拟试验方案的智能体执行框架
简介该论文提出VirtualTrialHarness（VTHarness），一个通过为各工作流阶段选择可复用的程序性技能、并利用显式契约保持研究决策前后一致，来协调虚拟试验落地执行的智能体框架。作者同时提出VTBenchmark，用于评估数据来源选择与队列构建。在三个复杂合成环境中，VTHarness在需求澄清后有95.1%的工作流产出与参考结果一致的全部队列输出，而仅用同一程序语料检索的方法为60.4%。
说明透明度究竟属于谁？理解各利益相关方对生成式AI透明度的需求与差距
简介本文基于对400名终端用户、AI开发者和政策制定者的全球问卷调查，并辅以终端用户焦点小组，考察不同群体如何理解和体验生成式AI的透明度。研究发现，三类群体对透明度的理解相似，均以准确性和隐私为核心；终端用户认为当前透明度实践符合其需求的比例仅为28%，明显低于开发者的53%和政策制定者的49%。作者主张应超越一刀切的做法，建立能反映多元用户需求的透明度基础设施。
说明语言模型对数据科学项目的迭代创建、评分与修订
简介该论文评估智能体式AI模型能否独立完成端到端的数据科学项目，并考察反馈能带来多大提升。一个“撰写者”模型负责下载、清洗、分析数据集并撰写简短论文，随后由“评分者”模型评估，撰写者据此修改，共进行三轮。研究涉及来自五家开发者的七个模型，并对49组撰写者与评分者组合各运行三次。
说明FedSharp：噪声信道下的拜占庭鲁棒去中心化联邦学习
简介本文研究去中心化联邦学习（无中央聚合服务器）中的问题，包括数据异构、拜占庭攻击和信道噪声。作者提出FedSharp框架，每个节点保留2b个前驱节点的模型，用坐标中位数偏差筛除可疑模型，并平均损失最低的b个候选模型，同时结合噪声自适应梯度范数正则化与近端训练。在100节点环形网络、33个拜占庭节点的实验中，FedSharp在MNIST和CIFAR-10上的准确率明显高于对比的单模型选择方法。
说明基于吉布斯概率测度的训练数据聚合与精确机器遗忘统一框架
简介本文研究了吉布斯概率测度上的三种运算：重归一化、归一化对数线性组合和嵌套，并给出结果测度的显式目标函数、参考测度和正则化因子表达式。在参考测度为概率测度时，这三种运算具有勾股恒等式与指数测地线等几何解释。论文证明了嵌套与归一化对数线性组合等价，并将其应用于基于吉布斯算法的监督学习，使在局部数据集上训练的算法可组合成面向全部数据聚合的新算法。
看点提出Gibbs测度三种运算的统一框架，证明嵌套与归一化对数线性组合等价，并应用于训练数据聚合与精确遗忘。
说明多变量共形预测中的广义超矩形预测集
简介本文研究多变量共形预测中的预测集形状。许多非一致性得分得到的预测集形状复杂，难以解释和可视化。作者将超矩形推广为任意一维集合的笛卡尔积，称为广义超矩形，并提出矩形化框架，使任意连续多变量非一致性得分或条件密度都能得到具有有限样本覆盖率的广义超矩形预测集。实验量化了矩形化带来的效率代价，并展示了其在不确定性量化中的优势。
说明面向高效整页排序的单次推理方法（Towards Efficient Whole Page Ranking with One-Pass Inference）
简介本文针对广告与自然内容共同排序的整页排序问题，提出多项目打分方法（MIS）。该方法在保持非自回归方法效率的同时，引入前缀感知的序列上下文，以捕捉条目之间与顺序相关的依赖关系。实验显示，其生成质量接近自回归基线，CPU解码速度分别提升4.07倍和3.54倍；在一个大型社交视频平台的随机化实验中，实时指标与观看时长均有小幅提升，排序服务CPU消耗下降9.73%。
说明先改写再否决：面向大模型OCR后校正的与改写器无关的编辑门控
简介该论文提出EditVeto，在大模型对OCR文本进行全文改写之后加入一个否决门控，把改写产生的差异切分成块，由一个0.6B参数的门控逐块保留或撤销，以避免改动原本正确的文字。在HIPE-OCRepair-2026的测试集上，该门控改善了包括两个训练中未见过的改写器在内的五个改写器的结果，但在部分已发布的竞赛结果上效果不一，作者还报告了另外两次测试的结果。
说明将视觉语言模型改造为用于临床神经诊断的脑电图基础模型
简介该论文探讨通用视觉语言模型能否像临床医生一样以视觉方式阅读和解读脑电图（EEG）图形。研究表明，未经大规模脑电图预训练的通用视觉语言模型在多项临床神经诊断任务中表现具有竞争力，在少样本学习中比专用基础模型更易适应不同任务，并且在模型扩大时表现出专用模型未能呈现的性能提升。
说明置信度分数：一种新的核函数度量方法
简介本文提出一种名为“置信度分数”（Confidence Score）的新核度量指标，用于评估核函数是否适合分类任务。与衡量核矩阵与理想核相似度的传统指标不同，该分数比较真实标签的编码与经核函数投影后的标签之间的一致性，因此能够奖励保留类内结构的核函数。实验表明，在真实与合成数据集上，该分数与分类准确率的相关性高于若干其他核度量。
说明在高阶Hölder光滑与一致凸条件匹配下的紧下界
简介本文针对阶数匹配的高阶Hölder光滑且一致凸函数的极小化问题，给出了紧的下界。在阶数满足q=p+ν的情形下，证明任何只能访问至多p阶导数的确定性算法，都需要Ω级别的预言机调用次数才能把初始最优性间隙Δ0降到ε。该结果与对应的上界相匹配，是Nesterov强凸函数一阶下界的高阶一致凸对应版本。
看点提出与上界匹配的高阶Hölder光滑与一致凸函数下界，并设计多尺度分阶段构造，解决了匹配阶数情形的开放问题。
说明多智能体安全扩散规划（MA-SafeDiffuser）：用扩散模型为多个智能体规划既安全又可行的路径
简介该论文把SafeDiffuser扩展到多智能体场景，在基于扩散模型的轨迹规划中引入控制障碍函数约束，使多个智能体的联合安全规范在有限时间内保持不变。作者提出了集中式和去中心化（考虑通信）两种带约束的去噪方法，并针对局部陷阱和死锁问题引入时变规范与活性障碍函数。论文还提供了包含多智能体Maze2D场景的基准测试套件，实验显示其违规次数少于无约束扩散基线，同时保持规划质量。
说明从激活到干预：通过重建解读稀疏视觉特征
简介稀疏自编码器可将视觉表征分解为各个特征，但仅靠最强激活的图像区域解释特征时，多个语义不同的特征常在相同位置同时激活，导致含义模糊。本文提出重建式SAE干预框架RecSAEI，沿SAE解码器方向干预表征并重建视觉输出，以直接呈现特征的语义含义。作者称该方法在多个数据集和视觉编码器上能有效区分特征含义，并把[CLS]特征的干预与一组稀疏的图像块解码器方向联系起来。
说明何时提问，何时作答：对话中指代消解的策略性澄清
简介该论文研究对话中的“策略性澄清”，即在澄清问题的答案能够缩小候选指代对象范围时才提问。作者基于SIMMC 2.1数据集构建了受控测试环境，记录每个歧义指代需要多少个问题才能成功消解。论文还提出了一种名为BACE的轻量级动作选择方法，并称其比GRPO和ArCHer等方法更稳定地选择最优澄清问题数量。
说明TSFM 结合 LLM：以文本作为协变量的时间序列预测
简介本文指出时间序列常伴随新闻、报告等文本信息，而大语言模型能理解文本但数值精度不足，时间序列基础模型数值精确却无法理解文本影响。作者提出 Context as Covariates（CoCo）框架，让大语言模型把文本推理转化为数值化的预测与置信度协变量，引导时间序列基础模型进行预测。实验显示该方法在金融、经济、天气、交通等真实基准上表现优于现有模型，其中以 Qwen3-4B-Instruct-2507 与 Chronos2 组合时，MAE 最高提升 12%。
说明SlackBench：基于真实代码仓库的协作项目智能体基准测试
简介论文提出SlackBench，用于评估智能体在真实研究与工程协作流程中的表现，这类任务需要同时理解工作沟通记录和不断变化的代码仓库。基准基于隐私保护处理后的真实学术研究项目重现，包含多方对话、决策演变以及对应的GitHub代码变更和Google文档。数据集共140个查询，涵盖跨来源检索、拒答、目标导向摘要和长对话情境推断。测试的33个前沿模型和智能体框架中，最佳系统约得80%，多数低于66%。
说明Ctrl-F：将力作为人形机器人全身运动与操作的控制接口
简介该论文提出Ctrl-F分层框架，在人形机器人动作跟踪中加入显式力指令，即在手或脚等接触部位施加三维力。框架包括统一的动作-力控制器和根据物体状态与本体感知在线发出力指令的高层力规划器。仿真与实机实验表明，Ctrl-F能完成需要较大持续交互力的搬运任务，并随负载变化在线调整指令，在推动、踢箱等任务中可操作重达20公斤的箱子，而不考虑力的基线方法会失败。
说明面向多目标对齐的目标条件主动偏好学习
简介该论文提出OGC-DPO（目标条件梯度覆盖DPO），一种主动学习框架，用于在多个目标（如有用性、无害性、诚实性）下对大语言模型进行对齐。它将每个回答对与目标的组合视为独立查询，并利用策略自身的隐式梯度衡量查询的信息量，无需外部奖励模型，进而选择最能扩大各目标梯度覆盖范围的查询。实验表明，在相同标注成本下，该方法优于现有主动偏好学习方法。
说明DreamX：视频扩散模型作为通用潜在动作学习器
简介本文提出DreamX，将预训练的视频扩散模型改用作通用潜在动作学习器，从视频的时空特征中提取紧凑的潜在动作，每帧潜在表示从1200个标记压缩到4个，压缩比为300倍。这些潜在动作与视觉外观解耦，可在人类与机器人、不同环境和动作参数化之间共享。论文报告，该方法在LARY-Bench上取得同类潜在动作模型中的最优结果，并支持任意到任意的视频迁移与零样本动作迁移。
说明从自主智能体到认知共生体：迈向人工智能增强的人类智能
简介这篇论文提出“人工智能增强的人类智能”（AHI）概念，主张AI的价值不只在于让机器独立完成任务，也在于增强个人的认知能力。作者设想了一种“认知共生体”系统：它长期陪伴用户，通过外部设备感知其所感知的内容，持续保存上下文，并在合适时机参与思考与执行日常任务。论文还讨论了这类系统可能带来的新风险，并认为对其治理应纳入该范式之中。
说明用一般偏好对齐语言模型：直接纳什优化的实证研究
简介该论文研究直接纳什优化（DNO）及其实用变体DNO-Prct，通过近似双人偏好博弈的纳什均衡，让语言模型对齐一般偏好函数。作者在Llama 3.1 8B Instruct和Mistral 7B Instruct v0.1两个开源模型上独立复现并测试，三轮迭代后在AlpacaEval 2.0上明显提高了长度控制胜率。论文同时报告了消融实验、成本，以及单次运行和GPT-4o兼任教师与评判者带来的局限。
说明PolicyIK：用强化学习实现机械臂高精度逆运动学
简介该论文提出 PolicyIK，一种面向目标条件的强化学习策略，用于机械臂的高精度逆运动学求解，即把末端位姿指令转换为关节运动。在仿真中，训练好的 PPO 策略在 93.5% 的保留任务上将最后一秒的平均误差控制在 1 毫米和 0.2 度以内，部署方案可将成功率提高到 98.9%。在仿真抓取放置任务中，它执行 π0.5 视觉-语言-动作策略的末端指令，成功率为 95.7%。
看点将RL用于高精度逆运动学，引入参考关节偏移与停留奖励；在仿真和真实机械臂上与四种经典IK对比，摘要报告成功率提升。
说明GUILD：面向模仿学习的引导式迭代数据采集
简介机器人模仿学习依赖成本高昂的真实遥操作数据，而人工采集往往缺乏指导，许多数据对策略提升作用有限。本文提出GUILD方法，利用视觉-语言模型提出值得采集的任务，并通过预测性数据归因评估所采数据对目标部署场景策略性能的影响，以此反馈引导后续采集。仿真和真实机器人实验表明，该方法相比被动采集及多种基线方法，提升了样本效率和部署性能。
说明大语言模型能否胜任科学文献综述？基于102篇文献基准的测试
简介本文用一篇已发表的西班牙羽流天气型综述及其102篇文献语料作为基准，测试六种AI工具在检索、解读、综合与提出未来研究方向四个环节的表现。结果显示，机构图书馆权限能显著提高文献发现数量，部分工具在区分实质性提及与一般提及上错误较多，综合结论有时存在无依据论断与夸大共识的问题。作者认为大语言模型可辅助文献发现与解读，但无法取代专家对证据的判断与研究综合。
说明彭博公司大规模代码迁移的LLM与确定性混合流水线
简介本文报告彭博公司「自动化升级」计划的工业实践，该计划在数千个代码仓库中使用大语言模型辅助迁移。研究涵盖Python打包迁移和C++构建系统迁移两项生产活动，共生成2333个拉取请求，其中729个迁移成功。作者提出混合架构，尽量采用确定性处理，将大模型限定在预先计算好上下文的有限文件转换中，并结合运行时遥测数据，最后总结出可复用的设计模式。
说明面向植被丰富环境中视觉三维重建基准测试的可见性感知参考生成方法
简介本文提出一种基于激光雷达（LiDAR）的参考数据生成流程，用于评估前馈视觉几何模型与传统运动恢复结构（SfM）方法在植被环境中的表现。该流程复用现有多传感器定位数据集中的图像、激光扫描和参考位姿，生成逐视角深度图和可见参考点云，并提出LDGVS可见性评分用于点级过滤与隐藏点去除（HPR）的自动尺度选择。在TartanAirV2和TartanGround上的实验显示，相比泊松曲面重建，该方法在相近绝对相对误差下保留约三倍点密度。应用于BotanicGarden数据集的比较表明，前馈方法高效生成稠密深度，但三维重建可能出现重复结构；传统SfM几何更连贯，但结果稀疏，在复杂植被场景中更易失败。
说明GSCV++：借助标准视频编解码器的轻量级三维高斯泼溅序列压缩
简介本文提出GSCV++，一种用标准视频编解码器压缩三维高斯泼溅（3D Gaussian Splatting）序列的轻量级流程。该方法依次改进了预处理（能量自适应帧间球谐交流分量降维）、三维到二维映射（基于先验的P-MiniPLAS）以及实际压缩配置（内容感知的通用压缩）。实验显示，与现有先进方法相比，其帧内和帧间预测的率失真增益分别超过20%和60%，并且二维映射生成、编码和解码速度更快。
说明持久地抑制语言模型中的失准行为
简介该论文研究训练后如何有效抑制语言模型中出现的不良行为，并比较了SFT、GRPO和梯度上升遗忘等方法在即时抑制、持久性和通用能力保持三方面的表现。作者提出了前缀扩展对抗强化学习（PEARL），这是一种GRPO变体，通过从缓存轨迹的中间状态采样续写来扩展采样过程。实验显示PEARL在两类模型生物体和两个模型系列上都能实现较强的即时抑制并保持任务准确率，且在后续微调后仍保持效果。
说明OpenBrain：一个可审计的全脑MRI分割生成标签数据集
简介该论文介绍了OpenBrain，一个包含35,838个经来源核验的OpenNeuro T1w病例的置信度感知发布版本，来自607个源数据集。每条记录关联主分割、两个委员会分割、来源与许可信息、QC-7原始测量、百分位风险、综合风险分数R以及置信等级。研究表明，较低的QC-7风险对应更高的生成标签质量，且低风险样本选择在固定预算训练中相较随机选择提升了宏Dice指标。
说明通过模仿实现无关学习：判别式学习与生成式学习的计算等价性
简介本文研究计算学习理论中的两项基本任务：训练一个能像类中最优成员一样区分正负标签的判别模型，与训练一个输出无法被类中所有模型区分于真实数据的生成模型。作者证明两者在计算复杂度上等价。此前已知从多精度（multiaccuracy）到无关学习的方向，本文主要贡献是证明反方向的高效归约，并借助自适应查询与类似在线无悔学习的跟随领导者算法，实现多种学习目标。
看点证明了多精度预言机与不可区分生成任务之间的复杂度等价，并给出新的反向高效归约，利用自适应查询与在线学习技术，扩展了已知结论。
说明对抗性投机推理提升长程智能体
简介这篇论文认为投机解码不只是加速大模型推理的系统优化，在长程智能体推理中还会影响输出分布和准确率。作者训练草稿模型在关键推理点上被目标模型拒绝，使关键推理词元由目标模型在噪声较小的条件下采样。在复杂的智能体编码基准上，该方法提高了端到端成功率，且不改变目标模型或其输出分布。
说明一种用于上下文学习的电路
简介本文研究语言模型在提示中仅通过示例完成分类任务（即上下文学习）的内部机制，所用模型为三个约30亿至40亿参数的Transformer。作者认为模型通过一个以标签位置为键值的联想记忆完成这一过程，并借助激活修补与注意力头消融等因果实验验证各步骤。该电路在多个模型间保持一致，并可从零训练的模型中再现。
看点给出任意标签少样本分类中ICL的完整组合电路，是键值记忆加门控读出的机制解释，并以因果干预验证，跨模型与规模复现。
说明用于审计临床决策网络的权重空间编程
简介本研究探究大语言模型能否仅凭临床方案和小型神经网络的原始权重来审计并修复该网络。研究者在放疗计划筛查网络中植入了混杂因素、阈值偏移和隐藏触发器等缺陷，并进行了盲测。结果显示，该模型在18个有缺陷的网络中正确指出了16个的问题并完成修复，但在健康网络和触发器的识别上表现有限，尚不能证明网络是正确的。
说明MedPhysBench：评估语言模型医学物理计算与错误检测能力的基准
简介该论文提出 MedPhysBench，用于测试语言模型在医学物理计算和错误检测方面的表现，涵盖放射治疗、诊断影像、核医学和辐射防护等领域。模型在 1200 道保留测试题上的计算得分为 33.3% 至 100.0%，并测试了模型识别他人计算错误的能力。作者同时公开了代码、逐题结果和测试回应。
看点新意在于将医学物理计算与错误检测结合成基准，用协议代码生成参考答案；摘要报告在1,200项测试集上对12个模型评估，并给出错误检出结果。
说明面向无约束凸优化的自适应加速乐观对偶平均法（p 范数几何）
简介本文提出一种自适应加速乐观对偶平均方法（A²ODA），用于无约束凸优化，并基于 p 范数几何采用低成本预条件，适用于 p∈[2,∞]。该方法无需线搜索，采用基于聚合仿射下界模型的新步长选择技术；其更新结构在各个 p 取值下统一，p>2 时并不比欧氏情形 p=2 更复杂。论文在广义局部光滑条件下给出收敛界，并在局部光滑的特例中恢复出接近最优的收敛速率。
说明从离散令牌到连续轨迹：统一多模态模型的参数高效连续适配
简介统一多模态模型用离散令牌化实现了较强的语义推理，但量化瓶颈会损失细粒度视觉细节，常使图像结构准确却伪影较多。本文提出FlowShift，一种参数高效的后训练框架，将预训练的离散模型转换为连续的整流流生成器，并在注意力层应用LoRA。作者还提出双目标速度向量蒸馏（DOVD），使模型对齐高保真连续教师模型与真实连续轨迹，从而在保持提示遵循和推理能力的同时提升感知质量。
说明CATF：面向情境感知时间序列预测的管理者-工作者框架
简介本文研究情境感知的时间序列预测，即根据目标变量自身的历史数据及天气、日历等情境变量进行预测。作者提出CATF框架，由基于Transformer的管理者模块根据情境把每个输入只分配给一个工作者模型，训练和推理阶段都采用硬路由，使各工作者无需人工划分数据即可专门化。在五个情境丰富的数据集上，CATF在200组对比中有162组优于其独立对应模型，并在多数设置下优于零样本的Time-MoE基础模型。
说明PyRUA-DataFarm：用大语言模型智能体替代遥操作员，低成本生成可直接用于真实机器人的数据
简介该论文提出 DataFarm 系统，让编程智能体在仿真中重建机器人任务，编写场景、专家控制器和成功判定器，并用基于真实图像的视频模型渲染为逼真视频，生成带动作标注的多视角数据。在五个真实机器人任务上，仅用该数据训练的策略与用等量遥操作数据训练的策略成功次数相当（100 次试验中 93 次对 84 次）；在未见过的桌布和彩色光照下，前者成功 87 次，后者仅 46 次。论文报告每个任务的适配成本平均约 21 美元，之后每个新片段约 0.80 美元，一小时三视角数据平均约 107 美元。
看点用编码智能体替代遥操作员，在仿真中自动生成任务与专家并以视频模型渲染真实感数据；摘要在五个真实机器人任务上报告与遥操作数据相当的成功率及成本数据。
说明HARP：面向基于大语言模型推荐的免训练双画像智能体通信方法
简介该论文把基于大语言模型的推荐看作智能体通信过程，包括构建自我描述、沿协同图传递、理解对方并随下一次交互同步四个阶段。作者提出免训练的HARP方法，为冻结的大语言模型骨干加入对称物品画像、检索阶段的画像同质性度量以及单次反思式更新三个算子。在Yelp、Books、MovieTV和Goodreads四个公开基准上，HARP的Hit@1较最强已发表基线提升6.9%至24.0%。
说明MDSKILL：通过多视角蒸馏内化技能记忆，实现高效的智能体动态自我进化
简介该论文提出MDSKILL方法，把技能记忆按状态理解、动作规划和执行控制三个功能视角组织，并用动态指标筛选高质量技能，构建分视角与整合的推理分支。通过同策略自蒸馏将这些分支的经验知识整合进共享策略，以提高技能内化效率。在ALFWorld和WebShop等智能体基准上，该方法相比SOTA分别提升最多7.1%和8.1%。
说明ΦasmaNet：用于快速引力波信噪比预测的分阶段谱令牌精炼神经网络
简介该论文提出了一种名为ΦasmaNet的紧凑神经网络，用于快速预测双黑洞引力波信号的相位平均最优信噪比，以替代耗时的波形计算。在固定的单探测器（Advanced LIGO设计灵敏度）配置下，模型在10^6个样本上取得了约99.3%的校准后精度，并在单GPU上约8.3秒完成一个百万级注入目录的处理，速度比传统方法快约两个数量级。
说明无需长上下文：通过频繁压缩维持短上下文的语言模型研究
简介该论文指出，后面生成的 token 成本高于前面的 token，在前沿开源权重模型上成本差距可能高达 7 倍。作者通过频繁压缩上下文，在多种长时程和长输入任务中发现，模型维持短上下文时任务准确率几乎没有下降。论文还提出语义状态空间模型（SSSMs）的概念，并对长上下文语言模型的必要性提出质疑。
说明LoopVQ：面向循环 Transformer 的亚 1 比特 KV 缓存量化
简介循环 Transformer 通过在多个循环步中重复使用同一组层来节省参数，但每个循环步仍需保存各自的键值（KV）缓存，使其成为主要内存瓶颈。本文提出 LoopVQ，联合编码多个循环步的通道并微调码本，使输出接近全精度模型。在每元素 0.5 比特下，LoopVQ 在 Ouro 和 Huginn 模型上的多类任务中优于现有方法，并在 SGLang 中实现了解码加速与吞吐量提升。
说明来自掩蔽信道的普适困难性
简介本文把著名的硬核引理（Impagliazzo，1995）推广到学习理论框架中，用于刻画函数的平均情形计算难度。作者提出一般框架，适用于非布尔函数和多种困难性度量，借助凸对偶选取合适的保真度概念。文中给出多类别推广，并构造一个可同时适用于多种困难性度量的普适掩蔽信道。
看点将硬核引理推广到非布尔函数与多种凸损失，通过掩蔽信道与凸对偶给出紧刻画，并构造通用掩蔽信道。
说明GSBR：面向在线强化学习的几何支撑行为正则化
简介该论文提出一种用于在线强化学习的正则化方法GSBR，依据动作与预训练基础策略支撑集的距离施加惩罚：支撑集内动作不受罚，支撑集外的惩罚随距离平滑增加，若价值提升足够大则仍允许改进。在四个机器人基准的19项任务中，其平均成功率从基础策略的33%提升至95%，并在对比方法中取得最高的平均成功率与吞吐量。
说明Wonder 4：用于图像质量增强的混合专家方法
简介真实照片常同时存在模糊、噪点、压缩、划痕和低分辨率等多种缺陷，且各缺陷的程度和位置不同。本文提出Wonder 4，一种用于图像质量增强的混合专家（MoE）模型，可在缺陷出现的区域分别进行修复，无需退化分类器、掩膜或提示。模型每个模块包含13个专家，路由器将每个图像块分配给其中5个专家；训练中采用仅设定最低使用比例的偏置，而非强制均匀使用。在DIV2K和Flickr2K的三种测试设置上，该方法在LPIPS、DISTS和NIQE指标上均取得最佳结果。
说明《人设不是真人：身份是状态，不是属性》：用固定角色模拟人群的局限
简介这篇论文讨论用“人设”（写定特征的模拟人物）替代真实人群做调查预测试和AI评估的做法。作者认为，人的行为会随情境显著变化，因此固定人设无论多详细、模型多大，都无法再现人群中依赖情境的那部分行为。作者提出了新的评估标准和“情境中的人”设计，并在Reddit数据和一项临床试验招募调查上进行了测试，结果显示该设计仍未完全吻合真实人群。
说明低密度三维点云分类
简介本文针对三维点云在低密度条件下分类性能下降的问题，提出了专为低密度点云分类优化的网络架构LD-PointNet++。作者首次系统比较了现有先进分类方法在不同点云密度下的表现，发现低密度环境中性能明显下降。在ModelNet基准数据集上的实验表明，LD-PointNet++在低密度场景中优于这些方法，并在不同密度水平下保持90%以上的准确率。
说明LLM天气预警指导中的虚假安心：基于真实美国国家气象局预警的可重放评估
简介本文研究大语言模型助手在无法获取官方恶劣天气预警时，可能告诉用户天气平静、而实际上已有预警生效的“虚假安心”问题。研究用117个冻结案例（含69个预警案例、32个无预警对照和16个美国以外地点）测试了一个基于Claude的防灾流程的五种条件。结果显示，接入真实预警后虚假安心明显减少（配对McNemar检验p<0.0001），而盲目中立提示下该比例为37.7%。作者同时公开了数据集、标注与代码。
看点提出「虚假安心」指标并用真实NWS警报回放评估LLM防灾助手，实验对比多种条件，发布数据与代码。
说明明知有误：让大模型违背自身信念训练可能引发失准
简介论文发现，即使训练数据不含有害内容，只要模型自认为答案是错的，用这些数据微调也可能导致模型广泛失准。数学、常识、烹饪和体育等领域的实验显示，模型越不相信训练答案，失准程度越高。研究还指出，这种现象源于模型内部认知与输出之间的不一致。
看点新意在于发现训练模型违背自身信念的无害错误数据也会引发广泛失对齐；摘要报告在数学、常识等领域及知识编辑设定中的实验，错误答案比例从4%升至60%以上。
说明锚定式排序对抗微调：预训练视觉地点识别模型的鲁棒性提升方法
简介视觉地点识别通过检索相似的带地理标签图像来定位相机位置。论文指出，当前基于大模型的视觉地点识别方法在微小对抗扰动下极其脆弱。作者提出锚定式排序对抗微调（ARAFT），在保持与冻结预训练模型干净描述子接近的同时，用列表式排序损失微调模型，从而提升对抗鲁棒性。
说明YANAMI：面向多轮有状态交互的大规模多模态数据集与基准
简介该论文提出 YANAMI，包括含 40 万条多轮多模态对话的训练数据集 YANAMI-400K，以及含 400 组多轮对话的评测基准 YANAMI-Bench。数据覆盖多图融合、图像编辑、世界建模和视觉推理四类场景，要求模型跨轮次跟踪、保持并修改对话状态。在 YANAMI-400K 上微调 BAGEL 后，图像编辑、生成和有状态交互分别提升 10.3%、2.0% 和 13.23%。
说明Möbius：统一理解与生成的动作-语言模型
简介论文提出Möbius，一个在同一框架内同时完成人体动作理解、生成与编辑的统一模型。它把扩散过程放入与动作理解相同的多模态表示空间，直接处理连续的逐帧原始动作，无需离散化或预训练的动作VAE。原文称该模型在HumanML3D上在统一动作模型中达到最先进性能，并扩展到17亿参数与1700小时动作数据。
说明超越准确率：语言子空间干预捕捉、去除与改进了什么
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。
说明表演性均衡下的保形预测：表演性的代价
简介本文研究部署后会改变数据分布的预测器的保形预测问题，要求预测集在表演性稳定预测器对应的均衡分布下仍能保证覆盖率。作者证明在分布映射的全变差敏感度L=1处存在相变：L≥1时无法同时保证均衡有效覆盖与非平凡预测集；L<1时，超额误覆盖的极小极大下界与1/((1-L)√n)同阶。
看点提出性能性均衡下共形预测有效性的相变（L=1），并给出极小极大下界与转移定理，理论改进明确；摘要报告了实验验证阈值与标度律。
说明面向稳健长期智能体：在变化环境中评测经验生命周期
简介本文提出 ReScopeBench，一个覆盖 18 个交互环境的经验生命周期评测基准，区分关于环境组织与访问方式的结构性经验，以及指导跨任务决策的规则性经验。作者采用以经验为先的方法构建任务流，并加入无声的环境变化，以考察智能体如何获取、复用和修订经验。对 20 个模型的评测显示，保留的经验能提升任务表现，但智能体难以在环境变化后及时更新经验，且即使经验被正确记录，任务也未必成功完成。
说明带有拓扑孔洞的PINN与偏微分方程的de Rham上同调架构
简介本文针对物理信息神经网络（PINN）在存在穿孔、孔洞、极点和空洞等拓扑结构时的失效问题，提出引入de Rham上同调增强的Hodge-de Rham PINN方法。方法通过Hodge-Morrey-Friedrichs分解对带边界流形上的1-形式进行参数化，并借助积分算子将其与标量偏微分方程解相联系。作者在Aharonov-Bohm效应等拓扑不利问题上进行了实验，并给出了理论保证。
说明Route Anything：通用AI系统中模型与策略路由的研究
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。
说明无知的几何学：通过激活碎片化检测大语言模型中被压制的知识
简介这篇论文提出一种方法，通过比较概念查询与其匿名化改写在模型隐藏状态中的差异（称为 anon-vectors），判断大语言模型是否真正掌握某个概念。研究发现，已知知识形成紧密的低熵聚类，而无知则造成几何碎片化。该指标在十个指令微调模型上可靠区分已知与未知概念，并与遗忘后的对抗恢复情况相关。
看点提出以匿名改写向量的几何碎片化衡量LLM知识，区分已知与未知概念并预测去学习后的对抗恢复；摘要报告在十个模型、四种攻击和五种去学习算法上验证。
说明iGC：基于学习得到的体细胞超突变先验、通过强化学习优化抗体
简介该论文提出iGC（计算机模拟生发中心），一个两阶段强化学习框架，用于针对特定抗原优化抗体。第一阶段从B细胞谱系树的亲子配对中学习体细胞超突变（SHM）先验并适配到目标数据；第二阶段以该先验初始化策略，并以KL正则化优化抗原结合能力，同时引入奖励税元梯度目标防止奖励被利用。
说明在智能体强化学习中稳定地引入按策略的定向指导
简介该论文研究一种称为定向指导的方法，利用逐轮文本反馈，通过按策略的自蒸馏目标来改进难以优化的行为。作者在智能体多轮软件工程环境中进行实验，发现将定向自蒸馏与逐项标准的强化学习奖励结合，并仅在策略确实失败的轮次提供反馈，可以取得效果。论文还探讨了使训练熵保持稳定、减少振荡的设计选择。
说明用于多指标模型可靠学习的高斯划分方法
简介本文提出高斯划分这一算法工具，用于处理相对于高斯分布平滑的分布。它把空间划分为多面体区域，使几乎所有概率质量位于限制少数正交方向的细条带中。文中将其用于若干布尔多指标模型的不可知学习，并给出多种学习器与统计查询（SQ）下界，其中对k个半空间函数的维度依赖比既往结果有所改进。
看点提出高斯划分这一新原语，将多指标模型学习的维度依赖从指数级改进为 d^poly(k/c)，并给出匹配的SQ下界。
说明CAD边界表示上的SO(3)等变学习
简介该论文提出SO3brep，一种作用于B-rep面邻接图上的SO(3)等变图神经网络，用于处理CAD零件。它在局部坐标系中计算节点特征，并通过Wigner D矩阵和Clebsch-Gordan张量积保留相邻面之间的相对方向，使输出对旋转保持不变。在三个面分割和两个分类基准上，使用随机旋转测试零件时，该方法准确率最高，参数最少，且在标注零件较少时优势最明显。
说明JHiMA-WebRL：面向长流程网页任务的联合分层多智能体强化学习框架
简介该论文提出JHiMA-WebRL，将任务分解器与执行器联合训练，用于完成需要多步规划的网页操作。分解器借助强教师模型从图形界面轨迹中生成子任务标注，并通过改进的GRPO在WebArena环境中联合优化两者。在WebArena-Lite-v2上，7B执行器与7B分解器组成的模型平均成功率为37.2%，高于经同样强化学习训练的ScaleCUA-32B（24%）。消融实验显示，在强化学习中同时更新分解器优于只更新执行器。