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NovoCRF：基于前缀质量格的全局归一化从头肽段测序
简介本文提出NovoCRF，一种以前缀质量为状态的条件随机场模型，用于从质谱数据从头推断肽段序列。模型用精确归一化在所有质量可行的肽段上进行训练，并配有精确k-best解码和两个BiGRU重排序器。在七个2026年发布的留出数据集上，其肽段召回率和氨基酸召回率均高于Casanovo v5，且推理吞吐量显著更高。
说明《Going Deeper With Memories》：一种按多尺度压缩字节的语言模型架构
简介该论文提出 DeepMem，一种因果多尺度架构，用可逆子带变换把字节序列压缩成较短的语义表示，并通过无损载体和细节旁路保留字节信息。模型在编码器中加入快速权重记忆模块，在压缩瓶颈处做迭代共享状态计算，再由基于注意力的超分辨率解码器恢复字节级表示。论文报告其在 FineWeb-Edu 和 PG19 上语言建模优于同规模的字节级 Transformer，并在多语言 FLORES 评测中取得最佳宏平均结果。
说明《Jev with Foresight》：基于语言世界模型的安全语言引导自动驾驶
简介该论文提出 Jev-AD，将一个以概率回答预定义问题的决策模型 Jev 与语言世界模型结合，预测每个候选动作后附近车辆在未来两秒内的运动。系统把预测结果转化为可比较的后果，用于安全决策。在模拟高速公路并线的500个车辆片段中，碰撞率由26.0%降至2.4%，每次决策耗时0.25秒；在500个真实 NGSIM 回放片段中，碰撞率由48.2%降至2.8%。
说明交替镜像下降的对数级遗憾界
简介本文研究零和博弈中的交替在线镜像下降（AltOMD）算法。作者证明，在双人双线性零和博弈、紧凸策略集以及对正则化项的温和假设下，两位参与者外部遗憾之和的上界为 O(log T)，接近常数。对负熵正则化项，这些假设成立，因此交替乘法权重更新算法也具有对数级遗憾。该遗憾界还给出平均策略的 O(log T / T) 对偶间隙上界。
看点解决了AltOMD能否达到近似常数遗憾的公开问题，给出对数级遗憾界，并验证负熵正则化情形成立，理论上提升明显。
说明面向隐式生成模型的收缩先验
简介本文针对基于深度神经网络的隐式生成模型，提出一种样本高效的训练方法。该方法结合收缩先验的正则化推断与广义贝叶斯框架，采用基于严格适当评分规则的评分规则后验，并设计块状SGMCMC与Gibbs采样相结合的机制，以在高维参数空间中识别稀疏表示。作者通过p≫n的线性回归实验及神经生成模型的应用验证了该方法的性能。
说明后分层重要性抽样：一种用一维建模改进重要性抽样估计的方法
简介重要性抽样的加权估计方差可能很高甚至无限，其经验标准误也常不可靠。本文受调查抽样中多层回归与后分层方法启发，提出后分层重要性抽样（PIS），将任意高维加权转化为两个一维概率建模问题：对重要性比率的条件均值做回归，并对重要性比率的边缘密度做估计。普通重要性抽样是其特例。作者给出基于一维高斯过程回归与重尾密度估计的实现，并在模拟和交叉验证应用中展示了估计精度和不确定性量化的改进。
说明ARLoop：基于注意力残差的全开源预训练循环Transformer
简介本文提出ARLoop，一种循环Transformer架构，通过对模型深度做注意力加权来选择性复用前层表示。研究发现，在较大的循环深度下，滑动窗口深度注意力与全历史注意力效果相当或更好。作者将模型扩展到0.6B和1.2B参数，1.2B模型仅用0.5T token预训练并进行三次循环，在所有评测任务上超过Huginn-3.5B，在数学和代码任务上提升尤为明显。
说明通过组合进行诊断：借助已学习的影像所见组合检测并定位未见过的疾病
简介本文提出一种名为“通过组合诊断”（DbC）的影像表示学习框架，模仿放射科医生先识别影像所见、再依据指南判断疾病的思路。模型先学习放射学所见的词汇表，再依据指南为每种疾病指定所需的所见，并以参数固定的方式组合这些所见图得到疾病诊断图。在多期肝脏CT上，该方法对未见过的疾病、来自其他机构的罕见疾病及外部队列的检测与定位效果均优于对比模型。
说明基于遗憾的刻画、信息极限与自适应策略审计的样本复杂度
简介本文研究有限时域马尔可夫决策过程中策略的表现来源：是靠平均位置还是对信息的反应。文中证明了性能差值与协方差项的关系，并给出由策略所用信息量界定的上界。此外，文章还给出了基于策略自身反馈日志的估计样本复杂度，以及针对分段式MDP的重要性采样审计方法。
说明后推断模型链接：问题陈述与用于训练端到端数字孪生的基于模型的自助法
简介论文研究把各阶段模型拟合后再串联起来构建端到端数字孪生时，常用的蒙特卡洛模拟方法在频率学派预测性质上的问题。作者通过解析例子与多阶段线性二次链的模拟发现，该方法的区间与覆盖率存在明显偏差。作者提出基于模型的自助法，在测试场景中降低了相对均值偏差，并使覆盖率更接近名义的90%。
说明自然与人工系统中的学习曲线：一个统一的数学模型
简介论文提出一个通用的经验形成数学模型，将学习水平定义为下一个不确定因素取值已被掌握且未遗忘的概率。推导表明，学习曲线形状主要由情境出现的分布决定：均匀分布得到指数曲线，幂律分布得到幂律曲线。论文还指出，深度学习中的缩放定律与此前的幂律机制相互对应，并讨论了训练分布与部署分布不同时的选择问题。
说明PLANTEUR：热带地区作物类型分割基准数据集
简介本文提出PLANTEUR，这是一个用于法属海外领地卫星影像作物类型制图的基准数据集。它沿用PASTIS的设计，提供经过地理配准和对齐的Sentinel-2、Sentinel-1和Landsat-8影像序列，标签来源于地块数据，覆盖六个热带地区，共8个类别。作者定义了标准测试集划分和留一岛屿评估方案，用于衡量跨地区泛化能力，并对全监督模型、线性探测和微调后的基础模型进行了评估。代码与数据已在GitHub和Hugging Face开源。
说明基于AUC的临床预测AI公平性指标
简介本文针对二分类临床预测模型，考察了文献中提出的八种基于AUC（受试者工作特征曲线下面积）的公平性指标。作者指出AUC具有不可压缩性，子群AUC与总体AUC不能直接比较，并对各指标的估计量进行了分析。研究基于EuroSCORE II院内死亡率模型的模拟结果，提出了报告AUC矩阵并优先使用组内AUC均等性指标等建议。
说明融合地球观测嵌入、卫星地形与气象强迫，从高水位标记预测洪峰水深
简介论文利用美国地质调查局的5689处洪水高水位标记，训练一个跨模态融合网络，在洪峰到来前6小时预测被调查地点的水深，平均绝对误差为0.39米。与直接用测得水位减去数字高程模型得到的结果（误差0.93米）相比，模型结果更接近实测值；研究还指出，该模型在未见过的事件上对水深的解释能力很弱（R²=0.03）。
说明基于物理信息的传统与生成式Mori-Zwanzig降阶模型，用于多尺度系统
简介本文提出用Mori-Zwanzig形式主义在物理信息机器学习发现的基函数中构建降阶模型，而非仅使用傅里叶函数等标准基。通过涨落耗散定理闭合所得非马尔可夫演化方程中展开系数的动力学。作者还提出了一种互补的生成式闭合模型，两种闭合方法相较单纯的马尔可夫动力学，都显著改善了对滤波后状态的预测。
说明LIBRA：通过程序化归纳构建可执行的工具库
简介本文提出LIBRA框架，可把扁平的工具目录转化为可执行的工具库。大语言模型为每个工具提出候选调用、可复用输出、状态变化和成功条件，LIBRA再在沙箱中测试这些组合，只保留运行时确认有效的关系。该工具库在用户查询之前构建，无需依赖标注、工具使用轨迹或任务相关训练。在AppWorld、BFCL和SciToolEval上，LIBRA的一次性检索在Recall和NDCG上平均分别比同一稠密检索器提高7.9和3.7个百分点。
说明高效不可知半空间学习中的免费隐私保护
简介该论文首次给出了计算高效、满足差分隐私的不可知半空间学习算法。研究覆盖三种设定：高斯分布与对数凹分布下的非正规学习，高斯分布下的正规学习，以及高斯分布下的半不可知学习。论文指出，在这三种设定下，隐私带来的额外样本复杂度与对应的非隐私样本复杂度相当。
看点首次给出计算高效的差分隐私不可知半空间学习算法，隐私代价与非隐私样本复杂度相同；摘要报告了三种设定下的理论结果。
说明基于期望超体积微调的多目标生成式优化
简介该论文提出超体积微调方法（HVFT），用于调整一个预训练的生成模型，使其生成的样本在多个相互竞争的性质之间取得更好的权衡。方法以期望超体积为优化目标，同时考虑候选设计的质量与整体权衡覆盖度，并通过KL约束控制与预训练分布的偏离。在治疗性多肽和分子设计任务中，该方法在期望超体积和权衡覆盖度上取得了最优结果。
说明用于自监督超声视频修复的扩散插件先验（UltraDiff）
简介本文提出UltraDiff方法，用于同时提升超声视频的分辨率并去除斑点噪声，无需成对的低分辨率与高分辨率训练数据，也无需重新训练网络。方法以冻结的预训练扩散模型作为插件先验，在约束的最大后验框架下逐帧优化采样种子，并加入基于瑞利模型的斑点感知保真项与全变分正则项。在EchoNet-LVH数据集上，该方法相比最强基线PSNR提高1.24 dB；在真实超声心动图视频上，射血分数零样本预测的平均绝对误差由7.31降至6.37。
说明TAQ-MOTR：面向端到端多目标跟踪的感知跟踪状态检测查询生成方法
简介该论文提出TAQ-MOTR，一种面向端到端多目标跟踪的检测查询生成框架。它在解码器之前使用混合查询生成器融合当前帧图像特征、轨迹记忆与可学习记忆，使检测查询同时适应发现当前未被跟踪的目标与补充已跟踪目标的证据。作者还引入训练阶段的辅助检测分支以加强检测能力。论文报告在DanceTrack、SportsMOT和BFT上取得提升，DanceTrack测试集上达到72.0 HOTA、63.1 AssA和76.6 IDF1。
说明用于连续冷冻电镜构象异质性的经验贝叶斯流匹配
简介该论文研究在间接、带噪声的观测下，如何为高维潜变量学习生成式先验，重点针对冷冻电镜中的连续构象异质性。提出经验贝叶斯流匹配方法（EB-FM），直接从观测数据学习流匹配先验，交替进行基于引导流生成的近似后验采样与模型更新。方法在两月牙与MNIST的受控逆问题以及已知取向的模拟冷冻电镜数据上进行了验证，结果显示其能够在原子坐标空间中恢复蛋白质构象的连续分布。
说明从不完整的移动与航空激光雷达数据中稳健重建电力线
简介该论文提出一种自动化方法，用于从移动和航空激光雷达点云中重建单根电力导线，即使数据稀疏、不完整或被植被遮挡也能工作。方法结合尺度化密度聚类、稳健多项式拟合和迭代片段合并，同一流程可处理两类数据而无需针对特定模态调参。在航空数据集上，精确率为96.87%，召回率为96.66%，F1值为96.76%，几何均方根误差为0.127米；在移动数据集上，点到模型均方根误差为0.045米，重建覆盖率为95.27%。源代码与数据已公开。
看点新意在于用同一套无模态专用参数的流程处理移动与航空激光雷达的电力线重建；摘要报告在航空数据上精确率96.87%、召回率96.66%，并给出降质、基准与敏感性实验。
说明协变量偏移下基于随机划分的模型集成
简介该论文研究机器学习中协变量偏移（训练与测试输入分布不同）的情形，指出集成模型通常比单一模型更稳健。作者把协变量偏移严重程度的理论从单一模型推广到集成，并提出新的差异度量来控制基于划分的核估计器的风险。结果表明，只要集成规模足够大，这类模型可以在协变量偏移下达到极小极大最优的风险收敛速率；随着偏移加剧，所需集成规模也会更大。
说明用于组合图像检索的分解式多模态大模型嵌入（FactEmbed）
简介本文针对组合图像检索，即根据参考图像和修改文本找到目标图像的任务，提出分解式多模态大模型嵌入方法FactEmbed。该方法把组合查询的理解与判别性嵌入的构建分开，用一组分解的潜变量模拟预期的视觉修改，并通过因子级对比损失和蒸馏进行优化。作者称该方法在多个组合图像检索基准上优于已有工作。
说明从自然图像到医学影像：扩散模型在医学图像生成中的可迁移性研究
简介本文研究以自然图像预训练的扩散去噪器能否迁移到医学图像生成任务，在潜空间和像素空间两种范式、131M至952M不同模型规模下，于RadImageNet和BraTS两个放射影像数据集上进行了系统实验。结果显示，自然图像初始化能稳定提升生成质量，其收益主要体现在空间结构上而非语义层面。研究认为，在所考察的设置中，自然图像去噪器对医学任务有正向迁移作用。
看点首次系统考察自然图像预训练对医学扩散去噪器的迁移作用，发现空间结构是关键通道；在RadImageNet与BraTS上验证，gFID提升21-34%。
说明基于局部二次优化的交叉熵步长调制方法
简介论文提出两种在交叉熵损失随机梯度下降中调整既有学习率计划的方法，各自利用一次额外前向计算估计小批量损失的导数。两种方法给出的步长取值非常接近，据此对原计划的学习率做小幅增减。在 Cifar10 与 Cifar100 上训练 ResNet 的实验显示，相比被调制的原计划，损失下降更快、单调性更好；Cifar10 测试精度略有提升，Cifar100 测试精度不变。
说明可证明地学习线性专家混合模型
简介本文研究混合专家（MoE）模型的梯度训练收敛性问题。作者分析了一种带线性专家和由输入空间高斯簇诱导门控的经典门控混合模型，给出了用梯度EM在似然上联合训练门控与专家的全局收敛保证。在相对真实专家数量取对数量级过参数化、且门控中心满足分离条件的前提下，算法可从随机门控和最小二乘初始化的专家出发，多项式次迭代收敛到任意指定精度。
看点首次给出门控线性专家混合模型联合梯度EM训练的全局收敛保证，并以实验验证相变，对子领域有用。
说明模型看到了什么？基于多模态大语言模型的视频分析中的表征有效性
简介本文研究社会科学家用多模态大语言模型分析视频时，选择文本、音频、视频或组合输入会如何影响测量结果。作者在六个开源模型和三个人工标注视频数据集上比较了不同输入表征。结果显示没有某一种输入方式始终最好，组合输入也很少带来提升，而且分类准确率更高并不必然使估计结果更接近人工编码的结果。因此，输入表征需要分别针对所测构念和由标签得出的估计量进行验证。
说明OperAItor：面向化工过程容错运行的智能体框架
简介OperAItor 是一个开源框架，用于开发和评估大语言模型智能体，以实现化工过程的监督式故障管理。研究以异丙醇脱氢制丙酮的动态反应-精馏过程为示例，在包含 113 个变量的微分代数模型上测试了五种动作验证配置和四种大语言模型，共 20 个场景。结果显示，未经智能体干预时 18 个场景导致装置停车；在验证配置下，GPT-5 nano、Qwen3 8B 和 Mistral 7B 将停车次数降至 5 至 8 次，并挽回了 265,000 美元的损失。
说明PadLoc：无需训练、基于稀疏几何匹配的平面图定位方法
简介该论文提出 PadLoc，一种无需训练的定位后端，用于在已知平面图中确定移动传感器的位置。它保留可替换的深度前端，把原有的稠密位姿网格改为稀疏几何匹配：先由主要墙体方向生成少量位姿候选，再通过掩膜归一化互相关比对可见自由空间与平面图，并用高斯混合贝叶斯滤波和一致性读出解码轨迹。作者报告其在 Gibson 数据集和多个实际数据集上的定位成功率不低于或优于对比方法。
说明AgentAM：面向飞溅与缺陷感知的激光粉末床熔融工艺优化AI代理
简介本文提出AgentAM，一个基于大语言模型的代理系统，让工艺工程师可以用自然语言调用针对SS316L材料的熔池与飞溅代理模型（基于CFD仿真训练）。模型基于279组单道仿真数据训练，用于预测熔池尺寸与飞溅体积，并依据几何准则判定缺陷类型。代理还可调用预测、工艺窗口扫描和约束优化等工具，并通过145条提示的基准测试进行评估。
说明在多模态神经记录中学习与行为相关的动力学
简介本文提出BREM-NET，一种非线性多模态动力学模型，可同时融合脉冲放电、局部场电位和行为数据。模型通过结构化学习框架把与行为相关的神经动力学与残余动力学分开。在一个公开的非人灵长类数据集（2D伸手任务）上，该模型在行为解码、神经活动预测和潜变量与行为的对齐方面表现更好，即使神经模态异步或存在数据缺失，仍保持这些能力。
说明金融问答中的校准式答案修复：自我验证何时反而有害
简介本文针对金融问答中模型可能把正确数字归因到错误实体、期间、单位或会计概念的问题，提出校准式答案修复方法（CAR）。该方法先判断草稿是否值得修复，再选择针对性检查、定位相关证据或草稿片段，并限制允许的修改范围。在 FinRank、Fin-RATE、FinQA 三个数据集和三个开源权重模型上，CAR 在所有设置中均优于通用验证，系统层面修复了 14.6% 最初遗漏的答案要求，仅损坏 2.1% 原本正确的内容。
说明Basin2Vec：学习以流域为中心的嵌入表示，用于可扩展的水文建模
简介本文提出Basin2Vec，一种自监督框架，无需观测径流数据，即可从水文气候和地形数据中学习紧凑的流域表示，用于径流预测。在多种预测架构上，它在时间泛化和零样本空间迁移方面优于预定义属性和通用地理空间嵌入。论文报告其时间上的平均相对增益最高达8.3%，在未见流域上的中位预测性能为最强基线的3.5倍。
说明RoboTryOn：借助虚拟试穿从人类视频合成灵巧机器人示范
简介论文提出RoboTryOn方法，把人类视频转换为由参考图像指定的目标机器人执行同一任务的视频，同时保留原有任务、物体和背景。方法先自回归地翻译关键帧以保持视觉一致，再以人手骨架为动作条件进行视频合成，并用融合深度特征的逆动力学模型推断动作标签。实验显示，用合成数据训练的策略在新任务上的平均成功率从2%提升到60%，成本约为遥操作示范的三分之一。
看点将人到机器人翻译视为虚拟试穿，合成机器人演示视频训练策略；摘要报告多种人形机器人上双臂操作成功率从2%提升至60%。
说明扰动、修复、验证：用于组合理解的自博弈视觉-语言验证器
简介该论文提出PROVE框架，通过自博弈方式训练视觉-语言验证器，判断图像是否忠实匹配文字描述。其流程为：对已知正确的图文对施加对象、属性、数量或关系上的扰动，验证器判断扰动后的描述并给出文字反馈，修复器据此恢复忠实描述并再次验证。实验表明，该方法提升了不同规模和系列模型的细粒度组合验证能力，在更广泛的多模态任务上的变化有限且依赖于具体基准。
说明宏正则生成器网络：用于摊销物理模拟的数据高效神经代理模型
简介该论文提出宏正则生成器网络，通过匹配目标平稳物理过程的多尺度统计量，训练神经生成器作为快速代理模型。该方法在期望意义上满足约束，保留样本间的物理波动，并在宇宙学与流体模拟实验中，仅用极少训练样本即可生成逼真样本，单个样本生成速度显著快于参考模拟器和微正则梯度下降方法。
说明异步机器人策略：让视觉语言模型的推理与动作生成各自异步运行
简介大规模视觉语言基础模型提升了通用机器人操作能力，但模型变大会带来计算延迟，影响机器人的实时反应。论文提出异步机器人策略（ARP）框架，把语义推理与底层动作生成解耦，让高容量视觉语言模型以低频率更新语义记忆，轻量级视觉动作专家则基于该记忆以高得多的控制频率生成动作。论文报告在Franka操作任务上取得了更高的成功率和更短的执行时间，并表明视觉语言模型可在约十分之一的标称频率下运行而性能无明显下降。
说明通过高保真强化学习提升交互式HTML生成能力
简介该论文关注由自然语言描述生成可交互HTML页面的问题，指出现有模型生成的页面虽能渲染，但在实际交互中功能与视觉质量常不达标。作者以小游戏为测试场景，提出WebCatalyst浏览器交互强化学习框架，包含游戏级界面评估器、防止视觉语言模型奖励投机的视觉锚点，以及基于运行时执行轨迹的动作轨迹信用分配三个组件。
说明通过查询路由为数据中心创造电力需求灵活性
简介大语言模型推理的能耗不断增长，数据中心需要在保障交互式服务的同时提供电力需求调节能力。该论文提出一个分析框架，将查询到达率、序列长度分布与模型实例的迭代时间、驻留时间、服务能力和功耗联系起来，并据此选择路由策略以实现期望的功耗行为。在10,000块H100 GPU数据中心的真实轨迹仿真中，可调节功耗最高达总功耗的16%，约10秒内实现所需降幅的90%。
说明GM League Arena：基于职业体育联赛管理的交互式长周期任务基准
简介该论文提出 GM Bench，用于评估大语言模型在资源受限和队伍竞争下，跨赛季管理职业体育球队的长期决策能力。研究为四种体育项目构建了模拟环境，并加入财务约束、球员需求和市场机制。在五个 NBA 赛季的评测中，Claude Opus 5.5 在 29 个模型中排名第一。
说明当细胞裁切图共享同一母图：宫颈细胞学基准中获取泄漏的测量与分离
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。
说明超越基础模型：PFN先验改进表格数据超参数优化
简介该论文提出PriorTune方法，将原本用于预训练表格基础模型的合成先验，用于为传统表格模型（如LightGBM）挑选超参数配置。离线阶段在合成数据上筛选胜率最高的配置子集，在线阶段对新数据只需测试这些配置。作者在BeyondArena基准上报告，结合TabPrep特征的LightGBM排名高于TabPFN-3和RealMLP，且推理更高效。
说明Meta²：为长时程智能体在线演化外壳预计算可复用知识
简介该论文提出 Meta²，用于改进长时程智能体的“外壳”（提示、工具、记忆和钩子等，包裹在冻结模型外的部分）。离线阶段，它通过对比同一任务在三种配置下的训练轨迹，学习一份文本形式的元技能 M，指导何时演化外壳、何时保持不变及应避免哪些干预。在线阶段，演化器结合 M 与运行中出现的轨迹证据，决定保持或通过任务内编辑演化外壳。在 Terminal-Bench 2.1 和 DeepSWE 1.1 两个基准上，使用 GPT-5.6-Terra 时取得了所评测方法中的最高成绩，分别为 81.00% 和 44.44%。
说明对称张量展开的随机矩阵分析：研究如何从带噪声的高阶数据中恢复隐藏信号的方法
简介本文研究从含对称高斯噪声的尖峰张量中部分恢复隐藏向量的问题。作者直接用随机矩阵理论分析对称模型，而不是像以往工作那样用独立同分布的噪声替代。结果表明，方阵展开算法在信号强度约为 n^((p-2)/4) 时出现尖锐的相变，并给出了谱分布、阈值和重叠度的精确表达式。
看点直接分析对称高阶张量展开的随机矩阵，证明方阵展开在 λ≍n^{(p-2)/4} 处出现尖锐相变，并验证 Montanari 与 Richard 的公开猜想。
说明从意见到承诺：AI 调解提案中的不稳定分配与沉默选择
简介本文研究大型语言模型把公众意见整理成集体提案时，同一批意见多次处理会得到不同的任务分配结果。作者用四个模型和两个数据集测试，发现约17%至20%的多次运行结果中出现了有分配与无分配的差异。即使采用温度为零等保护措施，差异仍然存在，且提示目标会影响少数立场的覆盖程度。
说明多个正确答案情形下的 PAC 学习
简介本文研究每个样本最多对应 ℓ 个正确标签、预测只要落在该集合中即视为正确的 PAC 学习。训练信息可以是完整正确标签集、对某个标签是否正确的反馈，或由示范者给出的一个正确标签。论文指出示范信息的学习难度可能远高于完整集合甚至反馈信息，并给出有限与可数标签空间下的可学习性刻画。
看点新意在于区分示范与完整集合、bandit反馈的可学习性，给出广义Natarajan维和紧的ε^{-ℓ}样本界；理论证明覆盖有限与可数标签空间。
说明基于多视角无人机影像的免训练光伏组件高精度测绘
简介该论文提出多视角光伏组件测绘框架MV-PVMapper，结合视觉基础模型与无人机摄影测量，无需训练即可逐块识别并勾勒屋顶光伏组件。方法先用SAM 3从原图生成候选轮廓，经坡度校正投影到物方，再依组件尺寸筛选并跨视角融合，最后把结果回送各视角迭代分割。在三座屋顶电站的实测中，7710块共7711块参考组件被正确识别且无误检，全局Jaccard指数达97.55%。
说明用物理信息神经网络求解超声传播中的非线性 Westervelt 方程
简介本文针对生物组织中有限振幅超声传播的非线性声学问题，使用物理信息神经网络（PINNs）求解一维 Westervelt 方程。研究设置了线性、冲击主导和耗散主导三组算例，并采用正弦激活函数捕捉振荡行为。结果显示，衰减系数γ控制振幅衰减速率，非线性系数η决定与频率相关的相速度。
说明基于光线追踪城市数据的信道先验是否更适合未见站点？一项仿真预注册研究及实测数据上的反向结果
简介该论文研究新部署基站能否借助多个光线追踪城市场景汇总的信道先验，替代通用的3GPP CDL模型。仿真中，汇总先验的误差约比站点训练的估计器高0.6 dB，接近CDL使用50次测量后的水平；学习型模型带来的改进很有限。但在DICHASUS室外实测数据上结果相反，光线追踪先验比CDL差3.2到4.1 dB。
说明仅找到正确来源还不够：理解语音大模型记忆中的历史干扰
简介本文研究语音大模型在多轮对话中保留的无关历史音频为何会改变答案，即使被查询的事件仍被正确表征。实验显示，历史数值会把错误导向特定的竞争答案。因果干预表明，在开放式问答中，多数干扰错误在后续计算无法直接访问无关来源时消失；而在选择题中，许多错误仍然存在。研究认为，对话记忆可靠不仅需要保留与检索，还需要控制保留信息如何进入答案计算。
说明迈向早退出的最优控制基础：Turnpike 与残差网络
简介本文用最优控制理论分析神经网络中对输出层和中间层损失函数的联合优化。作者证明，以这种方式训练的残差网络会出现 turnpike 现象，即达到给定损失水平所需的层数有上界，与网络总深度无关。论文还将该现象与过度思考现象联系起来，并通过实验验证了不同深度网络的相似性及早退出性能。
说明面向数字孪生网络中新鲜度感知预处理的分布式线性赌博机方法
简介该论文面向支持多接入边缘计算（MEC）的数字孪生网络，研究物联网数据的新鲜度感知预处理。框架让MEC服务器在传输前预处理数据，以减少传输量和数字孪生服务器的处理负载。论文将CPU分配策略选择建模为线性赌博机中的分布式最佳臂识别问题，并采用DistLinGapE分布式协作学习方法。数值结果显示，该方法在平稳任务分布下能找到最优可行策略并降低预处理延迟，且协作带来的识别加速在所评估场景中近似与参与的MEC服务器数量成正比。
说明超越多指标模型：学习度数为2的多项式阈值函数的交集
简介本文提出一种在高斯分布下PAC学习k个二次多项式阈值函数交集的算法，分类误差为ε时所需时间与样本数为d^{O(k)}·2^{O_k(log^3(1/ε))}，优于多项式回归方法的d^{O(k^2/ε^2)}。作者还给出SQ下界，证明d^{Ω(k)}的复杂度依赖不可避免。
看点新意在于将维度指数与精度参数解耦，给出d^O(k)2^O_k(log^3(1/ε))的时间，并配有SQ下界；摘要报告了该结果。
说明从 AutoResearch 到持续型 AutoResearch：智能体能否跨任务学习？
简介该论文提出 CONTINUAL AUTORESEARCH 环境，比较同一智能体在相同任务流、数据和时间预算下的持久化版本与每次重置的版本。实验涵盖九类任务，包括合成任务、符号回归、时间序列预测和表格 AutoML，共测试五个前沿智能体。结果显示，保留状态能提升五个智能体的研究效率，使其更快找到更好的解，但这些优势并未稳定地转化为更优的最终方案。
说明基于生成式AI风格图像与傅里叶域适应的三维二尖瓣分割标签保持方法
简介该论文针对三维经食道超声心动图中二尖瓣分割因公开标注数据稀缺而受限的问题，研究了傅里叶域适应方法，以通用生成式AI图像（如ChatGPT、Gemini、MAI生成的图像）作为无需标注的风格来源。在MVSeg2023数据集上，研究比较了多种训练条件，结果显示使用生成式图像的傅里叶域适应显著降低了边界和表面相关误差，但对广义Dice分数的影响因生成来源而异，仅MAI生成的图像带来统计上显著的提升。作者指出，非AI的真实图像风格来源表现与ChatGPT生成图像相当，因此并不认为该方法优于使用真实图像风格来源的训练。
说明面向大模型推理解码的工作负载静态光路交换方案
简介该论文针对大语言模型推理解码阶段通信延迟高、影响交互速度的问题，提出工作负载静态光路交换（OCS）方案：每次部署时配置一次光路，并与模型并行方式及拓扑感知的集合通信调度协同设计。作者使用基于图的工作负载模拟器GXNET评估该方案，在576个加速器、服务5T参数MoE模型的场景下，全光交换结构相比4:1超额订阅的分组交换结构，交互性最多提升65%，能效最多提升119%。
说明SurgTransfer：面向手术世界模型动作迁移的多步隐动作建模
简介本文提出一种多步动作学习框架，用于在手术世界模型中学习与情境无关的隐动作，以便在不同手术场景之间迁移。该方法仅从无标注视频中学习，并在SurgToolLoc-2022与PitVis-2023公开数据集上进行了定量与专家定性评估。作者已在GitHub公开代码与实现细节。
说明分子先验网络：用单次前向推理预测分子与靶点的亲和力
简介该论文提出一种新的药物-靶点亲和力建模方法，由 Transformer 模型在一次前向传播中，依据已标注的支持分子预测查询分子的标签。模型在数千个已有亲和力数据集上训练，可捕捉不同靶点、化学系列和数据集规模下的通用活性规律。在最小支持集上，该模型在 FS-Mol 回归基准上与现有最优方法相当，且因无需针对具体任务训练而更快。
说明基于地面激光雷达点云高斯分解与重叠度量刻画燃料层垂直连续性
简介该研究用地面激光扫描（TLS）点云的垂直高度剖面做高斯分解，分析25个固定森林样地中燃料层的垂直连续性。作者在多个空间尺度上比较几何、概率和重叠度量指标，发现3至6米网格尺度较为适合，并认为该方法可显式量化垂直燃料连续性，为野火风险评估中的阶梯燃料刻画提供参考。
说明Dual-VaDE：基于变分双域混合先验的高效稳健原型学习
简介本文提出Dual-VaDE，一种无监督生成框架，用于从未标注的医学图像中学习可解释的解剖原型。该方法引入双域高斯混合先验，将空间解剖结构与保相位的傅里叶谱表示耦合，并通过交替EM形式端到端优化网络。在OASIS-3脑部MRI数据上，其原型更清晰，聚类分离度相比仅用空间特征的基线最高提升94%，且推理开销很小。
说明《柏拉图式大脑》：脑电基础模型中的表征收敛
简介该研究检验柏拉图表征假说在人脑表征上是否成立，用六名受试者观看电视剧时的脑电记录，结合对应的视觉和语言内容，考察脑电基础模型在解码脑电标记能力增强时，其表征是否在模型内部及跨模态间趋于一致。结果显示，解码能力更强的脑电模型在局部和全局结构上与其他模型家族的对齐更强，且并不随参数量稳定增加。跨模态收敛依赖模态与度量方式：脑电解码能力越强，与语言模型的全局对齐越强，与视觉模型则不稳定，局部对齐也无一致关联。
说明LatentTriad：面向恶意智能体技能检测的行动前风险表示
简介大型语言模型智能体常通过可复用的技能扩展功能，但不可信的技能内容可能诱发与用户任务无关的操作。本文发现，预填充阶段形成的隐藏状态包含可读取的任务与操作一致性信息。在此基础上提出LatentTriad方法，结合上下文边界特征、分组调整后的操作方向以及与良性状态关系的偏离，所有分支共享一次预填充，检测过程不生成输出、不调用工具，也不执行技能代码。
说明变化环境中用于视觉多会话配准的稀疏锚点
简介该论文针对机器人在同一环境多次采集数据时的视觉配准问题，即把新录制的查询会话对齐到已有参考地图。方法先通过视觉地点识别、局部特征匹配和几何验证得到绝对位姿假设，再用序列一致性筛除不一致的假设，保留可靠的绝对锚点，并结合会话内相对位姿进行鲁棒位姿图优化。在HILTI26建筑工地数据集的15组跨会话实验中，该方法在1米内召回率为94.4%，5米内为100.0%，优于独立图像定位和独立重建的运动恢复结构直接配准。
说明基于神经伴随映射与深度图像特征流形嵌入的图像匹配方法
简介该论文研究真实图像中相似类别不同物体实例之间的语义对应问题。作者借鉴三维形状匹配中的函数映射方法，用有限元Galerkin方法从深度图像特征的流形嵌入推导离散拉普拉斯-贝尔特拉米算子，为图像网格定义流形结构，并引入神经伴随映射表示非线性映射。论文称该方法在多个真实图像稠密对应基准上，在零样本图像对应方法中达到新的最佳水平。
说明CRONOS：面向机器人操作的非回合式强化学习基准
简介该论文提出CRONOS，一个用于在非回合式场景重置条件下对视觉-语言-动作（VLA）模型进行强化学习微调的仿真基准。研究发现，直接微调预训练策略在非回合式设置中会因物体配置和末端执行器位姿的偏移而失效，但通过有针对性的重置分配和处理预训练模型中的偏差可以缓解这一问题。论文还指出，非回合式训练能增强长时程操作能力，并提升对未见过的物体配置和任务序列的泛化性。
说明基于免展开世界模型的端到端自动驾驶轨迹评估
简介该论文提出RFWorld，一种用于端到端自动驾驶轨迹评估的免展开（rollout-free）世界模型。它不为每条候选轨迹逐步预测完整未来场景，而是构建共享场景记忆，候选轨迹直接从中稀疏查询信息进行打分，从而降低推理计算量并避免递归预测误差。论文称其在NAVSIM和Bench2Drive上取得了当前最优的性能。
说明VIGOR：面向多模态离散扩散语言模型幻觉缓解的视觉增益排序方法
简介多模态离散扩散语言模型通过迭代掩码预测生成回答，但仍会产生与语言先验相符、却缺乏图像依据的幻觉。论文提出VIGOR，一种无需训练、即插即用的推理策略：在每一步去噪时，比较原图条件与视觉消融两种情况下各候选词的置信度，优先解码更受图像支持的位置。论文称在LLaDA-V和Lumina-DiMOO上，VIGOR能持续减少幻觉并提升多模态推理表现。
说明FloMo：将三维场景流作为世界动作模型的中间表示，用于从人类视频中学习
简介该论文提出FloMo，一个基于50亿参数视频生成模型微调而成的模型，用于预测三维场景流和动作标记。研究将场景流渲染为RGB并编码到与视频相同的潜在空间，使预训练视频模型能高效适应运动预测。在无动作的人类视频与带动作标签的机器人遥操作数据上联合训练后，模型在未见过的物体、运动基元和任务上表现出更好的泛化能力。
说明智能体策略是否需要每一步都看图？面向推理与动作的几何抽象
简介这篇论文提出用三维几何抽象替代每一步的原始图像推理：通过带类型的符号化引用描述物体部件，并依据标定的RGB-D数据定位。每次动作后，系统返回包含度量残差的紧凑文本检查点，只在需要时才调用直接视觉推理。实验表明，基于文本和符号的推理提高了多步操作的完成率，同时显著减少了重复的多模态查询。
说明蛋白质构象集合生成器设计选择的消融研究（跨结构类型比较）
简介本文研究用于生成蛋白质构象集合的模型设计。作者基于一个简化的 Cα 流匹配模型，逐一消融架构、序列条件、刚体对齐和训练数据来源等设计选择，并用实验 SAXS 与 NMR 化学位移数据，按有序、无序、多结构域和过渡态蛋白分别评估。结果显示，训练数据而非网络架构是主要限制因素。
说明鞋型鲁棒性的可学习性：未见鞋型条件下的步态足迹识别
简介该论文研究基于压力或力传感步道采集的足迹模式进行身份识别，重点考察用户注册时穿特定鞋、识别时穿未见过的鞋的情形。作者提出BiStepNet架构，将空间与时间身份线索分解为可独立训练的两个分支，在StepUP-P150数据集上优于紧凑的三维时空基线。研究显示，跨鞋识别性能随训练集中鞋型的数量与多样性系统性提升，并可借助部分模态重叠的辅助步态数据进一步增强对未见鞋型的鲁棒性。
说明部分子对关联对重离子碰撞中直接光子产额和椭圆流的影响
简介该论文研究重离子碰撞中发射光子的部分子之间的关联如何影响直接光子产额与椭圆流。作者指出，局部2→2光子速率依赖于入射部分子的联合分布，因此关联可以在不改变介质粒子单粒子分布的情况下改变光子发射。将该关联代入Au+Au和Pb+Pb碰撞的演化介质后，光子产额向拟合的PHENIX和ALICE数据靠近，中等横动量区域的v2有所增加。
说明用位置编码实现可扩展的等变约束松弛：训练时临时打破对称性，使严格等变模型更易优化
简介论文研究神经网络的等变性约束在优化上可能遇到困难，此前有工作通过加入非等变的稠密线性层在训练期间放松约束。作者提出一种基于位置编码的替代方法，注入带可学习尺度的位置编码以打破原有对称性，并在训练中逐步退火至零，最终恢复原始等变模型。作者称该方法在平移和旋转等变模型上带来显著改进，且计算和内存开销很小。
说明ALBI：由大语言模型引导、通过迭代生成-检验-约束优化的归纳逻辑编程
简介论文提出ALBI框架，用大语言模型替代学习失败（LFF）范式中基于ASP的假设生成器，并保留SWI-Prolog作为形式化验证器。系统通过生成、检验、约束的迭代循环，由大模型提出候选假设，Prolog逐一检验，并依据诊断反馈进行改进。在30个标准归纳逻辑编程基准上，三款前沿大模型均达到100%成功率，与Popper持平，平均仅需1.4至1.7次迭代；在语义匿名化测试下，成功率仍保持100%。
说明ToolSpace：面向长程智能体的以工具为中心的环境合成方法
简介该论文提出ToolSpace框架，从真实MCP服务和智能体执行轨迹中，用确定性规则挖掘相邻工具调用之间的数据、状态和重试依赖，并将加权工具组合图聚类为环境，再通过状态感知随机游走和断言检查生成可从初始状态成功回放的任务。在多个长程工具使用基准上，该方法显著提升了Qwen3.6-35B-A3B和GLM-5.2等模型的平均得分。
看点以工具为中心、由执行轨迹挖掘依赖关系并合成环境，相对数据中心方法有实质新意；摘要报告在七个基准上提升明显。
说明混合偏态下用于医学图像分类的联邦迁移学习
简介论文针对多中心医学数据在联邦学习中存在的混合偏态问题，提出个性化联邦学习框架PAFP，基于预训练骨干网络，在每个客户端的微调模块前插入特征对齐模块，将隐藏特征分布对齐到服务器聚合的目标。在FedISIC基准上，PAFP取得了最高的未加权平衡准确率，同时将客户端间性能方差降低约六倍。
说明这是谁的效应？目标函数如何夸大学习到的子空间干预
简介该论文研究可解释性中的激活修补方法：把语言模型某部分状态从一个输入复制到另一输入，以输出变化大小衡量该部分是否承载某概念。作者证明，正交部分的效应一阶相加等于整体效应，因此学习到的部分超过整体，只是因为其余部分把输出拉回，而非更干净地隔离概念。以输出效应为目标的方法会选出此类部分，改用面向网络实际输出的目标可消除大部分额外效应。
说明比较端口哈密顿系统辨识中的模型表示与拟合方法
简介端口哈密顿模型通过区分存储能量、耗散和外部输入来描述物理系统。本文比较了用神经网络、解析表达式及两者组合来表示该模型各组成部分的方法，并比较了基于梯度优化与稀疏回归的拟合方式。作者在有噪声与无噪声的机械及电气系统仿真上测试，给出了各方法的预测精度与计算成本。
说明DRAP：面向物理AI持续学习的动力学风险自适应可塑性方法
简介该论文针对物理AI的持续学习问题，指出策略的微小逐步误差会在轨迹中累积，最终导致闭环任务失败。作者提出无需回放的DRAP方法，用风险加权的梯度估计各模型张量的历史重要性，并据此降低支撑旧行为的组件的学习率。实验在OpenVLA的子网络上进行，于LIBERO Spatial、Object和Goal套件中评估，结果显示相比标准AdamW微调和EWC，旧行为的保留明显改善，同时新任务的学习能力仍然较强。
说明多机器人系统的触觉共享控制：让操作者通过力反馈在不同尺度上引导机器人群体
简介本文提出一种改进的全局连通性维持算法，使机器人能用有限视场传感器在自身局部坐标系中完成测量，并结合单机控制、钉扎控制和质心控制三种自适应监督策略，让操作者可以在不同尺度上引导整个机器人群体。这些方法在满足机器人间约束的同时，向用户提供关于系统连通状态的触觉反馈。作者通过用户研究，在针对不同控制模式设计的多种场景中，比较了有无触觉反馈时的效果。
说明智能手机GPU上基于深度学习的RGB照片增强：Mobile AI 2026挑战赛报告
简介本文是Mobile AI 2026挑战赛的报告，要求参赛者设计可在高通与Arm智能手机GPU上运行的快速RGB照片增强模型。参赛者使用DPED数据集，其中包含旧款iPhone 3GS与专业佳能70D单反相机拍摄的图像对。在骁龙8 Elite Gen 5与天玑9500芯片上评测，表现最好的方案可在300毫秒内增强全高清图像。
说明有限谱深度如何控制高斯入口秩以及避开梯度流的第一个鞍点
简介本文以矩阵分解为模型，研究小初始化下的训练动力学。作者考虑对归一化矩阵梯度施加有限次Newton-Schulz迭代的连续时间动力学（Muon）。结果表明，迭代步数会改变训练早期选出的秩，并可使轨迹绕过梯度流所逼近的第一个非零驻点。在附加的残差惯性条件下，作者证明对所有足够大的有限迭代深度都会出现绕过现象，并给出显式的充分阈值；还构造了一个绕过阈值为四的例子。
说明《Matched but Not Better》：六个临床数据集上量子机器学习的等效性检验基准与 QML-Health-READY 报告框架
简介论文比较了量子核支持向量机、变分量子分类器与五种调优后的经典模型，在六个公开临床数据集上以相同输入和 25 次交叉验证进行配对评估，并用等效性检验分析 AUROC 差异。结果显示，量子模型与经典模型大体相当，均未显著优于任何经典对照；作者同时提出了八个领域的 QML-Health-READY 报告框架，用于规范量子机器学习的可信报告。