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。
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。