From Pixels to Actions - Towards Native Vision-Language-Action Policies
说明从像素到动作：迈向原生视觉-语言-动作策略
简介该论文提出NEO-VLA，一种无独立视觉编码器的视觉-语言-动作框架，图像通过轻量卷积切块后与语言在骨干网络中共同演化，动作专家可在不同深度读取视觉表征。在受控对比中，原生架构优于基于编码器的模型；层级探测显示与动作相关的信号常在最终视觉表征之前达到峰值。该方法在多种操作任务和分布偏移下表现更稳定。
本页没有符合条件的条目（筛选只在本页内进行）。
A Framework for Context Enrichment and Selective Robustness in LLM Social Agents
说明用于LLM社会智能体的情境丰富与选择性鲁棒性框架
简介研究者常把大语言模型作为智能体用于社会模拟，但其行为在语义不变的提示改写下会明显改变，给模拟结果的验证带来困难。论文提出受控情境丰富方法，通过替换提示的规则，系统地增加中性填充、通用社会背景、描述性决策依据和规范性决策依据四类上下文。同时提出选择性鲁棒性作为验证标准，即对语义不变的提示变化不敏感，同时对社会环境中与决策相关的变化作出方向性回应。论文在类囚徒困境博弈中演示该框架，发现不同的情境丰富形式在两个被测模型上产生了不同的行为模式。
FlowReconBench: Accuracy, calibration and cost of learned and classical flow reconstruction from sparse sensors
说明FlowReconBench：从稀疏传感器重建流场的学习方法与经典方法基准评测
简介该论文提出FlowReconBench基准，在层流圆柱尾迹、二维Kolmogorov湍流和三维各向同性湍流三类场景下，比较了10种学习方法与5种经典方法的精度、校准、频谱和计算成本。结果显示，最优方法因场景而异：经典方法在低阶和高传感器密度场景表现较强，数据驱动方法在传感器稀疏或可观测性差时更优。
BEAKER: An Expert-Curated Benchmark for Embodied Brains in Self-Driving Chemical Laboratories
说明BEAKER：面向自动化化学实验室具身智能大脑的专家标注基准
简介本文提出BEAKER基准，用于评估多模态大语言模型在自动化化学实验室中的具身能力，涵盖可操作性、知识、实验操作与推理。该基准包含1000个由化学与人工智能专家人工编写并审核的问答样本，覆盖11种图像和视频任务类型。作者在离线单轮设置下评测了28个模型，发现模型能大致理解视频中的实验流程，但在动作定位、轨迹规划、精细器材与安全识别以及中等长度步骤排序方面仍有明显不足。
★★★★☆ 值得关注
FrontierPhysics: Evaluating Agents for End-to-End Physics Research
说明FrontierPhysics：评估智能体完成端到端物理研究的基准
简介该论文提出 FrontierPhysics 基准，包含 56 项任务，由 42 位物理学家基于各自研究设计，涵盖理论、计算与实验物理的九个领域。任务要求智能体完成文献综述、制定研究计划、开展研究与实验，并产出结构化结果和科研论文。评估同时结合确定性验证器与专家撰写的评分标准。测试的 22 个模型共 26 种配置中，没有一种配置在其 168 次运行中通过超过 46 次。
看点新意在于端到端评估物理研究全流程，含56个由42位物理学家基于自身研究设计的任务；摘要报告22个模型、26种配置在168次运行中均未超过46次通过。
★★★★★ 值得关注
Perceptive Humanoid Motion from Simulation
说明基于仿真的感知型人形机器人运动控制（HALO系统）
简介该论文提出HALO系统，用于让人形机器人根据视觉与语言指令完成动作。研究利用程序化生成的一千个虚拟家庭合成视觉-语言-运动数据，无需人工采集。HALO学会了坐椅子、导航到指定物体、侧身穿过半开门、蹲行穿过桌下、推箱子等技能，并能组合它们完成长时程任务。在未见过真实家庭的情况下，HALO在六个未建图的真实环境中进行360次试验，成功率为91%。
看点以仿真合成视觉-语言-动作数据突破人形机器人数据瓶颈，并报告零样本迁移到真实环境、360次试验成功率91%。
★★★★★ 值得关注
Reinforcement Learning Enables Scaling Generalist Robot Policy Improvement
说明强化学习让通用机器人策略能够跨多任务持续改进
简介论文研究通用机器人策略能否在部署阶段同时针对多种任务进行强化学习式的在线自我改进。作者设计了结构化评估方法，系统比较了价值估计、策略提取和资源分配等设计选择。结果显示，合适的方案不仅能跨多任务在线改进策略，还能提升训练中未涉及任务的表现，并指出训练任务分布和基于价值的强化学习是关键。
看点首次探讨通用机器人策略在多任务部署中的在线强化学习改进，并发现对未训练任务的泛化，实验设计系统。
Motion-guided Contrastive Regularization For Latent World Models
说明面向潜在世界模型的运动引导对比正则化方法
简介本文针对 JEPA 式潜在世界模型的一种失效模式（静态坍缩）提出解决方案：编码器保留了每个片段特有的静态背景，却压制了与操作相关的状态变化。作者在 OGBench-Cube 上进行受控实验，发现随机背景会显著降低规划性能。方法利用光流相似度作为软对比目标，与潜在预测及 SIGReg 结合使用。文中报告，在随机背景的 OGBench-Cube 上规划成功率由 52% 提升至 78%，在 LIBERO-Object 上由 14% 提升至 54%。
Occlusion for Free: Detecting Occlusion from the Disagreement Between Two Monocular Distance Cues
说明免费的遮挡检测：利用两种单目距离线索的分歧识别遮挡
简介本文提出一种无需训练、无需遮挡标注的方法：比较行人检测框的视高与单目深度估计得到的距离，两者的排序差异可反映行人是否被遮挡。该方法在KITTI数据集上检测严重遮挡的AUC为0.909，在固定距离区间内仍保持0.894至0.925，并在合成的CARLA场景中优于仅用距离的基线。
Procedural Adversarial Learning
说明程序化对抗学习：用可解释的程序生成困难样本来训练和评估视觉模型
简介论文提出程序化对抗学习（PAL），通过在可解释的图像生成程序的控制参数空间中搜索困难样本，进行极小极大训练与对抗评估。作者提出了Simple-PAT算法，使用零阶优化按需生成对抗训练样本，并构建了PAL-Dojo程序化生成器集合，涵盖表面法线估计、图像分割和人体姿态估计。论文报告在跨模型黑盒对抗者的50M次查询下，Simple-PAT相比标准训练将最坏情况误差降低3.15倍（几何平均），相比最强的鲁棒训练基线降低2.63倍。
Adaptive Multi Mode: Budget-Aware Routing of Optimizers By Online Landscape Probes
说明自适应多模式：基于在线地形探测的预算感知优化器路由
简介本文提出AMM（自适应多模式），在给定预算下，通过在线探测曲率、平台、可分性、折点、盆地和分形结构等特征，在拟牛顿、信赖域、坐标、多起点和进化策略等经典优化引擎之间进行路由。在bbob基准的held-out实例上，AMM与多个竞争方法对比，在600个函数-维度-预算组合中有382个取得最高目标达成比例。作者已将其以开源Python包形式发布。
SpecCompact: Accelerating LLM Agent Context Compaction with Slot-Parallel Semantic Speculative Verification
说明SpecCompact：用于加速大模型智能体上下文压缩的槽位并行语义推测验证方法
简介大模型智能体用上下文压缩来管理不断增长的交互历史，但用大模型总结长历史会带来明显延迟。本文提出SpecCompact框架，通过槽位并行的语义推测来加速压缩：训练一个小型草稿模型并行生成结构化摘要槽位，目标模型逐行验证并修复被拒绝的内容。在AppWorld和τ³基准、两种目标模型上，相比Hermes式摘要，压缩速度提升2.04至5.63倍；Hermes中的用户研究显示中位速度提升为8.68倍。
Learning to Decode Linear Codes with Generalized Belief Propagation Network
说明用广义置信传播网络学习译码线性码
简介本文提出一种广义置信传播网络（GBPNet），用于线性纠错码的译码。该网络在保持消息传递对称性和Tanner图结构的同时，采用级联变量节点更新和可学习的逐元素消息缩放，以增强译码器的学习能力。作者还提出渐进训练和高信噪比训练两种策略以提升译码精度。在多种线性码上的实验表明，GBPNet的误码率低于传统置信传播算法及所评测的最新神经译码器。
PixelSpline: Continuous Space-Time Video Super-Resolution via Endpoint-Anchored Shared Pixel Trajectories
说明PixelSpline：基于端点锚定共享像素轨迹的连续时空视频超分辨率
简介该论文提出一种连续时空视频超分辨率框架，结合长上下文编码、连续高分辨率特征提升和端点锚定的PixelSpline模块。PixelSpline将每个像素的运动建模为由两个端点共享的单一连续轨迹，并据此将端点颜色扭曲到粗略中间帧，再对齐高分辨率特征以进行残差重建。实验表明该方法在空间与时间上采样设置下具有较好的质量与效率权衡。
On Turn-Level Best-of-N Sampling for Scaling LLM Agents
说明面向LLM智能体扩展的逐轮Best-of-N采样研究
简介本文评估了一种推理时扩展方法：在复杂长时程任务中，智能体每一轮由生成器模型生成N个候选动作，再由选择器模型挑选一个在环境中执行。作者使用现成的开源权重大模型直接比较候选动作。在长时程终端任务的实验中，该方法在准确率上提升约5%至10%，并提高了重复尝试间的一致性。
CounterFactual Retrieval for Evidence-Aware Individual Animal Identification
说明CounterFactual Retrieval：用于证据感知的个体动物识别的反事实检索评估
简介论文指出，现有动物个体识别评估只看检索准确率，无法判断模型依据的是动物本身特征还是与身份相关的捷径。作者提出反事实前景检索（CFR）协议，在完整图像、仅前景和仅捷径三种视图下评估同一检索任务。论文还发布了34个数据集约50万个掩码以及掩码生成与CFR评估代码。
Balancing hierarchical representation and quantization: A performance trade-off in text embeddings
说明在分层表示与量化之间权衡：文本嵌入的性能取舍
简介本文是一项实证基准研究，考察分层文本嵌入（可变长度表示）与量化（降低数值精度）两种既有技术的相互作用。作者在 MTEB 的 38 个任务上，用四个基于 Transformer 的嵌入模型进行评测。结果显示，int8 量化在成对分类和重排序上与 float32 无统计差异，而二值量化在各任务类别中都明显更差。检索任务的性能下降幅度远大于其他类别。
CompressionBench: How can your coding agents compress LLMs?
说明CompressionBench：编码智能体能否压缩大语言模型？
简介该论文提出 CompressionBench，把大语言模型压缩设计为终端任务：智能体获得源模型检查点、存储上限、推理环境和时间预算，需自行构建压缩权重与可执行推理代码。研究在六种智能体与六种模型规模设置下共提交36份结果，其中29份通过验证。选取每个任务中困惑度最低的方案，平均困惑度比 BF16 高出 3.4%，下游准确率为 77.33%，BF16 为 79.56%。
LongBanana: An Expert-Verified Benchmark for Long-Context Multi-Reference Image Synthesis
说明LongBanana：经专家验证的长上下文多参考图像合成基准
简介论文提出LongBanana，一个由专家设计并验证的基准，用于评测长上下文、多参考图像合成任务，包含90个任务和4670个原子评测项。评测基于实体关系图，检查内容保真、关系绑定和全局约束三方面。作者还提出了面向长程图像生成的智能体框架LongBanana-Gen，实验显示其中的RPR工作流带来依赖框架的提升。
Visual Token Routing: Learning to keep tokens that matter
说明视觉Token路由：学习保留关键视觉Token
简介该论文提出视觉Token路由（VTR）框架，用于计算机使用智能体。它训练一个轻量的时空路由器，判断当前和前一张截图中每个图像区域的视觉Token是否输入语言模型。研究称，仅用2000训练步，VTR在OSWorld、CUA-World和视频游戏动作预测任务上即可匹配全分辨率模型的性能，视觉Token减少2.5至5.8倍，推理成本最多降低3.3倍。
Trainspotting: Learning Object-Centric 3D Reconstruction from Found Photos
说明《Trainspotting》：从网络散落照片中学习以物体为中心的三维重建
简介当前前馈式三维重建模型在网络上随意拍摄的物体照片集合中表现较差，因为它们主要在单次拍摄的数据上训练。本文构建了 Trainspotting 数据集，包含来自维基共享资源的 12,068 个物体和 311,886 张照片，并恢复了相机位姿、多视角立体深度和物体掩码。作者将物体分为三类：固定于一处的、在不同地点间移动的，以及由多个实体单元共享同一设计的。在该数据集上微调 VGGT-Ω 后，留出物体的相机位姿、深度和三维几何表现均有明显提升，在 NAVI 基准上也有类似改善。
Persona Perspectives: Adopting Viewpoints Reorganizes Representations in LLMs
说明人格视角：采用不同立场会重组大语言模型的内部表征
简介论文研究让大语言模型扮演自由派或保守派政治人格时，其内部表征的几何结构是否随之改变。作者在9000多个常用词和33个语义维度上比较了两种人格与两个中性基线。结果显示，人格设定会系统地改变词语在语义维度上的投影以及各维度之间的关系，并使仅在无人格条件下训练的探测器对争议性陈述给出带有政治倾向的真假与道德判断。
Navigating Disagreement Among Criteria for Evaluating Explanation Faithfulness
说明解释忠实性评估标准之间的分歧及其应对
简介本文研究用于评估算法解释是否忠实于模型行为的各类评估标准为何会得出相互矛盾的结论。作者提出一个忠实性泛函，用以定位这些标准在解释所主张的内容、所依据的比较以及如何汇总一致性上的分歧，并据此重构现有标准。作者还以不利行动通知为案例，说明具体场景如何缩小可选的评估方式。
Where to Connect? Boosting MLLMs via Dynamic Gated Pathways across ALL ViT and LLM Layers
说明如何连接视觉与语言：一种让多模态大模型动态选择视觉层级的门控路径方法（DGP）
简介论文提出DGP（动态门控路径），在视觉编码器（ViT）的每一层与大语言模型的每一层之间建立全连接，并让每个语言层根据自身语义状态动态决定偏好哪些视觉层。基于LLaVA-1.5-7B和13B的实验显示，DGP相比7B基线在多个基准上有稳定提升（如SQA^I提升4.2、MM-Vet提升3.3），且多数基准优于既有多层视觉融合方法。路由分析表明，不同语言层确实会按需选择不同粒度的视觉特征。
Thermally Conditioned Time-Series Forecasting of Grain Growth in Polycrystalline Materials
说明基于温度条件的多晶材料晶粒长大时间序列预测
简介多晶材料在热处理过程中的晶粒长大会影响其微观结构与力学性能。本研究将先前仅适用于等温条件的预测框架扩展到非等温条件，通过卷积神经网络编码晶粒尺寸分布，用多层感知机嵌入热学参数，并以循环网络预测演化过程。模型在基于前沿追踪模拟生成的多种非等温热路径数据上训练和评估，能较准确地再现复杂热历程下的晶粒长大动力学。
ServerBench: How can your coding agents design specialized LLM serving systems?
说明ServerBench：编程智能体能否设计专用大语言模型推理服务系统？
简介本文提出 ServerBench，一个用于评测编程智能体设计完整、专用大语言模型推理服务系统能力的基准。智能体以“每美元获得的美元价值”为统一目标进行实验，并通过有状态回放保留会话依赖，再由独立验证检查提交的系统。在 11 个编程智能体模型和三种部署方案的测试中，Claude Sonnet 5.5 在 Gemma E4B 上达到 2.97，为 vLLM 参考基线的 4.87 倍。
Same Layout, Different Count: What Number Words Do Past Ten in Text-to-Image Models
说明同样的构图，不同的数量：文生图模型中十以上的数字词如何起作用
简介论文研究五个开源文生图模型在请求物体数量超过十个时，数字词能否有效控制图像中的物体数量。作者固定物体和初始噪声，逐项改变条件，并由人工统计了3,088张图像。结果显示，各模型对小数量有跟随能力，但超过一定范围后效果减弱；数字词会影响去噪过程，却未能给出稳定的数量方向。
Before You Continue: Evaluating Time-Sensitive Safety Awareness in Conversational Assistants
说明《继续之前》：评估对话助手的时间敏感安全意识
简介该论文提出了TASC基准，用于测试大型语言模型在回应用户请求时是否会考虑与时间相关的约束。基准包含3418条输入和33个用于比较时间计算与时间应用能力的场景。结果显示，在提议行为违反规则的情况下，模型仅有30.5%会考虑时间约束；即便正确算出了时间间隔，仍有62.1%的情况未能应用这些约束。
Context-Aware Autoregressive Image Generation for Emerging Reasoning Properties
说明面向新兴推理能力的上下文感知自回归图像生成
简介本文针对自回归图像生成中生成顺序固定或随机的问题，提出一种上下文感知的生成框架，模型依据全局上下文和当前局部信息动态决定下一个token的位置。实验表明，该方法在掩码自回归和按尺度自回归等多种图像自回归范式中都提升了结构鲁棒性，模型还表现出更好地理解复杂语义指令、生成更忠实于指令图像的能力。
Context--Answer Metamodels: Forecasting LLM Activations Before the First Answer Token
说明上下文—回答元模型：在生成第一个回答词元之前预测大模型的激活
简介该论文研究在随机解码下，同一上下文可能引出多种不同回答，而刻画这种变化通常需要大量昂贵的自回归采样。作者训练“上下文—回答”元模型，利用读取上下文时的激活序列，预测回答阶段均值池化激活的点估计或分布。结果显示这些模型预测精度较高，并能在未见数据集上零样本泛化，其预测还保留了行为预测信号，且从Qwen2.5得到的上下文激活可预测Qwen3.5和Gemma 4的回答激活。
LooM: Loop-Invariant Memory for Causal Encoder-Decoder Language Models
说明LooM：面向因果编码器-解码器语言模型的循环不变记忆方法
简介该论文提出 LooM（循环不变记忆），针对循环 Transformer 的三个局限：记忆随循环次数增长、计算量只能按整块调整、训练后难以更改循环次数。方法在因果编码器-解码器中只循环第一层之后的解码器层，这些层读取每个 token 只写一次的全局记忆，且键值缓存只在首次访问时写入，因此缓存不随循环次数增长。模型可在每个 token 3 至 21 次层执行之间选择计算预算，实验显示在相同缓存大小下，循环次数足够时优于同数据训练的单次通过基线。
Alignment Myopia in Generative AI
说明生成式AI对齐中的短视问题：当前对齐方式只看即时对话满意度，忽略了长期使用对人的影响，本文主张转向长期对齐。
简介本文指出，当前生成式AI的对齐主要依赖短期反馈，优先考虑即时对话满意度，却忽视了长期持续人机互动产生的外部影响，可能导致认知退化、社会关系侵蚀和人的能动性减弱。作者主张转向长期对齐，梳理人类福祉四个方面中近期效用与长期成本之间的张力，并认为应超越简单的偏好优化，主动促进人的长期福祉。
Enabling AWS Cloud FPGA Development Using High-Level Vitis HLS
说明利用高层次 Vitis HLS 在 AWS 云 FPGA 上开发
简介本文提出一套工具链，可在 AWS EC2 F2 云 FPGA 上用高级语言开发机器学习模型，打通从 Vitis HLS 到 HDK、再到 AFI 的完整流程。作者还提出四级调试方法，用于定位包括 FPGA 特有电路错误在内的各类问题。以 TinyBERT 地址命名实体识别任务为验证，实现了嵌入层和四个编码器中的第一层，权重从主机内存流式读入，性能低于 CPU 和 GPU 实现。
Systolic Linear Attention: Co-Designing Tile-Grouped Gated Delta Attention for TPUs
说明系统脉动线性注意力：面向TPU的分块分组门控Delta注意力协同设计
简介本文针对TPU硬件特点，改造门控Delta线性注意力层，提出系统脉动线性注意力（SLA）。通过将键维度扩展到256、分组值头、将衰减门分成四个64通道块，并以单个融合内核完成分块求解，使矩阵单元利用率更高。论文报告，在TPU v7x上SLA-R4层比开源的Tokamax KDA内核快1.6至2.5倍，在2048芯片的MoE模型预训练中训练速度比KDA快11%至24%，困惑度相近或略低。
Rules, Traces and Routing Statistics: Training and Calibration Data for Open Models on ARC-AGI-2
说明规则、推理轨迹与路由统计：面向ARC-AGI-2的开放模型训练与校准数据
简介本文研究在离线、4块L4 GPU、最长12小时的条件下，哪些训练与校准数据能帮助三个开放模型解决ARC-AGI-2任务。作者为NVARC Qwen3-4B构建了12,000条可执行规则及95,993个任务的语料，并用1,920条真实任务记录继续微调，半私有集得分由28.96提升至33.06（五次运行均值）。对于Qwen3.8-27B，作者在推理流程（含思考长度上限、程序校验和多次尝试）的配合下，得分由26.81升至44.03。
Open-HumanScale: An Open Recipe for Scaling Human and Robot Experience for Embodied Foundation Models
说明Open-HumanScale：扩展人类与机器人经验以训练具身基础模型的开放方案
简介本文提出Open-HumanScale，一套完全开放的方案，将第一人称人类视频预训练扩展到5万小时，并发布了带有手部动作和自然语言标注的数据集Open-HumanScale-50K。作者发现预训练数据时长与机器人下游任务成功率之间存在经验性的对数线性关系，并据此开发了仅用人类视频预训练的HumanWAM-Vanilla模型，以及结合人机联合预训练的HumanWAM-Goal模型。文中报告了多项仿真与实体机器人基准上的结果，并开源了数据、训练流程、模型权重和评测套件。
SAUCE: Summary Analysis Using Conversation Entailment
说明SAUCE：基于对话蕴含的摘要分析方法
简介本文提出SAUCE，一种无需参考摘要、基于事实的跨语言对话语音摘要评估流程。它通过对话与摘要文本之间的蕴含关系，衡量摘要的准确性和事实覆盖程度。与黑盒大模型评估器或稠密嵌入指标相比，SAUCE可将摘要得分对应到可验证的离散事实，便于定位具体的幻觉或遗漏。初步实验显示其结果与人工判断高度一致。
Evolutionary Design of Interpretable Spatial Descriptors for Structure-Property Relationship Discovery
说明用于发现结构-性质关系的可解释空间描述符进化设计
简介该论文提出一种构建空间描述符的框架，用于预测局部光谱和磁滞回线等图像相关的性质。研究比较了多种回归模型，用SHAP图分析空间归因，并探讨图像块大小与压缩对预测精度和描述符维度的影响。作者还使用遗传算法优化空间划分及均值、最小值、最大值池化的分配，并比较了笛卡尔与极坐标两种组织方式。
LLMs Don't Know What They Know: Benchmarking Temporal Self-Knowledge for Financial Backtesting
说明大模型不了解自己知道什么：面向金融回测的时间自我认知基准
简介本文提出FinDendro基准，包含1999至2026年间2,226条带日期的美国事实（宏观经济序列、月末股价和美联储决议），用于检验大模型对自身知识边界的判断是否可靠。结果显示，多数前沿模型的自我报告低估了其实际掌握的知识，例如GPT-5正确回答76%的受控事实，却只声称知道38%。作者由此认为，仅凭自我报告、指令或声明的知识截止日期，无法确认金融回测在模型训练窗口内是否无信息泄露。
Measuring Risk, Not Harm: Detecting Psychological Harm Risk Factors in LLM Conversations
说明衡量风险而非危害：检测大语言模型对话中心理危害的风险因素
简介该论文提出通过检测AI回复中可观察的行为来衡量心理危害风险，而非直接测量危害本身。作者定义了八类此类行为，构建了包含47,062条AI回复的合成多标签语料，并比较了嵌入分类器、直接LLM评判和分类器-评判级联三种检测方法。在人工标注数据上，最佳级联方法的宏观F1为0.79，并可用于纵向心理安全监测。
Task-Efficient Agent Evaluation Using Cached Traces
说明基于缓存执行轨迹的高效智能体评估方法
简介该论文提出用较少的任务执行来估计智能体系统在完整基准上的表现。方法是用大模型提取每次执行轨迹的结构化摘要，再用文本编码器嵌入，以保留与正确性和任务相关的信号。在 SWE-bench Verified 和 Terminal-Bench 2.0 上，只需一次随机执行的任务，平均绝对误差分别从 0.13 降至 0.08、从 0.14 降至 0.12。
ConDR: Conservative Reachability through Neural Hamilton-Jacobi Subsolutions
说明ConDR：通过神经哈密顿-雅可比次解实现保守可达性分析
简介该论文针对动力系统的安全可达性分析，指出DeepReach方法会把真实的不安全状态误判为安全。作者提出保守DeepReach（ConDR），学习哈密顿-雅可比变分不等式的次解，使学到的不安全集包含真实不安全集，并证明其值函数与真实值函数的误差在ε·τ之内。在Air3D、Air6D、9维多车辆和13维四旋翼系统上，ConDR的误判率和闭环碰撞率均最低。
Message-passing graph persistence
说明消息传递图持久性：一种融合图神经网络消息传递的拓扑描述子
简介论文提出消息传递图持久性（MGP），把消息传递机制融入图的过滤过程中。在每个过滤步骤，节点嵌入依据当前子图更新，并与持久性事件相关联，同时决定持久计算中连通分量的代表元。作者证明MGP对图同构不变，且表达能力严格强于其所扩展的基于持久同调的描述子。在表达能力基准和多个图分类、回归数据集上的实验表明，MGP在大多数数据集上优于其他基于持久同调的描述子。
VA-TDM: A Unified View for Improving Few-Step Diffusion Models by Velocity Adversarial Distillation
说明VA-TDM：通过速度对抗蒸馏改进少步扩散模型的统一框架
简介本文提出速度对抗蒸馏（VAD），利用学习得到的判别器比较学生模型与教师模型的速度场，并将二者差异转化为训练反馈。作者在此基础上提出VA-TDM，在学生采样轨迹上对部分去噪过程提供监督。实验表明，该方法在文本生成图像和文本生成视频任务的四步生成中取得领先效果，并能扩展到330亿参数的MiniMax-H3模型。
Transforming Integer Grids to Spatial Intuition: Perception, Not Planning, Governs ARC-AGI-3
说明将整数网格转化为空间直觉：ARC-AGI-3 中感知而非规划起主导作用
简介论文提出开源智能体 SARBLOH，用于 ARC-AGI-3 这类无指令视觉交互游戏。它设计了一个零参数的空间感知引擎，把每一帧转为对象清单、几何摘要和标注画布，并让智能体以代码形式表达假设。作者称，在八组演示中，该方法将评分从 3/28 提升到 25/28，同时减少了 89.4% 的 token 用量。
Ranking Agreement Does Not Reveal Paragraph-Edit Agreement in Two Released Paper Acceptance Predictors
说明论文接收预测器在段落修改上的排序一致性研究
简介本文比较了一个快速分类器与两个公开的纯文本论文接收预测模型在198篇ICLR论文及其段落改写版本上的排序表现。结果显示，分类器在原始论文排序上与两个模型有一定一致性，但在哪些改写能提高分数上几乎没有一致性。全精度复核后结论依然成立，且选择改写带来的平均分数提升很小。作者建议，修订选择器应在其所排序的修改上，与目标评估器进行核对。
FedFiOT: Fisher-Weighted Optimal Transport for Model Merging in One-Shot and Few-Round Federated Learning
说明FedFiOT：用于单轮与少轮联邦学习模型合并的Fisher加权最优传输方法
简介论文针对单轮和少轮联邦学习中客户端模型漂移、神经元错位及参数重要性不同的问题，提出FedFiOT框架。该方法利用Fisher信息衡量参数重要性，指导神经元对齐和模型聚合，并通过交替最小化共享的Fisher加权目标联合优化神经元对应关系与全局模型参数。论文称其在多个数据集上，单轮和少轮设置下的表现均优于对比基线。
Semantic Residual Vector Quantization for Sign Language Generation
说明手语生成的语义残差向量量化方法（论文）
简介本文提出语义残差向量量化（SRVQ）框架，用于将书面句子生成为手语动作。该方法把生成分为两步：先由语义层确定要表达的手语内容，再逐层细化姿态、手形、轨迹和身体协调等运动细节。作者在CSL-Daily和Phoenix-2014T数据集上评估，报告R@1分别为82.3和70.3，并称相比此前最优方法分别高出30和46个点。
Benchmarking Fine-Grained Visual Reasoning for Remote Sensing in Urban Management
说明城市管理遥感细粒度视觉推理基准测试
简介该论文提出了UMBench，一个基于无人机影像构建的城市遥感细粒度基准，涵盖交通监测、城市建设、环境质量和灾害预警等城市管理任务。评测发现，现有多模态大模型常依赖场景级先验而忽视细粒度视觉证据。为此，论文提出一种证据优先的思维链方法，引导模型在无需训练的情况下检查细粒度视觉证据，实验表明该方法能提升开源与商业多模态大模型在UMBench上的表现。
Route First, See Later: Enabling Vision Agents to Reason Scientifically by Separating Routing Policy from Action Spaces
说明先路由后看图：通过将路由策略与动作空间分离，让视觉智能体进行科学推理
简介本文提出ZETA架构，把意图路由策略与视觉工具执行分开，使路由错误与执行错误可以各自被观察和评估。在51条零样本科学意图查询的测试中，显式路由语义显著提高了路由准确率，尤其是在语义相近的动作边界上，但不同模型的提升幅度有所不同。
Continual Classification Beyond the Kernel Regime: Harnessing the Sparsity Bias of L2 Regularization in Diagonal Linear Networks
说明超越核机制的持续分类：利用对角线性网络中L2正则化的稀疏偏置
简介本文在高维统计设定下研究持续学习中用于分类的逻辑回归。作者先推导了持续线性分类中最优的L2正则化强度并刻画其泛化性能。随后用最简两层对角线性网络分析更深模型中的L2正则化：单任务时它能促成稀疏的特征学习，但在持续学习中这种稀疏偏置不再保留。为此，作者提出一种加权L2正则化，理论与实验均表明，对足够稀疏的教师模型，它在中等任务长度上收敛明显更快。
EvoWorld: Towards Out-of-Sight World Evolution in Generative Video Models
说明EvoWorld：生成式视频模型中视野外的世界演化研究
简介该论文指出，生成式视频模型擅长渲染逼真画面，却缺乏对事件后果的推理能力。作者提出“视野外因果演化”问题，并提出EvoWorld框架：由视觉语言模型负责推理世界状态的变化，由分段自回归视频渲染器将其呈现为画面。论文还发布了用于训练与评估的EvoWorld-Data和EvoWorld-Bench，实验表明该方法在事件驱动的因果演化上优于近期模型，同时保持了视觉质量与一致性。
TailSteer: Trajectory-Tail Steering for Drift-Resistant Multi-turn Image Editing
说明TailSteer：面向多轮图像编辑中抗漂移的轨迹尾部引导方法
简介论文指出，单轮图像编辑表现好并不代表多轮交互可靠，编辑结果反复使用时微小的意外改动会累积成明显的视觉漂移。作者提出TailSteer，这是一个最后阶段的训练框架，在保留模型已有生成与编辑能力的同时，提升多轮编辑的稳健性。实验覆盖FLUX、SenseNova和Qwen系列，结果显示其在15至20轮编辑中显著降低了累积漂移，同时在多项基准上基本保持基础模型的表现。
Coupled Scene Graph Anticipation: When With-Constraint Recall Hides Structural Inconsistency
说明耦合场景图预测：约束后召回率如何掩盖结构不一致
简介该论文提出CoupledSGA，用于预测未来视频帧中物体之间的关系。模型通过关系交互图让共享实体的关系相互影响，并加入基于互斥谓词矩阵的结构一致性损失。作者指出，带约束的评估协议无法反映组内冲突，并在Action Genome上显示：启用该损失后，无约束矛盾率从45.92%降至4.07%，但R@20从42.21%降至35.18%。
Smartphone-Aided VR Exergames for HIIT: Gamifying Fitness with Real-Time Pose Estimation
说明基于智能手机的VR健身游戏：用实时姿态估计为高强度间歇训练加入游戏化元素
简介本文提出一套VR健身游戏系统，把高强度间歇训练（HIIT）做成游戏，包含11种预设连招动作。系统用固定在三脚架上的普通智能手机摄像头捕捉全身动作，经姿态估计算法实时处理，再由基于MCP协议和GPT-4o的后端生成动作标准度、效率、强度及受伤风险的评估。20名18至25岁参与者的对照实验显示，VR条件下的乐趣、沉浸感和推荐意愿评分更高，系统评估与一位认证教练的结果一致率为87.5%。
ConceptARC at Scale: Studying Conceptual Understanding in Reasoning Models
说明大规模ConceptARC：研究推理模型的概念理解能力
简介本文提出ConceptARC at Scale，一个能生成大量ARC风格任务的生成器，用于针对特定概念构造测试题。作者据此构建了ConceptARC-100数据集，包含16个概念各100个经人工审核的新任务，规模为原基准的十倍。研究评估了多种近期推理模型及从头训练的模型，并分析其内部表示，发现任务表示按作用于对象的操作（如重新着色、移除、平移）聚类，提示模型可能形成了较稳定的变换操作抽象。
Template Gap Reconstruction for Shell Output Simulation with Small Language Models
说明用小型语言模型模拟 Shell 输出的模板间隙重建方法
简介该论文提出模板间隙重建（TGR）方法，用小型语言模型模拟 Shell 命令输出而不实际执行命令。方法先选择可复用的输出模板，再由模型自回归生成模板中的变化部分。在排除目标环境的模板库上评估，TGR 在模板覆盖率较高时提升了输出编辑相似度，并减少了 26.3% 至 38.3% 的生成词元。
Turns Matter: Advancing Streaming Video RL via Turn-Level Credit
说明《Turns Matter》：以轮次级信用分配推进流式视频强化学习
简介论文针对流式视频理解中模型需反复决定回应还是继续观察的问题，提出TurnWise，一种轮次级GRPO框架。该方法为每个流式决策单独计算组相对优势，并按轮次平均token损失，使回应与等待决策权重相同。实验表明，该方法在流式视频理解任务上优于既有强化学习方法。
Airlock: Bounding the Multi-Agent Blast Radius via Selective Online Containment
说明Airlock：通过选择性在线隔离限制多智能体故障的扩散范围
简介论文提出 Airlock，一种面向多智能体系统的运行时与防护机制，用于在故障告警后进行选择性隔离。它以树状运行时 EdgeCitadel 纵向收窄权限，并用只追加的数据溯源有向无环图横向追踪跨智能体的数据使用。告警后，系统沿溯源图前向隔离受污染的执行与待执行动作，后向定位根因；可选的最优割策略则在截止时间约束下最小化对健康工作的影响。
Dexterous Robotic Hands in the Foundation-Model Era: A Full-Stack Survey of Hardware, Data, Cross-Embodiment Transfer, Learning, and Evaluation
说明灵巧机器人手在基础模型时代：硬件、数据、跨构型迁移、学习与评估的全栈综述
简介本文是一篇综述，回顾2024年1月至2026年11月初关于灵巧机器人手的研究，并纳入早期工作以梳理技术脉络。文章将相关文献分为硬件、数据采集与整理、跨构型迁移、学习与基础模型、评估与应用五个相互关联的层面。综述认为，人类数据的价值取决于运动学、视觉和接触上的对齐，而非单纯的数据量；共享动作表示和基础策略并不能消除对力、延迟和接触的构型特定约束；仅完成任务不足以证明物理正确性或可部署性。
Symmetry Breaking at the Edge of Stability via Central Flow Analysis
说明基于中心流分析的稳定性边缘对称性破缺研究
简介神经网络中的连续对称性会带来在梯度流下保持不变的守恒量，例如线性网络和ReLU网络中的层平衡性。有限步长的梯度下降在稳定性边缘（EOS）附近未必保持这些守恒量，此时迭代点围绕一条更平滑的轨迹振荡，可用中心流动力学（Cohen等，2025）描述。本文研究了这一区域中梯度流守恒律在中心流描述下的演化，并分析标量双层模型、双层矩阵分解和双层ReLU网络，判断哪些守恒律保持、哪些被破坏。
Reasoning over Non-Parametric Memory in Multilingual LLMs: A Cognitive-Based Analysis of Relational Knowledge
说明多语言大模型基于非参数记忆的推理：关系知识的认知分析
简介本文提出 Rel-Bloom 多语言诊断基准，包含 450 道选择题，基于 30 个 Wikidata 关系，按布鲁姆分类的五个层次和三种真实性条件构建。研究在 43 个模型、六种语言上考察模型依据上下文中给出的事实进行关系推理的能力。结果显示，从应用到分析层次准确率明显下降，评估层次对多数模型仍是瓶颈；反事实语境通常比事实语境更难，模型能力提升并不必然带来对给定关系证据的可靠推理。
Energy-Guided Transport for Projection-Free Physics-Informed Flow Matching
说明能量引导传输：一种无需投影的物理约束流匹配方法
简介论文提出能量引导传输（Energy-Guided Transport），一种无需额外训练的框架，把非线性物理约束表示为光滑的势能函数。方法在生成过程中对中间状态施加连续的耗散力，引导其趋向物理流形，而非中断ODE积分或进行代数投影。作者在多个一维与二维物理系统（包括混沌的Navier-Stokes方程）上进行了评估。
Beyond the principle-practice gap: Responsible AI as situated epistemic and ethical practice
说明超越原则与实践的差距：将负责任的人工智能视为情境化的认识与伦理实践
简介负责任的人工智能研究发现，伦理原则常未体现在人工智能的设计与开发中，以往多将此视为执行、意识或合规问题。本文基于对十四位参与设计与治理人工智能反人口贩运系统人员的半结构化访谈，提出不同解释：这种差距源于各行动者所处的制度与专业条件，决定了他们将哪些问题视为需要行动的伦理问题。文章提出感知、判断、情境行动与社会技术物化四个环节，并主张负责任的人工智能治理需要完善的认识基础设施，使受影响群体的知识能够被接纳并转化为设计行动。
ALTO: African and Levantine Tech-Facilitated Gender-Based Violence Corpus
说明ALTO：非洲与黎凡特地区技术助长的性别暴力语料库
简介该论文介绍了ALTO数据集，收录约3022条在黎凡特阿拉伯语、非洲法语和斯瓦希里语中的技术助长性别暴力（TFGBV）实例，由约旦、西非法语区和肯尼亚的民间组织协作众包收集，并通过主动学习进行标注。研究发现现有有害内容检测模型对这些语料的召回率较低，微调后有所改善；模型普遍漏检隐蔽性伤害，斯瓦希里语的错误率明显更高。作者同时公开了标注体系、数据集与训练模型。
Where It Breaks: Diagnosing Perception, Memory, and Decision Failures of a Vision-Language Agent in Pac-Man
说明《Where It Breaks》：诊断视觉语言智能体在吃豆人游戏中的感知、记忆与决策失败
简介该论文以基于Qwen3.5-9B的视觉语言智能体玩吃豆人为研究对象，只使用上下左右四个动作，分析性能不佳时问题出在屏幕识别还是长序列动作选择。研究通过独立的感知检验和基础策略强化学习实验进行，在八个未见过的迷宫上完成率从优化前的0%提升至选定检查点的80.2%。结果显示，静态截图识别准确与交互中出现错误可以并存，且进一步优化可能伴随动作选择变差。
Agent-Driven Generative Priors for Pathology Image Synthesis and Segmentation
说明基于智能体驱动生成先验的病理图像合成与分割
简介该论文提出一个三阶段框架，用于缓解病理图像像素级标注稀缺的问题。框架先用病理智能体系统筛选图像质量，构建了来自TCGA的TCGA-200K数据集（217,030个图像块），再训练生成模型并将其骨干网络迁移到语义分割任务。作者还发布了包含约38万个细胞、12种细胞类型专家标注的PathSeg-380K数据集，实验显示该框架在多个病理数据集上取得了领先的分割性能。
PINR-ESI: Physics-Informed Self-Supervised Implicit Neural Representation Framework for EEG Extended-Source Imaging
说明PINR-ESI：用于脑电扩展源成像的物理信息自监督隐式神经表示框架
简介本文提出一种无需成对源标签、也不依赖仿真监督预训练的脑电扩展源成像方法。该方法用导联场矩阵约束隐式神经表示，使预测脑电与实测脑电一致，并把皮层电流密度建模为连续坐标场。仿真实验显示，该方法在识别多个或较大活动皮层区域时优势较明显；使用癫痫患者的真实脑电和颅内刺激实验数据的评估也支持其用于源成像的可行性。
Don't Replace, Complement: A Detector-Agnostic Subspace Signal for Near-OOD Detection
说明《Don't Replace, Complement》：一种与检测器无关的子空间信号，用于近分布外检测
简介该论文针对机器学习中的近分布外（near-OOD）检测提出 PLUS 方法，为每个类别从稀疏自编码器中选取若干神经元，构成低维子空间，并以样本在其预测类别子空间内的白化马氏距离作为信号。该信号以固定的全局权重与现有检测分数相加融合。实验表明，在18种检测器和126种检测器–骨干网络组合中，该信号均提升了近分布外AUROC，远分布外性能基本保持或有所提升。
LifeVal: Evaluating AI Model Performance on Personalized Agentic Consumer Tasks
说明LifeVal：评估AI模型在个性化代理式消费任务上的表现
简介本文提出LifeVal基准，用于评估AI模型完成个性化消费任务的能力，涵盖148类消费任务（如理财、搬家、求职、找托育等）。作者通过对3800多名消费者的调查，并对照美国时间使用调查和多国时间使用研究，估算这些任务的支付意愿。任务由具备相应经验的创建者基于真实的对话记录、参考文件和个人情境设计，并经过至少三轮人工质量审核。
Sekai: Incremental Event Memory for Generalized Reasoning Video Segmentation
说明Sekai：面向广义推理视频分割的增量事件记忆方法
简介本文提出广义推理视频分割（GRVS）新任务，目标对象集合随视频中累积的查询相关事件动态变化。作者构建了诊断性基准 Isekai（60 个视频、197 条查询），并提出在线框架 Sekai，包含维护事件与目标状态的事件记忆推理器和基于记忆定位目标的解码器。实验显示 Sekai 的 J&F 达到 50.33，比最强基线高 3.2 分。
SecureGARD: Dynamic Ontology-Guided Governance for Secure Tool-Using LLM Agents
说明SecureGARD：面向安全工具调用大模型代理的动态本体引导治理框架
简介该论文针对会调用工具的大语言模型代理，提出动态本体引导的治理框架SecureGARD，用统一语义表示和可执行本体判定操作为就绪、等待或禁止，以抵御间接提示注入攻击。等待状态允许在不扩大授权范围的前提下有限重规划；本体在离线阶段依据训练执行结果演化。作者称其在AgentDojo、ASB和AgentDyn三个基准上攻击成功率为0%，并提升了受攻击时的任务效用。
Do unlearning algorithms learn the right features?
说明遗忘算法学到的是正确的特征吗？
简介本文研究机器遗忘（删除训练数据后让模型不再依赖这些数据）的评估方式。作者指出，只比较删除后的输出结果，可能掩盖遗忘模型与重新训练模型在编码特征上的差异。文章证明两者输出一致时，仍可能只需一步梯度更新就打破这种一致，并提出区分缺失特征与多余特征的特征恢复度量。在八种遗忘方法中，多数在标准指标上表现良好的模型，并未恢复重新训练所得的特征。
Self-Directed Apple Tasting
说明自导向苹果品尝：一种部分反馈的在线学习问题
简介本文研究经典的苹果品尝（apple tasting）设定，这是一种部分反馈模型，学习者只有在预测为1时才能观察到真实标签。作者研究学习者可自适应选择预测点顺序的自导向设定，在可实现（realizable）情形下给出了期望极小化极大错误数的四分法，速率取决于VC维、∅中心星数和自导向维数。在不可知（agnostic）情形下，极小化极大遗憾为 $\tilde \Theta(\sqrt{n})$ 或 $\Theta(n)$，取决于VC维。
AgentTrustCI: Build-Time Policy, Grounding, and Trajectory Tests for Java LLM Agents
说明AgentTrustCI：面向 Java 大模型智能体的构建期策略、依据与轨迹测试框架
简介本文提出 AgentTrustCI，一个基于 Java 与 JUnit 5 的测试框架，用于在构建阶段检查大模型智能体是否选用了允许的工具、回答是否基于工具输出、以及是否遵循了规定的工作流程。框架通过对已记录轨迹的策略、依据与轨迹检查来实现，并在 55 个合成用例上进行了评估，全流程正确分类了所有注入故障和通过的对照用例，未漏掉任何关键用例。论文强调这些结果仅反映所编写回归测试集的覆盖情况，而非生产环境准确率。
CardioDrift: Automatic Cardiac Motion Tracking on a 3D Atlas Mesh via Shape-aware Coherent Point Drift with Slice Shift Correction
说明CardioDrift：基于三维图谱网格与形状感知相干点漂移的全自动心脏运动追踪方法
简介该论文提出CardioDrift，一种全自动、基于图谱的概率框架，用于从心脏电影磁共振图像中追踪个体心脏运动。方法将相干点漂移（CPD）推广到多个心脏区域的图谱表面配准，并在同一概率模型中加入切片偏移校正。在1301名随机选取的UK Biobank受试者和M&M数据集上评估，左心室、心肌和右心室的Dice相似系数分别达到92.23±8.70%、82.11±7.56%和88.69±4.13%，在两个数据集的各项距离和重叠指标上均超过最强基线。
Where Search Agents Go Off the Rails: Graph-Grounded Step-Level Verification
说明搜索智能体在哪里偏离轨道：基于图结构的逐步验证
简介该论文关注搜索增强推理系统可能在中间步骤出错、却仍得出正确答案的问题。作者提出GraphRail方法，把问题要求、证据和推理过程表示为结构化论断并进行比对，无需生成式判别器或标准答案。在三个多跳问答基准和三种推理框架上，该方法比生成式验证器更能发现错误，且在随机抽取时保持稳定。
Fingerprinting the Dispatchers behind Distributed Model Extraction
说明通过时序指纹识别分布式模型提取背后的调度器
简介论文研究了API蒸馏攻击者如何把请求分散到大量负载均衡账号上以规避内容检测。作者指出，请求的到达时间和流式响应完成时间可以暴露底层的调度策略，如轮询计数器或密钥洗牌池。使用20%的种子账号，该时序分析可在20分钟内对同一攻击活动中的其余账号进行排序，AUC为0.92至1.00。
Beyond accuracy: what AI assurance needs to establish in public services
说明超越准确率：公共服务中的人工智能保证应确立什么
简介该论文研究公共机构使用人工智能生成的分类、摘要等证据时，如何确认其可靠性。作者用八种GPT-4o配置对英国首相质询中的1200个问题进行政策议题分类，并与人工编码及重复运行结果比较。结果显示，各配置准确率约为68.2%至70.3%，但有24.3%的问题标签发生变化，且配置之间的一致不等于正确；同时分析了37份英国和欧盟政策文件的测试与监督要求。
Detecting Silent Action-Interface Mismatch with Calibrated Relational World Models
说明用校准的关系型世界模型检测静默的动作接口错配
简介机器人动作可能满足形状和范围约束，但语义错误，例如坐标轴置换、符号反转、旋转缩放或夹爪极性颠倒。该研究用学习到的状态-动作-效果关系作为离线约束，用干净的保留转移数据校准告警，并在固定的逆向词表上对可能出错的字段排序。在十个LIBERO Spatial任务共432条源片段上，于2.5%的经验干净误报率下，联合高斯混合模型的精确条件分布召回率为65.7%，高于岭回归前向残差的46.1%和联合评分的61.0%；联合评分的定位准确率更高（95.8%对94.6%）。这些是回顾性诊断，并非部署校准保证。
Dynamical State-Space Diffusion for Spatiotemporal Prediction
说明动态状态空间扩散用于时空预测
简介该论文提出动态状态空间扩散模型（DSSD），用于时空预测。与对每一帧施加独立噪声的传统扩散模型不同，DSSD让噪声过程本身学习时间结构，通过稳定的阻尼振荡状态空间模型构建时间核，使噪声能够捕捉多时间尺度和振荡相关性，而去噪器结构保持不变。在科学场数据集和机器人视频数据集上，DSSD优于与其共享去噪器的扩散基线模型。
Replicability, Reproducibility, and Robustness in Political and Social Science Research with Large Language Models
说明大语言模型在政治与社会科学研究中的可复制性、可重复性与稳健性
简介本文讨论大语言模型用于社会科学研究时的可复制性问题，因为模型输出具有概率性，且随模型与版本不同而变化。作者提出以结果分布而非完全相同输出为依据的概率性标准，并介绍标准化提示脚本与误差结构分析方法。通过三个数据集，文章显示测量方式的选择可能使下游回归系数的符号反转。文章还提出一种开放权重模型的堆叠集成方法，用于在修正步骤中提高精度，同时保持估计的有效性。
Human Motion Prediction via Continual Prior Compensation
说明基于持续先验补偿的人体运动预测
简介本文研究人体运动预测，即根据已观测的过去动作序列预测未来不同时刻的人体姿态。作者提出持续先验补偿框架（CPC），将不同时长的预测拆分为多个子任务并分阶段训练，并引入可学习的先验补偿因子（PCF）衡量先验知识的损失。在此基础上还提出了细粒度版本CPC++。实验在三个基准数据集上使用多种主流预测模型进行，结果显示该框架有效且灵活。
Uncertainty-Driven Efficient Communication for UAV-Based Collaborative Perception
说明基于不确定性驱动的无人机协同感知高效通信
简介本文提出一种名为UCP的框架，用于无人机协同感知中的高效通信。该方法利用观测不确定性识别传感器受限区域，并利用判别不确定性识别决策边界附近的模型模糊区域，据此生成空间请求图和供给图。接收到的消息由基于不确定性引导的交叉注意力模块U-Fusion进行聚合。作者在三个基准上完成了3D目标检测和轨迹预测实验。
TestBED: An Open-Source Toolkit for Bayesian Experimental Design
说明TestBED：用于贝叶斯实验设计的开源工具包
简介本文提出TestBED，一个通用的开源贝叶斯实验设计（BED）工具包。它将BED流程拆分为任务、目标、训练机制、策略架构和评估流程等可复用的模块，并提供期望信息增益估计器等核心组件的可扩展实现。作者借助该工具包对当前主流BED方法进行了大规模基准测试，并通过对照实验考察了设计策略架构中时间嵌入等常被忽视的方法选择。
Trick-or-Treat: Adversarial Evaluation of Multimodal Medical Reasoning with Synthetic Images
说明Trick-or-Treat：用合成图像对多模态医学推理进行对抗性评估
简介论文提出 Trick-or-Treat 基准，将真实胸部 X 光片与合成的临床照片配对，考察模型的跨模态推理能力。在匹配与不匹配的图像对中，三款前沿模型在不匹配情况下编造临床显著发现的比例为 45%至 57.5%，高于单独看照片时的 25%至 37.5%。研究表明，模型倾向于忽略矛盾并编造与 X 光片相符的发现。
From Certified Pairs to a Certified Hub: Reasoner-Checked Crosswalks for the Information Exchange Standard
说明从认证的配对到认证的枢纽：经推理机检验的 IES 对照映射
简介本文针对国家数字孪生生态中各本体通过映射连接到公共基础的问题，给出映射有效性的精确定义，即合并本体的一致性与保守性。作者以信息交换标准（IES）为基础，将其与十三个本体的映射逐对检验，并进一步检验整个枢纽。结果显示，逐对认证与人工审查各自发现不同错误，两者结合后十二个重叠配对中有十一个一致且保守；但合并三个建筑本体映射后出现不可满足的类，说明逐对认证无法组合，应以枢纽而非配对作为认证单位。
Interactive World Simulation with Cosmos for Physical AI
说明面向物理AI的Cosmos交互式世界仿真框架
简介该论文提出一个共享框架，将Cosmos世界基础模型改造为可实时交互的世界仿真系统。框架根据动作和场景控制实时输出视觉观测，使用户和具身智能体能与不断演化的虚拟环境交互。论文在相机导航、机器人操作、可控视频迁移和多视角自动驾驶仿真中展示了该方法，并提供代码与模型权重。
Learning to Track Cells from Sparse Annotations in 3D Time-Lapse Microscopy
说明从稀疏标注中学习三维延时显微镜下的细胞追踪
简介该论文提出一种细胞追踪流程，用于在仅标注部分细胞的三维延时显微镜图像中重建细胞谱系。方法包括基于稀疏标注的检测、利用图像特征校准候选连接概率，以及联合选择谱系图事件。在对2个斑马鱼胚胎的199个视频进行5折交叉验证中，总体得分为0.9762。
★★★★☆ 值得关注
Dimension-Free Private Mean Estimation is Impossible Without the Covariance
说明不知协方差时，差分隐私的无维度均值估计不可能实现
简介本文研究协方差矩阵未知时，差分隐私高斯均值估计的理论下界。已知协方差时，最优样本复杂度只取决于其谱而与环境维度无关，但本文证明协方差未知时私有估计器无法达到类似保证。当样本量小于有效维度时，最优误差可能比已知协方差情形大 √(d/n) 倍；当样本量大于有效维度时，即使是有效维度受 log d 限制的对角协方差，误差也可能大 √d/n^{3/2} 倍。
看点证明在未知协方差下私有高斯均值估计存在维度相关的下界，改进了已知协方差情形的结论，并给出两种样本量区间的界。