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eSharp：基于扩散模型的事件相机单目度量深度估计
简介本文提出 eSharp，一种仅使用事件相机的单目深度估计框架，适用于快速运动和高动态范围场景。该方法将预训练的扩散模型先验用于事件数据的深度预测，并通过跨模态蒸馏，利用与帧相机空间配准、经激光雷达校准的稠密伪标签进行训练。实验显示，eSharp 在度量深度精度和空间细节上均优于先前的事件到深度基线方法。
说明面向衰老与神经退行性疾病的脑部MRI多时间点预测：基于协变量条件的单步扩散模型
简介该论文提出一种协变量条件的单步扩散框架，用于预测三维灰质密度图在2至10年内的纵向变化。模型通过单次去噪预测灰质密度的残差变化，再加到基线图上得到未来解剖结构，并以基线解剖、年龄、诊断、APOE4等位基因数和随访时间作为条件。在ADNI测试集上，Δ-Pearson为0.478，在AIBL外部验证集上为0.450。
说明利用调查历史构建大语言模型数字孪生：关于背景、决策过程与评估三要素结构的对照研究
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。
说明分解、诊断与组合：优化智能体流水线与工具框架
简介该论文提出 DeCAF 框架，用于优化智能体流水线中提示词、拓扑结构、模型选择和工具策略等相互耦合的设计选择。框架按维度分别优化，并为每个决策记录推理过程，最后综合各维度的发现。在多个智能体基准测试中，相比最佳的整体基线，DeCAF 将平均任务表现提升 2.58 个百分点，推理成本降低 4.30%，端到端延迟降低 42.45%。
说明记住还不够：评估纵向AI心理支持中的时机与遗漏问题
简介该论文关注配备记忆功能的AI聊天助手在长期交互中是否能随用户状况变化给出恰当支持。研究基于22位用户捐赠的聊天记录，构建了14,256次纵向模拟，涉及自杀意念、自伤和焦虑危机。作者与心理健康专业人员共同提出CARE框架，评估建议的时机、质量及遗漏；结果显示危机后的建议较少契合用户准备程度，主要因过早推荐，而常见的遗漏包括后续跟进和下一步规划。
说明面向对话推荐的记忆感知多智能体架构：基于大语言模型的编排方法
简介该论文提出一种用于对话推荐的多智能体架构，由大语言模型负责协调意图细化、查询构建和交互流程，并将长期记忆作为核心组件。实验基于Amazon Reviews数据集，结果显示启用记忆可恢复高达63%与显式查询场景之间的差距，监督式编排使用户接受度提高28.9个百分点。论文还提出语义一致性分数（SCS）作为补充评估指标。
说明修补盲点：面向冻结欺诈检测模型的可逆大模型规则叠加
简介该论文针对工业表格欺诈分类中已部署的梯度提升树模型的盲点，提出在不修改原模型的前提下，由大语言模型基于SHAP判定被低估的特征提出规则，经经验支持度筛选后校准为可逆的加性对数提升叠加层。三个大模型等权平均logit以换取更稳定的最差情况表现。在电商欺诈检测数据上，该叠加层平均使等精度召回率提升2.26%、等召回率精度提升1.60%，并在七个偏差变体基准上提升了等召回率下的精度。
说明一个有根据的猜测：为零阶优化推导统计对齐的梯度估计
简介本文研究在神经形态芯片、异步系统和专用芯片等新型硬件上训练模型的问题，因为反向传播依赖全局同步和精确可微性。文中提出基于前向传播中激活几何结构推导零阶搜索方向的谱零阶方法（SZO-κ），使搜索方向更可能带来有信息量的损失变化。作者在多层网络和卷积网络上，将其与标准扰动基线及反向传播比较了梯度对齐、偏差方差结构和训练稳定性。
说明面向电商支付欺诈检测的双流LLM奖励设计：一种考虑拒绝推断的强化学习方法
简介该论文针对欺诈检测模型只能从已通过交易中学习、被拦截交易缺少标签的偏差问题，提出由大语言模型设计双流奖励函数的方法。一个流处理有标签交易，另一个流对被旧系统拦截、无标签的交易进行评分。在四个月的时间外测试中，该方法在多个目标召回率下均优于先前仅用标签数据的方法及生产基线。
说明语境性与矛盾：现实中对AI生成文本的识别
简介本文研究维基百科编辑和学生在实际中如何判断一段文字是否由AI生成，结合质性编码与词汇变化的计算分析。研究发现，这些判断依据多样且相互矛盾，常取决于语境，往往源于文本与语境的不相称，而非某个具体特征。作者指出，此类识别可被用来界定社会语言规范，因此将“AI特征”视为脱离语境的文本属性的工具，可能会在规模化应用中固化其训练语境的规范。
说明基础模型残差作为城市公交不规则性信号
简介预训练的轨迹模型在迁移到新城市时会产生误差，通常被视为性能限制。本文改用这些残差来探究当地系统性条件，基于尼泰罗伊的NetMob26公交、票务、天气、网络与社会经济数据，分析UniTraj与TrajFM等模型的空间与出行时间残差，并借助可解释人工智能分析其与城市背景变量的关联。作者将高残差视为公交运行不规则的候选代理信号，而非直接的服务中断证据。
说明FoleyForge：可自由指令、可控制的音效编辑模型（基于整流流）
简介论文提出 FoleyForge，一个基于自然语言指令编辑音效的生成模型：给定输入音频片段和描述所需修改的指令，模型在保持原音效身份的同时完成编辑，可处理语义、风格及类似 DSP 的声学修改。作者构建了数据生成流程，借助音频语言模型生成声学编辑与保持相似性的语义编辑数据，并以此微调整流（rectified-flow）音频生成模型，还加入响度变化、编辑强度和输入轮廓包络等可调属性控制。论文称该模型在指令遵循度上达到当前最优水平，同时音频质量和对源音频的忠实度具有竞争力。
说明在模拟存内计算加速器上无需重新训练的精确推理
简介模拟存内计算加速器直接在存储阵列内完成矩阵向量乘法，可提升推理效率，但转换器与器件误差会使预训练模型无法直接使用，而硬件感知重新训练成本高。该论文提出一种无需重新训练的方法：离线改变每层在阵列上的表示方式（对输入去中心化并应用为模拟阵列设计的Hadamard旋转），借助低成本的共享校准实现预训练模型的精确推理。在PCM和ReRAM上的实验涵盖CNN、视觉Transformer及最高140亿参数的LLM，并在6位ADC的ReRAM上将ViT-B/16从37.4%提升至82.9%，Phi-4从27.0%提升至72.2%。
看点新意在于离线改变模型在模拟阵列上的表示，无需重训练即可校准推理；在CNN、ViT与最大14B的LLM、PCM与ReRAM上报告结果，并与硬件感知训练相比较。
说明多人联邦学习中基于增量共享的压缩按玩家本地方法：精确收敛
简介本文研究多人联邦学习（MpFL），即客户端是各自有目标和策略的博弈参与者，需要达到均衡。作者提出 C-PEARL-SGD，让玩家交换本地策略的增量而非策略本身，在压缩通信下仍能精确收敛到均衡。文中还引入了方差缩减版本 PEARL-SVRG 及其压缩形式，并在分布式频谱感知等实验中显示其优于原始 PEARL-SGD。
说明仅取消请求不够：重试在过载的大语言模型引擎中留下了什么
简介论文研究客户端重试超时请求如何使过载的大语言模型引擎无法恢复。作者在vLLM上对三个开源模型进行过载实验，并用调度器追踪分析重试产生的执行。结果显示，仅传播取消信号并未在任何运行中恢复服务，重试常在超时前不到半秒开始预填充，且大量已被中止的执行已耗费大部分提示词计算量。
说明语言模型表示中情绪的压缩现象：大模型对细粒度情绪的内部组织方式研究
简介该论文考察了七个大语言模型在GoEmotions（一个标注了27种细粒度情绪加中性的英文Reddit数据集）上的内部表示。研究比较了模型预测与隐藏表示和28个类别及更粗粒度分组的关系，发现相对于细粒度分类体系存在一致的“过度压缩”现象。无监督聚类时最清晰的划分是正负情绪两大组，较粗的情绪分组用比28类更少的簇即可恢复；但线性探针仍保留了较多细粒度预测信息。
说明传输过去：从最优传输视角看回溯反事实推断
简介本文从最优传输的角度研究结构因果模型（SCM）中的回溯反事实推断。由于事实观测通常会在外生变量上诱导出一个后验分布，反事实推断本质上是分布性的。作者提出两种互补框架，将该后验传输到满足目标反事实查询的外生配置集合上，并为有限后验情形设计了边际、罚函数和硬约束求解器。非双射SCM上的合成实验展示了问题的几何结构，并揭示了传输代价、反事实约束满足程度与外生变量独立性保持之间的权衡。
说明贪心字节对编码可达到最优压缩量的至少0.361
简介字节对编码（BPE）通过反复合并最常见的相邻符号对来构建分词器，其效用是k次合并带来的字符串长度总缩减。此前已知该贪心规则至少可达到最优缩减量的三分之一。本文证明，对任意字符串、任意合并次数和任意并列打破规则，它都至少能达到最优缩减量的0.361，这是对三分之一界的首次改进。
看点改进了贪心BPE压缩比的一又三分之一下界至0.361，给出证明并指出一又三分之一为何是障碍。
说明ChainFlow：用于推测解码的少步潜在流匹配方法
简介该论文提出ChainFlow，一种新的推测解码范式，是首个以目标模型隐藏状态为条件的流匹配草稿模型。它只需一到两个流步骤即可完成草稿生成，并通过变分自编码器压缩隐藏状态、轻量反馈头恢复词元间依赖、树状草稿提升接受率。在Qwen3.5模型上，在草稿模型规模和训练数据相同的条件下，ChainFlow在vLLM中分别比EAGLE-3和DFlash快39%和11%。
看点首个以目标隐藏状态为条件的流匹配草稿模型，用少步传输替代去噪；在Qwen3.5上对比EAGLE-3与DFlash，报告vLLM中加速分别为39%与11%。
说明Pdb还是不Pdb：用pass_X@k比较两种调试接口
简介该研究比较了仅使用调试器的编码智能体与仅使用bash的智能体在SWE-bench Verified全部500个实例上的表现，其他脚手架保持不变，并在两个模型上各进行三次独立运行。作者提出pass_X@k指标，用于估计多个智能体中至少一个成功的概率。结果显示，两者在单次运行中解决的题目部分不重叠，但这主要源于运行间的随机差异而非工具互补；两次bash运行的效果优于一次bash加一次调试器的组合。
说明NanoVDB 中的动态 GPU 体素网格与体素顺序处理
简介本文为 NanoVDB 数据结构引入两项改进：支持 GPU 上的动态拓扑更新，以及面向稀疏网格的体素顺序访问方式。新的拓扑操作包括形态学膨胀、网格合并、剪枝和跨分辨率粗化与细化，可在数毫秒内重建包含上亿体素的网格。论文还表明，复杂的模板类算子借助该访问方式可接近峰值内存带宽。作者在三维重建、流体模拟和大规模网格体素化等应用的基准测试中评估了这些算子。
说明JEPAhead：从潜在修补到城市驾驶的因果预测
简介该论文将预训练的V-JEPA1预测器从双向潜在修补微调为无动作条件的因果预测模型，编码器保持冻结。模型在CARLA Town12上一次前向传播预测未来八组令牌（对应十六帧），在591个候选中检索正确未来的比例为69.0%，高于持续性基线的55.3%，且在更长时间跨度上提升更明显。论文还报告了语义与像素层面的评估结果，并指出下游应用价值尚未验证。
说明通过学习得到的代理模型进行高阶组件归因（高能物理）
简介本文针对高能物理中用于喷注识别的 Particle Transformer（ParT）模型，提出基于 Kolmogorov-Arnold 网络（KAN）的组件归因方法。该方法与喷注的物理描述量直接对应，用来检验多头注意力（MHA）等机制是否能够学到这些物理量作为区分特征。
说明评分而非学习：拆解网络抓取零售商品识别中目录合并带来的增益
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。
说明基于解剖结构引导的前列腺手术模型CT三维分割流程
简介本文提出一种自动化三维分割流程，用于从CT扫描中分割前列腺手术模拟模型。该方法利用经典医学图像处理技术，将模型已知的解剖结构编码为几何与灰度先验，无需训练数据。在57次扫描中，囊内部分在11例对比度抑制扫描上的中位Dice系数为0.83，并检出全部32个标注病灶且无假阳性；在普通CPU上完成一次扫描需2至8分钟，人工则需1至2小时。
说明土耳其语多模态视频事实核查：新数据集及零样本智能体系统与微调系统的比较
简介视频类虚假信息在社交媒体上传播迅速，但现有事实核查系统大多只针对英文文本，土耳其语等低资源语言的工具十分有限。作者构建了首个面向土耳其语的多模态视频事实核查数据集TeViD，数据主要来自Teyit.org的文章，并补充了翻译的Snopes文章和合成样本以缓解类别不平衡。基于该数据集，作者搭建了两套共享同一开源基础模型的核查流程：3MFact-TR在多角色框架中加入语义不一致检测、5W1H问题管理和排除事实核查网站的双语证据检索模块；微调模型则使用LoRA微调Qwen2.5-7B，仅依据主张和视频文字描述给出结论。论文报告了两套系统的准确率、宏F1等指标及消融实验结果。
说明VoluCompose：为医学图像理解构建紧凑的体数据视觉表示
简介医学视觉-语言模型可以理解三维体数据图像，但数百张切片产生的视觉标记序列很长且冗余，处理成本高。VoluCompose是一个免训练、与模型无关的压缩框架，将保留哪些视觉内容与分配多少标记分开处理：用双曲标记组合模块把相邻切片合并，并用洛伦兹距离考虑特征大小与方向；用视觉编码器注意力熵决定分配更多或更少的标记。论文在两项任务、三个数据集和四种骨干模型上评估，在九组校准设置中，保留约22.78%的视觉标记时取得了相对未压缩参考平均121.68%的质量，且在10%的标记预算下仍保持稳健。
说明IWIBench：评估无梯度、模型驱动的权重内注入能力
简介该论文提出IWIBench基准，用于评估大型编辑模型通过直接修改较小目标模型（通常为Gemma 3 4B IT）的权重、且不使用梯度，来完成十类经典文本编辑目标的能力，同时保持目标模型其他能力不受影响。测试显示，各模型及各任务之间表现差异明显，少数模型表现领先，而结构化回答和回答长度控制等任务难度较大。
说明从几何到功能：面向城市建筑立面语义与功能解析的多任务激光雷达基准数据集
简介本文提出HFX3D，一个大规模城市建筑立面激光雷达基准数据集，约含4.92亿个点，采集自加拿大哈利法克斯的26栋建筑，涵盖四季、昼夜和多种天气。数据在语义、实例和每个实例的功能属性三个层级进行标注，标注由几何启发式方法与专家验证相结合的半自动流程完成。作者用多种代表性模型进行基准测试，结果显示语义分割在严重类别不平衡下已颇具挑战，重复结构的实例分离和基于几何的功能推理则更为困难。
说明决策上下文：面向AI智能体的持久行为学习
简介大语言模型智能体跨会话无法从人工纠正中学习，同一错误每次对话都会重复出现。该论文提出Forge Decision Context（forge_dc）系统，从人工纠正和工具调用失败的自我评估中捕获行为信号，将其编译为指令式规则并在适用的决策点注入。在包含71个场景、九个行为维度的DC-Bench基准上，forge_dc的合规率达到95%，高于朴素检索的55%，且每次查询注入的令牌数约少十倍。
说明FinEvolveKG：面向金融知识图谱构建的可控且可归因的提示词演化
简介该论文提出FinEvolveKG框架，从SEC 10-K年报构建金融知识图谱。它将通用规则与面向不同用户角色的策略提示词分开，并限制提示词优化器只能修改角色策略部分，使每次修改可追溯。在三个角色、三组随机种子的实验中，受约束的两阶段流程优于冻结提示词基线和不受约束的全提示词优化流程，在分布外测试中也保持领先。
说明面向测试时选择的分维度两两锦标赛（APT）
简介论文提出分维度两两锦标赛方法 APT，用于在大模型生成的多个候选解中选出最佳答案。它以单淘汰赛的形式进行两两比较，每场比赛由多个现成的分维度验证器投票决定。在五个领域和三种生成模型上，APT 优于二元多维度批准、自洽性和奖励模型验证，在开放式任务上提升最明显。
说明强制选择字母会抑制拒答：来自WMDP的机制性证据
简介该论文研究大语言模型在选择题形式下拒答率降低的原因，在WMDP数据集上以Llama-3.1-8B和Qwen3-8B两个模型进行分析。作者发现，模型在处理选择题时很快就确定答案字母，且选择题激活值离拒答方向约远3倍；消融负责输出答案的注意力头会使拒答增加。论文认为，选择题形式的安全评分主要反映知识能力，并不能评估安全机制。
说明混沌三体动力学机器学习基准测试：比较多种模型预测三体系统稳定性与轨迹的能力
简介论文模拟了接近稳定与不稳定临界边界的三体系统轨迹，并设计了稳定性预测和轨迹预测两类学习任务。作者对从简单回归到基础物理模型的多种机器学习方法进行了基准测试，并与Mardling-Aarseth稳定性判据等天体物理方法比较。实验表明，早期动力学有利于稳定性预测，而长时间的精确轨迹预测仍然困难。代码和数据集已公开。
说明BEVCast：面向高效端到端自动驾驶的路径自适应鸟瞰图
简介纯视觉自动驾驶模型通常在整个鸟瞰图网格上以相同的计算量处理每个单元格，但车辆在规划时域内只经过其中少数单元格。BEVCast采用两阶段设计：先在4.096米的粗网格上编码整个场景，再由热力头根据预测路径选出热度最高的部分单元格，在固定预算下细化为1.024米网格。在nuScenes上，其平均位移误差为1.078米，优于全网格的1.149米；在NAVSIM navtest上为0.577米，优于0.598米。
说明SPRING-5：以效率衡量 LLM 智能体的工具文档修复
简介该论文提出 SPRING-5 基准，用于评估自动修复工具文档的方法。基准包含 20 个工具族、344 个任务，以调用成本而非仅以任务准确率衡量效果。实验比较了多种方法：仅改写模式的方法仅弥合基线到理想路径成本差距的 1%，在线自进化循环为 13%，对全部训练记录做一次批量改写为 33%，给定正确性标签的变体为 58%。
说明基于大语言模型的多准则库存分类特征提取
简介本文提出一种利用大语言模型从非结构化数据中提取量化特征的方法，例如把客户评论转为向量嵌入和评价指标。这些特征被纳入基于Hadi-Vencheh模型的多准则库存分类框架。实验显示，加入客户情感信号后，库存分类结果出现可测量的重新归类，表明整合非结构化数据有助于库存优先级排序。
说明s³：通过合作式多智能体强化学习简单扩展群体（论文标题的译文）
简介该论文提出 s³，一种多智能体强化学习方法，让智能体自行决定独立工作的时长，以及何时分享发现或阅读队友的消息，无需预先设定的组织结构或角色。论文报告，在训练和推理预算相同的条件下，用两倍于训练时数量的智能体组成的群体，解决的协调问题比最强基线多 25 倍以上；在并行探索任务中，相互通信的智能体重复工作减少近 50%，并比 best-of-N 方法高出最多 9.4 个百分点。
说明NormGym：通过社会互动评估规范能力
简介该论文提出 NormGym，一个交互式基准，用于测试智能体能否在多智能体社区中，通过观察他人行为和受到的制裁，推断出隐藏的未知规范，并在新情境中应用。最强的大语言模型在任务与合规双重成功率上达到 55.3%。研究发现，模型能根据自身行为受到的制裁调整行为，但难以从他人行为和制裁中推断潜在规范，微调也未必能有效提升这种能力。
说明InstaGen：面向快速视频生成的组内共享重要性采样
简介论文针对扩散 Transformer 视频生成中注意力计算成本高的问题，提出 InstaGen 方法。它把注意力块选择视为重要性采样：高分键精确计算，其余键按估计注意力比例抽样并做逆概率加权，同一查询簇共享一个样本以便 GPU 高效执行。在 Wan2.1-T2V 模型上，基于 SVG2 的 InstaGen 在相同注意力密度或相同耗时下，PSNR 均高于 SVG2。
说明Just CaloCHILL：在学习得到的潜在空间中快速生成强子簇射
简介该论文提出CaloCHILL，一种用于量能器模拟的生成模型，不逐个生成能量沉积点，而是在潜在空间中生成簇射的紧凑摘要，最后再扩展为完整点云，每个沉积点包含位置、能量和时间。在国际大型探测器（ILD，FCC-ee拟建探测器）量能器的正电子π介子簇射上，模型再现了主要簇射观测量（包括时间结构）。论文称其速度比前代快600倍，且在所考察的各项精度指标上均有提升。
说明用户嵌入是可解释行为模式的稀疏叠加
简介本文提出用户嵌入可以理解为若干可解释行为模式的稀疏叠加。作者在合成数据上验证了稀疏自编码器（SAE）恢复这些模式的效果，并优于经典稀疏基线方法。随后，该方法被应用于两个真实数据集上的传统及基于Transformer的用户嵌入。文中还展示了由此得到的自然语言标签可用于在未用文本训练的嵌入上进行零样本受众检索与刻画。
说明论文用生成式AI重绘371张动机图与框架图，比较清晰度与美观度
简介作者整理了200篇论文中的371张动机图与框架图，并用多模态模型从六个维度评估其沟通与设计质量。随后在保留原始来源的前提下尝试重绘所有图，其中369张通过了记录的保真度检查。结果显示，重绘后清晰度平均提高0.428分，美观的连贯性平均下降0.111分（五分制）。作者认为研究者应主导设计，AI作为辅助工具。
说明接地推理在何处、为何有用？：研究视觉推理中坐标定位的价值
简介该论文研究在视觉推理的思维链中输出坐标定位是否有用。作者提出一种分析思维链的方法，并对接地推理训练方案做了细致的消融实验。结果显示，接地推理在计数上有提升，但在多数空间推理与感知基准上相比不带坐标定位的基线没有显著增益。作者还提出了需要难以用语言描述的视觉指代才能求解的新基准BrickVision。
说明SwarmEvolve：用潜在空间智能体群进行进化式发现与优化
简介该论文提出SwarmEvolve框架，用大量低成本智能体组成的群体在潜在空间中推理，不解码为文本，并通过传递KV缓存共享信息。新颖性过滤器依据隐藏状态向量之间的距离保留最不同的想法，总结智能体接收全体成员的组合KV缓存以实现想法交叉。在21个数学发现与科学计算问题上，该方法平均得分最高，且多数问题的中位耗时为3至8分钟，而其他前沿框架需要60分钟才能达到相近分数。
说明HaNDF：基于物体条件的几何神经手部距离场
简介本文提出HaNDF，一种以物体为条件的神经距离场，作为手部与物体交互时合理手部姿态的数据驱动先验。该方法利用黎曼几何，将合理手部姿态表示为条件场的零水平集，并可将给定姿态投影到该场上。论文称该先验适用于姿态精修、遮挡下的重建以及物理上合理的操作合成。
说明Scientist World：为AI科学家构建可运行的研究环境
简介论文提出Scientist World，把每篇研究论文转化为可执行的环境：自动流程提取论文的开放性研究问题，并复现作者提出的方法作为基线，AI科学家在环境中与人类作者的成果对比评估。作者发布了首批1000个经验证的环境，并报告前沿AI科学家有74%的情况超过人类研究者。该环境还记录了6400小时的研究过程，并可用于训练，使小模型在研究构思上达到前沿模型水平（提升158%）。
看点将每篇论文转为可执行环境用于评估与训练AI科学家，新意明确；摘要报告释放1000个环境、前沿模型74%超过人类研究者等结果。
说明EgoGeneralist：通过原生视频建模统一第一人称动作视频任务
简介该论文提出EgoGeneralist框架，将预训练视频生成模型改造为可同时完成动作条件第一人称视频生成、姿态估计和动作-视频联合生成的通用模型。其方法通过角色自适应动作渲染器与跨流动作-视频耦合，把公制三维运动转化为可用于控制与生成的表示，并覆盖五类动作视频任务。模型仅在受控实验室录制数据上适配，却能泛化到多样的未见场景与交互。
说明XStack：机器学习代码仓库跨框架迁移基准
简介该论文提出XStack基准，用于评测智能体在PyTorch（NVIDIA GPU）与JAX（Google TPU）两大生态之间迁移机器学习代码仓库的能力。智能体需接收一个PyTorch仓库和一台干净的TPU机器，交付一个JAX仓库，并依据源仓库已发布结果的评分标准判定是否通过。论文报告，目前智能体的迁移仍不可靠，其中Claude Opus 5通过率为75%，GPT-5.6-sol为45%，其他智能体至多40%。
说明Meituan-Robotics-0：面向桌面操作的视觉-语言-动作基础模型
简介论文提出 Meituan-Robotics-0（MR0），一个用于固定基座桌面操作的视觉-语言-动作基础模型与具身智能体系统。模型通过三阶段训练，结合大量视觉语言数据与跨12种机器人形态的轨迹数据，并引入 Rollback 方法利用人工纠正提供正负监督。MR0 在 RoboTwin 2.0 上成功率达 93.6%，在 RoboDojo VLA 赛道排名第五，并在三项真实机器人任务中平均成功率与进度得分高于 π0.5。
说明同样的行为，不同的机制：有限实验能为整合信息证明什么
简介该论文研究可解释性和机器意识评估中所用的机制层面量（整合信息理论的整合信息φ）能否从有限、部分且有噪声的实验中被识别和认证。作者在已知真值的四单元和五单元随机网络上进行分析，指出行为可能无法区分机制，部分观测也会造成无法消除的精度下限，并证明在特定机制区域内可由有限受控转移数据给出φ的下界认证。
看点提出可识别性、连续性与有限数据可证明性的框架，并对IIT的φ给出精确刻画与有限数据下的下界证书，新意突出。
说明通过扩展激活反演来解释语言模型残差流中的任意方向
简介论文提出最大激活示例元模型（MAEM），它将语言模型残差流中的方向映射为能强烈激活该方向的文本示例。训练目标是最大化所给方向与模型生成文本激活之间的余弦相似度，无需人工标签。实验显示，该方法在反演保留数据、激活保留的SAE特征等任务上，表现优于语料检索和自然语言自编码器（NLA）。
看点用强化学习训练元模型，将残差流方向映射为最大激活文本，无需标签；摘要报告在多项基准和多种任务上优于语料检索与NLA。
说明大步长对抗训练：隐式偏置、优化与锐度
简介本文研究对抗训练中使用大常数步长的确定性梯度下降动态。作者先在对抗线性逻辑回归中分析模型参数收敛到何处（隐式偏置）以及损失下降速度（优化），再研究神经网络训练中损失锐度的演化。结果显示，与标准训练相比，对抗训练存在三点差异：隐式偏置差异在任意大常数步长下仍然存在，优化误差没有统一的收敛速率，锐度呈现两阶段动态。
说明强到弱同策略蒸馏（OPD）与 GRPO 的计算效率对比研究
简介该论文比较了同策略蒸馏（OPD）与强化学习方法 GRPO 在相同训练 FLOPs 下的准确率表现。使用外部教师时 OPD 整体不如 GRPO；当教师是学生自身的 GRPO 检查点时，OPD 在数学任务上以约 50 倍更少的蒸馏 FLOPs 恢复该检查点的准确率。论文还提出多教师 OPD，将各领域的 GRPO 专家合并为单一学生模型，两领域组合时总计算量比联合 GRPO 少 42.0%。
说明ReproBridge：将可复现性融入机器学习研究成果
简介该论文提出ReproBridge工作流，用于构建包含精炼代码、环境配置、实验启动脚本和复现指南的可复现研究成果。作者还建立了包含1,029个任务的ReproBridge-Bench基准。实验显示，使用精炼成果后，四个模型的平均复现成功率从76.4%提高到92.6%，下游API开销平均降低19.7%。
说明Q-OIL：从人类干预中学习时的乐观探索方法
简介本文研究机器人在真实世界中如何从人类干预中学习。作者分析了真人参与者的干预数据，发现人们往往在机器人进展停滞时进行干预，且纠正动作常不够理想。据此提出基于进展的人类干预模型，使仿真中的算法排序与真实用户更吻合。论文还提出Q-OIL方法，在强化学习中为干预转移加上乐观奖励以引导探索，在仿真和真实机器人上取得10%至50%更高的成功率。
说明VFlash：通过Flash基元解码实现快速准确的视觉规划
简介该论文提出VFlash方法，用于机器人与自动驾驶等物理AI任务中的视觉规划（如点、边界框和轨迹）。它用轻量级草稿模型一次前向传播生成整个视觉基元的坐标，替代逐个坐标标记的自回归生成。实验显示，在2D与3D机器人轨迹任务中预测误差低于自回归解码，3D点运动预测的单次生成速度约快25倍。
说明用于在线预测攻击者行为的隐马尔可夫偏好模型
简介该论文提出一种隐马尔可夫模型，用于在攻击者行动发生前，预测其下一步行动的概率分布。模型以攻击者的行为模式为隐藏状态，并允许其在同一场景中切换；行动的可执行性会随时间变化。在CAGE 2网络防御基准测试中，该方法在切换控制器后约三步即可开始降低预测损失，而循环神经网络基线需要十步。
说明面向可解释骑行安全感知的边缘辅助众包感知系统
简介本文提出一种边缘辅助的众包感知系统：车把相机采集街景画面，视觉语言模型将每帧转为结构化交通属性，可解释提升机（EBM）结合OpenStreetMap道路基础设施与骑行运动学数据，预测1至9分的众包安全评分。在两条伦敦路线的1362张标注帧上，回归模型的二分类准确率为72.2%，平均绝对误差为1.011。模型可量化各特征对评分的影响，例如物理车道隔离约提高0.97分。
说明类型化决策编码器中的标签措辞增强：对陌生词有效，对缩写与代码无效
简介该论文比较了一个307M参数多语言交叉编码器Ru-Jev的两个版本，后一版本加入了以多种表面形式呈现标签的增强方法。作者在保持问题不变、只改变路由标签措辞的条件下，评估了十套标签词表。结果显示，在由普通或外来词构成的词表上，增强版本的准确率更高，但对缩写和不透明代码没有可用的提升。
说明从内部理解人工智能：面向 AI 安全的机制可解释性研究综述
简介本文综述了机制可解释性（mechanistic interpretability）在 AI 安全中的研究现状，考察理解模型工作方式是否能让模型更安全。文章介绍了特征、多义性、Transformer 计算和电路等基础概念，梳理了特征提取、电路发现与因果验证、用自然语言解释中间表示、学习动态和训练数据归因等方法，并提出评估机制可解释性主张的统一框架。文章还讨论了知识编辑、引导和监控等安全应用及其局限。
说明SM4RT：用于四维重建的级联前馈模型
简介SM4RT是一个多任务级联前馈模型，用于从RGB视频重建动态场景。它先重建三维几何，再以预测出的结构为基础估计运动，并把每个像素的三维运动表示在对应的相机坐标系中，以减少相机运动带来的歧义。模型还加入弱监督损失，利用另一时间步的已标注点位置来约束未标注点的运动。论文在Kubric、Waymo和Point Odyssey三个数据集上评估运动估计，多数指标优于已有基线；在五个动态场景数据集上测试几何重建，表现与先进方法相当。
说明MedGraph：用图记忆维护患者状态的长期医疗对话方法
简介这篇论文提出MedGraph，一种面向长期医疗对话的图记忆系统，用于让大模型医疗助手在多次就诊中保持患者临床状态的准确性。作者分析了五种记忆系统的错误，归纳出检索到过时状态、混入他人健康信息、缺少安全事实三类原因，并据此设计了图记忆的构建与检索方式。在MedMemoryBench上，MedGraph在GPT和Qwen两种骨干模型下整体准确率均最高，并在GPT设置下实现了高效的记忆构建与回答。
说明用案例推理改进学业咨询
简介本研究探讨将案例推理（CBR）应用于学业咨询领域。论文设计、开发并验证了一个基于案例的学业咨询推荐原型系统，用于补充传统的咨询流程。该系统有望在充分发挥潜力后，逐步取代人工学业顾问。
说明元访问：让聊天助手理解并操作整个应用界面
简介论文提出“元访问”概念，即让大语言模型助手获得一个结构化、带权限控制的视图，了解聊天界面本身的状态与功能。文中设计了由功能辅导到完整编排的分级框架，并以Chat AI客户端的Meta Chat原型为例进行说明。作者同时指出其在依据性、隐私、提示注入与信任方面的风险。
说明基于校准潜在探测的视觉-语言-动作模型故障预测与分类（VLA-Tug）
简介视觉-语言-动作模型（VLA）在分布偏移下表现脆弱，可能造成设备损坏或危及人身安全，因此需要运行时监测。本文提出VLA-Tug，在VLA主干网络的潜在层上加一个轻量探测器，用于提前检测故障，并对漏检率和误报率设定边界，推理开销很小。论文还提出用故障前片段监督训练，并能预测故障模式以支持纠正动作，同时发布了包含3,180条标注操作片段的数据集。
说明从数据中发现微分方程系统的内在李点对称性
简介本文提出一种数据驱动方法，直接从微分方程的采样数据中识别连续对称性生成元，无需符号化的确定方程或闭式控制方程。该方法结合延拓、顺序子空间限制和可训练系数的非线性字典，并引入秩稳定性预检。在一个解析已知、内在对称代数维数为11的受控基准上，方法恢复了完整的生成元集合，并以数值精度复现其李括号结构。
说明关于分子表示局限性的研究
简介该论文系统评估了分子表示（如指纹和学习得到的嵌入）的质量。研究发现，目前最先进的分子嵌入模型在捕捉图结构、三维形状或ADMET终点相似性方面，并不优于指纹或理化描述符。论文还指出，经典指纹存在自身局限：在Enamine REAL数据库（10.8B分子）中，依据表示方式不同，有2.25亿至约40亿个分子的表示并非唯一，这对虚拟筛选有影响。
说明基准测试也是软件：Terminal-Bench 与持续维护基准的必要性
简介论文指出，编码智能体的评测基准发布后会因模型能力提升和评测基础设施变化而逐渐失效，称之为“基准维护债务”。作者提出结合社区反馈、自动化检查和人工审核的持续验证流程，并将其应用于 Terminal-Bench 2.0，发现约 30% 的任务存在问题，据此发布了 2.1 版。修复后准确率提升超过 10 个百分点，排名有所变动，但整体排序仍高度相关；此外，时间预算等资源设置也会显著影响智能体表现。
看点提出持续验证工作流并应用于Terminal-Bench 2.0，审计约30%任务并发布修复版2.1，修复使准确率提升10个百分点以上，并发现时间预算显著影响结论。
说明LoRA在监督微调与强化学习中的谱与子空间动态
简介本文研究低秩适应方法LoRA在监督微调（SFT）和强化学习（RL）中，其低秩增量的奇异值谱与奇异子空间如何变化。研究发现RL在各学习率下都会集中谱，SFT在中等学习率下会扩展谱，且小学习率时RL的子空间旋转更快。作者通过逐项替换发现，组均值基线减法是造成这两类差异的来源。据此，文章针对SFT与RL分别调整LoRA更新方式，在数学推理任务上取得较好表现。
说明T3R：无需训练的两阶段视觉令牌精炼方法，用于高效且稳健的VLA机器人模型
简介视觉-语言-动作（VLA）模型可实现端到端机器人控制，但推理成本高。论文提出无需训练的T3R框架：第一阶段用分割引导剪枝去除与任务无关的视觉块，第二阶段用显著性引导的注意力偏置，把注意力重新分配给关键视觉区域和语言指令。在LIBERO-Spatial上，T3R移除了85%的场景相机视觉令牌，成功率基本持平，并在分布外物体摆放扰动下最多提升7个百分点。
说明AI 辅助数学证明的特征：如何识别证明中是否有 AI 参与
简介本文研究能否在证明内容层面识别 AI 参与，而不只是写作润色。作者构建了包含 8,281 篇论文的五组语料，其中含同一研究问题的配对样本，并提出 ProofTrace 框架，将论文表示为即时证明依赖图并提取可解释特征。研究发现 AI 参与程度呈连续梯度，AI 生成证明具有较少引用外部结果、更多依赖中间结论等特征，且 ProofTrace 在 AI 改写后检测性能保持稳定，而文本检测器性能明显下降。
说明时间相关偏微分方程的保形预测
简介本文研究用于偏微分方程描述的时间相关物理系统代理模型的保形预测。作者证明，在函数空间中，任意接近的时刻其分布可能互相奇异，使精确覆盖保证无法成立；在离散化设定中，总变差距离常随网格分辨率指数饱和，因此需对空间离散化加以限制才能保证覆盖。对某些情形，作者还给出如何使用加权保形预测，在不断延长的时间范围内获得有限样本覆盖保证。
看点新意在于指出时间依赖PDE中共形预测覆盖保证可能失效，并给出互奇异与总变差饱和的理论结果，再用加权共形预测给出有限样本保证。
说明社交人形机器人：能与人类对方协调互动的人形机器人系统
简介人形机器人通常只被训练为独立运行的个体，难以与人类伙伴进行身体上的协调互动。本文提出Social Humanoid，一个分层系统，可在29自由度的Unitree G1机器人上，根据人类伙伴的动作生成并执行具有社交响应性的全身动作。该系统还构建了包含260小时人机互动数据的新基准。
说明StepBack：面向高效测试时推理的步骤级错误定位重采样方法
简介该论文提出StepBack方法，用于提升大模型链式推理的测试时效率。它先用少量草稿推理轨迹，借助轻量信号定位可能出现的第一个错误步骤，然后只对该步骤及其后续部分重新采样，最后通过多数答案投票得出结果。实验表明，在七个数学推理和多跳问答基准上，StepBack平均准确率与自洽性解码（SC）相当，同时最多减少41.26%的token用量，并可与Adaptive Consistency等自适应推理方法结合使用。
说明并非所有错位都相同：面向涌现式错位的分解式基准
简介论文指出，在窄任务上微调会导致模型在无关提示上出现错位行为，即涌现式错位（EM）。现有评估方法对评测问题、评判者和阈值较敏感，且难以区分错位与能力下降。作者提出分解式基准EMERGE，追踪八种不同的错位行为，并与良性对照比较，同时考察能力、连贯性和拒答。研究发现，整体错位率相近的模型，其行为特征可能差异很大。
说明卵巢癌多组学合成数据集：基于生物学信息的评估框架
简介本文关注多组学癌症队列的合成数据，重点不在提出新的生成模型，而在定义评估标准，用于判断合成数据是否保留了生物学上有意义的结构。作者提出一个基于生物学信息且患者不重叠的框架，用于评估配对的RNA表达与拷贝数变异（CNV）谱的生成效果，并将其应用于DECIDER高级别浆液性卵巢癌纵向队列。该框架以真实训练数据与留出数据之间的一致性作为参照，并辅以训练数据邻近性诊断，同时改造了三种基于变分自编码器的多组学整合架构用于生成配对谱。
说明面向道路异常检测的自适应低光增强：多架构基准测试与边缘部署研究
简介本文针对自动驾驶车辆在黑暗、雨天和哈马丹尘霾等退化视觉条件下的道路异常检测问题，对比了四种目标检测架构（YOLOv8n、YOLOv12n、RT-DETR 和 Faster R-CNN）。研究发现，在黄昏程度的光照下统一使用 SCI 低光增强网络反而会降低检测效果（mAP@50 下降 16.1% 至 30.7%）。作者提出一种无需训练、基于亮度自适应的轻量路由方法，依据每帧的 Rec. 601 亮度在不增强、中等强度 SCI、去噪加强 SCI 之间选择，并在 NVIDIA Jetson Nano 边缘设备上验证了完整流程。
说明学习用于重症监护系统模拟的患者世界模型
简介本文提出从纵向电子病历中用神经网络学习一个共享的患者世界模型，为多种模拟问题提供统一的临床轨迹表示。研究以ICU运营为例，在MIMIC-IV上训练并冻结模型，再通过场景相关映射与共享的ICU日程、资源和队列相连。实验显示，该模型在整体占用和对容量与调度政策的方向性响应上与马尔可夫及半马尔可夫基线相当，并能复现回放观测轨迹所得的政策收益。
说明SCALE：面向信息物理智能体的实时潜在通信方法
简介该论文提出SCALE，一种为信息物理智能体设计的实时潜在通信方法，智能体直接交换中间模型表示而非原始传感器数据或文本。SCALE利用相邻潜在消息的token相似度识别可复用信息以避免冗余传输，并据此评估传输不同数量潜在信息的语义增益与通信代价。基于这些评估，其实时调度器在带宽与任务截止时间约束下决定传输哪些消息及发送多少潜在token。作者在三个信息物理基准和一个物理蜘蛛机器人案例中评估该方法，结果显示在带宽受限网络中任务表现和准时交付率均有显著提升。
说明基于飞行数据的着陆阶段安全事件预测混合机器学习方法
简介本文针对着陆阶段极度不平衡的多变量飞行数据，提出一种可解释的混合特征融合框架，用于多类别安全事件预测。框架以LSTM自编码器学习正常进近行为并输出重构误差，再与统计飞行历史特征融合，输入类别加权的XGBoost分类器，区分正常、速度过高、航迹过高和襟翼过晚四类进近窗口。实验使用来自三个到港机场的53,750个NASA DASHlink进近窗口，结果显示各机场在重复划分与重训练下的平均宏观召回率均超过0.90。
说明图神经网络的模块感知优化：GraphMuon 方法
简介论文指出图神经网络的有效权重几何同时受图传播表示影响，普通 Muon 优化器可能出现图诱导的更新放大。作者提出 GraphMuon，在由图传播输入协方差定义的度量下做正交化，并按更新对层表示的影响调整步长。在三个大规模 OGB 基准上，相比 AdamW 实现 1.32 倍至 2.42 倍的验证损失达标时间加速。
看点将Muon的矩阵正交化更新扩展到图传播特征的协方差度量，并给出图诱导更新放大的理论分析；在三个OGB基准及15个配置上报告相对AdamW的加速。
说明Muir：基于灵敏度分配门控与匹配滤波读出的线性注意力模型
简介该论文提出线性注意力模型Muir，把各类门控融合进按灵敏度分配的低秩投影，用匹配滤波式的门控加权状态行读出，并把节省的参数用于加宽前馈网络。作者还设计了并行更新方法以保证大分块下训练的数值稳定和效率。实验覆盖1.66亿至13.4亿参数，结果显示其困惑度低于GDN-2和Transformer，并在长上下文检索任务上表现更好。
说明基于可指导健康年龄与反事实可穿戴轨迹的个性化健康指导
简介该论文提出可指导健康年龄（CHA）这一可解释指标，由消费级可穿戴设备被动采集的可改变生理与行为信号构建。作者还开发了传感器世界模型（SensorWM），用于预测生活方式改变后数周的生理反应，并将二者整合进智能体反事实指导系统，生成12周个性化计划。论文报告，在盲法配对评审中，认证生活方式教练更偏好基于反事实的计划。
说明MOMASPLAT：面向移动操作的动态新视角示教数据增强
简介该论文提出MOMASPLAT框架，用于移动机器人操作任务中的示教数据增强。它结合3D高斯溅射、前馈式三维基础模型和基于运动学的动作重定向，从未见过的机器人基座位姿合成包含动态物体交互的完整操作轨迹。在五项真实世界移动操作任务上的实验表明，该方法显著提升了对未见基座位姿的鲁棒性，平均成功率超过最强基线的两倍，并减少了大规模真实数据采集的需求。
说明NPCBench：鼻咽癌多模态诊疗路径推理的临床学徒式基准测试
简介该论文提出NPCBench，一个针对鼻咽癌的临床学徒式基准，模拟专科培训流程，涵盖指南知识、病例规划、纵向复查、诊疗路径整合和开放式会诊。基准包含4777个组件与会诊题目，以及一个含100名患者、417项评分任务的诊疗路径队列。评测考察模型能否在同一患者的诊疗路径中同时正确回答诊断与治疗问题；在30个模型中，21个多模态模型的严格诊疗路径成功率最高为23%。
说明VisionSIM：超越理想化传感器的机器人感知多模态仿真平台
简介该论文提出了VisionSIM，一个基于物理原理的统一仿真平台，用于机器人感知。它通过模拟各类传感器的原始物理测量过程，提高传感器仿真的真实性，覆盖常规相机及事件相机、SPAD、iToF/dToF和热像仪等新兴模态。平台还可复现现有仿真器忽略的特定故障模式，并支持在相同场景和轨迹上进行跨模态比较，同时发布了一个带同步原始测量数据和标注的大型室内数据集。
说明SHORE：用于在线装箱的稳定性混合同策略强化学习方法
简介本文针对带缓冲区的在线三维装箱问题，提出SHORE方法，在选择箱子、朝向和放置位置时兼顾堆叠稳定性。该方法结合学习得到的放置稳定概率与以稳定为条件的同策略回报估计，并用三维U-Net从执行结果和模拟替代方案中学习稳定性。在Isaac Gym中，SHORE在约0.4M环境步时达到73%的空间利用率，在60箱扩展集上利用率为0.734，高于GOPT基线的0.588，但放置失败频率也更高。作者还在真实机器人上验证了该方法。
说明StrataFlux：面向内存层级的低比特大模型推理框架
简介论文提出 StrataFlux，一种低比特大语言模型推理框架，用于恢复权重与 KV 缓存量化造成的精度损失，同时保留量化带来的显存与速度优势。方法利用主机内存和固态硬盘作为额外精度来源，通过选择性精度流式传输减少传输量，并让传输与计算重叠、跨解码步复用已取回的精度。论文报告，2 比特 Llama-3.1-8B-Instruct 权重的 WikiText-2 困惑度由 9.46 降至 8.40；在 2 比特权重与 KV 缓存下，Qwen3-8B 的 AIME 2024/2025 准确率由 11.0% 提升至 47.1%，显存占用不变。
说明SpecCTMC：扩散语言模型连续时间马尔可夫链的精确推测式采样
简介该论文提出SpecCTMC，一种无需额外训练、也无需单独草稿模型的推测式采样方法，用于扩散语言模型的连续时间马尔可夫链采样。方法利用已计算的模型预测提出连续的词元更新，并行评估中间状态，再通过精确的接受与修正流程保证结果。论文证明其保持底层连续时间马尔可夫链的联合分布，并在LLaDA-8B-Instruct和Dream-v0-Instruct-7B上的五个基准测试中，相比直接连续时间采样减少了1.73至4.38倍的顺序模型评估次数。
说明用于协同定位中规范漂移校正的无线电到位姿信息方法
简介多机器人协同定位依靠里程计和机器人间测量，但这些测量只描述相对几何关系，团队的位置和姿态会一起漂移。本文提出无线电到位姿信息（RPI）接口，把与世界坐标系对齐的无线电衰减图中的功率残差及其位姿导数转换为高斯信息矩阵和向量，与里程计、机器人间测量共同用于位姿估计。在 32 组配准地图的成对实验中，共同位置均方根误差从 0.542 米降至 0.140 米，实验场地为 50×50 米。
说明OraRefer：基于分割引导与多张照片融合的口腔癌患者级筛查模型
简介该论文提出OraRefer，用智能手机拍摄的口腔照片筛查口腔癌及口腔潜在恶性病变。模型先由分割引导的基础模型逐张判断病灶，再将患者的全部照片与危险因素融合，并通过阈值给出转诊决定，该阈值具有有限样本下的敏感度保证。在3000张照片、714名患者的数据上，模型患者级AUROC为0.919，优于基于注意力的多示例学习方法；在90%敏感度目标下，检出95%的口腔潜在恶性病变或癌症患者，特异度为0.610。
说明组合局部-全局光流模型双层优化公式的理论分析
简介本文分析了一种用于学习组合局部-全局（CLG）光流模型正则化参数的双层优化公式。下层问题由Lucas-Kanade数据项与二次或全变分（TV）正则项计算光流，上层问题选择使其与真实光流平方距离最小的参数。论文给出了二次模型下最优参数存在、为正及严格局部最优的充分条件；对于TV正则化，证明最优参数总存在，并给出考虑两个光流分量通过局部结构张量耦合的正性充分条件。合成示例展示了这些条件，也包括条件不成立的情形。
说明统一中心流、杆流与边缘耦合
简介梯度下降在稳定性边缘时，迭代点会沿Hessian的尖锐方向振荡，连续时间模型难以刻画这一现象。本文提出“边缘耦合”这一泛函，其临界点对应梯度下降的不动点和周期为二的轨道，并由此推导出中心流和杆流。两者分别在最快与中间两个时间尺度上进行粗粒化，并可推广到Heavy ball和Adam等动量方法，实验表明它们能跟踪神经网络训练各阶段的离散迭代。
说明USB Gym：用于闭环超声视图匹配的 Gymnasium 测试平台
简介该论文提出 USB Gym，一个基于公开患者 CT 模拟超声成像的测试平台，用于评估超声引导中移动探头使图像匹配目标视图的方法。作者将 20 种已发表方法分别替换引导系统的分割、控制和奖励模块进行测试。结果显示，组合后的引导系统仅把探头从平均 16.0 mm 推近到 13.7 mm，远不及位姿神谕的 1.5 mm，结论是该任务仍未被充分探索。
说明CascadeRec：面向多租户内容推荐的已部署自适应大模型算力分配
简介该论文提出CascadeRec，一种两级大模型重排序级联系统，已在一家大型财务规划SaaS企业的生产环境中运行。轻量的第一级模型处理每个请求，路由器只把推理收益可能较大的请求升级到更昂贵的第二级。论文报告在一个多月的线上A/B实验中，推理成本约降低10%，延迟影响很小，尚未观察到质量下降；在公开数据集上的分段分析显示，统一使用大模型重排序会使稀疏历史用户的NDCG@10下降最多30%。
说明用于毫米波雷达微多普勒可微渲染的四维点溅射方法
简介本文提出四维点溅射方法（4DPS），这是一种基于物理的可微渲染器，可将明确的运动场景拟合到真实采集数据上。它把场景表示为带有材质、法向和速度的有向点，并将每个点溅射到距离和多普勒单元中，输出与真实雷达一致的原始复数回波。在HuPR和RT-Pose两个数据集上，重建结果的相关性指标均达到新的最优水平，用渲染数据训练的姿态模型在真实数据上的表现也优于基线方法。
看点提出可微点溅射渲染器拟合真实运动场景，用于毫米波雷达合成数据，在HuPR与RT-Pose上报告重建与下游sim2real差距的结果。
说明改进压缩 AI 智能体记忆中的局部与全局结构
简介论文研究如何压缩 AI 智能体存储的文本嵌入向量。作者指出，仅保持近邻关系的压缩不足以支持需要远距离比较的任务，并提出局部感知量化方法（LAQ），将远端排序约束作为目标函数用于码本训练。实验显示，LAQ 在多组测试中提升了全局保真度，并可扩展到一百万段文本。
看点提出基于全局保真度的可证明界并转化为量化目标的LAQ方法，在52次留出实验及百万段落规模上验证，对压缩记忆的远距离结构保持有启发。
说明发现能够影响他人的学习规则
简介在一般和博弈中，只追求自身利益的学习者可能得到对所有人都不利的结果。本文提出 DUOS（Discovered Update Rule for Opponent Shaping），通过元学习发现一种智能体更新规则，用以在一般和博弈中影响对手的学习过程。该规则只读取智能体自身的经验，无需访问对手的参数或策略，并以智能体的长期期望回报为优化目标。文中称这是首个在一般和博弈中为智能体发现更新规则的方法，并报告其在锦标赛中的归一化平均得分和自博弈表现排名第一。
说明重复社交互动中的文化适应：研究大语言模型能否通过反复互动逐步适应当地社会规范
简介该研究在沙盒环境中让大语言模型进行重复的社交互动，考察其能否通过互动学习文化规范。作者将文化适应看作通过社交互动持续吸收规范的过程，而不只是回答文化问题。结果显示，记忆机制有助于跨多次互动的长期学习，并能迁移到不同社交场景，同时在五种语言中实现多语言规范吸收。