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WorldFoundry：面向世界智能的统一基础设施
简介本文提出一种生成式世界模型的定义：一个能维持环境持久状态、随动作更新并生成时间连贯轨迹的预测动力系统。作者据此提出涵盖感知基础、状态建模、可控变换、动力学预测与闭环交互的框架，并发布开源基础设施 WorldFoundry，用于视频、3D/4D、具身动作和交互式世界系统的可复现推理与评测。该目录包含 270 个模型条目、74 个基准和 62 个指标条目。
说明海床嵌入表示的可靠性：合成孔径声呐上冻结编码器的重复视角测量
简介本文将预训练编码器对海底声呐图像的嵌入视为对同一目标的测量，研究其在重叠航线的不同视角下是否一致。作者用合成孔径声呐数据测试冻结的DINOv3编码器等表示，发现单视角指标和珊瑚线性探针表现良好，但同一目标的重复视角可靠性较差（dbICC为0.20）。探针学习的稳定方向ICC为0.60，几何因素只解释了不到十分之一的差异。
说明《Look Ahead》：具身智能中的搜索驱动推理
简介本文研究在机器人策略执行动作前，通过搜索评估候选未来走向的方法。作者在 PushT 任务中，对冻结的 ACT 策略使用束搜索生成动作块的扰动备选方案，并通过克隆模拟器状态的滚动评估打分。提出的 One Step Ahead（OSA）门控仅在预测覆盖率下降超过阈值时才启动完整搜索，报告的消融实验中在保持或提升成功率的同时，运行时间约减少为完整束搜索的三分之一。
说明BlenderFORGE：优化多模态大模型在Blender中响应式三维图形编辑能力的训练框架
简介该论文提出BlenderFORGE框架，用于训练可开放权重的多模态大语言模型智能体，使其通过生成Blender Python代码来编辑三维场景。框架涵盖物体放置、形状键编辑、灯光调整和材质修改四类可验证的编辑任务，并包括数据生成、确定性沙盒执行和两阶段训练流程。实验显示，基于Qwen3-VL-8B和Qwen3.5-9B的智能体明显优于其基础模型，在部分指标上接近若干零样本的专有模型。
说明级联圆形损失：面向分级法律检索的保序对比学习
简介本文提出级联圆形损失（CasCL），一种用于具有分级相关性的法律检索任务的对比学习框架。它结合用于区分正负样本的InfoNCE目标与一组排序边界，以建模查询与法律条款之间有序的相关性等级。框架还包含负样本感知的自步优化机制和相关性增益加权策略。在法律段落检索基准上的实验表明，CasCL在二元检索和分级排序指标上均优于InfoNCE、Circle Loss、MNRL和Margin MSE等现有方法。
说明BAPLe++：医学基础模型中提示后门的跨模型迁移与防御
简介论文研究医学基础模型通过提示学习适配临床任务时可能出现的后门攻击，即攻击者在少样本适配中植入后门，使干净数据表现正常而带触发器的输入被导向指定类别。作者首次研究了基于提示的后门跨模型迁移性，并提出防御方法DePLe，利用受感染提示作为固定锚点，在小型干净数据集上学习新提示以修复后门。在四种医学基础模型和六个胸部X光与组织病理数据集上的实验显示，后门会跨模型迁移但具有不对称性和数据集依赖性，DePLe相比四种免训练输入变换方法能更稳定地降低后门准确率。
说明ConwayNet：基于康威生命游戏式侧向抑制的神经网络可解释性、激活一致性与抗噪性研究
简介本文提出一种受康威生命游戏规则启发的可微分侧向抑制机制，根据层输入计算抑制与兴奋响应并以状态条件方式融合进激活图，规则参数固定而不参与优化。将其接入全连接、卷积、宽残差和图卷积网络后，激活图在空间、深度和随机种子间更一致，隐藏单元共激活图呈现空间结构。文中还报告，在标签噪声下，初始化相近的网络对测试图像的分歧减少为三十分之一，显著性图更集中于目标物体，对训练中未见的像素噪声的鲁棒性也明显提高。
说明基于凸凹分解与稀疏拓扑学习的骨骼临床评估统一框架
简介该论文针对基于骨骼关节点的康复评估，提出一种名为CC2-STG的多分支图卷积网络。模型将关节关系分解为互补的凸凹距离函数，并结合稀疏正则化与自适应拓扑来捕捉病理动作中的非解剖关节依赖。作者在KiMoRe和UIPRMD数据集上进行实验，报告其在临床病理动作评估上取得了最优性能。
说明面向干扰感知流式图像编辑的约束前瞻引导方法
简介本文提出一种无需反演、基于轨迹视角的流模型图像编辑框架。方法在每一步通过一步前瞻评估候选更新对编辑奖励和保真奖励的影响，并在显式保真约束下进行奖励驱动的修正，以缓解编辑目标与保真目标之间的梯度干扰。实验表明，相比现有强基线，该方法在保留原图内容的同时实现了更强的语义编辑效果。
说明AERO：面向在线RLHF的自适应集成分歧路由，用于样本高效的人类反馈查询
简介本文提出AERO算法，用于在线人类反馈强化学习（RLHF）。它用集成奖励模型的投票熵判断哪些上下文需要人工标注，其余上下文则使用模型生成的合成偏好标签。实验表明，在多种模型和规模下，AERO能在减少人工查询次数的同时保持有竞争力的对齐效果。
说明REINS：一种用于实时轨迹规划、可自我进化的智能体运行框架
简介该论文提出 REINS，一种为大语言模型（LLM）规划器设计的运行时框架。它将 LLM 的输出与学习得到的变量级动力学模型相结合，经校准谓词与前向推演验证后，整理为可索引的规则记忆，使熟悉场景无需再次调用 LLM 即可快速处理。论文报告，在不修改 LLM 权重的情况下，于战术决策层的仿真与真实场景基准上取得 98% 以上的合规率、约 50% 的碰撞减少，延迟为 1.9–4.6 毫秒，且 LLM 调用率随记忆积累而下降。
说明RoadState：面向工业级车道级地图更新的领域先验增强视觉语言系统
简介本文提出RoadState系统，将连续道路场景观测转化为结构化的车道级语义，用于百度地图的地图更新流程。其核心模型RoadState-VLM把道路场景理解建模为自回归状态估计，并引入基于语义依赖有向无环图的几何思维链（Geo-CoT）。在真实数据集上，模型在六个道路状态维度上平均准确率达94.33%，优于最强的微调视觉语言模型基线。系统自2025年3月部署以来已支持360多个城市，并使整体生产成本降低30%。
说明在受控采集条件下，从离线孟加拉文手写文字识别书写者的惯用手
简介该论文研究能否从离线孟加拉文手写样本中识别书写者是左手还是右手。作者使用自建的BanglaHand数据集，包含42名书写者（左右手各21人），在受控条件下采集文字并拍摄。实验对未见过的书写者进行测试，并用置换检验和光度对照排除干扰。结果显示，基于墨迹梯度的方法平衡准确率为77.4%；控制墨迹密度和亮度后仍为64.5%。
说明通过真实动手实现评估视觉语言模型的物理基础程序推理：以钩针编织为测试平台
简介本文提出用钩针编织作为检验视觉语言模型（VLM）程序推理能力的测试平台。研究者让模型根据一件基础钩织物的图片推断其制作方法并生成图案，再由人工照图案实际编织，检验成品是否与原物一致。在四个模型生成的40份图案中，只有4份没有错误，结果显示模型在视觉、几何和程序推理方面存在不足。
说明脉搏波形形态可编码卒中前的血流动力学特征
简介该论文利用重症监护（MIMIC-III，176 例）和急诊（MC-MED，154 例）两个队列中卒中识别前的连续光电容积脉搏波（PPG）记录，分析每次心跳的脉搏波形形态。研究发现，在 360 分钟的预测时长下，波形形态能区分卒中识别前与稳定时段，并在两个队列间保持一致，优于仅用心率的模型。作者认为，日常记录的脉搏波可能是一种候选的连续脑血管生物标志物。
说明面向开放式语言模型生成的可匹配性感知共形预测
简介大语言模型的回答往往缺乏校准的不确定性估计。本文提出CAELUM框架，通过多组澄清提示采样回答、按语义等价聚类，并用基于核的冯·诺依曼熵区分偶然不确定性与认知不确定性，再以划分共形预测校准非一致性分数，从而构建语义预测集。实验涉及30个模型与数据集组合（4至32B参数），在由轻量分类器学习到的分层中平均覆盖率为0.74，整体为0.65。
说明《拉格朗日大脑》：心智与机器的约束力学
简介该论文提出大脑遵循约束力学：世界、经验与目标都被视为对单一状态的约束，各由一个乘子作用并把状态拉回。作者基于此解释了若干神经生物学现象，并构建了一台无需梯度训练、仅用1000道已解数独训练的机器，它可以解出全部422,786道Sudoku-Extreme测试题，并在更大迷宫和更长字符串上完成规划与置换追踪。
说明基于选择性对比在线自蒸馏的微小证据区域定位
简介该论文针对多模态大模型在需要细微图像区域证据的细粒度视觉任务中表现不足的问题，提出选择性正负在线自蒸馏方法（SPN-OPSD），同时利用证据区域与背景区域进行监督，以增强模型抵抗无关区域干扰的能力。文中还采用选择性词元级蒸馏，使模型更关注证据区域。在Qwen3.5-2B上，V* Bench、ZoomBench和MME-RealWorld-Lite的准确率分别从76.44%、45.92%和57.43%提升至84.82%、54.56%和59.56%，Qwen3.5-0.8B上也观察到类似提升。
说明基于频谱图与CNN自编码器的加工振动信号单类异常检测
简介本文提出一种用于加工过程振动状态监测的单类异常检测方法，采用卷积神经网络自编码器。三轴振动信号经时频谱图转换并合成为三通道表示，仅用正常工况数据训练，依据重建误差识别异常冲程。文中还引入分段垂直误差（SVE）指标以提高对颤振等短时不稳定的敏感度。在约10,000次拉削冲程上，正常与异常工况呈现明显区分，并在一个公开车削数据集上进行了初步验证。
说明在一阶、二阶与零阶优化器中突破精度墙：一个预先设定的常数
简介论文研究优化器在信号按幂律衰减时的表现：强方向能拟合，弱方向却可能无法收敛，而平均损失掩盖了这一问题。作者用“精度墙”衡量弱方向在固定预算内达到5%误差的最陡衰减程度，并提出依据真实曲率或谱设定的常数规则。在低秩矩阵感知和二次函数等任务上，该规则在多种形状与种子下提高了精度墙，但在逻辑回归等情形下结果并不一致。
说明LIFT：面向少样本深度补全的局部度量对齐与基础模型引导传播方法
简介该论文提出 LIFT 框架，用于少样本深度补全，即仅借助少量目标域标注，从稀疏测量中恢复稠密的度量深度。方法利用冻结的预训练单目深度估计基础模型的深度与特征先验：先在粗网格上估计局部尺度和平移参数并插值成稠密参数场，再通过基础特征引导的多尺度深度传播逐步细化，最后用轻量残差解码器融合多层特征进行修正。作者称在 NYUv2 和 KITTI-DC 上取得了少样本场景下的最先进性能。
说明临床中的三维分割：一项大型挑战赛
简介本文介绍了一项分割竞赛的设置，任务是从计算机断层扫描中自动或半自动提取肝脏，并从脑部磁共振数据中提取尾状核。该竞赛以研讨会形式举办于2007年医学图像计算与计算机辅助干预会议。文中说明了组织竞赛的理由，描述了两项分割任务的训练和测试数据集，并介绍了用于评估分割结果的评分系统。
说明大语言模型在HAZOP研究中面对认知偏差时的行为评估
简介本文评估了大语言模型在危险与可操作性分析（HAZOP）中的表现，该方法用于防范工业过程中的灾难性事故。作者通过420次试验测试了三种前沿大语言模型对认知干扰的抵抗能力，结果显示模型抵抗了96.8%的认知操纵，整体易感性统计上无定论。不过，在低锚定和收益框架下出现了安全关键风险降级的情况，因此作者认为自动化危害分析需要审慎的人机协同验证。
说明定位并修复视觉语言模型轨迹规划中的领域偏移
简介该论文研究视觉语言模型（VLM）作为端到端自动驾驶规划器时，跨城市部署产生的领域偏移问题。作者通过激活修补分析发现，偏移在图像与文本token之间以及不同网络层之间呈现结构化分布。基于此提出MoLaRx方法，先定位偏移发生的模态与层，再针对性地用MMD、LoRA或冻结进行修复。在三个VLM和nuScenes、Argoverse 2两个跨城市基准上，该方法在六组主要实验中跨城市轨迹误差差距最小，且可训练参数减少50%至60%。
说明《No Second Run：递归自我改进能否延伸到前沿预训练？》
简介该论文探讨将递归自我改进（RSI）应用于基础模型的预训练阶段，此前公开的相关研究多集中于后训练。作者从零开始对一次完整的前沿预训练进行RSI改进，并将其拆分为多个可闭环的小循环。由此训练出的801-30B-A3B-Base是一个30B-A3B的MoE基础模型，在11.8T token上训练三个月，作者同时公开了模型与轻量SFT数据。
看点首次将递归自我改进应用于前沿预训练全流程，并将其拆分为可闭环的小循环；摘要报告在多项基准上与对比模型的结果，并开源模型与数据。
说明FedSGN：面向物联网异常检测的联邦稀疏格拉斯曼牛顿学习方法
简介该论文提出一种名为FedSGN的联邦学习方法，用于物联网异常检测。它在全局投影矩阵上施加ℓ2,0范数约束以去除特征冗余，并加入正交性惩罚以保持数据的内在结构。方法通过增广拉格朗日求解器结合半光滑牛顿法实现客户端并行更新。实验结果显示，该方法在降低通信开销的同时取得了较好的整体检测性能，源代码已公开。
说明基于IP交叉注意力重排的解耦风格化图像生成
简介本文提出一种基于IP交叉注意力重排的方法，实现风格与内容解耦的风格化图像生成。作者指出，扩散模型中风格表征与内容耦合，容易产生内容泄漏，且风格难以用文本描述。为减少内容泄漏，论文还提出受无分类器引导启发的负内容引导方法。
说明先置换后适配：从弱到强的对比式图文适配方法
简介论文提出 Permute-then-Adapt（PTA）框架，用于改进 CLIP 等图文对齐模型的对比学习。它借助高效的弱模型找出被误判为负样本的相关图文对，并通过随机配对参考分布的上尾（由显著性水平 α 决定）进行统计校准，以选取辅助正样本。随后用多正样本对比目标进行训练，实验报告在物体识别、跨模态检索和数据效率方面优于启发式软标签方法。
说明基于结构初始化的二次贝塞尔泼溅绘画渲染方法
简介本文提出一种面向笔触绘画渲染的框架，用二次贝塞尔泼溅解析建模连续弯曲笔触，并通过可微分的alpha合成进行渲染。框架包含前馈多尺度笔触解码器提供结构初始化，以及测试时笔触优化用于高保真细化。文中还提出单笔触审计机制，检查局部笔触质量，防止有缺陷的基元在优化中被叠加层掩盖而保留下来。
说明AbductionBench：评测大语言模型的溯因推理能力
简介本文提出统一的溯因推理评测框架AbductionBench，在涵盖十个领域的27个数据集上评测八个大语言模型，涉及单项选择任务。研究区分最终答案与可观察的推理过程，考察证据使用、假设比较与修订、信息获取等方面。结果显示，在简短证据下模型表现接近或优于小模型，但在较长案例上明显落后，且在被动任务中模型很少修改最初假设。
说明R-BED：面向系统级人工智能评估与持续保障的后果感知框架
简介本文提出R-BED，一套基于风险的可评估性设计方法规范，用于把技术失效、部署控制有效性和现实后果方面的证据与已部署AI系统的授权决策联系起来。该框架包含十三个诊断维度、失效中介的预期损失公式、证据状态与独立性等级、控制保障阶梯、五种授权处置方式及八条规则，并提出持续系统评估层。作者以一个合成的退款代理案例演示，指出仅看任务成功率可能遗漏关键控制缺陷。该方法尚未经过实证验证。
说明局部门控 ReLU 架构中的谱偏差缓解研究
简介梯度训练的神经网络会先学低频成分、后学高频成分，即谱偏差。本文在浅层 ReLU 模型中，对比最小二乘回归与 H^1 变分损失两种情形，提出用帽函数单位分解权重对 ReLU 特征加门控的局部字典。结果显示，对 L^2 回归，该方法能将频率学习速率的分散度从 1.9×10^5 降至 4.5；而对 H^1 刚度矩阵，门控无法消除偏差，只会颠倒频率顺序，需要配合预条件子才能解决。
说明PLS-GS：用于紧凑、贴合表面的高斯泼溅的概率激光雷达支架
简介论文提出PLS-GS方法，利用同时采集的相机图像和激光雷达数据构建3D高斯泼溅表示。方法用分层高斯混合模型对位置和颜色进行联合拟合，形成连续自适应的支架，并约束渲染高斯贴合激光雷达测得的表面。在五个大型室外场景中，该方法使图元更接近激光雷达测量点，图元数量明显更少，模型更紧凑且渲染更快。
说明幻觉引导的遗忘：利用幻觉痕迹揭示过拟合记忆
简介该论文提出幻觉引导遗忘方法（HGU），以大语言模型自身的幻觉作为诊断信号，定位缺乏依据的文本片段，并追踪一小组高责任度的MLP神经元，在保持效用的KL约束下对其进行编辑，实现选择性遗忘。论文称在TOFU基准上，HGU在遗忘效果与效用之间取得了最佳平衡；在WMDP辅助任务上，遗忘效果最强并同时提升了保留与MMLU得分。
说明限制视觉心智理论的是感知而非推理
简介本文研究视觉语言模型在以图像呈现的错误信念任务上表现远低于文本形式的原因。作者通过固定推理任务、只改变感知保真度的五条件协议，并用感知贡献比衡量各保真度缩小的差距，在抽象二维图形和三维游戏场景上测试了七个模型。结论是，结构化的视觉场景状态提取，而非信念推理，是视觉心智理论的主要瓶颈。
说明机器听觉：音频大模型能否超越人类听觉感知的泛化？
简介该论文提出机器听觉基准（MHB），包含6128个样本、13项任务和7个领域，涵盖采样率从约10^-5到10^6 Hz的输入。测试显示，现有音频大模型在此类任务上的零样本迁移能力有限，仅用机器听觉数据做监督微调也难以弥补差距。作者进一步提出轻量编码器扩展MachEar，使预训练音频大模型在机器听觉输入上表现更好，同时基本保留原有音频理解能力。
说明Transformer非平衡动力学的几何理论
简介该论文基于统计物理，为固定参数下Transformer注意力与词元表示的联合演化建立变分与几何理论。作者引入注意力的自由能，并用Fisher-Rao梯度流描述注意力权重的演化，证明在表示固定时softmax矩阵是唯一的自由能极小点，且所有正注意力轨迹都收敛到它。论文还给出了注意力动力学的线性化方法与耦合哈密顿系统，并证明了相关系统的全局适定性。
说明JoVox：用于轻量体素生成的联合分层流匹配方法
简介该论文提出JoVox，一种离散流匹配框架，学习体素各层级的联合分布，使粗粒度单元可以参考已生成的细粒度单元进行预测。框架还引入两级预测和重新揭示策略，以提高生成体素的精度。原文称，在无条件和图像条件体素生成上均优于基线方法，并与TRELLIS.2相比在训练吞吐量、前向计算量、GPU数量和Chamfer距离等方面给出了对比结果。
说明RetinaGuard：面向多疾病视网膜筛查的风险可控智能分诊框架
简介本文提出RetinaGuard，一个用于眼底照片自动分诊的智能体框架。质量、诊断、不确定性、验证和解释等智能体为每张照片收集证据，学习得到的失效预测器估计决策不安全的概率，并用共形风险控制确定接受阈值。在RFMiD测试集上，它在相同转诊预算和相同安全水平下优于基于置信度的转诊方法。作者指出，智能体取证的收益取决于主模型自身的不确定性已经能多大程度反映其错误。
说明TransMem：面向演变中个人记忆的变迁感知检索
简介这篇论文提出 TransMem，一种用于长期个性化智能体的记忆检索框架。它把用户偏好的更新记录为显式的检索单元，与普通事实记忆一起存储，并先检索事实锚点、再自适应地扩展到变迁记录。论文报告，在 PersonaMem 和 PersonaBench 上（基于两个 Qwen 骨干模型）优于代表性的检索类和结构化记忆基线，并认为偏好更新记录是长期个性化的有用检索单元。
说明RankShift：评估文档解析基准中排名的不稳定性
简介该论文研究文档解析基准的设计选择如何影响模型排名。作者以OmniDocBench为案例，在数据集构成、匹配策略和评分指标三个维度上比较16个OCR与视觉语言模型的排名稳定性。结果显示，匹配策略与真值格式的组合是排名不稳定的主要因素，而评分指标的选择最为稳定，因此排行榜不应只报告单一分数，还应说明排名在合理设计选择下的稳健程度。
说明MGE：一种针对扩散模型、由成员推断引导的训练数据提取攻击
简介该论文指出扩散模型的记忆特性可能导致训练数据泄露。作者提出成员引导提取框架MGE，将数据提取建模为以成员推断分类器输出为条件的条件生成，并引入对抗梯度与并行分支解码以提高成功率和效率。在图像生成基准上的实验表明，该方法能够提取数百张图像，提示需要更加重视扩散模型的隐私保护。
说明基于行为正则化与潜在可行性引导的安全离线强化学习方法（FOCAL）
简介该论文研究安全离线强化学习，即仅利用静态数据集学习既能最大化回报又满足安全约束的策略。作者提出FOCAL方法，将行为正则化策略梯度引入条件变分自编码器（CVAE）策略网络，并依据估计的可行性对目标进行划分优化，推理时根据状态的可行性动态调整潜在先验的尺度。在DSRL基准上，FOCAL在所有评估任务中均满足约束，同时回报与基线相当或更高。
说明异构非对称对比蒸馏（HACD）：跨架构知识蒸馏的新方法
简介该论文研究从Transformer教师网络向CNN学生网络等不同架构之间的知识蒸馏。作者提出异构非对称对比蒸馏方法HACD，将教师与学生的输出映射到共享单位超球面上进行关系结构迁移，而非逐样本模仿logits。该方法不增加可学习参数，在CIFAR-100和ImageNet-1K的多组异构模型对上取得较好的准确率。
说明从含缺失值的时序数据中学习异方差因果结构
简介这篇论文研究在多变量时间序列中同时处理缺失值、即时因果效应与异方差噪声的因果结构学习问题。作者提出Cheesefill方法，基于最优传输框架，用条件归一化流建模因果机制，并联合学习随机修正映射，将初始插补结果修正为与因果机制一致的轨迹。实验表明，该方法在不同缺失情形下都优于现有基线。
说明面向低光视觉任务的物理引导 TeX 生成方法
简介本文针对低光环境下可见光与红外图像融合的问题，提出 TeX-Gen 框架，从配对的可见光与红外图像中生成温度、发射率和纹理三类图。该方法还设计了无需像素级物理标签即可评估生成结果的 TeXMetric 指标，以及通过任务引导调整、在冻结生成器的同时联合优化任务网络的 TeX Tune 策略。实验在 FLIR、LLVIP、M3FD 和 MSRS 数据集上取得了有竞争力的任务性能。
说明任务关键部件对齐提升物体交互模仿效果
简介本文改进了用于物体与物体交互模仿学习的 DINOBot 框架。作者引入随机抽样一致性（RANSAC）剔除对齐阶段的异常值，并让语义对应聚焦于任务相关的交互区域。在拾取、插入、摇晃和倾倒等真实机器人操作任务中，相比基线，任务成功率整体提升 13.8%，对齐过程收敛也更快。
说明基于动力学的动作学习用于目标条件潜在规划：一种改进潜在世界模型视觉控制的方法
简介该论文针对潜在世界模型的视觉控制问题，指出训练时的教师强制与规划时递归预测之间的差距，以及规划初始化未利用动作条件动力学的问题。作者提出动力学引导的动作学习（DIAL），训练时加入滚动对齐和多步逆动力学监督，测试时自回归耦合逆向与正向动力学，为交叉熵方法（CEM）提供初始化。论文称在四个视觉控制基准的标准和长时程场景中，DIAL均优于现有潜在世界模型和规划基线。
说明Pandemonium：结合跨说话人交互的长时目标说话人语音识别
简介论文提出 Pandemonium，用于多人对话的目标说话人语音识别。它在长时 Parakeet 主干上加入说话人分离条件（DiCoP），并引入跨说话人注意力和 STNO 掩码修正器，使各说话人不再被孤立解码。研究还用伪标签流程从 YODAS2 挖掘 5.4k 小时多人语音进行训练，在多个会议基准上取得领先结果，并开源了模型与伪标签数据。
说明Delta 差距：扰动响应预测中全局相关性的系统性高估
简介该论文针对细胞世界模型预测基因扰动后转录组响应的任务，指出常用的全局皮尔逊相关系数会被大量无响应基因主导，从而严重高估模型表现。在 Replogle K562 数据集上，GEARS 的全局相关系数为 0.977，但 delta 相关系数仅为 0.076，低于仅预测训练集平均 delta 的简单基线（0.267）。作者提出以 delta 空间评估作为主要基准，并通过对齐训练等方法部分缩小差距，同时发现模型可在细胞系之间零样本迁移。
说明MMGraph-Agent：基于缓存启发式多模态知识超图的智能体式多模态检索增强生成
简介该论文提出MMGraph-Agent，一个统一的多模态检索增强生成框架，基于缓存启发式的多模态知识超图。它的超图构建极其轻量，无需API成本，并通过基于动态记忆的检索缓解长上下文问题。实验覆盖离线、在线及联合检索场景，结果显示在性能、效率和架构统一性方面均有提升。
说明STABLE：一种带自适应漂移控制的持续学习优化器
简介论文针对持续学习中新任务会覆盖旧知识（灾难性遗忘）的问题，提出从优化器层面解决的思路。作者证明，对基于距离的分类器，参数漂移有界时，在局部得分稳定条件下间隔侵蚀也有界。基于此提出STABLE，一种带自适应漂移控制的原始-对偶优化器，在漂移超出预算时增大对偶变量，否则减小。实验表明，用STABLE训练的普通参数高效微调基线可与专门的持续学习方法相当或更好，在多模态设定下还能保持零样本迁移能力。
说明FG-DSA：用于高效稠密预测的频率引导深度可分离注意力
简介该论文提出FG-DSA框架，在空间注意力中引入二维FFT高通滤波模块，注入频域先验，使轻量网络以线性复杂度恢复清晰的物体边界。实验显示其在语义分割任务中能稳定提升性能，并可作为模块用于扩散生成U-Net，以极少的额外参数和计算量改善生成图像的细节。
说明SHIN：面向增量式三维高斯溅射的可扩展分层方法
简介三维高斯溅射（3DGS）可实时合成高质量新视角图像，但不同设备和网络条件下的部署预算各不相同。SHIN 提出一种可扩展的分层表示：一个可复用的基础层，加上逐级叠加的增强层，使更高质量的版本是在已解码表示上扩展，而非替换。该方法基于多尺度位置-尺度敏感度确定统一的高斯顺序，并依据校准后的单位字节梯度分数，在每级预算中分配新增高斯与球谐（SH）外观频段。在三个基准数据集上，SHIN 逐步改进同一个累积表示，并在与多码率及渐进式基线的所有重叠对比中取得最佳的 PSNR 与体积效率。
说明MACaQ：面向低精度权重与激活的快速、模型无关校准量化方法
简介该论文提出 MACaQ，一种针对权重与激活均为 MXFP4（W4A4）的训练后量化方法。它对每个线性层独立处理，在线施加逐通道缩放和分块 Hadamard 变换，并将对应的逆变换吸收到权重中；配合 Flip-Refinement 基于 Hessian 的坐标下降，相比最近舍入量化进一步降低误差。论文报告其在 Qwen3-32B 上端到端仅增加 2.3% 开销，困惑度低于 DuQuant++ 和 MR-GPTQ，并能在 64 分钟内量化 122B 参数模型。
说明跨语言知识编辑中的几何瓶颈
简介这篇论文研究多语言语言模型的知识编辑在跨语言传播时效果下降的原因。作者用基于关联记忆的定位后编辑方法（如ROME、MEMIT、AlphaEdit）作为分析框架，把跨语言传播差距分解为键空间传播、平行残差失配和正交残差失配三部分。结果显示，主要瓶颈是较大的正交残差分量，并且通过对比对齐目标可以改善键空间传播与部分跨语言迁移，但数值失配仍是剩余瓶颈。
说明Agent2BIM：对现实捕获配置与先验模型用于竣工建模的系统评估
简介本文提出Agent2BIM，一种基于智能体的扫描到BIM框架，用于从现实捕获数据生成竣工建筑信息模型。作者比较了七种捕获配置（包括360度全景图、智能手机视频、智能手机激光雷达、地面激光扫描等），并以地面激光扫描验证的参考模型进行对照评估。结果显示，视觉证据与度量证据在该框架中具有互补作用。
说明VisProve：为科学文档问答学习带类型的视觉溯源
简介论文提出 ReViE 数据集，包含 3,941 个基于完整科学文档的问题，并标注页面、章节和区域，每处证据标为直接引用、压缩或推理三类。作者进一步提出 VisProve 方法，在生成答案与溯源信息时结合可微分的空间证据阅读与证据-答案关系反馈。在文档不重叠的测试集上，该方法相较联合监督微调提高了细粒度溯源指标，但带类型 F1 仍然很低。
说明同样的接触，不同的会场：会议形式对大语言模型群体影响的作用超出两两接触次数
简介该论文研究大语言模型智能体群体的模拟中，会议形式如何影响群体支持度。在保持成员、初始立场和两两接触次数不变的前提下，比较把三人组合并为五人会议与仅重新分组两种做法。结果显示，合并会议对群体支持度的影响明显更大，且具有稳定的方向性，而仅重新分组则没有明显方向；论文认为会议形式应被视为大语言模型社会模拟的重要变量。
看点提出以接触匹配干预检验LLM群体模拟中成对接触网络摘要的有效性，并以Jensen差距解释会议形式的影响；在六个开源LLM和14个辩论议题上报告结果。
说明边缘-云连续体中具备服务等级协议感知的任务卸载：类别加权深度强化学习与精确最优解的对比
简介本文研究物联网任务在边缘与云之间的卸载决策，不同任务有不同的时延上限。作者构建了四个足够小、可用动态规划精确求解的系统，以衡量强化学习智能体与最优策略的差距。结果显示，不区分任务类别的惩罚方式即使在完美学习者下成本仍高出65%至118%，而按类别修正的惩罚可将成本控制在最优值的0.13%以内。在较大系统中，智能体仍比最优值高出41%至76%，且延长训练时间无法缩小这一差距。
说明VAComp：面向移动观察者的视角感知全投影补偿
简介该论文提出VAComp，一种面向裸眼场景中移动观察者的视角感知投影补偿框架，可根据投影面的几何与光度畸变调整投影机输入图像。作者通过度量标定恢复SfM的全局尺度，并用两块棋盘格标定反向朝向的相机，提出两种非迭代混合方法VAComp-SD与VAComp-SI，单次前向即可输出补偿图像。实验表明两者补偿质量具有竞争力，其中VAComp-SD可实时更新，VAComp-SI可交互速率运行。
说明覆盖率校验的稀疏注意力：长上下文大模型解码的闭环质量控制
简介该论文提出覆盖率校验稀疏注意力（CVSA），用被选中词元所占softmax权重的比例（覆盖率）作为判断与修正的依据，形成免训练的先验证后修正解码流程。高覆盖率的草稿被接受，覆盖不足的注意力头才进行修正。论文报告在LongBench与RULER上的结果，在70B模型上与稠密注意力在统计上无显著差异，128K上下文下中位解码步速度提升可达6.21倍。
说明量化布尔公式问题的一种改进算法
简介量化布尔公式（QBF）是布尔可满足性问题（SAT）的量化版本，属于约束求解中的基础问题。本文提出一种基于记忆化搜索的新算法，可在 1.685^m·poly(n) 的时间和空间内求解含 n 个变量、m 个子句的 QBF。该结果是二十多年来对 Williams 所得 1.709^m·poly(n) 上界的首次改进。算法利用冲突图的最小顶点覆盖，并证明以此参数衡量时 QBF 可按切片多项式时间求解。
看点改进了Williams持续二十余年的1.709^m界至1.685^m，并把最小顶点覆盖冲突图思路推广到QBF；摘要报告给出算法与时间空间界。
说明Latent-WAM++：面向端到端自动驾驶的世界与动作表征塑造方法
简介该论文提出Latent-WAM++，一种以表征为中心的世界动作模型，用于端到端自动驾驶。它为世界表征和动作表征分别设计监督，使其与规划任务的作用相匹配。论文报告该方法在NAVSIM v2上取得90.1 EPDMS，在HUGSIM零样本评测中平均RC为47.0、平均HD-Score为30.1，并将训练成本从1,600 GPU小时降至190 GPU小时，降低88.1%。
说明DFT-Agent Bench：自主密度泛函理论计算中的脚手架效应与执行溯源
简介该论文提出 DFT-Agent Bench，包含200余项基于 Quantum ESPRESSO 的材料模拟任务，涵盖结构弛豫、电子结构、状态方程和弹性张量等流程。研究比较了接近原始的 ReAct 基线与内置 v5.1 脚手架在两种大模型上的表现，发现完整脚手架在能带与态密度、d 电子变胞弛豫等任务上有所提升，而弹性结果随模型不同而有明显差异。文中还设置了执行溯源检查，用于识别执行不完整或未标注的情况。
说明模型切换后的智能体身份保持问题
简介当大模型智能体的底层模型被升级或替换时，运营方通常会把相同的角色设定、记忆和规则重新加载到新模型上，并假设智能体行为不变。作者在12个受监管领域、用三个开源权重模型进行了5760次合规测试，发现不同的模型组合带来的行为偏移程度不同，即使外部状态完全相同。这种偏移用模型的口头表述无法察觉：每个模型都声称完全符合政策，但在压力下的实际决策却有差异。因此作者建议把模型切换视为需要基于行动层面实证测试的行为变化。
说明CONSTRAINER：基于约束条件的可提示图结构优化方法
简介该论文提出 CONSTRAINER 框架，把约束条件作为结构化输入处理：约束规范被解析为算子图，经图神经网络编码为约束嵌入，用于条件化共享的求解骨干模型。作者在电网优化和混合整数线性规划问题上进行评估，结果显示其解的最优性有所提升，并能更高效地实现迁移学习与泛化。
说明EndoSCOP-V：面向内镜报告与临床推理的多模态模型多轮视频理解评测框架
简介论文提出EndoSCOP-V，一个基于内镜视频的多轮问答评测框架，包含1,307段真实内镜与结肠镜视频（约63.2小时），问答由临床医生填写的结构化内镜报告生成。评测显示，最佳的27B级开源模型严格准确率为59.8%，15位专科内镜医师的基线为78%，多项子任务（如定量测量、多变量分级和干预推理）存在明显差距。
说明激活探针在读什么？评估多智能体共谋监测器的三个陷阱
简介该论文研究用于检测大语言模型智能体之间秘密共谋的激活探针。作者构建了包含2500个委员会场景和1476个代码审查场景的基准，加入了收到共谋指令却拒绝执行的智能体，以区分“被告知共谋”与“决定共谋”。结果显示，现有探针主要识别的是指令本身，并提出了三类评估陷阱及相应的测试协议。
看点新意在于区分指令与决策，揭示探针主要读取指令；在2500个委员会与1476个代码审查片段上验证，并提出测试协议。
说明NeuroHorizon：用层级记忆进行神经群体活动的长时程预测
简介本文研究如何预测神经群体活动在较长时间范围内的变化，比较了直接多步预测与自回归滚动两种方式。作者提出NeuroHorizon模型，结合基于事件的脉冲编码与因果解码器，并采用层级预测记忆，兼顾近期细节与较长程上下文。在猕猴运动皮层数据上，该模型在100至1000毫秒的四个时程上均取得了最高的前向预测分数，并引入计划采样以减少训练与滚动预测之间的偏差。
说明和简介生成中
说明Detent：近乎原生速度的批次不变 LLM 推理与 RL 采样
简介该论文提出 Detent 方法，使大语言模型推理引擎对同一请求的输出与同批其他请求无关，从而支持可复现评估、可验证推理和同策略强化学习。Detent 将内核选择表示为程序，只固定其中必要的少量值，并在部署前针对负载调优。实验显示，在 vLLM 和 SGLang 的多 GPU 部署中，其单输出 token 延迟为原生设置的 1.04 到 1.17 倍，而确定性模式为 1.67 到 10.3 倍。
看点新意在于把内核选择表达为可执行程序，只固定少数批次相关值；在vLLM和SGLang上实测延迟与确定性模式对比，并验证RL rollout逐位复现。
说明利用仅前向计算的高效大模型适配方法
简介本文提出一种只使用推理前向计算、无需反向传播的大语言模型任务适配方法。方法通过分析各奇异值分解（SVD）分量对隐藏状态角度集中度的贡献，找出适合降秩的权重矩阵，并保留低阶分量。原文称，该方法在多个数据集上准确率具有竞争力，理论分析显示峰值内存更低、加速效果优于基于梯度和穷举搜索的方法，并在参数量最高达 570 亿的多种大模型上表现出稳健性和泛化能力。
说明先推理后检索：面向长视频理解的假设引导关键帧选择
简介该论文提出HypoKFS，一种无需训练、可即插即用的方法，用于长视频理解。它先对稀疏采样的帧进行推理，形成初始假设空间；若答案不确定，则依据保留的假设挑选更具区分力的关键帧，再迭代推理与修正假设。实验显示，该方法在Video-MME、LongVideoBench和MLVU上多个多模态大模型中均有提升，最高提升6.7个百分点。
说明基于大语言模型编排的多模态番茄病害咨询聊天机器人
简介本文介绍一款通过自然语言交互辅助诊断番茄常见病害的聊天机器人。用户以文字描述症状后，系统给出最可能的病害、基础处理建议以及基于图像的推理。系统采用预训练的 Mistral 和 Llama 3.2 大语言模型，并使用 LangChain 与 Streamlit 构建轻量、可离线运行的界面。作者称实验结果良好，并计划进一步改进以便未来实际部署。
说明面向制造系统设计的智能体离散事件仿真：开源三维仿真器、基准测试与工业案例
简介该论文提出SimuLean，一个基于Unity引擎、可由AI智能体编程的开源三维离散事件仿真器。在18项制造建模任务的测试中，前沿智能体在108次尝试中构建出93个有效模型，在基准的接口版本上仅通过领域命令就构建了105个。在一个工业案例中，单个智能体依据已发表的研究重建并验证了机器人化焊接车间，将结果与参考模型比较后发现已发表模型中的一处错误，修正后两者误差在1%以内。
看点新意在于为AI智能体设计的开源3D离散事件仿真器，将建模语义预先验证并通过领域命令构建模型；在18个制造建模任务和工业焊接车间案例上评估。
说明临床文书中的AI：LLM生成内容对下游模型的影响
简介本文研究病历中由大语言模型（LLM）生成的内容如何影响读取同一病历的下游LLM。作者考察了两类问题：摘要累积导致的文本膨胀，以及把未确诊的鉴别诊断写入病历造成的诊断过度判定。在来自四个系列的七个读取模型上，实验发现LLM生成的摘要使住院病程生成质量略有但持续下降，注入的过度判定也会在下游输出中重现，且比例因模型而异。
说明InfoOrgBench：智能体能否把零散信息整理成连贯的层级结构？
简介这篇论文提出了InfoOrgBench基准，包含150个任务，要求智能体把会议纪要、议题讨论和设计方案等零散记录整理成层级结构。评估同时检查记录是否完整保留，并用结构分数衡量各层级与源层级结构的一致性。研究发现，上层归属关系的错误率高于底层分组，因此组织信息时需要单独评估高层关系。
说明RenAIssance：基于图注引导扩散模型的历史艺术视觉媒体生成
简介该论文提出RenAIssance流程，用BLIP为欧洲历史艺术作品生成场景描述，并利用DEArt数据集中约15,000组图文对训练一个紧凑的LoRA适配器，用于Stable Diffusion v1.5。该适配器使生成图像更接近历史艺术的分布，同时保留基础模型渲染新概念的能力。实验显示，在不同长度的历史与当代提示下，FID指标均有改善，CLIP图文相似度仅小幅下降。
说明MotionGraphicsBench：用程序化验证评估动态图形生成
简介该论文提出 MotionGraphicsBench，一个由专家整理的基准，包含 100 个实例，要求模型根据动作编辑提示为输入的静态 SVG 添加动画。每个实例配有确定性的可读验证程序，判断哪些要求通过或未通过，而非与参考动画比较或使用视觉语言模型评判。在 180 个动画的测试集上，该验证程序与人工判断的一致率为 93.3%。论文还报告了 32 个大语言模型的 pass@1 结果，以及 15 个模型的 pass@32 结果。
看点新意在于用可执行的确定性验证程序替代参考动画或VLM评判；在100个实例上评测47种配置，并与人工判断对比。
说明面向无线信道的接收端分辨率APS-PDP图谱：基准测试与由粗到细建模
简介该论文提出了UrbanADPSMap基准，将射线追踪数据转换为固定网格的角度功率谱（APS）和时延功率谱（PDP）目标，并考虑带宽和阵列孔径的限制。在此基础上提出了SpecFlowAR，一种基于多尺度自回归流匹配的由粗到细生成模型，先捕捉粗略的色散结构，再细化波束相关峰值和低功率尾部。论文称，在统一的NFE=80预算下，该模型将BPL@5降至2.03 dB，并降低了3GPP色散统计量的误差。
说明基于时间序列分析的固体废弃物产生量预测建模
简介本文利用斯里兰卡2012至2018年的城市固体废弃物真实数据，比较了SARIMAX、Prophet、LSTM和GRU四种时间序列预测模型。研究分析了节假日、周末、季节、温度和湿度等因素对废弃物产生量的影响。结果显示，节假日和周末产生量较低，夏季和冬季较高，季风季和后季风季相对较低；温度和湿度与产生量没有直接的线性关系。在所评估的模型中，LSTM和SARIMAX整体预测效果最好。
说明EgoVeil：面向第一人称视频的个性化隐私推理
简介该论文提出EgoVeil系统，用于第一人称视频（如智能眼镜拍摄的画面）中的隐私保护。系统根据用户个人偏好决定哪些视觉内容需要遮挡，同时保留对下游辅助功能有用的上下文。系统结合隐私推理器与用户专属记忆，并随偏好信息积累持续适应。在10名智能眼镜用户的真实数据上，EgoVeil的平衡准确率为91.93%，遮挡召回率为84.42%，优于直接使用视觉语言模型的基线方法。
说明扩散大语言模型的全局上下文引导方法（Global Context Guidance，GCG）
简介该论文分析了扩散大语言模型在去噪过程中如何利用上下文信息，发现模型更依赖局部上下文，而对全局上下文利用不足。基于此，作者提出全局上下文引导方法GCG，在特征空间中增强全局上下文的利用，且无需构建显式的弱模型。在LLaDA-8B、Dream-7B和LLaDA-1.5上的多项基准实验中，GCG优于现有引导方法，且推理开销更低。
说明ROLECUE：诊断视觉语言模型的跨语言角色绑定失败
简介该论文提出ROLECUE诊断基准，用192张双人动作图像配合德语、土耳其语、日语、英语、韩语和孟加拉语的句子（含标准与宾语前置两种语序），检验视觉语言模型能否把图像中的施事与受事结构与语言中的语义角色对应起来。研究评估了八个开放权重模型，发现部分模型存在组件层面的短板，部分模型出现对所有内容一律认可的现象，多数模型在单独识别角色正确、却无法在联合推理中保持正确。最大的非退化差距达44.9个百分点。
说明理解视觉注意力在卷积神经网络中的作用：决策空间对齐视角
简介该论文提出一个决策空间框架，把乘性注意力视为对中间特征的扰动，并推导其对目标类与竞争类分类间隔的一阶预测。作者还提出决策对齐分数（DAS），用于衡量扰动与局部间隔梯度之间的方向一致性。实验在CIFAR-100上使用SimAM和CBAM，覆盖五种CNN骨干网络，结果显示多数配置下预测与实际间隔变化吻合较好，且DAS与实际间隔变化呈正相关；注意力位置越靠后，这种关联越明显。
说明深度反向多步高阶回归方法：用于高维非线性抛物型偏微分方程
简介本文提出一种深度反向多步高阶回归方法（MHDBR），用于求解半线性抛物型偏微分方程，依据其反向随机微分方程表示进行数值求解。方法结合多步时间离散与由条件期望构成的回归目标。在一定的正则性与网络相关假设下，作者给出了误差上界，并将时间离散、条件蒙特卡洛采样与神经网络逼近的误差分开讨论。该分析假设总体最小化可精确实现，未包含有限训练样本的泛化误差与优化误差。
说明像素优于符号：感官真实性提升认知模型与人类行为的一致性
简介本文比较了抽象符号输入模型与感官真实模型在一系列依赖记忆的决策任务上的表现。结果显示，感官真实模型的行为反应模式比抽象模型更接近人类，但与人类内部行为一致性仍有明显差距。研究还发现，感官输入本身对模型与人类行为的一致性贡献显著，其作用超过序列结构的选择。
说明基于最优传输与信息几何应对机理-AI耦合动力系统中的不确定性（第一部分：分布学习）
简介本文针对机理与AI耦合的动力系统，从最优传输和信息几何的角度给出系统的数学框架，用于处理数据噪声、稀疏和部分观测带来的不确定性。作者把不确定性量化问题表述为黎曼度量下概率密度空间上能量泛函的极小化，并统一描述了Wasserstein度量与Fisher-Rao度量等情形下的梯度流。文中还提出用抽象伴随灵敏度分析求解这些梯度流的数值方法，并在相同计算预算下比较了后验近似与预测不确定性。
说明ZARA：从单张图像零样本重建可动画、可重新打光的三维人体虚拟形象
简介该论文提出ZARA框架，无需针对特定人物优化，即可从单张图像前馈生成可驱动动画的三维高斯人体形象，并同时恢复其材质属性。方法结合预训练的大规模人体重建模型与材质Transformer，并采用伪材质标签进行训练。实验表明，ZARA可在数十秒内完成重建，在重新打光质量和材质泛化能力上优于现有基线，并支持直接编辑外观材质。
说明无需 QK 归一化的大语言模型：一种保留幅值信息的查询-键投影方法
简介本文指出，现代大语言模型常用的 QK 归一化（QK-Norm）会抹去查询和键的范数所携带的幅值信息。作者提出 QK-MAP，用多个可学习频率把幅值变化编码为有界的相位模式，在控制注意力对数增长的同时保留幅值敏感性。实验覆盖 190M 至 7B 参数规模，结果显示其训练和验证损失低于标准注意力与 QK-Norm。
说明和简介生成中
说明onǎ：共享嵌入与绑定输出层的双表语言模型参数化方法
简介该论文提出 onǎ，一种双嵌入表的语言模型参数化方法，在保持输入与输出权重共享的前提下，让输出层由两张表的 softmax 分布混合而成，以提升输出表达能力。混合权重由当前输入词元决定的门控给出，可在推理时预先计算。作者在 Dense、Gated DeltaNet 混合、混合专家及 Attention Residual 等架构、142M 至 1B 规模上进行了评估，多数比较中验证损失与困惑度有所下降，下游任务平均准确率有所提升。代价是多一张嵌入表和一次额外的词表投影。
说明YRC-Bench：通过三层语义桥接评测面向历史文化遗产的文化感知机器翻译
简介本文提出YRC-Bench，首个面向历史文化遗产翻译的人工整理多平行基准，涵盖古汉语、现代汉语及九种外语。基准构建了包含现代解释性注释的三层平行语料，并通过文化可译性分类的成对保留与替换文化专有项进行翻译策略评测。实验显示，利用现代汉语注释（尤其是人工整理的注释）可显著提升词汇准确性与语义充分性。
说明结合零样本强化学习的元强化学习
简介该论文提出MetaBFM，一种结合行为基础模型与元强化学习的混合方法，用于让智能体在测试时适应新的奖励函数。训练时它把有监督的奖励跟随与无监督学习相结合，测试时可在探索、利用和零样本奖励推断之间插值。论文称该方法能恢复有监督元强化学习的分布内性能，并能泛化到训练集之外的奖励函数。
说明《看见还不够》：用 TIGER 弥合视觉输入与推理之间的差距，提升多模态模型的视觉推理能力
简介论文发现，多模态大模型能读出图像中的文字，却难以像处理纯文本那样对图像进行推理，作者将其称为“模态推理可达性差距”。为此提出 TIGER 方法：先挖掘模型能解答文本题却在对应渲染图像上失败的合成样本，再用 GRPO 及 SFT、DPO 变体训练模型处理图像输入。仅用合成的渲染文字图像训练，模型在多项真实视觉基准上均有提升，并能与现有 RLVR 视觉推理方法叠加带来进一步增益。
看点提出模态推理-访问鸿沟并以合成反事实数据训练弥合，在多个真实视觉基准上报告提升，并与现有RLVR方法互补。
说明面向连续噪声标签回归的双粒度学习方法
简介该论文关注回归任务中带有连续噪声标签的学习问题，指出标签噪声幅度因样本而异，既需要对小到中等偏差做实例级修正，也需要对大偏差依靠样本间的序关系。作者提出GRAIN框架：细粒度层面通过稳健损失推导残差学习机制并引入实例辅助变量；粗粒度层面采用基于分箱的对比正则化，使特征结构与标签接近程度保持一致；两层之间通过直方图桥接机制双向传递信息。实验结果显示，该方法在多种噪声条件下均能提升鲁棒性和泛化能力。
说明HSGNav：面向物体搬动的多尺度终身导航假设场景图
简介论文提出假设场景图（HSG），将持久的3D家具实体与可修订的台面小物体假设分开保存，以便在物体被移动后局部更新而不重建整体结构。基于此的HSGNav将其用于多尺度终身导航，检索、探索与验证相互配合，并提出FAROS-Bench基准以评估中途搬动物体和多尺度查找。实验显示其在GOAT-Bench上具有竞争力，在FAROS-Bench上明显优于先前方法。
说明选项内拟合Q评估：从非分层数据评估分层策略
简介本文研究如何在不与环境额外交互的情况下，用历史数据评估分层策略的期望回报。作者提出选项内拟合Q评估（IO-FQE），在增强的状态-选项空间中估计价值函数，即使数据中没有记录执行了哪个选项，也能评估分层策略。实验表明，该方法消除了直接套用拟合Q评估所带来的偏差，并且在长时域连续控制任务中均方误差明显低于选项级重要性采样。
说明AFVE-Bench：衡量多轮大模型修改中“被弃用框架的言语泄露”错误
简介该论文提出“被弃用框架言语泄露”（AFVE）问题，指模型在多轮修改中采用了新框架，却仍在成品中暴露已被替换的旧框架。作者构建了AFVE-Bench基准，包含中英文共192组四轮对话，覆盖八个写作领域，并对11种模型配置进行人工双标注评测。结果显示，在有历史请求的回复中，AFVE出现率为25.54%，且采用目标框架的回复里仍有19.77%暴露旧框架，多以对比式表述出现。