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）。
说明快速遗忘：面向真实人脸识别的快速激活衰减高效机器遗忘方法
简介本文提出快速激活衰减方法（RAD），用于大规模开集人脸识别模型中删除指定身份的数据影响。该方法通过比较待遗忘与保留身份的平均神经元激活差异，并以敏感度可控的衰减机制抑制与目标身份最相关的神经元。作者还提出遗忘分数（FS），在表示空间中给出遗忘的概率性解释。多种近期大规模人脸识别架构和数据集上的实验表明，RAD 能有效遗忘，同时保持模型整体效用并大幅加快遗忘速度。
说明CHANNELS4WORLD：面向无线基础模型的大规模环境数据集
简介本文提出Channels4World数据集，包含10万个不同的室外射频场景及其生成方法。每个场景包含32个基站位置、16,384个用户终端位置，以及3.5和7 GHz下对应的多径与交互记录。数据集支持按场景划分训练集与测试集，并通过实验分析了衍射、路径保留策略对数据的影响，以及训练场景数量对模型泛化能力的作用。
说明Flex-DDCM：基于扩散轨迹引导的零样本面向任务图像压缩
简介该论文提出Flex-DDCM框架，在无需压缩专用训练的情况下，通过扩散轨迹引导实现面向任务的图像压缩。方法以Turbo-DDCM为基础，利用任务引导的噪声选择调整编码的扩散轨迹，使任务引导的效果嵌入压缩表示中。实验显示其在像素保真度、感知质量和下游任务性能之间可灵活权衡，性能与训练过的面向任务编解码器相当，且解码速度快于Diff-ICMH。
说明越南法律本体：每个法律答案都能追溯到其依据的条文
简介论文构建了一个越南法律知识图谱，将公开的问答语料与法律文件关联，使每个节点和关系都能追溯到来源记录。图谱包含约1150万个节点和1600万条边。研究发现，在可解析引用的78,361个答案中，约36%引用的法律已不再生效，并找出大量引用版本或条文编号存在问题的情形。
说明所有策略线性可实现条件下计算高效的离线策略优化
简介本文研究有限时域马尔可夫决策过程中的离线策略优化。假设每个确定性马尔可夫策略的动作价值函数都可由已知特征线性表示，且系数范数不超过B。算法基于一条未知马尔可夫行为策略产生的独立完整轨迹，在所有策略占用覆盖条件下运行，每层只做一次凸回归，样本依赖为平方反比于精度，计算复杂度对B呈对数多项式。
看点新意在于仅需确定性策略的线性可实现性即可达到多项式计算复杂度，并给出紧的样本依赖；摘要报告了算法保证与两动作下界，影响主要限于离线强化学习理论。
说明GenRM-Flow：流匹配中的生成器即过程感知奖励模型
简介该论文提出 GenRM-Flow 框架，让经过偏好微调的视频生成器直接在含噪潜空间中充当奖励模型，奖励由连续时间速度预测误差的相对差值得出。作者从理论上说明 DPO、IPO、RWR 等不同微调目标都指向同一最优策略。该生成式奖励可替代外部视觉语言模型打分器，并在视频生成任务上带来可衡量的提升。
说明用ACT-R建模个体与条目差异对非典型性推断的影响
简介本文研究人们在听到高度可预测事件的表述时，为何会推断该事件不寻常并寻找解释。作者提出一个资源理性的认知模型，依据个体的探索倾向和条目层面的预设倾向来选择理解策略。模型参数分别由瑞文推理测验得分、事件典型性评分和基于语言模型的解释可能性估计，结果可预测不同个体与条目的推断率差异。
说明用稀疏自编码器拆解地球嵌入表示
简介地球观测基础模型生成的全球米级分辨率嵌入向量，各维度混杂了不相关的物理概念，难以解释。本文提出用稀疏自编码器将其分解为稀疏、近似单语义的特征，并设计了针对卫星像素的评估方法，包括重建精度、与参考概念的对齐程度和空间尺度。结果显示，稀疏自编码器在相同稀疏度下重建AlphaEarth和Tessera嵌入的效果优于各基线，其特征与参考概念对齐的数量远少于原始维度。
说明基于答案的检索偏差
简介论文发现稠密检索模型存在“以答案搜索”的偏差：它们更倾向于选择提到模型已知答案的段落，而非支持其他有效答案的段落。作者在LAMA/TREx的受控事实对比上，对八种检索模型进行了测试，结果显示模型对答案的打分会预测段落排序，即使段落表达的是错误关系也是如此。
说明和简介生成中
说明正交更新助力加速自适应极小极大优化
简介本文针对机器学习中的极小极大优化问题，提出正交更新框架以减少更新的各向异性，提升训练稳定性。作者进一步设计了自适应步长规则AdaSGDA，并将其用于非凸-强凹极小极大优化，使方法无需依赖问题相关的参数调节。文中证明该方法达到O(T^{-1/4})收敛率，其方差缩减变体AdaSGDA-VR达到O(T^{-1/3})收敛率。实验表明，两种方法与现有极小极大优化方法相比表现具有竞争力。
说明跨语言概念子空间的读取、迁移与擦除：孟加拉语习语研究
简介本文研究冻结编码器中跨语言概念子空间的保留、分类器迁移与擦除。使用10,359条孟加拉语习语义项，比较类均值方向与随机子空间、置换标签等对照基线，并考察英语训练的读出器能否迁移到孟加拉语。结果表明，类均值方向在多数检验中显示出较一致的粗粒度共享含义，但擦除效果与读取并不总是一致。
说明比较迁移学习中密度估计在巴拿赫、希尔伯特与欧几里得空间中的表现
简介本文针对领域自适应方法大多依赖希尔伯特几何（用对称的L2散度度量分布差异）的局限，提出巴拿赫流形迁移学习（BMTL）。该方法将特征嵌入测地流形，并用L1范数的密度匹配正则项，使其最小化等价于收缩总变差距离。在MNIST-USPS、COIL20和Office+Caltech10上，L1变体在各项任务中都优于对应的L2消融版本，例如USPS→MNIST上为92.44%对比89.80%。
说明预测性能能否转化为因果性能？将表格基础模型作为因果效应估计中的干扰项学习器进行评估
简介该论文评估了基于先验数据拟合网络（PFN）的表格基础模型，能否在双重稳健估计中作为倾向得分和结果回归的干扰项学习器，用于平均因果效应的估计与不确定性量化。研究在不同混杂复杂度和效应异质性的合成与半合成数据上，将PFN与传统学习器进行比较。结果显示，在复杂场景中PFN的准确性和置信区间覆盖率优于包括Super Learner在内的传统方法，但在小样本和高维场景下，未使用交叉拟合时覆盖率较差。
说明基于得分的熵最大化自监督防坍缩方法
简介本文提出熵正则化方法EBReg，在自监督训练中利用潜在空间的得分模型约束潜在分布，防止表示坍缩。该方法同时学习编码器和潜在得分模型，并可在测试时用得分模型把受损表示修正到训练时的潜在分布。论文报告其在ImageNet-1K上以ViT-L取得75.57%的线性探测准确率，并在ImageNet-C上带来约5%的平均相对准确率提升。
说明SegDis：先分割前景再判别类型的显著与伪装目标检测方法
简介该论文研究显著目标检测（SOD）与伪装目标检测（COD）的联合任务，指出现有方法通常只输出二值掩码而无法区分目标类型。作者提出SegDis，将输出拆分为前景概率和前景条件下的类型概率，分别用两个机制处理，使前景召回与类型判别的错误可以分别诊断。在USC12K数据集上，使用PVT-v2-B2骨干网络，SegDis的FG-mIoU为68.98%，mIoU为78.35%，参数量约为USCNet的八分之一。
说明基于大语言模型的多准则深度强化学习，用于动态高效的5G UPF选择
简介本文提出一种深度强化学习方法，用于5G网络中用户面功能（UPF）的选择。该方法使用动态的多目标奖励函数，并以大语言模型转译网络运营商意图，结合网络数据分析功能（NWDAF）的异常告警作为输入。论文在真实的5G仿真平台上验证了该方案，结果显示其在时延、功耗与流量分布之间取得较好平衡，比启发式基线和固定的深度强化学习方法高出16.89%。
说明D3Tree：学习裁剪块扩散草稿树以高效验证
简介该论文提出 D3Tree，用于推测解码中的块扩散草稿树。方法训练一个小型预测头，估计每个候选节点的存活概率，并据此保留祖先闭合的子树，使树的大小随每个请求和解码轮次自适应。在高并发负载下，系统按预测存活概率在整个批次内分配节点预算。论文报告其在多个视觉语言验证器和17个基准上整体最快。
说明BiVerify：打通数学自我修正中的反向与正向验证
简介论文提出BiVerify框架，用于大语言模型数学推理的双向验证与自我修正。系统先用反向验证对照原始约束检查答案，再用正向验证检查推理过程，两者结果决定方向切换与重新验证，直到同一候选答案通过双向检验。作者在五个数学推理基准上用多个主流模型测试，平均准确率比所评估的最强公开基线高13.5个百分点，在GPT上差距达31.2个百分点，且整体表现优于单独使用任一验证方向。
说明MG-Cache：面向扩散 Transformer 推理加速的多粒度缓存方法
简介本文提出一种名为 MG-Cache 的多粒度缓存方法，用于加速扩散 Transformer（DiT）的推理。该方法完全无需训练，在时间步和 Transformer 层两个粒度上利用计算冗余。其核心是两阶段策略：先通过离线时间步分析找出可复用缓存的冗余时间步，再结合各层输入稳定性与重要性，自适应地缓存稳定的 Attention 和 MLP 子模块。实验表明，在主流开源 DiT 模型上可显著加速并保持与未缓存输出的高度一致，在 HunyuanVideo 上最高加速 4.18 倍。
说明OOM：基于内存与执行协同设计的卸载优化全参数MoE训练
简介该论文提出OOM系统，用于在单个多GPU节点上全参数训练大规模混合专家（MoE）模型。它通过协同设计专家执行与内存分配，将模型状态卸载到主机内存，并联合规划专家驻留与激活保留。在四张H100上，OOM可支持1M令牌上下文，而对比系统在512K时即耗尽显存；在四张RTX 4090上，其吞吐量相较CPU卸载的FSDP2几何平均提升1.58倍和4.08倍，主机内存占用最低可仅为FSDP2的约1/3。
说明NuJEV：用结构化视觉判断实现一致的细胞核计数
简介该论文提出 NuJEV 方法，用于在 Qwen3-VL-2B 模型上完成细胞核的定位与分类，而不是直接生成计数文字。模型联合训练视觉 LoRA 与并行检测头，预测细胞核的存在、中心位置和类型，计数由预测结果得出。在 2,732 张 PanNuke 测试图像上，其五次查询平均绝对误差为 1.844，密集图像上为 5.268。
说明AOP-Smart-Finder：从大规模文献中发现不良结局通路并映射证据的人机混合框架
简介该论文提出一个高通量人机混合框架AOP-Smart-Finder，结合大语言模型、AOP-Smart检索增强生成技术和Python自动化，用于从大规模文献中发现生物事件、挖掘关系并构建不良结局通路（AOP）及证据图谱。研究以邻苯二甲酸二（2-乙基己基）酯（DEHP）和肌萎缩侧索硬化症（ALS）为案例，经人工整理和证据权重评估后，ALS案例最终构建出包含16个关键事件和23个关键事件关系的机制网络。
说明面向标准作业流程智能体的技能上下文分离
简介标准作业流程（SOP）为便于人阅读而写得简洁，导致根据它生成可执行技能的大语言模型智能体缺少自动化所需的隐性知识和实现细节。本文提出将SOP与上下文知识（CK）分开管理，并采用区分真实违规与可由CK解决差异的契约感知评估方法。在八个源自Indeed的工作流上（单一大语言模型），功能等价率从12%提升到58%；在三种SOP修订扰动下，先前提取的CK已覆盖新出现的自动化缺口的79.5%。
说明空间约束工具：借助物理引擎把空间推理锚定在可执行的世界状态上
简介该论文提出 Spatial Harness，把场景表示为显式、可执行的世界状态，由物理引擎提供反馈来支撑空间推理。系统先将问题中的场景约束与视觉估计整合到共享坐标系中放置物体和相机，再在物理引擎里执行视角变化并利用计算结果与渲染视图指导推理。在 MindCube 上，Qwen3.5-27B 的准确率从 52.70% 提升到 71.14%，并在给定相同标注位姿时达到 98.25%，高于模型内部推理的 71.81%。
说明冻结权重的智能体自我改进：失败轨迹的增益与局限
简介该研究考察AI智能体的“外围笔记”（harness）能否从其失败轨迹中学习，并与不接触失败记录的同等搜索过程对比。使用权重固定的开源90亿参数模型，由更大的教师模型撰写笔记。在生成的客服决策任务中，基于失败的笔记比不含失败信息的笔记准确率高4.0个百分点，但仅搜索并保留得分更高的笔记这一过程就达到总增益约60%。在完整客服对话中，这些笔记未显示出可证实的改进。
说明OPSRL-SSP：具有极小极大最优遗憾界的乐观后验采样随机最短路径算法
简介本文研究转移动态未知的随机最短路径（SSP）问题中的在线强化学习。作者提出OPSRL-SSP算法，在分段中按对数时间表抽取后验样本，并引入带乐观边界值的伪状态以实现乐观性。该算法给出高概率遗憾界，其主导项与极小极大下界一致，并把分析推广到一般零成本SSP。
看点提出乐观后验采样SSP算法并给出与极小极大下界匹配的主项遗憾界，解决了后验采样方法的开放问题，理论证明可信，影响限于强化学习理论子领域。
说明门控应该看哪里？对角状态空间模型中输入门控与状态门控的比较
简介本文研究对角状态空间模型中的记忆更新门控应依赖当前输入、循环状态，还是两者兼顾。作者从理论上证明：在标量模型中，状态门控能够解决任意词表大小和序列长度的归纳头任务，而在标准稳定性假设下，输入门控在某个有限实例上失败。实验显示，状态门控在高维模型的归纳头任务上保持优势，输入门控在选择性复制任务上表现更好；两者结合时整体性能最强。
说明MoT3DVG：面向户外三维视觉定位、带运动感知描述与时序线索的基准数据集
简介该论文提出了MoT3DVG数据集，用于户外动态场景中的三维视觉定位，即根据语言描述在三维场景中找到对应物体。数据集包含来自nuScenes的850个场景、31,128帧，并提供144,568条针对动态物体的运动感知语言描述。论文还提出DynaVG框架，通过短时窗口编码和长时窗口移位对局部运动与全局时序进行建模，实验显示其在该数据集上取得了领先的性能。
说明CVaR深度最优停时：面向风险敏感停时问题的深度学习方法
简介本文针对风险敏感的最优停时问题，以停止后收益的条件风险价值（CVaR）为目标，提出理论框架与算法DIOS（分布感知最优停时）。方法利用停时问题的结构性质，在无需状态增广的情况下证明马尔可夫最优性，并推导路径梯度估计器。实验基于24组Bermudan max-call配置，DIOS在所测试的CVaR基线中取得最高平均CVaR且训练时间最短。
说明和简介生成中
说明基于条件扩散的代理表征恢复方法：缺失SLO模态下的术后矫正视力预测
简介该论文针对白内障手术前多模态数据中扫描激光检眼镜（SLO）图像常缺失的问题，提出一种条件扩散模型方法。该方法在潜在特征空间中恢复SLO代理表征，以OCT图像与临床文本的融合特征作为条件，再将其接入多模态融合网络预测术后最佳矫正视力。在2141例样本（SLO缺失率58.80%）上，该方法在绝对误差0.1 LogMAR内的准确率为0.9714，平均绝对误差为0.0423。
说明传感器故障时的预测区间覆盖率审计：基于不完整传感器记录
简介该论文提出一种测量记录审计方法，用于检验传感器中断期间预测区间的覆盖率缺陷。该方法将发布时的中断时长、原始目标可用性与时间一致的统计证据相关联，并把覆盖数与计分数的上下界投影到累积条件期望覆盖率上。论文在交通和空气质量数据上给出了汇总结果，例如在METR-LA数据中，仅7.6%的长间隔预测其原始目标被观测到。
说明超越相似性熵：面向视觉Transformer的秩引导无数据量化框架
简介视觉Transformer（ViT）计算与内存需求大，难以部署到移动设备上。该论文提出RankQ-ViT，一种秩引导的无数据量化框架，在不接触原始训练数据的情况下，通过让合成样本具有更丰富的特征多样性来生成量化校准样本。实验在ImageNet、COCO、ModelNet40和ShapeNet上进行，结果显示该方法在多种架构和任务上有效，尤其在低比特量化下表现突出。
看点用秩引导和块级自对比目标替代相似度熵生成校准样本，并在ImageNet、COCO等多数据集上报告了效果。
说明先验证再取回：面向大语言模型推理的可靠KV缓存压缩
简介论文提出VerKV方法，在GPU上保存少量与查询无关的关键词元及KV缓存的草图，完整缓存保留在CPU内存中。推理时先估计注意力计算的相对误差，若满足用户指定的(ε, δ)容差则不访问主机内存，否则再从CPU取回更多词元。论文还提出了采样方法PoissonComp，并报告在32K上下文长度下可达到稠密模型90%至100%的质量，同时GPU内存占用降低8至32倍。
说明PROLA：用于预测性时空天气降尺度的主方向-正交低秩适配方法
简介本文提出预测性时空天气降尺度（PSWD）任务，即根据近期粗分辨率天气状态，同时提升空间与时间分辨率并预测未来高分辨率轨迹。作者采用共享的预训练骨干网络、固定数值支架和轻量残差头进行空间与时间两阶段预测，并提出PROLA方法，在预训练权重的主方向与正交补空间之间分配固定的低秩预算。实验显示PROLA优于代表性的低秩适配基线方法，在其他数据集和任务上也有效。
说明ReGKG-2025：为2025年6月14日至7月2日GDELT全球知识图谱缺失期间重建的兼容数据集
简介GDELT数据采集管线在2025年6月出现中断，导致全球知识图谱（GKG）出现空缺。本文通过Common Crawl和Wayback Machine回收新闻文章，重建了覆盖全部1,665个缺失批次的281,620条文章记录，并转换为GKG 2.1的27列格式，附带来源、存档位置及人工审核记录。该数据集适用于回溯性内容分析和来源层面的汇总，但其语气与主题分布与原始GKG存在差异，不适用于穷尽式计数。
说明形状自适应的子空间约束二次矩阵分解
简介该论文针对高维空间中非线性低维结构的二次流形拟合，提出一种交替最大似然估计方法AMLE-SQMF，可同时估计二次流形和残差的噪声分布。方法用广义高斯分布刻画残差，通过形状参数决定拟合损失，无需事先指定噪声特性。实验表明该方法在合成和真实数据集上有效，并对多种噪声分布具有鲁棒性。
说明ScrapeBench：评估 AI 智能体在网页抓取中的法律合规性
简介本文提出 ScrapeBench，这是首个用于实证评估 AI 智能体是否遵守网站抓取政策（服务条款与 robots.txt 指令）的智能体基准。在 1,626 个明确禁止抓取的热门网站上，多数被测智能体的合规率低于 5%；即使主动检查了服务条款和 robots.txt，合规率仍然很低。在 269 个不禁止抓取的网站上，部分智能体即使抓取合法也会拒绝，其中 Claude Opus 4.6 的过度拒绝率为 98.5%。人类基线实验（180 名参与者）显示，人类的合规率与 AI 智能体相近，但过度拒绝率高得多。
说明TransArt3D：利用视频过渡先验从两个状态重建可动三维物体
简介该论文提出 TransArt3D，一种基于优化的框架，仅用可动物体两个端点状态的图像即可重建带关节的三维模型。方法借助视频扩散模型生成的端点之间的过渡帧，联合估计部件结构、关节运动场和统一的规范外观。在 PartNet-Mobility 数据集上，论文称其在几何和关节精度上优于仅使用相同两个端点的方法，并在关节状态几何、关节定位和外观方面超过使用六个观测状态的方法。
说明NCCL-BOT：用在线多臂老虎机修正 NCCL 成本模型
简介NCCL 用解析成本模型为每次集合通信选择算法与协议组合，该模型从不使用实测延迟。本文提出 NCCL-BOT 插件，用按上下文划分的老虎机算法，以成本模型为初始先验，根据实测延迟持续学习。在 H100 的强制选择实验回放中，该方法将模型选择损失超过 10% 的上下文从 19 个减少到 1 个；在实时测试中，部分场景的平均带宽有所提升，但作者未展示整体端到端的净收益。
说明EASE-KV：诊断记忆可用性与有效利用之间的差距
简介论文提出EASE-KV框架，研究可复用键值（KV）记忆中存储的记忆未必能转化为有效证据的问题。框架将编码是否保留所需关系、分配时已保留记忆是否获得恰当影响、以及结果监督能否识别更优分配三个环节分开考察。实验显示，因果编码比块对角编码在组合准确率上高出25.0个百分点，而所测试的推理时桥接方法未能找回丢失的上下文信息。在存储状态不变的情况下，诊断性证据引导的分配使LongMemEval准确率从31.2%提升至38.4%。
说明单雷达双侧三维近场成像，用于移动机器人
简介论文提出一种借助机器人运动的框架，用装在前方的单个毫米波雷达重建机器人行进路径两侧的结构。方法基于球面传播路径的近场模型，结合滑动孔径反投影与多视角功率融合，并通过多层高度提取与自适应高度细化得到三维结构。在三种实验环境中，横向-前向定位平均误差为4.65至5.98厘米，峰背比超过13分贝。
说明面向分布式边缘网络的多节点 Transformer：目标检测与描述生成
简介本文提出一个基于 Transformer 的统一框架，用于分布式边缘网络中的目标检测和密集区域描述。模型共享同一视觉编码器，检测、区域提取与自回归语言解码共用图像特征，省去了分离式流程中的第二条图像编码路径。框架还通过工作负载分配方法，把模型各阶段与输入流分配到相连的边缘节点上运行。在由四台 Jetson Orin 节点和两台 Raspberry Pi 5 组成的六设备测试平台上，统一 INT8 模型在 Jetson Orin Nano 上达到 38.1 FPS。四路并发时，该分配方案实现 35.2 FPS 和 28.4 毫秒的平均端到端延迟。
说明车牌检测与字符识别统一框架
简介本文提出一种可在低功耗边缘设备上运行的统一模型，同时完成车牌检测与字符识别，共享特征编码器，并直接在对齐后的特征图上解码字符，无需裁剪车牌图像。模型在约3.7万张经人工核验的图像上训练，覆盖美国50个州的车牌样式。在NVIDIA Jetson Orin Nano上转换为INT8 TensorRT引擎后，mAP50为97.8%，整串准确率为90.7%，帧率147 FPS，相较YOLOv8s+CRNN基线吞吐量提升7.1倍、推理内存减少77.8%。
说明WarBias：关于境内流离失所者与退伍军人刻板印象的乌克兰语—英语双语大模型基准
简介该论文提出了WarBias，一个针对乌克兰语和英语的双语基准，用于检测语言模型对境内流离失所者和退伍军人的刻板印象。基准包含1,007组刻板、反刻板和无关句子三元组，以及每种语言240道选择题，并标注了每项刻板印象的严重程度。在对六个模型的基线评估中，四个模型在乌克兰语中至少对其中一个群体偏好刻板句，对境内流离失所者的偏向最为明显，而英语结果大多较为平衡。
说明你的智能体有多高效？预算约束下的在线预测上界
简介本文在线评估AI智能体：任务依次到达，每次运行前为其“成功所需交互次数”构造一个上界预测。由于预算有限，部分运行被提前终止，导致成功次数未被观测。作者提出PROBE方法，在分配预算的同时在线校准预测上界，并证明其在任意有限时间范围内都能保证覆盖率且满足预算约束。在软件工程、检索增强生成和指令遵循任务上的实验表明，PROBE比校准基线更接近目标覆盖率，且预测上界更紧。
说明一种自适应、上下文感知的堆叠注意力推荐系统，用于捕捉用户的时间偏好
简介本文提出一种推荐系统，能够适应用户随时间变化的偏好。系统以每个时间区间内的用户交互物品作为上下文信息，并设计了上下文物品注意力模块和多头注意力模块两种注意力机制。在三个真实数据集上的实验表明，该方法优于多种现有推荐方法。
说明带 Adam 式预条件的方差缩减随机 Hessian 驱动 Nesterov 加速方法
简介本文提出 VR-Adam-SHANG 的标量与对角两种版本，用于光滑随机凸优化。方法结合 STORM 型递归梯度估计、Adam 式预条件和 SHANG 的加速插值与修正，每次迭代至多使用两次随机梯度计算。在无偏采样、有界方差和梯度噪声的均方光滑假设下，论文给出梯度估计误差与目标函数间隙的收敛界。实验在相同样本梯度预算下比较，结果显示在所有测试设置中，两种版本之一的终端目标间隙最低。
说明任务自适应匿名化：实现临床语音数据的隐私保护共享
简介该论文提出CASA，一种临床自适应语音匿名化代理，根据具体临床任务的隐私与临床效用要求，动态调整声纹和语音内容的匿名化策略。通过递归自我改进，CASA不断评估并优化匿名化方案。在涵盖五种语言、14项临床任务的验证中，CASA在保持疾病相关分类性能的同时满足了说话人匿名化要求，并在抗再识别和敏感个人信息处理方面表现良好。
说明BiRefNet-V2：重新思考高分辨率二分图像分割的双边参考方法
简介本文提出BiRefNet-V2，用于高分辨率二分图像分割，目标是在像素级分离前景与背景的同时保留细丝、锐利边缘等精细结构。该方法通过空间到深度变换、重叠图像块和语义引导门等实现细节注入，并引入带聚焦监督的边界分支与双分支解码器。论文报告其在DIS5K、伪装目标检测和高分辨率显著性目标检测的13个评测集上取得了最先进的性能，训练轮数从600降至50。
看点在BiRefNet双边参考上引入语义门控与学习型边界流，在DIS5K等13个评测集上取得领先结果，属对既有方法的实质改进。
说明DuSS-PET：无需成对数据、基于伪双域一致性的自监督低剂量PET重建
简介本文提出DuSS-PET，一种无需任何低剂量与全剂量成对数据的自监督PET图像重建框架。该方法基于Noisier2Noise范式，通过伯努利破坏策略模拟低计数噪声，并结合自适应Swin Transformer、即插即用图像增强模块和一致性约束的自监督策略。多中心数据实验显示，其性能优于现有自监督方法，在多种剂量水平下可与全监督方法相当或更好，并且在不同扫描仪厂商之间具有较好的泛化能力。
说明基本单元与路径：从基座模型已有能力预测后训练能做什么
简介该论文探讨强化学习是教会语言模型新能力，还是仅放大预训练中已获得的能力。作者提出用“完整解的有效支持度”和“原子基本技能覆盖度”两个维度描述基座模型的状态，并据此划分出放大、组合受限和习得受限三种情形。实验基于三个小型语言模型的合成组合任务，发现仅掌握基本技能不足以让强化学习学会组合，而少量组合监督可带来明显提升。
说明Auto-GlaKG：用于可解释青光眼检测的自动生物标志物推理
简介该论文提出 Auto-GlaKG 框架，用于从眼底图像自动检测青光眼。它用 ResNet50 网络预测杯盘比（CDR）和六项形态学体征，再由知识图谱推理器按固定临床规则汇总为青光眼评分。在 689 张眼底图像上进行分层、分组五折交叉验证，合并 AUC 为 0.951，灵敏度 0.970，特异度 0.779。
说明利用Koopman模态分解与连续排序概率得分学习校准的概率预测
简介本文提出一种概率预测方法，将概率机器学习与Koopman模态分解的结构化线性动力学相结合，通过对注入噪声样本做推前映射生成预测分布。模型以连续排序概率得分作为训练目标，在两个非线性常微分方程和涡脱落、腔体流两个偏微分方程算例上进行了验证。
说明ALETHEIA：用于无损检测中神经算子学习的多频涡流脉冲热成像数据集
简介该论文提出ALETHEIA数据集，这是首个面向无损检测场景、用于学习数据驱动求解器的三维基准。数据集模拟导电固体中涡流感应加热引起的热传导过程，包含10个激励频率下的4700余个高分辨率样本，并附有开裂钢轨试件的真实红外热成像数据。论文定义了四类任务并用多种神经算子进行了基准测试。
说明自监督语音模型何时、何处学会音素与韵律线索的逐层与分时探测研究
简介本文用冻结编码器探针，逐层、逐预训练检查点考察两种语音模型（HuBERT-Base与wav2vec 2.0-Base）中声学、韵律与音素信息的出现时机与位置。研究涵盖基频、说话人相对音高、词重音、音素边界和38类音素识别五项任务。结果显示，声学韵律线索与音素边界在最早的检查点即可解码，且跨层变化很小；而音素身份是在预训练中逐步构建的，在HuBERT的第二阶段目标下会定位到中上层。
说明和简介生成中
说明逐层分析风格改写如何破坏零样本大模型假新闻检测器的置信度校准
简介论文研究大语言模型在仅改变文章写作风格、不改变事实时，对真假判断的置信度会发生什么变化。作者在三个模型系列和三个假新闻基准上逐层追踪预测与置信度的形成过程。结果显示，经过耸动或情绪化风格改写的文章会让模型判断变得极不准确，但模型仍然很自信，因此不宜把大模型对真实性的置信度当作安全信号。
说明FRESCO：异步流水线并行训练的一种新一致性控制方法
简介该论文指出异步流水线并行训练中梯度计算不一致会导致训练不稳定，并认为误差信号与前向特征相关，而不只与参数状态相关。作者提出FRESCO方法，将异步更新表述为约束优化问题，在大语言模型预训练中优于代表性的异步基线方法。
说明LoMASA：面向B2B报价、基于置信度门控委派的本地多智能体销售助手
简介该论文提出LoMASA，一个无需训练、完全运行在单台桌面电脑上的多智能体销售助手，用于处理B2B报价中因数量、折扣、付款条件或成本变化而需反复调整的工作。系统由一个35B混合专家模型负责单次前向决策并依据选项概率判断置信度，一个27B稠密模型在不确定时撰写客户回复与升级说明。在基于公开供应链数据构建的500个模拟场景、1512项决策的测试中，销售人员只需处理19.5%的决策，38.0%自动完成，42.5%由硬性规则升级给经理；在自动处理的决策上，准确率与规则基线相同（0.894），但之后利润率跌破下限的承诺更少（2.61%对4.53%），代价是升级给经理的案例增多。
说明TLRS-DPO：面向更优直接偏好优化的词元级风险评分方法
简介该论文提出TLRS-DPO，在直接偏好优化（DPO）基础上加入词元级控制，且保持完全离线、基于参考模型的训练方式。方法通过词元级鲁棒补偿项将被拒回答上的策略与参考模型对数比转化为局部风险分数，并采用逐步加强补偿的课程式调度和风险自适应筛选机制，仅惩罚高风险词元而非整段序列。实验表明，与较强的DPO基线相比，该方法在提升对齐质量和安全相关行为的同时，对有用性的影响很小。
说明MCSA：SO(3)等变图神经网络中的多截断半径谱聚合，用于原子间势
简介本文针对基于等变图神经网络的机器学习原子间势，提出多截断半径谱聚合模块MCSA。该方法融合不同截断半径的径向核，以丰富多尺度几何表示，并利用径向核的紧支撑性在角张量积运算前融合权重，保持旋转等变性。实验显示，在能量、力和应力预测上均有一致提升，并改善了声子色散和晶格热导率等高阶性质的预测精度。
说明特征交互会破坏可解释性吗？面向任意阶神经加性模型的可证明解释
简介该论文研究在受限特征交互的神经网络中计算可证明最小且充分的解释，介于一般神经网络与纯加性模型之间。作者证明即使交互阶数为常数，问题仍是 Σ2^P 难的；并提出两种可高效求解的情形：基于交互结构稀疏性，或基于更强的交互感知充分性。实验表明，这些解释比标准算法得到的更小、更快，且所基于的模型准确率高于标准神经加性模型。
看点新意在于把可证明解释扩展到任意阶特征交互的神经加性模型，证明常数阶交互下问题为Σ2P-hard，并给出两类可解情形及算法，在实验中报告解更小、速度更快。
说明和简介生成中
说明EbbFlow：受PINN启发的MeanFlow渐进式训练课程
简介本文提出EbbFlow方法，用于改进MeanFlow的训练，MeanFlow用于学习区间平均速度以实现少步生成。作者把时间采样点视为配点，并据此设计时间监督分配策略（TSA），先使用对角监督，再逐步引入区间内部样本并扩大最大区间。在类条件ImageNet 256×256实验（DiT-B/2，无分类器引导，每种方法一个训练种子，40万次更新）中，EbbFlow的50k样本FID在单次网络评估下为39.65，在两次评估的ODE采样下为36.02，MeanFlow分别为44.82和39.86。
说明面向物联网计算机视觉的边缘计算：可行性与研究方向
简介本文探讨边缘计算在物联网中支撑计算机视觉应用的可行性，在真实动态条件下进行实验，并评估相关技术、策略与流程。研究涉及6G网络中的多接入边缘拓扑、模型量化和卫星通信平台，并讨论零样本学习、多模态感知和分布式生成式人工智能等方向。研究目标包括评估LoRaWAN与卫星物联网通信策略、分析计算机视觉工作负载在边缘硬件上的表现，以及展望低延迟、高能效的未来应用。
说明scBIG++：通过跨基因与跨细胞学习预测单细胞扰动响应
简介该论文提出 scBIG++ 框架，用于预测单细胞在基因或化学干预下的转录响应。它不局限于高变基因，而是覆盖预处理后保留的全部蛋白编码基因，并通过基因模块与群体条件生成来刻画细胞间的异质性。论文在六种遗传和化学干预设定、6,539 至 19,451 个基因的范围内进行了实验，结果显示其在扰动效应恢复和全基因表达重建方面具有竞争力。
说明LLM智能体评测中的回放保真度：AppWorld中的随机性、隐藏状态与测试判定
简介本文审计了一个固定的AppWorld历史语料中全部71个失败执行，共进行284次隔离的固定代码回放尝试。研究发现，在多项检查下，重建的声明设置保留了42个案例，而在每次交互前重置随机数生成器则保留了68个；数据库与判定检查后差距收缩为4个。论文还识别出若干隐藏状态差异，并说明回放的有效范围与局限。
说明区分空间与时间：视频动作识别的分解式解释方法
简介本文提出一种基于扰动的事后解释框架，用于视频动作识别。它把模型的解释拆分为空间外观掩码和时间运动掩码，二者联合优化，并加入分离惩罚与面积约束。作者在 EPIC-Kitchens-55、EGTEA Gaze+ 和 Something-Something V2 上评估，结果显示该方法的删除 AUC 低于主要基线，且掩码约稀疏五倍。
说明确定性叙事引力：通过ABM-LLM架构连接心智理论与历史模拟
简介本文提出一个确定性的多智能体框架，将大语言模型与基于心智理论和认知考古学的智能体建模流程相结合，用于历史社会模拟。研究在本地固定环境中以零温度运行，并用SHA-256哈希验证产物的完全一致。实验比较了4B至31B参数的七种模型配置与消融基线，发现8B及以下的小模型容易出现重复对话，而12B及以上的模型在该框架下能保持开放的叙事走向。论文还将整个流程作为开源软件发布，便于独立复现。
说明DynOLAT：面向可控动态全身人像重打光的逐灯基底视频预测方法
简介该论文提出DynOLAT框架，从平光输入预测时间一致的逐灯（OLAT）基底视频，再依据目标环境图对基底做线性组合，从而显式控制光照方向与相对强度。作者还构建了首个大规模动态全身OLAT数据集，包含超过2400万帧、224种身份与服装组合。实验表明，相比对比基线，该方法对目标光照方向和相对强度的变化响应更准确，并保持细节与时间连贯性。
看点新意在于用OLAT基视频预测加环境图线性组合实现可控动态人体重光照，并构建了大规模动态OLAT数据集，摘要报告相比基线响应更忠实。
说明Viscot-steer：通过激活引导分离并迁移视觉思维链能力
简介该论文提出 Viscot-steer，一种无需训练的激活引导框架，用于把视觉思维链（“用图像思考”）能力从一个大型视觉语言模型迁移到结构不同的其他模型。方法先把视觉思维链拆分为定位向量和推理向量，再将其对齐到目标模型的激活空间，分别在边界框预测和推理过程生成时进行引导。论文称，在多个基准上该方法比最强的能力迁移基线平均高出 1.86 个百分点。
说明尚未进入画像：借助未来交互学习的不确定性感知动态用户画像
简介该论文提出一种名为UAPM的动态用户画像方法，用画像、缓冲区和规则手册分别保存已确认的用户特征、尚未确认的新行为证据，以及用户专属的解读与更新规则。训练时利用记录下的未来交互，部署时则不需要这些数据。在三项网络个性化任务上，UAPM在相同下游输入预算下优于多个基线方法，较最佳同预算基线提升最多5%。
说明自洽性投票何时有害：小型语言模型中多数投票的隐藏代价
简介本文研究小型语言模型上带自洽性（SC）的思维链提示方法，即采样多条推理路径后进行多数投票。研究发现，对每条问题都进行SC可能反而降低准确率，因为它会把原本正确的贪心答案翻错；而仅对部分问题选择性地使用SC，可在大幅减少计算量的同时保持接近的准确率。实验基于GSM8K和MATH-500等数据集。
说明源锚定视觉自回归的极低码率图像压缩
简介本文提出源锚定视觉自回归（SAVAR），一种基于视觉自回归模型的生成式图像编解码器，面向低于0.01 bpp的极低码率场景。编码端传输早期尺度的令牌和一段紧凑的文字描述，令牌提供图像的布局信息，描述提供全局语义。在Kodak和CLIC2020数据集上，与匹配的ARPC方法相比，SAVAR在更低码率下降低了感知失真，LPIPS约降低8%至9%，DISTS最多降低22%。在单张NVIDIA L20X GPU上重建512×512图像约需218毫秒。
说明Dhara：面向印度知识体系的证据导向检索系统
简介本文介绍Dhara，一套用于印度知识体系文献检索的系统，结合混合搜索、章节与书籍层面的实体笔记、模糊诗句检索和神经重排序。作者在Dhara Bench的325个问题上进行了五组对比实验，结果显示BGE-M3单向量检索在各类别中均优于BM25，Qwen重排序器在多项指标上优于BGE，但计算时间约为其6.72倍。研究还比较了该系统与Gemini的表现，结论是检索方案的选择应依据证据需求和资源预算。
说明TEAM：面向多模态属性图的拓扑感知、语义敏感通用Transformer
简介该论文针对节点带有文本和图像等多模态属性的图数据，提出TEAM框架。它把每个节点的各模态作为独立单元处理，并通过模态编码树组织局部结构，再用模态源上下文Transformer（MSCT）实现跨节点、跨模态的细粒度交互。论文报告，在所评估的基线中，TEAM在图学习指标、G2Text与G2Image相关指标上的平均结果均最高；在Toys数据集上，其准确率和Macro-F1分别比最强基线高3.37和2.93个百分点。
说明纯噪声处的引导削弱了少步流匹配语音合成中的说话人相似度
简介基于语言模型和流匹配梅尔解码器的语音合成系统常把解码器的欧拉步数从十步以上减少到两到四步。作者发现，在两步时说话人相似度下降，主要来自第一步的无分类器引导，因为在纯噪声下引导会使各条轨迹产生近似相同的偏移。基于此提出两种免训练采样方法：FSU 与 FSU-Mid，在多个模型上恢复了大部分相似度损失，且使用的网络前向次数比官方两步采样少一次。
说明邻近专家何时可以组合？神经灌丛中的跨任务模型合并
简介论文研究从同一基础检查点出发、经随机扰动得到的不同任务专家能否在合并后保持各自增益。作者提出以联合保留为目标的专家对选择框架，并给出质量约束的谱选择方法，包括跨任务筛选、分层几何分析、独立验证与基础模型回退。在六个检查点、21个任务对的实验中，该方法在严格联合成功率上优于Top-1平均，并在多数模型规模比较中领先。
说明生成式AI聊天助手出现后工程类论文写作有哪些变化：基于180万篇文章的证据
简介本研究比较了2015至2025年间256种工程期刊的1,839,962篇论文，以ChatGPT类对话式语言模型于2022年11月30日公开为时间节点，考察措辞与文章结构的变化。结果显示，与语言模型输出相关的31个词在摘要中的出现频率高出预测值82%（2025年为每万词55.4次，预测为27.0次），而同类正式用语的对照词下降16%。研究为描述性分析，并非因果推断。
说明ClusLoad：面向可扩展配电变压器负荷预测的聚类引导模型共享
简介该论文针对大量配电变压器负荷预测中设备差异大、为每台设备单独建模部署困难的问题，提出先用时间嵌入表示学习提取负荷序列的紧凑表示，再用高斯混合模型聚类，并为每个聚类训练一个PatchTST模型。基于近千台变压器的真实15分钟运行数据，该方法相比直接使用PatchTST的基线，平均绝对误差降低约20%，高负荷预警准确率为95.66%，且仅需七个聚类模型。
说明Map2SLAM：从流式地图预测到实时SLAM
简介流式三维基础模型能够在线估计相机位姿和稠密几何，但其预测一经输出便固定不变，无法借助回环闭合修正累积漂移。本文提出Map2SLAM，冻结LingBot-Map模型，仅训练一个轻量级检索头，将模型预测转化为外部持久SLAM状态的观测，前端逐帧跟踪并选取关键帧，后端异步地重新观测历史帧以修正轨迹与稠密几何。在KITTI、VBR和Oxford Spires数据集上取得领先结果，相比最佳未标定基线平均ATE降低40%以上，并在RTX 5090D上以518×154分辨率实现超过28 FPS的实时跟踪。
说明竞争在早期就已决定！多数投票测试时强化学习中预测锁定结果的核定律
简介论文研究测试时强化学习中以多数投票作为奖励的训练方式，这种方式会让每个问题在训练中锁定到一个答案，困难问题上往往是错误答案。作者证明，锁定结果由训练早期受采样噪声驱动的短暂竞争决定，并推导出各结果的概率。在网络参数共享的情况下，作者用核函数给出闭式解，并在三个模型的LoRA实验中验证了训练前的预测效果。
说明全量微调并非问题：为何Adam在少样本CLIP适配中失败而SGD成功
简介本文研究少样本CLIP适配中的优化方法。在11个数据集、3种CLIP骨干和5档样本量上，采用普通SGD的全量微调优于代表性的参数高效微调方法，而Adam/AdamW则崩溃。作者认为，崩溃源于少样本支持集上不可靠的预条件，Adam的自适应更新放大了估计误差；SGD则避开了这一问题，并保持接近预训练CLIP。
看点新意在于把少样本CLIP适配的失败归因于优化器的预条件而非全量微调本身；摘要报告在11个数据集、3种骨干和5种样本数上的对比实验，并给出理论与曲率探测。
说明基于不对称嵌入与结构化JL变换的快速近似ℓp Chamfer距离算法
简介本文研究两个规模为n的d维点集之间Chamfer距离的近似计算，范围为1<p≤2的ℓp范数。对一般情形，使用弱保证的不对称ℓp到ℓ1嵌入，并证明其足以保持Chamfer距离；在高维情形，借助快速矩阵乘法加速嵌入。对欧氏距离（p=2），利用基于Toeplitz矩阵的快速Johnson-Lindenstrauss变换，将以往ℓ1专用算法重新分析到ℓ2，运行时间达到O(nd(log log n + log(1/ε))/ε²)，优于此前的O(nd log n/ε²)。
说明ZarrFM：面向脑电基础模型预训练的规范张量存储架构
简介大规模脑电（EEG）数据集在采样率、通道布局、窗口长度和存储格式上差异很大，预处理与读写开销高。论文提出ZarrFM，用单一Zarr v3层级结构存储语料，并附带索引元数据、规范通道空间、显式掩码、稳定的受试者划分和分块对齐的分片。在200条记录上的实验显示，元数据查询从601次减少到14次，存储从EDF的42.4 MB/小时降至22.7 MB/小时，采样速度可达3,131窗口/秒，最高为Parquet的11倍。
说明并非所有层在图像到视频迁移中都同等重要
简介该论文研究如何把冻结的图像基础模型以轻量适配器迁移到视频任务。作者发现各层对时序建模的敏感度随深度增加，且不同预训练范式增长方式不同。据此提出无需训练的适配器放置规则STRAP，在边界前放空间适配器、边界后放时序适配器。在四个细粒度动作识别基准上，准确率最高提升11.8%，可训练参数减少29%至48%。
看点新意在于依据逐层时序敏感性决定适配器放置位置，无需训练；在四个细粒度动作识别基准上报告准确率最高提升11.8%，参数减少29%至48%。
说明DISCOVER：面向预算受限多模态 GRPO 的在线方差引导数据发现方法
简介该论文提出 DISCOVER 框架，用于在有限标注预算下提升视觉语言模型的多模态强化学习后训练效率。方法先对样本池做语义聚类并查询少量代表性样本获得奖励信号，训练中据此估计未标注样本的效用，并按考虑奖励方差与难度的策略条件分数选择高效用提示进行标注。在 ViRL39K 和 VLAA-Thinking 数据集上，以 Qwen3-VL-2B 为模型，在 10% 唯一样本预算下，该方法在多模态数学推理上优于随机选择、困难样本采样、全量 GRPO 及其他在线选择基线。
说明TALK：面向蛋白质变体效应预测的一次性批量实验设计
简介该论文针对蛋白质变体效应预测中实验标签昂贵的问题，提出TALK方法。在实验方案限定的可检测变体范围和有限预算下，TALK通过可检测变体与目标变体之间的后验耦合估计每个候选变体的贡献，并减少批次内的冗余信息，以选出最能改善目标区域预测的变体进行检测。在回顾性的ProteinGym和FLIP实验方案中，TALK在有限测量预算下总体提升了目标空间的预测效果。
说明SurgWorld：通过潜在预测学习超越观测的手术表示
简介该论文提出SurgWorld，一种面向手术视频的自监督表示学习框架，通过潜在预测建模摄像机视野之外的手术动态。方法包括视野外动态建模（OSDM）与几何视觉相似性（GVS）两个目标，并通过融合多教师信号的训练框架学习统一表示。作者在17个手术基准上进行迁移实验，结果显示其在手术流程识别、细粒度动作理解和稠密视觉感知方面优于现有视觉基础模型。
说明Graphene：一种带伊辛平均场精修的轻量级图像超分辨率Transformer
简介本文提出轻量级图像超分辨率架构Graphene，包含两种互补的特征精修机制：受伊辛模型启发的局部特征精修模块（IRB）和基于阶段历史的历史注意力模块（HistAttn）。在Urban100数据集×4倍设置下，Graphene与Graphene-light相比IET和IET-light分别提升0.24 dB和0.38 dB，同时参数量、计算量、延迟和峰值内存均有所降低。真实场景超分辨率对比显示其能恢复细节并保留多种退化条件下的纹理。
说明从游戏生成到游戏操作：面向视觉-语言-动作模型的全自动能力训练
简介论文提出一个框架，由大语言模型驱动的智能体自动构建可执行的游戏环境和任务，再由程序化专家利用模拟器内部状态生成指令、画面和键鼠操作，形成配对的演示数据。研究者以此合成的150.3小时Minecraft和Roblox游戏数据，对一个4B视觉语言模型进行行为克隆训练，得到游戏策略模型Script2Play，过程不使用人工游戏演示或强化学习。多个公开游戏基准的评估显示，该模型能较好地遵循游戏指令，并可跨游戏引擎泛化。
说明面向任务导向通信的基于置信度的自适应语义传输
简介论文针对无线网络中远程图像监控的通信开销与分类可靠性之间的权衡，提出基于置信度的自适应方法（CDA）。边缘设备先用轻量分类器对图像分类，再根据置信度在三种传输模式中选择：置信度高时仅发送预测类别文本，中等时发送压缩的感兴趣区域（ROI），低时发送未压缩的ROI。在带宽受限、有损链路和时延约束下的数值评估表明，该方法在接收端的任务准确率较高。
说明CrossLiDAR：可控的多传感器激光雷达序列生成
简介该论文提出CrossLiDAR，一个基于Transformer的统一框架，可生成可控且时空一致的多传感器激光雷达（LiDAR）序列。方法采用整流流目标与多模态扩散Transformer，在距离图像的紧凑潜空间中工作，并通过跨传感器模块和类ControlNet分支实现多传感器交互与结构条件控制。论文称其在nuScenes和Waymo数据集上，JSD平均提升29.56%，MMD平均提升15.36%，优于现有基线。
说明LongCap：通过分块处理实现小时级带时间戳的音频描述
简介本文提出 LongCap 框架，用于为长达数小时的音频生成带时间戳的描述（TAC）。方法将音频分块，并与结构化事件描述交错排列，利用相对时间戳和保留的上下文支持长度外推。作者还提出了人工标注的 LongCapBench 基准及三个指标：时间线错误率（TER）、粒度错误率（GER）和描述相似度（tcpCapSim）。LongCap-Diar 在仅使用不超过 40 分钟录音训练的情况下，可外推至 16 小时的拼接音频。
说明在短期前瞻下一致次模最大化的最优多项式查询近似
简介论文研究元素逐个到达时的一致次模最大化问题：算法需维护至多 k 个已到达元素的集合，并限制每次更新的替换数量。作者证明，在多项式次数的求值下，看到未来到达元素可将最优比从 2-√2 提高到 1-1/e，且不存在超过 1-1/e 的多项式查询算法。文中给出确定性与随机化算法及其在替换次数、求值次数上的界。
看点在多项式查询下将一致性子模最大化的最优比从2-√2提升到1-1/e，并给出紧界与确定性、随机化算法，证明与算法细节在摘要中有所描述。
说明HARP-Bench：在有人活动的工作区中进行机器人操作的基准测试
简介论文提出 HARP-Bench，用于评估机器人在与人类共享工作空间时的操作策略。该基准将人类活动视为操作任务的一部分，分为提示、协作、打断和共处四种情形，并提供包含人类在场的示范生成流程。作者用视觉-语言-动作模型、模仿学习方法和启发式策略进行了评测，发现人类在场的情况对现有策略构成挑战，且更高的任务成功率并不一定带来更高的安全性。
说明所见非所得：重新审视视觉上下文分割中的示例跟随
简介本文研究视觉上下文分割中模型如何依据示例图进行预测，发现SegGPT存在背景颜色映射偏差和部件向父物体扩展两类问题。作者提出语义对比提示选择方法（SCPS），为所需部件与其所属物体其余部分分配不同颜色，并结合检索分数与开发集质量估计来选择示例，在三个基准、七种检索方法上平均提升了目标IoU并减少了向物体其余部分的泄漏。
说明基于单调性的可扩展神经安全认证
简介本文针对未知的单调动力系统，提出仅依赖仿真器查询的数据驱动安全验证与安全控制器综合框架。作者证明，对于上闭不安全集，安全性可由单调归纳屏障证书的存在来完全刻画，并设计了可逼近单调函数的 Max-Monotone 网络来学习此类证书。在高维基准上，该方法在其他方法不收敛或超出内存限制的情况下仍能认证安全性，所需仿真器查询次数随状态维度线性增长。
看点利用单调性将神经安全证书验证归约为有限单元的局部边界检查，并提出Max-Monotone网络，在高维基准上验证，可能推动可扩展的数据驱动安全认证。