Good Views Are Not Enough: Global Counterexamples for Gaussian-Regularized JEPAs
说明好的视角还不够：高斯正则化 JEPA 的全局反例
简介该论文指出，在高斯正则化的 JEPA（联合嵌入预测架构）中，仅有好的视角无法保证全局最优解具有场景不变性或在旋转意义下唯一。作者通过若干全局可验证的反例说明，Good Views 中高斯扩展的唯一性前提对特定软目标会失效。论文还表明，更好的场景对齐可能伴随更差的预测表现。
本页没有符合条件的条目（筛选只在本页内进行）。
LHNav: Long-Horizon Humanoid Navigation via Multirate Coordination and Physics-Grounded Action Data
说明LHNav：通过多速率协调与物理约束动作数据实现长时程人形机器人导航
简介该论文研究人形机器人在长时程语言指令下依次前往多个目的地的导航问题。作者提出LHNav系统，将导航分为三个不同时间尺度的角色：负责任务推理的“大脑”、负责局部运动生成的“小脑”和负责全身执行的“脑干”，并通过进度与到达反馈异步协调。系统还通过基于物理的数据引擎训练小脑生成自然且贴合路线的运动。仿真中，该导航模型在单目标成功率和运动平滑性上优于OmniNav和DualVLN，长时程任务成功率为75.56%，并在Unitree G1机器人上完成了真实环境部署。
One-Shot Federated Graph Learning via High-Fidelity Proxies and Transferability-Guided Collaboration
说明基于高保真代理与可迁移性引导协作的单轮联邦图学习
简介本文提出FedHFT框架，面向只允许单轮通信的联邦图学习。作者指出单轮压缩会导致本地图拓扑和语义失真，且服务器难以判断客户端之间的协作潜力。FedHFT通过保真驱动的代理精化保留客户端知识，并通过可迁移性引导的个性化协作进行服务器端知识整合，文中称在同质图与异质图上的大量实验验证了其优越性。
RAPA: Ray-Aware Physics Augmentation for Robust Camera-LiDAR Calibration
说明RAPA：面向稳健相机-激光雷达标定的射线感知物理增强方法
简介本文将激光雷达点云中的棋盘格定位转化为基于圆柱形反射率图像的二维检测问题。为缓解标注训练数据不足的困难，作者提出射线感知物理增强方法（RAPA），仅凭一次标注的棋盘格观测即可生成多样的合成样本，用于提升检测器在不同传感条件下的稳健性与泛化能力。在四个独立采集的室内外场景中，该合成增强方法在 mAP@0.5 上比评估的最强图像空间增强基线高出 16.1 至 43.1 个百分点。
Toward Sustainable Agentic AI: Carbon Tradeoffs Across Iterative Self-Refinement and Tool-Augmented Coding
说明迈向可持续的智能体AI：迭代自我修正与工具增强编程的碳排放权衡
简介本文通过两项实证研究，估算了智能体AI系统在不同复杂度任务中的能耗与碳足迹。研究一考察GPT-4.1-mini进行1至5步迭代自我修正的表现，与GPT-4.1单次生成基线在两个MATH基准子集上进行比较。研究二在SWE-bench Lite上评估GPT-4.1-mini、Claude Opus 4.6和GPT-5.3-codex等模型在Docker隔离环境中使用代码执行与文件编辑工具的编程能力。
★★★★☆ 值得关注
Lost in Rounding: bf16 Recurrent State Makes Hybrid Reasoning Models Think Longer
说明舍入误差导致的推理变长：bf16循环状态使混合推理模型思考更久
简介本文研究混合推理模型在解码时缓存的循环状态若以bf16格式存储并采用就近舍入，会使模型推理变长、更频繁触达32K输出上限，准确率随之下降。作者在六个开源混合推理模型和590道竞赛数学题上进行实验，并发现采用随机舍入可以基本消除这一问题。论文建议评测混合模型时同时报告状态数据类型、截断率和输出长度。
看点新意在于研究另一种16位格式bf16对混合推理模型状态缓存的舍入偏差；在六个模型和590道竞赛数学题上报告更长输出与准确率下降，并给出随机舍入的修复结果。
CARE-PO: Controllable Tool-Call Efficiency for LLM Agents
说明CARE-PO：可控制的LLM智能体工具调用效率优化方法
简介本文提出CARE-PO方法，用于降低LLM智能体调用外部工具的次数，同时尽量保持任务完成能力。方法以任务难度相关的固定参考预算计算调用成本，并在训练中注入成功轨迹，以防止模型退化为不调用工具。通过提示中的效果标签调整成本曲线，单次训练即可得到不同的效率与能力操作点。
System Optimizations for Cost-Efficient Agent Harnesses
说明面向高性价比智能体框架的系统优化
简介AI智能体框架负责为大语言模型提供访问计算环境的接口。本文分析了不同智能体执行轨迹中的成本累积规律，找出无需修改模型、不影响任务准确率即可减少token用量和模型调用次数的系统优化机会。作者据此设计了Agency平台，可在Claude Code、OpenAI Codex等现有框架上实现这些优化，在多个真实基准测试中成本最多降低35%，且准确率不受影响。
SCALE: Small-Model-First Concept Abstraction with LLM-Guided Experience Internalization
说明SCALE：小模型优先、由大模型引导内化经验的概念抽象框架
简介这篇论文提出 SCALE 框架，让自主智能体从经验中积累可复用的知识，同时尽量减少对大语言模型的调用。小模型处理常规预测，预测出错或跨回合证据积累时，才触发大模型反思，生成可复用的概念假设，并逐步纳入分层神经表示。论文在十个随机种子上的实验显示，历史回忆使留出集准确率从 87.11% 提升到 98.28%，分层概念知识使困难案例准确率从 55.33% 提升到 66.47%，活跃经验记录从 6,000 条减少到 1,528 条。
Joi-Bench-Task: Benchmarking Task Coordination in Full-duplex Voice Agents through Interactive Simulation
说明Joi-Bench-Task：通过交互式模拟评测全双工语音智能体的任务协调能力
简介论文提出一个基准测试，用于评估全双工语音智能体在任务执行与对话之间的协调能力，包括是否能跟踪执行进度、已完成事项、已告知内容及待汇报内容。作者设计了可在工具执行和语音结果播报时间点注入干预的交互式用户模拟器，并评测了五款主流商用语音智能体。结果显示，在请求变更情形下最高结果完成率仅为55%，用户打断后四款智能体的平均信息遗漏率至少为23%。
Forecast Value Add: Reward-Based Action Selection over Probabilistic Demand Forecasts
说明预测增值：基于奖励的概率需求预测动作选择
简介本文提出一种在强机器学习集成预测之上做修正的方法：把预测修正视为奖励驱动的决策问题，由智能体从集成已生成的取值中选择，并以情境匹配的历史时段评估选择，最后用结构化季节性约束限制调整幅度。在五个零售、消费品和直面消费者的部署中，经九个月评估，修正后的预测相比堆叠机器学习预测平均WMAPE降低6.3%，并在45个客户月中有35个误差最低。
OGDA: Ontology-Grounded Data Agents for Reliable Analysis over Heterogeneous Data Lakes
说明OGDA：基于本体的数据智能体，用于在异构数据湖上进行可靠分析
简介该论文提出OGDA（基于本体的数据智能体），面向由结构各异的大量表格组成的数据湖，让大语言模型智能体完成端到端的数据分析。OGDA通过智能体式假设检验构建紧凑的本体：提议智能体从原始数据源归纳模式、概念和关系，验证智能体再对照底层数据逐一检查。在KramaBench和DiscoveryBench上，使用三种大语言模型主干，OGDA较最强基线最多提高10.82分。
SkillDuet: Co-Evolving Models and Skills through Response Feedback
说明SkillDuet：通过模型响应反馈实现模型与技能的协同演化
简介该论文提出 SkillDuet 框架，在强化学习过程中协调模型参数更新与可复用文本技能的演化。技能从策略轨迹中提取，并依据其在模型响应上引起的偏移强度进行排序，高分技能被定期合并到全局技能集合中。使用 Qwen3-4B 时，该方法在 ALFWorld 和 WebShop 上的成功率分别为 98.57% 和 92.97%，分别比匹配的 SEED-API 基线高 2.86 和 5.47 个百分点。
Perils and opportunities of AI for public climate services
说明人工智能用于公共气候服务的风险与机遇
简介本文探讨生成式和机器学习等人工智能系统在气候服务开发与提供中的应用。作者采用基于共识的专家征询方法，结合PESTLE框架，分析了影响AI驱动气候服务共同生产价值链的政治、经济、社会、技术、法律和环境方面的风险与机遇。文章提出了关于数据、模型和基础设施的政策相关结论，并探讨了基于主权AI基础设施与开放治理原则的泛欧洲分散式公共气候服务的潜在挑战与收益。
Real-Time Volumetric Light Transport Inference without a Path
说明无需路径追踪的实时体积光传输推断
简介本文提出一种实时方法，利用紧凑、低成本的场景特征与统计量，在直接光和环境光照明下重建体积介质中完整的像素辐射度。该方法不依赖昂贵的路径追踪辐射估计，而是由廉价的主光线和环境采样结果直接推断最终光传输结果，并用带注意力机制的图像到图像网络完成重建。作者称其在体积云等复杂场景中实现了实时性能与较高的重建精度。
SPARK: Simple Post-training for Adapting pRetrained Knowledge to Robot Control
说明SPARK：把预训练视觉模型适配到机器人控制的简单后训练方法
简介本文提出SPARK，一种对通用视觉基础模型进行后训练的方法，使其更适合机器人控制。方法基于时序抽象和知识保留两项原则，使编码器生成紧凑且保留时间变化与动作相关场景结构的特征，同时使局部表示与原始基础模型对齐。实验显示，在多个机器人基准上，SPARK相比原始基础模型提高了成功率和泛化能力，并且这些收益可迁移到真实机器人操作任务中。
Calibrating Document-Local Boundaries for Contextual Chunk Retrieval
说明面向上下文分块检索的文档内边界校准方法
简介该论文针对晚分块（Late Chunking）方法中同一文档内语义相近的负样本难以区分的问题，提出两部分框架来校准文档内分块边界：一是根据文档内间隔自适应调整判别尺度，二是在文档编码时让注意力机制感知分块划分。在 ConTEB 和 NanoBEIR 上的实验显示，该模型提升了上下文分块检索效果，并保持了有竞争力的段落级检索质量。
From Fluent Text to Ontology-Compatible Definitions: A Quality-Control Agentic Workflow
说明从流畅文本到本体兼容的定义：一种质量控制的智能体工作流
简介论文针对大语言模型生成生物医学本体定义时，文字流畅却可能引用不存在的实体或违反本体逻辑约束的问题，提出实体错误率（EER）和逻辑不一致率（LIR）两项指标。作者还设计了一个智能体质量控制工作流，通过生成定义、抽取公理、检查实体与逻辑一致性并迭代修复来改进结果。实验显示该工作流能降低EER并保持较好的文本生成表现，LIR则揭示了文本相似度指标无法发现的少量本体层面逻辑错误。
CRAFT-AI: Capability and Requirement Alignment for Flexible Manufacturing through Agentic AI
说明CRAFT-AI：通过智能体AI实现柔性制造的能力与需求对齐
简介本文提出CRAFT-AI，一种智能体AI方法，结合自然语言需求解读、基于资产管理壳（AAS）的能力描述以及既有制造配置中可复用的工程知识。AI智能体通过调用工具，将需求与可用能力及参考实现进行匹配，生成制造场景和对应的AAS实例。作者以Factory I/O原型系统、十二个参考场景和五个不同复杂度的制造任务进行了验证，并指出该方法对基础模型驱动的方案中风险感知与沟通保障的重要性。
TSFFormer: A Frequency-Domain Spike Transformer for Green Human Activity Recognition
说明TSFFormer：用于绿色人体活动识别的频域脉冲Transformer
简介本文提出TSFFormer，一种纯脉冲的傅里叶Transformer，用于基于可穿戴惯性测量单元（IMU）的低功耗人体活动识别。其包含两项创新：在频域进行全局混合的多头傅里叶注意力机制，以及使用动态阈值的双室时序脉冲LIF神经元。作者称其在8个公开IMU基准上超过了现有脉冲神经网络及经典的DeepConvLSTM，训练速度约快3倍，能耗为0.1 pJ。
★★★★☆ 值得关注
Zero-Search Reinforcement Learning for Slay the Spire 2 with Failure-Driven Restarts
说明用失败驱动的重启进行《杀戮尖塔2》零搜索强化学习
简介本文训练智能体在《杀戮尖塔2》中只用一次前向推理选择每个动作，不做前瞻搜索，训练与评估运行游戏本身的编译程序。研究采用失败驱动的课程，按完整对局在何处失败来分配训练起点。在最高难度A10的12,800局测试中，所发布策略五名角色平均胜率为8.05%。
看点新意在于用失败驱动的重启课程分配训练起点，无前瞻地用单次前向推理完成决策；在12,800局A10对局和受控对比中验证，对复杂卡牌Roguelike的学习有参考价值。
Compass 1: Towards Open-World and Persistent Embodied Navigation from Monocular RGB Videos
说明Compass 1：基于单目RGB视频的开放世界持续性具身导航
简介该论文提出Compass 1，一个统一语言理解与视频生成的具身导航基础模型，可通过约两分钟的视觉历史进行记忆回溯。模型引入历史表示和结构化视觉问答监督协议，并开源了超过500小时真实交互与2000多小时标注网络视频的数据集。论文报告其在开放世界评测中成功率为79.4%，高于最强基线的17.8%。
Correct First, Fast Second: What a Local 7B Code Model Can and Cannot Do for GPU Kernel Optimization
说明先求正确，再求速度：本地7B代码模型在GPU内核优化中的能力与局限
简介本文研究在固定的本地7B参数代码模型（Qwen2.5-Coder-7B-Instruct）外，不同交互策略如何影响其用定制CUDA内核替换PyTorch算子的能力。在KernelBench的30个任务上，比较了零样本提示、性能分析引导提示、基于执行反馈的迭代优化以及多智能体循环四种方式。结果显示，正确性是主要瓶颈，最佳策略随任务难度而不同，朴素的智能体框架效果更差，而在真实执行验证下进行多次采样可显著提高正确率。
SadaqahStories: A Verified English-Arabic Corpus of Charity Stories for Children, with an Audit of Errors in AI-Drafted Religious Narratives
说明SadaqahStories：经核验的英阿双语儿童慈善故事语料库，并审计AI起草宗教叙事中的错误
简介该论文介绍SadaqahStories，一个包含41个插图四页故事的英阿平行语料库，内容涉及伊斯兰教的施舍（Sadaqah）、天课（Zakat）和瓦合甫（Waqf），面向7至18岁读者。故事先由大型语言模型辅助起草，再依据圣训、古兰经资料和历史文献进行审核，最后改写为适合儿童的文本并经伊斯兰学者审定。审计发现41份初稿中有39份存在实质性错误，其中最常见的是缺乏依据的具体细节、虚构的引文、机构或轶事，以及混淆不同事件或人物。改写后，英文文本的估计弗莱施-金凯德年级从14.0降至6.1。
How a Model's Architecture and Performance Influences Explainability: A Study of Grad-CAM and CRAFT in CNN-Based Image Classification
说明模型架构与性能如何影响可解释性：基于CNN图像分类的Grad-CAM与CRAFT研究
简介该论文研究卷积神经网络（CNN）的架构复杂度与训练性能如何影响可解释人工智能方法的解释质量。研究在ImageNet-1K的10个子集上训练了VGG16、ResNet50和ConvNeXt-Tiny三种模型，并用Grad-CAM和CRAFT两种方法，从忠实性、正确性、敏感性和简洁性四个方面进行评估。结果显示，随训练推进，ResNet50和ConvNeXt-Tiny的忠实性提高、敏感性降低；VGG16的解释更简单，但忠实性和正确性较低。
Color wave: A systematic evaluation of active screen illumination for injection attack detection in remote face authentication
说明颜色波：主动屏幕照明用于远程人脸认证中注入攻击检测的系统评估
简介论文针对远程人脸认证中的注入攻击，将注入内容分为静态图像、预录视频和实时深度伪造三类。作者将主动屏幕照明方法实现为"颜色波"，并设计了专门的评估方案，考察检测效果、跨条件泛化、信号退化鲁棒性及对部分规避策略的敏感性。结果显示受控条件下有较强的判别信号，但在过曝、屏幕亮度低和受试者运动时性能受限，且对部分规避策略存在脆弱性。
MPEG-Diffusion: Mixed-Resolution Video Generation
说明MPEG-Diffusion：混合分辨率视频生成
简介视频扩散Transformer能生成逼真视频，但计算成本高。该论文提出MPEG-Diffusion，对视觉重要区域用高分辨率、其余用低分辨率生成，并通过双分辨率注意力、混合分辨率解码器和模型自选高分辨率区域三项设计解决质量下降问题。仅处理30%的全分辨率token，在Wan2.1 14B上去噪速度提升4.8倍，用户研究中超过90%的比较中被偏好。
MIRIX-2.0: Multi-Agent Memory System
说明MIRIX-2.0：多智能体记忆系统
简介本文提出MIRIX-2.0，一种面向大语言模型智能体的多智能体长期记忆系统，目标是实用、准确且高效。系统由六个分类记忆智能体保存完整记录，并通过溯源超图索引情景记录和语义记录。在多项问答基准和程序性记忆任务中，论文报告其取得了优于对比方法的结果。系统无需微调，可同时用于闭源和开源模型，代码已公开。
★★★★☆ 值得关注
XposedMIA: Exploiting Explainable Artificial Intelligence (XAI) for One-Shot Membership Inference Attacks
说明XposedMIA：利用可解释人工智能（XAI）发起单次成员推断攻击
简介该论文提出XposedMIA，一种基于解释的黑盒成员推断攻击方法。作者发现LIME解释中的局部代理几何可作为样本到决策边界距离的代理，并将其扩展到表格和图像的反事实解释。攻击只需一次校准（最少30个样本）和每个目标样本一次查询，即可取得高达0.95的成功率，表明公开解释会带来额外的成员信息泄露渠道。
看点新意在于把LIME局部代理几何与反事实解释转为决策边界距离代理，实现单次查询成员推断；摘要报告在多类表格与图像分类器上成功率最高0.95。
★★★★☆ 值得关注
Weight-Space Programming for Medical Imaging: Do We Still Need Training Data?
说明权重空间编程用于医学影像：是否还需要训练数据？
简介研究让大语言模型不依赖训练数据，直接写出医学图像分类器的网络参数。在六项MedMNIST任务上，两个模型生成的网络均高于随机水平，平均测试AUC分别为0.719和0.711，并在五项任务上优于零样本MedSigLIP，参数量少一万倍以上。但用Adam在256张标注图像上训练的同一网络，各项任务AUC均更高，平均为0.828。结论是大语言模型能写出可用的分类器，但目前还不能取代训练数据。
看点新意在于让大模型直接写出医学图像分类器权重而无需训练数据；在MedMNIST等四类模态任务上与MedSigLIP及Adam训练对比，作者报告结果高于随机但仍不及少量标注训练。
Translating KV Caches Between Hybrid-Attention Language Models: MLA Latents, Linear-Attention States and Sparse-Attention Indexers
说明在混合注意力语言模型之间转换KV缓存：MLA潜变量、线性注意力状态与稀疏注意力索引器
简介本文研究如何把一个语言模型的KV缓存映射到另一个模型的格式中，使目标模型无需重读全部上下文即可继续对话。作者在分组查询注意力（GQA）上复现了KV-Lingo，并针对MLA潜变量、稀疏注意力索引器键和线性注意力状态分别给出捕获、注入方法。实验涉及Kimi-VL-A3B与Kimi-Linear-48B、Qwen3.5-27B与Qwen3.8-27B等模型对，结果显示混合模型方向的质量在配对置信区间内与原生模型相当，64K令牌下首令牌时间比重读缩短18.7至46.8倍。
BARS: Beat-Adaptive Rap Synthesis via Flow Matching
说明BARS：基于流匹配的节拍自适应说唱合成模型
简介该论文提出BARS，一种基于流匹配（Flow Matching）的非自回归说唱人声生成模型，以伴奏节拍、歌词和短参考音色为条件，无需显式时长预测即可灵活控制说唱语速与输出长度。模型用预训练ByT5编码器处理歌词，并采用非对称缩放RoPE改善歌词与音频的对齐；通过跨度掩码还支持局部重新生成，便于歌词级编辑。实验表明该模型歌词准确度高，说唱节奏与节拍协调，且语速控制稳定。
COMPASS: Composable Policy-Amortized Structured Search for LLM-Based Optimization Modeling
说明COMPASS：面向大语言模型优化建模的可组合策略摊销结构化检索方法
简介该论文提出COMPASS框架，用于基于大语言模型的求解器建模中的优化模板检索。它将模板库表示为有向无环图，把检索建模为在模板节点上的序列决策过程，并用深度Q网络从模板级判断和执行反馈中学习可复用的遍历策略。实验表明，在多种大语言模型骨干和优化建模基准上，COMPASS优于启发式结构化检索，在复杂和混合类别问题上提升最明显。
A Black-Box Reduction from Regret to Multi-Level Coverage
说明从遗憾到多层级覆盖的黑盒归约
简介本文研究在线共形预测（OCP），即在对抗性或任意数据序列上逐步构造预测集，使其平均经验覆盖率趋近目标水平。论文证明，可以用等渗投影从任意在线学习算法构造多层级预测集，并通过Fenchel对偶把在线算法的线性化遗憾与各层级覆盖率和分布一致性联系起来。两种具体实现（p范数在线镜像下降与逐坐标通用投资组合方法）将层级数的依赖从√d改进为√log d，实验显示优于基线方法。
Exact Natarajan Dimension of Homogeneous Multiclass Linear Predictors
说明齐次多类线性预测器的精确Natarajan维数
简介本文研究多类假设类的容量度量Natarajan维数，它对分析泛化能力很重要。作者通过建立上下界，证明了具有两两不同类别权重的齐次多类线性预测器的精确Natarajan维数为n(k-1)-1，其中n为特征空间维数，k为类别数，且要求n、k均不小于3。
Low-rank Low Precision Training of Gaussian Processes
说明高斯过程的低秩低精度训练：在大规模数据上用低秩近似与单精度加速训练高斯过程模型
简介该论文提出一种可扩展的高斯过程训练方法，结合AnchorNet地标点选择与FITC修正，使目标函数及其解析梯度可用低秩因子、对角量和小型稠密矩阵计算，而无需形成完整核矩阵。整个训练流程以单精度实现，并在九个大规模回归数据集上评估：方法在达到参考预测精度的同时显著缩短训练时间，但所需的近似秩因数据集而异。作者还发现单精度在病态问题上可能成为限制，并尝试将部分运算降至fp16或TF32，但加速有限，且在系统病态时可能不可靠。
BECON: Belief-Conditioned Constrained Multi-Objective Reinforcement Learning under Drifting Preferences and Budgets
说明BECON：在偏好与预算漂移下基于信念的约束多目标强化学习
简介该论文针对约束多目标强化学习中偏好和安全预算可能随时间漂移、外部信号不可靠的问题，提出名为BECON的方法。该方法从近期历史中推断潜在任务上下文，以估计偏好和安全预算，并通过依赖不确定性的门控与外部任务信号融合。论文称，在多种多目标控制任务上，BECON在任务漂移下的鲁棒性和约束满足方面优于现有多目标强化学习基线。
Attention-Guided Sequence Feature Fusion and Mixed-Space Metric Learning for Cross-View Image Sequence Geo-Localization
说明基于注意力引导序列特征融合与混合空间度量学习的跨视角图像序列地理定位
简介该论文研究跨视角图像序列地理定位，即将一组地面图像与带地理标签的卫星影像匹配，以确定其地理位置。提出ASML方法，包含序列内容融合、空间特征聚合和Geo-InfoNCE损失三部分，并构建了新数据集CrossRoad-66K。在SeqGeo和CrossRoad-66K上，该方法的R@1分别比现有最优方法提升3.37%和2.10%。
Evaluating AI Agents for Industrial-Level Chip Floorplanning: A Framework and Empirical Study
说明评估AI智能体在工业级芯片布图规划中的表现：框架与实证研究
简介本文提出一套评估框架，用于衡量AI智能体生成的芯片布图规划方案的实际物理质量，包括几何合法性、拥塞与时序等指标。作者以一个含99个宏模块、约占固定L形区域71%的工业设计为例，比较了专用系统Nova-SI与通用工程智能体。结果显示，Nova-SI的综合得分均值为57.97，高于表现最好的通用配置GPT-6 Astra的31.17。
Leveraging High-Activity Post-Therapeutic I-131 Scans for Deep Learning Reconstruction of Extremely Sparse Planar Images in Differentiated Thyroid Cancer
说明利用治疗后高活性I-131扫描深度学习重建分化型甲状腺癌极稀疏平面图像
简介该研究探讨能否利用治疗后I-131全身扫描的高计数图像，作为训练参考来增强分化型甲状腺癌诊断性稀疏平面图像。研究为单中心前瞻性研究，共111名患者，采用基于Restormer的多个模型并以PSNR、SSIM及双盲读片评估质量。结果显示，迁移学习的治疗后模型画质最佳，并支持2倍扫描加速，部分配置的质量达到或超过未加速的标准扫描。
Four-Step Text-Bearing Image Generation via Distillation with Local Response Regularization and Teacher-Guided Training
说明基于蒸馏、局部响应正则化与教师引导训练的四步文字图像生成
简介该论文提出一种四步蒸馏框架，用于生成包含文字的图像。框架以分布匹配为基础蒸馏GLM-Image的DiT，并引入路径长度惩罚以保持条件去噪场的局部响应一致，同时用合成字符串与教师生成图像进行渐进式训练，以提升字符准确性。论文报告学生模型在GenEval与CVTG-2K上的表现优于四步TDM，单图推理时间由教师模型的5.818秒降至1.742秒。
SMO: Compiling Natural Language Skills into Graphs of Reusable State-Move-Outcome Bricks
说明SMO：将自然语言技能编译为可复用的状态-动作-结果模块图
简介这篇论文提出 SMO（State-Move-Outcome）框架，把大语言模型智能体使用的自然语言技能拆解为可复用的程序性模块，并以符号图的形式组织这些模块。在 SkillsBench v1.1 上，232 个原始技能被表示为 95 个共享模块，技能表示的 token 数从 366,472 降至 149,154。在 232 个评测实例中，平均任务得分从 0.6379 提高到 0.7478，运行时 token 消耗平均减少 38.38%。
Leveraging Complementary Event Frame and Voxel Representations for RGB-Guided Multimodal Pre-training
说明融合事件帧与体素表示的 RGB 引导多模态预训练框架
简介论文提出 CM3AE 2.0，一个统一 RGB 帧与事件体素/事件帧的预训练框架。其核心包括事件感知时空掩码重建策略（利用事件响应引导掩码至动态显著区域）以及分层跨模态生成策略（基于扩散模型进行事件条件的 RGB 生成，并生成视频级文本描述）。作者报告在四个下游任务上的实验中该框架均取得性能提升。
DPGS-SLAM: Diffusion-Prior and Provenance-Aware Monocular Gaussian Splatting SLAM for Dynamic Visual Sensing
说明DPGS-SLAM：用于动态视觉感知的扩散先验与来源感知单目高斯溅射SLAM
简介该论文提出DPGS-SLAM，一种面向含动态物体环境的单目RGB即时定位与建图框架。它通过光流和SAM2识别并跟踪动态区域，用扩散修复模型补全被遮挡的静态背景，并以来源标签区分生成的高斯基元与观测支持的基元，使生成内容不参与相机位姿估计。实验显示其在TUM RGB-D和BONN RGB-D上的平均ATE RMSE分别为1.2厘米和2.7厘米，在StaDy4D上平均PSNR比WildGS-SLAM提高4.60 dB。
SAFE-Hair: Scalp-Anchored Fields for Exportable Single-View Hair Reconstruction
说明SAFE-Hair：面向可导出资产的头皮锚定场单视图头发重建
简介该论文提出SAFE-Hair，从单张人像在规范头皮UV域中，由固定毛囊位置解码出显式发丝，使输出可直接用于造型、编辑和仿真流程。方法基于条件Rectified Flow生成头皮潜在场，并加入附着、碰撞和弯曲先验以提升几何有效性。作者还构建了HairBench-3D基准，相比最强基线，Chamfer距离由3.74毫米降至3.28毫米，F-score由77.9提升至81.7，穿透比例由4.8%降至3.9%。
Scale-Invariant Empirical-Bayes Laplace Approximation for ReLU Networks
说明面向ReLU网络的尺度不变经验贝叶斯拉普拉斯近似
简介ReLU网络存在连续的尺度对称性，同一函数可对应无限多种重参数化的权重。本文指出，由于计算边际似然时依赖Hessian矩阵，经验贝叶斯拉普拉斯近似对ReLU网络定义不明确，同一函数的不同参数化会得到不同的先验精度与预测不确定性。作者提出γ-规范化方法：先将网络转换为平衡入、出权重比例的规范表示，再在该表示上拟合经验贝叶斯拉普拉斯近似，从而使边际似然在ReLU缩放下保持不变。
MambaPD: Bidirectional Selective State Space Model for Parkinson's Disease Detection from Resting-State EEG
说明MambaPD：用于静息态脑电图帕金森病检测的双向选择性状态空间模型
简介该论文提出MambaPD，一种基于双向选择性状态空间模型（Mamba）的方法，用于从静息态脑电图检测帕金森病。作者在UNM和SanDiego两个公开数据集上，采用按受试者划分的5折交叉验证，将其与TCN、BiLSTM、EEGNet和Transformer等四个基线比较。结果显示，不同模型之间的差异较小，且远小于各折之间的差异，作者同时报告了完整流程、各折结果及方案的不足。
Single Image Super-Resolution via Semantic Prompt and Cross-Modal Training on Content Area
说明基于语义提示与内容区域跨模态训练的单幅图像超分辨率
简介该论文针对现有超分辨率模型忽视图像语义信息的问题，提出结合像素强度与语义信息的方法。方法提取并编码文本描述和空间位置等语义数据，通过跨模态特征融合模块生成语义特征图，并用提示牵引头为主干网络补充语义信息，以细化图像细节。作者称在多个数据集上的实验结果验证了该方法的优越性。
FocusBranch: Combinatorial Branch-and-Bound for ℓ₀ Neural Network Robustness Verification
说明FocusBranch：面向ℓ0神经网络鲁棒性验证的组合式分支定界方法
简介该论文针对神经网络在ℓ0扰动下的局部鲁棒性验证问题，提出组合式分支定界框架FocusBranch，通过焦点像素集与层级构成的节点抽象来分解并分支ℓ0球。方法结合两种分支机制，并依据采样估计的安全率与成本选择起始层级和分支策略。在MNIST、Fashion-MNIST和CIFAR-10的全连接与卷积分类器上的实验显示，该方法优于现有验证器。
TIRAD: Text-guided Image Residual Learning for Generalist Anomaly Detection
说明TIRAD：用于通用异常检测的文本引导图像残差学习
简介该论文提出TIRAD框架，将正常与异常状态的文本表示之差定义为文本残差特征，并用它引导图像残差特征。文本融合模块把逐图像块的文本残差转换为门控信号，保留与缺陷相关的视觉差异并抑制其他差异。在工业基准及工业到医疗的迁移实验中，该方法优于现有以图像为中心的残差学习方法。
A generalized transition framework for identifying reduction domains in non-binary constituency parsing
说明非二叉成分句法分析中识别归约域的通用转移框架
简介本文提出一个统一的转移演算，可同时用于自顶向下、中序和自底向上的非二叉成分句法分析。在归约时，最右侧的分隔符标出左边界，非终结符标记给出父节点标签，分隔段内已完成的项目决定子节点及其数目。作者用栈不变式证明了该系统的可靠性与完备性，并推导出静态预言器动作序列的确切长度。在 PTB 和 CTB 上的受控实验表明，分隔符引导的分析器在各种遍历顺序下，标注准确率与对应的标准版本相近。
Feeling Easier, Working Harder: Cognitive Load in AI-Assisted Code Comprehension
说明感觉更轻松，实际更费力：AI辅助代码理解中的认知负荷
简介本研究让20名计算机专业新生在有无生成式AI辅助的条件下阅读Java代码片段，并完成无AI的理解测验，用检测-反应任务实时测量认知负荷。结果显示，使用AI时客观认知负荷显著升高，反应时间增加11.2%，但参与者自我感知的负荷没有变化；理解成绩两种条件下都较高，AI并未明显提升理解表现。
Grasp-Taxonomy Conditioning as a Mode Switch for Dexterous Grasping of Climbing Holds
说明用抓取类型标签切换灵巧抓取模式，应用于攀岩扣手
简介本文提出BetaGrasp，一种基于三维扩散的策略，以点云为输入，并以四类抓取标签（crimp、sloper、pinch、jug）作为条件，运行于Franka机械臂与16自由度LEAP灵巧手上。作者还建立了攀岩扣手测试基准，用弹簧装置以牛顿为单位读取滑脱力。在80次配对硬件试验中，BetaGrasp将平均滑脱力从9.6牛提高到14.3牛，完全滑脱的比例从44%降至10%。
Speculative Self-Distillation enables Efficient Knowledge Internalization
说明投机自蒸馏：一种高效的知识内化方法
简介该论文提出投机自蒸馏（SSD），用于让语言模型高效内化预训练中缺失的知识、持续更新的事实以及新的领域技能。方法以学生模型生成训练轨迹，教师模型仅在其下一词分布与学生明显不同的位置介入。在三个闭卷问答基准上，SSD接近同策略蒸馏的效果，所用监督词元减少38%至69%，并优于异策略蒸馏；在遗忘压力测试中，它保留了较多的通用能力。
Benchmarking language models and agents for scientific reasoning in evolving materials laboratories
说明评估语言模型与智能体在持续演化的材料实验室中的科学推理能力
简介论文提出 MatScope 基准，用于评估大语言模型及多智能体系统在材料研究中的推理能力，涵盖条件特定推理（M1）、智能体辅助的知识迁移（M2）以及随实验观测积累而进行的预测修正（MatEvoBench-20）。测试覆盖十种研究功能，以铝和高熵合金为代表材料体系。结果显示，模型在给定输入的计算和多数物理解释上表现较好，但在细粒度响应估计、相似状态比较和定量支撑的判断上明显较弱。
Enhancing Multi-Step Chemical Mechanism Prediction with Graph-Guided Preference Data
说明基于图引导偏好数据提升多步化学反应机理预测
简介该论文提出一种图引导框架，用于预测多步化学反应机理，利用化学机理知识图谱引导大语言模型。作者设计了图对齐反应机理预测器（GRMP），借助图神经网络生成合成候选路径以优化路径预测，并设计关系检索模块从知识图谱中提取证据以精修路径。实验显示，GRMP在ChemMechQA和oMe-Gold上的路径准确率分别为48.1%和57.9%，在110个分布外反应的固定样本上top-1路径准确率为36.4%。
Robust Domain-Mixture Scheduling for Multi-Teacher On-Policy Distillation
说明面向多教师同策略蒸馏的稳健领域混合调度方法
简介本文研究多教师同策略蒸馏，即把数学推理、代码生成、指令遵循等多个领域专家教师的能力合并到一个小型学生模型中。针对训练预算在各领域间的分配问题，作者将分布鲁棒优化引入该框架以优先照顾表现最差的领域，并提出RDS-MOPD方法，只在领域差异明显超过噪声时才调整分配、限制单次异常的影响，并把最差情形定义为各领域相对自身最佳水平的退步。实验表明，该方法优于近期的对比方法，在多数数学推理、代码生成和指令遵循基准上排名第一。
HIST3R: Decomposing and Rectifying State Updates with History for Streaming 3D Reconstruction
说明HIST3R：利用历史信息修正流式三维重建中的状态更新
简介本文针对基于循环状态的流式三维重建，提出训练-free 框架 HIST3R，构建于 CUT3R 之上。作者将循环更新分解为方向与幅度两部分，指出已有方法只能调节幅度而无法修正方向。HIST3R 利用局部一致的历史状态修正更新方向，并依据当前观测与历史的视觉差异调节更新幅度。实验覆盖相机位姿估计、三维重建和视频深度估计，在长序列上优于 CUT3R 系列方法。
Scalable Bayesian Optimization for Efficient Exploration of Moire Patterns
说明用于高效探索莫尔图案的可扩展贝叶斯优化
简介本文提出FruBO，一个用于加速材料设计中寻找最优构型的贝叶斯优化框架。研究以六个旋转六方晶格叠加形成的多层莫尔图案为案例，目标是找到使孔径均匀性（以Jain公平指数衡量）最大的旋转构型。与随机采样和基于高斯过程的贝叶斯优化相比，采用CatBoost代理模型的FruBO仅用1,470次采样即找到全局最优，耗时约1.15小时。
★★★★☆ 值得关注
HyPLM Technical Report
说明HyPLM 技术报告：一种高效的蛋白质语言模型
简介本文介绍 HyPLM-Flash，一个由研究智能体 Hyra 2.0 训练的开源蛋白质语言模型，参数量为 6.5 亿，训练数据为 7260 亿个词元。模型采用融合内核和 INT8 矩阵乘法的推理引擎，在单张 NVIDIA H20 GPU 上每秒可嵌入约 13 万个残基。在 32 项任务的对比评估中，其 ProteinGym 零样本 Spearman 相关系数为 0.409，与 ESM-2 650M 等模型统计上持平，并在长程接触精度上取得所评估模型中的最佳结果。模型权重与推理引擎已在 GitHub 公开发布。
看点新意在于以更少训练数据和更快推理达到同级精度，形成效率帕累托前沿；在28个公开模型、32项任务上比较，并报告ProteinGym与接触预测结果。
Reward-Estimated Hypergradient for Bilevel Reinforcement Learning with Black-Box Follower
说明针对黑盒跟随者的双层强化学习奖励估计超梯度方法
简介该论文研究双层强化学习中领导者不知道跟随者奖励函数、只能观察其轨迹的情形。作者提出奖励估计超梯度方法（RE-HG），先用逆强化学习从轨迹中恢复奖励，再计算超梯度。论文证明，对线性奖励而言，在足够多样的动态下聚合估计结果，可以消除势函数塑形带来的偏差；同时通过截断特征协方差的小特征值来稳定估计。实验表明，该方法得到的梯度与白盒基准方法接近，性能相当，并能避免部分局部最优。
HyInv Technical Report
说明HyInv：基于主干结构的蛋白质逆向折叠模型（技术报告）
简介HyInv 是一个参数量约 196 万的图网络模型，输入蛋白质主干结构，输出能够折叠成该结构的氨基酸序列。模型先用随机顺序自回归方式预训练，再以结构奖励进行强化学习训练。推理时采用分组的草稿-改写采样策略，在相同多样性下提高了重折叠 TM-score。报告称在五个基准数据集、七种数据集与预测器组合上，平均 scTM 高于所列十个外部基线，并支持从头设计、口袋约束、酶的催化位点保留改造和环区重设计等场景。代码和模型已公开发布。
Infrathon: Benchmarking Language Agents for Real-World, Long-Horizon AI Infra Optimization
说明Infrathon：评测语言智能体在真实长周期AI基础设施优化任务中的表现
简介该论文提出Infrathon基准，包含多种不同层级的长周期AI基础设施优化任务。研究评测了六个模型共150次运行，每次预算24小时，累计超过10000 GPU小时。结果显示模型排名随评测时长变化，且大多数运行在预算后半段仍有提升。
EmoHarness: Boosting Multimodal Emotion Understanding with Meta-Harness Evolving
说明EmoHarness：通过元框架演化提升多模态情绪理解
简介该论文提出EmoHarness，把一个冻结的小型多模态模型放进一套由提示词、设置和验证代码组成的框架中运行。框架把视觉观察、转录文本和韵律描述编号为可引用的证据，让模型据此权衡候选情绪；随后由更强的大模型离线读取错误与执行轨迹并修改框架。在5,507条MME-Emotion数据上，相比单次纯视频调用，任务宏平均识别率提升7.6至13.4个点。主要增益来自转录文本和韵律描述，框架本身的作用较小。
MUTE: Multi-Level Alignment Uncoupling Against Talking-Head Exploitation for Voice Protection
说明MUTE：面向说话人头像滥用的多层级对齐解耦语音保护方法
简介本文提出MUTE，一种音频保护框架，用于防止语音驱动的说话人头像生成模型被滥用于多模态深度伪造。该方法在音频中加入扰动，既破坏跨模态注意力带来的结构对齐，也退化时序音频表征，并将扰动约束在STFT高能量区域以增强鲁棒性。实验表明，该方法能在白盒和黑盒模型上持续降低口型同步效果，同时保持音频的感知质量。
When Audio and Video Mislead: Evaluating Multimodal AI for Conversational Emotion Recognition
说明当音频和视频误导时：评估用于对话情绪识别的多模态AI
简介本文审查了多个现成的全模态模型在对话情绪识别任务上的表现，在保持文本固定的前提下增加、移除或替换音频与视频。结果显示，加入真实音视频通常能提高准确率，但输入无关的音视频会降低准确率，说明模型既能从真实模态获益，也容易受误导性输入影响。
Trajectory Density Ratios under Weak Support: A Survey across the Sciences
说明弱支撑条件下的轨迹密度比：跨学科综述
简介本文综述了多个学科中比较两个随机过程所生成序列的方法，如强化学习的离策略评估、分子模拟、气候归因和语言模型后训练。文章指出，当两个过程的状态支撑不重叠或重叠很少时，轨迹密度比可能不存在或方差随序列长度失控，并提出三层诊断框架和九类替代方法，同时讨论了各领域的标准化做法与开放问题。
Thermo-VLA: A Thermal-Aware Vision-Language-Action Model with Gated Residual Modulation for Robotic Manipulation
说明Thermo-VLA：具备热感知的机器人操作视觉-语言-动作模型
简介该论文提出Thermo-VLA，一种融合热成像信息的视觉-语言-动作模型，通过ThermoRes编码器将热图像分解为冷、热属性表示，并以语言条件的残差调制注入RGB特征，用于基于温度的目标选择与连续操作。作者在双臂Unitree G1平台上构建了六项真实机器人任务。实验显示，该模型在四项依赖热信息的任务上平均成功率为0.86，高于直接输入RGB-热成像观测的π0.5基线18个百分点；在未见物体和场景变化下平均成功率为0.78。
AnyBreak: Towards Jailbreaking Any T2I Model for Any Concept
说明AnyBreak：针对任意文生图模型与任意概念的越狱攻击研究
简介该论文提出AnyBreak框架，通过多尺度渐进语义对齐构造对抗图像，在潜在空间中引导生成轨迹，使文生图模型输出不安全内容，并将恶意概念从文本模态迁移到图像模态。论文还提出增强变体AnyBreak-V，加入补偿项以绕过事后安全检查器。作者称该方法在纯黑盒、仅使用干净文本提示的条件下，攻击成功率较高，同时保持视觉质量与语义一致性，并指出现有文生图防御存在未被充分覆盖的跨模态攻击面。
FireGate: Bounding Behaviour Change Before Training in Continual RL Fine-Tuning
说明FireGate：在持续强化学习微调前限定行为变化
简介该论文针对在已部署语言模型上依次微调多个任务时可能出现的遗忘问题，提出在训练前限定输出变化的方法FireGate。每个任务的更新（如新的LoRA）由一个门控分类器控制，未触发门控时模型输出与旧模型完全一致。作者在最多五个任务的强化学习数据流上测试，门控训练的聊天回复变化率为3.3%，未门控训练为91.8%。
MixRoute: Rethinking Single-Distribution Training for Generalizable Neural Routing
说明MixRoute：重新思考单一分布训练对可泛化神经路径规划的作用
简介论文提出 MixRoute，一种用于路径规划（路由）问题的神经网络框架，通过自适应组合不同粒度的归一化统计量来应对分布变化。作者构建了覆盖三类路由问题、179 个细粒度数据集的基准。仅在均匀分布上训练，MixRoute 即可泛化到多种未见过的分布，在零样本泛化上取得了作者所称的最优结果。
ShiftCache: Fast and Exact Indel Effect Prediction by Reusing Shifted Reference Encodings
说明ShiftCache：通过复用平移后的参考编码，快速且精确地预测插入缺失效应
简介论文提出ShiftCache，用于预测DNA插入和缺失（indel）变异的效应。该方法对每个平移后的参考序列只编码一次，并在同一窗口内以相同平移量共享给所有变异。在多个基准上，相比去重后的密集执行，其速度提升约3.5至6.5倍。在默认的AlphaGenome和Borzoi运行中，结果与密集执行在容差范围内一致。
AutoQS: Automated Quantization Strategy Design with Large Language Models
说明AutoQS：利用大语言模型自动设计量化策略
简介大语言模型的量化可以降低部署成本，但有效策略需要在模型质量与存储之间取得平衡。AutoQS 让大语言模型在有限的评估预算内反复提出并评估策略，在部署约束下搜索各层和算子的分组大小分配，权重精度保持固定。实验显示，在 Qwen2.5-7B-Instruct 上，4 位权重精度下，其七项任务平均准确率分别比统一分组的 GPTQ 和 AWQ 高 0.70 和 1.12 个百分点。
Beyond Prediction Residuals: Conformal Regret Calibration for Robust Contextual Linear Optimization
说明超越预测残差：面向稳健情境线性优化的共形遗憾校准
简介该论文提出“共形遗憾集”框架，用于预测后优化（PTO）系统的稳健决策。它对基于优化的遗憾替代量（SPO+）进行共形化，并利用校准后的水平集进行最小最大遗憾的决策精炼。实验基于情境分数背包问题，结果显示连续精炼相比名义PTO，将遗憾的0.95分位数降低9.1%，CVaR_0.95降低13.1%。
Pairwise distortion distribution for compression and quantization
说明成对失真分布在压缩与量化中的应用
简介本文提出成对失真分布（PDD）及其渐近极限成对维度（PD），把相关积分推广到一般失真度量。作者证明PD给出Rényi信息维度（RID）的上界，并且PDD为随机码本量化的性能提供下界，可用于压缩、量化和降维等实际应用中的指导。
ChainCheck: Near-Perfect Evidence-Sufficiency Scores Can Conceal Sensitivity to Construction Artifacts -- Paired Conditional Contrasts that Expose an Evaluation Confound
说明ChainCheck：近乎完美的证据充分性分数可能掩盖对构造伪迹的敏感性——用于揭示评估混淆的配对条件对比
简介本文提出ChainCheck，一种评估有效性审计方法，用于检验证据充分性基准是否真正衡量多跳推理。研究发现，不读取推理链的语言模型打分器和单一字符串匹配都能取得很高的分数，而11个被评估系统的得分在0.308到0.484之间。作者因此认为，正向的CS4分数只能说明操作层面的桥接一致性敏感性，而非语义上的多跳推理。
3R-Adapter: Retrieval, Rewiring, and Refinement for Efficient Adaptation of 3D Reconstruction Model
说明3R-Adapter：面向三维重建模型高效适配的检索、重连与精修方法
简介这篇论文针对前馈式三维重建模型在低光照重建、人与场景联合重建和测试时适配等长尾场景中表现不稳定的问题，指出跨视角对应关系的结构性失效是主要原因。作者提出参数高效微调方法3R-Adapter，包含可变形检索、关系重连和一致性精修三个组件。实验表明，该方法在上述场景中比现有参数高效微调方法更稳健，同时保持轻量适配。
Shaping Useful Noise: Energy Distributions Predict Visual Pretraining Quality
说明塑造有用的噪声：能量分布预测视觉预训练质量
简介本文提出用数据集的能量分布（在归一化真实图像密度模型下各样本的对数概率分布）来审计和筛选合成数据。作者提出能量级分布距离（ELD），比较真实与合成数据的能量分布。实验显示，ELD能发现FID遗漏的分布不匹配，并在CNN和ViT的自监督设置中，比FID、LPIPS变化和特征空间召回率更好地预测预训练效果。作者还用ELD对合成数据源进行重采样与混合，使其能量直方图接近真实图像，同时保持多样性并提升下游迁移性能。
Operation-aware Multimodal Clinical Decision Support System for ICU Discharge Risk Assessment
说明面向ICU出院风险评估的运营感知多模态临床决策支持系统
简介本文提出一种结合医院运营信息的多模态临床决策支持系统，用于评估ICU患者出院后30天内非计划再入ICU的风险。系统融合病程记录文本、生命体征、科室工作负荷与入院流程等信息，并采用端到端多模态微调模型。在MIMIC-III数据集的20000次ICU住院记录上，该模型取得了最高的AUROC（0.8288）和PR-AUC（0.4373），表明运营指标可提供独立的风险信号。
CHO-Bench: How Do Context Hints Affect Ad Rankings in LLM Advertising?
说明CHO-Bench：语境提示如何影响大模型广告的排序
简介大模型广告根据用户对话选择广告，广告主可提供自然语言的语境提示，说明其提供什么、适合谁、何时适用。本文将构建这类提示的问题定义为上下文提示优化（CHO），设计了涵盖What、Who、When的七种生成策略及一种综合策略，并推出CHO-Bench基准。在五个数据集上进行了超过119万次配对评估，结果显示语境提示能提升广告排序，但不同策略的差异在特定配置下才明显，且提示预算增加带来的收益递减。
BharatSynthQA: A Context-Grounded Question Answering Dataset on Indian Temples and Religious Heritage
说明BharatSynthQA：基于印度寺庙与宗教遗产的语境问答数据集
简介本文介绍了BharatSynthQA，这是一个以印度寺庙及相关宗教场所为主题、基于原文段落的问答数据集。研究者从维基百科文章中生成是非题、事实题和解释题，并由大型语言模型筛选出98,677组问答对，另有300组人工标注的参考数据。在五个大型语言模型上的测试显示，缺少原文时事实题的词元F1仅为0.18至0.30，提供原文后则提高到0.73至0.77。
★★★★☆ 值得关注
UltraVoxelGS: Voxel-First Feed-Forward Gaussian Splatting for 3D Ultrasound Reconstruction
说明UltraVoxelGS：基于体素的前馈式高斯泼溅三维超声重建方法
简介本文提出UltraVoxelGS，一种三维超声重建方法，可从带位姿的超声图像直接前馈预测完整的高斯场景表示，无需逐场景优化。方法将所有切片提升到固定大小的体素空间并直接预测高斯参数，同时通过区分反射与累积衰减的渲染策略实现更真实的渲染。在真实与模拟数据集上，其PSNR/SSIM优于逐场景优化基线，推理时间由10至20分钟缩短至约10秒。
看点首个前馈式三维超声高斯重建方法，将推理从10-20分钟降至约10秒，在真实与仿真数据上报告PSNR/SSIM最优。
Watching Itself Watch: Self-Auditing Visual Reliance for Video Reasoning
说明自我审视视觉依赖：面向视频推理的自监督视觉依赖审计方法
简介该论文提出VIOS，一种视频推理的后训练框架。模型通过比较有无视频输入时各个词元的预测分布差异，衡量每一步对视觉信息的依赖程度，并找出教师模型利用了而学生模型忽视的视觉证据位置。VIOS据此进行密集、定向的监督训练，且只需单个模型的一次在线采样，无需外部奖励或评判模型。作者报告其在12个涵盖多类理解任务的基准上持续提升三种骨干模型的表现。
The Relative Value of Demonstration Data: Execution Time Limits and Operator Mixtures in Behavior Cloning
说明示范数据的相对价值：行为克隆中的执行时限与操作者混合
简介该论文研究机器人示范数据中不同遥操作者的相对价值。作者以训练出相同成功率所需的示范数量之比（数据倍数）衡量，在 robomimic 的 Square 与 Can 仿真任务上，用两组遥操作者的示范训练行为克隆策略。结果显示，在 25 秒时限内，全部来自较弱遥操作者的数据集所需示范数约为全部来自较强者的 1.55 倍，主要差异来自完成时间较晚；时限放宽到 100 秒后该倍数降至 1.11。
Decision Aware Origin-Destination Demand Estimation with Structurally Constrained Data
说明面向结构约束数据的决策感知起讫点（OD）需求估计
简介本文提出一种决策感知的OD需求估计框架。它利用结构约束的交通数据刻画可行需求区域，并在其中寻找使下游决策遗憾最小的OD估计值。方法上，用几何表示近似网络物理约束所形成的可行区域，并用下游遗憾的凸替代函数构造可处理的优化问题。数值实验表明，该框架相比传统估计基准能持续降低决策遗憾。
Attention Is Only as Good as Its Witnesses: When Higher-Order Layers Help, and When They Do Not
说明注意力的好坏取决于它所见的证据：高阶层何时有效、何时无效
简介这篇论文研究为何标准Transformer在图搜索和SET纸牌游戏上学习失败，而高阶注意力的效果参差不齐。作者把每层视为对一族证据求配分函数并在某一温度下读取，由此提出层数与可达步数、以及温度与候选数量之间的两条规律。基于这些规律，作者构建的模型在图任务上取得了与大模型相当或更好的结果。
Constrained Variational Policy Optimization for Hybrid Action Spaces
说明面向混合动作空间的约束变分策略优化
简介本文研究在混合动作空间中进行约束强化学习，即同时协调离散模式与依赖模式的连续控制，并满足长时程代价约束。作者将约束变分策略优化（CVPO）框架扩展为混合动作版本H-CVPO，在E步中通过指数化的奖励-代价重加权得到联合目标分布，在M步中分别对离散与条件连续两个策略部件进行拟合。实验表明，在模拟的混合控制环境中，H-CVPO相较于混合动作基线方法取得了更好的奖励与代价权衡。
Scale-Consistent Monocular Fisheye Visual Odometry via Spherical Bundle Adjustment-Guided Unsupervised Depth Learning
说明基于球面束调整引导无监督深度学习的尺度一致单目鱼眼视觉里程计
简介本文提出S²D-FVO框架，用于单目鱼眼视觉里程计，将球面束调整（SBA）引导的无监督深度学习相结合，以提高尺度一致性和深度估计精度。SBA采用由球面对数映射导出的切空间角度重投影残差，并加入基于中值深度的尺度正则项。在多个公开数据集及两个新采集的大规模数据集上的实验表明，该框架在深度和轨迹估计精度上优于代表性的现有方法，并适用于不同相机模型。
Can LLM Agents Organize Their Own Memory?
说明LLM智能体能否自行组织记忆？提出用普通文档保存、整理并调用长期记忆的框架SoMem。
简介大多数大语言模型智能体部署后权重固定，新信息只能保存在外部记忆中，而现有方法多依赖预设记录和固定规则。本文提出自组织记忆框架SoMem，把记忆存为相互链接的文档：智能体自行决定摘要内容、归类方式与主题修订，每条摘要都链接到原始交互作为证据，运行时对更新进行校验并自动生成时间、关系与近期记忆视图。在LoCoMo、BEAM-100K和LongMemEval-S上，SoMem分别比最强基线高出2.66、3.10和2.00个百分点，构建的记忆可跨模型复用。
Language processing in the autistic brain: A meta-analysis of neuroimaging studies across modalities and age
说明自闭症大脑的语言加工：跨模态与跨年龄的神经影像荟萃分析
简介该研究汇总了45项fMRI与PET研究（自闭症参与者753人，非自闭症参与者777人），比较两组人在语言加工时的大脑活动。结果显示两组都激活了相似的左侧语言网络，但自闭症者左侧围外侧皮层活动减弱，右侧颞极活动增强，且左侧化程度降低。
★★★★☆ 值得关注
Text Alone Predicts Which Classes a Segmentation Readout Keeps
说明仅凭文本即可预测分割读出层会保留哪些类别
简介开放词汇分割模型在部署到训练类别之外的类别时，有些类别会悄无声息地失效：模型仍输出高置信度掩码，但该类别从未赢得任何像素。论文发现，哪些类别会崩溃仅由类别名称列表决定，无需看图即可根据与训练词汇的文本相似度排序崩溃风险。作者还发现，崩溃类别在冻结特征中仍然保留，降低读出层幅度或提前停止训练可使其恢复，最多提升16个点。
看点新意在于仅凭类名文本相似度即可预测开放词汇分割中哪些类别会崩溃，并给出词表距离机制；摘要报告在九个模型族、十二种骨干和八种预训练方案上AUROC为0.69-0.96，并有词表替换的重训练对照。
An Evaluation of Tabular Foundation Models as Training-Free World Models
说明将表格基础模型用作免训练世界模型的评测
简介该论文研究预训练表格基础模型能否在不经训练的情况下充当动力学模型，把下一状态预测视为基于转移样本的上下文回归。在合成动力系统和机器人运动基准上，它在有限数据下的精度总体优于从头训练的LSTM和MLP，但完整数据训练的模型在多数系统上仍明显更好。多步自回归推演的效果强烈依赖上下文长度，推理速度约慢于LSTM三个数量级。结论是免训练先验在数据稀少且上下文充足时有用，但尚不能替代用于规划的训练型世界模型。
LBSNet: Lightweight Brain State Modeling via Learnable Spectral Prototypes for EEG-Based Fatigue Detection
说明LBSNet：基于可学习频谱原型的轻量脑状态建模，用于脑电疲劳检测
简介该论文提出轻量网络LBSNet，通过原型式脑状态建模，把窗口内的局部频谱结构与时间聚合联系起来。模型依据各窗口的频谱模式与可学习原型的匹配结果确定时间权重。在SEED-VIG和SADT数据集的跨被试实验中，LBSNet优于七个基线方法，计算成本较低。
CRAFT-GBM: Selecting Best Features for Gradient-Boosted Machine Learning
说明CRAFT-GBM：为梯度提升机器学习选择最佳特征
简介本文提出CRAFT-GBM，一种基于LightGBM的扩展方法，利用训练过程中积累的分裂增益信息，在每轮提升中自适应地决定搜索哪些特征及数量。该方法在统计上给出以概率至少1-δ成立的保证：期望增益最大的特征在初始化之后的各轮中被保留。实验覆盖14个数据集族及四种加噪设置，在完全内生设置下，每次拟合训练时间平均减少39.74%，测试损失降低1.04%。
CHORD: Multi-resolution Compression for Multimodal Time Series
说明CHORD：面向多模态时间序列的多分辨率压缩方法
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。
LO-World: Unified BEV Latent Modeling for Joint 4D Occupancy and LiDAR Forecasting
说明LO-World：面向4D占用与激光雷达联合预测的统一BEV潜空间建模
简介该论文提出LO-World，一种统一的4D世界模型，在共享的鸟瞰图（BEV）潜空间中同时预测激光雷达点云和三维语义占用。它结合了高效的混合距离-体素自编码器与缓存历史上下文的流匹配生成器。实验显示，其占用预测IoU提升10.9%，激光雷达Chamfer距离降低30.1%，并在单张RTX 4090上实现超过25 FPS的实时吞吐。
Late but Valuable: Why Deadlines Change the Measured Value of LLM Reasoning
说明《迟到但有价值：截止时限如何改变大语言模型推理的衡量价值》
简介论文指出，自动化实验室中的大语言模型输出若超过截止时限，系统就会改用安全的备选动作，因此单独衡量答案质量和延迟会高估推理的价值。作者在合成样本决策任务上比较了模型的快速模式与思考模式，发现按时完成的思考答案与备选动作相同时价值很低，超时的思考答案价值约为按时答案的五倍。在单GPU实验中，并发请求从8增至56时，满足45秒截止时限的思考答案比例从79.2%降至1.4%。作者建议同时衡量每个答案的价值与到达时间，并对实际执行的动作进行评分。
Layer Roles Matter: Mitigating Modality Imbalance in Multimodal Emotion Reasoning via Adaptive Layer Profiling
说明层级角色很重要：通过自适应层剖析缓解多模态情感推理中的模态失衡
简介该论文关注多模态大语言模型在情感推理中的模态失衡问题，指出其包括过度依赖单一模态和跨模态利用不足两种失效模式。作者发现模型各层在多模态情感处理中具有可区分的功能角色，并提出分层感知的模态再平衡框架LAMR，通过模态熵和跨模态强度两项指标对各层进行自适应剖析，并据此分别增强稳定层的模态均衡与整合层的跨模态传播。在两个多模态情感推理基准上的实验表明，LAMR无需额外训练即可在多种骨干模型上改善效果。
RBA: A Read-out Basis Adapter for Parameter-Efficient Interactive OCTA Vessel Segmentation with SEEM
说明RBA：用于OCTA血管分割的轻量级读出基底适配器
简介论文提出一种名为RBA（读出基底适配器）的参数高效方法，用于视网膜OCTA图像中血管的交互式分割。RBA在SEEM模型的掩码读出阶段生成半分辨率的图像专属基底图，仅增加约47万个可训练参数。在模拟点击实验中，其在OCTA-500 3mm大血管上的表现优于LoRA、Conv-LoRA和AdaptFormer，平均IoU为85.16%，Dice为91.93%。
★★★★☆ 值得关注
On the Global Convergence of Stochastic Adam for Physics-Informed Neural Networks
说明随机Adam优化器在物理信息神经网络中的全局收敛性研究
简介本文为Adam优化器训练神经网络提供了理论收敛保证，覆盖全批量与小批量两种情形，并分析了宽两层网络的情况。作者还将分析扩展到求解泊松方程的物理信息神经网络（PINNs），给出确定性与随机Adam的全局收敛结论，并说明小批量大小对收敛的影响。
看点新意在于为Adam的动量与自适应预条件耦合给出全局线性收敛分析，并扩展到PINN；摘要报告对全批量与小批量Adam的收敛结论。