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RADE：面向安全大模型系统中路由、记忆与升级的风险调整部署效率框架
简介本文提出一种将大模型系统视为部署策略而非单一模型的分析框架。作者提出风险调整部署效率（RADE）这一系统级目标，综合考虑推理、重试、人工监督和预估失败成本带来的净效用，并将难以定价的危害作为硬性预算处理。文章讨论了五种部署场景，并提出基于风险覆盖、端到端成本、记忆暴露和升级负载等指标的报告方案，主张应将前沿能力视为需要分配的资源。
说明衡量政治竞选中的生成式AI内容：使用率上升且未披露的证据
简介本研究利用2023至2025年间12977名美国政治候选人的网站、X账号和邮件中的文本与图像，开发两种测量指标，估算竞选活动生成式AI内容的有无、数量和形式。结果显示，可检测到的竞选AI内容显著增加，且频繁使用AI的竞选活动往往未予披露；现任者制作的AI内容少于挑战者。研究还发现，有AI披露或禁止法规的州与其他州的候选人在AI内容产出上没有可测量的差异。
说明交易循环内幕：基于大语言模型智能体的市场、模型与交易决策
简介该论文提出一种混合多智能体交易系统，由基于大语言模型的公司新闻与宏观经济分析智能体向协调器提交结构化报告，协调器据此设定股票权重与现金储备，并结合基于动量的组合构建与规则式执行。作者在2026年3月11日至8月28日期间，以经纪商记录的模拟账户评估组合引擎，该账户期间累计回报34.5%，同期标普500基金SPY为14.4%，但最大回撤更大。
说明广义均值与基础模型在急救电话量预测中的比较
简介该研究比较了广义均值（Hölder 均值与 Lehmer 均值）与经过微调的 TimeGPT 在逐日急救电话量预测上的表现，预测跨度为 1 至 7 天。结果显示两类广义均值的预测表现几乎相同；短期预测中两者的平均绝对误差均低于 TimeGPT，7 天预测时 TimeGPT 误差较低。Diebold-Mariano 检验显示各方法之间在所评估的预测跨度上没有统计学上的显著差异。
说明程序化广告多层中介的优化：基于有向无环图的供应路径优化机制
简介本文针对程序化广告中多跳供应链效率损失（即“广告技术税”）的问题，将有向无环图中介模型应用于通过 OpenRTB SupplyChain 对象映射的可追溯供应链。作者引入多属性效用函数和混合整数线性规划，以处理可替代路由及按比例收取的费用结构。文中还提出了基于公开 schain 与 sellers.json 数据的计算方法和实验框架，用以将最优纳什社会福利与当前无协调的市场结果进行比较。
说明用于学习薛定谔桥的信赖域方法
简介本文研究在只能获得未归一化目标密度、无法获得目标分布样本时，如何数值近似薛定谔桥。作者针对常用的迭代比例拟合方法及其变体在此情形下容易出现数值不稳定的问题，提出一种信赖域变体，使每次迭代更新与当前迭代点保持固定的KL散度。该约束显著提升了数值稳定性，并可解释为带自适应步长的镜像下降方案。作者在多个具有挑战性的采样任务上验证了方法的有效性。
说明PA-SaR：面向多机器人搜救的感知感知式学习、控制与协同框架
简介本文提出PA-SaR框架，用于协调多机器人搜救中的局部控制、基于学习的探索、监督式任务分配以及自适应引导受困者撤离。仿真实验显示，碰撞规避与搜索完成度之间存在权衡；监督式分配比单纯信息共享更能提高搜索完成度；探索范围扩大并不必然带来更多救援。自适应引导相比持续引导能增加救出人数。
说明MICE：多动物交互情境编码器——面向小鼠行为的分层基础模型
简介这篇论文提出MICE模型，用于分析小鼠的行为。它基于姿态关键点进行自监督预训练，联合使用六个数据集，涵盖一到四只小鼠。模型可以捕捉每只小鼠的动作特征，并通过社交编码器处理多只小鼠之间的互动，单一模型即可适用于不同的群体规模。
说明凝视触发的数字孪生：远程协作中的注视即生成
简介本文介绍 Feel My Focus，一个由凝视触发的混合现实演示系统。用户注视实体物体时，系统会拍摄单张图像、进行注意力引导的分割，并完成单图三维重建，生成轻量级数字孪生，供远程协作者在现场查看和讨论。系统强调响应速度与体验连贯性，而非光度级还原精度，并基于公开演示总结了设计权衡、失效模式及用户控制等注意事项。
说明面向涡扇发动机剩余寿命预测的可解释模糊树及按部件逐层审计的诊断层
简介本文提出一种可解释的遗传模糊树，用于根据N-CMAPSS数据集中巡航工况下的传感器均值预测涡扇发动机的剩余使用寿命。该树按发动机层级结构组织，从传感器到部件健康度，再到有界的部件损伤、主轴损伤和剩余寿命，并可逐条规则检查每个部件的诊断结果。在原生划分上，多故障子集的均方根误差为8.44个循环，全部模式为11.51个循环，自由参数为333个。
说明眼动扫视路径分类器的扰动分析：阅读、代码理解与视频解码器各自敏感于什么
简介本文提出一种扰动剖面方法，用于分析眼动扫视路径描述符在区分任务时依赖的信息。研究通过破坏固定顺序、时长与位置耦合、时长分布、方向与惯用手、精细空间结构等属性，重新训练分类器并观察受试者留出AUC的下降幅度。在阅读、程序理解和视频游戏观看三个公开数据集上的12个二分类问题中，研究发现了若干混杂因素，例如某“理解”对比中的结果主要来自刺激布局差异。
说明GenISys：基于子系统条件表格扩散的船舶集成系统设计
简介该论文提出GenISys框架，用于生成集成的船舶系统设计，并以早期散货船设计为例进行验证。研究采用子系统条件的同步去噪扩散概率模型（SCDDPM），使各子系统在生成过程中相互响应。在以降低每吨货物运输成本为目标、航程为5000海里的实验中，SCDDPM在55.70%的生成请求中产出满足工程约束且达到低成本目标的设计，高于单体模型的51.10%和顺序模型的47.54%。
说明ODSA：编排式发现与自我聚合，一种由大模型指挥的测试时扩展框架
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。
说明基于单变量与多变量 TimeGPT 的每日急救电话量预测
简介本研究考察预训练时间序列基础模型 TimeGPT 预测每日急救电话量的效果，使用 2101 个每日观测数据，比较单变量与多变量设置下的一步及七步预测。多变量模型纳入时间、气象、人口和社会经济变量。结果显示，在单变量设置中 SARIMAX 表现最好；多变量设置中 NBR 与 PR 表现最佳，说明大规模预训练的 TimeGPT 并未带来更高的预测精度。
说明自动显微镜中的异构多步工作流：奖励设计与知识迁移，用于自主发现结构-性能关系
简介该论文提出一个预算受限的框架，用于自动显微镜中的多步结构-性能工作流，可决定成像或光谱测量、扫描参数及何时重新校准仪器。框架在真实电子能量损失谱数据集上进行了两组实验，比较了不同代理模型和采集策略，并测量了漂移情况下配准带来的定位精度提升及其光谱吞吐量代价。
说明重新思考单目三维目标检测中的几何深度：一种投影一致的重构方法
简介单目三维检测常用公式 z≈f·H/h₂D 估计深度，但以二维框高度代入时，得到的是物体可见前表面而非中心的深度，导致与尺寸相关的系统性低估。论文提出 MonoPCA 框架，其中 PCDepth 通过基于透视几何的方向与尺寸修正消除该偏差，GeoAlign 则把视觉基础模型的几何表征迁移到轻量学生模型中以增强属性感知。论文称其在四个基准上取得领先结果。
说明基于权重空间编程的策略及其模型检验验证
简介该论文提出让大语言模型直接写出小型神经网络的全部权重，无需梯度下降，从而仅凭任务描述生成序贯决策策略。方法将其与概率模型检验结合：在用马尔可夫决策过程建模的环境中，依据PCTL需求由LLM生成策略，并利用Storm工具精确计算策略满足需求的概率，使每个输出策略都经过验证。
看点新意在于让LLM直接写神经网络权重并用概率模型检验逐轮验证，Storm给出精确概率；在三个环境、两款LLM上验证，摘要报告18次运行均达最优概率。
说明Martine：跨视角覆盖、分辨率与光照的多视图三维表面重建基准
简介本文提出Martine基准，用于受控条件下的三维物体表面重建评测。数据集包含28个物体（含透明材料和精细结构），在84个视角下以9568×6376像素采集，并覆盖单光源和多光源两种光照条件。基准提供高精度三维真值扫描、相机标定以及图像到几何的对齐精度，并附带材质、可见性、曲率和精细结构等三维属性掩膜。文中对摄影测量、多视图立体视觉、神经隐式表面、高斯泼溅重建和多视图光度立体等方法进行了评测，最佳结果的Chamfer距离为0.058毫米。
说明对输入进行扰动可改进预训练蒸馏
简介该论文研究在语言模型知识蒸馏中，让学生模型学习教师模型在训练文本之外的行为能否进一步提升效果。作者在预训练初期对输入施加三种扰动（加性词元噪声、混合两段文档、混合相邻词元），并用剩余的训练预算进行常规蒸馏。实验显示，在135M和0.5B参数规模上，最佳方法分别比标准蒸馏提升0.025和0.020纳特，并在多项零样本任务上有所提升。
说明参数之外，靠句法救场：UD-PrMPT用于解析器增强的低资源机器翻译
简介该论文研究低资源语言机器翻译。以往基于词典的提示方法在模型只能靠词义组合猜测句意时遇到瓶颈。作者提出UD-PrMPT，把通用依存（Universal Dependencies）句法分析作为提示成分，在Beja、Chintang、Chukchi、Coptic和Xibe五种语言上测试。结果显示，该方法能在词典方法之上叠加提升，人工标注的句法分析效果更明显，自动预测的句法分析也有一致的改进。
说明LAION-Audio-XL：面向对比式语言-音频预训练的网络级语料与规模研究
简介该论文收集了14.8亿条音频样本，来自学术数据集、网络数据集、网页集合、Common Crawl和YouTube，并通过多阶段清洗流程进行处理。作者还为缺少描述的样本生成了短、长两种文本描述。基于该数据集，论文研究了采用NaFlex音频编码器的对比式音频-语言模型的规模规律，并给出在给定计算预算下模型规模与训练数据之间的权衡结果。所得模型CLAP2在MAEB和HEAR基准上优于规模相近的已有音频-文本模型，作者公开了数据集、描述文本、模型检查点和代码。
说明FinCutBench：衡量大模型金融知识时间边界的持续更新基准
简介该论文提出 FinCutBench，一个按月持续更新的金融知识基准，用于测量固定模型的金融知识覆盖到哪个时间点。基准包含 2023 年 1 月至 2026 年 9 月的 9000 道中英文四选一选择题，涵盖中美市场和四类金融信息。作者据此定义 FinCut 边界，即拟合知识曲线首次降至较低水平的月份，并报告估计日期在重采样下的稳定性。
说明FastGRT：加速三维高斯光线追踪的训练
简介本文研究了基于高斯的光线追踪（GRT）在 GPU 上的执行方式，发现训练成本有相当一部分来自计算的组织方式。作者提出 FastGRT，将光线遍历与混合分离，并让反向传播复用前向计算的结果，同时加入快速梯度累积和混合式 BVH 更新策略。该方法用 Vulkan 实现，据称是首个同时支持训练与渲染的 Vulkan 版 GRT 实现。与 3DGRT 相比，训练时间缩短为 1.9 至 4.97 倍，且保留了原有的渲染公式，代码已开源。
说明NightSteps：夜间行人过街意图预测数据集与基准
简介本文构建了名为NightSteps的夜间行车记录仪视频数据集，取自全球六个城市，包含行人位置轨迹、追踪编号及过街行为真值标签。研究以Gemini、ChatGPT与人工判断对数据集片段进行过街预测并与真值对比：人工准确率为88.17%，F1为80.21%；Gemini准确率为60%，F1为42.50%；ChatGPT准确率为79.13%，F1为63.64%。该数据集可用于评估夜间行人过街意图预测模型的性能。
说明同一错误，不同恢复：反馈如何投递改变大语言模型智能体的行为
简介本文研究工具调用型大语言模型在调用失败后的应对：重试、修正还是停止并告知用户。作者只改变错误反馈的投递方式（位置、指引、保留的历史和轮次结构），比较13个3B至70B参数开源模型的后续动作与任务完成情况。在ToolMaze基准上，投递方式的改进使显式错误场景下的成功率有所提升，但在Loud/Quiet基准上未见可测量的提升。
说明从量子比特到运动：混合量子强化学习中机器人装箱排序的可追溯动作溯源
简介本文提出Qubit-to-Motion框架，用于带支撑约束的物体排序与仿真机器人放置。四个泡利-Z读出值是演员与评论家网络唯一的学习输入，支撑掩码保证物体选择可行。每个决策通过步骤索引和SHA-256指纹与路线、运动学路径点、关节运动及MuJoCo接触回放相关联。在五个确定性的30物体场景中，全部150次放置均满足支撑、包容和稳定性标准。
说明用于求解最优分类树的递归定价与当前子树列生成方法
简介本文提出一种基于当前解的子树列生成算法（ISCG-OCT），用于求解最优分类树问题。作者先建立混合集合打包与集合划分模型，再以可行子树模式构造受限主问题，并利用分支决策可将定价问题分解为独立子问题、从而实现精确动态规划的递归结构。在27个基准数据集上的实验显示，该方法训练与测试精度具有竞争力，且在许多实例上求解时间明显减少。
说明对操纵性参与进行连续建模以分析立场：土耳其2024年《街头动物法》网络讨论
简介本文提出把操纵性参与视为连续程度而非二元标签的建模方法，并与立场分析相结合。研究以土耳其2024年《街头动物法》的网络讨论为例，收集了来自537,994名用户的7,320,574条推文，由领域专家依据10项标准为301名用户标注连续的操纵性参与分数。结果显示，该框架能较准确地估计操纵性参与和用户立场，并在独立标注的用户集上表现出良好的泛化能力。
说明超越文字稿：衡量并提升音频语言模型对声学信息的利用
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。
说明动作应当赢得其信用：冻结大语言模型智能体的测试时适应与路径整合
简介该论文提出EARN方法，让大语言模型智能体在不更新参数的情况下，利用过往尝试经验改进决策。方法会降低重复获得相同分数的动作信用，提高能达到更高分数的动作段的权重，并在最后几轮中回放已记录的有效动作序列。在Jericho、ScienceWorld和Crafter上的评估显示，以最后四轮平均分衡量，EARN在33个任务与预算设置中有31个取得最佳成绩（含并列）。
说明从声音到占用状态：面向建筑的隐私感知音频感知
简介本文研究用声音判断房间是否有人的方法，以补充只能感知动作的红外传感器。设计分两阶段：设备端将每秒音频编码为短向量，服务器端的时序模型据此判断占用状态。实验显示，编码器的检测效果优于传统的对数梅尔特征，并显著降低了语音内容的泄露；但说话人身份仍可被识别，是尚未解决的隐私问题。
说明HydroTuring：检验水文模型是否遵守质量、能量和动量守恒的物理探针基准
简介水文模型通常只看模拟径流与实测流量的吻合程度，但吻合并不保证模型遵守基本守恒定律。该论文提出HydroTuring基准，包含37项物理探针，分别检验质量（24项）、能量（7项）和动量（6项）守恒，并以通过或失败的二元标准进行判定。在32个被评估模型中，只有3个精确参考模型在全部已评分探针上通过，两类模型的通过率相近，且约49%的模型与探针组合因缺少所需变量而未被评分。
说明UTOPI：面向增强现实的、基于用户引导的令牌预压缩，用于高效的第一人称长视频理解
简介该论文提出UTOPI，一个即插即用的预压缩模块，专门面向增强现实设备上的第一人称长视频。它利用用户运动信号估计相邻帧的重叠并进行剪枝，并利用眼动追踪识别用户注视区域，优先保留注视的前景内容。论文称在多个基准和模型主干上可实现最高95%的压缩且保持性能。
说明LiveAsset：从纠正互动中学习意图资产以控制智能体运行
简介该论文提出 LiveAsset，一种从用户多轮纠正中学习可复用意图资产的框架，并用这些资产在智能体执行时进行运行控制。系统结合用户的纠正与智能体原有及修改后的结果来推断意图，并在回复前进行运行时验证，指导智能体修正未满足的要求。实验在多个基准上与记忆、技能和规则类基线进行了对比。
说明InfraRSI：利用递归自我改进优化大模型训练基础设施
简介该论文提出InfraRSI，一个代理式框架，把人类的开放式指令转化为经过验证的分布式大模型训练优化。它通过锁定可修改范围、剖析基线、联合优化启动参数与代码补丁、并把经验记录到跨硬件经验库等五个阶段运作，并建模执行时间和显存峰值（包括OOM情况）。在四个稠密和混合专家（MoE）大模型工作负载上，论文报告最高加速2.75倍，平均模型FLOPs利用率从17.4%提升至30.0%。
说明Kimodo-Policy：用于人形机器人移动与操作的运动学动作模型学习
简介论文提出运动学动作模型（KAMs），把全身运动本身作为预训练目标，并以预训练的运动生成器作为主要动作生成骨干。基于此实现了Kimodo-Policy，它冻结文本到运动的Kimodo骨干，并加入轻量的ControlNet视觉条件。在多任务HumanoidArena上取得72.14%的最高整体成功率，八个真实任务平均成功率为60%，模型共678M参数（其中92M可训练）。
说明扩散语言模型何时应当修改已确定的词元？
简介掩码扩散模型可以并行解码快速生成文本，但独立并行采样可能产生前后不一致的预测。本文提出PURL框架，将并行生成与选择性修订词元统一训练，并在逻辑谜题、数学推理和代码生成任务上，在相同解码预算下提升了准确率，同时减少了解码轮数。
说明并非所有分支都相等：面向生成式推荐的自适应语义ID构建
简介生成式推荐模型用一串离散标记（语义ID）表示物品。该论文认为语义ID应视为层级路径，每个标记的含义依赖于其前缀。作者提出自适应轮廓树（AST）方法，自上而下分裂聚类，并以轮廓系数自动决定每个节点的分支数，并在五个Amazon Review数据集上进行实验，结果显示其显著优于强基线。
说明移除令牌却不真正移除：糖尿病视网膜病变的因果归因方法
简介该论文研究视觉Transformer中基于注意力的归因图能否为糖尿病视网膜病变分类提供因果解释。作者把注意力分解为贡献度和拉力两种归因图，并在MAPLES-DR数据集上通过删除和插入令牌检验其因果忠实性。结果显示，拉力图的因果一致性最高，计算效率也远高于遮挡法。
说明放射学工作流程中智能体AI的安全防护：基于规则与大语言模型核查的多模型评估
简介本文通过模拟研究，评估使用工具的大语言模型智能体在模拟放射学文书中记录错误或无依据信息的频率，以及行动前施加的防护措施能在多大程度上减少这些错误。研究使用48个合成基础场景和91个误导性信息变体，比较了仅权限、确定性规则以及规则加本地大语言模型核查三种条件。结果显示，分层防护降低了但未能杜绝高严重性错误。
说明Ostinato：面向本地智能体的快速CPU-GPU混合专家模型推理引擎
简介本文提出Ostinato，一种CPU-GPU混合专家（MoE）模型推理引擎，让本地智能体在每次前向计算中都把常驻专家放在GPU上计算，且不改变模型的计算结果。作者在DeepSeek-V4-Flash模型、四块RTX 4090D显卡上，用真实的编程和客服智能体会话进行测试。结果显示，与llama.cpp和KTransformers相比，Ostinato在工具输出后的中位等待时间减少22%至55%，完成会话的速度快1.4至2.5倍。
说明DriveFoundry：面向自动驾驶的数据与模型协同演进闭环框架
简介论文提出 DriveFoundry 框架，通过结构化因果数据精炼与自适应推理，在数据和算力有限的条件下提升自动驾驶闭环迭代效率。其模型 Xiaomi-Drive-o1 在统一视觉-语言骨干中同时处理感知、因果、行动、世界与价值任务，并用自适应分配算力的机制选择任务与潜在标记。文中报告在 PhysicalAI 与 AlpaSim 等评测中的对比结果，自适应推理仅用 28% 的标记即可达到完整推理的性能。
说明逐层逐模块探测 Transformer 表示
简介本文研究在基于 Transformer 的基础模型中应探测哪一种表示。作者对视觉基础模型和大语言模型进行了超过 144,000 次线性探测评估，发现层与模块的选择需要联合考虑，最佳的层-模块组合明显优于最终层残差流。论文还提出两种简单的固定探测策略，在多数评估中优于基线，并分别恢复了最佳组合约 42% 与 86% 的收益。
说明针对集成机器学习的信息物理系统的数据操纵攻击
简介该论文指出，实际信息物理系统常将视觉、规划等多个机器学习模型组合起来决定行动，而单个模型的安全性研究并不能直接说明整体的脆弱性。作者提出一个框架，为数据操纵型攻击者在基于状态机的系统上计算最优攻击策略（从状态到攻击的映射），并给出基本威胁模型。该工作仍处于进行中阶段，旨在促进组合式学习安全方面的讨论与合作。
说明AdamW 的稳定性分析：不稳定平衡点与不收敛
简介本文用动力系统的方法分析深度学习中常用的 AdamW 优化器。作者证明 AdamW 的不动点与一个带约束和正则化的优化问题的驻点一致，但并非所有不动点在其动力学下都是稳定的，稳定性对曲率、权重衰减和动量参数十分敏感。即便在一维情形下，平衡点也可能不稳定，轨迹会出现持续振荡而非收敛。作者还给出了连续时间动力学局部稳定的充分条件，并提出一种保持原不动点的收敛改进方案。
说明特征空间中的边界质量：表征的标签预算诊断指标
简介该论文针对冻结表征与线性探针，提出“有效边界复杂度”指标，用于估计学习下游分类边界所需的标签数量。它统计学习到的边界附近薄带内的样本质量，并按类别平衡进行归一化。实验显示，该指标与标签需求及主干网络排序有较强一致性。
说明基于相似性引导潜在扩散的音乐修补方法
简介本文提出一种音乐修补技术，结合相似性匹配与扩散生成模型，用合适的替代片段替换音频录音中的大段内容。该混合方法名为SimDPS，依据上下文相似性从更广的信号中检索候选替换片段，并用它们引导扩散过程，生成连贯的重建结果。该框架与模型无关，可配合任何在波形域或潜在域运行的预训练扩散模型。客观评测显示，在声学特征和神经嵌入距离指标上，SimDPS优于RePaint和DPS方法；主观评测表明，它比既有扩散方法更具感知合理性，并且对匹配较差的相似候选具有鲁棒性。
说明K-PWM：部分观测下面向控制的结构化双线性世界模型
简介论文提出K-PWM，一种在部分观测下进行预测与控制的概率世界模型，将Koopman双线性隐动力学与非线性观测解码器结合，并通过扩展卡尔曼滤波与平滑推断隐状态。在有限数据下，它在部分观测的MuJoCo系统上比所评估的基线具有更低的长时程预测误差，且训练时间明显减少；在高维MuJoCo Menagerie机器人上，它取得了有竞争力的跟踪精度，且每步计算时间较低。
说明Hydra：面向时序图的可迁移多任务学习
简介本文提出 Hydra 模型，把时序图神经网络捕捉的局部连接特征与谱学习模块捕捉的全局连接模式结合起来，在统一的多任务目标下同时学习两类信息。在多任务分类中，Hydra 的 AUC 相对最强对比模型提升 8.9%；在多任务回归中，其在三项任务上均有竞争力，并在两项任务上取得最佳结果，MAE 相对最强基线降低 8.2%。训练时间比时序迁移模型减少 22%。
说明InfCoiL：面向闭环物理人-物交互的规划器与控制器协同学习
简介该论文提出InfCoiL框架，用于基于物理的人-物交互角色动画。它把形态感知的流匹配规划器与统一的多形态控制器通过共享接口组成自回归的规划-执行闭环，并用强化学习交替微调两者。论文还提出语义流策略优化方法SFPO，用于在线优化规划器。在OMOMO留出序列上，该方法在目标达成任务成功率和物理跟踪精度上优于开环分层基线。
说明利用AI和视频提取的生物力学特征检测常见高尔夫挥杆错误
简介本文提出一种从普通视频中检测高尔夫挥杆错误的方法，无需标记点或校准。系统跟踪人体姿态和杆头，在以身体为中心的坐标系中计算教练常用的生物力学指标，再用浅层提升树分类。研究针对“过顶挥杆”和“提前伸展”两种常见错误进行验证，交叉验证的ROC-AUC分别为0.975和0.911。
说明基于上下文知识条件的摊销贝叶斯实验设计
简介该论文提出IMBUE框架，用于贝叶斯实验设计中的实时设计策略。它通过统一的上下文接口，在部署时无需重新训练即可接入用户指定的先验知识和以往实验的观测数据。外部信息与已积累的观测一起由共享Transformer处理，并通过可学习的可靠性过滤器排除不一致的信息。在四个基准测试中，外部知识可靠时该方法能加快早期信息获取，不可靠时则接近无外部知识的基线。
说明到达不等于找到：面向无人机视觉语言导航最后一步的地图锚定视觉提示
简介无人机视觉语言导航要求根据自然语言描述找到目标物体，描述通常以街道、建筑等地标为参照。作者发现现有导航方法常把无人机带到目标附近却停在错误位置，即"到达了但没找到"。为此提出MAP-VP，这是一个即插即用的最后一步模块：导航停止后，在当前视图上绘制指令中提到的地标轮廓，再由一个微调后的4B视觉语言模型相对地标定位目标。在CityNav上，该方法无需重新训练导航器即可显著提升六种导航器的成功率。
说明回顾经验，提炼教训：面向具身智能体的简单记忆演化方法
简介本文提出SimplEvo，让多模态大模型把执行经验以文字形式写入自有记忆，无需更新权重、训练策略或特权信息。模型先从一次演示生成与坐标无关的任务记忆，再在训练回合中维护有界工作记忆并逐回合提炼经验，测试时两种记忆固定不变。在EBench上，该方法将GPT-6-Astra的成功率从46.7%提升至81.7%，并在RoboDojo排行榜上取得69.63%的成功率。
说明ConvLUT：面向超低延迟查找表推理的卷积架构重新设计
简介本文提出ConvLUT，一组可完全展开、映射为查找表（LUT）的卷积架构，面向MLPerf Tiny基准，用于在FPGA上实现超低延迟推理。文中包括基于LUT树的标准卷积模型和遵循MobileNet思路的深度可分离模型，并提出统一的LUT卷积框架、LUT树、通道分区LUT池化层以及硬件感知的迭代剪枝策略。在CIFAR-10、Visual Wake Words和关键词识别任务上，完全展开推理延迟低于约50纳秒，精度具有竞争力。
说明基于数据信息的基础模型自适应用于因果效应估计
简介因果推断中反事实结果无法观测，训练目标与推断目标之间存在差距。本文发现数据嵌入的几何特征（特别是变差函数 variogram）可以判断某种因果估计方法是否适用于给定数据集。作者提出 MoE-Learner，一种因果专家混合框架，并以变差函数作为无需反事实的路由依据来评估各专家的有效性。在 IHDP、ACIC 和 Lalonde 基准数据集上，该方法取得了最佳平均排名。
说明AgentCT：面向通用CT成像的视觉-语言智能体
简介该论文提出AgentCT，一个视觉-语言智能体，用于识别CT图像的退化类型（低剂量、稀疏视角或金属伪影），并将图像分派给对应的专用复原模型。控制器基于LoRA微调的Qwen3-VL-4B，预测退化类型与严重程度，并对复原结果进行再评估。在Mayo 2020腹部CT数据上，使用真实退化标签路由时，AgentCT的整体PSNR/SSIM为46.18 dB/0.984，优于AMIR和TAMP，并在全部九种设置中PSNR最高。
说明Merge 是否构成 Hopf 代数？余积、迹与代数极简主义的前景
简介本文审视 Marcolli、Chomsky 与 Berwick（2025）将句法 Merge 操作形式化为 Connes-Kreimer 型 Hopf 代数的主张。作者指出，该论文使用的两种余积都不满足所需性质，因此其代数并非 Hopf 代数，Birkhoff 分解也只能由更弱的条件得出。文章认为，该框架目前无法同时保持 Hopf 结构与形式语义的对应，并列出代数极简主义可能的三个发展方向。
说明ForeAct：基于世界表示、由几何引导的机器人动作学习
简介该论文提出ForeAct，将预训练的视频世界模型改造为单次前向传播的表示骨干，用于低延迟的机器人操作控制，无需逐帧生成未来画面或迭代去噪。模型引入可学习令牌，并以下一帧的相对深度作为监督，使视频表示具备面向未来的几何感知能力；几何读出模块仅在训练时使用，部署时移除，无需深度输入。论文报告在LIBERO上平均成功率为96.6%，在SimplerEnv-Bridge上为63.5%，真实世界90次实验成功率为74.4%。
说明JoMoHa：基于强化学习的模型与执行框架联合优化
简介该论文提出 JoMoHa 框架，通过强化学习同时训练可执行的框架（harness）生成策略与任务执行策略，以协调语言智能体的模型权重与框架的共同演化。作者指出，单独交替训练两者会出现不兼容问题，导致性能下降。在 ALFWorld、WebShop 和 DBBench 上，JoMoHa 的成功率优于所比较的仅优化权重和仅优化框架的基线，在 ALFWorld 上达到 97.0%，平均为 70.3%。
说明Speech-COSER 2026 挑战赛 ASR 赛道：Telefónica 创新数字部门提交的系统
简介该论文介绍 Telefónica Innovación Digital 为 Speech-COSER 2026 挑战赛 ASR 赛道提交的系统，该挑战针对西班牙农村地区老年人的自发语音。系统使用基于 CTC 的伪强制对齐对音频与文本的匹配质量打分，据此进行两阶段 LoRA 课程学习，并对 LoRA 矩阵进行事后幅值剪枝。七个系统通过 ROVER 集成，取得未归一化 36.25% 和归一化 22.17% 的词错误率。
说明无最优臂反馈且奖励相关延迟下的遗憾分析
简介本文研究随机多臂老虎机中奖励相关延迟的问题，反馈报告不包含原始轮次。作者提出平衡历史乐观算法（BHO），其延迟项由次优臂在分位数水平上的最大值控制，且无需最优臂的报告。文中给出下界，并证明在某些条件下遗憾存在下界，同时讨论了待定触发的平衡机制及其与探索系数的关系。
说明通过容量感知学习降低医院再入院率
简介该论文研究医院出院决策中使用的再入院风险预测模型，指出因历史数据不足或过去出院决策而产生的删失偏差会在反复重训中形成恶性循环。作者提出一种考虑床位容量的出院决策策略，通过多样化患者的住院时长来获取结果数据，无需显式公平性约束。在合成数据和基于合作医院数据的模拟中，该策略降低了学习误差，并缩小了群体间的再入院成本差距。
说明CallCleaner：基于音频基础模型的轻量级生物声学降噪
简介动物叫声研究常需干净录音，但野外录制时易混入风声、车辆声等背景噪声。本文提出轻量级降噪模型CallCleaner（19M参数），由通用声源分离基础模型SAM-Audio蒸馏而来，无需检测器即可运行，在笔记本电脑CPU上约为实时速度的90倍。与Biodenoising相比，该模型在叫声周围残留的噪声少11 dB，并在降噪与叫声保真度之间取得了更好的平衡。
说明THEATRON：评估长周期LLM决策中人设持续性的基准
简介该论文提出THEATRON基准，利用金融回放环境考察大语言模型在多月连续决策中能否持续保持行为金融人设。模型接受固定人设，观察共享的每日市场信息和账户状态反馈，并比较零样本、单样本和思维链三种人设注入方式。结果显示人设会带来系统性行为变化，但这些变化未必能形成连贯、稳定的人设决策策略。
说明MicroSim：用于二进制代码相似性检测的对比图神经网络
简介该论文提出MicroSim系统，将每个函数表示为由IDA Pro Hex-Rays微码构建的图，并用对比式孪生图神经网络比较这些图，用于二进制代码相似性检测。在包含849,072个函数级微码图、覆盖-O0至-O3优化级别的TREX基准上，采用训练集与测试集无共享函数键的严格划分进行评估。结果显示MicroSim的ROC-AUC为0.9972，MCC为0.9762，优于在同一划分上重新训练的Gemini、SAFE、jTrans及无结构的词袋基线。
说明面向分布式非独立同分布生物医学数据分析的一次性分层联邦聚类
简介本文提出一种一次性分层联邦聚类框架，用于多机构生物医学数据分析。各客户端在本地探索数据分布，只向服务器单向传输原型级信息，服务器再通过多粒度竞争学习机制融合局部聚类结果，以还原全局分布结构。作者称该方法在公开数据集上，于稳健聚类、隐私保护与计算效率之间取得了较好的平衡。
说明四种中亚语言共用的小型文本嵌入模型：塔吉克语、哈萨克语、乌兹别克语与吉尔吉斯语
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GOPR-CAD：面向CAD生成的操作图渐进推理方法
简介该论文提出GOPR-CAD，一种基于操作图渐进推理的文本生成CAD模型流程。语言模型作为决策智能体，逐步在封装好的CAD操作之上构建可执行的操作图，再由确定性编译器转换为最终CAD模型，无需额外训练。作者还构建了MHCAD基准，包含300条取自《机械工程手册》的标准机械零件需求，用于无参考的STEP/B-rep结构评估。GOPR-CAD在MHCAD上的结构成功率为82.7%，在外部CADPrompt子集上为87.2%。
说明RealEmbedBench：面向真实应用层嵌入式软件任务的大语言模型基准测试
简介该论文提出 RealEmbedBench 基准，包含 5,142 个样本，涵盖代码生成与补全、状态机建模与实现、跨操作系统代码翻译三类应用层任务。作者评测了六个代表性大语言模型，发现不同任务和模型之间表现差异明显，其中本地代码上下文对代码生成影响显著，Harmony 翻译到 RT-Thread 最具挑战，平均通过率为 0.1667。
说明当正常声音模式发生偏移：面向开放场景的多层级 WavLM 音频深伪检测
简介该论文研究一种无需已知伪造攻击样本的音频深伪检测方法：仅用真实语音训练正常性模型，依据合成音频与真实表征的偏离程度打分。提出的 MLN-WavLM 方法在冻结的 WavLM Base+ 池化隐藏状态上使用收缩马氏距离建模。在 ASVspoof 2019 LA 上等错误率为 8.45%，接近全监督基线的 7.86%；但在 ASVspoof 2021 DF 域偏移下升至 22.12%，并且在该偏移下重新校准阈值会导致低误报率下的召回率完全崩溃。
说明在线推理调参的离策略强化学习：CoRL 2026 RoboEval 挑战赛方案
简介本文介绍作者在 CoRL 2026 RoboEval 挑战赛中的方案，该赛事包含八项双臂任务，按任务各阶段的完成情况、安全性、效率与双臂协调性，并与人类示范对比评分。方案基于 π0.5 的离策略强化学习，策略兼作价值函数，并在每次采样中同时进行推理参数的汤普森采样。最终提交的策略在保留种子上达到 0.990 的 RDS，在官方种子上达到 0.987。
说明无配对表示的可识别对齐：在数据流形的拉回度量下对齐两个模型的表示空间
简介论文提出神经Gromov-Monge对齐方法（NGMA），在无配对数据、无标签的条件下对齐两个模型的表示。方法基于数据度量的拉回距离，在流形假设下对同一数据生成过程的任意两个模型都成立，并证明当数据分布打破数据流形的所有对称性时，对齐映射可识别。实验显示其在图像模型和单细胞模型上优于无配对及有标签的基线方法。
说明MOMENT-DP：面向差分隐私训练中相关噪声的动量感知评估框架
简介论文提出MOMENT-DP框架，用于评估差分隐私优化中时间相关噪声的效果。该框架把隐私噪声通过基于动量的优化过程的传播建模，同时考虑曲率、学习率调度、动量和噪声协方差。研究发现，仅改变动量而其他条件固定，就会导致不同隐私噪声机制的排名发生反转，这表明优化器状态是评估相关隐私噪声时需要考虑的重要因素。
说明面向智能体自回归视频生成的语义对齐KV缓存压缩
简介该论文提出SemanticKV，一种无需训练的KV缓存压缩方法，用于智能体自回归视频生成。它利用规划器提取的语义约束，通过文本交叉注意力定位相关视频位置，据此为缓存条目打分并保留高分部分。在Causal Forcing上，压缩比0.7时VBench总分为84.10，高于对比方法和完整KV缓存，速度提升1.22倍，KV缓存显存由6.04 GB降至1.81 GB。
说明在线策略蒸馏能容忍多大的训练与推理失配？
简介本文研究在线策略蒸馏（OPD）对训练与推理引擎之间失配的容忍程度。作者在统一尺度上衡量各类失配来源，主要考察三组学生-教师模型的量化效应，并在一组模型上测试权重滞后与注入噪声。结果显示，OPD能容忍较大失配而训练质量无明显损失，超过一定程度才会下降。基于此，作者提出轻量级准入检查方法，并报告了模型特定的FP8方案与异步滚动生成在训练效率上的提升。
说明学习约束编程中传播器的排序
简介论文提出用学习方法为约束编程求解器中的传播器确定实例相关的优先级，而不是依赖人工设计的固定启发式规则。方法将其建模为排序学习问题，用自注意力模型打分，并以求解时间导出的成对偏好训练。在 XCSP3 的 698 个较难实例上，相比 Choco 默认优先级，求解数量由 634 增至 654，中位求解时间减少 27.93%，PAR1 减少 12.65%。
说明SWHForest：面向大规模代码语料的结构化筛选与检索层
简介该论文提出 SWHForest，一个开源框架及公开数据集，用于在不重新分发源代码的前提下，为仅提供文件指针的代码语料库提供结构化筛选层。系统对存档文件做一次扫描，将每个文件解析为 AST 并只保留结构摘要，之后可在本地或服务端据此先筛选再下载候选文件。在 Stack-Edu 的十大语言（52.1M 个唯一文件、341M 个定义）上，查询在毫秒级完成，下载量减少 46%至72%。
说明如何「训练」外科医生？通用智能体在手术场景理解中的基准测试
简介本文针对通用多模态大模型在手术场景理解中的评测难题，提出两阶段评测框架。第一阶段构建了诊断基准SurgKnowBench，整合公开手术数据集，评估各类模型的能力边界，发现模型在关系理解、流程理解和工作流评估上仍较弱。第二阶段提出智能体环境SurgAgentGym，让通用智能体在推理时调用手术知识库和视觉定位工具，无需额外手术训练；结果显示该方法主要改善感知类任务，细粒度定位和专家式评估仍是主要瓶颈。