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EditJudge-Bench：用合成真值审计视觉语言模型的图像编辑评判能力
简介本文提出 EditJudge-Bench，一个包含 1,382 对在 Blender 中渲染的合成前后图像的诊断基准，涵盖源自真实用户请求的九类编辑，并依据已知三维场景参数给出精确真值。研究将视觉语言模型作为判断指令是否正确执行的二元验证器进行评测，共测试 25 种配置。结果显示其可靠性存在明显差距，例如 VIEScore 模板配合 GPT-4o 的 AUROC 仅为 69.0%，旋转与形状等空间编辑较难判断。其排名与两个真实图像人类偏好基准高度相关。
说明系统1决策模型的置信度与判断可信吗？——Jev式决策模型的可解释性与扰动审计
简介论文针对系统1决策模型（单次前向推理输出带类型的概率分布，而非自回归生成文本）的校准性和事后可解释性进行评估。作者构建了一个开放、确定性的审计基准，在五个开源模型（0.8B至27B）上，与生成式系统2基线对比，涉及自然语言推理、对抗性句法捷径、合成临床分诊、提示注入防御和逻辑门测试等任务。结果显示模型置信度实为离散度的闭式变换而非经验准确率，多问题打包会引发跨问题干扰，并给出了校准、速度和XAI方面的比较结论。
说明UniHam：面向材料哈密顿量学习的大规模含自旋轨道耦合数据集与基准
简介本文构建了名为UniHam的大规模哈密顿量数据集与基准套件，包含10万余个基于密度泛函理论计算的复值厄米哈密顿量，并纳入自旋轨道耦合，覆盖72种元素及多样的晶体结构与对称性。作者在统一协议下评估了两种代表性模型，并从重构精度、分布外泛化及支持下游性质预测的能力三方面设计评价指标。结果表明，该基准能够有效区分模型能力，并显示谱层面评估的必要性。
说明MARS：用于视频伪造检测的多尺度外观-残差流
简介该论文提出MARS，一种双路径视频伪造检测方法，将固定的时空差分特征与适配后的外观表示结合，并通过门控机制融合两路预测。在七个数据集的统一协议下，MARS取得91.43%的平均AUROC，高于七种对比检测器。仅用人脸篡改数据训练时，它在GenVideo上达到93.99%的AUROC，在DF26上达到75.50%。
看点将多尺度差分特征与适配外观表征双路融合用于视频伪造检测，在七个数据集统一协议下比较，并报告从人脸篡改到生成视频的迁移结果。
说明文本分组会改变长篇同声语音翻译中的完成时间比较
简介研究比较了两种同声翻译系统在英德十场演讲上的语音完成时间，并考察语音合成前是否对翻译更新进行分组。结果显示，分组的影响取决于所用的语音合成器，在某些情况下会改变两种系统之间的完成时间差距。因此，比较语音时间时需要说明文本如何进入语音合成，而不仅仅是使用哪种合成器。
说明开箱即用的表格基础模型用于材料发现中的贝叶斯优化
简介贝叶斯优化常用于材料科学的主动学习循环，高斯过程是常用的代理模型，但需要依任务选择核函数，且对复杂关系的建模能力有限。本文评估了两种表格基础模型TabPFN和TabICL作为开箱即用的代理模型，并在两个标准材料科学基准上与高斯过程、随机森林和CatBoost等多种基线进行比较。结果显示，这两种模型在两个基准上都具有很强的竞争力，且无需针对主动学习进行任务特定训练或选择高斯过程核函数。
说明在真实学生写作中检测AI生成文本：来自PISA 2025的证据
简介本文利用PISA 2025的FLA数据集研究真实学生写作中的AI文本检测。该数据集中德国15岁学生在有无聊天机器人辅助下撰写英语议论文，通过击键、剪贴板和聊天记录追溯每个字符的来源。研究发现，两种检测器在整篇文本上表现可靠，但基于特征的检测器容易被简单的改写提示削弱，嵌入式检测器在单句层面的效果明显下降。
说明AuDiR：用规则与感知干预诊断音频推理
简介该论文提出AuDiR（音频诊断推理）基准，通过逐步提供规则和文本化声学观察、以及去除音频的受控干预，区分模型在声学感知、规则知识与规则应用上的失败。基准包含201个条目，分属18个家族，来自9个来源。初步评估显示，提供声学观察后准确率大幅提升，但论文同时指出验证不完整等限制，使其难以作出更强的失败归因结论。
说明先扰动、再聚合、后重建：基于重建的多视角异常检测
简介本文提出PAR框架，用于基于重建的多视角工业异常检测，以发现单一视角难以察觉的缺陷。方法包括：对特征进行扰动并通过一致性聚合模块融合各视角信息，生成视角一致的伪异常；为每个视角分配专用解码器，并在解码器中引入傅里叶注意力。作者称，在Real-IAD数据集上，PAR在样本级、图像级和像素级异常检测中均优于现有方法。
说明用卷积神经网络为稀疏线性方程组选择求解器
简介本文研究用卷积神经网络自动为稀疏线性方程组选择求解器。网络以矩阵非零结构的 spy 图作为输入，学习预测候选求解器之间的对数耗时比。在 SuiteSparse 留出矩阵和高性能仿真程序中的实际矩阵上，预测准确率表现良好。
说明预算约束下基础模型的预测方法
简介本文研究在每个输入平均查询成本受限的情况下，如何利用多个基础模型为下游任务做预测。作者提出两种方法：一种对所有输入查询相同的模型，另一种允许不同输入查询不同模型，并用Q学习决定下一步查询哪个模型以及何时停止。论文给出了相应的理论结果，并在模拟和多模态笔记本电脑价格应用中显示两种方法都优于现有方法。
说明冻结目标模型上的短语级推测解码
简介推测解码通过验证更多候选令牌来提高吞吐量，本文将候选单位从单个词元改为一到三个词组成的短语。一个小型 MLP 头读取冻结目标模型的隐状态并预测短语，经贪心最长匹配映射回目标模型词元，并在一次前向传播中用前缀树掩码验证多个候选。输出与贪心解码一致，在 GSM8K、MATH-500、MT-Bench 上分别达到 2.391 倍、2.444 倍和 1.544 倍的加速（单张 A5000，batch 为 1）。
说明基于贝叶斯符号回归的因果发现
简介本文将因果发现视为贝叶斯符号回归问题：对每个目标变量的候选父变量，从符号模型的后验中采样闭式表达式，用每个候选变量出现在采样表达式中的比例作为后验包含概率，并以此作为因果得分。在耦合非线性双变量动力学、CauseMe基准套件以及四变量生物地球化学结构因果模型上进行评估，结果与专门的因果发现算法相当，且常更优，并给出可解释的闭式机制。
说明V3DSAM：面向前馈式稠密SLAM的语义-几何双重闭环验证与几何锚定的持久实例建图
简介该论文提出V3DSAM系统，用于开放词汇的语义稠密SLAM，结合VGGT-SLAM 2.0的前馈几何估计与SAM3的开放词汇语义观测，在场景与物体两个层级建立物理对应。系统通过像素级双向重投影和物体级三维空间对应验证闭环，并通过全局坐标系中的类别约束三维连通性定义持久实例，无需帧间身份传播。在TUM RGB-D评估中，该验证器拒绝了全部四个错误闭环候选，ScanNet长序列实验显示实例身份一致性有所提升。
说明用图神经网络未学到的部分来评估符号规则的价值
简介该论文提出一种衡量符号规则（如环计数、基序计数）对图神经网络价值的方法：以网络表示之外仍未被提取的标签信息来定价。作者将规则设计转化为规则发现，在网络的袋外残差上，用经校准的置换零分布并控制族错误率来评估候选规则。在ZINC数据集上，该方法在三次独立运行中恢复了目标中隐藏的环项，并优于专家设计的环计数规则。
说明LongSCOP：语义一致的长视频外绘方法
简介本文针对长视频外绘（即向画面四周扩展内容）问题，指出现有研究多集中于短视频片段。作者提出LongSCOP方法，通过自我强制训练、潜变量校准和未来参考三项训练策略提升长时程生成的稳定性，并利用视觉语言模型代理从整段视频中挑选参考帧以保持主体、场景和背景的一致性。论文还构建了62K个视频片段的训练数据集，以及由专家整理的LVO-Bench评测基准。实验表明该方法在生成稳定性和语义连贯性上优于现有方法。
说明MoSTE：用于视频深度伪造检测的时空专家混合模型
简介论文提出 MoSTE（时空专家混合）框架，用于检测视频中的深度伪造内容。它将适配过程分解为并行的空间与时间专家池，并通过无监督的逐token路由机制动态分配专家，使不同专家自然分工，专注于互补的伪造线索。实验在跨数据集和跨伪造类型的基准上进行，结果显示其平均泛化性能达到新的先进水平。
看点将空间与时间专家池并行混合并做无监督token级路由，用于CLIP向视频深伪检测迁移；摘要报告跨数据集与跨伪造方式基准上的平均泛化领先。
说明占据模型在有偏滑坡清单中的应用：何时把发生与记录分开优于中和法？
简介滑坡易发性模型通常基于记录到的滑坡位置训练，而这些记录可能存在偏差。本文借鉴生态学的占据检测模型，将多份清单视为对同一事件的不完善观测，把滑坡发生与记录过程分开建模，并与标准的中和法进行比较。研究使用2018年北海道东部胆振地震、2015年廓尔喀地震和2010年海地地震的近乎完整清单并模拟报告偏差，结果显示占据模型在多数情形下降低了道路偏差，但其优势依赖于真实滑坡格局的结构。
说明通过参数共享修补电路学习：用于概率电路的递归参数共享方法
简介概率电路是可保证易处理概率推断的生成模型，但模型规模较大。本文发现，假设独立性的模型在似然上可能反而优于不假设独立性的模型。为此，作者提出递归参数共享方法（RePA），在不假设独立性的前提下提升效率；实验显示其能大幅降低时间和内存消耗，并保持有竞争力的似然。作者还将该思路推广到无图像块结构的表格数据（NoPA），在七个表格数据集上取得相似的效率提升。
说明SIMD还是非SIMD：比较RVV与CGRA片上系统在AI非线性函数上的表现
简介本文构建了两套片上系统，分别采用RVV向量处理器和延迟不敏感的弹性CGRA，均搭配矩阵乘法单元并由单核CPU驱动。作者为常见前馈网络设计了映射方案并进行比较。结果显示，在SiLU等简单逐点非线性函数的激活阶段，CGRA的时钟周期最高加速7.12倍；在softmax等复杂非线性函数上，RVV最高加速9.8倍。在所属前馈模块整体上，两者的最大加速比分别为3.16倍和4.24倍。
说明前沿自动研究智能体能否复现人类在AI研究中的决策？
简介该论文研究自动研究智能体（Auto Researchers）产生的研究决策和成果，与人类AI研究者的相似程度。作者提出了分阶段评估框架AutoHRS，并以152篇ICLR口头报告论文为语料，生成456条研究轨迹进行测试。结果显示，当前自动研究智能体在研究过程的多个阶段中，常常无法复现关键的研究决策及其产出。
说明UCB-min：方差异质条件下的多臂老虎机组合算法（扩展版）
简介该论文针对多臂老虎机中各选项奖励方差未知且差异很大的情况，提出UCB-min算法。它对每个选项在方差无关与方差感知两种探索奖励项中选取较紧的一个，无需预先知道方差情况，也无需对奖励做归一化。论文在合成数据、教育辅导任务以及MovieLens和Steam两个群体推荐基准上进行了验证，结果显示该算法在不同方差情形和数据集上都能接近表现最好的基础算法。
说明dNaViT：离散编码可作为通用视觉表示
简介本文提出dNaViT，一种离散原生分辨率视觉Transformer，能够生成类似语言token的离散视觉基元。该方法基于冻结的预训练编码器，结合轻量残差调制与双分支目标函数，并采用分组乘积量化扩展离散容量。论文报告其在12个视觉理解基准、4个生成基准及1个图像编辑基准上达到或超过任务专用基线的表现。
说明小数据条件下的物理信息神经网络：与经典偏微分方程代理模型的受控比较
简介本文研究在标注样本很少时，物理信息神经网络（PINN）能否借助控制方程和初始、边界条件给出准确预测。作者提出分层损失加权方法（H-PINN）及其梯度方向感知扩展（HO-PINN），并在热方程和三个非均质两相流基准问题上，与普通PINN、调优梯度提升、支持向量回归和高斯过程回归进行对比。在20和50个标注点的多数设定下，至少一个PINN变体取得最高的平均主目标R²，但拟合成本明显高于所测试的经典回归方法。
说明两阶段快速基于模拟的推断（结合可微模拟器）
简介本文提出快速基于模拟的推断方法RSBI，这是一种基于扩散的无似然贝叶斯推断变分方法。方法先用可微模拟器给出的距离度量构造初始代理似然，得到一个高效的提议分布，再通过薛定谔桥扩散采样将其输送到真实后验，并用神经似然比修正。文中报告其在标准SBI基准（如Two Moons）上表现良好，并在引力波铃振后验估计这一物理基准上进行了评估。
说明基于路径级结构与语义对齐的层次化多标签文本分类
简介本文研究层次化多标签文本分类，即模型需同时捕捉标签间的结构依赖和各层级标签的细粒度语义。作者以从根节点到目标节点的完整标签路径为共享单位，在保留标准多标签分类器用于推理的前提下，引入两个辅助训练目标：PathSimNCE 利用层次感知的对比目标对齐文档表示与层次路径，语义目标则使用大语言模型生成的、依据文档条件的正例路径描述。在三个基准数据集上的实验显示性能稳定提升，其中结构对齐在更深的层次结构中尤其有益，语义对齐则为细粒度标签带来额外增益。
说明自适应差分隐私 k 主成分分析的最优速率
简介该论文研究差分隐私随机主成分分析：在保护每个样本隐私的前提下，从 n 个独立同分布随机矩阵中估计方差最大的 k 维子空间。作者提出首个在维度 d 与 k 上都达到最优样本复杂度的算法，并且保留了已有方法的自适应噪声与任意目标维度特性。与逐个特征向量进行去平缩的方法不同，该算法联合更新整个 d×k 子空间，结构更简单、超参数更少、计算效率更高。
说明LLM智能体通过共享记忆的无提示协调：锁定双实现复现与扩展
简介本文研究大型语言模型智能体在仅共享键值存储、且提示中不提及其他智能体的情况下是否会自发协调。研究由两套独立实现进行复现，四个智能体各完成一个算术子任务，其中两个分别持有同一计算的互补部分。结果显示，只有通过共享存储才能达成联合成功，且是否协调取决于智能体是否写入中间结果并再次查看存储。
说明PhysOPSD：以代码作为特权信息，提升视频生成的物理合理性
简介该论文针对现代视频生成模型在物理动态和复杂交互上表现脆弱的问题，提出PhysOPSD方法，把可执行代码作为视频生成的特权物理上下文。借助PhysOPSD-Engine，将现实物理场景转化为可验证的仿真程序，并结合双层物理特权与共享采样噪声下的受控物理变化进行训练。论文称，该方法仅用3K样本即优于SFT和RL基线，同时保持通用视频生成质量。
说明衔接任务规划与执行的双臂语言指令操作方法
简介本文提出一种零样本视觉-语言框架，用于双臂操作，使机器人在规划任务时同时考虑任务目标与物理可行性。规划基于结合语义物体关系与执行约束的结构化场景表示，并将动作组织为带前后条件的并行双臂阶段，由分层验证器在感知不确定性下检验条件并支持局部恢复或重新规划。在CENTAURO轮腿混合人形机器人上，九个语言指令操作场景的实验显示，任务成功率高于不考虑执行的基线方法。
说明BDBBQ：面向大语言模型孟加拉语社会偏见的人机协作基准
简介本文提出BDBBQ，是BanglaBBQ的英孟双语扩展版，包含12个社会类别的61,312条问答实例，用于考察大语言模型在孟加拉语与英语中的准确率和刻板印象相关偏见。作者通过结构检查、220项统计检验及四名标注者对150条实例的专家标注进行验证，并在8个大语言模型上评估了490,496个实例。研究发现，消歧语境在孟加拉语中带来的准确率提升更大，跨语言表现与社会偏见是相互独立的两个维度。
说明PTC-IoU：面向边缘视频分析、适合在CPU上运行的检测质量估计方法
简介边缘视频分析系统在运行时无法获得真实标注，因此需要估计本地检测结果的质量，以判断哪些帧可能存在检测失败并需上传至云端更强的模型处理。本文提出预测时序一致性IoU（PTC-IoU），通过压缩检测框历史来实现确定性的结果评分，把原本占用GPU的估计工作转移到CPU上。在Nvidia Jetson Orin Nano上的实验显示，单帧估计延迟从神经网络方法的10.3毫秒降至2.2毫秒（快4.7倍），流水线吞吐量提高13.6%，估计能耗最多降低95%，同时在多个数据集上保持有竞争力的最终检测质量。
说明AutoBuddy：在模拟职场中评估主动式常驻智能体的任务发现与执行能力
简介论文提出AutoBuddy-Bench模拟器，用时序图建模一个组织的员工、项目、业务系统和事件记录，并生成真实的工作区文件，从中推导出待办任务及其正确结果。作者还构建了参考智能体AutoBuddy，可替换不同的大语言模型作为底座，并在任务发现与执行两方面进行了评测。结果显示，较弱的模型主要在发现任务阶段失败，中等模型能识别任务却常不去完成，最强的模型则主要在执行阶段失败，尤其是业务系统操作；发现的精确率与执行质量关联较弱。
说明不止是风格：评估大语言模型中人格倾向的影响
简介该论文指出，大语言模型的输出除了受提示词和指令影响外，还受到类似人类人格倾向的内在行为偏好影响。作者提出名为SPACE的基准框架，结合受控评估流程与人格验证、能力评估及分层情境任务数据集，用以区分人格影响与能力变化及即时指令效应。实验显示，提示虽能改变生成风格，但模型内在的人格倾向较为持久，难以被相反指令覆盖，并且会对任务表现产生可观察的影响。
说明神经外科人工智能临床预测的系统综述与荟萃分析
简介本文系统综述并荟萃分析了人工智能在神经外科及各亚专科中临床预测研究的整体表现。共纳入1063项研究，其中451项报告了AUC，合并判别力为0.86。研究发现，模型在诊断类任务中表现最好，术后任务最弱；但多数研究仅做内部验证，且89%存在较高偏倚风险。
说明AutoVLA-D：从推理中学习轨迹几何条件的自动驾驶视觉-语言-动作模型
简介该论文针对自回归视觉-语言-动作（VLA）规划中连续轨迹作为最终输出时，与驾驶指令的直接条件关联较弱的问题，提出了离散轨迹几何条件TrajCond，并采用两阶段训练框架学习。作者称该方法为AutoVLA-D，同时自回归生成离散轨迹与数值轨迹。在NAVSIM navtest、nuScenes和NeuroNCAP上的实验表明，离散轨迹作为直接输出较弱，但作为TrajCond更有效，能在闭环和开环基准上持续改善最终连续轨迹预测。
说明从稀疏计数网络重建首都每条街道的小时交通流量：应用于巴黎的图神经网络
简介微尺度空气质量模型需要每条路段的小时交通数据，而常设计数器只覆盖路网的一小部分。研究者开发了一种图神经网络，利用巴黎市区32,163条路段中装有计数器的1,573条（占4.9%）重建每小时车流。该模型以城市插值图神经网络为基础，适配真实的稀疏计数网络，并通过八折空间交叉验证评估：在有计数器的区域内插补，R²为0.89；在无计数器的区域外推，R²为0.74。
说明AudioCodex：用于实时音频的流式自编码器
简介本文提出AudioCodex，一种完全因果的自编码器，用于实时生成式音频应用。它将立体声音频压缩为约10赫兹的紧凑连续潜在序列，结合了Mean Flow幅度自编码器、潜在超球面投影、有界噪声增强、表示对齐和对抗式相位恢复等方法。消融实验显示，其在生成与重建的权衡上优于现有先进方法，且编码和解码均保持严格因果。
说明TANSAR：在相关键下可编辑、可溯源的相关矩阵记忆与受规则约束的多跳知识编辑
简介论文研究相关矩阵记忆（CMM）在键彼此相关时的容量、删除副作用与可溯源性，并给出理论界。在此基础上提出TANSAR方法：在有向无环关联图上检索，用硬规则剪除无效路径，并将经验证路径的表示注入冻结语言模型，配合统计选择性风险门控。实验表明，多跳知识编辑中的答案矛盾由25.1%降至0.5%，单次编辑事务在CPU上耗时13.6毫秒、GPU上为2.37毫秒。
说明TRIAD：面向抽象层级、多重约束与对话状态的多模态检索基准
简介该论文提出了 TRIAD，一个用于评估多模态检索系统能否满足复杂且会随对话变化的请求的基准。它包含抽象、约束和状态三个赛道，共六个子集，每个子集有 1000 条查询，并采用统一的多正例平均精度（mAP）评估。研究评估了 17 个系统的 20 种配置，发现没有系统在全部子集上领先，且多轮检索的 mAP 普遍较低。
说明DForkTree：基于分叉感知块扩散草稿树加速推测解码
简介该论文提出 DForkTree，一种无需训练的推测解码方法，用于加速语言模型推理。方法把目标模型输出中的 n-gram 统计以点互信息形式加入草稿模型的打分，分叉之后的分支赋予更高权重，并在 GPU 上精确构建最优草稿树。在 Qwen3.5-4B 和 9B 上的实验中，DForkTree 在所有基准上都是最快的树方法，相比 DFlash 最多快 41.5%，相比 DDTree 最多快 15.1%。
说明QCC-WM：通过商因果构造连接宏观状态动态与视觉生成
简介该论文提出 QCC-WM，一种基于商因果构造的视觉世界模型，用于动作条件下的预测。模型利用平移与旋转动作的响应，把局部视觉特征聚合为具有空间对应关系的宏观节点，并在共享参考测量下递归预测节点内容与运动。在 US-VLA 数据集上，四步预测的 ROI-MSE 为 0.01861，相比各预测步长下的最佳基线，LPIPS 分别降低 48.59%、41.68% 和 30.23%。
说明UniOMA：面向机器人感知的统一最优传输多模态结构对齐方法
简介这篇论文提出一种多模态对齐方法UniOMA，在现有对比损失上加入基于Gromov-Wasserstein距离的几何正则项，使各模态之间的结构保持一致。方法通过动态学习的GW重心减少跨模态结构差异，并应用于力觉和触觉等数据样本密度不均的机器人感知任务。论文报告在五个机器人基准上，该方法在包括机器人与环境状态预测在内的多项下游任务中优于现有多模态对比学习基线，且该正则项可接入大多数InfoNCE类目标函数。
说明ReVMap：基于连接感知的局部地图融合的矢量化全局地图构建
简介本文提出ReVMap框架，用于从局部矢量化预测逐步构建全局高精地图，以减少人工标注成本。该方法利用逐点定位不确定性将全局地图先验用于局部预测，并通过连接性引导与不确定性感知融合迭代修正全局地图。在nuScenes和Argoverse 2基准上的实验表明，其在局部地图预测和全局地图构建方面均达到了当前最优性能。
说明TMT：借助文本推导的模态知识迁移，将CLIP适配到红外图像
简介论文指出，CLIP在红外图像上的图文对齐效果较差，因为其预训练数据以可见光为主。作者提出TMT方法，只使用成对的红外与可见光图像进行适配，利用文本嵌入差值描述模态差异，并结合语义对齐与扩散噪声预测进行联合监督。在四个源不相交的红外分类基准上，TMT取得了对比方法中最高的平均零样本准确率（48.92%）。
说明证据还是边际？多项式密度神经元中矩向量传播的计算含义
简介论文比较了神经元在输入缺失或由信念分布 q 给出时的两种输出公式：p_CD = E_q[N]/E_q[D] 与 p_EU = E_q[N/D]。作者指出两者分别对应贝叶斯更新（把信念视为虚拟证据）与Jeffrey规则（把信念作为新的边际）。论文给出事后分析的证明与多输入的示例，并在预先注册的合成研究中检验了15个假设，其中5个获得支持。
说明重新思考雷达三维感知：从原始频谱进行表示学习
简介论文认为，原始雷达频谱并非只能靠手工降维或稀疏点云处理，关键在于缺少区分结构信号与噪声的学习目标。作者提出在原始雷达数据上进行自监督掩码建模，并设计了基于频谱泄漏启发的掩码策略的Leakage-aware Spectral MAE。论文还指出把多普勒维度作为主要空间维度的表示优于简单通道堆叠，且在不使用手工降维的情况下，方法优于现有雷达检测器和基于点云的自监督方法。
说明AMSchem：通过可验证的智能体生成，自动绘制模拟与混合信号电路原理图
简介该论文提出 AMSchem，一个无需训练、由验证器引导的智能体框架，可将模拟与混合信号电路的网表自动转换为便于阅读的原理图。框架把电路感知的视觉规划与可执行的原理图几何分开，并通过确定性验证器保证器件、引脚连接和几何的正确性。作者还构建了包含 64 个电路的基准 AMSchem-Bench。
说明机器学习模型会做预测吗？
简介该论文讨论机器学习模型是否也能像理论一样进行预测，区分了"预测"与"事后拟合"（即模型输出所依据的证据是否在构建时已被使用）。作者认为这一区分在机器学习模型上依然存在，但界线较为模糊，大多数成功的模型输出更接近事后拟合。文章还探讨了这一看法对证实、新颖性与科学实在论的影响。
说明用于非线性系统辨识的张量网络核机器
简介这篇论文介绍了张量网络核机器这一模型类别，它借助低秩张量网络实现高效的非线性系统辨识。文章帮助读者理解该模型类别的两个基本特性，并讨论了这类模型的优化与正则化方法，以及近期进展和可供进一步探索的起点。
说明一个世界模型需要多少次接触才能学会未见过的游戏机制：测试时学习
简介该论文研究世界模型在陌生环境中需要多少次经验才能预测新游戏机制的效果。作者提出MechEval评测基准，标注了ARC-AGI-3中20个游戏的69种机制，并构建了3500万参数的WARC视觉Transformer模型。在未见过的游戏上，WARC能预测五分之四的机制，且准确率达到80%以上，其中一半约需80次接触即可达到该水平。
说明缓解 GPU 上 3D 高斯溅射中的 SM 级负载不均衡
简介3D 高斯溅射（3DGS）是一种可在普通 GPU 上实时渲染的技术。本文发现 GPU 渲染中因屏幕瓦片工作量不均导致的 SM 级负载失衡，使多数 SM 空闲等待少数繁重瓦片。作者提出一种软件定义的调度方法，用持久内核优先调度繁重瓦片，并将异常瓦片拆分到多个 CTA 上执行。该方法无需重新训练或专用硬件，在大规模城市场景中，逐场景平均使 alpha 混合加速最多 2.93 倍。
说明多智能体强化学习系统的模块化建模视角
简介本文针对多智能体强化学习（MARL）文献碎片化的问题，提出模块化的建模、分析与实现视角，将MARL系统分解为智能体、环境、学习、奖励建模、训练与执行模式、通信、对其他智能体的建模以及评估标准八个功能模块。作者基于该分解实现了框架MARLKIT，其中各模块显式且可互换，实验表明其便于原型开发、比较、复用与组合各模块，并使配置差异清晰可见。
说明MNN-Pocket-0.3B技术报告：面向端侧设备的紧凑型语言模型
简介本报告介绍了MNN-Pocket-0.3B，一个约3亿参数、支持最长32K上下文的紧凑型稠密语言模型，面向手机、智能眼镜等端侧设备部署。模型通过架构、数据、训练流程与推理系统的协同设计实现，在INT4量化下部署体积为173 MB，在iPad Pro M5上解码速度最高可达466 tokens/s。报告称其在中英文知识与推理、数学、代码及指令遵循等方面表现突出，并公开了权重与MNN部署包。
说明平滑强凸函数上重球动量的最优速率常数
简介该论文研究重球动量法在平滑强凸函数类上能比梯度下降快多少。作者证明，在任意两维及以上的维度中，最优最坏情况速率常数 c(κ) 趋于 8，即收敛速率为 1-8/κ 量级。下界对所有参数选取成立，上界由一组显式参数及一个经精确算术验证的 Lyapunov 函数给出。结论是，最优调参的重球法在该函数类上渐近快约四倍于梯度下降。
看点给出重球法在光滑强凸函数类上最优速率常数的紧界，由 c(κ)→8 确定加速幅度，并给出显式调参与李雅普诺夫证明，对该类优化理论有实质推进。
说明PACE-ECG：利用患者纵向结构的可迁移心电图预训练
简介该论文提出PACE-ECG心电图预训练框架，在同一患者时间相邻的记录之间进行对比学习，并结合临床指导的多任务监督。在MIMIC-IV及两个外部HEEDB队列中，对冻结的心电表征进行心肌梗死后全因死亡率和新发心力衰竭预测评估。结果显示，该模型在域内及外部人群上优于DeepECG-SSL，且编码器更小、预训练数据更少；研究认为预训练目标设计对下游迁移影响很大，仅有域内表现不足以证明其临床泛化性。
说明HumanSightBench：评估多模态大模型人类视觉感知能力的基准
简介该论文提出 HumanSightBench，一个用于评估多模态大语言模型视觉感知能力的基准。它包含 2876 个短答案视觉问题，覆盖 7 个一级感知类别和 21 个子类别，题目均经过问题清晰度、答案唯一性、视觉依据、人类可解答性和纯文本捷径过滤等筛选。最佳模型的 pass@3 得分为 65.6%，在计数类别中没有模型超过 27.5%，说明总体分数掩盖了具体能力缺口。
说明可重新配置的动作理论：用于动态可组合智能体框架的形式化基础
简介该论文提出可重新配置动作理论（RAT），允许动作改变动作理论本身，以描述智能体框架在执行中更换工具、模型提供方和策略的情况。论文给出了模块加载与卸载的形式化定义，讨论了下一配置唯一性、既有行为保持等性质，并分析了推理任务的计算复杂度。实验将有限RAT模型与DeepSeek Harness、Pi和OpenHands的官方实现进行对比。
说明用于超声导波结构健康监测损伤识别的物理信息正弦表示网络
简介该论文提出一种频域物理信息正弦表示网络（PI-SIREN），将Mindlin-Reissner板理论的控制方程嵌入训练过程，用于在稀疏超声测量条件下重建超声波场，无需时间离散。模型采用Adam、残差自适应细化和L-BFGS三阶段混合优化。实验表明，该方法在稀疏实验数据上检测并定位了铣削缺口，定位误差为板对角线长度的1%，而数据驱动基线和普通多层感知机均无法完成损伤识别。
说明RecoGEM：面向生产规模生成式推荐的服务系统
简介本文提出了生产级生成式推荐（GR）服务系统RecoGEM。GR需要逐步自回归生成物品标识符，使在线服务难度显著增加。RecoGEM采用运行时与执行引擎解耦的架构，并针对GR的短序列、大候选集和可预测的步骤形状进行优化。该系统已在生产环境部署九个月以上，支持数亿用户和十多个GR模型系列；在OneModel生产负载上，每实例超过1000 QPS，P99延迟低于35毫秒，吞吐量较代表性基线提升2.88倍。
说明《Be My Eye》：让机器人学会看到自身视角之外的信息
简介该论文提出一种面向任务的主动上下文共享框架，用于多机器人协作中的信息交换。机器人不再被动传输原始观测，而是根据任务目标和执行进度，把关键信息压缩为紧凑表示，以适应受限的通信带宽。方法分两阶段训练：先学习压缩表示，再将其接入预训练的视觉-语言-动作（VLA）策略，实现双向信息交换。受控实验显示在通信受限下性能明显提升，三组真实双机器人任务也验证了该框架的有效性。
说明将递归深度视为候选来源：面向大语言模型递归测试时扩展的深度组合分配
简介该论文研究大语言模型的递归潜在推理，即通过增加递归深度来扩展推理时的计算量。作者发现，更深的递归可能丢失浅层已找到的正确解，不同深度成功的问题集合也大多互不包含，因此深度不仅决定计算成本，还决定可获得的候选解。基于此，论文提出深度组合分配（DPA）方法，在共享推理预算下把深度作为候选来源进行分配，并在GSM8K、SVAMP、MultiArith和MBPP等数据集上展示了混合深度组合和反馈引导分配的效果。
说明深度神经网络与人脑在噪声视听语音处理中的表征对齐研究
简介该论文研究深度神经网络（DNN）的表征如何与人脑从声学到语言处理的过程对齐。作者使用神经编码模型模拟对声学特征和语言特征的神经反应，并通过表征相似性分析（RSA）比较这些反应与预训练自动语音识别（ASR）模型的嵌入。结果显示浅层更接近声学相关反应，深层更接近语言相关反应，经过噪声视听数据微调后，这种对齐进一步增强。
说明VLA-MOPD：面向多任务视觉-语言-动作策略整合的在线策略蒸馏
简介本文提出VLA-MOPD方法，用于把多个基于流匹配的视觉-语言-动作机器人策略专家整合为一个共享学生策略。学生在机器人执行中，于每个观测和中间常微分方程状态处向按指令路由的冻结教师查询，并通过掩码局部匹配损失学习动作。在LIBERO和RoboTwin 2.0基准及Piper机器人上，整合后的成功率均有明显提升。
说明面向上下文感知时间序列预测的证据驱动推理学习
简介该论文提出CastReasoner，一种用于上下文感知时间序列预测的证据驱动推理模型。模型通过结构化思维链从上下文特征中提取预测证据，推断这些证据暗示的未来走势，并据此判断是否调整预测先验。训练分为监督微调和强化学习两阶段，作者称在多领域预测基准上取得了更优的预测性能。
说明模拟新冠疫情在大都市区的社会经济影响
简介该论文扩展了之前提出的BTH-SEIRS模型，用于模拟城市区域内人员流动减少的影响。研究以芬兰首都赫尔辛基周边的大都市区为对象，结合移动电话公司的人口流动数据、铁路公共交通数据以及住宿入住率进行分析。结果显示，该模型能够模拟真实的感染数据以及与流动相关的经济活动趋势。
说明面向可解释生存时间预测的对数优势结构化分布回归
简介该论文针对时间至事件预测中的不确定性问题，提出一种输出参数在对数优势（log-odds）上可加的分布回归方法ODDS-DR。该方法使输出参数与临床风险建模中常用的概念对齐，并支持随时间变化的特征归因。作者在两个真实临床队列上验证，表明其预测性能与现有先进方法相当，同时可将分布输出转化为可解释的风险指标。
说明基于隔离时序模型的分层多通道行星车倾覆预测
简介本文提出一种分层多通道倾覆预测框架，用于行星车的安全防护。多步时序卷积网络从惯性测量数据中学习渐进的失稳模式，门控循环单元前向动力学模型则通过预测残差检测异常动态偏差。两路信号经决策级融合与优先级仲裁，生成预警和紧急制动等分级安全动作。在异构地形采集的惯性测量数据上，该方法的事件预测覆盖率为97.58%，中位提前量为1.82秒。
说明面向自我中心基础模型的法证评估框架：以 EFM3D 重建犯罪现场为例的研究
简介本文提出一个用于评估自我中心基础模型的法证评估框架，并以三维自我中心基础模型 EFM3D 为例进行演示。研究在一处法证培训设施中录制了四个模拟室内犯罪现场，从房间尺度重建、语义场景理解、计算性能和法证适用性等方面进行评估。结论认为，EFM3D 更适合作为辅助的情境记录与现场复查工具，而不能替代高精度的法证采集。
说明RAIL：面向学生可复现的教师策略的表示对齐模仿学习
简介该论文提出表示对齐模仿学习（RAIL）方法，用于从图像等原始传感器输入训练强化学习策略。教师策略可以使用学生无法获取的特权状态信息，直接模仿会存在无法消除的差距。RAIL通过对比学习学习教师与学生观测共享的潜在表示，并在该空间中训练教师策略，使其行为可由学生观测复现。实验表明，RAIL无需修改奖励或对学生做额外微调，即可缩小模仿差距，并优于基线方法和直接从原始观测进行的强化学习。
说明一种自动发现符号化局部学习规则的方法
简介该论文提出一种通用方法，用于发现可替代反向传播的符号化局部学习规则，理论上适用于任何深度学习架构和任务。方法为每一层自动发现局部损失函数，并在分类、重建和自监督学习任务上进行了测试。实验显示，所发现的规则能使层间产生有意义的相互作用，显著降低对应的全局损失，且比基于多层感知机的替代方法更易解释。
说明CADMA：面向生成模型评估的容量感知覆盖分解方法
简介该论文提出CADMA框架，用于评估生成模型的分布覆盖程度。它通过比较真实样本与生成样本之间的局部容量，将几何覆盖与有效覆盖区分开来。实验表明，该方法能给出更可靠的覆盖估计，并能更细致地诊断模式丢失和模式坍缩等多样性缺陷。
说明控制时间窗口内伪标签的类别分布，以稳定在线测试时自适应
简介该论文关注持续测试时自适应（CTTA）中模型因伪标签类别逐渐集中而出现漂移甚至崩溃的问题。作者提出SCALAR模块，用缓冲区保存近期预测，通过Sinkhorn算法将其类别分布平衡到目标分布，再用平衡后的软标签进行自适应。该方法不改变模型结构，在ImageNet-C上仅使峰值GPU内存增加约10 MB，并能与基于熵或多样性的稳定方法结合使用。
说明剪枝而非合并：面向多语言生产任务的混合专家大模型专家压缩
简介本文比较两种单次专家压缩方法（REAP 剪枝与 REAM 合并）在一家网站托管公司五项多语言生产任务上的表现，测试对象为两个 300 亿参数模型，专家移除比例为 25% 和 50%。结果显示剪枝整体优于合并，在 20 组对比中 REAP 显著更好的有 16 组，REAM 仅 2 组。压缩造成的损失主要集中在输出格式约束上，如无效 JSON、移动端版式损坏和无限生成等。
说明ECOS：面向语言智能体、以环境结果校准的同策略自蒸馏方法
简介该论文提出环境校准的同策略自蒸馏（ECOS），让语言智能体以自身轨迹撰写的技能作为特权上下文充当自己的教师。方法利用环境结果估计指令级优势，决定对教师指导的信任程度，并强化能带来更高优势指令的自写技能。在 ALFWorld 与 WebShop 上，3B 与 7B 智能体在推理时不使用技能即取得较高成功率，并在未见任务上优于同等设置下的 GRPO。
说明练习准确率掩盖的代价：自生成训练数据中的完整解题过程与新规则的组合使用
简介这篇论文研究一个2B参数推理模型学习两条虚构定量规则的情形，比较仅用规则说明与附带程序生成的完整解题过程两种自生成训练数据方式。结果显示，两者在已练习的正向应用上准确率相同，但仅用规则说明的训练在组合使用同一规则的任务上表现更好，且用解题过程训练的模型每次组合成功所消耗的生成token数更多。
说明PARIS：基于多智能体大语言模型、遵循PRISMA指南的端到端系统综述框架
简介论文提出开源框架PARIS，由一个调度智能体协调15个大语言模型智能体，完成从确定研究问题到导出稿件的系统文献综述全流程，并设有三个人工检查点。作者还提出了综合评分指标QualityScore（0至100分），用于在综合前评估文献语料质量。两个案例分别涉及AI聊天机器人与大学生学习、AI辅助综述方法，显示了该框架的端到端可行性，并通过审计暴露了检索不完整、计数不一致等失败模式。
说明量子核方法在网络入侵检测中的稳定性实证评估：检验硬件噪声是否为性能受限的主因
简介本文用 Pegasos-QSVC 在 NSL-KDD 和 ToN-IoT 数据集上做了 56 组量子实验，比较无噪声的精确态矢量模拟与三种带噪声的超导后端。结果显示，XGBoost 的准确率明显高于该量子模型，且量子模型对随机种子更敏感，部分运行退化为无效分类器，其中两次失败发生在无噪声后端。作者认为，平均准确率可能掩盖不可接受的表现，因此应报告最差情况、种子级波动和分类别指标。
说明注意力机制的几何不变量：仅凭权重即可预测注意力头的专门化
简介该论文推导出一个标量不变量 ρ，用来衡量每个注意力头与旋转位置编码耦合的能力，无需前向传播即可分析注意力头。作者报告，在四个无偏置的 RoPE 模型（参数量从 1.35 亿到 70 亿）上，ρ 与归纳头的 Spearman 相关系数在 -0.55 到 -0.74 之间。作为初步验证，仅对位置相关性最强的前 50% 注意力头应用 YaRN，其困惑度下降幅度小于对全部注意力头统一应用。
说明基于图的强化学习：多艘巡逻无人水面艇的顺序会合规划
简介本文研究由一艘指挥无人艇依次与多艘巡逻无人艇会合的任务规划问题，目标是缩短任务完成时间并减少相对于优先级截止时间的总延误。作者提出结合网格路径规划、替代模型旅行时间预测和图强化学习的框架，其中图神经网络利用会合事件的时空关系学习策略。在网格路径规划下的评估显示，相比贪心法、MLP-RL和两步前瞻贪心法，目标值分别平均降低10.5%、3.5%和1.5%，计算时间约为后者的1/35。
说明通过评估下一步状态来学习行动的世界模型方法
简介该论文提出WM-PPO方法，利用世界模型预测智能体每个候选动作带来的下一观测，并由评论家（critic）评估预测的后继状态，从而为稀疏终端奖励下的策略和价值学习提供辅助信号。在ALFWorld上成功率从PPO的63.5%提升至87.5%，在ScienceWorld上从39.3%提升至52.9%。
说明TrajLift：用延迟调制热扩散提升记忆回忆轨迹
简介该论文提出TrajLift框架，把言语回忆过程建模为层级图上带时间信息的轨迹，用于阿尔茨海默病的计算分析。其核心是在语义层级上进行延迟调制的热扩散，将每个回忆词转化为同时包含多尺度层级结构和连续检索时间的表示。在合成基准和真实临床数据上，该方法均优于多种基线，且检索时间信息越充分时优势越明显。
说明欺骗档案库：面向大规模言语欺骗检测研究的标准化数据集仓库
简介该论文介绍了“欺骗档案库”（Deception Archive），这是一个基于大规模系统综述整理的公开言语欺骗数据集仓库，并经过统一标准化处理。目前仓库收录了41个公开数据集，共包含387,995条真实或欺骗性陈述。该仓库旨在集中提供标准化数据及元数据，便于数据集查找、跨数据集验证和计算模型的可复现评估。
说明利用视觉-语言模型实现联邦无监督视觉识别
简介本文提出FedUR，这是首个面向无监督识别任务的联邦学习框架，利用CLIP等预训练视觉-语言模型的零样本能力处理客户端的无标签数据。方法包括基于类别感知数据选择的伪标签机制、类别权重与负伪标签策略，以及在服务器聚合通用视觉提示、客户端保留个性化文本提示的协议。实验表明，在标签级和特征级分布偏移下，FedUR均优于基线方法。
说明NearFormer：基于随机近邻的线性规模稀疏注意力图Transformer
简介图Transformer能够捕捉长程相互作用，但其二次方的注意力计算成本限制了其在大规模图上的应用。该论文提出NearFormer，将全局注意力限制在一个随机近邻图上：每个节点只与由标签无关的特征或谱几何定义的更大邻域中的少量近邻相连，注意力规模随节点数线性增长。实验表明，在长程图基准和合成结构任务上，NearFormer相较于局部消息传递、稠密和稀疏注意力，在精度与可扩展性之间取得了更好的平衡。
说明盲目变异、选择性保留：提升AI科学家的创意生成能力
简介论文提出受认知框架“盲目变异与选择性保留”启发的科学发现方法BVSR。生成阶段限制任务信息以扩大探索范围，选择阶段利用同一任务中已验证提案及其结果筛选候选方案。在五个模型、12项科学任务上的实验显示，该方法提高了提案的原创性和非显而易见性，并在多个任务上取得更强的发现效果。
说明TS-GEAR：淘宝闪购的生成式广告检索框架
简介该论文针对即时配送平台中用户配送范围外的商家无法参与推荐的问题，提出统一的生成式检索框架TS-GEAR。其核心包括地理语义ID、以查询和位置为双重目标的历史行为注意力机制，以及基于去重群组奖励的GMPO优化方法。该框架在淘宝闪购搜索广告中部署，服务每日超过1.5亿次查询，在命中率和地理有效性上优于现有方法，广告展示量和广告收入分别提升3.8%和4.2%。
看点将地理可达性融入生成式语义ID并设计集合级去重策略，在淘宝闪购线上部署，报告HitRate与广告收入提升。
说明热舒适队列模型复现研究：未能支持热偏好预测的改进
简介该论文复现了一项热舒适队列模型研究，这类模型通过按人口统计和心理测量特征或相似热偏好对居住者分组，以减少个人舒适模型所需的大量个体数据。作者在方法学审查后，用两个数据集（DORN 与 PersonAI）进行复现。结果显示，在 F1-micro 指标下，总是输出多数类的基线与队列模型表现相当；在 F1-macro 指标下，所有队列模型的中位数得分都低于随机预测基线。因此，论文认为原研究关于队列模型改进热偏好预测的结论不成立。
说明《具身第一考》：编码智能体控制机器人的统一评测框架
简介该论文提出“具身第一考”（Embodied First Exam）评测框架，用于检验编码智能体能否在物理约束下可靠地控制多种机器人。框架包含35个套件、1156项任务及47个机器人，允许智能体直接控制、编写代码控制或训练策略控制。在最贴近真实环境的标准设置中，表现最好的智能体在456项核心任务上成功率为34%。
说明GeoMind：机器人操作中空间理解能力的基准测试
简介这篇论文提出了GeoMind，一个通过桌面操作任务来系统评估空间理解能力的基准测试，包含54个任务变体，围绕空间推理和空间记忆设计。论文还提供了一套可自动生成并标注任务实例的流程。对多种具身智能体的评估显示，它们在空间理解方面普遍存在不足，难以在空间变化后追踪物体身份，也难以把关系或几何约束转化为可执行动作。
说明湖仓架构中面向实时分析的事务性数据变更
简介本文针对湖仓架构中的实时数据分析需求，提出了数据同步框架Retina，目标是在保证ACID事务特性的同时，实现实时、低成本且不影响查询性能的数据变更。作者已实现并开源该框架。实验表明，Retina的数据新鲜度可达10毫秒级，数据变更吞吐量可线性扩展至每秒超过320万行，并且资源消耗和查询性能开销较低，明显优于现有湖仓系统及兼容数据湖的HTAP数据库。
说明FraudBench：对AI欺诈行为的法律评估
简介本文提出FraudBench，用于评估大型语言模型在美国法律下是否会推荐、协助或直接实施欺诈行为。数据集包含159个基于真实美国法院案件并经法律专家验证的场景，通过建议、起草消息和直接代理三种自主程度的任务进行测试，共477项任务。研究评估了20个模型在25种实验条件下的表现，并包含人类基线。
看点新意在于以真实美国判例构建欺诈行为评测并覆盖不同自主程度，摘要报告20个模型、>300,000次生成及预注册人类基线。
说明让修复者来决定：基于修复者似然训练代码定位器
简介该论文提出“修复者引导定位”（FGL）方法：定位器先生成多个候选定位，冻结的修复者根据它们生成已验证补丁的可能性打分，再用加权监督微调训练定位器，无需运行测试，也不使用强化学习。基于Gemma 4 E4B构建完整流程，并使用1,629条经测试验证的轨迹进行训练。
说明同一物理、不同梯度：可微分物理仿真的前沿综述
简介本文是一篇关于可微分物理仿真的综述。它区分了返回导数所对应的对象（有限计算、收敛方程或连续动力学）与反向传播的组织方式（自动微分、方程级伴随求解或自定义伴随），并据此对各类方法和引擎进行分类。文中还在一个测试平台上测量了梯度丢失的四种机制，并回顾了零阶方法在这些情形下可能优于仿真器梯度的证据。
说明超越扁平遍历：面向自回归图生成的组合式抽象
简介自回归图生成模型通常通过扁平的节点-边遍历将图线性化，这可能掩盖大型复杂图中的高阶结构。本文提出一种层次化图抽象与由粗到细的生成流程，将粗化、标记化与解码分开，并探讨社区粗化、层次化标记化和顺序随机化三个设计维度。在十个分子与非分子基准数据集上，层次化序列化在所有分子数据集上带来了一致的分布与结构增益，而非分子结果表明这些增益取决于所给层次结构与目标分布结构的吻合程度。
说明动力系统生成模型中特征学习与模式坍缩之间的平衡
简介该论文研究基于动力系统的生成模型（如归一化流和扩散模型）的学习动态。作者利用动力系统与算子理论工具，将一类随机微分方程的梯度流表示为线性算子的复合，从而把模式坍缩与生成模型中的低秩偏置联系起来。在变分推断和流匹配任务中，论文指出这种偏置可表现为两种机制，并提出特征学习与坍缩之间存在权衡。
说明EgoLabel：基于跨模态一致性的零样本第一人称自动标注
简介该论文提出 EgoLabel，一种无需目标领域标注数据训练的零样本流水线，组合现成模型完成第一人称视角下深度、相机位姿、物体和手部姿态的自动标注，并提供跨模态配准与一致性诊断。在 20 个序列上，逐手深度锚定使每序列手部-深度残差中位数的均值相对全局单一尺度降低 23%；手部对齐误差（PA-MPJPE）为 14.53±1.29 毫米，绝对误差为 119.1±31.3 毫米。
说明DisasterVL：基于证据的灾害场景视觉推理数据集与模型
简介本文介绍了DisasterVL，这是一个用于灾害图像证据型推理的数据集和基准，包含约120万张来自142个国家的图像及2500万条结构化标注。标注涵盖场景描述、事件与位置评估、空间关系和视觉问答，答案与可见证据相关联。在测试集上，9B参数的DisasterVLM模型在描述、开放式问答、事件推理和区域定位任务上优于所评估的通用基线模型，文本重叠度的提升大于证据得分的提升。作者计划公开数据集、训练模型和代码。
说明时间序列基础模型能预测股指期货收益吗？关于模型、指标与输入表示的预注册评估
简介本文用预注册方法检验冻结的时间序列基础模型（TSFM）在股指期货日内收益预测上的表现，测试对象为纳斯达克100和标普500的迷你期货。在与不变化预测（no-change）基准的对比中，盲测集上160个组合均未胜过该基准，统计检验也未显示超额预测能力。作者认为，表面上的预测技巧主要来自指标或简单规则，并不构成真正的增量预测能力。
说明可见尾部：重尾老虎机中对未知矩的自适应特征刻画
简介该论文研究重尾多臂老虎机问题，其中学习者不知道奖励的矩参数。作者刻画了能以常数因子代价实现对未知矩自适应的最优臂分布类，条件称为方差核可见性。论文提出一种知道可见性常数的分位数截尾UCB指数，在该类上达到中心矩基准。
看点新意在于刻画了无需矩参数即可适应未知矩的最优臂分布条件（可见性），并给出分位数截断UCB；摘要报告其在该类上达到中心矩基准，并给出指数级对数系数的紧界。