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Antalia-2 Mini：一个完全用合成语音训练的 760 万参数土耳其语语音合成模型
简介论文介绍 Antalia-2 Mini，一个单一音色的土耳其语文本转语音模型，参数量为 7,620,931。其训练音频全部来自教师模型 VoxCPM2，经自动检查保留约 1,790 小时。在 495 句的 Freya-TR-Eval 基准上，1.0.1 版本的词错误率为 1.09%，字符错误率为 0.22%。该模型与参数量为 8.6M 的 EMA Lightning 在统计上无法区分。
说明FastWild-GS：用紧凑的逐图外观适配，在数分钟内完成野外场景高斯泼溅重建
简介这篇论文提出FastWild-GS，用于从网络上不同光照、曝光且含有行人等瞬态物体的照片重建三维场景。方法用一个128维的照片外观向量加上每通道的缩放和偏移（共六个参数）描述每张照片，并用小型多层感知机从该向量和每个高斯的特征预测颜色，替代球谐函数。在PhotoTourism数据集上，每个场景训练约8.8分钟，LPIPS指标在比较方法中最低；在NeRF-OSR上，每个场景约9.7分钟，平均PSNR、SSIM和LPIPS表现最佳。
说明放宽跨模态对应关系用于多模态遥感预训练
简介本文研究多模态遥感预训练是否必须依赖严格的实例级跨模态配对。作者提出语义配对方法SemPair，用同类别的跨实例配对替代精确实例配对，并通过潜在因子模型说明其保留了共享语义结构。同时提出混合配对方法MixPair，用于研究对应粒度。实验显示SemPair的迁移性能与精确配对相当，MixPair显示下游迁移与实例配对比例之间存在非单调关系。
说明融合图学习与成对学习的单细胞RNA测序基因调控网络推断方法
简介该论文针对从单细胞RNA测序数据推断基因调控网络的问题，指出基于图的方法易过拟合、基于成对的方法忽略全局拓扑结构两类局限。作者提出端到端统一框架scGPL，同时建模全局调控拓扑与局部相互作用，并引入基于重要性的动态子图采样机制。在七个基准数据集上，该方法取得了优于现有方法的结果，相比最强基线最高提升13.7%。
说明AnchorMTS：面向长期时间序列预测的多视图信号表示与预测锚定融合
简介该论文提出AnchorMTS模型，从每个观测窗口中派生出视觉和文本两种视图，用于细化完整的数值预测结果。模型通过参数自由的输出投影，限制其相对数值锚点的偏移量。在六个基准数据集、四种预测步长上，其宏平均MSE/MAE为0.336/0.367，优于七个有监督基线；移除辅助路径后，宏平均MSE升至0.340。
说明用大模型验证最小对基准，会让被测模型更容易通过
简介论文比较了用大语言模型替代人工来验证最小对基准（BLiMP英语、QFrBLiMP魁北克法语）标签的效果。结果显示，大模型验证的题目对被测语言模型明显更容易，即模型更容易答对，而人类判断的题目难度并无此差异。作者公开了代码、验证输出和逐题分数。
看点新意在于检验用LLM替代人工验证最小对基准，并发现过滤会系统性地使基准对模型更容易；摘要报告在BLiMP、QFrBLiMP及荷兰语BLiMP-NL上、10个开源LM和70种组合中的结果。
说明目标即谓词：面向语义级视频推理分割的谓词状态定位
简介本文提出谓词状态视频推理分割任务（PS-VRS），用查询定义随物体与时间变化的动态谓词，而非固定物体。作者构建了包含2,077个视频和16,250条查询的PS-Bench基准，标注了活跃/空闲状态、时间区间与像素掩码。所提出的谓词状态定位方法（PSG）分三步：预测状态标记、与视频帧对齐、仅对活跃状态经SAM2生成掩码。实验显示其在PS-Bench上比现有基线高出9.32 J&F，并明显减少误报掩码。
说明兼顾容量与精度的高效二维高斯图像表示（CP-GS）
简介该论文提出CP-GS框架，用于在有限存储预算下表示图像。它将二维高斯的数量分配与参数精度量化联合优化：先按图像内容把固定的高斯数量从冗余区域转移到需要更多表示的区域，再对各属性进行分层的失真感知量化，最后按解码失真和实际序列化大小选择工作点。在DIV2K和Kodak数据集上，该方法在多种预算下的率失真性能优于代表性的二维高斯表示和隐式神经表示方法。
说明跨模态动作前缀预测与对齐的多模态强化学习方法
简介本文针对强化学习中多模态观测表示学习困难的问题，提出改进的预测表示方法（IPR），将基于动作前缀的未来表示预测与基于观测锚点的跨模态对比对齐相结合。在五个DeepMind Control Suite任务中，IPR-H配置在视觉加深度图像输入下平均回报比基线高10.0%，在视觉图像加位置向量输入下高3.4%。在Webots实验中，无LiDAR时两种IPR配置的平均最终回报均高于基线，有LiDAR时则不然。
说明柔顺性也是必需的：具有柔顺踝关节的被动步行机器人的信息度量研究
简介本文讨论机器人与生物在适应性和灵巧性上的差距，认为应借鉴生物的形态计算原理来建模与控制机器人。作者以被动动态步行模型为例，从McGeer罗盘步态出发，引入膝踝柔顺性、足部滚动效应以及带有分布式腿部惯量的Ruina式罗盘步态，并基于状态相关的蒙特卡洛方法与再生核希尔伯特空间方法估计可行相空间体积W(γ)。
说明Omni-JEV：基于文本与双通道语音的交互决策模型
简介该论文提出 Omni-JEV 模型，用于全双工语音助手在用户说话时判断下一步交互动作。模型可接收文本或分角色的用户与助手参考语音，输出五种交互动作的概率。论文还采用监督微调加强化学习的训练方法，报告在音频和文本测试集上的准确率分别为84.08%和96.55%（Gaussian Omni-JEV）。
说明DisasterAgent：基于证据的灾害遥感报告生成智能体
简介该论文提出DisasterAgent，一种基于证据驱动的智能体，可从双时相光学遥感影像生成可验证的灾害报告。它先通过视觉专家工具构建时空感知图作为结构化记忆，再为报告中的每条陈述附上指向视觉证据的引用。在DisasterM3和RSCC基准上的实验显示，该方法优于通用视觉语言模型等对比方法，并相较原始模型提升了报告生成的平均得分。
说明RF3DGS：基于自身先验的无反射三维高斯泼溅
简介本文提出一种名为RF3DGS的三维重建方法，用于去除多视角图像中的反光。该方法利用多视角图像中同一三维点的最小像素亮度与无反光信息相关的光度先验，并通过三维重投影构建干净的伪标签作为自监督信号。作者还提出自适应双重渲染损失以保留原图的高频细节，并在合成与真实场景中取得领先的去反光效果，同时建立了基于Unity引擎的首个三维去反光评测基准。
说明从深度到安全深度：面向移动机器人导航的不确定性感知单目感知
简介该论文研究用单个RGB相机代替深度传感器用于移动机器人导航时的安全性问题。作者发现，直接使用现成的单目深度基础模型会导致导航系统频繁碰撞，因为模型系统性地高估了近处障碍物的距离。为此，论文提出一个轻量级插件模块，在冻结的深度模型之上预测深度修正量与不确定性，并据此生成更保守的“安全深度”。实验显示，碰撞率从63%显著降低至3%，导航成功率从37%提升至70%。
说明超越交互得分：通过独立复现选择特征交互
简介本文提出LENS框架，用于选择特征交互。它在不相交的数据上用相同算法训练两个模型，仅通过预测结果访问模型，去除主效应后计算每对特征的交互强度，并检验第二个模型能否以有意义的强度复现该模式。框架只需两次模型拟合，并通过一次多重检验校正确定保留的特征对。实验显示，在合成数据、法国车险数据和两个信贷数据集上，LENS能以较少的特征对保持或略微提升预测性能。
看点以独立复现而非重复重训练选择特征交互，并证明强度下限恢复选择一致性；在合成与真实数据上验证。
说明用于模块化神经网络通信的同步机制探索
简介本文提出SyncNet，一种模块化神经网络架构，将模块内容与动态相位状态分开：通过可学习的Kuramoto动力学演化相位，并由相位对齐决定模块间通过共享通道的通信。作者在Sort-of-CLEVR关系推理和SQOOP系统性泛化任务上评估该模型，在三个最低配对多样性设置中取得最高的留出准确率，最难情形下领先5.1个百分点。研究还发现，性能依赖于不断演化的相位，而内容寻址的变体从头训练后同样表现相当，表明收益主要来自模块化分解本身，而非同步机制。
说明混合信号：面向脑电与心电的权重空间编程
简介本文研究让语言模型读取神经网络权重并直接编辑，以代替梯度下降训练。作者在脑电（EEG）和心电（ECG）模型上进行实验，发现前沿语言模型能在不知故障类型的情况下修复人为植入的错误，并仅凭结构、任务和少量受试者数据从零写出网络权重。实验中，一个模型以少6倍的受试者数量、无需梯度下降即达到标准训练的效果，且优于基于同样5名受试者构建的传统手工脑电方法。文章也指出，该方法难以改进已训练良好的分类模型，且无法仅凭权重可靠识别网络任务，目前仍需进一步研究。
说明在版面与阅读顺序错误下对齐OCR文本与标准答案的词级方法
简介本文研究如何把OCR识别出的文字与标准答案逐词对齐，这是OCR后处理所需的基础步骤。作者在2019年论文提出的分区问题基础上，设计了考察阅读顺序被打乱时正确性的测试方案，并比较了多种对齐方法。实验基于合成噪声、历史报纸、几何推导的标准答案以及小规模词框数据集进行。结果显示局部追踪在大幅位移后容易失效，基于唯一锚点的方法在唯一锚点稀少时表现下降；其中2019年的方法在作者的合成测试页面上F1值最高。
说明当协方差不够用时：面向单细胞反事实推断的核正则化方法
简介该论文研究单细胞反事实编辑，即预测某个细胞若某一因素不同时的样貌。作者指出，以往用线性协方差惩罚来分离已知与未知因子的方法，在存在非线性相互作用时效果不足。论文在模拟数据上验证了这一点，并加入归一化希尔伯特-施密特独立性准则（HSIC）后，能够恢复真实的干预效应。将该非线性概念瓶颈模型应用于复杂单细胞RNA测序数据后，生成不同组织环境下细胞表达谱的反事实结果有所改善。
说明语言模型能感知情感吗？探究情绪向量
简介本文研究语言模型内部表示中与情绪概念相关的方向（即情绪向量），以 Qwen2.5-0.5B-Instruct 和 Qwen2.5-3B-Instruct 为对象，利用 GoEmotions 提取的八个方向，通过情感探测、激活干预和监督校正进行评估。结果显示，仅用情绪方向的探测器在二分类 TweetEval 上准确率分别达到 88.66% 和 90.70%，但移除情绪空间对准确率的影响与各向同性随机子空间相比的优势有限，且研究未能证明存在唯一的情绪机制。
说明基于流匹配去噪器的即插即用ADMM逆问题求解方法
简介本文提出一种面向流匹配先验的即插即用（PnP）ADMM框架，通过辅助变量与对偶更新，增强测量模型与先验之间的一致性。作者还引入轨迹校正机制，结合确定性与随机投影恢复与流轨迹的一致性。该方法在逆问题重建中实现了更高质量的结果，并降低了计算成本。
说明激光束宽与测量噪声对激光扫描树木直径估计的影响
简介本文研究移动激光扫描中激光束宽和测量噪声引起的误差，并量化其对树干直径估计的影响。通过仿真和实验发现，测距与扫描角方向的噪声方差差异，连同激光雷达束宽，使直径估计偏差同时依赖距离和树木直径。研究表明，对胸径大于10厘米的树木，仅利用传感器技术参数即可预测并消除该偏差，使北方森林试验场的均方根误差降至亚厘米级；胸径小于10厘米的小树则因树皮与树干非圆度等因素而难以精确测量。
说明在精确整数运算中实现确定性、可复现的推理，以及由此带来的可验证分布式推理
简介论文提出开源运行时 tritify，推理全程使用精确整数运算，仅离线量化和验证时使用浮点。作者验证了跨硬件输出比特一致、与浮点参考决策一致，并支持模型计算拆分到多台机器上而结果不变，由此可以对分布式推理结果进行验证。
看点以精确整数算术执行真实模型前向传播，实现跨硬件比特级可复现推理与分布式验证，在多种模型上验证。
说明基于加权信息年龄的无人机轨迹与上报方法，用于动态信道知识图谱跟踪
简介现有信道知识图谱构建假设环境准静态，信道快速去相关时失效。本文研究由无人机编队在空中二维平面上进行的连续在线动态信道知识图谱跟踪，建立了考虑无人机移动与上报约束的长期误差最小化问题。作者提出以加权信息年龄（W-AoI）为指标的调度方法，结合时间陈旧度与由二维U-Net预测的空间不确定性，并证明top-K选择可最大化单时隙误差降低的上界。仿真显示，该方法相比仅用AoI和先进先出基线，稳态误差分别降低3.8和4.8 dB²，接近理想预言机。
说明TRUER：用误差感知校正器在测试时修正强化学习奖励
简介论文提出 TRUER 框架，用于测试时强化学习。原方法通过多数投票给模型自身答案打分，可能强化错误解答；作者发现错误的正向奖励占奖励误差的大多数。TRUER 利用少量有标签数据训练一个奖励校正器，使其区分正确性与多数共识，训练时重点关注错误多数和正确少数的情况。训练后校正器被冻结，用于后续测试时自适应中的奖励修正。论文称，在所有评估配置下，TRUER 在奖励准确率和模型性能上均优于原始 TTRL。
说明迈向自主RTL与综合优化：基准测试与自我改进智能体
简介本文探讨利用大语言模型和自主智能体进行硬件设计优化的三个方向：构建贴近真实电子设计自动化流程的RTL优化基准，提出多智能体框架Dr. RTL以自动完成关键路径分析、RTL改写和实现级评估，并探索由智能体驱动的综合脚本调优与可执行综合算法的发现。文中报告，Dr. RTL在20个真实RTL设计上，相较商用综合，WNS/TNS平均改善21%/17%，面积减少6%。
说明基于潜在状态编码的广泛持久建议交互式强化学习
简介本文提出一种名为Encoder BPA的方法，用于改进深度交互式强化学习。该方法使用训练好的潜在编码器将状态序列映射为潜在表示，通过潜在空间比较检索并复用已存储的外部建议，并结合top-k聚合与一致性条件以提高复用的稳定性。实验表明，与多种深度交互式强化学习方法相比，该方法在训练早期提升了学习效率和建议利用率，在复杂且部分可观测的环境中尤为明显。
说明提示而非空洞：对定位误差稳健的视频叠加物去除
简介该论文提出HintErase方法，用于去除视频中烧录的字幕、卡拉OK歌词、标题、片尾字幕、台标和水印等叠加物。模型把检测器给出的遮罩视作提示而非空洞，结合完整视频与提示通道进行训练，使其能去除提示遗漏的叠加物，保留被误覆盖的背景，并在提示落在真实场景文字上时仍保留这些文字。文中还描述了面向完整长度成片的流式处理流程，并附有定性结果。
说明AutoManifold：通过流形嵌入实现数据可视化算法的智能体自动设计
简介该论文提出AutoManifold，一种由多个大语言模型智能体协作完成的算法生成流程，可从亲和、代价和优化三类基础组件中组合出新的流形嵌入算法。生成过程以用户指定的结构保持偏好为条件，并通过基于指标的迭代循环不断优化。作者在真实数据集上将生成算法与t-SNE、UMAP和PaCMAP进行比较，结果显示其在引导用户指定属性方面表现更好，同时保留了原始数据的内在结构。
说明FedVP：通过汇集本地训练的验证器实现异构模型联邦学习
简介该论文提出联邦验证器池（FedVP），一种新的联邦学习范式。各客户端使用本地数据和所选大语言模型生成的回答训练验证器，服务器汇集这些验证器的判断来选择答案，而不合并模型参数。在五个公开医学问答数据集上，使用3B至14B参数的Qwen和LLaMA骨干模型进行评估，FedVP在所有客户端上均有提升，平均准确率比最强的传统联邦基线高出1.46至5.79个百分点。
说明智能体AI与形式化验证：面向智能体硬件开发时代的综述
简介本文是一篇受邀综述论文，探讨AI智能体如何推动硬件形式化方法在规约、证明构造和推理引擎三个层面的进展。文章还讨论形式化方法如何通过RTL生成、调试和保持正确性的优化，支持可靠的AI驱动硬件开发，并回顾相关研究与作者的近期工作。最后，文章展望了以证明为原生的硬件开发等未来研究方向。
说明SeqFold：面向用户行为序列骨干网络的按时间戳寻址压缩状态方法
简介该论文研究如何把冻结的长历史序列骨干网络中的多层用户状态，导出为紧凑、可按时间戳寻址的表示，供下游训练回填和在线服务使用。作者提出SeqFold，结合多通道融合、通道相关的时间衰减和无查找量化（LFQ），将骨干状态压缩为离散编码，再由任务解码器映射到下游嵌入空间。在大规模专有数据集上，每个状态的表示存储减少3400倍，同时保留了未压缩模型的大部分下游排序性能。
说明非平稳监督下的拓扑动力学：神经网络权重演化的持久同调分析
简介本研究考察在稳定与非平稳监督下，神经元权重点云的持久拓扑如何随训练演化。作者用相同的多层感知机在Fashion-MNIST上训练，分别使用正确标签、固定随机置换标签和每轮重新置换的标签，共15个模型训练100个轮次。正确标签模型的平均真实标签测试准确率为89.39%。论文同时指出，在早期条件分类中，拓扑特征与常规诊断指标相比没有显示出增量预测提升。
说明CJRR-Net：用于人体姿态估计的未来视角选择候选关节重投影排序网络
简介该论文提出 CJRR-Net，用于在多相机系统中为人体姿态估计选择信息量较大的未来视角。模型将当前视角的姿态观测、相机配置以及由估计的三维姿态及其不确定性重投影到各候选视角得到的几何特征结合起来进行排序。在 MPI-INF-3DHP 数据集的八台标定相机上，所选视角的二维平均关节位置误差为 105.18 像素，优于共享输入 MLP 和改进的 PoseErrNet 基线。
说明面向AI数据中心电网购电平滑的电池辅助决策聚焦学习
简介该论文针对AI数据中心功率快速波动对电网接入的挑战，提出一种考虑风险的电池储能（BESS）调度方法，统筹预留容量承诺与需求响应调度，并计入运行成本、电网爬坡惩罚及其条件风险价值。作者提出电池调度决策聚焦学习（BS-DFL），通过约束感知的神经优化层直接从该目标训练，无需最优解标签，再以冻结的优化层指导需求预测器学习。在基于实测AI负载的10000分钟仿真中，相比MSE训练的预测器加混合整数线性规划求解器，BS-DFL使分钟级电网购电变化的平均绝对值降低71.70%，总调度成本降低18.01%，平均决策时间为18.77毫秒。
说明Walrus：统一的语音与音频基础模型技术报告
简介本文介绍Walrus，一个80亿参数的统一语音与音频基础模型，可处理语音识别、语音翻译、语音合成、情感识别、音频描述等多种任务。其核心贡献在于以数据为中心的训练方法，骨干网络采用标准解码器结构并以Gemma 4初始化。模型采用三阶段数据课程，并通过任务与数据集感知的加权来平衡不同任务并防止遗忘；训练数据超过6亿样本。报告称多项基准测试领先，且多数基准上与体量约为其四倍的Qwen3-Omni持平或超越。
说明AURA：通过通用音频编码器的统一表示实现听觉空间智能
简介该论文研究能否用未经空间监督训练的通用音频编解码器，同时完成多声源场景中的声音识别与定位。作者提出AURA，保持编解码器和语言模型冻结，并通过完整对齐使模型能回答空间问题。在SpatialSoundQA上，AURA的双声源方向准确率超过最强的专用系统，且可训练参数约为其40%。
说明《你读什么，你就是什么》：印地语印度政治新闻媒体偏见数据集
简介本文提出一个面向印地语的印度政治新闻媒体偏见数据集，收录来自四家主要印度新闻机构、共448篇印地语文章。14位专家对文章进行标注，判断是否存在偏见，并归入选择偏见、框架偏见、标题党偏见和遗漏偏见四类，同时为有偏见的文章提供文字解释。标注者间一致性较高，二分类的Cohen's Kappa为0.81，多标签任务的平均Kappa为0.80。
说明自我引导：利用无动作标注的人类第一视角视频增强机器人策略学习
简介该论文研究如何在没有动作标注的情况下，利用人类第一视角视频提升机器人策略学习。作者基于预训练视觉语言模型，提出了动作与表征共享预测架构SPAR（一种MoT结构），让未来视觉状态预测与动作预测共同提供互补的学习信号。结果显示，从第一视角视频学到的表征能提升机器人在分布外任务上的表现，且视频数据增多时效果进一步提升。
说明自举式同策略蒸馏：先借助参考答案训练中间模型，再蒸馏到新模型
简介本文研究语言模型的同策略自蒸馏（OPSD）在持续训练中性能会下降的问题，认为原因是学生模型与带参考答案的冻结教师之间的分布差距不断扩大。作者提出两阶段框架“自举式同策略蒸馏”（BOPD）：先用OPSD把参考条件下的任务信息写入中间模型，再把该无参考中间模型蒸馏到初始模型的新副本中。文中报告，该方法在数学推理和代码生成任务上优于初始模型和构建的OPSD教师。
说明OpticalRAG：用像素空间压缩实现省词元的检索增强生成
简介该论文提出OpticalRAG框架，把文档渲染成页面图像，用冻结的视觉编码器编码，再将检索到的视觉词元压缩为最少16个前缀词元后输入大语言模型。它用编码器桥接检索和查询驱动的蒸馏两项技术，免去昂贵的跨模态训练。在LongBench-v2、BAMBOO和LooGLE-v2三个基准上，该方法只注入16个词元即取得最佳的压缩感知准确率。
说明一个理解具身计划的计算框架：GenEA 模型如何根据动作推断人的目标与多步计划
简介本文提出 GenEA，一种能够推理多步、长时程具身计划的智能体表示方法。它在任务与运动规划框架上加入基于仿真的直觉物理，耦合人体的粗略生物力学与周围物体的交互，并将这一状态空间嵌入生成模型，得到目标与具身计划的联合概率分布。作者在物体操作与导航等实验中发现，GenEA 能复现人类对具身计划的推理，并优于启发式方法、标准任务与运动规划及一种先进的视觉语言模型。
看点将任务与运动规划结合直观物理，构建生成模型联合刻画目标与具身计划，并在物体操作与导航实验中与多种基线对比。
说明用知识空间理论评测大语言模型的下一步学习推荐
简介本文提出一种基于知识空间理论（KST）的评测方法，用于为学习任务选择合适的大语言模型。方法根据任务目录和已有的先修关系推导可行的知识状态，以及每个状态下的直接下一步，并将模型的推荐结果与之对比。在一项包含2400条回应、六个模型、四个数学领域的示例研究中，仅提供描述时精确集合准确率为61.3%，提供完整知识空间时为98.2%。该评测衡量的是结构性推荐准确度，不能证明学习效果。
说明SepsisFlow：用于ICU脓毒症连续风险预警与病程建模的事件流基础模型
简介该论文提出SepsisFlow，一个面向ICU脓毒症的事件流基础模型，可按小时更新，同时预测发病前风险、刻画发病时的病情类型，并建模发病后72小时的器官支持与生理指标轨迹。研究在MIMIC-IV与eICU数据上进行评估，结果显示其在相同报警数量下比NEWS2、qSOFA和SIRS检出更多病例，并在不同发病类型间区分出死亡率差异。
说明EgoHMP：利用第一人称线索在三维场景中实现精确的人体运动预测
简介该论文提出EgoHMP框架，用第一人称视角和头部运动来推断人的交互意图，以预测三维场景中的人体运动。方法包括视觉-运动对齐编码器、带模态感知调制的第一人称意图预测器，以及结合接触建模与全局轨迹自提示的运动解码器。作者称该方法达到了当前最优性能。
说明DrugCoding：面向药物发现的科学编程智能体
简介该论文提出DrugCoding，一个用于药物发现的科学编程智能体系统，可自主规划任务、自适应选择专用科学模型并生成执行代码，还通过多智能体协作完成多阶段计算。在多轮工具调用实验中，其在完整基准上的会话级Pass@1平均为97.35%，比最强基线Codex高9.24个百分点；在更具挑战性的子集上达到97.92%，同样超过最强基线。
说明利用病理基础模型从H&E图像预测单细胞空间基因表达
简介本文研究如何仅凭常规H&E染色组织切片图像预测基因表达，从而获得空间分子层面的信息。作者针对病理基础模型在单细胞分子预测上的不足，提出适配策略，并基于配对的H&E与Xenium 5K数据进行评估。结果显示，该方法的平均基因级皮尔逊相关系数较标准零样本基线提高2.67倍，在该任务上达到当前最佳水平。
说明CP-MLPs：绑定与非绑定MLP模块的张量秩理论
简介本文提出CP-MLPs张量框架，把每个乘法单元视为一种秩为1的交互，分为检测、读取数值和写入输出三种角色。论文从理论上证明，绑定门控模块（如ReLU²）与非绑定门控模块（如ReGLU、SwiGLU）在张量秩意义上有严格区分：非绑定单元对特定目标更省宽度，绑定单元则更适合对称纯幂目标。实验还表明，仅凭损失平台不足以确定近似优势，任意精度的近似由边界秩决定。
看点用CP张量秩刻画门控MLP中绑定与非绑定参数的表达力差异，给出精确的秩分离结果，并说明宽度优势依赖目标结构。
说明MouldIt：注塑成型中多任务时序表示学习的数据效率研究
简介该论文针对注塑成型过程建模，比较表示学习与经典机器学习方法在数据效率和多模态优势上的差异。作者基于一个真实参考周期合成了工艺信息数据集，并提出基于时序卷积与注意力的变分自编码器MouldIt，用于重建模内信号并区分合格件与合成的失效模式。实验在九种数据规模下评估已知类别分类和未知类别检测两项任务，结果显示MouldIt在单模态设置下从4000个周期起、多模态设置下从2000个周期起优于经典方法，分拣损失分别为6.0±0.7%和1.0±0.3%。
说明picoEmergencyNet：面向应急监测航拍图像分类的注意力增强超小型深度学习模型
简介本文提出picoEmergencyNet，一种用于航拍灾害图像分类的超轻量卷积神经网络，结合深度可分离空洞卷积、高效通道注意力和通道混洗实现多尺度特征提取。模型仅有23k参数、7M FLOPs，在AIDER和AIDERv2数据集上最高准确率达96.1%。在NVIDIA Jetson AGX Orin上，无硬件专门优化时GPU可达258 FPS、CPU可达46 FPS，激活内存占用约为对比模型的1/7。
说明一个可解释的早期汉译佛经译者文体计量框架：以安世高争议文本归属为例
简介本文提出一种可解释的文体计量框架，采用佛教语文学家定义或审订的特征，如虚词、句式、句末字、句长和词性 n-gram。作者以东汉至西晋七位译者的31部已确认译经构建文体画像，并将八部争议文本与安世高画像比较。结果显示T1557和T0101与安世高文本的文体相似度最高，分别为0.783和0.687，且与已发表的基于BERT方法的归属结论一致。
说明DepthGS：基于深度引导与自适应正则化的高质量表面重建高斯溅射方法
简介该论文提出DepthGS，一种深度引导的高斯溅射框架，用于三维表面重建。作者推导了深度差异与重建误差之间的理论关系，并据此设计单视角自适应法线正则化和多视角跨视角深度一致性正则化。实验在DTU、Mip-NeRF360和Tanks and Temples数据集上进行，结果显示其在表面重建与新视角合成两方面均具有竞争力。
说明基于学习型反例的课程式证明修复
简介本文提出TopoVerus，一个基于语言模型、用于Verus证明修复的框架。它让模型在一次生成中直接给出结构化的源码级反例、修复理由和修复后的证明，而不必反复迭代。训练时以强化学习结合Verus反馈和安全门控进行优化，并利用由归纳性测试得到的不变式依赖构造拓扑图奖励，引导修复顺序。
说明FlashMotion：超快速长时程3D动作生成
简介该论文提出FlashMotion框架，用于在严格推理预算下生成高质量的长时程3D人体动作，涵盖文本生成动作、音乐生成舞蹈和语音生成手势三类任务。其方法包括基于3D动作空间MeanFlow的少步生成与自适应软掩码编辑，以及轻量级非自回归BiMamba架构。作者称该方法在生成质量与效率上整体达到当前最优水平。
说明数据稀缺下用于非侵入式模型降阶的多保真算子推断方法
简介该论文针对高保真偏微分方程仿真成本高、训练数据稀缺的问题，提出多保真算子推断（MF-OpInf）方法。该方法用同一问题较粗离散化得到的大量低保真数据补充稀缺的高保真快照，并采用多保真线性回归框架估计降阶算子。数值实验表明，在相同计算预算下，MF-OpInf预测偏微分方程解场的精度高于仅使用高保真数据的算子推断方法。
说明PUMA：用于伪造定位的概率约束顺序交互方法
简介这是一篇关于图像篡改定位的论文，提出PUMA方法，结合语义与伪造取证（噪声）两类特征。方法借助空间约束的非平衡最优传输进行跨分支匹配，并通过位置凸选择自适应地决定两种顺序操作的先后。作者报告其在四个测试集上取得较强的定位结果，其中COVERAGE和NIST16上的得分超过了对比表中代表性方法的已发表结果。
说明何时开始去噪？面向生成式视频压缩的自适应去噪入口
简介本文针对基于扩散模型的生成式视频压缩，指出压缩潜变量注入扩散过程的时间步选择会影响重建保真度与感知真实感之间的权衡。作者将去噪起始时间步的选择建模为几何优化问题，并提出ADE-GVC框架，用轻量预测器从压缩潜变量估计自适应去噪起点，再通过时序适配器注入预训练视频扩散模型。论文称该方法在感知指标上达到当前最优，并相较开源基线GLC-Video取得一定码率节省。
说明Synapse-Control：用轻量运行时控制让智能体经验可执行
简介该论文提出 Synapse-Control，一种轻量控制层，用于决定智能体何时把已有经验提示发送给执行任务的大模型。系统先用规则筛选相关建议，再由一个 1.7B 轻量分类器打分，而不是调用大模型生成诊断。在 AppWorld 和 WebShop 两个基准上，每种方法各 1,308 次尝试，该方法取得 270 次成功（比 Base 多 29.8%），替代了 4,987 次生成式诊断调用，并分别比 Sentry 减少 50.2% 和 51.0% 的辅助控制时间。
说明Megrez：基于MK集合论的知识引导形式化数学智能体
简介本文提出Megrez，一种面向Rocq数学库的知识引导形式化智能体，基于Morse–Kelley（MK）集合论构建。它通过知识图谱辅助检索定理与概念，通过短步证明循环与分支记录推进证明，并通过三项检查流程验证形式化结果的正确性。论文在点集拓扑语料上进行了部署与评估，显示其可实现跨章节形式化和可扩展的前提检索。
说明遥感中的地球嵌入表示：通用表征的综述与评估
简介本文介绍地球嵌入表示（Earth embeddings）的理论基础，并综述若干代表性产品。作者考察其在环境遥感六大领域的应用，并在高光谱图像分类、单木树冠分割、作物产量预测和地上生物量制图四项下游任务中进行系统评估。结论认为，现有地球嵌入表示并不总是优于遥感影像或人工设计特征，不宜直接替代传统对地观测数据，而应结合具体任务审慎选用。
说明乌兹别克语混合字母文本的OCR后校正：基于字节级ByT5与同形字噪声矩阵
简介本文针对乌兹别克语官方和技术文档中西里尔字母与拉丁字母并存、形似字符易被OCR混淆的问题，提出基于字节级ByT5模型的后校正方法，并用359个人工分类的错误事件估计噪声生成权重。系统配合受莱文斯坦距离约束的保守解码规则，在5,204对行的金标准集上将字符错误率从0.0578降至0.0369，恢复了91.3%的同形字错误，仅引入84个新错误。
说明《一字节一词元》：用自生成数据将27B混合注意力大模型改造为字节级模型
简介论文探讨能否把已训练好的27B子词模型直接改为纯字节级模型（每个字节一个词元），不加补丁结构或局部编码器。作者缩小词表至384项，其余权重保持不变，并以两阶段课程继续训练，对话类监督数据由原模型自行生成。结果显示，在多数任务上与原模型差距较小，字符级任务表现更好，但中文字符查询类知识下降，推理速度约为原模型的四分之一。
说明用强化学习联合优化单个路口的信号灯与车道划分
简介本文针对单个路口，提出用强化学习实时联合优化交通信号配时与车道划线方案。作者用深度Q网络同时输出信号与车道标线的联合动作，并加入基于规则的过滤机制，避免标线突变造成危险。实验结果表明，该方法能提高路口通行量。
说明计算相互关系而非单个属性：中国干支系统中事实层应提供什么
简介本文研究在规则明确的领域中，语言模型配合确定性事实层时，该事实层应提供哪些信息。作者以八字命理所依据的干支系统为测试对象，比较模型在闭卷、给出参考表及提供不同层级计算事实时的表现。结果显示，直接作答的模型在需要组合多个属性的题目上错误集中，而事实层应提供的是计算好的相互关系。
说明迈向可靠的视觉语言模型评判器：状态条件不变性与呈现感知诊断
简介视觉语言模型常被用作多模态和具身任务的自动评判器，但总体准确率无法说明其判断是否基于正确依据。论文提出状态条件不变性原则，要求评判器对不改变语义的呈现变化保持稳定，同时对改变任务结果的因果干预作出反应。作者基于MiniGrid仿真轨迹构建了GridWM-Judge诊断基准，并在五项诊断任务中发现多种失效模式，因此建议同时报告正确性、呈现稳定性和因果敏感性。
说明IFRS合规性核验：开放的多大模型基准与内容条件集成分类器
简介该论文针对企业财务披露是否符合国际财务报告准则（IFRS）的核验问题，提出多阶段框架，并发布一个包含19,998组IFRS法规与披露配对的新基准。框架结合领域适配的句向量流程与集成分类器，融合GPT-4.1、Claude Sonnet 4和Gemini 2.5 Pro的概率特征。在模型意见不一致的样本上，集成方法取得81.7%的加权F1值，超过最强单一大模型，也优于多数投票和十一种无监督聚合基线。
说明证明Transformer能学会图搜索：训练动态与深度的指数级能力
简介本文研究有向图上的路径搜索问题，将其作为多步推理的符号抽象。作者从理论上分析了不同层数Transformer实现深度优先搜索（DFS）所需的结构，指出两层Transformer即可实现接近线性规模的DFS，而层数增加时可前瞻的范围会呈指数增长。论文还证明，在适当构造的训练数据下，两层Transformer可通过梯度流学会执行DFS，并能泛化到未见过的图。
说明用于星形胶质细胞三维重建的轻量深度学习框架，适用于正常与应激相关超微结构状态
简介本文提出AstroSeg-vEM，一个面向星形胶质细胞的轻量框架，用于在体积电子显微镜（vEM）图像中进行形态保持的分割、三维重建和定量形态分析。该方法结合基于Transformer的二维分割与专门的后处理方法，直接处理高分辨率电镜切片。在四个小鼠海马数据集上，其在保留测试集上的平均Dice和加权Dice分别达到0.92和0.95，并可在消费级硬件上高效运行。
说明PhyRubric：基于评分量规的文本生成视频物理常识诊断评估
简介本文提出PhyRubric框架，用于评估文本生成视频模型是否符合物理常识。该方法在看到视频之前，为每条文本描述构建专属评分量规，将其拆分为语义和物理条目，并依据带时间戳的证据逐项判定后给出分数。作者还构建了覆盖五个物理领域34个类别的PhyRubric-Bench基准，以及包含3788个视频的PhyRubric-Train数据集，并微调了开源评判模型PhyRubric-Judge。实验涉及十个文本生成视频模型，结果显示物理常识问题仍远未解决，且该评判模型与人工判断的相关性高于现有开源评判模型。
说明市场条件化JEPA：从不可预测的市场冲击中学习
简介该论文指出，金融时间序列中的大部分变动由无法从资产自身历史预测的市场整体冲击驱动。作者提出市场条件化JEPA（MC-JEPA），在预测时以已实现的市场因子作为条件，并在训练中利用其他资产的未来目标嵌入构建留一法市场条件。在11年分钟级中国A股数据上，该方法在多个目标（收益、市场暴露、风险、流动性）上优于逐资产JEPA，并在一项历史回测中取得最佳组合表现。
说明二元字符串上的成对合并分词难以近似，单字母数据集上为强NP难问题
简介该论文研究BPE等分词器通过反复合并相邻符号来缩短文本的过程。作者证明，除非P=NP，否则对于单个二元字符串，任何多项式时间算法都无法达到约 n/log n 倍的近似比。对于允许跳过出现位置的合并，文中给出了 O(n/log log n) 的简单算法。在单字母表上，相关的分词问题在含重复字符串的数据集上是强NP完全的。
看点将BPE式合并的最优选择问题归约为语法规模问题，证明在二进制串上难以在n/log n因子内近似，并解决了一元字母表下的开放问题。
说明对学习型交流最优潮流代理模型做蜕变测试，发现结果依赖于数据表示方式
简介该研究用十三条蜕变关系检验学习型交流最优潮流（AC-OPF）代理模型，共审计17种模型与流程配置。结果显示每种配置至少违反六条关系，即使报告容差收紧或放宽十倍也是如此。作者指出GridSFM-Open v1.1存在索引错误和若干预处理问题，并在case500训练实验中发现数据增强的收益依赖训练方案，所有预测结果仍不满足交流可行性。
说明多目标贝叶斯优化中的复合建模研究：探讨其在科学设计中的增益来源
简介本文研究在多目标贝叶斯优化中使用复合建模的效果。复合建模利用可调输入映射到的中间观测响应，再通过已知函数计算最终目标，并与仅依据黑箱目标观测的方法进行比较。作者在八个合成及应用启发的科学设计基准上，用四种多目标方法的版本开展受控数值实验。结果表明，当中间响应到最终目标的映射函数既非双射也非仿射时，复合建模往往更有帮助。
说明无需概念标注的临床文本可解释预测框架（基于词元-概念注意力）
简介本文提出一种可解释框架，利用定制的交叉注意力瓶颈，在不需要概念标注的情况下实现基于概念的解释。模型用预训练语言模型编码临床文本与医学概念描述，计算各概念在每个词元上的相关性，再通过线性层预测临床结局。在胸部创伤严重程度分级和MIMIC-III住院死亡率预测两项任务中，其AUROC与黑盒模型相差在0.02以内，并支持队列与个体层面的解释。
说明边缘NPU厂商指导优化的基准测试：从仅NPU到端到端性能（扩展技术报告）
简介本文提出一种基准测试方法，比较基线、仅NPU的厂商指导优化（VG-NPU）和端到端的厂商指导优化（VG-E2E）三种配置，以区分模型转换与完整部署流程的影响。作者在四款边缘NPU和三类视觉任务上进行了测试。结果显示，两种优化在精度与延迟上的表现并不一致，NPU级别的排名也不总与端到端排名一致，因此对异构边缘NPU平台应在两个层面分别评估。
说明一个可追溯临床证据的大语言模型临床推理基准
简介研究者构建了医学证据基准 Med Evidence Bench（MEB），包含1536个由医生编写的条目，分为指南知识、标准化临床场景和真实世界实验室场景三个层级，每条医学陈述都与带版本的原文段落相连。对十个大语言模型的测试显示，指南知识得分很高，真实场景得分明显偏低，且不同层级的排名有所不同。自动评分与三位医生多数投票结果高度一致。
说明用大语言模型发现结构合理、可解释的认知模型
简介该论文提出DisCo框架，利用大语言模型引导的进化搜索，自动发现可解释的符号化认知模型。框架包含两个结构组件：过滤结构无效模型的Validator，以及通过去除冗余参数提升参数可识别性的Cleaner。在三项行为任务中，DisCo发现的模型性能与任务专用基线相当；消融分析显示，Validator对恢复具有心理学意义的结构很重要。
说明密集奖励在GRPO中是否值得它消耗的算力？
简介该论文研究强化学习训练语言模型推理时，为中间步骤提供密集过程奖励是否有效。作者提出按相同生成令牌数和训练GPU小时数进行比较的匹配算力方法，在1668次训练中发现，蒙特卡洛奖励在相同算力下反而落后于标准GRPO。论文还指出，在成功率接近一半的提示上训练，能在相同算力下小幅提升准确率。
说明Darmok：通过约束收紧与弹性调度解决英式填字谜的系统
简介本文介绍Darmok，一个在英式填字谜比赛中达到超越人类水平的自动化系统。该系统在伦敦第55届泰晤士报填字谜锦标赛中解出全部七套题目且零错误，并在每轮都快于所有人类选手。其设计通过三个独立模型交叉验证线索、利用已确认的交叉字母解锁难题，并以整题模型和词典补全剩余空格。研究还发现，在最坏情况下，这种备用路径的弹性同样关键。
说明后训练如何影响语言模型的文字化算法计算
简介该论文研究语言模型经过 SFT、DPO 和 RLVR 三种后训练后，内部信息利用与文字化思维链（CoT）如何变化，实验基于 Olmo-3-7B-Instruct 的多位数加法任务，以进位值作为中间状态。结果显示，探针从内部激活中恢复进位信息的准确率在 SFT 与 RLVR 之间相近，但操纵这些信息并不能可靠地控制输出；RLVR 生成的思维链带来更高的准确率，且进位相关陈述获得的重要性分数高于随机对照。论文认为，后训练改变了书面推理的有用性及其对内容的敏感度，但敏感度提高并不一定带来更好的表现。
说明大规模激活值干扰稀疏自编码器（论文）
简介该论文指出，部分模型中的大规模激活值使绝大部分激活方差集中在第一主成分上，导致稀疏自编码器的常用评估指标（方差解释率与消融损伤）失真。作者提出先去除第一主成分再训练自编码器、之后将其加回重建的修正方法。论文报告，在受影响的模型中，前50个特征的跨运行共享率从4%至39.5%提升到73%至99.5%，并且在相同TopK稀疏度下，模型退化减少最多44%，内容重建误差降低最多33.9%。
说明用随机舍入缩小强化学习后训练中 BF16 与 FP16 的收敛速度差距
简介BF16 常用于大语言模型预训练，但在低学习率的可验证奖励强化学习中，同样学习率下它的收敛速度慢于 FP16。论文认为原因是权重粘滞：将 FP32 影子权重以就近舍入量化为 BF16 时，小更新常被抹去。改用随机舍入后，BF16 收敛速度可与 FP16 相当，且 KL 散度低于提高学习率的 BF16 训练，同时保留 BF16 的动态范围，无需损失缩放。
说明注意力手术的合理性检验：面向表征动机设计的零模型与匹配干预
简介本文针对一类Transformer改造方法提出三项可复用检验：统计量是否超过噪声底线、是否通过几何零模型、训练收益是否确实依赖被移除的方向。作者将其应用于自注意力移除，即删除注意力头输出中与自身值向量对齐的分量。在九个多头预训练模型上，因果性零模型解释了48%至63%的对齐度；在分组查询注意力下，该对齐性仅在组内成立。预注册的消融实验显示，自定方向移除可降低验证损失，且优于固定任意方向。
说明智能体基准测试在任务用尽之前就失去了区分度
简介论文指出，数据科学与机器学习工程类智能体的基准测试饱和，很大程度上源于评分方式而非任务本身：多数基准只把结果记为通过或失败。作者重新评分八个基准的已发布运行结果，发现这种二元评分既粒度过粗，又受限于参考基线。论文提出一种带日期锚点的截断对数比率评分，并将成本作为独立维度。
说明从长时交通视频到可验证的冲突证据（AgenticConflictLens）
简介该论文提出 AgenticConflictLens，一个面向长时固定摄像头交通视频的、由查询驱动的智能体框架，用于高效且可审计地提取冲突事件。系统根据自然语言安全查询，结合结构化交通记忆与冲突分析工具，决定搜索位置、需检查的道路使用者以及需验证或拒绝的证据，并通过由粗到细的搜索完成筛选。在 Bellevue 与 NYC DOT 共 96 小时标注视频上，该方法在两个数据集上的冲突存在 F1 和时间交并比均最高，同时仅检视了约 8.7% 和 11.9% 的视频。
说明利用特征不变的缩放定律，高效进行推荐系统A/B实验
简介推荐系统的A/B实验通常需要全规模训练，计算成本很高，而小规模实验结果又常有误导性。该论文发现现代推荐模型在施加不同特征改动时，性能变化仍遵循可预测的缩放定律，并据此提出一种利用统计推断预测全规模效果及置信区间的方法。该方法在Wukong、HSTU和基于大语言模型的推荐模型上，对40多种结构、优化和数据改动进行了验证，能以较少算力区分有益、中性和负面的改动。
说明可组合催化智能：自适应催化剂发现
简介本文提出可组合催化智能框架（CatAI），从约180万组结构与性质关系中学习，并整理为30个物理化学编码器，供不同任务模型复用。在基准任务上，其任务平均预测误差比次优模型低7.8%。实验验证中，CatAI发现了一种用于工业均相聚合物合成的新型受限可通过口袋催化剂，活性为商用基准的9倍；并指导了用于C-O偶联反应的高活性铜基偕原子光催化剂的闭环优化，表现优于传统镍基体系。
看点提出可复用的模块化催化智能框架，将结构-性质关系组织为物理化学编码器；摘要报告在基准任务和两项实验验证上取得结果，并可能影响催化剂设计。
说明超越对数线性前沿：有限预算神经网络缩放律的预渐近分析
简介经典神经网络缩放律假设误差随模型规模和数据量呈可分离的幂律变化，但在有限预算下，实测学习曲线与算力最优分配会偏离这一对数线性前沿。本文分析谱异质性和领域异质性如何导致这些有限规模偏差，并提出闭式初始化、数据混合的水填充方法等估计器。作者在多组实验数据上报告了估计误差和算力分配遗憾的改进。
说明大语言模型对标题框架的敏感性：基于中文新闻标题的证据
简介本文研究大语言模型评判新闻标题时，判断依据是报道的事实本身还是表述框架。作者对63926条中文新闻标题做了生态审计，并用30个真实事件、30个合成事件和29组自然标题对进行受控实验，测试四个中文模型。结果显示，仅改变标题框架就会同时改变感知误导性和事件严重程度，且四个模型的变化方向一致。补充文章正文可显著降低这种严重性偏差，人工参照研究也呈现相同方向的效果。
说明UniWeaver：利用统一多模态模型生成图文交错内容
简介统一多模态模型能生成丰富的图文交错内容，但通常不原生支持协调文字与图像，也难以把粗略的用户请求转化为连贯的多模态作品。本文提出与模型无关的 UniWeaver 框架，整合多模态规划、生成与视觉反馈，以产出连贯的图文交错输出。作者构建了包含 20 个任务族、1 万个任务的 UniWeaver-10K 数据集，并提出面向任务的评测基准 UniWeaver-Bench。实验表明，该框架在多个模型骨干上取得了领先的表现。
说明GEMOR-GS：面向3D高斯溅射SLAM的全局外参校准优化建图与在线重定位方法
简介该论文提出GEMOR-GS，用于激光雷达-惯性-视觉SLAM系统，旨在使3D高斯溅射地图几何更准确、全局更优化且可重新进入。方法先离线估计激光雷达与相机的外参，再交替优化关键帧位姿和高斯参数，并在跟踪丢失后通过XFeat地图、RANSAC-PnP和高斯RGB-D重投影恢复位姿。实验显示离线重建在配对关键帧上优于在线地图14.3至19.9 dB，PSNR较Gaussian-LIC2提升约9 dB，留出序列重定位成功率为86%至100%。
说明EJAI：面向数据中心环境正义的保留判断式公民AI系统
简介本文提出EJAI系统，用于帮助居民审视数据中心相关的环境正义问题。该系统将交互式地图、检索到的证据、缺失数据说明以及两类利益相关者角色连接起来，让用户自行检视证据并形成政策建议。在一项小规模功能测试中，检索证据支持了98.4%的事实性陈述。一项被试内研究显示，参与者在模拟市政厅会议中的准备过程受到系统支持，但角色设定存在被简化或偏颇的问题。
说明RSI 税：递归自我改进何时不值得其成本
简介该论文研究递归自我改进（RSI）方法在持续任务流中的成本效益，定义了 RSI 税，即自我改进过程的 token 成本，并将其与任务执行成本一并纳入评估。实验比较了六种方法和两个语言模型，结果显示一种有界笔记基线的准确率与 Meta-Harness、EvoSkill、RRSI 相当或更高，同时总 token 节省 65.6%–71.0%。论文指出，部分 RSI 方法的成本大部分来自验证环节，且很多相关状态或产物在后续任务中未被使用，提示改进过程的开销未必能由部署后智能体的提升所抵偿。
说明并行Broyden方法：高效评估非线性状态空间模型
简介非线性状态空间模型通常按顺序计算，难以利用现代并行硬件。本文提出一种基于Broyden方法的拟牛顿方法，用对角加低秩的近似来刻画雅可比矩阵分块中的耦合项，并利用轨迹割线构造近似，无需自动微分，且可通过秩压缩与并行扫描兼容。实验表明，在低秩RNN、并行MCMC和去噪扩散模型上，该方法迭代次数更少，在雅可比求值代价高或状态维度大时速度最快。
说明面向职业教育的数据互联网可信数据空间运营模型
简介职业教育的数据流通长期受所有权不清、缺乏信任和激励不足的制约。本文以数据互联网为基础的职业教育可信数据空间为依托，构建了一个多利益相关方的运营模型，涵盖价值网络、产品组合、收益分配和治理规则。该模型强调数据主权保护与激励相容，为区域职业教育数据生态的可持续运营提供参考。
说明可微分滤波的惯性里程计：把卡尔曼滤波更新过程嵌入神经网络训练，以减少惯性定位的漂移
简介惯性里程计对自主系统很关键，但传感器噪声和偏置的积分会造成无界漂移。本文提出可微分滤波惯性里程计（DFIO），将误差状态卡尔曼滤波器的更新环节直接嵌入计算图，并在预训练后，通过可微分的测量更新，利用后验位置监督共同优化位移与协方差输出。在公开行人运动数据集上的实验显示，相较TLIO基线，DFIO的平均绝对误差和一秒相对平移误差分别降低13.2%和39.6%；在含噪的智能手机惯性数据上，该方法也能减轻平移漂移并保持轨迹对齐。
说明关注微小病变：用于视网膜病变分割的可变形对偶Mamba模型
简介本文提出D²Mamba模型，用于分割糖尿病视网膜病变中形状多样、尺寸很小的病灶。该模型结合非因果状态空间对偶与可变形Mamba扫描，以捕捉全局上下文并适应病灶形状。在DDR数据集上进行五折交叉验证，结果显示其平均交并比（mIoU）达到33.87%，优于最强基线2.99个百分点，其中微动脉瘤的Dice提升了10.06个百分点。
说明基于条件熵的证据深度学习用于青光眼检测
简介本文提出一种条件熵函数，用于量化证据深度学习（EDL）在视网膜眼底图像青光眼检测中的预测不确定性。在EyePACS-AIROGS-light-V2和RIM-ONE-DL数据集上的验证显示，该方法得到的不确定性估计校准误差明显低于深度集成、MC Dropout、事后校准和基于Dempster不确定性的传统EDL框架。作者还通过聚焦指数分析Grad-CAM热图，发现假阴性样本的激活区域偏离视盘。
说明尼泊尔语-英语混合语音识别：数据准备与语音基础模型的适配
简介本文研究如何为尼泊尔语与英语夹杂的语音识别适配 SraVaani 模型（449M 参数的 TDT-CTC 混合模型），使用覆盖六个尼泊尔语语音领域、共 172.8 小时的语料进行训练。针对预训练分词器不支持数字和部分常用符号的问题，作者生成数字的尼泊尔语与英语读法，并利用零样本识别输出选择合理形式。全量微调将测试集词错误率从 48.6% 降至 17.1%，12 轮训练可达 16.3%，略低于微调后的 Whisper large-v3-turbo（16.4%）。
说明TMAL：面向细长结构分割的拓扑保持多偏移亲和力学习方法
简介论文提出TMAL方法，用于视网膜血管、表面裂缝等细长结构的分割，目标是同时保证像素精度与结构连续性。该方法使用强调薄区域边界的软亲和力，并在多个偏移量上预测方向性亲和力，再结合解码器特征得到的权重，同时利用局部连续性与更大范围的上下文。论文称，在DRIVE视网膜血管数据集和DeepCrack裂缝检测数据集上，TMAL取得了最高的Dice、IoU和clDice分数，并大幅降低了连通分量误差Δβ0。