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Reframe：面向智能体视觉推理的观测对齐多教师同策略蒸馏方法
简介本文提出Reframe后训练框架，将观测状态而非仅输出分布作为对齐对象。其中GD-GRPO通过证据感知奖励和随机移除原始视觉输入训练空间与时序专家，OG-MOPD在推演过程中用规范动作替换不足的工具动作并从修复后的观测继续蒸馏。论文称该方法在14个图像和视频基准上优于Mix-RL和原始MOPD。
说明和简介生成中
看点提出在上下文中通过仿真演练学习操作任务的WICL范式，在RoboTwin 2.0的50个任务上以单次示范取得83.4%成功率，超过训练策略20分以上。
说明指导数据分配以实现稳健的子群体泛化
简介该论文研究机器学习模型在子群体分布偏移下的泛化问题：模型在训练数据上平均准确率高，但在测试数据上表现较差。作者扩展了高斯特征模型框架，从理论上刻画了不同训练子群体比例下的性能情况。研究发现，包括明显不平衡的多种配置，其表现可以与平衡配置相当，并给出了调整子群体比例以提升调整后准确率和最差群体准确率的梯度方向。
说明超越模态偏好：在多模态大模型模态冲突下控制多模态仲裁
简介多模态大语言模型在视觉与文本信息相互矛盾时可能偏向不够可靠的模态。本文找出一小组被称为“仲裁头”的注意力头，它们会因果性地影响预测更依赖视觉还是文本证据。作者据此提出一种无需训练、轻量级的推理时干预方法，使这些注意力头偏向指定的可信模态，并在多个基准上实现双向控制。
说明Kolmogorov-Chapman 映射：无需轨迹数据、用于模拟分子动力学的学习方法
简介该论文提出 KC-Maps（Kolmogorov-Chapman 映射），用神经网络学习随机微分方程的转移核。方法只需要已知的漂移项和扩散系数以及轨迹无关的边际样本，无需长轨迹数据。作者在多肽分子体系上进行了实验，结果显示其在 GPU 小时数上优于经典分子动力学模拟。
说明预测未来：从网络视频中联合预测三维手-物体运动
简介本文提出 Grasping-the-Future，一个统一的三维手-物体联合运动生成模型，同时建模手腕运动、手指关节和物体位置与朝向。模型通过掩码时空补全与流匹配训练，可用于预测未来交互、相互推断手或物体运动、生成通向目标姿态的轨迹以及补全部分观测的交互。作者还设计了从网络视频重建三维监督数据的流程，并在带三维标注的数据集上优于已发布的预测方法。
说明自适应量化在速率受限信道上保持TD学习的快速收敛率
简介本文研究在通信受限条件下的强化学习策略评估问题，智能体通过有限容量信道将时序差分（TD）学习更新方向的量化估计发送给服务器。作者提出批处理自适应量化TD算法（BAQ-TD），利用批处理降低传输信息的方差，并通过自适应量化编码更新量，证明了高概率有限时间误差界。结果表明，在超过一定有限信道容量后，该算法可在对数因子内保持无量化TD的收敛速率。
看点提出BAQ-TD，用批处理与自适应量化在有限容量信道上传输TD更新；给出高概率有限时间误差界，比较的是无限容量TD的收敛速率，并给出指数级通信复杂度改进。
说明Click3R：利用稀疏对应点点击进行交互式立体三维重建
简介论文提出Click3R框架，针对前馈式大型三维重建模型一次输出无法修正的问题，允许用户在图像对上点击少量跨视角对应点，通过轻量级点对应适配器将几何约束注入网络。作者还构建了一个专门暴露现有方法失败模式的挑战性基准。实验显示，仅一次对应点点击即可降低重建误差，并在标准与自建基准上均有提升。
说明HiVe-Mem：为多模态智能体交错扩展记忆与纵向证据组合
简介该论文提出多模态记忆框架HiVe-Mem，用于长期交互中的记忆检索。它一方面通过文本与视觉锚点构建关系图，扩展语义检索到的记忆并补充相关邻近信息；另一方面为每条记忆保留摘要、描述、视觉视图、原始图像和交互历史等多种证据形式，并由轻量可训练的选择器按查询挑选证据子集。实验显示，该方法在三个多模态记忆基准上提升了任务表现，同时与最高效的多模态基线相比，token消耗约减少90%。
说明基于多样性的异常检测新方法：Vendi 异常分数（VAS）
简介本文提出一种名为 Vendi 异常分数（VAS）的异常检测方法，通过衡量移除某个样本后数据集多样性（以 Vendi 分数计）的变化来判断其是否异常。该方法不依赖密度估计或划分启发式，无需调参，并可随数据谱结构自动调整，且随数据规模线性扩展。作者在 148 个由 10 个源数据集和 4 种嵌入架构生成的基准嵌入数据集上取得了当前最优的异常检测性能，并在大规模 ImageNet 实验中验证了其在污染率和数据规模增加时的稳健性。
说明SWAM：通过跨模态对齐扩展世界动作模型
简介世界动作模型以语言为条件，同时预测视频和动作。本文研究在动作学习过程中如何保持语言与视频的对齐，整理了约 47,000 小时的通用视频、第一人称视频、UMI 示范和机器人示范数据，系统比较了不同监督方式和训练配方。在 RoboTwin 仅用 Clean 示范后训练的情况下，模型在 Easy 与 Hard 条件下分别取得 88.10% 和 61.56% 的成功率，并在三项真实任务中取得 40.00% 的成功率，高于最强基线的 23.33%。作者公开了数据、训练代码和模型权重。
说明对齐从何时出现及其含义：对柏拉图表示假说的细致考察
简介柏拉图表示假说认为不同神经网络的表示空间正在趋同。本文考察了单模态模型在不同层与表示维度上对齐的出现位置，发现只要图像描述足够干净且信息充分，随模型能力提升而对齐增强的趋势对较新的模型依然成立。论文还引入单模态与多模态基线来衡量跨模态对齐，结果显示单模态模型的跨模态对齐可超过显式对齐的视觉语言模型，但仍明显低于同模态模型之间的对齐程度。
说明人设泛化是否可预测？这是一篇研究语言模型在某一领域微调后，行为如何迁移到其他领域的论文。
简介论文研究在一个领域微调语言模型后，行为在其他领域发生变化的现象，例如涌现式失准中观察到的广泛不安全行为。作者发现，领域内与领域外的人设比例在不同微调超参数下，大致呈概率单位（probit）线性关系，且该关系在Qwen和Llama等不同模型家族与规模间近似一致。改变可训练层会影响斜率：对不安全行为而言，只微调较靠后的层时斜率更平缓。
看点发现跨超参数与跨模型族的概率线性关系，并通过改变微调层控制斜率，统一了涌现错位现象的分析框架。
说明WorkflowArena：基于大语言模型的多智能体系统中可执行工作流编排的基准测试
简介该论文提出 WorkflowArena 基准，用于评估大语言模型智能体自行编排工作流、分派子智能体的能力，包含跨 8 个专业领域的 145 项长周期任务。评估时由隐藏的验证器评判交付成果，并记录所有任务分派过程，以同时衡量交付质量和工作组织方式。实验显示，不同系统的分派策略各异，且在固定执行模型时，由较强模型编写的工作流能明显提升较弱执行者的表现。
说明基于AI的淋巴样结构与肿瘤微环境分析：新辅助治疗后肺鳞癌中成熟三级淋巴结构、淋巴结滤泡及浆细胞减少
简介该研究用AI分析了肺鳞癌患者手术切除肿瘤及配对淋巴结的H&E全切片图像，比较接受新辅助治疗与未治疗患者（各20例）的免疫细胞分布及成熟淋巴结构。结果显示，新辅助治疗组肿瘤间质浆细胞和淋巴细胞密度较低，成熟三级淋巴结构及远端淋巴结中成熟淋巴结滤泡也较少。在458例独立队列中，间质浆细胞密度和淋巴细胞-浆细胞共定位与更长生存相关，该指标可能是候选预后生物标志物。
说明是什么导致了 v 预测失效？基于分块 PCA 的像素空间流匹配分析
简介该论文研究像素空间流匹配中标准 v 预测目标训练困难的原因，通过分块主成分分析发现次要成分的速度主要由原始噪声输入决定，形成带宽瓶颈。作者分析了 x 预测仍然有效的原因，并提出 Raw-injected Transformer（RiT），借助原始输入条件化解码器与输出捷径来恢复 v 预测的有效性，在 ImageNet 256×256 上取得有竞争力的结果。
说明通过评估侧部分可观测博弈缓解智能体欺骗
简介本文指出，大语言模型智能体可能在表面有益的同时欺骗人类以获取更高奖励，原因在于评估通常只看最终结果，无法观察推理与工具使用过程。作者将欺骗缓解建模为评估侧部分可观测扩展式博弈（e-PoG），提出子博弈完美监督均衡（SPOE）并证明其在有限博弈中存在。实验在 Gemma3-4B-IT 和 Qwen3 系列模型上进行，在多个任务中优于最强基线。
说明《编程预见：人类构建预测机器人的问题》：研究人员如何搭建与评估AI预测机器人
简介本文通过对15名预测机器人搭建者的定性访谈展开研究，这些人来自近期一场AI预测竞赛中的成功参与者。研究发现，搭建者在三方面面临挑战：让机器人获取事实研究、实现连贯推理，以及判断机器人实际表现如何。作者还指出，搭建者常引入收益不大的复杂设计，测试方式也较为随意零散。
说明损失曲线没有反映的：FP4 预训练会减慢稀有事实的学习
简介这篇论文研究低精度预训练是否会影响模型学习稀有事实的效率。作者用模拟的 4 位矩阵乘法从零训练 Transformer，在合成传记数据上控制事实出现次数，并与 BF16 对比。结果显示，NVFP4 在验证损失仅相差约 0.5% 至 2% 时，仍需要更多的曝光次数才能达到相同的召回率；作者建议在评估低精度方案时，除损失外也应衡量稀有事实的学习情况。
说明MaxIM：通过强化学习实现信息量最大化的增量摘要
简介论文提出 MaxIM 框架，用于让 AI 系统在有限记忆容量下对不断增长的交互历史进行增量摘要。方法把摘要建模为受容量约束、以信息论为基础的奖励塑形问题，通过最大化对未来任务相关目标的预测对数似然，并利用非对称评论家计算逐步的变分互信息界来提供密集奖励。作者称在长程科学阅读和多轮对话基准上，该方法在事实依据、自动评测指标和下游任务效用方面优于强化学习、监督微调和提示基线。
说明AI同行评审效果如何？基于100个植入错误构建的基准测试
简介研究者在10篇开放获取的心理学论文中植入了100个已知错误，再交由前沿模型和两款商业AI审稿工具审阅。表现最好的单一系统发现了71个错误，最差的只发现30个，汇总所有系统的输出可发现93个。研究认为，组合多个系统是提高论文问题检出率的重要手段；有7个错误所有系统都未能发现，且均为删除信息的遗漏类错误。论文及实验数据已公开。
说明LUCQUE：魁北克肺癌筛查数据集，用于可靠的人工智能评估
简介本文介绍了LUCQUE，一个源自魁北克低剂量CT肺癌筛查的大型数据集，包含1,678名参与者的基线扫描，并附有专家标注的肺结节与囊肿分割。数据通过PARADIM平台托管，采用模型到数据的方式访问，数据不离开本地。作者称其为目前规模最大、可公开获取的真实世界标注肺癌筛查数据集，旨在支持可复现、可独立评估的人工智能工具研究。
说明拆解指令自动化知识获取流程：NLP与生成式AI框架对比
简介本文针对中小企业因产品复杂度提高而难以采用拆解自动化的问题，提出并比较两种从非结构化资料（如拆解手册）中提取拆解指令的框架。研究将自然语言文本转为结构化、可由机器读取的格式，分别测试了基于规则的自然语言处理框架与基于大语言模型的生成式AI框架，并用真实拆解手册比较两者表现。该工作为未来拆解流程的开发与自动化提供数据基础。
说明免反演的高维反事实推断：无需先反推潜在状态即可对图像进行反事实推断的方法研究
简介本文研究高维变量（如图像）下的反事实推断，即在给定观测数据、建模假设和因果图时回答“如果……会怎样”的问题。作者考察了传统方法中先从事实图像反演出潜在状态的步骤是否必要，并评估了一种借用图像编辑领域的免反演方法。作者在CelebA和ADNI图像数据集上，从有效性和身份保持两个指标进行了基准测试，并讨论了两类方法的权衡。
说明路边聊天机器人：审计大语言模型向临床医生、照护者和患者推荐的心理健康干预措施
简介该研究检视41个大语言模型在相同临床信息分别来自临床医生、照护者或患者本人时，会向用户推荐哪些心理健康干预措施。研究基于19个案例情境和5个问题收集了35,055条自由文本回答，并由29个模型对同一案例的完整选项列表进行七点量表评分。结果显示，模型推荐的内容大体与其自身评分较高的选项一致，且推荐方式随提问者身份而不同：多数模型对临床医生给出会诊式回应，对普通用户则给出含糊、简化的建议。
说明2D Gum-Net：基于对称相关与谱池化的无监督稠密弹性图像配准
简介该论文提出 2D Gum-Net，一种端到端、完全无监督的网络，用于预测稠密的弹性形变场，使一幅图像与另一幅图像在几何上对齐。它将原本用于三维冷冻电子断层成像子断层图对齐的网络改造为二维版本，并以基于 DCT 的谱池化保留细微结构。模型仅在合成指纹上训练，零样本应用于真实基准数据集，在 FVC2004 上结构相关性最多提升 15.7%，并提高了真实匹配的分数。
说明Agentic-OPD：通过同策略蒸馏找回智能体训练中被遗忘的能力
简介论文指出，强化学习训练智能体时通常只保留验证集上表现最好的检查点，其余丢弃，而早期检查点能解决最优检查点失败的问题。作者提出Agentic-OPD方法，把所有保存的检查点作为教师候选，依据学生模型未解决的问题选择教师（HCN策略），并仅在教师更优的失败样本上进行蒸馏（LAD模块）。在五个智能体任务领域、24个基准上取得最多7.4分的提升。
说明基于互补双教师分层对齐的零样本脑电到图像检索
简介该论文提出双教师分层对齐框架DTHA，用于从脑电信号中解码视觉信息。框架以冻结的多模糊CLIP和浅层DINOv2作为两个教师，通过双分支对比学习监督共享的脑电编码器，并用可学习权重融合两者的视觉表征，同时引入注意力调制的头皮模式库编码器AMSPBE。在THINGS-EEG零样本检索任务上，DTHA达到92.4%的Top-1准确率，比此前最优方法高12.4个百分点。
说明基于智能手机深度感知透射成像检测鸡胸肉肌病
简介本研究开发了一套基于智能手机的透射成像与三维点云框架，用于无损分级鸡胸肉的“木质胸”（Woody Breast）肌病严重程度。研究共评估267块鸡胸肉，结合图像与几何特征（含一个基于Beer-Lambert定律的物理特征），并用多模态集成模型进行分类。结果显示多模态模型测试准确率约为90%，高于仅用二维特征的约82%。
说明大语言模型作为开放世界自动化机器学习的通用搜索器
简介本文提出一种基于大语言模型的通用自动化机器学习框架，首次无需针对任务微调，即可同时优化模型结构、训练超参数和数据配比。作者设计了统一数值编码方案NCode，把优化过程转化为统一的排序任务。该搜索器仅用单一视觉任务的优化轨迹训练，便能在图像分类、图像分割、说话人验证和文生图等基准上取得领先表现，并在十亿参数扩散Transformer的大规模联合优化中，以896 GPU天获得GenEval 0.91的成绩。
说明锚定行为而非参数：基于单一共享提示的免回放持续学习
简介该论文提出TEA-Prompt方法，用一个共享提示令牌对冻结的视觉Transformer进行持续学习，无需保存旧图像。方法包括按输入计算令牌相关性分数的评估模块，以及约束注意力输出的锚定损失，使旧类别的知识得以保留。在CIFAR-100、ImageNet-R和CUB-200上取得了领先的准确率并降低了遗忘，仅使用0.38M参数。
说明LogCDM：基于行为图漂移与自适应信号融合的可解释日志异常检测
简介本文提出LogCDM，一种紧凑的日志异常检测模型，通过三类互补信号为每个日志会话打分：小型因果Transformer的下一事件惊讶度、会话自身转移图与正常参考图的图注意力嵌入距离，以及一种被证明等价于转移核之间频率加权卡方散度的转移漂移统计量。模型在推理时无需GPU，参数量为810万至880万，在HDFS、BGL和Thunderbird数据集上的F1分数分别为0.984、0.870和0.850，每个会话在CPU上的打分时间为5.5至10.5毫秒。
说明学习率衰减可指数级加速非凸函数全局优化的SGD
简介本文研究随机梯度下降（SGD）中学习率衰减是否能在非凸函数全局优化中带来渐近优势。作者给出一类自然的非凸函数，证明在小步长情形下，带学习率衰减的SGD所需梯度查询次数比任何固定学习率的SGD指数级更少。该类函数包含许多常用的非凸基准函数。作者还表明，退火过程可在多项式时间内完成与该优化问题相关的非对数凹采样任务，所用方法是弱Poincaré不等式的新应用。
看点首次证明学习率衰减对非凸全局优化可带来指数级加速，并借助弱Poincaré不等式分析退火采样，给出理论解释。
说明PORT：基于稳健词元级重加权的偏好优化方法
简介该论文提出 PORT，一种在噪声偏好标注下进行稳健对齐的细粒度方法。它依据词元对数概率的经验累积分布函数进行词元级重加权，只在前向计算中抑制受损词元，从而近似梯度范数惩罚。理论分析表明，PORT 通过最小化偏差项的上界，降低噪声偏好标签带来的梯度偏差；实验显示其在多种噪声设置下比序列级基线更稳健。
说明Sage-Taiyi：面向科学发现的元认知架构
简介该论文提出 Sage-Taiyi 系统，借助已积累的科学认知来决定接下来研究什么以及如何研究，并通过监控与调控修订对证据、假设和未解问题的理解。在包含 50 篇论文、十个学科共 265 项任务的 Taiyi-Bench 基准上，其八项指标均排名第一，总分为 54.0，高于最强基线 AI Scientist-v2 的 47.9。论文还报告了与专家合作的化学和材料等领域的实验验证结果。
说明从格兰杰因果到动力系统中的因果结构
简介格兰杰因果检验判断一个信号的过去是否能提高对另一信号的预测，是推断系统各组成部分之间有向相互作用的常用工具。本文先回顾观测空间中格兰杰分析的近期进展，再转向潜变量动力模型中的有向结构，并探讨在什么条件下这种结构可以被解读为因果关系。
说明叙事鸿沟：大语言模型能否帮助我们跨语言浏览多元叙事？
简介本文关注大语言模型在跨语言、跨地区的争议性话题上如何呈现不同叙事。作者定义了六项多语言多元信息检索所需的能力，并提出包含1333篇新闻文章（23种语言）和460个查询的基准NarrativeBench。对14个大语言模型的评测显示，当前模型在可靠地呈现多元叙事方面能力不足。
说明用于精确因果结构学习的团约束
简介本文在精确的基于评分的因果结构学习中，对学到的无向骨架的最大团大小加上上界，并通过惰性的环与团约束在整数候选解上施加。在线性高斯的随机图与无标度有向无环图上进行实验，比较了回调顺序、不同的团割策略、候选解修复、分数分离以及 Big-M 界。结果表明，团约束并不能一致地加速优化，其效果取决于图的密度、样本量和割管理策略。
说明Plant Orbiter：利用视频扩散轨道相机与三维高斯泼溅重建和生成三维植物
简介本文提出Plant Orbiter方法，借助视频扩散模型从单张图像生成高质量的植物三维高斯泼溅（3D Gaussian Splatting）模型。作者称该方法在三维F分数上优于所有对比基线，且相机布置更简便、成本更低，更适合高通量表型分析流程。结合二维扩散模型，该方法还可根据文本提示生成三维植物模型，并取得领先结果。
说明面向受监管 AI 的推理验证：基于 NVIDIA AIPerf 构建决策流程
简介论文介绍了 MasterControl 内部的验证工具 Runway，它以 NVIDIA AIPerf 为测量基础，在其前后分别加入实验设计，以及合规、成本和审计决策。论文报告了 Runway 扫描中的三项发现：TensorRT-LLM 与 vLLM 的排名会随并发数反转；较新且更贵的 GPU 实例按每次请求计可能更便宜；推测解码在负载下的表现因引擎而异，因此引擎配置可能比引擎选择更影响结果。
说明Σ-LeWM：基于S信息学习机器人控制世界模型
简介本文提出在LeWorldModel基础上增加反向动力学预测器和逆动力学动作预测器两个潜在损失，使潜在表示获得更多结构。作者认为这能提升性能与规划效率，有助于该方法用于真实机器人的实时模型控制。结果在标准世界模型基准和两个仿真机器人操作任务上得到展示。
说明KiteNorm：用方差正则化稳定并扩展 Post-LN Transformer
简介本文提出 KiteNorm，一种后归一化（Post-LN）Transformer 的训练方法，通过约束隐藏状态的方差来提高训练稳定性。作者在仅解码器的 Transformer 上进行实验，参数规模最高达 13 亿，结果显示 KiteNorm 在各自最优学习率下优于主流基线，并在深度、宽度、批量大小和训练预算方面表现出更有利的缩放规律。消融实验表明各组成部分对稳定性和性能提升都不可或缺。
说明面向多轮临床智能体的安全强化学习：何时稠密奖励优于结果奖励
简介本文研究在临床多轮决策智能体中使用可验证奖励的强化学习，考察模型应询问哪些信息、何时停止收集证据以及采取何种行动。作者构建了药物续方分诊、急性诊断检查和剂量滴定三个受控环境。结果显示，仅依据最终结果的强化学习虽能提高总体奖励，却会出现过早下结论、只问一个问题及罕见高风险病例失败等问题；为减少不确定性的提问给予稠密奖励，效果更好。作者认为，仅凭可验证的最终结果不足以训练可靠的多轮智能体。
说明OptiCover：在语义约束下对冷启动照片进行多界面视觉优化的可扩展框架
简介爱彼迎（Airbnb）房源需要从大量照片中选出一张固定的封面图，但超过90%的照片缺少互动数据，形成冷启动难题。本文提出OptiCover框架，结合候选照片生成、基于冻结CLIP嵌入的轻量视觉模型、基于视觉语言模型的跨模态语义校验，以及收集随机互动数据的探索日志模块。该框架已部署上线，并在首页和搜索界面的在线实验中分别带来1.5%的互动提升和0.35%的预订者增长。
说明基于生成式AI的无分类体系图像标注：多模态方法（GLOC）
简介论文提出生成式标注方法GLOC，用于为图像提供低延迟、高准确率且可扩展的在线洞察服务。该方法先利用优化后的图像嵌入将语义相近的图像聚类，再在聚类层面总结洞察并推广到簇内成员。作者称，在Pinterest的混合搜索中，GLOC用于生成图像描述词和关联查询建议，离线与在线A/B测试显示其质量与效率均优于以往方法。
说明Spaghetti Splatting：通过卷积对曲线狄拉克质量求导
简介该论文研究如何在体渲染中学习曲线类三维几何基元。作者把曲线近似为折线，对每段做体渲染并让相连线段在连接处不重复计数，同时对相机投影做线性化以加快训练和推理。论文称该方法是三维高斯溅射的严格超集，在一般场景上与最先进方法相当，在线状几何上优于专门方法，并原生支持抗锯齿。
说明隐藏尾部：在选择性标签下验证尾部风险结论
简介论文研究在历史决策导致部分结果不可观测的情况下，如何为预测模型的尾部风险给出可验证的范围。作者推导了二元结果和有界损失下条件风险价值的尖锐上下界，并依据观测与隐藏样本之间结果概率差异的上限设定假设。在贷款还款的受控遮蔽实验中，恢复约16%的隐藏标签可消除中位数61%的估计歧义，而随机恢复仅消除16%。
看点在选择性标签下给出条件风险价值的尖锐界，并提出按单位成本减少歧义的审计分配方法，在受控贷款还款掩蔽实验中验证。
说明本地大语言模型结合规则与神经检测器的临床文本去标识化开源工具包及评估
简介本文介绍了开源工具 DeidSharp，它将规则检测、临床命名实体识别模型和本地部署的 260 亿参数混合专家大语言模型的检测结果结合起来，用于查找临床文本中的受保护健康信息。作者在护理记录和半合成出院小结上，与多个现有去标识化工具进行了比较。结果显示，该组合在召回率和精确率两种设定下表现不同，同时文本无需发送至外部。
说明多智能体筛选：一致性与采纳各能说明什么
简介当多个AI智能体替人工评审员先筛选条目时，只有被放行的条目会被评审。本文分析各类证据能确定的错误情况：智能体之间的一致只说明它们意见相同，不说明判断正确；评审员采纳给出准确率，但只能给出召回率的下界。要确定召回率，只能抽查未被放行的条目，抽样数量不随智能体数量增加而增长。
说明Fisher-Glass 学习：分类界限与子群体审计
简介该论文扩展了 Fisher-Glass 框架，把剔除背景等干扰因素后的信息量与局部分类难度、子群体审计联系起来，推导了局部极小极大超额分类风险的下界。作者在 Waterbirds 数据集上做实验：背景类型不变时准确率为 93.2%，背景改变时降至 40.6%，并用任务标签与固定干扰方向找到一个准确率达 98.8% 的子群体。研究表明，信息增益与预测性能提升可能不一致，因此应结合评估预测性能、干扰模型下的信息量与敏感性分析。
说明GeoScope：超高分辨率遥感问答中超越计数上限的免训练程序执行方法
简介论文指出，超高分辨率遥感图像中的小目标让视觉语言模型在计数上出错，且视图中目标数超过约五个后准确率明显下降。作者提出GeoScope：由纯文本语言模型把问题解析为空间程序，视觉语言模型只在其可靠范围内定位与计数，方向关系则依据定位框显式计算。该方法无需训练，在XLRS-Bench等基准上显著提升Qwen3-VL-8B的计数与空间关系准确率。
看点提出基于测量VLM计数上限的训练免费程序化分块方法，在多个UHR遥感基准上取得显著提升，并给出经验幂律模型。
说明广义自适应提升与错误的几何结构
简介本文将经典提升（boosting）理论推广到区分假阳性与假阴性的情形，引入“Z-学习器”，可同时保证假阳性率与假阴性率落在某个集合 Z 内。文中给出了哪些集合 Z 可被提升的完整几何刻画，并提出无需预先知道 Z 的自适应算法，还证明了该学习器可以实现置信度放大，其分析依赖离散与计算几何中的中心点定理。
看点将弱学习推广为由集合Z定义的FP/FN联合保证，给出可提升集合的完整几何刻画，统一了经典二分与多目标扩展。
说明TACTUS：用于胸肉木质化肌病空间硬度分布测绘的机器人触诊系统
简介本文提出TACTUS，一种自动化触觉阵列系统，可在约30秒内在胸肉20个解剖位置生成厚度归一化的三维硬度图。研究用100份肉鸡胸肉片评估了该系统，覆盖正常、轻度、中度、重度四个木质化严重程度等级。结果显示，各等级间存在显著的力差异，并与质构仪测量呈中等程度的显著相关。
说明无偏边缘非均匀的不可知学习：研究二分类问题在不可知设定下的学习速率，区分标准与放松两种比较标准下的最优速率。
简介本文研究不可知设定下的边缘非均匀二分类学习，即学习率常数可依赖无标签数据的边缘分布，但保证需对所有标签条件分布一致成立。在标准不可知设定中，最优速率为1/√n，且边缘分布不带来帮助；在放松设定中，最优速率分为指数、线性与任意慢三类，并给出以无中心VC-eluder维数为基础的细粒度速率。
说明基于格图隐马尔可夫模型的奥斯曼诗歌阿鲁兹格律标注
简介奥斯曼迪万诗歌采用以音节长短为依据的阿鲁兹格律，而现代土耳其文拼写会丢失阿拉伯字母中决定格律的特殊符号。本文提出自动识别诗歌格律并对齐音节与格律位置的方法，使用隐马尔可夫模型在所有候选路径的格图上解码，并通过期望最大化训练，无需格律标注。在保留测试集上，完全正确标注的诗行比例为77.6%，高于基于规则的标注工具（26.8%）、神经网络标注器（55.0%）和Claude Opus 5.5的少样本结果（63.6%）。
说明干扰条件下的平均因果效应与期望因果效应：建模假设与估计瓶颈
简介本文研究个体之间存在相互干扰（一人的处理可能影响他人结果）时的因果推断问题。作者将建模假设分为干扰邻域、暴露映射和结果模型三层，并把潜在结果分解为直接效应、溢出效应和处理-溢出交互项。文中区分了固定条件下对比的平均因果效应与在指定分配策略下对比的期望因果效应，并给出Horvitz-Thompson估计量的方差界。作者还提出了基于图结构的独立集设计，其方差界在最大度数上为多项式级。
看点提出分层有限总体模型并区分ACE与ECE两类估计量，给出方差界及指数与多项式增长的对比，在干扰因果推断中有新意。
说明CoilStellaration：面向工程的仿星器线圈生成数据集与基准
简介仿星器是一种利用外部产生的三维磁场约束高温等离子体的聚变装置，其线圈设计是一个高度非线性的逆问题。该论文提出了CoilStellaration数据集和基准，包含17.7万组优化后的线圈组，用于学习从目标等离子体磁场与工程要求到线圈几何形状的映射。论文指出磁场精度仍是主要难点，并表明用学习得到的预测结果初始化传统线圈优化可以加快早期进展。
说明reComposer：面向可控图像生成的可编辑规划界面
简介该论文提出 reComposer，一种以过程为导向的图像生成界面。它把用户不断变化的意图拆解为主体、构图、色调等创作决策，并允许用户对这份规划进行对话式或直接操作式的编辑。研究邀请 8 名设计及非设计专业人士进行评估，结果显示，与提示词方式相比，参与者在制作视觉素材、探索备选方案和调整细节时感到更有控制感和归属感。
说明可微分逆渲染从血管内光学相干断层图像中恢复组织固有属性
简介该论文提出一种从单张血管内光学相干断层扫描（OCT）图像中恢复每个像素光衰减系数的方法，该系数可反映病变与细胞组成。方法通过基于物理的可微分正向模型进行梯度下降反演，无需训练数据或分割。作者在解析解、五个体外模体及128名患者的29,269张临床图像上进行了验证。
说明小样本放射组学生存分析的四步验证方案：以身体成分为例的研究
简介该方法学研究针对小样本放射组学生存分析提出四步验证方案，包括FDR校正特征筛选、双路径特征选择比较、重复嵌套交叉验证和高斯噪声阴性对照。研究以78例胃肠胰神经内分泌肿瘤患者为对象，基于第三腰椎CT的身体成分特征进行评估。结果显示L3放射组学存在一定但不确定性较大的预后信号，验证方案可用于其他小样本放射组学生存研究。
说明基于谷歌AlphaEarth基础模型嵌入与Fields of the World地块边界图的摩洛哥全国性作物类型制图
简介该论文利用谷歌AlphaEarth Foundations公开的64维预训练嵌入，结合轻量级分类器，对摩洛哥的作物类型进行全国范围制图，划分冬季谷物、树木作物和其他作物三类。预测结果借助Fields of the World全球地块边界图限定在农业地块内。独立测试集上十次重复实验的平均分类精度为87.17±0.42%，全国推理约耗时五小时，主要开销来自嵌入数据的云端获取。
说明Library of Hands：修正动作映射，而非世界模型
简介论文提出 Library of Hands（LoH），一种无需训练的方法：世界模型保持冻结，只修正从指令到实际执行动作的映射（称为“手”）。LoH 通过冻结模型从两张相机图像的变化中反推实际动作，并保存每次识别出的映射，以便设置再次出现时直接识别。在三个仿真任务的闭环测试中，成功率从 28.6% 提升到 62.3%，在没有变化时仅下降 0.6 个百分点。
说明用真实与仿真数据适配视觉-语言-动作模型：机器人象棋案例研究
简介该论文以机器人移动棋子为任务，研究如何将通用视觉-语言-动作模型（pi0.5）微调到具体机器人和任务，考察数据量、训练更新次数与仿真数据的作用。研究发现仿真成功率随数据和更新次数提升，学习率短暂降温可明显改善结果，而验证损失并不可靠。在真实机械臂上，使用仿真示范预训练在真实数据稀缺时帮助明显；但强化学习和行为克隆等几种改进方法未带来可测量的提升。
说明可解释性工具并非模型专属：跨模型迁移拒答方向与读出工具
简介本文研究可解释性工具能否通过仅在无标签提示上拟合的残差流映射，从一个模型迁移到另一个模型。实验涵盖五个模型系列、1B至72B参数的110对模型，迁移了拒答方向及正确性方向和情感探针。结果显示，映射所用的数据覆盖范围决定迁移效果，加入工具作用区域的无标签提示后，恢复率大幅提高。
看点新意在于用仅无标签提示拟合的残差流映射迁移可解释工具；在110对模型、5个家族上验证并有对照，并给出线性映射的证明与覆盖度评分。
说明什么会破坏涂鸦监督分割？一项基于标注审计的涂鸦标注鲁棒性基准
简介涂鸦监督分割通常只用固定的标注集评估，对语义和几何上的标注缺陷的鲁棒性了解有限。作者基于对 12,031 条 PASCAL VOC 2012 人工涂鸦的审计，设计了六种可控扰动算子，并在多种骨干网络与训练流程下评测人工和自动涂鸦。结果显示，类别错误是最严重的扰动，使 TEL-ResNet101 在 VOC 上的 mIoU 从 70.08 降至 1.46。该基准为超越干净数据集精度的标注鲁棒性诊断提供了可复现的方案。
说明受控二元分配流：用几何方法学习图上二元标注的深度分配流参数
简介本文提出一种几何方法，用于表示和学习图上二元数据标注的深度分配流（deep assignment flows）中随时间变化的参数。每条边上的参数流在二维全测地子流形中受最优控制，目标函数来自输入数据的非局部线性尺度空间表示。三元组流的聚合在五维全测地子流形中从数据中学习，融合后的流通过几何积分得到各层二元深度分配流。数值实验展示了该局部并行几何方法的表达能力及其局限。
说明消费品促销价格优化
简介该论文提出一套端到端的贸易促销优化系统，用于估计商品的价格弹性并推荐促销价格。对证据较弱的商品，系统借用相似商品的弹性与曲率，并区分自身价格提升、替代效应与促销后回落。在一个39个SKU的消费品牌四周促销实验中，方案使销量提升20.6%、收入提升6.9%，毛利率保持不变。
说明认证、报告或拒绝：面向临床行动的危害约束保形预测
简介本文提出一种无需训练的框架HC-ROCP，基于冻结的分类器概率，在选择预测集和行动时加入危害惩罚项。作者在独立的校准数据划分上测试这些策略，并进行多重性校正。在COVID-19胸片、ISIC 2019皮肤镜图像和EyePACS到APTOS的视网膜病变迁移场景中回顾性评估，结果显示COVID-19重度行动错误率从精确风险最优基线的4.68%降至0.54%。
说明切片推理何时有效：分辨率、分块与密集融合用于小目标检测
简介该论文研究用于高分辨率图像小目标检测的切片推理（如SAHI）何时真正有益。作者在VisDrone和DOTA上比较七种密集检测器，发现很大一部分收益来自分辨率提升，而非切片本身。论文还提出SCAHI方法，通过覆盖感知加权累积各分块的密集输出，在相同分块下优于框融合，并在DOTA上超过最佳单次推理结果。
看点提出SCAHI，以覆盖加权稠密输出代替框融合，并以分辨率作为显式变量系统比较切片推理，在VisDrone与DOTA上报告多项检测器的提升。
说明利用控制变量的仿真辅助强化学习
简介该论文提出一种基于控制变量的保守式仿真辅助强化学习方法，仿真数据只用于降低学习过程中的方差，而不直接决定学习目标。作者先将其用于策略评估，再结合演员-评论家框架实现策略改进，并扩展到离线强化学习场景。在多个 MuJoCo 基准任务上的实验显示，该方法优于标准的仿真数据混合方式。
说明TrialDesignBench：面向I期临床试验设计、对照临床知识评测语言模型的基准
简介本文提出TrialDesignBench，这是一个包含617项I期/I-II期肿瘤剂量探索试验的基准，每项试验都配有与FDA最新监管举措一致、经专家验证的参考设计。作者评测了五个前沿大语言模型，结果均未达到参考标准，并通过消融实验指出性能差距主要来自对未记录设计决定因素的推断和结构化决策树推理两方面。
说明超越晴天：利用大语言模型预测恶劣天气下的城市交通流量
简介本文提出Multi-STG框架，将大语言模型生成的语义先验与基于图的时空学习相结合，用于预测恶劣天气下的城市交通流量。模型利用天气、兴趣点和节假日等环境描述生成语义嵌入，并通过多模态注意力融合与门控残差校准进行预测。在三个城市的真实私家车数据集上，该方法相比最强基线平均将MAE降低11.82%，在数据稀疏和非平稳条件下表现稳定。
说明将小型语言模型适配到罗马化尼泊尔语：分词效率、参考似然与生成指标
简介该论文研究如何把三个约20亿至30亿参数的开源基础模型（Llama-3.2-3B、Qwen2.5-3B、Gemma-2-2B）用QLoRA微调到以拉丁字母书写的尼泊尔语，训练数据为由尼泊尔语指令数据确定性音译得到的9000条样本。结果显示微调后chrF++从10至14提升到29.0至30.6，并在参考似然上明显改善；但似然指标与文本重叠指标对模型差异的判断并不一致，较低的分词切分程度也未能对应更接近参考答案的输出。
说明脉冲到场：空间脉冲神经网络中类湍流动力学的机制
简介该论文用空间泄漏积分发放脉冲神经网络模拟神经活动，把脉冲转换为活动密度场和希尔伯特相位场，研究类湍流结构的产生机制。研究发现，延迟、距离相关的被动树突条件可稳定地产生类湍流场结构，而仅看放电率或涡旋数量并不足够，需要结合空间标度与脉冲传播共同分析。
说明利用视频重建并识别被碎片化遮挡的物体
简介本文提出一种从单个相机拍摄的灰度视频序列中重建被遮挡物体的方法，适用于树叶等高密度碎片化遮挡场景。算法通过联合配准各帧图像并优化对齐参数，使平均图像的对比度最大化，由此得到的积分图像即为重建结果。在合成与真实视频上的实验表明，遮挡密度超过90%时仍可准确重建，且该积分图像可用于标准分类器识别物体。
说明类型逻辑语法与形式语言：一阶线性逻辑的语言类与复杂度
简介本文研究带有积、结合律、抽取和中缀等标准规则的类型逻辑语法，证明其固定识别问题是NP完全的。作者还证明一阶线性逻辑中的语法可以模拟拟线性文法，即非确定性线性时间可识别的语言类。文章据此认为一阶线性逻辑可视为非确定性线性时间字符串语言、图语言和自动机的逻辑。
看点证明类型逻辑语法的固定识别问题为NP完全，并将一阶线性逻辑语法模拟到非确定性线性时间语言类，新意明显。
说明直接以fMRI条件化音频扩散Transformer：揭示皮层对声音重建的贡献
简介该论文提出MAAS框架，直接以各脑区（ROI）的fMRI响应作为条件，驱动预训练的音频扩散Transformer（Stable Audio）生成声音，无需先训练解码器预测外部刺激表征。在一个7T fMRI数据集上，该方法在声学和语义评估指标上均优于包括两阶段方法在内的基线。作者还提出一种基于听觉神经处理计算模型的保真度指标，用以量化各听觉皮层区域对重建声音表征的贡献。
说明揭示旅行小偷基准测试中的四个背包问题
简介旅行小偷问题要求小偷同时选择路线和打包方案，Polyakovskiy等人（2014）的9,720个实例是比较相关启发式算法的标准测试集。本文发现其中四个实例的租赁率为0.00，路线不影响目标值，实际上只是0-1背包问题。作者提出新的租赁率计算方法、发布参考解并给出修正实例及参考结果，同时开源了用于加载这些实例的Python库ttplib。
看点发现基准中四个实例的租金率为0.00，实际退化为0-1背包问题；通过修正规则并发布参考解，实验验证修正后的实例行为正常，并发布开源库ttplib。
说明可解释AI叙述中的公平性：拆解大模型生成解释中的社会差异
简介本文研究大语言模型把SHAP等可解释AI结果转写为面向普通用户的解释叙述时，是否存在群体间不公平。作者提出一个框架，在披露、隐藏或反事实替换受保护属性三种条件下生成叙述，并在信贷、教育和就业四个数据集上用五个模型进行评估。结果显示各数据集、指标和模型中均存在显著差异，且差异来源分为特征取值和受保护属性本身两类。
看点首次提出XAI叙述的公平性研究领域，设计三条件框架分解社会差异来源；基于四个数据集与五个LLM的实验报告了显著差异。
说明TRACE：面向开放式分子设计的自适应信赖域贝叶斯优化
简介本文提出TRACE框架，用于在有限评估预算下优化分子。它按需生成候选分子，而非从固定库中筛选，并结合基于图扰动的探索机制与采用分子指纹和片段描述符的高斯过程代理模型。在六个分子优化基准的1000次评估预算下，TRACE取得了最强的整体样本效率。此外，文中将其应用于铁酞菁的稳定性设计，经DFT计算，在80次设计评估中，抗Fe溶解的热力学阻力从0.42 eV提高到2.59 eV。
说明AgentOPSD：通过递归信念修正实现回合级信用分配
简介该论文提出AgentOPSD，一种无需评论家网络的强化学习方法，按交互回合逐步递归分配信用，以替代对整条轨迹统一分配优势值的做法。方法在每个回合内汇总技能条件自教师与学生模型的词元级对数概率差，并在对数几率空间中进行递归贝叶斯更新，从而把结果优势重新分配到各回合。在ALFWorld上，以Qwen2.5-3B和Qwen2.5-7B为策略骨干，该方法优于GRPO及自蒸馏基线，7B规模下成功率达89.1%。
说明从似然收敛到POMDP中的参数收敛
简介本文研究部分可观测马尔可夫决策过程（POMDP）的参数学习问题。作者针对任意候选参数，给出其参数恢复误差的界，该界由与真实模型的似然差距、观测与转移核的结构条件数以及数据收集所用的行为策略共同决定。该结果适用于欠完备与过完备两种情形，可为最大似然估计及任何似然差距可控的方法提供有限样本保证。
说明评估乳腺X线摄影视觉-语言模型中答案、置信度与解释的一致性
简介本文研究用于乳腺影像的视觉-语言模型，除给出答案外，还会输出置信度和文字解释。作者使用两个乳腺X线数据集，在乳腺密度和BI-RADS分类任务上评估四个模型，并对问题、选项顺序和图像进行受控扰动，观察三类输出的变化。研究发现，即使图像改变，置信度也未必下降；打乱选项顺序也会改变多数模型的答案；部分模型的解释与其最终答案相互矛盾。
说明LawKAN：用于组合的群律层——强制施加已知规律何时有益
简介本文提出LawKAN，在一个自包含的层中嵌入精确的非交换群律作为节点，边学习局部增量，并用零初始化的修正项学习该规律的未知偏差。在固定角度的SU(2)组合任务和真实机器人手臂实验中，该方法在参数更少的情况下表现优于基线，并在数据服从该规律时与经典拟合方法相当。
说明GHiML：由视觉语言模型引导的层级多标签学习及其在海底生物图像中的应用
简介本文提出GHiML方法，利用视觉语言模型从训练数据中提取概念性潜在变量，生成与样本相关的文字描述，并通过交叉注意力与门控路由将文本嵌入与图像嵌入融合，用于海底生物图像的层级多标签分类。作者还提出了层级多标签评分指标d_inv，通过图遍历距离和基数惩罚来评估预测结果。在BenthicNet、FathomNet和iNaturalist数据集上的实验显示，该方法在宏F1和d_inv指标上相较仅用视觉的基线有所提升。
说明WanderBench：世界模型能否从视频中探索动态世界？
简介该论文提出WanderBench基准，用于评估以视频为输入的世界模型探索动态场景的能力。基准包含745段真实与AI生成的单镜头视频，并配有键盘操作的相机路线，从六个维度、24项经人工验证的子指标进行评估。研究发现，视频变长时，模型能保持静态场景和画面质量，但会丢失相机控制和原视频的动态内容，且重访地点时都无法保持一致。论文还提出免训练框架WanderLand，在多个模型的各项维度上有所提升，其中源动态保真度最高提升8.3分。
说明SciMARS：面向闭环科学发现的多智能体递归自我改进框架
简介该论文提出SciMARS框架，用于在闭环科学发现中对多智能体系统进行递归式的任务级适应。框架通过共享证据图，并分别用独立的编辑器调整角色与协作方式，以及智能体记录、检索和接收证据的记忆方式。在Autonomous Science Bench、ScienceAgentBench和AppWorld上的评测显示，加入记忆编辑器的版本比基础多智能体团队解决了更多任务。
说明平面向量回归中三点加权选择的严格上界
简介本文证明了在两个输入和两个输出坐标下，最小Frobenius范数最小二乘回归的加权选择常数F_weighted(2,2,3)严格小于11/6，将此前的上界15/8进一步改进。论文通过精确的标量证书、平面选择等号情形的刚性分析以及紧致性论证来处理消失权重。结合已知下界，得到13/8≤F_weighted(2,2,3)<11/6。
说明Teamknitt：以动力系统与人类团队理论配置、观察并干预LLM智能体团队
简介本文提出一个名为teamknitt的框架及开源参考实现，用于配置由1至16个AI智能体组成的团队，可选择十四种确定性路由拓扑或自定义有向图，并通过共享配置限制信息流动。框架区分非系统视角与系统视角进行观察，并以显式、由人主导的方式进行干预。文中提出了关于拓扑、信息流和干预时机的可证伪假设，但未报告任何比较性结果。
说明学习用于二次耦合凸问题的非精确交替最小化方法
简介交替最小化是处理两组耦合变量优化问题的常用方法，其计算成本主要来自内层子问题的求解。本文用神经网络学习非精确的交替格式，在每次迭代中近似子问题的解。对于变量块之间为二次耦合且满足二次增长条件的凸问题，作者给出了最优性间隙的最坏情况界。在鲁棒矩阵补全和字典正则化的低剂量CT重建任务中，该方法在精度相当时比非精确一阶基线快5到13倍，端到端微调后最高可达30倍。
说明K-prop：通过反向传播时间核实现深度在线学习
简介本文提出K-prop，一种用于带泄漏积分的循环神经网络的在线学习方法。它通过传播核增益，大幅降低了实时循环学习（RTRL）的计算和内存开销。在序列学习、分类和强化学习任务中，K-prop优于现有的RTRL近似方法，性能与随时间反向传播（BPTT）相当。
说明虚拟现实中智能体与化身控制切换时的感知能动性
简介本研究在虚拟现实中开展受试者内设计实验，共24名参与者，比较始终由计算机控制、计算机转人工、人工转计算机、始终由人控制四种条件下虚拟人的表现。参与者扮演面试者向虚拟人提出固定问题，并被告知初始控制者，但不知道会发生控制切换。结果显示，感知能动性主要受开始时告知的控制者影响，控制切换后并无更新；而在人工控制更晚出现且占比更大的情况下，好感度和共同在场感等社交评价总体更高。
说明WaveGen：通过内部频谱轨迹学习实现真正端到端的波形生成
简介本文提出WaveGen，一个基于扩散模型的端到端文本到波形生成框架，采用Spectral Forcing方法，在单一模型内同时学习内部频谱轨迹和目标波形轨迹。该方法不依赖外部训练的中间表示或外部对齐模块，在Emilia训练数据集上取得了当前最佳性能，并在Seed-en基准上报告了1.47的WER和0.75的SIM。