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）。
说明医学图像分割：基础模型适配与任务专用训练的比较
简介该论文比较了在大规模自然图像上预训练的基础模型DINOv2与从头训练的U-Net、ResU-Net在医学图像分割中的表现，实验涵盖结肠镜、乳腺超声和皮肤镜图像。结果显示，适配后的基础模型在所有外部数据集上泛化更好；在训练分布内，数据充足时任务专用模型仍具竞争力且边界更精确。论文还指出，所需适配的模型容量由成像领域决定，并发现一个常用息肉测试集与另一基准存在重复图像。
说明基于示例定位的EM-DETR，迈向医学病灶检测基础模型
简介本文提出一种多领域医学病灶检测基础模型的构建方法，整合了标注解剖结构与异常的多种医学影像数据集。作者采用师生训练策略以合并标签体系不同的数据集并缓解灾难性遗忘，并将基于示例的EM-DETR框架改造为可同时从多个领域数据集学习。论文报告该模型在胸部X光的四项关键发现上图像级AUC超过此前最优结果1个百分点，在胸片和乳腺钼靶上取得领先的mAP50。
说明TorchCurves：可微分的参数化曲线库
简介本文介绍了 TorchCurves，一个基于 PyTorch 的库，将向量值参数化曲线作为可学习的基本单元。它把标量输入映射为 B 样条或勒让德多项式基表示的曲线上的点，并可对输入和系数求导，系数可与模型联合优化或由另一网络生成。论文通过与 NumPy、SciPy 及 EfficientKAN 的计时实验，展示了该方法在不同问题规模下的计算开销情况。
说明AutoScaffold：用AI为语言模型的强化学习设计自适应训练提示
简介该论文提出AutoScaffold框架，让一个冻结的教师模型定期分析学生模型的训练经历，找出瓶颈，并设计两类训练时提示：适用于一类任务的通用策略，以及针对单个困难任务的提示。评估时移除这些提示。实验覆盖ALFWorld、搜索问答、数学推理和GPU内核生成四个领域，论文报告不带提示评估时，学生模型优于对应的强化学习基线。
看点新意在于让冻结教师自动诊断并生成训练期脚手架，跨四类任务用无脚手架评测验证，收益明显。
说明对比发现：在相互竞争的解释之间进行开放式科学发现
简介该论文针对大语言模型智能体在数据驱动科学发现中逐一检验单个假设的局限，提出“对比发现”方法，用互斥且完备的竞争解释集合取代单一假设。实验证据会重新分配各解释之间的置信度，当置信度集中到某一解释时，问题即被解决。在六个领域的实验中，该方法能在相同证据下将更多问题解决到具体的替代解释，并在相同实验预算下比逐点惊讶度方法解决更多问题。
说明Pyrite：构建并评测蛋白-配体结合构象排序智能体
简介论文提出 Pyrite 基准，包含 1500 对跨多种蛋白-配体复合物的构象对比样本。专家化学家借助三维可视化和物理评分工具，判断准确率接近随机。作者进一步开发了基于大语言模型的两类智能体：一类直接用文字推理比较构象，另一类生成可执行代码构建特征并用逻辑回归排序，准确率分别最高达 67% 和 74%，并借助 GRPO 训练提升开源模型表现。
说明真实连接组结构在与未测量生理特性对比时是否仍占优？
简介该论文检验用连接组约束模型论证“真实布线优于打乱布线、结构决定功能”的说法是否可靠。作者区分了三种比较方式，并用合成数据、安慰剂对照和三个果蝇回路模型进行测试。结果显示，部分结论在各种方案下都成立，而蘑菇体中真实布线的优势在数据约束的生理设定下会反转。
看点提出区分三种估计量的协议，揭示连接组结构功能结论会随调参方式反转；用合成真值、安慰剂与果蝇模型验证，并报告置信区间。
说明Continual-ARC：衡量学习者在一生工作中积累技能的能力
简介该论文提出 Continual-ARC，一个由三版 ARC-AGI 任务构成的终身学习数据流，任务无需领域知识，相同任务会在休眠间隔后以新实例再次出现。学习者按所消耗的反馈预算比例计分，记忆型与权重型系统可在同一标准下比较。实验显示，智能体框架的持久化通常不能提升记忆能力，多数框架方法在未见任务上没有提升，而基于权重的学习则有明显增益。
说明分子相互作用基础模型中涌现的生物学能力
简介论文介绍了Bonbon，一个在约3.2万亿个蛋白质-配体配对序列标记上训练的分子相互作用基础模型。模型无需任务监督或结构坐标，即可在功能、残基和化学键三个层次上展现零样本涌现能力，并能推广到分布外复合物。研究还发现这些能力在最大规模模型上出现突变式跃升，且模型在结合和亲和力预测上比共折叠方法快得多；湿实验中，对九个疾病靶点的从头化合物达到61.5%的剂量反应命中率。
看点将涌现能力扩展到分子相互作用基础模型，并报告规模扩展中的突跳现象；摘要报告了多尺度实验和湿实验验证，但仅依据摘要难以核实细节。
说明尼特罗伊市交通方式选择的空间格局：基于合成人口的模拟研究
简介该论文提出一个计算框架，利用宏观、聚合、静态的城市数据，构建微观、动态且空间细致的城市出行模型。将其应用于巴西尼特罗伊约47.5万名合成居民，模拟结果显示步行多见于紧凑的市中心，汽车出行随距离市郊增加而上升，沿公交走廊的公共交通使用率相对较高。若将前往公交站的步行时间减少30%，模拟的公交与汽车出行比例提高11.3%。
说明衡量连接组约束果蝇视觉模型的鲁棒性与效率：关联对抗样本与感知错觉
简介该研究以基于果蝇突触连接组约束、经任务优化的连续时间循环神经网络（FlyNet）为对象，在可微分三维渲染的碰撞检测任务上，与卷积神经网络、RAFT及未受连接组约束的循环网络进行比较。结果显示FlyNet对对抗扰动敏感，但相对计算量，对常见视频损坏比RAFT更稳健，且所需浮点运算量少至多五个数量级。研究还发现，同一低层运动统计量可同时解释对抗纹理与反向Phi错觉造成的失效。
说明RS-JEPA：基于扫描路径视图的遥感联合嵌入预测架构，用于跨传感器图像检索
简介该论文提出RS-JEPA，一种用于跨传感器遥感图像检索的紧凑自监督框架，基于两种传感器共享的Vision Mamba编码器。作者提出扫描路径视图，将同一图像的两种读取顺序视为两个视图，并通过对抗视图耦合及邻域一致性损失训练模型。在SAR-光学和全色-多光谱基准上，其F1@5在十二种复现方法中最高，检索网络仅3.88M参数。
说明企业分析智能体评估框架的比较研究：稳定性、已知风险检测与未知风险发现
简介该论文比较了三种用于企业分析智能体的评估框架，分别基于执行轨迹的大模型评判、仅文本的大模型评判加红队测试，以及确定性启发式方法。研究分三阶段进行：先测量评估流程的稳定性，再在72个带标准答案的测试用例上检测已知风险，最后发现未知风险。论文认为，评估工具可获得的信息决定评估质量，功能评估与安全评估相互补充，并建议采用基于轨迹的功能评估与对抗性红队安全验证相结合的两框架策略。
说明ReTrace：把使用工具的智能体蒸馏为无规划器的工作流
简介该论文提出ReTrace方法，将自然语言编写的标准操作流程（SOP）和少量已记录的智能体运行日志转化为可复用的工作流，由代码而非大语言模型选择下一步。方法从智能体的推理说明中提取每一步的条件，跨运行合并为紧凑的规则文档，再生成可执行工作流。论文报告在多个基准上，工作流的完成率或任务成功率接近智能体，同时显著降低成本和运行时间。
说明TimeSeek：面向通用时间序列分析的多任务、多领域预训练模型
简介该论文提出了TimeSeek，一种通用的时间序列分析模型，旨在解决现有时间序列基础模型主要依赖堆叠Transformer层、以及多数只针对单一任务预训练的问题。模型包含多领域特征提取器，能自适应地捕捉不同领域数据的时间依赖与通道相关性；并通过多任务协同训练统一了预测、异常检测和分类任务。论文称，经过大规模时间序列数据预训练后，TimeSeek在少样本和零样本场景下的预测、异常检测和分类任务中均取得了领先的表现，同时推理效率良好。
说明Re-Search：通过双人提问游戏剖析大模型的研究构思
简介该论文借鉴“二十个问题”游戏，提出Re-Search基准：模型仅依据已发表论文的研究问题，通过提出是非题并获得二元反馈，来重新发现论文的核心思路，从而将构思过程与实验执行分离。基于200篇ICML 2026论文和六个近期大模型的测试显示，大部分进展集中在前30个问题内，之后多数模型趋于停滞。研究认为瓶颈在于生成而非判断，模型能识别好想法却难以自主产出，并且常因过度聚焦或过度发散而失败。
说明机制可解释性需要一套推理逻辑：论文提出从神经网络内部观察到机制性解释的五条原则与递归推理框架
简介本文关注神经网络内部机制研究（机制可解释性，MI）中，如何由局部观察得出机制性解释。作者比较了神经科学与MI的相关努力，指出从复杂神经系统推断机制时反复出现的推理瓶颈。文中提出五条原则并组织成递归逻辑，用于更严谨的机制推断。作者认为，这些机制既可积累为模型内部的知识，也可提出可检验的假设，但要说明模型机制揭示了世界的什么，仍需MI之外的证据。
说明Pterodactyl：推动高效自动化翻译质量评估的极限
简介本文介绍1020 Group提交给WMT26自动质量评估共享任务的系统Pterodactyl。该系统主要面向子任务2和子任务3，即句段级质量分数预测和无错误句段检测。它基于大语言模型作为评判者的方法，并通过ROC分析指导提示工程和模型选择，是一种成本极低、可高度定制的二分类系统。
说明FERN：基于冻结检索器与学习排序的跨基准表格检索（用于Text-to-SQL）
简介本文提出FERN方法，用于在大型混合表格库中为自然语言转SQL任务检索所需的表。它融合三个冻结检索器产生100个候选，用最多120个特征描述每个候选，并由LightGBM排序器重新排序，全程不使用生成式大模型。在Spider、BIRD、Fiben和BEAVER等数据集上，文中报告了其与RASL的表格召回率对比结果，其中在Spider上前15张表的召回率达到98.0，在BIRD中位延迟为每问208毫秒（单张A100）。
说明BoviShift：跨个体与时间的六年多属性牛视觉表型审计
简介该论文构建了 BoviShift 数据集，取自 2021 至 2026 年某运营中的牛交易市场连续六年的队列，包含 2,657 头牛、10,610 张静态图像和 2,566 段环绕拍摄视频。论文比较了图像随机划分与按牛划分两种评估方式，并检验模型在未来年份队列上的迁移表现，任务包括体重、年龄、体高、品种和毛色估计。
说明TanCRAFT：面向装配任务的情境推理式前瞻反馈系统
简介本文提出TanCRAFT，一个四阶段实时预测式辅助系统，用于防止人在物理装配任务中出错。系统会跟踪场景状态、推理当前局部装配情况、预测被操作部件的近期运动，并在预测的放置位置与目标不符时进行干预。研究在受控的七巧板装配任务中，通过离线基准测试和组内用户实验验证了其效果，结果显示预测式反馈比无引导和被动反应式反馈明显减少错误，同时带来最低的平均感知工作负荷和最短的平均完成时间。
说明C²-Routing：裁剪与压缩互补的高效视觉语言推理方法
简介本文针对视觉问答中视觉语言模型计算开销大的问题，提出 C²-Routing 方法，根据输入图像和问题自适应地选择裁剪或整图压缩，并设计安全门在必要时回退以保护准确率。在三个模型和18个数据集上的实验表明，在视觉token已限制为1024的基础上，该方法平均再降低36.53%的端到端FLOPs和42.36%的视觉token，任务分数平均仅下降0.77%。
说明异质SIS反应扩散模型中的贝叶斯反问题与流行阈值不确定性
简介本文研究如何利用异质SIS反应扩散模型的早期观测数据，通过贝叶斯推断判断疫情能否持续。作者证明，早期患病率动态仅依赖于传播率与康复率之差以及感染扩散系数，而这一组合也决定了判定持续与否的主特征值。文中给出了模型的适定性、参数稳定性及后验分布收敛等结论，并通过数值例子加以说明。
说明语言模型后训练中策略优化的理论：覆盖率崩溃与参考重置
简介本文从理论上研究语言模型后训练中的策略优化，提出“覆盖率保持”算法的概念，即依据基础模型生成最优回答的难易程度来界定学习所需的样本与梯度步数。论文指出，REINFORCE（PPO与GRPO的基础）可能使最优回答的概率趋近于零，导致覆盖率崩溃。作者提出定期将KL参考重置为最新策略的方法，并通过近似策略镜像下降（APMD）框架，为若干后训练算法建立了全局收敛保证。
看点提出覆盖率坍塌与参考重置概念，并给出软最大线性策略下的首个全局收敛保证，理论改进显著。
说明交叉验证方差理论
简介交叉验证通过反复将数据划分为训练集和验证集来估计模型的预测性能。论文给出了交叉验证估计方差的精确有限样本恒等式，证明方差由随机划分赋予每个观测的权重决定。据此，K 折交叉验证在一阶上方差最优，留一法在合理条件下方差最小，对 AUC 则留一对法（leave-pair-out）方差最小，并证明该估计渐近正态。
看点提出交叉验证方差的精确有限样本恒等式，并据此证明K折与留一法的方差最优性；作者声称给出恒等式与渐近正态性证明，覆盖MSE与AUC等指标。
说明用表格基础模型准确预测含能材料性质
简介本文使用 TabPFN 这一表格基础模型，预测含能材料的撞击感度、分解温度和晶体密度三项性质。在未做超参数调优的情况下，TabPFN 在三项性质上均优于已发表的最佳模型，也优于多种经典机器学习方法，包括调优后的 XGBoost、随机森林和高斯过程。作者还利用其输出的完整分布实现不确定性量化，并用 Shapley 值解释预测结果中各特征的重要性。
说明文本编码何时影响语言建模？
简介这篇论文研究了文本编码方式对字节级语言模型性能的影响，将UTF-8与其他Unicode编码、特定语言编码及作者自定义编码进行比较。作者提出了混合编码方案Aether，对四种书写系统差异较大的语言进行建模。结果显示，信息密度高的字符（如中文、韩文）明显受益于压缩型编码，而单字符信息量较低的语言（如格鲁吉亚文、泰米尔文）对编码选择基本不敏感。作者因此认为，文本编码应视为因语言而异的设计决策，而非通用默认选择。
说明一种用于实时皮肤渲染与数字化的轻量级可微分方法
简介该论文提出一种可微分的屏幕空间次表面散射（SSSS）框架，直接估计适用于实时渲染管线的散射参数，并联合优化空间变化的基础纹理与散射距离。方法使用低成本的单光源、单视角采集设置，并针对面部不同区域估计参数，生成可用于实时引擎的混合配置图。作者在45人的真实数据集上进行了验证，并结合合成数据、多光源和倾斜视角实验进行评估。
说明UGG：统一生成式几何模型，用一个生成模型同时处理4D场景的视频与几何信息
简介本文提出UGG，一个用于4D场景理解的统一框架，能联合建模RGB视频以及深度、相机位姿等几何表示。通过为不同模态和时间步分配不同噪声水平，UGG把视觉生成与几何预测统一为单一生成模型中的条件补全。论文称，该模型可从不同标注组合的异构数据中学习，并在相机可控视频生成、深度估计和相机位姿预测上优于非统一基线，包括稀疏观测场景。
说明面向可解释深度伪造检测的指标对齐组相对策略优化
简介本文针对深度伪造检测不仅需要判断真假，还需解释视觉证据的问题，提出先预测、后解释的两阶段流程，用于ACM Multimedia 2026可解释深度伪造检测挑战赛，并在XPlainVerse基准上训练和评估。系统先用视觉基础模型集成判断图像真伪，再由Qwen3-VL-8B生成基于判断结果的视觉证据解释。作者还采用指标对齐的组相对策略优化（GRPO）优化解释模型，使复杂BERTScore-F1从0.686提升到0.712，并改善实体与证据的F1，其提交结果在复杂BERTScore-F1上排名第一，总体排名第七。
说明百项家务任务共用一个策略：2026 BEHAVIOR 挑战赛解决方案
简介本文介绍作者在 2026 BEHAVIOR 挑战赛中的方案，该挑战包含 OmniGibson 模拟器中的 100 项长时程家务任务。作者团队以单一视觉-语言-动作模型（一个检查点覆盖全部 100 项任务）获得最终排行榜第 9 名。在与 2025 年共有的 50 项任务上，Q 值从 0.260 提升至 0.371；全部 100 项任务的得分为 0.392。对于其中 14 项任务，系统改由 GPT-6 Astra 编码代理控制机器人，其平均 Q 值为 0.639，而学习策略为 0.108。
说明两个学界，一个问题：分支定界法与A*算法在资源受限项目调度中的比较
简介本文比较运筹学中的分支定界法（B&B）与人工智能中的A*算法，二者都是精确搜索方法，但搜索空间的探索方式不同。研究以资源受限项目调度问题（RCPSP）为例，在480个基准实例上进行实验。结果显示，基于图的A*明显优于所考虑的B&B变体，加入额外剪枝规则后，A*可证明全部480个实例的最优性，而同等时间和内存限制下最佳优先B&B为445个。
说明量化时间序列基础模型在传感器数据上对采样频率的不变性
简介论文评估了四种时间序列基础模型（MOMENT、Chronos-2、Moirai-MoE、TimesFM）在采样频率变化时的稳定性，即采样频率不变性。作者用三个新指标FSI、FDI和CDI，分别从嵌入偏移、预测性能下降和下游任务性能下降三方面进行测量。研究认为，这种不变性取决于信号原生采样频率与任务所需带宽之间的余量，性能下降在很大程度上反映的是信息损失。
说明DnNP：在神经过程中对输入不确定性进行去噪
简介神经过程（NP）是一类可进行不确定性量化的灵活元学习模型，但标准框架假设输入无噪声。本文提出去噪神经过程（DnNP），通过变分推断显式建模输入不确定性，同时学习对受损输入去噪并完成元学习。在合成数据和真实空气质量传感器的PM2.5空间插值任务中，相比标准NP，DnNP在预测与不确定性量化上均有提升，RMSE最多降低30%，NLL最多降低73%。
说明Earlybird：29M 参数的预测式流式语音识别模型
简介这篇论文提出 Earlybird，一个 2900 万参数的流式语音识别模型，4 比特量化后约 16.8 MB。它在随机截断的音频上训练，要求在词尾结束前就预测出已到时间的词，并猜测后面两个词。在 LibriSpeech test-clean 上，中位词在说话人说完前 90 毫秒就被正确预测，而已发布的流式模型则在词结束后 90 到 400 毫秒才给出结果。
说明OnlyAct：从基础模型中提取用于世界模型的动作表示
简介视频世界模型需要动作标签，而标签稀缺且难以扩展。本文不从零学习动作，而是以预训练基础模型V-JEPA 2的帧对嵌入为起点，通过无标签的对比适应框架，拉近同一运动不同场景的帧对、推开同一场景不同运动的帧对，从而提取动作并丢弃场景信息。论文在机器人操作、相机导航、游戏和驾驶等基准上评估动作表达力、场景不变性和动作条件视频生成质量，结果显示其表示比无标注的潜在动作方法更具表达力，且场景不变性相当。
说明评估大语言模型生成的世界模型用于神经符号推理
简介论文研究五个大语言模型能否把开放式自然语言情境转化为部分可观测随机博弈形式的世界模型，并以44个涵盖博弈、情境和文化场景的基准进行评估。结果显示，410次生成中绝大多数通过了机械有效性检查，但与作者参考模型结构完全一致的只有少数，说明可执行性只是必要条件而非充分条件。
说明按需精度：在小型本地模型中于不确定的解码步骤提升权重位数
简介本文研究小型本地语言模型的一种解码方式：保存8位权重，平时只用高4位解码，仅当低精度输出分布不确定（熵超过阈值或前两名概率差较小）时，才以8位重算该步。实验使用Qwen3-0.6B模型及GSM8K基准，成本以每个token读取的权重字节数计。文中给出离线重放与实际运行的若干对比结果，并指出实际运行数据不足以区分该门控与两个端点方案。
说明对音频基础模型进行事后解耦以用于音乐相似度检索的探索
简介该论文研究在CLAP、MuQ、MERT等预训练音频基础模型的冻结嵌入上做事后解耦。作者将条件相似度网络（CSN）改用于门控这些冻结嵌入，把嵌入空间划分为对应不同属性的子空间。实验在两个数据集上进行，结果显示少量可训练参数即可提升属性解耦效果和整体检索性能，而池化、掩码和网络深度的选择带来的额外收益有限。
说明比特还是排列？在小型本地语言模型中如何分配固定推理预算：权重精度还是选项顺序平均
简介本文研究在固定推理预算下，本地小模型应把资源用于降低权重比特数，还是用于对几种选项顺序取平均以减少对答题顺序的敏感性。作者在Qwen3-0.6B和1.7B上用模拟的四舍五入量化测试（8、6、4、3比特）及ARC、MMLU、HellaSwag等数据集。结果显示6比特相对fp16几乎不损失准确率，而在成本相同的比较中，只有权重为6比特或以上时，增加选项顺序的平均才优于增加比特数。
说明深度神经模型的因果概念解释：提出 CCW-Net，用中介分析训练并量化概念解释的因果效应
简介该论文指出，现有的神经网络概念解释多为相关性解释，可能看似合理却并非输出的必要或充分原因。作者提出因果概念包装网络（CCW-Net），将经济学、医学和流行病学中的干预式中介分析用作训练目标，使概念表示满足必要性、充分性和独立性。论文还将中介分析用作评估工具，量化各概念对模型输出的因果贡献，并在飞行器控制、驾驶和图像分类任务上进行了评估。
说明发现南亚季风降水热力学方程
简介本文利用符号蒸馏方法，结合神经网络与符号回归，从21年6至8月再分析数据中提取可解释的降水方程。研究发现，最佳方程解释的降水方差约为常用浮力诊断方法的1.5倍，并保留约85%神经网络的预测能力，所用参数却少约一千倍。
说明REAL 损失函数：优化投机解码中的真实期望接受长度
简介论文针对大模型投机解码的加速效果，指出常用训练目标与真实的期望接受长度（EAL）并不一致，存在协方差偏差，可能使梯度方向相反。作者提出 REAL 损失函数，用路径权重进行无偏估计，并用 Rao-Blackwell 化降低方差。在受控实验中，REAL 在多个任务子集和随机种子上的概率服务接受长度表现优于若干基线，且无需改动草稿模型结构或推理流程。
说明LoRA的间隔视角：抗灾难性遗忘与适配器合并（MaLoRA）
简介本文从间隔（margin）的角度，为LoRA低秩适配方法为何能抵抗灾难性遗忘、以及为何能合并独立训练的适配器提供理论解释。作者在带ℓ2正则化的多类线性分类近正交任务设定下分析最优LoRA适配器，发现在中间正则化区间，它与微调数据上的最大间隔解一致。基于此，作者提出无需训练的间隔合并方法MaLoRA，实验显示其在多项视觉与语言分类任务上与若干适配器合并基线相当或更优。
说明模糊块边界：用于高效扩散语言模型的重叠块去噪方法
简介该论文提出一种名为B3（Blurring the Block Boundaries）的方法，用于加速基于块扩散的扩散语言模型推理。它在一次前向计算中并行精修两个相邻的块，并根据模型状态动态决定何时开始生成下一个块。该方法无需训练，也不需要额外超参数，可直接用于任何具备自编辑能力的块扩散模型。论文在10个不同数据集上评估，报告生成质量与基础模型相当，速度提升11.5%至14.5%。
说明从能量视角看机器学习：一篇统一框架的教程
简介本文是一篇关于基于能量模型（EBM）的教程，EBM 通过标量能量定义概率分布。作者用能量模型作为统一视角，指出任何 EBM 由能量函数、推断方法和学习方法三个选择确定，并把判别模型、生成模型、表示学习、强化学习和规划等方法都归入这一框架。文章还提出可通过替换其中一个组件来设计新算法，并以能量组合作为推断时结合已学模型的方法。
说明用认知框架解析大语言模型的「内部思考式学习」
简介本文提出一个认知框架，将大语言模型中类似人类「内部思考式学习」的过程对应到四种机制：反思推理、合成记忆形成、内部模拟和概念自组织。文章分析了思维链提示、自洽性、自我反思、思维树搜索、Self-Instruct等方法如何近似这些机制，并指出它们常见的失败模式及产生原因。
说明人机协作的图像集合计数：哪些因素重要？
简介本文研究在大规模图像集合中估计目标物体总数的人机协作方法，覆盖12项任务，包括生物显微图像、地面和空中野生动物调查以及城市建筑俯视图。研究比较了模型、估计器和适应策略的选择。文中提到，免训练的多模态模型是许多任务的良好起点，而微调检测器在标注预算更大时更有优势，并且用模型预测来决定人工标注的对象，效率更高。在空中叉角羚调查的实地部署中，任务专用的方法在审阅中位数仅3.2%的图像后达到了±5%的误差容限。
说明基于稀疏高斯过程评论家的不确定性感知混合离线强化学习与在线动作选择
简介本文研究聚合反应器启动和牌号切换的控制问题，这类操作目前主要依赖人工。作者以混合离线学习与在线优化方法（HOFLON）为基础，用稀疏变分高斯过程评论家替代原有的树集成评论家与对抗自编码器惩罚，动作选择目标为均值减去κ倍标准差。在HOFLON聚合反应器基准上，移除对抗自编码器惩罚后，五个评论家共15次运行中有4次启动失败；采用Matérn-5/2稀疏高斯过程评论家时，κ=0导致15次中13次失败，而κ=3时15次均未失败。
说明从视频帧到机器人元帧：世界动作模型的统一潜在接口
简介该论文面向世界动作模型（WAM），即同时预测机器人动作与未来观测的模型，基于预训练视频扩散模型构建。作者提出MetaWAM，将本体感知、动作、价值等机器人信号打包进单一的统一元帧，每个信号占用互不重叠的频域通道带，并通过逆离散余弦变换映射到空间潜变量。在RoboCasa基准上成功率为68.9%，推理延迟降低39%；在三项真实Franka任务上成功率为85.0%。
说明ARE-bench：在真实研究者会话与工作区中评测智能体的科研能力
简介该论文提出 ARE-bench，用于评测科研智能体能否在真实研究项目的会话与未完成的工作区中推进工作，并尊重先前决策与已有文件状态。基准包含 75 个任务，覆盖七个研究阶段，共 1,173 个二元检查项。测试七个前沿模型后发现，表现最好的模型仅在 66.2% 的任务上通过全部检查项。
说明《未被使用的输入：初始状态作为循环时间序列基础模型的条件接口》
简介时间序列基础模型可以在无需针对特定任务训练的情况下对未见过的序列进行预测。本文以基于xLSTM的零样本预测模型TiRex为例，冻结主干网络，只训练一个小型头部，把上下文向量写入初始循环状态，从而让精度变化可归因于注入的状态。实验显示，该方法可略微降低GiftEval上的平均MASE，并在文本条件设定下带来额外改进；作者表示结果尚属初步、提升较小，但认为初始状态值得进一步研究。
说明EngineAgent：面向端侧大模型推理引擎的智能体化自动适配系统
简介论文提出EngineAgent，一个用于自动为端侧推理引擎适配新大语言模型的智能体系统。它先构建感知推理栈层级的引擎索引并预先验证各后端的构建与调试流程，再由构建器协调跨层修改、由审核器通过设备端验证迭代调试。在覆盖3个移动端大模型、4组引擎与后端组合的12项任务中，EngineAgent端到端成功率为75%，高于最强编码智能体基线的33.3%，同时降低了单任务平均耗时与模型API成本。
说明CLADE：基于不完整证据的类别级回答（检索增强语言模型）
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。
看点提出可解决不足证据（resolvable insufficiency）与Clade现象，并用反事实测试和本体实验验证，新意明确。
说明AI并没有变笨，是人们的评判标准变严了：大语言模型人工评测中的标准上升现象
简介该论文分析了Chatbot Arena平台上126万余份匿名盲测投票，考察同一版本固定的模型对之间"两者都不好"的投票比例。结果显示，该比例在2023年5月至2024年8月间持续上升，而模型之间的相对排名基本稳定。作者认为，这种现象反映的是评判标准随领域进步而提高，而非模型本身退步。
看点提出评估者标准随时间抬高的解释，区分模型本身变化与人为判断变化；基于约126万张盲测投票，在版本固定的模型对上分析，结果对排行榜和人类反馈训练有影响。
说明前向值离散化：无需高阶近似的更快随机扩散采样
简介随机扩散采样器通常需要比确定性采样器多得多的神经网络函数评估次数才能达到相近的样本质量。论文证明，即使使用精确的分数函数，带高阶近似的随机采样器仍是一阶收敛，因此提高近似阶数一般不能提升收敛阶。作者据此提出免训练的前向值离散化框架，在由先前预测构造的前瞻点上评估模型，并给出随机版本 F-DDPM。在 CIFAR-10、ImageNet、FFHQ 和 LSUN 上，F-DDPM 在相同 NFE 预算下 FID 低于所评估的随机基线。
看点提出前瞻值离散化，证明随机采样高阶近似仍为一阶收敛并给出紧界，在多个数据集上报告FID改进。
说明智能体何时应该记忆？面向大模型智能体的证伪门控自我演化方法
简介论文针对大模型智能体从经验中总结的经验教训是否应写入持久记忆这一问题，提出证伪门控自我演化框架（FGSE）。该框架把每条候选经验写成带前提条件、行为变化、预期效果和验证器的结构化假设，先在临时状态中应用并用目标迁移、证伪和归档回归三类探针测试，再依据测得的收益与风险决定提交、修正或拒绝。论文称，在网页、应用、工具使用和长期记忆基准上，该方法取得了较强的任务表现，并降低了证伪失败、回归损害和有害提交更新的比例。
说明审计评判者：用于大语言模型推理保障的内部信号
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《不要只信你的记忆》：带证据链接的记忆减少LLM智能体的记忆诱导性退化
简介论文提出WikiTrace系统，让大模型智能体把每条经验教训链接回其原始任务轨迹及成败原因摘要，以便核对教训是否正确。在新任务中，智能体可沿链接查阅原始轨迹以补充细节或修正错误教训。作者在五个智能体基准上验证了该方法，结果优于现有记忆方法，并减少了记忆带来的性能退化。
说明PSL-RGHA：用参考梯度半空间对齐缓解梯度发散的并行切分学习方法
简介本文提出PSL-RGHA框架，面向资源受限设备上的并行切分学习。由于缺少客户端聚合，该方法在异构数据下容易出现训练发散。框架包含参考梯度渐进构建（RGPC）与梯度半空间对齐（GHA）两个组件，用于约束客户端梯度并缓解梯度冲突。作者称该框架在多种设置下优于现有基线方法。
说明在保留已习得正确答案的前提下为多模态模型加入弃答机制
简介该论文针对为任务适配后的多模态模型加入弃答功能时可能丢失正确答案的问题，提出ReFrain方法，结合首词logits线性探针、保留图像簇上的阈值校准以及确定性否决机制，将被拒绝的输出替换为“以上皆非”选项。在Qwen2.5-VL-3B上的实验显示，零预算设定下该方法保留了全部57个新增正确答案且无损失，并将正确弃答率提高7.30个百分点；在0.5%预算下正确弃答率达74.05%。
说明MMDM：大规模多任务决策能力评测基准
简介论文提出 MMDM 基准，包含 5448 道题目，覆盖 16 类任务，用于评测「System-1」决策模型在单次前向传播中直接给出结构化概率决策的能力。题目涵盖智能体状态追踪、工具与技能选择、偏好判断和评分标准打分等场景，选项数从 2 到 1024 不等。对 28 个决策模型的评测显示，模型在常识任务上表现较好，但在相互依赖的选项、受约束决策和多选任务上表现欠佳。
说明TaoMate-R1：面向流式多参考视频生成的时序角色专门化方法
简介该论文提出 TaoMate-R1，一种流式多参考视频生成器，依据人物和物体参考先建立场景，再按变化的指令持续生成。方法在冻结的主干网络上，为场景建立与场景延续分别配置低秩适配器，并通过 Self Gradient Forcing 联合训练两种角色。在十段约两分钟、指令变化的视频流中，平均边界亮度跳变由 1.96 降至 0.613，同时 CLIP 与 DINO 时序相似度也有所提高。
说明ForeseeDrive：面向前瞻性生成式驾驶的未来令牌条件化方法
简介这篇论文提出ForeseeDrive，把未来场景演变转化为影响候选轨迹生成的接口。方法从记录的交通参与者运动、占据变化、路线交互和TTC安全余量中提取未来令牌，并在部署时由当前场景预测这些令牌，用于在候选轨迹生成前约束轨迹几何。论文报告其在NAVSIM navtest上达到89.2 PDMS，在nuScenes验证集上平均L2为0.41米、碰撞率为0.05%，在Bench2Drive上驾驶得分为76.50。
说明LM-SimBench：大语言模型训练仿真的统一框架、数据集与基准
简介该论文提出 LM-SimBench，用于评估大语言模型训练仿真器的统一框架、性能剖析数据集和基准测试。研究在昇腾 NPU 集群上剖析了 10 个稠密与混合专家大语言模型系列中的 23 种模型设置，形成包含 348 个可行配置的数据集，涵盖五个并行维度和激活重计算等变量。论文以此比较仿真器的预测精度、配置选择能力与预测误差诊断，并通过 GPU-NPU 对照实验验证其跨平台适用性。
说明衡量医疗环境语音记录工具的九十六种方式：碎片化的评估现状
简介本文回顾了54项近期对医疗环境人工智能语音记录工具（ambient AI scribes）的评估研究，发现其中使用了10个评估维度、40项指标，并以96种不同方式操作化，其中35种仅被单一研究采用。文章指出，评估主要集中在文书效率和时间上，安全性和临床结果最不一致，且指标严重依赖自我报告，难以跨研究比较和综合。作者主张建立标准化、多维度的指标体系，以支持更严谨、可累积的评估。
说明UniFlow-RS：面向异构遥感任务的统一生成式预测模型
简介该论文提出UniFlow-RS，用一个共享的潜空间流匹配（flow matching）预测器统一处理多种遥感任务，取代各任务各自的解码器和损失函数。模型通过把不同任务的输出转换为共同的结构化视觉目标，并引入按任务与模态动态分配训练时间步的TMAS方法。单一模型可处理六项任务和十三个数据集，在多项基准上超过近期的任务专用方法，并在未见数据上展示零样本迁移能力。
说明AutoThreshold：用于自适应掩膜二值化的联合混淆分布学习
简介该论文提出AutoThreshold，一种事后阈值选择方法，通过预测分数分箱中正负像素的联合质量来直接建模随阈值变化的混淆计数，而非依赖单一验证集调优的阈值。方法借助softmax归一化和累积解码得到单调一致的混淆曲线，并用插件式解码器为任意F-beta指标选择阈值，无需重新训练主干网络。实验在Kvasir训练流程迁移至四个息肉数据集及KITTI Road上进行，相较连续Otsu方法在宏观Dice等指标上取得一致提升。
说明组合随机森林：面向成分数据的随机森林方法
简介本文提出一种针对成分（compositional）响应变量的随机森林框架，可在单纯形、对数比坐标和单位球面三种表示空间下工作。分裂准则采用对数似然增益，并分别使用切向正态分布（与Kent分布共享参数）和多元logistic正态分布。模拟实验显示，表现最好的森林取决于成分的协方差结构，其中切向正态森林在三种设计中的两种上最为准确。
说明跨地区异步疫情的联邦学习预测：在保护数据主权的前提下，用联邦学习协同预测广东、澳门和葡萄牙的新冠确诊病例
简介该研究提出一个联邦学习框架，用于在各地疫情不同步的情况下，协同预测广东、澳门和葡萄牙的新冠确诊病例，同时各地数据不出本地。模型采用长短期记忆网络（LSTM），以均方根误差等指标与本地训练和集中训练进行比较。结果显示，联邦学习模型的归一化均方根误差为0.028，较本地模型（0.240）提升88.3%，接近集中训练的效果，研究认为这是一条可行的隐私保护协同预测路径，但仍需前瞻性验证。
说明通过设计训练数据提升神经网络在多普勒效应下的信道估计鲁棒性
简介本文研究在无线通信中用神经网络进行信道估计时的泛化能力，尤其是高速场景下的强多普勒频移。作者提出了生成合成训练数据的设计准则，使离线训练的网络无需先验信息或在线训练，即可在未见过的信道上稳健工作。仿真结果显示，不同复杂度的网络在多种未见过的功率时延分布和多普勒频移下都能达到一定性能。
说明用于涡扇发动机可解释健康表征学习的物理约束自编码器
简介本文提出一种物理约束自编码器，将系统物理知识嵌入解码器结构和损失函数中，使潜变量对应预定义的物理量。在 N-CMAPSS 数据集上，该方法重构精度与全数据驱动模型相当，聚合得到的健康指标与真实值的 Spearman 相关系数为 0.9791。模型还能区分压缩侧与膨胀侧的退化特征，并将退化趋势可视化在部件特性图上。
说明物理链条：借助工程启发的大语言模型推理支持故障诊断
简介该论文提出“物理链条”（CoP）框架，用大语言模型进行故障诊断。框架基于从资产专属参考文档自动生成的约束知识图谱，图谱存储故障模式、物理量变化与监测传感器之间的诊断链。推理时检索语义相近的图路径作为信息和示例，并分别分析候选故障模式，最后比较各条链与选项。在FailureSensorIQ基准上，该方法在四类工业资产和三种大语言模型中均优于直接提示和传统检索增强生成，准确率分别提高7.8至19.6和11.7至18.2个百分点。
说明脉冲神经网络强化学习中的循环模块化结构
简介本文提出社区循环脉冲神经网络（CoRe SNN），将循环网络划分为固定角色的社区，包括接收刺激的控制器社区、每个动作各自的社区以及承载内部状态的潜在社区。学习采用局部三因子规则，并提出了Map-STDP规则以在学习中促进模块化。在CartPole、LunarLander和Acrobot上的实验显示，这类循环模块化网络可以与前馈方法相当，甚至更优。
说明Lilo：面向儿童数字交流的多智能体对话沙盒
简介这篇论文介绍了Lilo，一个多智能体对话系统，让儿童在模拟的群聊冲突中练习表达与应对。孩子加入两个AI同伴正在进行的争吵，并由同名导师角色通过“停下-思考-行动”红绿灯式提示进行指导。研究者对28名9至11岁儿童进行了探索性研究，记录了干预前后的问卷与离场访谈。结果显示，参与者在应对令人不快的消息方面的自我效能感在互动后显著提高。
说明Elastic-WAM：面向高效机器人控制的自适应时空想象
简介该论文提出 Elastic-WAM，用于改进基于世界动作模型的机器人控制。它根据任务和状态动态分配未来视觉预测的计算量，在时间去噪步骤和空间区域上进行自适应选择。实验显示，在多种仿真基准和真实长时程操作任务中，该方法在降低推理延迟的同时取得了领先的控制表现。
说明跨场景综述：自我进化的多模态智能体
简介本文综述了多模态智能体在无需反复人工标注的情况下自我改进的研究，覆盖多模态推理、多模态生成、GUI与网页导航以及具身操作四类场景。作者将自我进化智能体形式化，并用经验生成、反馈获取、更新巩固三阶段循环作为分析框架。文章比较了各场景内自我进化与固定循环的差异，并分析各机制在跨场景迁移时表现不对称的原因。
说明语义链：从可达事实到有依据的答案
简介本文研究如何从问题出发找到能支撑答案的事实，并把它们组织成一串相互连接的陈述。作者把语境建模为逻辑事实图，并假定每个事实由哪些表达式表示已知。文中给出在所述模型条件下，从问题涉及的对象出发的搜索能到达根事实并覆盖所选扩展中的全部事实，并讨论多环节链的候选顺序及其成立条件。
说明通过持续学习实现人机谈判中的个性化情感感知
简介论文提出一种情感自适应谈判策略，利用带想象力的持续学习面部表情识别模型（CLIFER）实时个性化地感知效价与唤醒度。智能体根据情感变化方向与强度的差分反馈调整目标效用，并在实时交互中于后台异步更新模型。在66名参与者与人形机器人的谈判实验中，启用持续学习的智能体获得了显著更高的个人效用，并引出了更高的参与者让步率。
说明SinkState：面向高效混合大模型服务的循环状态即时SVD压缩方法
简介该论文针对结合softmax注意力与线性注意力的混合大模型，发现线性层的查询、键和值集中于一个稳定的低维子空间，称为线性注意力汇聚现象。作者提出SinkState，在推理全过程中以自适应低秩形式存储循环状态，并通过缓冲更新与限定在主子空间上的局部SVD来降低开销，同时在CPU上异步整合其余成分。在四个含Mamba-2和GDN层、参数从4B到120B的混合模型上，相比Mamba-SSM与FLA，循环状态峰值内存最多降低2.6倍，解码速度最多提升1.58倍，且保持精度。
说明基于TRACE框架的草案立法反腐败鉴定自动化AI助手
简介本文提出一款基于TRACE架构的AI助手，用于自动筛查法律草案中的腐败风险，即找出专家会批评的条款并指出每处的监管缺陷。系统结合确定性解析、模型引导的单条款判定、基于规则的因素归类以及外部人工监督。作者以乌克兰国家反腐败预防局（NAZK）公开结论构建了包含132部草案和474项发现的基准，并在其中100部草案上评估。
说明PARLEY：通过合作式不对称谜题评估大模型协作能力
简介该论文提出PARLEY平台，用四类基于认知心理学的不对称谜题任务，研究大语言模型智能体之间的协作。GPT-4o智能体对话的成功率为60.5%，不同任务之间差异较大。研究据此归纳出包含六类失败的PAC分类体系，并提出一种由分类体系指导的干预方法，使平均任务成功率提升至70.5%。
说明Dyship：利用声学特征从二人对话中分类说话者关系
简介本文提出 DyShip 框架，用于从 Seamless Interaction 语料库的二人对话中判断说话者是否相识以及是否为亲属关系。作者比较了五种语音表示：频谱图、MFCC、自监督的 WavLM 表示、x-vector 和估计的发音运动。频谱特征在相识判断中表现最好，准确率为 87.81%；WavLM 在亲属关系判断中准确率最高，为 85.17%。多数分类器超过了同一数据集上此前报告的人类和音频语言模型成绩。
说明关于一般方差条件下部分参与的联邦平均算法
简介本文研究在一般方差条件下，带部分客户端参与的联邦平均算法（FedAvg）的收敛性。每轮服务器从 n 个客户端中不放回地均匀抽取 S 个。作者针对光滑非凸目标函数给出了有限时间内的平稳性界，该界依赖于异质性度量和客户端抽样因子，并随抽样客户端数 S 呈线性加速，在 S=n 时退化为全参与的结果。在递减步长下，梯度范数同时在期望意义和几乎必然意义上收敛到零。
说明StaRSE：一种基于符号编码静态编码器的紧凑俄语句子嵌入模型
简介该论文提出StaRSE，一种面向俄语的紧凑型静态句子编码器，部署时不再进行Transformer推理：词向量方向以符号位存储，词向量范数单独保存，句子由范数缩放后的符号方向做平均池化得到。模型以ruBERT-base为初始化，在俄语相邻句对和任务形式句对上微调，并通过直接优化符号投影词表的对比学习阶段进行后训练。在RuMTEB上其任务平均分为51.16，模型大小11.3 MiB，单句CPU平均延迟0.08毫秒。
说明Transformer语言模型中内外算法计算的分阶段、可解释涌现
简介该论文借助可控的合成上下文无关文法，研究Transformer在训练过程中如何学会处理句法结构与解析歧义。作者发现，各个损失阶段可以解析计算，并对应隐变量树的表示。随着训练推进，模型先利用局部的二元组和三元组信息，之后逐步形成编码器-解码器结构：中间层编码最抽象的隐信息，后半部分逐步细化最终的词元预测。
说明ViGA-FLAME：将视觉特征与几何潜在空间对齐，实现稳健的三维头部表情估计
简介该论文提出ViGA-FLAME两阶段框架，用于从单张图像估计三维头部表情。第一阶段的参数-几何变分自编码器（PG-VAE）学习头部表面与FLAME参数的统一潜在表示；第二阶段的视觉-几何适配器（ViGA）通过非对称注意力，把预训练视觉编码器的语义特征对齐到该潜在空间，且不改变原有视觉分支。论文称该方法在严重面部形变和大视角下更稳健，优于同类前馈方法。
说明可验证的智能体流量类别：面向 AI 智能体流量的受监管服务质量机制（从仿真到真实内核的对抗测试）
简介该论文针对大语言模型驱动的软件智能体产生的流量，提出可验证智能体流量类别（VATC）：用保留的 DSCP 标记声明智能体流量，路由器端分类器将与声明不符的流量降级到尽力而为之后服务，并配合限速优先队列。在仿真和真实 Linux 内核中，VATC 与静态 DiffServ、fq_codel 进行了比较。文中结果显示，VATC 在突发负载下显著降低了智能体排队延迟，但真实内核中的欺骗洪泛测试与部分伪装流量暴露了分类器的漏判，测试流量为合成或沙箱规模。
说明Tree-Ising：用比特级伊辛编辑修复语言模型
简介该论文提出 Tree-Ising 方法，把语言模型的权重修复建模为对 BF16 权重进行稀疏离散优化的问题，并将其分解为可用模拟退火或量子启发式模拟分岔求解的 QUBO（伊辛）子问题。在 MATH-500 上，修复后的模型得分为 54.6%，高于智能体编辑的 51.7%，基础模型为 7.9%；该方法修改的权重更少，且无需 LLM 词元。
说明自回归大模型在注意力头集中失效与分散失效下的多步推理退化对比
简介本文借鉴哺乳动物大脑皮层局部短暂静默的现象，研究在时间和空间上集中的注意力头屏蔽对大语言模型推理的影响。作者在GSM8K基准上对Qwen3-8B和LLaMA-3.1-8B-Instruct两个模型进行实验，比较集中式突发屏蔽与预算相同的分散式随机丢弃。结果显示，集中式突发屏蔽导致的推理准确率下降明显更大。
说明DailyWildfireCAN：加拿大次日野火蔓延预测的数据集与基准
简介本文提出DailyWildfireCAN，一个面向加拿大次日野火蔓延预测的多模态、多时序数据集与基准。数据涵盖2017至2024年八个火季的2440起野火事件，空间分辨率为90米，时间分辨率为24小时，整合地形、气象、土地覆盖、植被、人类影响指数和卫星影像等33项特征。作者还建立了比较单时序与多时序预测模型的基准，并设计了多维评估框架。
说明面向情境感知边缘视觉Transformer的联合量化与动态划分
简介本文提出一种边缘编排框架，用于在联网自动驾驶车辆上部署视觉Transformer模型，可同时选择模型划分点、各层量化位宽和执行位置。该问题被建模为混合整数线性规划（MILP），目标是在端到端时延与任务质量约束下降低计算和通信能耗。在Jetson Orin系列节点上使用OPV2V多流负载评估，相比统一INT8划分，车间通信能耗降低33.3%至36.0%。
说明基于增广拉格朗日方法的提升贝尔曼线性规划
简介该论文针对离线强化学习，将数据集内的最优值求解表述为线性规划，并用乘子法（增广拉格朗日方法）求解，乘子通过对偶上升学习，取代了原有的固定系数惩罚。论文报告了在50个基于状态的OGBench任务上的平均成功率为60.1%，并在长时程任务上给出了具体成绩。
说明SpecValley：稠密异配图中作为谱谷的聚合方法
简介这篇论文研究异配图上的节点分类问题，指出邻域聚合会削弱携带标签信息的信号。作者认为度归一化会在特征值密集处形成一个固定的谱谷，并提出SpecValley，为每个图学习该谷的位置、锐度和两侧增益。实验表明其在异配基准上效果较好，消融实验将提升归因于聚合步骤而非后续滤波器。
说明基于双重稳健估计与线性规划的跨境仓库选址模型
简介本文提出一种跨境履约中心（FC）选择模型，结合预测、双重稳健估计和线性规划，为每条跨境运输路线选出合适的发货仓库子集。作者在一家大型电商公司三条跨境运输路线的12个月出货数据上进行评估。结果显示，相较于人工专家制定的选择策略，该模型可使配送时间缩短8.5%至51.1%，物流成本降低4.4%至48.3%。
说明BARS：面向未知分布多数票识别的预算感知序贯采样与拒答方法
简介该论文针对大语言模型重复采样后取多数票的做法，提出 BARS 方法，在给定预算和目标错误率下判断最高票与次高票的差距是否足够，据此提前停止、输出预算内的多数票，或在无法保证可行时拒答。论文区分了可证明界限的认证模式与用经验校准替代的实用模式。在 GSM8K 上，实用模式比固定 8 次采样少用 22.3% 的样本，代价是拒答 18.8% 的问题；在 MATH 上输出答案的准确率提升至 82.5%，同时对约一半模型自身无法解决的难题选择拒答。