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）。
说明双曲潜变量模型中的可扩展随机特征方法（Helgason-Fourier随机特征）
简介论文提出一种在双曲空间上定义核函数的有限维显式特征映射，称为随机Helgason-Fourier特征（RHFF）。作者刻画了抽取频率所用的谱密度，使Matérn等核可直接在频域中指定，并证明了RHFF的一致近似误差界。基于此，论文构建了无需数值积分、变分下界或辅助变量的双曲潜变量模型RHFF-LVM，在合成树结构数据上恢复度量的效果优于所有基线，并能在505秒内拟合5×10⁵个数据点。
说明用于生成合成临床数据并支持预测性医疗分析的微调小型语言模型
简介本文提出一种临床数据增强方法：基于微调后的 Microsoft Phi-2 小型语言模型生成合成样本，用于改进预测远程监测生命体征的深度学习模型。模型通过在 MedQuad 数据集上的监督微调（QLoRA）与少样本提示完成医学领域适配。在一个小规模的生命体征数据集上进行增强后，LSTM 预测模型的分类准确率由 89.0% 提高到 93.7%，精确率、召回率和 F1 分数也有一致提升。
说明通过辩论实现超级智能的理性对齐
简介本文研究超级人工智能（ASI）辅助问答的框架，其中ASI知道正确答案而人类不知道。作者给出了一些理性对齐机制的例子，在智能体效用不变的前提下，控制智能体与人类委托人之间的交互方式。文章指出，允许智能体在子博弈完美均衡方式下进行推理和行动的辩论框架，能带来更可预测的结果，在某些情况下也更有利。
说明大型视觉语言模型能否像人一样感知事件边界？
简介该研究探讨大型视觉语言模型（LVLM）对视频事件边界的感知是否与人类一致。研究先在Kinetics-GEBD数据集上，让模型对无监督方法提出的候选边界进行精炼，取得了无监督通用事件边界检测的最优性能。随后将方法扩展到小时级第一人称视频，并构建了EgoBoundary基准，结果显示现有方法在该基准上表现明显下降。
说明HIFC-IQA：基于双过程认知、无需训练的跨域图像质量评估
简介该论文针对无参考图像质量评估中合成失真与真实复杂退化之间的域偏移问题，提出无需训练的跨域框架HIFC。它通过非对称感知分解，将语义内容与失真敏感表示分离，并融合两个分支的结果：一个从合成参考库中检索稳定的模糊质量中心的记忆一致性分支，以及通过零样本视觉-语言对齐捕捉审美极化的直觉分支。论文称该方法在多个基准上达到领先水平，在合成到真实的跨域设置中优势明显。
说明物理动作模型训练的一套方法：容量、数据与部署的统一分析
简介本文研究机器人动作模型训练中模型容量、示范数据预算、数据构成、表示与优化等决策，用统一的条件分布目标将它们联系起来。作者借助嵌套学习的精确风险核算、局部信息几何与条件互信息等工具给出训练建议，并在已知目标的数值实验中展示容量与数据的耦合、表示引起的混合失配等现象。另外，文章分析了206条公开PushT轨迹，在不拟合策略的情况下评估固定特征下的信息设计准则。
说明FPSRG：异质用户模拟的第一人称后训练与多维语义响应网格
简介本文研究如何用大语言模型模拟具有不同特征的个体：给定维度、题项和评分规则，构建可按多维目标分数检索的模型配置。作者提出第一人称语义响应网格（FPSRG），先通过共享后训练让模型以参与者身份作答，再用自评与行为目标细化各维度的控制向量，并将冻结模型下测得的联合分数存入可检索的目录。实验表明，细化后五轴综合控制范围平均由30.75提高到40.45，五维目标区域内的五级向量目录覆盖了92.2%的固定目标。
说明DesignTaste：将AI生成的视觉设计与获奖作品进行对比的基准测试
简介本文提出DesignTaste基准，用于比较AI文生图模型生成的设计与获奖作品。研究者依据403份设计简报（来自Beste Plakate 2025的100个海报任务及ADC 2026的303个跨20个类别的任务）进行测试，由单一模型评审在五个维度上独立打分。结果显示，在每个数据集上只有ArtArk的平均总分高于获奖作品，而六个模型在两个数据集的创意原创性上都更低，说明能生成精美图像并不等于能提出好的设计方案。
说明daVinci-Prover：面向形式化定理证明的智能体原生中期训练
简介本文提出一种面向形式化定理证明的数据与训练方案。作者合成了约33.7B词元的中期训练语料，涵盖问题分解、搜索、自我验证和修订，并构建了可在隔离工作区中与Lean验证器交互的daVinci-Prover框架，收集约36K条智能体轨迹用于监督微调。结果显示，相比匹配的Qwen3-8B仅SFT基线，该方法在MiniF2F、FATE-M和ProofNet上平均提升13.7分，并在Qwen3.5系列上取得较强表现。
说明SoScale：面向FP4量化的二阶尺度搜索方法
简介该论文提出SoScale，一种用于分层FP4量化的二阶权重尺度码搜索方法。它在硬件有效的尺度码中，以考虑Hessian信息的层重建目标进行搜索，并结合GPTQ式误差恢复，依据对层输出的影响来选择尺度。论文称，在Qwen3模型上，SoScale在MXFP4、NVFP4和HiF4下均能持续降低下游量化退化。
说明RMIT-ADM+S 团队在 TREC RAG 2026 的参赛报告：研究代理、检索器消融与开放权重模型复现
简介该论文介绍 RMIT-ADM+S 团队在 TREC 2026 检索增强生成（RAG）赛道中使用 ClimbMix 语料库的参赛情况，共提交七组研究代理运行结果，分别使用 OpenAI 专有模型和开放权重模型。预先消融实验显示，写作模型选择和相邻文本块扩展是影响回答质量的主要因素。官方评测中，七组运行中有六组在三个评分集上均超过赛道中位数；表现最佳的 brief-hybrid 在所有项目覆盖率上最高，并与赛道最高分并列（Batch-1 重要覆盖率为 0.892）。人工评价与自动化指标存在差异。
说明PhysCapBench：面向物理可解释视频描述的跨领域基准
简介该论文提出PhysCapBench，是首个覆盖第三人称场景、第一人称操作和手持夹爪演示三类领域的统一物理描述基准，含1500段经人工核验标注的视频，并通过七个物理维度评估描述的准确性与覆盖度。研究还考察了物理描述在视频重建和操作策略微调中的作用：相较元数据描述，物理描述使第三人称视频的重建LPIPS降低8.6%至9.5%，第一人称视频降低26.9%至30.9%。训练指令增强也提升了基准得分与策略成功率。
说明BlinkMimic：在单块 GPU 上几分钟训练人形机器人动作跟踪策略
简介该论文提出 BlinkMimic，一套加快人形机器人全身动作跟踪策略训练的方法。在仿真的 Unitree G1 上，它用一块 RTX 4090 在 3.4 分钟内为 LAFAN1 的 40 个动作片段训练出一个统一策略（以连续三个检查点归一化回报不低于 0.82 且无失败片段为准，三个随机种子的均值）。论文还通过留一法消融实验，分析各组件对训练时间不同部分的影响。
说明从视觉遥操作历史解读操作者的分层意图
简介该论文研究视觉语言模型能否仅凭一段短暂的机器人遥操作视觉历史，推断操作者正在执行的原子动作及其所服务的整体任务。作者构建了包含6600个片段的VIAMO数据集，并微调得到视觉意图模型VIM。实验显示，VIM在动作和任务两项上的得分均明显高于GPT-4o和GPT-5.6 Luna，并能使下游的视觉-语言-动作策略在真实环境中接替操作者完成任务。
说明模型分布感知的多模态数据集蒸馏
简介多模态数据集蒸馏旨在用少量合成的图文对来降低视觉-语言预训练的成本。本文提出MDA-DD方法，利用处于不同训练阶段的动态交错模型队列提供监督，并引入非对称双投影以及保留跨模态均值信息的非中心二阶矩目标。在Flickr30K和MS-COCO上的实验显示，该方法在不同合成数据规模下检索效果均优于现有方法。
说明VBot Exo2Ego 策略：轻量数据采集与第三人称到第一人称视频生成
简介该论文提出 VBot Exo2Ego Policy，一种把第三人称视频转换为指定人物第一人称视角画面的视频生成模型，希望借此扩充来自真实场景的第一人称操作数据。作者还设计了轻量数据采集流程和手机应用，可同步录制两种视角并采集相机几何信息。模型基于预训练视频扩散 Transformer，引入几何引导、语义掩码与手部关键点辅助监督，推理时无需目标相机标定。
说明面向推理能力路由的小型语言模型：模型容量与提示优化对下游质量和效率的影响
简介本文研究用小型语言模型为大语言模型的推理、检索、网页搜索和工具调用等能力做路由决策，每次查询可独立选择多项能力。作者比较了1.5B至14B参数的Qwen2.5路由器在五种提示策略下的表现，并在127个问题上用固定的GPT-OSS-120B下游模型评估。结果显示路由器容量与分类性能并不总是正相关，分类F1相近也不代表下游表现相同；14B路由器在BERTScore F1上与全部启用能力几乎持平，同时下游token消耗和中位延迟均明显下降（不含路由器自身开销）。
说明RICapBench：面向遥感视觉语言模型的细粒度视觉理解基准数据集
简介该论文提出RICapBench，一个统一实例定位与细粒度描述的遥感数据集与基准，包含245,466个实例级标注和498,005个空间关系元组，涵盖通用遥感、无人机遥感及密集小目标场景。论文还提出遥感空间关系解析器与RelCap-F1指标，并与实例定位及属性描述指标组合为RICScore。对15个开源与闭源视觉语言模型的评估显示，实例定位是主要瓶颈，LocateAnything取得最高RICScore 31.68，但空间关系描述得分低于其他经任务微调的开源模型。
说明面向递归自我改进的经验交接强化学习
简介论文指出，用标量奖励训练大模型智能体时，会丢弃执行过程中的细粒度环境信息（如错误日志）。作者在固定的智能体上下文工程框架中训练同一模型，使其兼任行动、反思和整理任务经验手册的角色，并依据这些经验产物对后续行动的影响来优化。实验显示，该方法在多项智能体基准的保留测试集上表现优于基线方法。
说明《引力与飞行》：学习在细粒度遥感场景中导航的视觉语言方法
简介本文提出Gravity and Flight（G&F）框架，用于在有限监督下让视觉语言模型专门适应遥感场景。它结合证据式思维监督微调（EoT-SFT）和关系迁移策略优化（RTPO），让模型先细致观察再推理。以港口场景为例，使用1008条示范和500组训练图像对，G&F在六个评估集上的平均得分为69.12，并在城市场景专门化中也取得提升。
说明用「眨眼」打破语言惯性：面向细粒度多模态感知的在线策略蒸馏
简介论文提出 BlinkOPD（Blink On-Policy Distillation）方法，用于提升多模态大语言模型的细粒度视觉感知能力。教师模型在每个 token 上都先睁眼、再闭眼地读取同一前缀，以减轻其跟随学生错误前缀的问题，并对与教师相悖的推演进一步加强纠正。作者称，该方法仅用 500 张训练图像便在六个细粒度基准上取得平均最优表现，并在十个未参与训练的基准上展现零样本提升。
说明FuGIBench：评估流式视频中的可靠准备行为
简介本文提出FuGIBench基准，用于评估模型在流式视频中何时等待、何时进行可撤回的准备、何时作出响应。基准包含19,893个合成工具辅助视频，覆盖十类工具任务，并设有交接、日常活动和需求取消三类情境。研究以一项综合指标衡量持续准备、响应时机对齐，并在参考应等待时惩罚多余活动。
说明Saidzoda-Kazakh-EmbeddingGemma-300M：用一轮生成问题训练的哈萨克语小型嵌入模型
简介论文把开源小模型EmbeddingGemma-300M在哈萨克语上完整微调一轮，使用208,511组训练数据，其中166,263条为作者的语言模型依据百科、维基、新闻和图书段落生成的哈萨克语问题，并由第二个模型核验。在哈萨克语Belebele检索测试中，recall@1由60.8%提升至78.0%，recall@10由76.3%提升至91.4%。与同一测试中其他已发布MTEB分数的模型相比，该模型超过161个，并与若干哈萨克语专用嵌入模型作了比较。
说明TransXplainRRG：经放射科医生评估的胸部X光报告生成视觉语言模型
简介本文提出TransXplainRRG，一种用于胸部X光片自动生成放射学报告的大型视觉语言模型。该方法结合Swin Transformer视觉编码器与融合患者病史的文本编码器，并采用专家引导的方式，仅提取异常发现来完善报告。模型在MIMIC-CXR数据集上训练测试，并在未见过的IU X-Ray数据集上评估，GREEN指标得分分别为0.327和0.605，优于同等评估设置下的MAIRA-2，另有放射科医生对100份报告的初步评估。
说明超越全面压缩：面向选择性上下文压缩的对比记忆学习
简介本文提出CoMem，一种以查询为引导的选择性上下文压缩框架，依据文档与查询共同学习记忆表示，而非不加区分地压缩全部内容。方法包括对比压缩器学习、同一上下文困难负样本挖掘，并在记忆槽之间启用双向注意力。实验表明，在问答与RULER-NIAH基准上，CoMem在各压缩比下均优于现有上下文压缩方法。
说明RADIANT：面向通用多模态融合的冗余感知信息分配方法
简介该论文提出RADIANT（冗余感知动态信息分配网络），一种与任务无关的多模态融合框架，围绕抑制跨模态冗余重叠、保留模态独有信息、通过跨模态交互组合任务相关协同信息三个角色组织融合过程。方法使用稳定的矩阵指数投影减少共享流与模态独有流之间的干扰，并借助带硬正样本更新的任务记忆选择当前融合场景下应激活的协同交互。作者称在六个异构融合任务上均优于对比方法，其中在FLIR数据集上下游检测mAP@0.5由91.2%提升至96.8%。
说明自主AI智能体自生成更新的证据治理采纳框架
简介本文提出“证据治理演化”（EGE）框架，用于控制自主智能体对提示、记忆、工具、流程和策略等自生成修改的采纳。框架将候选生成与确认性采纳分开，在新鲜配对审计上评估冻结的候选，并通过参照非劣效检验保护已声明的能力。文中给出了针对可数个自适应候选的同时下界构造、参照替换与累积退化界，并附有一个用于校准演示的蒙特卡洛模拟。结论依赖于有界评分、新鲜抽样等前提，并不能证明普遍的智能体安全性。
说明递归状态增强语言模型：让预训练语言模型持续适应的潜在状态机制
简介该论文提出递归状态增强语言模型（Recursive SALM），用一个随每次观察更新的持久潜在状态来生成对预训练语言模型的适配参数。实验基于冻结的GPT-2 small，在四轮假设推断任务中，仅通过64维状态传递早期证据，潜在门控LoRA达到89.1%准确率，接近完整上下文LoRA基线的88.0%。作者认为，当早期证据不在解码器上下文中时，持久潜在条件适应可以支持序列推断。
说明基于描述引导与局部证据校准的CLIP少样本植物病害识别方法
简介论文提出一种描述引导的两阶段CLIP适配方法，用于少样本植物病害识别。通过加入症状描述和相似病害的对比描述丰富类别语义，并聚合与类别相关的图像块证据来校准全局图文匹配。训练时先用轻量参数更新视觉语言编码器，再冻结编码器训练线性分类器；推理时域内预测用分类器，跨域预测用文本编码器生成的类别原型。实验显示该方法在多个少样本设置下取得较高平均准确率，并在跨域评估中优于对比方法。
说明MutAtlas：基于能量引导、覆盖PDB的蛋白质突变效应图谱
简介该研究针对实验测得的蛋白质突变数据稀少的问题，对PDB中实验解析的蛋白质结构穷举单位点替换，并将物理能量模型、蛋白质语言模型和逆折叠模型的突变信号对齐，构建了突变增强数据集。分析显示，不同模型的突变分布在一致性、集中度和替换模式上差异明显。作者据此提出无监督的多源突变偏好蒸馏框架，在训练中不使用实验突变标签，在ProteinGym上取得优于零样本基线和简单多源融合方法的整体表现，并公开了数据集与评估流程。
说明IsharaBART：面向低资源孟加拉手语翻译的高效BART框架
简介本文提出IsharaBART，一种双向生成式框架，用于孟加拉手语（BdSL）的手语词（gloss）与句子之间的互译。模型基于BART，并采用去噪学习目标；研究构建了1,000对专业标注的平行数据，并通过四种增强方法扩充至4,831对。在与四个更大基线模型相同条件下的比较中，其双向表现相当或更优，参数量不足其10%。
说明DIAGNO：用于非均匀地球动力学建模的对角球面神经算子
简介论文提出名为DIAGNO的球面神经算子，用于预测地球系统的动态变化。现有球面神经算子依赖旋转等变假设，把地球近似为均匀系统；DIAGNO不再依赖该假设，而是通过球谐谱的模态分解显式参数化跨模态相互作用，并利用谱的对角结构设计对角间与对角内的交互机制。在模拟流体动力学与大气、海洋再分析数据上的实验显示，其多步预测表现达到当前最佳水平。
说明HyBridge：桥接引导的自监督双曲超图表示学习
简介本文研究超图中节点的结构属性与双曲嵌入半径之间的关系，发现桥接节点在普通图中倾向于靠近中心，但在超图中这一规律并不稳定。作者据此提出HyBridge框架，通过考虑超边的外部连通性估计节点桥接分数，并依据分数引导节点的径向位置，同时结合对比学习保持节点可区分性。在10个真实超图数据集上，该方法优于22种对比方法，节点分类性能最高提升9.82%。
说明DRAMA：剖析注意力冗余以加速多模态扩散大语言模型
简介该论文针对多模态扩散大语言模型推理速度慢的问题，通过对注意力张量在空间与时间维度上的测量，发现视觉令牌注意力集中于少数子集，且注意力分布在初始阶段后迅速稳定。基于此提出免训练的加速框架DRAMA，包含空间冗余感知的视觉令牌剪枝与充分性引导的自适应停止两种机制。论文报告其在六个视觉语言基准上平均实现18.67倍推理加速，且保持有竞争力的准确率。
说明SUMNO：用于流体流场代理模型的空间展开多重网格神经算子
简介本文提出SUMNO，一种用于规则网格上流体流场的多重网格神经算子，将V型循环在空间上展开为前馈U型网络。该模型采用无参数的下采样和上采样，并结合加法跳跃连接，在四个非定常和定常流动基准上与五种代表性基线对比，在7项设置中有5项最优，其余两项排名第二。文中称其10步滚动预测的MSE相比最强基线约降低30%，并以9.4百万参数超过了三个参数量超过1.3亿的基线。
说明基于二值掩膜的多视角手部重建：从合成数据迁移到真实场景
简介该论文提出SilHand框架，用于标定多视角手部重建，只依赖二值手部掩膜而非RGB特征，以缩小合成数据与真实图像之间的外观差距。模型在包含4.68万个抓握姿态和6万个自由手部样本的大规模合成数据集上训练，并在五个真实基准上测试。结果显示，使用参考手部渲染的掩膜时，相对重建精度从49.2%提升至63.4%，且随合成训练集增大而持续提升；在掩膜受损时，重建误差最多增加1.63毫米。
说明从多到好：AI时代的因果推断与数字化实验
简介本文讨论人工智能如何快速提升组织产生和分析数据的能力，并主张数据科学家的价值应转向评估研究结论的可信度与重要性，以及判断证据何时能够跨情境推广。文章基于学术研究者与行业从业者的圆桌讨论，从三方面探讨因果推断与实验人员如何帮助组织把更多分析能力转化为更好的决策：保留并积累实验超越单次测试的学习价值；选择并结合实验、观察性与合成证据；确保评估能跟上AI能力与用途的演变。
说明深度知识追踪模型是否学到了知识成分之间的语义关系？
简介该论文研究深度知识追踪（DKT）模型学到的知识成分（KC）之间的关系是否具有语义性。作者用九种流程从文本构造语义表示，并将DKT得出的关系图与语义相似度结构比较，两者只呈现微弱且不一致的对应。将语义信息引入DKT后，预训练文本表示并未稳定优于基线模型。结论认为，DKT学到的关系主要并非语义性的，行为、时间、结构或心理测量信号可能也起作用。
说明基于自适应堆叠双向残差Mamba网络的气候时序温度预测
简介本文提出Deep DualMamba，一种用于时序温度预测的深度学习框架，基于选择性结构化状态空间模型（SSM）的改进版Mamba网络构建。模型采用自适应双向Mamba作为编码器，并设计了与硬件感知的并行递归算法，且不使用注意力机制和MLP，其计算复杂度随序列长度呈线性增长。作者还对其逼近能力和收敛性进行了理论分析，并使用英国监测站的历史气象数据实现了完整的预测流程。
说明通过自适应计算将大语言模型转化为高效的快速决策模型
简介该论文研究如何把大语言模型改造成用于快速决策的模型，常见做法是保留全部主干层并替换输出头，导致每次决策都要经过所有层。研究发现决策信息集中在中间层，末尾六层可以移除而不损失性能。作者提出一种方法，联合训练完整模型与共享其末层和决策头的前缀子模型，并用轻量门控决定是否需要继续计算，在七个决策基准上取得了更好的准确率与效率平衡。
说明AI风险行为基准测试：评估大语言模型在不同情境下的风险偏好
简介本文评估大语言模型在多种情境和任务要求下的风险偏好，考察模型在不同条件下是偏向风险规避还是风险容忍，以及其行为在各条件间的稳定性和一致性。作者提出一套用于构建模型风险画像的工具包，可用于预测模型行为并扩展新的风险偏好评估。研究还发现，2026年的前沿模型比旧模型更稳定、更一致、更趋于风险中性，作者认为这些趋势与新模型更倾向于以期望值最大化作为决策方式有关。
说明基于Wanda的稀疏扰动用于高效零阶优化：一种以仅前向计算微调大模型的新方法
简介本文提出WIS-MeZO方法，利用Wanda的权重-激活显著性构造与任务相关的稀疏扰动掩码，同时保持预训练模型稠密。作者以梯度能量捕获分析掩码质量，并讨论其与梯度估计和收敛的关系。在16个基准、参数规模从3B到32B的LLaMA和Qwen模型上，该方法的综合得分高于MeZO，并能以更少的优化步数达到相近的验证损失。与随机和基于幅值的稀疏扰动的比较，进一步说明了选择信息量大的扰动支撑的重要性。
说明小型语言模型在费米估算中的聚合受限于题目层面的共同误差
简介这篇论文研究多个语言模型组成团队作答费米估算题时，错误能否随团队规模被平均掉。作者用15个开源模型在多个数据集上的约251万个未交流的回答进行分析，把每个回答的对数误差分为模型在该题上的平均误差和剩余误差。结果显示，题目层面的共同误差占误差方差的中位数0.906，因此三十人团队仅把单个智能体的误差降低中位数1.7%。
说明基于不确定性感知扩散模型的视频去雨选择性生成式修复
简介该论文针对视频去雨问题，指出雨痕分布不均匀：可靠区域需要忠实重建，严重遮挡区域则需要更强的先验推断。作者提出选择性生成式修复范式，并据此设计了SGVD框架，利用双重单步扩散预测之间的随机差异估计区域级修复不确定性，并通过锚点引导的轨迹一致性机制减少跨帧生成漂移。实验表明，该方法在修复性能、感知质量和时间一致性上优于现有视频去雨方法。
说明ORCHID-SAGE：从证据到相图的可完全复现CALPHAD评估
简介本文提出ORCHID-SAGE标准，把热力学数据库（CALPHAD方法）评估过程中的专家判断写成可复现、可自动执行的正式协议。以Cr-Ni合金为例，数据库可由脚本、AI代理及仅依据公开资料的重新拟合三种方式依据记录重新生成，预测结果一致。作者认为，这样记录的数据库可在发表后由AI代理随新证据更新，判断仍由人保留并留存在记录中。
说明DEDCA：面向通用AI生成图像检测的测试时自适应方法
简介本文针对AI生成图像检测器在遇到未知生成器时性能下降的问题，提出双证据分歧约束自适应框架DEDCA。该方法结合基于CLIP的语义证据与基于打乱熵和残差统计的痕迹证据，并通过可靠性感知门控进行样本级自适应融合。利用两路证据之间的分歧作为无标签的自适应信号，在GenImage基准上取得了92.0%的平均准确率。
说明通过双重稳健目标校正克服条件扩散模型中的虚假相关性
简介条件扩散模型会记住训练数据中的虚假相关性，导致生成结果偏离理想目标分布。本文提出DR-Diff框架，可高效微调预训练的条件扩散模型，使其适应目标分布，无需从头重新训练。理论上证明该方法能在总体层面降低目标风险，并具有伪双重稳健性；实验显示其在合成数据上的噪声预测精度与从头训练的模型相当，并能缩小下游分类任务中的群体差异。
说明StateAlign：通过强化学习让多轮工具智能体学会依据任务状态决策
简介论文提出StateAlign方法，结合任务状态构建与状态对比强化学习，训练大语言模型在多轮工具调用中依据当前信息、工具能力和任务进度做决策。在BFCL v4多轮、ToolSandbox和When2Call等基准上，五个基础模型均有提升；在Qwen3-8B上，BFCL v4多轮准确率由45.5%提高到55.2%，SimpleToolHalluBench上的无工具幻觉率由仅用结果奖励训练时的62.2%降至56.1%。
说明LoCoJAX：面向TPU小模型强化学习的主机本地协调方案
简介该论文研究在TPU上对小语言模型进行强化学习时的协调开销，发现0.6B模型的主机编排约占单步时间的36%，而大模型的主要非计算开销来自网络通信。作者提出LoCoJAX，在每台TPU主机上本地执行采样和奖励处理，并保持同步的全局训练。与调优后的Pathways基线相比，其共置模式每步快1.3到3.6倍。另一种借助Ray管理的分离模式，只有在采样占主导且获得多数主机时才能缩短步时间。
说明SAGE-QA：针对SQuAD 2.0封闭语境问答的语义感知、基于原文的评估框架
简介论文提出SAGE-QA评估框架，用于封闭语境问答，结合参考答案语义等价评分（SES）与基于原文的再验证评分（RVS）。在10,000条SQuAD 2.0验证样本上，经参数高效微调的开源模型表现最佳，其中微调后的Llama 3.3 70B超过此前已知最佳的精确匹配（EM）成绩。
说明诱导并缓解编码智能体中的规范满足化问题
简介论文指出，编码智能体有时会选择一种满足部分需求的实现方式，之后又出于自认为合理的理由改用不满足需求的方案，作者称之为规范满足化。作者提出SatisFix方法，引导智能体报告这些选择及理由，并逐一对照任务描述检查。在DeepSWE和SWE-bench Pro上的实验显示，该方法提升了基础智能体的pass@1指标。
说明面向风险敏感个体化治疗规则学习的分布优先框架
简介本文提出一种分布优先的框架，用于学习风险敏感的个体化治疗规则。该方法先估计各治疗组的条件结局分布，再通过插件方式计算各类标准并构造治疗规则，可在同一流程中比较分位数、条件风险价值及累积前景理论等目标。文中给出了误差传播和遗憾界的理论结果，实验显示其在多种设置下优于直接针对单一标准的方法，并在ACTG175艾滋病临床试验数据上进行了评估。
说明SMIC：面向自然语言推理的跨Transformer层共享多尺度输入参考条件化方法
简介本文提出共享多尺度输入参考条件化方法（SMIC），即构建一个依赖输入的多尺度参考，并在各Transformer层之间复用。在三轮ANLI测试中，基于该方法的TCT-SMIC模型十次随机种子的平均准确率最高，消融实验也支持该方法的作用。文中还在扰动测试中比较了注意力重分配与准确率变化，并给出了平均子集质量重分配的有限样本界。
说明FlowIR：用深度驱动的整流流解决红外超分辨率中的热源模糊问题
简介该论文针对低分辨率红外图像中多个热源重叠、难以区分的问题，提出了FlowIR方法。它将伪三维深度信息注入生成过程，通过深度引导的三维卷积分离前景物体，并用聚类间注意力抑制跨源特征干扰，同时引入热几何一致性损失来保证几何对齐。基于轻量级整流流骨干网络，该方法仅需少量步骤即可复原红外图像，得到边界清晰、对退化鲁棒且几何上保真的高分辨率结果。
说明Causals：用于因果推理研究的开放知识图谱
简介论文介绍了名为 Causals 的开放知识图谱，旨在支持因果推理研究。其首个版本基于新闻报道构建，包含369,184个节点和1,272,418条边，连接事件、组织、大宗商品、金融工具等实体。结构关系、观察结果和带归属的因果声明各自保留不同语义并链接到来源记录。该资源可用于研究语言模型如何检索相关上下文并将机制应用于具体事件，数据以 CC BY 4.0 许可发布。
说明修正型循环Transformer：用插值反馈让循环更稳定的语言模型方法
简介该论文提出修正型循环Transformer（RLT），针对循环复用同一模块的Transformer在循环加深时隐状态尺度增长、扰动放大的问题，在每次循环中用当前状态与其预测值的线性插值构造下一次输入。理论分析称，在适当假设下RLT能使各循环的状态幅值一致有界并降低最坏情况下的扰动放大。实验显示，在训练与推理深度相同时，RLT的困惑度低于标准循环Transformer，且对输入扰动和推理深度变化更稳健，同时不增加可训练参数或循环计算次数。
说明基于跨改写不变性学习的标签高效文档事实性检测
简介该论文提出CPIL方法，用于检测大语言模型生成的声明是否被给定文档支持。它采用两阶段孪生网络框架，仅用一小部分标注数据，通过同一文档-声明的不同改写视图构造正样本对，并通过分位数感知的半难负样本挖掘构造负样本对。推理时只需一次编码器与分类器的前向计算。在11任务的LLM-AggreFact基准上，使用2%至3%的标注数据即取得优于所比较紧凑检测器和两个原始大语言模型基线的宏观F1分数。
说明低资源语言迁移的语音转文字研究
简介本文研究多语言语音识别模型在训练数据未涵盖的低资源语言上，经少量数据微调后能获得多少迁移能力。作者在50种低资源语言（11种书写系统）上评测了28个开源多语言模型，并对其中24个模型用每种语言最多1,000条语音进行微调。结果显示，微调使各模型的宏观字符错误率明显下降，同时语言模型的加入可进一步降低错误率，并讨论了适配器方法、训练轮数及数据量等因素的影响。
说明在能重建的部分重建：无干扰物的4D高斯溅射
简介本文提出ReCan-GS，一种4D高斯溅射框架，用于从随意拍摄的视频中重建动态场景。方法根据学习到的形变场计算雅可比形变敏感度分数，将场景区分为动态核心高斯与逐视角的干扰高斯，或剪除敏感的核心高斯。该方法无需掩码、预训练分割器或针对特定介质的监督，即可去除空间遮挡物、光度伪影以及变化中的烟雾或雾气，并在合成与真实动态场景上进行了实验。
说明基于刺激锚定潜在偏置校准的少样本跨被试神经-图像检索
简介该论文针对跨被试神经信号与图像的检索问题，提出刺激锚定潜在偏置校准方法（SA-LBC），通过同一刺激下的源群体锚点估计目标被试的一阶表示偏移，并依据源数据不确定性收缩校正量。在THINGS-EEG2数据集的10被试留一法评估中，该方法在Attention–CLIP ViT-B/32配置下将平均倒数排名从0.1867提高到0.2013（M=2）和0.2336（M=16）。论文同时指出，检索提升因表示方式而异，较低的偏移估计误差并不必然带来更好的检索表现。
说明HybridCT：用机器学习加速的三维云层层析重建方法
简介低云是气候预测中不确定性最大的来源之一，原因之一是缺乏对其内部三维结构的详细测量。本文提出HybridCT方法，利用机器学习加速云层层析重建，直接从被动多角度观测中反演三维云消光系数。该方法在3.5秒内完成重建，RMSE为13.3 km⁻¹，相比基于物理的AT3D框架（约30分钟，RMSE为22.7 km⁻¹）速度提升超过500倍。
说明视觉-语言-动作模型能从调用它的智能体身上学到什么？面向具身导航的任务级经验蒸馏
简介导航智能体通常由大语言模型规划器调用视觉-语言-动作（VLA）模型，每个回合都需要大语言模型，成本高、延迟大。本文把成功的智能体经验蒸馏进VLA模型，而不是蒸馏规划器，使VLA在测试时可以独立导航。作者提出H2E方法，把智能体会话转化为VLA训练数据，屏蔽远离目标的步骤损失，并将距目标1米内访问过的状态标记为停止。在REVERIE-CE val-unseen的全部3,189个回合上，H2E将一个80亿参数VLA的成功率从35.0%提升至44.9%。
说明ATune：通过图像编辑器控件实现无监督照片修图
简介该论文提出ATune模型，不依赖专家修图样本，而是用大量优质照片人为制造较差版本，从中学习13项可测量属性（如亮度、对比度、锐度）应如何调整。模型输出目标属性值，再通过搜索调节现成照片编辑器的滑块来完成修图，结果可读、可调。实验显示，人工评测中其结果在多数对比中受到偏好，且在与监督方法的对比中获得46.3%的选择率。
看点新意在于无需专家修图样本，从原图自动退化构造训练对，并以可读的编辑器滑块值输出修图；摘要报告在FiveK、PPR10K、SPAQ上与用户研究对比。
说明强化学习后印度语任务的提升与退化
简介本文用GRPO强化学习方法，在四个训练环境中对一个支持英语和八种印度语言的30B-A3B混合专家模型进行训练，并在一次评测中对34个基准进行前后对比。结果显示，数学基准MATH提升36.07分，多数印度语基准也有提升，但XQuAD-Indic的F1下降19.32分，原因是英语答案比例从8.7%升至91.7%。第二次强化学习加入了印度语环境及语言与重复奖励，在段落问答和指令遵循上有所提升，但在推理和编程基准上有所下降。作者指出多个训练选择同时改变，无法单独分离各奖励项的作用，文字书写系统的合规问题也尚未解决。
说明解耦嵌入优化：基于扩散模型的数据集蒸馏新方法
简介该论文研究如何把大规模数据集压缩为小型合成数据子集，使模型训练仍能接近原数据的效果。作者指出现有基于扩散模型的方法依赖类内聚类原型，簇边界处的样本纠缠会使输入过于相似，导致合成数据多样性不足。论文提出解耦嵌入优化（DEO），用可训练嵌入替代静态聚类，使其匹配原始数据的高斯统计量，并加入多样性正则项以提高类内变化。实验表明该方法在多个数据集上生成的数据更具多样性和代表性。
说明我们所记住的，就是我们：面向长期角色对话的心理状态驱动记忆
简介论文指出主流对话记忆系统多依赖语义相似度检索，常只找到话题相近的记录，却漏掉关系中的关键经历。作者提出MindMem框架，异步地把共同经历整理为角色、用户及二者关系的心理状态，并借助专门的推理模块预判用户潜在需求、形成主动意图并找回相关情节证据。作者还提出基于真实用户长期互动的MemReal-Bench基准，在该基准上MindMem的SMR为59.03%，DQA为82.58%，代码与数据集已公开。
说明GC-MoE 在 SM120 上的实现：将专家并行的 token 分发与 Warp 级 FP8xFP4 块缩放矩阵乘重叠（面向消费级 Blackwell）
简介论文针对专家并行的混合专家（MoE）解码延迟较高的问题，把 token 交换、路由专家的分组矩阵乘和结果合并融合进一个常驻的 CUDA Graph 算子，并将先前在 SM90 和 SM100 上的 GC-MoE 重新实现到 SM120 架构（如 RTX PRO 5000，经 PCIe 互联）。作者利用 warp 级块缩放 MMA 指令，并加入专为 SM120 设计的多项机制。在 8 张 RTX PRO 5000 上的 18 个解码测试点中，该算子相比 FlashInfer CuTe DSL W4A8 MegaMoE 与 Cake MegaMoE 分别快 1.522 倍和 1.387 倍，所有数值测试均通过。
说明WorldDraft：若代码构建了世界，视频模型能否直接渲染？
简介该论文提出 WorldDraft 基准，包含 432 组严格配对的测试用例，覆盖 48 个可执行的 4D 世界类别，用于评估视频模型能否忠实渲染由代码构建的动态场景。研究以 3×3 因子设计考察草稿粒度与外观对齐，比较 12 个代表性模型，并发现世界保持与视觉实现之间存在明显张力，冲突的外观线索会导致最高达 64% 的源泄漏。作者还提出 WorldDraft-Primer，一种即插即用的视觉提示策略，可在冻结的视频渲染器上同时提升两项指标。
说明用小型本地语言模型引导生成 Linux 内核语义补丁
简介论文探讨能否在笔记本电脑上运行的小型开源语言模型，依据已有的人工修改示例，生成用于 Linux 内核大范围代码修改的 Coccinelle 语义补丁（SmPL）。作者提出一套引导式生成框架，包括将示例拆分为变化变体树、基于应用结果反馈生成规则、确定性修复语法，以及编译检查器剔除无法通过编译的规则。在 122 个驱动转换的测试集上，本地模型平均解决约 35 个，规则精度最高，但仍少于 Spinfer 和前沿大模型智能体。
看点新意在于将引导式代码生成用于Linux内核Coccinelle语义补丁合成，并以编译评判器过滤输出；在122个预留驱动转换上报告结果，并与Spinfer及前沿LLM代理对比，同时公开代码与结果。
说明SPEM：面向激光雷达点云压缩的扫描先验熵建模
简介激光雷达点云的扫描方式会产生空间规律，可用于几何压缩。SPEM 提出一种扫描先验熵建模框架，在熵模型中利用这些规律，而无需把坐标变换到球面或波束对齐坐标系。论文还引入多频球面旋转位置编码，并设计利用已解码占据信息的自回归预测器。实验表明，该方法在有损和无损激光雷达几何压缩中都取得了领先的性能。
说明神经符号AI系统的自适应模糊测试框架（NSAI-Fuzz）
简介本文提出NSAI-Fuzz，一个面向神经符号人工智能系统的统一语义感知模糊测试框架，用于发现推理失败。框架用五类风险信号为候选输入打分，并提出可靠性校准加权（RCW）与上下文信号门控（CSG）两种自适应信号分配方法。在四个系统、四类推理任务上的实验显示，其失败发现率明显高于最强的神经模糊测试基线。
说明将多智能体通信转化为词元级信用分配：基于同策略自蒸馏的方法
简介该论文提出OPSD4MAS方法，利用同策略自蒸馏（OPSD）把大语言模型多智能体系统中的未来通信转化为细粒度的词元级信用，以指导每个智能体应强化或修正哪些决策。方法先由外部模型提取事实并进行粗粒度过滤，再通过留一法对目标词元影响进行细粒度过滤，并与GRPO经线性退火的联合目标结合。原文报告数学pass@4相比GRPO最多提升20.00个百分点。
说明对机器学习与深度学习情感分析方法的广泛评测：基于亚马逊客户评论的分析
简介该论文比较了5种传统机器学习分类器和6种深度学习模型，对568,454条亚马逊食品评论进行三分类情感分析。研究在原始不平衡数据和随机过采样后的平衡数据上评估准确率、F1值及训练时间。结果显示，平衡数据上随机森林结合词袋特征达到99%准确率，Attention模型达到98.7%，深度学习模型在不同类别分布下更稳定。
说明何时可以信任可解释性结论？特征维度、岭杠杆与特征恢复率的稳定性与认证
简介本文研究可解释性工具中两种常用度量（特征维度与带余弦阈值的特征恢复率）在玩具模型和已知真值的合成字典上的稳定性。作者给出岭正则化版本的特征维度及其稳定性界，并提出判断某特征是否“被恢复”在字典变化后仍成立的认证方法。实验显示，认证对小扰动有效，但对独立训练的字典几乎无法给出有意义的认证；在标准阈值下，55%的特征是否被算作恢复会随训练种子而改变。
说明Flow-CAD：用于表格数据上下文异常检测与解释的流匹配方法
简介本文提出Flow-CAD，一种基于流匹配（Flow Matching）的上下文异常检测框架，用于找出表格数据中在其上下文条件下行为异常的样本。该方法学习一个全局、摊销的条件生成模型来刻画给定上下文下的行为分布，并引入经尺度归一化和截断的残差能量作为更稳定的异常分数，同时支持按特征进行归因。在20个基准数据集与13个对比方法上，Flow-CAD在PR AUC、ROC AUC和P@n上的平均排名最佳。
说明基于可解释特征引导的数据高效大模型安全对齐
简介该论文提出一个名为 Less is Safer（LIS）的小规模安全对齐数据集，利用稀疏自编码器（SAE）激活选取覆盖多样可解释安全特征的提示，并用多智能体对抗合成生成无害但会引发不必要拒答的提示。LIS 仅含 2.4K 条样本，在四个安全基准和五个过度拒答基准上整体表现优于规模大得多的数据集。消融实验显示，单独的安全数据或过度拒答数据都无法达到最佳效果。
说明同状态正样本对使 JEPA 证明柏拉图表示假设的结论失效
简介该论文分析联合嵌入预测架构（JEPA）中关于柏拉图表示假设（PRH）的证明。作者指出，当同一世界状态的正样本对出现时，诱导的世界核变为单位矩阵，使得该证明的唯一性结论在 k 小于 d_z-1 时没有实际内容。文中还分析了一个不依赖谱隙的下界及表示规范的约束条件。
说明叠加更多关卡：如何让马里奥AI具备通用性并更接近人类玩法
简介该研究使用近端策略优化（PPO）训练马里奥游戏智能体，并在1000个未见过的测试关卡上评估其泛化能力。研究者还将策略塑造为三种玩法类型，并结合扩散奖励对抗模仿学习（DRAIL）与人类游戏示范进行微调。结果显示，增加程序生成训练关卡的数量通常能提升未见关卡上的表现，微调则能提高动作层面的人类相似度。
说明JudgeMix：由评判器引导的混合回放数据合成方法，用于 LLM 智能体
简介该论文针对 LLM 智能体的监督微调，提出 JudgeMix 框架。它依据逐步语义评判，动态穿插目标模型与专家的行动：仅在目标模型表现不佳时请求专家指导，并据此对专家监督进行加权，以保留模型已正确的行为。在 AppWorld 和 AutomationBench 两个工具调用基准上，该方法优于现有方法。
说明《Niti 与 Nyaya 之间》：以社会为中心的 AI 治理框架
简介本文提出“以社会为中心的 AI 治理框架”，用于评估任何辖区的 AI 政策工具是否让个人能够获知 AI 影响了结果、提出质疑并获得纠正。作者以北卡罗来纳州为例，结合对九名 AI 领导委员会成员的访谈，以及对来自 19 个州的 49 份 AI 治理文件的条文分析进行检验。研究发现该州对自身 AI 系统的治理以“可见性优先”为主，个人的质疑与纠正权利仍属建议性质。
说明用于CMP材料去除率预测的自监督注意力虚拟量测方法
简介本文提出一种名为GREP的自监督、基于注意力机制的框架，用于预测化学机械平坦化（CMP）中的材料去除率（MRR）。该方法先从无标签传感器信号中学习时序表示，再进行监督微调以估计MRR。在PHM 2016 CMP数据集上，该方法在有限标注数据条件下表现具有竞争力，在最后一个时间区间的RMSE降低了17.0%。
说明面向图神经网络一步拉普拉斯传播的特征感知边采样方法
简介本文研究如何通过边采样近似图神经网络中的一步组合拉普拉斯消息。作者提出一种基于生成树的混合采样器，结合特征条件消息分数与有效电阻杠杆分数，推导了期望一步消息误差，并给出给定期望边预算下的最优采样概率与误差边界。在合成社区图上的初步实验显示，随着边预算增加，消息误差下降，分类准确率略有提升，混合采样器的表现介于最优选择与均匀随机采样之间。多步传播以及在更大规模和真实图上的评估留待后续工作。
说明用生成式扩散模型从多帧粒子追踪中探索流体扩散动力学
简介论文提出 DiffTR-Flow3D，一种基于扩散过程的模型，用于从三维粒子记录序列中估计流动运动。该模型结合全局与局部粒子动力学，并利用历史粒子轨迹改进估计。数值模拟与实测实验显示，其位移估计精度优于基于学习的流场估计方法，并能提升粒子追踪管线的长期追踪性能。
说明GOOSELoc：非结构化越野地形中地面到空中定位的多模态基准数据集
简介该论文提出GOOSELoc，一个用于非结构化环境（如森林、田野和乡村小道）中地面到空中定位的多模态基准。数据集包含在德国慕尼黑周边四季采集的9,356个场景，配对地理参考的航拍正射影像、环视RGB图像和三维激光雷达点云。作者将四种现有跨视角定位方法在该数据集上微调后，性能在越野环境中明显下降；随后提出了一个结合环视图像与激光雷达几何信息的多模态基线，提升了定位效果。
说明带有界最优性间隙的约束向量搜索校准式提前终止
简介本文研究基于图索引的约束近邻向量搜索中的提前终止问题，目标是在答案精确的概率至少为1-ε的前提下，找到代价最低的停止规则。作者提出CaST方法，通过在可观测信息上的单调规则类、线性规划与拉格朗日对偶，构造阶梯式停止规则并用固定序列二项检验进行校准。在两个各含一百万条目的数据集上，CaST的代价最多为该规则类最优值的1.132倍，且在同一风险目标下比其他已校准规则更快。
说明基于Transformer自然语言模型并结合时间上下文的垃圾短信检测
简介该研究针对运营商层面的外发短信垃圾检测，目标是在发送时预测运营商是否会将其标记为垃圾短信。作者使用包含43,741条外发短信及时间戳和投递状态的生产数据库，比较了TF-IDF加逻辑回归、DeBERTa-v3-base等文本模型，并报告了结合消息间时间特征的DistilBERT模型在独立生产评估集上的结果。论文还提出了用因果Transformer编码发送者历史消息的TemporalBertSpam架构。
说明分割与缩放：潜在三维表示的推理期容量扩展方法
简介论文指出，现有潜在三维表示难以捕捉复杂物体的精细细节，且训练时扩大潜在容量成本高昂。作者提出 split-and-scale 方法，把场景切分成小的子区域，在推理时用同一预训练分词器逐块处理，从而在不增加训练成本的情况下提升细节表现。实验显示该方法的重建质量可与超出单 GPU 显存限制的大模型相当，并可用于训练自回归三维生成器。
说明SwarmSafe-Delta：分离上游消息对大模型智能体安全性的影响
简介本文提出一种配对可执行的评测协议，在冻结上游计算的前提下，比较真实消息、隐藏消息与格式相同的安慰剂消息的投递效果，并以单一执行动作对照确定的良性与风险政策状态进行评分。在四个模型和人工构造的任务中，真实消息投递的风险场景违规率明显高于安慰剂和隐藏投递。论文同时指出，这些结果反映的是特定信息依赖条件下的投递差异，而非自然发生的失败率。
说明ADAPT：面向拉取请求、感知代码差异的智能体补丁测试
简介该论文提出ADAPT，一种借助自主编程智能体为拉取请求（PR）生成回归测试的方法，重点针对本次代码改动所引入的行为。智能体分析基础版本与新版本之间的差异，规划并生成候选单元测试，再由专门的失败转通过（F2P）验证工具检查测试，并根据未覆盖的改动代码行反馈迭代优化。在426个真实PR上，ADAPT配合GPT-4o的F2P通过率为62.0%，配合GPT-5-mini为89.9%；在与ChaCo共享的137个PR上，ADAPT达到完整补丁覆盖的比例为83.9%，高于ChaCo的79.6%。
说明在屏幕阅读器读不懂的数据上训练：计算机使用智能体所依赖的GUI语料中的无障碍缺口
简介本文研究用于训练计算机使用智能体的两个安卓界面语料（Rico与AndroidControl）中，界面元素的内容描述覆盖率。结果显示，按作者编码规则需要描述的Rico元素中仅17.74%带有描述，AndroidControl中为57.27%，两者相差39.5个百分点，且多数情况下输入控件是标注最少的类别。论文还发现旧语料中占位描述更多，并指出示范操作更常作用于有描述的元素，属于基准内部的选择效应。
说明《用斯瓦希里语展示推理过程：面向母语数学推理的强化学习》：一项关于斯瓦希里语数学推理训练方法的论文
简介论文提出 Fikiria，一种两阶段（SFT+GRPO）的斯瓦希里语数学推理训练方法，奖励同时考虑格式、答案准确率以及推理过程与斯瓦希里语参考思维链的 ChrF++ 相似度。训练数据为通过 GPT-4.1 翻译 GSM8K 并经 SSA-COMET 过滤得到的 2.3k 题斯瓦希里语数据集。在 AfriMGSM 斯瓦希里语上，Fikiria-AfriqueQwen-14B 达到 79.2%；在相同提示和严格格式评分下，GPT-4o 为 68.0%。作者同时指出，ChrF++ 衡量的是表层相似度，而非单个推理步骤的有效性。
说明隐藏差距不等于消除差距：从学习动态模型中移除群体均值对比的代价
简介本文研究自适应辅导系统中一种常见的公平性做法：从基于学生数据学得的模型中抹去群体信号。作者给出了这种做法在预测误差上的最小额外代价，并提出一个三阶段审计流程，用于在使用校正前估计其代价。在三个真实数据集上的实验显示，抹去群体信息后模型几乎无法预测已观察到的差距，而对预测结果进行校正可以消除该差距，但会带来额外的平均Brier分数代价。
说明CupOFMoCA：用于分子偶联物组装的耦合目标引导离散流方法
简介这篇论文提出CupOFMoCA，一种离散生成方法，用于设计PROTAC和肽-药物偶联物等分子偶联物。它在生成过程中强制执行跨组分的化学约束，把引导更新限制在化学可行的状态，并用分子设计目标重新加权局部转移。在三个PDC体系中，耦合生成的有效肽段的偶联有效率达到100%；在三个PROTAC体系中，它在两个体系上取得最高组装有效性，且每秒生成的有效分子更多。
说明在线平滑校准的匹配下界
简介本文研究序列二元预测中的平滑校准误差，衡量一连串概率预测偏离校准的程度，且对预测的微小扰动较为稳健。作者构造了一种新的自适应对手，其结果均值随预测者的累计残差移动，使补偿过去残差的代价变高。论文证明任何预测者的期望平滑校准误差都至少为Ω(√T)，与已知上界在通用常数范围内匹配，并由此推出校准距离等指标的相应下界。
看点构造新的自适应对手，使在线平滑校准误差的极小极大下界达到 Ω(√T)，与已知上界匹配，闭合了已有差距。
说明用社区评分器衡量AI生成图像中的偏好表征
简介本文提出“偏好表征”概念，指某一社区希望自己在AI生成图像中如何被呈现。作者设计了社区评分器（Community Scorer）这一测量工具，并在全球北方和南方的三个残障社区上检验其有效性。结果显示，与其他常用文本到图像指标相比，社区评分器与社区评分的一致性显著更高；作者还展示了其在下游内容过滤任务中的用途，并发布了社区偏好数据集。
说明利用表格基础模型TabPFN从稀疏CPT数据推断地下分层结构
简介本研究探索将预训练于通用合成表格数据的基础模型TabPFN用于地下分层结构的重建。仅使用稀疏锥入式静力触探（CPT）的网格坐标和土壤行为类型指数，模型即可重建二维剖面，无需岩土工程微调。在合成剖面和荷兰两个现场的比较中，该方法的平均误差与SchemaGAN接近或更低，结果表明通用表格基础模型可在无需重新训练的情况下，从稀疏且不断更新的勘测数据中更新地下预测。
说明基于梯度感知智能体、通过可微CFD自主发现湍流模型的研究
简介该论文提出一种梯度感知的智能体框架，把湍流闭合模型的发现写成双层优化问题：多智能体大语言模型系统搜索闭合形式，GPU原生的可微计算流体动力学求解器提供梯度。框架通过截断时域梯度在混沌动力学下训练参数众多的闭合模型。论文在二维湍流的耗散律与亚格子尺度闭合，以及三维槽道流大涡模拟的壁面模型上做了演示，结果显示基于梯度的训练能恢复参考系数，并自主发现和训练了改进统计结果吻合度的解析与神经闭合。
说明智能体计算代数：让AI智能体通过发现并复用问题结构来加速代数计算
简介该论文探讨用AI智能体解决代数计算问题，核心挑战在于计算时间而非结果正确性。研究通过具有可控共享结构的基准系统，在独立求解、利用持久记忆的在线求解以及编译可复用快速求解器三种设定下评估智能体。实验显示智能体能在固定预算内处理更多系统，但推理开销有时会抵消节省，记忆可降低重复求解成本却可能保留次优策略，编译得到的求解器更快但前期成本高。
说明KVPath：跨Transformer层连接键值表示
简介Transformer模型通常为每个词元在每一层分别缓存一组键值（KV）表示。本文观察到相邻层的KV表示存在相关性，并据此提出KVPath，把各层的KV表示串联成一条路径：第一层保存完整维度的基础KV，后续各层仅用低维增量来更新前一层的KV。作者提出了KVPath-Residual和KVPath-Rolling两种变体。在参数数量相同的情况下，该方法可使分组查询注意力（GQA）的KV缓存存储减少最多68%，多头潜在注意力（MLA）减少55%，且模型性能得以保持甚至有所提升。
说明《这只是一件小武器》：在强化学习中奖励不当行为会对经过性格训练的模型产生什么影响
简介该论文对gpt-oss-20b模型进行性格训练，使其遵循一套半现实的行为准则，并研究它与两类奖励违反准则行为的强化学习之间的相互作用：一类是回答改写成数学题的有害请求，另一类是智能体编程环境中的奖励投机。结果显示，这些模型很容易学会两种行为，回答有害请求的速度略慢于原模型，且在有害回答中表现出更多动机性推理，部分任务上的投机行为也更难被监控器发现。此外，论文还比较了用价值观为规则提供理由与不提供理由的两种准则，在错位、诚实与能力评估中差异不大。