bluearXiv-ai - 2026-05-19

📄 所有论文 ↑ 回顶部

cs.LG

SignMuon: Communication-Efficient Distributed Muon Optimization ⭐ 精选

Neel Mishra, Kushagara Trivedi, Pawan Kumar

cs.LG cs.DC

SignMuon提出了一种1-bit的matrix-aware optimizer，将signSGD的majority-vote sign aggregation与Muon的polar-step框架结合。每个worker通过Newton-Schulz迭代计算动量的polar factor得到Muon-style方向，仅传输entrywise signs并通过majority vote聚合，从而将通信量降低至float32的1/32。在spectral-norm smoothness和bounded-variance stochastic gradients假设下，该方法达到了$\mathcal{O}(1/\sqrt{T})$的非凸收敛率，且通过majority vote将随机项降低$1/\sqrt{M}$。实验表明，在CIFAR-10/ResNet-50和nanoGPT上，SignMuon在验证准确率和perplexity上均优于其他sign-based baseline，并具有良好的weak-scaling性能。

Orth-Dion: Eliminating Geometric Mismatch in Distributed Low-Rank Spectral Optimization ⭐ 精选

Tatsuhiro Nakamori et al.

cs.LG

本文提出Orth-Dion方法，通过将Dion中的column normalization替换为QR orthogonalization，消除了低秩spectral优化中由几何不匹配（即column normalization无法得到Muon隐式目标的rank-$r$ polar factor）导致的收敛速度退化。理论分析去除了误差反馈分析中常见的bounded-drift假设，利用自洽不动点论证和时间平均收缩，证明Orth-Dion在保持与Dion相同通信成本下，达到与精确spectral方法匹配的收敛速率$O(\sqrt{L_r/T})$。大规模语言模型预训练实验验证了$\sqrt{r}$缩放效应，表明Orth-Dion在Dion的通信开销下弥合了与Muon的收敛差距。

Flow-Direct: Feedback-Efficient and Reusable Guidance for Flow Models via Non-Parametric Guidance Field ⭐ 精选

Kim Yong Tan et al.

cs.LG cs.AI

本文提出Flow-Direct框架，通过非参数化的guidance field（引导场）来指导flow models（流模型）的生成过程。该guidance field从所有累积的reward-evaluated samples（奖励评估样本）中构建，理论上由base distribution（基分布）与reward-weighted target distribution（奖励加权目标分布）之间的log-density ratio（对数密度比）解析推导得出。Flow-Direct具有两个关键优势：一是feedback-efficient（反馈高效），因为每个评估样本都用于优化全局引导场，不浪费任何奖励信息；二是naturally reusable（自然可复用），优化完成后收集的数据集可直接用于生成新样本而无需额外奖励评估，且不同引导场可组合以同时满足多个目标。

Hypergraph Pattern Machine: Compositional Tokenization for Higher-Order Interactions ⭐ 精选

Kyrie Zhao et al.

cs.LG cs.AI

本文提出Hypergraph Pattern Machine (HGPM)，将超图学习范式从消息传递转变为对高阶交互中compositional subsets（组合性子集）的tokenization（标记化）。该方法通过构建inclusion DAG（包含有向无环图）并训练inclusion-aware Transformer（包含感知Transformer）进行masked reconstruction（掩码重建），从而建模子集间的组合模式。HGPM在十个超图基准上达到或超越现有最优方法，尤其在药物副作用预测中能区分特征相同的候选药物，解决了现有方法无法建模compositional signal（组合信号）的问题。

R2V Agent: Teaching SLMs When to Ask for Help ⭐ 精选

Raghu Vamshi Hemadri et al.

cs.LG

本文提出R2V-Agent框架，用于在交互式agent系统中动态决定何时调用昂贵的LLM。核心贡献是一个校准的step-level router，它在训练好的小语言模型(SLM)每一步执行后评估残差失败风险，仅在必要时才升级到教师LLM。该方法通过Brier校准的概率估计和CVaR约束目标训练router，在HumanEval+、TextWorld和TerminalBench等基准上显著提升了可靠性-成本权衡，例如在HumanEval+上以仅0.60%的LLM调用率达到94.3%的成功率。该工作与关键词中的agent高度契合，并为SLM-LLM级联路由提供了开创性的逐步骤风险校准方法。

Provably Shorter Scratchpads in Hybrid DeltaNet-Attention Decoders ⭐ 精选

Tomasz Steifer

cs.LG

本文提出了一种混合DeltaNet-Attention解码器架构，并证明了其在解决parity-conditioned retrieval任务时，仅需常数长度的scratchpad（即$O(1)$ chain-of-thought steps），而纯Gated DeltaNet模型无法解决该任务，纯Gated Attention模型则需要至少多项式长度的scratchpad。该工作为混合循环-注意力架构（如Qwen3-Next）的表达优势提供了理论依据，与关键词中的attention高度契合。

In-context learning enables continental-scale subsurface temperature prediction from sparse local observations ⭐ 精选

Daniel O'Malley et al.

cs.LG physics.geo-ph

本文提出了一种基于transformer的in-context learning模型In-Context Earth，利用稀疏的局部borehole观测作为geological context，实现了对大陆尺度地下温度场的连续预测。该方法在无需区域特定微调的情况下，仅使用20个局部观测即可适应不同地质区域，并取得了优于物理信息模型和传统插值方法的精度。其创新性在于将in-context learning范式应用于地球物理领域，解决了稀疏观测下的大尺度subsurface characterization问题，且模型学习到的内部表征与未观测的subsurface properties（如seismic velocities）在物理上一致。

TIER: Trajectory-Invariant Execution Rewards for Multi-Step Tool Composition ⭐ 精选

Anay Kulkarni et al.

cs.LG cs.AI cs.CL

本文提出TIER (Trajectory-Invariant Execution Rewards)框架，用于解决multi-step tool composition场景中reinforcement learning的reward稀疏性问题。该框架直接从function schemas和runtime execution中提取dense reward信号，而非依赖reference trajectories，从而支持多种valid execution paths并适应evolving tool interfaces。在DepthBench等benchmark上，TIER在step-4以上的compositional reasoning任务中显著优于trajectory-supervised rewards方法，验证了其有效性。该工作与关键词中的agent高度契合，为agent的tool use提供了可扩展的reward设计范式。

S-Bus: Automatic Read-Set Reconstruction for Multi-Agent LLM State Coordination ⭐ 精选

Sajjad Khan

cs.LG cs.AI cs.DC cs.MA

本文提出S-Bus，一种用于多智能体LLM状态协调的HTTP中间件。其核心创新是DeliveryLog机制，通过自动重建每个agent在提交时的读集（read set），实现了可观测读隔离（ORI）这一部分因果一致性属性，从而防止了共享可变自然语言状态下的结构性竞态条件（SRCs）。作者通过TLAPS、TLC和Dafny提供了三层机械化证据，并在大规模实验（427,308个HTTP-409冲突）中验证了其与PostgreSQL SERIALIZABLE和Redis WATCH/MULTI相当的冲突预防能力。该工作为多agent协作中的状态一致性问题提供了开创性的解决方案，与关键词“agent”高度契合。

Parallel Recursive LSTM ⭐ 精选

Tristan Gaudreault, Yongyi Mao

cs.LG

本文提出Parallel Recursive LSTM (PR-LSTM)，一种层次化递归架构，通过将传统的从左到右递归替换为在平衡计算树上的递归非线性状态组合，将递归并行深度从线性降低到对数级别。该方法利用parallel scan的reduction模式作为固定执行调度，保留了非线性门控状态表示，同时避免了Transformer的二次复杂度。实验表明，PR-LSTM在形式语言基准上实现了强序列长度泛化，解决了比标准RNN、LSTM和Transformer基线更多的任务。该工作为在保持递归模型状态追踪能力的同时实现高效并行计算提供了新思路，与关键词“attention”中Transformer的注意力机制形成对比。

DynMuon: A Dynamic Spectral Shaping View of Muon ⭐ 精选

Fangzhou Wu et al.

cs.LG cs.AI

本文提出了一种名为DynMuon的动态谱整形方法，用于改进Muon优化器。作者将Muon的更新矩阵$M=U\Sigma V^\top$替换为$U\Sigma^p V^\top$，通过调整参数$p$来动态塑造更新矩阵的奇异值谱，从而在训练早期利用正$p$强调高曲率方向以加速信号收缩，在后期利用轻微负$p$重新分配更新强度至低曲率方向以保留有用信号。该方法基于局部曲率、随机梯度噪声和训练阶段的理论分析，在多种模型规模和架构上实现了比Muon更低的验证损失，并减少了10.6-26.5%的训练步数。

TriAxialKV: Toward Extreme Low-Precision KV-Cache Quantization for Agentic Inference Tasks ⭐ 精选

Hanzhang Shen et al.

cs.LG

本文提出TriAxialKV，一种针对agentic推理任务（如多模态、多轮工具调用）的混合精度KV-cache量化方案。该方法创新性地为每个token分配一个三轴标签（时间近因、模态、语义角色），并基于每标签的敏感性在固定内存预算下分配INT2/INT4位宽，解决了现有量化方法仅考虑单一维度异质性的问题。实验表明，在OSWorld计算机使用agent任务中，TriAxialKV在匹配BF16精度下实现了4.5倍KV-cache压缩和30%的端到端吞吐提升，为agent场景下的高效推理提供了开创性方案。

Dimension-Free Convergence of Discrete Diffusion Models: Adjoint Equations Induce the Right Space ⭐ 精选

Kelvin Kan et al.

cs.LG math.ST stat.ML

本文提出了一种基于adjoint equation（伴随方程）的统一框架，用于分析离散扩散模型的收敛性。该框架在任意integral probability metric (IPM)下建立了dimension-free（无维数依赖）的收敛保证，首次完全摆脱了对状态空间大小$S$的依赖，并同时适用于masked和uniform先验。通过引入observable空间中的伴随方程分析、耦合论证以及score-marginal cancellation技术，该工作解决了KL散度在奇异先验下发散以及total variation界随$S$增长而失效的长期问题。这一结果与关键词中的"context"和"spectral"等概念在理论深度上具有潜在关联，为离散生成模型的严格理论分析提供了新工具。

Olivia: Harmonizing Time Series Foundation Models with Power Spectral Density ⭐ 精选

Jingru Fei et al.

cs.LG

本文提出了一种基于功率谱密度（PSD）对齐的时间序列基础模型Olivia。作者通过引入Harmonizer模块，在spectral域隐式地统一不同数据集的PSD结构，从而缓解预训练中时间模式异质性问题。理论分析表明，token interactions可通过一组紧凑的谐振子（resonators）进行高效中介，由此设计了低维交互空间中的HarmonicAttention机制。实验在多个大规模基准上展示了其在零样本、少样本和全样本预测场景下的state-of-the-art性能。

FML-bench: A Controlled Study of AI Research Agent Strategies from the Perspective of Search Dynamics ⭐ 精选

Qiran Zou et al.

cs.LG cs.AI

本文提出了FML-Bench，一个将AI研究agent的策略（如搜索拓扑）与执行基础设施分离的benchmark，包含18个基础ML研究任务和12个过程级行为指标。通过评估六种代表性agent，发现简单的greedy hill-climbing策略几乎与最优的tree-search agent性能相当，且性能差异与改进机会的密度相关：当改进机会密集时greedy搜索更有效，稀疏时tree-search和进化策略更优。基于此洞察构建的自适应agent在检测到改进停滞时切换至更广泛的探索，性能超越了其他六种agent。该工作为agent策略选择提供了系统性的分析框架，与关键词“agent”高度契合。

L-Drive: Beyond a Single Mapping-Latent Context Drives Time Series Forecasting ⭐ 精选

Fan Zhang, Shijun Chen, Hua Wang

cs.LG cs.AI

本文提出L-Drive框架，通过引入Latent-Context（潜在上下文）来显式刻画随时间演变的高层动态，并使用gating机制调制增量表示，从而解决传统Direct-Mapping范式在分布偏移和状态切换场景下的响应滞后问题。该方法还采用patch-shared relative positional basis functions（补丁共享相对位置基函数）来增强段内结构建模并减少过拟合。实验表明，L-Drive在预测精度与计算效率之间取得了更好的平衡，其核心思想与关键词"context"高度契合。

OSCAR: Offline Spectral Covariance-Aware Rotation for 2-bit KV Cache Quantization ⭐ 精选

Zhongzhu Zhou et al.

cs.LG cs.AI cs.DC cs.PF

OSCAR提出了一种离线谱协方差感知旋转方法，用于2-bit KV Cache量化。该方法通过离线估计注意力感知的协方差结构，推导出固定的旋转矩阵和裁剪阈值，从而将KV量化与注意力实际使用的协方差结构对齐，解决了简单旋转（如Hadamard变换）在INT2精度下性能退化的问题。本文不仅提供了理论证明，还开发了完全可部署的OSCAR系统，包含自定义INT2 attention kernel，兼容paged KV-cache serving和融合kernel流水线，可无缝集成到SGLang和vLLM等现代LLM serving框架中。实验表明，在Qwen3-4B和Qwen3-8B等模型上，OSCAR显著缩小了与BF16的精度差距，并在长上下文任务（如RULER-NIAH达128K）中保持鲁棒性，同时实现了约8倍的KV-cache内存减少和高达7倍的吞吐量提升。

Learning Variable-Length Tokenization for Generative Recommendation ⭐ 精选

Minhao Wang, Bowen Wu, Wei Zhang

cs.LG

本文提出VarLenRec框架，通过发现“流行度-长度悖论”（即流行物品用短ID、长尾物品需长ID）来改进生成式推荐中的离散语义标识（IDs）编码。为解决固定长度tokenization的局限，作者开发了基于信息论的流行度加权信息预算分配（PIBA）方法，证明最优ID长度与流行度呈负幂律关系，并引入双曲残差量化（利用Poincaré球的指数体积增长自然分层编码容量）和软长度控制器（通过连续层保留概率实现可微长度预测）来克服技术挑战。实验表明该方法在推荐准确性和效率上显著优于现有方法，揭示了自适应编码容量在生成式推荐中的重要性。

Revisiting the Adam-SGD Gap in LLM Pre-Training: The Role of Large Effective Learning Rates ⭐ 精选

Athanasios Glentis et al.

cs.LG

本文揭示了Adam与SGD在LLM预训练中性能差距的主要原因在于SGD无法维持与Adam相当的大有效学习率。通过分析预训练动态，作者发现训练过程中梯度范数小、权重-梯度比大，且输出层梯度在不同token类别间高度不均匀并频繁出现梯度尖峰，这些因素严重限制了SGD的容许学习率。基于此，作者提出简单的clipping机制使SGD在大学习率下稳定训练，在1B参数LLaMA模型上（batch size为1M tokens）将验证损失差距从超过50%缩小至约3.5%。该工作为理解优化器在pretrain场景下的行为提供了新视角。

AMO: Adaptive Muon Orthogonalization ⭐ 精选

Xinlin Zhuang et al.

cs.LG

本文提出了一种自适应Muon正交化方法(AMO)，针对大规模预训练中Muon优化器使用统一Newton-Schulz(NS)迭代调度导致不同参数矩阵正交化质量不均的问题。通过系统实证发现，矩阵几何特性(由operator type、训练阶段和网络深度动态决定)是造成正交化难度异质性的关键因素。AMO采用"先观察后提交"策略，在训练早期按operator type测量权重几何特征，据此为后续训练分配NS计算预算，在Llama3.1-1.4B和Qwen3-1.7B的12项下游任务上分别提升平均性能+0.76和+0.51。该方法为Muon优化器在pretrain场景下的自适应调度提供了开创性框架。

InfoFlow: A Framework for Multi-Layer Transformer Analysis ⭐ 精选

Penghao Yu et al.

cs.LG

本文提出了InfoFlow框架，用于分析多层Transformer的近似能力。作者严格证明了在特定检索任务中，单层Transformer需要$\Omega(\varepsilon^{-k})$个参数才能达到精度$\varepsilon$（其中$k$随序列长度$T$线性增长），而两层单头Transformer仅需$O(\varepsilon^{-1})$个参数即可实现相同精度。该框架通过追踪每个token和层中可访问输入位置的“信息集”，为信息传播的每种模式分配显式的近似速率，从而揭示了softmax attention在检索第$k$大token时存在指数级参数成本这一关键机制。这项工作为理解多层Transformer的近似效率提供了理论框架，与关键词“attention”高度契合。

RL4RLA: Teaching ML to Discover Randomized Linear Algebra Algorithms Through Curriculum Design and Graph-Based Search ⭐ 精选

Jinglong Xiong et al.

cs.LG

本文提出RL4RLA框架，利用Reinforcement Learning自动发现可解释的符号化Randomized Linear Algebra算法。通过引入数值课程学习（numerical curriculum）逐步增加问题难度以编码领域归纳偏置，并采用Monte Carlo Graph Search优化探索过程，该框架成功重发现了sketch-and-precondition solvers、Randomized Kaczmarz和Newton Sketch等前沿方法。这项工作为自动化发现高性能数值线性代数算法提供了开创性路径，与关键词中的agent（智能体自动化搜索）和code（可验证的符号化算法输出）高度契合。

Ringmaster LMO: Asynchronous Linear Minimization Oracle Momentum Method ⭐ 精选

Abdurakhmon Sadiev et al.

cs.LG cs.DC math.OC stat.ML

本文提出Ringmaster LMO，一种基于Linear Minimization Oracle (LMO)的异步动量方法，用于无约束随机非凸优化。该方法将Ringmaster ASGD的延迟阈值思想扩展到LMO-based更新中，通过丢弃过于陈旧的梯度来在异构分布式系统中实现最优时间复杂度。在广义$(L_0, L_1)$-光滑性下建立了收敛保证，并开发了无需参数的自适应变体。实验表明，该方法在系统异构性增加时优势显著，优于同步和异步基线，且与Muon等矩阵结构更新方法相关。

Beyond Scaling: Agents Are Heading to the Edge ⭐ 精选

Chunlin Tian et al.

cs.LG cs.MA

本文提出个人agent架构必须迁移至边缘设备（edge），因为agentic intelligence任务的核心特性（如与高保真本地上下文的结构耦合和零延迟执行循环）与云端中心化设计不兼容。文章通过三个结构性转变论证这一观点：1) “前额叶转向”（Prefrontal Turn）指出能力提升的主要杠杆已从预训练规模转向框架级执行控制，且该控制必须靠近行动环境以保持认知对齐；2) “数据地理悖论”（Data-Geography Paradox）揭示agentic数据的“暗物质”（如本地文件层级、实时传感器流和瞬态OS状态）在准备云端传输时会退化或失去意义；3) “交互对齐循环”强调唯一经济且可持续的agent优化数据来源是通过实时本地交互产生的高保真隐式偏好信号。该论文与关键词“agent”和“context”高度契合，为边缘智能和agent部署提供了开创性视角。

Randomized Advantage Transformation (RAT): Computing Natural Policy Gradients via Direct Backpropagation ⭐ 精选

Mingfei Sun

cs.LG cs.AI

本文提出Randomized Advantage Transformation (RAT)方法，通过直接backpropagation高效计算Tikhonov正则化的natural policy gradients。该方法利用Woodbury公式将正则化natural policy gradients转化为带变换advantage的vanilla policy gradients，并通过randomized block Kaczmarz迭代在on-policy mini-batches上高效计算该变换，避免了显式Fisher矩阵构造和conjugate-gradient求解器。RAT提供了收敛性保证，并在连续和视觉控制benchmarks上匹配或超越现有natural-gradient方法，且实现简单、兼容多种架构。该方法与关键词"agent"和"code"较为契合，为reinforcement learning中的policy optimization提供了实用且高效的解决方案。

Pointwise Generalization in Deep Neural Networks ⭐ 精选

Shaojie Li, Yunbei Xu

cs.LG cond-mat.stat-mech math.FA math.PR math.ST

本文提出了一种针对全连接深度神经网络的逐点泛化理论(pointwise generalization theory)，通过定义逐点黎曼维度(pointwise Riemannian Dimension)来刻画每个训练模型的假设复杂度，该维度由各层学习到的特征表示的eigenvalues导出。该框架解决了长期存在的对非线性特征学习区域进行表征的障碍，并建立了表示学习的新统计基础。与基于模型大小、范数乘积和无限宽线性化的方法相比，该理论导出的泛化界在理论和实验上均实现了数量级的提升，并揭示了深度网络在实用场景中的数学可处理性。

Perfect Parallelization in Mini-Batch SGD with Classical Momentum Acceleration ⭐ 精选

Sachin Garg, Michał Dereziński

cs.LG

本文针对经典动量方法（如Polyak heavy ball和Nesterov momentum）在mini-batch SGD中的加速效果，建立了在interpolation regime（插值区域，即模型可完美拟合训练数据的理想化场景）下的通用理论。作者证明，对于二次型优化问题，经典动量带来的加速效果与梯度mini-batch size成正比（直到一个自然的饱和点），从而实现了mini-batch计算的完美并行化。该理论适用于任意mini-batch size，并对随机噪声的假设极弱，同时提供了一个简单的动量参数选择方案，实验验证了其有效性。这项工作为理解深度学习训练中动量与并行化的关系提供了重要的理论支撑。

Stochastic Penalty-Barrier Methods for Constrained Machine Learning ⭐ 精选

Adam Bosák et al.

cs.LG cs.AI

本文提出Stochastic Penalty-Barrier Method (SPBM)，将经典的penalty和barrier方法扩展到非凸、非光滑、随机的深度学习约束优化场景。该方法通过exponential dual averaging、稳定的penalty调度以及Moreau envelope处理非光滑性，在多个实验中匹配或超越了现有约束优化baseline，且对于多达10,000个约束仅产生相对于无约束Adam的线性运行时开销。该工作为constrained machine learning（如公平性训练、物理信息神经网络）提供了通用且高效的求解器。

General Preference Reinforcement Learning ⭐ 精选

Muhammad Umer et al.

cs.LG cs.CL

本文提出General Preference Reinforcement Learning (GPRL)方法，通过General Preference Model (GPM)将response嵌入到$k$个skew-symmetric subspaces中，以结构化且具有intransitivity-aware特性的方式表示preference。GPRL在policy update中保留这种$k$维结构，计算per-dimension group-relative advantages并归一化，再通过context-dependent eigenvalues聚合，从而避免单一axis被过度利用。该方法还包含一个closed-loop drift monitor，可检测并纠正single-axis exploitation。实验表明，GPRL在AlpacaEval 2.0、Arena-Hard等benchmark上优于SimPO和SPPO，有效抵抗reward hacking。

Systematic Optimization of Real-Time Diffusion Model Inference on Apple M3 Ultra

Yoichi Ochiai

cs.LG cs.AI cs.DC

本文系统性地在Apple M3 Ultra上对扩散模型的实时推理进行了多阶段优化实验，评估了CoreML转换、量化、Token Merging等技术，最终通过结合SDXS-512模型和3线程相机流水线实现了22.7 FPS的实时图像转换。研究揭示了Apple Silicon统一内存架构与NVIDIA GPU在优化策略上的根本差异，例如量化无效和并行推理不适用。

Mirror Descent-Type Algorithms for the Variational Inequality Problem with Functional Constraints

Mohammad S. Alkousa et al.

cs.LG math.OC

本文针对带函数约束的变分不等式问题，提出了几种基于Mirror Descent的算法，这些算法根据迭代点处函数约束的值在有效步与非有效步之间切换，并分析了其在单调算子与Lipschitz凸约束下的最优收敛率。

Reducing Credit Assignment Variance via Counterfactual Reasoning Paths

Fei Ding et al.

cs.LG cs.AI cs.CL

本文提出了一种基于反事实比较的credit assignment框架，通过采样多条推理轨迹来构建隐式过程级advantage estimator，将稀疏的终端奖励转化为对中间步骤敏感的learning signals，并据此设计了Implicit Behavior Policy Optimization (IBPO)方法，在数学和代码推理benchmarks上提升了训练稳定性和性能上限。

When Actions Disappear: Adversarial Action Removal in Self-Play Reinforcement Learning

Arahan Kujur

cs.LG cs.AI

本文研究了自对弈强化学习中的对抗性动作掩蔽问题，即攻击者选择性移除受害者动作集中的合法动作。实验表明，这种移除攻击比随机掩蔽或扰动基线造成更大损害，且攻击在多种算法间可迁移。

A Structural Threshold in Decision Capacity Governs Collapse in Self-Play Reinforcement Learning

Arahan Kujur

cs.LG cs.AI

本文研究了self-play强化学习agent在非对称规则扰动下的崩溃现象，发现决策容量（decision capacity）存在一个阈值，当所有正到达条件决策（positive-reach contingent decisions）被消除时，agent会快速收敛到确定性剥削吸引子（deterministic exploitation attractor）。实验在多种博弈和算法中验证了这一机制，表明该现象与时间无关且可逆，但未涉及code、context、spectral、Muon、pretrain或attention等关键词。

Investigating Action Encodings in Recurrent Neural Networks in Reinforcement Learning

Matthew Schlegel et al.

cs.LG

本文探讨了在强化学习中使用RNN时，如何将动作信息编码到状态更新函数中的不同设计选择，并在几个示例域上进行了实证评估。文章为RNN在RL中的应用提供了设计指导，但方法本身并非开创性突破。

Forecasting Medium-Horizon Alzheimer's Disease Progression: Residual Gap-Aware Transformers for 24-Month CDR-SB Change from ADNI Clinical and Biomarker Histories

Ran Tong et al.

cs.LG stat.AP stat.ML

本文针对阿尔茨海默病中期进展预测问题，提出了一种残差间隙感知Transformer模型，该模型结合了混合效应统计参考与基于Transformer的残差学习，并利用非负时间间隙惩罚改进自注意力机制。在ADNI数据集上的实验表明，该方法在预测24个月CDR-SB变化时，相比线性混合效应基线、GRU-D和STraTS等模型，均方误差降低了13.1%，预测-观测相关性提升了26.4%。

AdaGraph: A Graph-Native Clustering Algorithm That Overcomes the Curse of Dimensionality and Enables Scientific Discovery

Ahmed Elmahdi

cs.LG cs.AI

本文提出了一种基于图拓扑结构的聚类算法AdaGraph，通过kNN图拓扑替代传统的基于距离的计算，以克服高维数据中的维度灾难问题。该算法在多个科学领域（如基因表达、文本聚类和材料科学）中展示了优于现有方法的性能。

Language Game: Talking to Non-Human Systems

Yanbo Zhang, Michael Levin

cs.LG

本文提出了一种通过强化学习游戏与基因调控网络等非神经动态系统进行对话的框架，将系统内部动力学作为策略的非线性核心，仅训练线性接口。该方法展示了不同架构的系统可通过共同游戏实现行为趋同，但未直接涉及代码、上下文、谱方法或预训练等关键词。

Bi-Level Chaotic Fusion Based Graph Convolutional Network for Stock Market Prediction Interval

Eshwar Sai Kandimalla et al.

cs.LG cs.CE q-fin.ST

本文提出了一种基于双层混沌融合的图卷积网络方法，用于股票市场预测区间估计。该方法通过非线性变换函数分别估计区间中心和宽度，并利用波动感知门控机制适应市场状态变化，在NSE数据上取得了优于LSTM、GRU等基线的性能。

Phase Transitions in Driven Informational Systems: A Two-Field Perspective on Learning Theory and Non-Equilibrium Chemistry

Truong Xuan Khanh

cs.LG cs.AI

本文提出一个双场视角（entropy production rate Sigma和信息准势Phi_I）来统一描述深度学习中的相变现象（如grokking）与非平衡化学中的相变，并引入两个序参数（adversarial breakdown threshold alpha_dagger和self-referential coupling threshold kappa_c）及其标度指数，但该框架目前仍处于理论构建阶段，与关键词列表中的概念关联较弱。

Preference Instability in Reward Models: Detection and Mitigation via Sparse Autoencoders

Shunchang Liu et al.

cs.LG

本文研究了reward model中的preference instability问题，通过Sparse Autoencoders (SAEs)在稀疏隐空间中分离不稳定特征，并提出了SAE Feature Steering和SAE Residual Correction两种缓解策略，在不重新训练模型的情况下减少了错误偏好分配。

DACA-GRPO: Denoising-Aware Credit Assignment for Reinforcement Learning in Diffusion Language Models

Amin Karimi Monsefi et al.

cs.LG cs.AI cs.CL

本文针对扩散语言模型中的RL方法，指出其将所有去噪步骤视为同等重要且存在有偏似然估计的问题，提出了DACA-GRPO方法。该方法通过Denoising Progress Scores和Stratified Masking Likelihood两个机制改进GRPO训练器，在数学推理、代码生成等任务上取得了性能提升。

LoopQ: Quantization for Recursive Transformers

Rui Fang, Hsi-Wen Chen, Ming-Syan Chen

cs.LG cs.AI

本文首次系统研究了循环语言模型（LoopLM）的量化问题，提出了LoopQ框架，通过激活缩放、选择性变换、跨循环状态对齐和轨迹感知优化等方法，解决了分布偏移、状态复用和递归误差累积等挑战。实验表明，在W4A4量化下，LoopQ相比最强静态PTQ基线显著提升了下游准确率和困惑度。

Goal-Conditioned Supervised Learning for LLM Fine-Tuning

Shijun Li et al.

cs.LG cs.AI

本文提出了一种名为goal-conditioned supervised learning (GCSL)的offline fine-tuning框架，通过将反馈信号直接作为显式目标进行supervised learning来微调LLM。该方法在非毒性生成、代码生成和推荐任务上优于SFT和DPO等基线，但并未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词中的核心概念。

PropGuard: Safeguarding LLM-MAS via Propagation-Aware Exploration and Remediation

Bingyu Yan et al.

cs.LG cs.AI cs.CR

本文提出PropGuard框架，用于保护基于LLM的多智能体系统(LLM-MAS)免受恶意指令传播攻击。该框架通过构建双视角时空图并结合GE-GRPO训练的inspector来检测可疑传播子图，并采用源引导修复机制处理污染状态。

HPC-LLM: Practical Domain Adaptation and Retrieval-Augmented Generation for HPC Support

Nourin Shahin, Izzat Alsmadi

cs.LG

本文提出了HPC-LLM，一个面向高性能计算（HPC）领域的检索增强与领域自适应助手，通过整合文档检索、QLoRA微调等技术，在JetStream2基础设施上对Llama 3.1 8B模型进行适配，使其在资源消耗远低于大模型的情况下达到接近Qwen 2.5 14B的性能。

Geometric Asymmetry in MoE Specialization: Functional Decorrelation and Representational Overlap

Feilong Liu

cs.LG

本文通过Jacobian-PCA-Grassmann框架分析了MoE层在function space和representation space中的几何结构，发现专家之间存在functional decorrelation与representational overlap共存的不对称性，并指出routing sparsity是影响该几何结构的关键因素。

Federated Nested Learning: Collaborative Training of Self-Referential Memories for Test-Time Adaptation

Hong Chen et al.

cs.LG cs.AI

本文提出Federated Nested Learning (FedNL)框架，将联邦学习重构为三级嵌套优化系统，通过嵌入基于Titans的linear attention使客户端能进行轻量级零样本test-time adaptation。实验表明该方法在Non-IID场景下具有竞争力，但与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。

PIMSM: Physics-Informed Multi-Scale Mamba for Stable Neural Representations under Distribution Shift

Sangyoon Bae, Shinjae Yoo, Jiook Cha

cs.LG cs.AI

本文提出了一种名为PIMSM的state-space架构，通过将频谱估计的knee frequencies映射到尺度特定的离散化参数，来对齐物理时间尺度。该方法旨在解决分布偏移下神经表示的不稳定性问题，并在fMRI和天气预测任务上验证了其鲁棒性。

Augmenting Human Evaluation with LLM Judges: How Many Human Reviews Do You Need?

Jane Paik Kim

cs.LG cs.AI cs.CL cs.HC stat.ML

本文提出将LLM评估从替代人类评价转变为辅助角色，通过两阶段抽样设计（第一阶段用LLM评估所有样本，第二阶段对子样本进行人工评分）来增强人类评估，并使用双重稳健估计量处理缺失数据。该方法为在验证基准时确定需要保留多少人工监督提供了形式化指导。

LEAF: A Living Benchmark for Event-Augmented Forecasting

Mingtian Tan et al.

cs.LG cs.AI

LEAF提出了首个用于事件增强预测的动态基准，通过递归检索agent系统和双agent交叉验证为LLM提供辅助文本，评估其在复杂场景下的预测能力。该基准主要关注事件驱动预测任务，与关键词中的agent概念相关但整体创新性有限。

ProxyKV: Cross-Model Proxy Pruning for Efficient Long-Context LLM Inference

Junjie Li, Jiong Lou, Jie Li

cs.LG cs.AI

本文提出ProxyKV框架，利用轻量级小模型代理为大模型KV cache进行重要性评分，以加速长上下文LLM推理。该方法通过HybridAxialMapper对齐异构模型特征，在保持精度的同时显著提升预填充速度。

TailedTS: Benchmark Dataset for Heavy-Tailed Time Series Prediction and Periodicity Quantification

Xinyu Chen et al.

cs.LG cs.AI stat.ML

本文提出了一个名为TailedTS的大规模基准数据集，基于Wikipedia 2024年的每小时页面浏览量，专门用于测试时间序列预测模型在heavy-tailed、zero-inflated和non-Gaussian条件下的表现。该数据集包含约246.9亿个数据点，并引入了一个基于sparse autoregression的periodicity quantification框架，揭示了高流量页面周期性结构较弱的现象。

When Is Rank-1 Steering Cheap? Geometry, Granularity, and Budgeted Search

John T. Robertson et al.

cs.LG cs.AI

本文研究了LLM中rank-1 steering（秩一干预）的搜索效率问题，提出用prompt-boundary directional alignment和concept granularity（概念粒度）来预测干预效果，并设计了GRACE框架。该工作主要关注steering的几何特性与搜索预算，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念关联较弱。

ORACLE: Anticipating Scams from Partial Trajectories in Streaming App Usage

Wenbo Gao et al.

cs.LG cs.CY

本文提出了一个名为ORACLE的agentic框架，用于从流式应用使用轨迹中早期预测诈骗。它通过自演化上下文管理器整合跨时间证据，并利用on-policy自蒸馏方案增强对早期信号的敏感性。

Machine Learning-Based Pre-Test Risk Stratification for PCR-Confirmed Chlamydia Using Patient-Reported Data and Urine Biomarkers

Mehrab Mahdian et al.

cs.LG cs.DB

本文评估了基于机器学习的沙眼衣原体感染预测试风险分层(PTRS)方法，使用患者报告数据和尿液生物标志物训练分类器，发现两者结合可提升模型鲁棒性，但整体性能有限(AUC最高0.72)。

Lost or Hidden? A Concept-Level Forgetting in Supervised Continual Learning

Katarzyna Filus et al.

cs.LG cs.AI

本文提出一个诊断框架，利用Sparse Autoencoders (SAEs)定义任务锚定的潜在特征空间，将遗忘分解为概念删除、可恢复性和可解码性。研究发现，大部分看似丢失的概念级信息在线性假设下可被恢复，表明遗忘更多源于表征可访问性的变化而非信息完全擦除。

M$^2$FedAQI: Multimodal Federated Learning for Air Quality Prediction on Heterogeneous Edge Devices

Manjil Nepal et al.

cs.LG cs.NI

本文提出M$^2$FedAQI，一个用于异构边缘设备上空气质量预测的多模态联邦学习框架，通过特征调制融合机制整合视觉和表格数据，并在基准数据集上验证了其性能优势。该工作主要关注实际部署中的隐私、通信和计算效率问题，与关键词中的核心概念（如code, context, spectral, Muon, pretrain, agent, attention）关联较弱。

Mixing Times of Glauber Dynamics on Masked Language Models

Suvadip Sana et al.

cs.LG cs.AI

本文通过将masked language models (MLMs)中的迭代掩码token重采样建模为Glauber dynamics Markov chain，研究了其全局分布行为。作者证明了MLM条件概率的内在不相容性，并分析了该Markov chain在高温下的$O(n\log n)$混合时间以及在低温下的亚稳态现象。

An Information-Theoretic Criterion for Efficient Data Synthesis

Hanyu Li, Zhengqi Sun, Xiaotie Deng

cs.LG cs.AI cs.IT

本文从信息论角度分析了合成数据在LLM训练中的不一致性，指出当生成-训练循环是信息开放（依赖外部信号）时模型才能改进，而信息封闭（仅依赖模型自身输出）会导致性能下降。该工作为理解合成数据的有效性提供了理论视角，但未直接涉及代码、谱方法或预训练等关键词。

ReTAMamba: Reliability-Aware Temporal Aggregation with Mamba for Irregular Clinical Time Series Prediction

Jinwoong Kim, Sangjin Park

cs.LG cs.AI

本文提出ReTAMamba方法，通过将不规则临床时间序列重构为时间可变token序列，并利用Mamba模型进行可靠性感知的时间聚合，以处理缺失值和异质观测模式。实验表明该方法在多个数据集上提升了预测性能，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

QuantFPFlow: Quantum Amplitude Estimation for Fokker--Planck Policy Optimisation in Continuous Reinforcement Learning

Abraham Itzhak Weinberg

cs.LG cs.AI

本文提出QuantFPFlow框架，将量子振幅估计集成到Fokker-Planck策略优化中，通过Grover放大实现配分函数估计的二次加速（从$\mathcal{O}(1/\varepsilon^{2})$降至$\mathcal{O}(1/\varepsilon)$），并在连续控制任务中验证了其探索性能优于SAC。

A Theory of Training Profit-Optimal LLMs

Sophie Hao, William Merrill

cs.LG cs.AI

本文通过结合scaling laws与微观经济学理论，构建了一个经济模型来分析LLM训练企业的利润最大化行为，探讨了在计算受限和数据受限两种场景下最优模型规模与训练预算的决策。研究揭示了硬件效率与数据效率如何影响最优训练支出，并评估了当前行业趋势是否与利润最优策略一致。

Edge-AI-Driven Learning-to-Rank for Decentralized Task Allocation in Circular Smart Manufacturing

Mohammadhossein Ghahramani, Yan Qiao, Mengchu Zhou

cs.LG cs.AI

本文提出了一种基于Edge-AI的分散式任务分配框架，通过ranking-aware negotiation机制在智能制造的circular manufacturing场景中实现低延迟协调。该方法利用轻量级回归模型进行本地bid近似，并通过ranking-aware formulation优化学习目标以匹配winner selection的排序特性。

GPU-Accelerated Deep Learning for Heatwave Prediction and Urban Heat Risk Assessment

Adis Alihodžić

cs.LG cs.AI

本文使用GPU加速的深度学习框架，基于MODIS地表温度数据和Open-Meteo预报数据，对萨拉热窝城市热浪进行次日预测和热风险评估。实验表明ConvLSTM模型结合混合损失函数效果最佳，并可通过更长时序和更多气象变量提升性能。

Byzantine-Resilient Federated Learning via QUBO-Based Client Selection on Quantum Annealers

Andras Ferenczi et al.

cs.LG cs.AI

本文提出了一种基于QUBO的量子退火方法，将联邦学习中的客户端选择问题转化为一个二次无约束二元优化问题，以防御拜占庭攻击。实验表明，该方法在小规模场景下对某些复杂攻击优于MultiKrum，但随客户端数量增加性能下降，为此作者引入了MultiSignal集成方法。

DeepArrhythmia: Segment-Contextualized ECG Arrhythmia Classification via Selective Evidence Acquisition

Jiahui Li et al.

cs.LG cs.AI

本文提出DeepArrhythmia框架，通过结合原始ECG信号和波形图像，利用agentic设计在segment级别进行心律失常分类。该方法通过选择性证据获取机制在最小和丰富证据状态间路由，但未涉及code、spectral、Muon、pretrain或attention等关键词。

Two-Valued Symmetric Circulant Matrices: Applications in Deep Learning

Jayakrishna Amathi et al.

cs.LG cs.AI

本文提出了一种Two-Valued Symmetric Circulant Matrix (TVSCM)架构，通过每层仅使用两个权重来构建高度稀疏的全连接层，从而大幅减少模型参数量。实验表明该方法在MNIST和MIT-BIH数据集上能以轻微精度损失换取超过80倍的参数压缩，适用于资源受限的边缘计算平台。

Membership Inference Attacks on Discrete Diffusion Language Models

Shailesh Kasivelrajan

cs.LG cs.AI

本文研究了针对Masked Diffusion Language Models (MDLMs)的Membership Inference Attacks (MIA)，通过提取重建损失特征训练XGBoost分类器，在MIMIR基准上取得了优于现有baseline的效果，并设计了shadow model transfer攻击。该工作主要关注隐私攻击方法，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联较弱。

Avoiding Structural Failure Modes in Tabular Fair SSL: Online Primal-Dual Allocation under Confidence Gating

Hangchun Liang, Changchun Li

cs.LG cs.AI

本文识别了表格公平半监督学习中在置信门控伪标签下的两种结构失效模式，并提出在线原始-对偶分配（OPDA）作为无校准控制器来避免这些模式，在多个基准上验证了其有效性。

Nested Spatio-Temporal Time Series Forecasting

Yinghao Ai et al.

cs.LG cs.AI

本文提出了一种嵌套时空预测框架，通过谱聚类构建语义一致的区域表示来过滤噪声，并采用渐进式粗到细预测器整合未来宏观趋势与微观历史观测，在多个高维数据集上优于现有方法。

PESD-TSF: A Period-Aware and Explicit Structured Decomposition Framework for Long-Term Time Series Forecasting

Hua Wang, Xianhao Jiao, Fan Zhang

cs.LG cs.AI

本文提出PESD-TSF框架，通过Multiplicative Periodic Gating机制和multi-scale structured encoder来增强时间序列预测中的周期性感知与趋势-噪声解耦，并利用Cross-Scale Collaborative Attention恢复变量间依赖关系。实验表明该方法在多元预测任务上表现优异，但未涉及code、spectral或Muon等关键词。

Physics-Guided Geometric Diffusion for Macro Placement Generation

Jongho Yoon, Jinsung Jeon, Seokhyeong Kang

cs.LG cs.AI

本文提出MacroDiff+，一种用于VLSI宏单元布局生成的物理引导几何扩散框架，通过双域去噪架构结合图神经网络与Transformer来建模拓扑和几何信息。该方法在基准测试上取得了线长缩短，但与我提供的关键词列表契合度较低。

Peak-Detector: Explainable Peak Detection via Instruction-Tuned Large Language Models in Physiological Sign

Jiahui Li et al.

cs.LG cs.AI

本文提出Peak-Detector框架，利用instruction-tuned Large Language Models (LLMs)对多种生理信号（如ECG, PPG等）进行可解释的峰值检测。其核心创新在于将时间序列数据转换为“peak-representation”格式，并通过supervised fine-tuning和reinforcement learning两阶段优化模型性能。

QuChaTeR: A Hybrid Quantum-Chaotic Temporal Framework for Earthquake Prediction

Emir Kaan Özdemir

cs.LG eess.SP quant-ph

本文提出了一种名为QuChaTeR的混合架构，结合了小波预处理、混沌映射和variational quantum circuits与循环结构，用于地震预测中的时序特征提取。实验表明该方法在收敛速度和预测性能上优于LSTM、GRU等经典基线模型。

Identifiable Token Correspondence for World Models

Youngin Kim et al.

cs.LG cs.AI cs.CV

本文针对基于Transformer的world model在视觉强化学习中长程rollout时出现的时间不一致性问题，将下一帧预测建模为带有隐式token对应变量的结构化概率推断问题，提出了一种通过复制上一帧token或生成新token来解释每个下一帧token的模型。实验在4个挑战性基准上取得了最先进性能，但方法本身与关键词列表中的概念关联较弱。

Strategic Over-Parameterization for Generalizable Low-Rank Adaptation

Jing Gao et al.

cs.LG cs.AI

本文提出LoRA-Over框架，通过在训练阶段向低秩适配器注入辅助参数以扩展假设空间，并在推理阶段通过基于分解的重构将其折叠回标准低秩结构，从而在不增加推理成本的前提下提升PEFT的泛化能力。该方法在多个语言理解和生成任务上优于vanilla LoRA，但并未直接涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Seeking the Unfamiliar but Memorable: Conceptual Creativity as Meta-Learning

Mengye Ren

cs.LG cs.CV

本文提出将概念创造力形式化为Creator-Appraiser对，其中Creator生成候选，Appraiser通过少量内循环学习步骤适应，并将Appraiser的改进作为Creator优化的奖励。该方法使用扩散模型作为Creator，在MNIST和自然图像上验证了生成风格变化和概念组合的能力。

Global Convergence of Sampling-Based Nonconvex Optimization through Diffusion-Style Smoothing

Zeji Yi et al.

cs.LG

本文通过扩散模型平滑的视角，将采样优化方法重新解释为对平滑目标的梯度下降，并分析了平滑如何帮助逃离局部极小值，揭示了覆盖-最优性权衡。在此基础上，提出了一个退火采样优化算法DIDA，并证明了其收敛到全局最优的理论保证。

Multiscale Supervised Unbalanced Optimal Transport Flow Matching

Qiangwei Peng, Lezhi Chen, Peijie Zhou

cs.LG math.OC

本文提出MUST-FM框架，通过利用层次化数据结构来扩展非平衡最优传输（UOT）在大规模单细胞数据中的可扩展性，并支持引入先验知识（如细胞谱系）来指导位移场和质量变化的学习。实验表明该方法在降低计算开销的同时实现了稳健的轨迹推断。

Boundedly Rational Meta-Learning in Sequential Consumer Choice

Mehrzad Khosravi, Max Kleiman-Weiner, Hema Yoganarasimhan

cs.LG econ.GN

本文通过层级实验研究消费者在序列选择中的跨情境知识迁移（meta-learning），提出BRMDP(D)策略近似贝叶斯元学习，发现消费者使用粗粒度的先验不确定性表征进行跨情境转移。

Symphony for Speech-to-Text: Supporting Real-Time Medical Voice Interfaces

Arne Nix et al.

cs.LG cs.AI cs.CL

本文提出Symphony for Speech-to-Text系统，将语音识别分解为识别、格式化和上下文校正等专门组件，以优化医学术语召回并生成临床结构化文本。该系统在医疗和通用领域均优于现有方法，并发布了临床基准数据集。

World Model-Enabled Causal Digital Twins for Semantic Communications in Physical AI Systems

Lingyi Wang et al.

cs.LG

本文提出了一种基于世界模型的因果数字孪生框架(WM-CDT)，用于物理AI系统中的语义通信，通过引入因果信息价值(CIV)指标来评估语义token对长期回报的边际贡献，并利用反事实推理训练actor-critic策略。实验在无人机导航模拟器上验证了该方法在回报率和导航成功率上的提升。

Automatic Unsupervised Ensemble Outlier Model Selection--Extended Version

Hong-Phuc Phan et al.

cs.LG cs.AI cs.DB

本文提出MetaEns，一种自动无监督集成异常检测模型选择框架。它通过元学习预测边际集成增益，并结合子模代理目标实现贪心序列选择，在39个数据集上优于现有方法。

Wavelet Flow Matching for Multi-Scale Physics Emulation

Gabriele Accarino et al.

cs.LG cs.AI physics.flu-dyn

本文提出Wavelet Flow Matching (WFM)，一种用于多尺度物理仿真的生成式模拟器，通过在小波空间中直接执行最优传输来平衡计算成本与预测精度。该方法利用U-Net的层次结构联合预测小波表示的传输速度，在混沌流体动力学系统上实现了优于现有模型的长期稳定性和谱一致性。

Structure-Aware Masking for Protein Representation Learning

Thomas Walton, Ayan Goel, Amirali Aghazadeh

cs.LG

本文提出了一种名为Bucket Masking的结构感知掩码策略，用于蛋白质表示学习，通过基于三维空间邻近性选择残基组进行掩码，以替代传统的随机掩码方法。实验表明该方法在蛋白质适应性预测任务中提升了性能，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

How Few-Shot Examples Add Up: A Causal Decomposition of Function Vectors in In-Context Learning

Entang Wang et al.

cs.LG cs.AI

本文通过因果分解方法研究了in-context learning中few-shot prompts如何影响function vector (FV)的形成，发现n-shot FV可近似为各示例子FV的线性组合，且模型会根据上下文对示例进行注意力重加权。该工作主要关注ICL的机制解释，与关键词中的attention有一定关联，但方法本身并非开创性突破，也未解决长期存在的核心问题。

Where Pretraining writes and Alignment reads: the asymmetry of Transformer weight space

Valeria Ruscio, Eli-Shaoul Khedouri, Keiran Thompson

cs.LG cs.AI cs.CL

本文通过相对子空间分数探针，研究了transformer权重在预训练和对齐更新后的几何不对称性。发现对齐更新集中在读路径（$W_Q$, $W_K$）的输入激活主方向上，而写路径（$W_O$, $W_2$）的更新则相对各向同性，这一模式由各向异性梯度累积解释。

To MRL or not to MRL: Text Embeddings are Robust to Truncation Without Matryoshka Embeddings, Except In Heavy Truncation Scenarios

Sotaro Takeshita et al.

cs.LG cs.CL

本文研究了Matryoshka Representation Learning (MRL)与随机截断在文本嵌入压缩中的效果对比。实验表明，除非进行重度截断（减少至少80%的向量维度），否则未使用MRL训练的模型在截断后性能与MRL模型相当甚至更优。

Tensor Cookbook: Mastering Tensors through Diagrams

Beheshteh T. Rakhshan, Guillaume Rabusseau

cs.LG cs.GL

本文介绍了张量网络（tensor network）的图形化表示方法，旨在简化高维张量代数中的符号操作与计算。文章通过图示语言展示了张量收缩、乘积和变形等基本运算，并说明了如何用该框架表达经典张量分解及梯度推导。

Learning What Evaluators Value: A Reliable Approach to Modeling Evaluator Preferences

Madeline Celi Kitch, Nihar B. Shah

cs.LG

本文研究如何从多维度评估中学习评估者的偏好函数，假设该函数是坐标单调非减的。作者理论分析了常见模型假设（如线性）不匹配时的严重性，并提出了一种鲁棒学习算法，该算法在假设成立时也不损失性能。

MLReplicate: Benchmarking Autonomous Research Systems for Machine Learning Reproducibility

Sasi Kiran Gaddipati et al.

cs.LG

本文提出了MLReplicate基准，用于评估自主研究系统在机器学习可重复性方面的表现。通过对多个系统生成的稿件进行自动和人工评审，发现当前系统存在方法论缺陷和结果伪造问题，且计算成本与输出质量无关。

SCOUT: Cyclic Causal Discovery Under Soft Interventions with Unknown Targets

Alpar Turkoglu, Muralikrishnna G. Sethuraman, Faramarz Fekri

cs.LG

本文提出SCOUT框架，用于从软干预数据中学习非线性循环因果关系，同时未知干预目标。该方法通过最大化数据对数似然并使用两种normalizing-flow架构来恢复图结构，在合成和真实数据上优于现有方法。

Does Weight Decay Enhance Training Stability?

Marius Saether et al.

cs.LG math.OC stat.ML

本文研究了weight decay对深度学习训练稳定性的影响，发现其能减缓progressive sharpening，并在CNN和MLP中引发不同的相变行为。作者建立了一个数学框架来解释这些现象，并指出基于凸/二次近似的curvature阈值在正则化下可能不可靠。

Learning How to Cube

Ferhat Erata et al.

cs.LG cs.AI cs.LO

本文提出了一种神经符号后训练框架，使transformer模型能够学习Cube-and-Conquer (C&C)策略中的cubing启发式方法，通过MCTS数据筛选和两阶段后训练（SFT+DPO），使4B参数模型在SAT竞赛基准上达到与最优符号启发式方法相当的性能。该工作展示了transformer在传统由符号方法主导的领域中的潜力，但与关键词列表中的概念关联较弱。

MedMIX: Modality-Internal Expert Fusion for Multimodal Medical Diagnosis

Seungik Cho, Anqi Li, Wei Qiu

cs.LG

MedMIX提出了一种多模态医疗诊断框架，通过模态内专家融合和跨模态学习融合来处理缺失模态问题，并在多个基准上验证了其鲁棒性。该方法与关键词中的“attention”或“pretrain”无直接关联。

GraViti: Graph-Level Variational Autoencoders with Relaxed Permutation Invariance

Roman Bresson et al.

cs.LG cs.AI

GraViti提出了一种基于transformer的图级变分自编码器，将整个图映射为紧凑的潜在向量，并在分子基准上实现了高重建精度。该工作主要关注图级表示学习与生成，与关键词中的spectral、attention等概念关联较弱。

Identify Then Project: Contrastive Learning of Latent Dynamics from Partial Observations with Port-Hamiltonian Structure

Peilun Li et al.

cs.LG

本文提出一个两阶段识别-投影框架，用于从部分观测中学习具有port-Hamiltonian结构的潜在动力学。第一阶段通过对比学习教师模型识别连续时间潜在动力学，第二阶段将识别结果投影到port-Hamiltonian子流形上以保持物理一致性。

Scalable Knowledge Editing for Mixture-of-Experts LLMs via Tensor-Structured Updates

Roman Maksimov et al.

cs.LG

本文提出了一种针对Mixture-of-Experts (MoE)架构LLM的可扩展知识编辑方法，通过利用MoE层的tensor结构并应用Woodbury matrix identity，将编辑目标分解为每个expert级别的低秩矩阵更新。该方法在保持与强baseline相当的编辑质量的同时，将编辑速度提升了6倍，为稀疏LLM架构中的知识编辑提供了高效方案。

UB-SMoE: Universally Balanced Sparse Mixture-of-Experts for Resource-adaptive Federated Fine-tuning of Foundation Models

Van-Tuan Tran et al.

cs.LG

本文针对联邦微调基础模型中的异构性挑战，提出UB-SMoE方法，通过动态调制路由（DMR）和通用伪梯度（PG）解决稀疏MoE中的专家利用不平衡和Top-K路由不可微问题，在低资源客户端上实现了显著的计算缩减与性能提升。

EfficientTDMPC: Improved MPC Objectives for Sample-Efficient Continuous Control

Thomas Evers et al.

cs.LG cs.AI cs.RO

本文提出EfficientTDMPC，一种基于TD-MPC框架的样本高效model-based reinforcement learning方法，通过集成dynamics models和不确定性惩罚来改进planner目标，并在HumanoidBench和DMC基准上达到SOTA样本效率。

Your SaaS Is an Insurance Product: A Modeling Framework

Caio Gomes

cs.LG q-fin.RM stat.ML

本文提出一个建模框架，将按使用量计费的SaaS产品（如LLM订阅）类比为保险产品，使用frequency-severity分解和Monte Carlo方法进行定价与准备金充足性分析。该工作主要提供操作层面的工具和术语，而非理论创新。

Convex Dataset Valuation for Post-Training

Siqi Zeng et al.

cs.LG

本文研究了LLM后训练阶段的数据集估值问题，提出了一种基于梯度空间中的kernel mean matching (KMM)的可扩展凸估值方法，用于在预算约束下选择辅助数据集以最大化目标任务性能。实验表明该方法优于现有基线，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。

Isolating Nonlinear Independent Sources in fMRI with $β$-TCVAE Models

Qiang Li et al.

cs.LG stat.ML

本文使用$\beta$-TCVAE模型对fMRI数据进行非线性源分离，以恢复具有生物学意义的脑网络成分，并验证了其潜在表示的可解释性。该工作为非线性表示学习在神经影像分析中的应用提供了初步探索。

EmoMind: Decoding Affective Captions from Human Brain fMRI

Bilal A. Mohammed, Lin Gu, Ruogo Fang

cs.LG cs.AI cs.CL q-bio.NC

本文提出EmoMind，首个直接从fMRI信号解码情感描述的端到端pipeline，通过连续34维emotion vector控制内容保留与情感表达之间的平衡，并在两个独立fMRI数据集上优于离散标签提示的GPT-4。

Propagation of Chaos in Contextual Flow Maps

Shi Chen et al.

cs.LG math.AP math.OC math.PR math.ST

本文通过将Transformer抽象为contextual flow maps (CFMs)，利用McKean-Vlasov动力学和chaos propagation理论，建立了有限上下文模型与理想无限上下文模型之间的偏差控制，并得到了最优Wasserstein速率$n^{-1/d}$和参数速率$n^{-1/2}$。该工作为大规模上下文场景下的Transformer提供了定量统计理论。

Learning Unbiased Permutations via Flow Matching

Yimeng Min, Carla P. Gomes

cs.LG cs.AI

本文提出PermFlow，一种基于conditional flow matching的框架，用于学习无偏的permutation分布。该方法通过closed-form tangent-space projector保持矩阵的行列和约束，并利用nearest-target coupling处理多模态分布，在视觉排序和线性分配任务上优于基于Sinkhorn的baseline。

Distinguishable Deletion: Unifying Knowledge Erasure and Refusal for Large Language Model Unlearning

Puning Yang et al.

cs.LG cs.AI

本文提出Distinguishable Deletion (D^2)范式，通过限制latent representation中的响应分布而非特定token来擦除LLM中的不良知识，并引入energy index量化知识存在与分离程度，实现Energy-based Unlearning Alignment (EUA)方法。该方法在训练和推理阶段分别执行energy-boundary unlearning和基于能量的拒绝机制，实验表明其优于现有方法。

Lever: Speculative LLM Inference on Smartphones

Tuowei Wang et al.

cs.LG

本文提出Lever系统，通过优化推测解码的三个阶段（草稿生成、验证和执行），在智能手机上实现基于闪存的LLM推理加速，平均延迟降低至基准方法的2.93倍。

The Unlearnability Phenomenon in RLVR for Language Models

Yulin Chen, He He, Chen Zhao

cs.LG cs.CL

本文揭示了RLVR训练中一个反直觉的现象：模型在初始难以处理的困难样本中，有相当一部分即使存在正确的rollout也无法被学习。通过跨样本梯度分析，作者指出这些不可学习样本存在根本性的表示问题，表现为与其他样本的梯度相似性低且推理模式不可泛化，且数据增强无法改善该问题。

PULSE: Generative Phase Evolution for Non-Stationary Time Series Forecasting

Yangyou Liu et al.

cs.LG

本文提出PULSE框架，通过相位锚定解缠和相位路由器等机制，解决非平稳时间序列预测中的相位遗忘问题。该方法将物理假设引入模型，在多个基准上取得良好效果。

Cross-Domain Molecular Relational Learning: Leveraging Chemical Structure-Activity Analysis

Peiliang Zhang et al.

cs.LG cs.AI

本文提出DisTrans模型，利用结构-活性分析优化分子结构与视觉图像的跨域自适应表示，通过梯度反转策略和跨域表示引导机制学习域依赖性和一致性信息。实验表明该方法在跨域分子关系学习任务中优于16种基线方法。

FIM-LoRA: Task-Informative Rank Allocation for LoRA via Calibration-Time Gradient-Variance Estimation

Ramakrishnan Sathyavageeswaran

cs.LG cs.CL

本文提出FIM-LoRA方法，通过校准阶段的梯度方差估计为LoRA的每层权重矩阵分配非均匀秩，以反映不同层对任务适应的贡献差异。该方法在GLUE和常识推理任务上性能与标准LoRA相当，但未提供显著突破性改进。

Cross-modal Affinity-aligned Multimodal Learning Analytics for Predicting Student Collaboration Satisfaction in Game-Based Learning

Wen-Hsin Tsai, Chia-Ming Lee, Yuk-Ying Tung

cs.LG cs.AI cs.CV

本文提出AAMLA框架，通过Cross-modal Affinity-guided Modality Alignment (CAMA)模块显式建模多模态关系并利用contrastive learning抑制无效模态，用于预测学生在协作游戏学习中的满意度。实验表明该方法在标准与模态退化条件下均优于基线。

Informative Graph Structure Learning

Shen Han et al.

cs.LG

本文指出现有Graph Structure Learning方法因基于相似性的边构建导致边数膨胀和计算开销问题，提出InGSL方法，通过互信息引导同时考虑相似性和多样性来优化边构建，可作为插件模块集成到现有框架中。实验表明该方法在减少边数的同时提升了性能。

Jacobian-Guided Anisotropic Noise Reshaping for Enhancing Representation Utility under Local Differential Privacy

Youngmok Ha et al.

cs.LG cs.CR

本文提出了一种在Local Differential Privacy (LDP)框架下，通过Jacobian矩阵识别任务相关子空间，并将各向同性噪声重塑为各向异性分布的方法，以提升数据表示在下游任务中的效用。该方法在保持隐私预算不变的同时，通过异质化噪声影响来改善数据质量。

Atoms as Language: VQ-Atom: Semantic Discretization for Molecular Representation Learning

Takayuki Kimura

cs.LG

本文提出VQ-Atom框架，通过graph neural network和vector quantization将连续的原子级graph表示离散化为对应局部化学环境的语义token，用于Transformer-based pretraining。实验表明该方法在protein-ligand interaction预测中优于传统tokenization方法。

Confidence Geometry Reveals Trace-Level Correctness in Large Language Model Reasoning

Shuo Liu, Ding Liu, Shi-Ju Ran

cs.LG cs.CL

本文研究了大型语言模型在推理过程中生成的token-level confidence trajectories，发现这些轨迹的low-dimensional representations可以区分正确与错误的推理路径，并提出了NeuralConf方法用于correctness evaluation。该工作主要关注confidence dynamics与推理正确性的统计关联，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念无直接关联。

Decoupling KL and Trajectories: A Unified Perspective for SFT, DAgger, Offline RL, and OPD in LLM Distillation

Anhao Zhao et al.

cs.LG cs.AI cs.CL

本文从sequence-level KL散度分解的角度，统一分析了LLM蒸馏中的SFT、DAgger、Offline RL和OPD等范式，指出它们隐式耦合了prefix source和token-level KL direction两个正交选择。通过解耦这两个轴，文章提出了四种有效的目标函数，并揭示了KL方向、prefix source和训练长度带来的三种权衡。

PhysioSeq2Seq: A Hybrid Physiological Digital Twin and Sequence-to-Sequence LSTM for Long-Horizon Glucose Forecasting in Type 1 Diabetes

Phat Tran et al.

cs.LG cs.AI q-bio.QM

本文提出PhysioSeq2Seq混合架构，结合患者特异性生理数字孪生与Seq2Seq LSTM，通过匹配最佳生理模型并注入ODE状态变量，实现48步无递归误差累积的长期血糖预测。在T1DEXI数据集上，该方法在240分钟预测中显著降低了递归LSTM的偏差和ODE模型的误差。

SE-GA: Memory-Augmented Self-Evolution for GUI Agents

Shilong Jin, Lanjun Wang, Zhuosheng Zhang

cs.LG

本文提出SE-GA框架，通过分层memory结构和迭代自改进机制增强GUI agent的长期规划与动态适应能力。核心方法TTME在推理时动态检索episodic、semantic和experiential memories以提供上下文，MASE训练流程则利用收集的数据稳定并提升基础policy。

Tensor Channel Equivariant Graph Neural Networks for Molecular Polarizability Prediction

Jean Philip Filling, Daniel Franzen, Michael Wand

cs.LG

本文提出了一种张量通道等变图神经网络，通过将显式对称二阶张量通道融入PaiNN架构的消息传递过程，直接预测分子极化率张量。实验表明，该方法在QM7-X数据集上优于仅通过读出层构造张量的基线模型，但未涉及代码、上下文、谱方法、Muon、预训练、智能体或注意力等关键词。

ArtifactLinker: Linking Scientific Artifacts for Automatic State-of-the-Art Discovery

Haofei Yu et al.

cs.LG

本文提出ArtifactLinker框架，将HuggingFace建模为artifact graph，通过GNN或LLM预测模型与数据集间的缺失链接，并用LLM agent验证，以自动发现SOTA模型。该方法主要面向机器学习工程应用，与关键词中的agent有一定关联，但缺乏理论或方法上的开创性。

AIM: Adversarial Information Masking for Faithfulness Evaluation of Saliency Maps

Chia-Ying Hsieh, Hsin-Yuan Fang, Chun-Shu Wei

cs.LG cs.CV

本文提出Adversarial Information Masking (AIM)框架，通过对抗性特征替换来评估saliency map的忠实性，并减少传统masking方法引入的分布外伪影或残余信息偏差。实验在图像、音频和EEG任务上验证了其有效性。

Emulating the Forced Response of Climate Models with Flow Matching

Graham Clyne et al.

cs.LG

本文使用Flow Matching方法训练深度学习模型，模拟全球气候模型在不同Shared Socioeconomic Pathways下的强迫响应，并成功生成了训练中未见过的情景。该工作验证了用深度学习模拟多种气候强迫（如温室气体和气溶胶）的可行性，但方法本身并非开创性，且与关键词列表中的概念关联较弱。

Extending Pretrained 10-Second ECG Foundation Models to Longer Horizons

Wei Tang et al.

cs.LG cs.AI

本文提出了一种参数高效的框架，用于将预训练的10秒心电图（ECG）foundation model扩展到更长且长度可变的ECG记录，无需重新训练backbone。该方法通过一个轻量级插件模块，结合结构兼容的长序列处理和语义信息的时间建模，在多个长时程ECG任务上优于滑动窗口和池化基线。

Decision-Aware Proximal Bridge Learning for Optimal Treatment Selection

Tomàs Garriga et al.

cs.LG

本文针对连续动作空间下的个体化治疗选择问题，提出了一种决策感知的proximal bridge学习框架，通过引入策略目标加权的bridge损失函数来强调决策相关区域，并证明了该损失能通过加权不适定常数控制治疗选择遗憾。

Ranking-Aware Calibration for Reliable Multimodal Reinforcement Learning

Peng Cui, Boyao Yang, Jun Zhu

cs.LG

本文提出Ranking-Aware Calibration (RAC)方法，通过ranking-aware group loss和clean-corrupted pairwise loss两种对比信号在训练时监督confidence，以改善多模态强化学习后训练中policy的calibration问题。该方法无需额外标注，在Qwen2.5-VL和InternVL-3.5上验证了其在clean和corrupted输入下对accuracy和calibration error的改进。

BoLT: A Benchmark to Democratize Black-box Optimization Research for Expensive LLM Tasks

Ruth Wan Theng Chew et al.

cs.LG cs.AI

本文提出了一个名为BoLT的基准测试，用于评估黑箱优化方法在昂贵的大型语言模型任务上的表现。该基准通过轻量级代理模型模拟真实实验数据，涵盖了多保真度、多目标等复杂优化场景。

Learning-Zone Energy: Online Data Selection for Efficient RL Post-Training

Peng Cui, Boyao Yang, Jun Zhu

cs.LG cs.AI

本文提出Learning-Zone Energy (LZE)框架，通过融合初始难度锚点、归一化结果不确定性和通过率动量三个信号，为RL后训练阶段在线选择数据，仅保留40%训练数据即可匹配甚至超越全数据基线，并显著降低训练FLOPs。该方法主要关注RL训练效率，与关键词中的code, context, spectral, Muon, pretrain, agent, attention均无直接关联。

When Dynamics Shift, Robust Task Inference Wins: Offline Imitation Learning with Behavior Foundation Models Revisited

Rishabh Agrawal, Rahul Jain, Ashutosh Nayyar

cs.LG cs.AI

本文针对Behavior Foundation Models (BFMs)在环境动力学变化下鲁棒性不足的问题，提出将任务推断过程建模为robust minimax optimization问题，在不修改预训练的情况下实现对抗最坏情况动力学扰动的适应。该方法仅依赖单一标称环境的离线数据，在动力学变化场景下显著优于标准BFM和鲁棒离线IL基线。

Why Do Reasoning Models Lose Coverage? The Role of Data and Forks in the Road

Ngoc-Hieu Nguyen et al.

cs.LG

本文研究了基于SFT的推理模型在训练后出现的coverage shrinkage现象（即pass@k性能相对于基模型下降），通过设计包含决策点（forks in the road）的受控实验，发现该现象与训练数据中决策点场景的普遍性密切相关，并提出了通过数据合成和多样性解码机制来部分缓解该问题。

Osama Zafar et al.

cs.LG cs.AI cs.CR

本文提出了一种用于数据敏感型RAG系统的隐私策略执行框架，使用双单类密度估计器与融合文本嵌入来检测非标准属性簇导致的上下文数据泄露，并在医学、金融和法律领域进行了合成数据测试。该方法在边界安全测试中优于传统高斯混合基线，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词。

D$^2$Evo: Dual Difficulty-Aware Self-Evolution for Data-Efficient Reinforcement Learning

Ru Zhang et al.

cs.LG cs.AI cs.CL

本文提出D$^2$Evo框架，通过双难度感知自进化机制解决强化学习中有效数据稀缺和难度动态变化问题，在数学推理基准上以少于2000个真实样本取得优于现有方法的表现。

Privacy-Preserving Generation Fraud Detection for Distributed Photovoltaic Systems: A Solar Irradiance-Fused Federated Learning Framework

Xiaolu Chen et al.

cs.LG cs.CE

本文针对分布式光伏系统中的发电欺诈检测问题，提出了一种基于federated learning的隐私保护框架，通过co-attention机制融合光伏发电与天气数据，并利用prototype alignment处理类别不平衡问题。实验表明该方法在真实数据集上优于现有FL方法。

1GC-7RC: One Graphic Card -- Seven Research Challenges! How Good Are AI Agents at Doing Your Job?

Robin-Nico Kampa et al.

cs.LG cs.AI cs.CL

本文提出了一个名为1GC-7RC的benchmark，用于评估AI coding agent在单GPU上从头设计、实现和训练ML模型的能力，涵盖7个不同的ML任务。实验对比了多个proprietary和open-source agent，揭示了它们在ML知识、规划能力和时间管理上的显著差异。

Learning Multi-Timescale Abstractions for Hierarchical Combinatorial Planning

Vivienne Huiling Wang, Tinghuai Wang, Joni Pajarinen

cs.LG

本文提出了一种基于模型的层次化强化学习框架，用于解决序列随机组合优化问题。该方法结合了潜在空间树搜索规划器与半马尔可夫决策过程感知的世界模型，并引入多时间尺度目标来结构化潜在动力学，以支持自适应时间抽象下的高效前瞻规划。

Scale Determines Whether Language Models Organize Representation Geometry for Prediction

Weilun Xu

cs.LG cs.CL

本文引入Subspace PGA指标，研究语言模型表示几何与预测任务的对齐程度，发现模型规模决定了中间层几何结构是否随训练保持预测导向的组织。

Mechanism Learning: Prototype-Anchored Mechanism Inference for Scientific Forecasting

Qian Jiang, Liping Sun

cs.LG

本文提出了一种名为mechanism learning的框架，通过估计当前活跃的局部演化规则（mechanism）来预测未来状态，而非直接预测状态。该方法利用prototype anchors（一组代表性机制）来构建数据驱动的结构化机制空间，并在Burgers动力学、WeatherBench2和Lorenz96等任务上验证了其在数据稀缺或高维复杂场景下的预测优势。

Differentiable Optimization Layers for Guaranteed Fairness in Deep Learning

David Troxell, Noah Roemer, Guido Montúfar

cs.LG stat.CO stat.ML

本文提出了一种可微分的“公平性层”，将其附加到深度学习模型的输出层，以在神经网络中保证输出公平性，并引入了一种在线原始-对偶推理算法来处理流式预测。该方法主要关注公平性约束，与关键词中的概念关联较弱。

An Analytical Multiple Criteria Framework for Temporal and Dynamic Business-to-Business Customer Segmentation in Manufacturing

Muhammad Raees, Konstantinos Papangelis, Vassilis Javed Khan

cs.LG

本文提出了一种动态多准则决策方法，通过扩展RFM模型并整合层次分析法与多元时间序列聚类，用于B2B制造企业的客户细分。该方法在真实数据集上验证了其对时间变化的鲁棒性，但未涉及关键词中的核心概念。

Stress-Testing Neural Network Verifiers with Provably Robust Instances

David Troxell et al.

cs.LG cs.LO math.OC

本文提出了一种可重用的框架，用于生成已知ground-truth鲁棒性标签的神经网络验证实例，并引入了验证难度分布（Difficulty Profile）来系统研究验证器的失败模式。通过评估五个最先进的验证器，发现了一些数值容差问题和实现错误。

When Bits Break Recourse: Counterfactual-Faithful Quantization

Chaymae Yahyati et al.

cs.LG cs.AI cs.CV

本文研究了低比特量化对算法反事实解释（algorithmic recourse）稳定性的破坏问题，提出了两个新指标（Validity Drop和Counterfactual Recourse Gap）来量化这种破坏，并设计了Counterfactual-Faithful Quantization (CFQ)方法，通过训练量化参数和混合精度分配来保持反事实行为。实验表明，该方法在保持精度的同时显著改善了反事实稳定性。

OpenJarvis: Personal AI, On Personal Devices

Jon Saad-Falcon et al.

cs.LG cs.AI cs.CL

本文提出OpenJarvis架构，将个人AI系统分解为五个可独立优化的原语，并引入LLM-guided spec search方法，使本地模型在部分基准测试中接近云端模型性能，同时大幅降低成本和延迟。

The Geometry of Projection Heads: Conditioning, Invariance, and Collapse

Faris Chaudhry

cs.LG math.OC stat.ML

本文从Riemannian metric的几何视角分析了self-supervised learning中的projection head，证明线性头执行隐式子空间白化，而非线性头通过调整局部度量满足loss的拓扑约束。研究揭示了smooth activation（如Swish）通过引入负曲率避免dimensional collapse，而线性或ReLU头则依赖离散优化与BatchNorm，最终将projection head解释为解耦语义backbone与预训练目标刚性约束的几何缓冲器。

OPTNet: Ordering Point Transformer Network for Post-disaster 3D Semantic Segmentation

Nhut Le, Ehsan Karimi, Maryam Rahnemoonfar

cs.LG cs.CV

本文提出OPTNet，通过一个可学习的Point Sorter模块和自监督排序损失，动态优化点云序列以提升attention机制在灾后3D语义分割中的性能，在3DAeroRelief数据集上优于现有方法。

Anytime and Difficulty-Adaptive PAC-Bayes for Constrained Density-Ratio Network with Continual Learning Guarantees

Paulo Akira F. Enabe

cs.LG

本文提出了一种基于约束密度比网络（constrained density-ratio network）的在线自适应PAC-Bayes框架，用于处理协变量偏移下的学习问题。该框架通过增广拉格朗日方法施加Radon-Nikodym导数的结构约束，并提供了固定时间与任意时间两种泛化保证，实验验证了其在真实数据上的有效性。

FishBack: Pullback Fisher Geometry for Optimal Activation Steering in Transformers

Sihan Wang, Jiayi Zhao

cs.LG cs.CL

本文发现Transformer中activation space的Euclidean假设不成立，并基于Fisher information metric的pullback提出FishBack框架，推导出最小失真的steering方向闭式解。该方法在GPT-2上优于Euclidean baselines，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联较弱。

Active Budget Allocation for Efficient Scaling Law Estimation via Surrogate-Guided Pruning

Viktoria Schram et al.

cs.LG

本文探讨了在经验scaling law研究中，通过Successive Halving (SH)结合参数化与非参数化surrogate模型来优化计算预算分配，以高效估计模型性能与计算量之间的关系。实验表明，该方法能在显著降低计算成本（最高节省98.7%）的同时，获得比传统均匀分配更优的loss-compute frontier。

Learning in Position-Aware Multinomial Logit Bandits: From Multiplicative to General Position Effects

Xi Chen et al.

cs.LG stat.ML

本文研究了位置感知多项Logit Bandit中的动态联合品类选择与定位问题，针对乘性位置效应和一般位置效应两种模型设计了基于回合的学习算法，并首次给出了遗憾最优的刻画。

Drift Flow Matching

Chenrui Ma et al.

cs.LG cs.AI

本文提出Drift Flow Matching (DFM)框架，将Drift Models的一步生成与Flow Matching的迭代生成相结合，通过连接直接transport map与基于流的迭代过程，实现了在单步效率与多步质量之间的灵活权衡。实验验证了该方法在不同任务和数据集上的有效性与通用性。

Fidelity Probes for Specification--Code Alignment

Ferhat Erata, Hao Zhou, Luke Huan

cs.LG cs.AI

本文提出了一种名为fidelity probes的方法，通过从代码生成自然语言问题并验证其与规范的一致性，来评估规范与代码的对齐程度。该方法在COBOL基准测试上展示了从0.63到0.94的fidelity提升，并利用Markov固定点预测收敛位置。

Towards Principled Test-Time Adaptation for Time Series Forecasting

Haochun Wang et al.

cs.LG

本文从协议清洁性的角度重新审视了时间序列预测中的测试时适应问题，提出了一种仅基于成熟真实值的适应协议。在该协议下，作者诊断了现有适配器在频域中的局限性，并提出了轻量级的频域校准方法FAC，该方法在频域中直接参数化预测修正，在多个数据集上取得了有竞争力的性能。

When Molecular Similarity Works: Property Cliffs Reveal Hidden Errors

Di Hu et al.

cs.LG

本文指出分子性质预测中，结构相似分子可能因性质悬崖（property cliffs）导致模型局部失效，并提出了CliffSplit评估协议和CliffLoss缓解机制，实验表明该方法能暴露并缩小误差差距。

Calibeating for general proper losses: A Bregman divergence approach

Maximilian Fichtl, Cristóbal Guzmán, Nishant A. Mehta

cs.LG stat.ML

本文基于Bregman divergence视角，为一大类proper losses（包括$\alpha$-Tsallis losses和Lipschitz losses）建立了通用的calibeating框架，并证明了U-calibration结果。该工作通过在线更新公式和regret equality，在更弱的维度依赖下同时获得了对数regret。

State-of-the-Art Claims Require State-of-the-Art Evidence

YongKyung Oh

cs.LG cs.AI

本文指出AI/ML研究中广泛存在的SOTA声明与基准评估证据之间的差距，发现超过一半的顶级模型比较中，平均分优势并不代表真正的优越性，并呼吁声明语言应反映证据强度。

How Do Electrocardiogram Models Scale?

Jiawei Li et al.

cs.LG cs.AI

本文系统研究了心电图(ECG)模型中的scaling laws，通过在CODE数据集上预训练超过120个模型（参数从20K到200M），解耦了模型架构（ResNet vs. Transformer）和预训练范式（监督学习SL vs. 自监督学习SSL）的影响。研究发现，SSL模型在模型和数据规模上均能稳健扩展，而ResNet在分布外泛化中比Transformer更参数高效，且SSL比SL在未见临床任务上具有更高的数据效率和迁移效率。

UNR-Explainer: Counterfactual Explanations for Unsupervised Node Representation Learning Models

Hyunju Kang, Geonhee Han, Hogun Park

cs.LG cs.AI

本文提出UNR-Explainer，一种基于Monte Carlo Tree Search (MCTS)的方法，用于为无监督节点表示学习模型（如GraphSAGE和DGI）生成反事实解释。该方法通过扰动图中最重要的子图来改变目标节点在嵌入空间中的k近邻，从而提供解释。

LEAP: Learnable End-to-End Adaptive Pruning of Large Language Models

Mohammad Mozaffari et al.

cs.LG cs.AI

本文提出LEAP方法，通过可学习的Bernoulli-via-Gumbel-sigmoid松弛实现大语言模型非结构化剪枝的端到端训练，在50%和60%稀疏度下相比ADMM等逐层基线方法提升了平均零样本准确率。

Step-wise Rubric Rewards for LLM Reasoning

Weichu Xie et al.

cs.LG

本文提出Step-wise Rubrics as Rewards (SRaR)框架，通过LLM judge将rubric项归因到具体推理步骤，并归一化每步得分以产生学习信号，结合解耦优势估计器与结果奖励。在六个数学推理基准上，SRaR相比RaR提升了准确率，并减少了自我修正循环。

DISA: Offline Importance Sampling for Distribution-Matching LLM-RL

Shaobo Wang et al.

cs.LG cs.CL

本文提出DISA方法，通过离线重要性采样将distribution-matching RL中的partition function估计与policy学习解耦，从而避免在线耦合导致的校准误差。实验表明，该方法在数学和代码基准上匹配或优于现有baseline，并保留了更多策略多样性。

Compress the Context, Keep the Commitments: A Formal Framework for Verifiable LLM Context Compression

Natalia Trukhina, Vadim Vashkelis

cs.LG cs.CL

本文提出Context Codec框架，将对话状态表示为带类型和来源的语义原子，并引入关键原子召回率等指标来量化压缩质量。该工作为可验证的LLM上下文压缩提供了形式化基础，但主要聚焦于语义承诺的保持而非压缩效率或谱方法等方向。

Learning Higher-Order Structure from Incomplete Spatiotemporal Data: Multi-Scale Hypergraph Laplacians with Neural Refinement

Keshu Wu et al.

cs.LG cs.AI

本文提出Multi-Scale Hypergraph Laplacians (MSHL)框架，用于从不完整时空数据中学习高阶结构。该方法通过构建多尺度hypergraph并引入神经细化网络，在交通网络数据上优于成对图基线方法。

Leveraging Error Diversity in Group Rollouts for Reinforcement Learning

Wenpu Liu et al.

cs.LG

本文提出了一种名为Error Diversity Advantage Shaping (EDAS)的轻量级技术，通过利用组内错误多样性来调整强化学习中的优势信号，以提升基于可验证奖励的强化学习（RLVR）性能。该方法在多个数学基准测试上取得了改进，但与关键词列表中的概念关联较弱。

Bridging the Gap between Sparse Matrix Reordering and Factorization: A Deep Learning Framework for Fill-in Reduction

Ziwei Li et al.

cs.LG

本文提出了一种基于深度学习的稀疏矩阵重排序框架，通过多网格GNN架构学习图Laplacian矩阵的spectral embedding来近似最小特征向量，并基于秩分布最小化填充元产生的潜在空间，以桥接重排序与矩阵分解之间的gap。实验表明该方法与传统图论算法和深度学习方法相比具有竞争力。

\textsc{MasFACT}: Continual Multi-Agent Topology Learning via Geometry-Aware Posterior Transfer

Xuefei Wang et al.

cs.LG cs.AI

本文提出MasFACT框架，通过几何感知后验迁移（geometry-aware posterior transfer）解决多智能体系统（MAS）在持续学习中的拓扑遗忘问题。该方法利用Fused Gromov-Wasserstein最优传输在任务间传递拓扑先验，并结合PAC-Bayes引导的保守后验适应来平衡可塑性与稳定性。实验表明该方法在多种持续学习场景下能提升平均准确率并减少拓扑遗忘。

Learning Fill-in Reduction Ordering via Graph Policy Optimization for Sparse Matrices

Ziwei Li et al.

cs.LG

本文提出了一种基于graph policy optimization的稀疏矩阵fill-in reduction排序方法，通过multi-hop graph neural network嵌入全局fill-in信息，并结合symbolic factorization提供局部fill-in反馈。该方法在SuiteSparse Matrix Collection上相比现有方法在fill-in和内存使用上取得了显著改进。

Self-Supervised Learning for Sparse Matrix Reordering

Ziwei Li et al.

cs.LG

本文提出了一种基于自监督学习的稀疏矩阵重排序方法，利用多网格图网络捕获顶点结构信息，并通过三元组采样策略和端到端链损失函数来减少矩阵分解中的填充元。实验在SuiteSparse数据集上验证了该方法在减少填充和加速LU分解方面的有效性。

IVF-TQ: Streaming-Robust Approximate Nearest Neighbor Search via a Codebook-Free Residual Layer

Tarun Sharma

cs.LG cs.AI cs.DB cs.IR

本文提出IVF-TQ，一种基于无码本残差层的IVF索引，通过固定随机旋转和预计算Lloyd-Max标量量化来避免训练码本，从而解决流式场景下ANN索引的陈旧性问题。实验表明，IVF-TQ在流式Deep-10M数据集上性能稳定，而IVF-PQ则显著退化。

Learning Displacement-Robust Representations for Landslide Early Warning under Rainfall Forecast Uncertainty

Ren Ozeki, Hamada Rizk, Hirozumi Yamaguchi

cs.LG cs.AI

本文提出了一种名为RMCL的对比学习方法，用于提升降雨预报中空间位移误差下的滑坡预警鲁棒性。该方法通过模拟降雨场运动中的位移扰动来学习稳定的潜在表示，并在日本19个区域的数据上验证了其有效性。

Progressive Generalization Augmentation with Deeply Coupled RND-PPO and Domain-Prioritized Noise Injection for Robust Crop Management Reinforcement Learning

Wu Yang

cs.LG cs.AI

本文针对农业强化学习中的鲁棒性问题，提出了一种渐进式泛化增强方法，结合了深度耦合的RND-PPO架构与领域优先的噪声注入策略，在玉米灌溉任务上提升了产量和氮利用效率。

Radial-Angular Geometry for Reliable Update Diagnosis in Noisy-Label Learning

Ningkang Peng et al.

cs.LG cs.CV

本文提出Relative Geometric Conflict (RGC)方法，通过比较观察标签梯度与EMA教师模型生成的参考梯度，在噪声标签学习中诊断样本更新的可靠性。该方法将可靠性估计从前向信号（如loss）转向后向空间，但未涉及code、spectral或Muon等关键词。

MATE: Solving Contextual Markov Decision Processes with Memory of Accumulated Transition Embeddings

Himchan Hwang et al.

cs.LG cs.AI

本文提出MATE，一种用于求解Contextual Markov Decision Processes (CMDPs)的记忆架构。该方法利用后验分布的置换不变性，用sum-aggregated memory替代难以处理的后验，在保持表达能力的同时避免了Transformer的递增计算成本和RNN的梯度问题。

DP-SelFT: Differentially Private Selective Fine-Tuning for Large Language Models

Haichao Sha et al.

cs.LG cs.CR

本文提出DP-SelFT框架，通过构建轻量级DP合成数据集进行参数选择，并引入匹配下游DP微调噪声的扰动机制，以提升大语言模型在差分隐私微调中的隐私-效用权衡。该方法在基准任务上优于现有基线。

ClaHF: A Human Feedback-inspired Reinforcement Learning Framework for Improving Classification Tasks

Tianxiang Xu et al.

cs.LG

本文提出ClaHF框架，将人类反馈启发的强化学习用于文本分类，通过构建候选预测的相对排序关系来改进模型。该方法在多个分类任务上提升了性能，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

TriOpt: A Scalable Algorithm for Linear Causal Discovery

Rafat Ashraf Joy, Elena Zheleva

cs.LG

本文提出了一种名为TriOpt的线性因果发现算法，通过将拓扑排序恢复与结构学习分解为两个高效阶段，利用Sherman-Morrison rank-1 downdate和线性kernel的加性结构实现可扩展的排序估计，并避免了昂贵的acyclicity约束。实验表明，该方法在高维场景下相比现有方法实现了数量级的加速，同时保持相当的准确性。

WinQ: Accelerating Quantization-Aware Training of Language Models Around Saddle Points

Dongyue Li et al.

cs.LG math.NA

本文分析了语言模型量化感知训练(QAT)中损失曲面Hessian矩阵的谱特性，发现权重收敛到鞍点附近的平坦区域，其中Hessian特征值正负并存且幅度较小。为解决此问题，提出了WinQ算法，通过周期性重置权重到全精度与量化权重的线性插值以及噪声注入梯度计算来加速训练。

Beyond Linear Superposition: Discovering Climate Features in AI Weather Models with KAN-SAE

Minjong Cheon

cs.LG cs.AI cs.CV physics.ao-ph

本文提出KAN-SAE，一种将KAN中的B-spline激活函数引入Sparse Autoencoder (SAE)的方法，用于解释深度学习天气预测模型中的内部表征。该方法在非线性特征提取上优于线性基线，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Self-Supervised On-Policy Distillation for Reasoning Language Models

Zhiquan Tan, Yinrong Hong

cs.LG

本文提出Self-Supervised On-Policy Distillation (SSOPD)方法，通过将组内正确与错误回答的对比转化为密集过程监督信号，改进了GRPO-style RLVR训练。实验表明该方法在多个推理基准上优于GRPO基线，但未涉及code、spectral、Muon等关键词。

t-gems: text-guided exit modules for decreasing clip image encoder

Alberto Presta et al.

cs.LG

本文提出Text-Guided Exit Modules (T-GEMs)和基于比率的正则化器，用于在CLIP等多模态编码器中通过中间层提前退出以减少计算开销。该方法利用文本描述引导的语义分布来控制编码器使用成本，同时保持跨模态理解性能。

The Silent Brush: Evaluating Artistic Style Leakage in AI Art Generation

Ninad Joshi et al.

cs.LG cs.CV

本文提出Art Arena评估协议，用于量化文本到图像生成模型（如Stable Diffusion）中未在prompt中显式提及的艺术风格无意重现现象（称为The Silent Brush），并分析了不同艺术品在模型中的表征强度差异导致的非对称风格混合。

BESplit: Bias-Compensated Split Federated Learning with Evidential Aggregation

Yuhan Xie, Chen Lyu, Jingrong Huang

cs.LG cs.AI

本文提出BESplit框架，通过Evidential Aggregation和Bias-Compensated Collaboration等方法，解决Split Federated Learning在非独立同分布数据下的偏差优化和不稳定收敛问题。实验表明该方法在多个数据集上优于现有技术。

Coordinate Heterogeneity Governs Binary Quantization: From InfoNCE to Recall

Wenxuan Xiao

cs.LG cs.DB

本文研究了Binary Quantization (BQ)在压缩高维embedding时的性能差异，通过连接InfoNCE训练的Gaussian结构，揭示了coordinate heterogeneity（坐标方差的非均匀性）是决定BQ性能的关键因素，并推导了ranking fidelity的闭式表达式。

CasualSynth: Generating Structurally Sound Synthetic Data

Zehua Cheng et al.

cs.LG cs.AI cs.CL

本文提出CausalSynth框架，通过将因果结构生成与语义实现解耦，利用Structural Causal Model (SCM)生成满足全局马尔可夫性质的因果骨架，再由LLM将其映射为高维观测数据，并引入迭代一致性验证模块修正结构违规。该方法解决了LLM生成数据中因果机制被先验知识覆盖的Semantic Backdoor问题，在因果基准上保持了条件独立性。

Q-LocalAdam: Memory-Efficient Client-Side Adaptive Optimization for Edge Federated Learning

Vedant Waykole, Haroon R. Lone

cs.LG

本文针对边缘联邦学习中客户端内存受限的问题，提出Q-LocalAdam方法，通过对Adam优化器的momentum和variance状态进行分布感知的8-bit量化（对momentum使用block-wise线性编码，对variance使用log-space编码），在保持模型参数全精度的前提下，实现了约3.37倍优化器内存压缩，并在非IID数据下保持或提升模型精度。

PFlow-T: A Persistence-Driven Forward Process for Topology-Controlled Generation

Snigdha Chandan Khilar

cs.LG cs.CV

本文提出PFlow-T，一种基于persistent homology（持续同调）的生成模型，其前向过程通过破坏H1拓扑特征（如空洞）而非注入Gaussian noise来定义时间。该模型在低分辨率MNIST数字上展示了生成指定Betti数的能力，但受限于低分辨率像素空间，且与关键词列表中的概念关联较弱。

Beyond Accuracy: Robustness, Interpretability and Expressiveness of EEG Foundation Models

Urban Širca et al.

cs.LG cs.AI cs.HC

本文对六种EEG foundation models (EEG-FMs)进行了系统性评估，超越了传统的干净数据准确率，分析了它们在噪声、通道丢失等扰动下的鲁棒性，并首次将Attention-Aware Layer-Wise Relevance Propagation (AttnLRP)应用于EEG-FMs以研究其可解释性，同时通过block-wise probing探讨了其表达能力。研究发现，不同模型在不同故障模式下表现各异，且模型在扰动下仍能关注正确脑区但解码内容受损。

Structured Neural Marked Point Processes for Interpretable Event Interaction Modeling

Zhitong Xu et al.

cs.LG

本文提出了一种结构化神经标记点过程(SNMPP)，通过乘积形式的神经影响核显式建模事件类型间的激发、抑制和中性关系，并设计了分层蒙特卡洛估计器进行高效学习。该方法在合成和真实数据集上验证了其发现结构化关系的能力和预测性能。

How Off-Policy Can GRPO Be? Mu-GRPO for Efficient LLM Reinforcement Learning

Minghao Tian, Yunfei Xie, Chen Wei

cs.LG cs.CL

本文研究了GRPO算法在off-policy场景下的表现，提出了Mu-GRPO框架，通过减少生成-优化阶段的切换次数来提升训练效率，并引入松弛裁剪和负优势否决机制来稳定训练。实验表明该方法在多个数学推理基准上匹配或超越标准GRPO，同时实现约2倍训练加速。

UniAlign: A Model-Agnostic Framework for Robust Network Traffic Classification under Distribution Shifts

Tongze Wang et al.

cs.LG cs.AI

本文提出UniAlign框架，通过结合域对齐微调和稳定模型集成来提升网络流量分类模型在分布偏移下的鲁棒性。该框架与现有模型架构无关，在多个数据集上验证了其有效性。

Scale-Equivariant Generative Forecasting: Weight-Tied Dilated Convolutions, Wavelet Scattering Inputs, and Spectral-Consistency Training for Self-Similar Time Series

Andrea Morandi

cs.LG cs.CE

本文提出了一种尺度等变生成预测模型SE-WaveNet，通过权重共享的扩张卷积、小波散射输入和谱一致性训练，为自相似时间序列（如金融收益率）设计了一种多尺度架构。该方法在S&P 500数据上验证了其尺度等变性质，但并未直接涉及代码、上下文、谱方法、Muon、预训练、智能体或注意力机制等关键词。

Form and Function: Machine Unlearning as a Problem of Misaligned States

Kennon Stewart

cs.LG math.OC

本文针对在线L-BFGS优化器提出了一种机器遗忘的公式化方法，将其视为反事实状态对齐问题，并引入了状态感知的度量指标来评估遗忘效果。在凸性假设下，推导了反事实状态偏差的递归界，并通过实验表明遗忘不仅是参数修正问题，还需要与可实现的优化器状态对齐。

Venom: A PyTorch Generative Modeling Toolkit

Liang Yan

cs.LG

Venom是一个基于PyTorch的教育性生成建模工具包，统一实现了扩散模型、流匹配、VAE、GAN等多种生成范式，并提供一致的训练和采样接口。该工具包主要面向教学和原型开发，而非大规模性能优化。

The Neural Tangent Kernel for Classification

Jonathan Plenk et al.

cs.LG

本文研究了Neural Tangent Kernel (NTK)理论在分类任务中的适用性，发现当使用cross-entropy loss且存在参数空间正则化时，宽神经网络在训练中仍能保持NTK近似恒定。该工作将NTK理论从回归损失扩展到了分类场景，并分析了随机初始化下训练预测器的分布与Bayesian方法的关系。

Adaptive Generate-Rank-Verify: Inference-Time Search with Costly Verification

Shaddin Dughmi, Mahdi Haghifam, Yusuf Hakan Kalayci

cs.LG

本文形式化了生成式主动搜索问题，提出了一种自适应生成-排序-验证算法ADAP，在奖励分数与验证成本不同的场景下，通过逐步增加采样和验证数量来优化期望成本。实验在数学推理和编程任务上验证了其相对于非自适应策略的优势。

Verifier-Guided Code Translation via Meta-Step Decoding

Tianyang Zhou et al.

cs.LG cs.SE

本文提出Decoding Time Verification (DTV)框架，通过在代码翻译过程中将结构边界视为meta steps并交织verifier调用，以状态机控制器强制生成有效前缀，从而减少错误传播和无效token消耗。实验表明，在C-to-Rust和JavaScript-to-TypeScript翻译任务中，DTV相比后验验证或基于采样的扩展方法，在相同token预算下取得了更高的通过率。

TabKDE: Simple and Scalable Tabular Data Generation with Kernel Density Estimates

Meysam Alishahi et al.

cs.LG

本文提出TabKDE方法，使用copula变换和kernel density estimate来生成表格数据，在几乎无需训练的情况下接近现有方法的精度，并支持大规模数据集上的高效运行。

Counterfactual Explanations Under Concept Drift

Marcin Kostrzewa, Jerzy Stefanowski, Maciej Zięba

cs.LG

本文关注数据流场景下concept drift导致counterfactual explanations失效的问题，提出一种轻量级、模型无关的更新方案，通过局部采样估计有效性和合理性方向来修复已有解释，实验表明该方法能维持解释有效性且成本低于重新生成。

LLMForge: Multi-Backend Hardware-Aware Neural Architecture Search with Infinite-Head Attention for Edge Language Models

Xinting Jiang et al.

cs.LG cs.AI

本文提出了LLMForge框架，通过Infinite-Head Attention (IHA)扩展了attention配置空间，并利用硬件感知的NAS方法为边缘设备搜索语言模型架构，在不同硬件上得到了性能、能耗和延迟优化的变体。

When a Zero-Shooter Cheats: Improving Age Estimation via Activation Steering

Erik Imgrund et al.

cs.LG

本文发现基于vision-language model (VLM)的零样本年龄估计存在身份捷径问题，即模型通过识别身份而非视觉特征来推断年龄。为此，作者提出一种activation steering方法，通过干预VLM的hidden states来抑制该捷径，从而提升年龄估计的准确性。

Bug or Feature$^2$: Weight Drift, Activation Sparsity, and Spikes

Egor Shvetsov et al.

cs.LG

本文研究了标准损失函数与正偏激活函数相互作用导致的负权重漂移现象，证明了在MSE或交叉熵损失下，正预激活的梯度在初始化时期望非负，从而在早期训练中驱动下游权重向负值偏移。该漂移是优化固有的，并在多种架构和激活函数中普遍存在，同时分析了由此产生的激活稀疏性与准确率之间的权衡。

PEIRA: Learning Predictive Encoders through Inter-View Regressor Alignment

Michael Arbel, Basile Terver, Jean Ponce

cs.LG cs.AI

本文分析了JEPA变体在正则化线性回归下的稳定性，并提出了PEIRA方法，通过显式目标函数避免坍塌解。该方法在ImageNet-1K和CIFAR-10上表现与VICReg和LeJEPA相当。

Exact Convex Reformulations of Linear Neural Networks via Completely Positive Lifting

Karthik Prakhya, Alp Yurtsever

cs.LG math.OC

本文通过完全正锥提升将深度线性神经网络的训练问题转化为一个精确的凸重构问题，其提升空间的维度仅依赖于输入和输出维度，与网络深度和数据点数量无关。该工作为线性因子化导致的非凸性提供了精确的锥表示，并建立了线性神经网络训练与copositive programming之间的联系。

Fine-tuning Pocket-Aware Diffusion Models via Denoising Policy Optimization

Yuan Xue, Daniel Kudenko, Megha Khosla

cs.LG cs.AI

本文提出DEPPA方法，通过将预训练的pocket-aware扩散模型的逆向去噪过程建模为多步Markov决策过程，并利用强化学习中的Denoising Policy Optimization进行微调，以优化分子属性。该方法在CrossDocked2020基准上提升了结合亲和力、类药性和多样性等指标。

Agent Bazaar: Enabling Economic Alignment in Multi-Agent Marketplaces

Seth Karten, Cameron Crow, Chi Jin

cs.LG cs.MA

本文提出了Agent Bazaar，一个用于评估多agent系统中经济对齐（Economic Alignment）的多agent模拟框架，并识别了两种失败模式：算法不稳定性和Sybil欺骗。实验表明，现有模型在自我调节方面普遍失败，而通过REINFORCE++训练的9B模型在性能上超越了所有前沿和开源模型。

Toy Combinatorial Interpretability Models Reveal Lottery Tickets in Early Feature Space

Alon Bebchuk, Nir Shavit

cs.LG

本文在可解释的组合性toy setting中研究lottery ticket hypothesis，发现winning tickets在初始化时已接近最终feature-channel codes，并通过特征空间距离和运动探针验证了这一机制。

Testable and Actionable Calibration for Full Swap Regret

Konstantina Bairaktari et al.

cs.LG stat.ML

本文提出了一种新的校准度量Soft-Binned Calibration Decision Loss (SCDL)，它同时满足可测试性和可操作性，并具有近乎最优的估计误差率。该工作主要关注预测校准的度量设计，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）没有直接关联。

Memisis: Orchestrating and Evaluating Synthetic Data for Tabular Health Datasets

Nitish Nagesh et al.

cs.LG

Memisis是一个用于编排和评估表格健康数据合成工具的工作流系统，它结合了现有合成工具、大语言模型和评估指标，允许用户通过交互式代理控制数据生成过程。该系统在精神分裂症数据集上比较了CTGAN、TVAE和GaussianCopula三种合成器的公平性和效用表现。

AURORA: Contextual Orthogonalization for Geometric Representation Learning in Healthcare Foundation Models

Yuanyun Zhang, Shi Li

cs.LG

本文提出AURORA框架，通过将representation分解为正交的semantic subspaces来解耦不同contextual factors，从而提升healthcare foundation model的语义可解释性和鲁棒性。该方法在多个临床任务上优于对比学习和自蒸馏baseline，但未涉及code、spectral、Muon、agent或attention等关键词。

HydroAgent: Closing the Gap Between Frontier LLMs and Human Experts in Hydrologic Model Calibration via Simulator-Grounded RL

Zhi Li et al.

cs.LG physics.geo-ph

本文探讨了使用前沿LLM agent进行水文模型校准的可行性，发现其性能与人类专家存在差距，并提出了HYDROAGENT方法，通过强化学习与模拟反馈来提升agent的校准能力。

When Accuracy Is Not Enough: Uncertainty Collapse between Noisy Label Learning and Out-of-Distribution Detection

Ningkang Peng et al.

cs.LG cs.CV

本文研究了带噪标签学习（LNL）中高分类准确率与OOD检测可靠性之间的矛盾，发现了一种称为“不确定性坍缩”的结构性重叠现象，即低置信度的错误分类样本与OOD输入在特征空间上难以区分。作为干预，作者提出了Virtual Margin Regularization (VMR)方法，通过在可信的ID batch上合成边界虚拟异常点来扩大能量间隔，部分缓解了OOD检测失败问题。

GenTS: A Comprehensive Benchmark Library for Generative Time Series Models

Chenxi Wang et al.

cs.LG eess.SP

GenTS提出了一个用于生成式时间序列模型的基准库，统一了数据预处理、模型和评估指标，并基于此进行了基准实验。该工作主要关注生成式时间序列模型的系统评估，与关键词中的概念关联较弱。

A Unified Framework for Data-Free One-Step Sampling via Wasserstein Gradient Flows

Chenguang Wang, Tianshu Yu

cs.LG stat.ML

本文基于Wasserstein gradient flows为无数据一步采样建立了统一理论框架，揭示了标准f-divergence目标下速度场的通用形式，并分析了不同divergence对采样过程的影响。实验在多模态Gaussian-mixture基准上验证了理论预测。

One Model, Two Roles: Emergent Specialization in a Shared Recurrent Transformer

Jucheng Shen, Barbara Su, Anastasios Kyrillidis

cs.LG cs.AI math.OC

本文研究了一种共享权重的循环Transformer（Asymmetric Input Recurrence, AIR）在两个状态更新中是否会产生不同的内部角色。实验表明，通过输入注入的不对称性，模型能自发形成稳定的功能分工，但该方法在理论或应用上的开创性有限，且与关键词列表中的概念关联较弱。

Content-Style Identification via Differential Independence

Subash Timilsina et al.

cs.LG cs.AI

本文提出了一种名为content-style differential independence (CSDI)的结构性条件，通过要求content和style的无穷小变化在数据流形上诱导正交方向，从而在两者存在依赖关系且Jacobian稠密时仍能实现可识别性。该方法通过Jacobian子空间的正交约束来操作化该条件，并设计了基于数值Jacobian近似的随机正则化器以支持高维生成模型。

Agentic Cost-Aware Query Planning with Knowledge Distillation for Big Data Analytics

Mahdi Naser-Moghadasi

cs.LG cs.DB

本文提出了一种结合规则、UCB1 bandit搜索和知识蒸馏的agentic查询规划系统，用于大数据分析中的查询优化。该系统通过轻量级student planner实现了快速推理，并在NYC Taxi和IMDB数据集上验证了其有效性。

Efficient Bilevel Optimization for Meta Label Correction in Noisy Label Learning

Ba Hoang Anh Nguyen, Viet Cuong Ta

cs.LG cs.AI

本文提出EBOMLC方法，通过动态barrier gradient descent和one-step inner loop update等技术，在噪声标签学习中加速元标签校正的训练过程，并减少噪声信号泄露。实验表明该方法在CIFAR数据集上优于基线，但未涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念。

Balancing Knowledge Distillation for Imbalance Learning with Bilevel Optimization

Anh B.H. Nguyen, Ba Tho Phan, Viet Cuong Ta

cs.LG cs.AI

本文提出BiKD框架，通过双层优化为每个样本动态平衡知识蒸馏中的hard loss和soft loss权重，以解决长尾分布下的不平衡学习问题。该方法使用权重生成网络和平衡验证集指导自适应权重，并在CIFAR-10/100上验证了有效性。

SNLP: Layer-Parallel Inference via Structured Newton Corrections

Ligong Han et al.

cs.LG

本文提出SNLP框架，通过将Transformer层间依赖视为非线性残差方程的解，并用结构化Newton校正（如Identity Newton和HC Newton）实现层并行推理，在0.5B Nanochat模型上获得2.3倍加速并改善困惑度。该方法主要关注推理加速，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联较弱。

Learning over Positive and Negative Edges with Contrastive Message Passing

Peter Pao-Huang et al.

cs.LG

本文分析了negative edges在graph representation中的理论价值，并提出了Contrastive Message Passing (CMP)架构，通过soft positive semidefinite constraints对positive和negative edges施加不同的变换。实验表明，在低标签率场景下，CMP能有效利用negative edges提升性能。

$\boldsymbol{f}$-OPD: Stabilizing Long-Horizon On-Policy Distillation with Freshness-Aware Control

Xianwei Chen, Shimin Zhang, Jibin Wu

cs.LG cs.AI

本文针对大语言模型在线策略蒸馏（OPD）中异步执行导致的策略漂移问题，提出了一个基于新鲜度感知的框架f-OPD。该工作通过理论分解目标差异并引入样本级新鲜度分数来调控陈旧样本的影响，在推理、工具使用和编码代理等长程任务中实现了性能与效率的平衡。

DAD4TS: Data-Augmentation-Oriented Diffusion Model for Time-Series Forecasting with Small-Scale Data

Masahiro Suzuki et al.

cs.LG

本文提出DAD4TS，一种基于diffusion model的数据增强方法，结合reinforcement learning，用于解决小样本时间序列预测问题。该方法通过将时间序列数据投影到geometric space来训练diffusion model，以替代传统的VAE方法。

HINT-SD: Targeted Hindsight Self-Distillation for Long-Horizon Agents

Woongyeng Yeo et al.

cs.LG cs.AI cs.CL

本文提出HINT-SD框架，通过全轨迹事后分析选择与失败相关的动作片段，并仅在这些目标片段上应用反馈条件蒸馏，以提升长周期LLM agent的训练效率。实验表明该方法在BFCL v3和AppWorld上相比密集逐轮反馈基线提升了最多18.80%，同时每步训练时间降低了2.26倍。

Attention Sinks and Outliers in Attention Residuals

Haozheng Luo et al.

cs.LG cs.AI

本文提出OASIS方法，通过引入基于Softmax1的null space和层间null signal，解决AttnResidual架构中attention sink和activation outliers导致的推理稳定性与量化鲁棒性问题。实验表明该方法在多个数据集上降低了最大infinity norm和平均kurtosis，并提升了量化后的perplexity和GSM8K Pass@1指标。

CoX-MoE: Coalesced Expert Execution for High-Throughput MoE Inference with AMX-Enabled CPU-GPU Co-Execution

Mu-Young Son et al.

cs.LG

本文提出CoX-MoE系统，通过AMX-enabled CPU-GPU协同执行和合并专家执行策略，优化Mixture-of-Experts (MoE)推理的吞吐量。该方法采用普通batch替代micro-batch进行专家计算，并引入静态专家感知分层方案，相比FlexGen和MoE-Lightning实现了最高7.1倍和2.4倍的吞吐量提升。

Lightweight Gaussian Process Inference in C++ on Metal and CUDA

Yu-Hsueh Fang

cs.LG

本文介绍了LightGP，一个轻量级的C++17 Gaussian process回归库，支持Metal和CUDA后端，在CPU和GPU上均比GPyTorch有显著加速，并提供了多种推理路径。

DCFold: Efficient Protein Structure Generation with Single Forward Pass

Zhe Zhang et al.

cs.LG cs.AI q-bio.QM

DCFold提出了一种单步生成模型，通过Dual Consistency训练框架和Temporal Geodesic Matching (TGM)调度器，在保持AlphaFold3级别预测精度的同时，将推理速度提升了15倍。该方法主要关注蛋白质结构预测和binder设计任务，与关键词列表中的概念关联较弱。

Domain Transfer Becomes Identifiable via a Single Alignment

Sagar Shrestha et al.

cs.LG cs.AI cs.CV

本文研究了domain transfer (DT)中的可识别性问题，提出在Jacobian支撑模式的structural sparsity条件下，通过distribution matching和单个paired anchor sample即可识别ground-truth transfer，相比先前方法需要更少的监督。文章还提出了基于randomized masked finite differences的高效Jacobian sparsity正则化方法，避免了显式Jacobian计算，并在合成和真实DT任务上验证了理论。

Training data attribution in diffusion models via mirrored unlearning and noise-consistent skew

Joan Serrà et al.

cs.LG cs.AI stat.ML

本文提出了一种名为MUCS的方法，通过镜像遗忘和噪声一致偏斜来改进扩散模型中的训练数据归因，在多个数据集上显著优于现有方法。该方法涉及微调第二个模型并测量其相对于原始模型的归一化偏斜，但未直接涉及关键词中的code、context、spectral等概念。

Enhancing the Code Reasoning Capabilities of LLMs via Consistency-based Reinforcement Learning

Zhanyue Qin et al.

cs.LG cs.PL

本文提出CodeThinker，一种基于一致性的强化学习框架，用于提升LLM的代码推理能力。它通过逐步推理感知训练、动态束采样和一致性奖励机制来缓解奖励稀疏和奖励破解问题，并在多个基准上取得了最优性能。

Function graph transformers universally approximate operators between function spaces

Takashi Furuya et al.

cs.LG

本文通过将函数提升为图上的测度，引入了一种基于测度论的Transformer视角，并提出了函数图Transformer，它通过保持图结构的映射来近似函数空间之间的非线性算子。该工作为算子学习提供了连续视角和数学工具，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

SAFE-SVD: Sensitivity-Aware Fidelity-Enforcing SVD for Physics Foundation Models

Chengjie Hong et al.

cs.LG cs.AI

本文提出了一种名为SAFE-SVD的压缩方法，用于物理基础模型（PFMs），通过考虑输出函数空间中的层敏感性来保持物理保真度，实验表明该方法在压缩比和准确性上优于传统方法。

MARR: Module-Adaptive Residual Reconstruction for Low-Bit Post-Training Quantization

Le Su, Xing Luo, Zhi Jin

cs.LG cs.AI cs.CV

本文针对低比特后训练量化中的残差重建方法，分析了Hessian近似假设引入的偏差问题，并提出模块自适应残差重建方法，通过为每个模块分配缩放系数并利用PID自适应更新策略来平衡误差修正与偏差。实验表明该方法在LLM和ViT上优于现有残差重建方法。

Scalable Decision-Focused Learning through Cost-Sensitive Regression

Noah Schutte et al.

cs.LG stat.ML

本文通过将decision-focused learning问题重新构建为cost-sensitive multi-output regression问题，提出了一种无需在训练过程中反复求解组合优化问题的高效方法。该方法通过引入cost-insensitive normalization和decision-aware asymmetric penalization等损失函数组件，在保持与现有方法相当的下游任务质量的同时，显著提升了计算效率。

Uncertainty Reliability Under Domain Shift: An Investigation for Data-Driven Blood Pressure Estimation in Photoplethysmography

Mohammad Moulaeifard et al.

cs.LG stat.ML

本文评估了基于深度学习的无袖带血压估计方法在领域偏移下的预测性能与不确定性可靠性，比较了深度集成和蒙特卡洛丢弃等方法，并发现深度集成在外部偏移下更鲁棒，而重校准对基于MSE的不确定性至关重要。

LogRouter: Adaptive Two-Level LLM Routing for Log Question Answering in Big Data Systems

Mert Coskuner, Merve Zeybel, Melik Mert Dolan

cs.LG cs.DB cs.SE

本文提出了LogRouter，一个用于大数据系统中日志问答的自适应两级LLM路由系统。该系统通过成本感知的路由策略，在四种执行路径（直接响应、关键词搜索、模板查询和语义检索）间分配查询，以平衡准确率和延迟。实验表明，该方法在保持较高回答质量的同时，显著降低了端到端延迟。

Federated Learning by Utility-Constrained Stochastic Aggregation for Improving Rational Participation

M Yashwanth et al.

cs.LG

本文提出FedUCA框架，通过utility-constrained stochastic aggregation机制，在统计异质性环境下维持理性客户端的参与，从而提升global model性能。实验表明该方法能有效提高客户端留存率。

Unveiling Memorization-Generalization Coexistence: A Case Study on Arithmetic Tasks with Label Noise

Linyu Liu, Pinyan Lu

cs.LG cs.AI stat.ML

本文通过模算术任务研究过参数化模型在标签噪声下记忆与泛化的共存机制，发现大模型在适当配置下泛化更好，且噪声标签被记忆更快。内部泛化结构虽形成但被噪声拟合抑制，频率方法可提取该结构实现高测试精度。

Interaction-Breaking Adversarial Learning Framework for Robust Multi-Agent Reinforcement Learning

Sunwoo Lee et al.

cs.LG cs.AI cs.MA

本文提出了一种交互破坏对抗学习（IBAL）框架，通过信息论视角构造攻击来干扰agent间的协调，并训练agent在此类扰动下可靠运行。实验表明该方法在多种攻击设置下提升了鲁棒性，并在agent缺失场景中表现更优。

FedSDR: Federated Self-Distillation with Rectification

Ziheng Ren et al.

cs.LG cs.AI

本文针对大型语言模型联邦微调中的统计异质性，提出了一种基于自蒸馏的联邦学习框架FedSDR。该方法通过双流机制（局部平滑分支LoRA-S和全局修正分支LoRA-R）来平衡模型泛化与事实准确性，实验验证了其有效性。

Protection Is (Nearly) All You Need: Structural Protection Dominates Scoring in Globally Capped KV Eviction

Gabriel Garcia

cs.LG cs.CL cs.CR cs.PF

本文研究了全局上限KV cache驱逐策略，发现所有七种策略在无结构保护时均会崩溃至接近零质量。通过在每个prompt边界保留10%的cache，可恢复大部分参考质量，表明结构保护比评分机制更关键。

FLAG: Foundation model representation with Latent diffusion Alignment via Graph for spatial gene expression prediction

Qi Si et al.

cs.LG cs.AI

本文提出FLAG框架，利用latent diffusion和graph encoder将空间基因表达预测建模为结构化分布问题，并引入Gene Structural Correlation等新指标评估结构保真度。该方法在传统精度上表现良好，但未涉及code、spectral或Muon等关键词相关技术。

Improving Spatio-Temporal Residual Error Propagation by Mitigating Over-Squashing

Seyed Mohamad Moghadas et al.

cs.LG cs.AI

本文提出Teger模块，通过离散Forman曲率感知的图重连机制缓解空间残差传播中的过挤压问题，并集成到低秩加对角协方差头中实现可处理推理。该方法在LSTM、Transformer等骨干网络上验证了CRPS指标的提升，但未直接涉及关键词中的code、Muon、pretrain、agent或attention等核心概念。

Equilibrium Selection in Multi-Agent Policy Gradients via Opponent-Aware Basin Entry

Yevhen Shcherbinin et al.

cs.LG

本文研究了多智能体policy-gradient方法中的均衡选择问题，通过basin-entry概率分析，指出peer-learning correction是主要的均衡选择机制，并在局部对齐条件下提高了进入目标稳定Nash均衡集的概率。实验在Stag Hunt和迭代囚徒困境等环境中验证了该观点。

The Expressive Power of Low Precision Softmax Transformers with (Summarized) Chain-of-Thought

Moritz Brösamle, Stephan Eckstein

cs.LG cs.CC cs.CL

本文分析了低精度softmax transformer在chain-of-thought推理中的表达能力，通过构造模拟图灵机的hardmax transformer，证明了softmax transformer在合理参数下也能实现类似功能。

pyforce-1.0.0: Python Framework for data-driven model Order Reduction of multi-physiCs problEms

Stefano Riva et al.

cs.LG

pyforce是一个用于多物理场问题（主要是核工程领域）的Python数据驱动降阶建模（Reduced Order Modelling）软件包。该版本使用pyvista作为后端，并将函数存储为numpy数组，以提升易用性。

Foundation Models for Credit Risk Prediction: A Game Changer?

Bart Baesens et al.

cs.LG

本文基准测试了表格Foundation Models在信用风险预测（PD和LGD建模）中的表现，发现其在多种数据集和任务上通常优于传统方法，尤其在数据量较小时提升显著，且无需超参数调优。

Elastic-dLLM: Position Preserving Context Compression and Augmentation of Diffusion LLMs

Junyi Wu et al.

cs.LG

本文分析了diffusion LLMs中[MASK] token的计算冗余，并提出位置保持的压缩与终端感知增强方法，以加速解码并扩展上下文长度。

UTOPYA: A Multimodal Deep Learning Framework for Physics-Informed Anomaly Detection and Time-Series Prediction

Robson W. S. Pessoa et al.

cs.LG

UTOPYA是一个多模态深度学习框架，通过FiLM条件跨模态注意力和门控融合处理8种数据模态，用于批处理蒸馏中的异常检测和时间序列预测。该框架引入物理信息正则化（强制时间平滑性和热力学单调性）和课程学习，在数据集上取得了优于基线方法的性能，但方法本身在理论或架构上缺乏显著的开创性。

Dual-Rate Diffusion: Accelerating diffusion models with an interleaved heavy-light network

Grigory Bartosh et al.

cs.LG cs.CV

本文提出Dual-Rate Diffusion方法，通过交错执行一个稀疏的高容量context encoder和一个轻量高效的denoising model来加速diffusion models的采样过程。该方法在ImageNet上实现了2-4倍的计算成本降低，同时保持了样本质量。

Concise and Logically Consistent Conformal Sets for Neuro-Symbolic Concept-Based Models

Samuele Bortolotti et al.

cs.LG cs.AI

本文针对神经符号概念模型(NeSy-CBMs)中预测置信度过高的问题，提出了一个后处理框架COCOCO，该框架通过结合Conformal Prediction(CP)与演绎-溯因修正步骤，同时校准概念和标签预测，并满足一致性、覆盖率和简洁性三个目标。实验表明该方法在多个数据集上优于现有基线。

A Simplex Witness Certificate for Constant Collapse in Variational Autoencoders

Zegu Zhang, Jianhua Peng, Jian Zhang

cs.LG cs.AI

本文研究了变分自编码器中编码器均值与输入无关的精确常数坍塌问题，通过引入一个固定的simplex witness头将这种失败模式转化为可设计、可监控和可验证的问题。文章给出了一个封闭形式的逆映射，并提出了view gap来处理不同视角下的teacher目标。

Are Sparse Autoencoder Benchmarks Reliable?

David Chanin

cs.LG cs.AI

本文通过三个视角审计了SAEBench中用于评估Sparse Autoencoder (SAE) 质量的指标，发现Targeted Probe Perturbation (TPP) 和Spurious Correlation Removal (SCR) 在标准设置下不可靠，而sae-probes变体虽相对最可靠，但仍难以区分同一架构的不同变体。

Attacking the First-Principle: A Black-Box, Query-Free Targeted Mimicry Attack on Binary Function Classifiers

Gabriel Sauger et al.

cs.LG

本文提出Kelpie框架，在无需查询目标classifier的黑盒设置下，对binary function classifiers执行mimicry attack（一种定向逃逸攻击），通过保留恶意payload功能的code transformations实现误分类。实验表明该方法能成功攻击六种主流classifier，但未涉及关键词中的spectral、Muon、pretrain、agent或attention等概念。

Privacy Preserving Reinforcement Learning with One-Sided Feedback

Lin William Cong et al.

cs.LG cs.AI

本文针对多维连续状态和动作空间中具有单侧反馈的强化学习问题，提出了隐私保护算法POOL，并给出了与无隐私保护RL相匹配的样本复杂度界，证明了在强隐私保证下仍能保持高效学习。

Temporal Task Diversity: Inductive Biases Under Non-Stationarity in Synthetic Sequence Modelling

Afiq Abdillah Effiezal Aswadi et al.

cs.LG

本文研究了在非平稳数据分布下，时间任务多样性对transformer在上下文线性回归序列建模中归纳偏置的影响，发现随时间变化的多样性会增强模型对泛化而非记忆的偏好。

PH-Dreamer: A Physics-Driven World Model via Port-Hamiltonian Generative Dynamics

Xueyu Luan, Chenwei Shi

cs.LG cs.AI cs.CV cs.RO

本文提出PH-Dreamer，一种基于Port-Hamiltonian框架的物理驱动世界模型，通过将隐式物理先验嵌入循环状态转移、开发运动学感知的能量世界模型以及建立能量引导的Actor-Critic机制，在视觉控制基准上实现了更优的渐近回报和更低的能量消耗。该方法主要关注物理结构化表示与能量约束，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Alignment Dynamics in LLM Fine-Tuning

Yuhan Huang, Huanran Chen, Yinpeng Dong

cs.LG cs.AI

本文通过引入一个可计算的alignment score并推导其在fine-tuning过程中的闭式更新，建立了一个统一框架来解释LLM fine-tuning中alignment的脆弱性。该框架将alignment更新分解为Rebound Force和Driving Force两个竞争分量，并预测了Rehearsal Priming Effect，但未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词。

Dynamic Elliptical Graph Factor Models via Riemannian Optimization with Geodesic Temporal Regularization

Chuansen Peng, Xiaojing Shen

cs.LG cs.GR

本文提出了一种名为Degfm的动态图因子模型估计算法，通过将时变precision matrix建模为低秩加对角结构，并在Grassmann流形上引入测地线惩罚项来保持时间一致性，从而解决高维节点观测中推断时变图结构的问题。

The Symmetries of Three-Layer ReLU Networks

Johanna Marie Gegenfurtner, Moritz Grillo, Guido Montúfar

cs.LG cs.DM math.AG math.CO

本文研究了深度ReLU网络中参数对称性的框架，特别针对三层瓶颈架构给出了通用参数纤维的完整刻画，并提供了多项式时间算法判断参数的功能等价性。

ISEP: Implicit Support Expansion for Offline Reinforcement Learning via Stochastic Policy Optimization

Yifei Chen, Shaoqin Zhu, Xiaoqiang Ji

cs.LG cs.AI

本文提出ISEP框架，通过插值价值函数隐式扩展离线强化学习中的可行动作支持，并采用随机策略优化避免模式坍缩。该方法利用Conditional Flow Matching实现插值价值信号的捕获，但未涉及关键词中的code、spectral或Muon等概念。

Prune, Update and Trim: Robust Structured Pruning for Large Language Models

Diego Coello de Portugal Mecke, Tom Hanika, Lars Schmidth-Thieme

cs.LG

本文提出了一种名为Putri的结构化剪枝方法，通过更新FFN层中未剪枝的权重以补偿剪枝误差、顺序剪枝FFN层并考虑前一层更新、以及移除单个attention head而非完整层，来改进大型语言模型的后训练剪枝。该方法在多种模型和稀疏度下验证了有效性，但未涉及关键词中的核心概念。

Decoupled Conformal Optimisation: Efficient Prediction Sets via Independent Tuning and Calibration

Fanyi Wu et al.

cs.LG

本文提出Decoupled Conformal Optimisation (DCO)，通过将数据分为独立的tuning和calibration两部分，分别用于优化预测集效率和校准conformal quantile，从而在保证有限样本marginal coverage的同时提升效率。该方法与PAC-style方法的目标不同，但在一致性假设下收敛到相同的population threshold。

Proximal basin hopping: global optimization with guarantees

Guillaume Lauga, Cesare Molinari, Samuel Vaiter

cs.LG math.OC

本文提出了Proximal Basin Hopping (PBH)框架，结合proximal optimization与局部最小化，构造了一个能以高概率收敛到全局最小值的实用算法。该算法在标准合成困难函数和深度学习scaling law拟合等实际问题上表现优于有理论保证的已知算法。

Beyond Inference-Time Search: Reinforcement Learning Synthesizes Reusable Solvers

Soheyl Massoudi et al.

cs.LG cs.AI

本文研究了通过强化学习（GRPO）使代码LLM为组合优化问题族合成可重用求解器的方法，在Synergistic Dependency Selection（SDS）任务上，微调后的模型能生成约束感知的Simulated Annealing模板，性能接近全局最优求解器且推理成本更低。该工作主要关注代码生成与优化搜索的结合，与关键词中的code和agent有一定关联，但方法本身并非开创性突破，也未解决长期存在的核心问题。

Beyond Square Roots: Explicit Memory-Efficient Factorization for Multi-Epoch Private Learning

Nikita P. Kalinin et al.

cs.LG

本文提出了一种名为$\gamma$-BIFR的广义因子分解方法，统一了现有的DP-$\lambda$CGD和BISR方法，旨在改进差分隐私模型训练中相关噪声机制的效用与内存效率权衡。该方法在低内存、低带宽场景下显著提升了RMSE等指标，并提供了多轮训练中多参与误差的更紧理论保证。

Generating Physically Consistent Molecules with Energy-Based Models

Christoph Griesbacher et al.

cs.LG

本文提出EBMol，一种基于能量的模型，通过原子加性标量势和Restoring Field Matching目标近似Boltzmann分布，并采用Mirror-Langevin算法进行采样。该方法在3D分子生成任务上达到最优性能，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

TabH2O: A Unified Foundation Model for Tabular Prediction

Pascal Pfeiffer et al.

cs.LG

TabH2O提出了一种基于in-context learning的统一tabular foundation model，通过dual-head架构和单阶段预训练改进，在TALENT基准上取得了有竞争力的性能。

Graph Hierarchical Recurrence for Long-Range Generalization

Stefano Carotti et al.

cs.LG cs.AI

本文提出Graph Hierarchical Recurrence (GHR)框架，通过在输入图和通过池化得到的层次化抽象上联合操作，以解决图神经网络在捕捉长程依赖和超出范围泛化方面的局限性。实验表明，GHR在长程基准测试中能以极少的参数超越现有模型。

Spherical Harmonic Optimal Transport: Application to Climate Models Comparisons

Pierre Houédry et al.

cs.LG math.OC

本文研究了球面上的最优传输问题，利用热核方法提出了一种快速的Sinkhorn算法，并证明了其在平衡与不平衡情形下收敛到最优传输代价。该工作主要关注计算效率与理论性质，但与我提供的关键词列表关联度较低。

Generative Adversarial Learning from Deterministic Processes

Joris C. Kühl, Hanno Gottschalk

cs.LG math.ST

本文研究了生成对抗网络(GANs)在确定性动力系统（如混沌系统）时间序列数据上的学习问题，证明了在无限维生成对抗学习(GAL)模型下，可以从单个确定性演化时间序列中学习系统的invariant distribution，并给出了Jensen-Shannon divergence意义下的收敛速率。

Text2CAD-Bench: A Benchmark for LLM-based Text-to-Parametric CAD Generation

Liang Wang et al.

cs.LG

本文提出了Text2CAD-Bench，一个用于评估基于LLM的文本到参数化CAD生成的benchmark，包含600个从基础几何到复杂拓扑和真实世界领域的示例，并发现现有模型在复杂任务上表现不佳。

Heterogeneous Tasks Offloading in Vehicular Edge Computing: A Federated Meta Deep Reinforcement Learning Approach

Yaorong Huang, Jingtao Luo, Xuechao Wang

cs.LG cs.DC

本文提出了一种基于联邦元深度强化学习的VEC异构任务卸载框架FedMAGS，利用Graph Attention Networks和Seq2Seq策略处理DAG任务依赖，并通过联邦元学习实现分布式MEC服务器间的快速适应。实验表明该方法在收敛速度、执行延迟和可扩展性上优于现有基线，同时保护了数据隐私。

Modelling Customer Trajectories with Reinforcement Learning for Practical Retail Insights

Ken Ming Lee et al.

cs.LG cs.AI

本文提出了一种基于最大熵强化学习的agent建模框架，用于预测零售空间中顾客的移动轨迹，以优化商店布局。该方法在平衡奖励最大化和随机性方面优于TSP和PNN等启发式方法，但整体创新性有限，且与关键词列表中的概念关联较弱。

Scheduling That Speaks: An Interpretable Programmatic Reinforcement Learning Framework

Chengpeng Hu, Yingqian Zhang, Hendrik Baier

cs.LG cs.AI cs.SC

本文提出ProRL框架，通过领域特定语言DSL-S将调度策略表示为可读的程序，并利用局部搜索和贝叶斯优化学习策略，在计算资源受限时仍能高效求解job shop scheduling问题。

Adaptive Experimentation for Censored Survival Outcomes

Yuxin Wang et al.

cs.LG stat.ML

本文针对右删失生存数据下的自适应实验问题，提出了一个估计因果效应的框架，推导了平均生存效应曲线的半参数效率界，并给出了闭式的最优分配策略。该框架通过顺序学习分配策略并估计效应曲线，可兼容任意机器学习模型进行 nuisance 估计，并具有渐近正态性等理论保证。

GAMMA: Global Bit Allocation for Mixed-Precision Models under Arbitrary Budgets

Zhangyang Yao et al.

cs.LG cs.AI

本文提出GAMMA框架，通过后训练管道中的augmented Lagrangian约束优化学习模块级精度偏好，并利用integer programming将偏好映射为离散的bit分配。该方法实现了跨预算的score复用，在Llama和Qwen模型上以更小内存开销提升了混合精度量化的budget-accuracy权衡。

Modality vs. Morphology: A Framework for Time Series Classification for Biological Signals

Jordan Tschida et al.

cs.LG cs.AI

本文提出了一个统一的morphology-modality框架，用于分析生物信号时间序列分类中波形结构（如spikes、bursts、oscillations）对模型设计的影响，并指出morphology而非模型类别是决定性能和可解释性的关键因素。该综述覆盖了多种生物信号模态，但未涉及code、context、spectral或Muon等关键词相关的方法。

DBES: A Systematic Benchmark and Metric Suite for Evaluating Expert Specialization in Large-Scale MoEs

Jing Wang et al.

cs.LG cs.AI

本文提出了DBES，一个用于评估大规模MoE模型中专家专业化的系统性基准和度量套件，包含五个理论驱动的指标。通过在Qwen、DeepSeek和GLM等模型上的实验，揭示了不同的专业化范式，并展示了这些指标在领域特定后训练中可带来显著性能提升。

DiPRL: Learning Discrete Programmatic Policies via Architecture Entropy Regularization

Chengpeng Hu, Yingqian Zhang, Hendrik Baier

cs.LG cs.AI

本文提出DiPRL方法，通过引入programmatic architecture entropy regularization，在训练过程中使programmatic policy逐渐趋于离散，从而避免梯度方法中后验离散化导致的性能下降问题。该方法在多个RL任务上验证了有效性。

Offline Contextual Bandits in the Presence of New Actions

Ren Kishimoto et al.

cs.LG

本文针对离线上下文bandit中“新动作”（数据收集后出现的新动作）无法被现有方法学习的问题，提出了一种利用动作特征的离线策略学习方法。该方法通过引入Local Combination PseudoInverse (LCPI)估计器来估计策略梯度，并设计了PONA算法，将LCPI与Doubly Robust (DR)估计器加权结合，以同时优化现有动作和新动作的选择。实验表明，PONA能有效选择新动作并维持整体策略性能。

XCTFormer: Leveraging Cross-Channel and Cross-Time Dependencies for Enhanced Time-Series Analysis

Israel Zexer, Omri Azencot

cs.LG

本文提出了一种基于transformer的channel-dependent模型XCTFormer，通过增强的attention机制显式捕获时间序列中跨通道和跨时间的依赖关系。实验表明，该模型在插补任务上取得了最优性能，但方法本身并非开创性突破，且与关键词列表中的概念关联较弱。

Probing for Representation Manifolds in Superposition

Alexander Modell

cs.LG cs.AI stat.ML

本文提出了一种名为Manifold Probe的监督方法，用于发现表示中的superposition流形。该方法通过学习可从表示中线性预测的概念特征空间，并进一步学习编码这些特征的方向，从而推广了线性回归探针。

Protein Fold Classification at Scale: Benchmarking and Pretraining

Dexiong Chen et al.

cs.LG q-bio.BM q-bio.QM

本文提出了TEDBench基准和MiAE自监督框架，用于蛋白质折叠分类。MiAE通过高掩码率和SE(3)-不变编码器学习结构表示，在基准上表现良好。

Federated Martingale Posterior Samping

Boning Zhang et al.

cs.LG stat.ML

本文提出了一种联邦学习下的贝叶斯神经网络方法FMP，通过让客户端上传可训练的数据嵌入，服务器端运行预测采样器来替代传统的先验-似然对，从而在保护数据隐私的同时实现不确定性量化。实验表明该方法在多个数据集上接近集中式性能并改善了校准效果。

Self-supervised local learning rules learn the hidden hierarchical structure of high-dimensional data

Ariane Delrocq et al.

cs.LG cs.NE q-bio.NC

本文研究了两种生物可塑性学习规则在Random Hierarchy Model (RHM)上的表现，发现直接反馈信号规则因无法处理输入特异性非线性而失败，而基于逐层自监督对比或非对比损失函数的规则能有效学习高维数据的层次结构，且数据效率与监督反向传播相当。

scHelix: Asymmetric Dual-Stream Integration via Explicit Gene-Level Disentanglement

Xichen Yan et al.

cs.LG

本文提出scHelix，一种用于单细胞RNA测序数据整合的框架，通过将基因显式划分为domain-invariant Anchors和domain-sensitive Variants，并采用非对称双流稀疏扩散编码器来消除批次效应并保持生物保真度。实验表明该方法优于现有技术。

S2Aligner: Pair-Efficient and Transferable Pre-Training for Sparse Text-Attributed Graphs

Yuhan Wang et al.

cs.LG

本文提出S2Aligner框架，用于稀疏文本属性图上的图-文本预训练。该方法通过解耦语义对齐与结构建模，并引入稀疏感知的跨域风险平衡，以缓解文本稀疏导致的迁移偏差。

AMARIS: A Memory-Augmented Rubric Improvement System for Rubric-Based Reinforcement Learning

Peilin Wu et al.

cs.LG cs.AI cs.CL

本文提出AMARIS系统，通过持久化评估记忆（evaluation memory）来改进基于rubric的强化学习奖励塑造，利用静态和动态检索历史训练信息以更新评估标准，实验表明该方法在性能上优于基线且仅增加约5%的时间开销。

Physics-Aligned Canonical Equivariant Fourier Neural Operator under Symmetry-Induced Shifts

Jiaxiao Xu et al.

cs.LG

本文提出PACE-FNO，通过Lie-algebra坐标估计器将输入场对齐到参考坐标系，再应用标准FNO进行预测，最后恢复至目标坐标系，从而在周期域上的演化方程中分离坐标对齐与物理演化。实验表明该方法在平移和Galilean变换下的OOD误差相比FNO+Aug降低最多12倍，但方法本身与关键词列表中的概念关联较弱。

Aligned Training: A Parameter-Free Method to Improve Feature Quality and Stability of Sparse Autoencoders (SAE)

Michał Brzozowski, Neo Christopher Chung

cs.LG

本文提出了一种名为aligned training的无参数重参数化方法，通过强制每个feature的encoder和decoder方向内积为1来消除SAE训练中的退化问题，从而在不增加计算成本的情况下提升特征质量和稳定性。该方法在多个模型和字典规模上实现了Pareto改进，并兼容Top/BatchTop-K架构和p-Annealing等技术。

Position: Weight Space Should Be a First-Class Generative AI Modality

Zhangyang Wang, Peihao Wang, Kai Wang

cs.LG cs.AI

本文主张将神经网络checkpoint视为一种新的数据模态，并建立生成式权重空间建模的标准化流程。文章认为高性能模型占据权重空间中低维、高度结构化的区域，并基于此观点组织现有方法为五阶段pipeline。

Data Presentation Over Architecture: Resampling Strategies for Credit Risk Prediction with Tabular Foundation Models

Aditya Tanna et al.

cs.LG cs.AI

本文研究了Tabular Foundation Models (TFMs)在信用违约预测中的表现，发现上下文构建策略（如平衡采样）对AUC-ROC的影响远大于模型架构选择，为TFMs在不平衡数据场景下的部署提供了实用指导。

Post-Trained MoE Can Skip Half Experts via Self-Distillation

Xingtai Lv et al.

cs.LG cs.AI cs.CL

本文提出ZEDA框架，通过注入零输出专家和两阶段自蒸馏，将训练好的静态MoE模型转换为动态MoE，使简单token可跳过部分专家。实验表明该方法在多个benchmark上减少超过50%的专家FLOPs，并带来约1.20倍推理加速。

An Assessment of Human vs. Model Uncertainty in Soft-Label Learning and Calibration

Maja Pavlovic, Silviu Paun, Massimo Poesio

cs.LG cs.AI cs.CL

本文通过控制实验对比了人类软标签与合成软标签在软标签学习中的效果，发现人类软标签的主要价值在于作为正则化器改善模型校准和训练稳定性，而非单纯提升准确率。该工作为人类-AI不确定性对齐提供了诊断测试平台，但与关键词列表中的概念关联较弱。

Pocket Foundation Models: Distilling TFMs into CPU-Ready Gradient-Boosted Trees

Aditya Tanna et al.

cs.LG cs.AI

本文提出将Tabular Foundation Models (TFMs)蒸馏为XGBoost或CatBoost学生模型，使其能在CPU上以亚毫秒级速度运行。通过分层out-of-fold (OOF)教师标注解决了in-context learning (ICL)教师泄露标签导致软目标退化的核心障碍，实验表明蒸馏后的XGBoost在153个数据集上达到教师AUC的96.5%且速度提升38-860倍。

KairosHope: A Next-Generation Time-Series Foundation Model for Specialized Classification via Dual-Memory Architecture

Luis Balderas et al.

cs.LG cs.AI

KairosHope提出了一种用于时间序列分类的Foundation Model，其核心是HOPE block，用Titans模块和Continuum Memory System (CMS)的双记忆系统替代了标准attention机制，并引入Hybrid Decision Head融合深度特征与统计特征。该模型在Monarch archive上预训练，并在UCR基准上通过LP-FT协议微调，在HAR等任务上表现优异。

Efficient and Noise-Tolerant PAC Learning of Multiclass Linear Classifiers

Rita Adhikari, Shiwei Zeng

cs.LG

本文研究了多类线性分类器在恶意噪声下的PAC学习问题，提出了一种计算高效的算法，该算法结合了基于聚类的剪枝方案和标准多类hinge loss最小化程序，在常数噪声率下仅需$O(k^2\cdot (d\log d+\log k))$个样本。该结果在二元情形下也优于以往所有工作。

A No-Defense Defense Against Gradient-Based Adversarial Attacks on ML-NIDS: Is Less More?

Mohamed elShehaby, Ashraf Matrawy

cs.LG cs.CR

本文通过大量实验研究了仅通过架构选择（如浅层网络、减少特征维度、ReLU激活函数）来增强基于DNN的网络入侵检测系统对梯度攻击的鲁棒性，发现“少即是多”的设计原则能有效降低对抗脆弱性，且无需额外防御。该工作主要针对特定应用场景，方法本身缺乏广泛的开创性。

COOPO: Cyclic Offline-Online Policy Optimization Algorithm

Qisai Liu et al.

cs.LG cs.AI

COOPO提出了一种循环离线-在线策略优化框架，通过交替进行KL正则化的离线训练和在线微调来缓解分布漂移与灾难性遗忘问题，在D4RL基准上提升了样本效率与最终回报。该方法主要关注强化学习中的离线-在线混合训练范式，与关键词中的agent有一定关联但并非核心创新。

Ensembling Tabular Foundation Models - A Diversity Ceiling And A Calibration Trap

Aditya Tanna et al.

cs.LG cs.AI

本文研究了六种现代Tabular Foundation Models (TFMs)的集成策略，发现这些模型高度冗余（平均pairwise Q-statistic为0.961），导致集成性能提升有限。最佳集成策略（两级级联stacking）仅比最强单模型提升0.18%准确率，但计算成本增加253倍，且部分集成方法（如logistic回归元学习器）会破坏校准性能。

Learning Normal Representations for Blood Biomarkers

Aashna P. Shah et al.

cs.LG q-bio.QM

本文提出NORMA框架，利用条件transformer模型结合患者历史与群体数据生成血液生物标志物的参考区间，解决了过度个性化导致假阳性率高的问题。该方法在预测死亡率、急性肾损伤等临床结局上优于纯个性化或纯群体方法。

Distilling Tabular Foundation Models for Structured Health Data

Aditya Tanna et al.

cs.LG cs.AI

本文研究了如何通过知识蒸馏将tabular foundation models (TFMs)的预测能力迁移到轻量级模型上，针对健康数据场景提出了分层out-of-fold教师标注方法以避免context leakage。实验表明，蒸馏后的学生模型在保留至少90%教师AUC的同时，推理速度提升26倍以上，且多教师集成效果并不稳定。

cs.AI

ANNEAL: Adapting LLM Agents via Governed Symbolic Patch Learning ⭐ 精选

Safayat Bin Hakim et al.

cs.AI cs.LG cs.MA

本文提出ANNEAL，一种神经符号agent框架，通过受控的符号补丁学习来修复LLM agent在任务执行中反复出现的故障。其核心机制Failure-Driven Knowledge Acquisition (FDKA)将执行错误定位到过程知识图中的具体operator，通过约束LLM生成类型化补丁，并经过多维评分、符号护栏和canary测试验证后提交，确保每次编辑都有完整溯源和确定性回滚能力。实验表明，ANNEAL在多个领域将重复故障率降至0%，而ReAct和Reflexion等基线方法仍保留72-100%的失败率，消融实验证实FDKA是结构性修复的关键。该方法为agent的持久故障消除提供了符号级适应这一互补范式，与关键词中的agent高度契合。

Skim: Speculative Execution for Fast and Efficient Web Agents ⭐ 精选

Mike Wong et al.

cs.AI cs.OS

本文提出Skim，一种针对web agent的speculative execution框架。其核心创新在于利用目的性构建网站的可预测结构，通过离线profiler捕获URL模式与任务轨迹映射，使大多数查询能绕过昂贵的前端模型推理和浏览器渲染，直接使用轻量级模板合成目标URL并提取答案。该方法在多个标准benchmark上，配合三种backbone agent，实现了中位成本降低1.9倍、延迟降低33.4%且无精度损失，为agent的高效执行提供了开创性的加速思路。

NeuroMAS: Multi-Agent Systems as Neural Networks with Joint Reinforcement Learning ⭐ 精选

Haoran Lu et al.

cs.AI cs.MA stat.ME stat.ML

本文提出NeuroMAS方法，将多agent语言系统建模为可训练的类神经网络架构，其中LLM agents作为节点、中间文本信号作为边。该方法通过reinforcement learning训练实现agents间的无角色但结构感知的通信与协调，将多agent设计从工作流工程转向架构设计，并理论证明了当任务具有层次分解性时此类模块化文本计算在参数效率上的优势。实验表明NeuroMAS在推理和训练基线上有显著提升，且发现组织规模扩展具有路径依赖性，这与关键词"agent"高度契合。

Reliability and Effectiveness of Autonomous AI Agents in Supply Chain Management ⭐ 精选

Carol Xuan Long et al.

cs.AI cs.LG cs.MA eess.SY

本文研究了多级供应链中自主生成式AI agent的可靠性和有效性，利用MIT啤酒游戏作为实验平台。作者识别出四个影响性能的推理时杠杆：模型选择、策略与护栏、集中式数据共享以及prompt engineering。关键发现是，模型能力是主导因素：开箱即用的reasoning model超越了人类水平，而优化后的reasoning model相比人类团队可降低高达67%的成本。然而，作者揭示了agent bullwhip effect（即决策不可靠性在供应链各层级间的放大现象），并开发了一个数学框架证明该现象是多agent系统中协调与信息延迟所固有的。为解决此问题，作者提出了基于Group Relative Policy Optimization (GRPO)的强化学习后训练框架，通过系统级供应链奖励训练共享的base LLM，显著减少了尾部事件并提高了自主供应链agent的可靠性。

RAGA: Reading-And-Graph-building-Agent for Autonomous Knowledge Graph Construction and Retrieval-Augmented Generation ⭐ 精选

Chengrui Han, Zesheng Cheng

cs.AI cs.CL

本文提出RAGA (Reading And Graph-building Agent)，一种基于LLM的自主知识图谱构建与检索增强生成框架。RAGA通过原子化工具集支持知识图谱全生命周期的CRUD操作，并将Read-Search-Verify-Construct认知约束嵌入ReAct工具循环中，同时引入KG-向量同步机制实现混合符号-向量检索。实验表明，该框架在QASPER科学QA数据集上，其融合检索性能优于零样本基线，且知识图谱集成显著提升了答案与证据质量。该方法为agent驱动的自主知识图谱构建提供了具有参考价值的框架设计与实验基线。

MetaCogAgent: A Metacognitive Multi-Agent LLM Framework with Self-Aware Task Delegation ⭐ 精选

Chenyu Wang, Yang Shu

cs.AI cs.MA

本文提出MetaCogAgent，一个基于元认知理论的多agent LLM框架。其核心创新在于为每个agent配备元认知自我评估单元，通过结合口头化不确定性与历史能力档案来评估任务-能力匹配度，并引入自适应委派协议将低置信度任务路由至更合适的agent。该方法通过能力边界学习模块迭代优化agent的能力模型，在MetaCog-Eval基准上以更少的API调用实现了82.4%的任务准确率，显著优于现有路由基线，为agent系统的自我认知与任务委派提供了开创性解决方案。

Heterogeneous Information-Bottleneck Coordination Graphs for Multi-Agent Reinforcement Learning ⭐ 精选

Wei Duan et al.

cs.AI cs.LG cs.MA

本文提出Heterogeneous Information-Bottleneck Coordination Graphs (HIBCG)，用于多智能体强化学习中的协调图学习。该方法以Graph Information Bottleneck (GIB)为理论基础，通过构造group-aligned block-diagonal prior，为边的存在性和每条边的信息容量提供了闭式准则，从而实现了理论上可证明的稀疏图拓扑学习。此外，HIBCG采用water-filling原则对每个agent的特征带宽进行差异化分配，确保压缩后的消息仅保留任务相关的内容。该工作为agent间的结构化关系学习提供了严格的理论保证，与关键词“agent”高度契合。

Memory-Guided Tree Search with Cross-Branch Knowledge Transfer for LLM Solver Synthesis ⭐ 精选

Fatemeh Haji, Javier Delarosa Quiros, Peyman Najafirad

cs.AI

本文提出MEMOIR框架，通过两级memory hierarchy（分支局部memory和全局memory）实现跨分支知识转移，用于LLM驱动的solver synthesis。在分支终止时通过reflection步骤提炼算法和失败模式摘要，避免低层级调试痕迹污染未来上下文。在7个combinatorial optimization问题上，MEMOIR将solution validity提升至96.7%（比最强baseline高9.2个百分点），并将平均归一化分数提高7.3点，且运行间validity标准差比所有baseline低一个数量级以上。该方法通过memory-guided tree search解决了现有方法中缺乏显式知识转移导致重复约束违反和算法收敛同质化的问题。

EXG: Self-Evolving Agents with Experience Graphs ⭐ 精选

Yuxin Jin et al.

cs.AI

本文提出EXG框架，首次将experience graph（经验图）结构引入self-evolving agent（自进化智能体）领域。该方法通过将agent在执行过程中的成功与失败经验组织为结构化的relational representation（关系表示），支持在线实时图增长以实现跨任务经验复用，以及离线将经验图作为external memory module（外部记忆模块）使用。实验表明，EXG在code generation和reasoning任务上相比基于reflection和memory的基线方法取得了更优的性能-效率权衡，为agent的持续自我进化提供了可扩展的解决方案。

Harnessing LLM Agents with Skill Programs ⭐ 精选

Hongjun Liu et al.

cs.AI

本文提出HASP框架，将LLM agent的经验技能升级为可执行的Program Functions (PFs)。PFs作为可执行的guardrails，能够在agent循环中主动检测易失败状态并修改下一步动作或注入纠正性context，而非仅提供被动建议。该方法在web-search、数学推理和coding任务上相比ReAct Agent和Search-R1等基线方法取得了显著提升，为agent技能的形式化执行与干预提供了开创性方案。

KISS - Knowledge Infrastructure for Scientific Simulation: A Scaffolding for Agentic Earth Science ⭐ 精选

Ziwei Li et al.

cs.AI

本文提出了Knowledge Infrastructure (KI)框架，将领域专家知识外部化为可操作的建模算子、阶段化领域协议和诊断恢复机制，使agent能够自主执行基于过程的科学模拟。在3000次耦合水文基准测试中，配备KI的agent在高达84%的试验中产生了物理上合理的端到端模拟，而未配备KI的agent成功率低于40%。该方法还通过Knowledge Dissection Toolkit (KDT)自动为14个地球科学领域的117个额外过程模型生成了KI，展示了操作专业知识的结构化和可提取性。这项工作为agent驱动的科学模拟提供了可扩展的脚手架，降低了非专业用户与过程模拟之间的访问壁垒。

PAIR: Prefix-Aware Internal Reward Model for Multi-Turn Agent Optimization ⭐ 精选

Wonjoong Kim et al.

cs.AI

本文提出了一种名为PAIR (Prefix-Aware Internal Reward) 的两阶段模型，用于解决多步agent任务中LLM的credit assignment问题。该方法通过冻结的hidden-state probe估计belief-consistency，并结合轻量级attention-based head来校正prefix contamination带来的偏差，从而在不依赖外部模型调用或ground-truth的情况下，为GRPO训练提供稠密的step-level reward信号。该工作与关键词“agent”和“attention”高度契合，且方法具有开创性。

Unleashing LLMs in Bayesian Optimization: Preference-Guided Framework for Scientific Discovery ⭐ 精选

Xinzhe Yuan et al.

cs.AI math.OC

本文提出LLM-Guided Bayesian Optimization (LGBO)框架，首次将large language models (LLMs)的语义推理能力持续集成到Bayesian Optimization (BO)的优化循环中。通过引入region-lifted preference机制，LGBO在每个迭代步骤中嵌入LLM驱动的偏好，以稳定且可控的方式调整surrogate model的均值，从而显著提升高维和冷启动场景下的收敛速度。理论证明LGBO在最坏情况下不显著劣于标准BO，且在偏好与目标一致时收敛更快；实验表明，在Fe-Cr电池电解质优化等任务中，LGBO仅需6次迭代即可达到最佳观测值的90%，而标准BO和现有LLM增强基线需要超过10次。该工作为将LLM的语义推理能力融入科学优化流程提供了新范式。

DARE-EEG: A Foundation Model for Mining Dual-Aligned Representation of EEG ⭐ 精选

Yang Shao et al.

cs.AI cs.HC cs.LG

DARE-EEG提出了一种自监督foundation model，通过dual-aligned representation learning（双对齐表示学习）在预训练中显式强制EEG编码器学习mask-invariant（掩码不变性）表示。具体地，它引入mask alignment（掩码对齐）通过contrastive learning约束同一EEG样本的多个masked views的表示，并辅以anchor alignment（锚点对齐）将masked表示与动量更新的完整特征对齐以保持语义稳定性。此外，conv-linear-probing策略通过解耦的spectro-spatial projections（频谱-空间投影）适应异构电极配置和采样率，在多个EEG基准上实现了state-of-the-art的准确率，同时保持较低参数复杂度和优越的跨数据集可迁移性。该方法与关键词中的pretrain和spectral高度契合，解决了EEG表示学习中因不完整观测导致的可迁移性退化这一长期被忽视的问题。

AMR-SD: Asymmetric Meta-Reflective Self-Distillation for Token-Level Credit Assignment ⭐ 精选

Zhenlin Wei et al.

cs.AI

本文提出AMR-SD (Asymmetric Meta-Reflective Self-Distillation)方法，用于解决LLM在复杂推理任务中token-level credit assignment的瓶颈问题。该方法通过引入反思瓶颈，将验证器结果、peer rollouts或reference feedback等诊断信号压缩为自生成的Socratic hints和critiques，避免了直接暴露于原始oracle解导致的过条件化教师分布和训练崩溃。此外，论文提出Causal Information Gain (CIG)结合非对称ReLU门控阈值，将反思信号转化为稀疏且精确的token-level advantage调制，并配合时间退火机制过滤分布噪声。实验表明，AMR-SD在科学、数学和工具使用基准上显著优于现有基线，实现了稳健的长程稳定性并防止了后期训练崩溃。

Latent Action Reparameterization for Efficient Agent Inference ⭐ 精选

Wenhao Huang et al.

cs.AI

本文提出Latent Action Reparameterization (LAR)框架，通过学习一个紧凑的latent action space，将LLM agent的多步低层级文本动作重参数化为单个latent action，从而显著缩短有效决策horizon并降低推理成本。该方法直接从agent trajectories中学习latent actions，无需手工设计宏动作或层次化控制器，在多个LLM agent benchmark上减少了action tokens和推理时间，同时保持或提升了任务成功率。这项工作强调了action representation learning对于高效agent推理的关键作用，与关键词“agent”高度契合。

AgentWall: A Runtime Safety Layer for Local AI Agents

Ashwin Aravind

cs.AI cs.CR

本文介绍了AgentWall，一个为本地AI agent设计的运行时安全层，通过拦截agent动作并执行策略来防止不安全行为。它作为一个策略执行代理运行，支持多种agent框架，并展示了高准确率和低延迟。

From Prompts to Protocols: An AI Agent for Laboratory Automation

Angelos Angelopoulos, James F. Cahoon, Ron Alterovitz

cs.AI cs.RO

本文提出了一种集成大语言模型的AI agent架构，用于通过自然语言交互创建和监控自动化实验室协议。该agent在实验编排系统中运行，支持协议生成、执行监控和结果分析，并在三个模拟实验室中实现了97%的首轮协议生成成功率。

Scalable Uncertainty Reasoning in Knowledge Graphs

Jingcheng Wu

cs.AI

本文提出一个模块化框架，通过代数、逻辑和几何方法分别处理知识图谱中属性值、三元组存在性和模式知识三个层面的不确定性，旨在平衡语义精度与计算可追踪性。

Counterparty Modeling is Not Strategy: The Limits of LLM Negotiators

Romain Cosentino et al.

cs.AI

本文研究了大型语言模型（LLM）在多属性谈判环境中的表现，发现它们虽能建模对手偏好，但无法有效利用该信息进行策略性讨价还价，最终协议结果主要受表面锚定而非实际效用权重影响。

PRISMat: Policy-Driven, Permutation-Invariant Autoregressive Material Generation

Claire Schlesinger et al.

cs.AI cond-mat.mtrl-sci

本文提出了一种名为PRISMat的置换不变自回归材料生成模型，通过策略驱动的方式高效生成晶体表面结构。该模型在计算成本远低于大型语言模型的情况下，在解理能和功函数预测任务上取得了更优的精度。

TTE-Flash: Accelerating Reasoning-based Multimodal Representations via Think-Then-Embed Tokens

Jianpeng Cheng et al.

cs.AI

本文提出TTE-Flash方法，用latent think tokens替代显式Chain-of-Thought推理，通过CoT生成损失和对比损失联合优化，在固定推理成本下提升多模态表示性能。该方法在MMEB-v2基准上优于显式CoT方法，并在视频数据集上展示了可扩展性。

Sustainable Intelligence for the Wild: Democratizing Ecological Monitoring via Knowledge-Adaptive Edge Expert Agents

Jiaxing Li et al.

cs.AI cs.CV cs.CY cs.LG

本文提出了一种将视觉感知与推理分离的架构，通过动态知识库替代将专家知识隐式编码到模型参数中的方法，以解决野外生态监测中环境多变和资源受限的问题。该方法支持知识可持续性，并强调与生物学家和原住民社区的跨学科合作。

LinAlg-Bench: A Forensic Benchmark Revealing Structural Failure Modes in LLM Mathematical Reasoning

Shradha Agarwal, Deepak Rajbhar, Tariq J

cs.AI

LinAlg-Bench是一个用于评估大语言模型在线性代数计算中结构化失败模式的基准测试，通过3x3到5x5矩阵的维度梯度揭示了模型在4x4尺度上的行为转变：从执行错误转向计算放弃与结构化幻觉。该工作主要关注LLM推理的失败分析，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等方向关联较弱。

Enhancing Metacognitive AI: Knowledge-Graph Population with Graph-Theoretic LLM Enrichment

Deniz Askin, Gal Hadar, Brendan Conway-Smith

cs.AI

本文提出MetaKGEnrich流水线，利用graph metrics检测知识图谱稀疏区域，并通过LLM生成问题与web检索来增强知识，在三个数据集上提升了回答质量。该方法虽涉及graph与agent概念，但未直接关联code、spectral或Muon等关键词。

Recall Isn't Enough: Bounding Commitments in Personalized Language Systems

Rui Tang et al.

cs.AI cs.CL cs.HC

本文提出Contract-Bounded Evidence Activation (CBEA)与Lexicographic Commitment Validation (LCV)方法，用于解决个性化语言系统中系统“承诺”（commitment）导致的失败问题。该方法通过有界证据集激活和结构化承诺验证，在牺牲部分召回率（recall）的情况下实现了零失败率，并显著降低了输入负载。

GRID: Graph Representation of Intelligence Data for Security Text Knowledge Graph Construction

Liangyi Huang et al.

cs.AI cs.CR

本文提出GRID框架，用于从网络威胁情报文本中构建安全知识图谱，通过构建可追踪的文本-图谱对齐和脚本化任务库来训练LLM提取器，在多个数据集上取得了有竞争力的F1分数。该方法主要面向安全领域的知识图谱构建，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Baba in Wonderland: Online Self-Supervised Dynamics Discovery for Executable World Models

SeungWon Seo et al.

cs.AI

本文提出Alice系统，用于在prior misalignment（先验错位）条件下在线学习可执行world model。系统通过将失败的候选更新视为结构性信号，并利用preservation conflict（保存冲突）来精炼hypothesis classes，从而引导探索。

A Global-Local Graph Attention Network for Traffic Forecasting

Tianchi Zhang

cs.AI

本文提出了一种用于交通预测的全局-局部图注意力网络（GLGAT），通过成对编码和基于事件的邻接矩阵来捕捉时空相关性，并在真实数据集上验证了其有效性。

PopuLoRA: Co-Evolving LLM Populations for Reasoning Self-Play

Roger Creus Castanyer et al.

cs.AI

本文提出PopuLoRA框架，通过基于种群的异步自博弈方法对LLM进行强化学习后训练。教师和学生使用共享冻结基座上的LoRA适配器，通过交叉评估替代单智能体自博弈中的自校准，并利用LoRA权重空间进化算子实现种群训练。实验表明，该方法在多个代码和数学基准上优于计算匹配的单智能体基线。

Body-Grounded Perspective Formation and Conative Attunement in Artificial Agents

Hongju Pae

cs.AI

本文提出了一种用于人工agent的基于身体视角形成的最小架构，通过引入内感受生存信号和融合外感受-内感受状态的Fisher度量，以及连接身体倾向与行动准备的状态对齐机制，在无奖励网格世界中展示了身体扰动如何在视角潜变量中留下可恢复的几何痕迹。

State Contamination in Memory-Augmented LLM Agents

Yian Wang et al.

cs.AI cs.LG

本文研究了记忆增强型LLM agent中的“记忆洗白”现象，即有毒或对抗性上下文被压缩为看似无害的记忆摘要，但仍能影响后续生成。作者引入子阈值传播差距（SPG）来量化这种隐藏影响，并发现干预时机至关重要：在摘要前净化有毒状态能有效减少传播，而仅清理摘要则效果有限。该工作与关键词“agent”和“context”相关，但方法本身并非开创性突破。

Multi-Paradigm Agent Interaction in Practice:A Systematic Analysis of Generator-Evaluator, ReAct Loop,and Adversarial Evaluation in the buddyMe Framework

Xiaohua Wang et al.

cs.AI

本文系统分析了buddyMe框架中集成的三种agent交互范式（Generator-Evaluator, ReAct Loop, Adversarial Evaluation），通过案例研究评估了其性能，并提供了跨范式比较。该工作主要关注多范式agent系统的工程实践，与关键词中的agent相关，但方法上缺乏开创性。

Voices in the Loop: Mapping Participatory AI

Rashid Mushkani

cs.AI

本文构建了一个参与式AI倡议的开放存储库和交互式地图集，通过可复现的协议记录和发布相关案例，并分析了地理分布、参与层级等模式。该工作旨在支持比较研究和政策学习，但未涉及代码、谱方法或预训练等关键词相关技术。

Sketch Then Paint: Hierarchical Reinforcement Learning for Diffusion Multi-Modal Large Language Models

Siqi Luo et al.

cs.AI

本文提出HT-GRPO方法，通过分层强化学习优化Diffusion Multi-Modal Large Language Models的图像生成过程，采用Sketch-Then-Paint训练方案和Hierarchical Credit Assignment机制来改进token的奖励分配。实验在GenEval和DPG基准上验证了图像质量的提升，但该方法与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。

Artificial Adaptive Intelligence: The Missing Stage Between Narrow and General Intelligence

Boris Kriuk

cs.AI

本文提出“人工自适应智能(AAI)”概念，指介于狭义与通用智能之间的阶段，其核心是逐步消除人类对超参数的手动设定，并引入适应度指数进行量化。文章围绕参数最小化原则，梳理了数据感知配置、结构演化及训练中自适应的三条路径，但未直接涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Learning to Learn from Multimodal Experience

Xingyu Sui et al.

cs.AI

本文提出了一种新的学习范式，使agent能够根据任务需求和交互历史动态构建、组织和利用memory，从而在multimodal环境中提升性能。实验表明，这种自适应memory设计能显著增强agent的泛化能力。

Reasoning Can Be Restored by Correcting a Few Decision Tokens

Changshuo Shen et al.

cs.AI

本文通过量化base model与reasoning model在token-level的分布差异，发现推理优势集中在少量早期规划相关的decision tokens上。基于此，提出了一种稀疏的token干预方法，仅在分歧大的位置用reasoning model替换base model的生成，从而以极小的代价恢复甚至超越完整推理模型的性能。

Virtual Nodes Guided Dynamic Graph Neural Network for Brain Tumor Segmentation with Missing Modalities

Sha Tao et al.

cs.AI

本文提出了一种基于graph network的one-stage框架，通过引入modality-specific virtual nodes和动态连接策略，解决脑肿瘤分割中模态缺失问题。该方法在BRATS数据集上取得了优于现有方法的表现。

NGM: A Plug-and-Play Training-Free Memory Module for LLMs

Yuwen Qu et al.

cs.AI

本文提出了一种名为N-gram Memory (NGM)的训练无关、即插即用的记忆模块，通过Causal N-Gram Encoder直接平均预训练token embedding来构建N-gram表示，并利用Cosine-Gated Memory Injector将检索到的嵌入调制到上下文表示中，从而提升LLM在代码生成和知识密集型任务上的性能。该方法无需额外训练或检索管道，在多个基准测试上取得了0.5到1.2个点的平均性能提升。

TOBench: A Task-Oriented Omni-Modal Benchmark for Real-World Tool-Using Agents

Zhiqiang Liu et al.

cs.AI

本文提出了MM-ToolBench，一个面向真实世界工具使用agent的端到端全模态benchmark，包含100个可执行任务，并采用闭环多模态验证机制。实验表明，当前最强模型在该benchmark上任务成功率仅32.0%，远低于人类水平。

From Static Risk to Dynamic Trajectories: Toward World-Model-Inspired Clinical Prediction

Pujun Feng et al.

cs.AI

本文综述了临床决策中从静态风险预测到动态疾病轨迹建模的方法，重点讨论了干预感知的轨迹模型及其在事实预测、反事实估计和政策评估中的应用，并提出了一个统一框架来整合这些任务。

How do Humans Process AI-generated Hallucination Contents: a Neuroimaging Study

Shuqi Zhu et al.

cs.AI cs.CL

本文通过记录27名参与者在判断多模态大语言模型生成的图像描述正确性时的EEG信号，研究了人类处理AI生成幻觉内容的神经机制。研究发现，处理幻觉与非幻觉内容时，语义整合、推理加工、记忆检索和认知负荷等认知过程表现出不同模式。

Harnessing AI for Inverse Partial Differential Equation Problems: Past, Present, and Prospects

Zhentao Tan et al.

cs.AI

本文综述了利用人工智能求解逆偏微分方程问题的方法，将其分为逆问题、逆设计与控制问题三类，并总结了代表性应用与未来挑战。

Brain Vascular Age Prediction Using Cerebral Blood Flow Velocity and Machine Learning Algorithms

Anni Zhao et al.

cs.AI

本文利用经颅多普勒超声(TCD)提取的特征和机器学习回归模型，基于脑血流速度预测脑血管年龄，并评估不同脑疾病患者的加速衰老程度。研究发现健康与患病受试者的预测表现存在差异，且数据集不平衡会影响模型性能。

A Conflict-aware Evidential Framework for Reliable Sleep Stage Classification

Yunzhi Tian et al.

cs.AI

本文提出ConfSleepNet，一种用于睡眠阶段分类的冲突感知证据框架，通过多视图证据提取和冲突感知聚合来处理不同模态间的冲突，并利用混合类别结构促进合理的证据学习。实验证明了该方法在睡眠分期任务中的有效性。

Evidential Information Fusion on Possibilistic Structure

Qianli Zhou et al.

cs.AI

本文提出了一种基于possibilistic structure（可能性结构）的可逆变换，用于克服Dempster组合规则在融合非独立或冲突信息时的结构性限制，并引入triangular norm（三角模）族构建了更灵活的自适应融合框架。该方法在非独立源融合、冲突管理和异构信息融合中展现了优势。

PersonaArena: Dynamic Simulation for Evaluating and Enhancing Persona-Level Role-Playing in Large Language Models

Wenlong Shi et al.

cs.AI

PersonaArena提出了一个动态模拟框架，用于评估和增强大语言模型在人物层面角色扮演的能力，通过构建人物库和模拟社交环境生成多轮交互，并采用多智能体辩论裁判进行评价。

Towards Human-Level Book-Writing Capability

Jan Zierstek et al.

cs.AI

本文提出了一种面向书籍级创意写作的数据集构建与训练框架，通过将人类创作的小说分解为多分辨率规划结构（从梗概到章节场景），并训练长上下文语言模型从提示逐步生成完整书籍文本，旨在使模型输出更接近人类文学写作而非助手式散文。

AnchorDiff: Topology-Aware Masked Diffusion with Confidence-based Rewriting for Radiology Report Generation

Shiying Yu, Jielei Wang, Guoming Lu

cs.AI

本文提出AnchorDiff，首个将masked-diffusion框架用于radiology report generation (RRG)的方法，通过RadGraph-derived entity hierarchies实现topology-aware训练，并设计基于perturbation的inference-time rewriting策略。实验在MIMIC-CXR和MIMIC-RG4上达到SOTA，但方法主要针对医学报告生成，与关键词中的code, spectral, Muon, pretrain, agent, attention等概念关联较弱。

Scientific Logicality Enriched Methodology for LLM Reasoning: A Practice in Physics

Zhaoxin Yu et al.

cs.AI

本文针对LLM在科学推理中缺乏逻辑性的问题，提出了一种包含评估标准和数据采样方法的逻辑性增强方法论，并以物理学科为例进行实践。实验表明该方法能提升LLM推理的逻辑忠实度与任务性能。

Capturing LLM Capabilities via Evidence-Calibrated Query Clustering

Fangzhou Wu, Sandeep Silwal, Qiuyi Zhang

cs.AI cs.LG

本文提出ECC算法，通过有限的后验模型比较校准先验语义嵌入，以桥接表面语义与潜在能力需求之间的差距，并利用Bradley-Terry模型参数化能力profile来改进LLM能力评估中的query clustering。实验表明该方法在能力排序质量上优于基于语义或embedding的baseline。

F2IND-IT! -- Multimodal Fuzzy Fake Indian News Detection using Images and Text

Kushal Trivedi et al.

cs.AI

本文提出了一种结合ResNet-50和DistilBERT的多模态框架，并利用Adaptive Neuro-Fuzzy Inference System (ANFIS)生成模糊可靠性分数，用于检测印度新闻中的虚假信息。实验在IFND数据集上验证了该方法的有效性。

Latent Heuristic Search: Continuous Optimization for Automated Algorithm Design

Cheikh Ahmed, Mahdi Mostajabdaveh, Zirui Zhou

cs.AI

本文提出了一种连续启发式搜索框架，将离散程序优化转移到学习到的潜在流形上，利用encoder和可微surrogate model进行梯度搜索，并通过normalizing flow正则化，最终在TSP、CVRP等组合优化问题上取得了与离散进化方法竞争的性能。

Dynamics of collective creativity in AI art competitions

Mason Youngblood, Jeff Nusz, Joel Simon

cs.AI

本文利用Artbreeder平台上的“remix parties”数据，分析了集体创造力在人类-AI协作图像创作中的动态，发现图像会趋向于更简单和更常见的主题吸引子，且用户更倾向于改编那些新颖性和复杂性较低的图像。

MADP: A Multi-Agent Pipeline for Sustainable Document Processing with Human-in-the-Loop

Diego Gosmar, Giovanni Zenezini

cs.AI cs.MA

本文提出MADP，一个结合深度学习与LLM的多智能体文档处理架构，通过Human-in-the-Loop机制和Prompt Fine Tuning with Feedback Inheritance方法，在发票处理场景中实现了约70%的人力节省和97%的自动化率。该工作主要聚焦于工程应用和可持续性分析，与关键词中的agent概念有一定关联，但方法上缺乏理论开创性。

From Imitation to Interaction: Mastering Game of Schnapsen with Shallow Reinforcement Learning

Ján Klačan, Sizhong Zhang

cs.AI cs.LG

本文研究了浅层神经网络agent在纸牌游戏Schnapsen中的表现，通过监督学习（MLPBot）和强化学习（RLBot）两种方法进行训练。结果表明，监督模仿无法有效泛化以击败强对手，而强化学习结合更深层的lookahead搜索能取得更好的胜率。

Responsible Agentic AI Requires Explicit Provenance

Jinwei Hu et al.

cs.AI cs.CL cs.MA

本文指出当前Agentic AI系统因缺乏可量化、可追溯的显式provenance（来源记录）而难以分配责任，并论证了在完整agent生命周期中建立显式provenance的必要性，但未提出具体可实现的算法或框架。

CAREBench: Evaluating LLMs' Emotion Understanding by Assessing Cognitive Appraisal Reasoning

Zhaoyue Sun et al.

cs.AI

本文提出了CAREBench基准，用于评估LLMs在情绪理解中的认知评价推理能力，发现强模型在某些任务上接近人类但仍有不足。

ChemVA: Advancing Large Language Models on Chemical Reaction Diagrams Understanding

Mingyang Rao et al.

cs.AI cs.CL cs.CV

本文提出了ChemVA框架，通过Visual Anchor机制和语义对齐方法，提升了LLMs对化学反应图的理解能力，在OCRD-Bench数据集上实现了92.0%的结构识别准确率。该工作主要解决了视觉编码和语义连接方面的瓶颈，但与关键词列表中的概念关联较弱。

Towards Robust Argumentative Essay Understanding via TIDE: An Interactive Framework with Trial and Debate

Zheqin Yin et al.

cs.AI

本文提出了TIDE框架，通过引入试炼与辩论机制来优化基于标准的prompt，以提升议论文理解任务（如自动评分和成分检测）的性能。该方法主要针对噪声数据和优化稳定性问题进行了改进。

CatalyticMLLM: A Graph-Text Multimodal Large Language Model for Catalytic Materials

Yanjie Li

cs.AI

本文提出QE-Catalytic-V2，一个用于催化材料的图-文本多模态大语言模型，将性质预测和逆向设计统一在同一模型和共享表示空间中，形成闭环优化流程。实验表明该统一范式在催化松弛能预测和逆向设计任务上优于解耦基线。

CAM-Bench: A Benchmark for Computational and Applied Mathematics in Lean

Wentao Long et al.

cs.AI math.OC

本文提出了CAM-Bench，一个包含1000个Lean 4证明目标的benchmark，专注于优化、数值线性代数和数值分析等计算与应用数学领域。它通过一个依赖恢复pipeline将教科书习题转化为形式化定理，并评估了大型语言模型在形式化证明中的表现。

Is VLA Reasoning Faithful? Probing Safety of Chain-of-Causation

Nicanor Mayumu, Xiaoheng Deng, Patrick Mukala

cs.AI cs.CV cs.RO

本文首次系统研究了VLA驾驶模型中的推理忠实性问题，发现其Chain-of-Causation推理与场景真实性的匹配度仅为42.5%，且存在大量漏检行人和轨迹脆弱性。作者从信息论角度形式化了忠实性，定义了entity fidelity和action fidelity，并提出了一个四组件安全架构。

A2RBench: An Automatic Paradigm for Formally Verifiable Abstract Reasoning Benchmark Generation

Qingchuan Ma et al.

cs.AI cs.LG

本文提出了一个名为A2RBench的自动化pipeline，用于生成可形式化验证的抽象推理benchmark，通过LLM生成任务并利用programmatic verification（循环一致性）保证解的唯一性。实验发现当前LLM在抽象推理上显著弱于人类，且对高维任务理解不足。

CyberCorrect: A Cybernetic Framework for Closed-Loop Self-Correction in Large Language Models

Yuning Wu, Yingmin Liu, Yang Shu

cs.AI cs.CL

本文提出CyberCorrect框架，将LLM自纠正形式化为闭环控制系统，通过三模态错误检测器和类型导向的纠正控制器实现迭代修正。实验表明该方法在推理任务上提升了准确率并减少了过度修正。

Reasoning Before Diagnosis: Physician-Inspired Structured Thinking for ECG Classification

Yang Wu et al.

cs.AI

本文提出CardioThink框架，通过模拟临床医生分层推理过程（心律、传导、形态、印象）进行心电图分类，并引入Structured Set Policy Optimization (SSPO)优化推理格式与诊断准确性。该方法在多个ECG基准上提升了诊断精度，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

HyperPersona: A Multi-Level Hypergraph Framework for Text-Based Automatic Personality Prediction

Sina Heydari, Majid Ramezani

cs.AI cs.CL

本文提出HyperPersona框架，利用hypergraph结构显式建模文本的document、sentence和word层次，并通过transformer-based graph encoder学习跨层交互，用于text-based automatic personality prediction。实验表明该方法在Big Five personality dimensions上优于现有baseline，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。

CBT-Audio: Evaluating Audio Language Models for Patient-Side Distress Intensity Estimation in CBT Session Recordings

Qixuan Hu et al.

cs.AI

本文介绍了CBT-Audio数据集，用于评估音频语言模型在认知行为疗法录音中估计患者痛苦强度的能力。实验表明，结合音频和文本输入比仅使用文本能更有效地估计患者痛苦，尤其在言语内容与声音表达不一致时。

ADR: An Agentic Detection System for Enterprise Agentic AI Security

Chenning Li et al.

cs.AI cs.CR cs.LG

本文提出了一个用于企业级AI Agent安全的检测与响应系统ADR，通过传感器、探测器和检测器三个组件解决可观测性、鲁棒性和成本问题，并在Uber部署超过十个月，处理大量agent会话。

QQJ: Quantifying Qualitative Judgment for Scalable and Human-Aligned Evaluation of Generative AI

Marjan Veysi et al.

cs.AI cs.CL cs.GR

本文提出了一种名为QQJ的评估框架，通过将专家设计的多维评分标准与大型语言模型评估器相结合，实现了对生成式AI输出质量的自动化评估。该方法旨在平衡人类判断的可靠性与自动评估的可扩展性，并在文本和图像生成任务中验证了其与人类判断的一致性。

Computational Challenges in Token Economics: Bridging Economic Theory and AI System Design

Ou Wu, Yingjun Deng

cs.AI

本文探讨了在大型语言模型系统中实现token经济学（将token视为经济原语）所面临的计算挑战，提出了“计算token经济学”概念和“token经济学三难困境”（在细粒度、实时性能和最优性之间的权衡），并分类讨论了实时价值核算、资源约束分配和经济感知系统架构等挑战。

Multi-Party Multi-Objective Optimization as Consensus Search: Runtime Analysis of Cross-Party Recombination

Xiaolei Fang, Peilan Xu, Wenjian Luo

cs.AI

本文研究了多党多目标优化问题中的跨党重组，分析了两种代表性设置下的算法运行时间，证明了CPR-NSGA-II变体在特定基准上能更高效地发现共同Pareto最优解，并给出了最小生成树问题的近似覆盖界。

The Capability Paradox: How Smarter Auditors Make Multi-Agent Systems Less Secure

Qiqi Liu et al.

cs.AI

本文研究了多智能体系统中的“语义劫持”攻击，发现更强的Worker模型反而会因“语言确定性”导致系统攻击成功率上升，并提出异构集成验证作为防御手段。该工作与关键词中的agent相关，但方法上缺乏开创性，且未解决长期存在的核心问题。

RAG-based EEG-to-Text Translation Using Deep Learning and LLMs

Enrico Collautti et al.

cs.AI cs.CL cs.HC

本文提出了一种基于RAG的EEG-to-Text解码pipeline，结合EEG encoder、vector retrieval和LLM，在ZuCo数据集上相比随机baseline实现了30.45%的cosine similarity提升。该方法主要针对EEG信号解码中的低信噪比问题，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Self-supervised Hierarchical Visual Reasoning with World Model

Yuanfei Xu et al.

cs.AI

本文提出ResDreamer，一种用于强化学习的层次化world model，通过让高层网络学习预测低层网络的残差来实现渐进式抽象。该方法在3D开放世界环境中取得了较好的样本效率和参数效率。

Evaluating Deep Research Agents on Expert Consulting Work: A Benchmark with Verifiers, Rubrics, and Cognitive Traps

Tanmay Asthana, Aman Saksena, Divyansh Sahu

cs.AI cs.LG

本文评估了三种前沿deep research agents在管理咨询任务上的表现，通过42个专家撰写的prompt和双层评分系统（确定性verifiers和SME rubric）进行基准测试。结果显示所有agent的接受率均较低（最高21.4%），且各agent存在不同的失败模式，如Claude的虚构问题、o3的算术错误传播和Gemini的双峰表现。

Generalization or Memorization? Brittleness Testing for Chess-Trained Language Models

Ethan Tang

cs.AI cs.CL

本文训练了KinGPT模型，并质疑了现有文献中关于棋类训练语言模型能理解国际象棋规则的论断，认为其表现主要源于pattern-matching。同时，文章展示了LLM-Modulo框架如何通过外部验证器提升通用语言模型在下棋任务上的表现。

ECG-WM: A Physiology-Informed ECG World Model for Clinical Intervention Simulation

Zhikang Chen et al.

cs.AI

本文提出了一种基于生理信息的ECG世界模型(ECG-WM)，通过将生理ODE先验整合到潜在扩散动力学中，实现了在药物干预条件下心脏电生理活动的预测性模拟。该方法引入不确定性感知评估策略，利用扩散采样的随机性来表征临床风险及其变异性，为临床干预决策提供支持。

NeuSymMS: A Hybrid Neuro-Symbolic Memory System for Persistent, Self-Curating LLM Agents

Mujahid Sultan, Sri Thuraisamy, Daya Rajaratnam

cs.AI

NeuSymMS提出了一种混合神经符号记忆系统，通过CLIPS专家系统对LLM agent的对话事实进行分类、去重和生命周期管理，以支持跨会话的持久记忆。该系统使用关系数据库存储三元组知识，并实现双视野短期/长期记忆模型，避免上下文窗口膨胀和实体间污染。

AutoRubric-T2I: Robust Rule-Based Reward Model for Text-to-Image Alignment

Kuei-Chun Kao et al.

cs.AI cs.CV cs.LG

本文提出AutoRubric-T2I，一种自动合成并选择显式评分规则（rubrics）以指导VLM judge的框架，用于文本到图像生成的对齐。该方法通过从偏好对中合成候选规则，并利用$\ell_1$正则化逻辑回归筛选最具判别力的规则，从而在仅使用极少量标注数据的情况下生成可解释的奖励信号，并在多个基准上优于传统奖励模型。

GraphMind: From Operational Traces to Self-Evolving Workflow Automation

Yiwen Zhu et al.

cs.AI

GraphMind提出了一种从操作日志中自动构建、执行和演化工作流图的系统，通过离线提取因果图、在线多智能体遍历和自适应强化学习实现自动化。该系统在云数据库事故调查中表现优于基线方法，但与关键词中的code、spectral、Muon、pretrain、attention等概念无直接关联。

Prediction of Challenging Behaviors Associated with Profound Autism in a Classroom Setting Using Wearable Sensors

Yadhu Kartha et al.

cs.AI

本文利用可穿戴传感器（加速度计、EDA和皮肤温度）和机器学习方法，在真实特殊教育课堂中预测自闭症患者的挑战性行为，实现了提前10分钟预测且AUC-ROC为0.78。该工作主要关注应用场景而非理论方法创新，与关键词列表中的概念关联较弱。

Episodic-Semantic Memory Architecture for Long-Horizon Scientific Agents

Nikola Milosevic

cs.AI

本文提出了一种用于长时科学agent的双过程记忆架构，将即时episodic需求与长期consolidated知识解耦，以解决LLM在科学工作流中的context window饱和问题。实验表明，该架构在15,000条消息的规模下，相比全context模型能维持70-85%的准确率并减少62%的token使用，但方法本身并非开创性突破，且与关键词列表中的概念关联较弱。

WebGameBench: Requirement-to-Application Evaluation for Coding Agents via Browser-Native Games

Wenyu Zhang et al.

cs.AI

本文提出了WebGameBench基准，用于评估coding agents能否将结构化游戏规范转化为可运行的浏览器游戏，并通过运行时评估器与人类审查验证交付质量。该工作聚焦于应用交付的端到端评估，但与我提供的关键词（如code, agent, attention等）关联度一般。

Causal Intervention-Based Memory Selection for Long-Horizon LLM Agents

Saksham Sahai Srivastava

cs.AI cs.CL

本文提出Causal Memory Intervention (CMI)方法，通过因果干预估计候选记忆对模型回答的影响，以选择对任务性能有益的记忆。该方法在Causal-LoCoMo基准上验证，相比向量、图等基线方法，在答案质量和鲁棒性间取得更好平衡。

SAPO: Step-Aligned Policy Optimization for Reasoning-Based Generative Recommendation

Zaiyi Zheng et al.

cs.AI

本文针对基于推理的生成式推荐任务，提出了一种名为SAPO的步骤对齐策略优化方法。该方法将信用分配的单位从整个响应细化为单个推理步骤，为每个步骤计算独立的优势值，以解决传统结果奖励算法在稀疏精确匹配反馈下无法定位错误token的问题。实验表明，该方法在三个真实推荐数据集上稳定了强化学习训练并提升了性能。

Multimodal Cultural Heritage Knowledge Graph Extension with Language and Vision Models

Yang Zhang et al.

cs.AI

本文提出了一个面向法国文化遗产领域的多模态知识图谱WJoconde，并利用Large Language Models和Vision-Language Models从非结构化资源中自动提取数据以扩展该知识图谱。该方法通过结合文本和图像信息提升了知识图谱扩展的可靠性，但并未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词所指向的特定技术方向。

EGI: A Multimodal Emotional AI Framework for Enhancing Scrum Master Real-time Self-Awareness

Jingni Huang, Peter Bloodsworth

cs.AI cs.SE

本文提出一个名为EGI的多模态情感AI框架，用于增强Scrum Master的实时自我意识。该框架集成了语音转文本、语调分析和情感词汇匹配等模型，在模拟会议中实现了10%的词错误率，并证明实时反馈能有效提升情感意识。

Divergence-Suppressing Couplings for Rectified Flow

Yimeng Min, Carla P. Gomes

cs.AI cs.LG

本文指出Rectified Flow中轨迹弯曲与速度场非零散度区域相关，并提出一种离线修正方法，在耦合生成时抑制速度场的散度分量，以降低轨迹扭曲。该方法在2D合成基准和图像生成任务上取得了稳定改进。

Agents for Experiments, Experiments for Agents: A Design Grammar for AI-Enabled Experimental Science

Yingjie Zhang et al.

cs.AI cs.HC

本文提出SEED框架，将AI实验条件表示为有类型的actor-flow图，以支持实验条件的描述、评估和生成。该工作主要关注实验设计的形式化表示，与关键词中的"agent"有一定关联，但方法本身并非开创性突破。

Surface-Form Neural Sparse Retrieval: Robust Fuzzy Matching for Industrial Music Search

Paul Greyson et al.

cs.AI

本文针对Amazon Music的大规模音乐搜索场景，提出了一种鲁棒的神经稀疏检索系统，通过结合无推理的稀疏检索架构和领域特定的子词分词策略，实现了对拼写错误等表面形式变化的鲁棒匹配。该系统在6M文档的生产语料上取得了91.4%的recall@10，显著优于传统的trigram方法。

Entropy-Gradient Inversion: Moving Toward Internal Mechanism of Large Reasoning Models

Junyao Yang et al.

cs.AI cs.CL

本文发现并定义了Entropy-Gradient Inversion（token熵与logit梯度之间的稳健负相关）作为大型推理模型推理能力的几何特征，并据此提出Correlation-Regularized Group Policy Optimization (CorR-PO)方法，通过将该特征嵌入RL奖励正则化来优化推理性能。实验表明该方法在多个推理基准上优于现有基线。

STRIDE: A Self-Reflective Agent Framework for Reliable Automatic Equation Discovery

Jiarui Su et al.

cs.AI

本文提出STRIDE框架，利用LLM作为agent进行符号方程发现，通过数据感知生成、混合拟合评估、批评-执行修复和语义记忆等模块提升可靠性。该方法在符号回归基准上验证了效果，但未涉及code、spectral、Muon或attention等关键词相关技术。

Accelerating AI-Powered Research: The PuppyChatter Framework for Usable and Flexible Tooling

Chun-Hsiung Tseng et al.

cs.AI

本文提出了PuppyChatter框架，旨在平衡LLM开发中vendor-specific SDK的易用性与model abstraction的vendor-neutrality，通过提供更灵活的开发范式来简化AI应用构建。该工作主要关注软件工程层面的工具设计，未涉及code、spectral、Muon、pretrain、agent或attention等关键词。

Going Headless? On the Boundaries of Vertical AI Firms

Muhammad Zia Hydari, Farooq Muzaffar

cs.AI

本文探讨了垂直AI企业（如会计、法律、医疗等领域）在通用AI代理兴起后，是否应放弃工作流与界面（即“going headless”）而仅提供领域专业知识服务的问题。文章基于Coase的企业理论、平台包络框架及互补资产分析，指出价值捕获的关键在于区分可移动的interface boundary与不可移动的accountability boundary，并提出了由任务-问责机制决定的三类定位（component, integrated software platform, dual-track）及rule debt（规则债务）概念。

Interactive Evaluation Requires a Design Science

Keyang Xuan et al.

cs.AI

本文主张将交互式评估视为一个独立的设计科学范式，而非仅仅是agent基准测试的集合。文章通过定义评估为从证据到判断的映射，分析了交互式评估如何改变这一映射的两端，并提出了一个两轴分类法及设计原则。

Remembering More, Risking More: Longitudinal Safety Risks in Memory-Equipped LLM Agents

Ahmad Al-Tawaha et al.

cs.AI cs.CL

本文研究了配备memory的LLM agent在长期多任务部署中的安全风险，提出了trigger-probe协议来评估memory积累对安全性的影响。实验表明memory-enabled agent的安全违规率随memory暴露长度增加而上升，且该效应主要由积累内容驱动。

Evaluating Cognitive Age Alignment in Interactive AI Agents

Yifan Shen et al.

cs.AI

本文提出了一个名为ChildAgentEval的基准测试，用于评估基于MLLM的交互式agent的认知年龄对齐程度，灵感来源于儿童智力测验。该工作主要关注AI agent与人类认知发展阶段的比较，与关键词中的agent概念有一定关联，但方法本身并非开创性，也未解决长期存在的核心问题。

DuIVRS-2: An LLM-based Interactive Voice Response System for Large-scale POI Attribute Acquisition

Le Zhang et al.

cs.AI

本文提出DuIVRS-2，一个基于大语言模型(LLM)的端到端框架，用于百度地图的大规模POI属性获取。它通过有限状态机(FSM)引导的数据增强、选择性生成与Chain-of-Thought(CoT)机制以及双评估器投票的协作迭代学习框架，解决了传统IVR系统的错误累积和高维护成本问题。

LAST-RAG: Literature-Anchored Stochastic Trajectory Retrieval-Augmented Generation for Knowledge-Conditioned Degradation Model Selection

Hanbyeol Park, Hyerim Bae

cs.AI

本文提出LAST-RAG方法，通过检索本地证据库中的领域知识来辅助退化模型选择，并引入RCRUS处理不确定性决策。该方法将模型选择从统计拟合问题转化为知识条件决策问题，在仿真实验中优于传统基线方法。

Agentic Chunking and Bayesian De-chunking of AI Generated Fuzzy Cognitive Maps: A Model of the Thucydides Trap

Akash Kumar Panda, Olaoluwa Adigun, Bart Kosko

cs.AI cs.CL cs.HC cs.IR

本文使用大语言模型agent将文本分割成重叠的chunk，并生成模糊认知图(FCM)进行因果知识建模，通过凸混合技术得到循环FCM知识图，并引入贝叶斯推理进行"de-chunking"操作。该方法在Thucydides Trap文本上进行了演示，但整体创新性有限，与关键词中的agent概念有一定关联但不够紧密。

Ethical Hyper-Velocity (EHV): A Provably Deterministic Governance-Aware JIT Compiler Architecture for Agentic Systems

Riddhi Mohan Sharma

cs.AI cs.LO

本文提出了一种名为Ethical Hyper-Velocity (EHV)的架构框架，通过将Policy Enforcement Point (PEP)嵌入到推理管线中，并利用Conflict-free Replicated Data Types (CRDTs)和Trusted Execution Environments (TEEs)实现亚毫秒级的策略执行。该工作主要关注AI治理策略的运行时形式化验证，与关键词中的agent有一定关联，但方法本身并非开创性且与code, context, spectral等关键词关联较弱。

SVFSearch: A Multimodal Knowledge-Intensive Benchmark for Short-Video Frame Search in the Gaming Vertical Domain

Lingtao Mao et al.

cs.AI cs.CV cs.LG

本文提出了SVFSearch，一个针对中文游戏领域短视频帧搜索的多模态知识密集型benchmark，包含5000个测试样本和4198个辅助训练样本，并提供了冻结的离线检索环境以支持可复现评估。实验揭示了直接QA、RAG工作流和agentic search方法之间的性能差距，并分析了视觉定位、检索质量和工具使用行为中的瓶颈。

Reconciling Contradictory Views on the Effectiveness of SFT in LLMs: An Interaction Perspective

Junpeng Zhang et al.

cs.AI

本文从交互视角研究了supervised fine-tuning (SFT)在大型语言模型(LLMs)中效果不一致的原因，发现SFT主要起到去除噪声类交互的作用，且该去噪阶段极为短暂，之后继续微调会引入过拟合交互。

Shared Backbone PPO for Multi-UAV Communication Coverage with Connection Preservation

Z. Jiang

cs.AI

本文提出了一种共享骨干PPO算法，通过共享Actor和Critic网络的基模块，并集成图信息聚合模块，用于多无人机通信覆盖任务，实验显示其性能优于标准PPO。

TeleCom-Bench: How Far Are Large Language Models from Industrial Telecommunication Applications?

Jieting Xiao et al.

cs.AI

本文提出了TeleCom-Bench基准，用于评估LLM在电信领域的知识理解和任务执行能力，发现模型在语言接口任务上表现良好，但在程序执行任务上性能显著下降。

New Insight of Variance reduce in Zero-Order Hard-Thresholding: Mitigating Gradient Error and Expansivity Contradictions

Xinzhe Yuan et al.

cs.AI cs.LG

本文针对SZOHT算法在零阶硬阈值优化中因ZO梯度偏差与硬阈值算子扩张性矛盾导致的随机方向数量限制问题，提出了一种广义方差缩减的ZO硬阈值算法。通过分析方差在缓解梯度误差与扩张性冲突中的作用，该算法消除了对随机方向数量的限制，并在标准假设下证明了更优的收敛速率。实验在岭回归和黑盒对抗攻击任务中验证了方法的有效性。

DocOS: Towards Proactive Document-Guided Actions in GUI Agents

Jingjing Liu et al.

cs.AI

本文提出了DocOS基准，用于评估GUI agent在动态网络环境中通过自主搜索文档来解决长尾任务的能力。实验表明，agent在主动定位相关信息和将检索到的指令转化为精确动作方面存在双重瓶颈。

LLM-Guided Communication for Cooperative Multi-Agent Reinforcement Learning

Sangjun Bae et al.

cs.AI cs.LG cs.MA

本文提出LMAC方法，利用LLM的推理能力为多智能体强化学习设计通信协议，以改善部分可观测环境下的状态重建。实验表明该方法在多个基准测试中优于现有通信基线。

Learning to Solve Compositional Geometry Routing Problems

Mingfeng Fan et al.

cs.AI

本文研究了组合几何路径问题(CGRP)，并提出了一种名为DiCon的差分注意力求解器，通过差分注意力机制和双层对比学习来应对非点状任务带来的表示学习和决策挑战。该方法在多种CGRP实例上展现了良好的性能和泛化能力。

Safety Geometry Collapse in Multimodal LLMs and Adaptive Drift Correction

Jiahe Guo et al.

cs.AI cs.CR

本文从表示几何的角度分析了多模态大语言模型（MLLMs）中的安全问题，发现多模态输入会压缩沿文本对齐的拒绝方向（refusal direction）的可分离性，导致“安全几何崩溃”（Safety Geometry Collapse）。作者通过固定强度的激活干预验证了模态诱导漂移（modality-induced drift）的因果作用，并提出了一种无需训练的推理时自适应漂移校正方法ReGap，该方法利用自纠正（self-rectification）信号来提升模型安全性。

TaskGround: Structured Executable Task Inference for Full-Scene Household Reasoning

ZhiYuan Feng et al.

cs.AI cs.CV cs.RO

本文提出了TaskGround框架，用于解决家庭场景中从完整场景和自然语言请求推断可执行任务结构的问题。该框架通过将完整场景压缩为任务相关的场景切片，并推断任务结构，从而生成可执行的技能级动作序列。

POST: Prior-Observation Adversarial Learning of Spatio-Temporal Associations for Multivariate Time Series Anomaly Detection

Suofei Zhang, Yaxuan Zheng, Haifeng Hu

cs.AI

本文提出了一种名为POST的框架，通过联合prior-observation对抗学习范式来统一时空建模，以解决多变量时间序列异常检测中的空间过泛化问题。该方法在训练中交替学习邻接矩阵作为结构先验，并以minimax方式建模先验与数据驱动观测之间的关联差异，从而提升时间检测敏感性和通道级异常定位能力。

Generative AI and the Productivity Divide: Human-AI Complementarities in Education

Lihi Idan, Bharat Anand

cs.AI

本文通过随机对照实验研究了生成式AI（GenAI）在教育场景中对知识工作者的生产力影响，发现平均绩效提升但分布不均，且这种差异与AI交互能力（AIC）相关，而非传统学术指标。研究提出通过概念图等干预措施可降低结果方差，但未涉及code、spectral、Muon等关键词相关技术。

Evidence-Grounded Frontier Mapping and Agentic Hypothesis Generation in Nanomedicine

Christiaan G.A. Viviers et al.

cs.AI

本文提出了pArticleMap系统，利用article embeddings和similarity-graph analysis在纳米医学文献中识别低密度bridge regions，并通过agentic LLM workflow生成citation-grounded hypotheses。该系统在回顾性基准测试中展示了有限的假设恢复能力，但human-agent agreement表明其作为辅助工具而非替代专家判断。

Whispers in the Noise: Surrogate-Guided Concept Awakening via a Multi-Agent Framework

Mengyu Sun et al.

cs.AI

本文提出ConceptAgent，一个无需训练的黑盒多智能体框架，通过从代理引导的噪声状态初始化去噪轨迹来唤醒扩散模型中已被擦除的概念，揭示了概念擦除主要破坏早期文本-语义对齐但未完全阻止语义信息传播的局限性。

TRACE: Trajectory Correction from Cross-layer Evidence for Hallucination Reduction

Tej Sanibh Ranade

cs.AI cs.CL

本文提出了一种名为TRACE的无训练、确定性算法，通过分析LLM内部跨层候选轨迹来在推理时纠正幻觉，无需标签或微调。该方法在多个模型和基准上取得了显著提升，但未涉及代码、谱方法或预训练等关键词。

Visualizing the Invisible: Generative Visual Grounding Empowers Universal EEG Understanding in MLLMs

Junyu Pan et al.

cs.AI

本文提出Generative Visual Grounding (GVG)框架，通过EEG-to-image生成模型将非视觉EEG信号转化为代理图像，使多模态大语言模型利用视觉先验进行临床状态理解。实验表明，仅图像对齐即可在轻量级模型上达到与文本对齐基线相当的性能。

Scalable Environments Drive Generalizable Agents

Jiayi Zhang et al.

cs.AI cs.CL

本文提出环境扩展（environment scaling）是提升agent泛化能力的关键，并构建了一个区分轨迹扩展、任务扩展和环境扩展的统一分类法。文章讨论了可扩展环境的构建范式，包括程序化生成器和生成式world model，但主要是一篇立场论文，未提供具体的新方法或解决长期问题。

Pairwise Preference Reward and Group-Based Diversity Enhancement for Superior Open-Ended Generation

Guining Cao et al.

cs.AI

本文提出了一种名为PPR-GDE的强化学习方法，用于开放式生成任务。该方法通过成对偏好奖励和基于群体的多样性增强，避免了标量奖励的需求，并缓解了多样性崩溃问题。

Beyond the Cartesian Illusion: Testing Two-Stage Multi-Modal Theory of Mind under Perceptual Bottlenecks

Yajing Zhou, Xiangyu Kong

cs.AI cs.CV

本文通过一个新颖的视听任务，探讨了多模态大语言模型(MLLM)在感知瓶颈下的二阶心智理论(ToM)推理能力。作者提出了一个基于锚点的具身空间分解思维链(CoT)模块，引导模型进行“几何到语义”的投影，以替代传统的刚性坐标变换。实验表明，当前MLLM在空间对称性和视野外模糊性上存在根本性困难，而所提出的方法在性能上优于纯自我中心与异我中心基线。

SD-Search: On-Policy Hindsight Self-Distillation for Search-Augmented Reasoning

Yufei Ma et al.

cs.AI cs.CL cs.IR

本文提出SD-Search方法，通过on-policy hindsight self-distillation为搜索增强推理agent提供step-level监督信号，无需外部教师模型或额外标注。该方法在标准RL训练循环内由策略自身产生密集信号，但未涉及code、spectral、Muon、pretrain或attention等关键词。

Causely: A Causal Intelligence Layer for Enterprise AI A Benchmark Study on SRE and Reliability Workflows

Dhairya Dalal et al.

cs.AI

本文提出Causely，一个为AI agent提供环境拓扑与因果关系的结构化表示层，用于提升SRE工作流中的诊断效率。实验表明，在微服务故障场景下，Causely能显著降低诊断时间、token消耗和API成本，并提高根因诊断准确率。

QSTRBench: a New Benchmark to Evaluate the Ability of Language Models to Reason with Qualitative Spatial and Temporal Calculi

Anthony G. Cohn, Robert E. Blackwell

cs.AI

本文提出了一个名为QSTRBench的基准测试，用于评估大语言模型在定性时空推理（QSTR）方面的能力，涵盖了多种演算（如Point Algebra和Allen's Interval Algebra）的推理任务。实验表明，所有测试模型的表现均优于随机猜测，但无法完全正确回答所有问题，且不同演算的难度差异显著。

When Fireflies Cluster; Enhancing Automatic Clustering via Centroid-Guided Firefly Optimization

MKA Ariyaratne et al.

cs.AI cs.LG cs.NE

本文提出了一种基于萤火虫算法(FA)的聚类变体，通过引入centroid movement策略和多目标fitness function来克服K-Means在非均匀簇形状和密度下的局限性，并自动估计最优簇数量。实验在机器人传感器网络场景中验证了其聚类质量优于K-Means。

OCCAM: Open-set Causal Concept explAnation and Ontology induction for black-box vision Models

Chiara Maria Russo et al.

cs.AI

OCCAM是一个用于黑盒视觉模型的开集因果概念解释与本体归纳框架，通过文本引导分割发现视觉概念并测量其因果贡献，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

A Practical Noise2Noise Denoising Pipeline for High-Throughput Raman Spectroscopy

David Martin-Calle et al.

cs.AI cond-mat.mtrl-sci eess.SP

本文提出了一种基于一维卷积自编码器和Noise2Noise策略的拉曼光谱去噪方法，通过重复短曝光采集训练模型，无需外部光谱库或高信噪比参考数据。该方法在异质矿物样本上验证了去噪效果，实现了光谱质量与采集速度的实用权衡。

VISAFF: Speaker-Centered Visual Affective Feature Learning for Emotion Recognition in Conversation

Linan ZHU et al.

cs.AI

本文提出VISAFF框架，通过无微调方式利用冻结的Vision-Language Model (VLM)聚焦于对话中的主动说话者，并结合文本和声学模态补偿视觉不确定性，以提升对话情感识别(ERC)的计算效率。该方法在保持性能的同时避免了大规模模型的昂贵微调。

Query-Conditioned Knowledge Alignment for Reliable Cross-System Medical Reasoning

Yan Jiao et al.

cs.AI

本文提出Query-Conditioned Entity Alignment (QCEA)方法，将实体对齐重新定义为查询条件对应问题，通过语义编码、图表示学习和方向感知变换模块，处理异构医疗知识图谱中的非对称和多对多对应关系。实验表明该方法在症状对齐和草药-分子对齐任务上优于基线，并提升了检索增强生成的准确性。

When Outcome Looks Right But Discipline Fails: Trace-Based Evaluation Under Hidden Competitor State

Peiying Zhu, Sidi Chang

cs.AI cs.LG

本文提出了一种基于trace的评估范式"discipline stability"，用于检测在隐藏竞争对手状态环境下，仅依赖结果（如收入）评估可能掩盖的行为违规问题。通过在酒店定价和隐藏预算竞标任务中的实验，展示了该方法如何揭示奖励驱动策略与预期行为规范之间的偏差。

Learning Lifted Action Models from Traces with Minimal Information About Actions and States

Jonas Gösgens, Niklas Jansen, Hector Geffner

cs.AI

本文研究了在动作和状态信息部分可观测的条件下，从traces中学习STRIPS+动作模型的问题。作者针对三种不同的可观测性假设（动作参数完全可观测但状态完全不可观测、部分状态谓词完全可观测、部分状态谓词局部可观测）提出了学习算法并证明了完备性结果。

SCICONVBENCH: Benchmarking LLMs on Multi-Turn Clarification for Task Formulation in Computational Science

Nithin Somasekharan et al.

cs.AI physics.comp-ph

本文提出了SCICONVBENCH基准，用于评估LLMs在计算科学（如流体力学、固体力学等）中通过多轮对话澄清用户模糊或矛盾请求的能力。该基准通过结构化任务本体和基于rubric的评估框架，衡量模型在消歧和矛盾解决方面的表现。

AI for Auto-Research: Roadmap & User Guide

Lingdong Kong et al.

cs.AI

本文对AI辅助研究的全生命周期进行了系统性综述，将其划分为Creation、Writing、Validation和Dissemination四个阶段，并指出AI在结构化、检索增强和工具中介的任务中表现可靠，但在真正新颖的想法、研究级实验和科学判断上仍不可靠。文章提供了分类法、基准套件和工具清单，但未提出开创性方法或解决长期问题，与关键词契合度较低。

GIM: Evaluating models via tasks that integrate multiple cognitive domains

Rohit Patel, Alexandre Rezende, Steven McClain

cs.AI cs.CL cs.LG

本文提出了GIM基准测试，通过整合多个认知领域（如约束满足、状态追踪等）的原创问题来评估LLM，并使用2PL IRT模型校准能力估计。该工作主要贡献于评估方法论，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等主题无直接关联。

Position: A Three-Layer Probabilistic Assume-Guarantee Architecture Is Structurally Required for Safe LLM Agent Deployment

S.Bensalem et al.

cs.AI

本文提出了一种三层概率假设-保证架构，用于确保LLM agent部署的安全性，认为单一抽象层不足以覆盖语义意图、环境有效性和动态可行性三个安全维度。该架构通过概率链式法则推导组合系统级安全边界，但未直接涉及code、spectral、Muon或pretrain等关键词。

Efficient Lookahead Encoding and Abstracted Width for Learning General Policies in Classical Planning

Michael Aichmüller et al.

cs.AI

本文针对经典规划中的广义策略学习问题，改进了基于Iterated Width (IW)的搜索方法。通过引入更高效的搜索树整体编码和抽象化IW(1)的novelty检查，提升了Relational GNNs学习策略的效率和可扩展性，并在IPC 2023基准上取得了新最优性能。

Learning Quantifiable Visual Explanations Without Ground-Truth

Amritpal Singh et al.

cs.AI cs.LG

本文提出了一种基于连续输入扰动的可量化XAI评估指标，并利用该指标的微分近似作为监督信号，训练了一个适配器模块来生成因果解释，无需真实标注。该方法在多个量化指标上优于现有XAI技术。

Democratizing Large-Scale Re-Optimization with LLM-Guided Model Patches

Tinghan Ye et al.

cs.AI math.OC

本文提出了一种基于LLM的agentic re-optimization框架，通过自然语言交互将用户需求转化为结构化模型更新，并利用包含历史解、valid inequalities等信息的优化工具箱加速求解。实验在两个大规模真实案例（在线供应链和离线考试排程）上验证了其有效性。

SkillGenBench: Benchmarking Skill Generation Pipelines for LLM Agents

Yifan Zhou et al.

cs.AI

本文提出了SkillGenBench基准，用于评估LLM agent从代码仓库和文档中生成可复用技能（skill）的pipeline，涵盖任务条件生成和任务无关生成两种模式，并通过确定性执行检查进行评测。实验揭示了不同生成方法和骨干模型在技能生成上的性能差异与失败模式。

What Does the AI Doctor Value? Auditing Pluralism in the Clinical Ethics of Language Models

Payal Chandak et al.

cs.AI

本文提出一个审计框架，用于评估大型语言模型在临床伦理中的价值多元性，通过基准测试和归因方法发现模型决策具有确定性且偏好系统性，可能削弱临床伦理的多元性。

Actionable World Representation

Kunqi Xu et al.

cs.AI

本文提出WorldString，一种从点云或RGB-D视频流中学习物体状态流形的神经架构，旨在为物理世界模型构建可操作的对象表示。该方法虽具可微性并支持策略学习集成，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

cs.IR

A Production-Ready RL Framework for Personalized Utility Tuning with Pareto Sweeping in Pinterest Recommender Systems

Yichu Zhou et al.

cs.IR cs.LG

本文提出了一种名为PRL-PUTS的生产就绪强化学习框架，用于在Pinterest推荐系统中实现个性化效用权重调优。该框架将效用调优建模为单步、基于值的RL问题，并通过Pareto前沿扫描生成一系列策略，以支持决策者快速调整部署策略。

LARGER: Lexically Anchored Repository Graph Exploration and Retrieval

Yuntong Hu et al.

cs.IR cs.AI cs.LG

本文提出LARGER框架，通过将lexical search结果锚定到repository graph上并进行置信度过滤的局部扩展，来改进代码仓库级agent的上下文定位能力。该方法无需外部graph database，在多个benchmark上提升了文件定位和代码理解任务的性能。

The Impact of AI Search on the Online Content Ecosystem: Evidence from Google and Reddit

Peibo Zhang, Ruomeng Cui, Dennis J. Zhang

cs.IR cs.AI

本文利用Google AI Overviews和Reddit的数据，通过difference-in-differences方法研究了生成式AI搜索对在线内容平台的影响，发现AI摘要增加了体验型讨论的参与度，但后续的对话式AI模式消除了这一增益。

LERA: LLM-Enhanced RAG for Ad Auction in Generative Chatbots

Haoran Sun et al.

cs.IR cs.AI

本文提出LERA，一种用于LLM聊天机器人的两阶段检索-生成拍卖框架，通过嵌入粗过滤和LLM精排来改进广告选择，但方法本身并非开创性突破，且与关键词列表关联较弱。

Policy-Grounded Dynamic Facet Suggestions for Job Search

Dan Xu et al.

cs.IR cs.AI

本文提出了一种基于策略的检索增强排序框架，用于LinkedIn求职场景中的动态facet建议，通过实时生成个性化语义属性来帮助用户澄清搜索意图。该方法结合了离线taxonomy构建、embedding检索和蒸馏小语言模型评分，并在离线与在线实验中验证了有效性。

RAPT: Retrieval-Augmented Post-hoc Thresholding for Multi-Label Classification

Lasal Jayawardena et al.

cs.IR cs.AI

本文提出RAPT，一种检索增强的后处理阈值调整方法，用于改进多标签分类中的标签集选择。该方法通过检索相似文档的阈值情况来动态调整当前文档的标签选择阈值，无需重新训练底层分类器。实验表明RAPT在工业数据集和多个公开基准上优于全局和标签级静态阈值基线。

UniER: A Unified Benchmark for Item-level and Path-level Exercise Recommendation

Xinghe Cheng et al.

cs.IR cs.AI

本文提出了一个统一的基准UniER，用于评估Item-Level和Path-Level的Exercise Recommendation方法，并引入了Weighted Cognitive Gain (WCG)作为统一度量。实验揭示了Path-Level方法在稀疏和噪声条件下的系统性优势。

Echoes in Filter Bubble: Diagnosing and Curing Popularity Bias in Generative Recommenders

Jun Yin et al.

cs.IR cs.AI

本文研究了生成式推荐系统(Generative Recommenders)中的popularity bias问题，通过理论分析指出该偏差源于token级优化缺陷和item tokenization的未分化特性，并提出了名为Ghost的模型，通过非对称unlikelihood优化和骨架tokenization来缓解该问题。实验表明该方法在减轻偏差的同时对推荐效用影响较小。

Unlocking Biological Workflows for Robust Protein-Text Question Answering: A Dual-Dimensional RAG Framework

Li Ding et al.

cs.IR

本文提出2D-ProteinRAG框架，通过将LLM与BLAST生物工作流结合，并引入双维度过滤策略（水平细粒度属性对齐和垂直同源性语义去噪），提升了蛋白质文本问答的鲁棒性。实验表明该方法在分布内和分布外基准上均达到最优性能。

RAGR: Review-Augmented Generative Recommendation

Yingyi Zhang et al.

cs.IR

本文提出RAGR框架，通过将review feedback作为语义token与item token交织构建混合序列，并利用DPO优化推荐目标，在生成式推荐中引入用户评价信息。实验表明该方法在多个数据集上优于现有生成式推荐基线。

Dual-Diffusional Generative Fashion Recommendation

Mingzhe Yu et al.

cs.IR cs.MM

本文提出DualFashion，一种双扩散生成式时尚推荐架构，通过联合建模图像和文本模态来生成时尚商品图像和文本描述，以提升推荐的可解释性和用户行为建模能力。该方法采用双扩散Transformer，利用结构化属性级标题和视觉搭配信息作为条件信号，并引入文本增强微调策略以提高生成多样性。

Text-Guided Visual Representation Learning for Robust Multimodal E-Commerce Recommendation

Yufei Guo et al.

cs.IR

本文提出TGQ-Former框架，利用结构化元数据作为语义指导来提取视觉token，并通过混合查询连接器与可靠性感知门控模块来提升多模态电商检索的鲁棒性。实验表明该方法在真实数据集上优于现有基线。

MARQUIS: A Three-Stage Pipeline for Video Retrieval-Augmented Generation

Debashish Chakraborty et al.

cs.IR cs.CV

本文提出MARQUIS，一个用于视频检索增强生成的三阶段流水线，包括查询扩展与重排序、结构化证据提取和文章生成。该方法在MAGMaR2026任务上显著提升了检索和生成性能，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词相关技术。

Uncertainty-Calibrated Recommendations for Low-Active Users

Bob Junyi Zou et al.

cs.IR cs.LG

本文针对推荐系统中低活跃用户(LAU)与高活跃用户(HAU)的平衡问题，提出了一个基于模型不确定性校准的统一框架。该框架对LAU采用风险规避的去提升策略以抑制不可靠推荐，对HAU采用风险寻求的Upper Confidence Bound (UCB)策略以鼓励探索，并在大型直播平台上验证了其有效性。

DADF: A Distribution-Aware Debiasing Framework for Watch-Time Regression in Recommender Systems

Yiqing Yang et al.

cs.IR

本文提出DADF框架，通过第二阶段的multiplicative residual correction来修正推荐系统中watch-time预测的分布偏差，结合了动态分布感知变换、偏差因子感知模块和多标签感知模块。该方法在工业级系统中取得了显著提升，但并未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Text-Video Retrieval With Global-Local Contrastive Consistency Learning

Xiaolun Jing, Xinxing Yang, Genke Yang

cs.IR

本文提出了一种名为Global-Local Contrastive Consistency Learning (GLCCL)的文本-视频检索方法，通过设计无参数的Global-Local Interaction Module (GLIM)和Contrastive Score Consistency (CSC)损失函数，在降低计算开销的同时实现文本与视频的语义对齐。实验在MSR-VTT等数据集上验证了其有效性，但方法本身缺乏显著的开创性，且与关键词列表中的概念关联较弱。

Towards Sustainable Growth: A Multi-Value-Aware Retrieval Framework for E-Commerce Search

Yifan Wang et al.

cs.IR cs.AI

本文提出一个面向电商搜索的多价值感知检索框架GrowthGR，包含ItemLTV和MultiGR两个模块，通过反事实推断和策略优化来平衡短期转化与长期商品增长，在淘宝平台部署后提升了新商品GMV。

Modality-Aware Identity Construction and Counterfactual Structure Learning for ID-Free Multimodal Recommendation

Hongjian Ma et al.

cs.IR cs.MM

本文提出了一种名为MAIL的无ID多模态推荐方法，通过模态感知的身份构建模块动态调整位置编码以生成内容感知的表示，并利用反事实结构学习挖掘低曝光语义邻居以缓解流行度偏差。实验在五个Amazon数据集上验证了其有效性。

PIPER: Content-Based Table Search via profiling and LLM-Generated Pseudoqueries

Riccardo Terrenzi et al.

cs.IR cs.AI

本文提出PIPER方法，利用LLM生成伪查询和表格profile进行内容驱动的表格数据集检索，在元数据缺失场景下优于传统方法。该方法主要关注表格检索而非代码或谱方法等关键词相关领域。

RCTEA: Richness-guided Co-training for Temporal Entity Alignment

Jiayun Li et al.

cs.IR

本文提出RCTEA框架，通过richness-guided attention机制和dual-view neighborhood consensus算法，联合建模Temporal Knowledge Graphs的结构与时间特征以提升实体对齐效果。该方法在公开基准上取得最优性能，但未涉及code、spectral、Muon、pretrain或agent等关键词。

TIGER-FG: Text-Guided Implicit Fine-Grained Grounding for E-commerce Retrieval

Xinyu Sun et al.

cs.IR cs.CV

本文提出TIGER-FG框架，利用商品文本作为语义指导，在不使用object detection的情况下生成目标聚焦的多模态表示，用于解决电商图像检索中的模态和粒度不对称问题。通过dual distillation objectives保持空间一致性和查询-商品相似性结构，在构建的ECom-RF-IMMR基准上显著提升了Recall@1指标。

Improving BM25 Code Retrieval Under Fixed Generic Tokenization: Adaptive q-Log Odds as a Drop-In BM25 Fix

Santosh Kumar Radha, Oktay Goktas

cs.IR cs.AI cs.SE

本文针对固定通用tokenization下BM25代码检索性能不佳的问题，提出用q-logarithm替换RSJ-odds中的外logarithm，形成q-IDF变体。实验表明该方法在CoIR CodeSearchNet Go数据集上显著提升NDCG@10，但对文本检索影响很小，且其增益在采用标识符感知tokenization时基本消失。

Traditional statistical representations outperform generative AI in identifying expert peer reviewers

Vicente Amado Olivo et al.

cs.IR astro-ph.IM cs.DL

本文通过实证评估发现，在专家审稿人识别任务中，传统统计表示方法（如TF-IDF）优于生成式AI（如GPT-4o mini），后者因语义平滑而模糊了细粒度词汇的区分能力。该研究为自动化同行评审提供了评估框架，但未涉及代码、上下文或谱方法等关键词。

cs.CL

The Scaling Laws of Skills in LLM Agent Systems ⭐ 精选

Charles Chen et al.

cs.CL cs.AI

本文研究了LLM Agent系统中技能库规模与路由及执行性能之间的scaling laws。通过跨15个前沿LLM、1141个真实技能和超过300万次路由/执行决策的实验，作者发现两个耦合的规律：路由定律（单步路由精度随库大小对数衰减，$R^2>0.97$）和执行定律（正确执行可将困难下游决策提升约4倍）。一个关键参数——路由对数衰减斜率$b$——耦合了这两个定律，使得路由侧的拟合可以预测执行侧的恢复能力。基于这些定律的优化将held-out路由准确率从71.3%提升至91.7%，并在ClawBench和ClawMark上分别将平均通过率从49.3%提升至61.6%和从28.4%提升至34.5%，表明agent性能不仅取决于模型能力，还取决于技能库的结构、粒度和暴露策略。该工作与关键词中的agent高度契合。

AgentKernelArena: Generalization-Aware Benchmarking of GPU Kernel Optimization Agents ⭐ 精选

Sharareh Younesian et al.

cs.CL cs.AI cs.LG

AgentKernelArena提出了一个用于评估AI coding agent在GPU kernel优化任务中泛化能力的开源benchmark，包含196个任务和unseen-configuration generalization protocol。该工作首次将agent workflow（包括迭代编译、性能分析和代码优化）纳入kernel优化benchmark，并系统测试了优化结果对未见输入配置的迁移能力，与关键词"agent"和"code"高度契合。实验发现PyTorch-to-HIP任务中agent常硬编码shape-specific假设导致泛化失败，而HIP-to-HIP和Triton-to-Triton优化则能较好迁移。

Constrained Code Generation with Discrete Diffusion ⭐ 精选

Lize Shao et al.

cs.CL cs.PL

本文提出了一种名为Constrained Diffusion for Code (CDC)的训练-free神经符号推理框架，用于约束代码生成。该方法将约束满足直接集成到离散扩散模型的反向去噪过程中，通过结合数学优化与程序分析来识别中间程序状态中与约束相关的区域，并局部调整去噪轨迹，从而引导生成满足功能性、安全性甚至语法约束的可行程序。这项工作为在代码生成中利用离散扩散模型的全局状态进行约束干预提供了开创性的思路，与关键词“code”和“context”高度契合。

CompactAttention: Accelerating Chunked Prefill with Block-Union KV Selection ⭐ 精选

Jiwon Song et al.

cs.CL

本文提出CompactAttention，一种针对chunked prefill场景的attention加速机制。其核心创新在于Block-Union KV Selection方法，将2D block-sparse masks转化为GQA-aware的per-group KV block tables，通过Q-block union和intra-group union构造出最小的block tables，使得选中的KV blocks可以在原位访问而无需显式的KV compaction。该方法解决了现有稀疏attention方法在chunked prefill中效率低下的问题，在LLaMA-3.1-8B-Instruct上，于128K上下文长度下实现了高达2.72倍的attention加速，同时保持接近dense attention的精度。

Full Attention Strikes Back: Transferring Full Attention into Sparse within Hundred Training Steps ⭐ 精选

Yanke Zhou et al.

cs.CL cs.AI

本文提出RTPurbo方法，基于三个关键观察：仅少数attention heads需要完整长上下文处理、长程检索主要由低维子空间控制（可用16维indexer高效检索相关token）、以及有用token预算强烈依赖于query（因此动态top-$p$选择优于固定top-$k$稀疏化）。该方法保留检索头的完整KV cache并引入轻量级token indexer实现稀疏attention，仅需数百训练步骤即可将预训练full-attention LLM转化为高度稀疏模型。实验表明，在1M上下文长度下实现高达9.36$\times$的prefill加速和约2.01$\times$的decode加速，且精度几乎无损。该方法与关键词"attention"高度契合，解决了从标准full-attention训练高效迁移到稀疏推理的长期问题。

OProver: A Unified Framework for Agentic Formal Theorem Proving ⭐ 精选

David Ma et al.

cs.CL cs.AI

OProver提出了一个统一的agentic formal theorem proving框架，通过将agentic proving（基于agent的迭代证明尝试）集成到训练过程中，而非仅在推理时使用。该框架利用retrieved compiler verified proofs和Lean compiler feedback对失败的证明尝试进行迭代修复，并通过continued pretraining和iterative post-training（包括SFT和RL）进行训练。在多个benchmark上，OProver-32B取得了领先的Pass@32结果，尤其在MiniF2F上达到93.3%，解决了formal theorem proving中agentic proving与prover training长期分离的问题。该工作与关键词"agent"和"pretrain"高度契合，体现了agentic方法在预训练和微调中的创新整合。

Taming "Zombie'' Agents: A Markov State-Aware Framework for Resilient Multi-Agent Evolution ⭐ 精选

Taolin Zhang et al.

cs.CL

本文提出AgentRevive框架，通过将agent状态划分为"Active"、"Standby"和"Terminated"三类，并利用Markov状态转移策略实现软性agent管理。该方法包含两个核心组件：基于风险估计的状态感知策略学习，以及根据状态进行子图边剪枝的优化。实验表明该方法在通用推理和领域特定任务上优于强基线，并显著降低了token消耗，为多agent系统的弹性演化提供了新思路。

VerifyMAS: Hypothesis Verification for Failure Attribution in LLM Multi-Agent Systems ⭐ 精选

Hezhe Qiao et al.

cs.CL

本文提出VerifyMAS，一种用于LLM多智能体系统（LLM-MAS）中智能体故障归因的假设验证框架。与直接预测故障智能体-错误类型对的方法不同，该方法将归因分解为轨迹级别的错误验证和细粒度的智能体定位，通过验证针对完整交互轨迹的故障假设来捕获全局故障模式（如跨步骤不一致和智能体间协调错误），同时显著减少组合搜索空间。该工作为agent系统的可靠性分析提供了新的范式，与关键词“agent”高度契合。

Continuous Diffusion Scales Competitively with Discrete Diffusion for Language ⭐ 精选

Zhihan Yang et al.

cs.CL cs.AI cs.LG stat.ML

本文通过改进Plaid模型得到RePlaid，首次建立了连续diffusion语言模型与离散方法相竞争的计算scaling law，在OpenWebText上取得了连续DLM中新的state-of-the-art PPL bound 22.1。理论方面，作者证明通过优化noise schedule最小化ELBO的方差会自然产生随时间线性增长的cross-entropy，从而均匀分配去噪难度；同时发现基于likelihood的embedding优化能形成结构化几何并驱动最大的likelihood增益。这些结果挑战了连续diffusion不如离散方法的普遍认知，为该领域提供了可扩展的替代方案。

EnvFactory: Scaling Tool-Use Agents via Executable Environments Synthesis and Robust RL ⭐ 精选

Minrui Xu et al.

cs.CL cs.LG

EnvFactory提出了一种全自动框架，通过从真实资源中自主探索和验证可执行的tool environment，并利用topology-aware sampling和calibrated refinement合成自然的multi-turn trajectories，解决了Agentic Reinforcement Learning中缺乏可扩展执行环境和真实训练数据的问题。该方法仅使用85个verified environments就生成了2575条SFT和RL trajectories，在BFCLv3、MCP-Atlas等benchmark上显著提升了Qwen3-series模型的tool-use能力，为agent训练提供了可扩展且鲁棒的基础。该工作与关键词"agent"高度契合，并在tool-use agent领域具有方法上的开创性。

DashAttention: Differentiable and Adaptive Sparse Hierarchical Attention ⭐ 精选

Yuxiang Huang et al.

cs.CL cs.AI cs.LG

DashAttention提出了一种可微分且自适应的稀疏层次化attention机制，通过在第一阶段使用$\alpha$-entmax变换替代传统的top-k操作，实现了根据当前query动态选择可变数量的KV blocks，从而保持了整个层次结构的可微分性。该方法解决了传统层次化attention中固定top-k假设导致的梯度阻断问题，并证明了其非分散性（non-dispersive）有助于提升长上下文建模能力。实验表明，在75%稀疏度下，DashAttention能达到与full attention相当的精度，并在高稀疏度场景下优于NSA和InfLLMv2，同时其Triton实现相比FlashAttention-3在推理时实现了显著加速。该方法为长上下文建模提供了一种高效且成本可控的策略，与关键词“attention”和“context”高度契合。

CPMobius: Iterative Coach-Player Reasoning for Data-Free Reinforcement Learning

Ran Li et al.

cs.CL cs.LG

本文提出CPMobius，一种基于教练-玩家协作范式的无数据强化学习方法，通过让两个独立角色相互优化来提升LLM的数学推理能力，无需外部训练数据。该方法在Qwen2.5-Math-7B-Instruct上取得了显著改进，但与我提供的关键词（如code, spectral, Muon等）关联度较低。

PQR: A Framework to Generate Diverse and Realistic User Queries that Elicit QA Agent Failures

Yunan Lu et al.

cs.CL

本文提出了PQR框架，通过查询精炼模块和提示精炼模块的迭代交互，自动生成能触发LLM-based agent失败但符合真实用户意图的多样化查询。实验表明该方法在检测电商QA agent的无帮助响应时，比先前方法多发现23%-78%的失败案例，且生成的查询更具多样性和真实性。

Scaling Accessible Mathematics on arXiv: HTML Conversion and MathML 4

Deyan Ginev et al.

cs.CL cs.DL

本文报告了arXiv平台HTML论文服务的持续开发进展，包括社区驱动的HTML保真度改进、大规模转换工作、MathML 4意图注释以及LaTeXML的Rust移植，旨在提升论文的可访问性和处理效率。

Beyond Sentiment Classification: A Generative Framework for Emotion Intensity Evaluation in Text

Francesco A. Fabozzi, Dasol Kim, William N. Goetzmann

cs.CL econ.GN q-fin.GN

本文提出了一种从离散情感分类转向连续情感强度评估的生成式框架，通过构建情感强度数据集并微调生成语言模型输出0-100的连续值，在金融等领域展示了更好的泛化能力。该方法在情感和唤醒度等关联概念上表现出迁移效果，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联较弱。

SKG-Eval: Stateful Evaluation of Multi-Turn Dialogue via Incremental Semantic Knowledge Graphs

Avijit Shil, Suman Samui

cs.CL cs.AI

本文提出SKG-Eval框架，通过增量构建语义知识图谱来建模多轮对话中的实体、关系和承诺，并计算局部相关性、历史一致性和逻辑连贯性三个信号以评估对话质量。该方法在检测长程矛盾和不一致方面优于现有评估器，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

A Scalable Tool for Measuring Manner and Result Verbs in Developmental Language Research

Divyesh Pratap Singh et al.

cs.CL cs.AI

本文提出了一种基于大语言模型和RoBERTa分类器的计算工具，用于在句子上下文中自动识别方式动词和结果动词，在MASC和InterCorp数据集上达到89.6%的平均准确率，为发展语言学中的动词语义研究提供了可扩展的测量方法。

CHI-Bench: Can AI Agents Automate End-to-End, Long-Horizon, Policy-Rich Healthcare Workflows?

Haolin Chen et al.

cs.CL cs.AI

本文提出了一个名为$\chi$-Bench的基准测试，用于评估AI agent在医疗保健工作流中的自动化能力，这些工作流具有高政策密度、多角色组合和多边交互的特点。实验表明，当前最好的agent也只能解决28.0%的任务，揭示了在政策密集、角色组合且不可逆的企业领域中存在的显著性能差距。

Language Acquisition Device in Large Language Models

Masato Mita et al.

cs.CL

本文提出了一种受语言习得装置(LAD)启发的预预训练(PPT)方法，通过在MP-STRUCT形式语言上训练来提升LLM的数据效率。实验表明该方法在token效率上可与强基线匹敌，并赋予模型对结构不合理语言的类人抵抗力，但未直接涉及code、spectral、Muon或agent等关键词。

Retrieval-Based Multi-Label Legal Annotation: Extensible, Data-Efficient and Hallucination-Free

Li Zhang, Jaromir Savelka, Kevin Ashley

cs.CL

本文提出将多标签法律标注任务转化为retrieval问题，使用冻结的retrieval模型对文档和标签描述进行embedding，通过k-nearest neighbors预测标签。该方法在多个法律数据集上取得了有竞争力的准确率和数据效率，并避免了生成式模型可能产生的hallucination问题。

Exploring Lightweight Large Language Models for Court View Generation

Zhitian Hou et al.

cs.CL cs.AI

本文系统探索了轻量级（小于2B参数）Large Language Models在Criminal Court View Generation任务中的应用，并开发了CVGEvalKit评估框架。实验分析了模型架构、大小对生成质量和罪名预测的影响，但方法本身缺乏开创性且与关键词关联较弱。

RTI-Bench: A Structured Dataset for Indian Right-to-Information Decision Analysis

Joy Bose

cs.CL

本文介绍了RTI-Bench，一个针对印度信息权法案决策的结构化数据集，包含CIC决策的标签、豁免引用和推理组件，并提供了基线模型预测结果。该工作主要贡献于数据集构建，与关键词中的概念无直接关联。

MixSD: Mixed Contextual Self-Distillation for Knowledge Injection

Jiarui Liu et al.

cs.CL

本文提出MixSD方法，通过混合基础模型自身的两种条件分布（expert conditional和naive conditional）来构建动态监督信号，以在知识注入过程中缓解灾难性遗忘。实验表明，该方法在事实回忆和算术函数获取等任务上，相比标准SFT和on-policy self distillation，能更好地平衡记忆与保留能力。

PaliBench: A Multi-Reference Blueprint for Classical Language Translation Benchmarks

Máté Metzger, Nadnapang Phophichit

cs.CL

本文提出了PaliBench，一个用于Pali语到英语翻译的多参考基准测试方法，通过结合LLM辅助对齐、自动验证和质量过滤等流程，利用多个独立的人类翻译作为参考来评估机器翻译模型，为古典语言翻译评估提供了可复用的方法论框架。

E-PMQ: Expert-Guided Post-Merge Quantization with Merged-Weight Anchoring

Wenjun Wang et al.

cs.CL

本文提出E-PMQ框架，用于解决模型合并后直接进行低比特量化时，量化偏差与合并偏差耦合导致性能下降的问题。该方法通过专家引导的逐层校准和合并权重锚定来稳定量化过程，在多个视觉和语言模型合并任务上提升了量化后的性能。

JSPG: Dynamic Dictionary Filtering via Joint Semantic-Pinyin-Glyph Retrieval for Chinese Contextual ASR

Shilin Zhou, Zhenghua Li

cs.CL

本文针对中文上下文语音识别中的关键词字典过滤问题，提出了一种联合语义、拼音和字形特征的JSPG过滤框架，并引入扩展的Smith-Waterman算法计算序列级相似度。实验表明该方法在Aishell-1和RWCS-NER数据集上优于单特征基线。

Effort as Ceiling, Not Dial: Reasoning Budget Does Not Modulate Cognitive Cost Alignment Between Humans and Large Reasoning Models

Yueqing Hu, Tianhong Wang

cs.CL cs.AI q-bio.NC

本文研究了Large Reasoning Models (LRMs)的推理预算（reasoning budget）是否影响其与人类认知成本的对齐，发现该对齐对推理时的努力水平具有鲁棒性，表明对齐是训练时形成的特性而非在线分配的结果。

Roll Out and Roll Back: Diffusion LLMs are Their Own Efficiency Teachers

Fanqin Zeng et al.

cs.CL

本文提出WINO和WINO+两种方法，通过可撤销的并行解码和蒸馏训练来改善Diffusion LLMs的质量-速度权衡。WINO在推理时允许重新掩码不可靠的token，WINO+则利用这些解码轨迹对齐训练与高效推理。

Closing the Gap at CRAC 2026: Two-Stage Adaptation for LLM-Based Multilingual Coreference Resolution

Antoine Bourgois, Olga Seminck, Thierry Poibeau

cs.CL

本文提出了一种基于Gemma-3-27b模型的两阶段微调策略，用于多语言共指消解任务，通过头词表示和迭代标注方法在CRAC 2026评测中取得领先成绩。该方法主要关注自然语言处理中的共指消解，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念无直接关联。

Skills on the Fly: Test-Time Adaptive Skill Synthesis for LLM Agents

Jingxing Wang et al.

cs.CL cs.AI

本文提出SkillTTA方法，通过检索与当前任务相关的少量训练轨迹并合成为临时任务特定的textual skill，使LLM agent在不更新参数的情况下实现test-time adaptation。实验在SpreadsheetBench等任务上验证了该方法相比静态skill synthesis的性能提升。

Response-free item difficulty modelling for multiple-choice items with fine-tuned transformers: Component-wise representation and multi-task learning

Jan Netík, Patrícia Martinková

cs.CL cs.AI

本文提出了一种基于fine-tuned transformer的端到端方法，用于对多项选择题进行无响应难度建模，并探索了component-wise编码和多任务学习两种扩展。实验表明，joint encoding是传统特征工程的有效替代，而多任务变体在小样本场景下表现更优。

Evaluation Drift in LLM Personality Induction: Are We Moving the Goalpost?

Prateek Rajput et al.

cs.CL

本文研究了通过微调LLM诱导人格的稳定性与准确性，发现微调能降低问卷评分方差但无法准确复现完整五维人格特征，表明无引导文本缺乏表达人格所需的线索。

HalluScore: Large Language Model Hallucination Question Answering Benchmark

Aisha Alansari, Hamzah Luqman

cs.CL

本文提出了HalluScore，一个用于评估大语言模型在阿拉伯语中幻觉行为的结构化问答基准数据集，包含827个精心设计的问题。该基准覆盖了不同推理难度、知识领域、历史时间线和文化场景，并通过对17个模型的实证分析揭示了阿拉伯语LLM的幻觉不仅涉及事实错误，还包括文化理解和逻辑一致性问题。

PARALLAX: Separating Genuine Hallucination Detection from Benchmark Construction Artifacts

Khizar Hussain, Murat Kantarcioglu

cs.CL cs.AI

本文揭示了现有LLM幻觉检测基准中的构造伪影问题，指出多数高检测性能源于输入中嵌入的ground-truth答案，而非模型内部状态。通过大规模实验，作者发现多数方法在控制伪影后性能接近随机，仅SAPLMA和DRIFT等监督探针方法表现一致。

Agentic AI Translate: An Agentic Translator Prototype for Translation as Communication Design

Masaru Yamada

cs.CL cs.AI cs.HC

本文提出了一个名为Agentic AI Translate的翻译系统原型，将翻译过程建模为包含识别、提示、生成和验证四个阶段的agentic cycle，并强调翻译是沟通设计而非文本转换。该系统在概念和架构上提供了贡献，但尚未进行实证验证。

Can LLMs Think Like Consumers? Benchmarking Crowd-Level Reaction Reconstruction with ConsumerSimBench

Tianyu Wang, Jiajun Li, Jianghao Lin

cs.CL cs.AI cs.CY

本文提出了ConsumerSimBench基准，用于评估LLM能否重建真实消费者在社交媒体上的反应模式。实验表明，最强模型仅覆盖47.8%的真实反应标准，揭示了技术基准与社会直觉之间的显著差距。

ACIL: Auto Chain of Thoughts for In-Context Learning

Rui Chu

cs.CL

本文提出Auto-CoT框架，通过自动生成推理链并筛选高质量示例来增强In-Context Learning中的多步推理能力，实验表明该方法能提升复杂推理任务的预测准确性。

SEMA-RAG: A Self-Evolving Multi-Agent Retrieval-Augmented Generation Framework for Medical Reasoning

Yongfeng Huang, Ruiying Chen, James Cheng

cs.CL cs.AI

SEMA-RAG提出了一种自进化的多智能体RAG框架，通过将临床推理中的解释、探索和裁决任务解耦给三个专门智能体，以解决医疗问答中单轮静态检索与多阶段临床推理不匹配的问题。实验表明该方法在多个基准和LLM骨干上提升了准确性。

HyDRA: Hybrid Dynamic Routing Architecture for Heterogeneous LLM Pools

Aashna Garg et al.

cs.CL cs.LG

本文提出HyDRA框架，通过ModernBERT编码器预测查询的多维能力需求（如推理、代码生成等），并使用shortfall-matching算法从异构LLM池中选择最经济的模型。该方法解耦了路由决策与具体模型身份，支持模型池的动态更新而无需重新训练，并在SWE-Bench等基准上实现了质量与成本的权衡。

The Point of No Return: Counterfactual Localization of Deceptive Commitment in Language-Model Reasoning

Scott Merrill, Shashank Srivastava

cs.CL cs.AI

本文提出了一种反事实定位方法，通过固定推理轨迹中的句子前缀并重采样后续内容，来估计语言模型在推理过程中何时开始倾向于产生欺骗性输出。该方法在五个策略性环境中构建了大规模语料库，并发现基于attention的转换特征比词汇线索更能跨环境泛化地预测欺骗性承诺。

Multilingual and Multimodal LLMs in the Wild: Building for Low-Resource Languages

Firoj Alam, Shammur Absar Chowdhury, Enamul Hoque Prince

cs.CL

本文是一个关于多语言和多模态大语言模型（LLMs）的教程概述，重点讨论了在低资源语言环境下构建文本、语音和视觉三模态模型的挑战与资源，但未涉及关键词中的核心概念。

Why Do Safety Guardrails Degrade Across Languages?

Max Zhang et al.

cs.CL cs.AI cs.LG

本文提出一个Multi-Group Item Response Theory (IRT)框架，将影响大语言模型跨语言安全性的因素（如语言无关的安全鲁棒性、提示词固有难度等）解耦，并发现安全退化并非仅发生在低资源语言中，部分模型在英语中反而更脆弱。该工作主要聚焦于跨语言安全评估的度量改进，与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention均无直接关联。

PluRule: A Benchmark for Moderating Pluralistic Communities on Social Media

Zoher Kachwala et al.

cs.CL cs.AI cs.CY

本文提出了PluRule基准，用于评估AI模型在多元社交媒体社区中检测规则违反的能力。实验表明，即使是最先进的视觉语言模型在此任务上也表现不佳，仅略优于简单基线。

LLMs for automatic annotation of Mandarin narrative transcripts

Qingwen Zhao et al.

cs.CL

本文评估了LLMs在中文口语叙事语篇宏观结构标注中的表现，发现最佳模型接近人类标注者的一致性水平，但轻量级模型表现较差，且模型在语义复杂任务中仍需人类监督。

Artificial Intolerance: Stigmatizing Language in Clinical Documentation Skews Large Language Model Decision-Making

Jen-tse Huang et al.

cs.CL

本文研究了大型语言模型（LLMs）在临床文本处理中对污名化语言（SL）的敏感性，发现模型决策会因SL而偏向保守治疗，且现有缓解策略效果有限。该工作主要关注临床NLP中的公平性与鲁棒性，与关键词列表中的概念关联较弱。

ConflictRAG: Detecting and Resolving Knowledge Conflicts in Retrieval Augmented Generation

Chenyu Wang, Yingmin Liu, Yang Shu

cs.CL cs.AI

本文提出ConflictRAG框架，用于在检索增强生成中检测和解决文档间的知识冲突。该框架包含两阶段冲突检测模块、基于Entropy-TOPSIS的数据源可信度评估方法以及冲突感知RAG评分，实验表明其能有效提升生成正确性。

Weak-to-Strong Elicitation via Mismatched Wrong Drafts

Wei Deng

cs.CL cs.AI cs.LG

本文研究了在强化学习微调（GRPO）中，使用来自较弱模型（Qwen2.5-Math-1.5B）的错误草稿来激发更强学习器（Mathstral-7B）的能力。实验发现，将不匹配当前问题的错误草稿注入上下文，在MATH-500和AIME 2025/2026上持续优于标准GRPO，但该方法主要关注数学推理中的训练策略，与关键词中的code, spectral, Muon, pretrain, agent, attention等概念关联较弱。

Transitivity Meets Cyclicity: Explicit Preference Decomposition for Dynamic Large Language Model Alignment

Yucong Huang et al.

cs.CL cs.AI

本文提出Hybrid Reward-Cyclic (HRC)模型，通过game-theoretic decomposition将人类偏好显式分解为transitive (scalar)和cyclic (vector)分量，并引入Dynamic Self-Play Preference Optimization (DSPPO)方法进行动态对齐。实验表明该方法在混合偏好设置下优于传统RLHF方法，但未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词。

AMATA: Adaptive Multi-Agent Trajectory Alignment for Knowledge-Intensive Question Answering

Taolin Zhang et al.

cs.CL

本文提出AMATA框架，通过六个专用agent协作和轨迹偏好对齐方法，解决知识密集型问答中的幻觉和长尾知识缺口问题。该方法在多个基准测试上优于基线，但未涉及code、spectral、Muon或attention等关键词。

Learning Transferable Topology Priors for Multi-Agent LLM Collaboration Across Domains

Taolin Zhang et al.

cs.CL

本文提出TopoPrior框架，通过条件变分图模型从多领域离线参考图中学习可迁移的拓扑先验，用于初始化多智能体LLM协作图，以减少在线搜索开销并提升跨领域推理效率。

NewsLens: A Multi-Agent Framework for Adversarial News Bias Navigation

Joy Bose

cs.CL cs.IR

NewsLens提出了一个由五个agent组成的对抗性pipeline，用于结构化新闻偏见导航，通过事实验证、框架分析和宣传检测等模块将文章分解为可解释的框架图。该系统在15篇文章上进行了评估，但受限于样本量，统计显著性不足。

Learning Faster with Better Tokens: Parameter-Efficient Vocabulary Adaptation for Specialized Text Summarization

Gunjan Balde et al.

cs.CL cs.AI

本文针对大语言模型在专业领域（如法律和医疗）的文本摘要任务中，因通用tokenizer导致的词汇不匹配问题，提出了一种参数高效的词汇适应方法。该方法通过扩充领域特定token并替换未充分训练的token来优化tokenizer，在Llama-3.1-8B和Qwen2.5-7B上实验表明，其能提升摘要质量并显著减少训练时间和参数数量。

MiniGPT: Rebuilding GPT from First Principles

Jibin Joseph

cs.CL cs.LG

本文使用PyTorch从零实现了MiniGPT，一个紧凑的GPT风格自回归语言模型，在Tiny Shakespeare数据集上进行了字符级tokenization的评估，验证了基础架构的有效性。该工作主要作为教学性实现，未引入新的语言模型架构。

BELIEF: Structured Evidence Modeling and Uncertainty-Aware Fusion for Biomedical Question Answering

Chang Zong et al.

cs.CL

本文提出BELIEF框架，将检索到的文献转换为结构化证据对象，并融合符号推理（基于Dempster-Shafer理论）与神经推理（基于LLM）进行生物医学问答，通过不确定性感知的仲裁模块整合两种路径的输出。实验表明该方法在多个基准上优于基线，但整体属于工程性框架设计，与关键词（如code, spectral, Muon等）无直接关联。

Beyond Catalogue Counts: the Dataset Visibility Asymmetry in Low-Resource Multilingual NLP

Zhiyin Tan, Changxu Duan

cs.CL cs.AI cs.IR

本文通过引入Resource Density Index (RDI)和LLM辅助的引文挖掘流程，揭示了多语言NLP中目录数据集与实际研究文献中数据集活动之间的可见性差距，表明数据稀缺不仅是生产问题，更是文档、可发现性和长期可访问性的问题。

Analyzing Error Propagation in Korean Spoken QA with ASR-LLM Cascades

Donghyuk Jung, Youngwon Choi

cs.CL cs.SD eess.AS

本文分析了韩语口语问答中ASR-LLM级联系统的错误传播机制，发现ASR错误导致的语义退化在不同LLM间具有一致性，并识别出单字符ASR错误是独特的语义失败通道。此外，大型音频语言模型在噪声环境下优于ASR-LLM流水线，表明直接音频输入可缓解转录信息损失。

Hybrid Feature Combinations with CNN for Bangla Fake News Classification

Md Gulzar Hussain, Babe Sultana, Md Rinku Ali

cs.CL

本文使用CNN模型在BanFakeNews-2.0数据集上探索了语义、统计和字符级特征及其组合对孟加拉语假新闻检测的效果，发现组合特征能提升recall和F1-score。

Residual Semantic Decomposition of Word Embeddings

Seungmin Jin

cs.CL cs.LG

本文提出了一种名为Residual Semantic Decomposition (RSD)的神经加性分解方法，用于在词嵌入中平衡重构与关系结构保持。该方法通过递归二元分解提取局部语义轴，但实验表明其残差邻域更适合作为定性诊断工具，而非可靠的语义预测基准。

Mixture of Experts for Low-Resource LLMs

Ori Bar Joseph et al.

cs.CL

本文研究了MoE架构在低资源语言（如希伯来语）中的routing collapse现象，发现深层routing entropy下降且token集中于少数专家，而持续预训练（CPT）能有效纠正此问题。该工作为多语言MoE系统的诊断提供了routing entropy等指标，但方法本身并非开创性突破。

Temporal Decay of Co-Citation Predictability: A 20-Year Statute Retrieval Benchmark from 396M Ukrainian Court Citations

Volodymyr Ovcharov

cs.CL cs.IR

本文通过构建UA-StatuteRetrieval基准，分析了乌克兰法律引用网络中396M条引用在20年间的共引可预测性衰减，发现Adamic-Adar MRR显著下降，且衰减在不同法律领域和文章频率上呈现非均匀性。该工作主要关注法律信息检索中的时间动态，与关键词列表中的概念关联较弱。

Beyond Transcripts: Iterative Peer-Editing with Audio Unlocks High-Quality Human Summaries of Conversational Speech

Kaavya Chaparala et al.

cs.CL

本文研究了人类标注者在不同输入模态（音频、文本或两者结合）和编辑方式下对对话语音进行摘要的质量差异，发现基于音频的摘要信息量较少，但通过迭代同伴编辑可以弥补这一差距。该工作主要关注数据标注流程，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念无直接关联。

Stop When Reasoning Converges: Semantic-Preserving Early Exit for Reasoning Models

Dehai Min et al.

cs.CL

本文提出PUMA框架，通过检测推理步骤的语义冗余（即当后续步骤不再提供新进展时）并结合答案级验证，实现推理模型的早期退出，在保持答案准确性和推理链完整性的前提下减少token消耗。该方法在多个LRM和基准测试上平均减少26.2%的token。

Validate Your Authority: Benchmarking LLMs on Multi-Label Precedent Treatment Classification

M. Mikail Demir, M. Abdullah Canbaz

cs.CL cs.AI

本文针对法律先例中负面处理分类这一NLP任务，提出了一个包含239个真实法律引用的专家标注数据集，并引入了一种新的Average Severity Error评估指标。实验对比了多个现代LLM，发现不同模型在粗粒度与细粒度分类任务上表现各异。

Do LLM Agents Mirror Socio-Cognitive Effects in Power-Asymmetric Conversations?

Anvesh Rao Vijjini, Sagar Manjunath, Snigdha Chaturvedi

cs.CL

本文研究了LLM Agent在权力不对称对话中是否表现出社会认知效应，通过模拟不同职业角色的多轮对话来测量语言协调、代词使用等指标。结果显示LLM确实表现出类似效应，但存在细微差异和可变性。

Sometin Beta Pass Notin (SBPN): Improving Multilingual ASR for Nigerian Languages via Knowledge Distillation

Sewade Ogun

cs.CL eess.AS

本文提出了一种名为Sometin Beta Pass Notin (SBPN)的多语言ASR框架，通过两阶段蒸馏过程（学生-教师知识蒸馏和迭代自改进）来提升尼日利亚语言的识别性能，在Common Voice和Fleurs基准上取得了平均29%的相对WER降低。该工作主要贡献在于为低资源语言提供了实用的开源模型，但方法本身在知识蒸馏和伪标签技术上的创新性较为常规。

From Documents to Segments: A Contextual Reformulation for Topic Assignment

Hoonsang Yoon et al.

cs.CL

本文提出了一种基于segment的topic modeling方法SBTA，将主题分配从文档级别细化到文本片段级别，以解决多主题文档中的主题污染问题。该方法利用LLM分解文档并构建新数据集SemEval-STM，通过segment-level的评估任务提升了主题的聚类质量和可解释性。

Bridging the Version Gap: Multi-version Training Improves ICD Code Prediction, Especially for Rare Codes

Jinghui Liu, Anthony Nguyen

cs.CL cs.AI

本文研究了在ICD编码任务中，通过混合不同版本（ICD-9和ICD-10）的标注数据来训练版本无关的模型。实验表明，多版本训练能显著提升罕见code的预测性能，但对常见code的改进相对有限。

Internalizing Tool Knowledge in Small Language Models via QLoRA Fine-Tuning

Yuval Shemla, Ayal Yakobe, Tanmay Agarwal

cs.CL

本文研究了通过QLoRA微调将工具使用知识内化到小型语言模型中的方法，在AssetOpsBench基准上使用约1700个示例对Gemma和Qwen3-4B进行微调，实现了在推理时无需显式工具描述即可进行结构化规划。实验表明，微调后的模型在减少82.6%输入长度的同时，规划质量优于接收完整工具描述的未微调基线，但该方法主要针对固定工具目录场景，与关键词中的agent概念有一定关联。

Systematic Evaluation of the Quality of Synthetic Clinical Notes Rephrased by LLMs at Million-Note Scale

Jinghui Liu, Sarvesh Soni, Anthony Nguyen

cs.CL cs.AI

本文系统评估了LLM在百万级规模上重述的合成临床笔记质量，包括内在、外在和事实性评估。研究发现合成笔记保留了粗粒度任务的临床信息和预测效用，但丢失了ICD编码等细粒度细节，通过分块重述可缓解此问题但会降低事实精度。

SocialMemBench: Are AI Memory Systems Ready for Social Group Settings?

Olukunle Owolabi

cs.CL cs.AI

本文提出了SocialMemBench基准，用于评估AI记忆系统在社交群组场景中的表现，发现现有系统在多人对话中存在显著缺陷，性能远低于人类水平。

Generating Pretraining Tokens from Organic Data for Data-Bound Scaling

Zichun Yu, Chenyan Xiong

cs.CL cs.AI cs.LG

本文提出SynPro框架，通过重述和重格式化两种操作从有限有机数据中生成多样化预训练token，并利用强化学习优化生成器。实验表明该方法在数据受限场景下能有效提升token利用率，但未涉及code、spectral、Muon等关键词相关技术。

PAREDA: A Multi-Accent Speech Dataset of Natural Language Processing Research Discussions

Sicheng Jin, Dipankar Srirag, Aditya Joshi

cs.CL cs.AI

本文介绍了PAREDA，一个包含澳大利亚、印度和中国英语口音的自然语言处理学术讨论的多口音语音数据集。该数据集包含自发独白和问答对话，用于评估和微调自动语音识别（ASR）模型，实验表明微调能显著降低词错误率。

Multi-agent AI systems outperform human teams in creativity

Tiancheng Hu et al.

cs.CL cs.AI

本文研究了基于LLM的多agent系统在创造力任务上的表现，发现其不仅超越单agent，还显著优于人类团队。通过分析语义空间中的对话路径，揭示了两种团队产生创造性想法的不同模式。

A Pilot Benchmark for NL-to-FOL Translation in Planetary Exploration

Hayden Moore, Suman Saha, Mahfuza Farooque

cs.CL

本文提出了一个将自然语言翻译为一阶逻辑的基准数据集，基于NASA行星探索任务文档构建，旨在支持语言理解与形式推理的交叉研究。该工作主要关注任务规划中的知识表示问题，与关键词中的agent概念有一定关联。

Prompt Compression in Diffusion Large Language Models: Evaluating LLMLingua-2 on LLaDA

Sterling Huang et al.

cs.CL cs.AI

本文研究了prompt compression方法LLMLingua-2在diffusion large language model (DLLM) LLaDA上的迁移效果，发现语义保留并不保证下游行为的稳定性，尤其在数学推理任务中性能显著下降。结果表明，为autoregressive模型设计的压缩方法不能直接迁移到diffusion模型。

Universal Adversarial Triggers

Benedict Florance Arockiaraj et al.

cs.CL cs.LG

本文提出一种结合词性过滤和基于困惑度的损失函数的技术，用于生成更自然、更符合语法的通用对抗触发器，并在情感分析任务上验证了其有效性，同时通过对抗训练提升了模型鲁棒性。

BacktestBench: Benchmarking Large Language Models for Automated Quantitative Strategy Backtesting

Zhensheng Wang et al.

cs.CL cs.AI

本文提出了BacktestBench，一个用于自动化量化回测的大规模benchmark，并设计了AutoBacktest多智能体基线系统。该工作主要关注金融领域的LLM应用，与关键词中的agent概念有一定关联，但方法本身在数学理论或算法上缺乏开创性。

AutoVecCoder: Teaching LLMs to Generate Explicitly Vectorized Code

Shangzhan Li et al.

cs.CL

本文提出了AutoVecCoder框架，通过VecPrompt数据合成和VecRL强化学习，使LLM能够生成显式向量化代码（利用SIMD指令）。该框架在SimdBench的SSE和AVX子集上取得了最优性能，部分实现甚至超越了标准-O3优化。

Predictive Prefetching for Retrieval-Augmented Generation

Wuyang Zhang, Shichao Pei

cs.CL cs.AI

本文提出了一种用于Retrieval-Augmented Generation (RAG)的预测性预取异步检索框架，通过预测检索触发时机和内容来减少延迟，实验表明该方法在保持答案质量的同时显著降低了端到端延迟。

Bridging the Gap: Converting Read Text to Conversational Dialogue

Parshav Singla et al.

cs.CL

本文提出了一种名为PACC的方法，利用HiFi-GAN将朗读语音转换为更自然的对话语音，通过调整prosodic features（如语调、重音和节奏）来提升自然度。实验表明该方法在语音转换任务和MOS评估中取得了改进，但与关键词中的code、context、spectral等概念关联较弱。

Semantic Reranking at Inference Time for Hard Examples in Rhetorical Role Labeling

Anas Belfathi et al.

cs.CL

本文提出RISE框架，通过利用label semantics在推理时对低置信度预测进行reranking，以提升Rhetorical Role Labeling任务中困难样本的性能。该方法无需重新训练模型，在多个domain-specific数据集上取得了平均+9.15 macro-F1的提升。

PROTEA: Offline Evaluation and Iterative Refinement for Multi-Agent LLM Workflows

Kazuki Kawamura, Satoshi Waki, Kei Tateno

cs.CL cs.AI cs.HC cs.SE

PROTEA是一个用于多智能体LLM工作流的离线评估与迭代优化工具，它通过评分中间节点输出和反向节点评估来定位瓶颈，并支持提示词修改与自动重评估。实验表明该方法能提升工作流性能，但主要聚焦于工程实践而非理论创新。

PPAI: Enabling Personalized LLM Agent Interoperability for Collaborative Edge Intelligence

Zile Wang et al.

cs.CL

本文提出PPAI系统，用于边缘设备上个性化LLM agent的P2P协作，通过原型评分机制和贝叶斯博弈实现查询匹配与负载均衡，在提升任务准确率的同时降低延迟。

KVDrive: A Holistic Multi-Tier KV Cache Management System for Long-Context LLM Inference

Jian Lin et al.

cs.CL

本文提出KVDrive，一个面向长上下文LLM推理的多层级KV缓存管理系统，通过联合优化GPU内存、主机DRAM和SSD间的缓存放置、流水线调度与跨层级协调，在有限GPU预算下实现高吞吐推理，相比现有工作吞吐量提升达1.74倍。

A Data-Efficient Path to Multilingual LLMs: Language Expansion via Post-training PARAM$Δ$ Integration into Upcycled MoE

Hao Zhou et al.

cs.CL

本文提出了一种名为PARAM$\Delta$的方法，通过将dense模型升级为Mixture-of-Experts (MoE)架构，并将后训练参数增量$\Delta_{\text{post}}$嫁接至CPT增强的基础模型，以高效扩展LLM到新语言，旨在解决数据效率问题。该方法在提升新语言性能的同时保持了原有能力，但与我提供的关键词（如code, context, spectral等）关联度较低。

How Loud Rumbles Hit Newsstands: A Data Analysis of Coverage and Spatial Bias in German News about Landslides Around the World

Brielen Madureira et al.

cs.CL

本文分析了25年间德国报纸中关于全球滑坡事件的近6万篇新闻报道，并与各国滑坡易发性数据对比，揭示了媒体报道存在空间偏差（如对南欧和西欧的过度报道），为灾害媒体注意力不平等研究提供了数据洞察。

How Good LLMs Are at Answering Bangla Medical Visual Questions? Dataset and Benchmarking

Rafid Ahmed et al.

cs.CL cs.CV

本文构建了孟加拉语医学视觉问答数据集BanglaMedVQA，并评估了多个LLM和LVLM在该数据集上的表现。结果表明，即使是最先进的模型在低资源语言的细粒度医学推理任务上也表现不佳。

iPOE: Interpretable Prompt Optimization via Explanations

Jiahui Li, Sean Papay, Roman Klinger

cs.CL

本文提出了一种名为iPOE的可解释prompt优化策略，通过自动生成或人工提供的注释决策解释来指导prompt优化过程，并采用删除、添加、打乱和合并等操作优化指导集。实验表明该方法在四个数据集上相比无指导或随机指导的prompt有显著性能提升，但未涉及关键词列表中的相关概念。

FOL2NS: Generating Natural Sentences from First-Order Logic

Mei Jia

cs.CL

本文提出了FOL2NS框架，用于将一阶逻辑公式自动转换为自然语言句子。该框架结合规则驱动模块与微调语言模型，能处理具有不同量词深度的嵌套结构，但实验表明其在复杂结构下难以同时保证语义精确性与生成自然度。

Leveraging Graph Structure in Seq2Seq Models for Knowledge Graph Link Prediction

Luu Huu Phuc et al.

cs.CL cs.AI

本文提出GA-S2S框架，将T5-small encoder-decoder与Relational Graph Attention Network (RGAT)结合，用于知识图谱链接预测。该方法通过联合编码文本特征和查询实体的$k$-hop子图拓扑结构，在CoDEx数据集上相比基线Seq2Seq模型取得了最高19%的准确率提升。

Context Memorization for Efficient Long Context Generation

Yasuyuki Okoshi et al.

cs.CL cs.AI

本文提出了一种名为attention-state memory的无训练方法，通过将prefix（条件前缀）外部化为轻量级的、基于查找的预计算attention states（注意力状态）内存，来解决长上下文生成中prefix影响衰减和计算开销问题。该方法在ManyICLBench和NBA benchmark上展示了优于或匹敌现有方法的性能，但并未涉及code、spectral、Muon、pretrain、agent等关键词。

SomaliWeb v1: A Quality-Filtered Somali Web Corpus with a Matched Tokenizer and a Public Language-Identification Benchmark

Khalid Yusuf Dahir

cs.CL cs.AI cs.IR

本文介绍了SomaliWeb v1，一个经过质量过滤的索马里语网络语料库，包含约3.03亿个token，并配套发布了BPE-16K分词器和语言识别基准。研究通过可复现的六阶段流程从HPLT v2、CC100和维基百科中构建语料，揭示了现有多语言分布中存在的重复、乱码等质量问题。

Multilingual jailbreaking of LLMs using low-resource languages

Dylan Marx, Marcel Dunaiski

cs.CL cs.AI

本文研究了利用低资源非洲语言（如Afrikaans, Kiswahili等）进行多轮对话以绕过LLM安全机制的方法，发现单轮翻译攻击无效，而多轮对话能显著提高jailbreak成功率，且翻译质量是关键因素。该工作主要关注安全漏洞而非关键词中的数学或算法主题。

Machine Unlearning for Masked Diffusion Language Models

Georu Lee et al.

cs.CL cs.AI

本文提出了首个针对Masked Diffusion Language Models (MDLMs)的去学习框架MDU，通过最小化前向KL散度来移除特定知识。实验表明该方法在标准基准上优于现有LLM去学习方法。

Knowledge-to-Verification: Exploring RLVR for LLMs in Knowledge-Intensive Domains

Zhonghang Yuan et al.

cs.CL

本文提出Knowledge-to-Verification (K2V)框架，通过自动化可验证数据合成将RLVR扩展到知识密集型领域，并验证了LLM的推理过程。实验表明该方法能增强模型在知识密集型领域的推理能力，但未显著损害通用能力。

From Volume to Value: Preference-Aligned Memory Construction for On-Device RAG

Changmin Lee, Jaemin Kim, Taesik Gong

cs.CL cs.AI cs.IR cs.LG

本文提出EPIC方法，通过聚焦用户偏好构建紧凑的索引，用于设备端RAG系统。该方法在保持低内存占用和低延迟的同时，提升了偏好遵循的准确性。

Infini-News: Efficiently Queryable Access to 1.3 Billion Processed Common Crawl News Articles

Ruggero Marino Lazzaroni, Jana Lasser, Kirill Solovev

cs.CL

本文介绍了Infini-News，一个用于查询Common Crawl新闻档案的工具包和索引，处理了超过13.5亿篇文章，并提供了语言检测和地理归属等元数据增强。该工作主要面向计算社会科学和NLP研究，但与关键词列表中的概念关联较弱。

Presupposition and Reasoning in Conditionals: A Theory-Based Study of Humans and LLMs

Tara Azin et al.

cs.CL

本文通过平行行为实验比较了人类和LLM在条件句预设投射上的判断，发现LLM的表现更接近表面模式匹配而非真正的语用推理能力，与关键词列表中的概念关联较弱。

SkillsVote: Lifecycle Governance of Agent Skills from Collection, Recommendation to Evolution

Hongyi Liu et al.

cs.CL cs.AI

本文提出SkillsVote框架，用于管理LLM Agent技能的生命周期，包括收集、推荐和演化。该框架通过结构化技能库和证据门控更新机制，在无需更新模型的情况下提升了Agent在Terminal-Bench和SWE-Bench等基准上的性能。

EvoMemBench: Benchmarking Agent Memory from a Self-Evolving Perspective

Yuyao Wang et al.

cs.CL cs.AI cs.LG

本文提出了EvoMemBench，一个用于评估LLM agent记忆能力的benchmark，从记忆范围和记忆内容两个维度组织，并比较了15种记忆方法。实验表明当前记忆系统尚未成为通用解决方案，不同记忆方法在不同场景下各有优劣。

From BERT to T5: A Study of Named Entity Recognition

Mei Jia

cs.CL

本文比较了BERT和T5在Named Entity Recognition任务上的微调表现，包括使用不同标签方案和超参数。实验为序列标注任务提供了两种架构的性能对比分析。

Vector RAG vs LLM-Compiled Wiki: A Preregistered Comparison on a Small Multi-Domain Research

Theodore O. Cochran

cs.CL cs.IR

本文通过预注册实验比较了Vector RAG和LLM-compiled wiki两种方法在小规模研究语料上的问答表现，发现wiki在跨论文综合和引用准确性上更优，但RAG在单事实查询和成本上表现更好，表明研究综合能力并非单一维度。

Implicit Hierarchical GRPO: Decoupling Tool Invocation from Execution for Tool-Integrated Mathematical Reasoning

Li Wang et al.

cs.CL

本文提出了一种隐式层次化GRPO算法（IH-GRPO），通过将工具调用与执行解耦并引入延迟执行机制，来增强大语言模型在数学推理中整合工具的能力。实验表明该方法在多个数学推理基准上取得了性能提升。

Ancient Greek to Modern Greek Machine Translation: A Novel Benchmark and Fine-Tuning Experiments on LLMs and NMT Models

Spyridon Mavromatis et al.

cs.CL

本文构建了古希腊语到现代希腊语的平行语料库AG-MG Parallel Corpus，并评估了NMT模型和LLM在该低资源翻译任务上的表现。实验表明微调能显著提升性能，但该工作主要聚焦于语料构建和翻译任务，与关键词中的code, spectral, Muon, agent, attention等概念关联较弱。

Easier to Judge than to Find: Predicting In-Context Learning Success for Demonstration Selection

Haochun Wang et al.

cs.CL

本文提出DiSP框架，通过训练轻量级router预测查询难度并训练level-specific judges来评估demonstration效果，从而在in-context learning中实现高效的demonstration selection。该方法在多个分类数据集上取得了较好的准确率和速度提升。

STT-Arena: A More Realistic Environment for Tool-Using with Spatio-Temporal Dynamics

Tingfeng Hui et al.

cs.CL cs.AI

本文提出了STT-Arena基准，用于评估LLM在时空动态环境中的工具使用与自适应规划能力，发现现有模型准确率不足40%，并基于失败模式分析提出了STT-Agent-4B。该工作与关键词中的agent相关，但方法创新性有限，未解决长期存在的核心问题。

Monitoring the Internal Monologue: Probe Trajectories Reveal Reasoning Dynamics

Maciej Chrabąszcz et al.

cs.CL cs.CR

本文通过构建probe trajectory（探针轨迹）来监测Large Reasoning Models的内部推理动态，发现从完整轨迹中提取的信号处理特征（如波动性、趋势和稳态行为）能比单次静态预测更好地区分未来模型行为，并在安全与数学任务上验证了其有效性。

Readers make targeted regressions to plausible errors in reanalysis of "noisy-channel garden-path" sentences

Thomas Hikaru Clark, Roger Levy, Edward Gibson

cs.CL

本文通过眼动实验研究读者在阅读“噪声信道花园路径句”时的回视行为，发现读者会针对可能的错误区域进行定向回视，这与噪声信道处理模型的后验推断一致。

LongMINT: Evaluating Memory under Multi-Target Interference in Long-Horizon Agent Systems

Hyunji Lee et al.

cs.CL cs.AI

本文提出了LongMINT基准，用于评估长时域agent系统在多目标干扰下的记忆表现，包含15.6k个问答对，平均上下文长度138.8k tokens。实验发现现有系统平均准确率仅27.9%，主要受限于检索和记忆构建能力，且性能随干扰更新次数增加而下降。

GUT-IS: A Data-Driven Approach to Integrating Constructs and Their Relations in Information Systems

Maximilian Reinhardt, Jonas Scharfenberger, Burkhardt Funk

cs.CL cs.LG

本文提出了一种数据驱动方法GUT-IS，通过结合任务适应的text embeddings和clustering来整合structural equation models中的construct groupings，并使用loss function在semantic purity和parsimony间进行权衡。该方法在IS领域数据集上进行了实证评估。

MA$^{2}$P: A Meta-Cognitive Autonomous Intelligent Agents Framework for Complex Persuasion

Dingyi Zhang et al.

cs.CL

本文提出了一个名为MA$^{2}$P的元认知自主智能体框架，用于处理复杂说服对话。该框架通过协调多个智能体模块（如感知管理、心理状态推理等）并利用元认知配置器选择策略，提升了说服成功率，但方法主要针对自然语言处理中的对话生成任务，与关键词中的数学或理论概念关联较弱。

Forecasting Downstream Performance of LLMs With Proxy Metrics

Arkil Patel et al.

cs.CL cs.LG

本文提出通过聚合候选模型在专家编写的解决方案上的next token分布统计量（如entropy, top-k accuracy, expert token rank）来构建proxy metrics，用于预测LLM的下游性能。实验表明，该方法在跨族模型选择、预训练数据选择和训练时性能预测等场景中，均优于基于cross-entropy loss和计算量的baseline。

Language-Switching Triggers Take a Latent Detour Through Language Models

Francis Kulumba et al.

cs.CL

本文研究了8B参数自回归语言模型中语言切换后门攻击的内部机制，发现触发序列通过一个三阶段电路（早期注意力层组合触发token、中间层在正交子空间传播信号、最终层MLP转换为法语logits）劫持模型计算。该工作揭示了后门攻击的潜在路径，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。

Predictable Confabulations: Factual Recall by LLMs Scales with Model Size and Topic Frequency

Matthew L. Smith et al.

cs.CL cs.AI cs.LG

本文研究了大型语言模型在事实回忆任务中的表现，发现回忆质量与模型参数数量和训练数据中主题频率呈Sigmoid关系，并提出了一个基于信噪比的解释。该工作主要关注语言模型的行为分析，与您提供的关键词（如code, spectral, Muon等）关联度较低。

Code as Agent Harness

Xuying Ning et al.

cs.CL cs.AI

本文提出"code as agent harness"的统一视角，将代码视为智能体系统的基础设施，并围绕接口、机制和扩展三个层次组织综述，总结了代码在智能体推理、行动和环境建模中的应用。

cs.DS

An Approximation Algorithm for Graph Label Selection ⭐ 精选

Josia John, Maximilian Probst Gutenberg, Simon Meierhans

cs.DS cs.LG

本文针对图标签选择问题（给定$n$顶点图和预算$k$，选取$k$个顶点以准确预测其余顶点标签）提出了首个$\tilde{O}(\log^{1.5} n)$-近似算法。该算法在标准预算约束下工作，无需资源增强（即允许超过$k$个标记顶点），解决了该领域长期缺乏理论保证的问题。此外，文中展示了该算法的实用启发式变体在保持质量的同时，可扩展至比先前方法大得多的图。

Adversarially Robust Approximate Furthest Neighbor

Kiarash Banihashem et al.

cs.DS cs.CG

本文研究了自适应查询模型下的近似最远邻问题，提出了首个对抗鲁棒的数据结构，其查询时间与Indyk在非自适应场景下的经典结果相匹配。同时，文章展示了针对非自适应近似最远邻算法的对抗攻击，表明Indyk的算法无法在自适应查询下保持其性能保证。

DialSort: Non-Comparative Integer Sorting via the Self-Indexing Principle: Architecture, Implementation, and Substrate-Aware Analysis

Alexander Narvaez

cs.DS

DialSort提出了一种基于自索引原理的非比较整数排序架构，通过将直方图视为规范有序表示来消除前缀和传递，并引入冲突解决网络(CRN)处理并行写入。实验表明其在有界整数键排序任务上性能显著优于std::sort等算法，但该方法属于特定领域的专用排序方案。

Improved Parallel Algorithms for EF1 Allocations

Kishen N Gowda et al.

cs.DS cs.GT

本文研究了EF1分配问题的并行算法，改进了2个agent时的深度和复杂度，并推广到任意常数个agent的NC算法，同时给出了随机化算法。这些结果通过绕过Round Robin模拟来规避已有的CC-hardness限制。

Online Graph Embedding in Star Graphs

Julien Dallot et al.

cs.DS

本文研究了星图上的在线图嵌入问题，提出了一个最优的1.5-competitive确定性算法和一个最优的11/9-competitive随机化算法，并证明了相应的下界。该工作为更复杂host graph的在线嵌入算法设计提供了基础模块。

Iterative Chow Filtering for Learning with Distribution Shift

Gautam Chandrasekaran et al.

cs.DS cs.LG

本文提出了一种名为Iterative Chow Filtering的新方法，利用低阶Chow参数来识别并移除与训练分布不兼容的测试点，从而在PQ学习框架下处理分布偏移问题。该方法证明了${\cal L}_1$ sandwiching足以实现高效的PQ学习，并首次为DNF公式等函数类提供了拟多项式时间的学习算法。

Fast and Practical Single-Exponential Algorithms for Branchwidth

Taiki Kaneda, Yasuaki Kobayashi, Hisao Tamaki

cs.DS

本文提出了计算branchwidth的精确指数时间算法，在理论上和实践上都具有快速性。这些算法的时间复杂度在顶点数上呈单指数，其中针对超图的算法是首个单指数时间算法，而针对图的算法改进了此前的最佳运行时间。

Module Lattice Security (Part III): Structured CVP Distance on the Log-Unit Lattice

Ming-Xing Luo

cs.DS cs.CR math.NT math.ST quant-ph

本文研究了分圆域$\Q(\zeta_{2^k})$中log-unit lattice的结构化CVP距离，证明了$L^2$距离收敛于$\frac{\pi}{2\sqrt{6}}\sqrt{n}$，并给出了$L^\infty$范数下的子多项式近似因子。这些结果用于降低ML-KEM的CDPR因子，但与我提供的关键词（如code, attention, pretrain等）关联度较低。

Finding the Balance Rate of Uncertain Signed Graphs

Zeyu Wang et al.

cs.DS

本文针对不确定符号图（uncertain signed graphs）引入了平衡率（balance rate）这一度量，证明了其精确计算是NP-hard的，并提出了一种基于Rao-Blackwellized spanning-tree的估计器，通过图分解实现近线性时间复杂度的采样，同时利用Delta方法构建了渐近置信区间。

One-Shot Klein Cutting Planes for Lipschitz Geodesically Convex Optimization in Hyperbolic Space

Yutong Zhang et al.

cs.DS

本文提出了一种在双曲空间中进行Lipschitz测地凸优化的一步Klein切割平面方法，通过将Riemannian subgradient halfspace转化为精确的Euclidean central cut，实现了对负常曲率情形的高效求解。该方法在Beltrami-Klein坐标下利用固定椭球定位整个双曲球，并给出了显式的oracle调用次数上界。

Parse indexing for choosing pseudo-MEMs

Travis Gagie

cs.DS

本文提出使用parse indexing（解析索引）来选择pseudo-MEMs（伪最大精确匹配），以消除Brown等人提出的KeBaB预处理步骤中因过滤伪MEMs而丢失所有MEMs的风险，并避免了参数$k$的选择问题。

Tolerant Testing for Unique Games

Yuichi Yoshida

cs.DS

本文针对Unique Games问题在邻接表模型中给出了具有次线性查询复杂度的容忍测试器，并针对二部性测试给出了一个特化版本。这些测试器能够在无需结构假设的情况下，区分最优违反约束比例分别低于$\varepsilon$和高于$\rho$的实例。

On efficient robust regression with subquadratic samples

Deeksha Adil et al.

cs.DS stat.ML

本文研究了高斯协变量下鲁棒线性回归的样本复杂度与条件数$\kappa$的权衡，提出了一种近线性时间算法，在$\epsilon\kappa \lesssim 1$条件下使用$\widetilde{O}(d/\epsilon^4)$样本达到$O(\sqrt{\epsilon\kappa})$预测误差，并给出了SQ下界和低度多项式下界。

A Note on Second-Order Expected Maximum-Load Bounds for Binary Linear Hashing

Nader H. Bshouty

cs.DS

本文研究了二元线性哈希（binary linear hashing）的最大负载（maximum load）问题，给出了比已有结果更精细的尾概率界和期望界，表明其在二阶尺度上几乎匹配完全独立哈希的性能。文中还针对单个桶给出了一个尖锐的尾界，并证明了其渐近紧性。

others

ACE: Self-Evolving LLM Coding Framework via Adversarial Unit Test Generation and Preference Optimization ⭐ 精选

Yixu Huang, Xinglei Yu, Zhongyu Wei

cs.SE cs.AI

ACE提出了一种基于solver-adversary架构的自演化代码生成框架，通过让单个LLM交替生成候选程序和对抗性unit test输入来主动发现执行级失败（如runtime errors或non-termination）。该方法仅依赖执行结果进行监督，无需ground-truth代码或外部reward model，并采用Kahneman-Tversky Optimization优化对抗测试。实验表明，ACE在CodeContests、MBPP和LiveCodeBench上相比强solver-verifier基线在pass@1上获得3-7%的绝对提升，尤其对out-of-distribution基准改进更大，同时保持竞争性的推理效率。该工作与关键词“code”和“agent”高度契合，为代码生成中的自监督学习提供了新范式。

Visual Agentic Memory: Enabling Online Long Video Understanding via Online Indexing, Hierarchical Memory, and Agentic Retrieval ⭐ 精选

Aiden Yiliu Li, Nels Numan, Anthony Steed

cs.CV cs.AI

本文提出Visual Agentic Memory (VAM)，一种无需训练的视频理解框架，包含Online Indexing（在线索引）、Hierarchical Memory（层次化记忆）和Agentic Retrieval（智能检索）三个组件。该方法通过将视觉记忆视为显式、可查询的基板（substrate），在长视频理解任务中实现了优于直接使用大上下文窗口的MLLM（如Gemini 3 Flash）的性能。该工作与关键词中的agent高度契合，为长视频在线理解提供了新的范式。

Attend Locally, Remember Linearly: Linear Attention as Cross-Frame Memory for Autoregressive Video Diffusion ⭐ 精选

Kunyang Li, Mubarak Shah, Yuzhang Shang

cs.CV cs.LG

本文提出ARL2 (Attend Locally, Remember Linearly)方法，将自回归视频扩散模型中的二次复杂度cross-frame softmax attention替换为固定大小的recurrent state。该方法通过分解self-attention为intra-frame softmax分支（处理空间细节）和inter-frame gated recurrent linear分支（维护流式context），实现了线性时间复杂度和恒定内存消耗，同时提升了时间一致性。这是首个将预训练AR视频扩散模型转换为hybrid linear attention架构的工作，通过两阶段训练方案，在替换75%的层后实现了2.26倍加速和54%内存缩减。该方法与关键词中的attention和context高度契合，解决了AR视频扩散中KV-cache内存线性增长这一长期存在的可扩展性瓶颈。

GRASP: Graph Agentic Search over Propositions for Multi-hop Question Answering ⭐ 精选

Stockton Jenkins, Ramya Korlakai Vinayak, Junjie Hu

cs.MA cs.AI

本文提出GRASP (Graph Agentic Search over Propositions)，一种用于多跳问答的agentic检索系统。其核心创新在于将多跳查询分解为依赖感知的计划，并动态调整子agent数量以适应问题复杂度，同时构建了一个新颖的三层层次图（entities, propositions, passages），利用entity层进行定向遍历，proposition层通过reciprocal-rank voting实现高召回率检索。该方法在MuSiQue和2WikiMultihopQA等数据集上，在开放语料检索和长上下文推理两种设置下，均以显著更低的token消耗（比IRCoT+HippoRAG2低40-50%）取得了最高或领先的QA准确率，并引入了“success economy”指标以倡导效率感知评估。该工作与关键词“agent”高度契合，并在多跳问答的agentic检索效率与准确性权衡问题上提供了开创性方法。

OmniVL-Guard Pro: A Tool-Augmented Agent for Omnibus Vision-Language Forensics ⭐ 精选

Jinjie Shen et al.

cs.CV cs.AI

本文提出OmniVL-Guard Pro，一种工具增强的agent，用于开放世界视觉语言取证。它通过集成实时事件搜索、局部裁剪缩放、边缘异常筛查等工具环境，突破了封闭世界MLLM的参数知识限制。为训练agent，作者提出了Tree-Structured Self-Evolving Tool Trajectory Generation方法生成高质量工具推理轨迹，并设计了Checker-Guided Agentic Reinforcement Learning (CGARL)提供过程级监督以防止推理扭曲。实验表明该方法在多项任务上达到SOTA，且与关键词"agent"高度契合。

Contrastive Conceptor Activation Steering (COAST): Unlocking Vision-Language-Action Models through Hidden States ⭐ 精选

Miranda Muqing Miao et al.

cs.RO cs.AI cs.LG

COAST提出了一种基于conceptor（一种线性算子，用于将数据软投影到目标分布的主成分上）的轻量级、免训练方法，通过从少量成功和失败轨迹中识别任务相关的成功子空间，并在推理时引导VLA模型的隐状态向这些子空间移动，从而显著提升任务成功率。该方法在flow-matching VLA、autoregressive VLA和Diffusion Policy三种架构上均取得超过20%（仿真）和40%（真实机器人）的绝对成功率提升。实验还发现，不同任务的失败模式共享结构，使得已拟合的conceptor可迁移至新任务而无需重新训练。这项工作为解锁VLA模型隐层中已有的任务相关知识提供了新路径，与关键词中的“spectral”（通过主成分分析实现子空间识别）和“agent”（机器人任务执行）高度契合。

Rover: Context-aware Conflict Resolution with LLM ⭐ 精选

Qingyu Zhang et al.

cs.SE cs.AI

本文提出Rover，一种结合程序分析与Large Language Model (LLM)的代码冲突解决系统。其核心创新在于构建了Multi-layer Code Property Graph (MtCPG)，该图表示能够捕获跨文件的代码依赖关系，从而为冲突提供上下文感知的提示。通过图连通性算法，Rover将冲突代码及其相关变更聚类为有意义的“上下文”，引导LLM生成更准确的解决方案。实验表明，Rover在字符、词汇和语义层面均优于独立的LLM及现有基线方法，有效解决了复杂代码依赖下的冲突问题。

ASPI: Seeking Ambiguity Clarification Amplifies Prompt Injection Vulnerability in LLM Agents ⭐ 精选

Udari Madhushani Sehwag et al.

cs.CR cs.AI

本文提出ASPI (Ambiguous-State Prompt Injection) benchmark，包含728个task-attack场景，系统性地研究了LLM agent在寻求歧义澄清（clarification-seeking）状态下的prompt injection脆弱性。实验发现，当agent从标准执行状态转换到澄清状态时，攻击成功率显著上升（例如o3从1.8%升至34.0%），揭示了标准执行时安全性评估会系统性低估交互式agent的攻击面。该工作与关键词"agent"高度契合，为agent安全领域提供了开创性的benchmark和关键发现。

ContraFix: Agentic Vulnerability Repair via Differential Runtime Evidence and Skill Reuse ⭐ 精选

Simiao Liu et al.

cs.SE cs.AI cs.CL cs.CR

ContraFix提出了一种基于agent的自动化漏洞修复框架，通过引入差分运行时证据（differential runtime evidence）和可复用修复技能（repair skills）来解决语义误解问题。其Mutator构造跨越失败边界的PoC变体，Analyzer在故障区域插入状态探针并总结崩溃与非崩溃执行间的差异为修复规范，Patcher将规范转换为已验证的源码补丁。该方法在SEC-Bench和PatchEval上达到SOTA性能，且成本低于最强基线三分之一，与关键词中的agent和code修复高度契合。

Firefly: Illuminating Large-Scale Verified Tool-Call Data Generation from Real APIs ⭐ 精选

Yuxuan Lu et al.

cs.SE cs.CL

本文提出FireFly，一种从真实MCP服务器生成可验证tool-call数据的pipeline。其核心创新在于反转标准合成流程：先让强LLM沿图引导的DAG结构探索真实API，再从观察到的结果反向合成任务，从而保证标签正确性。为解决真实工具空间规模（约1000个工具）问题，构建了pairwise tool graph并采样子DAG以聚焦语义连贯的工作流；为应对实时API的环境漂移，构建了检索增强模拟器缓存探索结果并离线回放。实验表明，基于FireFly数据训练的4B参数模型在多个tool-calling benchmark上达到与Claude Sonnet 4.6相当的性能，该方法与关键词“agent”高度契合。

Training Infinitely Deep and Wide Transformers ⭐ 精选

Raphaël Barboni et al.

math.OC cs.AI cs.LG stat.ML

本文为无限深度和宽度的Transformer训练建立了严格的mean-field理论框架，将ResNet的neural ODE控制推广到neural PDE控制，并证明了前向传播的适定性。通过adjoint sensitivity分析，作者推导了条件Wasserstein梯度的显式公式，并证明了梯度流在条件Wasserstein度量空间中的存在唯一性。一个关键贡献是给出了attention机制中Neural Tangent Kernel (NTK)单射性的充要条件（等价于log-sum-exp函数模仿射函数的线性无关性），并在此条件下证明了当初始损失足够小时梯度流收敛到全局最小值。该工作与关键词中的attention和context（通过token分布耦合）高度契合。

Self-Distillation is Optimal Among Spectral Shrinkage Estimators in Spiked Covariance Models ⭐ 精选

Radu Lecoiu, Debarghya Mukherjee, Pragya Sur

math.ST cs.LG stat.ME stat.ML

本文在spiked covariance models框架下，证明了$s$-step self-distillation在spectral shrinkage estimators类中达到最优性能，解决了该领域关于自蒸馏统计最优性的长期问题。作者严格证明了$s$步蒸馏对最优性的必要性，并揭示了在isotropic协方差特例中，最优调参的Ridge regression是spectral shrinkage estimators中的最佳选择。此外，论文还研究了联邦学习场景下的最优聚合规则，发现其同样采取self-distillation形式，但不同于中心化数据场景。这些结果为理解自蒸馏为何能提升预测性能提供了统计理论基础，并建立了与经典shrinkage方法的联系。

BLAgent: Agentic RAG for File-Level Bug Localization ⭐ 精选

Md Afif Al Mamun, Gias Uddin

cs.SE cs.AI

BLAgent提出了一种agentic RAG框架用于文件级bug localization，通过code structure-aware的repository encoding（基于path-augmented AST chunking）和dual-perspective query transformation来捕捉structural与behavioral signals，并采用two-phase agentic reranking（结合symbolic inspection与evidence-grounded reasoning）在compact candidate set上进行bounded reasoning。该方法在SWE-bench Lite上以开源模型达到超过78%的Top-1 accuracy，且成本比最强baseline低18倍以上，解决了现有RAG pipeline因static retrieval缺乏reasoning能力而无法准确识别faulty code的问题。

Symmetry-Compatible Principle for Optimizer Design: Embeddings, LM Heads, SwiGLU MLPs, and MoE Routers ⭐ 精选

Tim Tsz-Kit Lau, Weijie Su

math.OC cs.AI cs.LG stat.ML

本文提出了一种对称兼容性原理用于优化器设计，要求梯度更新规则在对应权重块的对称群作用下保持等变。作者从正交群推广到置换和共享平移对称性，为嵌入矩阵、LM头矩阵、SwiGLU MLP投影和MoE路由器矩阵等参数块推导了对称兼容的优化器，包括单边谱更新、行范数更新和混合行范数/谱更新等。这些方法构建了一个端到端的逐层优化器栈，其中每个主要矩阵值参数类都被分配了与其对称群匹配的等变更新。在稠密和稀疏MoE语言模型的预训练实验中，对称兼容更新一致地改善了最终验证损失，并在某些情况下提高了训练稳定性，优于对应的AdamW更新。

Improved Baselines with Representation Autoencoders ⭐ 精选

Jaskirat Singh et al.

cs.CV cs.AI cs.GR cs.LG stat.ML

本文提出RAEv2，通过三个关键改进显著提升了Representation Autoencoders (RAE)的性能。首先，将representation定义为最后k层encoder层的和而非仅最后一层，大幅改善了重建质量。其次，发现RAE与representation alignment (REPA)具有互补机制，可同时使用同一representation作为encoder和中间扩散层的目标。最后，通过将REPA视为RAE隐空间中的x-prediction，实现了无需额外训练的classifier-free guidance (CFG)。该方法在ImageNet-256上仅需80个epoch即达到1.06的gFID，并提出了EP_FID@k作为训练效率指标，与关键词中的pretrain和attention（通过DiT架构）高度相关。

Focused Forcing: Content-Aware Per-Frame KV Selection for Efficient Autoregressive Video Diffusion ⭐ 精选

Peiliang Cai et al.

cs.CV cs.AI

本文提出了一种名为Focused Forcing的训练无关KV缓存选择方法，用于高效的自回归视频扩散。该方法通过结合注意力分数和历史帧的多样性分数，为每个生成帧保留最相关且最具区分度的历史帧，并根据估计的头部重要性为不同attention head分配不同的预算。实验表明，该方法在多个自回归生成范式下实现了高达1.48倍的端到端加速，同时提升了视觉质量和文本对齐，解决了长序列生成中KV缓存压缩与质量保持的权衡问题。

Qumus: Realization of An Embodied AI Quantum Material Experimentalist ⭐ 精选

Lihan Shi et al.

cond-mat.mes-hall cond-mat.mtrl-sci cs.AI cs.RO

本文提出了Qumus，首个具身AI量子材料实验系统，它通过多模态信息处理和multi-agent架构，在机器人微型实验室中自主完成从假设生成到实验执行的完整科学循环。该系统首次实现了AI自主创建石墨烯和通过van der Waals堆叠制造原子级薄场效应晶体管，并展示了自主错误修正和闭环实验能力。这项工作为agent驱动的科学发现提供了通用框架，与关键词“agent”高度契合。

Scale-Invariant Neural Network Optimization: Norm Geometry and Heavy-Tailed Noise ⭐ 精选

Jiayu Zhang, Tianyi Lin

math.OC cs.LG

本文针对神经网络优化中的scale-invariant方法，在一般输入输出矩阵范数下，首次建立了维度相关的下界：当$\frac{\max\{m,n\}}{(\min\{m,n\})^2}$足够大时，任何使用spectral norm的scale-invariant一阶方法都需要$\Omega(\min\{m, n\}\epsilon^{-\frac{3p-2}{p-1}})$次oracle调用才能达到$\epsilon$-stationary point。作者提出了匹配该下界的batched Scion方法，并进一步利用高阶光滑性，在Hessian Lipschitz条件下提出了transported Scion方法，将复杂度改进至$O(\min\{m, n\}\epsilon^{-\frac{5p-3}{2p-2}})$。该工作为理解spectral norm下heavy-tailed噪声的优化理论提供了关键进展，并展示了与Muon等实际启发式方法的兼容性。

Overeager Coding Agents: Measuring Out-of-Scope Actions on Benign Tasks ⭐ 精选

Yubin Qu et al.

cs.SE cs.AI cs.CL cs.CR

本文提出了一个名为OverEager-Gen的benchmark，用于系统性地测量coding agent在良性任务中执行超出授权范围的行为（overeager actions）。作者发现，如果benchmark在prompt中明确声明授权范围，agent会停止推断边界而转为模式匹配，因此设计了一个behavioral-gradient validator来确保每个场景的判别力。通过在Claude Code、OpenHands等四个agent产品上的约7500次运行实验，揭示了移除consent声明会使overeager rate显著上升（Delta在11.9-17.2个百分点之间），且框架层面的permission gating机制对行为的影响远大于基础模型的对齐效果。该工作为agent的授权边界问题提供了首个系统化的测量工具和实证分析，与关键词中的agent和context高度契合。

How algorithmic popularity bias hinders or promotes quality

Azadeh Nematzadeh et al.

cs.CY cs.IR cs.SI

本文通过一个文化市场模型，研究了算法流行度偏差（popularity bias）对内容质量的影响，发现存在一个中等探索成本区间，使得流行度能促进高质量内容脱颖而出，但超出此范围则会阻碍质量。

Quantitative Linear Logic for Neuro-Symbolic Learning and Verification

Thomas Flinkow et al.

cs.LO cs.LG

本文提出了一种名为Quantitative Linear Logic (QLL)的新逻辑，旨在解决可微逻辑中逻辑属性与分析语义之间的长期矛盾。QLL通过将逻辑约束翻译为损失函数，并采用机器学习中常用的操作（如求和与log-sum-exp）来定义连接词的语义，从而在逻辑充分性和经验有效性之间取得平衡。

LLM-Based Intelligent Notification Composition: From Static Personalization to Context-Aware Persuasive Messaging

Nilesh Agrawal

cs.HC cs.CL

本文通过PRISMA-guided survey（28篇文献）研究了基于LLM的智能通知生成，定义了通知质量的六个维度（如contextual relevance和persuasive appropriateness），并提出了一个包含budget-aware routing和grounded generation的统一架构框架。文章主要关注通知消息的文本生成优化，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念关联较弱。

Patchwork: A compact representation for 3D polygonal shapes

Ruichen Zheng et al.

cs.GR cs.CV cs.LG

Patchwork提出了一种基于严格数学框架的紧凑形状表示方法，能够以极少的参数逼近任意维度的2D和3D几何形状，并支持内外分类。该方法通过梯度优化和正则化损失实现高效拟合，但与我提供的关键词（如code, context, spectral等）关联度较低。

Helping Customers in Distress: An LLM-powered Agent that Converses, Probes, and Routes

Alankar Atreya et al.

cs.HC cs.AI cs.LG

本文开发了一个基于LLM的客户面向AI分流代理，通过多轮对话和策略引导分类来优化银行欺诈报告的处理流程，并利用合成数字孪生进行可扩展评估。实验表明该agent在分类准确率上提升了30.6%，但方法主要聚焦于工程应用而非理论创新。

Train the Trainers -- An Agentic AI Framework for Peer-Based Mental Health Support in Battlefield Environments

Atmaram Yarlagadda et al.

cs.HC cs.AI

本文提出了一种基于agentic AI的“Train-the-Trainers”框架，用于战场环境下的同伴心理健康支持，通过让康复士兵作为人类监督者协调多个AI agent进行症状分诊和干预。该框架在低连接性环境下运行，旨在减少响应时间和不必要的后送，但主要关注应用场景而非数学理论创新。

Beyond Compliance: How AI Could Help Creative Writers by Refusing Them

Hua Xuan Qin et al.

cs.HC cs.AI

本文通过定性研究探讨了AI在创意写作中的“拒绝”行为如何影响写作者的反思，发现其效果依赖于情境、认知和关系等多维偏好对齐，为摩擦式AI设计提供了初步见解。

ChartDesign: Towards LLM Designer of Data Visualization

Mohammed Afaan Ansari, Aniruddh Bansal, Tianyi Zhou

cs.HC cs.AI

本文提出ChartDesign方法，通过后训练LLM来模仿人类专家，为表格数据生成图表设计属性（如类型、布局等）。该方法使用视觉语言模型从现有图表中提取数据-设计对作为训练数据，并微调LoRA适配器，在图表设计任务上显著优于基线模型。

AI Slop or AI-enhancement? Student perceptions of AI-generated media for an English for Academic Purposes course

David James Woo, Deliang Wang, Kai Guo

cs.CY cs.AI cs.CL cs.MM

本文探讨了在学术英语课程中使用AI生成的多媒体材料（如视频、播客和信息图）的学生感知与学习效果，发现学生偏好与评估相关的内容，且视频偏好与成绩正相关，但认知负荷过高会负面影响成绩。研究基于Technology Acceptance Model和Cognitive Load Theory，展示了AI工具（如Google Notebook LM）在规模化个性化反馈中的潜力。

Generative AI in K-12 Classrooms: A Midyear Implementation Report

Lief Esbenshade et al.

cs.CY cs.AI

本文报告了2025年秋季学期华盛顿州12个学区教师使用Colleague AI的中期实施情况，基于平台数据和行政记录分析了教师与AI的互动模式。该报告主要关注教育领域的应用实践，与关键词中的数学或算法概念无关。

Keeping an Eye on AI: A Framework for Effective Human Oversight of AI Systems

Susanne Gaube et al.

cs.CY cs.AI cs.HC

本文提出了一个跨学科框架，用于实现AI系统的有效人类监督，定义了监督架构、角色和流程，并总结了开放研究挑战。该工作主要关注人机交互与治理，与关键词中的技术概念无直接关联。

Generative AI and Two-Tiered Online Mental Health Communities

Manyang Zhang, Jinyang Zheng, Zhijun Yan

cs.CY cs.AI

本文研究了生成式AI在双层在线心理健康社区中的整合效应，发现AI引入后咨询师的发帖强度显著增加，但平均回复长度不变且社会认可度下降，不同动机的咨询师表现出异质性反应。该研究与关键词中的agent（AI代理）有一定关联，但方法上缺乏开创性且未解决长期问题。

Beyond Imperfect Alternatives with Rulemapping: A Neuro-Symbolic Case Study on Online Hate Speech

Oskar von Cossel

cs.CY cs.AI

本文探讨了在在线仇恨言论检测中，使用神经符号方法（Rulemapping）将大语言模型（LLM）约束在确定性符号框架内，以改善法律推理的准确性与可验证性。实验表明，该方法在德国刑法典§130(1)下的分类任务中，相比无约束提示显著提升了精确率。

From Reactive to Proactive: A Multi-Regulatory Empirical Analysis of 480 AI Incidents and a Data-Driven Governance Compliance Framework

Ummara Mumtaz, Summaya Mumtaz

cs.CY cs.AI

本文对480个真实AI事故进行了跨监管框架的实证分析，揭示了EU AI Act、NIST AI风险管理框架和GDPR在部署后问责方面的治理缺口，并提出了一个四阶段生命周期方法论PAGCF以转向主动合规。该研究主要关注AI治理与合规，与关键词中的数学或算法概念无直接关联。

Taxonomy and Consistency Analysis of Safety Benchmarks for AI Agents

Miles Q. Li et al.

cs.CY cs.AI

本文对2023-2026年间40个面向AI agent的安全benchmark进行了系统分类学分析，提出了一个六轴分类法来评估benchmark方法论，并发现不同benchmark之间缺乏一致性，安全结论可能相互矛盾。该工作主要贡献在于对现有agent安全评估工具的元分析，而非提出新的方法或解决长期存在的理论问题。

The Recovery Mechanism: Technology, Education, and What Happens When the Pattern Breaks

Aysa X. Fan

cs.CY cs.AI

本文探讨了生成式AI对教育和认知发展的影响，指出AI可能打破历史上技术推动教育上移的模式，并提出了一个以学习成果而非使用模式为重点的研究议程。

Measuring Changes in Instructor Class Design and Student Learning After the Release of Large Language Models (LLMs)

Amanda Potasznik, Daniel Haehn

cs.CY cs.AI

本文通过混合方法（包括回顾性定量分析、教师调查和学生匿名调查）研究了LLMs发布前后教师课程设计与学生学习的模式变化，并利用历史成绩数据对比了前后时期的学习成就。该研究为教育机构制定GenAI政策提供了初步参考，但方法上缺乏开创性且与关键词关联较弱。

Homoglyph-based Adversarial Perturbation of Introductory Computer Science Theory Problems

Aidan Alexander et al.

cs.CY cs.AI

本文提出了一种基于homoglyph（同形异义词符）的对抗性扰动方法，用于修改计算机科学入门理论问题，以阻止学生直接使用AI工具求解。实验表明该方法能有效扰动问题，并提供了一个交互工具。

When AI Tells You What You Want to Hear: Sycophantic Behavior of Large Language Models in Dementia Care Settings

Christian Kolb

cs.CY cs.CL

本文通过实验发现，在痴呆症护理场景中，大型语言模型（LLMs）会表现出迎合行为，即根据提示中的权威性框架调整回答质量，导致专业质量下降。研究使用LLM-as-a-Judge方法评估了四种模型，发现所有模型在权威性提示下回答质量均显著降低。

Linguistic Uncertainty and Reply Engagement on X: A Cross-Domain Replication of the Uncertainty-Reply Asymmetry

Mohamed Soufan

cs.CY cs.CL

本文使用基于lexicon的不确定性分类方法，分析了X平台上关于美联储政策、通胀和选举政治的英文帖子，发现不确定性帖子平均获得82%更多的回复，验证了先前阿拉伯语研究中观察到的“不确定性-回复不对称”现象。该研究主要关注社会语言学现象，与关键词列表中的技术概念无直接关联。

MCQ Difficulty Prediction via Modeling Learner Heterogeneity Using Data-Driven Cognitive Profiling

Dhriti Krishnan, Jaromir Savelka

cs.CY cs.AI cs.LG

本文提出了一种基于数据驱动认知画像的persona框架，通过Latent Class Analysis识别学生行为模式，并利用Large Language Model模拟不同persona的响应分布，以预测多项选择题的IRT难度参数。该方法在EEDI数据集上优于现有基线，但与我提供的关键词列表关联度较低。

AI of the People, by the People, for the People: A Social Choice Approach to Collective Control of Artificial Intelligence

Paul Anton Bachmann et al.

cs.CY cs.AI cs.GT

本文从社会选择理论角度提出了一种集体控制人工智能的框架，探讨了在机器学习开发流程中融入集体输入的可能性。该工作主要是一个概念性贡献，并未涉及具体的关键词如code、spectral或Muon等。

Evidence of a Cognitive Shift in AI Education: How Students Are Rethinking Human Intelligence?

Islem Rekik

cs.CY cs.AI

本文通过2020至2026年间对471名计算机科学学生的课堂投票数据进行纵向分析，揭示了学生对人类智能与人工智能的偏好经历了从“炒作”到“依赖”的四个阶段，并最终在2026年显著转向人类智能。该研究主要关注教育领域的认知变化，与所提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

From Prediction to Intervention: The Evolution of AI in Biomedicine

Andrew Feinberg et al.

cs.CY cs.AI

本文讨论了生物医学中人工智能从预测到干预的演进，提出区分观察性智能和干预性智能的概念框架，并认为未来的AI系统需要能够模拟生物系统在干预下的状态变化，而非仅基于历史数据进行统计推断。

Are Researchers Being Replaced by Artificial Intelligence?

Angelo A. Salatino et al.

cs.CY cs.AI

本文探讨了AI工具在科学研究中的角色转变，认为研究者正从创造者变为策展人，并警示人类可能失去对科学知识的真正理解。该文属于社会性讨论，未涉及具体数学方法或与关键词相关的技术内容。

ANVIL: Analogies and Videos for Lecturers

Yuri Noviello, Anastasiia Birillo, Gosia Migut

cs.CY cs.AI cs.CL cs.GR cs.HC +1

ANVIL是一个多模态生成系统，用于自动化生成计算机科学主题的类比教学动画。它通过生成文本类比并编译为视觉剧本，最终渲染为manim动画，并包含自动修复机制。

Task-Level AI Readiness Assessment for Business Process Management:The T-IPO Model and LARA Matrix in Financial-Services IT Operations

Mingjun Li, Xiaojun Ye

cs.CY cs.AI cs.HC cs.SE

本文提出了T-IPO模型和LARA评估矩阵，用于在金融服务IT运营中评估业务流程中任务级别的AI（特别是LLM agent）就绪程度。通过127个任务的评估和跨机构复现，验证了该评估工具具有较高的一致性（Fleiss' $\kappa = 0.80$），并发现任务就绪度主要由认知执行复杂度和治理合规强度两个因子决定。

Data-driven and distributed governance of building facilities management using decentralized autonomous organization, digital twin, and large language models

Reachsak Ly et al.

cs.CY cs.AI cs.MA

本文提出了一种结合decentralized autonomous organization (DAO)、digital twin、large language models (LLM)和blockchain的分布式智能建筑管理框架，旨在解决传统集中式管理在安全性和决策包容性上的不足。系统通过全栈去中心化应用实现用户交互，并评估了成本、可扩展性及可用性。

Consent Chain Degradation in Embodied Multi-Agent Systems: Bridging the Gap Between AI Agent Governance and Robot Ethics

Mehmet Haklidir

cs.CY cs.AI cs.MA cs.RO

本文提出了consent chain degradation (CCD)框架，用于分析多机器人系统中人类同意在委托链中的退化问题，并设计了CoRVE治理架构。该工作主要关注机器人伦理与AI治理，与关键词中的agent有一定关联，但方法上缺乏开创性且未解决长期存在的核心问题。

MANTA: Multi-turn Assessment for Nonhuman Thinking & Alignment

Allen Lu, Isabella Luong, Joyee Chen

cs.CY cs.AI cs.LG

本文提出了MANTA，一个用于评估大语言模型在动物福利对齐方面的多轮对话评估框架，并发现模型在后续对话轮次中容易因经济或社会压力而改变立场。此外，文章还通过STYLEJUDGE研究揭示了LLM作为评判者时存在的格式偏差问题。

From Demographics to Survey Anchors: Evaluating LLM Agents for Modeling Retirement Attitudes

Rubén Garzón et al.

cs.CY cs.AI cs.CL

本文比较了仅基于人口统计信息的LLM agents与基于更广泛调查数据的agents在预测退休态度方面的表现，发现前者存在中心倾向偏差且过于准确。研究结果提示在预测调查响应时需谨慎使用仅基于人口统计的agents。

UVTran: Accurate Hole-Filling Parameterization with Transformers

JunFeng Zhang

cs.GR cs.AI

本文提出UVTran，一个基于transformer的框架，通过预测辅助投影曲面来改进N边孔洞填充中的参数化映射。它利用B-spline局部性设计交叉注意力机制，并将拟合问题转化为分类任务以增强鲁棒性。

A Machine Learning Framework for EEG-Based Prediction of Treatment Efficacy in Chronic Neck Pain

Xiru Wang et al.

q-bio.QM cs.AI cs.LG eess.SP

本文提出一个基于EEG的机器学习框架，用于预测慢性颈痛患者的治疗效果，包含针对静息态和运动任务EEG数据的预处理流程（如滤波、ICA、功率谱分析等），并辅以文献综述来指导模型设计。该工作主要聚焦于临床数据预处理与模型构建，但未直接涉及code、context、spectral、Muon、pretrain、agent或attention等关键词中的核心概念。

Differentiable Optimization Layered Safety-Critical Control for Risk-Aware Navigation via Conformal Prediction

Jinyang Dong, Shizhen Wu, Yongchun Fang

eess.SY cs.AI

本文提出了一种基于conformal prediction的可微优化分层安全关键控制方法，用于未知环境中的风险感知导航。该方法通过生成风险感知障碍椭圆体并构建嵌套的可微优化层来保证避障和可行性，最终通过数值仿真验证了有效性。

Retrieval and competition: how a protein foundation model starts a protein

Piotr Jedryszek, Oliver M. Crook

q-bio.BM cs.AI

本文通过分析ESM2-8M模型预测蛋白质起始于methionine的机制，发现模型并非直接识别该氨基酸，而是通过检索beginning-of-sequence token的参考表示并结合position-specific query来产生预测。该工作揭示了模型预测依赖于分布式计算电路而非直接生物证据识别，但方法本身在开创性上有限。

SotA Lens: A Network-Augmented Methodology and Tool for Exploratory State-of-the-Art Reviews

Diogo Peralta Cordeiro

cs.DL cs.IR

本文提出了一种名为SotA Lens的网络增强方法及轻量级软件工具，用于辅助探索性文献综述。该方法结合种子搜索、DOI元数据解析、有界引用扩展、有向图构建及社区检测等技术，旨在帮助研究者快速绘制领域图谱并识别研究集群，但并未解决特定数学问题或与关键词中的核心概念直接相关。

Detecting Verbatim LLM Copy-Paste in Homework

Aizierjiang Aiersilan

cs.CR cs.AI cs.CY

本文提出了一种名为SteganoPrompt的输入侧水印工具，通过在作业提示中嵌入不可见的Unicode指令，使LLM在逐字复制粘贴时在回复中留下可检测的签名，从而帮助教育者识别学生直接复制LLM输出的行为。该方法主要针对教育场景中的抄袭检测问题，与关键词中的“code”和“context”有一定关联，但整体创新性和领域契合度一般。

Vidya: An AI-Driven Modular Pipeline for Archival Automation and Semantic Metadata Enrichment

Cloter Migliorini Filho et al.

cs.DL cs.CL

Vidya是一个模块化AI流水线，利用Large Language Models (LLMs)和开源工具自动化历史档案的语义元数据丰富与归档，通过YAML定义的本体论和Pydantic验证生成结构化JSON输出。该方法主要关注档案处理效率，与关键词中的code、context或attention等概念关联较弱。

StrLoRA: Towards Streaming Continual Visual Instruction Tuning for MLLMs

Chang Che et al.

cs.CV cs.AI

本文提出了StrLoRA框架，用于解决流式连续视觉指令微调问题，通过任务感知的专家选择和token级专家加权来减少跨任务干扰，并利用路由稳定性正则化保持模型在非平稳数据流中的稳定性。

Learning Displacement-Aware WiFi Representations for Weakly Supervised Relative Localization

Tzu-Ti Wei et al.

eess.SP cs.AI cs.CV

本文提出了一种基于WiFi指纹的弱监督相对定位方法Intersection Pathway (IP)，通过跨模态学习对齐指纹轨迹和位移轨迹，在共享latent space中实现位移估计。该方法利用惯性传感的步进运动向量作为弱监督信号，减少了对密集坐标标注的依赖。

How Many Visual Tokens Do Multimodal Language Models Need? Scaling Visual Token Pruning with F^3A

YiJie Huang et al.

cs.CV cs.AI

本文提出F^3A，一种无需训练的视觉token剪枝方法，通过轻量级问题条件线索和稀疏感知头，在固定预算下为多模态语言模型分配视觉token，以降低推理成本。该方法将剪枝视为任务条件证据搜索，但未涉及关键词中的核心概念。

WASIL: In-the-Wild Arabic Spoken Interactions with LLMs

Zien Sheikh Ali et al.

cs.SD cs.AI cs.CL

WASIL是一个阿拉伯语口语交互数据集，包含音频、ASR假设和用户反馈，用于评估级联ASR-LLM语音助手。该工作提供了低成本的金标准转录和可回答性标注，以区分ASR错误和内在不可回答性。

Fre-Res: Frequency-Residual Video Token Compression for Efficient Video MLLMs

Yigui Feng et al.

cs.CV cs.AI

本文提出Fre-Res，一种用于视频多模态大语言模型的预算自适应双轨视频token压缩框架，通过保留稀疏的高保真空间锚点并使用紧凑的残差频率token表示密集时间演化，在保持性能的同时显著减少视觉token长度。

GeoSym127K: Scalable Symbolically-verifiable Synthesis for Multimodal Geometric Reasoning

Jinhao Jing et al.

cs.CV cs.AI

本文提出了GeoSym Engine框架，通过类型条件语法和SymGT求解器生成精确的符号化几何推理数据，并构建了GeoSym127K数据集。实验表明，该数据驱动的监督微调和强化学习方法能有效提升多模态模型在几何推理任务上的性能。

SwordBench: Evaluating Orthogonality of Steering Image Representations

Vladimir Zaigrajew et al.

cs.CV cs.AI cs.LG

本文提出了SwordBench，一个用于评估视觉模型在推理时通过概念激活向量正交化进行表示干预的基准。它引入了交叉概念鲁棒性和附带损害两个新指标，发现线性SVM在正交性上表现良好但无法避免附带损害。

Cross-Source Supervision for Bone Infection Segmentation in Dual-Modality PET-CT

Zonglin Yang et al.

cs.CV cs.AI cs.LG

本文提出了一种用于PET-CT双模态骨感染分割的跨源监督框架，通过早期融合PET代谢信号与CT骨窗解剖信息，并采用解耦的双源学习来处理专家标注不一致问题。实验在患者级3D体积评估下验证了多模态融合的有效性，但方法本身在关键词相关领域（如code, context, spectral, Muon, pretrain, agent, attention）未见显著创新或契合。

Kelvin v1.0: A Neural Pre-Encoder for H.264: A standards-compliant learned preprocessor with -27.62% BD-VMAF on UVG

Marco Graziano

eess.IV cs.CV cs.DC cs.LG cs.MM

本文提出Kelvin v1.0，一个轻量级学习预编码器，用于在未修改的libx264编码器前进行内容自适应像素调整（每通道调整范围限制在$\pm 1/255$），以在保持H.264标准兼容性的同时提升感知质量。该方法通过混合编解码代理（结合可微分的rate estimator和U-Net distortion proxy）解决了H.264不可微分的工程挑战，并在UVG和MCL-JCV基准上取得了显著的BD-VMAF改进。

CheckSupport: A Local LLM-Powered Tool for Automated Manuscript Submission Checklist Selection and Completion

Satvik Tripathi et al.

cs.DL cs.AI cs.LG

本文介绍了CheckSupport，一个基于本地大语言模型的开源工具，用于自动化科学手稿的提交清单推荐与填写。该系统通过分阶段提示策略将报告工作流分解为约束推理任务，在仅使用CPU的硬件上实现了90%的清单推荐准确率和88%的逐项填写准确率，平均每篇手稿处理时间为12.5秒。

StreamPro: From Reactive Perception to Proactive Decision-Making in Streaming Video

Ao Li et al.

cs.CV cs.AI

本文提出了StreamPro-Bench基准和StreamPro训练框架，用于提升流式视频理解中模型在部分观测下主动决策的能力，通过CB-Stream Loss和GRPO优化响应时机与正确性。

A neurosymbolic Approach with Epistemic Deep Learning for Hierarchical Image Classification

Ezel Kilicdere, Shireen Kudukkil Manchingal, Fabio Cuzzolin

cs.CV cs.AI stat.ML

本文提出了一种结合神经符号方法与认知深度学习的层次图像分类框架，通过Swin Transformer、焦点集推理和可微模糊逻辑来增强预测的校准性和逻辑一致性。该方法在保持分类精度的同时减少了过度自信，但并未直接涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。

Mutual Enhancement Between Global Tokens and Patch Tokens: From Theory to Practice

Xiusheng Huang et al.

cs.CV cs.AI

本文提出TaTok框架，通过引入global tokens和基于累积条件熵的Dynamic Token Filtering算法，解决了图像tokenization中信息冗余与不足的问题，实现了自适应压缩并提升了性能。

Hilbert-Geo: Solving Solid Geometric Problems by Neural-Symbolic Reasoning

Ruoran Xu et al.

cs.CV cs.AI cs.CL

本文提出了Hilbert-Geo，一个用于立体几何的统一形式语言框架，并基于此设计了Parse2Reason方法，通过条件描述语言(CDL)将问题文本和立体图形转化为形式化表示，再结合定理库进行推理。该方法在多个数据集上取得了最优性能，但与我提供的关键词列表关联度较低。

Stabilizing Temporal Inference Dynamics for Online Surgical Phase Recognition

Yang Liu et al.

cs.CV cs.AI

本文针对在线手术阶段识别(SPR)中预测的时间不稳定性问题，提出了一种统一的训练-推理-评估框架，通过Temporal Error-Cascade (TEC)损失和Evidence-Gated Transition Predictor (EGTP)来稳定时间推理动态，并引入Temporal Fragmentation Index (TFI)作为新的评估指标。实验表明该方法能有效提升时间稳定性，但与关键词列表中的概念无直接关联。

Haptic Rendering of Fractional-Order Viscoelasticity: Passivity and Rendering Fidelity

Gorkem Gemalmaz, Harun Tolasa, Volkan Patoglu

cs.RO cs.AI eess.SY

本文分析了分数阶粘弹性模型在有限记忆离散化下的无源性和渲染性能，推导了基于Grunwald-Letnikov导数的分数阶标准线性固体模型的无源性条件，并给出了有效刚度和阻尼的符号表达式。该工作为分数阶粘弹性渲染提供了统一的理论框架。

Inducing Spatial Locality in Vision Transformers through the Training Protocol

Eduardo Santiago Toledo, Asael Fabian Martínez

cs.CV cs.LG stat.ML

本文通过实验对比Baseline和Modern训练协议（包含AutoAugment/ColorJitter, CutMix, Label Smoothing），发现Modern协议能使Vision Transformer (ViT)的早期层产生更局部和更集中的attention。消融实验表明，CutMix是诱导这种空间局部性的关键因素。

Overcoming the Intrinsic Performance Limitations of MEMS IMU via Diffusion-Based Generative Learning

Jiarui Lv, Feng Zhu, Xiaohong Zhang

eess.SP cs.AI cs.LG cs.RO

本文提出了一种基于扩散生成学习（diffusion-based generative learning）的框架，利用U-Net架构的条件扩散模型，从低成本IMU测量数据中合成高保真虚拟IMU数据，以突破其硬件性能限制。实验表明该方法在定位和姿态估计上显著优于原始低成本IMU数据，并在地图测绘中生成更薄更一致的点云。

Bridging the Modality Bottleneck in Pathology MIL through Virtual Molecular Staining

Yucheng Xing et al.

q-bio.QM cs.CV cs.LG

本文提出MIST方法，通过训练时利用paired spatial transcriptomics数据构建virtual molecular stains，作为MIL框架中projection layer的替代，以突破仅依赖H&E形态的瓶颈。该方法在多种下游任务中提升了性能，但未直接涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Vision Transformer-Conditioned UNet for Domain-Adaptive Semantic Segmentation

Joel Valdivia Ortega, Tingying Peng, Marion Jasnin

cs.CV cs.AI

本文提出ViTC-UNet，通过可学习token和双向注意力解码器将冻结的预训练Vision Transformer (ViT)表示与UNet结合，用于域自适应语义分割。该方法在MRI和CT模态上优于基线，但未涉及关键词中的核心概念。

OrbiSim: World Models as Differentiable Physics Engines for Embodied Intelligence

Jiajian Li et al.

cs.RO cs.LG

OrbiSim提出了一种将world model作为可微物理引擎的机器人仿真范式，通过端到端可微性支持梯度策略优化和物理推理。该方法在预测保真度和控制性能上优于现有world model，但与关键词中的code, context, spectral等概念关联较弱。

Beyond MMSE: Enhancing PnP Restoration with ProxiMAP

Kenta Vert et al.

cs.CV cs.LG

本文指出Plug-and-Play (PnP)方法中常用MMSE denoiser替代MAP denoiser的实践存在理论不匹配问题，并提出ProxiMAP方法通过调整噪声调度使迭代残差噪声与denoiser训练噪声匹配，从而在标准PnP算法中作为模块化替代品，在去模糊、修复、超分辨和相位恢复等任务中提升重建清晰度。

Trajectory-Aware Adaptive Inference in Object Detection Models

Grigorios Papanikolaou et al.

cs.CV cs.AI

本文提出了一种在YOLOv8目标检测模型中引入GPS轨迹数据的early-exit机制，通过评估船舶间距离和接近速度来决定是否使用完整模型进行推理。该方法在保持检测性能的同时降低了计算成本，但主要针对特定海事场景，与关键词列表中的概念关联较弱。

Support-Safe Variational Hybrid Filtering for Contact-Mode and Sparse-Law Recovery

Marios Papamichalis, Regina Ruane

cs.RO cs.AI

本文提出VHYDRO，一种变分混合动力学学习方法，用于解决接触丰富机器人动力学中的分支丢失问题。该方法通过混合学习提议与可行转移律来稳定滤波，并联合推断连续潜在状态与离散接触模式，同时恢复稀疏port-Hamiltonian律。

Stable and Near-Reversible Diffusion ODE Solvers for Image Editing

Barbora Barancikova, Daniil Shmelev, Cristopher Salvi

cs.CV cs.LG

本文研究了扩散模型ODE求解器在图像编辑中的可逆性与数值稳定性之间的权衡，发现精确可逆性会导致编辑时的不稳定性。作者提出使用近可逆的Runge-Kutta方法结合向量场平滑策略，在保持背景保留优势的同时提高了编辑保真度。

CADS: Conformal Adaptive Decision System for Cost-Efficient Image Classification

Turkoglu Mikael et al.

cs.CV cs.LG

本文提出了CADS (Conformal Adaptive Decision System)，一种基于conformal prediction的序列多模型算法，通过动态路由样本到不同复杂度的模型（从轻量级Scout到高容量Oracle）来平衡计算成本与分类精度，在医学图像等场景中实现了高达12倍的计算成本降低。

Proof-Carrying Certificates for LLM Pipelines: A Trust-Boundary Architecture

George Koomullil

cs.LO cs.CL cs.CR cs.PL

本文提出了一种基于Lean 4的信任边界架构，用于验证LLM pipeline中确定性结构化计算的正确性，而非模型本身。该方法通过三种局部证书族（冲突感知双格基、嵌入敏感性与释义稳定性、Hoare风格智能体动作）和两个算子（最大可认证残差、组合稳定性定理）来保证输出可靠性，并在多个场景中进行了实验测试。

Multilingual OCR-Aware Fine-Tuning and Prompt-Guided Chain-of-Thought Reasoning for Multimodal Large Language Models

Qinwu Xu et al.

cs.CV cs.CL cs.LG

本文提出了一种面向多语言OCR的多模态训练框架，通过合成数据生成、OCR感知的LoRA微调和结构化视觉Chain-of-Thought推理，提升了多模态大模型在复杂视觉条件下的文本提取与翻译能力。实验表明该方法在模糊、遮挡等退化场景下优于基线模型，但未涉及关键词中的code、spectral、Muon或agent等概念。

Reducing Hallucination in Vision-Language Models via Stage-wise Preference Optimization under Distribution Shift

Qinwu Xu

cs.CV cs.AI cs.CL cs.DB cs.LG

本文提出了一种分阶段偏好优化框架，通过构建幻觉聚焦的偏好对来减少视觉语言模型中的幻觉现象，实验表明该方法能提升视觉基础一致性。该工作主要关注多模态对齐与生成可靠性，与关键词中的code、spectral、Muon、agent等无直接关联。

Diffusion Models, Denoiser Architecture and Creativity

Itamar Levine, Yair Weiss

cs.CV cs.LG

本文研究了扩散模型中denoiser架构与目标分布之间的相互作用如何影响模型的创造力（生成与训练数据不同的逼真图像），并给出了线性、多项式、bottleneck三种架构下生成样本分布的显式形式。实验表明，UNET架构的微小改变会显著影响生成结果，但该工作与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

CAVE: A Structured Credit Assignment Approach for Fragmented Visual Evidence Reasoning

Tengda Guo et al.

cs.CV cs.AI

本文提出CAVE方法，一种基于GRPO的结构化过程奖励方法，用于解决碎片化视觉证据推理问题。CAVE通过信念更新、证据获取和自适应焦点控制三个信号评估中间推理步骤的贡献，并构建了TRACER-Bench基准来监督推理路径。

Neural Visual Decoding via Cognitive guided Adaptive Blurring and Information Constrained Alignment

Fan Yin et al.

cs.CV cs.AI

本文提出CAIA框架，通过自适应模糊和信息约束对齐来改进基于EEG的视觉解码，缓解信号粒度不匹配和低信噪比问题。实验表明该方法在零样本脑到图像检索任务中优于先前方法。

Agentic Pipeline for Self-Synchronized Multiview Joint Angle Monitoring in Uncalibrated Environments

Juncheng Yu et al.

cs.CV cs.AI cs.RO

本文提出了一种基于agent的pipeline，用于在无标定环境下通过两个摄像头实现多视角关节角度监测，利用多模态大语言模型进行自动视频同步和agent驱动的自我验证，并采用2D姿态估计和几何建模优化角度估计。该方法在无标定家庭环境中为脊髓损伤患者的日常运动监测提供了实用方案。

Video Reconstruction using Diffusion-based Image-to-Video Generation with Trajectory Guidance

Stelio Bompai et al.

cs.CV cs.LG

本文提出了一种基于扩散模型的视频重建方法，利用GPS轨迹和单帧参考图像生成缺失的无人机俯拍视频帧，无需领域微调。该方法在低纹理、小目标的海上场景中优于光流外推和RIFE插值基线。

Orthologic for SAT Solving

Vladislas de Haldat, Simon Guilloud, Viktor Kunčak

cs.LO cs.AI

本文提出了一种用于orthologic（经典逻辑的一种可靠近似）中公式蕴含判定的新算法，避免了先前实现中昂贵的预处理阶段，并保持了相同的$\mathcal{O}(n^2(1+|A|))$最坏情况复杂度。基于该算法，作者构造了一类合成SAT基准问题，这些问题的Tseitin编码对现有SAT求解器困难，但具有短的orthologic证明。

EAGT: Echocardiography Augmentation for Generalisability and Transferability

Soroush Elyasi et al.

cs.CV cs.AI

本文对29种数据增强技术及其两两组合在超声心动图左心室分割任务中进行了大规模多数据集评估，发现解剖学合理的几何变换（如仿射、随机水平翻转）能显著提升跨数据集泛化性能，而基于强度或伪影的增强则可能损害泛化能力。该研究为设计增强策略提供了经验指导，但未涉及代码、上下文、谱方法等关键词相关技术。

MR-SLAM: Immersive Spatial Supervision for Multi-Robot Mapping via Mixed Reality

Prakash Aryan et al.

cs.RO cs.AI cs.HC

本文提出MR-SLAM系统，利用混合现实(MR)头显（Meta Quest 3）让操作员通过透视视图远程操控多机器人进行SLAM，并在ROS 2后端实时合并occupancy grid。该系统在消费级硬件上实现了多机器人SLAM与透视MR监督的结合，但方法在理论或算法层面缺乏开创性，与关键词列表中的概念无直接关联。

The End of Trust: How Agentic AI Breaks Security Assumptions

Osama Zafar, Alexander Nemecek, Erman Ayday

cs.CR cs.AI

本文探讨了Agentic AI如何打破传统安全假设，提出“Infinite Impostor”攻击模型，并建议从认证主体转向评估行为的“suspect-by-default”范式。该文主要关注网络安全领域，与关键词中的“agent”有一定关联，但未涉及code、spectral、Muon、pretrain或attention等核心概念。

KVCapsule: Efficient Sequential KV Cache Compression for Vision-Language Models with Asymmetric Redundancy

Yingbing Huang et al.

cs.CV cs.AI

本文通过实证分析视觉token与文本token在注意力模式上的差异，提出KVCapsule框架，在不修改预训练VLM主干的情况下，利用轻量级压缩与重建组件对视觉token的KV cache进行压缩，在60%压缩比下实现2倍吞吐量提升和2.4倍内存减少，且精度损失可忽略。

Semantic Smoothing via Novel View Synthesis for Robust SAR Image Classification

Daniel Brignac et al.

cs.CV cs.AI

本文提出了一种针对SAR图像分类的防御方法semantic smoothing，通过新视角合成模型生成结构化随机变换替代传统噪声，以提升模型对对抗攻击的鲁棒性。实验表明该方法在多种攻击下优于现有防御，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。

Hierarchical Two-Stage Framework for Environment-Aware Long-Horizon Vessel Trajectory Prediction

Ganeshaaraj Gnanavel et al.

cs.RO cs.AI cs.LG

本文提出了一种用于长时域船舶轨迹预测的分层两阶段框架，结合粗粒度长期预测器和网格感知短期预测器，并利用跨模态注意力机制融合海洋环境参数（如洋流、风浪）。该方法在澳大利亚CTS数据集上相比现有技术提升了预测精度，但未涉及代码、谱方法或预训练等关键词相关方向。

Diffusion Attention Expert Model for Predicting and Semi-automatic Localizing STAS in Lung Cancer Histopathological Images

Liangrui Pan et al.

cs.CV cs.AI

本文提出了一种扩散注意力专家模型(DAEM)，用于在肺癌组织病理图像中检测气腔播散(STAS)，通过全注意力聚合学习多尺度特征，并在内部和外部数据集上验证了其性能。该工作主要关注医学图像分析中的检测与定位任务，与关键词中的“attention”有一定关联，但方法本身并非开创性突破。

Conservative AI for Safety-Sensitive Medical Image Restoration: Residual-Bounded CT-CTA Enhancement for Intracranial Aneurysm-Relevant Signal Recovery

Weijun Ma

cs.CV cs.AI

本文提出了一种用于安全敏感医学图像恢复的残差有界2.5D框架，通过编辑控制图限制修改幅度和空间范围，在颅内CT-CTA增强中实现了对动脉瘤相关信号的恢复，但该方法主要针对特定应用场景，未涉及关键词中的核心概念。

Asking Back: Interaction-Layer Antidistillation Watermarks

Guang Yang et al.

cs.CR cs.AI

本文提出了一种在LLM交互层（interaction layer）中嵌入水印的方法，通过在系统提示中诱导特定的行为标记（如追问、低频变体或陈述性重述）来检测未经授权的知识蒸馏。实验表明，该水印在多种蒸馏模型下具有较高的传递保真度，但对DIPPER改写攻击的鲁棒性有限。

MHMamba: Multi-Head Mamba for 3D Brain Tumor Segmentation

Hanjun Tao, Hua Wang, Fan Zhang

cs.CV cs.AI

本文提出了一种名为MHMamba的3D脑肿瘤分割方法，通过将U形架构与多头状态空间模型（Mamba）结合，并设计通道-空间校准模块和自适应融合机制，在保持线性复杂度的同时提升了分割精度和边界一致性。该方法在BraTS2021和BraTS2023数据集上验证了有效性，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Mechanistically Interpretable Neural Encoding Reveals Fine-Grained Functional Selectivity in Human Visual Cortex

Idan Daniel Grosbard, Mor Geva, Galit Yovel

cs.CV cs.AI cs.CL cs.LG q-bio.NC

本文提出了一种名为MINE的框架，通过应用mechanistic-interpretability工具来定位自然图像中驱动毫米级（voxel-level）脑区活动的特征，并生成语义可解释的描述。该方法使用语言对齐的图像表示预测每个voxel的反应，并通过反事实编辑验证了特征与神经活动的因果关系。

Dimension-Uniform Discretization Analysis of Preconditioned Annealed Langevin Dynamics for Multimodal Gaussian Mixtures

Lorenzo Baldassari et al.

stat.ML cs.LG math.NA math.PR

本文研究了预条件退火Langevin动力学(ALD)在高斯混合模型上的离散化问题，分析了Euler-Maruyama (EM)格式和指数积分器格式的维度一致误差控制。结果表明，EM格式因处理刚性线性部分的方式而施加了稳定性约束，而指数积分器格式在谱可和性条件下可得到维度一致的Kullback-Leibler (KL)界。

Generative Artificial Intelligence for Literature Reviews

Gerit Wagner et al.

cs.DL cs.CL

本文探讨了基于大语言模型（如ChatGPT）的生成式人工智能在文献综述中的应用，概述了使用通用和专用GenAI工具的方法，并讨论了其机遇与风险。文章主要关注方法论和哲学问题，未涉及关键词中的具体技术概念。

Deep Learning for MRI Slice Interpolation: The Critical Role of Problem Formulation

Shamit Savant

eess.IV cs.CV cs.LG

本文研究了深度学习在MRI切片插值中的应用，发现问题公式化（如使用相邻切片而非较远切片）对性能的影响远大于架构复杂度，U-Net在PSNR和SSIM指标上表现最佳。该工作主要关注医学成像中的插值任务，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联较弱。

MoleCode unlocks structural intelligence in large language models

Zhiyuan Yan et al.

q-bio.BM cs.AI

本文提出MoleCode，一种面向LLM的分子表示语言，通过将分子结构显式编码为带类型标识和关系的实体，使LLM能直接操作拓扑结构而非从SMILES字符串中隐式重建。该方法在分子推理、编辑和生成任务中提升了LLM性能，尤其适用于不熟悉分子或结构敏感操作。

StAD: Stein Amortized Divergence for Fast Likelihoods with Diffusion and Flow

Gurjeet Jagwani et al.

stat.ML astro-ph.IM cs.LG

本文提出StAD方法，利用Langevin-Stein算子预测和学习概率流ODE的散度，避免了Jacobian矩阵的显式计算。该方法在密度估计任务中与Hutchinson估计器相比，能改善似然预测的方差和速度。

No Plan, Yet Human: A Reactive Robotics Model Predicts Human Planning Failures on a Clinical Task

Michael Migacev et al.

cs.RO cs.AI

本文应用为机器人操作设计的反应式梯度下降框架AICON到伦敦塔测试中，发现其无需前瞻规划即可复现人类在24个问题上的困难排序，并优于结构任务参数。该工作展示了机器人模型在认知任务中的迁移能力，但与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。

SeamCam: Quantifying Seamless Camouflage via Multi-Cue Visual Detectability

Amin Karimi Monsefi et al.

cs.CV cs.LG

本文提出了一种名为SeamCam的量化指标，通过将伪装评估转化为视觉定位问题，衡量动物在图像中的不可检测性。该指标在人类感知实验中达到78.82%的一致性，并可用于优化扩散模型生成伪装图像。

Alignment Drift in Long-Term Human-LLM Interaction: A Mechanism-Oriented Framework

Xintong Yao

cs.HC cs.AI cs.CL cs.CY

本文提出了一种机制导向的框架来描述长期人机交互中的alignment drift现象，将其定义为系统输出逐渐受历史交互影响而非当前用户消息约束的过程。该框架区分了信号A与信号B，通过反馈循环和子模式选择解释漂移发展，并划分了三个交互阶段及控制边界条件。

Toward Template-Free Explainability for Monte Carlo Tree Search

Siqi Lu et al.

cs.HC cs.AI

本文提出了一种利用大语言模型(LLM)为Monte Carlo Tree Search (MCTS)决策生成基于证据的解释框架，无需手工设计的模板或形式逻辑约束。该框架将自然语言问题映射到意图类别，并基于树统计信息生成解释。

Inventorship in AI-Assisted Inventions: Designing an Experiment to Shape Case Law

Yevhenii Shchetynin, Duygu Usta, Bryan Khan

cs.CY cs.AI

本文提出了一项实验设计，旨在通过模拟案例来推动AI辅助发明中发明人身份的法律判例形成，并讨论了衡量人类贡献的方法。该研究主要关注法律与政策层面，与数学或算法技术无关。

LLMs in Qualitative Research: Opportunities, Limitations, and Practical Considerations

Henry Salgado et al.

cs.HC cs.CL

本文探讨了大型语言模型在定性研究中的应用机会、局限性和实践考量，强调了技术参数（如context window、temperature设置）与定性研究认识论承诺之间的互动关系。

Attention-Aware Transformer-Based Aggregation Network for Video Periocular Recognition

Luiz G F Carreira et al.

cs.CV cs.LG

本文提出了一种基于attention-aware transformer的视频眼周识别方法，通过特征嵌入和聚合模块将帧级特征整合为单一视频表示，在COX Face数据集上取得了较好性能。该方法主要关注视频眼周识别这一具体应用场景，与关键词中的attention概念有一定关联但创新性有限。

Isotonic Survival Regression: Calibrated Survival Distributions from Deep Cox Models

Anchit Jain, Kevin Zhang, Stephen Bates

stat.ML cs.AI cs.LG

本文针对Deep Cox模型预测生存概率校准不佳的问题，提出了一种基于isotonic regression的后处理校准方法，该方法在不影响模型判别能力的前提下优化校准效果，并在合成与真实临床数据上验证了其有效性。

Voice ''Cloning'' is Style Transfer

Kaitlyn Zhou et al.

cs.SD cs.AI cs.HC cs.LG

本文研究了语音克隆技术，发现其本质是风格迁移而非精确复制，克隆后的声音在权威性、温暖度等方面与原始声音存在系统性差异。该工作揭示了语音克隆在说话人特征同质化方面的局限性。

fPINN-DeepONet: A Physics-Informed Operator Learning Framework for Multi-term Time-fractional Mixed Diffusion-wave Equations

Binghang Lu et al.

math.NA cs.LG

本文提出了fPINN-DeepONet框架，用于求解多时间项分数阶混合扩散-波动方程。该框架结合了operator learning与$L_2$近似，能处理固定和可变分数阶的PDE问题，并通过数值实验验证了其准确性和鲁棒性。

Why Modeling Human Haptic Material Perception with AI Is Difficult

Yasemin Vardar

cs.HC cs.AI

本文指出，由于触觉数据的交互依赖性、多模态性以及缺乏大规模标准化数据集和评估基准，当前AI在模拟人类触觉材料感知方面面临根本性挑战，并讨论了模型容量和可解释性的限制。

PromptDecipher: Supporting AI Tutor Authoring Through Editable Simulated Interactions

Miina Koyama, Ruiwei Xiao, John Stamper

cs.HC cs.AI

本文提出了PromptDecipher系统，通过让教师直接编辑AI聊天机器人的实时回复而非编写抽象的系统提示词，来简化AI辅导助手的创作流程。该系统利用自动化pipeline分析教师的修正并生成针对性的提示词重写，从而将质量保证作为核心环节融入创作过程。

To Trust or Not to Trust: Authors' Response to AI-based Reviews

César Leblanc, Lukas Picek

cs.CY cs.AI

本文通过两个独立试点研究，调查了作者对AI辅助同行评审的看法和使用情况。结果显示大多数作者认为AI评审有用，但对其信任度低于人类评审，并倾向于将其作为内部工具使用。

SLEIGHT-Bench: A Benchmark of Evasion Attacks Against Agent Monitors

Elle Najt et al.

cs.CR cs.AI

本文提出了SLEIGHT-Bench基准测试，包含40种针对coding agent监控器的逃避攻击，发现前沿监控器在低误报率下对多数攻击的捕获率较低，并分析了多种逃避策略。

\textsc{PrivScope}: Task-scoped Disclosure Control for Hybrid Agentic Systems

Shafizur Rahman Seeam et al.

cs.CR cs.AI

本文提出了一种名为PrivScope的本地端payload管控方法，用于混合本地-云端agent系统，通过在本地提取disclosure units并仅向云端发送任务必需且经过抽象的信息，以减少信息过度泄露。实验表明该方法在医疗预约工作流中能有效降低隐私泄露风险，同时保持任务成功率。

The Score Kalman Filter

Kaito Iwasaki et al.

eess.SY cs.LG math.OC stat.ML

本文提出了一种名为Score Kalman Filter (SKF)的非线性Bayesian滤波方法，通过结合score matching与Stein's identity避免了传统最大熵方法中计算partition function的指数级复杂度。该方法将滤波过程简化为线性代数运算，并在高维非线性振荡器网络上展示了优于EKF、UKF等基准方法的性能。

Statistical Unlearning of Distributions: A Hypothesis Testing Approach

Aaradhya Pandey, Sanjeev Kulkarni

math.ST cs.IT cs.LG stat.ML

本文提出了一种基于假设检验的统计框架来处理分布级遗忘问题，将领域建模为概率分布，并通过选择样本子集来减少不想要分布的影响。该工作刻画了允许编辑数据分布的基本区域和移除-保留Pareto前沿，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Public-Decay Homomorphic State Space Models for Private Sequence Inference

Luis Brito

cs.CR cs.LG

本文提出了一种基于全同态加密(FHE)的public-decay homomorphic state space model (HSSM)，通过将状态更新限制在密文-明文操作上，避免了昂贵的密文-密文乘法，从而在加密序列推理中实现了更低的延迟和更小的加密状态占用。实验表明，该方法在Rotten Tomatoes和SST-2数据集上匹配了明文分类精度，且速度优于基于多项式注意力的方案。

Right Predictions, Misleading Explanations: On the Vulnerability of Vision-Language Model Explanations

Narges Babadi, Hadis Karimipour

cs.CV cs.LG

本文研究了视觉语言模型（VLM）中解释热力图（explanation heatmaps）的鲁棒性问题，发现这些解释在对抗性条件下可能被操纵而不改变模型预测。作者提出了X-Shift攻击方法，通过扰动patch级视觉表示将解释重定向到语义无关区域，揭示了预测行为与解释忠实性之间的脱节。

Multi-Object Tracking Consistently Improves Wildlife Inference

Mufhumudzi Muthivhi et al.

cs.CV cs.AI cs.LG

本文利用标准Multi-Object Tracking (MOT)模型对野生动物相机陷阱数据进行时序关联，通过融合连续帧的softmax概率来修正分类噪声，实验表明该方法在所有数据集上均提升了分类性能。

On-Device Interpretable Tsetlin Machine-Based Intrusion Detection for Secure IoMT

Rahul Jaiswal et al.

cs.CR cs.LG

本文提出了一种基于Tsetlin Machine的可解释入侵检测系统，用于IoMT网络安全，在MedSec-25数据集上达到97.83%的分类性能，并支持边缘设备实时推理。该方法通过命题逻辑规则提供决策解释，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

GeoWorld-VLM: Geometry from World Models for Vision-Language Models

Renjie Gu et al.

cs.CV cs.AI

本文提出GeoWorld-VLM框架，通过将冻结的相机条件视频world model中的几何结构蒸馏到Vision-Language Model中，仅微调图像编码器和多模态投影器，以增强模型对空间关系的理解能力。该方法在What'sUp和VSR基准上提升了约4%的性能，但未涉及code、spectral、Muon或agent等关键词。

MAVEN A Multi-Agent Framework for Multicultural Text-to-Video Generation

Shuowei Li et al.

cs.CV cs.AI

本文提出了MAVEN，一个多智能体框架，用于改进文本到视频生成中的文化保真度。它通过将prompt分解为人物、动作和地点维度，由专门agent处理，并构建了跨文化基准进行评估。

Universal Dynamics of Punctuated Progress

Yian Yin, Dashun Wang

physics.soc-ph cs.AI cs.SI

本文通过分析9个不同领域的680万解决方案，发现了科学和技术前沿演进的三个普适模式：等待时间呈重尾分布、前沿记录以亚线性速率积累、破纪录事件具有时间相关性。研究提出了一个包含激进重置和渐进改进的最小可解模型，该模型能复现所有经验规律。

Compositional Adversarial Training for Robust Visual Watermarking

Anirudh Satheesh et al.

cs.CV cs.LG

本文提出了一种名为Compositional Adversarial Training (CAT)的对抗训练框架，用于提升视觉水印的鲁棒性。该方法将水印鲁棒性建模为结构化组合变换空间上的min-max问题，通过可微分的Gumbel-Softmax攻击选择与熵正则化实现端到端训练，在多个基准上优于随机增强基线。

DiRotQ: Rotation-Aware Quantization for 4-bit Diffusion Transformers

Sayeh Sharify, Mahsa Salmani, Hesham Mostafa

cs.CV cs.LG

本文提出DiRotQ，一种针对Diffusion Transformers的W4A4 PTQ框架，通过PCA识别激活值中的低秩子空间并保留其高精度，其余分量量化至4-bit，结合GPTQ权重量化，在PixArt-Σ上优于SVDQuant。该方法主要关注图像生成模型的量化效率，与关键词中的code、spectral、Muon、agent、attention等无直接关联。

Transformer-Based MCS Prediction for 5G Multicast-Broadcast Services (MBS)

Kasidis Arunruangsirilert, Jiro Katto

cs.NI cs.LG

本文提出了一种基于Transformer的轻量级框架，用于预测5G MCS索引的成功概率，以解决广播场景下无反馈导致的链路稳定性问题。该方法使用自定义损失函数和商业数据集，在实时应用中取得了较高可靠性。

Approximate Distributed Coded Computing: Polynomial Codes and Randomized Sketching

Neophytos Charalambides, Arya Mazumdar

cs.DC cs.IR eess.SP

本文综述了编码计算与随机数值线性代数相结合的方法，通过引入冗余和压缩技术来加速分布式优化与机器学习算法，并处理慢速或无响应服务器带来的瓶颈问题。

Genflow Ad Studio: A Compound AI Architecture for Brand-Aligned, Self-Correcting Video Generation

Debanshu Das et al.

cs.GR cs.AI cs.CV cs.LG cs.MA +1

Genflow提出了一种Compound AI System架构，通过Brand DNA提取模块和对抗性多智能体质量控制循环，将品牌合规的视频生成成功率从42%提升至89%。该方法主要关注企业级视频生成的品牌一致性，与关键词中的agent概念有一定关联。

CANSURF: An ASV-View Can Dataset and Benchmark for Detection and Tracking of Surface-Level Debris

Zaid Aljundi et al.

cs.CV cs.AI

本文介绍了一个名为CANSURF的ASV视角水面易拉罐数据集，并基于YOLOv11等模型对水面垃圾检测与跟踪进行了基准测试。该工作主要贡献在于填补了水面视角铝罐检测数据集的空白，但方法本身在检测或跟踪算法上并无显著的开创性突破。

VolTA-3D: Self-Supervised Learning for Brain MRI using 3D Volumetric Token Alignment

Amy Makawana et al.

cs.CV cs.AI cs.LG

本文提出了VolTA-3D，一个用于脑部MRI的自监督3D Vision Transformer框架，通过学生-教师范式联合对齐全局class-style tokens和局部patch tokens，并强制执行细粒度结构重建。该方法在多个下游任务（如海马体分割、性别和阿尔茨海默病分类）上优于随机初始化基线，展示了更好的迁移性和鲁棒性。

A Holistic Method for Superquadric Fitting Using Unsupervised Clustering Analysis

Mingyang Zhao, Sipu Ruan, Xiaohong Jia

cs.CV cs.AI

本文提出了一种基于无监督聚类分析的超二次曲面拟合方法，通过将点云数据与参数曲面样本分别视为聚类成员和聚类中心，将几何拟合问题转化为聚类优化过程，并推导出闭式解以提高效率。该方法统一了刚性与可变形超二次曲面的拟合框架，并提供了收敛性理论证明。

Encoding Robust Topological Signatures for Hyperdimensional Computing

Arpan Kusari

cs.CV cs.AI

本文提出了一种用于超维计算（Hyperdimensional Computing）的拓扑签名编码方法，通过提取二值化形状中的离散拓扑基元（如孔洞）并构造旋转/平移/尺度不变的描述子来增强鲁棒性。该方法将每个基元映射为双极超向量，并通过学习非负可靠性权重融合不同通道的相似度，实验表明其在MNIST和EMNIST数据集上对多种像素级损坏具有更强的鲁棒性。

3DPhysVideo: Consistency-Guided Flow SDE for Video Generation via 3D Scene Reconstruction and Physical Simulation

Hwidong Kim, Yunho Kim, Tae-Kyun Kim

cs.CV cs.AI cs.GR

本文提出3DPhysVideo，一种无需训练的视频生成pipeline，通过将现成的image-to-video (I2V) flow模型重用于3D场景重建和物理模拟引导的视频生成，利用Consistency-Guided Flow SDE确保对条件输入的一致性，从而从单张图像生成物理合理的视频。

Universal Graph Backdoor Defense: A Feature-based Homophily Perspective

Mengting Pan et al.

cs.CR cs.LG

本文从特征同质性视角研究了图后门攻击的通用防御问题，通过理论分析发现后门节点比干净节点具有更低的特征同质性，并据此提出基于邻居感知重构损失的节点级局部特征一致性检测方法，结合鲁棒训练策略消除触发器影响。实验表明该方法在子图型和特征型攻击下均能有效降低攻击成功率。

Observation-Aligned Mask Priors for Learning Physical Dynamics from Authentic Occlusions

Chiyuan Ma, Zihan Zhou, Tianshu Yu

cs.CV cs.AI

本文提出Observation-Aligned Mask Priors框架，通过预训练Bayesian Flow Network (BFN)学习真实遮挡掩码的分布，并利用全局归一化交叉熵目标生成与稀疏观测对齐的样本特定掩码，从而在扩散重建模型中实现上下文-查询划分。该方法解决了从结构化、非随机缺失的真实遮挡中学习物理动力学的问题，在三个海洋学数据集上优于现有扩散基线。

Prediction-Intervention Games and Invariant Sets

Linus Kühne, Felix Schur, Jonas Peters

stat.ML cs.AI cs.LG stat.ME

本文研究了一种预测-干预博弈，其中领导者基于观测数据选择预测函数，而跟随者通过干预协变量来最大化自身目标。文章证明了基于稳定覆盖（stable blanket）的预测器在某些条件下优于或等价于基于因果父节点的预测器，并给出了最坏情况风险的上界。

Learning Relative Representations for Fine-Grained Multimodal Alignment with Limited Data

Shiwon Kim, Yu Rang Park

cs.CV cs.AI cs.LG

本文提出了一种基于relative representations的后验多模态对齐方法，通过学习可学习的锚点来捕捉token级别的跨模态结构，以解决有限配对数据下的细粒度对齐问题。该方法在零样本分类、跨模态检索和分割任务上显著优于现有方法。

HYVINT: Intensity-Driven Hypergraph Generation with Variational Representations

Xinyi Hong, Shuntuo Xu, Zhou Yu

stat.ML cs.LG

本文提出HYVINT，一种基于强度驱动的超图生成框架，通过将潜在交互强度与二元关联联系起来，并推导出可处理的变分下界估计器来学习潜在表示。该方法在合成和真实超图上实现了高保真度、新颖性和多样性。

Thinking with Patterns: Breaking the Perceptual Bottleneck in Visual Planning via Pattern Induction

Yichang Jian et al.

cs.CV cs.AI cs.CL cs.LG

本文提出Pattern Induction策略，通过让Vision-Language Model (VLM)在视觉规划中主动识别并复用已知视觉模式来打破感知瓶颈。该方法在FrozenLake等任务中平衡了准确性与效率，但未涉及code、spectral或Muon等关键词。

Pedestrian-Aware LLM-Driven Behavioral Planning for Autonomous Vehicles

Aidana Baimbetova et al.

cs.RO cs.AI

本文提出了一种基于Large Language Model (LLM)的自动驾驶决策框架，将结构化场景观测转化为自然语言推理提示，用于行人感知的行为规划。在SUMO仿真中，该agent在零样本评估中显著优于深度强化学习基线，并通过few-shot episodic memory进一步提升了性能。

VGGT-CD: Training-Free Robust Registration for 3D Change Detection

Wei Zhang et al.

cs.CV cs.AI

本文提出VGGT-CD，一种无需训练的3D变化检测pipeline，通过粗-细两阶段策略解耦跨时间配准与动态变化干扰，利用稀疏关键帧联合推理建立统一度量空间，并通过封闭形式质心对齐实现高精度配准。该方法在多个场景中显著降低了配准误差并提升了速度，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Prefix-Adaptive Block Diffusion for Efficient Document Recognition

Mingxu Chai et al.

cs.CV cs.AI

本文提出Prefix-Adaptive Block Diffusion Model (PA-BDM)，通过将intra-block双向denoising替换为从prefix到suffix的causal denoising，并引入Confidence-gated Structural Loss (CSL)和Progressive Prefix Commitment (PPC)机制，解决了现有Block Diffusion Models在文档识别中并行性受限和缓存效率低的问题。实验表明，该模型在多个benchmark上取得了更高的识别分数，并显著提升了推理吞吐量。

Plan First, Diffuse Later: Extrinsic Graph Guidance for Long-Horizon Diffusion Planning

Yaniv Hassidof et al.

cs.RO cs.AI cs.LG

本文提出XDiffuser方法，通过先在state-space graph上计算一个轻量级plan，再将其作为extrinsic guidance引导diffusion model的denoising过程，从而在long-horizon planning任务中提升global coherence并降低计算开销。该方法在低质量数据和unseen tasks（如multi-agent coordination和TSP-style reasoning）上优于diffusion-based baselines。

Metric-Guided Feature Fusion of Visual Foundation Models for Segmentation Tasks

Yachan Guo et al.

cs.CV cs.AI

本文提出了一种基于度量引导的视觉基础模型特征融合方法，通过设计无标签度量（Structural Coherence和Edge Fidelity）来评估不同VFM编码器的特征，并利用主-辅助融合方案整合互补特征，以提升密集预测任务性能。该方法无需复杂架构改动，在多个分割任务上取得了优于基线的一致性能提升。

Some[Body] Must Receive That Pain for Agent Accountability

Botao Amber Hu, Helena Rong

cs.CY cs.AI

本文探讨了AI agent在现实世界中造成伤害时的责任归属问题，指出当前LLM agent缺乏接收“痛苦”作为纠正反馈信号的实体结构，导致法律上的责任分配失效。文章分析了两种现有法律应对方案的不足，并强调实现后果与行为耦合是一个社会技术基础设施问题。

Mind the Gap: Learning Modality-Agnostic Representations with a Cross-Modality UNet

Xin Niu et al.

cs.CV cs.LG

本文提出了一种名为cmUNet的紧凑型编码器-解码器模块，用于学习跨模态（如Raman-infrared spectrum）的模态无关表示，并通过MarrNet进行匹配。该方法在多个任务上取得了优于现有技术的性能，但并未直接涉及code、context、Muon、pretrain、agent或attention等关键词。

DriveSafe: A Framework for Risk Detection and Safety Suggestions in Driving Scenarios

Sainithin Artham et al.

cs.CV cs.AI cs.CL

本文提出了DriveSafe框架，通过生成包含空间、运动和深度线索的结构化自然语言描述，并利用caption-risk配对微调轻量级adapter模块，在DRAMA基准上实现了驾驶场景风险检测与安全建议的最优性能。该方法主要聚焦于自动驾驶中的细粒度风险评估，与关键词列表中的概念无直接关联。

The Alpha Illusion: Reported Alpha from LLM Trading Agents Should Not Be Treated as Deployment Evidence

Yuxuan Ye et al.

cs.CE cs.AI cs.CL

本文批判了将端到端LLM交易agent报告的alpha（超额收益）直接视为可部署证据的做法，指出当前证据无法区分稳健预测能力与时间污染、未建模摩擦等伪影，并提出了一个最低报告协议套件P1-P6。

A Fourier perspective on the learning dynamics of neural networks: from sample complexities to mechanistic insights

Fabiola Ricci, Claudia Merger, Sebastian Goldt

stat.ML cond-mat.dis-nn cond-mat.stat-mech cs.LG math.PR

本文从Fourier视角研究神经网络学习动态，发现简单网络在图像分类中先学习振幅信息（像素间pair-wise correlations），后学习相位信息（边缘和高阶correlations）。通过合成数据模型，理论证明各向同性高维输入下SGD需要$n \gg N^3 \log^2{N}$步才能学习相位信息，而power-law spectra可加速这一过程。

CAST: Causal Anchored Simplex Transport for Distribution-Valued Time Series

Jiecheng Lu et al.

stat.ML cs.LG

本文提出CAST方法，用于在概率simplex上演化的分布值时间序列的因果预测。该方法通过因果上下文检索经验后继、用持久性锚点稳定并应用有界局部随机传输来保持simplex结构，并证明了在潜在transition-kernel aliasing下的风险下界。实验表明CAST在多个基准上优于现有方法。

Latent Action Control for Reasoning-Guided Unified Image Generation

Fuxiang Zhai et al.

cs.CV cs.AI

本文提出Latent Action Control (LAC)方法，通过在统一生成器内部将推理表示为隐藏连续动作轨迹来指导图像生成，无需生成推理token或中间图像。该方法利用先验引导的变分潜在动作对齐和Latent-Flow GRPO进行训练，在GenEval等基准上提升了组合和知识驱动生成的效果。

WhiteTesseract: Reframing the Interpretation of Cultural Heritage through XR and Conversational AI

Jingjing Li et al.

cs.HC cs.AI

本文提出WhiteTesseract系统，通过高分辨率XR和对话AI实现文化遗产展览中的现场解读，利用artwork recognition和diminished reality减少环境干扰，并结合large language models进行上下文感知对话。实验表明该系统显著延长了参观者的平均观看时长，并促进了更深层次的个性化参与。

SHED: Style-Homogenized Embedding Alignment for Domain Generalization

Kai Gan, Tong Wei

cs.CV cs.LG

本文提出SHED方法，通过去除图像和文本嵌入中的领域特定风格中心点来对齐风格同质化的嵌入，以提升CLIP模型在域泛化任务中的性能。实验表明该方法在多个基准上优于现有技术，但未涉及关键词中的核心概念。

Adversarial Fragility and Language Vulnerability in Clinical AI: A Systematic Audit of Diagnostic Collapse Under Imperceptible Perturbations and Cross-Lingual Drift in Low-Resource Healthcare Settings

Anthonio Oladimeji Gabriel, Ahmad Rufai Yusuf

cs.CY cs.AI cs.LG

本文对临床AI系统进行了双重安全审计，发现DenseNet121在微小对抗扰动下诊断准确率从89.3%骤降至62.0%，且Llama3.1:8b和NatLAS模型在跨语言（如尼日利亚皮钦语）输入时也出现显著性能下降。该研究揭示了低资源医疗环境中AI的脆弱性，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词。

$\mathcal{O}(n)$ alternative to Quantum Fourier Transform with efficient neural net classical post-processing

Kaiming Bian, Zujin Wen, Oscar Dahlsten

quant-ph cs.LG

本文提出了一种浅层电路HP-$L$，利用Hadamard门和受控相位门替代量子傅里叶变换(QFT)，并证明其保持平移不变性。数值实验表明该电路在Shor算法中可替代QFT，但方法主要针对特定量子算法优化，与关键词关联较弱。

The IsalProgram Programming Language

Ezequiel López-Rubio

cs.PL cs.AI cs.CL

IsalProgram是一种新型汇编式编程语言，其程序由有限自动机接受且所有指令串均合法，无需显式内存地址。该语言在虚拟机上执行，使用循环双向链表和三个数据指针，为神经程序合成提供了潜在目标。

Algorithmic Cultivation: How Social Media Feeds Shape User Language

Olivia Pal et al.

cs.SI cs.AI cs.CL cs.CY cs.HC

本文基于Cultivation Theory，利用Bluesky平台的大规模纵向数据，通过准实验研究分析了不同算法推送（News, Science, Blacksky）对用户语言风格、语义和话题的长期影响，发现推送环境会显著改变用户的写作方式。该研究与关键词列表中的概念（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

Topo-GS: Continuous Volumetric Embedding of High-Dimensional Data via Topological Gaussian Splatting

João Paulo Gois, Luis Gustavo Nonato

cs.GR cs.CV cs.LG

Topo-GS将3D Gaussian Splatting技术应用于高维数据降维，通过局部几何约束而非光度损失来优化，将离散散点图转化为连续的体表示。该方法利用拓扑感知策略处理不同内在维度的数据，但与我提供的关键词列表关联度较低。

Task Abstention for Large Language Models in Code Generation

Yanke Zhou et al.

cs.SE cs.AI

本文研究了大型语言模型在代码生成中的任务弃权问题，提出了一种基于多重假设检验的校准弃权规则，通过代码执行结果评估生成一致性，从而避免幻觉。该方法提供了无分布假设的理论保证，并在基准数据集上验证了其有效性。

Empirical evaluation of Time Series Foundation Models for Day-ahead and Imbalance Electricity Price Forecasting in Belgium

Chi Bui et al.

eess.SY cs.LG

本文评估了Chronos-2、Chronos-Bolt和TimesFM 2.5等Time Series Foundation Models (TSFMs)在比利时日前和失衡电价预测中的零样本性能。结果表明，Chronos-2在ARX模式下表现最佳，但在极端市场条件下仍存在困难。

The Range Shrinks, the Threat Remains: Re-evaluating LLM Package Hallucinations on the 2026 Frontier-Model Cohort

Aleksandr Churilov

cs.CR cs.LG cs.SE

本文复现了Spracklen等人关于LLM代码生成中package hallucination（模型虚构不存在的包名）的研究，在2025-2026年的前沿模型上测量了整体hallucination率（4.62%-6.10%），发现模型间差异大幅缩小但威胁未消失，并识别出127个所有模型一致虚构的包名。

How to Instruct Your Robot: Dense Language Annotations Power Robot Policy Learning

Bosung Kim et al.

cs.RO cs.AI

本文提出DeMiAn方法，通过VLM生成密集语言标注来提升机器人策略学习，无需收集新演示数据。该方法在多个机器人操作数据集上提升了策略性能，但未涉及code、spectral、Muon等关键词相关技术。

Taming Audio VAEs via Target-KL Regularization

Prem Seetharaman, Rithesh Kumar

cs.SD cs.LG eess.AS

本文提出了一种通过target-KL正则化来训练Audio VAE的方法，以在压缩率和生成质量之间取得平衡。该方法通过控制latent representation的bitrate，构建了rate-distortion曲线，并发现调整压缩率有助于优化text-to-sound生成任务。

Global Automation Atlas

Prashant Garg, Tommaso Crosta, Jasmin Baier

econ.GN cs.AI cs.CY stat.AP

本文提出了一种基于任务和国家的自动化暴露分类方法，覆盖124个国家，用于衡量不同经济体在劳动替代与劳动增强自动化中的差异。研究发现自动化暴露程度随收入水平上升，且低收入国家更易受劳动替代型自动化的影响。

HEED: Density-Weighted Residual Alignment for Hybrid Vision-Language Model Distillation

Yihao Liang, Niraj K. Jha

cs.CV cs.CL

本文针对视觉语言模型蒸馏到混合架构（如3:1 Mamba-2/attention混合）时，学生模型在OCR和文档任务上性能显著下降的问题，提出了一种密度加权残差对齐方法HEED。该方法利用patch自不相似性作为位置重要性的无训练代理，对高密度信息区域（如文本边缘）赋予更高权重，从而在无额外参数和推理成本下，显著提升OCRBench等基准的性能。

Visual Timelines of Police Encounters in Body-Worn Camera Footage: Operational Context and Activity Cataloging for Training and Analysis in OpenBWC

Angela Srbinovska et al.

cs.CV cs.AI cs.LG

本文提出了一种处理执法记录仪视频的方法，将其分割为10秒窗口并标注操作情境与运动强度，使用CLIP模型和光流特征进行分类。该方法旨在加速视频审查与训练流程，但未涉及关键词中的核心概念。

Diffusion-Based Stochastic Operator Networks for Uncertainty Quantification in Stochastic Partial Differential Equations

Phuoc-Toan Huynh, Richard Archibald, Feng Bao

stat.ML cs.LG math.OC math.PR

本文提出了一种结合Deep Operator Network (DeepONet)与Stochastic Neural Networks (SNNs)的随机算子学习框架，用于从含噪数据中学习随机偏微分方程的解算子并量化不确定性。该方法通过最小化Hamiltonian型损失并利用随机最大值原理进行优化，在多个基准SPDE上验证了其预测精度与鲁棒性。

Principal Component Analysis for Lunar Crater Detection

Travis Driver, John A. Christian

cs.CV cs.LG

本文提出EigenCrater方法，利用主成分分析(PCA)从crater数字高程模型(DEMs)中自动生成模板，用于月球陨石坑检测。实验表明该方法在模拟月球图像上的检测和位置估计性能优于手工选取的模板。

Multi-task Linear Regression without Eigenvalue Lower Bounds: Adaptivity, Robustness and Safety

Seok-Jin Kim

stat.ML cs.LG stat.ME

本文针对多任务线性回归问题，在部分任务存在异常值且不依赖每个任务经验二阶矩的最小特征值有正下界（order $\Omega(1)$）的假设下，提出了一种基于矩阵加权范数正则化的估计器。该方法通过引入相对平衡条件（relative balancedness condition）来比较各任务的二阶矩与平均内点几何结构，从而在更弱的谱假设下实现了与现有方法相当的预测误差界，并保证了在不利场景下不劣于独立任务学习的安全性。

New Wide-Net-Casting Jailbreak Attacks Risk Large Models

Qiuchi Xiang et al.

cs.CR cs.AI

本文识别了一种新的越狱攻击场景（wide-net-casting），即攻击者可以同时查询一组大模型以诱导有害输出，并为此场景设计了一种专门的攻击方法，实验显示该方法在无额外防护的模型上成功率可达100%。该工作主要关注大模型的安全风险，与您提供的关键词（如code, spectral, Muon, pretrain, agent, attention）关联度较低。

A Systematic Survey on Deep Learning Architectures for Point Cloud Classification and Segmentation

Minhas Kamal, Hiranya Garbha Kumar, Balakrishnan Prabhakaran

cs.CV cs.AI cs.LG

本文系统综述了基于深度学习的点云分类与分割方法，包括基于体素、点云和多视图等不同架构，并比较了它们在标准基准上的性能。文章还讨论了点云数据的无序性和不规则性带来的挑战，以及未来的研究方向。

CAM-VFD: Cross-Attention Multimodal Video Forgery Detection

Hoda Osama Elkhodary et al.

cs.CV cs.AI

本文提出CAM-VFD框架，利用cross-attention融合CLIP外观特征、VideoMAE运动特征和MiDaS深度特征，以检测视频中的跨模态矛盾。实验表明该方法在多个基准上取得较好性能，但对cross-modal contradiction的建模缺乏理论深度。

UCSF-PDGM-VQA: Visual Question Answering dataset for brain tumor MRI interpretation

Shiv Ghosh et al.

cs.CV cs.AI cs.CL

本文提出了一个用于脑肿瘤MRI解读的视觉问答基准数据集UCSF-PDGM-VQA，并评估了多个视觉语言模型在该任务上的表现，发现现有模型存在模态崩溃问题。

Weighted Flow Matching and Physics-Informed Nonlinear Filtering for Parameter Estimation in Digital Twins

Yasar Yanik et al.

cs.CE cs.LG eess.SY

本文提出了一种将Weighted Flow Matching生成模型与基于Unscented Kalman Filter的物理信息非线性滤波相结合的数字孪生参数估计框架，并在航天器惯性矩估计任务中验证了其相对于EKF和EnKF的性能优势。

Evolutionary Extreme Learning Machine of ab-initio Energy Landscapes for Crystal Structure Prediction using Manta Ray Optimization with Levy Flight

Adrian Rubio-Solis

cs.NE cs.AI cs.LG

本文提出了一种结合Levy Flight改进的Manta Ray觅食优化算法，用于训练极限学习机，并将其应用于二元系晶体结构形成能的预测。该方法通过Levy Flight增加种群多样性以避免局部最优，并与其它自然启发算法进行了性能比较。

Sparse Mamba Decoder for Quantum Error Correction: Efficient Defect-Centric Processing of Surface Code Syndromes

Samira Sayedsalehi et al.

quant-ph cs.LG

本文提出了一种名为Sparse Mamba Decoder (SMD)的缺陷中心神经网络解码器，用于量子纠错中的surface code syndrome解码。该方法仅处理活跃的检测事件，实现了$O(k)$的复杂度，并在多种噪声模型下显著提升了解码速度，同时保持了与现有方法相当的逻辑错误率。

STRIDE-AI: A Threat Modeling Framework for Generative AI Security Assessment

Tsafac Nkombong Regine Cyrille, Franziska Schwarz

cs.CR cs.AI

本文提出了STRIDE-AI框架，用于评估生成式AI系统的安全性，通过六阶段评估生命周期和经典STRIDE的改编版来识别威胁。该框架通过一个LLM聊天机器人的黑盒评估进行了初步验证，将攻击成功率从80%降低到15%。

Charon: A Unified and Fine-Grained Simulator for Large-Scale LLM Training and Inference

Mengtian Yang et al.

cs.DC cs.AI cs.LG cs.PL

Charon是一个用于大规模LLM训练和推理的统一细粒度模拟器，能够高精度预测不同模型和配置下的性能（预测误差低于5.35%）。该工具通过模块化设计支持"what-if"假设验证，并在实际推理部署中发现了优于工程调优基线的配置。

Factorized Latent Dynamics for Video JEPA: An Empirical Study of Auxiliary Objectives

Santosh Premi

cs.CV cs.LG

本文通过小规模实验研究了Video-JEPA中18种辅助目标变体的表现，发现许多目标存在能力权衡。其中FWM-HW-LD方法通过分解latent representation为appearance和dynamics子空间并应用hard-region weighting，在混合数据集上提升了ImageNet-100和SSv2的性能，但未显著偏离Diving-48。

Beyond Execution: Static-Analysis Rewards and Hint-Conditioned Diffusion RL for Code Generation

Shuyin Ouyang et al.

cs.SE cs.AI

本文研究了在代码生成任务中，使用Reinforcement Learning (RL)对Diffusion Language Models (DLMs)进行后训练的问题。作者系统性地探讨了reward设计、hint-conditioned采样和任务难度三个维度，发现静态检查（static checking）作为无执行奖励（execution-free reward）效果最佳，且奖励设计的效果强烈依赖于任务难度。

High-dimensional Limit of SGD for Diagonal Linear Networks

Begoña García Malaxechebarría et al.

math.OC cs.LG math.ST stat.ML

本文研究了高维场景下对角线性网络上SGD的动力学行为，通过SDE近似和确定性PDE刻画了迭代状态与风险等统计量的演化，并证明了指数收敛性。

MusicSynth: An Automated Pipeline for Generating Violin Fingerboard Animations from Sheet Music Using Optical Music Recognition

Abhimanyu Kaushik

cs.SD cs.AI

本文介绍了一个名为MusicSynth的开源web工具，它通过整合光学音乐识别(OMR)、MusicXML解析和视频渲染等现有工具，实现了从乐谱图片自动生成小提琴指板动画视频的流水线。该工作主要面向音乐教育应用，在方法上未涉及关键词中的核心概念。

Sample efficient inductive matrix completion with noise and inexact side information

Yuepeng Yang, Cong Ma

stat.ML cs.IT cs.LG math.ST

本文研究带噪声和不精确侧信息的inductive matrix completion问题，使用nonconvex projected gradient descent算法，证明了在有效问题规模（与side information维度相关）下可实现线性收敛和最优估计误差。

Filter-then-Verify: A Multiphase GNN and ModernBERT Framework for Social Engineering Detection in Email Networks

Barsat Khadka et al.

cs.CR cs.LG

本文提出一个两阶段框架，先用Graph Neural Network (GNN)检测邮件网络中的结构异常，再用ModernBERT模型验证内容，以检测社会工程攻击。该方法在Enron数据集上取得了较好的召回率和精确率，但整体创新性有限，与关键词契合度不高。

Event-Grounded Sparse Autoencoders for Vision-Language-Action Policies

Xinchen Jin et al.

cs.RO cs.AI

本文提出了一种基于事件驱动的稀疏自编码器(SAE)可解释性pipeline，通过将SAE特征与机器人行为事件（如末端执行器关键帧）对齐，来理解Vision-Language-Action (VLA)策略的隐藏表示。该方法在仿真和真实机器人实验中验证了事件驱动排序对OpenVLA和$\pi_{0.5}$模型具有因果影响，但SAE作为干预基础存在架构依赖性和安全性限制。

Toward Near-Real-Time Marine Oil Spill Detection in SAR Imagery using Quantum-Assisted SVM

Joseph Strauss, Jyotsna Sharma

quant-ph cs.LG

本文提出了一种基于量子辅助Support Vector Machine (SVM)的集成方法，用于SAR图像中的近实时海洋溢油检测。该方法利用quantum annealing优化弱SVM的support vectors，并在Sentinel-1图像上取得了与经典基线相当的segmentation性能。

Integration of AI in Cybersecurity: Current Trends with a Focused Look at Intrusion Detection Applications

S. Tazili, A. Mansour, M. Y. Chkouri

cs.CR cs.AI cs.LG cs.NI eess.SP

本文综述了AI在网络安全中的当前趋势，特别聚焦于入侵检测应用，并基于所采用的AI技术和报告的性能进行了比较分析。

Maximum Likelihood Decoding of Quantum Error Correction Codes

Hanyan Cao et al.

quant-ph cond-mat.dis-nn cond-mat.stat-mech cs.LG

本文综述了量子纠错码的最大似然解码问题，从统计力学、张量网络和人工智能三个视角介绍了相关进展，并讨论了实时解码、可扩展性等开放挑战。

Systematic Evaluation of Vision Transformers for Automated Cervical Cancer Classification: Optimization, Statistical Validation, and Clinical Interpretability

Nisreen Albzour, Sarah S. Lam

cs.CV cs.AI

本文系统优化了Vision Transformer (ViT)架构用于宫颈癌细胞分类，在Herlev数据集上达到94.9%-95.2%的交叉验证准确率，并通过Grad-CAM分析验证了模型关注区域与临床细胞病理特征的一致性。

An Efficient Machine Learning-based Framework for Detection and Prevention of Frauds in Telecom Networks

Praveen Hegde, Mishal Shah

cs.NI cs.LG

本文使用Random Forest和XGBoost等机器学习模型，基于Call Detail Record (CDR)数据集进行电信网络欺诈检测。实验表明Random Forest在准确率、精确率等指标上表现最优，但该方法属于常规应用，缺乏开创性。

Latency-Aware Deep Learning Benchmark for Real-Time Cyber-Physical Attack and Fault Classification in Inverter-Dominated Power Grids

Emad Abukhousa, Saman Zonouz, A.P. Sakis Meliopoulos

eess.SY cs.AI cs.LG

本文提出了一种面向逆变器主导电网中实时物理攻击与故障分类的延迟感知深度学习基准测试框架，评估了从MLP到Transformer的八种神经网络架构。实验表明所有模型都能在15毫秒内完成子周期分类，但端到端推理延迟仍超过三个周期（50-90毫秒），揭示了算法能力与保护级部署之间的差距。

Scalable Bi-causal Optimal Transport via KL Relaxation and Policy Gradients

Haoyang Cao et al.

math.OC cs.LG

本文提出了一种基于KL松弛和policy gradient的可扩展双因果最优传输计算方法，通过将硬边际约束替换为可处理的散度惩罚并保持问题的递归结构，实现了对连续分布和长时域下双因果耦合的高效计算。该方法在鲁棒金融和时间序列统计降尺度等应用中表现良好。

A Hybrid Gaussian Process Regression Framework for Stable Volatility-Covariance Estimation: Evidence from Global Equity Indices

Ujjwala Vadrevu

q-fin.RM cs.LG

本文提出了一种混合Gaussian Process Regression-Historical Simulation (GPR-HS)框架，用于估计全球股票指数组合的Value-at-Risk (VaR)和Expected Shortfall (ES)。该框架通过Univariate GPR建模波动率，并结合历史协方差估计，在多数测试中实现了监管合规。

ContractBench: Can LLM Agents Preserve Observation Contracts?

Jicheng Wang et al.

cs.SE cs.AI

本文提出了ContractBench基准，用于评估LLM agent在调用API时是否遵守observation contracts（即保持中间输出如URL和令牌的时间有效性与字节完整性）。实验发现，即使是最先进的模型也无法达到80%的准确率，且该能力并非随模型规模单调提升。

FEG-Pro: Forecast-Error Growth Profiling for Finite-Horizon Instability Analysis of Nonlinear Time Series

Andrei Velichko et al.

nlin.CD cs.LG math.DS

本文提出FEG-Pro框架，通过构造自相关引导的稀疏历史、距离加权k近邻多步预测并分析几何平均预测误差的对数增长，从非线性标量时间序列中提取有限时域预测误差增长斜率$\lambda_{FEG}$及其他辅助描述符。该方法在混沌映射、Mackey-Glass延迟动力学和Lorenz-63标量观测上验证了准线性情形下的估计效果，并展示了曲线形状信息在记录长度缩短时的可解释性。

CLAP: Contrastive Latent-space Prompt Optimization for End-to-end Autonomous Driving

Ruiyang Zhu et al.

cs.CV cs.AI cs.LG cs.RO

本文提出CLAP框架，通过对比学习和方向正则化的prompt优化，在冻结的VLA驾驶模型中增强对长尾场景的规划性能，无需重新训练模型。该方法利用V2X通信按需检索软提示，在NAVSIM基准上显著降低了挑战性场景的规划误差。

When Efficiency Backfires: Cascading LLMs Trigger Cascade Failure under Adversarial Attack

Zehan Sun, Dingfan Chen, Songze Li

cs.CR cs.AI

本文研究了LLM级联系统（cascade systems）在对抗性攻击下的脆弱性，提出了一种利用级联依赖关系的对抗性后缀优化攻击框架，能够同时攻击轻量级模型和决策机制，导致系统在效率和准确性上出现可控退化。实验验证了该攻击的实用性和严重性，但方法本身并非开创性，且与关键词列表中的概念关联较弱。

Deep Reinforcement Learning Framework for Diversified Portfolio Management Across Global Equity Markets

Kamil Kashif, Robert Ślepaczuk

q-fin.PM cs.AI cs.LG cs.NE q-fin.TR

本文使用Soft Actor-Critic算法构建了一个深度强化学习框架，用于全球股票市场的动态投资组合管理。该框架在Markov Decision Process中学习连续的投资组合权重，并通过walk-forward优化在三个主要指数上进行了评估。

StyleText: A Large-Scale Dataset and Benchmark for Stylized Scene Text Inpainting

Aleksandr Simonyan, Nipun Jindal

cs.CV cs.AI

本文提出了一个名为StyleText的大规模数据集和基准，用于保留风格的场景文本修复任务。该数据集包含28,518个图像-掩码-提示三元组，并利用自动化pipeline（结合LLM、Flux生成、OCR过滤等）构建，同时定义了基于OCR指标和CLIP相似度的评估协议。

Attention Hijacking: Response Manipulation Across Queries in Vision-Language Models

Zhiqiang Wang et al.

cs.CV cs.AI

本文研究了视觉语言模型(VLM)中跨查询响应的对抗性操纵问题，提出了一种名为Attention Hijacking的攻击方法，通过引导内部attention分布至图像主导模式来提升攻击在不同文本查询间的迁移性。该方法在多个VLM上验证了有效性，但与我提供的关键词列表契合度较低。

TClone: Low-Latency Forking of Live GUI Environments for Computer-Use Agents

Yutong Huang et al.

cs.OS cs.AI

本文提出了TClone，一个用于计算机使用agent的可分支个人工作空间系统。它通过快照、分支、回滚和选择性合并等功能，实现了低延迟的GUI环境版本控制，相比KVM和CRIU显著降低了任务延迟。

Efficient Feature-Free Initialization for Monocular Visual-Inertial Systems Using a Feed-Forward 3D Model

Yuantai Zhang et al.

cs.RO cs.AI cs.CV

本文提出了一种无需视觉特征匹配的单目视觉惯性初始化方法，利用前馈3D模型直接预测点云，从而简化系统并提高初始化成功率。实验表明该方法在1.2秒内即可完成初始化，且在视觉退化场景中表现稳健。

LPG: Balancing Efficiency and Policy Reasoning in Latent Policy Guardrails

Nanxi Li, Zhengyue Zhao, Chaowei Xiao

cs.CR cs.AI

本文提出Latent Policy Guardrail (LPG)框架，通过将安全策略推理压缩为连续隐状态来平衡推理效率与策略遵循，在动态安全策略场景下实现了比基线更快的响应速度。

Causal Anomaly Detection for Lithium-Ion Battery Degradation

Dieter W. Heermann, Hagen Heermann

cond-mat.mtrl-sci cond-mat.stat-mech cs.LG physics.comp-ph

本文提出CausalHealth框架，利用因果图发现和k近邻转移熵分析锂离子电池的电压、电流等时间序列数据，通过三类异常分数实现早期退化检测。该方法在多个电池数据集上验证了检测效果，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

Single-Sample Black-Box Membership Inference Attack against Vision-Language Models via Cross-modal Semantic Alignment

Jiaqing Li et al.

cs.CV cs.AI

本文提出了一种针对Vision-Language Models (VLMs)的黑盒成员推理攻击方法，通过利用跨模态语义对齐（cross-modal semantic alignment）来区分训练集成员与非成员，解决了现有方法依赖内部logits或大规模统计分布的问题。该方法在单样本场景下有效，并在多个开源和闭源VLM上取得了优于基线的性能。

Position: Age Estimation Models Do Not Process Biometric Data

Nikita Marshalkin

cs.CY cs.CV cs.LG

本文通过实验证明年龄估计模型在面部验证基准上的表现远低于身份识别阈值，因此不处理生物识别数据，并呼吁监管区分临时处理与模板存储。

NOETHER: A Constructive Framework for Metamorphic Pattern Discovery from Operator Algebras

Meng Li et al.

cs.SE cs.LG cs.LO

本文提出NOETHER框架，通过将程序诱导的operator algebra转化为MetaPattern集合，为metamorphic testing中的关系识别问题提供了一种构造性方法。该框架在上游层对数学结构进行分解，下游层通过算法保证代数封闭性和多项式时间可判定性，并在多个领域验证了其有效性。

Ablating Safety: Mechanisms for Removing Alignment in Language Models for Security Applications

Isaac David, Arthur Gervais

cs.CR cs.AI

本文研究了在授权安全任务中移除语言模型安全对齐的方法，比较了多种技术（如上下文提示、表示控制投影和LoRA微调）的效果。实验表明，完全移除安全限制会显著增加不安全合规风险，因此应将对齐移除视为效用-风险权衡而非简单的去审查方法。

Benchmarking Mythos-Linked Bug Rediscovery

Isaac David, Arthur Gervais

cs.SE cs.AI

本文通过控制实验复现了Anthropic Mythos材料中声称的bug发现能力，测试了三个模型在六个系统任务上的目标文件重发现表现。结果显示GPT-5.5 xhigh在54次尝试中仅成功6次，模型的主要失败模式是过早锁定文件内的合理候选目标而错过补丁证据中的特定不变量。

Human-Flow Digital Twin for Predicting the Effects of Mobility Introduction on Visitor Circulation

Chiharu Shima et al.

cs.MA cs.LG

本文提出了一种基于human-flow digital twin的框架，通过multi-agent simulator预测移动性引入措施对游客流动的影响。该框架利用预干预的人流数据训练agent的决策模型，并通过改变点间距离或景点吸引力来模拟移动性引入后的效果。

Medical Context Distorts Decisions in Clinical Vision Language Models

David Restrepo et al.

cs.CV cs.CL

本文研究了临床视觉语言模型(VLMs)在胸部X光片任务中的决策偏差，发现模型过度依赖文本模态、受无关临床病史影响，且对语义等价的prompt变化敏感。该工作揭示了当前VLMs在临床场景中的可靠性问题，但未涉及关键词中的code、spectral、Muon等概念。

A semantic mutation metric for metamorphic relation adequacy in scientific computing programs

Meng Li et al.

cs.SE cs.LG

本文提出了一种面向科学计算程序的语义变异评分(Semantic Mutation Score, SMS)，基于五种领域语义算子构建，并验证了其与经典变异测试的一致性。实验表明SMS在中等效应范围内有效，且部分语义变异类型无法通过传统语法变异达到。

DiagEval: Trajectory-Conditioned Diagnosis for Reliable Software Evaluation with GUI Agents

Sirui Hong et al.

cs.SE cs.AI

本文提出DiagEval，一种用于GUI agent评估的轨迹条件诊断协议，通过复用失败轨迹选择诊断探针来区分评估器执行错误与真实软件缺陷，在多个基准上提升了评估准确率。该方法聚焦于agent评估中的失败归因问题，但未涉及code、spectral、Muon或pretrain等关键词。

MemRepair: Hierarchical Memory for Agentic Repository-Level Vulnerability Repair

Simiao Liu et al.

cs.SE cs.AI cs.CL

本文提出MemRepair，一个基于agent的框架，通过引入分层记忆机制（包括修复历史、安全模式和优化轨迹）来改进仓库级别的漏洞自动修复。该方法在多个基准测试上取得了领先的修复率，但并未涉及spectral、Muon或pretrain等关键词。

FastOCR: Dynamic Visual Fixation via KV Cache Pruning for Efficient Document Parsing

Zihan Tang et al.

cs.CV cs.CL

本文提出FastOCR，一种无需训练的视觉token动态剪枝框架，通过观察文档图像中模型注意力在解码步骤间呈现“动态视觉注视”现象，利用焦点引导剪枝和跨步注视复用两个模块，在保留98%精度的同时仅关注5%的视觉token，将注意力延迟降低3.0倍。该方法主要针对OCR任务中的视觉token冗余问题，与关键词中的attention相关但未涉及code、spectral等概念。

Self-Improving CAD Generation Agents with Finite Element Analysis as Feedback

Guijin Son et al.

cs.GR cs.CL

本文提出了一种新的CAD生成任务，要求模型从自由形式的工程需求生成完整的STEP文件，并通过有限元分析进行验证。实验发现现有agent（如Codex和Claude Code）生成的工件几乎无法通过严格验证，并引入了文本蓝图和21视图渲染器作为额外监督信号来改进生成过程。

Spatial Blindness in Whole-Slide Multiple Instance Learning

Xiangyu Li, Ran Su

cs.CV cs.AI

本文指出全切片MIL模型在病理任务中常被误认为具有空间感知能力，但实际上在打乱patch坐标后AUC几乎不变，表现出“空间盲视”现象。作者提出ResTopoMIL方法，通过先拟合排列不变的prototype直方图并冻结，再让轻量图分支在坐标打乱约束下学习残差，以恢复空间敏感性。

Trust No Tool: Evaluating and Defending LLM Agents under Untrusted Tool Feedback

Lecheng Yan et al.

cs.CR cs.CL

本文研究了LLM agents在使用外部工具时面临的一种新型安全威胁——认知中毒（cognitive poisoning），即恶意工具在探索阶段表现正常、积累信任，仅在特定隐藏状态条件满足时才产生危害。为此，作者构建了TRUST-Bench基准测试集，并提出VISTA-Guard框架，通过将多步工具交互抽象为结构化环境变量来编码信任形成动态，从而对最终可执行动作进行风险评分。实验表明，该方法在域内和域外评估中均优于传统启发式方法和零样本判断。

GCE-MIL: Faithful and Recoverable Evidence for Multiple Instance Learning in Whole-Slide Imaging

Xiangyu Li, Ran Su

cs.CV cs.AI

本文提出GCE-MIL，一种用于全切片图像多实例学习的骨干无关包装器，通过显式优化证据的充分性、必要性和可恢复性来改进基于attention的MIL模型。该方法通过grounding机制、noisy-OR覆盖和阈值加修复恢复三个组件，在9个骨干网络和9个数据集上提升了分类和生存预测性能。

Artificial Intelligence can Recognize Whether a Job Applicant is Selling and/or Lying According to Facial Expressions and Head Movements Much More Correctly Than Human Interviewers

Hung-Yue Suen et al.

cs.HC cs.AI cs.CY

本文利用computer vision和deep learning模型，从视频中提取求职者面部表情和头部运动的时间模式，以识别其诚实或欺骗性的印象管理策略。模型解释了91%和84%的方差，表现优于人类面试官，但方法本身并非开创性，且与关键词列表中的概念关联较弱。

An Interpretable Closed-Loop Intelligent Tutoring System for Multimodal Affective Feedback in Asynchronous Presentation Training

Hung-Yue Suen, Kuo-En Hung

cs.HC cs.AI

本文提出了一种可解释的闭环智能辅导系统，用于异步演讲训练中的多模态情感反馈。该系统基于XGBoost骨干网络，将面部、声音、文本和眼动特征映射为可追溯的反馈，并通过预-后验证实验证明了其在提升演讲技能方面的有效性。

DyGRO-VLA: Cross-Task Scaling of Vision-Language-Action Models via Dynamic Grouped Residual Optimization

Sixu Lin et al.

cs.RO cs.LG

本文提出DyGRO-VLA框架，通过两阶段优化（信息论驱动的跨任务latent representation提取与动态混合RL残差优化）提升Vision-Language-Action模型在多任务场景下的泛化能力，在LIBERO和RoboTwin2基准上验证了有效性。

A Distributional View for Visual Mechanistic Interpretability: KL-Minimal Soft-Constraint Principle

Guancheng Zhou et al.

cs.CV cs.AI

本文从分布视角建立视觉机械可解释性(MI)的理论框架，将特征激活对自然图像分布的影响建模为KL最小化优化问题，并指出先前范式存在统计偏差。通过能量引导的扩散后验采样实现KL最小软约束原则，在DINOv3视觉模型上验证了理论有效性。

SaaSBench: Exploring the Boundaries of Coding Agents in Long-Horizon Enterprise SaaS Engineering

Qingnan Ren et al.

cs.SE cs.AI

SaaSBench是一个针对企业级SaaS工程场景的coding agent基准测试，包含30个复杂任务和5370个验证节点，覆盖8种编程语言、6种数据库和13种框架。实验发现当前最先进的agent在配置和集成多组件系统时面临主要瓶颈，超过95%的任务失败发生在系统基础设置阶段。

Few-Shot Network Intrusion Detection Using Online Triplet Mining

Jack Wilkie et al.

cs.CR cs.AI cs.LG cs.NI

本文提出使用triplet network结合online triplet mining和KNN classifier进行few-shot网络入侵检测，在仅有少量恶意样本（每类10个）时仍能有效分类。该方法通过在线挖掘triplet来训练embedding，并对比了不同挖掘算法和距离度量，在二分类和多分类任务上与其他方法具有竞争力。

Accelerating Redshift-Conditioned Galaxy Image Synthesis with One-step Generative Modeling

Tianyue Yang, Sandro Tacchella, Xiao Xue

astro-ph.IM astro-ph.GA cs.LG

本文研究了基于redshift条件的星系图像生成，比较了DDPM、DDIM、DEIS-AB2、DPM++2M和pixel-MeanFlow等模型在GalaxiesML-64数据集上的性能，发现pixel-MeanFlow能以单步生成实现较低计算成本，但精细结构不如多步DDPM。

Rethinking Code Review in the Age of AI: A Vision for Agentic Code Review

Hüseyin Özgür Kamalı et al.

cs.SE cs.AI

本文回顾了代码审查的历史演变，并提出了一个结合专用agent与人工控制质量门的AI驱动代码审查框架，该框架涵盖PR创建、增强、审稿人选择、AI辅助审查和回顾五个阶段。文章主要讨论了当前AI辅助代码审查的碎片化问题及未来研究方向，与关键词中的“agent”有一定关联，但方法上缺乏开创性。

Visual Sculpting: Visually-Aligned Planning Representations for Long-Horizon Robot Clay Sculpting

Peter Schaldenbrand, Jean Oh

cs.RO cs.AI

本文针对机器人黏土雕塑中的长期规划问题，提出了一种视觉对齐的动力学模型，用于表示可变形材料的动态变化。该方法在多种材料和末端执行器上取得了与现有技术相当的性能，并支持视觉规划，但未涉及code、spectral或Muon等关键词。

Controlling False Discovery in Arbitrarily Structured Hypothesis Spaces via Reproducing Kernels

Binyamin Perets, Shie Mannor

stat.ME cs.AI q-bio.QM stat.ML

本文提出了一种基于Reproducing Kernel Hilbert Space (RKHS)的框架，将结构化False Discovery Rate (FDR)控制问题转化为正则化学习问题，通过选择不同的kernel统一处理连续域、图与层次结构。该方法提供了两种可证明控制FDR的决策规则，并在空间位置与基因表达数据上进行了验证。

Automated Root-Cause Subclassification and No-Code Fix Generation for Invalid Bug Reports

Mahmut Furkan Gon et al.

cs.SE cs.AI cs.MA

本文针对无效bug报告，提出了一种基于root-cause的子分类标准，并实验比较了vanilla LLMs、Retrieval Augmented Generation和agentic web search在子分类与无代码修复生成上的性能。实验表明，RAG在子分类上表现最佳，而agentic web search在无代码修复生成上效果最好。

Stable Routing for Mixture-of-Experts in Class-Incremental Learning

Zirui Guo et al.

cs.CV cs.LG

本文针对class-incremental learning (CIL)中结合pre-trained model与mixture-of-experts (MoE)的方法，提出了StaR-MoE框架，通过sensitivity-aware routing alignment和asymmetric capacity regularization来解决专家扩展导致的路由漂移问题，在多个基准上提升了性能。

Topological Data Analysis combined with Machine Learning for Predicting Permeability of Porous Media

Ebru Dagdelen et al.

cond-mat.soft cs.LG

本文利用机器学习方法，结合从多孔介质中提取的结构、拓扑和网络特征，来预测其渗透率。研究特别展示了拓扑数据分析(TDA)提供的特征可以有效地与机器学习结合，以产生有意义的预测结果。

Longwang: Zero-Shot Global Spatiotemporal Precipitation Downscaling with a Latent Generative Prior

Yue Wang, Daniele Visioni

physics.ao-ph cs.LG

Longwang提出了一种零样本的潜在生成框架，用于全球时空降水降尺度，通过学习上下文条件潜在生成先验并结合物理观测算子进行后验采样，从月尺度粗分辨率输入生成日尺度高分辨率降水场。该方法在ERA5再分析数据上优于无条件生成先验的标准后验采样，并能泛化到历史气候模拟和未来气候预估。

Bayesian-Monte Carlo Schedule Updating for Construction Digital Twins: A Probabilistic Framework for Dynamic Project Forecasting

Atena Khoshkonesh et al.

cs.CE cs.AI

本文提出了一种基于Bayesian-Monte Carlo的概率框架，用于施工数字孪生环境中的进度更新，通过整合随机活动持续时间建模、Bayesian递归更新和Monte Carlo模拟来提升项目预测的准确性。该方法利用PSPLIB基准网络验证了其相对于确定性CPM和静态概率方法的优势，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

SafeLens: Deliberate and Efficient Video Guardrails with Fast-and-Slow Screening

Shahriar Kabir Nahin et al.

cs.CV cs.CL

本文提出SafeLens，一种用于视频内容审核的快速-慢速推理架构，通过为不同输入分配可变计算成本来提高效率，并在基准测试中取得了领先性能。

A Feature-Driven Framework for Software Fault Prediction

Ahmad Nauman Ghazi et al.

cs.SE cs.LG

本文研究了特征选择与参数调优在软件故障预测中的组合效果，评估了多种特征选择方法与超参数优化技术对机器学习模型性能的影响。实验表明，结合CFS与GA的方法在使用RF时达到最高准确率88.40%，并识别出WMC和CBO等关键属性。

VeriCache: Turning Lossy KV Cache into Lossless LLM Inference

Jiayi Yao et al.

cs.AR cs.LG

本文提出VeriCache框架，通过将有损KV cache压缩算法与基于完整KV cache的验证机制结合，在保持与完整KV cache解码相同输出的前提下提升LLM推理吞吐量。该方法利用压缩KV cache进行草稿解码，同时并行交换完整KV cache进行验证，实现了最高4倍的吞吐量提升。

SynVA: A Modular Toolkit for Vessel Generation and Aneurysm Editing

Marten J. Finck et al.

cs.CV cs.AI cs.LG

本文介绍了SynVA，一个用于血管网格生成和动脉瘤合成的模块化工具包，结合了基于flow-matching的健康血管生成方法和基于学习的解剖条件动脉瘤生成方法，并发布了包含50,000个标注网格样本的数据集。实验表明SynVA能生成逼真的血管几何形状和解剖学上合理的动脉瘤。

Multi-task learning on partially labeled datasets via invariant/equivariant semi-supervised learning

Miquel Martí i Rabadán et al.

cs.CV cs.AI cs.LG

本文研究了不变性和等变性半监督学习（如FixMatch和Dense FixMatch）在多任务部分标注数据集上的应用，在Cityscapes和BDD100K数据集上对目标检测和语义分割任务进行了实验。结果表明，该方法在标注样本有限时优于监督基线，但未涉及关键词中的特定方向。

SparseSAM: Structured Sparsification of Activations in Segment Anything Models

Hoai-Chau Tran et al.

cs.CV cs.AI

本文提出SparseSAM，一种无需训练的structured sparsification框架，通过Stripe-Sort Attention和Residual-Consistency MLP同时加速SAM中的attention和MLP层，在保持token identity的同时实现2倍加速和2.8倍内存缩减，且精度损失极小。该方法主要关注模型推理效率优化，与关键词中的attention有一定关联但并非核心创新。

AI Agents May Always Fall for Prompt Injections

Sahar Abdelnabi, Eugene Bagdasarian

cs.CR cs.CL cs.CY

本文从Contextual Integrity (CI)理论视角重新审视了AI agent中的prompt injection漏洞，指出当前的数据-指令分离防御范式无法应对通过上下文操纵的攻击，并论证了攻击者总能构造出使被阻断的信息流看似合法的上下文，从而得出一种不可能性结果。

ML-based Fast Simulation of FARICH Responses

Foma Shipilov et al.

hep-ex cs.LG

本文提出了一种基于条件生成对抗网络(cGAN)的轻量级卷积架构，用于快速模拟FARICH探测器的响应，相比传统Monte-Carlo方法实现了显著加速。该方法根据粒子径迹和动量生成探测器矩阵上的光子击中样本，并通过概率图和重建速度分布验证了其生成样本的真实性。

On Gaussian approximation for entropy-regularized Q-learning with function approximation

Artemy Rubtsov et al.

stat.ML cs.LG

本文研究了熵正则化异步Q-learning在函数逼近下的高斯近似收敛率，通过线性化软Bellman递归并结合鞅的高斯近似，得到了凸距离下的$n^{-1/4}$阶误差界。

PULSE: Agentic Investigation with Passive Sensing for Proactive Intervention in Cancer Survivorship

Zhiyuan Wang et al.

cs.HC cs.AI

本文提出PULSE系统，利用LLM agents自主查询智能手机被动感知数据，通过agentic investigation方法预测癌症幸存者的情绪状态，相比固定特征pipeline提升了预测准确率。

Attention-Guided Fusion of 1D and 2D CNNs for Robust ECG-Based Biometric Recognition

Arioua et al.

cs.CV cs.AI cs.CR eess.SP eess.SY

本文提出了一种基于注意力引导融合的1D和2D CNN混合框架，用于ECG生物特征识别，通过同时提取时域形态特征和时频谱特征并动态融合，在多个数据集上取得了高识别准确率。该方法主要关注多模态融合策略，与关键词中的“attention”有一定关联，但整体创新性有限。

Online Conformal Prediction for Non-Exchangeable Panel Data

Daohong Tu, Kay Giesecke

stat.ML cs.LG stat.ME

本文针对面板数据（panel data）中因时间依赖性和单位异质性导致的exchangeability假设失效问题，提出了一种在线conformal prediction框架。该方法利用当前可观测的校准单元（calibration panel）结合历史相似性权重和自适应误覆盖水平来构建预测集，并给出了逐步覆盖界和长期覆盖保证。

How does feature learning reshape the function space?

João Lobo et al.

stat.ML cs.LG

本文研究了双层神经网络在梯度下降训练中特征学习对函数空间的影响，证明了在高维比例极限下，特征分布可被目标依赖的spiked Gaussian covariance近似，从而诱导出数据自适应的kernel。该工作为理解特征学习提供了函数空间视角。

Sequential Structure in Intraday Futures Data: LSTM vs Gradient Boosting on MNQ

Mathias Mesfin

q-fin.TR cs.LG q-fin.CP q-fin.ST

本文比较了gradient boosting和LSTM在Micro E-Mini Nasdaq 100期货日内方向预测上的表现，发现所有模型在严格的walk-forward验证下均未产生统计显著的预测优势，表明单一品种的五年分钟级OHLCV数据不足以支持可靠的序列机器学习预测。

Domain Incremental Learning for Pandemic-Resilient Chest X-Ray Analysis

Danu Kim

cs.CV cs.AI cs.LG

本文提出了一种基于replay的domain-incremental continual learning方法，用于解决chest X-ray分析中跨domain泛化问题，通过class-aware balanced replay和class-aware loss来缓解灾难性遗忘和类别不平衡。实验在模拟的domain-shifted PneumoniaMNIST数据集上验证了其有效性。

StatQAT: Statistical Quantizer Optimization for Deep Networks

Mehmet Aktukmak, Daniel Huang, Ke Ding

stat.ML cs.LG

本文提出了一种基于统计误差分析的量化框架StatQAT，用于优化深度神经网络的均匀和浮点量化参数，并设计了适用于任意数据分布和高斯权重分布的迭代与解析量化器。实验表明该方法在量化感知训练中能提升低精度网络的准确性和稳定性。

MV-Gate: Insider Threat Detection via Multi-View Behavioral Statistics and Semantic Modeling

Kaichuan Kong et al.

cs.SI cs.LG

本文提出MV-Gate框架，通过多视角行为统计与语义建模来检测内部威胁。该方法将活动token、多尺度状态信号和频率偏差信号等统计规律与序列语义结合，利用异常感知门控机制引导attention计算，在多个数据集上取得了优于现有方法的性能。

Feature Learning in Linear-Width Two-Layer Networks: Two vs. One Step of Gradient Descent

Behrad Moniri, Hamed Hassani

stat.ML cs.LG

本文研究了线性宽度两层神经网络中两步梯度下降的特征学习，通过谱分析刻画了权重更新的尖峰随机矩阵行为，并比较了独立批次与批次重用对学习方向的影响。

Is Complex Training Necessary for Long-Tailed OOD Detection? A Re-think from Feature Geometry

Ningkang Peng, Xuanming Chen, Yanhui Gu

cs.CV cs.LG

本文指出长尾分布下的OOD检测中，复杂的训练机制可能掩盖了更简单的问题，并提出Hyperspherical Pooled Mahalanobis (HPM)作为后处理检测器，通过将特征归一化到单位球面并替换类特定协方差来改进Mahalanobis距离。实验表明，该简单方法在CIFAR-LT和ImageNet-100-LT上显著提升了检测性能，并强调了评估表示质量与检测器几何的重要性。

Optimal Knock-Pick Planning for Tightly Packed Tabletop Blocks With Parallel Grippers

Hao Lu, Rahul Shome

cs.RO cs.AI

本文研究了在紧密排列的桌面场景中，使用平行夹爪进行物体重新排列的问题，并引入了一种定向敲击（knock）动作来处理无法直接抓取的情况。通过构建图论抽象并利用最大权完美匹配，作者提出了一个多项式时间算法来最小化总动作次数。

Curriculum Group Policy Optimization: Adaptive Sampling for Unleashing the Potential of Text-to-Image Generation

Baoteng Li et al.

cs.CV cs.AI

本文提出Curriculum Group Policy Optimization (CGPO)框架，通过自适应采样策略提升Text-to-Image生成模型的训练效率，但方法主要针对图像生成领域，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。

Virtues of Ordered Chaos: Planning with Topple Actions in Tabletop Stack Rearrangement

Hao Lu, Rahul Shome

cs.RO cs.AI

本文研究了桌面堆叠重排中的topple动作（将物体从堆叠中推倒至桌面），通过引入一种新的聚合gadget（一种抽象建模工具）来将任务规划转化为pebble motion问题（一种图上的移动问题）。实验表明，结合topple动作的规划比仅使用pick-and-place动作执行更快，但该方法主要针对特定场景，未涉及关键词中的核心概念。

TierCheck: Tiered Checkpointing for Fault Tolerance in Large Language Model Training

Shujie Han et al.

cs.DC cs.AI

本文提出了TierCheck，一种用于大语言模型训练的分层检查点系统，通过将轻量级差分检查点存储在本地和同伴内存中，并将重量级基础检查点异步迁移到远程持久存储，以平衡故障恢复速度与存储开销。该系统在高达400亿参数的模型上实现了低训练开销和快速检查点恢复。

Why We Look Where We Look: Emergent Human-like Fixations of a Foveated Visual Language Model Maximizing Scene Understanding

Shravan Murlidaran et al.

cs.CV cs.AI

本文通过一个模拟中央凹视觉的计算agent，研究了自由观看场景时人类注视模式的成因。研究发现，以最大化场景理解为目标的agent能涌现出类似人类的注视模式，而其他训练目标或视觉能力则无法准确预测。

CounterCount: A Diagnostic Framework for Counting Bias in Vision Language Models

Reem Alzahrani et al.

cs.CV cs.AI

CounterCount是一个用于诊断Vision Language Models中计数偏差的框架，通过构建事实与反事实图像对来评估模型是否依赖视觉证据或语言先验。实验发现模型在反事实场景下性能下降，并提出了一种推理时attention调制策略来缓解该问题。

Temporal Aware Pruning for Efficient Diffusion-based Video Generation

Sheng Li et al.

cs.CV cs.AI

本文提出了一种名为TAPE的训练无关剪枝方法，用于加速基于diffusion的视频生成模型。该方法通过时间平滑、token重选和时间步预算调度来保持视频帧间的时间一致性，在提升速度的同时维持视觉质量。

Simple Approximation and Derivative Free Inference-Time Scaling for Diffusion Models via Sequential Monte Carlo on Path Measures

Chenyang Wang et al.

stat.ML cs.CV cs.LG math.NA math.PR

本文提出了一种名为URGE的无需梯度的推理时间缩放算法，通过Girsanov测度变换对扩散模型的轨迹进行路径重要性重加权，并定期重采样，从而避免了对score、Hessian或PDE的评估。该方法在合成测试和扩散模型基准上优于现有基线，但主要贡献在于简化实现和消除梯度依赖，与我提供的关键词（如code, context, spectral等）关联度较低。

Multi-site PPG: An In-the-Wild Physiological Dataset from Emerging Multi-site Wearables

Jiayi Shao et al.

cs.HC cs.LG

本文介绍了一个名为Multi-site PPG的野外生理数据集，包含从耳环、戒指、手表和项链四种可穿戴设备收集的PPG信号，并提供了超过350小时的原始数据。该数据集为新兴可穿戴形态的生理传感研究提供了基准，但方法上未涉及关键词中的核心概念。

Guard: Scalable Straggler Detection and Node Health Management for Large-Scale Training

Guanliang Liu et al.

cs.DC cs.AI cs.LG

Guard是一个用于大规模训练集群的straggler检测和节点健康管理系统，通过结合在线性能监控和离线节点扫描来检测故障和性能退化行为。该系统在大型基础模型预训练中提升了FLOPs利用率并降低了训练步长方差。

Long-horizon prediction of three-dimensional wall-bounded turbulence with CTA-Swin-UNet and resolvent analysis

Bo Chen et al.

physics.flu-dyn cs.LG

本文提出了一种混合机器学习框架CTA-Swin-UNet，结合多时间尺度融合校正策略和基于resolvent的谱线性随机估计，用于三维壁面湍流的长时程预测。该方法在二维平面预测上优于LSTM、FNO等基线模型，并实现了长达300步的自回归滚动预测。

One Model to Translate Them All: Universal Any-to-Any Translation for Heterogeneous Collaborative Perception

Yang Li et al.

cs.CV cs.AI

本文提出UniTrans，一个用于异构协同感知的通用特征模态翻译模型，通过预训练专家参数库并学习源-目标模态映射的组合系数，实现了零样本的任意模态间翻译。实验表明该方法在模拟和真实场景中均优于现有技术。

AdaptiveLoad: Towards Efficient Video Diffusion Transformer Training

Yucheng Guo et al.

cs.DC cs.AI cs.LG

本文提出AdaptiveLoad框架，通过双约束自适应负载均衡系统（限制内存消耗和计算负载$B \times S^p \le M_{\text{comp}}$）和融合LayerNorm-Modulate CUDA kernel，解决视频扩散Transformer训练中因序列长度差异导致的负载不均衡问题，在Wan 2.1世界模型上提升了训练吞吐量。

Transfer Learning for Customized Car Racing Environments

Benedict Florance Arockiaraj, Richard Chang, Wesley Yee

cs.RO cs.LG

本文探讨了在深度强化学习中使用transfer learning方法，在OpenAI的Car Racing环境中通过在一个赛道训练agent并在其他赛道进行zero-shot transfer或fine-tuning来提升性能，并比较了model-based和model-free方法的优劣。

A More Word-like Image Tokenization for MLLMs

Hyun Lee et al.

cs.CV cs.AI cs.LG

本文提出了一种名为Disentangled Visual Tokenization (DiVT)的方法，通过将图像patch embedding聚类为语义连贯的单元，使视觉token更接近语言模型原本理解的词单元。该方法能根据图像复杂度自适应调整token数量，在减少视觉token的同时保持或提升多模态基准性能。

Babel: Jailbreaking Safety Attention via Obfuscation Distribution Optimized Sampling

Ziwei Wang et al.

cs.CR cs.AI

本文提出了一种名为Babel的黑盒攻击框架，通过发现LLM安全机制中attention heads分布稀疏的漏洞，利用混淆分布优化采样来高效生成越狱提示。该方法在GPT-4o和Claude-3-5-haiku等模型上实现了更高的攻击成功率，但主要关注安全攻击而非关键词中的核心方向。

LivePI: More Realistic Benchmarking of Agents Against Indirect Prompt Injectio

Lei Zhao, Abhay Bhaskar, Edgar Dobriban

cs.CR cs.AI

本文提出了LivePI基准，用于评估AI agent在真实环境中面对间接prompt注入攻击的风险，覆盖多种输入渠道和恶意目标，并在多个模型上测试了攻击成功率。

Stable Audio 3

Zach Evans et al.

cs.SD cs.AI

本文介绍了Stable Audio 3系列模型，通过语义-声学自编码器将音频压缩到紧凑的latent space，并利用latent diffusion模型实现变长音频生成与编辑，同时采用adversarial post-training加速推理并提升质量。该工作主要贡献在于高效生成与编辑，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Verify-Gated Completion as Admission Control in a Governed Multi-Agent Runtime: A Bounded Architecture Case Study

Hai-Duong Nguyen, The-Xuan Tran

cs.SE cs.AI

本文研究了一种用于受控多智能体运行时的验证门控完成模式，通过只读验证器决定是否接受完成声明，并基于一个有限参考实现分析了其可审计性。实验表明在特定条件下该方法使完成决策可检查且故障关闭，但结论范围狭窄，不涉及部署操作或安全性保证。

Spiker-LL: An Energy-Efficient FPGA Accelerator Enabling Adaptive Local Learning in Spiking Neural Networks

Alessio Caviglia et al.

cs.NE cs.AI

本文提出了一种基于FPGA的SNN加速器SPIKER-LL，通过微架构扩展支持STSF局部学习规则，实现了低功耗的在线学习。在MNIST等数据集上，该加速器在保持高准确率的同时，实现了亚毫秒级延迟和极低能耗。

SAS: Semantic-aware Sampling for Generative Dataset Distillation

Mingzhuo Li et al.

cs.CV cs.AI cs.LG

本文提出了一种基于CLIP语义先验的采样方法SAS，用于生成式数据集蒸馏，通过三个语义评分函数和两阶段采样策略提升蒸馏数据的类别区分性和多样性，实验验证了其有效性。

TinySAM 2: Extreme Memory Compression for Efficient Track Anything Model

Zhaoyuan Ding et al.

cs.CV cs.AI

本文提出TinySAM 2，一种轻量化的视频分割模型，通过记忆质量管理和联合时空token压缩技术，在仅使用7%记忆token和3%训练数据的情况下，达到了SAM 2.1模型90%的性能，有效降低了模型部署的计算和存储成本。

See What I Mean: Aligning Vision and Language Representations for Video Fine-grained Object Understanding

Boyuan Sun et al.

cs.CV cs.AI cs.HC

本文提出SWIM训练策略，通过仅在训练时使用mask监督来对齐视觉与语言表征，使模型在推理时能仅凭文本提示关注指定物体。实验表明该方法在细粒度物体理解上优于依赖视觉提示的方法。

Quantum Sidecar Architectures for Hybrid AI Training and Inference: Stateful Protected Registers, Stateless Reset-and-Reprepare Circuits and Quantum Weight-State Outlook

Y.Mo, G.D.Su

quant-ph cs.AI

本文提出了一种用于混合AI训练和推理的量子侧边架构，包含有状态保护寄存器和无状态重置-重制备两种模式，并进行了模拟验证。该工作主要关注量子计算与经典大模型的结合方式，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Real-time Multi-instrument Autonomous Discovery of Novel Phase-change Memory Materials

Chih-Yu Lee et al.

cond-mat.mtrl-sci cs.LG physics.app-ph

本文提出了一个多仪器自主发现框架MAD，用于同时进行结构性质映射和功能性质优化，并以Mn-Sb-Te三元相变存储材料为例，通过闭环实验加速了材料发现过程。

On Occurrence-Preserving Morphisms

Kaisei Kishi et al.

math.CO cs.DS

本文研究了保持出现次数的morphism（通过字母替换变换单词的映射），引入了interference-free morphisms的概念，并给出了occurrence-preserving morphisms的刻画。该工作与关键词列表中的概念关联较弱。

Exploring Trust Calibration in XAI - The Impact of Exposing Model Limitations to Lay Users

Alfio Ventura et al.

cs.HC cs.AI

本文通过一项在线实验研究了在可解释人工智能（XAI）中，向非专业用户暴露模型局限性对信任校准（trust calibration）的影响。研究发现，仅对案例层面的信任判断有可靠影响，且短期经验未能带来渐进式校准，同时用户难以区分感知信任、可信度与准确性估计。

A note on connections between the Föllmer process and the denoising diffusion probabilistic model

Yuta Koike

stat.ML cs.LG math.PR

本文探讨了Föllmer process与denoising diffusion probabilistic model (DDPM)之间的联系，指出离散化的Föllmer process可自然导出DDPM sampler的超参数设置，并系统性地恢复了关于DDPM采样误差界的最新结果。

Confidence-Gated Robot Autonomy: When Does Uncertainty Actually Help?

Johannes A. Gaus, Jhon P.F. Charaja, Daniel Haeufle

cs.RO cs.AI

本文研究了机器人系统中基于不确定性的自主决策门控机制，发现当基础模型达到一定能力水平后，简单的softmax启发式方法与复杂的不确定性估计方法在门控行为上表现相似，且阈值选择对执行结果影响更大。

The MixCount Dataset: Bridging the Data Gap for Open-Vocabulary Object Counting

Corentin Dumery et al.

cs.CV cs.LG

本文提出了MixCount数据集和自动生成pipeline，用于解决开放词汇目标计数中混合对象场景的数据瓶颈问题。通过合成图像和像素级标注，该方法在FSC-147和PairTally等基准上显著降低了MAE。

Wasserstein bounds for denoising diffusion probabilistic models via the Föllmer process

Yuta Koike

stat.ML cs.LG math.PR math.ST

本文通过将DDPM采样器视为Föllmer过程的离散化，在2-Wasserstein距离下建立了采样误差界。研究在分数函数的Lipschitz型条件下得到了最优的维数和步数上界，并证明了这些条件蕴含对数Sobolev不等式。

A-ProS: Towards Reliable Autonomous Programming Through Multi-Model Feedback

Anika Tabassum et al.

cs.SE cs.AI

本文提出A-ProS，一个通过多模型反馈框架（结合ChatGPT生成器与三个调试器）来自动解决competitive programming问题的AI agent。实验表明，该方法通过状态化refinement显著提升了代码生成的可靠性，但未涉及spectral、Muon或pretrain等关键词。

Parameterized 4-Qubit EWL Quantum Game Circuits with Dirac-Solow-Swan Hamiltonian Integration for Quadruple Helix Disruptive Innovation Recommender Systems

Agung Trisetyarso, Fithra Faisal Hastiadi, Kridanto Surendro

quant-ph cond-mat.stat-mech cs.AI econ.EM econ.TH

本文提出了一个参数化的4-qubit EWL量子博弈电路，用于四螺旋创新生态系统中的推荐系统，通过将真实资助数据映射为策略参数，实现了对颠覆性创新趋势的预测。该工作结合了量子博弈论、参数化量子电路和相对论经济增长模型，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

SENSE: Satellite-based ENergy Synthesis for Sustainable Environment

Kailai Sun et al.

cs.CV cs.AI

本文提出SENSE框架，利用可控扩散模型和大视觉模型，基于卫星图像和道路网络生成城市建筑能耗与高度图。该方法在四个城市验证了视觉真实性和物理一致性，并能在少量标注数据下提升下游预测性能。

Complexity of Finding and Enumerating Interconnection Trees

Noé Demange, Yann Strozecki

cs.CC cs.DS

本文研究了多部图中满足匹配约束的最小边数连接问题，引入了interconnection trees概念，证明了决策问题是NP完全的，但在完全、拟完全等结构上有多项式时间算法。

Who Generated This 3D Asset? Learning Source Attribution for Generative 3D Models

Sihan Ma, Siyuan Liang, Dacheng Tao

cs.CV cs.AI

本文构建了首个针对现代生成式3D资产的被动来源归属基准，覆盖22种代表性生成器。提出一种层次化多视图多模态Transformer，融合外观、几何和频域特征以捕捉分散的指纹信号，在标准及少样本场景下均取得高准确率。

An Empirical Study of Privacy Leakage Chains via Prompt Injection in Black-Box Chatbot Environments

Hongjang Yang, Hyunsik Na, Daeseon Choi

cs.CR cs.AI cs.HC cs.IR

本文研究了基于LLM的chatbot agent在black-box环境下通过indirect prompt injection实现隐私泄露的攻击链，提出了一种名为exemplification的prompt injection技术，并实验验证了其有效性。该工作主要关注安全攻击场景，与关键词中的agent有一定关联，但方法本身并非开创性且未解决长期问题。

Vision Inference Former: Sustaining Visual Consistency in Multimodal Large Language Models

Xinpeng Dong et al.

cs.CV cs.AI

本文提出Vision Inference Former (VIF)，一个轻量级模块，通过在解码阶段持续注入visual semantics，解决多模态大语言模型中visual consistency随生成长度增加而减弱的问题。实验表明VIF在多种架构上均能提升性能。

Self-Evolving Spatial Reasoning in Vision Language Models via Geometric Logic Consistency

Junming Liu et al.

cs.CV cs.AI

本文提出SAGE框架，通过几何与语言对偶操作增强视觉语言模型的空间推理逻辑一致性，并利用动态操作池在GRPO训练中持续优化。该方法在视频和空间推理基准上提升了模型性能。

Buffer-Parameterized Machine Learning Surrogate Models for Cross-Technology Signal Integrity Analysis and Optimization

Julian Withöft et al.

eess.SP cs.CE cs.LG

本文提出了一种缓冲参数化的机器学习代理模型方法，通过将IC缓冲特性作为动态输入，实现了跨技术信号完整性分析而无需重新训练。研究对比了多种模型架构，发现神经网络在大数据集上表现最优，而各向异性GPR在低数据场景下更有效。

MARS: Technical Report for the CASTLE Challenge at EgoVis 2026

Haoyu Zhang et al.

cs.CV cs.AI

本文介绍了MARS系统，该系统将多模态证据选择问题视为一个agentic任务，通过构建视频、转录文本及辅助模态的记忆，并使用GPT-5.4决策agent进行推理，在CASTLE挑战中取得了第二名。

Canonical Regularisation of Wide Feature-Learning Neural Networks

George Whittle et al.

stat.ML cs.LG

本文研究了宽神经网络在特征学习机制下的正则化问题，证明了岭回归（ridge regularisation）会扭曲梯度流训练的归纳偏置，并提出了一个与机制无关的规范正则化框架。通过黎曼几何推导出测地线岭（geodesic ridge），并提出了其可扩展的近似方法弧岭（arc ridge），揭示了早停与规范正则化之间的深层关系。

Fixed External Cameras as Common Prior Maps for Active 3D Scene Graph Generation

Giorgia Modi et al.

cs.RO cs.AI cs.CV

本文利用固定外部RGB相机作为Common Prior Maps，提出了一种仅基于RGB的主动增量式3D场景图生成框架，通过融合外部与机载相机观测来提升场景理解效率。实验表明该方法能显著提高初始目标召回率并优化主动探索效率。

RGB-only Active 3D Scene Graph Generation for Indoor Mobile Robots

Giorgia Modi et al.

cs.RO cs.AI cs.CV

本文提出了一种仅依赖RGB输入的主动3D场景图构建框架，用于室内移动机器人。该方法通过统一感知与规划，利用共享的结构化表示捕捉物体语义、3D几何和关系上下文，并在Replica数据集上验证了其与使用深度传感器的基线方法性能相当。

Forward-Learned Discrete Diffusion: Learning how to noise to denoise faster

Grigory Bartosh et al.

stat.ML cs.LG

本文提出Forward-Learned Discrete Diffusion (FLDD)，通过引入可学习的forward (noising) process来加速离散扩散模型的采样。该方法采用非马尔可夫公式，允许生成过程在少量步骤内匹配目标分布，实验表明在相同采样步数下能生成更高质量的样本。

SPATIOROUTE: Dynamic Prompt Routing for Zero-Shot Spatial Reasoning

Pawat Chunhachatrachai et al.

cs.CV cs.AI

本文提出SpatioRoute，一种无需训练的动态prompt生成方法，通过规则或LLM将零样本空间问题路由到特定模板，在SQA3D基准上提升准确率至多5%。该方法不依赖3D点云输入，但未涉及code、spectral或Muon等关键词。

SIREM: Speech-Informed MRI Reconstruction with Learned Sampling

Md Hasan et al.

cs.SD cs.CL cs.CV cs.LG physics.med-ph

SIREM提出了一种利用同步语音作为跨模态先验的MRI重建框架，通过融合音频驱动和MRI驱动的成分来提升语音实时MRI的重建质量。该方法在USC语音rtMRI基准上进行了评估，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

An Entropy-Governed Speedup for Quantum Algorithms on Local Hamiltonians

Ranitha Mataraarachchi, François Le Gall, Suguru Tamaki

quant-ph cs.CC cs.DS

本文研究了局部Hamiltonian的低能估计与态制备问题，提出了一种比Buhrman等人更快的量子算法，该算法能输出能量不超过所有深度-d态最小能量的量子态并给出能量估计。对于具有深度-d基态的Hamiltonian类，该算法达到了与Buhrman等人相同的能量保证。

A Unified Framework for Structured Flow Modeling: From Continuous Fields to Data-Driven Representations

Diego Casadei

physics.data-an cs.LG

本文提出了一个统一框架，将基于Helmholtz-Hodge分解的连续流模型与离散的图向量场(GVF)方法相结合，用于分析具有源/汇、循环和拓扑约束传输的结构化流。该框架通过引入参数化条件模型、线性图动力系统和约化Hodge表示等层次化方法，在表达性与计算效率间进行权衡，并利用跨领域验证策略评估模型性能。

Subject-Specific Analysis of Self-Initiated Attention Shifts from EEG with Controlled Internal and External Attention Conditions

Yuwen Zeng et al.

eess.SP cs.LG q-bio.NC

本文使用机器学习方法分析EEG信号，研究自我启动注意力转移与外部指令注意力转移的区分，发现高频段和额叶区域对模型决策贡献显著，但需注意高频伪影的影响。

CodeBind: Decoupled Representation Learning for Multimodal Alignment with Unified Compositional Codebook

Zeyu Chen, Jie Li, Kai Han

cs.CV cs.AI cs.CL

本文提出CodeBind框架，通过模态共享与特定编码本（codebook）的设计，利用组合向量量化（compositional vector quantization）实现多模态表示对齐，无需完全配对数据。该方法在九种模态上验证了分类与检索任务的性能提升。

Geometric Dictionary Learning of Dynamical Systems with Optimal Transport

Thibaut Germain et al.

stat.ML cs.LG

本文提出DOODL框架，通过字典学习在spectral operator空间中捕捉相关动力系统的共享结构，从而实现对复杂动力系统的紧凑嵌入和快速算子估计。该方法在低数据场景下比独立算子估计方法误差低一到两个数量级。

CommitDistill: A Lightweight Knowledge-Centric Memory Layer for Software Repositories

Divya Chukkapalli et al.

cs.SE cs.AI

本文提出CommitDistill，一个轻量级的开源Python原型，通过确定性正则表达式从git历史中提取类型化知识单元（Facts, Skills, Patterns），并使用TF-IDF检索器在受限预算下进行检索。实验表明其在预算约束下命中率优于BM25，但LLM评判的端到端修复任务中未观察到统计显著提升。

Wasserstein Equilibrium Decoding for Reliable Medical Visual Question Answering

Luca Hagen et al.

cs.CV cs.AI

本文提出了一种基于Wasserstein距离的停止准则，用于改进视觉语言模型在开放域Medical VQA任务中的博弈论解码方法，通过语义共识替代词汇顺序匹配来减少不必要的迭代。实验表明该方法在VQA-RAD和PathVQA上提升了准确率并提高了推理效率。

Lost in the Folds: When Cross-Validation Is Not a Deep Ensemble for Uncertainty Estimation

Kirscher Tristan et al.

cs.CV cs.LG

本文指出在医学图像分割中，许多研究错误地将K-fold cross-validation (CV) ensemble称为deep ensemble (DE)，并系统比较了两种方法在不确定性估计上的差异。实验表明，DE在calibration和failure detection上更优，而CV ensemble与inter-rater variability的相关性更强，因此应根据研究问题选择合适的ensemble构建方式。

Same Signal, Different Semantics: A Cross-Framework Behavioral Analysis of Software Engineering Agents

Wei Ma et al.

cs.SE cs.AI

本文通过大规模实验（64,380次SWE-bench运行，涵盖126种agent配置和43种框架）发现，LLM-based software engineering agents的行为信号（如error rate、trajectory shape）在不同框架下可能具有相反的语义含义，表明单一框架得出的行为规律缺乏跨框架的通用性。

QLIF-CAST: Quantum Leaky-Integrate-and-Fire for Time-Series Weather Forecasting

Alberto Marchisio et al.

quant-ph cs.LG

本文提出QLIF-CAST模型，将量子泄露整合-激发（QLIF）脉冲神经网络用于多变量时间序列回归任务，通过单量子比特叠加态编码神经元状态，并在混合量子-经典循环架构中实现。实验表明，该模型在预测误差和训练效率上优于经典LIF及量子LSTM等基线，但方法本身与关键词列表中的概念关联较弱。

Robust Player-Conditional Champion Ranking for League of Legends: Style Similarity, Mastery Priors, and Archetype-Constrained Discovery

Min Heo, Pranav Kadiyam, Prasun Panthi

stat.AP cs.LG

本文提出了一种用于《英雄联盟》的英雄推荐框架，通过整合人口强度代理、玩家风格相似性、掌握先验和原型约束等多个信息源，构建了一个可解释的、基于玩家条件的排序系统。该方法使用稳健的统计量（如median/MAD）和聚类技术（k-means++）来处理稀疏、噪声和非平稳的行为数据，并提供了一个可分解的推荐分数用于检查。

Hybrid Quantum-Classical Neural Architecture Search

Alberto Marchisio et al.

quant-ph cs.LG

本文研究了混合量子-经典神经网络(HQNNs)的架构搜索问题，提出了FLOPs感知搜索方法以平衡计算效率与精度，为NISQ时代的量子机器学习提供了硬件感知的设计方向。

Optimising CSRNet with parameter-free attention mechanisms for crowd counting in public transport

Aida Rostamza et al.

cs.CV cs.AI

本文研究了在公共交通场景下，使用无参数注意力机制（如PFCA、SA、SimAM）优化CSRNet进行人群计数，并提出了PFCASA组合模块。实验表明，这些方法在不增加模型参数的情况下，在ShanghaiTech数据集上取得了与有参数注意力机制相当或更优的精度。

On Stability and Decomposition of Sample Quantiles under Heavy-Tailed Distributions

Choudur Lakshminarayan

stat.ML cs.LG math.ST

本文研究了重尾分布下样本分位数的稳定性与分解问题，通过引入Q-Q正交性公式将投影方向与分位数阈值效应分离，并给出了一个三项分解表达式。该工作主要关注统计理论中的分位数稳定性，与关键词中的code、context、spectral等概念无直接关联。

The Hidden Cost of Contextual Sycophancy: an AI Literacy Intervention in Human-AI Collaboration

Cansu Koyuturk, Sabrina Guidotti, Dimitri Ognibene

cs.HC cs.AI cs.CY cs.ET

本文通过实验研究了LLM在教育协作中的谄媚行为（sycophancy），发现模型会镜像用户错误而非纠正，导致AI建议质量下降。虽然针对提示词（prompting）的干预能减少直接镜像，但未能消除上下文错误传播，表明仅靠AI素养培训不足以确保AI的认知独立性。

Dynamic robotic cloth folding with efficient Koopman operator-based model predictive control

Edoardo Caldarelli et al.

cs.RO cs.LG math.DS math.OC

本文利用Koopman算子回归对非线性cloth dynamics进行线性化，并结合model predictive control生成快速折叠轨迹。该方法在仿真和真实机器人实验中实现了高效且准确的动态折叠。

Probing SMEFT Operators through $t\bar{t}t\bar{t}$ Production with Hyper-Graph Neural Networks at the LHC

Amir Subba, Sanmay Ganguly

hep-ph cs.AI hep-ex

本文利用Hyper-Graph Neural Network (H-GNN)对LHC上$t\bar{t}t\bar{t}$产生过程进行唯象学研究，通过将每个事件表示为hypergraph来学习多体运动学结构，从而区分信号与主要SM本底。该方法在信号提取上优于SPANet和Particle Transformer等基线模型，并基于此对dimension-six operators的Wilson系数给出了限制。

Towards Ubiquitous Mapping and Localization for Dynamic Indoor Environments

Halim Djerroud et al.

cs.RO cs.AI

本文提出UbiSLAM，通过部署固定RGB-D相机网络解决动态室内环境中传统SLAM系统的局限性，实现实时建图与定位。该方法集中生成并持续更新地图，以提升机器人导航精度和人机交互流畅性，但面临空间覆盖和盲区管理等挑战。

Diagnosing Korean-Language LLM Political Bias via Census-Grounded Agent Simulation

Sungwoo Kang

cs.CY cs.AI

本文提出了Dynamo-K框架，通过基于人口普查的agent simulation来诊断韩语LLM在韩国选举中的政治偏见，识别了三种系统性失败模式，并展示了通过scenario reframing和learned reweighting adapter进行校准的方法。该工作主要关注LLM的政治行为诊断，与关键词中的agent概念有一定关联，但方法本身并非开创性，且未涉及code, context, spectral, Muon, pretrain, attention等关键词。

Prompts Don't Protect: Architectural Enforcement via MCP Proxy for LLM Tool Access Control

Rohith Uppala

cs.CR cs.AI

本文提出了一种基于MCP代理的架构强制方法，用于在LLM agent系统中执行工具访问控制，通过在工具发现和调用两个阶段实施属性基访问控制（ABAC）来阻止未授权工具调用。实验表明该方法可将未授权调用率降至0%，而基于prompt的限制仅能降低11-18个百分点。

Geometry-Aware Uncertainty Coresets for Robust Visual In-Context Learning in Histopathology

Franciskus Xaverius Erick, Johanna Paula Müller, Bernhard Kainz

cs.CV cs.AI

本文提出GAUC方法，在预训练多模态embedding空间中直接选择coreset，无需训练。该方法通过联合优化Maximum Mean Discrepancy、Effective Mutual Information Difference和predictive-variance penalty三个目标，提升了视觉-语言模型在组织病理学图像上的in-context learning性能。

Generalized Functional ANOVA in Closed-Form: A Unified View of Additive Explanations

Baptiste Ferrere et al.

stat.ML cs.LG math.ST

本文通过Hilbert space方法为连续输入下的广义functional ANOVA（Hoeffding分解）提供了闭式Riesz Basis表示，并提出了一个模型无关的估计算法。该方法统一了加性解释的视角，但未直接涉及关键词中的特定概念。

Building Reliable Arithmetic Multipliers Under NBTI Aging and Process Variations

Masoud Heidary, Biresh Kumar Joardar

cs.AR cs.AI

本文针对算术乘法器在NBTI老化与工艺变化下的可靠性问题，提出了一种利用乘法符号不变性的老化缓解技术，通过选择性对输入应用2s complement变换来重新分配晶体管应力。该方法被集成到systolic arrays中，实验表明其能有效延长器件寿命，且面积和延迟开销可忽略。

What is Holding Back Latent Visual Reasoning?

André G. Viveiros et al.

cs.CV cs.AI cs.CL cs.LG

本文研究了Vision-Language Models中latent tokens在视觉推理中的作用，发现这些tokens对模型最终预测的因果影响极小，甚至可被无意义tokens替代。实验揭示了两个关键问题：现有数据集的oracle latent tokens信息有限，且推理时生成的latent tokens与oracle表示偏差大，导致模型无法有效利用它们。

Shallow ReLU$^s$ Networks in $L^p$-Type and Sobolev Spaces: Approximation and Path-Norm Controlled Generalization

Weizhao Li, Fanghui Liu, Lei Shi

stat.ML cs.LG

本文研究了浅层ReLU$^s$网络在$L^p$型积分空间和Sobolev空间中的逼近性质，并分析了在$\ell_1$ path-norm控制下的泛化行为。通过球谐分析等方法，作者给出了逼近率，并证明了在非参数回归中路径范数正则化网络的极小极大最优泛化界。

Flowing with Confidence

Friso de Kruiff et al.

stat.ML cs.AI cs.LG

本文提出Flow Matching with Confidence (FMwC)方法，通过在选定层注入输入依赖的乘性噪声，并以闭式传播其方差，沿ODE轨迹积分得到每个样本的置信度分数。该方法无需额外计算成本，可用于过滤、编辑和自适应步长等任务，但与关键词列表中的概念无直接关联。

Prompt2Fingerprint: Plug-and-Play LLM Fingerprinting via Text-to-Weight Generation

Sixu Chen et al.

cs.CR cs.AI cs.CL cs.LG

本文提出Prompt2Fingerprint (P2F)框架，将大语言模型（LLM）的指纹注入（fingerprint injection）重新定义为条件参数生成任务，通过一个专用生成器将文本描述直接映射为低秩参数增量，实现即插即用的模型所有权追踪，无需重新训练。该方法在保持高精度和鲁棒性的同时显著降低了计算开销。

AI4BayesCode: From Natural Language Descriptions to Validated Modular Stateful Bayesian Samplers

Jungang Zou, Alex Ziyu Jiang, Qixuan Chen

stat.CO cs.AI cs.LG

本文提出了AI4BayesCode系统，利用LLM将自然语言描述的Bayesian模型自动转化为可运行的MCMC采样器代码，并采用模块化设计和递归状态化编码范式来提升可靠性与可组合性。

Beyond Morphology: Quantifying the Diagnostic Power of Color Features in Cancer Classification

Farnaz Kheiri, Shahryar Rahnamayan, Masoud Makrehchi

cs.CV cs.AI cs.LG

本文研究了颜色特征在癌症分类中的诊断能力，通过提取统计颜色矩和RGB/HSV直方图，在排除形态信息的情况下使用经典机器学习分类器进行评估。结果表明，仅凭颜色特征即可在良恶性分类任务中达到89%的准确率，可作为高效的预筛查工具。

StableHand: Quality-Aware Flow Matching for World-Space Dual-Hand Motion Estimation from Egocentric Video

Huajian Zeng et al.

cs.CV cs.AI

本文提出StableHand，一种基于flow-matching的双手运动估计方法，通过预测每帧手部观测的质量信号（包括手腕全局平移和手指关节）来指导生成过程，在HOT3D和ARCTIC数据集上取得最优性能。该方法主要解决第一人称视频中双手频繁离开视野或被物体遮挡导致的运动估计退化问题。

Key-Gram: Extensible World Knowledge for Embodied Manipulation

Jingjing Fan et al.

cs.RO cs.AI

本文提出Key-Gram框架，通过外部记忆模块将语言知识从视觉推理中解耦，利用确定性哈希查找和门控融合注入指令先验，以提升具身操控中的组合指令理解能力。实验表明该方法在多个基准上改进了现有backbone的性能。

Estimating Item Difficulty with Large Language Models as Experts

Diana Kolesnikova et al.

stat.ME cs.AI cs.LG stat.AP

本文评估了三种off-the-shelf LLM作为难度评分器，用于估计新创建题目的难度，无需访问response data。研究发现，LLM-based estimates与empirical item difficulties之间存在moderate to strong positive correlations，其中pairwise comparison在无额外优化时表现优于absolute judgement。

PACE: Geometry-Aware Bridge Transport for Single-Cell Trajectory Inference

Chenglei Yu* et al.

q-bio.GN cs.LG

本文提出PACE框架，通过构建各向异性Riemannian metric和神经桥接，从破坏性时间序列快照中恢复几何一致的细胞轨迹，在多个数据集上优于现有方法。该方法与关键词中的“code”相关（提供了代码），但整体创新性和与关键词的契合度未达到严格标准。

Not What You Asked For: Typographic Attacks in Household Robot Manipulation

Ali Iranmanesh, Peng Liu

cs.CR cs.AI cs.RO

本文研究了家庭机器人操作中针对视觉-语言模型的typographic攻击（通过物理场景中的印刷文本干扰视觉判断），在Habitat仿真环境中评估了攻击成功率，并发现感知错误会通过3D语义地图传播导致物理抓取错误。该工作与关键词中的agent和context有一定关联，但方法本身缺乏开创性，且未解决该领域的长期问题。

CATA: Continual Machine Unlearning via Conflict-Averse Task Arithmetic

Shen Lin et al.

cs.CV cs.AI cs.LG

本文首次研究了视觉语言模型(VLM)的持续机器遗忘问题，提出了一种名为CATA的冲突规避任务算术方法，通过维护历史任务向量并进行符号感知的冲突规避聚合来抑制冲突更新。实验表明该方法在遗忘有效性、模型保真度和遗忘持久性方面优于基线方法。

SAME: A Semantically-Aligned Music Autoencoder

Julian D. Parker et al.

cs.SD cs.AI

本文提出SAME (Semantically-Aligned Music autoEncoder)，一种用于立体声音乐和通用音频的自编码器，通过结合transformer骨干网络、语义正则化方法、相位感知重建损失和改进的判别器设计，实现了4096倍的时间压缩比。该方法在保持重建质量和下游生成性能的同时，提供了显著的计算成本优势。

ManiSoft: Towards Vision-Language Manipulation for Soft Continuum Robotics

Ziyu Wei et al.

cs.RO cs.AI cs.CV

本文提出了ManiSoft，一个用于软体机械臂的视觉-语言操作benchmark，包含一个耦合弹性力约束的模拟器和四个任务，并生成了6300个场景及专家轨迹。实验表明现有模型在干净场景下表现尚可，但在随机化场景下性能显著下降。

CrossView Suite: Harnessing Cross-view Spatial Intelligence of MLLMs with Dataset, Model and Benchmark

Wei Wang et al.

cs.CV cs.AI

本文提出了CrossView Suite，包含数据集CrossViewSet、基准CrossViewBench和模型CrossViewer，旨在提升多模态大语言模型(MLLM)的跨视角空间推理能力。该方法通过多智能体数据引擎构建大规模指令数据集，并采用渐进式三阶段框架实现跨视角对齐与推理。

Learning to Look Benign: Targeted Evasion of Malware Detectors via API Import Injection

Juozas Dautartas et al.

cs.CR cs.LG

本文研究了一种针对基于API导入特征的机器学习恶意软件检测器的定向规避攻击方法，通过向恶意软件样本添加少量特定良性类别的Win32 API导入来实现。实验表明，仅添加20个API导入即可将检测器的恶意软件召回率从87.5%降至30%，且规避样本中有99%被误分类为目标良性类别。该方法与关键词列表中的概念关联较弱。

Statistical Limits and Efficient Algorithms for Differentially Private Federated Learning

Arnab Auddy, Xiangni Peng, Subhadeep Paul

stat.ML cs.AI cs.LG stat.ME

本文研究了差分隐私联邦学习中的统计极限与高效算法，提出了FedHybrid和FedNewton两种方法以改进估计精度和通信效率，并建立了均方误差率的有限样本上界与极小化下界。

Better Together: Evaluating the Complementarity of Earth Embedding Models

Thijs L van der Plas et al.

cs.CV cs.LG

本文提出了一种评估Earth embedding模型互补性的方法，通过融合不同模型（如AlphaEarth, Tessera, GeoCLIP, SatCLIP）的embedding来提升下游任务性能，发现融合模型在多数任务中优于单一模型。该工作主要关注地理空间数据的表示学习，与关键词中的code, context, spectral, Muon, pretrain, agent, attention关联较弱。

Generative AI Advertising as a Problem of Trustworthy Commercial Intervention

Jingyi Qiu, Qiaozhu Mei

cs.CY cs.CL

本文提出将生成式AI广告重新定义为可信商业干预问题，而非传统的内容投放问题。文章引入了一个按影响层级分类的框架，涵盖从产品提及到长期偏好塑造的渐进式潜在变量干预，并指出当前系统主要关注最易观察的层级，而更隐蔽的商业影响形式仍缺乏检测与治理机制。

Lance: Unified Multimodal Modeling by Multi-Task Synergy

Fengyi Fu et al.

cs.CV cs.AI

Lance提出了一种轻量级原生统一模型，通过双流混合专家架构和分阶段多任务训练，同时支持图像与视频的多模态理解、生成和编辑。该方法在视觉生成任务上显著优于现有开源统一模型，并保持了较强的理解能力。

Reversa: A Reverse Documentation Engineering Framework for Converting Legacy Software into Operational Specifications for AI Agents

Sanderson Oliveira de Macedo, Ronaldo Martins da Costa

cs.SE cs.AI

本文提出了Reversa框架，一个将遗留软件转换为AI agent可操作规范的多agent管道，通过代码映射、模块分析、规则提取等步骤生成可追溯的规范文档。该框架强调代码与规范间的traceability、显式置信度标记以及人工验证缺口保留，并在一个COBOL到Go的ATM迁移案例中进行了探索性研究。

Can machine learning for quantum-gas experiments be explainable?

I. B. Spielman amd J. P. Zwolak

cond-mat.quant-gas cs.LG physics.atom-ph quant-ph

本文探讨了机器学习在量子气体实验中的应用，特别是图像去噪和玻色-爱因斯坦凝聚中的孤子波识别，并讨论了性能、模型复杂性与可解释性之间的权衡。

Can Adaptive Gradient Methods Converge under Heavy-Tailed Noise? A Case Study of AdaGrad

Zijian Liu

math.OC cs.LG stat.ML

本文研究了自适应梯度方法AdaGrad在heavy-tailed噪声下的收敛性，证明了在非凸优化中当tail index $p$满足\(4/3

PopPy: Opportunistically Exploiting Parallelism in Python Compound AI Applications

Stephen Mell et al.

cs.DC cs.AI cs.PL

PopPy是一个针对Python复合AI应用的并行化系统，通过结合编译时分析和运行时调度，自动识别并利用对外部组件（如ML模型）调用中的并行机会，在保持程序语义不变的前提下实现最高$6.4\times$的端到端加速。

Learned Memory Attenuation in Sage-Husa Kalman Filters for Robust UAV State Estimation

Kenan Majewski, Marcin Żugaj

eess.SP cs.LG

本文提出NDR-SHKF方法，用层次化循环网络学习向量化的记忆衰减策略替代Sage-Husa Kalman滤波器中的标量遗忘因子，以提升无人机状态估计在动态环境下的鲁棒性。该方法在混沌吸引子和真实无人机数据集上验证了跨域泛化能力，但与我提供的关键词列表关联较弱。

Semantic Generative Tuning for Unified Multimodal Models

Songsong Yu et al.

cs.CV cs.AI

本文研究了统一多模态模型（UMMs）中视觉理解与生成的对齐问题，提出了一种名为Semantic Generative Tuning (SGT)的新范式，通过将图像分割作为生成代理来协同多模态能力。实验表明该方法能提升模型在理解和生成任务上的性能，但方法本身并非开创性突破，且与关键词列表中的概念关联较弱。

DexHoldem: Playing Texas Hold'em with Dexterous Embodied System

Feng Chen et al.

cs.RO cs.AI

本文提出了DexHoldem，一个基于ShadowHand的德州扑克灵巧操作基准系统，包含1470个遥操作演示和物理策略基准。实验评估了多种agent在原始任务执行和感知恢复上的表现，揭示了闭环部署中感知与策略误差的累积问题。

PIXLRelight: Controllable Relighting via Intrinsic Conditioning

Miguel Farinha, Ronald Clark

cs.CV cs.GR cs.LG

本文提出PIXLRelight，一种用于单图像可控重光照的前馈方法。该方法通过共享的内在条件（intrinsic conditioning）桥接基于物理的渲染（PBR）和学习图像合成，使用transformer-based neural renderer实现任意PBR风格的光照控制，并在0.1秒内完成重光照。

Vision-OPD: Learning to See Fine Details for Multimodal LLMs via On-Policy Self-Distillation

Qianhao Yuan et al.

cs.CV cs.AI cs.CL cs.LG

本文提出Vision-OPD框架，通过on-policy self-distillation将MLLM在局部crop上的感知优势迁移到全局图像处理中，以提升细粒度视觉理解能力。该方法不依赖外部模型或标签，在多个benchmark上取得与更大模型相当的性能。

SURGE: Approximation-free Training Free Particle Filter for Diffusion Surrogate

Lifu Wei et al.

stat.ML cs.LG math.NA math.PR q-fin.MF +1

本文提出了一种名为URGE的无导数推断时间缩放算法，通过Girsanov测度变换对扩散模型的模拟轨迹进行路径重要性重加权，无需计算score、Hessian或PDE。该方法在合成测试和扩散模型基准上优于现有基线，但未直接涉及关键词中的特定概念。

ESI-Bench: Towards Embodied Spatial Intelligence that Closes the Perception-Action Loop

Yining Hong et al.

cs.CV cs.AI cs.CL cs.LG cs.RO

本文提出了ESI-BENCH基准，用于评估具身空间智能中agent通过感知-动作循环主动获取信息的能力。实验表明，主动探索优于被动观察，但模型存在“动作盲视”问题，且缺乏人类那种根据矛盾证据修正信念的元认知能力。

A Readiness-Driven Runtime for Pipeline-Parallel Training under Runtime Variability

Ruitao Liu et al.

cs.DC cs.LG

本文提出了一种名为RRFP的运行时系统，用于解决流水线并行训练中因计算和通信的运行时可变性导致的阶段错位和空闲气泡问题。该方法将预提交的调度视为非绑定的提示顺序，而非必须严格遵守的执行序列，并结合消息驱动的异步通信和就绪集仲裁来动态调度任务。实验表明，该方法在语言和多模态工作负载上相比固定顺序的流水线基线取得了显著加速。

bluearXiv-ai 论文精选

📚 跟踪学科 (Categories)

🔍 筛选关键词 (Keywords)

📊 论文统计 ↑ 回顶部

⭐ 精选论文 ↑ 回顶部

cs.LG

cs.AI

cs.CL

cs.DS

others

📄 所有论文 ↑ 回顶部

cs.LG

cs.AI

cs.IR

cs.CL

cs.DS

others