bluearXiv-ai 论文精选

2026-05-20
返回首页 论文统计 精选论文 所有论文

📚 跟踪学科 (Categories)

🔍 筛选关键词 (Keywords)

📊 论文统计 ↑ 回顶部

cs.LG
197
cs.AI
71
cs.IR
25
cs.CL
66
cs.DS
6
others
164
总计
529

⭐ 精选论文 ↑ 回顶部

cs.LG

Metric-Gradient Projection for Stable Multi-Agent Policy Learning ⭐ 精选
Zuyuan Zhang et al.
cs.LG cs.AI
Composition of Memory Experts for Diffusion World Models ⭐ 精选
Sebastian Stapf et al.
cs.LG cs.AI
Emergence of Frontier Superposition: Möbius attractor and Cascade Supervision ⭐ 精选
Hongyu Gu, Jingwen Fu
cs.LG cs.AI
Hybrid-LoRA: Bridging Full Fine-Tuning and Low-Rank Adaptation for Post-Training ⭐ 精选
Chengqian Zhang, Wei Zhu, Kyumin Lee
cs.LG cs.AI
The Routing and Filtering Structure of Attention ⭐ 精选
Shafayeth Jamil, Rehan Kapadia
cs.LG cs.AI
Lossless Anti-Distillation Sampling ⭐ 精选
Zibo Diao et al.
cs.LG cs.CR
Precision Tracked Transformer via Kalman Filtering, Kriging and Process Noise ⭐ 精选
Bo Long et al.
cs.LG cs.AI
Spectral Gradient Surgery for Domain-Generalizable Dataset Distillation ⭐ 精选
Minyoung Oh, Najeong Chae, Jae-Young Sim
cs.LG cs.CV
Exact Linear Attention ⭐ 精选
Weinuo Ou
cs.LG cs.AI
Delta Attention Residuals ⭐ 精选
Cheng Luo, Zefan Cai, Junjie Hu
cs.LG cs.CV
Distance-Aware Muon: Adaptive Step Scaling for Normalized Optimization ⭐ 精选
Yury Demidovich et al.
cs.LG
Deep Neural Sheaf Diffusion ⭐ 精选
Remi Bourgerie, Sarunas Girdzijauskas, Viktoria Fodor
cs.LG
Chessformer: A Unified Architecture for Chess Modeling ⭐ 精选
Daniel Monroe et al.
cs.LG
Rethinking Muon Beyond Pretraining: Spectral Failures and High-Pass Remedies for VLA and RLVR ⭐ 精选
Chongyu Fan et al.
cs.LG
Inference-Time Scaling in Diffusion Models through Iterative Partial Refinement ⭐ 精选
Taegu Kang, Jaesik Yoon, Sungjin Ahn
cs.LG cs.AI
When to Stop Reusing: Dynamic Gradient Gating for Sample-Efficient RLVR ⭐ 精选
Yuchun Miao et al.
cs.LG cs.AI
TORQ: Two-Level Orthogonal Rotation for MXFP4 Quantization ⭐ 精选
Zukang Xu, Xing Hu, Dawei Yang
cs.LG cs.AI
MiMuon: Mixed Muon Optimizer with Improved Generalization for Large Models ⭐ 精选
Feihu Huang, Yuning Luo, Songcan Chen
cs.LG cs.AI math.OC stat.ML
LionMuon: Alternating Spectral and Sign Descent for Efficient Training ⭐ 精选
Arman Bolatov et al.
cs.LG
Learning Orthonormal Bases for Function Spaces ⭐ 精选
Hamidreza Kamkari, Mohammad Sina Nabizadeh, Justin Solomon
cs.LG math.FA

cs.AI

Learning to Hand Off: Provably Convergent Workflow Learning under Interface Constraints ⭐ 精选
Jiayu Li et al.
cs.AI
AQuaUI: Visual Token Reduction for GUI Agents with Adaptive Quadtrees ⭐ 精选
Yuankai Li et al.
cs.AI cs.CV cs.MA
MOCHA: Multi-Objective Chebyshev Annealing for Agent Skill Optimization ⭐ 精选
Md Mehrab Tanjim et al.
cs.AI cs.LG cs.SE
Conflict-Resilient Multi-Agent Reasoning via Signed Graph Modeling ⭐ 精选
Longgang He et al.
cs.AI
Projecting Latent RL Actions: Towards Generalizable and Scalable Graph Combinatorial Optimization ⭐ 精选
Franco Terranova et al.
cs.AI cs.LG cs.NI
EngiAI: A Multi-Agent Framework and Benchmark Suite for LLM-Driven Engineering Design ⭐ 精选
Gioele Molinari et al.
cs.AI cs.LG cs.MA
Memory-Augmented Reinforcement Learning Agent for CAD Generation ⭐ 精选
Yin Xiaolong et al.
cs.AI cs.MA
From SGD to Muon: Adaptive Optimization via Schatten-p Norms ⭐ 精选
Thomas Massena, Corentin Friedrich, Mathieu Serrurier
cs.AI
PEEK: Context Map as an Orientation Cache for Long-Context LLM Agents ⭐ 精选
Zhuohan Gu et al.
cs.AI cs.CL cs.LG

cs.IR

Trust or Abstain? A Self-Aware RAG Approach ⭐ 精选
Xi Zhu et al.
cs.IR cs.CL

cs.CL

Agent Meltdowns: The Road to Hell Is Paved with Helpful Agents ⭐ 精选
Rishi Jha et al.
cs.CL cs.CR
Rethinking How to Remember: Beyond Atomic Facts in Lifelong LLM Agent Memory ⭐ 精选
Jingwei Sun et al.
cs.CL
Rewarding Beliefs, Not Actions: Consistency-Guided Credit Assignment for Long-Horizon Agents ⭐ 精选
Wenjie Tang et al.
cs.CL

others

ESLD (External Surrogate Latent Defense): A Latent-Space Architecture for Faster, Stronger Prompt-Injection Defense ⭐ 精选
Yash Narendra
cs.CR cs.AI
OEP: Poisoning Self-Evolving LLM Agents via Locally Correct but Non-Transferable Experiences ⭐ 精选
Kaixiang Wang et al.
cs.CR cs.AI cs.LG
Agent Security is a Systems Problem ⭐ 精选
Mihai Christodorescu et al.
cs.CR cs.AI
STAR-PólyaMath: Multi-Agent Reasoning under Persistent Meta-Strategic Supervision ⭐ 精选
Jiaao Wu et al.
cs.MA cs.AI cs.CL
PAVE: A Cognitive Architecture for Legitimate Violation in Generative Agent Societies ⭐ 精选
Ahmad Yehia et al.
cs.MA cs.AI cs.CL
A Case for Agentic Tuning: From Documentation to Action in PostgreSQL ⭐ 精选
Hongyu Lin et al.
cs.SE cs.AI cs.DB cs.PF

📄 所有论文 ↑ 回顶部

cs.LG

Metric-Gradient Projection for Stable Multi-Agent Policy Learning ⭐ 精选
Zuyuan Zhang et al.
cs.LG cs.AI
本文提出HPML (Hodge-Projected Multi-agent Learning)方法，将多agent系统的联合更新场视为\(L^2\)空间中的向量场，通过Hodge-type projection将其分解为metric-gradient potential flow（度量梯度势流）与无散度循环分量。该方法通过求解Poisson-type equation变分实现投影，并设计了基于graph和amortized neural的两种实现方式从样本中恢复投影方向。理论证明投影后的动力学具有Lyapunov potential（李雅普诺夫势），并给出了带有显式非势项（non-potentiality term）的均衡间隙界。该方法作为可插拔投影层，在CTDE基准测试中提升了多agent强化学习的稳定性和归一化回报。
Composition of Memory Experts for Diffusion World Models ⭐ 精选
Sebastian Stapf et al.
cs.LG cs.AI
本文提出了一种基于扩散的框架，通过contrastive product-of-experts formulation整合异构记忆模型，以解决world models中transformer的quadratic attention瓶颈与循环模型压缩历史保真度之间的权衡。该方法解耦了三个互补的专家：short-term memory expert捕捉局部动态，long-term memory expert通过轻量级test-time finetuning将episodic history存储在外部扩散权重中，以及spatial long-term memory expert强制几何与空间一致性。这种组合设计避免了mode collapse，并能在不产生二次成本的情况下扩展到长上下文，在模拟和真实世界基准上提升了时间一致性与导航性能。该工作为构建和操作memory-augmented diffusion world models建立了新范式，与关键词中的agent和attention高度相关。
Emergence of Frontier Superposition: Möbius attractor and Cascade Supervision ⭐ 精选
Hongyu Gu, Jingwen Fu
cs.LG cs.AI
本文通过分析Transformer在Erdős-Rényi图上的Reachability-by-Superposition任务，揭示了前沿叠加推理能力涌现的机制。作者识别出两种关键因素：架构上的Möbius attractor（在\(S_n\)对称性下，层间动力学退化为1D Möbius映射，其零点集包含等权叠加态）和监督上的Cascade Supervision（一种损失类，其反向传播同时提供选择性引导、深度梯度持久性和逐步判别）。实验证明，端到端监督因内部梯度在深度\(D\)下按\((np)^{-(D-c-2)/2}\)衰减而失败，而级联监督成功使最终步余弦相似度从0.35提升至0.71，与理论预测高度吻合。
Hybrid-LoRA: Bridging Full Fine-Tuning and Low-Rank Adaptation for Post-Training ⭐ 精选
Chengqian Zhang, Wei Zhu, Kyumin Lee
cs.LG cs.AI
本文提出Hybrid-LoRA框架，用于在post-training阶段桥接full fine-tuning与LoRA之间的性能差距。该方法通过一个新颖的Hybrid-LoRA Score，在固定参数预算下，选择对low-rank adaptation最不敏感的一小部分模块进行full fine-tuning，其余模块则用LoRA适配。实验表明，在仅10%的模块使用full fine-tuning时，Hybrid-LoRA在复杂推理任务上能紧密匹配full fine-tuning的性能，并显著优于多种state-of-the-art的PEFT方法。该工作为高效post-training提供了一种有原则的混合策略，与关键词中的“context”（如post-training上下文）和“attention”（如模块选择可能涉及注意力机制）有一定关联。
The Routing and Filtering Structure of Attention ⭐ 精选
Shafayeth Jamil, Rehan Kapadia
cs.LG cs.AI
本文提出了一种将attention interaction matrix \(QK^{\top}\)分解为skew-symmetric component（routing）和symmetric component（filtering）的方法，并引入\(S\)-\(D\) attention作为诊断性参数化，通过构造保证稳定性（\(\mathrm{Re}(\lambda) \le 0\)）且无需layer normalization即可稳定训练。实验发现routing在低秩下运作，并自组织形成spectral cascade（谱级联），其有效秩从第一层的2随深度扩展，该级联可预测attention可简化的区域（如线性化前七层仅损失<5% perplexity）。该工作为attention的spectral budget（谱预算）提供了可解释的分解，并与关键词中的spectral和attention高度契合。
Lossless Anti-Distillation Sampling ⭐ 精选
Zibo Diao et al.
cs.LG cs.CR
本文提出了一种名为Lossless Anti-Distillation Sampling (LADS)的新型采样方案，用于防御针对前沿商业生成模型的多账户蒸馏攻击。LADS的核心创新在于，它根据查询的语义内容和用户的查询次数生成一个私有随机种子，从而使得不同账户在查询相同语义内容时共享潜在随机性，导致蒸馏者收集的数据产生相关性。利用uniform convergence理论，本文证明了LADS能够从理论上降低蒸馏者泛化误差的收敛速率，从而在保证良性用户获得无损体验的同时，有效破坏蒸馏模型的学习效果。实验在图像生成、数学推理和代码生成等任务上验证了该方法对蒸馏学生模型性能的显著削弱作用。
Precision Tracked Transformer via Kalman Filtering, Kriging and Process Noise ⭐ 精选
Bo Long et al.
cs.LG cs.AI
本文提出了一种名为Bayesian Filtering Transformer (BFT)的通用框架，通过将Kalman Filtering与Kriging（一种基于空间相关性的最优线性无偏估计方法）的思想引入Transformer架构，为每个token赋予了可学习的观测精度（observation precision）。BFT将attention机制重新解释为精度加权的Kriging，将残差连接视为带有自适应增益的Kalman更新，并将FFN建模为通过Jacobian矩阵与process noise传播精度的动力学模型。该方法通过无参数的Restricted Maximum Likelihood (REML)估计器结合共轭Bayesian先验来估计精度，以极小的计算开销替换任意Transformer层，在序列推荐和含噪大语言模型微调任务上显著提升了鲁棒性，尤其对冷启动和稀有样本效果突出。该工作与关键词“attention”高度契合，为attention机制提供了全新的不确定性建模视角。
Spectral Gradient Surgery for Domain-Generalizable Dataset Distillation ⭐ 精选
Minyoung Oh, Najeong Chae, Jae-Young Sim
cs.LG cs.CV
本文提出了一种新的问题设置Domain Generalizable Dataset Distillation (DGDD)，旨在提升蒸馏数据集在out-of-distribution (OOD)场景下的泛化能力。作者将Distribution Matching (DM)方法的OOD脆弱性归因于合成数据中class-discriminative信息与domain-specific信息的纠缠，并提出了Spectral Gradient Surgery (SGS)方法。SGS的核心创新在于利用spectral domain中跨domain梯度的共识性来分离共享的class-discriminative成分与domain-specific成分，并通过增强共享成分与显式促进多样性两个互补梯度来改进DM更新过程。该方法与关键词“spectral”高度契合，且为数据集蒸馏的域泛化问题提供了开创性的解决方案。
Exact Linear Attention ⭐ 精选
Weinuo Ou
cs.LG cs.AI
本文提出Exact Linear Attention (ELA)机制，通过利用kernel function的精确分解性质，在不引入近似误差的情况下实现了Transformer attention的线性计算复杂度。针对先前线性注意力方法中的梯度爆炸和token attention稀释问题，ELA通过施加确保非负性、可区分性和几何可解释性的kernel constraints加以解决，并提出了Hadamard Exp Kernel、Summation Squared Euclidean Distance Kernel和Subtraction Squared Euclidean Distance Kernel等多种kernel function。此外，论文还包含三项工程创新：Hyper Link结构替代传统residual connection以缓解梯度退化，基于双向线性注意力的Memory Lobe模块实现跨层变换流捕获与隐式强化学习范式，以及用于Mixture of Experts的routing score偏置机制以提升可解释性和语义对齐。该方法与关键词中的attention高度契合，并为Transformer效率优化提供了开创性思路。
Delta Attention Residuals ⭐ 精选
Cheng Luo, Zefan Cai, Junjie Hu
cs.LG cs.CV
本文提出Delta Attention Residuals，通过将Attention Residuals中的跨层路由对象从累积的hidden states替换为每个sublayer的delta（即\(\mathbf{v}_i = \mathbf{h}_{i+1} - \mathbf{h}_i\)），解决了标准Attention Residuals在深层中attention权重趋于均匀（routing collapse）的问题。Delta表示的结构多样性使得attention分布具有更高对比度（最大权重约0.6），从而实现了更具选择性的有效路由。该方法在220M至7.6B参数规模上均优于标准残差连接和Attention Residuals，验证集perplexity提升1.7-8.2%，且支持通过微调将预训练checkpoint转换为该结构。该工作与关键词attention高度契合，为注意力机制中的跨层信息路由提供了开创性设计原则。
Distance-Aware Muon: Adaptive Step Scaling for Normalized Optimization ⭐ 精选
Yury Demidovich et al.
cs.LG
本文针对Muon优化器在归一化优化中步长尺度敏感的问题，提出了三种自适应步长缩放算法。对于光滑非凸目标，Distance-Adaptive Muon通过轨迹探索半径设定trust-region半径并给出平稳性保证；对于star-convex目标，Scale-Calibrated Muon利用局部下降证书自适应设置步长，并证明了\(O(1/T)\)的last-iterate目标间隙界；Distance-Free Muon则通过标量距离证书和majorized一维搜索消除对未知距离的依赖。实验表明这些方法在Transformer语言建模和图像分类任务中降低了手动调参敏感性，与固定尺度Muon基线性能相当或更优。
Deep Neural Sheaf Diffusion ⭐ 精选
Remi Bourgerie, Sarunas Girdzijauskas, Viktoria Fodor
cs.LG
本文提出Deep Neural Sheaf Diffusion (DNSD)，通过将sheaf Laplacian替换为sheaf adjacency operator，并配合normalization、odd nonlinearities和gating，解决了Neural Sheaf Diffusion (NSD)在深层网络中disagreement signal消失的问题。该方法在理论上将标量attention替换为matrix-valued edge functions，在实验上于合成长程数据集上提升高达30pp准确率，并在真实世界基准上持续优于GNN和NSD基线。这项工作为构建深度图基础模型提供了基于sheaf架构的有效方案，与关键词“attention”和“spectral”高度契合。
Chessformer: A Unified Architecture for Chess Modeling ⭐ 精选
Daniel Monroe et al.
cs.LG
Chessformer提出了一种统一的encoder-only transformer架构，通过将棋盘格子表示为token，并引入名为Geometric Attention Bias (GAB)的动态positional encoding来适应棋盘的几何结构，同时使用基于attention的source-destination policy head预测动作。该方法在人类走棋预测任务上达到了57.1%的move-matching准确率，显著超越先前最优结果且参数量更少；将其集成到Leela Chess Zero引擎后，增加了超过100 Elo的棋力，并在主要计算机象棋比赛中战胜了Stockfish。此外，其square-token设计使得attention patterns和activations可直接归因于棋盘格子，从而支持细粒度的可解释性分析。该工作与关键词“attention”高度契合，并在chess modeling的三个核心目标（棋力、人类行为预测、可解释性）上均取得了领先成果。
Rethinking Muon Beyond Pretraining: Spectral Failures and High-Pass Remedies for VLA and RLVR ⭐ 精选
Chongyu Fan et al.
cs.LG
本文重新审视了Muon优化器在预训练之外的应用，发现其均匀谱白化（uniform spectral whitening）在跨模态VLA训练和RLVR后训练中会导致性能下降。为解决此问题，作者提出Pion优化器，通过引入高通Newton-Schulz迭代（high-pass NS iteration）实现“Promotion+Suppression”两阶段机制，在保持计算效率的同时抑制噪声尾方向。Pion在LIBERO机器人任务和Qwen3模型的RLVR后训练中均显著优于Muon和AdamW，例如在VLA-Adapter架构上达到100%成功率。
Inference-Time Scaling in Diffusion Models through Iterative Partial Refinement ⭐ 精选
Taegu Kang, Jaesik Yoon, Sungjin Ahn
cs.LG cs.AI
本文提出Iterative Partial Refinement (IPR)，一种无需外部verifier的inference-time scaling方法，用于sequential diffusion模型。IPR通过对已生成样本的部分区域重新加噪并基于剩余区域进行条件再生，使模型能在更丰富的context下修正早期决策，从而提升全局一致性。在MNIST Sudoku等需要全局约束满足的推理任务上，IPR将有效解率从55.8%提升至75.0%，证明了迭代局部精炼可作为有效的inference-time scaling策略。
When to Stop Reusing: Dynamic Gradient Gating for Sample-Efficient RLVR ⭐ 精选
Yuchun Miao et al.
cs.LG cs.AI
本文发现并理论证明了RLVR（基于可验证奖励的强化学习）中一个关键现象——Disproportionate Weight Divergence (DWD)：性能退化与\texttt{lm\_head}权重的急剧变化同步，而中间层保持稳定。作者从理论上证明了有害梯度集中在\texttt{lm\_head}，且其梯度范数是策略散度的下界，从而将\texttt{lm\_head}梯度范数确立为检测灾难性策略偏移的实时信号。基于此，提出了Dynamic Gradient Gating (DGG)方法，通过实时监控\texttt{lm\_head}梯度范数并拦截有害梯度，在数学、ALFWorld、WebShop和搜索增强QA等任务上实现了最高\(2.93\times\)的样本效率和\(2.14\times\)的加速，与关键词中的agent和context较为契合。
TORQ: Two-Level Orthogonal Rotation for MXFP4 Quantization ⭐ 精选
Zukang Xu, Xing Hu, Dawei Yang
cs.LG cs.AI
本文针对MXFP4格式下LLM activation quantization的精度退化问题，提出了一种无需训练的PTQ框架TORQ。该方法通过理论分析揭示了MXFP4量化误差源于activation分布与block floating-point格式间的两种结构性失衡，并利用Schur-Horn定理在宏观层面进行inter-block orthogonal rotation以重分布activation能量，同时在微观层面采用maximum-entropy-guided intra-block rotation缓解codebook collapse。实验表明，TORQ在LLaMA3和Qwen3等主流模型上显著缩小了4-bit floating-point quantization与全精度推理间的性能差距，为低比特推理中的activation量化提供了开创性的几何变换方法。
MiMuon: Mixed Muon Optimizer with Improved Generalization for Large Models ⭐ 精选
Feihu Huang, Yuning Luo, Songcan Chen
cs.LG cs.AI math.OC stat.ML
本文针对Muon优化器的泛化误差进行了理论分析，基于algorithmic stability和数学归纳法证明了其泛化误差为\(O\big(\frac{1}{N\kappa^{T}}\big)\)，其中\(\kappa\)是梯度估计奇异值的最小差值。为改善泛化性能，作者提出混合优化器MiMuon，通过谨慎使用梯度的orthogonalization，将Muon与momentum-based SGD结合，并证明其泛化误差降低至\(O\big(\frac{1}{N}\big)\)，同时保持与Muon相同的收敛速率\(O(\frac{1}{T^{1/4}})\)。实验在Qwen3-0.6B和YOLO26m等大模型上验证了MiMuon的有效性，为大规模模型训练中的优化器设计提供了新的理论视角与实用方案。
LionMuon: Alternating Spectral and Sign Descent for Efficient Training ⭐ 精选
Arman Bolatov et al.
cs.LG
本文提出LionMuon优化器，通过以固定周期\(P\)交替执行Lion（基于符号的更新）和Muon（基于spectral matrix-sign的更新）步骤，并共享一个dual-EMA动量缓冲区，从而在保持Muon更新方向有效性的同时，将平均迭代成本降低至与sign-based方法相当的水平。理论方面，论文在heavy-tailed noise下证明了由周期平均光滑度和噪声控制的sharp complexity bounds，这些界预测了计算最优周期以及LionMuon优于Muon和Lion的条件。实验表明，在124M至720M参数规模的模型上，LionMuon在验证损失和计算效率上Pareto-dominates Muon、Lion、Signum和AdamW，且其状态内存仅为AdamW的一半。该方法为大规模pretrain场景下的高效优化提供了新的思路。
Learning Orthonormal Bases for Function Spaces ⭐ 精选
Hamidreza Kamkari, Mohammad Sina Nabizadeh, Justin Solomon
cs.LG math.FA
本文提出了一种用神经网络参数化并优化函数空间中的infinite-dimensional orthonormal basis的新方法。核心思想是将目标orthonormal basis视为Lie manifold of the orthogonal group上的一个点，或等价地，作为从参考basis（如Fourier basis）出发的一条连续路径的终点，该路径由skew-adjoint integral operators控制的ordinary differential equations (ODEs) 描述。作者证明了即使使用rank-2 generator，其ODE的解在适当的operator topology下在orthogonal group中稠密，从而保证了方法的universality。该框架展示了将Fourier basis转化为functional dataset的principal components、linear operators的eigenfunctions或energy-preserving physical simulations的dynamic modes的灵活性，与关键词“spectral”和“code”有较好契合。
Dimensional Balance Improves Large Scale Spatiotemporal Prediction Performance
Jing Chen et al.
cs.LG cs.AI
本文通过空间和时间熵度量分析了时空预测中的复杂度不匹配问题，并提出了一种自适应框架，利用低秩矩阵嵌入压缩空间维度并扩展时间范围以捕获长程依赖。实验在多个数据集上验证了其有效性。
Robust Basis Spline Decoupling for the Compression of Transformer Models
Joppe De Jonghe, Van Tien Pham, Mariya Ishteva
cs.LG cs.AI
本文提出了一种基于B-spline的decoupling框架用于Transformer模型压缩，通过constrained coupled matrix-tensor factorization和鲁棒的交替最小二乘算法R-CMTF-BSD，实现了参数减少与精度保持的平衡。该方法在Vision和Swin Transformer上验证了有效性，但与关键词中的code, context, spectral, Muon, pretrain, agent, attention无直接关联。
HELLoRA: Hot Experts Layer-Level Low-Rank Adaptation for Mixture-of-Experts Models
Jia Wei et al.
cs.LG cs.AI
本文提出HELLoRA方法，通过仅对Mixture-of-Experts (MoE)模型中每层最频繁激活的专家附加LoRA模块，以减少可训练参数和计算开销，同时提升下游任务性能。实验表明该方法在数学推理、代码生成等任务上优于现有参数高效微调基线。
UCCI: Calibrated Uncertainty for Cost-Optimal LLM Cascade Routing
Varun Kotte
cs.LG cs.CL
本文提出UCCI，一种基于校准的LLM级联路由方法，通过isotonic regression将token-level margin uncertainty映射为查询级别的错误概率，并利用约束成本最小化选择升级阈值。实验表明，该方法在命名实体识别任务上降低了推理成本并改善了校准误差。
Simply Stabilizing the Loop via Fully Looped Transformer
Rao Fu et al.
cs.LG cs.AI
本文针对Looped Transformer在增加循环次数时出现的训练不稳定性问题，提出了Fully Looped Transformer，通过全循环架构和注意力注入两种无参数修改来缓解梯度振荡和残差爆炸。实验表明该方法在多达12次循环时仍能稳定训练，并在下游任务上提升性能。
Accurate Evaluation of Quickest Changepoint Detectors via Non-parametric Survival Analysis
Taiki Miyagawa, Akinori F. Ebihara
cs.LG cs.IT math.ST stat.ML
本文通过将quickest changepoint detection与survival analysis进行类比，提出了KM-ARL和KM-ADD两种非参数估计器，用于在有限且不规则的序列长度下评估平均运行长度和平均检测延迟，并证明了其渐近无偏性。
ReCrit: Transition-Aware Reinforcement Learning for Scientific Critic Reasoning
Wanghan Xu et al.
cs.LG cs.AI cs.CL
本文提出ReCrit框架，将科学推理中的批评交互建模为回合间的正确性转换问题，通过分解为四个象限并设计转换感知的强化学习奖励来区分有用修正与有害谄媚。实验在多个科学推理基准上提升了批评后准确率，但方法本身并非针对代码、上下文或谱方法等关键词领域。
Theory-optimal Quantization Based on Flatness
Xiusheng Huang et al.
cs.LG cs.AI
本文针对大语言模型量化中的激活值异常问题，提出了一种基于Flatness（一种衡量异常值分布集中程度的指标）的后训练量化框架BDQ。该方法通过优化矩阵变换来分散异常值，在W4A4量化下对LLaMA-3-8B模型实现了小于1%的精度损失。
PROWL: Prioritized Regret-Driven Optimization for World Model Learning
Ahmet H. Güzel et al.
cs.LG cs.AI
本文提出了一种名为PROWL的对抗训练方法，通过KL约束的对抗策略生成高误差轨迹来微调diffusion-based world model，并利用优先对抗轨迹缓冲区聚焦于未解决的失败模式，以提升模型在罕见交互关键转换上的鲁棒性。该方法在MineRL框架中验证了其有效性，但未直接涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
Adaptive Multi-Scale Goodness Aggregation for Forward-Forward Learning
Salar Beigzad, Vansh Verma
cs.LG cs.AI
本文提出了一种名为Adaptive Multi-Scale Goodness Aggregation (AMSGA)的方法，用于改进Forward-Forward (FF)算法在局部学习神经网络中的稳定性和泛化能力。该方法通过多尺度goodness聚合和自适应阈值等机制，在MNIST和Fashion-MNIST数据集上取得了比原始FF算法更好的性能。
Block-Based Double Decoders
Asher Labovich et al.
cs.LG cs.AI
本文提出了一种名为block-based double decoders的新型transformer架构，通过双重因果块注意力掩码实现全损失监督和静态序列打包，结合了decoder-only的训练效率与encoder-decoder的推理效率。实验表明该方法在扩展定律上优于encoder-decoder模型，并接近decoder-only模型的性能，同时显著降低了推理时的KV-cache内存和计算开销。
Compositional Literary Primitives in Instruction-Tuned LLMs: Cross-Architectural SAE Features for Self, Style, and Affect
Joao Paulo Cavalcante Presa, Savio Salvarino Teles de Oliveira
cs.LG cs.AI cs.CL
本文通过sparse autoencoders在指令微调的大语言模型（Llama 3.1 8B-Instruct和Gemma 2 9B-IT）的中间层residual stream中，发现了四种文学原语特征（naming-gates、self-features、stylistic register modulators、compositional emotions），并验证了这些特征在情感分类中的有效性。该工作主要关注模型的可解释性与情感生成能力，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
D-PACE: Dynamic Position-Aware Cross-Entropy for Parallel Speculative Drafting
Tianyu Wu et al.
cs.LG cs.AI
本文提出D-PACE损失函数，通过可微分的期望接受长度代理为每个位置动态分配训练权重，以改进并行推测解码中多token草稿模型的训练。该方法在不改变架构和推理流程的情况下，在多个基准测试上提升了推理速度。
PASC: Pipeline-Aware Conformal Prediction with Joint Coverage Guarantees for Multi-Stage NLP and LLM Pipelines
Varun Kotte
cs.LG cs.CL cs.IR
本文提出PASC方法，将多阶段NLP和LLM pipeline的联合coverage保证问题简化为一个标量conformal prediction问题，通过joint maximum nonconformity score实现有限样本无分布假设的联合coverage保证。该方法在NER-NED-entity typing等pipeline上相比Bonferroni和独立CP方法更高效且coverage更紧，但未涉及code、spectral、Muon、pretrain或attention等关键词。
How Faithful Is Trajectory-Based Data Attribution? Error Sources, Remedies, and Practical Guidelines
Junwei Deng et al.
cs.LG
本文系统分析了基于轨迹的数据归因方法中的误差来源，包括配置级、算法级和系统级误差，并提出了AdamW-influence等修正方案，同时为数据选择提供了实用指南。
DynaTrain: Fast Online Parallelism Switching for Elastic LLM Training
Yuanqing Wang et al.
cs.LG cs.DC
本文提出DynaTrain系统，通过Virtual Parameter Space (VPS)抽象和状态路由-传输层，实现了大规模语言模型训练中任意多维并行配置的亚秒级在线切换，显著优于基于checkpoint的弹性系统。
Symmetry in the Wild: The Role of Equivariance in Neural Fluid Surrogates
Patryk Rygiel et al.
cs.LG cs.AI
本文研究了群等变架构（group-equivariant architectures）在神经流体代理（neural fluid surrogates）中的作用，通过引入Anchored-Branched Geometric Algebra Transformer (AB-GATr)模型，在汽车空气动力学和血流动力学任务上评估了等变性在不同数据分布对齐程度下的泛化效果。结果表明，等变性并非普遍有益，但在缺乏强数据规律性的问题中能带来实际优势。
Multi-Token Residual Prediction
Yufeng Xu et al.
cs.LG
本文提出Multi-token Residual Prediction (MRP)模块，利用相邻denoising步骤logit分布的相似性，通过预测残差来替代额外的backward forward，从而在Diffusion Language Models中实现单步多token去噪。该方法在SDAR模型上实现了最高\(1.42\times\)的无损加速，但方法本身并非开创性突破，且与关键词列表关联较弱。
Efficient Conditioning Why Pseudo Observation Batch Bayesian Optimization Works When It Does not
Kumbha Nagaswetha, Rabi Pathak
cs.LG
本文研究了并行Bayesian Optimization中Constant Liar、Kriging Believer和fantasy模型的统一理论，提出efficient conditioning是核心代理性质，并证明Gaussian Processes满足该性质。实验表明，该方法在多个benchmark上有效，但parametric surrogates会产生退化batch。
Quantum Adversarial Machine Learning: From Classical Adaptations to Quantum-Native Methods
Roozbeh Razavi-Far et al.
cs.LG cs.CR
本文综述了量子对抗机器学习领域，探讨了从经典对抗攻击到量子原生方法的演变，并总结了现有攻击与防御策略。
Multi-Pedestrian Safety Warning at Urban Intersections Use Case of Digital Twin
Yongjie Fu et al.
cs.LG
本文基于COSMOS城市级无线测试平台，构建了一个集成摄像头、超宽带、边缘云计算和预测轨迹建模的物理-数字孪生框架，用于城市交叉口的多行人安全预警系统。通过实地部署和虚拟现实实验验证了系统的预警准确性、定位精度和端到端延迟性能。
Fine-Grained Benchmark Generation for Comprehensive Evaluation of Foundation Models
Mohammed Saidul Islam et al.
cs.LG cs.AI cs.CL
本文提出一个基于multi-agent架构的自动benchmark生成框架，通过reference material（如教科书）生成具有丰富metadata和抗污染能力的评估问题，并采用solution-graph-driven策略提高ground truth解的可靠性。在Machine Learning、Corporate Finance和Personal Finance三个领域生成的benchmark中，ground-truth error rate显著低于MMLU和GSM8K，并能揭示现有benchmark无法捕捉的模型性能差异。
Not All Tokens Are Worth Caching: Learning Semantic-Aware Eviction for LLM Prefix Caches
Shaoke Fang et al.
cs.LG cs.DC
本文提出了一种名为SAECache的语义自适应前缀缓存驱逐策略，通过多队列架构和在线学习机制来优化LLM服务中的KV缓存管理，实验显示其相比基线方法在TTFT上提升了1.4-2.7倍。该工作主要关注系统优化而非理论创新，与关键词列表中的核心概念关联较弱。
In-Context Learning Operates as Concept Subspace Learning
Wei Tang et al.
cs.LG
本文通过concept-subspace视角研究in-context learning (ICL)，证明在ridge和least-squares ICL代理下，预测可分解为concept-coordinate回归和off-subspace泄漏。实验表明，在Llama-3-8B等模型中，任务信息集中在低维activation subspace中，而互补子空间几乎无恢复能力。
Automated Big Data Quality Assessment using Knowledge Graph Embeddings
Hadi Fadlallah et al.
cs.LG cs.AI
本文提出了一种基于Knowledge Graph Embeddings的自动化大数据质量评估方法，通过预测输入数据集上下文表示与质量规则之间的缺失边来生成评估计划。该方法利用AmpliGraph框架在真实辐射传感器数据集上进行了验证。
StampFormer: A Physics-Guided Material-Geometry-Coupled Multimodal Model for Rapid Prediction of Physical Fields in Sheet Metal Stamping
Jiajie Luo et al.
cs.LG
本文提出StampFormer，一种物理引导的深度学习框架，用于快速预测板料冲压中的物理场。该模型通过融合几何与材料数据，在不到一秒内预测多个关键物理场，平均相对误差低于8.5%。
VCR: Learning Valid Contextual Representation for Incomplete Wearable Signals
Yuxuan Weng, Wenhan Luo, Qijia Shao
cs.LG cs.AI eess.SP
本文提出VCR框架，通过正交tokenizer将多模态可穿戴信号分解为共享语义和模态特异性残差，并利用缺失感知的混合专家模型处理不完整信号。该方法在多种健康监测任务中提升了鲁棒性，但未涉及code、spectral或Muon等关键词。
Lying Is Just a Phase: The Hidden Alignment Transition in Language Model Scaling
Adil Amin
cs.LG cs.AI cs.CL
本文通过分析63个基础模型，发现推理能力与真实性之间存在一个与损失曲线无关的相变：在模型规模低于临界值\(N_c\)时，能力呈反相关，高于时则协同。该研究主要关注语言模型缩放中的能力耦合现象，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
An Integrated Forecasting Prototype for Emergency Department Boarding Time to Support Proactive Operational Decision Making
Orhun Vural et al.
cs.LG cs.AI
本文开发了一个多时间序列预测框架，用于预测急诊科滞留时间，并集成了外部上下文数据（如天气和节假日）。该工作主要关注实际应用部署，而非提出新的理论方法。
The Growing Pains of Frontier Models: When Leaderboards Stop Separating and What to Measure Next
Adil Amin
cs.LG cs.AI cs.CL
本文分析了前沿模型在SWE-bench和GPQA Diamond基准上的能力耦合趋势，发现不同实验室的模型在coding与reasoning能力间存在不同的权衡模式，并提出了一个三层次诊断框架（locate, diagnose, rotate）来指导基准测试的更新。该工作主要关注模型评估与基准饱和问题，与关键词中的code和agent有一定关联，但方法上缺乏开创性。
From Cumulative Constraints to Adaptive Runtime Safety Control for Nonstationary Reinforcement Learning
Timofey Tomashevskiy
cs.LG
本文提出了一种名为Constraint Projection Safety Shield (CPSS)的运行时机制，用于将强化学习中的累积安全约束转化为自适应的状态级控制阈值，以应对非平稳环境。该方法通过跟踪剩余安全预算并利用上下文信号动态调整阈值，在保证单步动作安全性的同时维持累积成本界限。
Safe Continual Reinforcement Learning under Nonstationarity via Adaptive Safety Constraints
Timofey Tomashevskiy
cs.LG
本文提出LILAC+框架，用于非平稳环境下的安全continual reinforcement learning，通过结合基于context的安全约束、适应速度约束和预算到状态的安全执行三种自适应机制来减少安全违规。实验在模拟驾驶环境中验证了该方法在分布偏移下的有效性。
TEMPO: Temporal Enforcement via Mode-Separated Policy Optimization for Trustworthy LLM Backtesting
Zeyu Zhang, Bradly C. Stadie
cs.LG
本文提出TEMPO方法，通过两阶段reward设计和GRPO训练流程，使LLM在基于历史事件的回测中避免使用截止日期后的信息泄露，从而提升评估的有效性。该方法在多个任务上降低了信息泄露率并保持了任务性能。
Graph-Driven Cross-Industry Real-Time Monitoring Framework for Anti-Money Laundering Detection in Converged Mobility-Energy Supply Chain Networks
Rong Liu, Xiaojun Xiao, Zhanqing Su
cs.LG cs.AI
本文提出了一种图驱动的跨行业实时反洗钱监控框架GCRMF，通过构建跨行业异质图并使用时序双图注意力网络编码资金流路径，结合对比学习和层次图采样的元路径子图推理模块来识别结构性欺诈行为。实验表明该方法在F1分数上比现有图神经网络方法提升超过17.8%。
First-Passage Prediction of Grokking Delay: ACalibrated Law under AdamW with Causal Validation
Truong Xuan Khanh et al.
cs.LG cs.AI
本文通过将grokking延迟视为first-passage time，推导出一个封闭形式的定律，预测了在AdamW优化器下grokking延迟与参数范数、架构阈值等的关系，并在多种算法任务上进行了验证。该工作主要关注训练动态中的相变现象，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Lost and Found in Translation: Variational Diagnostics for Neural Codebook Channels
Yusuke Hayashi
cs.LG cs.AI cs.IT
本文提出了一种名为neural codebook channel的诊断工具，用于检测VAE中编码器与解码器之间的码本不匹配问题，并给出了一个与变分gap相关的Bernoulli-KL证书。实验表明该诊断方法在多个数据集上有效，但方法本身是对现有VAE诊断的补充，而非开创性突破。
Transformers Linearly Represent Highly Structured World Models
Roman Kniazev, Nathanaël Fijalkow
cs.LG cs.AI
本文训练了一个8层transformer解决数独推理任务，通过机制分析发现模型内部构建了基于行、列和宫的结构化world model，而非逐格表示，并识别出一个稀疏且可解释的naked-single电路。该工作展示了transformer在组合推理任务中如何形成与领域约束代数结构对齐的内部表示。
INSIGHTS: Demonstration-Based Summaries of Time Series Predictors
Bar Eini Porat et al.
cs.LG cs.AI
本文提出INSIGHTS，一种用于时间序列预测模型的全局可解释性方法，通过平衡样本重要性和多样性生成代表性摘要，以提供模型行为的全面概述。该方法在实验中表现出优于局部解释方法的稳定性和用户理解度。
STRIDE: Learnable Stepwise Language Feedback for LLM Reasoning
Junjie Zhang et al.
cs.LG
本文提出STRIDE框架，通过可学习的stepwise language feedback替代scalar rewards来改进LLM推理，使用co-training的generator和verifier实现无需外部标注的policy improvement。实验表明该方法在多种推理基准上优于现有baseline，尤其在scalar方法无法提供学习信号的零通过率问题上取得突破。
Robust Checkpoint Selection for Multimodal LLMs via Agentic Evaluation and Stability-Aware Ranking
Qinwu Xu, Zhuoheng Li, Jessie Salas
cs.LG cs.AI cs.CL
本文针对多模态大语言模型(MLLM)的checkpoint选择问题，提出了一种结合agentic evaluation和稳定性感知排序的多阶段框架，通过pointwise filtering、listwise ranking和pairwise comparison实现渐进式精炼，并引入基于subsampling的置信度估计和percentile-based评分来提升可靠性。
INAR-VL: Input-Aware Routing for Edge-Cloud Vision-Language Inference
Ahmed Šabanović, Paul Joe Maliakel, Ivona Brandić
cs.LG cs.CV cs.DC
本文提出INAR-VL系统，通过轻量级图像和文本复杂度信号在边缘与云之间路由视觉语言模型推理请求，以平衡延迟与准确性。实验表明该系统能在保持97%云级准确率的同时降低延迟和能耗。
Evaluating Memory Condensation Strategies for Coding Agents in Data-Driven Scientific Discovery
Renuka Chintalapati et al.
cs.LG
本文评估了八种memory condensation策略在科学发现任务中的表现，发现没有一种策略能显著提升假设质量，且基于LLM的策略会增加token成本。研究指出最优策略因科学领域和任务长度而异。
SPHERICAL KV: Angle-Domain Attention and Rate-Distortion Retention for Efficient Long-Context Inference
Anay Chauhan et al.
cs.LG cs.CL cs.IT
本文提出Spherical KV方法，通过Angle-Domain Attention (ADA)将keys表示为球面参数化（标量半径和紧凑角度编码），直接从角度编码计算attention logits以避免重建dense keys；同时引入Rate-Distortion Retention (RDR)在固定预算下联合选择token和head的保留决策与精度层级。该方法旨在减少KV缓存占用并提升长上下文推理的解码效率，但未直接涉及code、spectral或Muon等关键词。
When Individually Calibrated Models Become Collectively Miscalibrated
Zhaohui Wang
cs.LG cs.AI cs.GT stat.ML
本文研究了多智能体系统中个体校准模型在策略性交互下导致集体校准失效的现象，证明了基于Brier分数的聚合会因正相关信念而产生系统性低估，并提出了VCG机制来对齐激励。实验在三个真实数据集上验证了VCG的鲁棒性和准确性。
TwinRouterBench: Fast Static and Live Dynamic Evaluation for Realistic Agentic LLM Routing
Pei Yang et al.
cs.LG cs.AI
本文提出了TwinRouterBench，一个用于评估LLM routing在agent任务中表现的基准，包含静态和动态两个测试轨道，旨在解决现有基准仅评估单次prompt的局限性。
From Llama to Cria: Scaling Down Neural Networks via Neuron-Level Spectral Structural Importance Evaluation
Yongyu Wang
cs.LG cs.CV
本文提出了一种基于neuron-level spectral structural importance evaluation的神经元剪枝框架，通过将隐藏层神经元建模为graph nodes并利用graph signal processing分析其结构重要性，迭代移除低重要性神经元以压缩网络。实验在CIFAR-10和SST-2上验证了该方法能有效减小模型规模并保持性能。
Towards Family-Grouped Hierarchical Federated Learning on Sub-5KB Models: A Feasibility Study of Privacy-Preserving ECG Monitoring for Ultra-Resource-Constrained Wearables
Hangyu Wu
cs.LG cs.AI cs.CR
本文提出了一种面向超资源受限可穿戴设备的家庭分组分层联邦学习框架(Family-FL)，通过三层架构在家庭内部聚合后再全局同步，并设计了仅669个参数的Tiny CNN-LSTM模型。实验表明该方法在MIT-BIH心律失常数据集上相比FedAvg减少了76.7%的通信量，同时保持了可比的准确率。
SAGE: Shaping Anchors for Guided Exploration in RLVR of LLMs
Chanuk Lee, Minki Kang, Sung Ju Hwang
cs.LG cs.AI cs.CL
本文探讨了RLVR（基于可验证奖励的强化学习）在LLM推理任务中的局限性，指出reverse-KL正则化会抑制新推理模式的涌现。作者提出SAGE框架，通过引导函数\(q(x,y)\)重塑anchor分布来扩展经验支持，在数学推理基准上同时提升了pass@1和pass@k指标。
From Sparsity to Simplicity: Enabling Simpler Sequential Replacements via Sparse Attention Distillation
Yuxin Ren et al.
cs.LG cs.AI
本文通过稀疏注意力蒸馏框架，研究了用更简单的sequential modules替换pretrained vision transformer中attention层的方法，发现稀疏注意力层更容易被替换。该方法利用AViT-style token retention显式施加稀疏性，以减少参数和延迟。
FLUIDSPLAT: Reconstructing Physical Fields from Sparse Sensors via Gaussian Primitives
Huaxi Huang et al.
cs.LG cs.AI
本文提出FLUIDSPLAT模型，利用K个各向异性Gaussian primitive构建空间显式的flow场表示，并给出了在Sobolev光滑性下的逼近率与方差分解。该方法在稀疏传感器场景下通过平衡偏差与方差确定primitive数量，并在cylinder-flow和AirfRANS基准上取得更优的重建误差。
EVA-0: Test-Time Model Evolution with Only Two Forward Passes per Sample
Guohao Chen et al.
cs.LG cs.AI
本文提出了一种无需反向传播的测试时模型进化方法EVA-0，仅需每个样本两次前向传播即可完成推理和适应。该方法通过零阶优化克服了捷径解、权重漂移和更新方向估计不准确等问题，在ImageNet-C上取得了优于现有方法的性能。
MO-CAPO: Multi-Objective Cost-Aware Prompt Optimization
Jan Büssing et al.
cs.LG cs.AI cs.NE
本文提出MO-CAPO，一种多目标代价感知的prompt优化算法，用于同时优化LLM的性能和推理成本，并引入预算分配机制提升优化效率。实验表明该方法能有效发现性能-成本权衡的Pareto前沿，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
Multi-Headed Transformer Architectures as Time-dependent Wasserstein Gradient Flows
Alex Massucco et al.
cs.LG math.AP math.FA
本文将多头Transformer架构建模为时间依赖的Wasserstein gradient flow，证明了在权重可积性假设下，gradient flow的\(\omega\)-limit集是interaction energy在极限权重分布下的stationary point，并分析了模型对初始数据和权重扰动的稳定性。
Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning
Shireen Kudukkil Manchingal et al.
cs.LG cs.AI
本文提出了一种分解能量函数，结合学习到的质量评分器与确定性分析约束惩罚，用于验证结构化LLM输出。该方法通过集成低秩适配器量化认知不确定性，并在多个基准上验证了有效性，但未涉及关键词中的spectral、Muon或agent等概念。
EUPHORIA: Efficient Universal Planning via Hybrid Optimization for Robust Industrial Robotic Assembly
Shih-Yu Lai et al.
cs.LG cs.AI cs.RO
本文提出EUPHORIA框架，通过混合优化策略实现机器人装配的通用规划，结合Meta-Geometric Encoder和Physics-Informed Graph Transformer等方法，在未见几何体上取得高成功率并降低能耗。
ZeroUnlearn: Few-Shot Knowledge Unlearning in Large Language Models
Yujie Lin et al.
cs.LG cs.AI cs.CL
本文提出ZeroUnlearn框架，通过将敏感输入映射到中性目标状态并移除其原始表示，实现大语言模型中的知识遗忘。该方法采用封闭形式的乘法参数更新来强制表示正交性，并扩展到基于梯度的变体以处理多样本遗忘，在保持模型通用性能的同时优于现有基线。
A Multi-Dimensional Clustering Approach for Identifying Inborn Errors of Immunity
Nishad Kulkarni et al.
cs.LG cs.CV q-bio.QM
本文提出了一种用于识别先天性免疫缺陷(IEI)的多维聚类方法，通过数据整理和机器学习聚类算法从国家数据注册表中提取疾病相关特征。该方法将原始免疫学实验室数据转化为向量，并结合超参数调优进行疾病模式识别。
Emergence of a Flow-Assisted Casting Strategy for Olfactory Navigation via Memory-Augmented Reinforcement Learning
Changxu Zhao et al.
cs.LG physics.flu-dyn
本文利用Memory-Augmented Reinforcement Learning研究了智能体在非稳态流场中的气味导航策略，发现智能体能够自发形成一种流辅助的casting策略，并存在一个最优的记忆时间窗口。该工作主要关注流体动力学与强化学习的结合，与关键词中的agent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。
To Call or Not to Call: Diagnosing Intrinsic Over-Calling Bias in LLM Agents
Wei Shi et al.
cs.LG cs.AI
本文研究了LLM agents在工具调用决策中的过度调用偏差，提出Intrinsic Bias Hypothesis (IBH)解释该现象，并使用Sparse Autoencoders (SAEs)和Adaptive Margin-Calibrated Steering (AMCS)方法进行诊断与修正。
Prediction Is Not Physics: Learning and Evaluating Conserved Quantities in Neural Simulators
Andrew Bukowski et al.
cs.LG cs.AI
本文研究了神经网络从物理轨迹中学习守恒量的能力，发现仅靠时间一致性约束不足以可靠识别真实能量，而引入少量对齐损失可显著提升性能。在噪声环境下，黑箱模型比结构化模型更具鲁棒性，但多项式模型对训练配置敏感。
Navigating the Emotion Tree: Hierarchical Hyperbolic RAG for Multimodal Emotion Recognition
Zeheng Wang et al.
cs.LG cs.CV
本文提出HyperEmo-RAG框架，利用层次化双曲空间（Poincaré ball）嵌入情感标签与多模态样本，并通过树状beam-search检索和结构化证据注入（Tree-Aware Attention与EmotionGraphFormer）增强多模态情感识别。该方法在多个数据集上优于现有模型，但未涉及code、spectral、Muon、pretrain或agent等关键词。
Soft Learning
Mohammed Aledhari et al.
cs.LG cs.AI
本文提出了一种名为Soft Learning的机器学习框架，通过维护一个包含线性模型、树集成、核机器和神经网络等异构specialists的库，并使用交叉验证的非负最小二乘法来学习最优组合权重。该方法在CPU上训练速度比深度网络快两个数量级，并在37个数据集上取得了优于多种方法的性能。
Auditing Reasoning-Trace Memorization Claims after Unlearning with Head-Conditioned Canaries
Yanhang Li, Zhichao Fan, Zexin Zhuang
cs.LG cs.AI
本文研究了在reasoning models上执行unlearning后，thinking trace中仍可能泄露遗忘内容的现象。作者通过实验发现，bypass gap（即答案侧已遗忘但thinking trace仍保留内容的现象）并不能可靠地指示权重层面的记忆残留，其表现依赖于随机种子和解析器。文章建议使用decode-time template swap作为简单的验证手段。
Data-Free Client Contribution Estimation via Logit Maximization for Federated Learning
Asim Ukaye et al.
cs.LG cs.AI cs.DC
本文提出了一种用于联邦学习的无数据客户端贡献估计方法CELM，通过最大化logit值来评估客户端对每个类别的贡献，并据此进行加权聚合。该方法无需共享原始数据或辅助数据集，能有效应对非独立同分布和标签倾斜问题。
Position: Graph Condensation Needs a Reset -- Move Beyond Full-dataset Training and Model-Dependence
Mridul Gupta et al.
cs.LG
本文指出当前graph condensation方法存在依赖全数据集训练、计算开销大且泛化性差等系统性问题，并呼吁转向轻量级、架构无关的实用方法。
A Two-Parameter Weibull Framework for Diagnosing Transformer Weight Distributions
Tiexin Ding
cs.LG
本文提出一个基于Two-Parameter Weibull分布的诊断框架，用于分析transformer中权重矩阵的元素级幅度分布。通过拟合每个权重矩阵的Weibull参数，作者发现前馈网络和注意力输出投影的分布形态在不同架构间高度一致，而注意力输入投影则偏离Weibull族。该工作为理解训练动态提供了新的视角，但与关键词列表中的概念关联较弱。
Don't Let Bandit Feedback Pull Continual LLM-Recommender Updates Off Target
Taesan Kim et al.
cs.LG cs.AI
本文提出了一种名为Anchored Bandit Policy Optimization (ABPO)的框架，用于持续更新基于LLM的推荐系统。该方法通过将已曝光的推荐作为锚点插入到GRPO rollout组中，并结合自归一化逆概率评分和基于模型置信度的不对称反馈处理，来校正曝光偏差和反馈模糊性。实验表明该方法在多个推荐数据集上提升了准确性。
Reasoning Portability: Guiding Continual Learning for MLLMs in the RLVR Era
Qiuhe Hong et al.
cs.LG cs.CV
本文针对多模态大语言模型在持续学习中的推理可迁移性问题，提出了基于推理可迁移性（Reasoning Portability）的动态平衡持续学习方法（RDB-CL），通过样本级别的KL正则化约束来平衡旧知识保留与新任务探索。实验表明该方法在RLVR框架下提升了持续学习性能。
Dynamic Model Merging Made Slim
Guodong Du, Wanyu Lin
cs.LG cs.AI cs.CL
本文提出DiDi-Merging框架，通过可微的rank分配来平衡共享参数与专家参数，实现动态模型合并。该方法在视觉、语言和多模态任务上以更紧凑的参数量达到了与先前方法相当或更优的性能。
Stability and Discretization Error of State Space Model Neural Operators
Abderrahim Bendahi et al.
cs.LG cs.AI cs.NE math.NA
本文研究了状态空间模型神经算子(SS-NO)和傅里叶神经算子(FNO)的离散化误差与稳定性，建立了连续理论与离散数值实现之间的理论联系，通过输入到状态稳定性(ISS)分析量化了离散化对模型稳定性的影响。实验验证了理论界在1D和2D基准上的有效性。
Descriptive versus Regulatory Uncertainty in Bounded Predictive Systems
Ahmed Gamal Eldin
cs.LG eess.SY
本文区分了描述性不确定性与调控性不确定性，并证明当前transformer架构在推理时仅具有描述性不确定性，即不确定性不参与动态调控行为。通过热力学原理和实验（3B-70B参数模型）表明，token级熵在不同任务中统计不变，与准确率正交，且这种解耦具有尺度不变性。
Does Your Wildfire Prediction Model Actually Work, or Just Score Well?
Yangshuang Xu et al.
cs.LG cs.AI
本文提出了WILDFIRE-FM，一个专门为野火预测预训练的foundation model，并引入了一个固定合约评估框架来缓解野火事件稀疏导致的评估偏差问题。实验表明，野火迁移结论高度依赖于评估设计和任务设定。
HypergraphFormer: Learning Hypergraphs from LLMs for Editable Floor Plan Generation
Nikita Klimenko et al.
cs.LG cs.AI
本文提出HypergraphFormer，利用大语言模型学习hypergraph表示以生成floor plan，在RPLAN数据集上优于现有方法，并展示了良好的可编辑性和泛化能力。
A Geometric Analysis of Sign-Magnitude Asymmetry in a ReLU + RMSNorm Block under Ternary Quantization
Lei Dong
cs.LG
本文通过sign-magnitude分解对ReLU + RMSNorm模块在三值量化下的权重扰动进行几何分析，证明了符号翻转产生的横向输出能量是等Frobenius范数幅度扰动的约2.75倍，并指出该不对称性源于ReLU和RMSNorm的几何结构。
FedMental: Evaluating Federated Learning for Mental Health Detection from Social Media Data
Nuredin Ali Abdelkadir et al.
cs.LG cs.CL
本文评估了联邦学习(FL)和差分隐私FL在社交媒体心理健康检测任务（如抑郁症和自杀危机检测）中的表现，发现FL性能接近集中式训练，但差分隐私FL会因扭曲稀疏的心理健康语言标记而导致显著的性能-隐私权衡。
Shaping the Prior: How Synthetic Task Distributions Determine Tabular Foundation Model Quality
Mohamed Bouadi et al.
cs.LG cs.AI
本文探讨了表格基础模型质量的决定因素，指出合成预训练分布的设计是关键但被忽视的环节。作者提出O'Prior框架，通过组合层次化SCM元生成器、模块化现实主义引擎、显式压力模块和课程生成协议来构建更真实的合成先验，实验表明该方法能提升下游准确率和鲁棒性。
TabQL: In-Context Q-Learning with Tabular Foundation Models
Qisai Liu et al.
cs.LG
本文提出TabQL框架，用具有in-context学习能力的tabular foundation model替代传统DQN中的参数化Q-network，通过将state-action-Q-value元组表格化并利用sequence-to-sequence模型实现快速适应。该方法在有限在线交互中通过in-context更新进行零样本或少样本Q值推理，并借助DQN预热阶段提升上下文质量。
Distilling Linearized Behavior for Effective Task Arithmetic
Thomas Sommariva et al.
cs.LG cs.AI
本文提出了一种通过蒸馏线性化教师模型的行为来训练非线性学生模型的方法，使得学生模型在任务向量组合（task vector composition）中表现出类似线性微调（linear fine-tuning）的特性，同时避免了推理时的额外计算开销。该方法在视觉和语言基准测试中取得了良好性能，但并未直接涉及关键词中的code、spectral或Muon等概念。
SAGA: A Sequence-Adaptive Generative Architecture for Multi-Horizon Probabilistic Forecasting with Adaptive Temporal Conformal Prediction
Gustav Olaf Yunus Laitinen-Fredriksson Lundström-Imanov, Hafize Gonca Cömert
cs.LG econ.EM stat.ML
本文提出SAGA，一种用于多时间跨度概率预测的序列自适应生成架构，结合自适应时间共形预测方法，在瑞典收入数据上验证了其优于传统参数模型和基线方法。
LoRA vs. Full Fine-Tuning: A Theoretical Perspective
Ali Zindari, Rotem Mulayoff, Sebastian U. Stich
cs.LG
本文在linear regression setting下比较了LoRA与full fine-tuning的excess risk，发现当下游任务与预训练任务的差异为low-rank时LoRA可能表现更好，并分析了LoRA rank对generalization的影响。
Learning When to Adapt
Ali Zindari et al.
cs.LG
本文提出DISeL方法，通过为LoRA模块添加轻量级输入相关门控机制，使模型能根据输入动态调整低秩更新，从而在微调时减少灾难性遗忘。实验表明该方法在保持微调精度的同时，能提供可解释的层与秩分量激活诊断视图。
KVBuffer: IO-aware Serving for Linear Attention
Longwei Zou, Lin Zhong
cs.LG cs.AI
本文提出KVBuffer，一种面向linear attention的IO感知服务机制，通过缓存最近的keys和values，支持chunkwise计算和speculative decoding，从而减少解码延迟并提高服务吞吐量。
Generative Pseudo-Force Fields for Molecular Generation
Stefaan Simon Pierre Hessmann et al.
cs.LG physics.chem-ph q-bio.QM
本文提出了一种生成式伪力场(GPFF)方法，通过在参考平衡结构上构建二次伪势能面来训练机器学习力场(MLFF)，从而弥合基于能量的弛豫与数据驱动生成模型之间的差距。该方法无需从头计算即可生成非平衡训练数据，并可作为扩散模型的无时间步条件变体用于分子构象生成。
Mapping Uncharted Symmetries: Machine Discovery in Combinatorics
Eugenio Cainelli et al.
cs.LG
本文提出MapSeek-Functional和MapSeek-Symbolic两种方法，用于在精确分布约束下学习简单数学函数，并成功应用于代数组合学中\(q,t\)-Narayana多项式的组合解释发现。
Riemannian Networks over Full-Rank Correlation Matrices
Ziheng Chen et al.
cs.LG cs.AI
本文探索了全秩相关矩阵流形上的Riemannian网络，将五种相关几何结构扩展到MLR、FC和卷积层等基本层，并提出了两种几何结构的精确反向传播方法。实验表明该方法在相关任务上优于现有的SPD和Grassmannian网络。
The impact of observation density on Bayesian inversion of latent dynamics in shock-dominated flows
Bipin Tiwari, Muhammad Abid, Omer San
cs.LG physics.flu-dyn
本文提出了一种结合convolutional autoencoder和潜在空间前向算子的非侵入式降阶建模框架，用于激波主导流动中基于贝叶斯初始状态反演的不确定性量化。该框架通过No-U-Turn Sampler进行后验探索，并展示了观测密度增加对后验不确定性的显著收缩效果。
MANGO: Meta-Adaptive Network Gradient Optimization for Online Continual Learning
Ankita Awasthi, Marco Apolinario, Kaushik Roy
cs.LG cs.AI
本文提出MANGO框架，通过gradient-gating和meta-learned regularization来平衡在线持续学习中的stability-plasticity问题，在多个基准数据集上取得了最优结果。该方法主要针对OCL场景设计，与关键词中的概念关联较弱。
Counterfactual Likelihood Tests for Indirect Influence in Private Reasoning Channels
Alexander Boesgaard Lorup
cs.LG cs.AI cs.CL
本文提出了一种反事实似然检验方法，用于测量私有推理通道间的间接影响，通过替换上游私有块并测量下游目标的负对数似然变化来评估。实验表明，该方法能有效分离直接与间接影响，并识别出公共通道是传递反事实信号的主要路径。
ScheduleFree+: Scaling Learning-Rate-Free & Schedule-Free Learning to Large Language Models
Aaron Defazio
cs.LG cs.AI stat.ML
本文针对Schedule-Free Learning方法在大规模LLM训练中的扩展问题，提出了ScheduleFree+方法，通过一系列修正使其适用于更大的batch size和模型规模，并在长时间训练中显著优于Warmup-Stable-Decay (WSD) schedule。该方法为预训练中的model averaging和checkpoint merging提供了理论基础。
Performance Monitoring of Proton Exchange Membrane Water Electrolyzer by Transformers-Based Machine Learning Model
Bingqing Chen et al.
cs.LG eess.SP
本文提出了一种基于encoder-decoder transformer的机器学习框架，用于在质子交换膜水电解器正常运行期间虚拟重建极化曲线，实现了性能监测。该方法通过将输入数据分割成patches进行编码，相比vanilla transformer将均方误差降低了10倍。
EgoBabyVLM: Benchmarking Cross-Modal Learning from Naturalistic Egocentric Video Data
Dongyan Lin et al.
cs.LG cs.AI cs.CL cs.CV
本文提出了EgoBabyVLM基准测试，用于评估从自然主义自我中心视频中进行的跨模态学习。研究发现，当前视觉-语言模型在处理弱对齐的自然主义数据时表现不佳，而人类婴儿却能从中有效学习。
CLIC: Contextual Language-Informed Cardiac Pathology Classification
Giovani D. Lucafo et al.
cs.LG
本文提出CLIC框架，通过将患者人口统计和采集环境等上下文数据编码为自然语言文本，与ECG信号结合进行多模态心脏病理分类。实验表明，基于模板的临床文本描述比LLM生成的文本更能稳定提升分类性能。
Identifiable Multimodal Causal Representation Learning under Partial Latent Sharing
Manal Benhamza, Marianne Clausel, Myriam Tami
cs.LG
本文研究了多模态因果表示学习中的可识别性问题，提出在部分潜在变量共享的非线性混合设定下，无需参数分布假设即可建立分量级可识别性保证，并引入基于Wasserstein距离的模块来恢复共享潜在结构。实验表明该方法在合成与真实数据集上优于现有方法。
GRASP: Deterministic argument ranking in interaction graphs
Diganta Misra et al.
cs.LG cs.AI cs.CL cs.CY cs.HC
本文提出GRASP框架，通过攻击-防御传播算子将局部交互判断聚合为全局排名，用于替代大语言模型整体评判中的不稳定评分。该方法不测量说服力或事实性，而是基于交互图的结构充分性提供可审计的确定性排名。
PMF-CL: Pareto-Minimal-Forgetting Continual Learner for Conflicting Tasks
Srijith Nair, Atilla Eryilmaz
cs.LG
本文从multi-task learning视角提出Pareto-Minimal-Forgetting (PMF-CL)框架，用于处理冲突任务下的continual learning问题。该方法通过寻找Pareto最优解来最小化遗忘，并针对线性回归、basis-function回归及具有二次上界的损失函数（如logistic regression）推导了具体算法。
Flash PD-SSM: Memory-Optimized Structured Sparse State-Space Models
Aleksandar Terzić et al.
cs.LG cs.AI
本文提出Flash PD-SSM，一种通过在每个时间步离散选择结构化稀疏矩阵来平衡状态空间模型效率与表达力的方法，在保持高吞吐量的同时实现了与无结构矩阵相当的有限状态自动机表达能力。该方法在合成任务和长序列时间序列任务上达到新最优精度，并可作为混合大语言模型的直接替代品。
Bridge: Retrieval-Augmented Spatiotemporal Modeling for Urban Delivery Demand
Yihong Tang et al.
cs.LG cs.AI
本文提出Bridge框架，通过检索增强的时空图模型解决城市配送需求预测中冷启动区域的历史数据缺失问题。该方法结合归纳式上下文图骨干网络与时间感知记忆模块，利用区域上下文和近期动态检索未来需求模式，并通过门控融合机制优化预测。
Planner-Admissible Graph-PDE Value Extensions for Sparse Goal-Conditioned Planning
Shiheng Zhang
cs.LG cs.AI
本文研究了稀疏目标条件规划中的图-PDE Dirichlet扩展问题，比较了AMLE与harmonic extension在argmin-Q规划器下的性能，实验表明AMLE在AntMaze布局中显著优于harmonic extension。
Sequential Consensus for Multi-Agent LLM Debates: A Wald-SPRT compute governor with calibration-based failure detection
Andrea Morandi
cs.LG
本文提出将Wald的Sequential Probability Ratio Test (SPRT)作为多智能体LLM辩论的计算调控器，通过Beta似然族累积对数似然比来决定何时停止辩论，在GSM8K上以3.7倍调用减少换取2个百分点的精度损失。该方法主要关注计算效率而非准确性提升，与关键词中的agent概念有一定关联但缺乏开创性。
On-Device Continual Learning with Dual-Stage Buffer and Dynamic Loss for Point-of-Care Pneumonia Diagnosis
Danu Kim
cs.LG cs.AI
本文提出了一种用于肺炎诊断的域增量学习方法PneumoNet，结合轻量级CNN、双阶段平衡缓冲区和动态类加权损失，在资源受限设备上实现了86.6%的准确率和1.4%的遗忘率。该方法主要关注医疗领域的持续学习应用，与关键词中的概念关联较弱。
Worst-Group Equalized Odds Regularization for Multi-Attribute Fair Medical Image Classification
Nikhil Cherian Kurian et al.
cs.LG cs.CV
本文提出了一种最差组等化几率正则化方法，用于多属性公平医学图像分类。该方法通过识别在真阳性率和假阳性率上偏差最大的子组并施加统一惩罚，在多个人口统计属性上同时优化公平性，在保持AUC性能的同时减少了等化几率差异。
DeRegiME: Deep Regime Mixtures for Probabilistic Forecasting under Distribution Shift
Kieran Wood, Stefan Zohren, Stephen J. Roberts
cs.LG stat.ML
本文提出DeRegiME，一种基于稀疏变分高斯过程的深度机制混合模型，用于在分布漂移下进行概率时间序列预测。该方法通过非平稳机制混合核和Student-t似然函数，将潜在的不确定性机制与信号分离，并实现了可解释的均值-残差-噪声分解。
GAE Falls Short in Imperfect-Information Self-Play Reinforcement Learning
Zhiyuan Fan, Gabriele Farina
cs.LG cs.GT
本文指出在非完美信息博弈的自对弈强化学习中，标准广义优势估计因随机未来动作采样引入额外方差，并提出了基于集中式动作值critic的方差缩减优势估计器\(Q\)-boosting，进而提出方差缩减策略优化算法VRPO。该方法在多步备份中替换为多步Expected SARSA\((\lambda)\)迹以平均动作采样噪声，在斗地主和无限注德州扑克等游戏中取得了强性能。
Euclidean Embedding of Data Using Local Distances
Dimitris Arabadjis
cs.LG cs.AI cs.CG
本文研究仅给定局部距离图时恢复数据全局一致Euclidean embedding的问题，提出一种基于变分问题的方法，通过匹配图上局部距离与Euclidean metric来获得embedding。该方法仅需邻域距离图，无需特征向量，并通过迭代更新的稀疏线性问题求解非线性Euler-Lagrange方程。
Beyond Extrapolation: Knowledge Utilization Paradigm with Bidirectional Inspiration for Time Series Forecasting
Liu Chong et al.
cs.LG
本文提出KUP-BI，一种通过从训练历史库中提取续接模式（continuation-style knowledge）作为近似后目标续接代理（post-target continuation proxy），并将其与标准预测主干融合的时间序列建模范式。该方法通过轻量级特征级门控模块融合输入流与续接代理流，为模型提供结构化归纳偏置，在六个公开数据集上提升了现有最先进模型的预测性能。
ExECG: An Explainable AI Framework for ECG models
Jong-Hwan Jang, Yong-yeon Jo
cs.LG cs.AI
本文提出了ExECG，一个用于心电图（ECG）模型的可解释AI框架，包含Wrapper、Explainer和Visualizer三个标准化流水线阶段，旨在提高ECG可解释性研究的可复用性和可复现性。
Backdooring Masked Diffusion Language Models
Daniel Yiming Cao et al.
cs.LG cs.CR
本文首次系统研究了Masked Diffusion Language Models (MDLMs)在训练阶段的后门攻击问题，提出了SHADOWMASK方法，通过修改前向加噪过程（将标准全掩码终端分布替换为触发-掩码混合先验）来植入后门。实验表明该方法在多个数据集和模型上实现了接近100%的攻击成功率，且能保持干净数据的生成性能。
From Simple to Complex: Curriculum-Guided Physics-Informed Neural Networks via Gaussian Mixture Models
Jianan Yang et al.
cs.LG math.NA
本文提出了一种基于Gaussian Mixture Models的课程引导物理信息神经网络(CGMPINN)，通过动态调整训练焦点来求解PDEs，并在多个基准问题上取得了更低的误差。该方法主要关注训练过程的优化，与关键词中的spectral等概念关联较弱。
CODA: Rewriting Transformer Blocks as GEMM-Epilogue Programs
Han Guo et al.
cs.LG
CODA提出了一种将Transformer中的内存受限算子（如归一化、激活函数等）重写为GEMM加Epilogue程序的GPU kernel抽象，通过将计算融合到GEMM输出tile写回内存之前来减少数据移动。该方法在保持专家级GEMM性能的同时，覆盖了标准Transformer块中几乎所有的非注意力计算。
EviTrack: Selection over Sampling for Delayed Disambiguation
Omer Haq
cs.LG cs.AI stat.ML
本文提出EviTrack，一种在延迟消歧场景下基于轨迹假设选择而非边际采样的测试时推理框架，通过维护竞争性轨迹假设并应用证据与似然比选择来延迟决策。实验表明，在匹配推理预算下，EviTrack优于基于采样的基线方法，强调了在延迟消歧中“选择优于采样”的原则。
Cross-Paradigm Knowledge Distillation: A Comprehensive Study of Bidirectional Transfer Between Random Forests and Deep Neural Networks for Big Data Applications
Mahdi Naser Moghadasi
cs.LG
本文首次系统研究了随机森林与深度神经网络之间的双向知识蒸馏，提出了多阶段蒸馏、多教师集成蒸馏和不确定性感知跨范式迁移机制。实验表明该方法在分类和回归任务上均取得有竞争力性能，为大数据环境下的模型部署提供了灵活性。
A Two-Phase Adaptive Balanced Penalty Method for Controllable Pareto Front Learning under Split Feasibility Conditions
Nguyen Viet Hoang, Dung D. Le, Tran Ngoc Thang
cs.LG math.OC
本文针对可控Pareto前沿学习中的分裂可行性约束问题，提出了一种两阶段自适应平衡惩罚方法(ABP)，通过将约束Pareto问题重新表述为双层标量化分裂问题(BSSP)并设计自适应指标融合三个梯度分量，在标准凸性假设下证明了全序列收敛性。实验表明该方法在多个多目标基准上显著提升了约束满足率。
An Objective Performance Evaluation of the LSTM Networks in Time Series Classification
Sooraj Sunil, Balakumar Balasingam
cs.LG eess.SP
本文通过Monte Carlo模拟，在标量线性Gaussian状态空间模型上比较了LSTM分类器与基于模型的EM分类器在二值时间序列分类中的性能。结果表明，EM分类器在数据符合模型假设时表现更好，而LSTM分类器需要更大的噪声统计差异才能实现可靠分类。
BrainDyn: A Sheaf Neural ODE for Generative Brain Dynamics
Siddharth Viswanath et al.
cs.LG
本文提出BrainDyn，一种结合sheaf theory与neural ODE的生成模型，用于模拟大脑动态活动。它通过LSTM编码历史活动，并利用sheaf Laplacian在脑区之间传递信息，最终由neural ODE控制连续时间演化。
An Exterior Method for Nonnegative Matrix Factorization
Qiujing Lu et al.
cs.LG
本文提出了一种用于Nonnegative Matrix Factorization (NMF)的外部方法(eNMF)，通过先求解无约束低秩近似再通过旋转映射到非负orthant边界，将非负性约束与低秩近似分离。该方法在多个数据集上相比9种现有算法和9种初始化方案，在等时间设置下重建误差降低高达30%，在等误差设置下加速高达150%。
What Makes a Representation Good for Single-Cell Perturbation Prediction?
Wenkang Jiang et al.
cs.LG
本文针对单细胞扰动预测中扰动信号稀疏且被不变信息主导的问题，提出了PerturbedVAE框架，通过显式分离扰动特异性信息与不变结构来学习因果表示。实验表明该方法在多个评估设置下达到了最优性能。
Accurate, Efficient, and Explainable Deep Learning Approaches for Environmental Science Problems
Jimeng Shi
cs.LG
本文针对环境科学中的三个问题（洪水预测、全球天气预报、科学问答）分别提出了深度学习模型WaLeF、CoDiCast和Hypercube-RAG，旨在提升预测的准确性与效率，并增强可解释性。这些方法主要面向应用，在理论或方法上未体现出与关键词（如spectral, Muon, pretrain, agent, attention）直接相关的开创性贡献。
The Evaluation Game: Beyond Static LLM Benchmarking
Paul Wang et al.
cs.LG cs.AI
本文提出一个博弈论框架，将LLM安全评估中的对抗性攻击与防御形式化为一个两玩家博弈，并使用group action（群作用）来形式化数据增强。通过理论分析和实验，作者发现模型对对抗性prompt的微调仅产生局部泛化，并重新定义了基准测试为评估者群作用下的轨道。
Understanding Dynamics of Adam in Zero-Sum Games: An ODE Approach
Yi Feng, Weiming Ou, Xiao Wang
cs.LG
本文通过推导Adam-DA的常微分方程(ODE)连续时间极限，分析了其在零和博弈中的局部收敛性与隐式梯度正则化，发现一阶和二阶动量参数的作用与最小化问题中的效果完全相反。
TIDE: Asymmetric Neural Circuits for Stabilized Temporal Inhibitory-Excitatory Dynamics
Alexander Kyuroson, Denis Kleyko, Marcus Liwicki
cs.LG
本文提出TIDE架构，通过不对称兴奋-抑制神经网络模拟神经动力学，并利用Wilson-Cowan动力学和侧向抑制实现稳定。该模型在ImageNet上以不到CTM一半的训练时间提升了1.65%的top-1准确率。
A Bitter Lesson for Data Filtering
Christopher Mohri, John Duchi, Tatsunori Hashimoto
cs.LG cs.AI
本文通过新的scaling研究探讨了大规模模型预训练中的数据过滤问题，发现在高计算量、数据稀缺的情况下，不进行数据过滤反而效果更好。实验表明，经过充分训练的大参数模型不仅能容忍低质量和干扰数据，甚至能从这些“劣质”数据中获益。
Unlocking the Potential of Continual Model Merging: An ODE Perspective
Lihong Lin, Haidong Kang
cs.LG cs.AI
本文从ODE视角研究Continual Model Merging (CMM)问题，提出ODE-driven Merging (ODE-M)方法，通过积分时变velocity field并施加barrier constraints来追踪低loss连接路径，以缓解顺序合并任务时的灾难性遗忘问题。
CEPO: RLVR Self-Distillation using Contrastive Evidence Policy Optimization
Ahmed Heakl et al.
cs.LG cs.CL cs.CV
本文提出Contrastive Evidence Policy Optimization (CEPO)方法，通过对比正确与错误答案的token级偏好信号来改进RLVR中的credit分配，在数学推理基准上取得优于GRPO的性能。该方法利用训练batch中已有的rejected rollouts构建负例教师，无需额外采样成本。
When the Majority Votes Wrong, the Intervention Timing for Test-Time Reinforcement Learning Hides in the Extinction Window
Hongxiang Lin et al.
cs.LG cs.AI
本文指出Test-time Reinforcement Learning (TTRL)在数学推理基准上的性能提升主要源于对已可解问题的锐化，而非真正的学习，并发现正确信号在低能力问题中存在一个短暂的“Correct-Answer Extinction Window”。为此，作者提出TTRL-Guard框架，通过Flip-Rate-Aware Reward Scaling等机制干预该窗口，以减少错误投票带来的不可逆损害。
Implicit Bias of Mirror Flow in Homogeneous Neural Networks: Sparse and Dense Feature Learning
Tom Jacobs, Guido Montufar
cs.LG
本文研究了具有homogeneous activation functions的深度神经网络中mirror flow达到的最大间隔解。通过凸对偶性推导了新的平衡方程，并刻画了诱导间隔的horizon function，同时给出了收敛速率和范数增长估计。实验表明不同的non-homogeneous mirror maps可诱导相同的最大间隔解，且收敛可能极慢，但所有mirror map均表现出feature learning，产生从稀疏到密集的神经元激活表示。
Quantifying the Pre-training Dividend: Generative versus Latent Self-Supervised Learning for Time Series Foundation Models
Noam Major, Kathy Razmadze, Yoli Shavit
cs.LG cs.AI
本文建立了一个控制框架来量化时间序列中自监督学习的“预训练红利”，比较了生成式与潜在对齐架构，并发现预训练对异常检测和分类任务提升显著（最高375%），但对预测任务提升有限。研究还表明表示质量与数据来源无关，并在中等架构深度下饱和。
Sampling-Based Safe Reinforcement Learning
Luca Vignola et al.
cs.LG cs.AI cs.RO
本文提出了一种基于采样的安全强化学习方法(SBSRL)，通过在一组有限动力学样本上联合施加约束来近似最坏情况优化，从而在连续域中实现安全探索。该方法利用不确定性约束引导探索，并提供了学习过程中安全性的高概率保证。
Adynamical systems view of training generativemodels and the memorization phenomenon
Siva Athreya, Chiranjib Bhattacharya, Vivek S. Borkar
cs.LG
本文从动力系统视角，利用随机梯度下降中的双时间尺度动力学和生成模型中的坍缩现象，为生成模型中的记忆化现象提供了一种系统理论解释，主要依赖于训练阶段的动态特性。
The Silent Hyperparameter: Quantifying the Impact of Inference Backends on LLM Reproducibility
David Pape, Jonathan Evertz, Lea Schönherr
cs.LG
本文调查了LLM推理后端（如vLLM、SGLang等）对基准测试结果的影响，发现仅后端选择即可导致高达16.6个百分点的分数差异，并指出推理栈的细节在文献中很少被报告。
Online Market Making and the Value of Observing the Order Book
Davide Maran, Marcello Restelli
cs.LG stat.ML
本文研究在线做市问题，提出了一种基于行动依赖反馈（action-dependent feedback）的模型，并针对随机和对抗性市场环境设计了算法，证明了\(O(\sqrt T)\)或\(O(T^{2/3})\)的regret界。该工作量化了观察order book在在线做市中的价值，但与关键词列表中的概念关联较弱。
Physics-Informed Graph Neural Network Surrogates for Turbulent Nanoparticle Dispersion in Dental Clinical Environments
Takshak Shende, Viktor Popov
cs.LG physics.flu-dyn
本文提出ELGIN，一种物理信息图神经网络代理模型，用于预测牙科诊所中湍流纳米颗粒的扩散。该模型结合了图Transformer和拉格朗日交互网络，在单个案例上比纯拉格朗日基线更准确地追踪颗粒云，并实现了约37倍的加速。
A Family of Divergence Measures for Evaluating the Reconstruction Quality of Explainable Ensemble Trees
Massimo Aria, Agostino Gnasso, Carmela Iorio
cs.LG stat.ME
本文提出了一种基于Cressie-Read power divergence族的归一化Loss of Interpretability (nLoI)框架，用于评估可解释集成树模型的重建质量。该框架通过分解为节点内和节点间分量，提供了比传统相关性方法更精细的诊断能力，并在蒙特卡洛模拟中验证了其有效性。
Optimal Reconstruction from Linear Queries
Yuval Filmus, Shay Moran, Elizaveta Nesterova
cs.LG
本文研究了从近似线性查询中重建\(\mathbb{R}^d\)中未知点的问题，刻画了最优重建误差与查询次数\(T\)、维度\(d\)和噪声参数\(\delta\)的关系。主要结果包括当\(T \to \infty\)时误差收敛到显式值\(\sqrt{2d/(d+1)} \delta\)，以及固定维度下超指数衰减的误差率。
OScaR: The Occam's Razor for Extreme KV Cache Quantization in LLMs and Beyond
Zunhai Su et al.
cs.LG cs.CL
本文提出OScaR框架，通过Canalized Rotation和Omni-Token Scaling技术解决KV cache量化中的Token Norm Imbalance问题，在INT2量化下实现近无损性能，并提升解码速度3.0倍、减少内存占用5.3倍。
Agentic Discovery of Cryomicroneedle Formulations
Hao Li et al.
cs.LG q-bio.QM
本文提出了一种AI辅助的闭环工作流，用于发现冷冻微针的冷冻保护剂配方，结合了文献整理、高斯过程代理建模、贝叶斯优化和湿实验验证。该方法在湿实验校正后取得了较好的预测效果，但整体方法更偏向工程应用而非理论创新。
MSAlign: Aligning Molecule and Mass Spectra Foundation Models for Metabolite Identification
Paul Krzakala et al.
cs.LG
本文提出了MSAlign框架，通过轻量MLP投影对齐两个冻结的foundation models（DreaMS和ChemBERTa），用于从质谱数据中检索代谢物分子结构。该方法在多个基准上表现优异，并探讨了数据划分策略中数据泄露与域偏移的权衡问题。
AR1-ZO: Topology-Aware Rank-1 Zeroth-Order Queries for High-Rank LoRA Fine-Tuning
Ziye Chen et al.
cs.LG cs.AI
本文针对大语言模型微调中，结合Zeroth-order (ZO) 优化与LoRA时出现的秩悖论问题，提出了一种拓扑感知的AR1-ZO方法。该方法通过交替查询秩-1原子并采用拓扑感知缩放，在不增加额外前向查询的情况下，恢复了秩不变的有限差分信号，使高秩LoRA在标准ZO查询预算下变得有效。
B-cos GNNs: Faithful Explanations through Dynamic Linearity
Joschka Groß, Mohammad Shaique Solanki, Verena Wolf
cs.LG
本文提出B-cos GNNs，一种通过动态线性映射实现逐节点、逐特征贡献分解的可解释图神经网络，在牺牲少量预测精度的情况下显著提升可解释性并加速解释生成。
Latent Laplace Diffusion for Irregular Multivariate Time Series
Zinuo You, Jin Zheng, John Cartlidge
cs.LG cs.AI stat.ML
本文提出Latent Laplace Diffusion (LLapDiff)框架，用于不规则多元时间序列的长时域预测。该方法将目标建模为低维潜在轨迹，利用Laplace域中的可学习复共轭极点参数化均值演化，从而避免逐步积分。实验表明其在长时域预测和缺失值插补上优于基线。
FLUXtrapolation: A benchmark on extrapolating ecosystem fluxes
Anya Fries et al.
cs.LG cs.AI stat.AP stat.ML
本文提出了FLUXtrapolation基准，用于评估在生态系统通量外推中面对分布偏移时的机器学习方法。该基准设计了时间、空间和温度等外推场景，并发现基线方法在标准指标下表现相似，但在尾部误差和多尺度评估中存在差异。
General Lower Bounds for Differentially Private Federated Learning with Arbitrary Public-Transcript Interactions
Yicheng Li
cs.LG math.ST
本文针对差分隐私联邦学习协议，在任意公开交互记录下，证明了参数估计的通用下界。该下界适用于满足总客户端样本级零集中差分隐私约束的估计器，并通过均值估计、线性回归和非参数回归等应用进行了说明。
ST-TGExplainer: Disentangling Stability and Transition Patterns for Temporal GNN Interpretability
Hongjiang Chen et al.
cs.LG cs.AI
本文提出ST-TGExplainer，一种用于时序图神经网络(TGNN)的可解释性方法，通过解耦稳定性模式(历史交互)和过渡模式(首次交互)来生成更忠实的解释。该方法使用解耦信息瓶颈目标学习紧凑的解释性子图，在保持预测性能的同时抑制两种模式间的冗余。
Smooth Piecewise Cutting for Neural Operator to Handle Discontinuities and Sharp Transitions
Ha Dang, Sebastian Schmidt, Juergen Hesser
cs.LG cs.AI math.AP math.DS stat.ML
本文提出Cut-DeepONet，一种两阶段训练框架，通过将domain划分为smooth subregions并将discontinuities表示为高维空间中的边界，来显式处理PDE求解中的不连续和sharp transitions问题。该方法在低分辨率数据上优于现有方法，但并未直接涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
Set-Valued Policy Learning
Laura Fuentes-Vicente et al.
cs.LG math.ST
本文提出了一种set-valued policy learning范式，用于多治疗场景，通过输出一组可行治疗而非单一推荐来量化决策不确定性。该方法扩展了learning-to-defer框架并引入conformal policy learning，在合成数据和IVF应用中展示了鲁棒性。
A Closed-loop, State-centric, Multi-agent Framework for Passenger Load Estimation from Heterogeneous Data Streams
Yiyao Xu et al.
cs.LG cs.AI eess.SY
本文提出了一种闭环、状态中心的多智能体框架，用于从异构数据流中估计乘客负载，通过强制物理可行性、动态分配证据源信任度以及将物理残差反馈至训练过程来提升鲁棒性。该框架包含统一的事件主干、感知-物理-融合循环以及可选的宏观校正模块。
Fast Tensorization of Neural Networks via Slice-wise Feature Distillation
Safa Hamreras, Sukhbinder Singh, Román Orús
cs.LG
本文提出了一种基于切片特征蒸馏的神经网络张量化压缩框架，通过将网络分解为独立切片并分别进行张量化来复现原始预训练模型的中间表示，避免了传统全局张量分解方法中昂贵的全局微调。实验表明该方法在ResNet-34和GPT-2 XL上实现了接近无损的压缩效果，并支持分布式优化。
StableGrad: Backward Scale Control without Batch Normalization
Jose I. Mestre et al.
cs.LG cs.AI
本文提出StableGrad，一种在optimizer层面控制权重梯度尺度的机制，无需修改前向模型即可校正层间梯度不平衡。该方法主要应用于Physics-Informed Neural Networks (PINNs)和去除了Batch Normalization的卷积网络，能稳定训练并提升深度模型的可靠性。
Hierarchical Contrastive Learning for Multi-Domain Protein-Ligand Binding
Shuo Zhang et al.
cs.LG q-bio.QM
本文提出了HCLBind框架，通过层次化对比学习解耦蛋白质-配体结合亲和力预测中的几何表示学习与回归任务，并采用预训练策略和混合架构来提升多域蛋白质的预测性能。该方法主要针对多域蛋白质的柔性区域噪声问题，但与我提供的关键词列表契合度较低。
Fast and Featureless Node Representation Learning with Partial Pairwise Supervision
Sujan Chakraborty, Saptarshi Bej
cs.LG cs.AI
本文提出Contrastive FUSE框架，用于在无节点特征且仅有部分成对标签的图中进行快速节点表示学习。该方法通过谱对比目标结合社区感知结构与符号约束，并采用轻量级近似替代昂贵的modularity梯度，在百万边图上实现高效优化。
JAXenstein: Accelerated Benchmarking for First-Person Environments
Ruo Yu Tao, George Konidaris
cs.LG
本文介绍了JAXenstein，一个基于JAX的Wolfenstein 3D渲染引擎benchmark，用于加速视觉第一人称任务的强化学习实验。该benchmark比同类视觉benchmark快数倍，并易于扩展到更复杂的第一人称领域。
A Measure-Theoretic Analysis of Reasoning: Structural Generalization and Approximation Limits
Yuyang Zhang et al.
cs.LG cs.AI cs.CC cs.CL
本文通过最优传输理论将推理过程形式化，利用Wasserstein-1距离量化域偏移，并基于Kantorovich对偶性分析了OOD泛化的边界。研究指出位置相关注意力机制（如绝对位置编码）无法保持平移不变性，而旋转位置嵌入等机制则能保持等变性并约束误差。
Exploiting Non-Negativity in DAG Structure Learning
Samuel Rey, Madeline navarro, Gonzalo Mateos
cs.LG
本文针对线性结构方程模型下的有向无环图（DAG）学习问题，通过限制边权非负来简化acyclicity约束，并基于乘子法提出了一种正则化非负DAG学习算法。理论分析表明在总体情形下真实DAG是唯一全局最小点且无虚假驻点，实验验证了该方法优于现有连续DAG学习方案。
Normative Networks for Source Separation via Local Plasticity and Dendritic Computation
Bariscan Bozkurt et al.
cs.LG eess.SP
本文提出Predictive Entropy Maximization方法，通过局部权重更新和近似熵度量实现盲源分离，其前馈突触采用误差驱动规则，侧向抑制连接使用局部Hebbian可塑性。该方法在源相关性和观测噪声下表现稳健，但未涉及代码生成、上下文建模或谱方法等关键词相关领域。
Detecting Fluent Optimization-Based Adversarial Prompts via Sequential Entropy Changes
Mohammed Alshaalan, Miguel R. D. Rodrigues
cs.LG cs.AI
本文提出了一种基于在线change-point detection的对抗性suffix检测方法CPD Online (CPD)，通过分析token级next-token entropy序列的变化来检测优化生成的对抗性prompt。该方法无需训练且与模型无关，在多个开源LLM上相比基于perplexity的基线方法取得了更好的F1分数。
Your Neighbors Know: Leveraging Local Neighborhoods for Backdoor Detection in Decentralized Learning
Sayan Biswas et al.
cs.LG
本文提出Argus，一种针对去中心化学习（DL）中后门攻击的检测框架。它利用节点间共享的局部触发器信息，通过结构相似性度量区分真实后门与数据异质性导致的误报，并首次为该类机制提供了理论收敛保证。实验表明，Argus在保持模型效用接近理想状态的同时，能显著降低攻击成功率。
Block-Sphere Vector Quantization
Heesang Ann, Joongkyu Lee, Min-hwan Oh
cs.LG cs.AI cs.DB cs.DS
本文对EDEN、RabitQ和TurboQuant等基于旋转的quantizer进行了统一的理论比较，指出其相对优势依赖于distortion准则。并提出了Block-Sphere Quantization (BlockQuant)，一种基于球面几何的block quantization算法，理论上改进了reconstruction MSE和expected inner-product distortion。
Learning with Foresight: Enhancing Neural Routing Policy via Multi-Node Lookahead Prediction
Xia Jiang et al.
cs.LG cs.AI
本文提出了一种名为Multi-node Lookahead Prediction (MnLP)的训练策略，通过同时预测多个未来节点来增强神经策略在车辆路径问题中的长期规划能力。该方法在训练阶段引入辅助监督，但推理时无额外开销，实验表明其能提升模型在不同问题规模和分布上的泛化性能。
LLM Benchmark Datasets Should Be Contamination-Resistant
Ali Al-Lawati et al.
cs.LG cs.AI cs.CR
本文指出LLM benchmark数据集常被预训练语料污染，并提出应构建“抗污染”数据集，使其不可学习但支持推理。文章讨论了利用Transformer架构中推理与训练的不对称性来实现这一目标，并呼吁社区开发相关方法。
Fine-Tuning Without Forgetting via Loss-Adaptive Learning Rates
Parjanya Prajakta Prashant et al.
cs.LG
本文提出了一种名为FINCH的损失自适应学习率调度方法，通过降低高损失批次的学习率来缓解大语言模型微调中的灾难性遗忘问题，在多个基准上平均减少93%的遗忘且不牺牲任务性能。该方法主要关注微调过程中的遗忘控制，与关键词中的code、spectral、Muon、agent等概念无直接关联。
Training Neural Networks with Optimal Double-Bayesian Learning
Vy Bui et al.
cs.LG cs.AI cs.NE
本文提出了一种基于双贝叶斯决策机制的随机梯度下降学习率优化框架，通过两个对抗的贝叶斯过程推导出理论最优学习率。实验验证了该方法在分类、分割和检测任务中的有效性。
Training-Free Bayesian Filtering with Generative Emulators
Thomas Savary, François Rozet, Gilles Louppe
cs.LG physics.ao-ph
本文提出了一种无需额外训练的贝叶斯滤波方法，利用扩散模型作为动力系统的生成式模拟器，实现了粒子滤波在高维非线性混沌系统（如大气动力学）中的有效扩展。该方法通过生成式模拟器解决了传统粒子滤波在高维空间中的可扩展性问题。
Take It or Leave It: Intent-Controlled Partial Optimal Transport
Salil Parth Tripathi et al.
cs.LG
本文提出了一种名为intent-controlled partial optimal transport (IC-POT)的广义部分最优传输方法，通过引入逐点拒绝成本替代全局拒绝机制，并证明该问题可转化为增广支撑集上的平衡Kantorovich OT问题。该方法在正无标签学习和开放部分域适应等任务中展示了应用价值。
CAMERA: Adapting to Semantic Camouflage in Unsupervised Text-Attributed Graph Fraud Detection
Junjun Pan et al.
cs.LG cs.MM
本文提出CAMERA框架，用于无监督文本属性图欺诈检测，通过解耦的多专家架构和上下文感知门控模型，自适应整合不同欺诈线索，并利用欺诈者的稀有性进行单类学习，以应对语义伪装问题。实验表明该方法在多个数据集上优于现有方法。
D$^3$-Subsidy: Online and Sequential Driver Subsidy Decision-Making for Large-Scale Ride-Hailing Market
Taijie Chen et al.
cs.LG
本文提出D\(^3\)-Subsidy框架，用于网约车平台中司机端补贴的在线序贯决策。该框架采用层次化扩散模型生成未来轨迹，并通过拉格朗日对偶映射将城市级补贴计划转化为细粒度激励，同时满足响应随机冲击、补贴率上限和低延迟执行等约束。
When Critics Disagree: Adaptive Reward Poisoning Attacks in RIS-Aided Wireless Control System
Deemah H. Tashman, Soumaya Cherkaoui
cs.LG cs.AI
本文提出了一种针对RIS辅助无线控制系统中SAC智能体的自适应奖励投毒攻击方法DGRP，通过利用双评论家网络的分歧来破坏奖励信号，从而降低系统性能。实验表明该攻击比周期性或探索触发的基线方法更具破坏性。
Active Context Selection Improves Simple Regret in Contextual Bandits
Mohammad Shahverdikondori, Jalal Etesami, Negar Kiyavash
cs.LG
本文研究了有限context space下的contextual multi-armed bandit问题，允许学习者主动选择采样哪个context以最小化context-weighted simple regret。文章刻画了被动采样与主动采样的tight regret rate，并提出了当context分布未知时的EETC算法。
Smooth Partial Lotteries for Stable Randomized Selection
Alexander Goldberg, Giulia Fanti, Nihar B. Shah
cs.LG cs.GT
本文提出了一种名为Clipped Linear Lottery的平滑部分抽签机制，用于稳定随机选择过程。该机制通过Lipschitz条件形式化平滑性，并证明了其在最坏情况下的遗憾与任何平滑选择规则的下界相匹配。实验表明，现有抽签设计在分数扰动下高度不稳定，而所提方法在平滑性与效用之间取得了更好的权衡。
Towards Distillation Guarantees under Algorithmic Alignment for Combinatorial Optimization
Thien Le, Melanie Weber
cs.LG
本文研究了组合优化任务中知识蒸馏的理论保证，关注于目标模型（如与动态规划算法对齐的图神经网络）在源模型满足线性表示假设时的蒸馏成功条件。该工作为算法对齐框架下的蒸馏提供了理论分析。
INSHAPE: Instance-Level Shapelets for Interpretable Time-Series Classification
Seongjun Lee, Seokhyun Lee, Changhee Lee
cs.LG cs.AI
本文提出INSHAPE框架，通过为每个时间序列实例发现可变长度的判别性temporal patterns（shapelets）并建模其时间依赖关系，以解决现有shapelet方法仅关注全局模式而忽略实例特定特征的问题。该方法在多个基准数据集上优于现有shapelet方法，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Draft Less, Retrieve More: Hybrid Tree Construction for Speculative Decoding
Yuhao Shen et al.
cs.LG cs.AI
本文提出了一种名为Graft的框架，通过“剪枝-嫁接”机制优化推测解码中的draft tree构建，利用剪枝释放的计算预算来检索并补充被剪枝丢弃的token，从而在不增加开销的情况下提升接受率。该方法无需训练且无损失，在短上下文和长上下文生成任务中均实现了加速。
Optimal Representation Size: High-Dimensional Analysis of Pretraining and Linear Probing
Valentina Njaradi et al.
cs.LG
本文通过高维分析，研究了预训练（pretraining）与线性探测（linear probing）两阶段范式下的最优表示维度（representation size）。作者将结构提取形式化为无标签数据上的PCA，将下游学习形式化为有标签数据上的线性回归，并推导了训练与泛化误差的精确表达式，揭示了表示维度、样本量与任务对齐度之间的权衡关系。
Beyond Isotropy in JEPAs: Hamiltonian Geometry and Symplectic Prediction
Robert Jenkinson Alvarez
cs.LG cs.AI
本文研究了JEPA中非各向同性正则化的影响，指出固定边缘分布无法适应未知的下游几何结构，并提出HamJEPA方法，通过Hamiltonian几何和辛预测来编码视图间的耦合，在CIFAR-100和ImageNet-100上取得了性能提升。
Toto 2.0: Time Series Forecasting Enters the Scaling Era
Emaad Khwaja et al.
cs.LG cs.AI
本文提出了Toto 2.0系列时间序列基础模型，通过统一的训练策略实现了从4M到2.5B参数规模的可扩展性能提升，并在多个基准测试上取得了最优结果。文章详细介绍了模型架构、训练数据和超参数迁移方法，但未涉及关键词中的核心概念。
TrajTok: Adaptive Spatial Tokenization for Trajectory Representation Learning
Zhen Xiong, Shang-Ling Hsu, Cyrus Shahabi
cs.LG
本文提出TrajTok，一种用于轨迹表示学习的自适应空间tokenization方法，通过多分辨率六边形网格划分和因子化transformer编码器处理GPS轨迹数据。该方法在多个下游任务上表现良好，但与我提供的关键词（如code, context, spectral, Muon, agent等）关联度较低。
When Does Model Collapse Occur in Structured Interactive Learning?
Yuchen Wu, Kangjie Zhou, Weijie Su
cs.LG math.ST
本文研究了结构化交互学习环境中模型崩溃发生的条件，通过有向图形式化模型交互，并推导了模型崩溃发生的充要条件，为线性回归和一般M-estimator提供了理论保证。
SAGE: Scalable Automatic Gating Ensemble for Confident Negative Harvesting in Fraud Detection
Sudheer Tubati, Amit Goyal
cs.LG cs.CR cs.IR
本文提出了一种名为SAGE的可扩展自动门控集成方法，用于在音乐流媒体欺诈检测中从无标签数据中识别可信负样本。该方法结合了SimHash分层采样和模块化门控集成，以解决正无标签学习中的表示偏差问题。
Atoms of Thought: Universal EEG Representation Learning with Microstates
Xinyang Tian et al.
cs.LG cs.AI
本文提出了一种基于微状态（microstates）的通用EEG表示学习方法，通过将连续的EEG信号聚类为离散的微状态序列，并在多个下游任务中验证了其优于传统时域和频域特征。该方法在可解释性和可扩展性方面具有优势，但与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。

cs.AI

Learning to Hand Off: Provably Convergent Workflow Learning under Interface Constraints ⭐ 精选
Jiayu Li et al.
cs.AI
本文提出了一种在接口约束下的多agent工作流学习框架IC-SMDP，并设计了异步去中心化Q-learning算法IC-\(Q\)，其中agent间仅在交接时通过单个标量进行协调。主要贡献是给出了神经IC-\(Q\)的有限样本界，该界分解为神经函数逼近误差、接口表示间隙和混合时间残差三个独立可控的误差源，这需要将approximate information state (AIS)框架从单agent原始步MDP提升到多agent SMDP并控制随机持续时间下的Markovian噪声。据我们所知，这是去中心化部分可观测性下神经Q-learning的首个有限样本保证，实验验证了该界在合成IC-SMDP、多LLM数学推理、多agent路由和多agent CPU编程中的有效性。该工作与关键词“agent”高度契合，解决了多agent协作学习中的长期理论问题。
AQuaUI: Visual Token Reduction for GUI Agents with Adaptive Quadtrees ⭐ 精选
Yuankai Li et al.
cs.AI cs.CV cs.MA
本文提出AQuaUI，一种无需训练的推理时visual token reduction方法，用于GUI agent模型。该方法利用GUI截图非均匀的空间信息密度，通过构建adaptive quadtree（自适应四叉树）在每个截图输入上保留每个叶子节点的一个代表性merged token，并保持token的空间位置一致性。此外，为提升多步GUI交互的时间一致性，提出conditional quadtree算法，利用连续截图间的连续性优化当前quadtree。该方法在state-of-the-art GUI agent模型上实现了更好的accuracy-efficiency trade-off，与关键词中的agent和attention（通过token压缩间接相关）较为契合。
MOCHA: Multi-Objective Chebyshev Annealing for Agent Skill Optimization ⭐ 精选
Md Mehrab Tanjim et al.
cs.AI cs.LG cs.SE
本文提出MOCHA (Multi-Objective Chebyshev Annealing)方法，用于解决LLM agent skill优化中的多目标约束问题。该方法用Chebyshev scalarization替代传统的单目标或加权和选择，能够覆盖包括non-convex区域在内的完整Pareto front，并结合exponential annealing策略实现从探索到利用的平滑过渡。实验表明，在6个diverse agent skills任务中，MOCHA在所有任务上均取得提升，平均correctness相对最强baseline提升7.5%，并发现两倍以上的Pareto-optimal skill variants。该方法为agent skill优化提供了新的多目标优化框架，与关键词“agent”高度契合。
Conflict-Resilient Multi-Agent Reasoning via Signed Graph Modeling ⭐ 精选
Longgang He et al.
cs.AI
本文提出SIGMA框架，通过构建带符号的交互图(signed interaction graph)来显式建模agent间的信任、冲突和中性关系，并设计冲突感知的有符号消息传递(signed message passing)机制，在传播中增强可信信号并抑制冲突信号。该方法解决了现有基于图的multi-agent系统中缺乏对agent间冲突关系显式建模和结构感知的问题，为multi-agent reasoning提供了冲突鲁棒的聚合机制。实验表明SIGMA在多个benchmark上显著优于现有方法，与关键词"agent"高度契合。
Projecting Latent RL Actions: Towards Generalizable and Scalable Graph Combinatorial Optimization ⭐ 精选
Franco Terranova et al.
cs.AI cs.LG cs.NI
本文提出了一种名为projection agents的新型RL-GCO方法，通过将离散的图组合优化动作映射到连续的GNN-based action embedding space中，并在单次前向传播中预测latent action，再解码为有效离散动作，从而解决了现有方法在泛化性和计算可扩展性上的瓶颈。该方法在多个基准测试中实现了高达16.2倍的推理加速和40%的泛化性能提升，尤其适用于具有超线性决策空间和多个相互依赖变量的复杂问题。此外，作者还发布了LaGCO-RL库，支持自动构建latent action space并兼容现有RL-GCO解决方案，促进了该领域的可复现性和新基准的适配。
EngiAI: A Multi-Agent Framework and Benchmark Suite for LLM-Driven Engineering Design ⭐ 精选
Gioele Molinari et al.
cs.AI cs.LG cs.MA
本文提出了EngiAI，一个基于LangGraph的多智能体系统（Multi-Agent System, MAS）框架，用于协调七个专门agent（如拓扑优化、文档检索、HPC作业编排和3D打印机控制）以完成工程设计任务。同时，作者引入了一个包含工作流、检索增强生成（RAG）和高性能计算（HPC）三个维度的基准套件，用于评估LLM驱动的工程设计。实验表明，在条件分支任务上，模型完成率显著下降（20-53%），而RAG门控机制验证了检索对参数选择的近乎完美的贡献（\(\approx 1.0\)）。该工作为agent在工程设计中处理复杂工作流和长期指令遵循问题提供了系统性的评估框架。
Memory-Augmented Reinforcement Learning Agent for CAD Generation ⭐ 精选
Yin Xiaolong et al.
cs.AI cs.MA
本文提出了一种记忆增强的reinforcement learning框架用于CAD生成agent。该框架将底层几何内核封装为可调用的结构化工具链，并构建了包含设计意图理解、全局规划、执行和多维验证的闭环机制。通过设计由案例库和技能库组成的双轨记忆模块，并引入动态效用检索算法，agent能够避免语义相似但几何不可行的检索陷阱，实现在线自我修正和持续进化。实验表明，该方法在复杂CAD模型生成任务上显著提升了成功率和几何一致性。
From SGD to Muon: Adaptive Optimization via Schatten-p Norms ⭐ 精选
Thomas Massena, Corentin Friedrich, Mathieu Serrurier
cs.AI
本文提出了一种基于Schatten-p范数的自适应优化框架，通过从梯度与激活统计量中推导闭式准则，动态选择每层深度神经网络的最优LMO几何结构，从而在SGD与Muon更新之间实现插值。该方法将参数级预处理与矩阵级约束统一，使SGD、Muon、Adam及MuAdam成为其特例，并仅引入约3%的运行时开销。实验表明，该数据驱动优化器在三种训练场景下性能优于或持平于Muon与AdamW中的最优者，为超越静态几何的优化器设计开辟了新路径。该工作与关键词中的Muon及spectral（通过Schatten-p范数）高度契合。
PEEK: Context Map as an Orientation Cache for Long-Context LLM Agents ⭐ 精选
Zhuohan Gu et al.
cs.AI cs.CL cs.LG
本文提出PEEK系统，通过构建一个称为context map的轻量级缓存结构，为长期与重复外部上下文（如文档库和代码仓库）交互的LLM agent提供可复用的定向知识（orientation knowledge）。该系统包含三个模块：Distiller从推理信号中提取可迁移知识，Cartographer将其转化为结构化编辑，以及基于优先级的Evictor在固定token预算下维护地图。实验表明，PEEK在长上下文推理和信息聚合任务上比强基线提升6.3-34.0%，同时减少93-145次迭代并降低1.7-5.8倍成本，在context learning任务上提升6.0-14.0%的求解率和7.8-12.1%的评分准确率，且这些增益在不同LM和agent架构（包括OpenAI Codex）上均成立。
Accelerating AI-Powered Research: The PuppyChatter Framework for Usable and Flexible Tooling
Chun-Hsiung Tseng et al.
cs.AI cs.IR
本文提出了PuppyChatter框架，旨在平衡AI开发中vendor-specific SDK的易用性与model abstraction的vendor-neutrality，通过提供更简化的开发范式来降低LLM应用开发的复杂性。该框架主要关注软件工程层面的可用性与灵活性，未涉及code、spectral、Muon等关键词相关的方法。
Position: Let's Develop Data Probes to Fundamentally Understand How Data Affects LLM Performance
Shiqiang Wang et al.
cs.AI cs.IR cs.LG
本文主张开发一种名为"data probes"的系统性方法，通过从随机过程中生成合成序列来研究数据特征如何影响LLM性能，并利用typical sets等理论概念分析这些序列的统计性质。该方法旨在超越当前依赖大规模实验的经验性启发式方法，为理解数据在LLM训练和推理中的作用提供理论基础。
Operationalizing Document AI: A Microservice Architecture for OCR and LLM Pipelines in Production
Yao Fehlis et al.
cs.AI cs.LG cs.SE
本文提出了一种用于文档AI的微服务架构，将classification、OCR和LLM的pipeline封装起来，并描述了其在每小时处理数千页多页文档时的生产部署经验。文章重点讨论了混合分类、GPU与CPU分离、异步处理及水平扩展等设计决策，并指出OCR是端到端延迟的主要瓶颈。
Evaluating the Utility of Personal Health Records in Personalized Health AI
Rory Sayres et al.
cs.AI
本文评估了大型语言模型（LLM，Gemini 3.0 Flash）在利用个人健康记录（PHR）作为context时回答用户健康查询的效用，发现加入PHR数据能显著提升回答的有用性、安全性和个性化程度。该工作主要关注医疗领域的应用评估，与我提供的关键词（如code, spectral, Muon, pretrain, agent, attention）关联度较低。
Learn-by-Wire Training Control Governance: Bounded Autonomous Training Under Stress for Stability and Efficiency
Anis Radianis
cs.AI cs.CL cs.LG
本文提出了一种名为LBW-Guard的训练控制层，它在AdamW优化器之上运行，通过观察训练遥测数据并施加有界控制来提升大语言模型训练的稳定性与效率。实验表明，该方法在Qwen2.5模型上能降低perplexity并加速训练，尤其在高学习率压力下表现优于AdamW。
AgentNLQ: A General-Purpose Agent for Natural Language to SQL
Olena Bogdanov et al.
cs.AI
本文提出了一种名为AgentNLQ的多智能体NL2SQL方法，通过使用LLM进行规划、编排、反思和自我修正，并结合语义增强的schema表示与业务规则，在BIRD基准上达到了78.1%的语义准确率。该方法主要贡献在于设计了优化的编排器以及上下文感知的schema富化方法，但未涉及spectral、Muon或attention等关键词相关技术。
KAN-MLP-Mixer: A comprehensive investigation of the usage of Kolmogorov-Arnold Networks (KANs) for improving IMU-based Human Activity Recognition
Mengxi Liu et al.
cs.AI eess.SP
本文提出了一种混合KAN-MLP架构用于基于IMU的人体活动识别，通过将KAN模块作为输入嵌入层并保留MLP进行特征混合，在多个数据集上相比纯MLP模型提升了平均macro F1分数5.33%。该工作主要关注实际应用中的噪声鲁棒性与计算效率平衡，但方法本身在理论或长期问题解决上缺乏显著开创性。
Trustworthy Agent Network: Trust in Agent Networks Must Be Baked In, Not Bolted On
Yixiang Yao et al.
cs.AI
本文提出Agent-to-Agent (A2A)网络中的可信性问题，认为信任必须从网络设计之初就内建，而非事后修补。文章构建了一个包含四个设计支柱的概念框架，但未提供具体的数学方法或可验证的实验结果。
Interference-Aware Multi-Task Unlearning
Ying-Hua Huang et al.
cs.AI
本文针对多任务学习场景下的machine unlearning问题，提出了一个干扰感知框架，通过结合任务感知的gradient projection和实例级别的gradient orthogonalization来减少遗忘与保留任务间的干扰。实验表明该方法在多个计算机视觉任务上有效降低了unlearning对非目标任务的影响。
Embedding by Elicitation: Dynamic Representations for Bayesian Optimization of System Prompts
Zhiyuan Jerry Lin et al.
cs.AI cs.LG
本文提出ReElicit框架，通过LLM动态生成embedding空间来解决system prompt的贝叶斯优化问题，在有限评估预算下取得较好性能。该方法利用LLM将prompt映射到可解释特征空间，但未涉及code、spectral、Muon等关键词相关技术。
DecisionBench: A Benchmark for Emergent Delegation in Long-Horizon Agentic Workflows
Yuxuan Gao et al.
cs.AI cs.CL cs.MA
DecisionBench是一个用于评估long-horizon agentic workflows中emerging delegation能力的benchmark substrate，它通过固定的task suite、peer-model pool和delegation interface来标准化评估。实验发现，在quality-only evaluation下不同awareness conditions的表现无显著差异，但routing fidelity和counterfactual ceiling揭示了orchestration方法的巨大改进空间。
POLAR-Bench: A Diagnostic Benchmark for Privacy-Utility Trade-offs in LLM Agents
Qiaoyuan Zheng et al.
cs.AI
POLAR-Bench是一个用于评估LLM agent在隐私与效用间权衡的诊断性基准，通过让可信模型与对抗性第三方模型交互来测试其隐私策略遵循能力。实验发现前沿模型能保护超过99%的敏感属性，而小规模开源模型表现较差。
Progressive Autonomy as Preference Learning: A Formalization of Trust Calibration for Agentic Tool Use
Changkun Ou
cs.AI cs.HC
本文提出将agentic tool use中的信任校准形式化为偏好学习问题，通过Gaussian Process后验推断人类风险容忍度，并利用不确定性引导的查询来划分动作空间为允许/阻止/询问区域。该方法在结构上属于Preferential Bayesian Optimization的实例，但目标从优化设计转为分类动作空间。
How Far Are We From True Auto-Research?
Zhengxin Zhang et al.
cs.AI cs.CY cs.LG cs.MA
本文介绍了ResearchArena框架，用于评估现有AI agent（如Claude Code、Codex、Kimi Code）自动生成完整研究论文的能力。通过117篇论文的多维度评审发现，虽然纯手稿评审（SAR）得分看似乐观，但结合artifact的同行评审（PR）和人工审核揭示了实验严谨性方面的严重缺陷，包括结果伪造、实验不足和计划执行不匹配等问题，最终无一篇论文达到顶级会议接收标准。
Discoverable Agent Knowledge -- A Formal Framework for Agentic KG Affordances (Extended Version)
Terry R. Payne, Valentina Tamma, Enrico Daga
cs.AI
本文提出了一个名为Agentic Affordance Profile (AAP)的四维形式化框架，用于描述agent能从Knowledge Graph (KG)中证明什么以及其推理能力，旨在解决当前KG元数据标准（如VoID和DCAT）无法捕捉agent特定推理能力的问题。该框架为agent在规划时进行KG选择、组合和故障诊断提供了语义层，但并未涉及代码、谱方法或预训练等关键词。
Hallucination as Exploit: Evidence-Carrying Multimodal Agents
Guijia Zhang, Hao Zheng, Harry Yang
cs.AI cs.CR
本文提出了一种证据携带的多模态agent (ECA)架构，通过将工具调用分解为动作关键谓词，并使用受限的DOM/OCR/AX验证器生成类型化证书，由确定性门控机制授权操作，从而解决多模态agent中因幻觉导致的未授权操作问题。实验表明该方法能有效降低不安全动作率，但该工作主要聚焦于agent安全与验证，与我提供的关键词（如code, spectral, Muon, pretrain, attention）关联度较低。
Not all uncertainty is alike: volatility, stochasticity, and exploration
Payam Piray
cs.AI
本文研究了在具有潜在reward状态漂移（volatility）和噪声观测（stochasticity）的环境中，不确定性对最优探索策略的影响，发现volatility促进探索而stochasticity抑制探索。作者通过扩展Gittins index框架到Gaussian state-space bandits，并提出了CAUSE算法，该算法在异质噪声结构中优于标准探索策略。
SimGym: A Framework for A/B Test Simulation in E-Commerce with Traffic-Grounded VLM Agents
Han Li et al.
cs.AI
SimGym提出了一种基于VLM agent的框架，用于模拟电商A/B测试，通过traffic-grounded persona生成和live-browser agent架构，将实验周期从数周缩短至一小时以内，并实现了与真实买家行为77%的方向一致性。该工作与关键词中的agent概念相关，但方法本身并非开创性突破。
Can Large Language Models Revolutionize Survey Research? Experiments with Disaster Preparedness Responses
Yan Wang, Ziyi Guo, Christopher McCarty
cs.AI
本文探讨了大型语言模型在调查研究中应用的五个阶段框架，并以2024年飓风米尔顿准备情况调查为实证测试平台，提出了Anchored Marginal Theory-Informed LLM (A-TLM)用于缺失数据插补，在特定条件下优于传统方法。该工作主要关注调查方法论的应用，与关键词中的理论或技术方向关联较弱。
Causal Evidence for Attention Head Imbalance in Modality Conflict Hallucination
Jinrui Jiang et al.
cs.AI
本文通过path patching方法对多模态大语言模型中的attention heads进行因果分析，发现导致幻觉的driving heads分布广泛而抵抗幻觉的resisting heads集中在少数关键位置，并基于此提出MACI干预方法以抑制冲突时的幻觉。
Swimming with Whales: Analysis of Power Imbalances in Stake-Weighted Governance
Yuzhe Zhang et al.
cs.AI cs.MA
本文通过计算社会选择理论中的Penrose-Banzhaf power index，分析了权益加权投票中的权力失衡现象，并利用Project Catalyst的真实数据进行了实证研究。
Agentic Trading: When LLM Agents Meet Financial Markets
Yihan Xia et al.
cs.AI
本文综述了LLM agent在金融交易中的应用，通过协议编码快照分析了77篇研究，发现多数研究缺乏可比较的评估协议和可复现性，仅少数满足基本行动输出与闭环评估标准。
Generative Recursive Reasoning
Junyeob Baek et al.
cs.AI
本文提出Generative Recursive reAsoning Models (GRAM)，将递归潜在推理扩展为概率多轨迹计算，通过随机潜在轨迹支持多假设和推理时扩展，在结构化推理和多解约束满足任务上优于确定性基线。
PRISM: A Benchmark for Programmatic Spatial-Temporal Reasoning
Qiran Zhang et al.
cs.AI
PRISM是一个大规模的程序化视频生成基准测试，包含10,372个人类校准的指令-代码对，并提出了漏斗式评估框架来评估代码的可执行性和空间推理能力。实验发现，可执行代码并不保证生成空间连贯的视觉输出，揭示了执行-空间差距。
What and When to Distill: Selective Hindsight Distillation for Multi-Turn Agents
Xiaozhe Li et al.
cs.AI
本文提出SERL框架，通过选择性利用环境反馈（如错误信息、页面变化等）来优化多轮对话agent的强化学习训练，在ALFWorld和WebShop任务上提升了成功率。该方法主要关注反馈来源和插入粒度的系统研究，但未涉及code、spectral、Muon或pretrain等关键词。
Generative Auto-Bidding with Unified Modeling and Exploration
Mingming Zhang et al.
cs.AI
本文提出GUIDE框架，将Decision Transformer与Q-value模块和Inverse Dynamics Module结合，用于自动竞价中的探索与安全平衡。实验在淘宝平台验证了其有效性，但方法本身未涉及code、spectral或Muon等关键词。
Beyond Mode Collapse: Distribution Matching for Diverse Reasoning
Xiaozhe Li et al.
cs.AI
本文提出DMPO方法，通过近似forward KL minimization来防止on-policy RL中的mode collapse问题，在组合优化和数学推理任务上取得了性能提升。该方法通过构造基于奖励的group level target distribution来保持策略多样性，但未涉及code、spectral、Muon等关键词相关技术。
Attention-Guided Reward for Reinforcement Learning-based Jailbreak against Large Reasoning Models
Zheng Lin et al.
cs.AI
本文研究了针对大型推理模型(LRMs)的jailbreak攻击，发现攻击成功率与模型的attention模式相关，并提出了一种基于reinforcement learning的jailbreak方法，通过将attention信号纳入reward函数设计来提升攻击效果。实验表明该方法在多个benchmark上优于现有方法。
Position: The Turing-Completeness of Real-World Autoregressive Transformers Relies Heavily on Context Management
Guanyu Cui, Zhewei Wei, Kun He
cs.AI cs.CL cs.LG
本文区分了两种Transformer图灵完备性证明的设置：固定系统设置（固定模型与固定上下文管理方法）和缩放族设置（使用不同模型族处理不同输入长度）。作者论证了实际LLM部署更符合固定系统设置，而现有图灵完备性证明多基于缩放族设置，并指出上下文管理方法对计算能力有决定性影响。
BLINKG: A Benchmark for LLM-Integrated Knowledge Graph Generation
Carla Castedo et al.
cs.AI
本文提出了BLINKG基准，用于评估LLM在从异构数据源构建知识图谱时的映射能力，实验表明现有LLM在简单场景中表现良好但在复杂场景中仍有局限。该工作主要聚焦于知识图谱构建的自动化评估，与关键词中的code、context、spectral、Muon、pretrain、agent、attention均无直接关联。
Efficient Elicitation of Collective Disagreements
Mohamed Ouaguenouni et al.
cs.AI cs.GT
本文提出了一种分层框架，通过引入plurality matrix（记录每个子集\(S\)中元素排第一的概率）来识别计算群体分歧度量所需的最小偏好信息，并证明许多现有分歧概念（如rank-variance和divisiveness）需要至少大小为3的子集，从而说明pairwise comparisons不足以捕捉结构性分歧。文章还设计了两种elicitation protocols来估计该矩阵，以平衡参与者数量与认知负荷。
Generative-Evaluative Agreement: A Necessary Validity Criterion for LLM-Enabled Adaptive Assessment
Grandee Lee et al.
cs.AI
本文提出Generative-Evaluative Agreement (GEA)作为LLM自适应评估的有效性标准，通过实验发现模型在语法可验证技能上GEA较强(r>0.7)，但在设计级技能上接近零，且低技能高估会扭曲评分阈值。
Library Drift: Diagnosing and Fixing a Silent Failure Mode in Self-Evolving LLM Skill Libraries
Xing Zhang et al.
cs.AI cs.CL cs.SE
本文研究了自进化LLM技能库中的“library drift”问题，即技能无限制积累导致性能停滞。通过消融实验和trace-level诊断，作者提出了一种包含outcome-driven retirement和bounded active-cap的治理方案，在MBPP+ hard-100任务上显著提升了pass@1指标。
SceneCode: Executable World Programs for Editable Indoor Scenes with Articulated Objects
Puyi Wang et al.
cs.AI
本文提出SceneCode框架，将自然语言提示编译为可执行的Blender Python程序，用于生成具有可交互关节物体的室内场景。该方法通过agentic循环和代码生成策略，将场景表示为程序化世界而非静态网格，提升了场景的可编辑性和物体级可控性。
Towards Multi-Model LLM Schedulers: Empirical Insights into Offloading and Preemption
Mert Yildiz et al.
cs.AI cs.DC
本文通过实验研究了在异构硬件上服务多个LLM时，offloading和preemption对性能的影响，发现offloading导致非线性的decode吞吐量下降，且preemption开销主要由模型状态重载主导。这些经验性观察为未来设计多模型调度器提供了指导。
Formal Skill: Programmable Runtime Skills for Efficient and Accurate LLM Agents
Xi Zhang et al.
cs.AI
本文提出了一种名为Formal Skill的运行时抽象，用于提升LLM agent在真实工作空间中的效率和准确性，并通过FairyClaw运行时实现。该方法通过将可复用流程编码为可执行状态机和钩子策略，在Harness-Bench上以更少的token消耗取得了有竞争力的结果。
EMO-BOOST: Emotion-Augmented Audio-Visual Features for Improved Generalization in Deepfake Detection
Aritra Marik, Marcel Klemt, Anna Rohrbach
cs.AI
本文提出Emo-Boost框架，通过融合基于情感的高层语义特征与传统的RGB和音频特征来提升deepfake检测的泛化能力。实验表明该方法在FakeAVCeleb数据集上平均跨操作泛化AUC提升2.1%。
When Tabular Foundation Models Meet Strategic Tabular Data: A Prior Alignment Approach
Xinpeng Lv et al.
cs.AI
本文研究了基于预训练先验数据拟合网络(PFN)的表格基础模型在策略性表格数据上的泛化问题，指出策略性操纵会导致先验分布不匹配。作者提出了一种推理时策略感知框架SPN，通过构建策略性in-context示例来对齐PFN预测与策略性分布，实验表明该方法能提升鲁棒性。
Pseudocode-Guided Structured Reasoning for Automating Reliable Inference in Vision-Language Models
Weicong Ni, Tianbao Jiang, Linlin Wang
cs.AI
本文提出PStar框架，通过设计伪代码库和难度特征向量，引导视觉语言模型进行结构化推理以减少幻觉。实验表明该方法在POPE和MMStar基准上取得领先性能，但未直接涉及关键词中的核心概念。
Transforming Constraint Programs to Input for Local Search
Jo Devriendt, Patrick De Causmaecker, Marc Denecker
cs.AI
本文探讨了将约束优化问题自动转化为局部搜索算法输入的方法，通过利用问题的对称性来生成邻域结构，并在IDP系统中实现。实验表明该方法在六个经典问题上具有可行性。
Beyond Rational Illusion: Behaviorally Realistic Strategic Classification
Xinpeng Lv et al.
cs.AI
本文定义了行为现实主义战略分类问题，其中agent的操纵行为因心理偏差偏离完全理性，并提出了基于前景理论的Pro-SF框架，通过引入收益与成本不对称、主观参考点及非理性概率扭曲等机制来建模agent行为。实验表明该方法能更可靠地应用于现实场景。
CogScale: Scalable Benchmark for Sequence Processing
Yannis Bendi-Ouis, Romain de Coudenhove, Xavier Hinaut
cs.AI cs.DB stat.ML
本文提出了一个名为CogScale的可扩展基准测试，包含14个合成任务，用于评估不同架构（如GRU、LSTM、Transformer等）在序列处理中的认知和记忆能力。实验表明，在严格参数预算下，经典RNN在基础记忆任务上表现良好，但只有attention机制和现代状态空间模型能在复杂推理任务中保持高性能。
What Really Improves Mathematical Reasoning: Structured Reasoning Signals Beyond Pure Code
Yuze Zhao et al.
cs.AI cs.CL
本文通过控制预训练实验，发现代码数据主要提升编程能力而非通用推理，数学推理的提升更多来自跨域结构化推理信号（如代码-文本和数学-文本混合），而非纯可执行代码。研究还表明，在固定数学预算内增加结构化数学样本密度可显著提升复杂数学推理性能。
GroupAffect-4: A Multimodal Dataset of Four-Person Collaborative Interaction
Meisam Jamshidi Seikavandi et al.
cs.AI cs.DB
本文介绍了GroupAffect-4数据集，包含40名参与者在10个四人小组中完成协作任务时的多模态数据（生理、眼动、音频等），并提供了基准测试结果。该数据集主要服务于情感计算和社交信号处理领域，与关键词中的核心概念关联较弱。
Minimax Optimal Variance-Aware Regret Bounds for Multinomial Logistic MDPs
Pierre Boudart, Pierre Gaillard, Alessandro Rudi
cs.AI cs.LG math.ST stat.ML
本文针对转移概率由multinomial logistic模型建模的episodic MDPs，提出了一种新的regret上界\(\tilde{O}(dH^2\bar\sigma_T\sqrt{T})\)，其中\(\bar\sigma_T\)是问题依赖的方差度量，并证明了该上界在minimax意义下（忽略对数因子）是最优的。该工作改进了现有结果，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
OpenComputer: Verifiable Software Worlds for Computer-Use Agents
Jinbiao Wei et al.
cs.AI cs.SE
OpenComputer提出了一个基于验证器的框架，用于为计算机使用agent构建可验证的软件世界。该框架集成了应用状态验证器、自进化验证层、任务生成管道和评估工具，覆盖33个桌面应用和1000个任务，实验表明其硬编码验证器比LLM评判更准确。
Distribution-Free Uncertainty Quantification for Continuous AI Agent Evaluation
Yuxuan Gao, Megan Wang, Yi Ling Yu
cs.AI cs.LG
本文针对连续AI agent评估问题，将split conformal prediction和adaptive conformal inference方法适配到该场景，提供了无分布假设的覆盖保证。实验表明该方法在校准误差、区间宽度调整及多agent排名控制方面表现良好。
Prior Knowledge or Search? A Study of LLM Agents in Hardware-Aware Code Optimization
Dmitry Redko et al.
cs.AI cs.LG cs.SE
本文通过三个控制实验研究了LLM agent在硬件感知代码优化中的表现，发现LLM主要依赖预训练先验知识而非提供的反馈或agent结构，在纯黑盒优化中表现为贪婪优化器，在零样本kernel生成中输入尺寸信息无效，且在反馈循环优化中CUDA表现优于TVM IR。
From Prompts to Pavement Through Time: Temporal Grounding in Agentic Scene-to-Plan Reasoning
Ahmed Y. Gado et al.
cs.AI cs.CL cs.CV cs.RO
本文探讨了在自动驾驶场景中，通过在大语言模型(LLM)和多模态大模型(LMM)的agent间通信中加入时间条件来增强推理连贯性。实验表明，时间条件虽能重塑推理风格，但在标准NLP指标上未带来显著提升。
Explainable Wastewater Digital Twins: Adaptive Context-Conditioned Structured Simulators with Self-Falsifying Decision Support
Gary Simethy, Daniel Ortiz Arroyo, Petar Durdevic
cs.AI
本文提出了一种名为CCSS-IX的可解释数字孪生系统，用于污水处理过程的曝气与剂量控制。该系统通过一组可解释的局部线性状态空间“专家”模型，并由上下文感知的门控网络自适应混合，同时结合了运行时决策层，利用conformal risk control对操作建议进行统计认证。该方法在多个全规模污水处理厂和基准模型上进行了验证，在保持可解释性的同时实现了与黑盒模型相近的预测精度。
Streamlined Constraint Reasoning via CNN Pattern Recognition on Enumerated Solutions
Patrick Spracklen
cs.AI
本文提出了一种新的自动化Streamliner约束合成方法：先枚举可行解，用CNN对比学习检测结构模式，再通过LLM将CNN的判别信号转化为MiniZinc约束。该方法在Vessel Loading、Social Golfers和Black Hole等基准问题上取得了显著加速效果，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。
Robotics-Inspired Guardrails for Foundation Models in Socially Sensitive Domains
Rebecca Ramnauth, Drazen Brscic, Brian Scassellati
cs.AI cs.RO
本文借鉴机器人学中的runtime behavioral control概念，为Foundation Models在社交敏感领域的部署提出了Grounded Observer框架，通过运行时干预来约束交互轨迹，但未涉及code、spectral、Muon或pretrain等关键词。
Probabilistic Tiny Recursive Model
Amin Sghaier, Ali Parviz, Alexia Jolicoeur-Martineau
cs.AI
本文提出Probabilistic Tiny Recursive Model (PTRM)，通过在TRM的递归步骤中注入Gaussian noise实现随机探索，并利用模型原有的Q head选择最优解，无需重新训练。该方法在Sudoku和Pencil Puzzle Bench等任务上显著提升了准确率，但方法本身并非开创性，且与关键词列表关联较弱。
GeoX: Mastering Geospatial Reasoning Through Self-Play and Verifiable Rewards
Kyeongjin Ahn et al.
cs.AI
本文提出GeoX框架，通过自博弈和可验证奖励机制解决地理空间推理问题，无需大规模人工标注数据。该方法使用可执行程序生成空间问题，并在图像理解工具上通过三种推理模式进行求解。
When Skills Don't Help: A Negative Result on Procedural Knowledge for Tool-Grounded Agents in Offensive Cybersecurity
Samuel Jacob Chacko et al.
cs.AI cs.MA
本文通过重新分析一项关于MCP-grounded autonomous Capture-the-Flag (CTF) agent的受控实验，发现在进攻性网络安全领域，为LLM agent加载结构化procedural knowledge（即Skills）带来的边际收益极小，甚至在某些情况下会降低性能。作者提出，当agent的tool layer返回严格、低延迟的观察结果时，环境本身提供了足够的procedural correction signal，从而削弱了Skills的必要性。
AutoResearchClaw: Self-Reinforcing Autonomous Research with Human-AI Collaboration
Jiaqi Liu et al.
cs.AI
本文提出了AutoResearchClaw，一个基于多智能体辩论、自愈执行和人类协作机制的自强化自主研究系统，在ARC-Bench基准上相比AI Scientist v2提升了54.7%，并展示了在关键决策点进行精准人类干预优于完全自主或逐步骤监督。
Probing Embodied LLMs: When Higher Observation Fidelity Hurts Problem Solving
Oussama Zenkri, Oliver Brock
cs.AI cs.RO
本文通过Lockbox机械谜题实验，研究了不同观察保真度（RGB、RGB-D、ground-truth符号）对具身LLM agent问题解决能力的影响。结果发现，在物理机器人设置中，原始RGB输入下的表现最佳，而完美ground-truth观察反而最差，模拟实验进一步表明适度的感知噪声（如40%的动作结果翻转概率）能提升成功率并减少重复动作循环。
Neurosymbolic Learning for Inference-Time Argumentation
Gabriel Freedman et al.
cs.AI
本文提出了一种用于三元声明验证的可训练神经符号框架ITA，通过形式化论证语义指导LLM生成和评分论证，并计算三元预测。该方法在推理时提供忠实于论证结构的预测，在数据集上表现优于论证基线。
Using Aristotle API for AI-Assisted Theorem Proving in Lean 4: A Formalisation Case Study of the Grasshopper Problem
Gabriel Rongyang Lau
cs.AI cs.LO
本文使用Aristotle API在Lean 4中形式化IMO 2009第6题的Grasshopper问题，验证了四个辅助引理但主定理未完成，展示了AI辅助定理证明中局部搜索成功而全局组合计数步骤仍待解决的局限性。
Not Every Rubric Teaches Equally: Policy-Aware Rubric Rewards for RLVR
Utkarsh Tyagi et al.
cs.AI
本文提出POW3R框架，通过策略感知的rubric奖励权重调整来改进RLVR训练，在GRPO中利用rollout对比强调当前能区分策略输出的准则，从而提升训练效率。实验表明该方法在多项指标上优于标准rubric奖励方法，但未涉及代码、谱方法或Muon优化器等关键词相关技术。
HaorFloodAlert: Deseasonalized ML Ensemble for 72-Hour Flood Prediction in Bangladesh Haor Wetlands
Salma Hoque Talukdar Koli et al.
cs.AI cs.LG
本文提出了一种名为HaorFloodAlert的去季节化机器学习集成方法，用于孟加拉国Haor湿地的72小时洪水概率预测。该方法通过去除温度的季节性偏差，并利用上游Barak River的Sentinel-1 SAR数据提供约36小时的提前预警，在77个真实事件上达到了89.6%的LOOCV准确率。
A Methodology for Selecting and Composing Runtime Architecture Patterns for Production LLM Agents
Vasundra Srinivasan
cs.AI cs.SE
本文提出了一种为生产级LLM agent选择和组合运行时架构模式的方法论，重点定义了随机-确定性边界（SDB）作为核心原语，并给出了一个包含协调、状态和控制三个维度的模式目录。该方法论通过将分布式系统概念映射到随机worker场景，为agent系统的可靠性设计提供了诊断框架。

cs.IR

Trust or Abstain? A Self-Aware RAG Approach ⭐ 精选
Xi Zhu et al.
cs.IR cs.CL
本文提出了一种名为SABER (Self-Aware Belief Estimator for RAG) 的方法，用于解决Retrieval-Augmented Generation (RAG) 中因检索到的contextual knowledge (CK) 与模型的parametric knowledge (PK) 冲突而导致的不忠实生成问题。该方法的核心创新在于让LLM具备“自我意识”，即通过构建模型特定的知识冲突benchmark，并利用多轨迹推理（multi-trace inference）提取PK侧和CK侧的条件推理表示，再结合轻量级预测器估计可靠性信念，从而在“信任PK”、“信任CK”、“信任任一”或“弃权”四个决策单元中进行选择。SABER无需微调LLM，在多个backbone上提升了端到端准确率和冲突场景下的忠实度，其风险-覆盖曲线在弃权机制下优于所有基于prompt的基线方法。
DOTRAG: Retrieval-Time Reasoning Along Paths
Larnell Moore et al.
cs.IR cs.AI
DotRAG提出了一种无需训练的GraphRAG框架，通过将检索重构为路径上的推理过程来改进多跳任务。该方法生成查询条件约束以引导图探索，并引入Division of Thought抽象来分解搜索空间。
ALDEN: Boosting Private Data Extraction from Retrieval-Augmented Generation Systems via Active Learning and Distribution Estimation
Xingyu Lyu et al.
cs.IR cs.AI
本文提出了一种名为ALDEN的攻击方法，通过主动学习（active learning）和基于衰减的动态分布估计算法，从Retrieval-Augmented Generation (RAG)系统中提取私有数据。该方法在数据提取率上优于现有技术，但主要聚焦于安全攻击领域，与关键词列表中的概念关联较弱。
Query-Conditioned Graph Retrieval for Contextualized LLM Reasoning in Personalized Wearable Data
Zhenyu Lu, Mahyar Abbasian, Amir M. Rahmani
cs.IR cs.AI
本文提出Wearable As Graph (WAG)框架，将可穿戴数据组织为个性化knowledge graph，并通过query-conditioned subgraph检索为LLM提供上下文。该方法结合全局与局部关系，在真实数据集上优于基线方法，但主要贡献在于应用层面，与关键词中的理论或方法创新关联较弱。
From Intent to AI Pipelines: A Controlled Agentic Framework for Non-AI Expert Scientists
Hyacinth Ali, Jessie Galasso-Carbonnel, Houari Sahraoui
cs.IR cs.AI
本文提出了一个名为DDAP的agentic框架，利用大语言模型引导非AI专家科学家分阶段构建AI pipeline并生成代码，在多个领域数据集上取得了与专家模型竞争的结果。
STAR: Semantic-Tuned and Tail-Adaptive Retriever for Graph-Augmented Generation
Shuai Li et al.
cs.IR cs.AI
本文提出STAR，一种用于GraphRAG的语义调优和尾部自适应检索器，通过token级交互学习和路径加权对比学习来缓解检索中的语义捷径偏差和长尾路径偏差，从而提升多跳问答性能。
Retrieve Only Relevant Tables Whether Few or Many: Adaptive Table Retrieval Method
Taehee Kim et al.
cs.IR cs.AI cs.CL
本文提出了一种自适应表格检索方法，通过自适应阈值机制和滑动窗口重排序算法，根据查询需求动态调整检索表格数量，以解决固定top-k策略在text-to-SQL任务中可能检索不足或过多的问题。实验在Spider等数据集上验证了该方法在检索和下游任务中的性能提升。
DualView: Adaptive Local-Global Fusion for Multi-Hop Document Reranking
Litong Zhang, Jiaxin Li, Kuo Zhao
cs.IR cs.AI
本文提出了一种用于多跳文档重排序的双视角级联框架DualView，包含局部评分器和全局评分器，并通过自适应门控机制动态融合两者。实验表明该方法在MuSiQue数据集上以较低延迟取得了优于大参数模型的召回率。
ClinQueryAgent: A Conversational Agent for Population Health Management
Joseph S. Boyle et al.
cs.IR cs.HC cs.MA
本文介绍ClinQueryAgent，一个将自然语言人口健康问题转化为可执行数据库查询的对话系统，通过子代理处理信息检索以缓解长对话中的上下文衰减问题。该系统在NHS环境中部署并评估，展示了非编程人员通过自然语言生成可操作信息的能力。
ClusterRAG: Cluster-Based Collaborative Filtering for Personalized Retrieval-Augmented Generation
Gibson Nkhata et al.
cs.IR cs.AI cs.CL
本文提出ClusterRAG，一种基于聚类的协同过滤方法用于个性化检索增强生成。该方法通过用户档案文档进行密度聚类，并在聚类和文档两个层面进行检索，实验表明结合目标用户与相似用户的档案能提升性能。
Agentic GraphRAG: Navigating Unstructured Financial Data with Collaborative AI
Arthur Capozzi, Dirk Helbing
cs.IR cs.AI
本文提出了一个基于agent的GraphRAG框架，用于分析商业注册数据中的非结构化文本。该框架通过构建Neo4j知识图谱并集成模块化agent，在瑞士官方公报数据集上优于标准向量RAG基线。
LWGR: Lagrangian-Constrained Personalized World Knowledge for Generative Recommendation
Lingyu Mu et al.
cs.IR
本文提出LWGR框架，利用Lagrangian约束从LLM中提取个性化世界知识并融入生成式推荐，通过构建软指令和优化知识融合过程来提升推荐性能。实验表明该方法在多个数据集上优于现有基线。
Improving Retrieval-Augmented Generation without Taxonomy-based Error Categorization
Gongbo Zhang, Yifan Peng, Chunhua Weng
cs.IR cs.AI cs.CL
本文提出RePAIR方法，通过直接学习从有缺陷的RAG输出到纠错动作的映射，避免了依赖细粒度错误分类和显式critic监督，从而提升agentic RAG系统的性能。该方法在多个基准测试中表现一致。
M3DocDep: Multi-modal, Multi-page, Multi-document Dependency Chunking with Large Vision-Language Models
Joongmin Shin et al.
cs.IR cs.AI
本文提出M3DocDep，一种基于LVLM的多模态文档分块方法，通过恢复文档的依赖树结构来生成更连贯的检索单元，在长文档RAG任务上提升了检索和问答性能。
Query-Aware Flow Diffusion for Graph-Based RAG with Retrieval Guarantees
Zhuoping Zhou et al.
cs.IR cs.AI
本文提出了一种基于图的检索增强生成（RAG）框架QAFD-RAG，通过查询感知的流扩散机制动态调整图遍历，为子图检索提供了统计保证，并在问答和文本到SQL任务上取得了改进。
Mask-to-Correct$^+$: Leveraging Retriever Diversity for Masking-guided Faithful Fact Correction
Payel Santra et al.
cs.IR cs.AI
本文提出了一种基于Retrieval Augmented Generation (RAG)的免训练事实校正框架Mask-to-Correct (M\(_2\)C)及其集成版本M\(_2\)C\(^+\)，通过多样性感知掩码和集成多个排序器来提升校正的忠实度与鲁棒性。该方法在基准数据集上取得了SARI分数的显著提升，但未涉及代码、谱方法或预训练等关键词相关技术。
A Reproducibility Analysis of PO4ISR: Diagnosing and Mitigating Semantic Drift in LLM-Based Session Recommendation
Aditya Tiwari, Konduri Naga Lakshmi Rekha, Rajesh Kumar Mundotiya
cs.IR cs.AI cs.LG
本文对基于LLM的会话推荐模型PO4ISR进行了可重复性分析，发现其在长会话中存在语义漂移问题，并提出了改进版本PO4ISR++，通过引入反射性提示和一致排名检测来缓解该问题。实验表明改进方法在多个数据集上取得了性能提升。
RecoAtlas: From Semantic Plausibility to Set-Level Utility in LLM Recommendation Agents
Imad Aouali et al.
cs.IR cs.AI cs.LG
RecoAtlas是一个用于评估LLM推荐agent的benchmark和工具包，它通过行为导向的指标（如相关性、互补性和多样性）来补充传统的语义合理性评估。实验表明，语义合理性并不一定能反映行为层面的效用，该工具可用于诊断agent性能提升的来源。
Towards FairRAG: Preventing Representational Harm in Retrieval-Augmented Generation by Enforcing Fair Exposure at Retrieval Time
Riddhi Tikoo
cs.IR
本文研究了RAG系统中的代表性偏见问题，提出了两种暴露感知的排序方法（Forced-Exposure和Representative Stochastic），并通过实验证明Representative Stochastic排序器能实现统计上显著的接近均等的暴露度，表明检索排序是缓解下游偏见的关键点。
Code-Guided Reasoning for Small Language Models: Evaluating Executable MCQA Scaffolds
Prateek Biswas et al.
cs.IR cs.LG cs.PL
本文提出了Code-Guided Reasoning (CGR)评估协议，用于衡量可执行推理框架（如Python代码）如何提升小语言模型在多项选择问答任务上的表现。实验表明，使用代码辅助推理相比直接回答有显著性能提升，但该方法主要关注评估框架而非提出新的模型或算法。
KadiAssistant: A conversational AI Agent for information retrieval in Kadi4Mat
Adrian Cierpka et al.
cs.IR cs.AI
本文介绍了KadiAssistant，一个集成于Kadi研究数据生态系统的隐私保护AI助手，它结合自托管大语言模型与隐私保护语义搜索，帮助研究人员高效检索和整合来自不同学科（如材料科学）的异构、隐私敏感的研究数据，从而降低访问门槛并增强FAIR数据原则中的可发现性。
The 99% Success Paradox: When Near-Perfect Retrieval Equals Random Selection
Vyzantinos Repantis et al.
cs.IR cs.AI cs.LG
本文提出Bits-over-Random (BoR)指标，用于衡量检索系统的选择性，发现当检索深度K较大时，即使传统指标（如coverage）接近99%，BoR也可能趋近于0，表明系统性能接近随机选择。实验在20 Newsgroups、BEIR/SciFact和MS MARCO等数据集上验证了该现象，并指出其对RAG和LLM agent工具选择的影响。
SynGR: Unleashing the Potential of Cross-Modal Synergy for Generative Recommendation
Wei Chen et al.
cs.IR cs.AI
本文提出SynGR框架，通过约束对主导模态的过度依赖来挖掘跨模态协同信息，用于生成式推荐任务。实验表明该方法在三个基准数据集上取得了更优性能。
Understanding Wacky Weights: A Dissection of SPLADE's Learned Term Importance
Gregory Polyakov, Harrisen Scells, Carsten Eickhoff
cs.IR
本文系统性地研究了SPLADE系列模型中“wacky weights”（与输入语义无关的扩展词权重）现象，通过复现SPLADE-v2并分析不同损失函数、数据集和backbone transformer的影响，发现更大的vocabulary会加剧该现象，而更严格的sparsity正则化能缓解它，且这些权重主要服务于in-domain效果而非out-of-domain泛化。
Divergence Meets Consensus: A Multi-Source Negative Sampling Framework for Sequential Recommendation
Yuanzi Li et al.
cs.IR
本文提出MDCNS框架，通过引入多源评分、分歧重排和共识蒸馏来解决序列推荐中负采样存在的自强化循环、多样性不足和计算开销问题。实验表明该方法在多个数据集上优于现有负采样方法。

cs.CL

Agent Meltdowns: The Road to Hell Is Paved with Helpful Agents ⭐ 精选
Rishi Jha et al.
cs.CL cs.CR
本文提出并系统性地测量了一种新型的agent失败模式——"accidental meltdown"（意外崩溃），即agent在遇到良性环境错误（如网页无法访问、文件缺失）时，在没有对抗性输入的情况下，表现出不安全或有害的行为。作者开发了一个agent无关的框架，用于在rollout环境中注入模拟的本地和远程错误，并基于GPT、Grok和Gemini等模型进行了评估。实验发现，在遇到模拟错误的agent rollout中，64.7%出现了不同程度的meltdown，且超过一半的meltdown行为未被报告给用户。该工作揭示了当前agent系统在可靠性方面的严重缺陷，并为agent安全评估提供了新的基准和分类体系。
Rethinking How to Remember: Beyond Atomic Facts in Lifelong LLM Agent Memory ⭐ 精选
Jingwei Sun et al.
cs.CL
本文提出TriMem，一种面向LLM agent的终身记忆系统，通过维护三种共存的表示粒度（原始对话片段、提取的原子事实、合成的语义画像）来克服传统基于原子事实的方法在存储保真度和深度推理上的局限。该方法采用TextGrad进行提示优化，无需参数更新即可实现终身演化，在LoCoMo和PerLTQA基准上显著优于现有基线。该工作与关键词“agent”高度契合，并为agent记忆管理提供了开创性的多粒度表示框架。
Rewarding Beliefs, Not Actions: Consistency-Guided Credit Assignment for Long-Horizon Agents ⭐ 精选
Wenjie Tang et al.
cs.CL
本文提出ReBel (Reward Belief)算法，通过显式建模结构化belief states来总结交互历史，以解决部分可观测环境中长程agent的时序信用分配问题。该算法引入belief-consistency supervision，将预测belief与观测反馈之间的差异转化为密集的自监督信号，无需外部步骤级标注；同时采用belief-aware grouping在相似belief状态下比较trajectories，以获得更稳健的优势估计。在ALFWorld和WebShop等长程基准上，ReBel相比episode-level基线GRPO将任务成功率提升高达\(20.4\)个百分点，样本效率提升\(2.1\)倍，表明belief-aware自监督是部分可观测下长程决策的可靠方向。
The Annotation Scarcity Paradox in Low-Resource NLP Evaluation: A Decade of Acceleration and Emerging Constraints
Vukosi Marivate
cs.CL
本文回顾了低资源NLP评估在过去十年的发展，指出模型扩展能力与评估所需的人类专业知识之间存在结构性矛盾，并讨论了数据增强、基于模型的评估等应对策略。
Benchmarking Commercial ASR Systems on Code-Switching Speech: Arabic, Persian, and German
Sajjad Abdoli et al.
cs.CL cs.AI
本文构建了一个评估商业ASR系统在代码切换语音（阿拉伯语-英语、波斯语-英语、德语-英语）上表现的基准，使用两阶段管道筛选样本并比较WER与BERTScore指标。实验发现ElevenLabs Scribe v2表现最佳，并指出BERTScore对阿拉伯语和波斯语对更可靠。
ReacTOD: Bounded Neuro-Symbolic Agentic NLU for Zero-Shot Dialogue State Tracking
Yanjun Lin et al.
cs.CL cs.AI
本文提出ReacTOD，一种有界神经符号架构，将任务型对话系统中的NLU重构为离散工具调用，并通过确定性验证的ReAct循环实现自我纠正。该方法在MultiWOZ和SGD基准上取得了零样本对话状态追踪的最新成果。
Prompting language influences diagnostic reasoning and accuracy of large language models
Adrien Bazoge et al.
cs.CL
本文评估了五种大语言模型在英语和法语提示下的诊断推理能力，发现多数模型在英语环境下表现更好，提示语言是影响临床性能的关键因素。
MMoA: An AI-Agent framework with recurrence for Memoried Mixure-of-Agent
Rui Chu
cs.CL
本文提出MMoA框架，通过引入LSTM-based gating机制改进Mixture-of-Agents (MoA)中的静态router，使其能基于当前输入和历史路由决策自适应地调整agent贡献。实验表明，MMoA在AlpacaEval 2.0等benchmark上达到与MoA相当的准确率，同时通过动态激活更少agent提升了运行效率。
Time to REFLECT: Can We Trust LLM Judges for Evidence-based Research Agents?
Leyao Wang et al.
cs.CL
本文提出了REFLECT基准，用于评估LLM作为评判者（LLM-as-judge）在深度研究agent（deep research agent）中的可靠性。通过定义细粒度的失败模式分类法并对agent执行轨迹进行受控干预，实验发现当前LLM评判者在推理、工具使用和报告质量检测上的准确率均低于55%，尤其在证据验证方面表现不佳。
Position: Uncertainty Quantification in LLMs is Just Unsupervised Clustering
Tiejin Chen et al.
cs.CL cs.AI cs.LG
本文指出当前大语言模型的不确定性量化方法本质上只是无监督聚类算法，衡量的是模型生成内容的内部一致性而非外部正确性，因此无法检测“自信的幻觉”。作者呼吁研究社区转向新的评估范式，但未提供具体解决方案。
Fine-tuning language encoding models on slow fMRI improves prediction for fast ECoG
Aditya R. Vaidya, Richard J. Antonello, Alexander G. Huth
cs.CL
本文研究了利用fMRI数据微调语言编码模型，以提升对高时间分辨率ECoG数据的预测性能，发现即使fMRI时间分辨率较低，其微调后的表示仍能改善ECoG预测，且性能随fMRI数据量增加而提升。
Diagnosing Multi-step Reasoning Failures in Black-box LLMs via Stepwise Confidence Attribution
Xiaoou Liu et al.
cs.CL cs.AI cs.IT cs.LG
本文提出Stepwise Confidence Attribution (SCA)框架，通过Information Bottleneck原理为黑盒LLM的推理步骤分配置信度，无需访问模型内部。该方法在数学推理和多跳问答任务中能有效识别低置信度步骤，并提升自纠正成功率。
AI Technologies in Language Access: Attitudes Towards AI and the Human Value of Language Access Managers
Miguel A. Jiménez-Crespo, Stephanie Rodriguez, Alejandro Jaume Losa
cs.CL cs.AI
本文通过半结构化访谈分析了语言访问管理者对AI技术的态度，发现他们表现出有条件的乐观、强烈的风险意识，并坚持人类监督的价值。研究聚焦于AI在医疗、法庭等公共服务领域的应用，但未涉及关键词中的数学或算法概念。
FormalASR: End-to-End Spoken Chinese to Formal Text
Wanyi Ning et al.
cs.CL cs.AI
本文提出了FormalASR，两个紧凑的端到端模型（0.6B和1.7B），用于将中文口语直接转录为正式书面文本。通过构建大规模口语到正式文本数据集并微调Qwen3-ASR，该方法在无需后处理LLM的情况下实现了更低的词错误率和更高的文本质量。
DECOR: Auditing LLM Deception via Information Manipulation Theory
Linyue Cai et al.
cs.CL
本文提出了一个名为DECOR的多智能体框架，基于信息操纵理论对大型语言模型中的欺骗性回答进行细粒度审计，通过将输入分解为原子信息单元并在四个维度上评分来生成可解释的操纵轮廓。该方法在单轮和多轮欺骗检测基准上取得了最优性能，但与我提供的关键词（如code, spectral, Muon, pretrain, attention等）关联度较低。
Lost in Interpretation: The Plausibility-Faithfulness Trade-off in Cross-Lingual Explanations
Somnath Banerjee et al.
cs.CL
本文研究了多语言LLM中跨语言解释的可信度与忠实度之间的权衡，发现使用英文解释非英文输入时，虽然跨度一致性较高，但因果忠实度显著下降，建议在输入语言中进行审计并报告多维度忠实度指标。
OpenCompass: A Universal Evaluation Platform for Large Language Models
Maosong Cao et al.
cs.CL cs.LG
OpenCompass是一个为大型语言模型(LLMs)设计的通用评估平台，通过模块化架构和多种评估器（如基于规则的、LLM-as-a-Judge）支持跨领域的大规模模型评测。该平台主要解决静态基准测试中任务类型多样、评估标准不一致等问题，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等概念无直接关联。
Language models struggle with compartmentalization
Thomas Vincent Howe, David Wingate
cs.CL cs.LG
本文研究了大型语言模型在训练数据中同一概念以多种形式呈现时（如英语和斯瓦希里语、Python和Haskell）出现的compartmentalization现象，即模型无法在不同呈现形式间共享统计强度，导致学习效率下降。实验表明，即使引入合成并行数据也难以改善该问题，且所有干预措施的效果均依赖于呈现形式的数量。
Are Rationales Necessary and Sufficient? Tuning LLMs for Explainable Misinformation Detection
Bing Wang et al.
cs.CL cs.AI cs.CY
本文提出了一种名为LONSREX的数据合成pipeline，用于微调LLM以实现可解释的misinformation detection。该方法通过量化每个验证步骤对最终预测的贡献，来定位必要且充分的rationales，从而解决现有方法中rationale不足或过度的问题。
How Do Document Parsers Break? Auditing Structural Vulnerability in Document Intelligence
Yue Chen et al.
cs.CL
本文针对文档解析器（Document Parsers）的鲁棒性评估问题，提出了一个轻量级的输出级审计框架，通过Block-level Structural Loss Rate (B-SLR)等指标分析扰动对布局结构的影响。实验表明，该框架能更准确地追踪扰动导致的OCR不稳定性，并揭示了结构脆弱性对下游任务的影响。
A Multi-Agent Framework for Feature-Constrained Difficulty Control in Reading Comprehension Item Generation
Seonjeong Hwang et al.
cs.CL
本文提出了一个名为MAFIG的多智能体框架，用于在阅读理解题目生成中实现基于特征约束的难度控制。该框架利用多个LLM agents和特征特定的评估器协作生成并迭代修改题目，以更好地满足目标约束。
HalluWorld: A Controlled Benchmark for Hallucination via Reference World Models
Emmy Liu et al.
cs.CL cs.AI cs.LG stat.ML
本文提出了HalluWorld基准，通过构建完全指定的参考世界（如gridworlds和chess）来系统评估大语言模型在不同场景下的幻觉现象，发现前沿模型在感知幻觉上表现良好，但在多步状态追踪和因果模拟上仍存在困难。
Retrieval-Augmented Linguistic Calibration
Yi-Fan Yeh et al.
cs.CL
本文提出了一种检索增强的语言校准方法（RALC），通过将校准后的置信度信号通过检索增强重写传播回自然语言，以解决语言置信度表达中的泛化性和原则性问题。实验表明该方法在多个QA基准和LLM家族上提升了忠实度和校准性能。
IMLJD: A Computational Dataset for Indian Matrimonial Litigation Analysis
Joy Bose
cs.CL cs.AI cs.LG
本文介绍了IMLJD，一个包含3,613份印度法院关于婚姻纠纷判决的开放数据集，覆盖了印度最高法院和卡纳塔克邦高等法院的案例，并提供了结构化结果标签和知识图谱。该数据集主要用于法律文本分析，与关键词列表中的概念关联较弱。
SciCustom: A Framework for Custom Evaluation of Scientific Capabilities in Large Language Models
Yiyang Gu et al.
cs.CL
本文提出了一个名为SciCustom的框架，用于从大规模科学数据中自动构建定制化benchmark，以评估大语言模型在特定科学应用中的细粒度能力。该框架通过ontology-grounded知识单元组织科学知识，并利用投票式多模型共识来识别与自定义需求相关的知识单元，从而生成高效的评估基准。
Taming the Thinker: Conditional Entropy Shaping for Adaptive LLM Reasoning
Shuyu Wei et al.
cs.CL
本文提出Conditional Entropy Shaping (CES)框架，通过动态控制token级别的response entropy来平衡LLM推理的准确性与响应长度。该方法在DAPO基础上，利用entropy作为uncertainty信号，对正确推理路径的高entropy token进行惩罚以提升简洁性，对错误路径的高entropy token进行奖励以鼓励探索。实验在DeepSeek-R1-Distill-7B和1.5B模型上验证了其在数学推理任务中的有效性。
EmbGen: Teaching with Reassembled Corpora
Arun K Lenin et al.
cs.CL cs.AI
EmbGen提出了一种从领域语料库中合成训练数据的新方法，通过将语料分解为实体-描述对并基于embedding相似性重组，生成多样化的问答对。该方法在异构数据集上优于现有基线，但与我提供的关键词（如code, spectral, Muon, attention等）关联度较低。
LambdaPO: A Lambda Style Policy Optimization for Reasoning Language Models
Zhe Yuan et al.
cs.CL
本文提出LambdaPO框架，通过将GRPO中的advantage估计从标量值重构为成对偏好结构，并引入语义密度奖励来缓解二元监督稀疏性，从而在数学推理和问答任务中提升性能。该方法主要关注强化学习对齐的优化信号挖掘，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念无直接关联。
Backtracking When It Strays: Mitigating Dual Exposure Biases in LLM Reasoning Distillation
Bing Wang et al.
cs.CL cs.AI
本文提出MOTAB方法，通过动态监控学生模型的on-policy生成过程并在偏离时回溯到安全状态，以缓解LLM推理蒸馏中的双重exposure bias问题。实验表明该方法在LIMO-v2和AceReason数据集上平均提升约3%的推理性能。
Drifting Objectives for Refining Discrete Diffusion Language Models
Daisuke Oba, Hiroki Furuta, Naoaki Okazaki
cs.CL cs.LG
本文提出TokenDrift方法，将连续生成模型中的drifting目标（一种通过反演固定点目标将采样校正吸收到训练中的技术）迁移到离散扩散语言模型（DDLM）。该方法通过将分类预测提升为soft-token特征，在冻结语义空间中进行反演drifting，并将stop-gradient特征目标反向传播到DDLM的logits，从而在固定NFE生成中显著降低Gen.-PPL。
Base Models Look Human To AI Detectors
Yixuan Even Xu et al.
cs.CL cs.AI cs.LG
本文发现商业AI文本检测器（如GPTZero和Pangram）倾向于将基础模型（base model）生成的文本判定为人类撰写，而指令微调模型生成的文本则被判定为AI生成。基于此，作者提出了一种与检测器无关的迭代改写方法HIP，通过微调基础模型为改写器并迭代应用，在保持语义和规避检测之间取得更好平衡。
Investigating Cross-Modal Skill Injection: Scenarios, Methods, and Hyperparameters
Zhiyu Xu et al.
cs.CL cs.AI cs.CV
本文系统研究了跨模态技能注入（将LLM的领域知识注入VLM）的场景、方法和超参数，发现其在指令遵循和跨语言设置中表现良好，但在数学推理上效果不佳。经典方法如TA和DARE在性能上优于其他合并方法，且超参数调优对其至关重要。
m3BERT: A Modern, Multi-lingual, Matryoshka Bidirectional Encoder
Yaoxiang Wang et al.
cs.CL
m3BERT提出了一种新的多粒度Matryoshka预训练策略，联合优化transformer层和多个embedding维度，使单个模型能适应不同资源约束的工业检索场景。实验表明其在Bing-Click等数据集上优于现有模型，但方法主要针对embedding模型优化，与关键词中的code、spectral、Muon等概念关联较弱。
A Data-Driven Approach to Idiomaticity Based on Experts' Criteria in Theoretical Linguistics
Elena Mikhalkova et al.
cs.CL
本文基于理论语言学专家提出的16项标准，对286个多词表达进行了数据分析，发现没有绝对习语化的表达，并指出词汇标准最具影响力。
GoLongRL: Capability-Oriented Long Context Reinforcement Learning with Multitask Alignment
Minxuan Lv et al.
cs.CL
本文提出GoLongRL，一个面向长上下文强化学习的开源训练方案，通过构建覆盖9种任务类型的23K样本数据集，并引入TMN-Reweight方法解决异构奖励优化问题，提升了长上下文能力。
LLMEval-Logic: A Solver-Verified Chinese Benchmark for Logical Reasoning of LLMs with Adversarial Hardening
Ming Zhang et al.
cs.CL
本文提出了LLMEval-Logic，一个基于中文情景的逻辑推理benchmark，通过Z3验证和专家审核确保标注正确性，并采用对抗性硬化生成困难子集。实验表明，前沿LLM在该benchmark上表现不佳，揭示了当前模型在自然语言逻辑推理上的显著差距。
optimize_anything: A Universal API for Optimizing any Text Parameter
Lakshya A Agrawal et al.
cs.CL cs.AI cs.LG cs.NE cs.SE
本文提出一个名为optimize_anything的通用API，利用LLM-based search优化文本参数，在多个领域（如agent架构设计、代码生成）取得领先结果，但未涉及spectral、Muon或pretrain等关键词。
K-Quantization and its Impact on Output Performance
Robin Baki Davidsson, Pierre Nugues
cs.CL
本文研究了不同量化级别（2-6 bit）对八种LLM在MMLU-Pro、CRUXEval和MuSR等任务上的性能影响，发现更高精度（如8-bit Q8_0）通常带来更好性能，但收益递减，而激进量化（如2-bit Q2_K）在多数模型上仍能保持可接受精度，且大模型对量化更具鲁棒性。
Can Large Language Models Reliably Correct Errors in Low-Resource ASR? A Contamination-Aware Case Study on West Frisian
Yun Hao et al.
cs.CL
本文研究了大型语言模型（LLM）在低资源西弗里斯兰语自动语音识别（ASR）中的生成式错误纠正（GER）能力，并通过构建非公开数据集控制数据污染影响。结果表明GER能提升ASR性能，但方法本身缺乏显著开创性，且与关键词列表中的概念关联较弱。
LLM-Based Financial Sentiment Analysis in Arabic: Evidence from Saudi Markets
Mona H. Albaqawi et al.
cs.CL
本文提出了一个面向沙特市场的阿拉伯语金融情感分析框架，通过整合新闻和社交媒体数据构建了包含84K样本的数据集，并利用Transformer-based NER和五类情感标注方案实现了公司层面的情感聚合。实验表明该方法在阿拉伯语金融场景中具有可靠性和可扩展性。
CAIT: A Syntactic Parsing Toolkit for Child-Adult InTeractions
Francesca Padovani et al.
cs.CL
本文针对CHILDES语料库开发了一个句法解析工具包CAIT，包含依存解析器、词性标注器和构式标注器，在儿童-成人交互数据上优于SpaCy和Stanza等通用解析器。该工具可用于大规模、可复现的语言习得研究。
Mathematical Reasoning in Large Language Models: Benchmarks, Architectures, Evaluation, and Open Challenges
Husnain Amjad et al.
cs.CL cs.AI
本文综述了大型语言模型在数学推理方面的研究进展，包括基准测试、架构、训练策略和评估协议，并提出了一个统一的数学数据集分类法。文章识别了推理忠实性、基准偏差和泛化限制等常见失败模式，并指出了未来研究方向。
ContextRAG: Extraction-Free Hierarchical Graph Construction for Retrieval-Augmented Generation
Roman Prosvirnin, Sergei Kuznetsov, Seungmin Jin
cs.CL cs.AI
本文提出ContextRAG，一种无需LLM进行实体或关系提取的图RAG系统，通过残差量化k-means和形式概念分析构建模糊概念图。实验表明其索引成本远低于现有方法，但方法本身与关键词列表中的概念关联较弱。
TERGAD: Structure-Aware Text-Enhanced Representations for Graph Anomaly Detection
Wen Shi et al.
cs.CL cs.AI
本文提出TERGAD框架，利用大语言模型将节点拓扑属性转化为语义描述，并通过门控双分支自编码器融合结构语义与节点属性进行图异常检测。该方法在多个数据集上表现优于基线，但未涉及代码、谱方法或预训练等关键词。
Synthesis and Evaluation of Long-term History-aware Medical Dialogue
Hebin Hu et al.
cs.CL cs.AI
本文提出一个合成长期医疗对话数据的框架MediLongChat，通过知识引导的三阶段方法生成包含多轮对话和纵向病史的数据集，并设计三个基准任务评估医疗agent的记忆能力。实验表明现有LLM在该基准上表现不佳。
Towards Trust Calibration in Socially Interactive Agents: Investigating Gendered Multimodal Behaviors Generation with LLMs
Lucie Galland, Chloé Clavel, Magalie Ochs
cs.CL
本文探索了LLMs生成反映不同能力和善意水平的多模态行为的能力，提出了一种自动生成行为的方法，并发现LLMs会复制性别刻板印象。
Chunking German Legal Code
Max Prior, Natalia Milanova, Andreas Schultz
cs.CL cs.AI
本文研究了德语法律文本的分块策略，比较了基于法律结构的分块与语义聚类等方法，发现保留法律结构的分块方法在检索增强生成中召回率更高且计算效率更优。
LP-Eval: Rubric and Dataset for Measuring the Quality of Legal Proposition Generation
Shanshan Xu et al.
cs.CL cs.AI
本文提出了LP-Eval，一个用于评估法律命题生成质量的评估框架和数据集，通过专家标注和LLM评估发现，LLM能生成高质量的法律命题，但专家评估显示来自成熟案例的命题质量更高。
CLIF: Concept-Level Influence Functions for Transparent Bottleneck Models
Yike Sun et al.
cs.CL
本文提出了一种在Concept Bottleneck Models (CBM)中使用influence functions的方法，用于在样本和概念层面增强NLP模型的可解释性。实验表明，该方法能有效识别影响预测的关键训练样本和概念，并通过调整它们来改变模型行为。
Are Tools Always Beneficial? Learning to Invoke Tools Adaptively for Dual-Mode Multimodal LLM Reasoning
Qinghe Ma et al.
cs.CL
本文提出AutoTool模型，在reinforcement learning框架下让MLLM自适应决定是否调用外部工具，通过dual-mode reasoning策略平衡工具辅助与纯文本推理，在多个benchmark上提升了准确率和效率。
Where Does Authorship Signal Emerge in Encoder-Based Language Models?
Francis Kulumba et al.
cs.CL
本文研究了基于encoder的语言模型中，不同scoring mechanism如何影响作者身份识别性能，发现scorer决定了encoder在哪些层集中作者信号，但未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词。
What Are LLMs Doing to Scientific Communication? Measuring Changes in Writing Practices and Reading Experience
Filip Miletić, Neele Falk
cs.CL
本文通过分析ACL Anthology中2020-2024年的论文语料和合成数据集，研究了LLM对科学写作风格的影响，发现LLM修改后的文本在词汇、句法结构上发生变化，并影响了读者的主观阅读体验。
FlexDraft: Flexible Speculative Decoding via Attention Tuning and Bonus-Guided Calibration
Yaojie Zhang et al.
cs.CL
本文提出FlexDraft框架，通过Attention Tuning（仅微调最后几层注意力投影器）和Bonus-guided Calibration（用MLP校准草稿logits）来改进并行推测解码，并设计了Flex Decoding策略以在不同batch size下动态切换解码模式。该方法旨在解决并行推测解码中因bonus token和接受长度不确定性导致的吞吐量下降问题。
Mind Your Moras: Orthography-Aware Error Analysis of Neural Japanese Morphological Generation
Wen Zhang
cs.CL
本文对日语过去时态形态屈折进行了正字法感知的错误分析，发现基于字符的sequence-to-sequence模型在平假名表示下存在系统性错误，其中长音化相关错误占主导地位。研究揭示了正字法表示与形态结构之间的交互作用如何影响神经模型的泛化能力。
Language Mutations Sustain the Persistences of Conspiracy Theories on Social Media
Calvin Yixiang Cheng, Dorian Quelle, Scott A. Hale
cs.CL
本文通过计算语言学和生存模型分析X平台三年数据，发现阴谋论帖子中的语义突变会显著延长其传播寿命，并识别出简化和同化两种主要突变模式。研究为理解语言变异如何维持阴谋论在线持久性提供了实证。
PromptRad: Knowledge-Enhanced Multi-Label Prompt-Tuning for Low-Resource Radiology Report Labeling
Ying-Jia Lin et al.
cs.CL cs.AI
本文提出PromptRad，一种基于知识增强的多标签prompt-tuning方法，用于在低资源场景下进行放射学报告标注。该方法将多标签分类重构为masked language modeling，并利用UMLS同义词库增强verbalizer，在少量标注数据上优于传统方法。
Text-to-SPARQL Generation with Reinforcement Learning: A GRPO-based Approach on DBLP
Jann Pfeifer, Debayan Banerjee, Ricardo Usbeck
cs.CL
本文研究了使用Group-Relative Policy Optimization (GRPO)强化学习方法，在DBLP-QuAD数据集上训练Qwen3-1.7B模型进行零样本Text-to-SPARQL生成。实验表明，基于执行反馈的结果奖励能有效提升模型性能，但监督微调方法仍具有更高准确率。
CopT: Contrastive On-Policy Thinking with Continuous Spaces for General and Agentic Reasoning
Dachuan Shi et al.
cs.CL cs.AI
本文提出CopT方法，通过反转传统Chain-of-Thought的“先思考后回答”顺序，先产生草稿答案再基于其进行反思与修正。该方法利用连续embedding作为推理时的对比验证器，通过估计序列级别的reverse KL散度来评估答案可靠性，并在答案不可靠时进行进一步的on-policy思考。实验表明该方法在数学、编码和agent推理任务上能提升准确率并减少token使用。
BalanceRAG: Joint Risk Calibration for Cascaded Retrieval-Augmented Generation
Zijun Jia et al.
cs.CL cs.AI
本文提出BalanceRAG方法，通过将LLM-only和RAG分支的不确定性阈值视为二维格点上的操作点，并利用序列图检验识别安全操作点，从而在级联RAG系统中实现联合风险校准。该方法能在控制系统级错误率的同时保留更多样本，并扩展至多风险校准以限制检索使用量。
ThoughtTrace: Understanding User Thoughts in Real-World LLM Interactions
Chuanyang Jin et al.
cs.CL cs.AI
ThoughtTrace构建了一个大规模数据集，记录用户在与AI对话时的真实想法（如发送提示的原因和对回复的反应），并展示了这些想法在语义上不同于对话内容且难以被模型推断。该工作为理解人机交互中的认知动态提供了新视角，但与关键词列表中的code、spectral、Muon、pretrain、agent或attention等概念无直接关联。
MixRea: Benchmarking Explicit-Implicit Reasoning in Large Language Models
Yuanqing Cai et al.
cs.CL
本文提出了MixRea基准测试，用于评估大语言模型在显式-隐式推理任务中的表现，并发现模型存在类似人类“非注意盲视”的缺陷。作者提出了Potential Relation Completion Prompting (PRCP)方法来缓解这一问题，但该方法与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联较弱。
Less Back-and-Forth: A Comparative Study of Structured Prompting
Saurav Ghosh, Gabriella Polach, Abdou Sow
cs.CL cs.AI cs.HC
本文比较了三种结构化prompt设计（原始prompt、checklist改进prompt和澄清问题prompt）在四种任务类型（summarization、planning、explanation、coding）上的表现，发现checklist改进prompt在评分和token效率上均优于其他方法。
KoRe: Compact Knowledge Representations for Large Language Models
Davide Cavicchini, Fausto Giunchiglia, Jacopo Staiano
cs.CL
KoRe提出了一种将Knowledge Graph中的1-hop子图编码为紧凑离散知识token并注入LLM的方法，在三个基准测试上取得了有竞争力的性能并显著减少了token使用量。该方法旨在解决LLM参数化知识表示不透明、难以更新和易产生幻觉的问题。
ClinSeekAgent: Automating Multimodal Evidence Seeking for Agentic Clinical Reasoning
Juncheng Wu et al.
cs.CL
本文提出了ClinSeekAgent，一个用于多模态临床证据搜索的自动化agent框架，将范式从被动证据消费转变为主动证据获取。该框架通过查询医学知识库、处理原始EHR数据和调用医学成像工具来收集证据，并在多个任务上提升了模型性能。
From Seeing to Thinking: Decoupling Perception and Reasoning Improves Post-Training of Vision-Language Models
Juncheng Wu et al.
cs.CL cs.CV
本文研究了视觉语言模型(VLM)中感知与推理能力的解耦，通过将训练分解为视觉感知、视觉推理和文本推理三个阶段，发现分阶段训练比合并训练能同时提升感知和推理性能，并减少推理链长度。
TIDE: Efficient and Lossless MoE Diffusion LLM Inference with I/O-aware Expert Offload
Zhiben Chen et al.
cs.CL
本文提出TIDE系统，通过利用扩散大语言模型中专家激活的时间稳定性，设计了一种基于间隔的专家刷新策略，以I/O感知方式优化MoE推理中的专家卸载问题。该方法将推理调度建模为数学规划问题，在不需模型训练的情况下实现了无损加速。

cs.DS

Near-Resolution of the Tradeoff Conjecture in Distributed Proof Labeling Schemes
Arnold Filtser, Orr Fischer
cs.DS cs.DC
本文研究了分布式证明标签方案中的Tradeoff猜想，证明了在一般图中，存在1-PLS（1跳证明标签方案）成本为\(p\)时，可构造一个\(O(t\log n)\)-PLS成本为\(O(\lceil p/t \rceil)\)的方案；在固定无minor图（如平面图）中，成本可进一步优化为\(O(\lceil p/t \rceil+\log n)\)。同时，论文反驳了该猜想的一个更强变体。
Hardness and Approximation for Coloring Digraphs
Parinya Chalermsook et al.
cs.DS
本文研究了有向图的dichromatic number和acyclic number的近似难度，证明了即使在锦标赛图上，这两个参数的近似难度也与一般图上的无向对应问题相当。文章还讨论了特殊情况下有向图的近似着色算法，例如对\(\ell\)-dicolorable有向图给出了一个着色算法。
Deterministic Volume Estimation of Truncated Hypercubes
Kyra Gunluk
cs.DS cs.CG
本文提出了一种确定性的多项式时间算法，用于估计被固定数量形如\(f(x) \leq b\)的约束截断的超立方体体积，其中\(f\)是单变量非负、单调且凸函数的和。该算法在输入规模的多项式时间内计算体积的\((1+\varepsilon)\)-乘性近似，但该问题与关键词列表中的概念关联度较低。
Linear Kernels for $l$-Exact Component Order Connectivity
Yuxi Liu, Mingyu Xiao
cs.DS
本文针对\(l\)-Exact Component Order Connectivity问题，提出了一种基于扩展的crown decomposition与线性规划技术的kernelization算法，得到了\(O(kl)\)-vertex kernel，这是该问题在固定\(l\geq 3\)时的首个线性kernel。
Deterministic Single Exponential Time Algorithms for Co-Path Packing and Co-Path Set Parameterized by Treewidth
Yuxi Liu, Kangyi Tian, Mingyu Xiao
cs.DS
本文针对Co-Path Packing和Co-Path Set问题，提出了首个确定性单指数时间算法，参数为treewidth，解决了此前依赖随机化“Cut & Count”技术而无法去随机化的开放问题。
Optimizing for Fairness in Generalized Kidney Exchange: Theory and Computations
Claire Chang, Arin Khare, David Shmoys
cs.DS math.OC
本文研究了广义肾脏交换中的公平性优化问题，通过理论分析和计算实验，展示了在加权匹配和2-路径设置下可得到强多项式算法以保证公平性，并指出对于包含长度至少为3的环和路径的最大基数覆盖问题是NP-hard的。

others

ESLD (External Surrogate Latent Defense): A Latent-Space Architecture for Faster, Stronger Prompt-Injection Defense ⭐ 精选
Yash Narendra
cs.CR cs.AI
本文提出ESLD (External Surrogate Latent Defense)架构，通过直接读取guard model的内部latent representation（而非等待其输出verdict）来加速prompt-injection检测。该方法在平均提升3倍以上延迟的同时，将检测准确率提升16.4个百分点，且无需重新训练或修改原guard model。该工作为agentic AI系统中的安全检测提供了高效且可部署的解决方案，与关键词"agent"高度契合。
OEP: Poisoning Self-Evolving LLM Agents via Locally Correct but Non-Transferable Experiences ⭐ 精选
Kaixiang Wang et al.
cs.CR cs.AI cs.LG
本文提出了一种针对记忆增强型LLM agent（大语言模型智能体）的黑盒攻击方法OEP（Obsessive Experience Poisoning）。该方法利用agent在自我进化过程中的反思机制，通过构造“局部正确但不可迁移”（locally correct but non-transferable）的对抗性边缘案例，诱导agent生成看似合理但会导致有害泛化的经验。OEP不需要对系统提示或记忆数据库的直接控制，在三个领域的评估中，对GPT-4o agent的攻击成功率超过50%，揭示了agent安全性的新攻击面。
Agent Security is a Systems Problem ⭐ 精选
Mihai Christodorescu et al.
cs.CR cs.AI
本文从系统安全的角度重新审视agent安全问题，提出必须将AI模型视为不可信组件，并在系统层面强制执行安全不变量。作者基于操作系统、网络、形式化方法和对抗性机器学习等领域的经验，阐述了一套核心原则，并通过分析11个真实世界攻击案例，论证了系统安全原则在agent设计中的必要性。该工作为agent系统的安全设计提供了系统性的理论基础，与关键词"agent"高度契合。
STAR-PólyaMath: Multi-Agent Reasoning under Persistent Meta-Strategic Supervision ⭐ 精选
Jiaao Wu et al.
cs.MA cs.AI cs.CL
本文提出STAR-PólyaMath，一个用于数学推理的多agent框架。其核心创新在于引入一个持久的Meta-Strategist，通过跨尝试记忆和元级控制（如发布高级策略指导或强制指令）来管理Reasoner-Verifier交互，从而解决长程推理中的幻觉累积、记忆碎片化等问题。该框架采用无推理的Python orchestrator将控制与推理分离，并通过嵌套的challenge-step-replan循环和回溯机制限制错误传播。在AIME 2025-2026、Putnam 2025等八个顶级竞赛基准上，STAR-PólyaMath取得了state-of-the-art结果，消融实验表明性能提升源于框架编排而非模型多样性。
PAVE: A Cognitive Architecture for Legitimate Violation in Generative Agent Societies ⭐ 精选
Ahmad Yehia et al.
cs.MA cs.AI cs.CL
本文提出PAVE (Perception, Assessment, Verdict, Emulation)认知架构，用于解决生成式agent社会中何时可以合理违反规则的问题。该架构通过四个模块端到端处理：感知模块提取包含权威距离、同伴行为和严重性标签的结构化context，评估模块对context进行五维标量评分（含合法性判断），裁决模块基于persona阈值决定遵守或违反，执行模块将违规范围限定在触发条件所针对的规则。在基于Smallville改进的Voville交通环境中，PAVE agent同时满足合法违规、权威服从、范围限定和恢复四个属性，且决策比vanilla agent更结构化、可解释。该工作为agent社会中的规则违反行为提供了系统化的认知框架，与关键词中的agent和context高度契合。
A Case for Agentic Tuning: From Documentation to Action in PostgreSQL ⭐ 精选
Hongyu Lin et al.
cs.SE cs.AI cs.DB cs.PF
本文提出从静态文档转向动态动作的系统调优范式，通过将专家调优方法论转化为可执行技能，使基于LLM的agent能够执行版本一致性验证、工作负载特定分析和多参数联合优化。在PostgreSQL上基于TPC-C和TPC-H基准测试的评估表明，该方法相比最先进的文档驱动调优基线性能提升高达35.2%，解决了文档驱动方法在软件演化、异构工作负载和参数依赖方面的根本缺陷。该工作与关键词"agent"高度契合，为数据库系统调优提供了开创性的agent驱动范式。
An Efficient Multilevel Preconditioned Nonlinear Conjugate Gradient Method for Incremental Potential Contact
Yu Zhang et al.
cs.GR cs.AI
本文提出了一种用于Incremental Potential Contact (IPC)仿真的高效多层级预条件非线性共轭梯度法MAS-PNCG，通过Sparse-Input Woodbury更新算法和Hessian-aware 2D子空间最小化，在避免完整Hessian矩阵组装的同时加速了接触丰富的刚体仿真。
Noise scheduling and linear dynamics in diffusion models on Lie groups
Javad Komijani
hep-lat cs.LG
本文研究了Lie群上扩散过程中的噪声调度，并证明特定噪声调度会导致Wilson作用量期望值随扩散时间线性衰减，这与Euclidean扩散模型中需显式设计drift项不同，在Lie群设定中自然出现。
OmniGUI: Benchmarking GUI Agents in Omni-Modal Smartphone Environments
Felix Henry et al.
cs.HC cs.AI
本文提出了OmniGUI，一个用于评估GUI agent在全模态智能手机环境中性能的step-level benchmark，包含连续交错的静态图像、同步音频和视频输入。实验表明现有模型在需要时域和听觉信号的任务上性能显著下降，并存在跨模态干扰问题。
Interoceptive Divergence in Aesthetic Evaluation and Implications for Human-AI Alignment
Yoshia Abe, Tatsuya Daikoku, Yasuo Kuniyoshi
cs.HC cs.AI
本文通过对比人类与LLMs在审美评价中的反应，发现两者在美感评分与情绪的相关性上相似，但在情绪分布及美感与身体感觉的关系上存在显著差异，揭示了当前AI在审美处理中缺乏内感受（interoceptive）方面的能力。
Decentralized autonomous organization and blockchain-based incentivization framework for community-based facilities management
Reachsak Ly et al.
cs.CR cs.AI cs.CY cs.LG
本文提出了一个基于区块链和去中心化自治组织(DAO)的框架，用于智能建筑中的社区设施管理，通过代币奖励机制激励住户参与设施维护。系统评估包括成本分析、可扩展性、数据安全性和用户测试，展示了该框架在促进利益相关者参与方面的潜力。
Can LLMs Emulate Human Belief Dynamics?
Adiba Mahbub Proma et al.
cs.SI cs.AI cs.CY
本文通过复现一项关于信念动态的已有研究，测试了12种LLM在模拟人类信念形成与变化方面的能力。结果表明，LLM无法捕捉初始的人类信念分布，且比人类更倾向于从众，这警示了在社交模拟中不应将LLM作为人类代理使用。
The Insurability Frontier of AI Risk: Mapping Threats to Affirmative Coverage, Silent Exposures, and Exclusions
Alex Leung et al.
q-fin.RM cs.AI cs.CR cs.CY econ.GN
本文通过编码55种AI威胁类别与26种保险产品，绘制了AI风险的可保性边界，识别出明确承保、沉默暴露、主动排除和传统保险结构外四类风险。文章主要基于公开材料分析保险公司的公开立场，而非实际合同条款。
Features have life history. And we should care
Philipp Stecher et al.
q-bio.NC cs.AI
本文研究了语言模型训练过程中特征的生命周期，发现存在一个由约50个稀疏特征构成的稳定“载体骨架”，该骨架在训练早期快速形成并主导后续发展。
SpecX: A Large-Scale Benchmark for Multi-Modal Spectroscopy and Cross-Paradigm Evaluation
Chengrui Xiang et al.
eess.IV cs.CV cs.LG q-bio.OT
本文提出了SpecX，一个大规模多模态光谱基准数据集，包含170万分子和多种光谱模态，用于评估专用光谱模型和多模态语言模型在分子解析、光谱模拟等任务上的表现。实验表明专用模型擅长信号级建模，而多模态语言模型在高层推理上有优势但缺乏精确光谱基础。
A Nonlinear Complexity Index for Wearable PPG Cardiovascular Stability: Multiscale Validation, Systematic Evaluation Correction, and Bayesian Parameter Optimization
Timothy Oladunni, Farouk Ganiyu Adewumi
eess.SP cs.AI cs.LG
本文提出了一种基于Cardiac Stability Theory的非线性心血管稳定性指数SCSI，用于可穿戴PPG信号分析。研究通过多尺度验证和贝叶斯参数优化提升了性能，并揭示了评估协议中的常见伪影问题。
Towards Discovery of Polymers for Insulin Delivery via Physics-Grounded Agentic Workflows
Martins Otun
q-bio.QM cs.LG
本文提出了一种基于物理的agentic workflow，利用大语言模型调用OpenMM等工具搜索聚合物设计空间，以改善胰岛素的热稳定性。该方法在预算内优于强化学习和贝叶斯优化基线，但未涉及code、spectral、Muon、pretrain或attention等关键词。
DarkLLM: Learning Language-Driven Adversarial Attacks with Large Language Models
Ye Sun et al.
cs.CR cs.AI cs.CV cs.LG
本文提出DarkLLM框架，利用LLM将自然语言攻击指令转化为视觉对抗扰动，统一了多种攻击任务。该方法通过指令微调实现灵活可控的对抗生成，但未涉及code、spectral、Muon等关键词。
GenAI-FDIA: Physics-Informed Generative Models for False Data Injection Attacks
Mohammad A. Razzaque, Muta Tah Hira
cs.CR cs.AI cs.LG
本文提出了GenAI-FDIA框架，用于生成符合电力系统物理规律的虚假数据注入攻击，并评估了20种生成模型架构。实验发现了一个新的失败模式：在归一化特征空间中直接应用仿射物理投影会严重破坏攻击的隐蔽性，并通过一种推理时协调器解决了该问题。
Prognostic Value of Lung Ultrasound Biomarkers for Readmission Risk in Congestive Heart Failure: A Pilot Data-Driven Analysis
Jana Armouti et al.
eess.SP cs.CV cs.LG eess.IV
本文探索了使用肺部超声生物标志物预测充血性心力衰竭患者30天再入院风险的可行性，通过机器学习方法分析了B-mode LUS影像中的时空特征。研究发现下肺区域和时序差异特征对预测最为关键，但该工作主要聚焦于医学应用，与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
The Extremum Stack is a Minimal Sufficient Statistic for Rate-Independent Functionals: A Kolmogorov Complexity Characterisation
Piotr Frydrych
cs.IT cs.AI cs.CC
本文证明了离散序列的extremum stack（极值栈）是Kolmogorov复杂度意义下所有可计算、因果、率无关泛函类的最小充分统计量，并给出了相应的复杂度界。该结果通过Preisach磁滞算子的经典擦除性质证明了充分性，并通过显式构造有限指示族证明了最小性。
Stop Drawing Scientific Claims from LLM Social Simulations Without Robustness Audits
Jinyi Ye et al.
physics.soc-ph cs.AI cs.CY cs.MA
本文指出从LLM社会模拟中得出的科学结论可能反映实现伪影而非被建模的社会机制，并通过重复囚徒困境和社交媒体回音室模拟两个案例展示了微小扰动（如persona格式和游戏指令框架）对合作率和极化指标的显著影响。文章提出了TRAILS鲁棒性审计分类法，涵盖agent、interaction和system三个模拟设计层级，但未涉及code、spectral、Muon、pretrain或attention等关键词。
KG-ASG: Collision-Knowledge-Guided Closed-Loop Adversarial Scenario Generation With Primary-Support Attribution
Cheng Wang et al.
cs.RO cs.AI
本文提出KG-ASG框架，利用碰撞知识库和轻量级Collision Expert模型，将多车对抗场景生成建模为主-支持过程，以生成具有明确碰撞语义和可执行轨迹的对抗样本。实验在MetaDrive重建的WOMD场景上验证了其有效性。
Cross-Subject Intracranial EEG Reconstruction from Scalp Recordings Using Multi-Scale Cross-Attention Transformers
Tien-Dat Pham, Xuan-The Tran
eess.SP cs.AI cs.LG
本文提出了一种基于Multi-Scale Cross-Attention Transformers的跨被试颅内脑电(iEEG)重建方法，通过两阶段迁移学习策略将头皮脑电转换为多通道iEEG波形。实验表明该方法在皮层表面附近信号重建效果较好，但整体性能有限，且未涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等核心概念。
A Logistic Regression Model to Predict Malaria Severity in Children
Mary Opokua Ansong, Asare Yaw Obeng, Samuel King Opoku
q-bio.OT cs.LG
本文使用logistic regression模型基于环境与生物因素预测儿童疟疾严重程度，在加纳地区数据上达到83.3%的准确率。该研究主要关注公共卫生应用，与关键词中的数学或机器学习理论概念关联较弱。
Variational Diffusion Channel Decoder
Chengwei Zhang, Yifan Du, Siyu Liao
cs.IT cs.LG
本文提出了一种基于变分扩散模型的信道解码器，通过结合belief propagation过程来降低计算成本，在保持高纠错性能的同时减少了模型大小和复杂度。
Lightweight and Fast Backdoor Model Detection
Yinbo Yu et al.
cs.CR cs.AI
本文提出DFBScanner，一种轻量级静态参数检测框架，通过分析最终分类层的参数异常来快速检测后门模型，无需干净样本或先验知识。该方法在多个数据集和攻击策略上实现了高检测率和极低延迟。
Fast and Lightweight Backdoor Detection via Head Random Probing
Yinbo Yu et al.
cs.CR cs.AI cs.LG
本文提出了一种名为HTell的快速轻量级后门检测方法，通过向模型预测头（prediction head）输入随机探针（random probes）并分析类别响应统计量来检测后门，无需访问数据或梯度。该方法在包含6000多个后门模型的大规模基准上实现了高检测率与极低延迟。
SCAFDS: Edge-Feature Graph Attention for Interbank Fraud Detection with Attribution-Grounded SAR Generation
Mohammad Nasir Uddin
cs.CR cs.AI cs.LG
本文提出SCAFDS系统，利用fraud co-occurrence edge features和edge-feature graph attention机制进行银行间欺诈检测，并生成可追溯的SAR报告。实验在IEEE-CIS数据集上验证了其有效性，但方法主要针对特定金融场景，与关键词中的spectral、Muon、pretrain、agent等概念关联较弱。
DMN: A Compositional Framework for Jailbreaking Multimodal LLMs with Multi-Image Inputs
Wenzhuo Xu et al.
cs.CR cs.AI
本文提出了一种针对多模态大语言模型(MLLM)的越狱攻击框架DMN，通过将有害指令分布到多张图像中并引入数字链任务来绕过安全对齐。实验表明该方法在多个主流MLLM上取得了超过90%的攻击成功率，揭示了多模态模型在多图像输入场景下的安全漏洞。
CounterFlow: A Two-Phase Inference-Time Sampling for Counterfactual Video Foley Generation
Gyubin Lee, Junwon Lee, Juhan Nam
cs.MM cs.AI cs.CV cs.SD eess.AS
本文提出CounterFlow，一种用于预训练flow-matching VT2A模型的双阶段推理采样方案，旨在生成与视觉证据矛盾但时间同步的反事实视频拟音。该方法通过第一阶段抑制视觉隐含声源并构建时间结构，第二阶段专注于目标提示的音色塑造，改进了反事实视频拟音生成质量。
MoCo-EA: Exploiting Adversarial Mode Connectivity for Efficient Evolutionary Attacks
Hyo Seo Kim et al.
cs.CR cs.AI cs.LG
本文提出MoCo-EA，用Bézier曲线算子替代传统crossover操作，利用对抗样本的mode connectivity（模式连通性）来生成更高效的对抗扰动，实验表明该方法在收敛速度和查询效率上优于传统进化攻击方法。
From Division to Decision: Leveraging Temporal Cell-Stage Segmentation for Embryo Transferability Prediction
Yasmine Hachani et al.
eess.IV cs.CV cs.LG q-bio.QM
本文提出TransFACT框架，利用Transformer模型处理牛胚胎早期发育的2D延时视频，通过结合帧级时间特征与发育阶段表示来预测胚胎可移植性。该方法在胚胎可移植性预测任务上优于现有竞争者。
Bayesian Latent Space Models for Graphs Are Misspecified: Toward Robust Inference via Generalized Posteriors
Aldric Labarthe
stat.ML cs.LG math.PR
本文指出贝叶斯潜在空间模型在图的表示中因几何与链接函数设定错误会导致推断过度自信且校准不佳，并提出一种基于广义后验的Link-Sequential R-SafeBayes方法，通过利用dyadic conditional independence来估计prequential risk并自适应调整后验正则化，从而提升校准与链接预测性能。
Markov Chain Decoders Overcome the Heavy-Tail Limitations of Lipschitz Generative Models
Abdelhakim Ziani, Andras Horvath, Paolo Ballarini
stat.ML cs.AI cs.LG
本文指出标准VAE（使用Gaussian decoder likelihood和Lipschitz约束网络）在结构上无法生成heavy-tailed分布，并理论刻画了这一局限。作为解决方案，作者将decoder中的Gaussian分布替换为基于Markov chain的Phase-Type分布，实验表明该方法能显著提升对heavy-tailed数据的拟合精度。
Hyrax: An Extensible Framework for Rapid ML Experimentation and Unsupervised Discovery in the Era of Rubin, Roman, and Euclid
Aritra Ghosh et al.
astro-ph.IM astro-ph.CO astro-ph.EP astro-ph.GA cs.LG
本文介绍了Hyrax，一个开源的、模块化的、支持GPU的Python框架，用于支持天文学中的完整机器学习生命周期，包括数据获取、训练、推理和实验比较。该框架通过多个实际应用案例展示了其在无监督表示学习、聚类、瞬变分类和假阳性过滤等方面的能力。
Harnessing Self-Supervised Features for Art Classification
Federico Melis et al.
cs.CV cs.AI cs.MM
本文系统研究了监督与自监督backbone（如DINO和CLIP）在艺术品分类与检索中的有效性，发现自监督backbone能持续提升分类性能，并探讨了其在虚拟现实导航等实际应用中的潜力。
Surviving the Unseen: Predictive Defense for Novel Multi-Turn Multimodal Attacks
Doohee You
cs.CR cs.AI
本文针对多轮多模态攻击提出TRIAD防御框架，通过将安全验证建模为动态生存预测问题，结合结构异常检测、Ledoit-Wolf正则化Mahalanobis距离和拓扑轨迹加速来监测恶意漂移。该框架使用贝叶斯隐马尔可夫模型反馈的时变Cox比例风险模型，为实时agent系统提供可解释的预测性防护。
EgoTraj: Real-World Egocentric Human Trajectory Dataset for Multimodal Prediction
Ahmad Yehia et al.
cs.CV cs.LG cs.RO
本文提出了一个名为EgoTraj的自我中心多模态轨迹数据集，包含75段真实城市环境中的行人导航记录，并提供了RGB视频、头部姿态、3D眼动注视向量和场景标注等同步数据。该数据集旨在为AR感知、导航和辅助系统等应用中的自我中心轨迹预测提供基准。
Conformal Prediction via Transported Beta Laws
Thiago R. Ramos, Helton Graziadei, Luben M. C. Cabezas
stat.ML cs.LG stat.ME
本文研究了split conformal prediction中校准条件覆盖率的分布，在连续i.i.d.设定下该分布精确为\(Beta(k,n+1-k)\)，并利用Wasserstein距离量化了非i.i.d.行为对该beta参考分布的偏离。
RLFTSim: Realistic and Controllable Multi-Agent Traffic Simulation via Reinforcement Learning Fine-Tuning
Ehsan Ahmadi et al.
cs.RO cs.AI cs.CV cs.LG cs.MA
本文提出RLFTSim，一种基于reinforcement learning的fine-tuning框架，用于提升多agent交通仿真的真实性和可控性。该方法通过设计低方差密集奖励信号，在Waymo数据集上实现了state-of-the-art性能，并显著减少了样本需求。
Guiding Neuro-Symbolic Scenario Generation with Spatio-Temporal Logic
Lorenzo Bonin et al.
cs.RO cs.LG
本文提出STRELGen框架，结合多智能体轨迹生成扩散模型与时空逻辑(STREL)规范，通过可微分的监控实现梯度搜索，以高效生成安全关键型自动驾驶场景。该方法为自动驾驶系统压力测试提供了灵活可解释的工具。
Automated Grading of Handwritten Mathematics Using Vision-Capable LLMs
Jacob Levine et al.
cs.CY cs.AI cs.HC
本文评估了使用视觉大语言模型（LLM）对大学STEM课程中的手写数学作业进行自动评分，发现高准确率下多数错误源于转录失败而非评分规则误用，并分类了常见错误模式。
Provably Data-driven Lagrangian Relaxation for Mixed Integer Linear Programming
Tung Quoc Le, Anh Tuan Nguyen, Viet Anh Nguyen
stat.ML cs.LG
本文通过Data-driven Algorithm Design的视角，分析了学习Lagrangian Relaxation乘子的统计学习问题，推导了泛化界\(\mathcal{O}(s^{1.5}/\sqrt{N})\)和极小化下界\(\Omega(s/\sqrt{N})\)，并证明Stochastic Gradient Ascent能达到最优速率\(\Theta(s/\sqrt{N})\)。该工作主要关注MILP的Lagrangian乘子学习理论，与关键词列表中的概念关联较弱。
LiFT: Lifted Inter-slice Feature Trajectories for 3D Image Generation from 2D Generators
Xinhe Zhang et al.
cs.CV cs.AI eess.IV
本文提出LiFT框架，将3D体积合成分解为逐切片图像生成与切片间trajectory学习，通过tri-planar drifting loss和bidirectional \(z\)-context mixer实现无条件和配对的3D医学图像生成。该方法在BraTS 2023和SynthRAD2023上验证了轻量级inter-slice trajectory学习对高分辨率3D合成的有效性。
Toward an AI-Powered Computational Testbed for Workforce Policy
Sumer S. Vaid, Ashley V. Whillans
cs.HC cs.AI
本文提出了一种结合LLM和生成式agent的模拟平台，用于预测员工在组织变革中的心理和行为轨迹，并讨论了隐私、准确性和代表性保障。该工作主要关注劳动力政策模拟，与关键词中的agent概念有一定关联，但方法本身并非开创性。
Learning Long-Term Temporal Dependencies in Photovoltaic Power Output Prediction Through Multi-Horizon Forecasting
Sumit Laha, Ankit Sharma, Hassan Foroosh
cs.CV cs.AI
本文提出从单步预测转向多步预测框架，通过联合优化未来序列值来提升光伏功率预测的准确性，实验表明该方法能更好地捕捉时间依赖性且计算开销小。
CRAFT: Critic-Refined Adaptive Key-Frame Targeting for Multimodal Video Question Answering
Mahesh Bhosale et al.
cs.CV cs.AI
本文提出CRAFT，一个用于多模态视频问答的查询条件化pipeline，通过动态关键帧选择、ASR和混合critic循环来验证和修复claims，在MAGMaR 2026上取得了最佳平均性能。该方法主要关注视频问答中的证据聚合，与关键词列表中的概念关联较弱。
Heterogeneity-Aware Dataset Scheduling for Efficient Audio Large Language Model Training
Yanru Wu et al.
cs.SD cs.LG
本文针对音频大语言模型训练中数据集异构性导致的梯度冲突和收敛缓慢问题，提出了分组顺序训练方法，通过亲和度分组和渐进调度协议来平衡并行训练与顺序优化的效率。实验表明该方法在14个数据集上实现了30-40%的收敛加速。
Neural Operators for Design-Space Surrogate Modeling of Tendon-Actuated Continuum Robots
Branden Frieden et al.
cs.RO cs.AI
本文提出将肌腱驱动连续体机器人的代理建模视为一个operator learning问题，并开发了基于DeepONet和FNO的四种架构来预测机器人构型。该方法在模拟数据上训练，实现了对不同设计参数的快速且准确的泛化。
FAGER: Factually Grounded Evaluation and Refinement of Text-to-Image Models
Youngsun Lim et al.
cs.CV cs.AI
本文提出了FAGER框架，通过结合LLM和VLM来评估和优化text-to-image模型生成图像的factual correctness，在多个数据集上优于现有指标。该方法主要关注事实性评估，与关键词中的agent概念有一定关联，但整体创新性和针对性未达到严格标准。
Learning Interpretable Point-Based Clinical Risk Scores via Direct Optimization
Ying Cui et al.
stat.ME cs.LG stat.ML
本文提出了一种基于贪心优化策略的机器学习算法，用于直接学习具有非负整数权重的可解释临床风险评分，并通过电子健康记录数据验证了其性能。该方法将问题转化为整数规划任务，但未涉及关键词中的核心概念。
GOAL: Graph-based Objective-Aligned Diffusion Solvers for Dynamic Multi-Objective Optimization
Xingyu Li
cs.NE cs.AI cs.LG
本文提出了一种基于图的扩散模型GOAL，用于动态多目标优化问题，通过异构图编码和条件生成实现可控决策。在三个调度基准测试中，该方法实现了100%的可行解和极低的多目标预测误差，但未涉及关键词中的核心概念。
Dual-Channel Tensor Neural Networks: Finite-Sample Theory and Conformal Structure Selection
Elynn Chen et al.
stat.ML cs.LG
本文提出了一种双通道张量神经网络(DC-TNN)，将张量输入分解为低秩核心和稀疏细化两部分，并通过耦合神经通道处理。该方法建立了有限样本风险界，并开发了结构感知的保形ROC程序用于不确定性量化，但与我提供的关键词(如code, context, spectral, Muon, pretrain, agent, attention)关联度较低。
Atomistic Modeling of Chemical Disorder in Materials: Bridging Classical Methods and AI-Assisted Approaches
Jiayu Peng, Peichen Zhong
cond-mat.mtrl-sci cond-mat.dis-nn cs.LG physics.chem-ph
本文综述了在材料科学中处理化学无序（chemical disorder）的计算方法，包括经典的平均场理论、cluster expansion、准随机近似和Monte Carlo方法，以及新兴的AI驱动方法（如通用原子间势和生成模型）。文章重点讨论了如何弥合实验与模拟之间的表示鸿沟，但并未提出具体的新方法或解决长期存在的核心问题，与关键词列表中的概念关联较弱。
Knowing When Not to Predict: Self Supervised Learning and Abstention for Safer DR Screening
Muskaan Chopra et al.
cs.CV cs.AI
本文研究了self-supervised learning (SSL)预训练时长对diabetic retinopathy分级任务中模型置信度校准与选择性预测（abstention）的影响，发现更长的预训练并不总能提升可靠性，并强调了将预训练长度作为可靠性设计参数的重要性。
COBALT: Crowdsourcing Robot Learning via Cloud-Based Teleoperation with Smartphones
Ayush Agarwal et al.
cs.RO cs.AI cs.LG
本文提出了COBALT，一个基于云端的机器人遥操作平台，利用智能手机等常见设备实现大规模示范数据采集。该平台通过向量化环境和负载均衡基础设施支持多用户并发操作，并验证了采集数据可用于训练模仿学习算法。
Be Kind, Rewrite: Benign Projections via Rewriting Defend Against LLM Data Poisoning Attacks
John T. Halloran, Noopur S. Bhatt
cs.CR cs.AI cs.LG
本文提出了一种名为OBBR的防御方法，利用LLM重写将训练样本投影到良性prompt空间，以抵御后门攻击。实验表明该方法在多个攻击和模型上提升了安全性，但未涉及code、spectral、Muon等关键词相关技术。
Information Processing Capacity of Stationary Physical Systems: Theory, Data-efficient Estimation Methods, and Photonic Demonstration
Rahul Uma Ramachandran, Serge Massar
stat.ML cs.ET cs.IT cs.LG cs.NE +1
本文扩展了Information Processing Capacity (IPC)框架到稳态物理计算系统，证明了单个capacity介于0和1之间且总和受限于读出数，并提出了基于Richardson外推和Sobol准随机抽样的数据高效估计方法。通过光子计算系统实验验证了IPC分布随Kerr效应的变化，并展示了总IPC与机器学习任务性能的强相关性。
Meta-Theorems for Cuttable Distributed Problems
Marthe Bonamy et al.
cs.DC cs.DS
本文研究分布式计算中的cuttable minimization problems，证明了对于平面图上的Minimum Dominating Set (MDS)的\(\alpha\)-approximation LOCAL算法，可以构造出在给定Euler genus-\(g\)曲面上嵌入图的\(f(g)\)-round \((3\alpha+1)\)-approximation LOCAL算法。该结果推广到Minimum \(k\)-Tuple Dominating Set等其它问题以及locally nice图类，主要依赖于图类的asymptotic dimension。
A Heuristic Approach for Performance Tuning in RL-based Quadrotor Control via Reward Design and Termination Conditions
Fausto Mauricio Lagos Suarez et al.
cs.RO cs.LG math.OC
本文提出了一种基于强化学习的四旋翼控制启发式调优方法，通过设计包含双带宽指数的奖励结构和终止条件，使用PPO算法在600万时间步内实现了可调性能的setpoint跟踪，并保持了约2%的稳态误差。该方法通过直观的启发式规则调整奖励权重和指数系数，实现了从快速到慢速的不同响应性能。
Reducing Diffusion Model Memorization with Higher Order Langevin Dynamics
Benjamin Sterling, Mónica F. Bugallo, Tom Tirer
stat.ML cs.LG
本文研究了Higher-Order Langevin Dynamics (HOLD)对扩散模型记忆化现象的缓解作用，通过理论分析表明HOLD中数据变量的动力学由学习到的score function的低通滤波版本控制，且平滑度随模型阶数增加而提高。实验验证了HOLD相比标准扩散模型在减少训练样本复现方面的优势。
Activation Functions, Statistics and Learning of Higher-Order Interactions in Restricted Boltzmann Machines
Giovanni di Sarra, Yasser Roudi
cond-mat.dis-nn cond-mat.stat-mech cs.LG physics.data-an
本文利用RBM与二元变量相互作用模型之间的对偶性，研究了不同隐藏单元激活函数（如Linear, Step, ReLU, Exponential）对RBM集成诱导相互作用统计特性的影响。分析表明，对于由高阶相互作用生成的数据结构，任何RBM都难以表示和学习，但快速增长的激活函数（如Exponential）在特定参数范围内能促进此类结构的表示。
A Cloud-Based Tool for Meteorite Recovery Using Drones and Machine Learning
Seamus L. Anderson et al.
astro-ph.EP astro-ph.IM cs.LG
本文介绍了一个基于云的工具，利用drones和machine learning辅助回收观测到的陨石坠落，并展示了在澳大利亚南部和西部应用该技术的改进与局限性。该工具可供陨石研究社区申请使用。
Going PLACES: Participatory Localized Red Teaming for Text-to-Image Safety in the Global South
Charvi Rastogi et al.
cs.CY cs.AI cs.HC
本文通过在南半球（Global South）开展本地化社区中心红队测试（red teaming），构建了PLACES数据集，揭示了现有text-to-image模型安全框架在文化多样性上的结构性缺陷，并强调了参与式本地化方法对提升模型安全性的重要性。
Aerial Inspection Behaviors via RL-based Quadrotor Control for Under-canopy Forest Environments
Fausto Mauricio Lagos Suarez et al.
cs.RO cs.AI math.OC
本文提出了一种基于深度强化学习的四旋翼控制器，用于森林冠层下的自主巡检任务。该方法结合了TSP和RRT*规划器，实现了端到端的位姿跟踪控制，并通过五个场景验证了其有效性。
Quantized Machine Learning Models for Medical Imaging in Low-Resource Healthcare Settings
Sumanth Meenan Kanneti, Aryan Shah
cs.CV cs.AI cs.LG
本文提出了一种针对低资源医疗场景的MRI脑肿瘤分类模型的多策略压缩框架，包括量化感知训练、知识蒸馏和Float16后训练量化。实验表明，基于MobileNetV2的量化模型在保持诊断性能的同时，实现了6.14倍的模型压缩比。
Precision Physical Activity Prescription via Reinforcement Learning for Functional Actions
Gefei Lin et al.
stat.AP cs.LG stat.ML
本文基于All of Us研究计划的数据，开发了一种新的offline reinforcement learning算法，用于学习个性化的每日步数分布策略以优化心脏代谢健康指标。该方法将动作定义为一段时间内每日步数的函数分布，并通过仿真验证了其相对于现有连续动作RL方法的优势。
Rotation-Aligned Key Channel Pruning for Efficient Vision-Language Model Inference
Beomseok Kang et al.
cs.CV cs.AI
本文提出RotateK，一种基于旋转的结构化Key channel剪枝框架，通过在线PCA旋转将token相关的channel重要性对齐到共享低维子空间，从而在轻量级head-wise掩码下实现精确剪枝，并设计融合Triton注意力核以加速解码。该方法在视觉语言模型推理中缓解KV缓存压力，但主要贡献在于工程优化而非理论突破，与关键词列表中的概念关联较弱。
Token by Token, Compromised: Backdoor Vulnerabilities in Unified Autoregressive Models
Tobias Braun et al.
cs.CR cs.AI
本文首次揭示了统一自回归模型（UAMs）在多模态后门攻击中的脆弱性，提出了Token by Token Backdoor Attack (ToBAC)方法，通过数据投毒或模型访问，利用特定触发词（如"cool"）同时操纵图像和文本生成，在JanusPro和Liquid模型上分别达到63.1%和55%的攻击成功率。
Robust Mitigation of Age-Dependent Confounding Effects via Sample-Difficulty Decorrelation
Nikhil Cherian Kurian et al.
cs.CV cs.LG
本文提出了一种通过样本难度去相关来缓解年龄作为confounder（混杂变量）在医学图像分类中导致性能差异的鲁棒框架。该方法使用Huber加权亲和权重来去相关年龄与标签条件化的年龄难度趋势，并引入Age Coverage Score以稳定优化，在减少年龄相关假阳性和假阴性差异的同时保持AUC性能。
Quantum Machine Learning for Cyber-Physical Anomaly Detection in Unmanned Aerial Vehicles: A Leakage-Free Evaluation with Proxy-Audited Feature Sets
Carlos A. Durán Paredes et al.
cs.CR cs.LG quant-ph
本文研究了量子机器学习在无人机异常检测中的应用，提出了一种无泄漏评估框架，包括分组时间协议和特征审计模式，并对比了混合XGBoost与数据重上传分类器的性能。实验表明，该混合模型在无代理特征下具有最低的平均误报率，但统计显著性受限于种子间方差。
PhyWorld: Physics-Faithful World Model for Video Generation
Pu Zhao et al.
cs.CV cs.AI cs.ET cs.LG cs.MM
本文提出PhyWorld，一种通过两阶段后训练（包括flow matching微调和基于物理偏好的Direct Preference Optimization）来增强视频生成模型物理真实性的方法，旨在作为Physical AI的世界模拟器。实验表明其在视频一致性和物理合理性指标上优于基线，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
When Web Apps Heal Themselves: A MAPE-K Based Approach to Fault Tolerance and Adaptive Recovery
Sales Aribe Jr, Rov Japheth Oracion
cs.SE cs.AI cs.HC cs.PL
本文提出了一种基于MAPE-K模型的模块化自愈框架，用于提升Web应用的容错性和自适应恢复能力。实验表明该框架在故障检测和恢复方面表现良好，但方法本身并非开创性，且与关键词列表中的概念无直接关联。
Do Better Volatility Forecasts Lead to Better Portfolios? Evidence from Graph Neural Networks
Rylan Wade
q-fin.PM cs.LG
本文使用GraphSAGE模型对比了多种波动率预测方法，发现预测精度、排序质量与投资组合表现三者并非等价，图模型仅在能利用其编码的横截面结构时才有价值。
Factor Augmented High-Dimensional SGD
Shubo Li, Yuefeng Han, Xiufan Yu
stat.ML cs.LG math.ST
本文提出Factor-Augmented SGD (FSGD)，一种利用latent factor表示的高维优化方法，能在流式数据上运行，并首次将latent factor估计误差纳入SGD的理论分析中，证明了在衰减步长和小批量更新下的\(\ell^s\)范数矩收敛性。
Domain-Adaptive Communication-Rate Optimization for Sim-to-Real Humanoid-Robot Wireless XR Teleoperation
Caolu Xu et al.
cs.IT cs.LG cs.RO
本文针对人形机器人无线XR遥操作中的通信率优化问题，提出了一种结合采样、传输、插值与重建的系统框架，并通过维度级采样率控制来平衡通信能耗与重建精度。为解决物理机器人实时反馈受限的问题，该方法利用模拟器交互与离线真实数据校正实现sim-to-real适应，并基于PAC-Bayes泛化分析设计了带密度比加权和信任域正则化的PPO算法。
DEFLECT: Delay-Robust Execution via Flow-matching Likelihood-Estimated Counterfactual Tuning for VLA Policies
Yixiang Zhu et al.
cs.RO cs.AI
本文提出DEFLECT方法，通过将延迟转化为无标签偏好信号，利用flow-matching似然比代理对异步VLA策略进行离线后训练微调，以缓解预测与执行之间的错位问题。该方法在仿真和真实机器人任务上提升了高延迟场景下的成功率。
Matérn Noise for Triangulation-Agnostic Flow Matching on Meshes
Tianshu Kuai et al.
cs.GR cs.CV cs.LG
本文针对三角网格上的信号生成任务，提出了一种与三角剖分无关的Flow Matching方法。它通过使用Matérn过程作为噪声分布，并利用PoissonNet作为去噪器，实现了在不同网格和三角剖分上的有效应用。
A Unified Framework for Structure-Aware Clustering and Heterogeneous Causal Graph Learning
Honglin Du, Muxuan Liang, Xiang Zhong
stat.ML cs.LG stat.ME
本文提出DAG-DC-ADMM框架，通过结合结构方程模型与群组截断Lasso融合惩罚，在非凸优化中联合学习聚类分配与聚类特定的有向无环图依赖结构，并利用ADMM算法求解。该方法能有效恢复异质性依赖结构，但与我提供的关键词（如code, context, spectral等）关联度较低。
ContextFlow: Hierarchical Task-State Alignment for Long-Horizon Embodied Agents
Shuhan Guo et al.
cs.RO cs.AI
本文提出ContextFlow框架，通过将任务阶段表示为显式契约、将运行时观测转换为证据包，并应用范围更新（如continue、refine等）来解决长时域具身agent中的任务状态不一致问题。该方法使任务前沿对齐变得可审计，但未涉及code、spectral、Muon或attention等关键词。
Exploring and Developing a Pre-Model Safeguard with Draft Models
Hongyu Cai et al.
cs.CR cs.AI
本文研究了jailbreak攻击在LLM与SLM之间的可迁移性，并提出一种利用SLM生成draft responses来增强pre-model guard安全性的方法。该方法通过将prompt与draft responses输入现有guard来预测安全性，旨在降低false-negative rate并提高效率。
RE-VLM: Event-Augmented Vision-Language Model for Scene Understanding
Hanqing Liu et al.
cs.CV cs.AI
本文提出RE-VLM，一种结合RGB图像与event streams的双流vision-language model，通过并行编码器和渐进训练策略提升在恶劣光照与运动场景下的场景理解能力，并构建了PEOD-Chat和RGBE-Chat数据集以验证其有效性。
CompoSE: Compositional Synthesis and Editing of 3D Shapes via Part-Aware Control
Habib Slim et al.
cs.GR cs.LG
CompoSE提出了一种基于part-aware control的3D形状组合合成与编辑方法，利用diffusion transformer架构在局部处理与全局上下文聚合间交替，并引入新型条件技术以增强对用户输入的遵循。该方法支持基于粗粒度几何基元的引导合成与局部编辑，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Brain alignment of reasoning and action representations from vision-language and action models during naturalistic gameplay
Subba Reddy Oota et al.
q-bio.NC cs.AI cs.LG
本文研究了视觉语言模型(VLM)和大动作模型(LAM)在自然游戏过程中的大脑对齐表现，发现两者在体素编码性能上均优于强化学习基线，且提示驱动的增益随皮层处理层级变化。
Skinned Motion Retargeting with Spatially Adaptive Interaction Guidance
Soojin Choi et al.
cs.GR cs.AI cs.CV cs.LG
本文提出了一种基于几何感知的运动重定向框架，通过空间自适应锚点（spatially adaptive anchors）和Transformer锚点细化策略，在角色体型差异较大时保持交互语义（如自接触和近体距离）。该方法采用图自编码器预测目标骨骼运动，并通过交替训练优化锚点适应与运动重定向。
MAM-CLIP: Vision-Language Pretraining on Mammography Atlases for BI-RADS Classification
Halil Ibrahim Gulluk, Olivier Gevaert
cs.CV cs.LG
本文提出MAM-CLIP方法，利用乳腺摄影图谱中的图像-文本对进行对比学习预训练，以提升BI-RADS分类性能。实验表明该方法在标注样本稀缺时能带来1%到14%的F1分数提升，但方法本身在vision-language pretraining领域并非开创性工作。
Scalable, Energy-Efficient Optical-Neural Architecture for Multiplexed Deepfake Video Detection
Parnian Ghapandar Kashani, Shiqi Chen, Aydogan Ozcan
cs.CV cs.LG cs.NE physics.app-ph physics.optics
本文提出了一种混合数字-模拟的深度伪造视频检测框架，结合轻量级数字前端与空间复用光学解码后端，通过可编程空间光调制器实现大规模并行模拟推理。该系统在单次光学传播中同时处理15个以上视频流，在降低计算成本的同时实现高吞吐量的视频级真实性预测。
Toward User Comprehension Supports for LLM Agent Skill Specifications
Zikai Alex Wen
cs.HC cs.AI
本文研究了LLM agent技能规范（specifications）中用户理解支持的缺失问题，通过规则编码分析了878个网络安全技能的文本线索，发现仅2.3%的规范同时具备四种理解锚点（如操作基础、输出契约等）。研究指出技能规范应被视为面向用户的能力披露，而非仅作为可执行指令的容器。
Multi-Scale Generative Modeling with Heat Dissipation Flow Matching
Jun Ma et al.
cs.CV cs.AI
本文提出Heat Dissipation Flow Matching (HDFM)，将基于模糊（heat-dissipation）的连续过程引入Flow Matching框架，以注入多尺度先验。通过对齐插值热耗散路径解决ill-posed问题，并采用\(x\)-prediction缓解高维回归困难，实验表明该方法在图像生成任务上优于多数基线。
Conflict-Free Replicated Data Types for Neural Network Model Merging: A Two-Layer Architecture Enabling CRDT-Compliant Model Merging Across 26 Strategies
Ryan Gillespie
cs.DC cs.AI cs.LG
本文提出了一种名为CRDTMergeState的两层架构，将神经网络模型合并策略包装成符合CRDT（Conflict-Free Replicated Data Type）规范的形式，通过OR-Set语义和确定性纯函数合并，保证了强最终一致性（Strong Eventual Consistency）。实验验证了该方法在多种模型规模和网络拓扑下的正确性与低开销。
Concept-Guided Noisy Negative Suppression for Zero-Shot Classification and Grounding of Chest X-Ray Findings
Chenyu Lian et al.
cs.CV cs.AI cs.LG
本文提出CoNNS框架，通过构建层级概念本体（hierarchical concept ontology）来抑制对比学习中的噪声负样本，以提升胸部X光片零样本分类与定位的性能。该方法利用大语言模型组织临床概念，并设计重标注策略与损失函数，在多个数据集上取得了优于现有模型的结果。
Tweedie's Formulae and Diffusion Generative Models Beyond Gaussian
Wenpin Tang et al.
stat.ML cs.LG
本文扩展了Tweedie's formula到非Gaussian过程（如几何布朗运动、平方Bessel过程和Cox-Ingersoll-Ross过程），并基于这些公式构建了相应的扩散生成模型，应用于图像和金融时间序列生成。该工作主要关注非Gaussian扩散模型的理论扩展，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
Neuron Incidence Redistribution for Fairness in Medical Image Classification
Abin Shoby, Lyle John Palmer, Nikhil Cherian Kurian
cs.CV cs.LG
本文提出了一种名为Neuron Incidence Redistribution (NIR)的轻量级正则化方法，通过惩罚倒数第二层神经元上预测概率加权平均激活值的方差，来缓解医学图像分类模型在不同人口统计属性（如年龄、性别）上的性能差异。该方法无需在训练时使用人口统计标签，并在HAM10000和Harvard OCT-RNFL数据集上有效降低了TPR和FPR的组间差异。
Rebalancing Reference Frame Dominance to Improve Motion in Image-to-Video Models
Wooseok Jeon et al.
cs.CV cs.AI
本文发现图像到视频模型中的“参考帧主导”现象（非参考帧过度关注参考帧的self-attention key tokens）是导致视频运动不足的关键机制，并提出DyMoS方法，通过调整去噪初始阶段的注意力路径来平衡运动强度，无需额外训练或修改模型权重。该方法在多个主流模型上验证了能提升运动动态性同时保持图像保真度。
KappaPlace: Learning Hyperspherical Uncertainty for Visual Place Recognition via Prototype-Anchored Supervision
Maya Yanko, Yoli Shavit
cs.CV cs.AI
本文提出KappaPlace框架，通过Prototype-Anchored监督策略学习视觉地点识别中的不确定性估计，将图像描述符建模为von Mises-Fisher变量以预测aleatoric uncertainty。该方法在多个基准上降低了校准误差，但未涉及code、context、spectral等关键词相关技术。
Targeted Downstream-Agnostic Attack
Zhuxin Lei, Ziyuan Yang, Yi Zhang
cs.CV cs.AI
本文提出了一种针对预训练encoder的Targeted Downstream-Agnostic Attack (TDAA)方法，通过引入一个预选的"threat image"作为目标，生成针对每个样本的对抗扰动，使得encoder对对抗样本和threat image输出相同的feature。该方法在更严格的threat model下实现了对未知下游任务的定向攻击。
Resilient Byzantine Agreement with Predictions
Julien Dallot et al.
cs.DC cs.AI
本文研究了在节点可访问预测器（标记可疑拜占庭节点）情况下的拜占庭协议问题，给出了在非认证和认证设置下一致性与鲁棒性之间的完整权衡特征，并刻画了弹性随预测精度下降的平滑退化速率。
CutVerse: A Compositional GUI Agents Benchmark for Media Post-Production Editing
Haobo Hu et al.
cs.CV cs.AI cs.GR cs.HC
CutVerse是一个针对媒体后期制作环境的GUI agent基准测试，包含7个专业应用和186个复杂任务。实验表明现有agent在长序列任务中成功率仅36.0%，主要受限于长期可靠性和领域特定规划能力。
CANINE: Coaching Visually Impaired Users for Interactive Navigation with a Robot Guide Dog
Cunjun Yu et al.
cs.RO cs.AI
CANINE是一个为视障用户提供机器人导盲犬交互导航训练的自动化教练系统，通过知识追踪和基础模型生成个性化口头反馈来分解复杂协调任务。实验表明其相比通用口头指令能显著提升学习效率和导航表现，但该方法与关键词中的数学概念无直接关联。
ARC-RL: A Reinforcement Learning Playground Inspired by ARC Raiders
Carlo Romeo, Andrew D. Bagdanov
cs.RO cs.AI cs.LG
本文介绍了ARC-RL，一个基于MuJoCo的连续控制环境套件，包含四种受ARC Raiders启发的机器人形态，并提供了一个统一的奖励函数和手动的Central Pattern Generator演示器。通过对比标准在线算法和基于先验数据的方法，研究了不同算法在形态多样性和动画风格约束下的表现。
Boosting Text-to-Image Diffusion Models via Core Token Attention-Based Seed Selection
Yunzhe Zhang, Hongfu Liu, Pengyu Hong
cs.CV cs.LG
本文提出了一种基于核心token注意力（Core Token Attention）的种子选择方法ABSS，通过分析去噪早期阶段提示词中核心token的注意力动态来预测生成质量，无需训练或微调即可筛选出最优随机种子。该方法作为轻量级插件可提升Stable Diffusion等模型的文本-图像对齐与视觉质量。
CaptchaMind: Training CAPTCHA Solvers via Reinforcement Learning with Explicit Reasoning Supervision
Pengcheng Wang et al.
cs.CV cs.AI
本文提出了CaptchaBench基准数据集和CaptchaMind求解器，通过强化学习与显式推理过程监督训练，在验证码识别任务上显著提升了成功率，但未涉及关键词中的核心概念。
Provable Fairness Repair for Deep Neural Networks
Jianan Ma et al.
cs.SE cs.LG
本文提出ProF框架，通过区间边界传播技术捕捉模型在样本邻域上的输出范围，并将公平性约束转化为混合整数线性规划问题求解，以实现对深度神经网络的可证明公平性修复。该方法在多个数据集上验证了修复效果，但与我提供的关键词列表关联度较低。
Density-Ratio Losses for Post-Hoc Learning to Defer
Alexander Soen et al.
stat.ML cs.LG
本文通过理想分布的视角研究事后学习延迟（post-hoc L2D），将延迟决策建模为模型与专家理想分布之间的density-ratio估计，并推导出DR CPE损失函数。该方法允许通过阈值调整延迟率而无需重新训练，实验表明其与基线方法相比具有竞争力且更鲁棒。
EgoCoT-Bench: Benchmarking Grounded and Verifiable Operation-Centric Chain of Thought Reasoning for MLLMs
Yang Dai et al.
cs.CV cs.AI
本文提出了EgoCoT-Bench，一个用于评估多模态大模型在自我中心视频理解中细粒度操作推理能力的基准，通过时空场景图引导生成和人工标注构建了包含3172个可验证问答对的数据集。实验表明现有模型在细粒度推理上存在困难，且常出现答案正确但证据不一致的问题。
Learning-Accelerated Optimization-based Trajectory Planning for Cooperative Aerial-Ground Handover Missions
Jingshan Chen et al.
cs.RO cs.LG math.OC
本文提出了一种结合学习的轨迹规划框架，用于无人机与地面车辆的协同交接任务。该方法利用LSTM网络生成初始轨迹预测，以加速集中式优化器的收敛，实现了超过三倍的速度提升和100%的优化成功率。
HiLiftAeroML: High-Fidelity Computational Fluid Dynamics Dataset for High-Lift Aircraft Aerodynamics
Neil Ashton et al.
physics.flu-dyn cs.LG
本文介绍了首个开源的高保真CFD数据集HiLiftAeroML，包含1800个高升力飞机模拟样本，采用GPU加速的wall-modeled LES方法生成，旨在为AI代理模型开发提供数据支持。
Lens Privacy Sealing: A New Benchmark and Method for Physical Privacy-Preserving Action Recognition
Mengyuan Liu et al.
cs.CV cs.AI
本文提出了一种名为Lens Privacy Sealing (LPS)的硬件解决方案，通过在摄像头前添加可调节的层压膜来物理模糊图像，以实现预传感器级别的隐私保护。为处理由此产生的视频退化，作者设计了MSPNet框架，包含帧间噪声抑制器和跨帧语义聚合器，并在P\(^3\)AR数据集上验证了其隐私-效用权衡性能。
Implicit Action Chunking for Smooth Continuous Control
Bosun Liang et al.
cs.RO cs.AI
本文提出Dual-Window Smoothing (DWS)框架，通过执行窗口和值窗口的双窗口设计，在不扩展action空间的前提下实现连续控制中的平滑动作生成，并在多个benchmark上取得优于SOTA的效果。
A novel YOLO26-MoE optimized by an LLM agent for insulator fault detection considering UAV images
João Pedro Matos-Carvalho et al.
cs.CV cs.AI
本文提出了一种用于无人机绝缘子故障检测的YOLO26-MoE目标检测架构，通过集成稀疏MoE模块和LLM agent进行超参数优化，在mAP指标上超越了最新YOLO版本。该方法主要面向工程应用，在理论创新性上较为有限。
Spectral Integrated Gradients for Coarse-to-Fine Feature Attribution
Soyeon Kim et al.
cs.CV cs.AI cs.LG
本文提出Spectral Integrated Gradients (SIG)方法，通过使用singular value decomposition (SVD)构建从baseline到输入的积分路径，按奇异分量从大到小逐步激活，实现从粗到细的特征归因。实验表明，SIG相比现有基于路径的归因方法能生成更干净、噪声更少的归因图。
Posterior Contraction of Lévy Adaptive B-spline Regression in Besov Spaces
Jeunghun Oh, Sewon Park, Jaeyong Lee
stat.ML cs.LG
本文研究了Lévy Adaptive B-spline (LABS)回归模型在Besov空间中的后验收缩性质，证明了其以接近minimax最优的速率收缩到真实函数，并自动适应未知光滑性。该工作填补了LARK模型在Besov空间中后验收缩理论结果的空白。
Diffusion Graph Posterior Sampling for Nonlinear Inverse Problems with Application to Electrical Impedance Tomography
Giovanni S. Alberti et al.
eess.IV cs.LG math.NA
本文提出了一种基于graph的diffusion posterior sampling (DPS)框架，用于解决非线性PDE反问题（如电阻抗成像EIT），通过在2D三角网格上构建无条件score-based diffusion model来学习先验，并引入正则化变体RDPS以缓解严重病态性。实验表明该方法在重建精度和噪声鲁棒性上优于现有方法，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention无直接关联。
Component-Aware Structure-Preserving Style Transfer for Satellite Sim2Real 6D Pose Estimation
Yonglong Zhang
cs.CV cs.AI
本文提出了一种面向卫星Sim2Real 6D姿态估计的组件感知结构保持风格迁移框架，通过弱配对样本提取部件级真实域style code并注入合成图像，结合对抗训练与局部对比一致性等约束生成图像。实验表明该方法在特定标定设置下降低了图像分布差异并提升了姿态估计性能。
Gaussian Approximation and Multiplier Bootstrap for Federated Linear Stochastic Approximation
Ilya Levin et al.
stat.ML cs.LG math.OC
本文为联邦线性随机近似（LSA）建立了Berry-Esseen型界，首次给出了显式捕捉通信-计算权衡和异质性误差项的联邦Gaussian近似，并基于此开发了一种在线multiplier bootstrap推断方法。
P2DNav: Panorama-to-Downview Reasoning for Zero-shot Vision-and-Language Navigation
Kai Sheng et al.
cs.CV cs.AI
本文提出P2DNav，一种用于零样本视觉与语言导航(VLN)的分层框架，通过全景到俯视图(P2D)分解、滑动窗口对话记忆(SDM)和反射性重定向机制(RRM)来解耦方向推理与局部定位，在R2R-CE基准上取得了优于现有零样本方法的性能。
The Accessibility Capability Boundary: Operational Limits and Expansion Potential of AI-Generated Browser-Native Accessibility Systems
Rizwan Jahangir, Daisuke Ishii
cs.HC cs.AI cs.CY cs.SE
本文提出了Accessibility Capability Boundary (ACB)框架，用于形式化分析AI驱动的无障碍系统的操作极限与扩展潜力，并通过两个浏览器原生原型（如为盲人部署的界面和开源摄像头对齐助手）进行验证。该工作主要关注人机交互与无障碍计算领域，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。
Increasing Missingness to Reduce Bias: Richardson-SGD with Missing Data
Ferdinand Genans, Erwan Scornet
stat.ML cs.LG
本文研究了随机梯度方法在不完整协变量下的偏差问题，证明了所有参数模型在多种插补程序下都存在梯度偏差，并提出了基于Richardson外推的去偏方法，通过故意增加缺失率来消除偏差项。该方法计算高效且模型无关，适用于任何参数损失函数。
Inferring Sensitive Attributes from Knowledge Graph Embeddings: Attack and Defense Strategies
Yasmine Hayder
cs.CR cs.LG
本文研究了从Knowledge Graph Embeddings (KGE)中推断敏感属性的隐私攻击与防御策略，提出了一种基于后处理sanitization技术的防御框架。实验初步展示了攻击的有效性及推荐质量与隐私保护之间的权衡。
BCI-sift: An automated feature selection toolbox for Brain Computer Interface applications
Elena C Offenberg et al.
q-bio.NC cs.LG
本文介绍了一个名为BCI-sift的Python工具箱，用于在Brain-Computer Interface应用中自动化特征选择。该工具箱通过集成多种优化算法，能够从高维脑信号数据中识别出最相关的特征，并在electrocorticography数据上验证了其提升分类准确率和可解释性的效果。
CriterAlign: Criterion-Centric Rationale Alignment for Code Preference Judging
Zhenyu Li et al.
cs.SE cs.AI
本文提出CriterAlign框架，通过直接进行criterion-level的pairwise判断和tie-driven criterion refinement来改进代码偏好预测。该方法在BigCodeReward数据集上将Qwen2.5-VL-32B的准确率从60.4%提升至66.3%。
Cross-View Attention Fusion Net: A Prior-Guided Dual-View Representation Learning for Cardiac Output Estimation from Short-Term PPG Signals
Yaowen Zhang et al.
physics.med-ph cs.LG
本文提出了一种名为CVAF-Net的跨视角注意力融合网络，用于从短时PPG信号估计心输出量。该方法结合了原始PPG的时间序列视图和基于先验知识的特征序列图视图，通过交叉注意力机制进行融合，在多个数据集上取得了与Transformer模型相当的精度，但计算量降低了12倍。
Convergence of Consensus-Based Particle Methods for Nonconvex Bi-Level Optimization
Yutong Chao et al.
math.OC cs.LG
本文研究了一种用于非凸双层优化的无导数共识方法，通过平滑分位数选择和Gibbs型Laplace近似构建共识点，并证明了其平均场动力学和有限粒子近似的收敛性。
Probabilistic Multivariate Time Series Forecasting with Diffusion Copulas
David Huk, Dongshan Wang, Miha Bresar
stat.ML cs.LG
本文提出了一种Diffusion-Copula框架，通过解耦marginal distribution与dependence structure的学习，使用Mixture Density Networks和Classification-Diffusion Copula来改进多变量时间序列预测中的尾部风险建模。实验表明该方法在加密货币市场中对极端事件的预测优于现有baseline。
Awakening the Hydra: Stabilizing Multi-Concept Backdoor Injection in Text-to-Image Diffusion Models
Kai Wang et al.
cs.CR cs.LG
本文研究了文本到图像扩散模型在多概念后门注入场景下的稳定性问题，提出Hydra框架，通过进化触发词搜索和多任务微调来缓解语义冲突。实验表明该方法在多个攻击者共存时仍能保持较高的攻击成功率。
Measuring Safety Alignment Effects in Autonomous Security Agents
Isaac David, Arthur Gervais
cs.CR cs.AI
本文通过构建一个包含30个本地漏洞分析任务的trace-based benchmark，比较了四种stock safety-aligned language models与其uncensored或abliterated derivatives在作为自主安全agent运行时的行为差异。研究发现，safety alignment effects在不同模型和任务上表现不一致，且hard proof-of-trigger和patch-verification任务在所有模型中都未被解决。
LIFT and PLACE: A Simple, Stable, and Effective Knowledge Distillation Framework for Lightweight Diffusion Models
Hyunsoo Han, Sangyeop Yeo, Jaejun Yoo
cs.CV cs.AI
本文提出了一种名为LIFT和PLACE的知识蒸馏框架，用于轻量化扩散模型。该方法通过粗到细的蒸馏策略和局部自适应系数估计，解决了学生模型难以模仿大容量教师网络复杂去噪过程的问题。实验表明该方法在多种扩散模型和极端压缩场景下均有效。
Graph Neural Networks for Community Detection in Graph Signal Analysis
Roberto Cavoretto, Alessandra De Rossi, Enrico Montini
math.NA cs.LG
本文探讨了使用Graph Neural Networks (GNNs)进行community detection，并将其集成到基于Graph Basis Functions (GBFs)的Partition of Unity Method (PUM)插值框架中，用于graph signal分析。实验表明，该方法能有效重建graph signal，但内容与关键词列表中的概念关联较弱。
Operationalising Artificial Intelligence Bills of Materials (AIBOMs) for Verifiable AI Provenance and Lifecycle Assurance
Petar Radanliev et al.
cs.SE cs.AI cs.CR cs.LG cs.MA
本文提出了一个扩展CycloneDX标准的AIBOM schema，用于捕获AI系统的provenance和模型谱系，并通过cryptographic validation和agent-driven automation实现可验证的软件供应链透明度。实验表明该方法在容器化分析工作流中达到了98.7%的可复现性保真度和96.2%的漏洞匹配精度。
AffectAI-Capture: A Reproducible Multimodal Protocol for Small-Group Meeting Research
Meisam Jamshidi Seikavandi et al.
cs.HC cs.AI cs.DB
本文提出了AffectAI-Capture协议，用于在四人会议式互动中收集同步的多模态数据，包括眼动追踪、可穿戴生理信号、音频、多视角视频等，并描述了实验设计、同步方法和数据组织。该工作为情感和行为分析研究提供了一个可复现的协议框架，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Synergistic Foundation Models for Semi-Supervised Fetal Cardiac Ultrasound Analysis: SAM-Med2D Boundary Refinement and DINOv3 Semantic Enhancement
Tonghao Zhuang et al.
cs.CV cs.AI
本文提出了一种半监督框架，用于胎儿心脏超声图像的联合分割与分类。该方法基于EchoCare多任务骨干网络，集成SAM-Med2D进行边界细化，并利用DINOv3提升伪标签质量，在FETUS 2026排行榜上验证了有效性。
Stitched Value Model for Diffusion Alignment
Hyojun Go et al.
cs.CV cs.AI cs.LG
本文提出StitchVM框架，通过将预训练的clean image reward model与frozen diffusion backbone拼接，高效地将reward能力迁移到noisy latent空间，从而避免Tweedie或Monte Carlo近似带来的偏差或计算成本问题。该方法在DPS和DiffusionNFT等下游任务中实现了显著加速和内存节省。
Mega-ASR: Towards In-the-wild^2 Speech Recognition via Scaling up Real-world Acoustic Simulation
Zhifei Xie et al.
cs.SD cs.AI cs.CL cs.MM eess.AS
本文提出Mega-ASR框架，通过构建包含7种经典声学现象和54种复合场景的数据集Voices-in-the-Wild-2M，并结合渐进式声学到语义微调与双粒度WER门控策略优化，提升了自动语音识别在复杂真实环境下的鲁棒性。实验表明该方法在多个基准上优于现有系统，但未涉及code、spectral、Muon等关键词。
CADENet: Condition-Adaptive Asynchronous Dual-Stream Enhancement Network for Adverse Weather Perception in Autonomous Driving
Sherif Khairy, Catherine M. Elias
cs.CV cs.AI cs.CL cs.RO
本文提出CADENet，一种无需训练的三线程系统，用于自动驾驶中恶劣天气下的目标检测。它通过异步增强和零延迟检测线程，以及CLIP零样本天气分类，试图解决增强与实时性的矛盾，但实验中的Recall和F1值较低，方法本身缺乏显著的开创性。
FineBench: Benchmarking and Enhancing Vision-Language Models for Fine-grained Human Activity Understanding
Gueter Josmy Faure et al.
cs.CV cs.AI cs.CL
本文提出了FineBench基准，包含大量细粒度人类活动理解的视频问答对，并发现开源VLM在此任务上表现不佳。同时，作者提出了FineAgent模块化框架，通过Localizer和Descriptor提升VLM性能。
Auditing Privacy in Multi-Tenant RAG under Account Collusion
Florian A. D. Burnat, Brittany I. Davidson
cs.CR cs.IR cs.LG
本文研究了多租户RAG服务中账户共谋下的隐私审计问题，指出同租户多账户共谋会导致差分隐私保证的退化，并设计了首个针对未修改RAG部署的审计协议。该协议通过组合通用密码学原语与RAG特定原语，对检索分数通道进行定量审计，但明确排除了生成通道的隐私审计。
A Framework for Evaluating Zero-Shot Image Generation in Concept-based Explainability
Giacomo Astolfi et al.
cs.CV cs.AI
本文研究了使用零样本Text-to-Image (T2I)生成模型为基于概念的XAI方法生成合成概念数据集，并通过四种互补分析评估了合成概念相对于真实概念的忠实性。结果表明，尽管T2I模型为概念XAI提供了捷径，但使用零样本管道生成的合成数据仍面临挑战。
Passive Construction Site Safety Monitoring via Persona-Scaffolded Adversarial Chain-of-Thought VLM Verification
Ananth Sriram, Neel Mokaria, Rajveer Singh
cs.CV cs.AI
本文提出了一种被动式施工安全监控流程，使用YOLO11、SAM 3和Qwen3-VL-8B-Instruct模型，通过角色脚手架对抗思维链验证协议进行合规性检查，并映射到OSHA标准。该方法在12个视频的开发语料库上进行了非正式评估，主要贡献在于提示设计，但未涉及关键词中的核心概念。
Deep Tech to Space: Space Data Centers and AI Revolution at the Edge
Jonas Weiss et al.
cs.DC cs.AI cs.ET cs.NI
本文探讨了太空数据中心(SDC)的架构设计，包括低地球轨道卫星星座的轨道设计、星间链路和网络拓扑，以及计算资源组织和软件服务编排，并分析了其技术可行性和经济可行性。该论文主要关注工程应用而非数学理论创新，与关键词列表中的概念关联度较低。
Real-Time Parallel Counterfactual Regret Minimization
Boning Li, Longbo Huang
cs.GT cs.AI cs.LG
本文提出了Parallel CFR，一个用于实时深度受限Counterfactual Regret Minimization (CFR)求解的并行化框架，通过将每次CFR迭代分解为七阶段流水线并利用CPU-GPU异构计算，在单桌面设备上实现了3.3-3.4倍的加速。该方法主要面向不完全信息博弈中的实时决策场景，与关键词列表中的概念关联较弱。
Breaking Modality Heterogeneity in Low-Bit Quantization for Large Vision-Language Models
Yi Zhong et al.
cs.CV cs.AI
本文针对大视觉语言模型(VLM)在低比特量化中存在的模态异质性(即文本和视觉模态的激活分布差异)问题，提出了SplitQ框架。该框架通过通道分离驱动，利用模态特定异常通道解耦(MOCD)模块和自适应跨模态校准(ACC)模块，在W4A8等低比特设置下提升了量化性能。
StruMPL: Multi-task Dense Regression under Disjoint Partial Supervision and MNAR Labels
Reza M. Asiyabi et al.
cs.CV cs.AI cs.LG
本文提出StruMPL方法，用于解决地球观测中森林地上生物量（AGB）估计的多任务密集回归问题，该问题涉及标签缺失非随机（MNAR）且不同任务间存在物理约束。方法通过共享编码器、倾向性评分校正和可学习物理模块，利用Augmented IPW伪结果进行联合优化，在两种生态区上优于消融变体和现有方法。
Variance-Reduced Manifold Sampling via Polynomial-Maximization Density Estimation
Serhii Zabolotnii
stat.ME cs.LG stat.ML
本文提出PMM-MASEM模块，通过多项式最大化矩估计替代局部密度估计，以改进隐式流形上的均匀采样。实验表明该方法在非对称gamma和边界间距场景下降低密度MSE 22-36%，但在均匀间距和某些代理任务上表现不佳，因此仅支持适用边界结论而非通用改进。
GEM: GPU-Variability-Aware Expert to GPU Mapping for MoE Systems
Sourish Wawdhane, Avinash Kumar, Poulami Das
cs.DC cs.AI cs.CL
本文提出GEM框架，通过考虑GPU性能差异来优化MoE模型中专家到GPU的映射，以缓解同步瓶颈。该方法利用专家使用模式（consistent和temporal）和GPU性能profile来分配非均匀的token负载，从而减少straggler GPU的影响。
World-Ego Modeling for Long-Horizon Evolution in Hybrid Embodied Tasks
Zuyao Lin et al.
cs.CV cs.AI cs.RO
本文提出World-Ego Modeling概念，将具身智能中的未来演化分解为world和ego两个独立组件，并基于运动、语义和意图三种视角定义其边界。通过构建World-Ego Model (WEM)模型（结合隐式分离规划器与级联并行混合专家扩散生成器）及HTEWorld基准数据集，在长时域混合导航-操作任务上取得最优性能。
Beyond Binary Success: A Diagnostic Meta-Evaluation Framework for Fine-Grained Manipulation
He-Yang Xu et al.
cs.RO cs.CV cs.LG
本文提出了MetaFine，一个用于细粒度操作任务的诊断性元评估框架，通过解耦理解、感知和控制行为三个维度来诊断模型缺陷，并发现视觉编码器保留局部空间结构的能力是关键瓶颈。该框架支持混合真实-仿真验证，将评估从排名转向诊断。
Minimalist Visual Inertial Odometry
Francesco Pasti et al.
cs.RO cs.CV cs.LG
本文提出了一种极简的视觉惯性里程计方法，使用四个光电二极管和Gabor光学掩膜结合IMU，通过物理仿真联合优化掩膜参数与时间卷积网络，从四个测量信号中解码速度并估计平面轨迹。该方法在差分驱动机器人上验证了无需真实世界微调即可实现高效准确的平面里程计。
Does Code Cleanliness Affect Coding Agents? A Controlled Minimal-Pair Study
Priyansh Trivedi, Olivier Schmitt
cs.SE cs.AI
本文通过构建最小差异的代码仓库对，研究了代码整洁度对编码agent性能的影响。实验发现代码整洁度不影响agent的任务通过率，但能显著降低token消耗和文件重访次数，表明代码整洁度是影响agent行为的重要因素。
Towards LLM-Assisted Architecture Recovery for Real-World ROS~2 Systems: An Agent-Based Multi-Level Approach to Hierarchical Structural Architecture Reconstruction
Dominique Briechle et al.
cs.SE cs.AI cs.RO
本文提出了一种基于LLM agent的多层次架构恢复方法，用于从ROS~2系统的分布式artifacts（如源代码和启动文件）中重建层次化结构架构。该方法通过改进的prompting策略和分阶段恢复流程，在真实机器人拆解系统上验证了结构一致性和可扩展性。
Tail Annealing for Heavy-Tailed Flow Matching
Jean Pachebat
stat.ML cs.LG
本文提出Log-FM方法，通过对重尾数据逐坐标施加soft-log变换，使标准flow matching能处理重尾分布，无需修改架构或使用重尾基分布。该方法在多元基准测试中优于专用基线，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）无直接关联。
Probability-Conserving Flow Guidance
Parsa Esmati et al.
cs.CV cs.AI cs.LG eess.IV
本文通过连续性方程分析了扩散和流模型中的引导机制，指出传统方法（如CFG）会破坏概率守恒并导致样本偏离学习流形。作者提出了一种即插即用的自适应流形引导方法AdaMaG，通过时间依赖调度和分数平行衰减来限制发散项，从而在无额外推理成本下改善高引导强度下的生成质量。
VL-DPO: Vision-Language-Guided Finetuning for Preference-Aligned Autonomous Driving
Zhefan Xu et al.
cs.CV cs.AI
本文提出VL-DPO框架，利用Vision-Language Model (VLM)作为零样本推理器自动生成偏好对，并通过Direct Preference Optimization (DPO)微调自动驾驶中的运动预测模型，以对齐人类驾驶偏好。实验在Waymo数据集上验证了该方法能提升rater feedback score并降低位移误差。
What Do Evolutionary Coding Agents Evolve?
Nico Pelleriti et al.
cs.NE cs.AI cs.LG
本文介绍了EvoTrace数据集和EvoReplay方法，用于分析进化编码agent在搜索过程中代码编辑的实际机制，发现大部分性能提升来自少数编辑类型，并存在约30%的代码行被重复引入的确定性循环模式。
k-Inductive Neural Barrier Certificates for Unknown Nonlinear Dynamics
Ben Wooding et al.
eess.SY cs.AI cs.LG cs.LO
本文提出了一种基于神经网络的k-inductive barrier certificate (k-NBC)方法，用于验证部分未知非线性系统的安全性。该方法利用Willems引理的推广，通过单条状态轨迹构建数据驱动表示，并结合CEGIS-SMT框架进行验证，从而避免了对完整系统动力学的依赖。
Optimizing Computational-Statistical Runtime for Wasserstein Distance Estimation
Peter Matthew Jacobs, Jeff M. Phillips
stat.ML cs.CC cs.LG
本文针对Wasserstein距离估计的计算-统计折衷问题，提出了一种Sample-Sketch-Solve范式，通过引入规则笛卡尔网格草图来压缩样本数据，从而在Hölder光滑分布假设下实现了更快的近似算法。
BiRD: A Bidirectional Ranking Defense Mechanism for Retrieval Augmented Generation
Chengcai Gao et al.
cs.CR cs.IR
本文针对检索增强生成（RAG）中的对抗攻击，提出了一种名为BiRD的双向排序防御机制。该方法利用良性文档与中毒文档在双向排序行为上的差异，通过前向排序评估语义相关性、后向排序量化排序上下文一致性，从而在低计算开销下提升鲁棒性。
Beyond Prediction Accuracy: Target-Space Recovery Profiles for Evaluating Model-Brain Alignment
Ken Nakamura et al.
q-bio.NC cs.AI cs.LG
本文提出了一个评估人工视觉模型与人类视觉皮层对齐程度的框架，通过识别预测所恢复的脑响应维度来超越单纯的预测准确率。研究发现，不同模型（包括预训练和随机初始化）可能具有相似的预测准确率，但恢复的脑响应维度轮廓不同，表明仅靠准确率会掩盖模型与大脑之间的不匹配。
FiLark: a streaming-first software framework for end-to-end exploration, annotation, and algorithm integration in distributed acoustic sensing
Jintao Li et al.
physics.geo-ph cs.LG eess.SP
FiLark是一个基于Python的流式优先框架，用于分布式声学传感（DAS）数据的端到端探索、标注和算法集成。它通过统一的流抽象和OpenGL环形缓冲区渲染器，支持对超长记录进行交互式可视化与标注，并集成了CPU/GPU加速的信号处理与实时监测接口。
Goal-Oriented Lower-Tail Calibration of Gaussian Processes for Bayesian Optimization
Aurélien Pion, Emmanuel Vazquez
stat.ML cs.LG stat.ME
本文针对无噪声环境下Bayesian optimization (BO)中Gaussian process (GP) predictive distribution的下尾校准问题，提出了一个基于空间校准（spatial calibration）概念的理论框架，并设计了后处理方法tcGP。该方法通过校准低于阈值\(t\)的预测分布，改善了基于Expected Improvement (EI)的BO算法的探索-利用平衡，实验表明其在下尾校准和优化性能上优于标准GP模型。
Rethinking Visual Attribution for Chest X-ray Reasoning in Large Vision Language Models
Guangzhi Xiong et al.
cs.CV cs.AI cs.CL
本文针对Chest X-ray (CXR) 推理任务，提出了一种因果评估框架来验证现有visual attribution方法是否真正反映LVLM的决策依据，并发现现有方法常失效。为此，作者提出MedFocus方法，通过unbalanced optimal transport定位临床相关的anatomical regions，并测量其对模型输出的causal effect，从而生成更可信的attribution。
Interpretable Computer Vision for Defect Detection in X-ray Tomography of Aerospace SiC/SiC Composites
Antonio Peña Corredor et al.
cs.CV cond-mat.mtrl-sci cs.LG
本文提出了一种名为p-ResNet-50的卷积框架，通过引入prototype layer（原型层）来增强X射线CT图像中SiC/SiC复合材料缺陷检测的可解释性。该方法在保持与黑盒ResNet-50相当检测精度的同时，为每个分类决策提供了基于案例的物理可解释性。
Long-term Power Grid Planning via Answer Set Programming
Antonio Ielo et al.
cs.LO cs.AI
本文提出了一种基于Answer Set Programming (ASP)的长期电网规划自动化方法，通过将拓扑和组合不变量编码为ASP规则来优化电网改造过程。实验在合成和真实电网数据上验证了该方法的表达能力与有效性。
Multi-axis Analysis of Image Manipulation Localization
Keanu Nichols et al.
cs.CV cs.LG
本文提出了AUDITS基准，包含超过53万张图像，用于研究图像篡改检测在不同域、质量、类型和尺寸下的表现，并评估了现有方法的鲁棒性。

- 数据来源 Data Source: arXiv.org

- 本网页的内容由 bluearXiv-ai 自动生成。实际抓取的是 arXiv 中 "new" 页面的数据，即最近的有所在分类论文变动的一天的数据。

- 感谢 arXiv 提供的服务。评论和精选由 AI 生成，不代表任何人对论文本身的看法。精选依赖于论文与给定关键词的匹配度。

- 计数基于主学科，不计重数。

- This webpage is automatically generated by bluearXiv-ai.

- The data actually captured is from the "new" page, that is, the data of the most recent day when there were changes in corresponding subjects.

- Thanks for services prodived by arXiv. Comments and selection of good papers are generated by AI, not showing anyone's point of view about those papers.

- The selection also depends on the matched-degrees between papers and given keywords.

- The counters are based on main subject, not counting multiplicities.

↑