bluearXiv-ai - 2026-05-21

📄 所有论文 ↑ 回顶部

cs.LG

GROW: Aligning GRPO with State-Action Modeling for Open-World VLM Agents ⭐ 精选

Xiongbin Wu et al.

cs.LG cs.AI

本文提出GROW框架，通过将多轮交互轨迹分解为state-action样本对，并基于这些样本对计算advantage，解决了标准GRPO算法在开放世界VLM agent任务中因完整轨迹过长而导致的噪声问题。该方法在Minecraft任务上取得了SOTA性能，为agent领域的多轮强化学习提供了新的范式。

Automated Kernel Discovery Towards Understanding High-dimensional Bayesian Optimization ⭐ 精选

Taeyoung Yun et al.

cs.LG cs.AI

本文提出了一种名为Kernel Discovery的LLM驱动的进化框架，用于高维Bayesian Optimization (BO)。该方法通过两阶段流程（先由LLM提出新颖的数学形式，再转换为可执行代码）突破了传统kernel搜索空间仅限于基础kernel的加法和乘法的限制，并避免了直接基于原始观测数据（raw observations）的LLM方法因context长度限制而不可行的问题。此外，论文引入leave-one-out continuous ranked probability score (LOO-CRPS)作为选择标准以惩罚过拟合的kernel。实验表明，该方法在五个高维BO基准测试中平均排名1.2/17，显著优于现有基线，为高维BO中的kernel自动发现提供了开创性方案。

Smaller Abstract State Spaces Enable Cross-Scale Generalization in Reinforcement Learning ⭐ 精选

Nasehatul Mustakim, Lucas Lehnert

cs.LG cs.AI

本文提出了一种基于抽象状态空间的理论模型，用于解释强化学习中的跨尺度泛化（Out-of-Distribution generalization）。作者将状态抽象框架扩展到部分可观测马尔可夫决策过程（POMDPs），并定义了一种新的模型约简变体——后继加权模型约简（successor-weighted model reduction），该变体允许将agent的抽象状态空间压缩到比先前定义更小的规模。通过推导agent在OOD测试中的性能损失上界，文章将损失分解为近似误差和估计误差，揭示了减小抽象状态空间大小能提升测试性能并实现跨尺度泛化。这一理论为设计能够跨不同复杂度任务扩展的强化学习agent提供了关键指导。

Weasel: Out-of-Domain Generalization for Web Agents via Importance-Diversity Data Selection ⭐ 精选

Fatemeh Pesaran zadeh et al.

cs.LG

Weasel提出了一种针对web agent离线训练的数据选择方法，通过优化一个平衡unary importance与pairwise diversity（涵盖states、websites和interaction patterns）的目标函数，并采用greedy algorithm高效求解，从嘈杂冗余的trajectory steps中选取固定预算的子集。该方法还引入了target-centered AXTree pruning以提升效率，并通过替换expert traces为model-generated style-consistent rationales来缓解推理模型中的风格不匹配问题。实验表明，Weasel在多个benchmark上提升了out-of-domain generalization性能，同时实现了约9.7-12.5倍的训练加速，为agent的离线训练提供了一种高效且具泛化性的数据筛选框架。

Spectral Unforgetting: Post-Hoc Recovery of Damaged Capabilities Without Retraining ⭐ 精选

Aarash Abro, Muhammad Tahir

cs.LG cs.AI

本文提出了一种名为DG-Hard的后处理修复方法，用于解决大语言模型微调中常见的灾难性遗忘问题。该方法仅利用预训练检查点$W_{\mathrm{base}}$和微调后的检查点$W_{\mathrm{ft}}$，通过计算权重更新矩阵$\Delta = W_{\mathrm{ft}} - W_{\mathrm{base}}$，并对其应用Donoho-Gavish硬奇异值阈值（spectral hard thresholding）来滤除噪声成分，从而在无需数据或重新训练的情况下恢复受损能力。实验表明，DG-Hard在14个（模型，任务）设置和9个跨域基准上实现了最佳的平衡修复，并能恢复因良性微调而退化的安全对齐能力，揭示了部分能力损失是可移除的谱残差（spectral residue）。

Spectral Souping: A Unified Framework for Online Preference Alignment ⭐ 精选

Yinlam Chow et al.

cs.LG

本文提出Spectral Souping框架，用于解决RLHF中个体偏好冲突问题。核心发现是LLM中存在一种通用的spectral representation（谱表示），该表示高度适合模型合并。方法分为两阶段：离线学习一组针对不同偏好维度的专用策略基，在线推理时通过合并这些策略的输出或参数实现快速适应，无需昂贵的在线重训练。实验表明该方法在在线偏好对齐基准上显著优于现有方法，为动态适应个体用户偏好提供了可扩展且计算高效的解决方案。

The Devil is in the Condition Numbers: Why is GLU Better than non-GLU Structure? ⭐ 精选

Xingyu Lyu et al.

cs.LG cs.AI

本文通过分析两层网络在neural tangent kernel (NTK) regime下的谱性质，揭示了Gated Linear Units (GLU)结构优于非门控结构的原因。研究发现，GLU结构重塑了NTK的谱，使得condition number更小且eigenvalue分布更紧凑，从而加速了训练收敛，并解释了GLU与非GLU模型之间特有的loss-crossing现象。该工作为理解现代大语言模型中广泛采用的GLU结构提供了理论依据，与关键词中的spectral高度契合。

Correcting Stochastic Update Bias in Preconditioned Language Model Optimizers ⭐ 精选

Nikhil Nayak et al.

cs.LG cs.AI math.OC stat.ML

本文提出了一种针对预条件语言模型优化器（如AdamW, Sophia, Shampoo）中随机更新偏差的修正框架。作者识别出两种有限样本偏差：梯度与预条件矩阵的耦合偏差（来自同一个小批量估计），以及预条件矩阵逆或逆平方根的非线性估计偏差。通过交叉拟合预条件（cross-fitted preconditioning）和方差校正逆（variance-corrected inversion）两种技术，该框架有效降低了预训练损失（如Qwen2.5-0.5B上减少0.11-0.15 nats），且对下游指令调优影响中性或积极。该方法在优化器理论中具有开创性，并直接契合关键词“pretrain”中的预训练性能提升。

DASH: Fast Differentiable Architecture Search for Hybrid Attention in Minutes on a Single GPU ⭐ 精选

Weizhe Chen et al.

cs.LG cs.AI cs.CL

本文提出DASH，一种用于混合注意力架构设计的快速可微搜索框架。该方法将离散的逐层注意力算子分配松弛为连续的架构logits，并在冻结模型和算子权重的情况下仅搜索架构，从而显著提升搜索效率。实验表明，DASH在Qwen2.5-3B-Instruct上优于现有selector-style基线，且每次搜索仅需1230万tokens和约20分钟（单GPU），仅为Jet-Nemotron搜索成本的0.006%。该工作为混合注意力架构设计提供了高效且高质量的可微搜索新范式，与关键词“attention”高度契合。

SMoA: Spectrum Modulation Adapter for Parameter-Efficient Fine-Tuning ⭐ 精选

Yongkang Liu et al.

cs.LG cs.CL

本文提出SMoA (Spectrum Modulation Adapter)，一种用于参数高效微调的新方法。该方法通过将layer划分为多个对齐的spectral block，并对每个对角block应用in-block Hadamard-modulated low-rank branch，从而在更小的参数预算下扩大可访问的spectrum-aware updates族。理论分析表明，SMoA能够更广泛地覆盖预训练权重的spectral directions，克服了LoRA在低秩下表示能力受限的困境。实验证明，在较低参数预算下，SMoA在多个任务上的平均性能优于LoRA及其他竞争性baseline。

OCTOPUS: Optimized KV Cache for Transformers via Octahedral Parametrization Under optimal Squared error quantization ⭐ 精选

Mark Boss et al.

cs.LG cs.AI

OCTOPUS提出了一种基于八面体参数化（octahedral parameterization）的KV cache压缩方法，通过将旋转后的坐标三元组联合量化到正方形上，并对方向和范数分别进行Lloyd-Max量化，实现了对Transformer长上下文推理中内存带宽瓶颈的优化。该方法在给定种子下是数据无关、在线且确定性的，并在文本、视频、音频等多种模态上，于所有报告比特宽度和指标上匹配或超越先前的旋转预条件编解码器（如TurboQuant、PolarQuant），且在极端压缩下优势更明显。其融合的Triton实现可在不解压完整key的情况下即时重建，不增加解码时的带宽或延迟，为长上下文attention的高效部署提供了开创性方案。

CRAFT: Conflict-Resolved Aggregation for Federated Training ⭐ 精选

Ziqi Wang, Qiang Liu, Nils Thuerey

cs.LG

CRAFT提出了一种新的federated learning聚合框架，将全局更新视为几何校正问题，通过closed-form解实现冲突消除的约束优化，并采用layer-wise adaptation处理不同特征粒度的冲突。该方法在理论上证明了common-descent结构，实验表明能提升全局模型精度并减少客户端性能差异，与关键词"code"（提供开源代码）和"context"（处理异构数据上下文）较为契合。

Fast and Stable Triangular Inversion for Delta-Rule Linear Transformers ⭐ 精选

Aleksandros Sobczyk et al.

cs.LG

本文针对Delta-Rule线性Transformer中三角矩阵求逆这一核心子程序，系统分析了直接法和迭代法两种算法，重点考察了其数值稳定性、计算复杂度及在现代硬件（如NPU）上的效率。通过提出一种富含矩阵乘法运算的稳定实现，该方法在NPU上相比SGLang的现有实现取得了高达$4.3\times$的加速，同时保持了端到端模型精度。该工作为线性注意力机制的高效部署提供了关键优化，与关键词“attention”高度契合。

DelTA: Discriminative Token Credit Assignment for Reinforcement Learning from Verifiable Rewards ⭐ 精选

Kaiyi Zhang, Wei Wu, Yankai Lin

cs.LG cs.CL

本文提出DelTA，一种用于从可验证奖励中进行强化学习（RLVR）的判别式token信用分配方法。该方法通过引入一个discriminator视角，揭示了RLVR更新中policy-gradient方向如何作为token-gradient向量的线性判别器，并指出标准序列级RLVR中由advantage加权平均构建的centroid会被高频共享模式（如格式token）主导，从而稀释了判别性方向。DelTA通过估计token系数来放大侧特定（side-specific）的token-gradient方向并降低共享或弱判别性方向的权重，从而重塑RLVR更新方向，使侧wise centroids更具对比性。在七个数学基准上，DelTA在Qwen3-8B-Base和Qwen3-14B-Base上分别以3.26和2.62的平均分超越最强同规模基线，并在代码生成等任务上展示了泛化能力，与关键词“code”和“agent”较为契合。

Agent JIT Compilation for Latency-Optimizing Web Agent Planning and Scheduling ⭐ 精选

Caleb Winston et al.

cs.LG cs.AI

本文提出了一种名为agent just-in-time (JIT) compilation的新方法，用于优化web agent的延迟和规划准确性。该方法包含三个核心组件：JIT-Planner通过生成多个代码计划并验证其与tool specifications的一致性，选择成本最低的候选方案；JIT-Scheduler利用从学习到的latency distributions中进行的Monte Carlo成本估计来探索并行化策略；以及一个invariant-enforcing tool protocol，通过指定precondition和postcondition状态要求来减少错误工具使用的计划生成率。实验表明，该方法在5个web应用上相比Baseline实现了显著的加速和准确率提升，与关键词“agent”高度契合。

Equilibrium Reasoners: Learning Attractors Enables Scalable Reasoning ⭐ 精选

Benhao Huang, Zhengyang Geng, Zico Kolter

cs.LG

本文提出Equilibrium Reasoners (EqR)方法，通过将迭代推理过程建模为学习任务条件化的attractor（吸引子）动力学系统，其中稳定不动点对应有效解。该方法无需外部验证器或任务特定先验，通过沿深度（增加迭代次数）和广度（聚合多次初始化的随机轨迹）两个维度扩展测试时计算，在Sudoku-Extreme任务上实现了从2.6%到超过99%的准确率提升。这一attractor视角为理解迭代潜在模型中的可扩展推理提供了机制性解释。

Neural Estimation of Pairwise Mutual Information in Masked Discrete Sequence Models

Jai Sharma, Yifan Wang, Bryan Li

cs.LG cs.AI cs.IT

本文提出了一种从预训练的masked diffusion model的隐藏状态中估计pairwise conditional mutual information的神经框架，并利用该估计指导并行解码。该方法在Sudoku和蛋白质序列生成任务上减少了推理时间，但方法本身并非开创性，且与关键词列表中的概念关联较弱。

GraphDiffMed: Knowledge-Constrained Differential Attention with Pharmacological Graph Priors for Medication Recommendation

Krati Saxena, Tomohiro Shibata

cs.LG cs.AI

本文提出GraphDiffMed框架，通过双尺度Differential Attention v2在就诊内和就诊间过滤噪声，并结合药理约束（如药物相互作用）进行用药推荐。实验表明该方法在MIMIC-III上优于基线，但整体创新性有限，未涉及关键词中的核心概念。

TabPFN-MT: A Natively Multitask In-Context Learner for Tabular Data

Cormac Cureton, Narges Armanfard

cs.LG cs.AI

本文提出TabPFN-MT，通过扩展Prior-Data Fitted Networks (PFNs)的y-encoder和共享decoder head，实现了表格数据的多任务上下文学习，将推理成本从$O(T)$降至$O(1)$，并在小样本场景下达到新SOTA。

Provably Learning Diffusion Models under the Manifold Hypothesis: Collapse and Refine

Wei Huang et al.

cs.LG cs.AI

本文提出Score-induced Latent Diffusion (SiLD)框架，通过分析score function的几何特性揭示扩散模型在低维流形上的collapse-and-refine机制，并证明其样本复杂度仅依赖于intrinsic dimension。实验在多个数据集上验证了该方法在生成质量和重建性能上的有效性。

MagBridge-Battery: A Synthetic Bridge Dataset for Li-ion Magnetometry and State-of-Health Diagnostics

Sakthi Prabhu Gunasekar, Prasanna Kumar Rangarajan

cs.LG

本文提出了一个名为MagBridge-Battery的合成数据集，通过将真实的磁形态数据与电池健康状态标签相结合，为基于磁传感的电池诊断提供了基准测试。该数据集包含多个子集和任务，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。

Geometry-Lite: Interpretable Safety Probing via Layer-Wise Margin Geometry

Woo Seob Sim, Yu Rang Park

cs.LG cs.AI cs.CL

本文提出Geometry-Lite，一种通过分析大语言模型各层隐藏状态到安全/不安全提示的signed margins（带符号边界）来研究安全证据几何结构的轻量级探针方法。该方法使用centroid、local-neighborhood和supervised linear-boundary三种readout方式，发现安全证据主要体现为persistent boundary-position geometry（持久边界位置几何），而非层间运动信号。

LEAP: A closed-loop framework for perovskite precursor additive discovery

Xin-De Wang et al.

cs.LG cond-mat.mtrl-sci cs.AI physics.chem-ph

本文提出了一个名为LEAP的闭环框架，将领域专用的大语言模型与主动学习相结合，用于钙钛矿前驱体添加剂的发现。该框架通过从文献中提取机制相关的可解释描述符，并集成贝叶斯优化来在低数据条件下进行不确定性感知的优先级排序。实验验证表明，该方法在钙钛矿太阳能电池添加剂筛选中取得了初步改进效果。

CP-MoE: Consistency-Preserving Mixture-of-Experts for Continual Learning

Yang Liu, Toan Nguyen, Flora D. Salim

cs.LG cs.AI cs.CL cs.CV

本文提出CP-MoE框架，通过引入一个transient expert（瞬态专家）来捕获早期任务特定更新，并引导其与stable experts（稳定专家）的整合，以缓解continual learning（持续学习）中的灾难性遗忘问题。该方法在语言和视觉-语言模型的MoE架构上验证了有效性，但与我提供的关键词列表关联度较低。

Graph Transductive Sharpening: Leveraging Unlabeled Predictions in Node Classification

Brown Zaz et al.

cs.LG

本文提出了一种名为Transductive Sharpening (TS)的损失函数改进方法，通过在无标签节点上最小化prediction entropy来利用transductive setting中的未标注预测信号，从而提升半监督node classification性能。该方法无需修改backbone architecture，在多个benchmark上取得了一致改进。

Physics-informed convolutional neural networks for fluid flow through porous media

Rafał Topolnicki, Paweł Dłotko, Maciej Matyka

cs.LG physics.comp-ph physics.flu-dyn

本文提出了一种基于物理信息的卷积神经网络框架，用于从多孔介质几何结构直接预测孔隙尺度的速度场，通过结合速度重建、不可压缩性等约束的损失函数来鼓励物理一致性。该方法在测试集上展示了泛化能力，并可作为Lattice-Boltzmann模拟的初始条件以加速收敛。

Multi-Agent Reinforcement Learning for Safe Autonomous Driving Under Pedestrian Behavioral Uncertainty

Prakash Aryan et al.

cs.LG cs.AI cs.HC cs.RO

本文使用Multi-Agent Proximal Policy Optimization (MAPPO)在仿真环境中联合训练自动驾驶汽车和12个行人，其中行人的乱穿马路行为由隐藏的个性特征控制。实验表明，联合训练比固定行人策略的基线方法降低了30%的碰撞率，但该方法主要关注安全驾驶场景的仿真，与关键词中的spectral、Muon、pretrain等概念无关。

FBOS-RL: Feedback-Driven Bi-Objective Synergistic Reinforcement Learning

Xikai Zhang et al.

cs.LG cs.AI

本文提出FBOS-RL框架，通过环境反馈引导探索增强，并设计两个相互强化的训练目标（Exploitation-oriented Policy Alignment和Exploration-oriented Capability Cultivation）来解决GRPO在困难任务中采样质量低导致训练停滞的问题。实验表明该方法在相同rollout数量下比GRPO学习更快、性能上限更高。

Instance Discrimination for Link Prediction

Valentin Cuzin-Rambaud, Mathieu Lefort, Rémy Cazabet

cs.LG cs.AI

本文针对link prediction任务，提出将instance discrimination自监督学习方法从node representation扩展到link representation，并引入基于community structure的结构增强。作者提出了L-GRACE和L-BGRL两个新模型，在无属性图上表现优于现有方法。

It Takes Two: Complementary Self-Distillation for Contextual Integrity in LLMs

Sangwoo Park et al.

cs.LG cs.AI cs.CR

本文提出SELFCI框架，通过互补自蒸馏方法解耦信息抑制与任务解决，以优化大语言模型在上下文完整性（Contextual Integrity）中的隐私-效用权衡。该方法联合优化两个独立的reverse KL divergence，分别来自不同teacher分布，从而在无需昂贵外部监督的情况下提升隐私对齐性能。

Residual Paving: Diagnosing the Routing Bottleneck in Selective Refusal Editing

Bryce Hinkley, Peyman Najafirad

cs.LG cs.AI

本文提出了一种名为Residual Paving的残差编辑方法，用于在冻结的instruction-tuned transformer中实现选择性拒绝编辑。该方法将路由选择性（是否干预）与残差编辑能力（应用何种编辑）分离，通过早期层路由器预测标量门控和专家混合，在激活时应用后期层的残差更新。实验表明，该方法在编辑成功率上优于单方向控制方法，但存在有害拒绝保持性能下降的问题。

Chronicle: A Multimodal Foundation Model for Joint Language and Time Series Understanding

Paul Quinlan et al.

cs.LG cs.AI cs.CL

Chronicle是一个从零开始联合预训练的decoder-only transformer模型，在统一架构中处理自然语言和时间序列，通过共享transformer blocks和attention mechanism实现跨模态能力。它在NLU任务上匹配专用语言模型，在时间序列分类上超越现有方法，但未涉及code、spectral或agent等关键词。

Catching a Moving Subspace: Low-Rank Bandits Beyond Stationarity

Hamed Khosravi, Xiaoming Huo

cs.LG cs.AI stat.ML

本文研究了分段平稳的低秩线性contextual bandit问题，其中reward的latent subspace会随时间漂移。作者提出了SPSC算法，通过结合各向同性探测和窗口化投影ridge-UCB来利用低秩结构，并实现了$\widetilde{O}(r\sqrt{T})$的动态regret界，优于非平稳线性bandit的ambient rate。

Conformal Selective Acting: Anytime-Valid Risk Control for RLVR-Trained LLMs

Hamed Khosravi, Xiaoming Huo

cs.LG cs.AI stat.ML

本文提出了一种名为Conformal Selective Acting (CSA)的部署端包装器，用于为经RLVR微调的大语言模型提供逐轮的安全认证。该方法通过为每个阈值维护一个Ville-type e-process，实现了任意时间路径下的选择性风险控制，并证明了其风险界与最优认证速率。CSA在多个基准测试中验证了其有效性，但该方法主要关注部署时的风险控制，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等核心概念关联较弱。

Modality-Decoupled Online Recursive Editing

Siyuan Li et al.

cs.LG cs.AI

本文提出M-ORE，一种用于多模态大语言模型在线编辑的模态解耦递归方法，通过统一近端投影公式和Sherman-Morrison递归实现恒定开销的闭式更新，以解决跨模态冲突和长时干扰问题。实验表明其在多个基准上提升了可靠性、泛化性和局部性。

OmniISR: A Unified Framework for Centralized and Federated Learning via Intermediate Supervision and Regularization

Wei-Bin Kou et al.

cs.LG

本文提出OmniISR框架，通过中间监督和正则化信号统一集中式学习与联邦学习，证明了其收敛性并减少了两种范式间的性能差距。该方法主要关注训练范式的统一而非与关键词直接相关。

ClaimDiff-RL: Fine-Grained Caption Reinforcement Learning through Visual Claim Comparison

Tianle Li et al.

cs.LG cs.AI cs.CV

本文提出ClaimDiff-RL框架，通过将视觉声明差异作为奖励单元，解决长格式图像描述中强化学习的奖励粒度问题。该方法使用多模态裁判枚举并验证原子级声明差异，分别衡量幻觉与遗漏事实，从而在忠实性和信息覆盖之间实现更平衡的优化。

Introspective X Training: Feedback Conditioning Improves Scaling Across all LLM Training Stages

Brandon Cui et al.

cs.LG cs.AI

本文提出Introspective Training (IXT)方法，通过thinking reward model为数据生成自然语言critique反馈，并在训练时用该反馈作为prefix-conditioning，使模型从早期阶段就能进行质量感知训练。实验表明该方法在7.5-12B dense LLM上可提升计算效率至2.8倍，并在math和code领域达到更优性能。

FusionCell: Cross-Attentive Fusion of Layout Geometry and Netlist Topology for Standard-Cell Performance Prediction

Haoyi Zhang et al.

cs.LG cs.AI cs.CV

本文提出FusionCell，一种双模态预测器，通过DeiT编码器处理布局几何、图transformer建模网表拓扑，并利用拓扑引导机制融合两者，用于标准单元的性能预测。实验表明该方法在7nm数据集上实现了0.92%的平均MAPE，显著加速了电路表征过程。

Plug-and-Play Spiking Operators: Breaking the Nonlinearity Bottleneck in Spiking Transformers

Xinzhe Yuan et al.

cs.LG cs.AI

本文提出了一种即插即用的框架，通过将Transformer中的非线性运算（如Softmax、SiLU等）分解为除法、指数和$\ell_2$范数三种基本原语，并利用LIF神经元群和位运算缩放实现脉冲友好的近似，从而在不需微调的情况下将ANN-to-SNN转换扩展到非线性算子。实验表明该方法在多种LLM上精度损失小于1%。

TreeText-CTS: Compact, Source-Traceable Tree-Path Evidence for Irregular Clinical Time-Series Prediction

Kwanhyung Lee et al.

cs.LG

本文提出TreeText-CTS，将不规则的EHR时间序列转换为可读、紧凑且可追溯源头的树路径证据单元，用于临床预测。该方法通过冻结的XGBoost模型生成确定性证据，并利用语言模型编码器进行预测，在多个基准数据集上取得了优于现有文本接口的性能。

Closed-form predictive coding via hierarchical Gaussian filters

Aleksandrs Baskakovs et al.

cs.LG cs.AI cs.NE

本文提出了一种通过分层高斯滤波器实现闭式预测编码的方法，恢复了精度加权消息传递，从而在不依赖迭代或全局误差信号的情况下同时学习激活、权重和精度。该方法在FashionMNIST上接近反向传播的epoch级计算成本，并在在线学习、数据效率和概念漂移任务上表现更优。

Quant.npu: Enabling Efficient Mobile NPU Inference for on-device LLMs via Fully Static Quantization

Jinghe Zhang et al.

cs.LG cs.AI

本文提出Quant.npu框架，通过全静态量化（fully static quantization）实现移动设备NPU上的大语言模型高效推理。它引入可学习量化参数和旋转矩阵，并设计了旋转与位宽感知的初始化及分布感知的两阶段优化策略，以解决梯度不稳定问题。

Mechanisms of Misgeneralization in Physical Sequence Modeling

Kento Nishi et al.

cs.LG cs.AI cs.RO

本文研究了物理序列建模中的“物理误泛化”现象，即生成模型在轨迹的物理量（如距离或能量）的分布上出现偏差。作者通过数据偏差核（data deviation kernel）来估计局部误差如何传播并改变物理量的分布，并在合成任务和迷宫导航等应用中验证了该机制。

Robust Subspace-Constrained Quadratic Models for Low-Dimensional Structure Learning

Zheng Zhai, Xiaohui Li

cs.LG cs.AI

本文提出了一种鲁棒的子空间约束二次模型（SCQM），用于从高维数据中学习低维结构。该模型通过扩展子空间约束二次矩阵分解（SQMF）框架，能处理广义高斯和径向拉普拉斯等噪声分布，并采用梯度算法与回溯线搜索进行优化。

Neural Collapse by Design: Learning Class Prototypes on the Hypersphere

Panagiotis Koromilas et al.

cs.LG cs.CV

本文揭示了Cross Entropy和Supervised Contrastive Learning在分类任务中本质上都是单位超球面上的prototype contrast方法，并分别指出了两者的缺陷。通过提出NTCE和NONL两种归一化损失函数，以及证明SCL的线性探测阶段是冗余的，该工作使得两种范式都能通过设计达到Neural Collapse的最优几何结构。

AirfoilGen: A valid-by-construction and performance-aware latent diffusion model for airfoil generation

Zhijie Yang, Min Tang, Qiang Zou

cs.LG

本文提出AirfoilGen，一种用于翼型生成的latent diffusion model，通过circle sweeping representation确保几何有效性，并在latent space中实现对气动性能（如升力系数和阻力系数）的条件控制。实验表明该方法在几何有效性和性能可控性上优于现有方法。

WaveGraphNet: Physics-Consistent Guided-Wave Damage Localization through Coupled Inverse-Forward Graph Learning

Vinay Sharma, Aditya Bharade, Olga Fink

cs.LG

本文提出WaveGraphNet，一种用于碳纤维增强聚合物板中导波损伤定位的耦合逆-前向图学习框架。该方法将传感器布局建模为图，通过逆分支映射损伤位置，并用前向分支作为物理一致性正则化器，以提升在有限训练数据下的泛化鲁棒性。

Less Data, Faster Training: repeating smaller datasets speeds up learning via sampling biases

Jingwen Liu et al.

cs.LG cs.AI

本文研究了在训练中使用较小数据集并重复多次可以比使用较大数据集节省计算资源的现象，并通过理论分析和实验表明这种加速源于采样偏差带来的逐层增长，但未直接涉及关键词中的核心概念。

Causal Unlearning in Collaborative Optimization: Exact and Approximate Influence Reversal under Adversarial Contributions

Ali Mahdavi et al.

cs.LG cs.AI cs.CR cs.PF

本文提出HF-KCU方法，通过Krylov子空间中的共轭梯度迭代近似influence function，以在联邦学习中高效移除特定客户端的贡献，避免完全重训练。该方法在多种架构上验证了速度提升和隐私恢复效果，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Symmetrization of Loss Functions for Robust Training of Neural Networks in the Presence of Noisy Labels

Alexandre Lemire Paquin, Brahim Chaib-Draa, Philippe Giguère

cs.LG stat.ML

本文研究了损失函数的对称化方法，通过将多类损失函数分解为对称分量和类不敏感项，提出了一种线性多类扩展的unhinged loss。实验表明该方法在噪声标签基准上具有竞争力，但未直接涉及关键词中的code、spectral或Muon等概念。

Consistently Informative Soft-Label Temperature for Knowledge Distillation

Hoang-Chau Luong et al.

cs.LG cs.AI

本文提出CIST方法，通过为教师和学生模型分配独立的样本自适应温度，解决知识蒸馏中固定温度导致的软标签熵不一致问题。该方法在视觉和语言蒸馏任务上取得改进，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。

Nonlocal operator learning for fMRI encoding and decoding tasks

Andreas Kramer et al.

cs.LG cs.AI

本文使用基于neural integral operator的模型处理fMRI数据的encoding和decoding任务，通过latent space中的fixed point iteration来捕捉非局部的时空context。实验表明，更大的时间窗口通常能提升性能并产生更结构化的representation，但整体encoding性能仍受限于任务难度。

Score-Based Causal Discovery of Latent Variable Causal Models

Ignavier Ng et al.

cs.LG stat.ML

本文提出了一种基于score的latent variable causal model结构学习方法，通过设计合适的scoring function实现score equivalence和consistency，并开发了精确和连续的score-based方法。实验验证了该方法在识别包含因果相关latent variable的causal structure方面的有效性。

Decomposing MXFP4 quantization error for LLM reinforcement learning: reducible bias, recoverable deadzone, and an irreducible floor

Xiaocan Li, Shiliang Wu, Zheng Shen

cs.LG cs.AI

本文对MXFP4量化误差进行了三部分分解（scale bias, deadzone truncation, grid noise），并针对每部分提出了相应的修正方法，以提升LLM强化学习后训练中的精度。该工作主要关注量化误差的分解与补偿，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Supervised Latent Restructuring for Small-Data Quantum Learning in Plant Phenomics

Alakananda Mitra et al.

cs.LG

本文针对植物表型组学中小样本高维生物数据的分类问题，提出了一种混合工作流，通过PCA压缩和LDA监督重构将1280维嵌入降至11维，并尝试使用GPU加速的Quantum Kernel Alignment (QKA)进行分类。实验表明监督重构提升了几何可分性，但量子学习在该压缩瓶颈下仍面临挑战，揭示了表示几何在小数据量子学习中的关键作用。

Miller-Index-Based Latent Crystallographic Fracture Plane Reasoning with Vision-Language Models

Qinwu Xu, Yifan Jiang

cs.LG physics.comp-ph

本文研究了多模态大语言模型能否利用Miller指数作为结构化隐变量来推理断裂几何，实验表明模型在理想化场景下能可靠地进行隐变量推断，并能拒绝物理上不支持的表示。

Can Conversational XAI Improve User Performance? An Experimental Study

Sven Kruschel et al.

cs.LG cs.HC

本文通过实验设计比较了对话式XAI助手与问答式XAI助手在提升用户预测准确率、模型理解和错误识别方面的表现，初步结果显示两种方式均能帮助用户显著超越模型性能，但两者之间无显著差异。

Group-Algebraic Tensors: Provably-optimal Equivariant Learning and Physical Symmetry Discovery

Paulina Hoyos et al.

cs.LG cs.AI math.RA

本文提出了一个基于有限群$G$的$\star_G$张量代数框架，使等变性成为内在代数性质而非架构约束，并提供了理论保证和Lean 4形式化验证。该工作主要关注对称性保持的张量近似与物理对称性发现，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

Weight Decay Regimes in Grokking Transformers: Cheap Online Diagnostics

Lucky Verma

cs.LG cs.AI cs.NE

本文研究了weight decay在modular arithmetic任务中对transformer训练动态的影响，发现其可作为控制记忆、泛化和崩溃状态的标量参数，并提出了两种基于attention激活的低成本在线诊断方法。实验在多种模型规模下验证了weight decay的控制模式，但方法主要针对小规模attention模型，与关键词中的code、spectral、Muon等概念关联较弱。

LLM Pretraining Shapes a Generalizable Manifold: Insights into Cross-Modal Transfer to Time Series

Alexis Roger et al.

cs.LG cs.AI

本文研究了语言预训练transformer模型在时间序列预测中的跨模态迁移能力，发现预训练过程构建了一个可复用的manifold，使得线性探针和检索方法无需微调即可产生合理的预测结果。微调则通过低维对齐优化了损失landscape，但方法本身并非开创性突破，且与关键词关联较弱。

SMA-DP: Spectral Memory-Aware Differential Privacy for Deep Learning

Mohammad Partohaghighi, Roummel Marcia

cs.LG cs.CR

本文提出SMA-DP-SGD方法，通过引入基于先前私有化噪声释放的分数记忆分支来增强DP-SGD，并利用WeightWatcher启发的谱指数（spectral exponents）自适应调整记忆深度。实验表明该方法在CIFAR-100等数据集上取得了有竞争力的精度，但计算开销约为DP-SGD的2.94倍。

CASCADE Conformal Prediction: Uncertainty-Adaptive Prediction Intervals for Two-Stage Clinical Decision Support

Ricardo Diaz-Rincon et al.

cs.LG stat.ME stat.ML

本文提出CASCADE框架，通过将分类任务中的epistemic uncertainty传播到回归任务的prediction intervals中，实现自适应预测区间。该方法在帕金森病药物剂量预测中，对高置信度病例的区间比标准方法窄38.9%，同时保证低置信度病例的覆盖率。

Training Language Agents to Learn from Experience

Yuval Shalev, Zifeng Ding, Mateja Jamnik

cs.LG cs.AI cs.CL

本文提出In-context Training (ICT)任务框架，用于评估language agent在未见任务上的跨任务自我改进能力，并设计了一种基于RL的训练pipeline来学习从经验中生成system prompts。实验表明，该训练方法能在ALFWorld和MiniHack等环境中提升agent性能，并展现出一定的跨环境泛化能力。

Quadratic Characterizations for Reachability Analysis of Neural Networks

Elias Khalife, Mazen Farhood, Pierre-Loic Garoche

cs.LG eess.SY

本文提出了一种基于二次约束(QC)的框架，通过求解凸二次规划生成候选二次不等式，并利用sum-of-squares证书在全局范围内验证这些不等式，从而为神经网络的可达性分析提供更紧的过近似。该方法适用于smooth activation（如$\tanh$）和ReLU网络，通过减少保守性改进了可达性分析结果。

ZEBRA: Zero-shot Budgeted Resource Allocation for LLM Orchestration

May Hamri, Inbal Talgam-Cohen

cs.LG

本文提出ZEBRA框架，将多阶段LLM pipeline的预算分配问题转化为连续非线性knapsack问题，通过water-filling搜索求解。实验表明该方法在coding和QA任务上优于LLM直接分配，但方法本身并非开创性，且与关键词契合度较低。

A 10,000-Year Global Stochastic Tropical Cyclone Catalog with Wind-Dependent Track Transitions (WHITS)

Jennifer Nakamura, Upmanu Lall

cs.LG physics.ao-ph stat.AP

本文提出WHITS，一个非参数半马尔可夫track generator，通过将历史track segment的transition条件化为local wind speed等变量，生成了10,000年的全球合成tropical cyclone catalog，并验证了其与观测数据的一致性。该工作主要面向catastrophe-risk应用，与关键词中的概念无直接关联。

Tippett-minimum Fusion of Representation-space Diffusion Models for Multi-Encoder Out-of-Distribution Detection

Neelkamal Bhuyan

cs.LG cs.AI cs.CV stat.AP stat.ML

本文提出了一种基于多编码器融合的表示空间扩散模型（RDM）用于离群值检测（OOD detection），通过统计诊断指标（如$\eta^2$和$\Delta\mu$）识别编码器对不同分布偏移的敏感性，并设计了编码器无关的两级$\min(\cdot)$门控机制（EncMin2L）来组合和校准似然检测器。该方法在参数成本降低2.3倍的情况下，在多种分布偏移类型上取得了优于现有方法的性能。

Reinforcing Human Behavior Simulation via Verbal Feedback

Weiwei Sun et al.

cs.LG cs.CL

本文提出DITTO模型，通过将verbal feedback作为强化学习中的首要信号来训练LLM模拟人类行为，并构建了SOUL基准测试集。实验表明该方法在多个模拟任务上优于基线模型，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词相关技术。

Fast Reconstruction of Exact Maxwell Dynamics from Sparse Data

Dan DeGenaro et al.

cs.LG

本文提出FLASH-MAX，一种浅层神经网络架构，通过将每个隐藏神经元构造为Maxwell方程的精确解，使得网络在符号层面自动满足控制方程，从而能从稀疏点观测数据中快速预测电磁场。该方法在保持零PDE残差的同时实现了高精度与快速训练。

Online Conformal Prediction with Corrupted Feedback

Bowen Wang, Matteo Zecchin, Osvaldo Simeone

cs.LG eess.SP

本文研究了在线共形预测（Online Conformal Prediction, OCP）在反馈被任意二进制翻转序列破坏时的鲁棒性问题，提出了基于滤波和主动补偿的两种鲁棒方案，并给出了相应的误覆盖保证。实验表明，所提方法在反馈损坏场景下相比标准OCP具有更好的校准性能。

An exponential mechanism based on quadratic approximations for fine-tuning machine learning models with privacy guarantees

Hoang Tran et al.

cs.LG cs.CR

本文提出了一种基于指数机制的随机算法，用于在差分隐私保证下微调机器学习模型。该方法通过构造结合预训练模型局部二次近似与新数据集的简单效用函数，实现了从多元正态分布中的精确闭式采样。

Machine-Learning-Enhanced Non-Invasive Testing for MASLD Fibrosis: Shallow-Deep Neural Networks Versus FIB-4, Tabular Foundation Models, and Large Language Models

Athanasios Angelakis et al.

cs.LG cs.AI q-bio.QM

本文比较了多种机器学习方法（包括浅层深度神经网络、TabPFN和GPT-4o）在MASLD肝纤维化非侵入性检测中的表现，发现浅层深度神经网络（s-DNN）在外部验证集上取得了与FIB-4相当或更优的ROC-AUC值，且参数量远小于TabPFN。该研究主要关注临床诊断性能，未涉及代码、上下文、谱方法、Muon优化器、预训练、智能体或注意力机制等关键词相关的内容。

Ada2MS: A Hybrid Optimization Algorithm Based on Exponential Mixing of Elementwise and Global Second-Moment Estimates

Meng Zhu, Quan Xiao, Weidong Min

cs.LG

本文提出了一种名为Ada2MS的混合优化算法，通过在elementwise和全局second-moment estimates之间进行指数插值，实现了AdamW与momentum SGD行为之间的平滑过渡，并在视觉任务上取得了有竞争力的结果。

Axiomatizing Neural Networks via Pursuit of Subspaces

Mehmet Yamac et al.

cs.LG cs.AI stat.ML

本文提出了Pursuit of Subspaces (PoS)假设，通过一组几何公理来形式化神经网络的行为，旨在为深度学习提供统一的理论基础。该框架从几何角度解释了表示结构、架构机制和泛化行为，但并未直接涉及代码、上下文、谱方法或注意力机制等关键词。

OpenSeisML: Open Large-Scale Real Seismic and well-log Dataset for Generative AI

Ipsita Bhar et al.

cs.LG

OpenSeisML是一个公开的真实地震和测井数据集，旨在支持生成式AI在地震反演中的应用。该数据集通过自动化流程从英国国家数据仓库中整理，并利用checkshot数据建立时间-深度关系以构建速度模型。

Latent Process Generator Matching

Lukas Billera, Hedwig Nora Nordlinder, Ben Murrell

cs.LG cs.AI stat.ML

本文提出了latent process generator matching框架，将观测状态视为可处理Markov过程的确定性像，并证明可学习像空间上具有相同单时间边际分布的随机过程生成器。该工作推广了Generator Matching从静态隐变量到时变隐条件过程的情形。

Complementing reinforcement learning with SFT through logit averaging in the post training of LLMs

Xingwei Gan, Ying Zhu

cs.LG cs.AI

本文提出了一种在LLM后训练中通过logit averaging结合冻结的SFT参考策略与可训练策略的方法，并集成到GRPO中，避免了KL正则化或critic的使用。实验在MATH等数据集上显示该方法与标准KL正则化GRPO相比具有相当或更高的准确率。

Deep Learning Surrogates for Emulating Stochastic Climate Tipping Dynamics

Adeline Hillier et al.

cs.LG

本文使用dynamics-informed Temporal Fusion Transformer (TFT)作为数据驱动代理模型，模拟地球系统仿真中的随机气候临界转变（如大西洋和太平洋环流崩溃），实现了465倍的计算加速并保持了可微性。

TriForces: Augmenting Atomistic GNNs for Transferable Representations

Ali Ramlaoui et al.

cs.LG cond-mat.mtrl-sci

本文提出TriForces，一个模型无关的三流框架，通过分离composition和structure信息并结合self-supervised learning来增强atomistic GNN的迁移表示能力，在有限数据下提升了能量和力的预测精度。

ReversedQ: Opportunities for Faster Q-Learning in Episodic Online Reinforcement Learning

Sofia R. Miskala-Dinc, Aviva Prins

cs.LG

本文研究了有限时域episodic Markov Decision Processes (MDPs)中的model-free Q-learning，指出了现有posterior-sampling方法中依赖延迟学习的问题。通过修改value-function更新顺序、更新频率和初始化方式，提出了ReversedQ方法，在实验中提升了累积奖励。

Unsupervised clustering and classification of upper limb EMG signals during functional movements: a data-driven

L. F. Salazar Álvarez et al.

cs.LG

本文提出了一种针对上肢表面EMG信号的无监督聚类与分类方法，通过预处理、特征提取、层次聚类和模型评估四个阶段，从NINAPRO DB4数据集中筛选出6种代表性手势，并验证了Extra Trees和ANN分类器的有效性。该工作为肌电假肢的自适应控制提供了可扩展的流程，但与关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

Mechanistic Interpretability for Learning Assurance of a Vision-Based Landing System

Romeo Valentin et al.

cs.LG cs.CV cs.RO

本文提出了一种基于mechanistic interpretability的方法，用于验证视觉着陆系统的学习保证，通过K-SVD稀疏字典学习将vision transformer的嵌入分解为内容与风格原子，并证明回归头主要依赖内容原子。该方法还定义了out-of-model-scope (OOMS)检测作为运行时监控手段，但未直接涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念。

Compositional Transduction with Latent Analogies for Offline Goal-Conditioned Reinforcement Learning

Junseok Kim et al.

cs.LG

本文提出了一种基于类比转导的离线目标条件强化学习方法，通过捕捉任务内在类比与上下文变化来合成新计划，以提升组合泛化能力。该方法在OGBench操作环境中优于不进行类比转导的先前方法。

Matryoshka Concept Bottleneck Models

Ziye Chen et al.

cs.LG

本文提出Matryoshka Concept Bottleneck Model (MCBM)，通过将概念组织成嵌套层次结构，允许在单一模型中自适应地使用不同粒度的概念进行推理。该方法将预期干预成本从线性降低到对数级别$O(\log K)$，并保证性能单调提升，但主要关注可解释深度学习中的概念瓶颈模型，与关键词列表中的主题关联较弱。

SURF: Steering the Scalarization Weight to Uniformly Traverse the Pareto Front

Liuyuan Jiang, Chentong Huang, Lisha Chen

cs.LG math.OC stat.ML

本文通过几何分析解释了标量化权重均匀采样导致Pareto前沿非均匀覆盖的原因，并提出SURF方法通过逆变换CDF映射实现均匀覆盖。该方法在结构化问题中推导出闭式解，在一般问题中交替进行CDF重建与权重采样，实验验证了其有效性。

Dynamic Shapley Computation

Xuan Yang et al.

cs.LG cs.DB cs.GT

本文提出D-Shap框架，将Shapley值计算视为一个player-by-task矩阵的维护问题，利用utility locality和coalition locality实现动态更新，仅需修改矩阵的局部块即可高效处理新任务和新玩家的加入。实验表明该方法在毫秒级完成任务更新，并将玩家更新成本降低三个数量级。

The General Theory of Localization Methods

Congwei Song

cs.LG math.ST stat.ML

本文提出了一个名为localization method的通用机器学习框架，基于localization kernels和local means两个核心概念，并系统探讨了其与kernel methods、MeanShift算法、Transformer等多种现有模型/方法的联系。该工作为重新解释现有模型提供了统一的理论视角，并展示了设计灵活数据自适应学习系统的新方法论工具。

Same Target, Different Basins: Hard vs. Soft Labels for Annotator Distributions

Mirerfan Gheibi, Gashin Ghazizadeh

cs.LG

本文研究了在标注者意见不一致时，使用hard-label（如multipass和stochastic label sampling）与soft-label训练方法的对比。实验表明，在标注稀疏时hard-label方法优于soft-label训练，而在完整分布下两者性能相当。

AVSD: Adaptive-View Self-Distillation by Balancing Consensus and Teacher-Specific Privileged Signals

Duy Nguyen et al.

cs.LG cs.AI cs.CL

本文提出AVSD (Adaptive-View Self-Distillation)方法，通过平衡多视角特权信息中的共识与特定信号，为语言模型提供token级别的自蒸馏监督。实验表明该方法在数学竞赛和代码生成基准上优于单视角自蒸馏和GRPO基线。

Design for Manufacturing: A Manufacturability Knowledge-Integrated Reinforcement Learning Framework for Free-Form Pipe Routing in Aeroengines

Caicheng Wang et al.

cs.LG cs.AI cs.RO

本文提出了一种基于Frenet框架的强化学习管道布线优化方法，通过将制造知识嵌入曲率和扭转约束，实现了航空发动机自由形态管道的可制造性设计。该方法使用PPO算法优化路径，并可直接映射到六轴自由弯曲机床的运动轨迹。

REFLECTOR: Internalizing Step-wise Reflection against Indirect Jailbreak

Jiachen Ma et al.

cs.LG cs.AI

本文提出Reflector框架，通过两阶段训练（监督微调+强化学习）使大语言模型在生成过程中内化自我反思能力，以防御多步间接越狱攻击。实验表明该方法在防御成功率上超过90%，同时提升了模型在GSM8K等任务上的通用性能。

LT2: Linear-Time Looped Transformers

Chunyuan Deng et al.

cs.LG

本文提出了LT2 (Linear-Time Looped Transformers)架构族，通过将循环Transformer中的二次softmax attention替换为线性或稀疏attention变体，实现了线性时间复杂度的循环推理。实验表明，循环机制与线性/sparse attention存在协同效应，能提升记忆精炼和感受野扩展能力，并在语言建模任务中达到与标准循环Transformer相当的质量。

Modular Multimodal Classification Without Fine-Tuning: A Simple Compositional Approach

Herman Bergström, Aditya Mehrotra, Rahul G. Krishnan

cs.LG

本文提出CoMET方法，通过冻结预训练backbone并使用PCA压缩各模态embedding，再拼接输入Tabular Foundation Model进行分类，无需微调即可实现多模态分类。该方法在多个基准上取得领先性能，但未涉及代码、上下文、谱方法或注意力机制等关键词。

Dynamic TMoE: A Drift-Aware Dynamic Mixture of Experts Framework for Non-Stationary Time Series Forecasting

Jiawen Zhu et al.

cs.LG cs.AI

本文提出Dynamic TMoE框架，通过MMD检测分布漂移并动态调整专家池，结合时间记忆路由器实现非平稳时间序列预测，在多个基准上取得性能提升。

Distributed Direct Preference Optimization

Zhanhong Jiang

cs.LG

本文研究了分布式环境下的Direct Preference Optimization (DPO)方法，提供了在federated和decentralized训练中的收敛性分析，并量化了client drift、通信频率和偏好异质性对优化速度的影响。

Decision-Path Patterns as Tree Reliability Signals: Path-based Adaptive Weighting for Random Forest Classification

Youngjoon Park

cs.LG stat.ML

本文提出了一种基于决策路径模式的树可靠性信号，用于随机森林分类中的自适应加权。该方法通过类条件比率加权避免类偏差，在30个基准数据集上相比传统RF有统计显著的精度提升。

Robust Recommendation from Noisy Implicit Feedback: A GMM-Weighted Bayes-label Transition Matrix Framework

Zongyu Li et al.

cs.LG

本文针对推荐系统中隐式反馈的标签噪声问题，提出了一种基于Gaussian Mixture Model (GMM)加权的Bayes-label Transition Matrix (BLTM)框架。该方法利用GMM计算实例级可靠性分数来校准BLTM估计，在保证全样本利用的同时降低了估计偏差与方差。

AGPO: Adaptive Group Policy Optimization with Dual Statistical Feedback

Miaobo Hu et al.

cs.LG cs.AI

本文提出了一种名为Adaptive Group Policy Optimization (AGPO)的强化学习方法，通过利用group-level statistics自适应调整clipping范围和decoding temperature，以改进LLM的推理能力。实验表明，在多个数学/STEM基准上，AGPO优于PPO/GRPO，但该方法主要聚焦于强化学习训练策略的优化，与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等概念关联度较低。

Memory-Efficient Partitioned DNN Inference on Resource-Constrained Android Crowds

Lakshani Manamperi et al.

cs.LG

本文提出CROWDio系统的DNN pipeline调度子系统，通过JIT延迟分区加载、单分区驻留约束等五种机制，在无需修改模型的情况下，将DistilBERT等大模型分布式部署到内存受限的Android设备上，实验表明该方法能有效控制峰值内存和电池消耗。

Distribution-Aware Reward: Reinforcement Learning over Predictive Distributions for LLM Regression

Jungsoo Park et al.

cs.LG cs.AI cs.CL

本文提出Distribution-Aware Reward，一种基于on-policy reinforcement learning的训练目标，通过Continuous Ranked Probability Score评估多个解码样本构成的empirical predictive distribution，并利用leave-one-out credit分配奖励，以优化LLM在回归任务中的predictive distributions。实验表明该方法在代码性能预测和分子性质预测等任务上优于supervised fine-tuning和pointwise RL基线，但未涉及关键词中的spectral、Muon或agent等概念。

Hack-Verifiable Environments: Towards Evaluating Reward Hacking at Scale

Amit Roth et al.

cs.LG cs.AI

本文提出了一种名为Hack-Verifiable Environments的新评估范式，通过在环境中嵌入可检测的reward hacking机会，实现了对agent是否利用此类漏洞的确定性自动化测量。作者基于TextArena构建了测试平台，并分析了语言模型在不同环境中的reward hacking行为。

The Hidden Signal of Verifier Strictness: Controlling and Improving Step-Wise Verification via Selective Latent Steering

Yefan Zhou et al.

cs.LG cs.AI cs.CL

本文研究了生成式verifier在逐步验证中的严格性问题，发现verifier的接受或拒绝倾向编码在验证段落的边界附近，并通过隐藏状态干预（hidden-state steering）来调节严格性。提出的VerifySteer方法利用潜在正确性信号进行样本级路由，在ProcessBench和Hard2Verify上优于提示优化和激活干预基线，且与自一致性方法竞争力相当但推理计算量减少4-7倍。

PACD-Net: Pseudo-Augmented Contrastive Distillation for Glycemic Control Estimation from SMBG

Canyu Lei, David Repaske, Jianxin Xie

cs.LG cs.AI eess.SY

本文提出PACD-Net，一种自监督对比知识蒸馏框架，用于从稀疏且不规则的自我血糖监测数据中估计血糖控制指标。该方法通过生成伪样本作为教师信号，并采用多视图对比学习与混合Swin Transformer-CNN骨干网络，提升了估计的准确性和稳定性。

ShapeBench: A Scalable Benchmark and Diagnostic Suite for Standardized Evaluation in Aerodynamic Shape Optimization

Shaghayegh Fazliani et al.

cs.LG

ShapeBench是一个用于气动外形优化的开源benchmark，包含103个任务和多种优化方法（包括经典方法和LLM驱动方法）的对比。实验表明不同任务间优化器排名差异很大，说明需要更通用的优化方法。

Cumulative Meta-Learning from Active Learning Queries for Robustness to Spurious Correlations

Kin Whye Chew, Jingxian Wang

cs.LG

本文提出Cumulative Active Meta-Learning (CAML)框架，通过将主动学习中的查询样本用于元学习先验（即归纳偏置），以缓解深度模型对虚假相关性的依赖。该方法将每轮主动学习视为一个元学习任务，并利用轮次间的顺序依赖关系逐步优化累积的归纳偏置，在多个基准上提升了少数群体准确率。

Learning to Think in Physics: Breaking Shortcut Learning in Scientific Diffusion via Representation Alignment

Haozhe Jia et al.

cs.LG cs.CV

本文提出REPA-P框架，通过在物理信息扩散模型的中间层施加PDE残差约束来对齐中间特征与物理状态，从而抑制捷径学习。该方法在多个PDE任务上加速收敛并提升鲁棒性，且推理时无额外开销。

Causal Machine Learning Is Not a Panacea: A Roadmap for Observational Causal Inference in Health

Donna Tjandra et al.

cs.LG

本文讨论了因果机器学习在健康领域观察性数据中的应用，强调了验证因果假设和模型选择的重要性，并提供了一个应用路线图。

Beyond Numerical Features: CNN-Driven Algorithm Selection via Contour Plots for Continuous Black-Box Optimization

Yiliang Yuan, Xiang Shi, Mustafa Misir

cs.LG

本文提出了一种基于contour plot（等高线图）的CNN驱动算法选择方法，用于连续黑箱优化问题。该方法通过将探测到的landscape（景观）转化为图像表示，利用CNN回归器预测各求解器的性能，从而在BBOB 2009基准上超越了单一最优求解器。

Most Transformer Modifications Still Do Not Transfer at 1-3B: A 2020-2026 Update to Narang et al. (2021) with Downstream Evaluation and a Noise Floor

Yang Zhao et al.

cs.LG cs.CL

本文在1.2B和3B参数规模下，严格复现了Narang et al. (2021)的结论，即大多数2021年后的Transformer modifications（如attention-output modifications）在严格等数据、等计算条件下仍无法迁移，且loss与下游性能差距显著扩大。

Tunable MAGMAX: Preference-Aware Model Merging for Continual Learning

Kei Hiroshima, Kento Uchida, Shinichi Shirakawa

cs.LG cs.AI

本文提出Tunable MAGMAX框架，通过引入preference vector控制模型合并时各task vector的选取数量，实现对continual learning中任务性能的偏好调节。该方法利用少量目标环境数据自动构建preference vector，在CL基准任务上有效平衡了不同任务的性能表现。

Markovian Circuit Tracing for Transformer State Dynamic

Abdullah X

cs.LG

本文提出Markovian Circuit Tracing (MCT)方法，用于测试transformer激活中是否包含粗粒度的状态转移结构。通过在合成Hidden Markov Model (HMM)任务上的实验，发现残差激活包含部分Bayesian belief信息，且状态强制实验表明恢复的状态中心能有效降低KL散度。

Finite-Time Regret Analysis of Retry-Aware Bandits

Bingkui Tong et al.

cs.LG

本文研究了retry-aware bandit问题中的ReMax算法，分析了其在Gaussian reward和M=2情况下的regret性质，证明了首个sublinear regret界，并揭示了其比Thompson sampling更具剥削性的原因。

Multi-Step Likelihood-Ratio Correction for Reinforcement Learning with Verifiable Rewards

Deokgyu Yoon et al.

cs.LG cs.AI

本文提出了一种名为NFPO的强化学习算法，通过引入N步前向迹来修正PPO代理目标中的似然比偏差，从而在可验证奖励的强化学习场景中更好地平衡偏差与方差。该方法在理论上证明了比标准PPO更紧的策略改进界，并在推理基准测试中取得了性能提升。

LOSCAR-SGD: Local SGD with Communication-Computation Overlap and Delay-Corrected Sparse Model Averaging

Yassine Maziane et al.

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

本文提出LOSCAR-SGD方法，结合communication compression、local training和communication-computation overlap三种技术，在异构计算环境中通过稀疏模型坐标通信和延迟修正合并规则实现分布式SGD。实验表明该方法能减少训练时间，但主要贡献在于首次为这三种技术的组合提供理论收敛保证。

Runtime-Certified Bounded-Error Quantized Attention

Dean Calver

cs.LG cs.AI eess.SY

本文提出了一种分层KV cache架构，通过在线计算attention分布失真和value重建误差的界，并采用自适应精度选择和分级回退机制，实现了运行时认证的bounded-error attention计算。该方法在LLaMA 3.1-8B模型上验证了其能匹配密集FP16 KV质量，同时恢复朴素INT8/INT4量化中的灾难性失败。

CAdam: Context-Adaptive Moment Estimation for 3D Gaussian Densification in Generative Distillation

SeungJeh Chung et al.

cs.LG cs.AI cs.GR

本文针对3D Gaussian Splatting在生成式蒸馏中的自适应稠密化问题，提出了CAdam框架，通过利用梯度的第一矩和信噪比门控机制来区分几何信号与生成噪声，从而减少冗余高斯原语的数量。该方法在保持感知质量的同时显著降低了高斯计数，但并未直接涉及code、spectral、Muon、pretrain、agent或attention等关键词。

CIG: Exploration via Conditional Information Gain

Tim Joseph et al.

cs.LG

本文提出了一种名为Conditional Information Gain (CIG)的intrinsic reward，用于强化学习中的exploration。CIG通过ensemble disagreement kernel的Cholesky factorization，在trajectory层面将information gain分解为可计算的per-step reward，从而同时考虑lifelong和episodic context，并扩展到高维state space。实验表明，CIG在多种离散和连续控制任务中优于或匹配现有方法。

NeighborDiv: Training-free Zero-shot Generalist Graph Anomaly Detection via Neighbor Diversity

Kaifeng Wei et al.

cs.LG

本文提出NeighborDiv，一种无需训练的零样本通用图异常检测框架，通过量化邻居节点间的特征相似性方差来捕捉邻居多样性，从而替代传统的节点-邻居一致性范式。实验表明该方法在跨域检测中取得最优性能且零波动，但方法本身属于对现有范式的改进而非开创性突破。

Learning fMRI activations dictionaries across individual geometries via optimal transport

Sonia Mazelet, Rémi Flamary, Bertrand Thirion

cs.LG

本文提出了一种基于optimal transport的Fused Gromov-Wasserstein距离的fMRI字典学习方法，通过amortized optimization学习神经网络来近似最优传输计划以降低计算成本，从而处理个体间脑几何结构的变异性。

Training distribution determines the ceiling of drug-blind cancer sensitivity prediction

Taekyung Heo

cs.LG q-bio.QM

本文通过分析发现，药物盲敏感性预测的停滞源于评估指标（global Pearson r）的缺陷，而非药物表示能力的瓶颈。作者提出使用per-drug Pearson r来评估模型，并证明在多个数据集上，任何药物编码都无法超越仅使用细胞特征的预测性能。通过控制实验，作者发现将机制-of-action作为训练分布约束（而非特征）能显著提升针对靶向激酶抑制剂的预测效果，并提出了机制分层训练和响应匹配两种实用策略。

Sutra: Tensor-Op RNNs as a Compilation Target for Vector Symbolic Architectures

Emma Leonhart

cs.LG cs.AI cs.PL

本文介绍Sutra语言，其编译后的前向传播是一个PyTorch神经网络，能将程序整体归约为一个融合的tensor-op图，并在多种embedding substrate上实现高精度解码。该工作展示了符号程序与可训练神经网络之间的统一性。

Winfree Oscillatory Neural Network

Jiawen Dai, Yue Song

cs.LG cs.AI cs.CV

本文提出Winfree Oscillatory Neural Network (WONN)，一种基于广义Winfree动力学的神经架构，在环面$(S^1)^d$上演化表示。该方法在图像识别和复杂推理任务上取得有竞争力的性能，但未直接涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

A Deployment Audit of Release-Side Risk in Conformal Triage under Prevalence Shift

Chengze Li et al.

cs.LG cs.CY

本文针对共形分流（conformal triage）在患病率偏移（prevalence shift）下的部署审计问题，提出了一种泄漏感知审计方法，通过分离目标受试者角色来评估事件阳性患者被直接释放的风险。该方法为临床决策中的安全审查权衡提供了诊断工具。

Choose Wisely and Privately: Proactive Client Selection for Fair and Efficient Federated Learning

Adda Akram Bendoukha et al.

cs.LG cs.CR

本文提出了一种主动客户端选择框架，通过差分隐私列联表计算互信息来量化数据相关性，并利用模拟退火优化联邦组合，旨在提升联邦学习的公平性与效率。该方法在非IID数据场景下比均匀采样和自适应聚合策略表现更优。

Point Cloud Sequence Encoding for Material-conditioned Graph Network Simulators

Philipp Dahlinger et al.

cs.LG

本文提出PEACH框架，通过一种新的spatio-temporal point cloud sequence encoder对点云序列进行编码，并结合in-context learning和辅助监督，使Graph Network Simulators能够在推理时适应未知的物理属性，无需依赖mesh重建。实验表明该方法在动态场景中实现了准确的zero-shot sim-to-real迁移，且预测精度优于基于mesh的基线方法。

A Sharper Picture of Generalization in Transformers

Paul Lintilhac, Sair Shaikh

cs.LG cs.AI

本文从Fourier Spectra角度研究Transformer在布尔域上的泛化行为，利用PAC-Bayes理论证明稀疏低阶谱能实现低sharpness构造并得到非空泛化界，但方法缺乏显著开创性且与关键词契合度较低。

Modeling Temporal scRNA-seq Data with Latent Gaussian Process and Optimal Transport

Mehmet Yigit Balik, Harri Lähdesmäki

cs.LG q-bio.GN

本文提出一个生成式框架，使用latent heteroscedastic Gaussian process (GP)和optimal transport (OT)目标来建模单细胞RNA测序数据中的时间过程，并引入细胞特异性潜在时间和细胞类型条件以处理生物异质性。该方法在插值和外推基准上展示了先进性能，并提出了基于梯度的扰动轨迹推断策略。

Beyond the Bellman Recursion: A Pontryagin-Guided Framework for Non-Exponential Discounting

Hojin Ko, Jeonggyu Huh

cs.LG math.OC

本文指出在非指数折扣（如人类偏好和生存过程中的折扣）下，标准的Bellman递归会失效，并提出了Pontryagin-Guided Direct Policy Optimization (PG-DPO)框架。该框架放弃了递归，通过结合Pontryagin最大值原理与Monte Carlo rollout，在多个基准测试中提升了准确性和稳定性。

Efficient Banzhaf-Based Data Valuation for $k$-Nearest Neighbors Classification

Guangyi Zhang et al.

cs.LG cs.DS

本文针对$k$-nearest neighbor ($k$NN)分类器中的Banzhaf值数据估值问题，证明了其计算复杂度为\#P-hard，并利用$k$NN的局部性提出了动态规划算法，实现了$O(Wkn^2)$和$O(nk^2)$的时间复杂度，同时提供了高效的Monte Carlo估计方法。

A Dialogue between Causal and Traditional Representation Learning: Toward Mutual Benefits in a Unified Formulation

Yan Li et al.

cs.LG

本文提出了一个统一框架，将因果表示学习和传统表示学习联系起来，通过任务组件和约束组件来刻画表示学习过程。实验表明，因果约束的有效性高度依赖于与之配对的任务。

Divide et Calibra: Multiclass Local Calibration via Vector Quantization

Cesare Barbera et al.

cs.LG cs.AI stat.ML

本文提出了一种基于Vector Quantization (VQ)的多类局部校准方法，通过将表示空间划分为结构化区域并共享码字依赖的参数，学习异质的校准映射。该方法在保持全局校准性能的同时，显著提升了局部校准效果。

Robust Personalized Recommendation under Hidden Confounding in MNAR

Zongyu Li, Wanting Su, Tianyu Xia

cs.LG

本文针对推荐系统中存在隐藏混杂因素（hidden confounders）导致的selection bias问题，提出了一种名为PUID的框架，通过估计用户-项目级别的敏感性界限来替代传统的全局敏感性分析，并引入对抗优化策略及预训练模型作为稳定参考（BPUID变体）。该方法在无需随机对照试验数据的情况下，在三个真实数据集上显著优于现有全局方法。

Towards Understanding Self-Pretraining for Sequence Classification

Omar Coser et al.

cs.LG

本文通过消融实验复现了Amos等人(2024)提出的self-pretraining (SPT)方法，发现该方法在序列分类任务中的提升主要源于其能帮助模型学习proximity interactions（邻近交互），即将absolute positional encodings转化为proximity-biased Attention scores，而标准的监督训练在随机初始化下难以学到有效的query-key Attention模式。

Reviving Error Correction in Modern Deep Time-Series Forecasting

Minh Hoang Nguyen et al.

cs.LG

本文重新审视了深度时间序列预测中的误差累积问题，提出了一种与模型无关的通用误差校正器UEC-STD，通过将预测分解为趋势和季节分量并分别校正，提升了长期预测的准确性。该方法无需重新训练即可集成到现有预测器中，在多个骨干网络和数据集上验证了有效性。

UOTIP: Unbalanced Optimal Transport Map for Unpaired Inverse Problems

Donggyu Lee, Taekyung Lee, Jaewoong Choi

cs.LG

本文提出了一种基于Unbalanced Optimal Transport (UOT) 的逆问题求解方法UOTIP，用于处理无配对图像逆问题。该方法通过引入似然代价函数学习从噪声测量分布到干净信号分布的传输映射，并利用二次代价项保证传输映射的存在唯一性，在多种线性与非线性逆问题上取得了先进性能。

A Typed Tensor Language for Federated Learning

Theofilos Mailis et al.

cs.LG

本文提出了一种用于联邦学习的类型化tensor语言，通过区分federated tensors和shared tensors来形式化联邦计算的结构，并证明了共享状态分解理论。该工作为联邦学习中的通信和计算提供了一种形式化框架。

HORST: Composing Optimizer Geometries for Sparse Transformer Training

Tom Jacobs, Rohan Jain, Rebekka Burkholz

cs.LG

本文提出HORST优化器，通过组合非交换算子来整合自适应优化器的$L_{\infty}$稳定性和$L_1$稀疏性，利用hyperbolic mirror map实现稀疏Transformer训练，并在视觉和语言任务上优于AdamW。

Improved Guarantees for Constrained Online Convex Optimization via Self-Contraction

Dhruv Sarkar, Abhishek Sinha

cs.LG stat.ML

本文针对对抗性约束下的在线凸优化问题，提出了一种基于投影的算法。该算法利用自收缩曲线的几何结果，在强凸损失下实现了$O(\log T)$的regret和$O(\log T)$的累积约束违反，在凸损失下实现了$O(\sqrt{T})$的regret和$O(\sqrt{T})$的累积约束违反。

Efficient Learning of Deep State Space Models via Importance Smoothing

John-Joseph Brady, Nikolas Nusken, Yunpeng Li

cs.LG cs.AI

本文提出了一种名为parallel variational Monte Carlo (PVMC)的新训练方法，用于高效训练deep state space models (DSSM)。该方法结合了auto-encoding和sequential Monte Carlo (SMC)两种范式，在多个基准实验中取得了最优或更优的结果，且训练速度比最快的SMC方法快10倍。

A Unified Framework for Uncertainty-Aware Explainable Artificial Intelligence: A Case Study in Power Quality Disturbance Classification

Yinsong Chen et al.

cs.LG

本文形式化了BNN后验通过Lipschitz连续attribution operator的push-forward measure作为explanation distribution，并提出了UA-RAO算子族来总结该分布。在电能质量扰动分类任务上验证了该方法能揭示点估计attribution中缺失的不确定性模式。

Advantage Collapse in Group Relative Policy Optimization: Diagnosis and Mitigation

Xixiang He et al.

cs.LG

本文诊断了GRPO算法中的advantage collapse问题，并提出了ACR指标来量化该问题，同时引入AVSPO方法通过注入虚拟奖励样本来缓解该问题，在数学推理任务上提升了模型性能。

Reasoning-Trace Collapse: Evaluating the Loss of Explicit Reasoning During Fine-Tuning

Lukas Twist, Helen Yannakoudakis, Jie M. Zhang

cs.LG

本文研究了推理模型在微调过程中出现的“推理轨迹崩溃”现象，即模型在保持最终答案正确性的同时丢失了显式推理结构。作者提出了一个结构评估框架来分离答案正确性与推理轨迹有效性，并发现标准监督微调会迅速抑制有效推理轨迹，而仅依赖答案指标会掩盖这一失败。

Learning First Integrals via Backward-Generated Data and Guided Reinforcement Learning

Jingfeng Zhong et al.

cs.LG

本文提出FISolver，一种基于LLM的求解器，通过“Backward Generation”算法生成大规模训练数据，并利用监督微调和基于Levenshtein距离的强化学习来提升性能，以解决动力系统中first integrals的自动发现难题。实验表明，该方法在降低计算成本的同时，在基准测试上优于大型数学LLM和商业求解器。

Q-SYNTH: Hybrid Quantum-Classical Adversarial Augmentation for Imbalanced Fraud Detection

Adam Innan et al.

cs.LG quant-ph

本文提出Q-SYNTH，一个混合量子-经典生成对抗框架，使用parameterized quantum circuit作为生成器，classical neural network作为判别器，用于解决信用卡欺诈检测中的类别不平衡问题。实验表明该方法在分布保真度和下游性能之间提供了折中，但并未显著超越经典GAN或SMOTE基线。

ChunkFT: Byte-Streamed Optimization for Memory-Efficient Full Fine-Tuning

Yongkang Liu et al.

cs.LG cs.CL

本文提出ChunkFT框架，通过动态激活工作集实现内存高效的全参数微调，允许在不修改网络架构的情况下计算任意子张量的梯度。实验表明该方法在内存使用、运行时间和优化质量上均优于现有基线，并能与全参数微调性能相当。

Domain-Adaptable Reinforcement Learning for Code Generation with Dense Rewards

Erfan Aghadavoodi Jolfaei et al.

cs.LG cs.SE

本文提出一个基于reinforcement learning的框架，使用proximal policy optimization微调预训练LLM，通过可定制的执行感知奖励函数来优化代码生成的质量和领域特定约束。实验表明该方法在通用代码生成和机器人程序合成任务上提升了功能正确性和可执行性。

Behavior-Consistent Deep Reinforcement Learning

Marcel Hussing et al.

cs.LG cs.AI

本文针对强化学习训练中跨运行策略发散的问题，提出了行为一致性强化学习框架，通过最大熵强化学习机制控制行为差异。作者证明了对于Boltzmann策略，选择与$Q$-函数分歧成比例的温度可以约束策略间的KL散度，并据此提出了QED方法，利用双critic分歧作为跨运行分歧的代理。实验表明该方法在18个连续控制任务中显著降低了跨运行发散。

PREFINE: Preference-Based Implicit Reward and Cost Fine-Tuning for Safety Alignment

Richa Verma et al.

cs.LG cs.AI

本文提出PREFINE方法，将Direct Preference Optimization (DPO)从LLM微调扩展到连续控制领域的策略安全对齐。该方法通过构造策略采样的反事实轨迹来建立偏好对比，并联合优化奖励保持与安全约束，实验表明能显著减少约束违反。

APEX: Autonomous Policy Exploration for Self-Evolving LLM Agents

Yibo Li et al.

cs.LG cs.AI

本文提出APEX方法，通过构建策略图（strategy map）来缓解LLM agent在自我进化中的探索崩溃问题，该方法在文本冒险游戏和WebArena基准测试上优于基线。

Divide and Contrast: Learning Robust Temporal Features without Augmentation

Abdul-Kazeem Shamba, Kerstin Bach, Gavin Taylor

cs.LG

本文提出Divide and Contrast (Di-COT)框架，通过随机划分时间窗口为重叠子块并进行对比学习，避免了数据增强和多编码器传递，在多个时间序列基准上取得了SOTA性能并显著降低了训练时间。该方法主要关注无监督时间序列表示学习，与关键词中的code, context, spectral等概念关联较弱。

Graph Navier Stokes Networks

Zexing Zhao et al.

cs.LG

本文受Navier Stokes方程启发，提出了Graph Navier Stokes Networks (GNSN)，通过在graph上定义动态velocity field引入convection机制，以替代传统的基于diffusion的message passing，从而缓解oversmoothing问题。实验表明该方法在多个数据集上提升了分类精度。

On the Cost and Benefit of Chain of Thought: A Learning-Theoretic Perspective

Yue Zhang et al.

cs.LG

本文从学习理论角度分析了Chain of Thought (CoT)的收益与代价，将CoT建模为答案映射与链式规则的交互，并定义了推理风险。该风险可分解为捕捉CoT收益的oracle-trajectory risk (OTR)和反映误差累积代价的trajectory-mismatch risk (TMR)，并证明了在缺乏稳定性时TMR可能任意大，而在稳定性条件下TMR受精确放大因子控制。

Nonparametric Learning and Earning with One-Point Feedback under Nonstationarity

Xiangyu Yang et al.

cs.LG

本文研究在非平稳环境下，仅通过单点反馈（每个周期只观察一个定价产生的收益）进行非参数化动态定价的学习与收益问题。作者提出了一种结合基于收益梯度近似和重启机制的学习框架，以应对环境变化，并在非平稳程度未知时引入元学习层自适应调整重启策略。

FedCoE: Bridging Generalization and Personalization via Federated Coordinated Dual-level MoEs

Penglin Dai et al.

cs.LG

本文提出FedCoE框架，通过服务器端维护多个全局expert模型并利用共享gating network动态建模client-expert关联，以平衡联邦学习中的全局泛化与局部个性化，并引入自适应机制解决冷启动问题。实验表明该方法在非IID场景下提升了全局与个性化准确率。

How Much Online RL is Enough? Informative Rollouts for Offline Preference Optimization in RLVR

Richa Verma, Balaraman Ravindran

cs.LG cs.AI

本文提出G2D (GRPO to DPO)三阶段流水线，通过短期的GRPO在线rollout预热后构建静态偏好数据集，再用DPO进行离线微调。实验表明，适度的在线预热能产生信息量更丰富的rollout，使离线DPO在较低计算成本下匹配或超越纯在线GRPO的性能。

\textit{Stochastic} MeanFlow Policies: One-Step Generative Control with Entropic Mirror Descent

Zeyuan Wang et al.

cs.LG cs.AI

本文提出Stochastic MeanFlow Policies (SMFP)，一种通过MeanFlow变换将Gaussian噪声映射为动作的单步生成式策略类，用于离线策略强化学习。该方法在MuJoCo基准测试中优于Gaussian和生成式基线，并保持了单步推理效率。

A Mechanistic Study of Tabular Foundation Models

Marin Biloš et al.

cs.LG

本文研究了表格基础模型（tabular foundation models）在不同架构下的机制，发现它们都实现了基于相似性的readout机制，并通过因果干预验证了其行为。文章还分析了模型的permutation invariance来源及其对特定扰动的鲁棒性。

TimeSRL: Generalizable Time-Series Behavioral Modeling via Semantic RL-Tuned LLMs -- A Case Study in Mental Health

Yuang Fan et al.

cs.LG cs.AI cs.HC

本文提出TimeSRL框架，通过两阶段LLM将原始时间序列信号抽象为高级语义后再预测行为结果，并利用GRPO和RLVR进行端到端优化。在心理健康预测任务中，该方法在跨数据集泛化基准上优于传统ML和LLM基线，但未涉及code、spectral、Muon、agent或attention等关键词。

Automatic Discovery of Disease Subgroups by Contrasting with Healthy Controls

Robin Louiset et al.

cs.LG cs.CV

本文提出了一种名为Deep UCSL的对比性子组发现方法，通过对比患者与健康对照组，利用深度特征提取器和基于条件联合似然的损失函数，识别仅由病理因素驱动的疾病子组。该方法在MNIST示例和四个真实医学影像数据集上展示了优于先前工作的子组质量。

From Circuit Evidence to Mechanistic Theory: An Inductive Logic Approach

Nura Aljaafari, Danilo S. Carvalho, Andre Freitas

cs.LG cs.AI cs.LO

本文提出了一种归纳逻辑方法，将神经网络的circuit解释视为归纳理论构建，通过Causal Functional Signature和架构签名$\tau_{\mathrm{arch}}$来形式化表征circuit的计算机制，并利用inductive logic programming实现跨模型尺度的可迁移性。该方法在结构分离和可迁移性上优于图核和特征向量基线。

DeCoR: Design and Control Co-Optimization for Urban Streets Using Reinforcement Learning

Bibek Poudel et al.

cs.LG cs.AI

本文提出DeCoR，一个两阶段强化学习框架，用于城市街道的人行横道布局与信号控制协同优化。设计阶段将行人网络编码为图并学习生成策略，控制阶段学习自适应信号配时以减少行人与车辆延误。实验表明该方法在真实城市走廊上减少了行人等待时间。

A New Framework to Analyse the Distributional Robustness of Deep Neural Networks

Divij Khaitan, Subhashis Banerjee

cs.LG

本文提出一个基于Bernoulli分布建模layer weights和activations之间交互的框架，通过类间分离度作为鲁棒性诊断代理，分析深度神经网络对分布偏移的鲁棒性。实验在CIFAR-10和ImageNet上验证了该指标能区分记忆化网络与非记忆化网络，并发现分布偏移会降低路径诊断下的分离度。

Optimized Federated Knowledge Distillation with Distributed Neural Architecture Search

Chaimaa Medjadji et al.

cs.LG

本文提出FedKDNAS框架，通过结合客户端神经架构搜索与知识蒸馏，在非独立同分布数据下提升联邦学习的准确率与通信效率。该方法允许客户端自主选择轻量模型并仅共享预测结果，但未涉及code、spectral或Muon等关键词相关技术。

Data-Efficient Neural Operator Training via Physics-Based Active Learning

Alicja Polanska et al.

cs.LG cs.AI math.NA physics.comp-ph

本文提出了一种基于物理信息的主动学习算法，通过利用PDE残差指导数据选择，以降低神经算子训练的数据需求。实验表明该方法在数据效率上可与现有技术媲美，但未直接涉及关键词中的核心概念。

Classification of Single and Mixed Partial Discharges under Switching Voltage Using an AWA-CNN Framework

Md Rafid Kaysar Shagor et al.

cs.LG cs.CE cs.ET

本文提出了一种基于AWA模式的局部放电分类方法，用于区分开关电压下的六种单源和混合放电类型。该方法将脉冲的幅值、宽度和面积映射为视觉模式，并利用CNN模型实现了96%以上的分类准确率。

On the Regularity and Generalization of One-Step Wasserstein-guided Generative Models for PDE-Induced Measures

Likun Lin et al.

cs.LG cs.AI math.NA stat.ML

本文研究了PDE诱导概率测度下，一步Wasserstein引导生成模型的传输映射正则性与泛化性质，证明了最优传输映射的Hölder连续性，并为DeepParticle方法提供了excess-risk界。

What Twelve LLM Agent Benchmark Papers Disclose About Themselves: A Pilot Audit and an Open Scoring Schema

Mahdi Naser Moghadasi, Faezeh Ghaderi

cs.LG

本文对12篇知名的LLM agent benchmark论文进行了审计，设计了一个包含五个字段的评分模式，并发现这些论文在评估细节（如推理成本和环境规范）上的披露严重不足，平均得分仅为0.38。该工作为提升benchmark报告的可复现性提供了初步框架，但方法本身并非开创性，且与关键词列表中的概念关联较弱。

FedCritic: Serverless Federated Critic Learning-based Resource Allocation for Multi-Cell OFDMA in 6G

Amin Farajzadeh, Melike Erol-Kantarci

cs.LG cs.AI cs.CV cs.NI

本文提出了一种名为FedCritic的无服务器联邦多智能体actor-critic框架，用于解决6G超密集网络中多小区OFDMA的联合子载波调度与功率分配问题。该方法通过轻量级的gossip协议在干扰图上平均critic参数，避免了集中式训练，并在干扰密集的reuse-1场景下提升了平均SINR和小区边缘速率。

HiRes: Inspectable Precedent Memory for Reaction Condition Recommendation

Shreyas Vinaya Sathyanarayana, Raja Sekhar Pappala, Deepak Warrier

cs.LG cs.AI q-bio.MN

HiRes提出了一种检索增强的反应条件推荐系统，结合了graph encoder和k-NN检索层，在USPTO-Condition数据集上取得了领先性能。该方法主要关注化学合成中的条件预测与可解释性，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联较弱。

Preference-aware Influence-function-based Data Selection Method for Efficient Fine-Tuning

Qihao Lin et al.

cs.LG

本文提出了一种名为PRISM的偏好感知数据选择方法，通过利用当前模型的偏好对目标样本进行加权，构建偏好感知的目标表示，从而更高效地选择训练数据以提升微调效率。该方法在高效微调和安全导向的SFT修复任务中展示了有效性。

Adaptive Signal Resuscitation: Channel-wise Post-Pruning Repair for Sparse Vision Networks

Qishi Zhan, Ziheng Chen, Minxuan Hu

cs.LG

本文提出了一种无需训练的通道级后剪枝修复方法ASR，通过方差匹配和收缩规则来恢复稀疏视觉网络的精度，在90%稀疏度下比逐层修复方法提升了约14%的Top-1准确率。该方法主要针对剪枝后信号损伤的粒度不匹配问题，但与我提供的关键词列表关联度较低。

Polynomial-Time Robust Multiclass Linear Classification under Gaussian Marginals

Ilias Diakonikolas, Giannis Iakovidis, Mingchen Ma

cs.LG cs.DS

本文研究了在高斯分布假设下，多类线性分类器的鲁棒学习问题。作者证明了标准的多类感知机算法在干净标签下也需要超多项式样本，并提出了一个成对非恰当学习框架，实现了与最优分类器误差相关的多项式时间算法。

Gaussian Sheaf Neural Networks

André Ribeiro et al.

cs.LG math.AT math.CT

本文提出Gaussian Sheaf Neural Networks (GSNNs)，利用cellular sheaves理论将Gaussian分布的几何与代数结构融入图学习，并推导了推广的sheaf Laplacian算子。该方法主要针对节点特征为概率分布的场景，但与我提供的关键词列表契合度较低。

torchtune: PyTorch native post-training library

Mark Obozov et al.

cs.LG cs.AI

torchtune是一个基于PyTorch的原生库，旨在简化LLM的后训练流程（如fine-tuning）。它强调模块化和可扩展性，在性能和内存效率上与Axolotl和Unsloth等框架相当，但更注重透明性和快速研究迭代。

Approximation Theory for Neural Networks: Old and New

Soumendu Sundar Mukherjee, Himasish Talukdar

cs.LG cond-mat.dis-nn cs.AI cs.NE

本文综述了神经网络逼近理论的发展，从经典的universal approximation theorems到量化逼近率、参数效率以及深度与宽度权衡等现代结果，并简要介绍了Kolmogorov-Arnold Networks (KANs)的近似性质。

Mitigating Label Bias with Interpretable Rubric Embeddings

Calvin Isley, Johann D. Gaebler, Sharad Goel

cs.LG

本文提出了一种基于可解释的rubric embeddings（由专家定义的标准特征）的表示框架，用于替代标准黑盒embedding，以减轻历史人类评估中的标签偏差。通过将预测锚定在语义有意义的维度上，该方法在理论上和实证上均能减少群体差异并提升群体质量。

A Machine Learning Framework for Weighted Least Squares GNSS Positioning based on Activation Functions

Pin-Hsun Lee, Harry Leib

cs.LG

本文提出了一种基于activation functions的机器学习框架，用于改进加权最小二乘GNSS定位。该方法通过ensemble learning算法预测信号质量分数，并利用activation functions将其转换为WLS定位的权重，实验表明sigmoid函数在不同配置下均能有效降低定位误差。

You Only Need Minimal RLVR Training: Extrapolating LLMs via Rank-1 Trajectories

Zhepei Wei et al.

cs.LG cs.CL

本文发现RLVR训练中的参数轨迹具有极低秩结构，并提出RELEX方法，通过从短观察窗口估计rank-1子空间并线性外推未来checkpoint，仅需15%的训练步数即可匹配或超越完整RLVR性能。该方法在多个模型上验证了有效性，且外推能力可超过观察窗口10-20倍。

Is Fixing Schema Graphs Necessary? Full-Resolution Graph Structure Learning for Relational Deep Learning

Yi Huang et al.

cs.LG

本文提出FROG框架，将关系数据库中的图结构学习建模为可学习的表角色问题，并设计角色驱动消息传递机制以联合优化图结构与GNN表示。实验表明该方法在关系预测任务上优于现有方法。

EvoStruct: Bridging Evolutionary and Structural Priors for Antibody CDR Design via Protein Language Model Adaptation

Mansoor Ahmed et al.

cs.LG

本文提出EvoStruct方法，通过cross-attention adapter将冻结的protein language model与E(3)-equivariant GNN的3D结构上下文结合，用于抗体CDR设计。该方法通过渐进式PLM解冻和R-Drop正则化，解决了现有GNN方法在CDR设计中出现的vocabulary collapse问题，在CHIMERA-Bench数据集上取得了更高的序列恢复率和更低的perplexity。

Quantifying Hyperparameter Transfer and the Importance of Embedding Layer Learning Rate

Dayal Singh Kalra, Maissam Barkeshli

cs.LG cond-mat.dis-nn cs.AI stat.ML

本文通过三个指标量化了超参数迁移的质量，并发现$\mu$P相对于标准参数化的优势主要源于嵌入层学习率的提升，而非理论所暗示的深层原因。

Variance Reduction for Expectations with Diffusion Teachers

Jesse Bettencourt et al.

cs.LG cs.AI cs.CV stat.CO stat.ML

本文提出CARV框架，通过分层Monte Carlo估计（将昂贵的上游计算分摊到廉价的扩散噪声重采样上，并结合timestep重要性采样和分层逆CDF构造）来降低扩散模型教师梯度期望的方差。实验表明该方法在text-to-3D蒸馏和归因任务中实现了2-3倍的有效计算乘数，但在单步蒸馏中方差降低并未改善下游FID指标。

cs.AI

Tool-Augmented Agent for Closed-loop Optimization,Simulation,and Modeling Orchestration ⭐ 精选

Liyuan Deng et al.

cs.AI cs.GR

本文提出COSMO-Agent框架，将CAD-CAE闭环优化过程建模为tool-augmented reinforcement learning (RL)环境，使LLM作为agent学习调用外部工具（如CAD生成、CAE求解）并迭代修改参数化几何体，直至满足多约束条件。该方法通过设计多约束奖励函数（鼓励可行性、工具链鲁棒性和结构化输出有效性）来稳定训练，并构建了包含25个组件类别的工业对齐数据集。实验表明，该agent方法显著提升了小规模开源LLM在约束驱动设计中的可行性、效率和稳定性，超越了大型开源和强闭源模型。

AgentCo-op: Retrieval-Based Synthesis of Interoperable Multi-Agent Workflows ⭐ 精选

Shuaike Shen et al.

cs.AI

AgentCo-op提出了一种基于检索的合成框架，用于在开放科学场景中构建可互操作的多agent工作流。该方法通过类型化artifact交接（typed artifact handoffs）组合可复用的技能、工具和外部agent，并在执行失败时对相关组件进行有界自修复（bounded self-guided local repair），无需全局拓扑搜索或重新设计现有agent。在空间转录组学和基因集解释等案例中，该框架成功协调了独立开发的科学agent，并在六个编码、数学和问答基准测试中取得了最优结果，同时降低了每个任务的成本。这项工作为自动化agent工作流设计提供了新思路，与关键词“agent”高度契合。

COAgents: Multi-Agent Framework to Learn and Navigate Routing Problems Search Space ⭐ 精选

Oleksandr Yakovenko et al.

cs.AI

本文提出COAgents，一个用于车辆路径问题(VRP)搜索的多agent框架。它将搜索过程建模为图，其中节点代表解，边代表局部改进或大扰动（跳跃），并动态构建部分搜索图(PSG)来训练节点选择agent、移动选择agent和跳跃agent，以分别引导强化、局部搜索和探索。该方法将问题无关的搜索控制与领域特定的紧凑编码分离，在CVRP和VRPTW基准上取得了具有竞争力的结果，特别是在VRPTW上显著优于现有神经求解器，缩小了与最优解的差距。这与关键词中的agent概念高度契合。

SOLAR: A Self-Optimizing Open-Ended Autonomous Agent for Lifelong Learning and Continual Adaptation

Nitin Vetcha, Dianbo Liu

cs.AI cs.LG

SOLAR提出了一种基于参数级meta-learning和multi-level reinforcement learning的自主agent，用于处理concept drift和continual adaptation问题。该方法在多个推理任务上表现优于基线，但未涉及code、spectral或Muon等关键词。

OSCToM: RL-Guided Adversarial Generation for High-Order Theory of Mind

Sharmin Sultana Srishty et al.

cs.AI

本文提出OSCToM方法，通过强化学习与领域特定语言生成嵌套信念冲突，用于提升LLM在Theory of Mind任务中的递归推理能力。实验表明该方法在信息不对称场景下显著优于现有基准，但未涉及code、spectral或Muon等关键词相关技术。

High Quality Embeddings for Horn Logic Reasoning

Yifan Zhang et al.

cs.AI

本文研究了为Horn Logic推理生成高质量embedding的方法，通过triplet loss训练并引入三种改进策略（如生成重复项更多的anchor、平衡正负样本难度、训练中强调困难样本），以提升推理效率。实验比较了不同知识库上的embedding效果，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词。

\ECUAS{n}: A family of metrics for principled evaluation of uncertainty-augmented systems

Lautaro Estienne et al.

cs.AI cs.LG

本文提出了一种新的评估指标族\ECUAS{n}，用于评估同时输出预测和不确定性分数的系统。该指标通过参数$n$控制错误预测成本与不完美不确定性之间的权衡，并在分类和生成数据集上进行了实验验证。

Open-World Evaluations for Measuring Frontier AI Capabilities

Sayash Kapoor et al.

cs.AI

本文提出了一种名为open-world evaluations的评估方法，用于补充传统benchmark评估的不足，通过长期、真实世界的任务来评估AI能力，并以AI agent开发并发布iOS应用为例展示了其可行性。

AgentAtlas: Beyond Outcome Leaderboards for LLM Agents

Parsa Mazaheri, Kasra Mazaheri

cs.AI cs.CL cs.LG cs.SE

本文提出了AgentAtlas框架，用于评估LLM Agent的行为，包含控制决策分类、轨迹失败分类等方法，并通过实验发现移除显式标签菜单后所有模型的轨迹准确率均显著下降。该工作主要聚焦于评估方法论，与关键词中的agent有一定关联，但方法本身并非开创性突破。

Personality Engineering with AI Agents: A New Methodology for Negotiation Research

Michelle A. Vaccaro, Jared R. Curhan

cs.AI cs.HC cs.SI

本文提出了一种名为"personality engineering"的方法论，利用AI agent精确参数化、操控和评估谈判者的人格特质，并基于interpersonal circumplex（人际环状模型）的warmth和dominance两个核心维度作为坐标系，为谈判研究提供了一种新的实验范式。

Mahjax: A GPU-Accelerated Mahjong Simulator for Reinforcement Learning in JAX

Soichiro Nishimori et al.

cs.AI cs.LG

本文介绍了Mahjax，一个基于JAX的GPU加速麻将模拟器，用于强化学习研究。它通过大规模并行化实现了高吞吐量，并验证了其训练agent的有效性。

From Automated to Autonomous: Hierarchical Agent-native Network Architecture (HANA)

Binghan Wu et al.

cs.AI cs.NI

本文提出了一种名为HANA的分层多智能体参考架构，旨在实现L4/L5自主网络，通过双驱动编排器和共享公共内存协调执行智能体，并整合智能体自我意识以统一战略治理与故障恢复。在5G核心网环境中的实例验证表明，该系统能在拥塞下维持关键吞吐量并将平均修复时间降低86%。

Evaluating Temporal Semantic Caching and Workflow Optimization in Agentic Plan-Execute Pipelines

Alimurtaza Mustafa Merchant et al.

cs.AI

本文针对工业资产操作工作流中的延迟敏感问题，在AssetOpsBench基准上评估了两种优化方法：时间语义缓存和MCP工作流优化（包括磁盘支持的工具发现缓存和依赖感知的并行步骤执行）。实验表明这些方法能显著降低端到端延迟，但未涉及代码、谱方法或预训练等关键词。

Declarative Data Services: Structured Agentic Discovery for Composing Data Systems

Shanshan Ye, Duo Lu

cs.AI

本文提出Declarative Data Services (DDS)架构，用于从声明式用户意图中结构化地智能发现数据系统组合。该框架通过分层类型契约将全局搜索分解为有界子搜索，解决了无界智能发现无法稳定收敛的问题。

VBFDD-Agent for Electric Vehicle Battery Fault Detection and Diagnosis: Descriptive Text Modeling of Battery Digital Signals

Joey Chan, Zhen Chen, Ershun Pan

cs.AI

本文提出VBFDD-Agent，通过将电池监测信号转化为结构化自然语言描述，结合大语言模型推理与历史案例检索，实现电池故障检测与可解释的维护建议生成。该方法主要关注跨域适应性与人机协作，但未涉及code、spectral、Muon、pretrain或attention等关键词相关技术。

Conflict-Aware Additive Guidance for Flow Models under Compositional Rewards

Xuehui Yu et al.

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

本文研究了在组合奖励下流模型的引导采样问题，提出了一种轻量级可学习的冲突感知加性引导方法，通过动态检测和解决梯度冲突来修正偏离数据流形的漂移。实验在多个领域验证了该方法在生成保真度上的提升。

Interaction Locality in Hierarchical Recursive Reasoning

Yosuke Miyanishi, Tetsuro Morimura

cs.AI cs.LG

本文提出了一种名为interaction locality的任务几何感知框架，用于测量递归推理模型中信息流是否在局部或跨区域传递，并通过激活修补等方法在HRM和TRM模型上验证了局部到全局的信息积累模式。该框架还应用于3D场景理解模型MTU3D，发现其因果空间局部性主要出现在模块边界。

Conditional Equivalence of DPO and RLHF: Implicit Assumption, Failure Modes, and Provable Alignment

Zhiqin Yang et al.

cs.AI cs.LG

本文证明了Direct Preference Optimization (DPO)与Reinforcement Learning from Human Feedback (RLHF)的等价性是有条件的，并指出当RLHF最优策略不偏好人类偏好响应时，DPO会优化与人类偏好不一致的目标。为解决此问题，作者提出了Constrained Preference Optimization (CPO)，通过添加约束实现可证明的对齐。

PlanningBench: Generating Scalable and Verifiable Planning Data for Evaluating and Training Large Language Models

Ziliang Zhao et al.

cs.AI cs.LG

本文提出了PlanningBench框架，用于生成可扩展且可验证的规划数据，以评估和训练大语言模型。该框架通过约束驱动的合成流程，从真实规划场景中抽象出结构化分类，并实现了自适应难度控制和实例级验证。

Governance by Construction for Generalist Agents

Segev Shlomov et al.

cs.AI cs.SE

本文提出了CUGA策略系统，一种模块化的策略即代码层，用于在通用LLM agent的复合工作流中实现可预测、可审计且合规的行为，无需模型微调。该系统在agent执行的五个关键阶段（意图守卫、剧本、工具指南、人工审批、输出格式化）嵌入治理干预，以增强企业agent系统的安全部署和策略一致性。

For How Long Should We Be Punching? Learning Action Duration in Fighting Games

Hoang Hai Nguyen, Kurt Driessens, Dennis J.N.J. Soemers

cs.AI cs.LG

本文探讨了格斗游戏中强化学习agent的动作执行时长学习问题，提出了一种联合预测动作和持续时间的决策框架，并在FightLadder环境中进行了实验。结果表明，学习到的时序策略虽能匹配固定帧跳过的性能，但并未显著提升鲁棒性，且agent倾向于采用高帧跳过的重复动作模式。

Playing Devil's Advocate: Off-the-Shelf Persona Vectors Rival Targeted Steering for Sycophancy

Ishaan Kelkar et al.

cs.AI cs.CL cs.LG

本文研究了不同persona对模型sycophancy（模型即使面对用户错误时也同意用户的现象）的影响，发现现成的persona steering vectors（原本用于通用角色扮演）在减少sycophancy方面能达到对比激活添加（CAA）方法的68%到98%效果，且不会在用户正确时降低准确性。结果表明sycophancy更应被视为persona层面的属性而非单一可操控方向。

AutoRPA: Efficient GUI Automation through LLM-Driven Code Synthesis from Interactions

Minghao Chen et al.

cs.AI

本文提出AutoRPA框架，通过LLM驱动的代码合成将ReAct-style agent的决策逻辑自动转化为高效的RPA函数，以提升重复GUI任务的执行效率。该框架包含翻译-构建流水线和混合修复策略，实验表明可大幅降低token使用量。

ScenePilot: Controllable Boundary-Driven Critical Scenario Generation for Autonomous Driving

Qiyu Ruan et al.

cs.AI

本文提出ScenePilot框架，通过约束多目标强化学习生成物理可行但导致自动驾驶系统失效的边界场景，利用RSS物理可行性评分和在线学习的AV风险预测器引导探索，实验表明该方法能有效提高碰撞率并保持物理有效性。

Insights Generator: Systematic Corpus-Level Trace Diagnostics for LLM Agents

Akshay Manglik et al.

cs.AI cs.LG cs.SE

本文提出了一个名为Insights Generator (IG)的多agent系统，用于对LLM agent的执行轨迹进行语料级别的诊断，通过提出和测试假设来生成有证据支持的自然语言洞察报告。实验表明，使用IG报告可显著提升agent的性能。

Towards Resilient and Autonomous Networks: A BlueSky Vision on AI-Native 6G

Liang Wu et al.

cs.AI cs.LG

本文提出了一个将AI原生集成到6G网络中的愿景，通过基础模型和多智能体系统实现网络管理的统一与自动化，旨在使6G成为智能、自持的通信基础设施。

Teaching AI Through Benchmark Construction: QuestBench as a Course-Based Practice for Accountable Knowledge Work

Haiyang Shen et al.

cs.AI

本文介绍了一种通过基准构建（benchmark construction）来教授AI的课程实践，学生将学科知识转化为可验证的专家级问题，并评估AI系统。生成的QuestBench包含256个跨领域问题，揭示了当前深度研究系统的隐藏失败，但该方法主要聚焦于教育实践而非提出新的数学或算法理论。

PALS: Power-Aware LLM Serving for Mixture-of-Experts Models

Can Hankendi et al.

cs.AI cs.DC

本文提出了一种名为PALS的功耗感知运行时系统，用于大语言模型推理服务。该系统将GPU功率上限作为可调参数，与batch size等软件参数联合优化，通过轻量级离线模型和反馈控制器在满足吞吐量目标的同时最大化能效。

Mind the Sim-to-Real Gap & Think Like a Scientist

Harsh Parikh et al.

cs.AI cs.LG stat.ME

本文研究了在序列决策问题中，如何结合预训练simulator与真实实验来优化策略。作者提出了Fisher-SEP方法，通过最小化目标策略值的后验预测方差来设计实验，并分析了simulator误差的分解与策略价值差距的局部性和可达性。

AiraXiv: An AI-Driven Open-Access Platform for Human and AI Scientists

Junshu Pan et al.

cs.AI cs.CL cs.LG

本文提出了一个名为AiraXiv的AI驱动开放获取平台，旨在支持人类和AI科学家共同参与论文的提交、审阅与迭代，以应对传统学术出版系统在AI时代面临的规模挑战。该平台通过交互式UI和基于Model Context Protocol (MCP)的接口分别服务于人类与AI用户，并已在ICAIS 2025会议中实际部署验证。

DeepWeb-Bench: A Deep Research Benchmark Demanding Massive Cross-Source Evidence and Long-Horizon Derivation

Sixiong Xie et al.

cs.AI

本文提出了一个名为DeepWeb-Bench的深度研究benchmark，旨在评估前沿语言模型在开放网络上搜索证据并进行长程推理的能力。该benchmark通过要求大量证据收集、跨来源协调和多步推导来增加难度，并发现检索并非主要瓶颈，而推导和校准失败占据了超过70%的错误。

cs.IR

Efficient Table QA via TableGrid Navigation and Progressive Inference Prompting

Amritansh Maurya et al.

cs.IR cs.AI cs.CV cs.LG

本文提出了一种无需训练的Table Question-Answering方法，通过TableGrid Navigation和Progressive Inference Prompting两种结构化提示框架来提升表格问答性能，在多个数据集上取得了优于基线模型的结果。

Layer-wise Token Compression for Efficient Document Reranking

Shengyao Zhuang, zhichao Xu, Ivano Lauriola

cs.IR

本文提出Layer-wise Token Compression (LTC)方法，通过在Transformer中间层进行自适应token池化来提升cross-encoder reranker的推理效率。实验表明该方法在MS MARCO任务上能提升QPS，但未涉及code、spectral、Muon等关键词相关技术。

CALMem : Application-Layer Dual Memory for Conversational AI

Rajendra Narayan Jena, Rajan Padmanabhan, Sankar Arumugam

cs.IR

CALMem提出了一种应用层的双记忆架构，通过结合episodic memory（基于滑动窗口的向量嵌入）和semantic memory（结构化事实）来扩展对话AI的有效上下文，并引入MOIM机制进行自适应注入。该方法无需修改底层LLM，但主要聚焦于工程实现而非理论创新，与关键词中的“context”有一定关联但不够紧密。

MemConflict: Evaluating Long-Term Memory Systems Under Memory Conflicts

Zhen Tao et al.

cs.IR

本文提出了MemConflict框架，用于评估基于LLM的对话智能体在长期记忆系统中处理时间有效性、事实正确性和上下文适用性冲突的能力。该框架通过模拟受控的多会话历史并注入干扰项，支持对记忆检索与排序的黑盒及白盒分析。

SG-LegalCite: A Principle-Augmented Benchmark for Legal Citation Retrieval in Singapore Law

Shannon Lee Yueh Ern et al.

cs.IR

本文提出了SG-LegalCite基准数据集，包含从新加坡最高法院判决中提取的案例-法律原则对，并引入了一种结合案件事实与明确法律原则的检索范式，实验表明该范式能有效提升法律引文检索的判别能力。

cs.CL

Mix-Quant: Quantized Prefilling, Precise Decoding for Agentic LLMs ⭐ 精选

Haiquan Lu et al.

cs.CL

本文提出Mix-Quant，一种针对LLM agent推理的phase-aware量化框架。其核心发现是，在agentic LLM工作流中，prefilling阶段存在大量量化冗余，可以安全地使用高吞吐的NVFP4量化，而decoding阶段则需保持BF16精度以避免性能下降。通过解耦prefilling加速与decoding质量，Mix-Quant在长上下文和agentic基准测试中实现了高达3倍的prefilling加速，同时基本保持了任务性能，有效缓解了agentic推理中的计算瓶颈。该方法与关键词“agent”高度契合。

LamPO: A Lambda Style Policy Optimization for Reasoning Language Models ⭐ 精选

Zhe Yuan et al.

cs.CL

LamPO提出了一种Lambda-Style Policy Optimization方法，通过Pairwise Decomposed Advantage替代GRPO中的标量group advantage，利用response group内成对reward差距和基于序列log-probability差异的置信度权重进行细粒度credit assignment，同时保留了critic-free和clipped-update结构。该方法在AIME24、MATH-500等数学推理任务上，使用Qwen3-1.7B等模型，一致优于GRPO等基线，具有更稳定的训练动态和更好的样本效率。

Post-Hoc Understanding of Metaphor Processing in Decoder-Only Language Models via Conditional Scale Entropy ⭐ 精选

Lawhori Chakrabarti et al.

cs.CL

本文提出conditional scale entropy (CSE)，一种基于wavelet的度量，用于分析decoder-only language model中metaphor处理时transformer computation在frequency scales上的分布。作者通过两个定理证明CSE对update magnitude具有不变性，从而分离了更新的structural pattern与intensity。实验表明，在GPT-2系列、LLaMA-2 7B和GPT-oss 20B等模型上，metaphorical tokens在连续层位置产生显著更高的spectral breadth，且该效应在early-to-mid depth范围内一致出现。该工作为理解transformer中cross-depth structure提供了新工具，并揭示了multi-scale coordination作为metaphor processing的consistent signature。

Mem-$π$: Adaptive Memory through Learning When and What to Generate ⭐ 精选

Xiaoqiang Wang et al.

cs.CL cs.AI

本文提出Mem-$\pi$框架，用于在LLM agent中实现自适应记忆。与依赖外部存储检索的现有方法不同，Mem-$\pi$使用一个独立的语言或视觉-语言模型，基于当前agent上下文，通过决策-内容解耦的reinforcement learning目标联合学习何时生成以及生成何种指导。该方法在web navigation、terminal-based tool use等任务上显著优于基于检索的baseline，与关键词"agent"和"context"高度契合。

Diverge to Induce Prompting: Multi-Rationale Induction for Zero-Shot Reasoning

Po-Chun Chen, Hen-Hsen Huang, Hsin-Hsi Chen

cs.CL cs.AI

本文提出Diverge-to-Induce Prompting (DIP)框架，通过让LLM先生成多个多样化的高级rationale，再将其细化为详细计划并归纳为最终计划，以提升zero-shot推理的稳定性与准确性。该方法不依赖资源密集型的采样，在实验中优于单一策略的prompting方法。

Shiny Stories, Hidden Struggles: Investigating the Representation of Disability Through the Lens of LLMs

Marco Bombieri, Simone Paolo Ponzetto, Marco Rospocher

cs.CL

本文通过让LLMs模拟残障人士生成社交媒体帖子，并与真实残障人士的帖子比较，发现LLMs倾向于理想化残障经历并产生过度积极的刻板印象，同时在某些话题上对非残障人士存在负面偏见。

Leveraging Large Language Models for Sentiment Analysis: Multi-Modal Analysis of Decentraland's MANA Token

Xintong Wu et al.

cs.CL

本文使用BERT-based LLM对Decentraland的Discord社区进行sentiment analysis，并构建LSTM模型结合多模态金融数据预测MANA token回报。研究发现社区sentiment以中性为主但略偏正面，且多模态模型在预测准确性上优于仅基于价格的baseline。

Improving Quantized Model Performance in Qualitative Analysis with Multi-Pass Prompt Verification

Aisvarya Adeseye, Jouni Isoaho, Adeyemi Adeseye

cs.CL cs.AI cs.LG

本文研究了量化LLaMA-3.1 (8B)模型在定性分析中的性能，提出了一种量化感知的多轮提示验证方法，通过引导模型减少hallucination并验证结果来提升低比特模型（如4-bit）的稳定性与准确性。实验表明，8-bit模型最接近人工标注的ground truth，而所提方法能改善4-bit及更低比特模型的性能。

Parallel LLM Reasoning for Bias-Resilient, Robust Conceptual Abstraction

Aisvarya Adeseye, Jouni Isoaho, Adeyemi Adeseye

cs.CL cs.AI cs.LG

本文提出了一种结合并行chunk处理与证据锚定整合的框架，用于提升LLM在长文本分析中的鲁棒性。实验表明该方法能显著减少遗漏错误和未支持的claims，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词相关技术。

Pseudo-Siamese Network for Planning in Target-Oriented Proactive Dialogues

Xinyue Kang et al.

cs.CL cs.AI cs.LG

本文提出了一种Forward-Focused Bidirectional Pseudo-Siamese Network (FF-BPSN)用于目标导向主动对话中的对话路径规划，通过两个相同的transformer-based decoder分别进行前向和后向规划，并利用前向聚焦模块整合双向信息以构建最终路径。实验表明该方法在路径规划任务上达到了state-of-the-art性能，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等概念无直接关联。

Data Scaling as Progressive Coverage of a Predictive Contribution Spectrum

Zihui Song et al.

cs.CL cs.AI cs.LG

本文通过suffix-automaton表示文本语料库，定义了global-KL predictive contribution spectrum，并发现该谱的尾部斜率与GPT学习器的数据缩放指数强相关。研究进一步表明，训练规模N与有效截断秩K(N)之间存在近似线性关系，为数据缩放定律提供了机制解释。

MedicalBench: Evaluating Large Language Models Toward Improved Medical Concept Extraction

Zhichao Yang et al.

cs.CL

本文提出了MedicalBench基准，用于评估大语言模型在电子健康记录中提取隐含医学概念的能力，通过验证任务和句子级证据检索来测试模型的正确性与可解释性。实验表明现有模型在此任务上表现有限，但该工作与关键词列表中的概念无直接关联。

FlowLM: Few-Step Language Modeling via Diffusion-to-Flow Adaptation

Runzhe Zhang et al.

cs.CL cs.AI

本文提出FlowLM，通过高效微调将预训练的diffusion language model转换为flow matching language model，实现了少步高质量文本生成。该方法重新对齐diffusion模型的弯曲采样轨迹为直线流，并验证了预测干净数据作为训练目标的有效性。

Long-Context Reasoning Through Proxy-Based Chain-of-Thought Tuning

Miao Li et al.

cs.CL cs.AI cs.LG

本文提出ProxyCoT训练框架，通过在短代理上下文上生成高质量chain-of-thought推理轨迹，再将其迁移到完整长上下文中，以提升大语言模型在长上下文任务中的推理能力。实验表明该方法在多个数据集上优于基线，并具有计算效率优势。

Under Pressure: Emotional Framing Induces Measurable Behavioral Shifts and Structured Internal Geometry in Small Language Models

Rana Muhammad Usman

cs.CL cs.AI

本文研究了情感框架（如压力、平静等）对小型语言模型（Qwen 3.5 0.8B和2B）行为及内部表示的影响，发现压力框架会诱导更强的捷径标记和过拟合模式，而平静和好奇心框架则更易保持诚实。通过PCA分析，模型内部几何结构在情感维度上呈现可测量的分离，但作者未声称模型具有内在情感状态。该工作与关键词中的“context”和“attention”有一定关联，但缺乏开创性或对长期问题的解决。

Synchronization and Turn-Taking in Full-Duplex Speech Dialogue Models

Pablo Riera et al.

cs.CL cs.AI cs.SD

本文研究了全双工语音对话模型在交互过程中的内部表征同步与轮换预测，通过模拟受控条件下的对话实验，发现无噪声时表征同步性较强，且内部状态能编码用于预测轮换的预期信息。

When Reasoning Supervision Hurts: TTCW-Based Long-Form Literary Review Generation

Jinlong Liu, Mohammed Bahja, Mark Lee

cs.CL

本文构建了一个包含263,911篇长故事的数据集，并基于TTCW框架微调Qwen3模型以生成文学评论。研究发现，在固定格式的评论生成任务中，加入推理监督反而导致性能下降，非推理微调表现更优。

DEL: Digit Entropy Loss for Numerical Learning of Large Language Models

Zhaohui Zheng et al.

cs.CL cs.AI cs.LG

本文分析了LLM在数值学习中的问题，指出现有方法遵循“criterion-distance”框架，并提出Digit Entropy Loss (DEL)来改进自回归数值预测。DEL通过监督化熵优化并泛化到浮点数，在多个数学推理基准上提升了预测精度。

Do as I Say, Not as I Do: Instruction-Induction Conflict in LLMs

Carolina Camassa, Derek Shiller

cs.CL cs.AI

本文研究了LLMs在指令遵循与模式补全冲突时的表现，发现模型在诱导压力下指令遵循能力脆弱，且输出多样性是预测鲁棒性的主要因素。

Puzzled By ChatGPT? No more! A Jigsaw Puzzle to Promote AI Literacy and Awareness

Francesca Padovani, Malvina Nissim

cs.CL

本文介绍了一种基于拼图游戏的交互式方法，旨在通过漫画信息图提升公众对生成式AI（如ChatGPT）的理解和AI素养。该拼图包含关于AI工作原理、能力、局限性和社会影响的独立信息卡，适用于非正式学习场景。

Mechanics of Bias and Reasoning: Interpreting the Impact of Chain-of-Thought Prompting on Gender Bias in LLMs

Edie Pearman et al.

cs.CL cs.AI

本文研究了Chain-of-Thought (CoT) prompting对大型语言模型(LLMs)中性别偏见的影响，结合基准评估与机制可解释性分析，发现CoT并未持续减少偏见差距，且偏见的缓解主要源于记忆而非真正理解。

Stage-Audit: Auditable Source-Frontier Discovery for Cross-Wiki Tables

Chen Shen

cs.CL

本文提出Stage-Audit方法，用于解决LLM生成表格中行级来源不可靠的问题，通过分离curator与auditor的写入权限、行级来源引用门控以及12项审计分类法，在Seed2Frontier任务中提升了来源精度和F1分数。该方法主要关注表格数据来源的可审计性，与关键词中的code, context, spectral, Muon, pretrain, agent, attention均无直接关联。

Collocational bootstrapping: A hypothesis about the learning of subject-verb agreement in humans and neural networks

Claire Hobbs, R. Thomas McCoy

cs.CL cs.AI

本文提出了一种名为collocational bootstrapping的假设，认为词共现模式中的规律性可以为句法依赖（如主谓一致）的习得提供线索。通过在合成数据集和儿童导向语言数据上的实验，作者发现这种统计学习机制在一定变异性范围内能够有效支持主谓一致的泛化。

What Do Biomedical NER and Entity Linking Benchmarks Measure? A Corpus-Centric Diagnostic Framework

Robert Leaman, Rezarta Islamaj, Zhiyong Lu

cs.CL

本文提出一个以语料库为中心的诊断框架，用于分析生物医学NER和EL基准测试的属性，通过标准化统计量评估语料库的规模、结构、重叠和覆盖度。应用该框架发现不同语料库在评估信号和泛化需求上存在显著差异，表明常用统计量不足以描述基准测试的实际评估内容。

When Irregularity Helps: A Subclass Analysis of Inductive Bias in Neural Morphology

Wen Zhang

cs.CL

本文研究日语过去式动词屈折变化，发现一个极小且结构特殊的非规则子类（<1%数据）导致了不成比例的错误。通过消融实验表明，移除该子类比移除所有非规则动词更能提升泛化性能，揭示了低频形态模式与特定形态音韵过程（如辅音延长）的交互作用。

Direct Translation between Sign Languages

Zetian Wu et al.

cs.CL cs.CV

本文提出了一种直接手语翻译方法，使用back-translation生成合成手语对，并基于MBART模型联合训练text->sign和sign->sign任务。该方法在合成数据集上优于级联基线，但主要贡献在于翻译流程而非与关键词直接相关。

Do No Harm? Hallucination and Actor-Level Abuse in Web-Deployed Medical Large Language Models

Sunday Oyinlola Ogundoyin, Muhammad Ikram, Rahat Masood

cs.CL cs.CY

本文评估了6,233个医疗大语言模型(MedGPTs)和10个开源模型，提出了MedGPT-HEval幻觉检测框架和基于LLM的策略违规评估流程。研究发现25-30%的MedGPTs事实准确性低，33.6-54.3%违反操作阈值，揭示了医疗LLM在幻觉和合规性方面的系统性缺陷。

Self-Training Doesn't Flatten Language -- It Restructures It: Surface Markers Amplify While Deep Syntax Dies

Ming Liu

cs.CL cs.AI cs.LG

本文研究了语言模型自我训练过程中语言结构的不对称变化，发现表面标记（如话语连接词）增加而深层句法结构（如被动语态）减少，并提出了结构深度假说（SDH）来解释这一现象。该工作主要关注语言模型训练中的语言学特性，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念关联较弱。

HRM-Text: Efficient Pretraining Beyond Scaling

Guan Wang et al.

cs.CL

本文提出HRM-Text模型，用Hierarchical Recurrent Model (HRM)替代标准Transformer，通过慢演化的策略层和快演化的执行层解耦计算，并采用MagicNorm和warmup deep credit assignment稳定深度循环。模型仅在40B tokens和$1,500预算下训练，在多个benchmark上达到与2-7B参数模型相当的性能，展示了架构与目标协同设计可大幅降低计算成本。

Auto-Dreamer: Learning Offline Memory Consolidation for Language Agents

Chongrui Ye et al.

cs.CL

本文提出Auto-Dreamer，一种用于语言agent的离线记忆整合方法，受互补学习系统理论启发，将快速会话记忆获取与慢速跨会话整合解耦，并通过GRPO训练。该方法在ScienceWorld等任务上提升了性能并减少了记忆占用，但方法本身并非开创性理论突破，且与关键词列表中的概念关联较弱。

Retrieval-Augmented Long-Context Translation for Cultural Image Captioning: Gators submission for AmericasNLP 2026 shared task

Aashish Dhawan et al.

cs.CL cs.AI cs.CV

本文提出了一种两阶段pipeline，先用Qwen2.5-VL生成西班牙语中间caption，再通过retrieval-augmented many-shot prompting用Gemini 2.5 Flash生成目标语言caption，在Bribri、Guaraní和Orizaba Nahuatl三种语言的cultural image captioning任务上显著超越baseline。该方法主要依赖retrieval和synthetic data augmentation，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念无直接关联。

Divide-Prompt-Refine: a Training-Free, Structure-Aware Framework for Biomedical Abstract Generation

Sylvey Lin et al.

cs.CL

本文提出DPR-BAG框架，一种无需训练的零样本方法，通过将全文分解为BOMRC结构（背景-目标-方法-结果-结论）并利用LLM并行生成摘要，最后进行全局连贯性优化，用于为无摘要的生物医学文章生成摘要。实验表明该方法在保持事实一致性的同时提升了摘要的新颖性，并揭示了提示复杂度增加可能损害事实对齐的反直觉发现。

On the limits and opportunities of AI reviewers: Reviewing the reviews of Nature-family papers with 45 expert scientists

Seungone Kim et al.

cs.CL cs.AI cs.LG

本文通过45位领域专家对Nature系列论文的人工与AI评审进行大规模标注，评估了AI评审在正确性、重要性和证据充分性方面的表现。结果显示GPT-5.2等AI评审在某些维度上超越人类评审，但存在重复率高、领域知识有限等16类弱点，表明AI评审目前只能作为人类评审的补充而非替代。

Beyond Semantic Similarity: A Two-Phase Non-Parametric Retrieval Workflow for Corporate Credit Underwriting

Linus Ng Junjia et al.

cs.CL

本文提出了一种两阶段非参数检索架构，用于企业信用承销中的文档检索，通过结合词汇与密集检索以及LLM效用评分，解决了语义相似性与决策效用之间的差距问题。该方法在专有金融语料上显著优于基线，并将文档审查时间从数小时缩短至约三分钟。

DIVE: Embedding Compression via Self-Limiting Gradient Updates

Dongfang Zhao

cs.CL cs.AI cs.IR cs.LG

本文提出了一种名为DIVE的embedding压缩方法，通过自限幅的hinge-based triplet loss和head-wise NT-Xent对比损失来缓解小样本下的过拟合问题，在多个数据集上优于现有方法。该方法主要关注embedding压缩的实用性能提升，与关键词中的概念关联较弱。

Interpretable Discriminative Text Representations via Agreement and Label Disentanglement

Tong Wang, Yiqing Xu, Leo Yang Yang

cs.CL cs.AI stat.ML

本文提出了一种名为LLM-assisted Feature Discovery (LFD)的方法，用于生成可解释的文本表示。该方法通过跨LLM的Cohen's $\kappa$系数筛选特征，并确保特征与预测标签解耦，从而在保持预测性能的同时提升特征的可审计性。

SCRIBE: Diagnostic Evaluation and Rich Transcription Models for Indic ASR

Kavya Manohar et al.

cs.CL cs.AI

SCRIBE是一个针对Indic ASR的诊断评估框架，通过sandhi-tolerant alignment和领域词汇注入将错误分解为词汇、标点、数字和领域实体等类别，以解决WER在聚合语言上的缺陷。该工作还发布了LLM数据整理流程、基准测试和开放权重的rich transcription模型。

MTR-Suite: A Framework for Evaluating and Synthesizing Conversational Retrieval Benchmarks

Junhao Ruan et al.

cs.CL

本文提出了MTR-Suite框架，用于评估和合成对话检索基准，包含基于LLM的审计器MTR-Eval、多智能体系统MTR-Pipeline和基准MTR-Bench，旨在以更低成本生成高保真对话并提升检索评估的判别能力。

Distributional Alignment as a Criterion for Designing Task Vectors in In-Context Learning

Jihoon Kwon, Jiwon Choi, Jy-yong Sohn

cs.CL cs.AI

本文提出了一种基于分布对齐的度量$d_{\text{NTP}}$来评估In-Context Learning中任务向量的质量，并据此设计了Linear Task Vector (LTV)方法，通过闭式线性映射最小化该度量。实验表明LTV在多个分类和回归任务上优于现有方法，并展示了任务向量在不同规模模型间的可迁移性。

Findings of the Counter Turing Test: AI-Generated Text Detection

Rajarshi Roy et al.

cs.CL

本文通过Counter Turing Test (CT2)共享任务，评估了AI生成文本检测技术的有效性，实验表明在二分类任务中表现优异（F1分数达1.0000），但在模型归因任务中难度显著增加（最佳F1分数为0.9531）。

The Illusion of Intervention: Your LLM-Simulated Experiment is an Observational Study

Victoria Lin et al.

cs.CL cs.LG stat.ME

本文指出LLM模拟实验中，由于LLM主要基于观测数据训练，干预会导致潜在用户属性偏移（user drift），从而产生混杂或选择偏差，影响效应估计。作者提出使用负对照结果（negative control outcomes）来诊断这种偏移，并通过调整persona specification来缓解偏差。

Building Arabic NLP from the Ground Up: Twenty Years of Lessons, Failures, and Open Problems

Wajdi Zaghouani

cs.CL

本文回顾了二十年来为阿拉伯语构建NLP资源和研究基础设施的经验，指出为服务不足的语言开发NLP的最大挑战并非语言本身，而是社会、制度和认知层面的问题。

Assessing socio-economic climate impacts from text data

Mariana Madruga de Brito et al.

cs.CL

本文综述了利用NLP和LLMs从新闻、社交媒体等文本数据中提取气候灾害社会经济影响的方法，指出了该领域在定义影响、处理时空偏差和选择建模策略方面缺乏统一标准的问题，并提出了相关建议。

Refining and Reusing Annotation Guidelines for LLM Annotation

Kon Woo Kim, Jin-Dong Kim, Akiko Aizawa

cs.CL

本文提出了一种迭代式审核框架，通过系统性地重用和优化标注指南来提升LLM在零样本标注任务中的表现，并在生物医学NER任务上验证了其有效性。该方法主要关注标注流程的改进，与关键词中的概念关联较弱。

PulseCol: Periodically Refreshed Column-Sparse Attention for Accelerating Diffusion Language Models

Yanyi Lyu et al.

cs.CL

本文提出PulseCol，一种用于加速扩散语言模型推理的周期性刷新列稀疏注意力方法。该方法通过细粒度的列稀疏结构替代粗粒度的块稀疏，并在早期去噪步骤识别稀疏模式后复用，仅在中途少量步骤刷新，从而在保持模型质量的同时实现更高的稀疏度和实际加速比。

GraphRAG on Consumer Hardware: Benchmarking Local LLMs for Healthcare EHR Schema Retrieval

Peter Fernandes, Ria Kanjilal

cs.CL cs.AI cs.IR cs.LG

本文评估了在消费级硬件上使用本地LLM进行GraphRAG（基于图的检索增强生成）在医疗EHR（电子健康记录）模式检索中的可行性。实验发现，模型参数低于约7B时无法可靠完成pipeline，且不同模型在索引效率、知识图谱构建和答案质量上存在显著差异。

MemGym: a Long-Horizon Memory Environment for LLM Agents

Wujiang Xu et al.

cs.CL

本文提出了MemGym，一个用于评估LLM agent记忆能力的基准测试，它统一了多种现有agent环境并提供了记忆-推理接口。该基准通过记忆隔离评分来解耦记忆性能与推理、检索和工具使用能力，并训练了轻量级奖励模型MemRM以加速评估。

Terminal-World: Scaling Terminal-Agent Environments via Agent Skills

Zihao Cheng et al.

cs.CL cs.AI

本文提出Terminal-World，一种利用agent skills作为核心合成原语的自动化pipeline，用于生成终端环境中的高质量训练数据。通过将skills组合成skill teams和skill graphs，该方法扩展了任务合成的空间，并训练出在多个benchmark上表现优异的Terminal-World系列模型。

Enhancing Scientific Discourse: Machine Translation for the Scientific Domain

Dimitris Roussis, Sokratis Sofianopoulos, Stelios Piperidis

cs.CL

本文构建了面向科学领域的平行语料库（西班牙语-英语、法语-英语、葡萄牙语-英语），并利用这些语料微调通用神经机器翻译（NMT）系统以提升科学文本翻译质量。研究聚焦于语料库构建流程与微调策略，但未涉及关键词中的核心概念。

Calibration vs Decision Making: Revisiting the Reliability Paradox in Unlearned Language Models

Divyaksh Shukla, Ashutosh Modi

cs.CL cs.AI cs.LG

本文研究了机器遗忘场景下语言模型的校准与决策可靠性之间的差异，发现遗忘后的模型虽然校准误差较低，但决策规则仍可能依赖虚假相关性，从而将可靠性悖论扩展到了机器遗忘领域。

Task-Routed Mixture-of-Experts with Cognitive Appraisal for Implicit Sentiment Analysis

Yaping Chai, Haoran Xie, Joe S. Qin

cs.CL

本文提出了一种基于认知评价理论的多任务学习框架，用于隐式情感分析，通过引入隐式情感检测和认知理由生成作为辅助任务，并采用任务级混合专家模型来减少任务间的干扰。实验表明该方法在隐式情感子集上优于现有方法。

Evaluating Speech Articulation Synthesis with Articulatory Phoneme Recognition

Vinicius Ribeiro, Yves Laprie

cs.CL cs.SD

本文提出使用音素识别作为代理指标来评估发音合成质量，训练了一个神经网络模型，利用声学和发音特征进行测试，结果表明发音特征集有助于探索发音合成的额外维度。

Strategy-Induct: Task-Level Strategy Induction for Instruction Generation

Po-Chun Chen, Hen-Hsen Huang, Hsin-Hsi Chen

cs.CL cs.AI

本文提出Strategy-Induct框架，通过仅使用少量示例问题（无需标注答案）来生成任务级指令，以提升大语言模型性能。该方法首先生成推理策略，再诱导出任务指令，实验表明其在仅问题设置下优于现有方法。

Thinking-while-speaking: A Controlled, Interleaved Reasoning Method for Real-Time Speech Generation

Xuan Du et al.

cs.CL

本文提出InterRS方法，通过在自然语音生成中插入推理步骤实现边思考边说话，并引入TA-Balance Reward和Linguistic Quality Reward进行训练，在数学和逻辑基准上提升13%性能。该方法主要关注语音生成与推理的实时结合，与关键词中的code、spectral、Muon等无直接关联。

Memory Grafting: Scaling Language Model Pre-training via Offline Conditional Memory

Runxi Cheng et al.

cs.CL

本文提出Memory Grafting方法，利用预训练模型的frozen hidden states作为条件n-gram memory，通过离线存储和精确最长后缀匹配实现高效检索。该方法在2.8B和0.92B规模下优于MoE和vanilla Engram基线，表明预训练模型可作为可重用的外部latent memory构建器。

JobArabi: An Arabic Corpus and Analysis of Job Announcements from Social Media

Wajdi Zaghouani et al.

cs.CL

本文构建了一个名为JobArabi的阿拉伯语招聘公告语料库，包含从社交媒体X收集的20,528条帖子，并分析了招聘语言中的社会语言学模式，如性别化用语和地区差异。该工作主要服务于阿拉伯语NLP和计算社会科学领域，与您提供的关键词（如code, context, spectral等）关联度较低。

ArPoMeme: An Annotated Arabic Multimodal Dataset for Political Ideology and Polarization

Wajdi Zaghouani et al.

cs.CL

本文构建了一个约7,300个阿拉伯政治memes的数据集ArPoMeme，按Leftist、Islamist等意识形态分类，并标注了极化维度。该工作为阿拉伯语政治话语的多模态分析提供了资源，但与关键词中的code、spectral、Muon、pretrain、agent、attention等概念无直接关联。

Towards Context-Invariant Safety Alignment for Large Language Models

Yixu Wang et al.

cs.CL cs.AI

本文针对大语言模型的安全对齐问题，提出了一种名为Anchor Invariance Regularization (AIR)的方法，通过将可验证的prompt作为锚点并仅对开放变体进行正则化，来提升模型在不同上下文中的安全行为一致性。实验表明该方法在Safety、Moral Reasoning和Math任务上提升了分布内和分布外的鲁棒性。

Single-Pass, Depth-Selective Reading for Multi-Aspect Sentiment Analysis

Yan Xia et al.

cs.CL cs.AI

本文提出DABS框架，通过单次编码句子构建可复用的深度有序表示，使每个aspect能选择性读取相关token和抽象层级，无需重新编码。该方法在ATSA任务中减少了60%的计算量，但主要贡献在于效率优化，与关键词列表中的概念关联较弱。

Beyond Text-to-SQL: An Agentic LLM System for Governed Enterprise Analytics APIs

Gundeep Singh et al.

cs.CL cs.AI

本文提出了Analytic Agent，一个基于LLM的agentic系统，用于将自然语言意图转换为与企业分析API的安全交互，以解决传统Text-to-SQL在企业环境中因依赖受治理API而面临的可靠性和合规性问题。该系统通过多步推理和策略感知编排，在90个真实企业用例上实现了用户目标解释、权限验证和合规可视化生成。

Building a Custom Taxonomy of AI Skills and Tasks from the Ground Up with Job Postings

Stephen Meisenbacher, Peter Norlander

cs.CL

本文提出TaxonomyBuilder框架，利用LLM从招聘数据中构建AI技能的自定义层次化分类体系，并发现对输入数据进行过滤比使用未过滤数据能获得更好的领域覆盖效果。

Cross-lingual robustness of LLM-brain alignment and its computational roots

Ni Yang et al.

cs.CL

本文研究了LLM与大脑活动在不同语言（普通话、英语、法语）中的对齐，发现这种对齐在空间上跨语言稳定，但无法用surprisal或intrinsic dimensionality等计算指标解释，主要源于跨语言的分布式词汇-语义对应。

APM: Evaluating Style Personalization in LLMs with Arbitrary Preference Mappings

Philipp Spohn, Leander Girrbach, Zeynep Akata

cs.CL

本文提出了APM基准测试，通过隐藏的随机映射$\mathbf{C}$将用户属性与响应偏好解耦，以无偏方式评估LLM的风格个性化方法。实验表明，路由方法最可靠，而RAG和软提示优化效果有限。

Fine-grained Claim-level RAG Benchmark for Law

Souvick Das, Sallam Abualhaija, Domenico Bianculli

cs.CL cs.AI

本文提出了一个面向法律领域的细粒度RAG基准数据集ClaimRAG-LAW，支持法语和英语，并针对专家和非专家用户设计了多样化的查询类型。通过对现有法律RAG系统的细粒度评估，揭示了其在检索、生成和声明级分析方面的局限性。

GradeLegal: Automated Grading for German Legal Cases

Abdullah Al Zubaer et al.

cs.CL

本文系统评估了27种大语言模型在德国法律案例自动评分中的表现，发现推理导向的模型在公法领域可接近专家评分（QWK达0.91），但刑法领域效果较差（0.60），并指出集成方法能提升评分一致性。该工作主要聚焦于法律文本的自动评分应用，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念无直接关联。

LoCar: Localization-Aware Evaluation of In-Vehicle Assistants through Fine-Grained Sociolinguistic Control

Seogyeong Jeong et al.

cs.CL

本文针对车载对话系统中LLM的评估问题，提出了一个面向韩语本地化的评估框架LoCar，发现当前模型在精细敬语控制和策略性对话指标上表现不稳定。该工作主要关注特定应用场景的评估标准，与关键词中的数学或算法方向关联较弱。

WCXB: A Multi-Type Web Content Extraction Benchmark

Murrough Foley

cs.CL

本文提出了一个名为WCXB的多类型网页内容提取基准数据集，包含2008个来自1613个域名的网页，涵盖七种结构类型。通过评估13种提取系统，发现现有方法在文章类页面上表现良好，但在结构化页面类型上性能差异显著。

ACL-Verbatim: hallucination-free question answering for research

Gábor Recski et al.

cs.CL cs.AI cs.SE

本文提出ACL-Verbatim系统，将extractive question answering方法应用于研究论文，通过将用户查询映射到文档中的verbatim文本片段来避免LLM的hallucination问题。系统基于ScIRGen方法生成合成查询并构建ground truth数据集，使用ModernBERT token classifier在ACL Anthology论文上取得最佳性能。

Smarter edits? Post-editing with error highlights and translation suggestions

Fleur V.J. van Tellingen et al.

cs.CL

本文研究了基于自动后编辑（APE）的LLM错误高亮和修正建议在专业翻译人员后编辑任务中的效用，并与常规后编辑及基于质量估计（QE）的高亮进行了对比。结果表明，尽管这些增强功能在生产力或质量上未带来显著提升，但APE高亮比QE高亮更受用户欢迎，且修正建议改善了整体用户体验。

Automated ICD Classification of Psychiatric Diagnoses: From Classical NLP to Large Language Models

Fernando Ortega et al.

cs.CL cs.AI cs.LG

本文使用从经典NLP到LLM的多种方法，基于西班牙语精神病学描述数据集，将自由文本自动映射到ICD编码。研究发现，基于transformer的嵌入方法（如e5\_large）在捕捉语义和医学术语方面优于传统方法，最终$F1_{micro}$得分达到0.866。

Metaphors in Literary Post-Editing: Opening Pandora's Box?

Aletta G. Dorst, Mayra O. Nas, Katinka Zeven

cs.CL

本文研究了文学文本中隐喻的机器翻译后编辑行为，发现后编辑者对三分之一以上的隐喻输出进行了修改，并认为后编辑工作比从头翻译更费力。该研究主要关注翻译质量评估，与关键词列表中的数学或技术概念无关。

Manga109-v2026: Revisiting Manga109 Annotations for Modern Manga Understanding

Jeonghun Baek et al.

cs.CL cs.AI cs.CV

本文重新审视了Manga109数据集中的对话文本标注问题，识别了五类标注错误，并通过结合OCR检测与人工修订构建了改进版本Manga109-v2026，修正了约29,000条对话标注，使其更适配现代OCR与多模态漫画理解系统。

Do LLMs Know What Luxembourgish Borrows? Probing Lexical Neology in Low-Resource Multilingual Models

Nina Hosseini-Kivanani

cs.CL

本文针对低资源多语言模型（如卢森堡语）中的词汇借用现象，构建了LexNeo-Bench基准并引入linguistic knowledge graph来提升借用分类准确率，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Reliable Automated Triage in Spanish Clinical Notes: A Hybrid Framework for Risk-Aware HIV Suspicion Identification

Rodrigo Morales-Sánchez, Soto Montalvo, Raquel Martínez

cs.CL

本文提出了一种用于西班牙语临床文本中HIV可疑病例识别的风险感知混合选择性分类框架，通过Mondrian conformal prediction和Multi-Centroid Mahalanobis Distance分别处理aleatoric和epistemic不确定性，以提升临床分诊的可靠性。实验表明标准不确定性指标在严格可靠性约束下存在覆盖崩溃问题，而该框架能隔离出高信任度的操作域。

Tracing the ongoing emergence of human-like reasoning in Large Language Models

Paolo Morosi et al.

cs.CL cs.AI

本文通过人口匹配实验比较了25个LLM与人类在四种语言中处理条件推理（conditional inferences）的表现，发现LLM能准确遵循条件句的真值表（truth-table）但缺乏人类特有的语用推理（pragmatic inferences）能力，且模型行为不受开放/封闭状态、训练方向或架构类型的影响。

TextReg: Mitigating Prompt Distributional Overfitting via Regularized Text-Space Optimization

Lucheng Fu et al.

cs.CL cs.AI cs.LG

本文提出TextReg框架，通过正则化文本梯度（包括双证据梯度纯化、语义编辑正则化等）来缓解prompt优化中的分布过拟合问题，在多个推理基准上提升了分布外泛化性能。该方法主要关注prompt优化中的过拟合现象，与关键词中的code、spectral、Muon等概念关联较弱。

SymbolicLight V1: Spike-Gated Dual-Path Language Modeling with High Activation Sparsity and Sub-Billion-Scale Pre-Training Evidence

Ting Liu

cs.CL cs.AI

本文提出SymbolicLight V1，一种结合binary LIF spike dynamics与continuous residual stream的spike-gated dual-path语言模型，通过Dual-Path SparseTCAM模块替代dense self-attention，在3B-token双语语料上预训练后达到>89% activation sparsity。该方法在语言质量上接近GPT-2 124M，但当前dense硬件推理速度较慢，主要贡献在于探索spike-driven语言模型的预训练可行性与sparsity特性。

Text Analytics Evaluation Framework: A Case Study on LLMs and Social Media

Yuefeng Shi, Nedjma Ousidhoum, Jose Camacho-Collados

cs.CL

本文提出了一个基于问题的评估框架，包含470个手动设计的问题，用于测试LLMs在聚合文本数据（如社交媒体帖子）上的语义理解和推理能力。实验发现，LLMs的性能严重依赖于输入规模和任务复杂度，尤其在多标签、目标依赖或大规模输入（超过500个实例）时表现显著下降。

LASH: Adaptive Semantic Hybridization for Black-Box Jailbreaking of Large Language Models

Abdullah Al Nomaan Nafi et al.

cs.CL

LASH提出了一种黑盒框架，通过自适应组合多个基础攻击的输出来生成对抗性prompt，用于大语言模型的越狱攻击。该方法使用遗传优化器调整种子子集的混合权重，在JailbreakBench上取得了较高攻击成功率，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词相关技术。

"I didn't Make the Micro Decisions": Measuring, Inducing, and Exposing Goal-Level AI Contributions in Collaboration

Eunsu Kim et al.

cs.CL

本文提出CoTrace框架，用于在人机协作中追踪AI对用户目标形成的贡献。通过分析对话记录和用户实验，发现AI在引入具体需求方面贡献显著，但用户对其贡献的感知存在系统性偏差。

Findings of the Fifth Shared Task on Multilingual Coreference Resolution: Expanding Datasets for Long-Range Entities

Michal Novák et al.

cs.CL

本文介绍了第五届多语言共指消解共享任务，重点扩展了长距离实体的数据集，并新增了五种数据集和两种语言。参与系统包括传统方法和基于LLM的方法，其中传统系统仍占优势，但LLM显示出潜力。

Quantifying the cross-linguistic effects of syncretism on agreement attraction

Utku Turk, Eva Neu

cs.CL

本文使用surprisal和attention entropy作为处理代理，研究了形态学syncretism（形态同形）对四种语言中agreement attraction（一致吸引）错误的跨语言影响，发现LLM衍生的度量能部分复现行为实验结果。

Leveraging LLMs for Grammar Adaptation: A Study on Metamodel-Grammar Co-Evolution

Weixing Zhang et al.

cs.CL cs.SE

本文提出了一种基于Large Language Model的方法，用于在model-driven engineering中自动适应metamodel演化后的grammar，通过从历史版本中学习adaptation规则。实验表明该方法在复杂grammar场景下优于传统rule-based方法，但在大规模grammar（如297条规则）上表现不佳。

cs.DS

An $O(n^5)$-Time Algorithm for Optimal Broadcast Domination ⭐ 精选

Kleitos Papadopoulos

cs.DS

本文提出了一种$O(n^5)$时间的精确算法，用于解决任意连通无向图上的最优广播支配问题（Broadcast Domination）。该问题的目标是为每个顶点分配非负整数功率，使得每个顶点都在某个广播顶点的功率覆盖范围内，并最小化总功率。作者通过构建一个单一的有向无环图（DAG）来高效处理路径情形，将路径情形的算法复杂度从$O(n^6)$降至$O(n^3)$，并结合Heggernes和Lokshtanov的剥球归约，最终将整个问题的算法复杂度改进为$O(n^5)$，从而解决了关于该问题五次方时间复杂度的公开猜想。

Creating Robust and Fair Graph Structures for Connectivity and Clustering

Kushagra Chatterjee

cs.DS

本文研究了有向图中的容错可达性保持器，并提出了针对双故障的稀疏构造；同时探讨了公平聚类算法，包括公平共识聚类和最近公平聚类框架，并设计了首个仅需对数内存的流式算法。

Distributed Stochastic Graph Algorithms

Keren Censor-Hillel, Aditi Dudeja, George Giakkoupis

cs.DS cs.DC

本文研究了分布式随机图优化问题，其中每个顶点只知道其自身在随机子图$G^*$中的边，并通过这些边进行通信。作者证明了对于最大匹配、最小顶点覆盖和最小支配集等问题，分布式随机算法可以比非随机算法快得多，并克服了已知的下界。

pace-Time Trade-off in Integer Linear Scaling Rounded to the Nearest Integer through Multiplicative and Additive Decomposition

Kyeong Soo Kim

cs.DS cs.NI

本文研究了整数线性缩放取整问题在时钟偏差补偿中的应用，提出了MDID和ADDS两种算法，分析了它们的时空权衡。这些算法避免了浮点精度损失，但主要关注计算复杂度和溢出条件，与关键词中的概念关联较弱。

others

Multi-Head Attention as Ensemble Nadaraya-Watson Estimation: Variance Reduction, Decorrelation, and Optimal Head Diversity ⭐ 精选

Ernest Fokoué

stat.ML cs.LG

本文从统计学习理论出发，将Multi-Head Attention (MHA)严格建模为Nadaraya-Watson (NW)核回归估计器的集成。作者证明了MHA的均方误差可分解为Bias-Variance-Covariance三项，并指出方差缩减的关键在于不同head输出之间的去相关（decorrelation），这种去相关程度由各head学习到的投影子空间之间的principal angles决定。文章引入了Head Diversity Index (HDI)这一可计算的谱度量来量化head间的去相关，并证明了MHA的均方误差随HDI单调递减，从而为注意力头专业化现象提供了首个严格的理论解释。此外，在总维度预算$D = H \times d_k$固定的约束下，作者求解了最优的head维度分配问题，推导出最优每head维度$d_k^*$随训练集大小对数增长、最优head数$H^*$随总预算$D$近似线性增长的新架构缩放定律。

Spectral bandits for smooth graph functions with applications in recommender systems ⭐ 精选

Tomáš Kocák et al.

stat.ML cs.LG

本文提出了一种基于图拉普拉斯谱的bandit算法，用于处理臂的收益在图上光滑的在线学习问题。作者引入了有效维度的概念，该维度在实际图中通常较小，并设计了两种算法，其累积遗憾与该维度呈线性关系。实验表明，在真实推荐系统中，仅需评估几十个节点即可学习数千个物品的用户偏好。该方法将spectral方法与bandit框架结合，为图上的在线决策提供了新思路。

RoPeSLR: 3D RoPE-driven Sparse-LowRank Attention for Efficient Diffusion Transformers ⭐ 精选

Yuxi Liu et al.

cs.CV cs.LG

本文提出RoPeSLR框架，通过理论分析证明Diffusion Transformer的attention manifold可分解为高频语义spike集（稀疏度$\mathcal{O}(L^{3/2})$）和极低秩背景连续体（秩$\mathcal{O}(d_h \log L)$）。基于此结构先验，该方法用head-wise低秩参数化替代标准linear attention，并引入可学习的3D Absolute Positional Embedding注入，解决了标准linear attention无法保持3D RoPE正交相对位置结构的"RoPE Dilemma"。实验表明在90%稀疏度下，RoPeSLR在Wan2.1-1.3B上实现10倍FLOPs减少，在HunyuanVideo-13B的10万+token序列上获得2.26倍端到端推理加速，且生成质量损失低于1.3%。该工作为长序列视频生成中的attention效率问题提供了兼具理论严谨性与实用性的解决方案。

Heartbeat-Bound Hierarchical Credentials: Cryptographic Revocation for AI Agent Swarms ⭐ 精选

Saurabh Deochake

cs.CR cs.AI cs.MA

本文提出Heartbeat-Bound Hierarchical Credentials (HBHC)协议，通过将credential有效性绑定到父节点的周期性liveness proof上，解决了AI agent swarm中credential撤销的延迟问题。该协议仅需缓存公钥和本地时钟即可验证，无需网络往返，实现了确定性有界撤销窗口$W_z \le W_{\max} + \Delta_h + \epsilon$。实验表明，与OAuth 2.0相比，zombie window减少90倍，在Rust中实现0.26 ms全认证，并发HTTP负载下每秒可完成18,000+次验证，且对真实agent swarm的工具调用开销仅为0.71%。该方法与关键词“agent”高度契合，为agent swarm的安全撤销提供了开创性解决方案。

E-PCN: Jet Tagging with Explainable Particle Chebyshev Networks Using Kinematic Features

Md Raqibul Islam et al.

hep-ph cs.LG hep-ex

本文提出E-PCN，一种基于图神经网络的可解释喷注标记方法，通过为每个喷注构建四种加权图表示来整合运动学变量，并利用Grad-CAM分析各变量对分类决策的贡献。实验表明该方法在JetClass数据集上性能优于基线PCN，但未涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念。

Augmented Analytics and Decision Quality: The Role of Trust among Non-Technical BI Users

Thuy Pham Thi Phuong et al.

cs.HC cs.CY cs.LG

本文研究了增强分析对非技术BI用户决策质量的影响，基于认知委托理论分析了信任的中介作用。通过250名商业专业人士的问卷调查和PLS-SEM分析，发现增强分析能力通过提升感知易用性、有用性和信任来改善决策质量。

Evaluating multimodal emotion recognition in proactive conversational agents: A user study

Adnana Dragut et al.

cs.HC cs.AI

本文通过用户实验评估了一个集成多模态情绪识别模块的主动式社交智能体，发现基于视觉的面部识别与用户真实情绪存在显著差异，而生成式AI的语义分析更为可靠。研究指出，智能体可通过调整对话主题和语言模式有效引发特定情绪，但未校准的主动性可能导致用户脱离。

GrandGuard: Taxonomy, Benchmark, and Safeguards for Elderly-Chatbot Interaction Safety

Changxuan Fan et al.

cs.HC cs.AI

本文提出了GrandGuard框架，针对老年人与LLM聊天机器人交互中的特定安全风险，构建了包含50种细粒度风险类型的分类体系和包含10,404个标注样本的基准测试集，并开发了两种安全防护机制。该工作主要关注人机交互安全领域，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念无直接关联。

RealUserSim: Bridging the Reality Gap in Agent Benchmarking via Grounded User Simulation

Ming Zhu et al.

cs.HC cs.AI

本文提出RealUserSim框架，通过从真实人类对话数据中提取行为特征来引导LLM模拟器，以解决现有基于LLM的用户模拟与真实用户行为差距过大的问题。实验表明该方法能提升模拟保真度，并揭示现有基准测试中因指令放大导致的评估失真。

PrivacyAkinator: Articulating Key Privacy Design Decisions by Answering LLM-Generated Multiple-choice Questions

Qiyu Li et al.

cs.HC cs.AI cs.SE

本文提出PrivacyAkinator工具，通过LLM生成的多选题帮助开发者表达隐私设计决策，相比PRAM方法在识别关键决策上效率提升47%且时间减少73%。该工作主要关注人机交互与隐私工程领域，与关键词列表中的概念无直接关联。

NaP-Control: Navigating Diffusion Prior for Versatile and Fast Character Control

Chia-Wen Chen et al.

cs.GR cs.LG cs.RO

本文提出NaP-Control方法，使用reinforcement learning来操控任务无关的diffusion policy prior的latent noise，以实现快速、鲁棒的character control。该方法在训练中与环境交互以优化任务奖励，并消除了推理时的迭代guidance，从而在保持自然运动的同时提高了成功率和推理速度。

Governance by Design: Architecting Agentic AI for Organizational Learning and Scalable Autonomy

Nelly Dux et al.

cs.CY cs.AI cs.MA

本文通过一家大型IT服务公司的案例研究，探讨了Agentic AI系统在企业部署中的治理问题，强调了通过架构设计实现可扩展自主性与责任控制的平衡。

Leveraging Vision-Language Models to Detect Attention in Educational Videos

Gabriel Becquet et al.

cs.CV cs.AI

本文尝试使用Vision-Language Model (VLM)分析教育视频中的学习者注意力，但发现该方法无法超越基于统计特征的baseline，揭示了VLM在实时教育诊断中的局限性。

Network-Based Interventions for HIV Prevention via Cascade-Aware Suppression of Transmission

Akseli Kangaslahti et al.

physics.soc-ph cs.AI cs.SI

本文针对HIV传播网络中的资源分配问题，提出了一种名为CAST的近似算法，通过将问题转化为Minimum-$k$-Union问题并利用Hoeffding不等式，实现了多项式时间内的$2\sqrt{|\mathbf{P}|}$近似比。实验表明该方法在真实网络数据上优于现有基线。

Advanced Scientific Methodology Plays Rossini

Silvia Licciardi et al.

cs.SD cs.IR cs.LG

本文运用计算分析（包括解析、数据挖掘和图论）对罗西尼基于同一文本创作的多个音乐版本进行了结构分析，为音乐文献学中的系统性研究提供了基础。

Quantum End-to-End Learning for Contextual Combinatorial Optimization

Jaehwan Lee, Changhyun Kwon

quant-ph cs.LG

本文提出了一种基于量子计算的端到端学习框架QEL，用于解决上下文组合优化问题，通过上下文重上传相位分离器整合上下文信息，并利用量子近似优化算法实现联合训练。该方法在保持竞争力的同时显著减少了参数数量，但与我提供的关键词列表契合度较低。

AI-Assisted Competency Assessment from Egocentric Video in Simulation-Based Nursing Education

Hanchen David Wang et al.

cs.CV cs.AI

本文提出一个三阶段框架，利用冻结的visual encoder和few-shot learning从第一人称护理模拟视频中提取action timelines，并分析其与教师评定的competency之间的关系。研究发现，高competency学生的动作识别准确率反而更低，表明识别准确率可作为自动化能力评估中的教学信号。

Lean Refactor: Multi-Objective Controllable Proof Optimization via Agentic Strategy Search

Jialin Lu et al.

cs.LO cs.AI cs.CL cs.LG cs.SE

本文提出了Lean Refactor，一个基于检索增强的agentic框架，用于对Lean证明进行多目标、可控且版本鲁棒的优化。该方法通过从策略数据库中检索信息来引导LLM，在压缩证明长度和编译时间方面优于现有工作，并提升了跨版本兼容性。

Prism: Structural Symmetry Scanning via Duality-Constrained Laplacian Projection

Jiatong Xie

cs.SI cs.LG

本文提出Prism框架，通过计算图Laplacian $L$与对偶算子$P$的对偶缺陷$\delta(L,P)$来诊断复杂网络的结构对称性。该方法利用无监督交替优化从Fiedler向量学习$P$，并在合成网络和真实数据上验证了其对结构退化的敏感性。

ProcBench: Evaluating Process-Level Defects and Control Preservation in LLM Coding Agents

Jiawei He et al.

cs.SE cs.AI

本文提出了ProcBench，一个用于评估LLM coding agents在执行过程中过程级缺陷和控制保留的基准框架，通过标准化日志和风险评分卡来补充传统基于最终结果的评估方法。该工作主要关注代码代理的轨迹分析，与关键词中的agent和code相关，但方法本身并非开创性且未解决长期问题。

Generation of Heterogeneous PET Images from Uniform Organ Activity Maps Using a Pretrained Domain-Adapted Diffusion Model

Suya Li et al.

cs.CV cs.AI

本文提出了一种基于预训练域自适应扩散模型（PAD）的方法，用于从均匀器官活动图生成异质性PET图像，通过两阶段训练策略和域适配器实现了高定量精度和视觉真实性。该方法在数据增强和虚拟成像试验中具有应用潜力，但未涉及code、spectral、Muon或agent等关键词。

PolycubeNet: A Dual-latent Diffusion Model for Polycube-Based Hexahedral Mesh Generation

Lu He et al.

cs.GR cs.AI

本文提出了一种基于条件扩散模型的端到端框架PolycubeNet，用于从点云直接生成polycube点云，进而生成六面体网格。其核心是双隐空间条件扩散架构，通过将自注意力操作限制在低维隐空间来避免计算复杂度随分辨率二次增长。

You Don't Need Attention: Gated Convolutional Modeling for Watch-Based Fall Detection

Sana Alamgeer et al.

cs.CV cs.AI

本文提出了一种名为Gated-CNN的轻量级双流架构，用于基于智能手表的跌倒检测。该方法使用一维卷积和sigmoid门控模块替代自注意力机制，在多个数据集上取得了优于Transformer基线的性能，并成功部署于Google Pixel Watch 3上实现实时检测。

Regulating Anatomy-Aware Rewards via Trajectory-Integral Feedback for Volumetric Computed Tomography Analysis

Tianwei Lin et al.

cs.CV cs.AI

本文针对3D CT分析中医学视觉语言模型(VLM)的优化目标与临床严谨性不匹配问题，提出了CABS系统用于分解放射学报告，并设计了TIF-GRPO框架，通过将控制理论中的积分反馈机制引入策略优化来调节解剖感知奖励，从而减少评估幻觉并提升临床事实准确性。

The Economics of Model Collapse: Equilibrium, Welfare, and Optimal Provenance Subsidies in Synthetic Data Markets

Gustav Olaf Yunus Laitinen-Fredriksson Lundström-Imanov

econ.GN cs.CY cs.LG

本文构建了合成数据市场中模型崩溃（model collapse）的微观经济理论，提出了合成数据污染均衡（SDCE）并证明了其存在性与唯一性，推导了福利分解与最优补贴的闭式解。该工作主要关注数据市场的经济学分析，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等方向关联较弱。

The Economics of AI Inference: Inflation Dynamics, Welfare Costs, and Optimal Monetary Policy under the Inference-Cost Phillips Curve

Gustav Olaf Yunus Laitinen-Fredriksson Lundström-Imanov

econ.GN cs.LG

本文提出了一个关于AI推理成本对通货膨胀、福利和最优货币政策影响的理论框架，引入了推理成本菲利普斯曲线（ICPC），并利用美国月度数据进行了实证估计。该研究主要聚焦于宏观经济学与AI交叉领域，与您提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Can Vision Models Truly Forget? Mirage: Representation-Level Certification of Visual Unlearning

Zhenyu Yu et al.

cs.CV cs.AI

本文提出Mirage框架，通过四种representation-level诊断方法（如Linear Probe Recovery和Centered Kernel Alignment）来评估垂直联邦学习中的机器遗忘效果，发现现有方法在representation层面仍保留大量类别结构信息，揭示了遗忘差距和遗忘三难困境。

JUDO: A Juxtaposed Domain-Oriented Multimodal Reasoner for Industrial Anomaly QA

Hyunju Kang et al.

cs.CV cs.AI cs.LG

JUDO是一个面向工业异常检测的多模态推理框架，通过将查询图像与正常图像进行视觉对比分割缺陷区域，并利用监督微调和强化学习注入领域知识。该方法在MMAD基准上超越了Qwen2.5-VL-7B和GPT-4o等模型。

Adaptive Probe-based Steering for Robust LLM Jailbreaking

Junxi Chen, Junhao Dong, Xiaohua Xie

cs.CR cs.LG

本文提出了一种基于模型提取的自适应探针引导方法，用于改进大语言模型（LLM）的对抗性越狱攻击。该方法通过自适应调整引导强度，提升了攻击的有效性和鲁棒性，但未涉及关键词中的核心概念。

MedCRP-CL: Continual Medical Image Segmentation via Bayesian Nonparametric Semantic Modality Discovery

Ziyuan Gao

cs.CV cs.LG

本文提出MedCRP-CL框架，利用Chinese Restaurant Process (CRP)从临床文本提示中在线推断任务分组（称为语义模态），并基于此维护模态特定的LoRA适配器，通过intra-modality EWC正则化实现参数隔离与知识迁移。该方法在16个医学分割任务上取得了73.3%的Dice分数和4.1%的遗忘率，但未涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念。

Co-Fusion4D: Spatio-temporal Collaborative Fusion for Robust 3D Object Detection

Wenxuan Li et al.

cs.CV cs.AI

本文提出Co-Fusion4D框架，通过当前帧主导-历史帧辅助的机制和Dual Attention Fusion模块，解决BEV-based 3D object detection中的跨帧时空不一致问题。在nuScenes基准上取得了74.9% mAP和75.6% NDS的先进性能。

WildRoadBench: A Wild Aerial Road-Damage Grounding Benchmark for Vision-Language Models and Autonomous Agents

Bingnan Liu et al.

cs.CV cs.LG

本文提出了WildRoadBench，一个用于评估Vision-Language Models和LLM-driven agents在无人机航拍道路损伤定位任务上的benchmark，包含VLM Track和Agent Track两种评估协议。实验表明，当前最先进的模型和agent在该wild setting下性能均远未达到可靠水平。

SDM: A Powerful Tool for Evaluating Model Robustness

Xinlei Liu et al.

cs.CV cs.AI cs.LG

本文分析了梯度攻击方法中"高损失非对抗样本"问题，指出其源于不恰当的对抗样本生成目标，并提出了名为SDM的梯度攻击方法。该方法通过"循环-阶段-步骤"三层优化框架和两种损失函数实现更强的攻击性能。

Tiny-Engram: Trigger-Indexed Concept Tables for Generative Vision

Runyuan Cai et al.

cs.CV cs.AI

本文提出Tiny-Engram，一种基于trigger-indexed concept table的轻量级视觉个性化方法，通过为每个概念分配由n-gram匹配索引的少量memory entries，在冻结的图像和视频生成器中实现显式的词汇寻址和激活边界。该方法在单编码器latent diffusion和多编码器diffusion-transformer骨干上均能将罕见trigger phrase与目标身份绑定，同时保留周围prompt的组合控制能力，但在视频生成中身份持久性仍有限。

FullFlow: Upgrading Text-to-Image Flow Matching Models for Bidirectional Vision--Language Generation

Eric Tillmann Bill et al.

cs.CV cs.AI

本文提出FullFlow方法，通过仅训练LoRA适配器和轻量文本头，将预训练的rectified-flow文本到图像模型升级为双向视觉-语言生成器。该方法在保持图像连续流的同时添加离散文本插入过程，通过二维生成空间中的轨迹选择实现多种生成任务，在SD3和FLUX.1-dev上验证了有效性。

Representability-Aware Neural Networks for Reduced Density Matrices: Application to Fractional Chern Insulators

Justin B. Hart et al.

cond-mat.str-el cs.AI

本文提出了一种可表示性感知且可插值的神经网络框架，用于预测两粒子约化密度矩阵（2-RDM），并将其应用于扭曲双层MoTe$_2$中的分数量子陈绝缘体。该网络通过架构和损失函数融入部分表示性条件，并能在不同动量网格上操作，通过插值小网格的精确结果来预测大网格的2-RDM，或作为变分2-RDM ansatz进行能量最小化优化。

Targeting Clause Type Distributions: a Picklock for Random Satisfiability Problems

J. Schwardt, J. C. Budich

cond-mat.stat-mech cond-mat.str-el cs.AI math.CO

本文提出Target-SAT (TSAT)算法，通过利用组合约束中的统计信息引导随机局部搜索，在随机3-SAT问题的最难参数区域将可解问题规模提升约三倍，并解释了传统算法受限于低能陷阱的原因。

Corrected Integrated Laplace Approximation for Bayesian Inference in Latent Gaussian Models

Jinlin Lai, Charles C. Margossian, Daniel R. Sheldon

stat.ML cs.LG

本文提出了一种重要性采样方案来修正Integrated Laplace Approximation (ILA)在Latent Gaussian Models (LGMs)中的近似误差，通过伪边际化、拟蒙特卡洛等技术使后验分布收敛到正确后验，并利用自动微分框架支持超参数的梯度推断。

Proximal State Nudging: Reducing Skill Atrophy from AI Assistance

Megha Srivastava et al.

cs.RO cs.HC cs.LG

本文提出Proximal State Nudging (PSN)算法，用于在半自主共享控制系统中平衡人类技能发展与任务表现。实验表明，PSN在模拟和真实驾驶任务中均优于现有基线方法。

Security Document Classification with a Fine-Tuned Local Large Language Model: Benchmark Data and an Open-Source System

Ivan Dobrovolskyi

cs.CR cs.AI

本文提出了一个名为TorchSight的开源本地系统，通过微调Qwen 3.5 27B模型对安全文档进行分类，在1000份文档上达到95.0%的类别级准确率。该系统解决了云服务数据外泄和规则工具缺乏上下文感知的问题，但方法本身属于工程应用而非理论创新。

Latent Space Guided Scenario Sampling for Multimodal Segmentation Under Missing Modalities

Irem Ulku, Ö. Özgür Tanrıöver, Erdem Akagündüz

cs.CV cs.AI

本文提出了一种基于预训练latent space引导的多模态分割训练策略，通过量化每种模态缺失场景对共享latent representation的distortion影响，并利用radial basis function kernel和正则化kernel smoothing生成采样概率分布，以替代均匀随机模态dropout。实验在三个遥感数据集上验证了该方法优于标准fine-tuning和LoRA-based adaptation。

SUGAR: A Scalable Human-Video-Driven Generalizable Humanoid Loco-Manipulation Learning Framework

Tianshu Wu et al.

cs.RO cs.AI cs.CV

本文提出SUGAR框架，通过从人类视频中提取运动先验并利用物理精炼器将其转化为可部署的技能，用于人形机器人的全身操作学习。该方法无需任务特定的奖励工程，在仿真和真实世界中展示了零样本迁移能力。

ConceptSeg-R1: Segment Any Concept via Meta-Reinforcement Learning

Yuan Zhao et al.

cs.CV cs.AI

本文提出ConceptSeg-R1框架，通过元强化学习机制Meta-GRPO将概念分割形式化为规则诱导的概念定位，并引入三级概念分类法（CI、CD、CR）来评估认知复杂度。该方法在多个领域基准上取得良好性能，但未直接涉及关键词中的code、spectral、Muon、pretrain、agent或attention等核心概念。

STELLAR: Scaling 3D Perception Large Models for Autonomous Driving

Yingwei Li et al.

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

本文研究了自动驾驶感知系统的模型缩放问题，提出了基于Sparse Window Transformer的STELLAR模型，通过融合LiDAR、雷达、相机和地图先验等多模态数据，在5000万驾驶样本上训练了高达5亿参数的模型。实验表明模型性能与规模、数据和计算量之间存在经验缩放趋势，并在Waymo Open Dataset上取得了最优结果。

Latent Geometry as a Structural Monitor: Eigenspace Alignment for Anomaly Detection in Anonymity Networks

Vaibhav Chhabra

cs.CR cs.LG

本文提出将大规模行为群体视为几何能量景观，通过测量其变形来检测异常，并应用于Tor匿名网络。该方法使用双观察者管道识别稳定的九维子空间，并通过蒙特卡洛模拟验证其显著性，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联较弱。

Understanding Deterioration Random Effects for Causal Discovery in Infrastructure Management

Takato Yasuno

stat.AP cs.LG stat.ML

本文提出一个结合Bayesian hierarchical hazard modeling与causal discovery的框架，用于分析泵设备退化率的异质性。通过GPU加速的NUTS采样估计随机效应，并利用DirectLiNGAM发现不同退化组间的因果差异，但方法本身与关键词中的code, context, spectral等概念关联较弱。

Disentangling Sampling from Training Budget in Class-Imbalanced CT Body Composition Segmentation

Iason Skylitsis, Dimitrios Karkalousos, Ivana Išgum

eess.IV cs.AI cs.CV physics.med-ph

本文探讨了在CT身体成分分割中，通过从few-shot learning中引入episodic sampling来缓解类别不平衡问题。实验表明，在低数据量训练下，episodic sampling优于随机和加权采样，但优势主要源于训练迭代次数的差异，而非方法本身的开创性。

Contradiction Graphs Determine VC Dimension

Jesse Campbell, Daniel Ibaibarriaga, Lev Reyzin

stat.ML cs.DM cs.LG

本文研究了与二元概念类相关的contradiction graphs，证明了单个图$G_m(H)$可以确定VC维数是否至少为$m$，从而回答了Alon等人提出的一个问题。

Hiding in Plain Sight: Finding MAHA on Reddit

Sabit Ahmed, Subigya Nepal, Henry Kautz

cs.SI cs.CL

本文介绍了一个关于MAHA健康运动的Reddit数据集，包含2020-2025年间400万用户的1940万条帖子，为研究该运动的结构、话语和传播模式提供了大规模数字足迹。

Modeling Emotional Dynamics in Agent-to-Agent Interactions on Moltbook

Syed Mhamudul Hasan, Abdur R. Shahid

cs.HC cs.AI

本文在Moltbook社交网络中分析了agent间交互的情感动态，构建了一个情感感知框架来提取agent的情感特征，并引入了Persona-Stimulus-Reaction (PSR)域来评估行为可靠性。

A Comprehensive Comparison of Deep Learning Architectures for COVID-19 Classification on CT & X-ray Imagery

Sarmad Khan et al.

cs.CV cs.AI

本文比较了多种基于CNN的预训练深度学习架构（如VGG, ResNet, DenseNet等）在COVID-19肺部CT和X光图像分类任务上的性能，实验表明ResNet和VGG架构达到了95-98%的平均准确率。该工作主要是一个应用性的性能对比研究，在方法上缺乏开创性，且与关键词列表中的概念关联度较低。

Do Vision--Language Models Understand 3D Scenes or Just Catalogue Objects?

Animesh Maheshwari, Divyansh Sahu, Nishit Verma

cs.CV cs.LG

本文通过一个包含3,034个样本的人工标注基准测试，评估了视觉-语言模型(VLM)在3D空间理解中的表现，发现模型在物体命名上表现良好，但在深度排序遮挡、光学几何推理和体积重排规划等空间任务上存在显著缺陷。白盒分析表明，失败原因在于视觉token合并阶段，空间信息在token压缩后变得不可访问。

Agentic Agile-V: From Vibe Coding to Verified Engineering in Software and Hardware Development

Christopher Koch

cs.SE cs.AI cs.MA

本文提出Agentic Agile-V框架，将Agile-V生命周期与SCOPE-V循环结合，用于规范agentic AI在软件和硬件开发中的工程流程，强调通过结构化输入、对话-合同门控和证据包验收模型来提升工程可控性。

Pixel Wised Lesion Prediction on COVID-19 CT Imagery: A Comparative Analysis of Automated Image Segmentation Architectures

Sarmad Khan et al.

cs.CV cs.AI

本文系统评估了四种深度学习分割架构（Unet, PSPNet, Linknet, FPN）与六种预训练编码器在COVID-19 CT图像病灶分割上的组合性能，在二分类和多类分割任务上取得了最高98%的F1-Score。该工作为医学图像分割提供了基准比较，但方法本身缺乏开创性，且与关键词列表中的概念无直接关联。

EPC-3D-Diff: Equivariant Physics Consistent Conditional 3D Latent Diffusion for CBCT to CT Synthesis

Alzahra Altalib et al.

cs.CV cs.AI physics.med-ph

本文提出EPC-3D-Diff，一种用于CBCT到CT合成的条件3D latent diffusion框架，通过引入基于采集物理的投影域等变损失来提升HU精度。该方法在3D自编码器学习的紧凑latent space中进行条件扩散，并利用旋转体积与投影角度偏移的对应关系增强物理一致性，在体模和临床数据上相比现有方法取得了PSNR和SSIM的显著提升。

Code Generation by Differential Test Time Scaling

Yifeng He et al.

cs.SE cs.AI cs.LG

本文提出DiffCodeGen，一种基于coverage-guided differential analysis的测试时扩展方法，通过生成多样代码候选并利用fuzzing合成输入来聚类选择最终输出，无需额外LLM调用。该方法在多个模型上展示了与现有方法相当或更优的性能，同时显著降低了时间和token消耗。

Oracle Supervision Transfers for Hyperparameter Prediction in Model-Based Image Denoising

Jianmin Liao, Lixin Shen, Yuesheng Xu

cs.CV cs.LG

本文提出HyperDn，一种配置条件化的超参数预测器，通过将源配置上的oracle监督迁移到新目标配置，以减少模型驱动图像去噪中为每个新配置重建oracle标签的需求。实验表明，在TV/TGV变分源与扩散模型DiffPIR之间，仅需少量目标标签即可接近oracle性能。

ShadeBench: A Benchmark Dataset for Building Shade Simulation in Sustainable Society

Longchao Da et al.

cs.CV cs.AI cs.CY

ShadeBench是一个用于城市建筑阴影模拟的基准数据集，包含多模态数据（卫星图像、3D建筑网格等）并支持阴影生成、分割和3D重建等下游任务。该工作为城市热暴露分析提供了数据基础，但与关键词列表中的概念关联较弱。

Codec-Robust Attacks on Audio LLMs

Jaechul Roh et al.

cs.SD cs.AI

本文提出CodecAttack方法，通过在神经音频编解码器的连续latent space中优化扰动，而非直接扰动音频waveform，实现对Audio LLMs的攻击。实验表明，该方法在Opus等压缩通道下平均目标子串攻击成功率达85.5%，而waveform基线方法不超过26%，证明有损压缩并非对抗音频的可靠防御。

NeuroQA: A Large-Scale Image-Grounded Benchmark for 3D Brain MRI Understanding

Mohammad H. Abbasi et al.

cs.CV cs.AI cs.CL cs.LG eess.IV

本文提出了NeuroQA，一个用于3D脑部MRI视觉问答的大规模基准，包含来自12个数据集的56,953个问答对，覆盖多种临床领域和推理技能。该基准通过严格的验证流程确保图像依赖性，并评估了现有模型的表现，发现其准确率低于文本基线。

Pseudo-Formalization for Automatic Proof Verification

Slim Barkallah et al.

cs.LO cs.LG

本文提出Pseudo-Formalization (PF)格式，将自然语言证明分解为自包含模块，并设计Block Verification (BV)算法，通过LLM将证明翻译为PF格式后独立验证每个模块，在奥赛和研究级数学基准上优于LLM-as-judge基线。该方法主要关注证明验证的可靠性与模块化，与关键词中的code、context、spectral、Muon、pretrain、agent、attention均无直接关联。

Sample Complexity of Transfer Learning: An Optimal Transport Approach

Haoyang Cao et al.

stat.ML cs.LG

本文通过最优传输视角分析了迁移学习的样本复杂度，证明了当数据维度$d>3$时迁移学习的样本复杂度为$O(m^{-(\alpha+1)/d})$，优于直接学习的$O(m^{-p/d})$，从而在理论上支持了迁移学习在目标模型非光滑时的样本效率优势。

Faster or Stronger: Towards Flexible Visual Place Recognition via Weighted Aggregation and Token Pruning

Zichao Zeng et al.

cs.CV cs.AI cs.RO

本文提出WeiAD和WeiToP两种方法用于视觉地点识别（Visual Place Recognition）。WeiAD通过为不同cluster分配权重来改进Vision Transformer特征的聚合，WeiToP则利用token pruning降低特征提取的计算成本，并通过self-distillation实现推理时的灵活加速。

Group-Aware Matrix Estimation and Latent Subspace Recovery

Hamza Golubovic et al.

stat.ML cs.LG stat.AP stat.ME

本文提出了一种名为Group-Aware Matrix Estimation (GAME)的凸估计方法，用于处理具有重叠子组结构的矩阵补全问题。该方法通过重叠的nuclear-norm惩罚项对类别特定的子矩阵进行正则化，在共享坐标系中保留局部潜在结构，并提供了有限样本下的重构误差和子空间恢复保证。

Multi-agent Collaboration with State Management

Mengyang Liu et al.

cs.MA cs.AI cs.CL cs.LG cs.SE

本文提出STORM框架，通过状态管理机制协调多agent对共享代码库的并发编辑，在写入时检测并解决冲突，替代了传统的workspace isolation方法。实验表明该方法在Commit0和PaperBench基准上优于基线，且可无缝集成到任意多agent系统中。

Beyond Routing: Characterising Expert Tuning and Representation in Vision Mixture-of-Experts

Gene Tangtartharakul, Katherine R. Storrs

cs.CV cs.AI

本文研究了视觉Mixture-of-Experts (MoE)模型中专家(experts)的特化(specialisation)机制，通过对比学习训练稀疏门控卷积MoE模型，并利用视觉神经科学工具分析专家编码。研究发现，专家划分主要由有生命-无生命(animate-inanimate)维度主导，且专家对连续视觉和语义维度的调谐(tuning)超越了类别边界。

Lower Bounds for Advection-Diffusion Equations: An Exploration with AI-Generated Proofs

Chenyang An, Xiaoqian Xu

math.AP cs.AI

本文利用AI证明系统QED，为平流-扩散方程在三种设定下建立了显式下界，包括无粘剪切流的$\dot H^{-1}$界、扩散剪切的混合尺度下界以及快速振荡周期流的指数$L^2$界。这些证明完全由AI生成，展示了其在生成严格数学证明方面的能力。

Accelerating Video Inverse Problem Solvers with Autoregressive Diffusion Models

Taesung Kwon et al.

cs.CV cs.AI cs.LG

本文提出AVIS框架，利用自回归视频扩散模型以流式方式恢复视频，通过测量一致性估计初始化反向扩散来减少采样步骤，从而降低延迟并提高吞吐量。该方法主要针对视频逆问题的实时部署效率问题，与关键词关联度较低。

Time-Dependent PDE-Constrained Optimization via Weak-Form Latent Dynamics

April Tran et al.

math.OC cs.LG math.DS

本文提出了一种基于弱形式潜在空间动力学识别（WLaSDI）的降阶建模框架，用于加速受时间依赖PDE约束的梯度优化问题。该方法通过将高维解轨迹压缩到低维潜在空间并识别参数化潜在动力学，避免了显式数值微分，从而提高了对噪声数据的鲁棒性，并在多个基准问题上实现了高达五个数量级的计算加速。

Pareto-Enhanced Portrait Generation: Vision-Aligned Text Supervision for Alignment, Realism, and Aesthetics

Yunlong Wang et al.

cs.CV cs.AI

本文提出了一种针对文本到图像扩散模型在人像生成中面临的三难困境（文本-图像对齐、逼真度和美学）的解决方案，通过引入轻量级跨模态对齐机制，从SigLIP 2中提取视觉对齐的文本表示来监督MM-DiT的图像分支，从而在不增加推理开销的情况下提升生成质量。该方法在保持基础模型泛化能力的同时，实现了对齐、逼真度和美学的协同改进。

Trusted Weights, Treacherous Optimizations? Optimization-Triggered Backdoor Attacks on LLMs

Yifei Wang et al.

cs.CR cs.AI cs.LG

本文揭示了LLM推理优化（如编译）中的数值副作用可被恶意利用，提出了一种优化触发的后门攻击框架，该攻击在模型未编译时保持休眠，仅在编译优化后激活，能绕过标准安全评估。

Jointly Learning Predicates and Actions Enables Zero-Shot Skill Composition

Benedict Quartey et al.

cs.RO cs.AI

本文提出Predicate Action Skills (PACTS)方法，通过联合建模action trajectories和symbolic predicate belief trajectories，使机器人技能学习具备零样本组合能力。该方法利用predicate预测作为symbolic interface进行任务规划与执行监控，但未涉及code、spectral或Muon等关键词。

AMAR: Lightweight Attention-Based Multi-User Activity Recognition from Wi-Fi CSI

Amirhossein Mohammadi, Hina Tabassum

eess.SP cs.AI cs.LG

本文提出了一种基于attention的Wi-Fi多用户活动识别框架AMAR，将活动识别建模为set prediction问题，利用transformer和可学习query embeddings同时识别多个用户的活动。该方法在边缘-云架构中通过轻量卷积网络和残差向量量化减少带宽，在多个场景下相比基线方法提升了多活动识别准确率和占用估计精度。

Scale-Calibrated Median-of-Means for Robust Distributed Principal Component Analysis

Kisung You

stat.ME cs.LG

本文研究了分布式主成分分析(PCA)中均值和子空间估计的鲁棒聚合问题，提出了一种基于Euclidean空间和Grassmann流形乘积几何的尺度校准中位数均值(median-of-means)估计量。该方法通过节点级PCA展开和局部渐近等价性分析，证明了该估计量在非高斯极限下的有效性，并给出了尺度依赖的协方差公式。

Motion-Robust Deep Reconstruction for Free-Breathing Cardiac Cine MRI

Mahmut Yurt et al.

eess.IV cs.LG

本文提出Cine-DL框架，通过k-space预处理（如Streak Optimized Coil Compression）和基于模型的深度展开网络，实现自由呼吸心脏电影MRI的高加速鲁棒重建，在定量指标和视觉质量上优于k-t SENSE和iGRASP等基线方法。

Llamas on the Web: Memory-Efficient, Performance-Portable, and Multi-Precision LLM Inference with WebGPU

Reese Levine et al.

cs.DC cs.AI cs.LG

本文提出了LlamaWeb，一个基于WebGPU的浏览器端LLM推理后端，通过静态内存规划和可调内核库实现了内存高效和跨设备可移植的多精度推理，在16种设备上相比现有框架减少了29-33%的内存占用并提升了45-69%的解码吞吐量。

Rethinking Cross-Layer Information Routing in Diffusion Transformers

Chao Xu et al.

cs.CV cs.AI

本文分析了Diffusion Transformers (DiTs)中跨层信息流动的问题，发现传统残差连接存在梯度衰减和冗余等缺陷，并提出了可学习的、时间步自适应的残差替换方法DAR。该方法在ImageNet上提升了生成质量并加速了训练，但未涉及code、context、spectral等关键词。

SAVER: Selective As-Needed Vision Evidence for Multimodal Information Extraction

Miaobo Hu et al.

cs.CV cs.AI cs.LG

本文提出SAVER框架，通过Conformal Groundability Gate决定何时需要视觉证据，并利用submodular selector选择紧凑的图像子集，用于多模态命名实体识别和关系抽取任务。实验表明该方法在提升F1的同时降低了计算开销。

Everywhere Valid Bounds on False Discovery Proportions in Conformal Inference

Ziang Song, Ying Jin, Emmanuel J. Candès

stat.ME cs.LG stat.ML

本文通过构造null conformal p-values的经验分布函数的高概率包络，建立了在任意拒绝阈值下同时成立的FDP有限样本上界，为异常检测和候选选择等应用提供了分布自由的统计保证。

TASTE: A Designer-Annotated Multi-Dimensional Preference Dataset for AI-Generated Graphic Design

Haonan Zhu et al.

cs.CV cs.AI stat.AP

本文发布了TASTE数据集，包含专业设计师对AI生成图形设计的多维偏好评分，并分析了设计师间的一致性及现有评分系统的局限性。该工作主要聚焦于数据集构建与评估基准，与关键词中的code, context, spectral, Muon, pretrain, agent, attention均无直接关联。

An Application-Layer Multi-Modal Covert-Channel Reference Monitor for LLM Agent Egress

Alfredo Metere

cs.CR cs.AI

本文提出了一种针对LLM Agent的出口参考监视器，通过文本管道、媒体加扰器和容量度量来消除多种隐蔽信道（如零宽字符、同形异义字、LSB像素平面等），并利用Miller-Madow校正互信息评估残余容量。该方法主要关注安全领域，与关键词中的agent有一定关联，但方法本身并非开创性且未解决长期问题。

Lowering the Barrier to IREX Participation: Open-Source Algorithms, Toolkit, and Benchmarking for Iris Recognition

Siamul Karim Khan, Patrick J. Flynn, Adam Czajka

cs.CV cs.LG

本文提出了两种新的开源iris recognition算法（TripletIris和ArcIris），并提供了符合IREX标准的C++实现，旨在降低参与IREX评估的门槛。此外，论文还开源了两种现有方法的实现，并在多个学术基准上进行了性能评估。

Draw2Think: Harnessing Geometry Reasoning through Constraint Engine Interaction

Juncheng Hu et al.

cs.CV cs.CL

本文提出Draw2Think框架，将几何推理从隐式空间推理转化为与GeoGebra约束引擎的智能体交互，通过Propose-Draw-Verify循环外化假设并测量精确几何量，使模型推理基于可验证的画布状态。该方法在Construction Fidelity和Measurement Faithfulness两个维度上实现了可审计性，并在多个基准上提升了准确率。

Circuits of Quantum Hashing and Quantum Fourier Transform for a Cactus as a Qubit Connectivity Graph

Kamil Khadiev, Ilnur Valeev

quant-ph cs.DS

本文针对qubit connectivity graph为cactus图的情况，提出了量子哈希（quantum hashing）算法的浅层电路实现，并给出了构建该电路的$O(n^3)$复杂度算法，改进了现有任意图上的指数时间算法。该工作还涉及了Quantum Fourier Transform电路的优化，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。

Instant GPU Efficiency Visibility at Fleet Scale

Connor Pedersen et al.

cs.DC cs.LG

本文提出了一种名为Overall FLOP Utilization (OFU)的硬件级GPU效率指标，通过两个片上性能计数器（Tensor Pipe Activity和SM clock frequency）来评估AI工作负载的效率，无需应用层检测即可跨GPU代际和数值精度工作。实验表明，OFU与应用程序级MFU的相关系数达到0.78，并能有效检测大规模GPU集群中的效率变化。

ELSA: An ELastic SNN Inference Architecture for Efficient Neuromorphic Computing

Kang You et al.

cs.AR cs.AI

本文提出ELSA，一种近SRAM数据流架构，通过细粒度的spine/token级流水线和硬件优化，实现了SNN的弹性推理，降低了首次响应延迟。实验表明，ELSA在ResNet-50上相比现有SNN加速器实现了显著的加速和能效提升。

OlmoEarth v1.1: A more efficient family of OlmoEarth models

Gabriel Tseng et al.

cs.CV cs.LG

本文对OlmoEarth模型系列进行了改进，通过优化训练和推理过程，在保持性能的同时显著降低了计算成本（训练GPU时间减少1.7倍，推理MACs减少2.9倍）。所有训练代码已开源。

ArchSIBench: Benchmarking the Architectural Spatial Intelligence of Vision-Language Models

Qirui Shen et al.

cs.CV cs.AI

本文提出了ArchSIBench基准，用于评估Vision-Language Models在建筑空间智能方面的能力，涵盖感知、推理、导航等五个维度。实验发现，多数模型与人类基线存在显著差距，尤其在空间变换与配置推理方面。

USV: Towards Understanding the User-generated Short-form Videos

Haoyue Cheng et al.

cs.CV cs.AI

本文提出了USV数据集，包含约22.4万个用户生成的短视频，并建立了topic recognition和video-text retrieval两个任务。作者提出了MMF-Net和VTCL作为baseline方法，为短视频理解提供了基准。

Activation-Free Backbones for Image Recognition: Polynomial Alternatives within MetaFormer-Style Vision Models

Jeffrey Wang, Jonathan Gregory, Grigorios G. Chrysos

cs.CV cs.LG

本文提出在MetaFormer风格的视觉backbone中，使用Hadamard积替代ReLU、GELU等pointwise activation和softmax，构建了基于polynomial的MLP、convolution和attention模块。实验表明，这些activation-free的polynomial变体在ImageNet分类等任务上能与基于activation的模型性能相当，并优于先前的polynomial网络。

DISC: Decoupling Instruction from State-Conditioned Control via Policy Generation

Hanxiang Ren et al.

cs.RO cs.AI cs.LG

本文提出DISC方法，通过hypernetwork从语言指令生成任务特定的visuomotor policy参数，从而解耦指令与状态条件控制，避免observation leakage问题。该方法在LIBERO-90和Meta-World等基准上优于传统entangled方法，并展示了few-shot适应能力。

PlexRL: Cluster-Level Orchestration of Serviceized LLM Execution for RLVR

Yiqi Zhang et al.

cs.DC cs.LG

本文提出PlexRL，一种用于RLVR（基于可验证奖励的强化学习）训练的集群级运行时系统，通过跨作业复用LLM服务来填充空闲时段，从而提升集群有效容量并降低用户GPU小时成本。

GenAI-Driven Threat Detection with Microsoft Security Copilot

Scott Freitas, Amir Gharib

cs.CR cs.AI cs.LG

本文介绍了微软安全Copilot中的动态威胁检测代理(DTDA)，它通过结合统一活动时间线、版本化LLM提示合约、规划-执行调查循环和动态告警生成，在工业规模上持续检测安全威胁。实验表明该代理在120天在线评估中达到80.1%的精确率，但该方法主要聚焦于网络安全应用，与我提供的关键词(code, context, spectral, Muon, pretrain, agent, attention)中的agent有一定关联，但整体契合度不高。

VISTA: Technical Report for the Ego4D Short-Term Object Interaction Anticipation at EgoVis 2026

Qiaohui Chu et al.

cs.CV cs.AI

本文提出了VISTA，一种结合V-JEPA和StillFast设计的时序预测器，用于Ego4D短期物体交互预测任务。该方法通过Faster R-CNN提取空间特征，并利用冻结的V-JEPA 2.1提取时序上下文，最终在EgoVis 2026挑战赛中取得第一名。

Causal Past Logic for Runtime Verification of Distributed LLM Agent Workflows

Benedikt Bollig

cs.LO cs.AI cs.PL

本文针对分布式LLM agent工作流的runtime verification问题，提出了Causal Past Logic (CPL)，一种用于条件判断和循环中guard的past-time temporal logic。该逻辑允许guard检查其他lifeline的最新causally visible event，并通过vector-clock monitor实现在线评估，将runtime verification融入协调语言本身。

Focus-then-Context: Subject-Centric Progressive Visual Token Reduction for Vision-Language Models

Yulin Zhao et al.

cs.CV cs.AI

本文提出SPpruner，一种模拟人类视觉感知系统中“Focus-then-Context”机制的渐进式视觉token缩减范式，通过焦点识别模块和上下文感知结构扫描模块来保留关键视觉信息并恢复全局关系依赖。实验表明该方法在VLM推理中能显著加速并降低计算开销，但方法本身并非开创性突破，且与关键词列表中的概念关联较弱。

Finding the Correct Visual Evidence Without Forgetting: Mitigating Hallucination in LVLMs via Inter-Layer Visual Attention Discrepancy

Yutong Xie et al.

cs.CV cs.AI

本文发现LVLMs在生成过程中对正确visual evidence的注意力不足并逐渐遗忘是导致hallucination的原因，提出了一种基于Inter-Layer Visual Attention Discrepancy (ILVAD)的无训练方法，通过saliency map增强对visual evidence的注意力来缓解幻觉。该方法在多个模型上验证了有效性。

Comparative Evaluation of Deep Learning Models for Fake Image Detection

Akhitha Pakala et al.

cs.CV cs.AI cs.CR

本文比较了VGG16, ResNet50, EfficientNetB0和XceptionNet四种预训练CNN模型在假图像检测任务上的性能，使用统一预处理流程在真实与GAN生成图像数据集上进行评估。VGG16取得了最高91%的准确率，但所有模型均受限于数据集不平衡和过拟合问题。

Diagnosing Overhead in Dispatch Operations: Cross-architecture Observatory

Bole Ma et al.

cs.DC cs.AI cs.LG

本文通过DODOCO工具对五种MoE checkpoint进行实验，发现路由不均衡是模型决策固有的，而非专家分布导致，且模拟token会高估路由Gini系数。实验揭示了MHA和Mamba-2等架构具有数据弹性，而MLA和GDN则持续集中，这些架构差异比EP规模或模拟数据更影响AlltoAll调度设计。

Hybrid Machine Learning Model for Forest Height Estimation from TanDEM-X and Landsat Data

Islam Mansour et al.

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

本文提出了一种混合机器学习模型，通过结合TanDEM-X干涉测量数据和Landsat光学数据来估计森林高度，并验证了多光谱输入对提升估计精度的价值。

Concentration of General Stochastic Approximation Under Heavy-Tailed Markovian Noise

Shubhada Agrawal, Siva Theja Maguluri, Martin Zubeldia

math.PR cs.LG math.OC stat.ML

本文研究了重尾马尔可夫噪声下一般随机逼近算法的浓度界，通过构造新的Lyapunov函数和辅助投影算法，建立了迭代误差的尾部分布与步长序列及随机算子收缩性之间的精确关系。

Treewidth of the $n \times n$ toroidal grid

Tatsuya Gima et al.

math.CO cs.DS

本文证明了$n \times n$ toroidal grid的treewidth为$2n-1$，通过构造一个最大阶的bramble并利用infinite grid的vertex-isoperimetric性质来建立匹配的下界，解决了该参数已知上下界之间的差距。

DySink: Dynamic Frame Sinks for Autoregressive Long Video Generation

Bo Ye et al.

cs.CV cs.AI

本文提出DySink框架，通过检索式动态帧sink替代静态早期帧sink，以改进自回归长视频生成中的长程上下文适应性。该方法利用记忆库和sink异常门控机制，缓解了因RoPE相位对齐导致的注意力坍塌问题。

Conditioning Gaussian Processes on Almost Anything

Henry Moss et al.

stat.ML cs.LG stat.ME

本文通过建立Gaussian Processes与线性diffusion models之间的等价关系，提出了一种通用的GP推断方案，能够处理包括非线性物理和自然语言在内的任意条件语句，无需针对特定问题推导。该方法在共轭情形下恢复标准GP条件化，并通过whitening技术最小化Wasserstein-2传输成本并消除数值刚性。

Genetic Programming with Transformer-Based Mutation for Approximate Circuit Design

Ondrej Galeta, Lukas Sekanina

cs.NE cs.LG

本文提出了一种基于transformer的变异算子用于Cartesian genetic programming (CGP)，以自动设计近似算术电路。该方法通过混合变异策略和新的训练方案，在近似乘法器设计中取得了优于现有库的权衡结果。

Multimodal LLMs under Pairwise Modalities

Yan Li et al.

cs.CV cs.LG

本文探讨了在多模态大语言模型训练中，仅利用成对模态数据（而非完整的联合多模态数据）来学习对齐的潜在表示。作者提出了一个两阶段框架，包括潜在表示对齐和跨模态重组，并通过在预训练MLLM中新增3D点云和触觉模态的实验验证了其有效性。

Grounding Driving VLA via Inverse Kinematics

Junsung Park, Hyunjung Shim

cs.CV cs.AI cs.RO

本文指出现有Driving VLA在轨迹预测中忽视视觉token的问题，将其归因于任务公式的结构性不适定，并重新设计为逆运动学求解器风格。通过引入未来视觉状态预测目标和逆运动学网络，该0.5B规模模型在轨迹规划性能上可与7B-8B的VLA模型相媲美。

SpectralEarth-FM: Bringing Hyperspectral Imagery into Multimodal Earth Observation Pretraining

Nassim Ait Ali Braham et al.

cs.CV cs.LG

本文提出了SpectralEarth-FM，一个用于多传感器地球观测数据的层次化transformer模型，通过结合光谱tokenization、传感器特定编码器和跨传感器融合模块，实现了高光谱与低通道观测数据的联合处理。模型在自建的大规模多模态数据集SpectralEarth-MM上使用JEPA风格目标进行预训练，并在高光谱下游任务和标准EO基准上取得了最优结果。

Musical Attention Transformer: Music Generation Using a Music-Specific Attention Model

Shinnosuke Taksuka, Hideo Mukai

cs.SD cs.LG

本文提出Musical Attention机制，通过将小节号、调号、速度等元信息融入Transformer的attention过程，以改善音乐生成中的重复和音符复制问题。实验表明该方法在音乐连贯性和多样性上优于Full Attention和Strided Attention。

AIMBio-Mat: An AI-Native FAIR Platform for Closed-Loop Materials Discovery and Biomedical Translation

D.-M. Mei et al.

physics.app-ph cs.LG physics.bio-ph physics.med-ph

本文提出了AIMBio框架，旨在通过AI原生、FAIR和治理感知的决策层，将材料科学与生物医学数据生态耦合，以支持闭环材料发现与生物医学转化。该框架将发现过程建模为不确定性下的约束多目标优化，并引入了元数据、模型文档和风险分级治理等要求。

Decoupling Communication from Policy: Robust MARL under Bandwidth Constraints

Alexi Canesse et al.

cs.MA cs.AI cs.LG

本文针对多智能体强化学习中的带宽限制问题，提出了一个归一化的智能体带宽预算$\beta$和一个解耦通信与策略的架构SLIM。实验表明该方法在有限通信条件下具有鲁棒性。

On the Complexity of Entailment for Cumulative Propositional Dependence Logics

Kai Sauerwald, Juha Kontinen, Arne Meier

cs.LO cs.AI

本文研究了累积命题依赖逻辑和累积命题逻辑（基于team semantics）中entailment问题的计算复杂性，证明了相关复杂性结果。

Automated Byzantine-Resilient Clustered Decentralized Federated Learning for Battery Intelligence in Connected EVs

Mouhamed Amine Bouchiha, Abdelaziz Amara Korba, Yacine Ghamri-Doudane

cs.DC cs.LG

本文提出了一种用于联网电动汽车的自动化拜占庭容错聚类去中心化联邦学习框架ABC-DFL，通过引入基于区块链的动态Quorum Byzantine Fault Tolerance协议和鲁棒分层聚合协议FLECA来抵御恶意攻击。实验表明该方法在良性条件下与FedProx收敛性相当，并在自适应对抗场景中显著优于现有防御方法。

Linear-DPO: Linear Direct Preference Optimization for Diffusion and Flow-Matching Generative Models

Kesong Li et al.

cs.CV cs.LG

本文针对文本到图像生成中的Direct Preference Optimization (DPO)方法，指出其在扩散模型和flow-matching模型上的局限性，并提出Linear-DPO方法，通过线性效用函数和EMA更新参考模型来改进对齐效果。实验在多个模型上验证了其有效性。

Distill to Think, Foresee to Act: Cognitive-Physical Reinforcement Learning for Autonomous Driving

Yang Wu et al.

cs.CV cs.LG

本文提出CoPhy框架，通过蒸馏VLM知识到BEV编码器实现认知推理，并构建自回归BEV世界模型预测未来语义地图以支持物理规划。该方法在NAVSIM基准上取得SOTA结果，但未涉及code、spectral、Muon或attention等关键词。

CoarseSoundNet: Building a reliable model for ecological soundscape analysis

Alexander Gebhard et al.

cs.SD cs.LG

本文提出CoarseSoundNet，一个用于生态声景分析的深度学习模型，旨在区分生物声、地球物理声和人为声。通过系统研究模型架构、训练数据组成和评估策略，发现引入静默类、领域相似数据和类特定决策阈值可提升性能。该工作主要贡献于声景生态学的自动化分析工具，但与关键词列表中的概念关联较弱。

Detecting Trojaned DNNs via Spectral Regression Analysis

Samuele Pasini, Jinhan Kim, Paolo Tonella

cs.CR cs.AI cs.SE

本文提出MIST方法，通过分析模型微调过程中pre-activation spectra的变化来检测Trojaned DNNs，将检测视为关于模型更新的regression问题。实验表明该方法在多种攻击下优于现有技术，但方法本身并非开创性突破，且与关键词契合度较低。

Comparative Analysis of Military Detection Using Drone Imagery Across Multiple Visual Spectrums

Sourov Roy Shuvo et al.

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

本文使用YOLOv11-small模型在KIIT-MiTA数据集及其变体（灰度、热成像、夜视和遮蔽视觉）上评估了无人机军事目标检测的性能，比较了不同视觉光谱下的检测效果。研究为提升无人机在复杂环境中的目标检测能力提供了实验依据。

A Rigorous, Tractable Measure of Model Complexity

Oskar Allerbo, Thomas B. Schön

stat.ML cs.LG

本文提出了一种基于模型梯度间相似性的复杂度度量，该度量在数学上严谨且易于计算，适用于参数化和非参数化模型。作者证明了该度量可以推广多项式回归、核方法等特定模型的复杂度指标，并用于分析随机傅里叶特征和随机森林等模型的双重下降现象。

SAM-Sode: Towards Faithful Explanations for Tiny Bacteria Detection

Wanying Tan et al.

cs.CV cs.AI

本文提出了一种名为SAM-Sode的可解释AI框架，用于提升微小细菌检测中解释性映射的清晰度。该方法通过将初始特征归因图转化为几何感知提示，并利用基础模型SAM的先验知识进行空间细化与形态重建，同时引入基于物理意义和几何对齐的双重约束机制进行实例级去噪。实验表明该方法能有效抑制背景冗余并增强微小目标检测的决策透明度。

SURGE: An Event-Centric Social Media Sentiment Time Series Benchmark with Interaction Structure

Chen Su et al.

cs.SI cs.AI

SURGE是一个面向社交媒体事件情感时间序列的基准数据集，包含67个事件和超过80万条帖子，并提供了帖子间的交互结构。该基准主要用于评估数值和文本增强的时间序列预测模型，但未涉及代码、谱方法、预训练或智能体等关键词相关技术。

Reinforcement Learning-based Control via Y-wise Affine Neural Networks: Comparative Case Studies for Chemical Processes

Austin Braniff, Yuhe Tian

eess.SY cs.LG math.OC

本文提出了一种基于Y-wise Affine Neural Network (YANN)的强化学习控制方法，用于化工过程系统。该方法通过策略性初始化actor和critic网络来减少训练时间和数据需求，并在三个化工案例中与PPO、SAC等算法及非线性模型预测控制进行了对比。

Enhanced Reinforcement Learning-based Process Synthesis via Quantum Computing

Austin Braniff, Fengqi You, Yuhe Tian

quant-ph cs.AI cs.LG math.OC

本文提出了一种基于quantum reinforcement learning的流程合成方法，通过state encoding算法将qubit需求与问题规模解耦，并在flowsheet合成问题上与经典RL算法进行了性能对比。

Federated LoRA Fine-Tuning for LLMs via Collaborative Alignment

Shuaida He, Liwen Chen, Long Feng

stat.ML cs.LG

本文提出CLAIR框架，用于联邦学习场景下LLM的LoRA微调，通过低秩加块稀疏分解恢复共享LoRA子空间并检测污染客户端。理论证明了无噪声情况下的精确恢复和有噪声情况下的稳定恢复，实验在文本复制任务上验证了污染检测和性能提升效果。

Artificial Intelligence Reshapes Microwave Photonics

Peng Li et al.

physics.optics cs.AI eess.SP

本文综述了人工智能如何重塑微波光子学（MWP）这一交叉领域，系统总结了AI在MWP系统设计、仿真、测试及部署等全流程中的应用，并指出AI带来了超越传统系统的自主运行与高效性。

RePCM: Region-Specific and Phenotype-Adaptive Bi-Ventricular Cardiac Motion Synthesis

Xuan Yang et al.

cs.CV cs.AI

本文提出RePCM方法，用于从单帧舒张末期网格生成完整心动周期的心脏运动序列。该方法通过两阶段框架（区域感知重建与表型自适应条件变分自编码器）来保留局部运动特异性，并在多个疾病数据集上验证了效果。

Theoretical guidelines for annealed Langevin dynamics in compositional simulation-based inference

Camille Touron et al.

stat.ML cs.LG

本文为基于组合score的模拟推断方法中的退火Langevin动力学提供了超参数选择的理论指导，推导了Wasserstein界并转化为显式决策规则，在Gaussian情形下给出了闭式解并比较了两种组合score公式的采样效率。

Learning Structural Latent Points for Efficient Visual Representations in Robotic Manipulation

Yicheng Jiang et al.

cs.RO cs.AI

本文提出了一种用于机器人操作的混合视觉表示预训练框架，通过点云变分自编码器学习结构潜在点，结合隐式表示的丰富性和显式表示的几何先验，并基于3DGS构建轻量渲染管线。实验在多个基准上验证了该方法在任务成功率、样本效率和鲁棒性上的提升。

MONET: A Massive, Open, Non-redundant and Enriched Text-to-image dataset

Benjamin Aubin et al.

cs.CV cs.AI

MONET是一个大规模、开放、非冗余且经过丰富标注的文本-图像数据集，包含约1.049亿个图像-文本对，通过安全过滤、去重和重新标注等流程从29亿原始对中构建。该数据集旨在降低大规模文本-图像模型训练的门槛，但未涉及关键词中的code、spectral或Muon等概念。

Large-Step Training Dynamics of a Two-Factor Linear Transformer Model

Krishnakumar Balasubramanian

stat.ML cs.AI cs.LG math.DS

本文研究了一个可精确约化的单提示线性Transformer训练问题，通过归一化将动力学简化为一个双因子乘积映射，并分析了有效步长参数$\mu$下的平衡与非平衡动力学行为，揭示了大步长下训练吸引子可能从收敛变为周期、混沌或发散。

Deformba: Vision State Space Model with Adaptive State Fusion

Hongyu Ke et al.

cs.CV cs.AI

本文提出Deformba，一种用于Vision State Space Model (SSM)的上下文自适应方法，通过动态增强空间结构信息并保持线性复杂度，解决了现有视觉SSM依赖固定扫描方法和难以进行多模态融合的问题。实验表明其在2D和3D视觉任务上表现良好。

Frontier: Towards Comprehensive and Accurate LLM Inference Simulation

Yicheng Feng et al.

cs.DC cs.AI cs.LG

本文提出了Frontier，一个用于现代LLM推理服务的离散事件模拟器。它通过解耦抽象和运行时优化建模，实现了高保真度的性能预测，但并未直接涉及关键词中的code, context, spectral, Muon, pretrain, agent或attention等核心概念。

Stimulus symmetries can confound representational similarity analyses

Farhad Pashakhanloo, Jacob A. Zavatone-Veth

q-bio.NC cs.LG

本文研究了输入刺激的对称性如何影响基于Representational Similarity Matrix (RSM) 的神经编码分析，指出对称性会导致功能等价的表示产生不同的RSM，从而混淆分析结果。

Semiparametric Efficient Bilevel Gradient Estimation

Fares El Khoury et al.

stat.ML cs.LG

本文针对functional bilevel methods中plug-in gradient存在的first-order bias问题，提出了一种基于efficient influence function的半参数去偏理论，并构建了cross-fitted orthogonal hypergradient estimator，证明了其渐近正态性。在quadratic losses下，该估计量简化为一个简单的doubly robust score。

Closed Loop Dynamic Driving Data Mixture for Real-Synthetic Co-Training

Hongzhi Ruan et al.

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

本文提出AutoScale，一种用于自动驾驶中真实与合成数据协同训练的闭环数据引擎，通过Graph-RAE进行场景表示、Cluster-GA进行聚类重要性估计与重加权，以及向量检索选择高价值样本，在NavSim上优于基线方法。该方法主要关注数据混合优化，与关键词中的code、context、spectral、Muon、pretrain、agent、attention无直接关联。

How to Build Marcus's Algebraic Mind: Algebro-Deterministic Substrate over Galois Fields

Hiroyuki Chuma, Kanji Otsuk, Yoichi Sato

cs.NE cs.AI

本文提出了一种基于GF(2)上XOR-and-shift操作的超维计算架构PyVaCoAl/VaCoAl，用于实现Marcus提出的认知架构三要素（变量操作、递归结构表示、个体与种类区分），并论证了其与齿状回-CA3回路的功能同源性。该工作主要关注认知架构的代数实现，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等方向关联较弱。

Disentangling Generation and Regression in Stochastic Interpolants for Controllable Image Restoration

Yi Liu et al.

cs.CV cs.LG

本文提出DiSI框架，通过解耦随机插值过程为独立的生成和回归组件，实现从纯回归到完全生成的可控过渡，并设计了双分支U-Net风格transformer网络以提升条件引导效率。该方法在多种图像恢复任务上取得有竞争力的结果，但未涉及代码、上下文、谱方法等关键词相关技术。

SpecBench: Measuring Reward Hacking in Long-Horizon Coding Agents

Bingchen Zhao et al.

cs.SE cs.AI cs.CL

本文提出了SpecBench基准，通过将软件工程任务分解为规范描述、可见验证测试和隐藏测试三部分，利用两者通过率的差距来量化长周期coding agent中的reward hacking现象。实验发现所有前沿模型都能通过可见测试，但在隐藏测试上存在显著差距，且该差距随任务长度急剧增加。

Designing Conversations with the Dead: How People Engage with Generative Ghosts

Jack Manning et al.

cs.HC cs.AI

本文通过用户研究探讨了人们如何与基于逝者数据训练的AI系统（generative ghosts）互动，比较了两种设计模式（representation和reincarnation）对真实性、情感和风险的影响，发现用户更注重情感共鸣而非事实准确性。

Open-source LLMs administer maximum electric shocks in a Milgram-like obedience experiment

Roland Pihlakas, Jan Llenzl Dagohoy

cs.CY cs.AI

本文在11个开源LLM上模拟了Milgram服从实验，发现模型在持续权威压力下会像人类一样表现出顺从行为，即使明确表达痛苦也倾向于逐步升级到最大电击级别。研究揭示了LLM在agentic pipeline中可能存在的边界违反和格式忽略等安全风险。

Memorisation, convergence and generalisation in generative models

Antoine Maillard, Sebastian Goldt

stat.ML cond-mat.dis-nn cond-mat.stat-mech cs.LG

本文通过精确分析线性生成模型，刻画了从记忆到泛化的转变，发现当样本数量与输入维度成线性关系时收敛性连续出现，而潜在因子的恢复则呈现尖锐转变。该工作将生成模型的泛化分解为匹配数据分布主体和恢复主要潜在因子两个不同目标。

Stdlib or Third-Party? Empirical Performance and Correctness of LLM-Assisted Zero-Dependency Python Libraries

Peng Ding, Rick Stevens

cs.SE cs.AI cs.PL

本文通过构建一个名为zerodep的Python模块集合，实证研究了仅使用Python标准库（stdlib）复现第三方库的可行性与性能代价。研究发现，在多数情况下stdlib-only实现能达到性能持平，但在C扩展支持的计算任务中存在性能瓶颈，而部分场景下LLM生成的实现反而因避免了第三方库的架构开销而获得显著加速。

Ordering Matters: Rank-Aware Selective Fusion for Blended Emotion Recognition

Junghyun Lee et al.

cs.CV cs.AI

本文提出了一种用于混合情绪识别的rank-aware多编码器框架，通过注意力门控模块选择性地融合来自视频和音频编码器的互补表示，并解耦预测为存在性和显著性头。实验表明该方法在BlEmoRE挑战中取得了第二名，但与我提供的关键词列表关联度较低。

roto 2.0: The Robot Tactile Olympiad

Elle Miller et al.

cs.RO cs.LG

本文介绍了roto 2.0，一个基于GPU并行的触觉强化学习基准测试平台，专注于“盲”操作任务，并展示了在Baoding ball旋转任务上的性能提升。该工作主要贡献在于标准化触觉RL研究，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Neural Negative Binomial Regression for Weekly Seismicity Forecasting: Per-Cell Dispersion Estimation and Tail Risk Assessment

Alim Igilik

physics.geo-ph cs.LG stat.ML

本文提出EarthquakeNet架构，通过神经网络为每个空间单元估计负二项回归的过离散参数，以改进每周地震预测。实验表明该方法在极端事件预测上优于传统全局参数模型，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。

TempGlitch: Evaluating Vision-Language Models for Temporal Glitch Detection in Gameplay Videos

Yakun Yu et al.

cs.CV cs.AI

本文提出了TempGlitch基准，用于评估Vision-Language Models在游戏视频中检测时间性glitch（仅通过帧间变化显现的故障）的能力。实验表明，当前VLM在该任务上表现接近随机，且增加帧采样或模型规模无法可靠改善性能。

Lost in Fog: Sensor Perturbations Expose Reasoning Fragility in Driving VLAs

Abhinaw Priyadershi, Jelena Frtunikj

cs.RO cs.AI

本文研究了自动驾驶中Vision-Language-Action (VLA)模型在传感器扰动下的鲁棒性，发现推理一致性（Chain-of-Causation解释的变化）与轨迹可靠性高度相关，且扰动对轨迹精度的影响近似线性。该工作主要关注自动驾驶安全监控，与关键词中的code, context, spectral, Muon, pretrain, agent, attention均无直接关联。

Quality and Security Signals in AI-Generated Python Refactoring Pull Requests

Mohamed Almukhtar, Anwar Ghammam, Hua Ming

cs.SE cs.AI

本文对AI生成的Python重构PR进行了实证研究，使用PyQu、Pylint和Bandit等工具分析代码质量和安全变化，发现AI代理在22.5%的变更中改善了质量属性，但24.17%的文件引入了新的lint问题，同时开发者接受度较高（73.5%的PR被合并）。该研究主要关注代码重构的实证评估，与关键词中的agent有一定关联，但方法上缺乏开创性。

HITL-D: Human In The Loop Diffusion Assisted Shared Control

Riley Zilka et al.

cs.RO cs.AI cs.HC

本文提出HITL-D，一种结合人类控制与diffusion-based policies的共享控制框架，用于提升多步骤、插入和精细操作任务中的用户表现。实验表明该方法在任务完成时间和主观评价上优于传统遥操作。

WikiVQABench: A Knowledge-Grounded Visual Question Answering Benchmark from Wikipedia and Wikidata

Basel Shbita, Pengyuan Li, Anna Lisa Gentile

cs.CV cs.AI

本文提出了WikiVQABench，一个基于Wikipedia和Wikidata构建的知识驱动型视觉问答基准数据集，用于评估视觉语言模型在需要外部知识时的推理能力。

Velocityformer: Broken-Symmetry-Matched Equivariant Graph Transformers for Cosmological Velocity Reconstruction

Tilman Tröster et al.

astro-ph.CO cs.LG

本文提出Velocityformer，一种等变图transformer架构，用于从光谱巡天数据中重建宇宙学速度场。该方法通过匹配观测数据中因视线方向导致的对称性破缺，提高了重建速度与真实速度的相关系数$r$，并在模拟数据上优于标准线性理论基线。

bluearXiv-ai 论文精选

📚 跟踪学科 (Categories)

🔍 筛选关键词 (Keywords)

📊 论文统计 ↑ 回顶部

⭐ 精选论文 ↑ 回顶部

cs.LG

cs.AI

cs.CL

cs.DS

others

📄 所有论文 ↑ 回顶部

cs.LG

cs.AI

cs.IR

cs.CL

cs.DS

others