bluearXiv-ai 论文精选

2026-05-22
返回首页 论文统计 精选论文 所有论文

📚 跟踪学科 (Categories)

🔍 筛选关键词 (Keywords)

📊 论文统计 ↑ 回顶部

cs.LG
177
cs.AI
78
cs.IR
7
cs.CL
66
cs.DS
8
others
144
总计
480

⭐ 精选论文 ↑ 回顶部

cs.LG

TBP-mHC: full expressivity for manifold-constrained hyper connections through transportation polytopes ⭐ 精选
Anton Lyubinin
cs.LG cs.AI
Memory-R2: Fair Credit Assignment for Long-Horizon Memory-Augmented LLM Agents ⭐ 精选
Sikuan Yan et al.
cs.LG cs.MA
Manifold-Guided Attention Steering ⭐ 精选
Ian Li et al.
cs.LG
Same Architecture, Different Capacity: Optimizer-Induced Spectral Scaling Laws ⭐ 精选
Nandan Kumar Jha, Brandon Reagen
cs.LG
Energy-Gated Attention: Spectral Salience as an Inductive Bias for Transformer Attention ⭐ 精选
Athanasios Zeris
cs.LG cs.CL eess.SP
OPPO: Bayesian Value Recursion for Token-Level Credit Assignment in LLM Reasoning ⭐ 精选
Yu Li et al.
cs.LG cs.AI
Maestro: Reinforcement Learning to Orchestrate Hierarchical Model-Skill Ensembles ⭐ 精选
Jinyang Wu et al.
cs.LG cs.CL
One LR Doesn't Fit All: Heavy-Tail Guided Layerwise Learning Rates for LLMs ⭐ 精选
Di He et al.
cs.LG cs.AI
Chebyshev Policies and the Mountain Car Problem: Reinforcement Learning for Low-Dimensional Control Tasks ⭐ 精选
Stefan Huber et al.
cs.LG
AMUSE: Anytime Muon with Stable Gradient Evaluation ⭐ 精选
Jueun Kim et al.
cs.LG
Factored Diffusion Policies:Compositionally Generalized Robot Control with a Single Score Network ⭐ 精选
Sayan Mitra et al.
cs.LG
The Value of Covariance Matching in Gaussian DDPMs and the Lanczos Sampler ⭐ 精选
Md Sahil Akhtar et al.
cs.LG cs.AI cs.IT
Lumberjack: Better Differentially Private Random Forests through Heavy Hitter Detection in Trees ⭐ 精选
Christian Janos Lebeda et al.
cs.LG cs.DS

cs.AI

TO-Agents: A Multi-Agent AI Pipeline for Preference-Guided Topology Optimization ⭐ 精选
Isabella A. Stewart, Hongrui Chen, Faez Ahmed
cs.AI
Trace2Skill: Verifier-Guided Skill Evolution for Long-Context EDA Agents ⭐ 精选
Zijian Du, Nathaniel Pinckney
cs.AI cs.MA
ExComm: Exploration-Stage Communication for Error-Resilient Agentic Test-Time Scaling ⭐ 精选
Woomin Song et al.
cs.AI
Ratchet: A Minimal Hygiene Recipe for Self-Evolving LLM Agents ⭐ 精选
Xing Zhang et al.
cs.AI cs.CL
Evaluating Large Language Models as Live Strategic Agents: Provider Performance, Hybrid Decomposition, and Operational Gaps in Timed Risk Play ⭐ 精选
H. C. Ekne
cs.AI
Search-E1: Self-Distillation Drives Self-Evolution in Search-Augmented Reasoning ⭐ 精选
Zihan Liang et al.
cs.AI cs.CL cs.IR
Advancing Mathematics Research with AI-Driven Formal Proof Search ⭐ 精选
George Tsoukalas et al.
cs.AI
Gated DeltaNet-2: Decoupling Erase and Write in Linear Attention ⭐ 精选
Ali Hatamizadeh, Yejin Choi, Jan Kautz
cs.AI

cs.CL

ACC: Compiling Agent Trajectories for Long-Context Training ⭐ 精选
Qisheng Su et al.
cs.CL cs.AI
Token-weighted Direct Preference Optimization with Attention ⭐ 精选
Chengyu Huang et al.
cs.CL

others

Autonomous LLM Agents & CTFs: A Second Look ⭐ 精选
Youness Bouchari et al.
cs.CR cs.AI
Scalable On-Policy Reinforcement Learning via Adaptive Batch Scaling ⭐ 精选
Jongchan Park
stat.ML cs.AI cs.LG
Patch Hierarchical Attention Transformer for Efficient Particle Jet Tagging ⭐ 精选
Aaron Wang et al.
hep-ex cs.AI
MLLMs Know When Before Speaking: Revealing and Recovering Temporal Grounding via Attention Cues ⭐ 精选
Dazhao Du et al.
cs.CV cs.AI
DeltaBox: Scaling Stateful AI Agents with Millisecond-Level Sandbox Checkpoint/Rollback ⭐ 精选
Yunpeng Dong et al.
cs.OS cs.AI

📄 所有论文 ↑ 回顶部

cs.LG

TBP-mHC: full expressivity for manifold-constrained hyper connections through transportation polytopes ⭐ 精选
Anton Lyubinin
cs.LG cs.AI
本文提出Transportation Birkhoff Polytope (TBP)参数化方法及其递归变体RTBP，用于解决Manifold-Constrained Hyper-Connections (mHC)中双随机混合矩阵的构造问题。该方法通过引入transportation polytope（运输多面体）结构，以\((n-1)^2\)个自由度实现了Birkhoff polytope（Birkhoff多面体）的完全表达性，避免了Sinkhorn迭代归一化和组合爆炸，同时保持了训练稳定性。实验表明，该方法在语言模型预训练中取得了具有竞争力的性能，并提升了可扩展性。
Memory-R2: Fair Credit Assignment for Long-Horizon Memory-Augmented LLM Agents ⭐ 精选
Sikuan Yan et al.
cs.LG cs.MA
本文提出Memory-R2框架，用于训练长程记忆增强的LLM agent。其核心算法LoGo-GRPO通过结合局部和全局的group-relative optimization，解决了在多session环境中不同rollout因memory状态不同而导致的credit assignment不公平问题。具体地，全局目标保留从长程trajectory-level reward进行端到端学习的能力，而局部rerollout则从相同的中间memory状态出发比较不同的memory操作结果，从而为memory construction提供更公平的group comparison和更精确的监督信号。此外，该框架还通过shared-parameter co-learning设计联合优化memory formation与evolution，并采用progressive curriculum来稳定长程多步RL训练。
Manifold-Guided Attention Steering ⭐ 精选
Ian Li et al.
cs.LG
本文提出Manifold-Guided Attention Steering (MAGS)，一种基于几何观测的轨迹感知推理时干预方法。该方法发现特定attention head的输出激活在错误点会偏离一个低维的正确性manifold，并通过对比正确与错误轨迹学习该manifold的低维子空间。在推理时，MAGS监测每个head到该manifold的接近程度，当偏离超过阈值时施加定向投影修正，将attention输出引导回正确子空间。实验表明，MAGS在数学推理、代码生成和分子生成等基准上一致优于未干预基线和静态steering方法，揭示了正确性manifold是LLM attention几何结构的一般特征。
Same Architecture, Different Capacity: Optimizer-Induced Spectral Scaling Laws ⭐ 精选
Nandan Kumar Jha, Brandon Reagen
cs.LG
本文发现，在固定Transformer架构和宽度缩放策略下，不同optimizer（如AdamW和Muon）会导致前馈网络表示的eigenspectra（特征谱）呈现截然不同的spectral scaling laws（谱缩放律）。具体而言，Muon在稀有token（TAIL）表示上实现了线性hard-rank scaling（\(\beta=1.02\)），而AdamW仅表现出弱缩放（\(\beta=0.44\)），且这种差异无法由验证损失解释——即使perplexity匹配，representation structure（表示结构）仍显著不同。该工作将optimizer确立为representation scaling（表示缩放）的一级轴，为optimizer-architecture co-design（优化器-架构协同设计）提供了理论基础。
Energy-Gated Attention: Spectral Salience as an Inductive Bias for Transformer Attention ⭐ 精选
Athanasios Zeris
cs.LG cs.CL eess.SP
本文提出Energy-Gated Attention (EGA)，通过一个可学习的线性投影计算key token embeddings的spectral energy，并以此作为inductive bias来门控value aggregation，使得信息密度高的token（如实词）获得更多注意力。在TinyShakespeare和Penn Treebank上，EGA仅增加0.26%的参数即实现了约+0.1的validation loss改进，且发现最优的energy方向是data-adaptive的，而非固定的小波基。该方法为transformer attention引入了一种基于spectral salience的简单而有效的改进，与关键词中的“attention”和“spectral”高度契合。
OPPO: Bayesian Value Recursion for Token-Level Credit Assignment in LLM Reasoning ⭐ 精选
Yu Li et al.
cs.LG cs.AI
OPPO提出了一种基于Bayesian Value Recursion的token-level credit assignment方法，用于解决LLM推理中GRPO等算法将单一轨迹级advantage分配给所有token导致的信号稀释问题。该方法通过oracle信号（即模型对最终成功的信念的Bayesian更新）沿轨迹累积，以一次额外前向传播的代价得到每个位置的运行成功概率估计和token-level advantage，无需学习value network或额外rollout。理论分析将advantage分解为per-token discrimination信号和state weight的乘积，后者能集中credit于真正关键的token，并具有方向性方差缩减保证。在七个数学、科学和代码推理基准上，OPPO相比GRPO、DAPO和SDPO取得了显著提升，且增益随响应长度单调增加。
Maestro: Reinforcement Learning to Orchestrate Hierarchical Model-Skill Ensembles ⭐ 精选
Jinyang Wu et al.
cs.LG cs.CL
本文提出Maestro框架，将异构多模态任务建模为基于hierarchical model-skill registry的sequential decision-making过程，并通过Reinforcement Learning (RL)训练一个轻量级policy来动态编排frozen expert models与two-tier skill library。该方法无需step-level supervision，仅以4B orchestrator在十个多模态基准上平均准确率达70.1%，超越GPT-5与Gemini-2.5-Pro，且学到的协调策略可泛化至未见模型与技能。该工作为agent领域提供了利用RL实现模型与技能动态组合的开创性范式，与关键词“agent”高度契合。
One LR Doesn't Fit All: Heavy-Tail Guided Layerwise Learning Rates for LLMs ⭐ 精选
Di He et al.
cs.LG cs.AI
本文提出了一种基于Heavy-Tailed Self-Regularization (HT-SR)理论的层间自适应学习率方法LLR，通过分析Transformer各层权重相关矩阵的empirical spectral density (ESD)来量化heavy-tailedness，从而为不同层分配差异化学习率。该方法打破了传统统一学习率的局限，在LLaMA、GPT-nano等架构及AdamW、Muon优化器上验证了有效性，实现了最高1.5倍的训练加速，并将零样本准确率从47.09%提升至49.02%。其核心优势在于低调参开销，可直接从统一学习率基线迁移最优设置，为大规模语言模型的高效预训练提供了新范式。
Chebyshev Policies and the Mountain Car Problem: Reinforcement Learning for Low-Dimensional Control Tasks ⭐ 精选
Stefan Huber et al.
cs.LG
本文通过解析方法解决了Mountain Car问题，填补了该领域36年来的空白，并揭示了最优控制的简洁性以及现代RL agent与最优解之间的巨大差距。受此启发，作者从第一性原理出发提出了Chebyshev policies，作为一种通用的、稠密的RL policy类，可作为神经网络的直接替代品进行训练。实验表明，Chebyshev policies在多个低维控制任务（包括真实世界的非线性运动控制测试平台）中，使用PPO、ARS和REINFORCE算法时，均能一致地提升性能，将regret降低4.18倍，同时参数数量减少277倍，从而促进了样本效率、可解释性和实时性。
AMUSE: Anytime Muon with Stable Gradient Evaluation ⭐ 精选
Jueun Kim et al.
cs.LG
本文提出了一种名为AMUSE的优化算法，通过分析Muon优化器在river-valley loss landscape（一种损失景观，其中有用训练沿低曲率的“河流”子空间进行，而高曲率方向形成振荡的“谷壁”）中的行为，发现Muon的orthogonalization（正交化）虽加速了河流子空间的进展，但放大了主导方向噪声。AMUSE通过引入一个时变插值系数，在训练初期利用Muon序列的快速适应能力，随后逐渐过渡到Schedule-Free averaging（无调度平均）的稳定序列以抑制振荡，从而无需学习率调度并支持任意时刻训练。实验表明，AMUSE在视觉任务和大语言模型预训练中，在性能-迭代Pareto前沿上一致优于(Schedule-Free) AdamW和Muon。
Factored Diffusion Policies:Compositionally Generalized Robot Control with a Single Score Network ⭐ 精选
Sayan Mitra et al.
cs.LG
本文提出Factored Diffusion Policies (FDP)，一种基于单共享score network的分解式扩散策略，用于机器人控制中的组合泛化。该方法通过per-factor null-token dropout训练，使得score在推理时按因子可加性分解，从而将训练任务预算从因子基数的乘积降低为和，并利用轨迹管证书将score-level误差界通过ODE反向采样和收缩跟踪控制器转化为闭环状态轨迹管半径。与需要组合多个独立训练网络的compositional-diffusion方法不同，FDP仅使用单一网络，在无人机竞速实验中，基于状态的multi-gate任务中通过90%的未见门（与oracle持平），而K-network组合基线仅3%；在基于视觉的single-gate任务中零样本迁移到未见场景，成功率提升11.7个百分点，碰撞率降低2.4倍。该方法与关键词中的“agent”和“attention”（因子分解可视为隐式注意力机制）较为契合。
The Value of Covariance Matching in Gaussian DDPMs and the Lanczos Sampler ⭐ 精选
Md Sahil Akhtar et al.
cs.LG cs.AI cs.IT
本文针对Gaussian DDPMs中的path-space KL散度误差，证明了匹配完整后验协方差（full posterior covariance）可以打破标准各向同性协方差（isotropic reverse covariances）导致的\(\Omega(1/T)\)误差下界，实现阶数级改进至\(O(1/T^2)\)。为使全协方差匹配实用化，作者提出了Lanczos Gaussian sampler (LGS)，一种无需训练、无需矩阵存储的方法，仅通过协方差-向量乘积（利用后验均值的Jacobian-vector product实现）进行采样，并证明了LGS的近似误差随Lanczos步数呈指数衰减。实验表明，仅用三步Lanczos迭代即可在标准图像基准上超越强对角协方差基线（如OCM-DDPM），从而将全协方差匹配从理论价值转化为快速DDPM采样的实用工具。
Lumberjack: Better Differentially Private Random Forests through Heavy Hitter Detection in Trees ⭐ 精选
Christian Janos Lebeda et al.
cs.LG cs.DS
Lumberjack提出了一种新的差分隐私随机森林算法，通过构建大型随机决策树并应用隐私保护剪枝来保留足够稠密的节点，显著提升了隐私-效用权衡。其核心贡献是一个针对层次数据的\((\varepsilon,\delta)\)-DP heavy hitter检测算法，误差为\(O_{\varepsilon,\delta}(\sqrt{\log h})\)（\(h\)为树高），该算法允许使用比先前工作更深的树，从而在隐私约束下增强模型表达能力。实验表明，该方法在基准数据集上持续优于现有DP随机森林方法，建立了新的最优结果。
Temporal Contrastive Transformer for Financial Crime Detection: Self-Supervised Sequence Embeddings via Predictive Contrastive Coding
Danny Butvinik et al.
cs.LG cs.CR
本文提出Temporal Contrastive Transformer (TCT)框架，通过自监督对比学习对金融交易序列进行表示学习，以捕捉行为的时间动态。实验表明，其学到的embedding单独使用时有一定预测性能，但与手工特征结合时未带来显著提升，说明当前表示与已有特征存在重叠。
Teaching Language Models to Forecast Research Success Through Comparative Idea Evaluation
Srujan P Mule, Aniketh Garikaparthi, Manasi Patwardhan
cs.LG cs.AI cs.CL
本文研究了语言模型在无需实验的情况下预测研究想法成功性的能力，通过构建基于PapersWithCode数据集的比较性经验预测任务，发现小规模模型经监督微调后性能显著提升。该工作主要关注自动化科学发现中的想法筛选问题，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
The Attribution Impossibility: No Feature Ranking Is Faithful, Stable, and Complete Under Collinearity
Drake Caraker, Bryan Arnold, David Rhoads
cs.LG cs.AI cs.LO stat.ML
本文证明了在特征存在collinearity时，没有feature ranking能同时满足faithful、stable和complete，并提出了DASH (Diversified Aggregation of SHAP)作为ensemble方法来解决该问题。文章通过理论分析和Lean 4形式化验证，刻画了attribution design space的二分结构，并提供了实用诊断工具。
Don't Collapse Your Features: Why CenterLoss Hurts OOD Detection and Multi-Scale Mahalanobis Wins
Rahul D Ray
cs.LG cs.AI cs.CV
本文研究了OOD检测问题，发现CenterLoss正则化会损害OOD检测性能，并提出了GOEN方法，通过多尺度特征、L2归一化和Mahalanobis距离来提升OOD检测效果。该方法在CIFAR-10基准上取得了优于多种基线方法的平均OOD AUROC。
Double descent for least-squares interpolation on contaminated data: A simulation study
Tino Werner
cs.LG
本文通过模拟实验研究了污染数据下最小二乘插值估计器的double descent现象，发现高度过参数化时该非鲁棒估计器的泛化性能可超越鲁棒替代方法。
HealthCraft: A Reinforcement Learning Safety Environment for Emergency Medicine
Brandon Dent
cs.LG cs.AI cs.CL
本文提出了HealthCraft，一个基于Corecraft改编的强化学习安全环境，用于在急诊医学场景下评估语言模型的轨迹级安全性。该环境包含FHIR R4世界状态、24个MCP工具和双层评分规则，实验表明前沿模型在多步工作流中性能接近零，且基础设施错误会显著影响模型排名。
Predicting Performance of Symbolic and Prompt Programs with Examples
Chengqi Zheng et al.
cs.LG cs.AI
本文研究如何预测符号程序（如Python）和基于LLM的prompt程序在未见任务上的性能，使用简单的coin-flip模型将执行结果视为Bernoulli随机变量，并发现符号程序的性能先验是“全有或全无”的，而prompt程序的先验则较为分散。基于此，作者提出RAP方法，通过检索相似任务和prompt程序来构建代理先验以进行性能预测。
Harnesses for Inference-Time Alignment over Execution Trajectories
Boyuan Wang et al.
cs.LG cs.AI
本文从推理时轨迹对齐的角度研究LLM agent的harness设计，将harness分解为任务分解和引导执行两个机制，并量化了工作流粒度、重试预算和引导重加权对性能的影响。实验揭示了过度分解、过度剪枝和幻觉执行等失败模式，并表明部分指定的harness（仅指定初始步骤）可能比完全结构化的workflow获得更高的通过率。
A Reproducible Log-Driven AutoML Framework for Interpretable Pipeline Optimization in Healthcare Risk Prediction
Rui Huang, Lican Huang
cs.LG cs.AI
本文提出了一个名为yvsoucom-iterkit的确定性、日志驱动的AutoML框架，用于可解释的医疗风险预测pipeline优化。该框架将pipeline编码为可追溯的日志实体，通过分析超过18,000种配置，揭示了搜索空间的结构化与冗余性，并识别出数据增强、模型选择和不平衡处理等关键组件。
DualOptim+: Bridging Shared and Decoupled Optimizer States for Better Machine Unlearning in Large Language Models
Xuyang Zhong et al.
cs.LG
本文提出DualOptim+框架，通过引入base state和delta states来改进大语言模型中的machine unlearning，在遗忘和保留目标之间实现更好的权衡。该方法主要关注优化器状态的设计，与关键词中的核心概念关联较弱。
Discovering Entity-Conditioned Lag Heterogeneity: A Lag-Gated Neural Audit Framework for Panel Time Series
Andi Xu
cs.LG
本文提出AC-GATE框架，用于从面板时间序列数据中发现实体条件异质性滞后（entity-conditioned heterogeneous lag）。该方法通过自适应条件编码器和尺度不变滞后门来建模滞后权重分布，使有效滞后成为模型的结构化输出而非事后解释。
Provable Joint Decontamination for Benchmarking Multiple Large Language Models
Zhenlong Liu, Hao Zeng, Hongxin Wei
cs.LG
本文针对多LLM基准测试中的数据污染问题，提出了一种联合去污方法JECS，通过计算每个模型的conformal p-value并聚合，实现了全局污染率的控制。该方法在多个模型和基准上验证了其有效性，但主要贡献在于统计推断框架而非与关键词直接相关的开创性方法。
Tabular foundation models for robust calibration of near-infrared chemical sensing data
Robin Reiter et al.
cs.LG eess.SP
本文评估了tabular foundation model TabPFN在近红外光谱化学传感校准中的表现，发现其在回归任务中优于PLS等方法，但在处理光谱异常值和外推样本时优势有限，表明这类模型可补充传统化学计量学方法，尤其适用于中小规模校准场景。
PeakFocus: Bridging Peak Localization and Intensity Regression via a Unified Multi-Scale Framework for Electricity Load Forecasting
Wangzhi Yu et al.
cs.LG
本文提出PeakFocus框架，通过统一的多尺度方法解决电力负荷峰值预测中时间定位与强度回归的分离问题，并引入位置感知解码器缓解强度平滑现象。实验表明该方法在时序精度和强度估计上优于基线。
Expectation Consistency Loss: Rethink Confidence Calibration under Covariate Shift
Jinzong Dong, Zhaohui Jiang, Bo Yang
cs.LG stat.ML
本文重新思考了协变量偏移下的置信度校准问题，推导了期望一致性条件，并提出了期望一致性损失（ECL）用于无监督域适应中的置信度校准，证明了其样本复杂度与期望校准误差（ECE）相同。该方法与标准校准、类别校准和顶层标签校准兼容，并在模拟和真实协变量偏移数据集上验证了有效性。
TONIC: Token-Centric Semantic Communication for Task-Oriented Wireless Systems
Sige Liu, Kezhi Wang
cs.LG cs.IT eess.IV
本文提出TONIC框架，将源样本转换为token序列并估计其任务相关性，通过非等错误保护分配信道资源，并在接收端利用token级置信度门控与Transformer补全模型处理不可靠决策。该方法在图像分类任务中优于传统分离方案及DeepJSCC等基线。
Beyond Single Slot: Joint Optimization for Multi-Slot Guaranteed Display Advertising
Zhaoqi Zhang et al.
cs.LG
本文针对多槽位保证展示广告的分配问题，提出了一种联合优化框架，将分配建模为离线二分图匹配问题，并设计了合同轮盘机制与Page View约束。该方法在美团广告平台上的在线测试中显著提升了商户ROI和平台收入效率。
From Parameters to Data: A Task-Parameter-Guided Fine-Tuning Pipeline for Efficient LLM Alignment
Hao Chen et al.
cs.LG cs.CL
本文提出P2D框架，利用任务敏感的attention heads同时指导数据筛选和结构剪枝，通过更新10%的attention heads和10%的数据实现性能提升和7.0倍加速。该方法与关键词中的attention相关，但整体创新性有限。
AutoMCU: Feasibility-First MCU Neural Network Customization via LLM-based Multi-Agent Systems
Penglin Dai et al.
cs.LG
本文提出AutoMCU，一个基于LLM的多智能体系统，用于在MCU约束下自动化神经网络定制。它通过硬件在环架构生成和状态隔离的多智能体调度，在训练前过滤不可部署的设计，并在CIFAR-10/100上实现竞争性精度，同时将定制时间从数百GPU小时缩短至1-2小时。
Objective-Induced Bias and Search Dynamics in Multiobjective Unsupervised Feature Selection
Mathieu Cherpitel et al.
cs.LG
本文研究了多目标无监督特征选择中不同评价目标（accuracy, silhouette score, PCA reconstruction loss）对搜索动态和Pareto前沿质量的影响，发现silhouette-based formulation倾向于产生低基数解，而PCA loss objective能获得紧凑且预测性能良好的子集。
Embedding-Based Federated Learning with Runtime Governance for Iron Deficiency Prediction
Fan Zhang et al.
cs.LG
本文提出了一种基于embedding的federated learning pipeline，用于从常规全血细胞计数数据预测铁缺乏症，并在两个临床环境中部署。通过使用冻结的domain-specific hematology foundation model (DeepCBC)进行局部特征提取，并采用FedMAP个性化聚合方法，解决了non-IID数据分布下的性能下降问题，但方法本身在federated learning领域并非开创性突破。
Leveraging Self-Paced Curriculum Learning for Enhanced Modality Balance in Multimodal Conversational Emotion Recognition
Phuong-Anh Nguyen et al.
cs.LG
本文提出了一种基于Self-Paced Curriculum Learning (SPCL)的即插即用框架，用于多模态对话情感识别，通过双层次难度评估器（utterance-level和conversation-level）来缓解模态不对齐和训练不平衡问题。实验表明该方法在IEMOCAP和MELD数据集上能提升模型性能，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。
Calibration, Uncertainty Communication, and Deployment Readiness in CKD Risk Prediction: A Framework Evaluation Study
Michael O. Eniolade
cs.LG
本文评估了五种机器学习模型在慢性肾病风险预测中的校准性能、不确定性量化及部署准备度，发现模型在内部测试集上表现完美但外部迁移时校准和覆盖度严重下降，强调了外部验证的重要性。
Equilibrium Propagation and Hamiltonian Inference in the Diffusive Fitzhugh-Nagumo Model
Jack Kendall
cs.LG
本文研究了Equilibrium Propagation框架在skew-gradient系统上的扩展，并展示了深度Energy-Based Models与Hamiltonian神经网络之间的等价性，主要聚焦于扩散耦合的Fitzhugh-Nagumo神经元网络。
ConTact: Contact-First Antibody CDR Design via Explicit Interface Reasoning
Mansoor Ahmed et al.
cs.LG
本文提出了一种名为ConTact的抗体CDR设计方法，通过显式分解接触预测与序列生成两个子问题，利用距离偏置cross-attention和接触加权损失函数提升性能。该方法在CHIMERA-Bench数据集上取得了结构质量和表位感知度的改进，但未涉及代码、谱方法或预训练等关键词相关技术。
When Are Teacher Tokens Reliable? Position-Weighted On-Policy Self-Distillation for Reasoning
Xiaogeng Liu et al.
cs.LG cs.AI
本文研究了on-policy self-distillation (OPSD)中teacher token可靠性的问题，发现token可靠性主要由其在序列中的位置决定而非局部不确定性，并据此提出Position-Weighted On-Policy Self-Distillation (PW-OPSD)方法，通过在训练中施加递增的位置权重来提升推理性能。该方法在多个数学推理基准上取得了改进，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
AgForce Enables Antigen-conditioned Generative Antibody Design
Mansoor Ahmed, Murray Patterson
cs.LG
本文提出了一种名为AgForce的encoder-decoder架构，用于抗体设计。它通过graph neural network (GNN)编码器和包含mixture density network (MDN)与annealed Multiple Choice Learning (aMCL)的专用解码器，解决了现有方法忽略抗原输入的问题，并在CHIMERA-Bench数据集上取得了最优的结合质量和序列恢复效果。
$\textit{BlockFormer}$ : Transformer-based inference from interaction maps
Eloïse Touron et al.
cs.LG q-bio.QM
本文提出了一种基于Transformer架构的方法BlockFormer，用于从交互图谱（如Hi-C数据）中推断参数，通过自定义模拟器生成合成数据进行训练，并应用于着丝粒定位问题。该方法能处理实体数量和大小可变性，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。
Alike Parts: A Feature-Informed Approach to Local and Global Prototype Explanations
Jacek Karolczak, Jerzy Stefanowski
cs.LG
本文提出了一种基于prototype的可解释性框架，通过引入feature importance来增强局部和全局解释的粒度，实验表明该方法在保持预测保真度的同时提升了特征多样性。
Dropout Universality: Scaling Laws and Optimal Scheduling at the Edge-of-Chaos
Lucas Fernandez Sarmiento
cs.LG cond-mat.dis-nn cs.NE stat.ML
本文利用平均场理论将dropout视为临界信号传播的扰动，推导了相关衰减的临界和交叉标度律，并揭示了光滑激活函数与ReLU类激活函数属于不同普适类。该框架在固定预算下得到饱和dropout分布，并通过秩流打破平局选择前置调度，在无额外计算成本下降低测试损失。
EntmaxKV: Support-Aware Decoding for Entmax Attention
Gonçalo Duarte, Miguel Couceiro, Marcos V. Treviso
cs.LG cs.CL
本文提出EntmaxKV，一种针对\(\alpha\)-entmax attention的稀疏解码框架，通过查询感知的页面评分和支持感知的候选选择，在加载KV缓存前利用稀疏性，从而减少长上下文解码中的内存流量。实验表明，该方法在匹配的KV预算下比基于softmax的稀疏解码丢弃更少的概率质量，并实现了显著的加速。
Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction
Alexander Smirnov
cs.LG cs.AI cs.CL
本文研究了AI文本检测器的工作原理，发现它们并非学习AI与人类文本的边界，而是放大预训练编码器中的典型性轴（typicality axis）。实验表明，在RoBERTa-base等架构上，原始编码器的投影性能甚至超过微调后的检测器，且该轴在非母语ESL写作上会反转，验证了典型性解释的预测。
Value-Gradient Hypothesis of RL for LLMs
Arip Asadulaev et al.
cs.LG cs.AI cs.CL
本文从value-gradient视角分析了无critic的RL方法（如PPO和GRPO）在LLM后训练中的有效性，证明了在可微rollout和加性噪声参数化下，actor更新在期望上近似于value-gradient，并通过transformer中的autodifferentiation验证了该信号。该工作为理解RL在LLM中的增益提供了理论分解，但与关键词列表中的概念关联较弱。
Hierarchical Variational Policies for Reward-Guided Diffusion
Kushagra Pandey et al.
cs.LG cs.AI cs.CV
本文提出了一种层次化变分策略框架，用于将预训练的diffusion模型适配到下游任务（如逆问题），通过将测试时控制摊销为轻量级随机策略，在显著降低推理成本的同时生成高质量样本。该方法支持少步diffusion采样，并在超分辨率等任务上实现了优于现有基线的质量-速度权衡。
Representation Gap: Explaining the Unreasonable Effectiveness of Neural Networks from a Geometric Perspective
David Perera et al.
cs.LG stat.ML
本文引入Representation Gap这一metric，通过最优量化与点过程理论，证明了其渐近等价形式由任务的intrinsic dimension控制，并展示了该结果在多种任务与训练算法中的适用性。
X-Token: Projection-Guided Cross-Tokenizer Knowledge Distillation
Sharath Turuvekere Sreenivas et al.
cs.LG cs.CL
本文提出X-Token方法，通过投影矩阵W解决跨tokenizer知识蒸馏中词汇不匹配导致的罕见token失效和过度保守匹配问题，包含P-KL和H-KL两种互补损失函数，在Llama-3.2-1B上优于现有方法GOLD。该方法主要关注知识蒸馏中的logit对齐，与关键词中的attention、pretrain等概念关联较弱。
I-SAFE: Wasserstein Coherence Metrics for Structural Auditing of Scientific AI Models
Barbara Tarantino, Gennaro Auricchio, Paolo Giudici
cs.LG
本文提出I-SAFE框架，使用Wasserstein Coherence Metric (WCM)对科学AI模型进行后验分布审计，通过结构引导扰动评估模型输出与领域先验的一致性。该框架在药物-靶标相互作用预测任务上展示了模型间分布响应差异，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。
Correcting Class Imbalance in Prior-Data Fitted Networks for Tabular Classification
Samuel McDowell, Nathan Stromberg, Lalitha Sankar
cs.LG cs.IT
本文研究了Prior-data Fitted Networks (PFNs)在表格分类任务中处理类别不平衡的问题，发现阈值调整和降采样方法因PFN的校准特性和小样本性能而表现良好。
Quantitative coronary calcification analysis for prediction of myocardial ischemia using non-contrast CT calcium scoring
Juhwan Lee et al.
cs.LG
本文利用机器学习框架，基于非对比CT钙化评分（CTCS）中的定量冠状动脉钙化特征（calcium-omics features）预测心肌缺血。研究分析了1375名患者的数据，通过XGBoost和SHAP方法筛选特征，最终模型结合了Agatston评分、8个钙化组学特征和年龄，在预测性能上优于仅使用临床变量或Agatston评分的模型。
Models Can Model, But Can't Bind: Structured Grounding in Text-to-Optimization
Zhiqi Gao et al.
cs.LG
本文研究了text-to-optimization任务中建模与绑定能力的分离，发现模型在实例数据增长时准确率会急剧下降（有效绑定极限），并提出BIND方法将数值数据外部化到结构化文件中以提升性能。
PEARL: Unbiased Percentile Estimation via Contrastive Learning for Industrial-Scale Livestream Recommendation
Blake Gella et al.
cs.LG cs.AI
本文提出PEARL框架，通过contrastive learning和nonparametric percentile estimation来缓解推荐系统中用户行为强度不平衡导致的偏差，在工业级直播推荐场景中取得了显著效果。该方法主要关注相对偏好信号而非绝对交互量，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Machine learning prediction of obstructive coronary artery disease using opportunistic coronary calcium and epicardial fat assessments from CT calcium scoring scans
Juhwan Lee et al.
cs.LG
本文利用CatBoost算法结合SHAP值，从CT钙化积分扫描图像中提取冠状动脉钙化和心外膜脂肪的定量特征，构建了预测阻塞性冠状动脉疾病的机器学习模型。该模型在SCOT-HEART临床试验数据上取得了较好的预测性能，但方法本身属于现有技术的应用，缺乏显著的开创性。
On the Sample Complexity of Discounted Reinforcement Learning with Optimized Certainty Equivalents
Oliver Mortensen, Mohammad Sadegh Talebi
cs.LG eess.SY stat.ML
本文研究了在有限折扣MDP中，使用生成模型进行风险敏感强化学习的样本复杂度，分析了优化确定性等价(OCE)风险度量下的值学习和策略学习，给出了PAC可学习性的精确刻画和样本复杂度界限。
Position: The Time for Sampling Is Now! Charting a New Course for Bayesian Deep Learning
Emanuel Sommer, David Rügamer
cs.LG
本文主张在Bayesian neural networks (BNNs)中，基于采样的推理方法（sampling-based inference）已与优化方法在计算上持平，并有望取代后者。文章呼吁社区克服误解，聚焦于后验空间的充分探索与高效蒸馏等核心挑战。
Provable Robustness against Backdoor Attacks via the Primal-Dual Perspective on Differential Privacy
Aman Saxena et al.
cs.LG cs.CR
本文通过将randomized smoothing与differential privacy的privacy profiles（隐私轮廓）相结合，为后门攻击下的鲁棒性认证提供了一个模块化框架。该框架能够对DP-SGD和Deep Partition Aggregation等复合机制进行端到端的鲁棒性分析，但方法本身并非针对关键词中的特定概念。
MMD-Balls as Credal Sets: A PAC-Bayesian Framework for Epistemic Uncertainty in Test-Time Adaptation
Ahanaf Hasan Ariq
cs.LG stat.ML
本文提出了一个PAC-Bayesian框架，通过将源分布周围的MMD-ball解释为credal sets来量化测试时适应中的认知不确定性，并建立了MMD依赖的泛化界和风险分解。该工作主要贡献在于理论框架的构建，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Three Costs of Amortizing Gaussian Process Inference with Neural Processes
Robin Young
cs.LG stat.ML
本文分析了latent neural processes (LNP)在摊销高斯过程推断时的三种误差来源：label contamination、information bottleneck和amortization error，并给出了这些误差项在特定kernel下的衰减速率。
stable-worldmodel: A Platform for Reproducible World Modeling Research and Evaluation
Lucas Maes et al.
cs.LG cs.RO
本文提出了stable-worldmodel (swm)平台，通过高性能Lance数据层和标准化评估基准，解决了世界模型研究中代码库碎片化和可重复性差的问题。该平台提供了多种环境与任务，支持对dynamics理解、控制性能等指标的系统性评估。
Why Semantic Entropy Fails: Geometry-Aware and Calibrated Uncertainty for Policy Optimization
Zheyuan Zhang et al.
cs.LG cs.CL
本文分析了现有基于entropy的不确定性信号在policy optimization中的不足，并提出了GCPO框架，通过引入geometry-aware measures和reward-based calibration来改进不确定性估计，从而提升post-training性能。
Symbolic Density Estimation for Discrete Distributions
Ziwen Liu, Meng Li
cs.LG
本文提出了一种名为symbolic density estimation (SDE)的无监督框架，用于自动发现离散分布的closed-form probability mass functions。该方法结合了结构先验、进化搜索和有效性推断，并扩展到了zero inflation和finite mixtures等更丰富的分布族。
Beyond Scalar Objectives: Expert-Feedback-Driven Autonomous Experimentation for Scientific Discovery at the Nanoscale
Ralph Bulanadi et al.
cs.LG cond-mat.mtrl-sci
本文提出了一种名为deep-kernel pairwise learning (DKPL)的方法，用于自主显微镜实验，通过让专家直接比较实验输出来替代预定义的标量目标函数。该方法在铁电畴壁分析等纳米尺度科学发现任务中展示了有效性，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
On-Policy Consistency Training Improves LLM Safety with Minimal Capability Degradation
Andy Han et al.
cs.LG
本文提出On-Policy Consistency Training (OPCT)方法，通过在模型自身对对比prompt的响应上计算consistency objective来提升LLM的安全性，在sycophancy、jailbreaking和safety awareness三个安全维度上优于传统的supervised fine-tuning (SFT)方法，并显著减少了能力退化。该方法与关键词中的context和attention概念关联较弱，且未涉及code、spectral、Muon、pretrain或agent等方向。
Geometry-Adaptive Explainer for Faithful Dictionary-Based Interpretability under Distribution Shift
Sungjun Lim et al.
cs.LG cs.CL
本文研究了分布偏移下基于字典的可解释性方法的忠实度问题，提出了一种几何自适应解释器（GAE），通过将字典与OOD活跃子空间重新对齐来减少忠实度差距，仅需无标签OOD激活且无需梯度更新。
The Illusion of Reasoning: Exposing Evasive Data Contamination in LLMs via Zero-CoT Truncation
Yifan Lan et al.
cs.LG cs.AI
本文提出Zero-CoT Probe (ZCP)方法，通过截断Chain-of-Thought过程并对比模型在原始benchmark与同构扰动数据集上的表现，来检测LLM中的直接和间接数据污染。该方法引入Contamination Confidence指标量化污染程度，实验验证了其有效性。
When to Switch, Not Just What: Transition Quality Prediction in Clash Royale
Heeyun Heo, Huy Kang Kim
cs.LG
本文分析了Clash Royale游戏中的策略切换行为，发现频繁切换与胜率负相关，并提出TQP（Transition Quality Predictor）三阶段框架来预测切换时机与策略质量，引入SwitchGap评估指标。该方法聚焦于游戏策略推荐，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
Noise Schedule Design for Diffusion Models: An Optimal Control Perspective
Seo Taek Kong, Weina Wang, R. Srikant
cs.LG
本文从最优控制视角重新审视扩散模型中的noise schedule设计问题，将其转化为一个以Fisher information为状态、noise schedule为控制输入的optimal control问题，并证明了该目标函数是KL散度采样误差的上界。通过求解该问题，作者给出了实现\(\tilde{\mathcal{O}}(d/n)\)采样误差的充分条件，并在数据分布参数假设下得到了noise schedule的闭式解，推广了指数和sigmoid等经验调度。
CausalGuard: Conformal Inference under Graph Uncertainty
Vikash Singh et al.
cs.LG cs.AI stat.ME
本文提出CausalGuard，一种在因果图不确定下进行conformal inference的框架，通过聚合图条件双重稳健伪结果并校准，以提供有限样本的边际覆盖。该方法利用LLM生成边先验并基于BIC重加权候选DAG，旨在解决图误设导致的覆盖不足问题。
Optimal Guarantees for Auditing Rényi Differentially Private Machine Learning
Benjamin D. Kim, Lav R. Varshney, Daniel Alabi
cs.LG cs.CR cs.IT
本文提出了一种基于假设检验的黑盒审计框架，通过Donsker-Varadhan变分估计器直接估计相邻执行之间的Rényi散度，并给出了非渐近置信区间。该方法在DP-SGD的审计中取得了优于现有方法的经验性RDP下界，但未涉及关键词中的code、spectral或Muon等概念。
SCI-Defense: Defending Manipulation Attacks from Generative Engine Optimization
Xucheng Yu et al.
cs.LG
本文提出SCI-Defense框架，用于防御针对LLM排序系统的GEO攻击，通过结合Perplexity检测、Semantic Integrity Scoring和Inter-Candidate Detection三个组件，在Amazon产品描述数据集上实现了高精度检测，但在MS MARCO网页数据上对Review攻击效果不佳。
Dynamic Mixture of Latent Memories for Self-Evolving Agents
Dianzhi Yu et al.
cs.LG
本文提出MoLEM框架，通过动态mixture-of-experts将经验知识内化到额外模块中，避免灾难性遗忘。该框架在数学、科学和代码领域的持续学习序列上进行了实验，相比基线提升了平均准确率。
ChronoMedicalWorld: A Medical World Model for Learning Patient Trajectories from Longitudinal Care Data
Jiangyuan Wang et al.
cs.LG cs.AI
本文提出了ChronoMedicalWorld Model (CMWM)，一个用于从纵向护理数据学习患者轨迹的动作条件潜在世界模型框架。该模型通过联合嵌入状态编码器和宽动作编码器，结合循环潜在转换模块和六项训练目标，在慢性肾病eGFR轨迹预测任务上优于GPT-5.5基线。该工作主要面向医学时序预测，与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
An Improved Adaptive PID Optimizer with Enhanced Convergence and Stability for Deep Learning
Saurabh Saini et al.
cs.LG
本文针对深度学习中的AdaPID优化器存在的收敛性和稳定性问题，提出了IAdaPID-ADG优化器，通过引入非递增有效学习率和基于梯度差的调制因子来改进。实验表明该方法在多个数据集上优于现有优化器。
How Sparsity Allocation Shapes Label-Free Post-Pruning Recoverability
Qishi Zhan, Minxuan Hu, Liang He
cs.LG
本文研究了在无标签后剪枝修复场景下，稀疏分配（如ERK和LAMP）如何影响模型的可恢复性。实验表明，在相同全局稀疏度下，不同的分配策略会显著改变修复后的准确率，且最优分配依赖于网络架构、数据集难度和稀疏度水平。
Reasoning through Verifiable Forecast Actions: Consistency-Grounded RL for Financial LLMs
Jialin Chen et al.
cs.LG
本文提出StockR1，一种通过可验证预测动作（forecast action）统一股票预测与金融推理的时间序列增强LLM。该方法使用强化学习优化，奖励函数联合考虑答案有效性、预测准确性及动作与时间序列动态的一致性，在金融问答和股票预测任务上提升了推理准确率。
Ex-GraphRAG: Interpretable Evidence Routing for Graph-Augmented LLMs
Yoav Kor Sade et al.
cs.LG cs.AI
本文提出Ex-GraphRAG，用Multivariate Graph Neural Additive Network (M-GNAN)替代GNN encoder，实现对图增强大语言模型中节点贡献的精确分解，无需后验近似。实验发现语义重要节点与结构连接节点存在不匹配，揭示了黑盒encoder无法察觉的证据路由问题。
Toward Understanding Adversarial Distillation: Why Robust Teachers Fail
Hongsin Lee, Hye Won Chung
cs.LG
本文研究了对抗性蒸馏中鲁棒教师模型为何有时会失败的问题，通过分析两层神经网络的feature learning dynamics，发现教师对“鲁棒不可学习样本集”的自信监督会迫使student模型记忆噪声模式，导致鲁棒过拟合。实验在合成数据和真实图像分类数据集上验证了这一理论。
Check Your LLM's Secret Dictionary! Five Lines of Code Reveal What Your LLM Learned (Including What It Shouldn't Have)
Hisashi Miyashita
cs.LG cs.CL
本文提出对transformer-based LLM的lm_head权重矩阵进行singular value decomposition (SVD)，仅需五行PyTorch代码即可从模型权重中揭示可解释的语义子空间。通过分析GPT-OSS-120B等模型，发现singular value谱和词汇聚类结构在不同模型间存在系统性差异，并引入Vocabulary Cluster Score (VCS)和Weighted Projection Score (WPS)来量化子空间一致性和检测glitch token。
CASE-NET: Deep Spatio-Temporal Representation Learning via Causal Attention and Channel Recalibration for Multivariate Time Series Classification
Fan Zhang, Yating Cui, Hua Wang
cs.LG
本文提出CASE-NET，通过因果时间编码器（Causal Temporal Encoder）和自适应通道重校准模块（Adaptive Channel Recalibration module）来改进多变量时间序列分类中的表示学习，在多个数据集上取得了新的最优结果。该方法主要关注时间因果性和通道显著性，与关键词中的attention有一定关联。
LABO: LLM-Accelerated Bayesian Optimization through Broad Exploration and Selective Experimentation
Zhuo Chen et al.
cs.LG cs.AI
本文提出LABO框架，通过门控准则动态平衡LLM预测与真实实验，利用低成本的LLM评估广泛探索搜索空间，仅对高不确定性区域进行昂贵实验，从而提升贝叶斯优化的样本效率。实验表明该方法在多种科学任务中优于现有方法。
Prototype-Guided Classification Sub-Task Decoupling Framework: Enhancing Generalization and Interpretability for Multivariate Time Series
Xianhao Song et al.
cs.LG cs.AI
本文提出PDFTime框架，将时间序列分类重构为基于prototype的多阶段决策过程，通过解耦特征提取与分类逻辑来提升模型的可解释性和泛化能力。实验表明该方法在多个基准上达到SOTA性能，但未涉及关键词中的code、spectral或Muon等概念。
From Reasoning Chains to Verifiable Subproblems: Curriculum Reinforcement Learning Enables Credit Assignment for LLM Reasoning
Xitai Jiang et al.
cs.LG cs.AI cs.CL
本文提出SCRL框架，通过从参考推理链中提取可验证子问题并采用子问题级归一化奖励，将部分进展转化为学习信号，从而改进LLM在困难推理问题上的强化学习效率。实验表明该方法在多个数学推理基准上优于GRPO等基线。
Can Breath Biomarkers Causally Influence Blood Glucose? Investigating VOC-Mediated Modulation in Diabetes
Varsha Sharma, Prasanta K. Guha, Avik Ghose
cs.LG q-bio.QM
本文探索了使用Volatile Organic Compounds (VOCs)和生活方式变量进行糖尿病非侵入性筛查的数据驱动框架，通过causal inference技术估计VOCs对血糖的影响，并利用classifier和Gaussian Mixture Model进行风险分层。
Aerodynamic force reconstruction using physics-informed Gaussian processes
Gledson Rodrigo Tondo, Igor Kavrakov, Guido Morgenthal
cs.LG cs.CE stat.ML
本文提出了一种基于物理信息的高斯过程方法，用于从噪声结构响应测量中重建气动载荷。该方法通过概率框架避免了过拟合，并在大贝尔特东桥的线性非定常假设下验证了其有效性。
Short-Term-to-Long-Term Memory Transfer for Knowledge Graphs under Partial Observability
Taewoon Kim, Vincent François-Lavet, Michael Cochez
cs.LG cs.AI
本文研究部分可观测环境下知识图谱的短期到长期记忆转移问题，提出一种基于per-item Q-learning的神经符号决策方法，使agent能选择保留或丢弃观测到的三元组。实验表明该方法在RoomKG基准上优于符号和神经基线，但整体创新性有限。
Algebraic Machine Learning for Small-to-Medium Datasets Is Competitive against Strong Standard Baselines
David Mendez, Fernando Martin-Maroto, Gonzalo G. de Polavieja
cs.LG
本文研究了Algebraic Machine Learning (AML)在中小规模数据集上的表现，发现其在图像分类任务上优于CNN等基线方法，在表格数据上则与XGBoost等模型性能相当。AML通过代数结构的子直积分解进行学习，无需交叉验证或任务特定超参数。
One-Way Policy Optimization for Self-Evolving LLMs
Shuo Yang et al.
cs.LG cs.AI
本文提出了一种名为One-Way Policy Optimization (OWPO)的方法，用于解决强化学习（RLVR）中二元验证器奖励稀疏导致的训练不稳定问题。该方法通过非对称重加权机制解耦优化方向与更新幅度，使验证器决定方向而参考策略仅调整幅度，从而避免对策略改进的抑制。实验表明OWPO在多个基准上优于现有方法，但该方法主要针对LLM的推理能力优化，与您提供的关键词（如code, spectral, Muon等）关联度较低。
Beyond Euclidean Proximity: Repairing Latent World Models with Horizon-Matched Trajectory Reachability Metrics
Liangyu Li, Shengzhi Wang, Qingwen Liu
cs.LG cs.RO
本文提出了一种名为轨迹可达性度量（TRM）的后处理方法，用于修复潜在世界模型中的终端代价函数。TRM通过从轨迹结构中学习一个成对头部来替代或混合原始潜在距离，从而改进规划器对候选序列的排序，并在TwoRoom基准上显著提升了成功率。
IKNO: Infinite-order Kernel Neural Operators
Pengyuan Zhu, Ivor W. Tsang, Yueming Lyu
cs.LG
本文提出IKNO (Infinite-order Kernel Neural Operator)，通过无限阶kernel积分构造neural operator，并给出优雅的闭式有限近似。该方法在多个benchmark上达到SOTA精度，但与我提供的关键词列表关联度较低。
From Sequential Nodes to GPU Batches: Parallel Branch and Bound for Optimal $k$-Sparse GLMs
Jiachang Liu, Andrea Lodi
cs.LG math.OC stat.ML
本文提出了一种CPU-GPU框架，通过批处理并行处理branch and bound节点，加速了cardinality-constrained generalized linear models的最优解验证。该方法利用padding和轻量级自定义kernel处理不规则节点数据，在挑战性实例上实现了1-2个数量级的加速。
Bandit Convex Optimization with Gradient Prediction Adaptivity
Shuche Wang, Adarsh Barik, Vincent Y. F. Tan
cs.LG cs.IT
本文研究了带梯度预测的Bandit Convex Optimization (BCO)问题，证明了在单点反馈协议下，即使预测误差\(S_T=o(T)\)，仍存在\(\Omega(\sqrt{T})\)的regret下界。作者提出了Two-Point Variance-Reduced Optimistic Gradient Descent (TP-VR-OPT)算法，在两点反馈设置下实现了\(O(\sqrt{d\,\mathbb{E}[S_T]})\)的regret界，并给出了匹配的下界。
Reinforced Graph of Thoughts: RL-Driven Adaptive Prompting for LLMs
Manuel Noah Riesen, Peter Alfred von Niederhäusern
cs.LG
本文提出Reinforced Graph of Thoughts (RGoT)，利用reinforcement learning (RL)自动为large language models (LLMs)生成graph of operations，以替代手动定义，从而提升prompting范式的适应性。实验表明，该方法能在一定约束下根据任务复杂度自动构建操作图。
Survive or Collapse: The Asymmetric Roles of Data Gating and Reward Grounding in Self-Play RL
Sophia Xiao Pu et al.
cs.LG cs.CL
本文研究了self-play RL中data gating和reward grounding对训练稳定性的不对称作用，发现严格的data-level gate比reward设计更能保证稳定性，并揭示了Grounded Proposer Paradox现象。
Can Transformers Learn to Verify During Backtracking Search?
Yin Jun Phua et al.
cs.LG cs.AI cs.LO
本文研究了transformer在回溯搜索中验证决策的能力，发现基于累积轨迹训练的decoder-only模型存在状态特征分散和历史纠缠问题。作者提出localization和Selective State Attention (SSA)两种结构修复方法，在3-SAT、图着色等任务上验证了效果。
ARC-STAR: Auditable Post-Hoc Correction for PDE Foundation Models
Chengze Li et al.
cs.LG
本文提出了一种名为ARC-STAR的后验校正框架，用于改进PDE foundation model的预测精度。该方法通过全局校正和局部精化两阶段处理，在不微调预训练模型的情况下，显著降低了预测误差。
How Many Different Outputs Can a Transformer Generate?
Maxime Meyer et al.
cs.LG
本文研究了Transformer架构能生成的不同输出序列数量，给出了一个依赖于prompt长度的上界，并证明该上界在经验上紧致。结果表明，可访问序列的最大长度随prompt长度线性增长，且超过临界阈值后比例指数衰减。
Holomorphic Neural ODEs with Kolmogorov-Arnold Networks for Interpretable Discovery of Complex Dynamics
Bhaskar Ranjan Karn, Dinesh Kumar
cs.LG math.DS
本文提出Holomorphic KAN-ODE框架，用Kolmogorov-Arnold Network替代MLP，并引入Cauchy-Riemann正则化来保持全纯结构，用于从数据中建模复杂动力系统。实验表明，该模型在参数更少的情况下能准确重建Julia集分形边界并识别符号方程，但对关键词列表中的概念无直接关联。
Decomposing Ensemble Spread in Lorenz '96 With Learned Stochastic Parameterizations
Birgit Kühbacher, Daan Crommelin, Niki Kilbertus
cs.LG physics.ao-ph
本文使用Lorenz '96系统作为测试平台，通过多种ensemble配置和随机参数化策略（包括贝叶斯和flow-based方法）分析了集合预报中不同不确定性来源的相互作用。结果表明，随机参数化能增强早期spread增长并改善spread-error一致性，但并未增加系统的长期方差。
Explainable AI for Data-Driven Design of High-Dimensional Predictive Studies
Junyu Yan et al.
cs.LG cs.AI stat.AP
本文提出了一种Exploratory AI Recommender框架，利用可解释AI技术为高维预测研究提供数据驱动的特征选择、非线性项和交互项建议，以提升传统统计模型（如Cox比例风险模型）的性能。该方法在跌倒风险预测等任务上验证了有效性，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。
No Epoch Like the Present: Robust Climate Emulation Requires Out-of-Distribution Generalisation
Bradley Stanley-Clamp et al.
cs.LG
本文指出当前ML气候模拟器在分布偏移下性能显著下降，并利用季节变化作为代理来评估这种偏移。文章提出了一种新的评估框架，并识别出组合泛化作为提升鲁棒性的路径，但方法本身在关键词领域（如code, context, spectral, Muon, pretrain, agent, attention）中缺乏直接关联或开创性贡献。
What are the Right Symmetries for Formal Theorem Proving?
Krzysztof Olejniczak et al.
cs.LG cs.AI cs.LO
本文探讨了形式定理证明中的对称性问题，指出基于LLM的证明器对问题表示的表面变化敏感，并引入重写范畴（rewriting categories）来形式化证明等变性和成功不变性两种对称性概念。实验表明现有LLM证明器不满足这些性质，但通过测试时聚合等价重写的方法可提升鲁棒性。
An Evidence Hierarchy for Bayesian Object Classification via OSINT-Aided Heterogeneous Sensor Fusion
Jan Nausner, Michael Hubner
cs.LG cs.CV cs.RO
本文提出了一种基于OSINT辅助异构传感器融合的贝叶斯目标分类方法，通过建立证据层次结构来建模直接、指示性和上下文信息，并利用领域知识先验提高分类鲁棒性。实验表明该方法在模拟场景中能有效应对杂波和先验不匹配问题。
Tailoring Teaching to Aptitude: Direction-Adaptive Self-Distillation for LLM Reasoning
Hongbin Zhang et al.
cs.LG cs.AI
本文提出了一种方向自适应自蒸馏方法（DASD），通过根据token的不确定性水平调整教师监督的方向，以解决on-policy self-distillation在LLM推理中抑制探索的问题。实验表明，该方法在数学推理基准上取得了优于强基线的性能。
Detecting Atypical Clients in Federated Learning via Representation-Level Divergence
Cristian Pérez-Corral et al.
cs.LG cs.AI
本文提出了一种轻量级的几何信号，通过测量客户端本地训练如何改变输入空间在共享探针集上的激活诱导划分，来量化客户端与全局模型的功能偏差。该方法不比较模型参数或梯度，而是提供一个置换不变、可解释的度量，用于识别导致异常功能变化的客户端。
Adaptive Measurement Allocation for Learning Kernelized SVMs Under Noisy Observations
Artur Miroszewski
cs.LG
本文提出了一种自适应测量分配策略，用于在噪声观测下学习核化SVM，通过结合几何敏感性和主动集不稳定性来优化测量预算分配，实验表明该方法在固定预算下能提升支持向量恢复和决策函数精度。
EmoTrack: Robust Depression Tracking from Counseling Transcripts across Session Regimes
Zhaomin Wu, Jiayi Li, Bingsheng He
cs.LG cs.AI
本文提出EmoTrack框架，用于从心理咨询文本中预测抑郁程度(PHQ-8)。该框架结合LLM提取的临床信号与冻结的turn-level语义embedding，并训练症状特异性预测器，在单会话和多会话场景下均取得较好效果。
Long-term Fairness with Selective Labels
Giovani Valdrighi, Isabel Valera, Marcos Medeiros Raimundo
cs.LG
本文研究了选择性标签（selective labels）场景下的长期公平性问题，其中标签仅在做出正向决策（如批准贷款）后才被观察到。作者通过理论分析指出，直接应用现有方法无法保证公平性，并提出一个框架，将真实公平性度量分解为可观测公平性与标签预测偏差，从而利用预测模型的置信度推导出充分条件。最终，基于理论结果设计了一个强化学习算法，在半合成环境中达到了与拥有真实标签的oracle agent相当的公平性和性能。
SepsisAI Orchestrator: A Containerized and Scalable Platform for Deploying AI Models and Real-Time Monitoring in Early Sepsis Detection
Santiago Ospitia, John Sanabria, John Garcia-Henao
cs.LG cs.AI cs.DC
本文提出了SepsisAI-Orchestrator，一个基于Docker和Kubernetes的模块化平台，用于部署早期脓毒症检测的AI模型（LightGBM）并实现实时监控。该平台解决了从研究原型到临床部署的系统级障碍，并实验量化了副本数与CPU线程数匹配对延迟和性能的影响。
Riemannian geometry meets fMRI: the advantages of modeling correlation manifolds and eigenvector subspaces
Mario Severino et al.
cs.LG
本文提出了一种基于Riemannian geometry的fMRI相关性矩阵分析框架，包含Off-log metric和Grassmannian subspace discrimination两个组件，用于处理相关性空间的弯曲几何结构。该方法在多个临床数据集上验证了其有效性，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Learning Causal Orderings for In-Context Tabular Prediction
Sascha Xu, Sarah Mameche, Jilles Vreeken
cs.LG
本文提出TabOrder模型，通过因果顺序约束的attention机制（causal order-constrained attention）在表格数据预测中同时推断和强制执行拓扑变量排序，并以无监督方式学习最优排序。该方法在预测和插补任务上表现良好，但未涉及code、spectral或Muon等关键词。
Physics-Informed Generative Solver: Bridging Data-Driven Priors and Conservation Laws for Stable Spatiotemporal Field Reconstruction
Ziyuan Zhu et al.
cs.LG
本文提出了一种物理信息生成求解器，通过Martingale正则化分数匹配和物理信息隐式分数采样，在稀疏测量下重建连续物理场，并确保结果满足守恒律。该方法在声学和气象场重建中展示了有效性，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
From Snapshots to Trajectories: Learning Single-Cell Gene Expression Dynamics via Conditional Flow Matching
Siyu Pu et al.
cs.LG
本文提出scFM框架，利用条件flow matching和最优传输耦合，从非配对单细胞快照数据中学习时间依赖的速度场，以推断未测量时间点的基因表达轨迹。该方法通过双向速度场一致性约束和分布级对齐来缓解稀疏监督下的分布漂移问题。
A Boundary-Layer Mechanism for One-Third Scaling in Online Softmax Classification
Marcel Kühn, Yoon Thelge, Bernd Rosenow
cs.LG cond-mat.dis-nn
本文研究了在线softmax分类中边界层机制导致的三分之一幂律缩放现象，通过分析教师-学生模型中的动力学方程，发现远离决策边界的样本贡献指数级衰减，仅边界层区域保持活跃，从而产生测试损失和泛化误差的\(\alpha^{-1/3}\)幂律。该结果与关键词中的spectral（谱）解释形成互补，但未直接涉及code、context、Muon、pretrain、agent或attention等概念。
Partial Fusion of Neural Networks: Efficient Tradeoffs Between Ensembles and Weight Aggregation
Fabian Morelli, Stephan Eckstein
cs.LG
本文提出了一种部分融合神经网络的方法，通过在集成模型和权重聚合之间进行插值，实现了计算成本与性能的灵活权衡。该方法基于神经元级别的相似性，利用部分最优传输来匹配和聚合最相似的神经元。
VeriScale: Adversarial Test-Suite Scaling for Verifiable Code Generation
Yifan Bai et al.
cs.LG cs.AI cs.SE
本文提出VeriScale框架，通过对抗性实现生成和筛选测试用例，以扩展和优化可验证代码生成的基准测试。实验表明，该框架能更有效地暴露大语言模型在代码生成中的弱点。
ASAP: Attention Sink Anchored Pruning
Jaehyuk Lee et al.
cs.LG
本文提出ASAP框架，通过将attention sink现象建模为Lazy Random Walk中的概率累积器，利用扩散距离进行token聚类与压缩，以加速Vision Transformer推理。该方法无需训练，在图像、视频等多任务上实现了最高48%的吞吐量提升并保持精度。
Boundary-targeted Membership Inference Attacks on Safety Classifiers
Anthony Hughes et al.
cs.LG cs.CL
本文提出了一种针对安全分类器的边界目标成员推理攻击方法，通过识别模型低置信度的样本（即决策边界附近的样本）来推断训练集成员身份。实验表明该方法在检测用户情绪困扰的对话数据上，能以5%假阳性率恢复19%的成员信息，性能是现有方法的3.5倍，并发现基于内容的过滤无效而噪声策略可缓解攻击。
Target-Aligned Bellman Backup for Cross-domain Offline Reinforcement Learning
Wei Liu, Ting Long
cs.LG
本文提出了一种名为Target-Aligned Bellman Backup (TABB)的方法，用于跨域离线强化学习。该方法通过评估源域transition与目标域Bellman target的对齐程度来选择性地利用源域数据，而非仅依赖transition层面的相似性。实验表明，TABB在目标域数据极度有限的情况下取得了稳定且良好的性能。
Towards Explainability of SLMs by investigating Token Level Activation
Sayantani Ghosh et al.
cs.LG
本文提出了一种轻量级且模型无关的框架Activation Flow Network (AFN)，通过计算BERT第8层hidden-state的L2范数来量化token级别的表示重要性，并基于阈值将token分为高激活与低激活组。实验表明，语义上有意义的content words占据高激活组，而结构性的supportive tokens贡献较小，从而为理解Transformer模型提供了一种替代注意力机制的可解释性方法。
Efficient Higher-order Subgraph Attribution via Message Passing
Ping Xiong et al.
cs.LG
本文提出了一种通过message passing技术实现GNN-LRP子图归因的线性时间算法，避免了指数级复杂度，并推广到考虑邻域图特征的情形。实验验证了该方法的加速效果和可扩展性。
Hybrid Kolmogorov-Arnold Network and XGBoost Framework for Week-Ahead Price Forecasting in Australia's National Electricity Market
Houxuan Zhou et al.
cs.LG cs.CE
本文提出了一种混合KAN+XGBoost框架用于澳大利亚国家电力市场的周前电价预测，结合了Kolmogorov-Arnold Networks的全局非线性表示能力和XGBoost的局部鲁棒性，在真实数据上相比基准方法降低了MAE。该工作主要聚焦于电力市场预测应用，与关键词中的概念关联较弱。
A Posterior-Predictive Variance Decomposition for Epistemic and Aleatoric Uncertainty in Wind Power Forecasting
Yinsong Chen, Samson S. Yu, Kashem M. Muttaqi
cs.LG
本文利用全方差定律，在异方差神经网络回归和贝叶斯后验近似的联合框架下，推导了总不确定性到偶然不确定性和认知不确定性的显式分解，并提出了一个无需真实不确定性标签的风电特定评估协议。实验验证了分解结果在理论上的自洽性。
Cross-Species RSA Reveals Conserved Early Visual Alignment but Divergent Higher-Area Rankings Across Human fMRI and Macaque Electrophysiology
Nils Leutenegger
cs.LG cs.NE q-bio.NC
本文通过跨物种Representational Similarity Analysis (RSA)比较了五种学习规则在人类fMRI和猕猴电生理数据上的表现，发现早期视觉皮层（V1/V2）的alignment在不同物种间具有一致性，但高级脑区（IT）的alignment受模型容量和刺激域影响更大，且学习规则排名在物种间无显著相关性。
Minimum Description Length based Granular-Ball Tree Regularization for Spectral Clustering
Zeqiang Xian et al.
cs.LG
本文提出了一种基于最小描述长度（Minimum Description Length）的粒球树正则化谱聚类方法（MDL-GBTRSC），通过局部MDL模型选择构建粒球树，并利用稳定叶球提供的编码尺度信息来正则化样本级亲和图。该方法在统一框架中连接了可解释的局部表示学习与亲和图构建，实验表明其在多个数据集上优于经典谱聚类及粒球、微簇等基线方法。
Asymmetric Virtual Memory Paging for Hybrid Mamba-Transformer Inference
An Xuan Nguyen
cs.LG cs.DC cs.PF
本文针对混合Mamba-Transformer推理中的内存分页问题，提出了非对称虚拟内存分页（AVMP）方法，通过将KV cache和SSM state分离到不同物理池并动态迁移容量，减少了内存溢出事件并提升了请求吞吐量。该方法在RTX 3060上验证了有效性，但主要贡献在工程优化层面，与关键词中的理论或算法创新关联较弱。
Don't Forget the Critic: Value-Based Data Rehearsal for Multi-Cyclic Continual Reinforcement Learning
Benjamin Poole et al.
cs.LG cs.AI
本文研究了多循环持续强化学习中的值函数数据回放问题，提出Qreg+NWLU方法，通过连续数据回放和即时正则化改进来缓解灾难性遗忘。该方法在Deep Q-Networks框架下验证了有效性，但未涉及关键词中的核心概念。
BioFormer: Rethinking Cross-Subject Generalization via Spectral Structural Alignment in Biomedical Time-Series
Guikang Du et al.
cs.LG cs.AI
本文提出BioFormer，通过引入spectral drift（频谱漂移）概念来刻画biomedical time-series中的subject-specific variability，并设计Frequency-Band Alignment Module (FBAM) 和Sample Conditional Layer Normalization来对齐频谱结构以提升跨被试泛化能力。实验表明该方法在多个数据集上优于现有baseline。
Lost in Tokenization: Fundamental Trade-offs in Graph Tokenization for Transformers
Maya Bechler-Speicher et al.
cs.LG
本文研究了图Transformer中三种tokenization方法（spectral, random-walk, adjacency）的表达能力差异，证明了不同tokenization会导致Transformer在深度需求上的根本性权衡，例如random-walk tokenization是信息有损的，而spectral tokenization虽无损但不利于局部任务。
Winner-Take-All bottlenecks enforce disentangled symbolic representations in multi-task learning
Julian Gutheil, Simon Hitzginger, Robert Legenstein
cs.LG
本文研究了Winner-Take-All (WTA)瓶颈在multi-task learning中如何强制提取disentangled symbolic representations，证明了在特定条件下WTA瓶颈能促使单个神经元编码抽象特征（如物体、颜色或位置），并通过实验验证了其泛化优势。
Structured-Sparse Attention for Entity Tracking with Subquadratic Sequence Complexity
Hangyue Zhao et al.
cs.LG cs.CL
本文提出了一种结构化稀疏注意力机制用于实体追踪，通过利用注意力权重的块对角结构，实现了序列长度的次二次复杂度\(O(n^{4/3}d)\)，在保持精度的同时显著提升了计算效率。
Implicit Regularization of Mini-Batch Training in Graph Neural Networks
Clement Wang et al.
cs.LG cs.AI
本文发现最简单的随机节点采样（RNS）方法在多数数据集上匹配或优于全图训练，并通过反向误差分析证明图mini-batch SGD隐式最小化采样损失加上与梯度方差成正比的正则项，从而将图采样器的选择重新定义为一种隐式正则化形式。
When Stronger Triggers Backfire: A High-Dimensional Theory of Backdoor Attacks
Donald Flynn et al.
cs.LG math.ST
本文研究了高维背景下backdoor attacks的反直觉行为，发现更强的训练trigger反而可能帮助防御者。通过分析正则化广义线性模型在比例 regime (\(p/n \to \kappa\)) 下的表现，作者证明了clean test accuracy随trigger强度\(\alpha\)增加而上升，而attack success在有限\(\alpha\)处达到峰值后下降。
Represented Is Not Computed: A Causal Test of Candidate Algorithmic Intermediates in a Transformer
Ishita Darade, Sushrut Thorat
cs.LG
本文研究了一个Transformer在base-digit extraction任务上的表现，通过linear probes解码出中间计算步骤，但causal tests表明这些中间表示并未被实际用于输出，揭示了probe-based结论与causal观察之间的差异。
Understanding Multimodal Failure in Action-Chunking Behavioral Cloning
Lorenzo Mazza et al.
cs.LG cs.AI cs.RO
本文研究了action-chunking behavioral cloning中多模态失败的原因，指出不同参数化方式（如latent-variable policies和action-space generative policies）会以不同方式失败，并通过实验验证了这些机制。
The Signal in the Noise: OOD Detection Through Goodness-of-Fit Testing in Factorised Latent Spaces
Philipp Bomatter, Jack Geary, Henry Gouk
cs.LG
本文利用continuous normalising flows的微分同胚和保质量特性，提出了一种名为Signal in the Noise (SITN)的OOD检测方法，通过分析样本在噪声先验下的异常性而非似然值来进行检测。该方法无需OOD数据，计算开销小，并能严格控制假阳性率。
The Neural Compiler: Program-to-Network Translation for Hybrid Scientific Machine Learning
Lucas Sheneman
cs.LG cs.AI cs.SC
本文提出了一种名为The Neural Compiler的系统，能将一阶Scheme-like表达式语言编写的程序翻译为可微分的PyTorch模块，用于混合科学机器学习。该系统通过编译已知物理方程来精确编码，同时允许学习组件建模未知部分，并在多个物理实验域中验证了其数值精度和组合能力。
Generative Modeling by Value-Driven Transport
Pablo Moreno-Muñoz, Adrian Müller, Gergely Neu
cs.LG stat.ML
本文提出了一种基于离散时间随机控制公式的生成建模框架Value-Driven Transport (VDT)，通过线性规划对偶变量近似最优价值函数，从而得到无需模拟的直路径传输策略。该方法在计算效率上优于基于流、扩散或Schrödinger桥的现有方法，并支持条件生成等扩展功能。
Stabilising Explainability Fragility in Cybersecurity AI: The Impact and Mitigation of Multicollinearity in Public Benchmark Datasets
Ioannis J. Vourganas, Anna Lito Michala
cs.LG cs.AI
本文研究了网络安全AI中解释性脆弱性的问题，指出多重共线性会导致解释归因方差膨胀，并通过理论证明和实验验证了该现象。作者提出了解释性脆弱性评分以及CAA-Filtering和SHARP两种缓解方法，但整体方法在开创性上与关键词关联较弱。
Disentanglement Beyond Generative Models with Riemannian ICA
Edmond Cunningham
cs.LG
本文提出Riemannian ICA (RICA)方法，用局部几何结构替代ICA的全局生成模型，通过引入disentanglement tensor来编码点态解缠概念。该方法在受控源恢复实验中表现优于传统ICA基线，但未直接涉及code、context、spectral等关键词。
Relational Linear Properties in Language Models: An Empirical Investigation
Giovanni Valer et al.
cs.LG
本文提出了一种基于Kullback-Leibler divergence的探测方法，用于检验语言模型中relation linearity（关系线性）假设，即对于固定关系，subject的embedding到object的unembedding可由线性映射预测。实验发现该性质在不同模型和层间存在变化，且受关系表述方式影响，但方法本身并非开创性突破，且与关键词列表关联较弱。
F-TIS: Harnessing Diverse Models in Collaborative GRPO
Nikolay Blagoev et al.
cs.LG
本文提出Filtered Truncated Importance Sampling (F-TIS)方法，用于在GRPO训练中处理异构模型（不同模型协作）带来的off-policy样本问题。该方法通过重要性采样和截断过滤，使异构模型协作训练时的收敛性与纯on-policy训练一致，并在某些分布外任务上提升高达12%的性能。
ImplicitTerrainV2: Wavelet-Guided Spatially Adaptive Neural Terrain Representation
Haoan Feng, Xin Xu, Leila De Floriani
cs.LG
本文提出了一种基于wavelet引导的空间自适应神经地形表示方法ImplicitTerrainV2，通过wavelet复杂度场实现频谱控制，并结合梯度感知训练和模型压缩技术，在保持高重建精度的同时显著降低了存储和训练成本。该方法在数字高程模型上实现了高效的连续表示，支持离网点查询和闭式导数计算。
Neural Flow Operators can Approximate any Operator: Abstract Frameworks and Universal Approcimations
Shuang Chen, Juncai He, Xue-Cheng Tai
cs.LG math.NA
本文提出了一个抽象的神经流框架，涵盖了有限维和无限维空间的连续深度模型，并证明了其适定性和通用逼近性质。该框架通过时间离散化统一了ResNet和普通架构。
Regret-Based $(ε,δ)$-optimal Stopping Criteria for Bayesian Optimization
Haowei Wang, Jingyi Wang, Qiyu Wei
cs.LG
本文针对Bayesian optimization (BO)中的停止准则问题，为GP-UCB算法提出了基于更紧瞬时regret bound的\((ε,δ)\)-optimal停止条件，并通过数值实验验证了其有效性。
GraphFlow: A Graph-Based Workflow Management for Efficient LLM-Agent Serving
Ao Li et al.
cs.LG
本文提出了一种基于图的工作流管理范式GraphFlow，通过统一图结构wGraph动态生成任务特定工作流，并利用图结构优化KV缓存管理以减少冗余计算。实验表明该方法在多个基准上提升了约4.95%的性能并降低了约4倍内存占用。
A Tutorial on Diffusion Theory: From Differential Equations to Diffusion Models
Jiayi Fu, Yuxia Wang
cs.LG cs.CL
本文从微分方程的角度系统阐述了diffusion models的理论基础，包括forward和reverse过程的ODE/SDE表示、score matching的训练目标以及DDPM与DDIM的采样方法对比。
Do Deep Ensembles Actually Capture Uncertainty in Graph Neural Networks?
Pedro C. Vieira, Pedro Ribeiro, Viacheslav Borovitskiy
cs.LG
本文研究了深度集成在Graph Neural Networks中不确定性量化的效果，发现其提升有限，主要源于优化噪声的稳定化而非更好的不确定性估计。作者指出独立训练的网络存在epistemic collapse现象，导致集成方法的关键优势失效。
MoSA: Motion-constrained Stress Adaptation for Mitigating Real-to-Sim Gap in Continuum Dynamics via Learning Residual Anisotropy
Jiaxu Wang et al.
cs.LG cs.AI cs.GR cs.RO
本文提出MoSA框架，通过运动约束的应力自适应方法学习残余各向异性，以缩小连续介质动力学中的真实-模拟差距。该方法使用各向同性模型作为物理先验，并学习残余应力算子来捕捉轻微的各向异性和非均匀性。
Benchmarking Machine Learning Architectures for Antimicrobial Stewardship in Pediatric ICUs
Niklas Raehse, Luregn J. Schlapbach, Daphné Chopard
cs.LG
本文在儿科ICU的抗菌药物管理（AMS）背景下，系统比较了表格、序列和图等不同机器学习架构在预测抗生素降级、停药等临床目标上的表现。研究发现预测性能主要取决于目标患病率和数据集特征，而非模型复杂度，且序列模型在粗时间分辨率下能改善精确率-召回率权衡，但校准性较差。
Evolutionary Multi-Task Optimization for LLM-Guided Program Discovery
Halil Alperen Gozeten et al.
cs.LG
本文提出了一种用于LLM引导程序发现的进化多任务优化框架EMO-STA，通过先跨任务族进化共享程序档案再适配到具体任务的两阶段策略，在连续优化、几何构造等多个任务族上提升了计算效率。该方法主要关注进化搜索的迁移学习，与关键词中的code、agent等概念关联较弱。
Two is better than one: A Collapse-free Multi-Reward RLIF Training Framework
Shourov Joarder et al.
cs.LG cs.CL
本文提出了一种多奖励RLIF框架，通过结合基于cluster voting的答案级奖励和基于token-wise self-certainty的完成级奖励，并引入GDPO归一化和KL-Cov正则化，以解决单奖励RLIF方法中的reward hacking和entropy collapse问题。该方法在数学推理和代码生成任务上提升了稳定性，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
A note on convergence of Wasserstein policy optimization
David Šiška, Yufei Zhang
cs.LG math.OC
本文讨论了Wasserstein Policy Optimization (WPO)在连续状态和动作空间中的收敛性，利用mean-field分析和log-Sobolev不等式证明了在熵正则化Markov Decision Processes框架下的线性收敛。
The Double Dilemma in Multi-Task Radiology Report Generation: A Gradient Dynamics Analysis and Solution
Erjian Zhang et al.
cs.LG cs.CL cs.CV
本文分析了多任务放射学报告生成中线性标量化策略的梯度动力学失效机制，并提出了一个名为CAME-Grad的优化器，通过冲突避免的方向修正和幅度增强的能量注入来缓解该问题。实验表明该方法在多个RRG方法上带来了性能提升。
Why SGD is not Brownian Motion: A New Perspective on Stochastic Dynamics
Igor Ignashin et al.
cs.LG
本文从离散SGD更新出发，推导了参数分布的master equation和离散Fokker-Planck方程，指出标准Langevin近似在有限学习率下存在\(O(\eta^2)\)阶差异。分析表明，在损失函数的mean Hessian特征基下，近平坦方向不存在平稳分布，方差随时间增长，对应有效扩散系数与学习率成正比的谷地扩散。
ChronoVAE-HOPE: Beyond Attention -- A Next-Generation VAE Foundation Model for Specialized Time Series Classification
José Alberto Rodríguez et al.
cs.LG
本文提出ChronoVAE-HOPE，一种基于VAE的时间序列基础模型，用HOPE Block替代标准attention机制，通过双记忆系统（Titans模块和Continuum Memory System）处理时序依赖，并引入解耦的潜在空间分离趋势与季节成分。模型在Monash archive上预训练后，为UCR分类任务生成固定长度嵌入。
Posterior Collapse as Automatic Spectral Pruning
Johannes Hirn
cs.LG cond-mat.stat-mech
本文研究了\(\beta\)-VAE中的posterior collapse现象，将其解释为自动的spectral pruning过程，并通过Landau稳定性分析推导了collapse的阈值条件。在linear Gaussian情形下，collapse spectrum与PCA spectrum一致，并在WorldClim数据集上验证了理论预测。
Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals
Shuo Yang et al.
cs.LG
本文分析了基于clipping的GRPO-style目标函数在RLVR训练中的稳定性问题，指出硬clipping会丢弃边界附近的信号，并提出Near-boundary Stochastic Rescue (NSR)方法，通过随机保留这些信号来提升训练稳定性和性能。
Abstraction for Offline Goal-Conditioned Reinforcement Learning
Clarisse Wibault et al.
cs.LG cs.AI
本文提出了一种基于相对化选项（relativised options）和层次化表征的抽象方法，用于离线目标条件强化学习（offline GCRL），通过在不同层级间重用经验来提升性能。实验表明该方法能显著改善离线GCRL的表现，但未涉及关键词中的code、spectral、Muon或pretrain等概念。
Reading Task Failure Off the Activations: A Sparse-Feature Audit of GPT-2 Small on Indirect Object Identification
Mahdi Nasermoghadasi
cs.LG
本文使用sparse-autoencoder (SAE)方法审计GPT-2 small在Indirect Object Identification (IOI)任务上的失败案例，发现特征17,491与失败高度相关但因果消融实验表明其并非充分原因。该工作提供了一个廉价、模型无关的审计流程，但未解决该领域的长期问题，且与关键词列表中的概念关联较弱。
Multiple Neural Operators Achieve Near-Optimal Rates for Multi-Task Learning
Adrien Weihs, Hayden Schaeffer
cs.LG math.NA stat.ML
本文研究了多任务学习场景下Multiple Neural Operators (MNO)架构的逼近与统计复杂度，证明了其能达到近最优的泛化误差率，并指出多任务算子学习与单任务算子学习遵循相同的标度律。
Post-Training is About States, Not Tokens: A State Distribution View of SFT, RL, and On-Policy Distillation
Dong Nie
cs.LG cs.AI
本文从状态分布（state distribution）的角度重新审视了大语言模型的后训练过程，指出SFT、RL和on-policy distillation（OPD）等方法的差异不仅在于损失函数，更在于训练状态（即prompt加生成前缀）的来源。通过在小规模实验中使用Qwen3-0.6B-Base在GSM8K等任务上的对比，作者发现OPD能从退化的SFT教师中恢复性能，且轻量级on-policy RL能提升任务表现并保持知识保留，从而支持了后训练中状态分布重要性的观点。
The Distillation Game: Adaptive Attacks & Efficient Defenses
Youssef Allouah et al.
cs.LG cs.AI
本文通过一个minimax game框架研究了模型蒸馏攻击中的部署权衡，提出了adaptive evaluation规则和Product-of-Experts (PoE)防御方法。实验表明，adaptive student能显著恢复被蒸馏模型的能力，而PoE在保持低成本的同时缩小了与昂贵防御的鲁棒性差距。
Proxy-Based Approximation of Shapley and Banzhaf Interactions
Santo M. A. R. Thies et al.
cs.LG cs.AI stat.ML
本文提出ProxySHAP方法，通过结合tree-based proxy模型与residual correction策略，在多项式时间内计算Shapley和Banzhaf interaction indices，解决了现有estimator在速度与精度间的权衡问题。该方法在理论上推导了interventional TreeSHAP的泛化形式，并在大规模特征应用中达到state-of-the-art的近似质量。
Ternary Decision Trees with Locally-Adaptive Uncertainty Zones
William Smits
cs.LG
本文提出了一种三元决策树方法，通过在标准CART的每个分裂节点上引入一个半宽为delta的不确定性区域，对落入该区域的实例进行加权混合预测并标记为边界不确定。文章评估了五种局部自适应计算delta的方法，实验表明这些方法在多个数据集上显著优于标准CART，其中margin方法在准确率提升与标记率之间取得了最佳平衡。
SeqLoRA: Bilevel Orthogonal Adaptation for Continual Multi-Concept Generation
Javad Parsa et al.
cs.LG
本文提出SeqLoRA，一种用于文本到图像扩散模型的多概念持续生成方法。它通过双层优化联合学习LoRA因子，并提供了收敛性保证和遗忘界限的理论分析，但方法本身与关键词列表中的概念关联较弱。
Plug-in Losses for Evidential Deep Learning: A Simplified Framework for Uncertainty Estimation that Includes the Softmax Classifier
Berk Hayta et al.
cs.LG eess.AS stat.ML
本文提出了一种简化Evidential Deep Learning (EDL)框架的方法，通过使用plug-in loss（在Dirichlet均值处评估的损失）来近似原始EDL目标，并证明了在温和假设下近似误差随证据增长而衰减。该方法在Google Speech Commands数据集上验证了与经典EDL相当的预测精度和选择性预测性能，但实现更简单。
Cyber-Physical Anomaly Detection in IoT-Enabled Smart Grids Using Machine Learning and Metaheuristic Feature Optimization
Adis Alihodžić, Eva Tuba, Milan Tuba
cs.LG cs.AI
本文研究了物联网智能电网中的网络物理异常检测问题，使用机器学习结合遗传算法进行特征选择，发现基于树的集成模型（如Extra Trees）在MSU/ORNL数据集上表现最佳，并能通过减少PMU特征数量提升检测性能。
Uniform Diffusion Models Revisited: Leave-One-Out Denoiser and Absorbing State Reformulation
Samson Gourevitch et al.
cs.LG stat.ML
本文重新审视了Uniform Diffusion Models (UDM)的训练与参数化问题，指出其标准plug-in bridge参数化实际上由leave-one-out后验而非去噪后验优化，并推导了去噪器、leave-one-out后验与score之间的精确转换。此外，文章提出了一种吸收态重构方法，将均匀扩散分解为类似掩码扩散的采样操作，从而简化了去噪后验并改进了生成性能。
CogAdapt: Transferring Clinical ECG Foundation Models to Wearable Cognitive Load Assessment via Lead Adaptation
Amir Mousavi et al.
cs.LG cs.AI cs.HC
本文提出CogAdapt框架，通过LeadBridge适配器将3导联可穿戴ECG信号转换为12导联表示，并采用ProFine渐进微调策略适应认知负荷评估任务，在CLARE和CL-Drive数据集上取得优于从头训练基线的macro-F1分数。
MambaGaze: Bidirectional Mamba with Explicit Missing Data Modeling for Cognitive Load Assessment from Eye-Gaze Tracking Data
Amir Mousavi et al.
cs.LG cs.AI cs.HC
本文提出MambaGaze框架，通过XMD编码（显式缺失数据建模）和双向Mamba-2结构，以线性复杂度处理眼动追踪信号中的缺失数据和长程时间依赖，在认知负荷评估任务上优于CNN、Transformer等基线方法。该工作主要面向人机交互与安全关键应用，与关键词中的code、context、spectral、Muon、pretrain、agent、attention均无直接关联。
SDPM: Survival Diffusion Probabilistic Model for Continuous-Time Survival Analysis
Stanislav R. Kirpichenko, Andrei V. Konstantinov, Lev V. Utkin
cs.LG cs.AI stat.CO stat.ML
本文提出了一种基于denoising diffusion model的连续时间生存分析方法SDPM，通过建模条件分布\(\mathbb{P}(T,\delta \mid \mathbf{x})\)并利用Kaplan-Meier估计器得到生存函数，避免了参数假设和时间离散化。实验表明该方法在多个真实数据集上取得了有竞争力的预测性能，并能更准确地恢复底层连续生存分布的形状。
The Matching Principle: A Geometric Theory of Loss Functions for Nuisance-Robust Representation Learning
Vishal Rajput
cs.LG cs.AI stat.ML
本文提出了一种几何理论，将多种鲁棒性方法统一为估计标签保持的部署nuisance协方差，并沿其范围正则化encoder Jacobian。在linear-Gaussian模型中给出了闭式最优解，并引入了Trajectory Deviation Index (TDI)作为无标签的嵌入敏感性探针。
Remember to be Curious: Episodic Context and Persistent Worlds for 3D Exploration
Lily Goli et al.
cs.LG
本文提出了一种基于好奇心驱动的3D探索方法，通过使用在线3D重建作为持久的世界模型，并结合序列模型参数化的agent策略来维护episodic context，从而在稀疏奖励的长时任务中实现有效探索。该方法在HM3D上训练后，零样本泛化到Gibson和AI生成世界，并优于基于RL的主动建图基线。
Vector Policy Optimization: Training for Diversity Improves Test-Time Search
Ryan Bahlous-Boldi et al.
cs.LG cs.AI cs.CL cs.NE
本文提出Vector Policy Optimization (VPO)算法，通过将reward视为vector-valued并训练LLM生成多样化解集，以提升test-time search性能。实验表明VPO在pass@k等指标上匹配或超越标量RL基线，但方法本身并非开创性突破，且与关键词契合度较低。
Integrable Elasticity via Neural Demand Potentials
Carlos Heredia, Daniel Roncel
cs.LG
本文提出Integrable Context-Dependent Demand Network (ICDN)，一种基于需求优先的神经网络模型，用于多产品零售需求预测。该模型将log-demand学习为log-prices的光滑、上下文条件函数，从而精确推导出弹性，并在Dominick's啤酒数据集上提升了泛化性能。

cs.AI

TO-Agents: A Multi-Agent AI Pipeline for Preference-Guided Topology Optimization ⭐ 精选
Isabella A. Stewart, Hongrui Chen, Faez Ahmed
cs.AI
本文提出TO-Agents，一个基于multi-agent AI的pipeline，用于将自然语言设计偏好与iterative topology optimization（拓扑优化）连接起来。该框架通过多个agent（包括solver agent、judge agent和manufacturing agent）协作，将用户描述转化为solver参数，运行优化，并利用multi-view vision-language reasoning对结果进行critique和参数修订。在悬臂梁和手机支架两个设计任务中，系统在60%的试验中成功生成了符合用户审美偏好（如自然树状分支结构）的设计，其成功率比无视觉或历史反馈的ablation pipeline高出6倍。这项工作展示了agentic topology optimization如何将设计师从低层参数调优转向高层形式与功能规范，并指出了实现可靠自主工程设计所需的安全保障。
Trace2Skill: Verifier-Guided Skill Evolution for Long-Context EDA Agents ⭐ 精选
Zijian Du, Nathaniel Pinckney
cs.AI cs.MA
Trace2Skill提出了一种test-time scaling框架，用于提升硬件EDA agent在长上下文Verilog设计任务中的表现。该方法将agent的自然语言技能视为可进化的policy，通过挖掘rollout traces中的成功与失败模式，并利用oracle、mutator和selector循环生成任务特定的技能，以指导后续的搜索、编辑和恢复过程。该框架无需RTL专用模型微调或权重更新，通过引入dense verifier feedback（提供sanitized functional observations）来辅助技能进化，在多个困难的CVDP任务上实现了突破性的pass rate提升。这与关键词中的agent和context高度契合，并为可验证的EDA任务提供了一种通用的test-time scaling策略。
ExComm: Exploration-Stage Communication for Error-Resilient Agentic Test-Time Scaling ⭐ 精选
Woomin Song et al.
cs.AI
ExComm提出了一种针对agentic test-time scaling的通信协议，旨在解决长程agent推理中错误传播（error propagation）这一长期问题。该方法基于一个经验观察：并行agent推理中的大多数中间错误会产生可检测的跨agent事实冲突（cross-agent factual conflicts）。ExComm通过周期性审计agent信念状态来检测这些冲突，并利用专门的基于工具的验证循环（tool-based verification loop）进行解决，然后通过软信念更新（soft belief updates）将修正反馈附加到现有信念上，而非覆盖它们。此外，它还引入了一个轨迹多样化模块（trajectory diversification module），将冗余轨迹重定向至正交策略，以防止通信导致轨迹多样性崩溃。实验表明，该方法在AIME 2024、AIME 2025和GAIA基准上显著优于强基线，平均性能提升约5%，且与关键词“agent”高度契合。
Ratchet: A Minimal Hygiene Recipe for Self-Evolving LLM Agents ⭐ 精选
Xing Zhang et al.
cs.AI cs.CL
本文提出了一种名为Ratchet的轻量级方法，用于管理自进化LLM agent的技能库。该方法通过一个单agent循环，让冻结的LLM自动执行技能的编写、检索、筛选和淘汰，并集成了结果驱动淘汰、有界活跃容量、元技能编写指导和模式规范化四种机制。在MBPP+和SWE-bench等代码生成基准测试上，Ratchet显著提升了pass@1指标，并证明了其最小有效配方（淘汰机制和元技能先验）能防止性能退化，解决了该领域长期存在的技能生命周期管理瓶颈问题。这与关键词中的“agent”和“code”高度契合。
Evaluating Large Language Models as Live Strategic Agents: Provider Performance, Hybrid Decomposition, and Operational Gaps in Timed Risk Play ⭐ 精选
H. C. Ekne
cs.AI
本文在定时多阶段Risk游戏环境中评估了多个大型语言模型作为实时战略agent的表现。研究发现，在端到端比赛中gemini-3.1-pro-preview显著优于其他模型，但通过将规划与执行分离（使用更便宜的Gemini Flash scaffold标准化执行），各模型在规划能力上表现接近，表明性能差异主要源于端到端系统行为而非纯规划能力。该工作为评估LLM作为有限工作流中的agent组件提供了方法论，与关键词"agent"高度契合。
Search-E1: Self-Distillation Drives Self-Evolution in Search-Augmented Reasoning ⭐ 精选
Zihan Liang et al.
cs.AI cs.CL cs.IR
本文提出Search-E1，一种仅通过vanilla GRPO与offline self-distillation (OFSD) 交替进行的self-evolution方法，用于提升search-augmented reasoning agent的性能。该方法在每次GRPO轮次后，让policy在其训练问题上rollout，并通过token-level forward KL objective将其inference-time分布对齐到其在privileged context下的自身分布，从而提供dense per-step supervision。实验表明，在七个QA benchmark上，Search-E1使用Qwen2.5-3B达到了\(0.440\) average EM，超越了所有同规模的开源baseline。该方法无需外部supervision或复杂模块，展现了self-distillation在agent训练中的潜力。
Advancing Mathematics Research with AI-Driven Formal Proof Search ⭐ 精选
George Tsoukalas et al.
cs.AI
本文提出了一种基于LLM与Lean形式化验证相结合的AI agent方法，用于自动搜索数学定理的formal proof。该方法在353个未解决的Erdős问题中自主解决了9个，并在OEIS猜想验证中取得44/492的成功率，展示了AI在数学研究中的实际应用潜力。该工作与关键词“agent”高度契合，体现了agent设计在形式化证明搜索中的关键作用。
Gated DeltaNet-2: Decoupling Erase and Write in Linear Attention ⭐ 精选
Ali Hatamizadeh, Yejin Choi, Jan Kautz
cs.AI
本文提出Gated DeltaNet-2，通过引入channel-wise的擦除门\(b_t\)和写入门\(w_t\)，解耦了线性注意力中Delta-rule的擦除与写入操作，克服了传统方法（如KDA和Gated DeltaNet）使用单一标量门控同时控制新旧内容更新的限制。该方法推导了fast-weight更新视角、吸收channel-wise衰减的chunkwise WY算法以及支持高效并行训练的gate-aware反向传播。在1.3B参数、100B FineWeb-Edu tokens上的实验表明，Gated DeltaNet-2在语言建模、常识推理和检索任务上优于Mamba-2、Gated DeltaNet、KDA和Mamba-3等变体，尤其在长上下文RULER基准的多键检索设置中表现突出。
Benchmarking and Improving Monitors for Out-Of-Distribution Alignment Failure in LLMs
Dylan Feng, Pragya Srivastava, Cassidy Laidlaw
cs.AI cs.SE
本文构建了MOOD基准测试，用于评估LLM监控管道能否检测到分布外（OOD）的对齐失败。研究发现，仅使用安全分类器（guard model）在OOD场景下泛化能力不足，而结合基于马氏距离和困惑度的OOD检测器可将召回率从39%提升至45%。
The Shape of Testimony: A Scalable Framework for Oral History Archive Comparison
Itamar Trainin, Renana Keydar, Amit Pinchevski
cs.AI
本文使用discourse segmentation、topic modeling和LLM-based analysis对超过1600份大屠杀口述历史证词进行了大规模计算分析，量化了不同档案馆证词的“结构化”程度，验证了先前研究中的结构差异，但也揭示了显著的交叉重叠。该工作为数字口述历史和叙事分析提供了一个可扩展、可复制的比较分析框架。
MindLoom: Composing Thought Modes for Frontier-Level Reasoning Data Synthesis
Haiyang Shen et al.
cs.AI
本文提出MindLoom框架，通过将推理问题分解为“thought modes”并组合生成前沿推理数据，用于微调LLM。该方法在多个STEM和数学推理基准上提升了模型性能，但与关键词中的code、spectral、Muon、agent、attention等概念无直接关联。
AOP-Wiki EMOD 3.0: Data Model Expansions and Content Evaluation Framework for Using Agentic AI to Improve Integration between AOPs and New Approach Methodologies (NAMs)
Virginia K. Hench et al.
cs.AI cs.DB
本文提出了AOP-Wiki EMOD 3.0数据模型扩展，旨在通过agentic AI改善AOP与NAMs的整合，为下一代风险评估提供支持。该工作聚焦于数据质量提升和FAIR原则增强，但未涉及code、spectral、Muon、pretrain或attention等关键词。
Investigating Concept Alignment Using Implausible Category Members
Sunayana Rane, Brenden M. Lake, Thomas L. Griffiths
cs.AI
本文通过询问AI系统关于不合理类别成员（如“橄榄是车辆吗？”）的问题，研究其概念边界，并与人类判断对比，发现模型在“武器”、“蔬菜”等类别上存在显著偏差，可能影响AI安全性。
The Impact of AI Usage and Informativeness on Skill Development in Logical Reasoning
Shang Wu et al.
cs.AI cs.HC
本文通过控制实验研究了AI辅助对逻辑推理技能发展的影响，发现过度依赖AI会削弱技能发展，而高信息量的AI辅助能提升短期表现但效果存在异质性。
Latent-space Attacks for Refusal Evasion in Language Models
Giorgio Piras et al.
cs.AI
本文从latent-space evasion attack的视角重新审视了语言模型中的refusal suppression问题，将现有方法解释为对线性probe决策边界的投影。作者提出了一种Controlled Latent-space Evasion攻击，通过优化置信度将表示推向compliant region，在多个模型上取得了更好的攻击成功率。
AttuneBench: A Conversation-Based Benchmark for LLM Emotional Intelligence
Kate M. Lubrano et al.
cs.AI
本文提出了AttuneBench，一个基于200段真实多轮人机对话的benchmark，用于评估LLM的情绪智能。研究发现，模型在情绪识别、行为分类和偏好预测等能力上相互独立，且偏好对齐比情绪标签准确率更能区分模型性能。
SMDD-Bench: Can LLMs Solve Real-World Small Molecule Drug Design Tasks?
Kevin Han et al.
cs.AI
本文提出了SMDD-Bench，一个用于评估LLM agent在真实世界小分子药物设计任务中表现的多轮、长时域基准测试，包含502个可解任务实例。实验发现，即使是最先进的GPT5.4也只能解决40.2%的任务，表明当前LLM agent在该领域的能力仍有限。
Who Uses AI? Platforms, Workforce, and AI Exposure
Michelle Yin, Burhan Ogut
cs.AI econ.GN
本文研究了使用AI平台对话日志衡量职业暴露度的方法，发现这些指标部分反映了平台用户基础而非实际劳动力，并指出该方法存在非经典测量误差，导致对就业替代效应的低估。
A Causal Argumentation Method for Explainability of Machine Learning Models
Henry Salgado, Meagan R. Kendall, Martine Ceberio
cs.AI
本文提出了一种将因果关系与argument-based reasoning相结合的方法，通过causal discovery识别变量间的因果关系，并将其转化为Bipolar Argumentation Framework (BAF)来解释机器学习模型的预测。该方法使用semi-stable semantics寻找特征扩展，并在基准数据集上进行了演示。
What Counts as AI Sycophancy? A Taxonomy and Expert Survey of a Fragmented Construct
Meryl Ye et al.
cs.AI
本文通过文献综述和专家调查，对AI sycophancy（谄媚行为）进行了分类学研究，区分了模型对用户信念或人格特质的谄媚，以及显性或隐性的表现方式，并发现专家对此类行为的定义存在显著分歧。
Implicit Safety Alignment from Crowd Preferences
Qian Lin, Daniel S. Brown
cs.AI
本文提出Safe Crowd Preference-based RL框架，从人群偏好中提取安全对齐的技能，用于下游RL任务以降低安全成本。实验表明该方法无需显式安全奖励即可实现与使用真实安全信号的oracle方法相当的任务性能。
Toward AI VIS Co-Scientists: A General and End-to-End Agent Harness for Solving Complex Data Visualization Tasks
Haichao Miao et al.
cs.AI cs.HC
本文提出了一种端到端的agent框架，用于根据数据和高级任务描述自动设计可视化分析应用。该系统通过多个agent协调探索性分析、环境配置和界面实现，并在IEEE SciVis竞赛数据上验证了其有效性。
FLUID: From Ephemeral IDs to Multimodal Semantic Codes for Industrial-Scale Livestreaming Recommendation
Xinhang Yuan et al.
cs.AI
本文提出FLUID框架，通过跨域multimodal encoder生成离散hierarchical codes（LUCID）替代传统ID embedding，用于工业级直播推荐中的冷启动问题。该方法采用late-fusion设计，将LUCID作为独立token注入排序模型，并在大规模部署中取得显著线上收益。
Planning in the LLM Era: Building for Reliability and Efficiency
Michael Katz et al.
cs.AI cs.CL
本文回顾了LLM在规划领域的应用演变，从单次生成到混合方法再到生成可验证的符号求解器，并讨论了当前方法的局限性和未来研究方向。
AI-Enabled Serious Games: Integrating Intelligence and Adaptivity in Training Systems
Priyamvada Tripathi, Bill Kapralos
cs.AI cs.CY cs.HC cs.MA
本文综述了AI在严肃游戏中的应用，探讨了如何通过LLM、RL等技术实现实时教学适应，并分析了智能性与适应性的区别及历史发展。
Format-Constraint Coupling in Knowledge Graph Construction from Statistical Tables
Jingxuan Qi, Zhiqiang Ye, Yuxiang Feng
cs.AI
本文研究了统计CSV表格中序列化格式与schema约束之间的耦合效应，发现两者联合作用会显著降低知识图谱的构建质量，并提出了“format-constraint coupling”这一现象。通过实验验证了该耦合效应在多个数据集上的存在，并发布了CSVFidelity-Bench基准以支持保真度评估。
Echo: Learning from Experience Data via User-Driven Refinement
Hande Dong et al.
cs.AI cs.CL
本文提出Echo框架，利用用户对AI agent输出的修正过程（user-driven refinement）来生成高质量训练数据，从而持续优化agent模型。该方法在代码补全场景中验证了有效性，将接受率从25.7%提升至35.7%。
ECPO: Evidence-Coupled Policy Optimization for Evidence-Certified Candidate Ranking
Miaobo Hu et al.
cs.AI cs.LG
本文提出了一种名为ECPO的listwise策略优化方法，用于证据认证的候选排序任务。该方法通过将排序与证据证书联合优化，并引入可解释的轨迹奖励和证据循环奖励，旨在提升排序决策的可验证性。
The Log is the Agent: Event-Sourced Reactive Graphs for Auditable, Forkable Agentic Systems
Yohei Nakajima
cs.AI cs.MA
本文提出ActiveGraph运行时，将仅追加的事件日志作为唯一事实来源，工作图是日志的确定性投影，行为通过响应图变化并发出新事件来运作。该设计实现了确定性重放、低成本分叉和端到端溯源，但未直接涉及代码、上下文、谱方法或预训练等关键词。
Active Evidence-Seeking and Diagnostic Reasoning in Large Language Models for Clinical Decision Support
Chen Zhan et al.
cs.AI
本文提出了一种基于OSCE的标准化病人模拟器，用于评估大语言模型在主动诊断推理中的表现。实验发现，多轮证据收集会显著降低诊断准确性和证据质量，表明静态基准可能高估模型在交互环境中的性能。
Enhancing Visual Token Representations for Video Large Language Models via Training-Free Spatial-Temporal Pooling and Gridding
Bingjun Luo et al.
cs.AI cs.CV
本文提出了一种名为ST-GridPool的训练无关视觉token增强方法，通过Pyramid Temporal Gridding和Norm-based Spatial Pooling来改进视频大语言模型中的视觉token表示，在多个基准测试上提升了性能。该方法无需重新训练，可作为即插即用模块使用。
A Camera-Cooperative ISAC Framework for Multimodal Non-Cooperative UAVs Sensing
Wenfeng Wu, Luping Xiang, Kun Yang
cs.AI
本文提出了一种Camera-Cooperative ISAC (CC-ISAC)框架，通过结合摄像头与ISAC系统的多模态感知，实现了对非合作无人机的波束导向与跟踪。该框架利用Vision-to-Echo Data Alignment (V2EDA)模型和Multimodal Fusion-Based Estimation (MMFE)模型，在DeepSense 6G数据集上验证了其能有效降低波束与跟踪开销。
Knowledge Graph Re-engineering Along the Ontological Continuum (extended version)
Enrico Daga, Valentina Tamma, Terry Payne
cs.AI
本文提出了"ontological continuum"这一理论框架，用于描述和比较知识图谱从轻量级词汇表到丰富公理化的本体论建模实践，并通过Formal Concept Analysis (FCA)进行形式化。该工作主要聚焦于知识图谱的重新工程化，与关键词中的code、agent等概念关联较弱。
MPDocBench-Parse: Benchmarking Practical Multi-page Document Parsing
Bangbang Zhou et al.
cs.AI
本文提出了MPDocBench-Parse基准，用于评估多页文档解析任务，包含433份文档和3246页，覆盖15种类型，并设计了内容保真度和逻辑结构的评估协议。实验表明现有模型在语义连续性、视觉内容解析和层次结构恢复方面仍存在明显局限。
ArborKV: Structure-Aware KV Cache Management for Scaling Tree-based LLM Reasoning
Yeqiu Chen et al.
cs.AI
ArborKV提出了一种针对Tree-of-Thoughts推理的结构感知KV cache管理方法，通过轻量级价值估计和树感知分配策略实现token驱逐，在保持精度的同时显著降低峰值内存占用。
Perception or Prejudice: Can MLLMs Go Beyond First Impressions of Personality?
Caixin Kang et al.
cs.AI cs.CV cs.CY
本文提出了Grounded Personality Reasoning (GPR)任务和MM-OCEAN数据集，用于评估多模态大语言模型在人格感知中是否基于可观察证据进行推理，而非仅依赖表面模式匹配。通过基准测试发现模型存在显著的“偏见差距”，即正确评分往往缺乏对检索线索的合理依据。
Efficient Agentic Reasoning Through Self-Regulated Simulative Planning
Mingkai Deng et al.
cs.AI cs.CL cs.LG cs.RO
本文提出SR\(^2\)AM框架，将agent决策分解为模拟推理、自我调节和反应执行三个系统，通过LLM作为world model实现规划，并利用强化学习优化规划深度与频率。该方法在多个任务上以更少的推理token达到与超大模型相当的性能。
IdleSpec: Exploiting Idle Time via Speculative Planning for LLM Agents
Daewon Choi et al.
cs.AI
本文提出IdleSpec，一种利用LLM agent在等待环境反馈时的空闲时间进行推测性规划的方法，通过迭代生成候选计划并在观测到达后聚合来提升性能。该方法在GAIA和FRAMES等基准上取得了显著提升，但主要贡献在于工程优化而非理论创新。
ST-SimDiff: Balancing Spatiotemporal Similarity and Difference for Efficient Video Understanding with MLLMs
Bingjun Luo et al.
cs.AI cs.CV
本文提出ST-SimDiff框架，通过构建spatio-temporal graph并采用相似性与差异性的并行选择策略，在无需训练的情况下减少视频处理中的visual tokens数量，以提升MLLMs的效率。实验表明该方法在降低计算成本的同时优于现有技术。
Adapting the Interface, Not the Model: Runtime Harness Adaptation for Deterministic LLM Agents
Tianshi Xu, Huifeng Wen, Meng Li
cs.AI
本文提出Life-Harness，一种生命周期感知的运行时框架，通过在不改变模型权重的情况下，将训练轨迹中的重复交互失败转化为可复用的干预措施，来改进冻结的LLM agent在确定性环境中的表现。实验在多个基准上验证了其有效性，表明运行时接口适应可作为模型中心化agent训练的补充方案。
Measuring Cross-Modal Synergy: A Benchmark for VLM Explainability
Joël Roman Ky, Salah Ghamizi, Maxime Cordy
cs.AI cs.LG
本文指出现有的VLM可解释性评估方法存在缺陷，因为多模态数据中的语言先验导致单模态扰动指标无法准确衡量跨模态推理。作者提出了一个基于Shapley Interaction Index的度量标准Synergistic Faithfulness，用于严格分离视觉和文本模态的联合贡献，并验证了多种可解释性方法在捕捉真实跨模态协同方面的表现。
LLM-Metrics: Measuring Research Impact Through Large Language Model Memory
Si Shen, Wenhua Zhao, Danhao Zhu
cs.AI
本文提出LLM-Metrics，一种通过大语言模型参数记忆来评估研究影响力的新指标，通过设计多项选择探针测试模型对论文标题、作者等的识别能力，并与引用计数进行相关性分析。实验表明该指标与引用计数存在显著正相关，但整体相关性较弱，且模型规模与预测能力呈非单调关系。
Skill Weaving: Efficient LLM Improvement via Modular Skillpacks
Zhuo Li et al.
cs.AI cs.LG
本文提出SkillWeave框架，通过将通用LLM的能力划分为轻量级领域专用delta模块（skillpacks）并压缩为推理就绪格式，在固定内存预算下实现多领域专业化。实验表明9B模型在多项基准上超越32B模型并实现4倍加速。
CLORE: Content-Level Optimization for Reasoning Efficiency
Yuyang Wu et al.
cs.AI
本文提出CLORE框架，通过编辑正确推理轨迹中的冗余内容来提升大语言模型的推理效率，使用外部模型删除重复、不清晰或无关内容，并采用无参考DPO目标进行优化。实验表明该方法在数学推理任务中改善了准确率与效率的权衡。
Towards a compositional semantics for quantitative confidence assessment in assurance arguments
Benjamin Herd et al.
cs.AI
本文提出了一种基于Subjective Logic的置信度语义，将assurance argument中的元素映射为SL意见，并通过SL算子建模置信度传播，从而将论证转化为可分析的置信度网络。该方法提供了与GSN兼容的显式论证和上下文处理机制，但未涉及code、context、spectral等关键词相关技术。
SGR-Bench: Benchmarking Search Agents on State-Gated Retrieval
Ningyuan Li et al.
cs.AI
本文提出了SGR-Bench基准，用于评估LLM agent在需要建立特定网站检索状态（state-gated retrieval）的复杂数据检索任务上的表现。实验发现，现有agent系统在该任务上表现不佳，主要失败原因是检索范围漂移和标准不匹配。
Unlocking Proactivity in Task-Oriented Dialogue
Hongbin Zhang et al.
cs.AI
本文针对任务导向对话中的主动性问题，提出了一种基于认知用户模拟器的方法，通过建模用户潜在关注点来提升对话系统的主动性。该方法利用模拟器生成的状态转移信号优化策略，但未涉及代码、谱方法或预训练等关键词相关技术。
SciCore-Mol: Augmenting Large Language Models with Pluggable Molecular Cognition Modules
Yuxuan Chen et al.
cs.AI
本文提出SciCore-Mol框架，通过为LLM集成可插拔的分子认知模块（包括拓扑感知、分子生成和反应推理模块），以弥合离散语言符号与分子拓扑/反应数据之间的鸿沟。实验表明该8B参数系统在分子理解、生成和反应预测等任务上表现优异，但未直接涉及code、spectral或Muon等关键词。
Cross-domain benchmarks reveal when coordinated AI agents improve scientific inference from partial evidence
Fiona Y. Wong, Markus J. Buehler
cs.AI cs.LG cs.MA
本文通过跨领域benchmark评估了协调AI agents在部分证据下提升科学推理的条件，发现仅在特定场景（如多通道数据融合）中协调优于基线，而在信号主导或预测任务中增益有限。
Evaluation of Pipelines for Data Integration into Knowledge Graphs
Marvin Hofer, Erhard Rahm
cs.AI cs.DB cs.LG
本文提出了一个名为KGI-Bench的基准测试，用于评估将新数据集成到现有Knowledge Graph (KG)中的不同pipeline的质量，通过分析输出KG的coverage、correctness和consistency三个指标来比较12种pipeline的表现。
Meta-Soft: Leveraging Composable Meta-Tokens for Context-Preserving KV Cache Compression
Wei Luo et al.
cs.AI
本文提出Meta-Soft，一种基于可学习正交基矩阵和Gumbel-Softmax选择网络的动态KV Cache压缩框架，通过动态合成Soft Tokens并利用attention-flow机制重分配被移除token的语义信息，以解决现有方法无法适应不同输入prompt及信息丢失的问题。实验表明该方法在多个数据集上优于现有方法。
Scaling Observation-aware Planning in Uncertain Domains
Adrian Zvizdenco et al.
cs.AI
本文研究了不确定领域中观测感知规划的扩展问题，基于POMDP模型提出了新的求解方法，通过分解POMDP来识别合理的观测函数，显著提升了实例规模和运行时的性能。
Epicure: Navigating the Emergent Geometry of Food Ingredient Embeddings
Jakub Radzikowski, Josef Chen
cs.AI cs.CL cs.CY
Epicure通过多语言食谱语料库重新训练了三种skip-gram食材嵌入，并利用Metapath2Vec变体在共现图与化合物图上进行随机游走。该工作主要关注食材嵌入的几何结构，与关键词中的code、spectral、Muon等概念关联较弱。
S2ED: From Story to Executable Descriptions for Consistency-Aware Story Illustration
Sijing Yin et al.
cs.AI
本文提出S2ED框架，通过多个agent协作将故事分解为可执行的描述序列，以提升多帧故事插画的一致性，无需额外训练。该方法在Flintstones和Shakoo Maku数据集上验证了效果，但与我提供的关键词（如code, spectral, Muon, pretrain等）关联度较低。
KAPPS: A knowledge-based CPPS Architecture for the Circular Factory
Etienne Hoffmann et al.
cs.AI eess.SY
本文提出了一种基于知识的CPPS架构KAPPS，用于循环制造工厂。该架构利用本体知识图谱作为统一数据骨干，结合语义接口层实现异构系统的数据集成与推理，并通过约束执行和事件驱动规划模块支持不确定性下的自适应执行。
Compiling Agentic Workflows into LLM Weights: Near-Frontier Quality at Two Orders of Magnitude Less Cost
Simon Dennis et al.
cs.AI cs.LG
本文探讨了将agentic workflows编译到LLM权重中的方法，通过微调小模型来替代外部编排器，从而降低对frontier model的依赖和成本。实验在旅行预订、Zoom支持和保险理赔等任务上验证了该方法的有效性，但方法本身并非开创性突破，且与关键词契合度有限。
LACO: Adaptive Latent Communication for Collaborative Driving
Tianhao Chen, Yuheng Wu, Dongman Lee
cs.AI cs.CV
本文提出LACO，一种无需训练的latent communication范式，用于解决协同驾驶中语言通信的高延迟和信息丢失问题。该方法通过Iterative Latent Deliberation和Cross-Horizon Saliency Attribution等技术，在CARLA实验中降低了通信和推理延迟。
Towards Direct Evaluation of Harness Optimizers via Priority Ranking
Kai Tzu-iunn Ong et al.
cs.AI
本文提出了一种名为priority ranking的方法，用于直接评估harness optimizer（一种通过迭代更新目标agent的harness来创建自动化agent的优化器）的能力，通过让优化器对harness中的组件进行排序来量化其步骤级能力，无需昂贵的rollout或人工检查。该方法基于Shor数据集（包含182个人工验证的优化场景），并验证了排序性能与实际多步优化能力之间的相关性。
Meta-Learning for Rapid Adaptation in Reference Tracking of Uncertain Nonlinear Systems
Jiaqi Yan et al.
cs.AI
本文提出了一种基于meta-learning的控制框架，通过iMAML算法利用源系统数据加速目标系统的参考跟踪控制，并采用双层优化实现高效适应。该方法在数值仿真和硬件实验中优于基线方法，但未涉及code、context、spectral等关键词相关技术。
A Subjective Logic-based method for runtime confidence updates in safety arguments
Benjamin Herd et al.
cs.AI
本文提出了一种基于Subjective Logic的方法，用于在运行时动态更新安全论证中的置信度，通过整合设计时证据和运行时Safety Performance Indicators (SPIs)来量化并传播置信度。该方法在模拟的基于ML的施工区域辅助功能上进行了演示。
TerminalWorld: Benchmarking Agents on Real-World Terminal Tasks
Zhaoyang Chu et al.
cs.AI
TerminalWorld是一个用于评估AI agent在真实终端任务中表现的可扩展benchmark，通过自动从终端记录中逆向工程生成任务。实验表明当前模型在该benchmark上的表现有限，且其评估结果与现有benchmark的相关性较弱。
Think Thrice Before You Speak: Dual knowledge-enhanced Theory-of-Mind Reasoning for Persuasive Agents
Minghui Ma et al.
cs.AI
本文提出了ToM-PD任务和TTBYS框架，通过显式建模BDI框架中的mental state依赖关系，并利用显式和隐式先验知识增强LLM在说服性对话中的推理能力。实验表明该方法在预测desires、beliefs和persuasive strategies上优于GPT-5。
Spreadsheet-RL: Advancing Large Language Model Agents on Realistic Spreadsheet Tasks via Reinforcement Learning
Banghao Chi et al.
cs.AI
本文提出了Spreadsheet-RL，一个基于reinforcement learning的微调框架，用于在真实的Microsoft Excel环境中训练专门的spreadsheet agent。它通过自动化pipeline收集数据并构建了Domain-Spreadsheet benchmark，实验表明该方法能显著提升LLM agent在复杂电子表格任务上的表现。
AtelierEval: Agentic Evaluation of Humans & LLMs as Text-to-Image Prompters
Hanjun Luo et al.
cs.AI
本文提出了AtelierEval，首个统一量化人类与多模态大语言模型在文本到图像生成中提示能力的基准，并设计了基于技能与记忆增强的agentic评估器AtelierJudge。实验表明该评估器与人类专家高度相关，揭示了模仿优于规划的现象。
Claw AI Lab: An Autonomous Multi-Agent Research Team
Fan Wu et al.
cs.AI
本文介绍了Claw AI Lab，一个基于实验室的自主研究平台，将自动化研究从隐藏的提示到论文流程转变为交互式AI实验室。该平台支持用户通过单一提示实例化完整的研究团队，并具备可定制角色、协作工作流、实时监控和回滚控制等功能，通过Claw-Code Harness连接本地代码库和数据集以提升实验完整性和结果可靠性。
WorkstreamBench: Evaluating LLM Agents on End-to-End Spreadsheet Tasks in Finance
Thomson Yen et al.
cs.AI
本文提出了WorkstreamBench基准，用于评估LLM agents在金融领域端到端电子表格任务中的表现，并构建了包含准确性、公式和格式的多维度评价体系。实验表明，即使最强的agent也难以达到专业金融标准，且性能随任务复杂度增加而显著下降。
Is Capability a Liability? More Capable Language Models Make Worse Forecasts When It Matters Most
Nick Merrill, Jaeho Lee, Ezra Karger
cs.AI
本文研究了LLM在预测具有超线性增长和尾部风险的时间序列时的表现，发现更强大的模型反而产生更差的分布预测，尤其在尾部区域。该现象在合成和真实数据中均得到验证，并指出单阈值评估指标会掩盖这一逆缩放效应。
Forecasting Scientific Progress with Artificial Intelligence
Sean Wu et al.
cs.AI
本文提出了一个名为CUSP的基准，用于评估AI系统在受控知识约束下预测科学进展的能力。研究发现，当前AI模型在预测科学突破是否会发生及其时间点时表现不佳，且存在系统性偏差。
Beyond the Org Chart: AI and the Transformation of Invisible Work
Stephanie Rosenthal, Shamsi Iqbal
cs.AI cs.HC
本文通过访谈研究探讨了AI如何改变企业中的正式角色职责与非正式文化实践（如职业指导），并提出了使隐形工作更可见的建议。该研究主要关注组织行为与AI的社会影响，与关键词中的数学或技术概念无直接关联。
AMEL: Accumulated Message Effects on LLM Judgments
Sid-ali Temkit
cs.AI cs.CL cs.LG
本文研究了大型语言模型作为自动评估者时，先前对话历史的情感极性对后续判断的影响（AMEL效应）。实验发现模型判断会向历史主导极性偏移，且该效应在模型基线不确定时更显著，但偏见不随上下文长度增长。
Parametric Modular Answer Set Programs Made Declarative
Jorge Fandinno, Yuliya Lierler, Torsten Schaub
cs.AI cs.LO
本文提出了parametric modular logic programs这一新形式化方法，用于在first-order answer set programming (ASP)中实现模块化，并展示了其如何捕捉clingo-programs的语义。该工作为模块化ASP提供了理论基础，但与我提供的关键词列表关联度较低。
Can AI Make Conflicts Worse? An Alignment Failure in LLM Deployment Across Conflict Contexts
Andrii Kryshtal
cs.AI cs.HC
本文测试了多个LLM在武装冲突场景中的对齐失败问题，发现模型输出可能加剧社会分裂，并提出了首个针对该领域的评估框架。
Beyond Acoustic Emotion Recognition: Multimodal Pathos Analysis in Political Speech Using LLM-Based and Acoustic Emotion Models
Juergen Dietrich
cs.AI cs.CL cs.HC cs.SD eess.AS
本文研究了在政治演讲分析中，声学情感识别模型能否作为Pathos维度的代理，通过对比emotion2vec_plus_large、Gemini 2.5 Flash和TRUST-Pathos三种模态，发现基于LLM的多模态分析在捕捉语义定义的政治情感上显著优于纯声学模型，而声学特征仅对低层Arousal估计有效。
HarnessAPI: A Skill-First Framework for Unified Streaming APIs and MCP Tools
Edwin Jose
cs.AI cs.SE
本文提出了HarnessAPI框架，通过将类型化的skill文件夹作为单一事实来源，自动生成流式HTTP端点、OpenAPI/Swagger UI和MCP工具，解决了LLM工具在多种部署形式间的代码重复问题。该框架基于FastAPI构建，减少了约74%的样板代码。
Towards a General Intelligence and Interface for Wearable Health Data
Girish Narayanswamy et al.
cs.AI
本文提出了一种用于可穿戴健康数据的foundation model，在超过一万亿分钟的无标签传感器信号上预训练，并在35个健康预测任务上验证了性能提升。文章还探索了利用LLM agents自动搜索下游预测头，并集成为Personal Health Agent以提升模型响应的相关性和安全性。
Deep Reinforcement Learning for Flexible Job Shop Scheduling with Random Job Arrivals
Yu Tang et al.
cs.AI math.OC
本文提出了一种基于事件驱动的Deep Reinforcement Learning方法，用于解决随机作业到达的Flexible Job Shop Scheduling Problem。该方法使用Proximal Policy Optimization算法和轻量级Multi-Layer Perceptrons来训练agent，通过从一组调度规则中选择动作以最小化总完成时间。
LCGuard: Latent Communication Guard for Safe KV Sharing in Multi-Agent Systems
Sadia Asif et al.
cs.AI cs.ET cs.LG cs.MA
本文提出LCGuard框架，用于多智能体LLM系统中基于KV cache的潜在通信安全保护。该方法通过对抗训练学习表示层变换，在共享KV缓存前减少可重构的敏感信息，同时保持任务相关语义。
MOSS: Self-Evolution through Source-Level Rewriting in Autonomous Agent Systems
Qianshu Cai et al.
cs.AI cs.LG
本文提出MOSS系统，通过在源代码层面进行自我重写来改进自主agent系统，使其能从生产环境中的失败案例中自动学习并修复结构性缺陷。该方法将代码修改委托给外部coding-agent CLI，并通过确定性多阶段流水线进行验证和部署。

cs.IR

Bridging the Cold-Start Gap: LLM-Powered Synthetic Data Generation for Natural Language Search at Airbnb
Wendy Ran Wei et al.
cs.IR
本文提出利用LLM生成合成查询和标签，以解决Airbnb自然语言搜索系统的冷启动问题。通过结合对比性listing对和种子查询生成查询，并引入对比生成和Virtual Judge标签方法，该方法在查询长度和属性分布上优于基线，但未涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念。
Reinforced Preference Optimization for Reasoning-Augmented Recommendations
Jingtong Gao et al.
cs.IR
本文提出RPORec框架，通过两阶段训练（推理增强推荐建模与强化学习优化）将LLM的Chain-of-Thought推理能力与推荐任务对齐，实验表明其优于现有方法。该方法主要针对推荐系统领域，与关键词列表中的概念关联较弱。
LLM Retrieval for Stable and Predictable Ad Recommendations
Vinodh Kumar Sunkara et al.
cs.IR cs.AI
本文针对广告推荐系统中预测稳定性和可预测性的问题，提出了一种基于微调Large Language Models (LLMs)的语义候选生成框架。该框架通过从广告创意中提取层次化语义属性以获得LLM表示，并基于图进行扩展，从而提升系统对输入扰动的鲁棒性。
Generative Conversational Recommender System
Sixiao Zhang, Mingrui Liu, Cheng Long
cs.IR
本文提出了一种完全生成式的对话推荐系统，将推荐和对话生成统一在单个自回归框架中，通过将物品表示为离散语义ID并直接集成到生成过程中，实现了物品和响应的联合预测。该方法在推荐性能上取得了显著提升，但与我提供的关键词列表（code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Behavior-Guided Candidate Calibration for Multimodal Recommendation
Zesheng Li, Chengchang Pan, Honggang Qi
cs.IR
本文发现多模态推荐中适度的跨视图一致性有助于提升性能，而过高的一致性会抑制区分性信号。基于频谱分析，作者提出了一种行为引导的候选校准模型，将训练中的共用户重叠转化为带符号的候选证据，仅应用于多模态骨干网络生成的候选列表上。
Integrating Chain-of-Thought into Generative Retrieval: A Preliminary Study
Wenhao Zhang et al.
cs.IR
本文提出ThinkGR框架，将chain-of-thought推理融入generative retrieval过程，通过混合解码策略和两阶段训练方法，在multi-hop检索基准上取得平均+6.86%的性能提升。该方法为复杂查询的检索任务提供了新的思路。
Diversed Model Discovery via Structured Table Discovery
Zhengyuan Dong, Renée J. Miller
cs.IR
本文提出了StructuredSemanticSearch框架，通过结合语义相似性与结构化table discovery操作符（如unionability和joinability）来检索model card中的表格证据，以提升模型搜索的多样性和证据覆盖率。实验在597个查询上验证了该结构感知pipeline相比纯语义基线的优势。

cs.CL

ACC: Compiling Agent Trajectories for Long-Context Training ⭐ 精选
Qisheng Su et al.
cs.CL cs.AI
本文提出Agent Context Compilation (ACC)方法，将agent在搜索、软件工程和数据库查询等任务中产生的多轮trajectory转换为long-context QA对，从而直接监督LLM对分散于多轮交互中的证据进行long-context reasoning。该方法无需额外标注，可结合任意long-context扩展或训练方法，在MRCR和GraphWalks等长程依赖建模benchmark上显著提升Qwen3-30B-A3B的性能，且保持通用能力。ACC与关键词中的agent和context高度契合，为agent轨迹数据在long-context训练中的有效利用提供了开创性方案。
Token-weighted Direct Preference Optimization with Attention ⭐ 精选
Chengyu Huang et al.
cs.CL
本文提出Token-weighted DPO (TwDPO)方法，通过引入token级别的加权机制改进Direct Preference Optimization (DPO)。其核心创新AttentionPO利用LLM自身的attention机制作为pairwise judge来估计token权重，无需额外训练模型，仅需两次额外前向传播。该方法在AlpacaEval、MT-Bench和ArenaHard等基准上显著超越现有Preference Optimization方法，与关键词"attention"高度契合。
CR4T: Rewrite-Based Guardrails for Adolescent LLM Safety
Heajun An et al.
cs.CL cs.AI cs.CY
本文提出了一种名为CR4T的模型无关安全框架，通过选择性重写LLM的不安全或拒绝式输出，为青少年生成适龄的引导性回应。该方法结合了轻量级风险检测与条件重写，旨在减少不必要的对话中断，但未涉及代码、谱方法或预训练等关键词。
Broadening Access to Transportation Safety Data with Generative AI: A Schema-Grounded Framework for Spatial Natural Language Queries
Mahdi Azhdari, Eric J. Gonzales
cs.CL
本文提出了一种基于schema-grounded自然语言接口的框架，利用大语言模型将用户查询转化为结构化语义框架，并通过规则验证层和PostGIS数据库执行，以降低交通数据分析的技术门槛。实验表明该方法能成功执行所有查询，但验证层纠正了29%的查询错误，反映了自然语言与严格结构化需求之间的差距。
Sem-Detect: Semantic Level Detection of AI Generated Peer-Reviews
André V. Duarte et al.
cs.CL
本文提出Sem-Detect方法，通过结合文本特征与claim-level语义分析来检测AI生成的同行评审。该方法利用不同AI模型在评审中趋于一致而人类评审更具多样性的观察，在ICLR和NeurIPS数据集上提升了检测性能。
Probabilistic Attribution For Large Language Models
Shilpika Shilpika et al.
cs.CL cs.AI
本文利用随机过程理论，将LLM的next-token log-probabilities通过Bayes rule转化为一种与模型结构无关的概率归因度量，用于分析生成过程中的token敏感性和模型稳定性。
RankJudge: A Multi-Turn LLM-as-a-Judge Synthetic Benchmark Generator
Zhenwei Tang et al.
cs.CL
本文提出了RankJudge，一个用于评估LLM在多轮对话中作为评判者的基准生成器，通过向对话中注入单一缺陷并利用Bradley-Terry模型对评判者进行排序。该方法主要关注对话质量评估，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念无直接关联。
PromptNCE: Pointwise Mutual Information Predictions Using Only LLMs and Contrastive Estimation Prompts
Juliette Woodrow, Chris Piech
cs.CL
本文提出PromptNCE方法，利用LLM通过对比估计提示（contrastive estimation prompts）零样本估计pointwise mutual information (PMI)，并引入显式的OTHER类别来恢复真实条件概率。实验表明该方法在三个数据集上达到最高Spearman相关系数0.82，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词。
Reflective Prompt Tuning through Language Model Function-Calling
Farima Fatahi Bayat et al.
cs.CL
本文提出Reflective Prompt Tuning (RPT)框架，通过LLM function-calling模拟人工prompt工程师的迭代工作流，利用诊断函数和累积记忆来优化prompt。实验表明该方法在推理任务上有效，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
Residual Skill Optimization for Text-to-SQL Ensembles
Jiongli Zhu et al.
cs.CL cs.AI cs.DB cs.LG
本文提出DivSkill-SQL框架，通过残差技能优化构建互补的Text-to-SQL agent集成，在不进行模型微调的情况下，针对当前集成失败样本优化新技能，以提升Pass@K性能。实验表明该方法在多个dialect和任务上显著优于现有baseline，但未涉及spectral、Muon或pretrain等关键词相关技术。
When Cases Get Rare: A Retrieval Benchmark for Off-Guideline Clinical Question Answering
Doeun Lee et al.
cs.CL
本文提出了OGCaReBench，一个用于评估LLM在罕见临床病例中回答问题的检索增强基准。实验表明，即使最佳模型也仅能达到56%的正确率，而通过检索医学文章可提升至82%，强调了证据基础推理的重要性。
Does Slightly Mean Somewhat? Measuring Vague Intensity Words in LLM Numeric Actions
Daniel Tabach
cs.CL cs.AI
本文研究了语言模型Claude Haiku在资源分配任务中对10个英语程度修饰词（从slightly到drastically）的数值解释。实验发现，模型将这些词压缩为5个不同的中位数输出，且其数值行为高度依赖于系统状态，在操作边界附近表现出不连续性。
Comparing LLM and Fine-Tuned Model Performance on NVDRS Circumstance Extraction with Varying Prompt Complexity
Geoffrey Martin, Xuan Zhong Feng, Yifan Peng
cs.CL cs.AI
本文提出了一种“Complexity Score”算法，用于预测在从死亡调查叙述中提取结构化信息时，使用详细提示是否优于仅使用名称提示。通过对比LLM与微调后的RoBERTa模型在NVDRS数据集上的表现，发现LLM在低发生率且需要语义推理的场景下表现更优。
Hypergraph as Language
Mengqi Lei et al.
cs.CL
本文提出Hyper-Align框架，将hypergraph结构序列化为固定形状的混合模板（HIDT-O），并通过Hypergraph Incidence Projector (HIP)将高阶关联结构映射到LLM token空间，支持顶点级和超边级任务。该方法在超图建模任务上优于现有方法，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词。
Claim-Selective Certification for High-Risk Medical Retrieval-Augmented Generation
Shao Kan
cs.CL
本文提出了一种面向高风险医疗RAG系统的claim-selective certification方法，将回答分解为可验证的声明并基于检索证据进行评分，最终通过意图感知选择器映射到四种动作。实验在弱标签协议下展示了该方法在减少无支持声明风险方面的有效性。
Diagnosis Is Not Prescription: Linguistic Co-Adaptation Explains Patching Hazards in LLM Pipelines
Yoon Jeonghun, Kim Dongchan
cs.CL
本文通过实验发现，在LLM agent pipeline中，因果分析识别出的主要故障模块（routing module）并非最佳的修复位置，而修复上游的query-rewriting模块反而更有效。作者提出Linguistic Contract假说解释这一现象，即下游模块会隐式适应上游的错误分布，直接修复瓶颈会破坏这种对齐。
SpecHop: Continuous Speculation for Accelerating Multi-Hop Retrieval Agents
Mehrdad Saberi, Keivan Rezaei, Soheil Feizi
cs.CL
本文提出SpecHop框架，通过维护多个推测线程并异步验证预测结果，在不改变最终轨迹的前提下加速多跳检索agent的推理过程，实验显示可降低最多40%的延迟。
From TF-IDF to Transformers: A Comparative and Ensemble Approach to Sentiment Classification
Dip Biswas Shanto et al.
cs.CL cs.AI cs.IR cs.LG
本文比较了多种机器学习模型（如Naive Bayes, SVM, LSTM, RoBERTa等）在IMDb电影评论情感分类任务上的表现，发现RoBERTa模型准确率最高（93.02%），且软投票集成方法能进一步提升分类性能。
Hallucination as Commitment Failure: Larger LLMs Misfire Despite Knowing the Answer
Jewon Yeom et al.
cs.CL
本文研究了大型语言模型中的幻觉现象，发现幻觉并非完全源于知识缺失，而是与模型在生成答案时对正确概念的commitment失败有关。实验表明，随着模型规模增大，instruction tuning会加剧这种commitment的sharpening效应，导致模型在已知正确答案时仍可能产生幻觉。
LatentOmni: Rethinking Omni-Modal Understanding via Unified Audio-Visual Latent Reasoning
Yifan Dai et al.
cs.CL cs.CV
本文提出LatentOmni框架，通过统一音频-视觉潜在推理空间替代显式文本链式推理，以解决多模态大语言模型在细粒度跨模态推理中的不足。该方法引入特征级监督和Omni-Sync位置嵌入来保持时序一致性，并在构建的LatentOmni-Instruct-35K数据集上验证了其优于显式文本CoT基线的性能。
FlyRoute: Self-Evolving Agent Profiling via Data Flywheel for Adaptive Task Routing
Rongjun Li, Ziyu Zhou, Yihang Wu
cs.CL
本文提出FlyRoute框架，通过数据飞轮机制为LLM router动态更新agent profile，利用BM25检索和探索策略提升任务路由准确率。实验表明该方法在冷启动和持续学习场景下均优于零样本基线。
Hy-MT2: A Family of Fast, Efficient and Powerful Multilingual Translation Models in the Wild
Mao Zheng et al.
cs.CL
Hy-MT2是一个面向复杂真实场景的多语言翻译模型家族，包含1.8B、7B和30B-A3B三种规模，支持33种语言间的翻译。该模型在通用、商业、领域和指令跟随翻译任务上表现优异，轻量级1.8B模型在量化后仅需440MB存储，性能超越部分主流商业API。
Faithful-MR1: Faithful Multimodal Reasoning via Anchoring and Reinforcing Visual Attention
Changyuan Tian et al.
cs.CL cs.CV
本文提出Faithful-MR1训练框架，通过锚定（Anchoring）和强化（Reinforcing）两个阶段来提升多模态大语言模型（MLLMs）的忠实推理能力，其中锚定阶段使用 token直接监督视觉注意力，强化阶段通过反事实图像干预奖励正确推理轨迹。实验表明该方法在Qwen2.5-VL-Instruct上优于现有基线。
Ishigaki-IDS-Bench: A Benchmark for Generating Information Delivery Specification from BIM Information Requirements
Ryo Kanazawa et al.
cs.CL
本文提出了Ishigaki-IDS-Bench基准，用于评估从BIM信息需求生成符合行业标准XML的IDS文件的能力，并测试了多个LLM在该任务上的表现。该工作主要关注结构化输出生成，与关键词中的code和context有一定关联，但方法本身并非开创性，也未解决长期存在的核心问题。
ArabDiscrim: A Decade-Long Arabic Facebook Corpus on Racism and Discrimination
Wajdi Zaghouani et al.
cs.CL
本文构建了一个包含29.3万条阿拉伯语Facebook帖子的语料库ArabDiscrim，用于研究种族主义和歧视，并提供了200个带形态学正则表达式的术语及20个歧视维度。该工作主要贡献于阿拉伯语自然语言处理中的偏见分析，与关键词列表中的概念关联较弱。
A Comparative Study of Language Models for Khmer Retrieval-Augmented Question Answering
Sereiwathna Ros et al.
cs.CL
本文针对高棉语这一低资源非拉丁文字语言，构建了一个基于RAG的问答系统，并比较了三种嵌入模型和五种生成模型在电信领域文档上的性能表现。实验表明BGE-M3在检索阶段表现最佳，而不同生成模型在忠实度、事实正确性等指标上各有优劣。
Cross-Lingual Consensus: Aligning Multilingual Cultural Knowledge via Multilingual Self-Consistency
Andrew Ivan Soegeng, Patrick Sutanto, Tan Sang Nguyen
cs.CL
本文提出了一种自监督框架，利用多语言自一致性来对齐LLM中的跨语言文化知识，通过自批评机制将本地语言中的文化知识迁移到英语查询中，在BLEnD基准上提升了文化对齐性能。该方法完全依赖自生成数据，无需外部标注。
Psy-Chronicle:A Structured Pipeline for Synthesizing Long-Horizon Campus Psychological Counseling Dialogues
Chaogui Gou, Jiarui Liang
cs.CL
本文提出了Psy-Chronicle框架，用于合成长期校园心理咨询对话数据，通过构建时间压力事件图和agent模拟生成包含100个学生档案和9万条对话的中文数据集CPCD。实验表明该数据能提升模型的会话级响应和长期记忆能力，但在时间因果推理方面仍有局限。
Do Factual Recall Mechanisms Carry over from Text to Speech in Multimodal Language Models?
Luca Modica et al.
cs.CL
本文使用Causal Mediation Analysis技术，研究了多模态语言模型SpiritLM在文本和语音模态下编码、存储和检索事实知识的机制差异。初步结果表明，语音到文本的事实回忆机制仅部分继承了文本模态的特性。
Structure Retention in Embedding Spaces as a Predictor of Benchmark Performance
Amanda Myntti et al.
cs.CL
本文研究了embedding空间中结构保留与benchmark性能之间的关系，发现高表现模型在embedding空间中具有一致的组织方式，并通过nearest-neighbor overlap和ICA分析揭示了与任务性能的强相关性。
Evaluation of Chunking Strategies for Effective Text Embedding in Low-Resource Language on Agricultural Documents
Sovandara Chhoun et al.
cs.CL
本文比较了四种文本分块策略（Recursive, Khmer-Aware, Sentence-Based, LLM-Based）在低资源语言（高棉语）农业文档的RAG框架中的性能，发现基于字符的Recursive分块方法（块大小300字符）在检索和相关性指标上表现最佳。该研究强调了分块粒度与结构保留对形态复杂低资源语言稠密检索的重要性，但与关键词列表中的概念无直接关联。
Audience Engagement with Arabic Women's Social Empowerment and Wellbeing: A Decadal Corpus
Wajdi Zaghouani et al.
cs.CL
本文构建了一个包含十年间阿拉伯语Facebook帖子的大型语料库，用于分析女性赋权与社会福祉相关的公众参与和情感反应，并提供了自动化处理流程以确保数据可靠性。该工作主要服务于计算社会科学与阿拉伯语自然语言处理研究，与关键词中的核心数学概念无直接关联。
GHI: Graphormer over Conditioned Hypergraph Incidence for Aspect-Based Sentiment Analysis
Yu Du et al.
cs.CL
本文提出GHI框架，将Aspect-Based Sentiment Analysis中的语言和语义证据建模为token-hyperedge incidence关系，并基于bipartite拓扑构建结构推理层。实验表明该方法在多个基准上优于基线，但未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词。
IdioLink: Retrieving Meaning Beyond Words Across Idiomatic and Literal Expressions
Kai Golan Hashiloni et al.
cs.CL
IdioLink是一个用于测试语言模型能否将习语表达与字面或改写形式中概念等价含义联系起来的检索基准，包含107个习语的10700个文档和2140个查询。实验表明当前模型（如BGE、E5等）主要依赖主题和浅层语义线索，难以处理习语与字面表达间的语义检索。
Harder to Defend: Towards Chinese Toxicity Attacks via Implicit Enhancement and Obfuscation Rewriting
Jingyi Kang et al.
cs.CL
本文提出了一个针对中文大语言模型的隐式毒性攻击框架CITA，通过三个阶段生成难以检测的毒性样本，并验证了现有检测器的高漏检率。该工作主要关注语言安全领域，与您提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）无直接关联。
Pattern-and-root inflectional morphology: the Arabic broken plural
Alexis Amid Neme, Eric Laporte
cs.CL
本文提出了一种基于“pattern-and-root”模型的阿拉伯语名词屈折形态学描述方法，将传统闪米特语形态学中的“root-and-pattern”顺序反转，优先考虑pattern。该模型通过词典直接进行形态分析，无需形态音位规则，并将名词屈折分类简化为22种三字母根pattern和3种四字母根pattern，共160个屈折类。
TransitLM: A Large-Scale Dataset and Benchmark for Map-Free Transit Route Generation
Hanyu Guo et al.
cs.CL cs.AI cs.LG
本文提出了TransitLM，一个包含超过1300万条公交路线规划记录的大规模数据集，用于训练LLM实现无地图的端到端公交路线生成。实验表明，模型能隐式地将GPS坐标映射到站点并生成结构有效的路线。
Modeling Pathology-Like Behavioral Patterns in Language Models Through Behavioral Fine-Tuning
Nicola Milano, Davide Marocco
cs.CL
本文通过行为微调框架，在transformer-based language models上训练其选择特定类别的动作，以模拟抑郁和偏执等异常行为模式。研究发现，微调后的模型在生成任务中表现出稳定的、跨上下文的概率分布偏移，且不同行为模式具有可分离的响应倾向。
Multi-Stage Training for Abusive Comment Detection in Indic Languages
Pranshu Rastogi et al.
cs.CL cs.LG
本文针对Indic语言中的辱骂评论检测问题，提出了一种基于语言预处理和多模型集成的训练流程，旨在降低假阳性率。实验表明该方法在保持检测能力的同时减少了误判。
Unified Data Selection for LLM Reasoning
Xiaoyuan Li et al.
cs.CL
本文提出了一种名为High-Entropy Sum (HES)的无训练度量指标，通过计算推理样本中最高熵token的熵和来量化推理质量，并在SFT、RFT和RL三种训练范式下验证了其有效性。该方法能显著降低计算开销，但主要针对LLM推理数据选择，与关键词中的code、spectral、Muon等概念关联较弱。
DeferMem: Query-Time Evidence Distillation via Reinforcement Learning for Long-Term Memory QA
Jianing Yin, Tan Tang
cs.CL cs.AI cs.LG
本文提出DeferMem框架，通过轻量级segment-link结构组织历史对话并检索候选信息，再使用基于强化学习DistillPO算法的memory distiller将噪声候选蒸馏为查询相关的证据，以提升长对话记忆问答的准确性和效率。
Assisted Counterspeech Writing at the Crossroads of Hate Speech and Misinformation
Genoveffa Martone, Helena Bonaldi, Marco Guerini
cs.CL
本文研究了在仇恨言论与错误信息共存的情境下，利用LLM辅助生成反言论（counterspeech）的策略，比较了基于事实核查指南、非政府组织指南及混合策略的效果，并通过专家修订和众包评估验证了混合策略在事实纠正与共情表达上的优势。
Cohesion-6K: An Arabic Dataset for Analyzing Social Cohesion and Conflict in Online Discourse
Aisha Ali Al-Athba, Wajdi Zaghouani
cs.CL
本文构建了一个名为Cohesion-6K的阿拉伯语Facebook帖子数据集，用于分析在线话语中的社会凝聚力与冲突。该数据集通过人工与ChatGPT辅助标注，将帖子分为从冲突到凝聚力的五个类别，并揭示了冲突导向帖子获得更多用户互动的模式。
From Correlation to Cause: A Five-Stage Methodology for Feature Analysis in Transformer Language Models
Caleb Munigety
cs.CL cs.AI
本文提出了一种用于transformer语言模型中因果特征分析的五阶段方法，并在GPT-2 small上针对Indirect Object Identification (IOI)任务进行了端到端演示。该方法通过activation patching和sparse autoencoder等技术，验证了特定特征的因果性，并评估了其在分布偏移下的鲁棒性及部署成本。
In Silico Modeling of the RAMPHO Buffer: Dissociating Informational and Energetic Masking via Phonetic Entropy in Deep Neural Networks
Stefan Bleeck
cs.CL
本文使用wav2vec 2.0模型的逐帧phonetic entropy模拟RAMPHO buffer，通过对比语义完整与相位去相关的干扰器，在SNR扫描中分离了informational masking与energetic masking的认知代价，揭示了认知-声学Pareto优化问题。
Polite on the Surface, Wrong in Practice: A Curated Dataset for Fixing Honorific Failures in Multilingual Bangla Generation
Md. Asaduzzaman Shuvo et al.
cs.CL
本文针对孟加拉语多语言大模型在敬语使用上的文化语用缺陷，构建了一个包含4,196个交互对的指令微调数据集BLADE，并基于LoRA和4-bit量化对DeepSeek-8B和LLaMA-3.2-3B进行微调，实验表明该方法在结构保真度和敬语对齐上取得显著提升。
BeLink: Biomedical Entity Linking Meets Generative Re-Ranking
Darya Shlyk, Stefano Montanelli, Lawrence Hunter
cs.CL cs.AI cs.IR
本文提出了一种基于指令微调的开源生成模型，用于生物医学实体链接(BEL)的重新排序阶段，通过集合式指令微调实现了快速准确的候选选择，在多个基准上提升了链接准确率并减少了推理时间。该方法被集成到模块化系统BeLink中，但与我提供的关键词列表关联度较低。
Scene Abstraction for Lexical Semantics: Structured Representations of Situated Meaning
Yejin Cho, Katrin Erk
cs.CL
本文提出Scene Abstraction框架，通过few-shot prompting从大语言模型中提取词汇的Contextual Scene和Expression Profile，以结构化表示词汇的情境语义。实验表明该方法在识别场景和匹配人类解释方面优于纯文本embedding和ATOMIC基线。
One prompt is not enough: Instruction Sensitivity Undermines Embedding Model Evaluation
Yevhen Kostiuk, Kenneth Enevoldsen
cs.CL cs.IR
本文研究了instruction embedding模型对prompt措辞的敏感性，通过在6个模型、11个数据集和990个prompt上的实验，发现单prompt评估会误导模型性能排名，任何模型都可以通过选择有利的prompt升至榜首。
SynAE: A Framework for Measuring the Quality of Synthetic Data for Tool-Calling Agent Evaluations
Shuaiqi Wang et al.
cs.CL cs.LG cs.SE
本文提出了SynAE框架，用于评估面向tool-calling agent的多轮合成数据质量，从有效性、保真度和多样性四个维度进行度量。该工作主要关注agent评估中的合成数据问题，与关键词中的agent相关，但方法本身并非开创性突破。
LANG: Reinforcement Learning for Multilingual Reasoning with Language-Adaptive Hint Guidance
Yuchun Fan et al.
cs.CL
本文提出LANG框架，通过语言条件提示引导非英语推理任务的强化学习探索，并采用渐进衰减调度和语言自适应切换机制来防止模型对提示产生依赖。实验表明该方法在多语言数学推理任务中提升了性能，同时保持了语言一致性。
Beyond Temperature: Hyperfitting as a Late-Stage Geometric Expansion
Meimingwei Li et al.
cs.CL cs.AI stat.ML
本文发现LLM在小数据集上微调至接近零训练损失的"Hyperfitting"现象与简单的temperature scaling有本质区别，并揭示其依赖于动态的上下文相关rank重排序机制。通过layer-wise分析，作者将这一效应定位到最终transformer block中的"Terminal Expansion"几何特征空间扩张，并提出了仅更新最后5层的Late-Stage LoRA策略。
Agentic CLEAR: Automating Multi-Level Evaluation of LLM Agents
Asaf Yehudai, Lilach Eden, Michal Shmueli-Scheuer
cs.CL cs.AI
本文提出了Agentic CLEAR，一个用于自动评估LLM Agent行为的框架，能在系统、轨迹和节点三个粒度上生成文本洞察。该框架在多个基准测试中展示了与人工标注错误的高度一致性，并能够预测任务成功率。
Chinese sensorimotor and embodiment norms for 3,000 lexicalized concepts
Jing Chen et al.
cs.CL
本文为3,000个中文词汇提供了11维的sensorimotor ratings和单维的embodiment ratings数据库，验证了Perceptual Strength of Embodiment (PSE)等指标在词汇决策任务中的预测能力，并发现sensorimotor信息可从纯语言表示中部分恢复。该工作主要贡献于认知科学和embodied AI领域，与关键词中的code, context, spectral, Muon, pretrain, agent, attention无直接关联。
More Context, Larger Models, or Moral Knowledge? A Systematic Study of Schwartz Value Detection in Political Texts
Víctor Yeste, Paolo Rosso
cs.CL cs.AI cs.LG
本文系统研究了在政治文本中检测Schwartz价值观时，上下文长度、模型规模与显式道德知识的影响。实验表明，全文档上下文对监督编码器有效，但对零样本LLM帮助有限；检索增强的知识在早期融合下更稳定地提升性能，而单纯扩大模型规模并不保证收益。
Boiling the Frog: A Multi-Turn Benchmark for Agentic Safety
Piercosma Bisconti et al.
cs.CL
本文提出了一个名为Boiling the Frog的多轮基准测试，用于评估在办公环境中使用工具的AI agent（智能体）在面对渐进式攻击时的安全性。该基准通过状态化的多轮交互，在持久化工作空间中逐步引入风险请求，并评估最终状态是否变得不安全。
Whose Voice Counts? Mapping Stakeholder Perspectives on AI Through Public Submissions to the U.S. Government
Alina Karakanta et al.
cs.CL
本文基于公众向美国政府提交的关于AI行动计划的信件语料库，通过主题建模和频率分析，研究了不同利益相关者（如学术界、个人、私营部门）对AI的看法，发现个人更关注AI对生活的影响，而私营部门更关注AI发展，且AI行动计划主要反映了私营部门的关切。
Seeing the Poem: Image-Semantic Detection of AI-Generated Modern Chinese Poetry with MLLMs
Shanshan Wang et al.
cs.CL cs.CV
本文评估并增强了LLMs作为现代中文诗歌检测器的性能，提出了一种基于图像语义引导的诗歌检测方法，通过引入反映诗歌内容的图像来辅助判断。实验表明该方法优于传统基于纯文本的检测器，但与我提供的关键词（如code, context, spectral等）关联度较低。
Moral Semantics Survive Machine Translation: Cross-Lingual Evidence from Moral Foundations Corpora
Maciej Skorski
cs.CL cs.AI
本文研究了基于LLM的机器翻译在道德价值观分类中的跨语言迁移能力，以波兰语为例，通过LaBSE相似度、CKA对齐、LLM评估和分类器性能测试四种方法验证了翻译的有效性。结果表明，尽管存在俚语和文化表达的处理缺陷，直接翻译仍能保留足够的道德语义线索，且微调后性能接近英语原版。
Self-Policy Distillation via Capability-Selective Subspace Projection
Guangya Hao et al.
cs.CL
本文提出了一种名为Self-Policy Distillation (SPD)的自蒸馏方法，通过从模型自身的梯度中提取低秩capability subspace，并在self-generation过程中将KV activations投影到该子空间，从而无需外部信号即可实现capability-selective的蒸馏。实验表明，该方法在代码生成、数学推理等任务上优于现有方法，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度不高。
Tokenization with Split Trees
Craig W. Schmidt et al.
cs.CL
本文提出了一种基于split trees的子词分词方法ToaST，通过预计算的byte n-gram计数贪心地构建full binary tree，并利用Integer Program优化vocabulary选择以最小化token数量。实验表明，在英文文本上ToaST相比BPE等方法能显著减少token计数，并在1.5B参数的语言模型训练中取得最佳性能。
ChronoMedKG: A Temporally-Grounded Biomedical Knowledge Graph and Benchmark for Clinical Reasoning
Md Shamim Ahmed et al.
cs.CL
本文构建了一个名为ChronoMedKG的时序生物医学知识图谱，通过多智能体管道从文献中提取带有时间信息（如发病窗口、进展阶段）的疾病关联三元组，并引入ChronoTQA基准测试。实验表明，该图谱能显著提升大语言模型在时序临床推理任务上的表现，但其方法主要基于LLM共识和文献挖掘，与关键词中的code, spectral, Muon, pretrain, agent, attention等概念关联较弱。
Understanding Data Temporality Impact on Large Language Models Pre-training
Pilchen Hippolyte et al.
cs.CL cs.AI
本文研究了数据顺序对大型语言模型预训练的影响，通过构建包含7000多个时间敏感问题的基准，并对比了基于时间顺序和随机打乱的预训练方法。结果表明，顺序训练在保持通用语言能力的同时，能获得更及时和精确的时间知识。
Reducing Political Manipulation with Consistency Training
Long Phan et al.
cs.CL cs.AI
本文发现大型语言模型在处理对立政治话题时存在隐蔽的政治偏见，并提出了两种度量指标（Sentiment Consistency和Helpfulness Consistency）以及一种名为Political Consistency Training (PCT)的强化学习方法，通过训练使模型在修辞和参与度上更加对称，从而减少这种偏见。
Evaluating Commercial AI Chatbots as News Intermediaries
Mirac Suzgun et al.
cs.CL
本文评估了六种商业AI聊天机器人作为新闻中介的表现，发现它们在处理多语言新闻事实时存在检索偏差和推理失败问题，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。
Tokenisation via Convex Relaxations
Jan Tempus et al.
cs.CL cs.LG
本文提出了一种名为ConvexTok的tokenisation算法，通过将tokeniser构建问题形式化为线性规划并使用凸优化工具求解，以替代传统的贪心算法（如BPE和Unigram）。实验表明，该方法在内在tokenisation指标和语言模型的bits-per-byte上有一致提升，并能通过下界证明其与最优解的差距在常见词汇量下不超过1%。

cs.DS

Near-Optimal Generalized Private Testing
Anamay Chaturvedi, Monika Henzinger, Jalaj Upadhyay
cs.DS cs.CR
本文提出了广义阈值机制(GTM)用于差分隐私中的广义私有测试问题，该机制能处理一系列黑盒DP机制并给出近最优的精度和样本复杂度保证。通过GTM，作者给出了从持续观察(CO)设置到批处理设置的DP优化黑盒归约，并首次为许多最大化问题提供了DP-CO算法。
Finding a Solution to the Erdős-Ginzburg-Ziv Theorem in Linear Time
Sunghyeon Jo
cs.DS math.CO
本文提出了一个确定性的线性时间算法，用于解决Erdős-Ginzburg-Ziv定理中寻找特定子序列的问题。该算法通过维护可达和的紧凑arithmetic progression表示，并利用Frobenius interval进行合并，从而在素数模数下高效求解subset-sum问题。
An $Ω(n \log n)$ Randomized Lower Bound for Cutting a Cake into Proportionally Fair Pieces
Stephen Arndt, Kirk Pruhs, Trung Tran
cs.DS cs.DM
本文在Robertson-Webb模型中研究了蛋糕切割问题的随机算法下界，证明了任何随机算法都需要\(\Omega(n \log n)\)次查询才能实现比例公平。
Optimal $e^{(γ+o(1))n}$-Approximation of the Permanent of Positive Semidefinite Matrices
Nima Anari, Farzam Ebrahimnejad
cs.DS
本文针对Hermitian positive semidefinite矩阵的permanent，给出了确定性多项式时间算法的最优指数近似比\(e^{(\gamma+o(1))n}\)，其中\(\gamma\)为Euler-Mascheroni常数。通过一个凹最大化问题定义了\(\widehat P(A)\)，并证明了其与permanent的精确夹逼关系，从而实现了\(e^{(\gamma+\varepsilon)n}\)-近似。
A Coalgebraic Dijkstra Algorithm
Takahiro Sanada et al.
cs.DS
本文提出了coalgebraic shortest path problem (CSPP)框架，将Dijkstra算法推广到更广泛的state-transition系统优化问题中，并给出了一个coalgebraic Dijkstra算法。该算法在特定条件下能高效求解CSPP，其正确性条件被证明是必要且充分的。
The Secretary Problem with a Stochastic Precursor
Franziska Eberle, Alexander Lindermayr
cs.DS cs.LG
本文研究了带随机前兆信号的秘书问题，其中信号仅通过到达时间提供信息。论文刻画了随机顺序和对抗顺序下的最优策略，并证明信号时间信息能显著提升成功概率。
On the Parameterized Complexity of Min-Sum-Radii
Pankaj Kumar et al.
cs.DS cs.CC
本文研究了Min-Sum-Radii (MSR)聚类问题的参数化复杂性，证明了在加权二分图度量上，当参数化为聚类数k和成本Delta时，该问题是W[1]-难的；同时，当参数化为树宽加Delta时，该问题是FPT的。
Optimal Testing of Reed-Muller Codes with an Online Adversary
Esty Kelman, Uri Meir, Kai Zhe Zheng
cs.DS
本文定义了半样本测试器（semi-sample-based tester）用于Reed-Muller码的测试，并给出了其最优的可靠性分析。该测试器在在线擦除模型（online-erasure model）中实现了最优的query复杂度，并推广到了提升仿射不变码（lifted affine-invariant codes）。

others

Autonomous LLM Agents & CTFs: A Second Look ⭐ 精选
Youness Bouchari et al.
cs.CR cs.AI
本文系统性地评估了多种基于LLM的agent架构在30个web-based CTF挑战中的表现，发现通用agent claude-code能达到与精心设计的专用架构相当的性能（19/30），但所有agent在相同类别挑战中均存在瓶颈，尚未达到人类水平。通过模块化设计，作者证明结构化编排专业化角色（structured orchestration of specialized roles）优于单一架构，能提升运行一致性和降低执行成本。该工作为agent在offensive security任务中的应用提供了重要基准和设计指导。
Scalable On-Policy Reinforcement Learning via Adaptive Batch Scaling ⭐ 精选
Jongchan Park
stat.ML cs.AI cs.LG
本文提出Adaptive Batch Scaling (ABS)方法，通过引入Behavioral Divergence这一新metric来量化policy的非平稳性，并据此动态调整batch size。该方法挑战了强化学习中大batch训练会导致性能下降的传统观点，在Parallelised Q-Network (PQN)算法上验证了其有效性。实验表明，ABS能够同时保证训练早期的plasticity和晚期的稳定收敛，并首次在RL中实现了大网络与大batch size的协同最优scaling行为。
Patch Hierarchical Attention Transformer for Efficient Particle Jet Tagging ⭐ 精选
Aaron Wang et al.
hep-ex cs.AI
本文提出了一种名为Patch Hierarchical Attention Transformer (PHAT-JeT)的新型架构，用于解决高能物理中实时喷注标记（jet tagging）任务在触发系统（trigger system）严格延迟和精度约束下的效率问题。该方法创新性地结合了基于物理的几何消息传递模块（geometric message-passing module）来编码探测器平面结构，以及一种层次化分块注意力机制（hierarchical patch-based attention scheme），该机制在小组粒子内计算精确的self-attention，并通过轻量级patch-token通信保持全局上下文。在资源受限的预算下，PHAT-JeT在多个基准测试（如hls4ml, JetClass, Top Tagging, Quark-Gluon）上达到了最先进的精度和背景抑制性能，其核心思想与关键词“attention”高度契合。
MLLMs Know When Before Speaking: Revealing and Recovering Temporal Grounding via Attention Cues ⭐ 精选
Dazhao Du et al.
cs.CV cs.AI
本文揭示了多模态大语言模型(MLLM)在视频时间定位(VTG)任务中的感知-生成差距：模型在prefill阶段通过一组稀疏的attention heads（称为Temporal Grounding Heads, TG-Heads）能够准确关注到目标时间区间，但在自回归解码过程中，答案tokens的attention会偏离该区间。基于这一发现，作者提出了一种推理时的read-then-regenerate框架，首先从TG-Heads的prefill attention中提取去偏的帧级相关性信号并定位高attention区间，然后通过视频裁剪或attention masking将MLLM的视觉上下文限制在该区间内。该方法无需参数更新或架构修改，在多个VTG基准上取得了显著提升，与关键词“attention”高度契合。
DeltaBox: Scaling Stateful AI Agents with Millisecond-Level Sandbox Checkpoint/Rollback ⭐ 精选
Yunpeng Dong et al.
cs.OS cs.AI
本文提出DeltaBox，一种为LLM驱动的AI agent实现毫秒级sandbox checkpoint/rollback (C/R) 的系统。其核心创新在于观察到连续checkpoint间状态高度相似，因此提出基于变更的增量C/R机制，而非传统全量复制。为此，论文设计了两个OS级抽象：DeltaFS通过分层文件状态和动态冻结可写层实现基于copy-on-write的文件系统C/R；DeltaCR则通过增量dump和从冻结模板进程直接fork()来加速进程状态C/R。实验表明，DeltaBox在SWE-bench和RL微基准测试中实现了14ms的checkpoint和5ms的rollback延迟，显著提升了agent在固定时间预算下的探索能力，与关键词“agent”高度契合。
Memory-Induced Supra-Competitive Outcomes Between Deep Reinforcement Learning Agents in Optimal Trade Execution
Christos Spyridon Koulouris, Carlo Campajola
q-fin.CP cs.AI
本文研究了深度强化学习agent在最优执行环境中的超竞争行为，发现当agent能获取历史信息（特别是近期价格和自身过去动作）时，超竞争结果更频繁且持久。该工作主要关注agent的反馈与记忆机制，与关键词中的agent概念相关但方法创新性一般。
Multi-Modal Machine Learning for Population- and Subject-Specific lncRNA-Type 2 Diabetes Association Analysis
Ashwani Siwach, Sanjeev Narayan Sharma, Sunil Datt Sharma
q-bio.GN cs.LG
本文使用多模态机器学习框架，整合lncRNA的表达、二级结构和序列特征，在两个人群体RNA-seq队列中分析其与2型糖尿病的关联，并利用SHAP进行个体层面解释。研究识别出与疾病相关的特定lncRNA特征，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。
High-speed Networking for Giga-Scale AI Factories
Sajy Khashab et al.
cs.NI cs.AI cs.DC
本文介绍了NVIDIA Spectrum-X Ethernet的多平面架构，通过拓扑并行性和硬件加速负载均衡来提升AI工厂中大规模分布式训练的网络性能，实现了高利用率、低延迟和强隔离性。
Conditional Neural Field based Reduced Order Model for Dynamic Ditching Load Prediction
Henning Schwarz et al.
physics.flu-dyn cs.LG
本文使用conditional neural field方法结合LSTM网络，构建了用于飞机着水动载荷预测的降阶模型，在固定网格上精度接近卷积自编码器方法且参数更少，并能处理不同空间离散化的数据。
Graph neural network explanations reveal a topological signature of disease-associated hubs in biological networks
Kyle Higgins et al.
q-bio.MN cs.AI cs.LG
本文评估了四种GNN解释方法在生物网络（蛋白质-蛋白质相互作用网络）中识别疾病相关hub节点的能力，发现解释方法能恢复不同的信号组织模式，并观察到疾病相关hub节点具有特定的拓扑特征。
Multivariate Financial Forecasting using the Chronos Time Series Foundation Models
Sanjiv R Das, Taranag Goyal, Mohini Yadav
q-fin.ST cs.AI
本文使用Chronos-2时间序列基础模型评估了多元输入对经济和金融预测的影响，发现多元预测通常优于单变量预测，但混合不同市场的数据会降低准确性。
Visibility nowcasting in South Korea: a machine learning approach to class imbalance and distribution shift
Bong Gyun Shin, Chan Sik Lee, Hyesun Suh
physics.ao-ph cs.AI cs.CE cs.LG
本文针对韩国六个主要城市的能见度临近预报问题，提出了一种结合SMOTENC和CTGAN处理数据不平衡，并集成机器学习与深度学习模型的框架。研究发现，由于训练与测试数据间的分布偏移（由Wasserstein距离量化），模型在测试集上的性能显著下降。
Community-Aware Vertex Ordering for Reference-Based Graph Compression: A Cross-Encoder Empirical Study
Jimmy Dubuisson
cs.SI cs.LG
本文提出了一种两阶段Leiden+LLP顶点排序方法用于参考图压缩，并实验研究了排序与编码器之间的交互。结果表明，在弱排序图上排序带来的压缩增益远大于编码器选择带来的增益，且不同编码器对排序增益的响应高度一致。
Conditional Entropy of Heat Diffusion on Temporal Networks
Samuel Koovely, Alexandre Bovet
cs.SI cond-mat.stat-mech cs.IT cs.LG physics.data-an
本文研究了时间网络上热扩散的条件熵，将其从静态图推广到时间网络，并证明了该量在时间上的单调性，为时间网络中的非齐次扩散提供了信息论类比。此外，文章引入局部条件熵用于连续时间网络中的变点检测，并在合成和真实数据上验证了其有效性。
Neural Acceleration for Graph Partitioning
Joshua Dennis Booth, Vishvam Patel
cs.SI cs.LG
本文提出用人工神经网络模型近似Fiedler vector，以加速谱二分图划分，在保持划分质量的同时降低计算开销。
Protein Thoughts: Interpretable Reasoning with Tree of Thoughts and Embedding-Space Flow Matching for Protein-Protein Interaction Discovery
Kingsley Yeon, Xuefeng Liu, Promit Ghosal
q-bio.QM cs.AI cs.CE cs.LG stat.ML
本文提出Protein Thoughts框架，将蛋白质-蛋白质相互作用(PPI)发现转化为可解释的搜索问题，通过四种生物学信号（序列相似性、结构互补性、界面平衡性和化学兼容性）分解结合证据，并引入假设引导的熵正则化Tree-of-Thoughts搜索和embedding-space flow matching来提升候选筛选效率。该方法在SHS148k基准上取得了优于现有PPI方法的性能，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Tackle CSM in JPEG Steganalysis with Data Adaptation
Rony Abecidan et al.
eess.IV cs.AI cs.CV cs.MM eess.SP
本文针对JPEG隐写分析中的Cover Source Mismatch (CSM)问题，提出了TADA (Target Alignment through Data Adaptation)框架。该框架通过一个小型未标注的目标集学习模拟未知的处理pipeline，利用残差协方差对齐、残差分布匹配和\(\ell^2\)损失进行训练，以提升模型在真实场景中的鲁棒性。
CryoNet: A Deep Learning Framework for Multi-Modal Debris-Covered Glacier Mapping. A Case Study of the Poiqu Basin, Central Himalaya
Farzaneh Barzegar et al.
eess.IV cs.CV cs.LG
本文提出CryoNet，一种基于深度学习的多模态冰川制图框架，利用多源遥感数据（如Sentinel-2光学影像、DEM地形变量、InSAR相干性等）区分洁净冰、冰碛覆盖冰川和冰湖。在喜马拉雅波曲流域的实验中，CryoNet在IoU等指标上优于DeepLabV3+、SegFormer和U-Net等现有方法，但方法本身未涉及代码、Muon、pretrain或agent等关键词。
Adaptive RBF-KAN: A Comparative Evaluation of Dynamic Shape Parameters in Kolmogorov-Arnold Networks
Roberto Cavoretto et al.
stat.ML cs.LG
本文在KAN框架中引入多种径向基核函数（如Matérn和Wendland核），并通过留一交叉验证（LOOCV）初始化核形状参数，提出自适应RBF-KAN模型。实验表明，不同核函数对光滑、间断和振荡函数各有优势，但方法本身未涉及关键词中的核心概念。
Detecting Synthetic Political Narratives in Cross-Platform Social Media Discourse
Despoina Antonakaki, Sotiris Ioannidis
cs.SI cs.AI cs.CL cs.CY
本文提出一个跨平台框架，使用四个协调信号（lexical diversity, temporal burstiness, rhetorical repetition, semantic homogenization）组合成合成叙事协调分数SNC(C)，用于检测合成政治叙事。该框架应用于来自Telegram和Reddit的35万条记录，发现单一指标不足以检测协调行为，而多维SNC(C)评分提供了更稳健的信号。
Frequency-Domain Regularized Adversarial Alignment for Transferable Attacks against Closed-Source MLLMs
Leitao Yuan et al.
cs.CR cs.AI cs.LG stat.ML
本文提出FRA-Attack方法，通过频域正则化（high-pass DCT和low-pass FGR）增强对闭源多模态大模型的迁移攻击能力，解决了空间域特征冗余和代理模型特定梯度信号的问题。该方法在多个闭源MLLM上取得了较好的迁移性能，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。
RefusalBench: Why Refusal Rate Misranks Frontier LLMs on Biological Research Prompts
Lukas Weidener et al.
cs.SE cs.AI
本文提出了RefusalBench基准，通过141个匹配三元组提示评估前沿LLM在生物研究提示上的拒绝行为，发现不同模型和提供商的拒绝率差异巨大，且严格拒绝率无法准确反映安全校准水平。
Local Covariate Selection for Average Causal Effect Estimation without Pretreatment and Causal Sufficiency Assumptions
Zeyu Liu et al.
stat.ML cs.AI cs.LG
本文提出了一种局部协变量选择方法，用于在非参数因果效应估计中避免预处理和因果充分性假设，通过刻画一个局部边界并开发局部识别程序来高效搜索有效调整集。实验表明该方法在多个合成和真实数据集上实现了准确的因果效应估计并显著提升了计算效率。
UniVL: Unified Vision-Language Embedding for Spatially Grounded Contextual Image Generation
Jiayun Wang et al.
cs.CV cs.LG
本文提出UniVL，一种统一视觉-语言嵌入方法，用于空间接地上下文图像生成。该方法将文本指令渲染到空间掩码上，形成单一视觉输入，从而在推理时无需独立的文本编码器，并基于OCR预训练骨干和两阶段流水线实现条件扩散生成。
Exploring the Effectiveness of Using LLMs for Automated Assessment of Student Self Explanations in Programming Education
Arun-Balajiee Lekshmi-Narayanan, Mohammad Hassany, Peter Brusilovsky
cs.HC cs.LG
本文比较了LLMs与语义相似度方法在编程教育中自动评分学生自我解释的效果，将其视为二分类任务。研究使用了特定领域的数据集来评估两种方法的性能差异。
ASSEMBLAGE-DEEPHISTORY: A Cross-Build Binary Dataset with Temporal Coverage
Chang Liu et al.
cs.CR cs.LG cs.SE
本文提出了ASSEMBLAGE-DEEPHISTORY数据集，包含73,610个跨编译器、跨平台和多版本历史的二进制文件，并提供了CVE标签和源代码链接。该数据集通过三个分析案例展示了其在二进制漏洞分析和相似性研究中的价值。
Flat-Pack Bench: Evaluating Spatio-Temporal Understanding in Large Vision-Language Models through Furniture Assembly
Aditya Chetan et al.
cs.CV cs.AI cs.CL
本文提出了一个名为Flat-Pack Bench的新基准，通过家具组装任务来评估大型视觉语言模型（LVLMs）的细粒度时空理解能力。实验表明，现有最先进的LVLMs在时间顺序推理、空间交互理解等任务上表现不佳。
Faster Completion, Less Learning: Generative AI Reduced Study Time on Math Problems and the Knowledge They Build
Sina Rismanchian et al.
cs.CY cs.AI cs.HC
本文利用十年间320万次ALEKS学习交互数据，采用准实验设计，发现生成式AI（如ChatGPT）发布后，大学生在易受AI影响的数学问题（如文本应用题）上的学习时间每季度下降2.8%，累计达26.9%，且这种时间节省并未转化为持久的学习成果，反而导致受监考测试中正确率下降25%。研究为AI改变学生学习行为与知识构建提供了大规模行为证据。
Addressing the Synergy Gap: The Six Elements of the Design Space
Tommaso Turchi et al.
cs.HC cs.AI cs.CY
本文提出了一个用于分析人机协同设计空间的六元素框架（sociotechnical context, decision-making frameworks等），旨在解决人机协同中存在的“synergy gap”问题，但并未涉及关键词中的任何具体技术或方法。
Look-Closer-Then-Diagnose: Confidence-Aware Ultrasound VQA via Active Zooming
Yue Zhou et al.
cs.CV cs.AI
本文提出了一种用于超声医学视觉问答的框架，通过引入“先缩放再诊断”的范式来模拟临床医生的交互式搜索过程，并利用基于随机组rollout的不确定性感知奖励来提升模型在模糊情况下的谨慎性。实验表明该方法在病灶定位上有所提升。
Planning, Scheduling, and Behavior in EV Charging Systems: A Critical Survey and Trilemma Framework
Peiyan Xiao et al.
cs.MA cs.AI
本文通过构建一个三层PSB框架（Planning-Scheduling-Behavior）对电动汽车充电系统研究进行了综述，识别了各层之间的保真度-可处理性权衡（PSB trilemma），并指出跨层集成通常需要牺牲至少一层的保真度。
MRecover: A Conditional Generative Model for Recovering Motion-Corrupted MR images Using AI Generated Contrast
Jinghang Li et al.
cs.CV cs.AI
本文提出了一种名为MRecover的条件生成模型，用于从常规采集的T1w图像合成高分辨率T2w TSE MRI图像，以恢复受运动伪影影响的图像。该模型在7T数据上训练，并成功泛化到3T数据，增加了可分析样本量并提升了海马亚区萎缩的诊断效应量。
PocketAgents: A Manifest-Driven Library of Autonomous Defense Agents
Sidnei Barbieri, Ágney Lopes Roth Ferraz, Lourenço Alves Pereira Júnior
cs.CR cs.AI
PocketAgents是一个基于manifest驱动的自主防御agent库，通过将LLM与类型化边界结合，实现了可测量、可扩展的防御决策。该工作与关键词"agent"相关，但方法上未体现显著开创性或解决长期问题。
Zero-shot adaptation to order book dynamics
Arip Asadulaev
cs.CE cs.LG
本文提出了一种自适应做市架构，在保留Avellaneda-Stoikov框架的解析结构的同时引入后继度量式自适应机制，通过分离市场动态与交易目标来实现对市场体制变化的适应。
MetaDNS: Enhancing Exploration in Discrete Neural Samplers via Well-Tempered Metadynamics
Xiaochen Du et al.
cond-mat.stat-mech cond-mat.mtrl-sci cs.LG
本文提出MetaDNS框架，将well-tempered metadynamics集成到discrete neural samplers中，通过自适应历史依赖的bias potential增强对高能垒区域的探索，从而解决mode collapse问题。在Ising、Potts等基准上，该方法能复现热力学分布，且比MCMC-based metadynamics需要更少的bias deposition步骤。
Learning Altruistic Collaboration in Heterogeneous Multi-Team Systems
Riwa Karam et al.
cs.RO cs.AI cs.MA eess.SY
本文研究了异构多机器人团队间的协作资源分配问题，提出了一种基于Hamilton规则的利他决策框架，并开发了图神经网络策略在集中训练与分散执行下近似最优分配。该方法在消防场景中验证了其可扩展性与近最优性能。
BEiTScore: Reference-free Image Captioning Evaluation with an Efficient Cross-Encoder Model
Gonçalo Gomes, Bruno Martins, Chrysoula Zerva
cs.CV cs.CL cs.LG
本文提出了一种基于轻量级cross-encoder的图像描述评估指标BEiTScore，通过从visual question-answering模型初始化并结合对抗性LLM数据增强来提升对细粒度视觉-语言错误的敏感性。实验表明该方法在保持计算效率的同时达到了state-of-the-art性能，但未涉及关键词中的code, spectral, Muon, pretrain, agent, attention等概念。
Support-aware offline policy selection for advertising marketplaces
Prashant Shekhar, Caroline Howard
stat.ML cs.AI cs.LG
本文针对广告拍卖中的离线保留价策略选择问题，提出了一种支持感知的离线决策框架。该框架将日志证据转化为包含认证策略、统计劣势替代方案和未解决候选策略的保守决策对象，并给出了统一的有限目录保证。实验表明该方法能有效缩减候选策略集合并认证非伤害性。
Asymptotic Rank Speedup Theorems, Revisited
Josh Alman, Baitian Li
cs.CC cs.DS
本文重新审视了渐近秩加速定理，通过建立框架改进了张量（tensor）的渐近秩上界，并应用于Coppersmith-Winograd张量等具体例子。
HIDBench: Benchmarking Large Language Models for Host-Based Intrusion Detection
Danyu Sun et al.
cs.CR cs.LG
本文提出了一个名为HIDBench的基准测试，用于评估大型语言模型在基于主机的入侵检测任务中的能力。该基准统一了三个公开的系统日志数据集，并构建了数据预处理流程，实验发现模型性能随数据复杂度增加而显著下降。
Understanding Perspectives of Patients, Caregivers and Clinicians towards Emerging Collaborative-decision Making Technologies
Ray-Yuan Chung et al.
cs.HC cs.AI
本文通过定性研究探讨了儿科患者、护理人员和临床医生对协作决策技术（如交互式仪表盘、VR模拟器和AI语音助手）的看法，发现不同用户群体对技术的信任度影响其接受程度。研究强调了在技术有效支持协作决策前，需建立用户与新技术之间的信任或适当的不信任。
MM-Conv: A Multimodal Dataset and Benchmark for Context-Aware Grounding in 3D Dialogue
Anna Deichler et al.
cs.CV cs.CL
本文提出了一个名为MM-Conv的多模态数据集和基准，用于3D对话中的上下文感知指代消解，并设计了一个两阶段流水线，先解决对话歧义再进行视觉定位。实验表明，将语言推理与视觉感知解耦比端到端方法更有效。
Mapping Tomato Cropping Systems in California Using AlphaEarth Geospatial Embeddings and Deep Learning Analysis
Mohammadreza Narimani, Alireza Pourreza, Parastoo Farajpoor
eess.IV cs.CV cs.LG
本文评估了AlphaEarth地理空间嵌入在加州加工番茄作物制图中的应用，使用U-Net模型在独立测试集上取得了超过99%的像素精度，证明了该嵌入无需手工特征工程即可支持高精度作物识别。
Truncated Neural Likelihood Estimation for Simulation-Based Inference in State-Space Models
Kostas Tsampourakis, Víctor Elvira
stat.CO cs.LG stat.ML
本文指出在state-space models的参数推断中，sequential neural likelihood方法存在样本效率低、对序列长度扩展性差等问题，并提出了truncated-SNL算法，通过截断似然估计来提升准确性和稳定性。
An Open Multi-Center Whole-Body FDG PET/CT Foundation Model for Tumor Segmentation
Xiaofeng Liu et al.
eess.IV cs.AI cs.CV physics.med-ph
本文提出一个基于4,997个多中心FDG PET/CT扫描数据的开源基础模型，采用早期通道拼接的层次化UNet结构，并引入基于零均值插补的掩码自编码目标与加权全局重建损失。该模型在AutoPET肿瘤分割任务中展现出标签效率，但未涉及关键词中的code, context, spectral, Muon, agent, attention等概念。
Causal Discovery in Structural VAR Models Under Equal Noise Variance
SeyedSina Seyedi HasanAbadi et al.
stat.ME cs.LG stat.ML
本文研究了线性高斯结构VAR模型在等噪声方差假设下的因果发现，证明了该设定下因果图并非点可识别，并引入了观测等价类的概念。基于此，作者提出了ENVAR方法，通过搜索等价类中的稀疏归一化结构代表来进行因果发现。
CrossVLA: Cross-Paradigm Post-Training and Inference Optimization for Vision-Language-Action Models
Zhi Liu
cs.CV cs.AI
本文研究了跨范式VLA模型的后训练与推理优化，提出了一个替代的flow-matching log-probability估计器使DPO适用于连续动作backbone，并比较了LoRA与DoRA在VLA DPO中的效果。实验表明DoRA在LIBERO基准上平均提升+10.4 pp，同时分析了推理时延中denoise loop的主导地位及prefix-K/V缓存的加速上限。
PhylaFlow: Hybrid Flow Matching in Billera-Holmes-Vogtmann Tree Space for Phylogenetic Inference
Yasha Ektefaie et al.
q-bio.PE cs.LG q-bio.QM
本文提出PhylaFlow，一种在Billera-Holmes-Vogtmann (BHV)树空间中的混合flow-matching模型，用于系统发育推断。该模型通过学习从随机起始树到后验样本的BHV测地路径，实现了连续分支长度变化与离散拓扑结构转换的耦合，并在多个基准上提升了后验拓扑恢复效率。
Robust Statistical Estimators with Bounded Empirical Sensitivity
Valentio Iverson et al.
math.ST cs.DS cs.IT stat.ML
本文提出了经验敏感度（empirical sensitivity）作为统计估计量鲁棒性的新度量，并针对Gaussian mean estimation问题给出了下界\(\Omega\left(\eta + \sqrt{\eta d/n}\right)\)，同时证明了该下界在log因子内是紧的。
Learning Emergent Modular Representations in Multi-modality Medical Vision Foundation Models
Yuting He, Chenyu You, Shuo Li
cs.CV cs.AI
本文提出Director-Experts (DEX)模块化网络，通过图像级激活策略和组指数移动平均，解决多模态医学视觉基础模型中的Non-IID特征统计问题，在包含10种模态的Medical Vision Universe基准上预训练，并在26个下游任务中验证了其优化行为和可迁移性。
EvoScene-VLA: Evolving Scene Beliefs Inside the Action Decoder for Chunked Robot Control
Chushan Zhang et al.
cs.RO cs.AI
本文提出EvoScene-VLA，通过引入一个跨控制块的循环场景前缀来维护动作更新的场景状态，使VLM在每次调用时能结合当前观测和上一块的动作更新先验。该方法在RoboTwin和真实机器人任务上取得了性能提升，但主要贡献在于机器人控制中的场景状态维护，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
Two-Stage Multimodal Framework for Emotion Mimicry Intensity Prediction
Dinithi Dissanayake et al.
cs.CV cs.AI cs.HC
本文提出了一种两阶段多模态框架，用于从野外视频中预测六种连续情感模仿强度维度，通过分别训练文本、音频和视觉编码器并融合其表示，在Hume-ABAW10挑战中取得了第三名。该方法为情感模仿强度预测提供了一个实用的基线，但缺乏与关键词相关的开创性。
Engineering Hybrid Physics-Informed Neural Networks for Next-Generation Electricity Systems: A State-of-the-Art Review
Joseph Nyangon
eess.SY cs.AI cs.LG cs.NE
本文综述了混合物理信息神经网络（如PINNs、DeepONets等）在电力系统中的应用，通过嵌入Maxwell方程等物理约束提升了预测精度与泛化能力，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。
CCLab: Adversarial Testing of Learning- and Non-Learning-Based Congestion Controllers
Zhi Chen et al.
cs.CR cs.LG
本文提出了CCLab，一个用于系统性评估基于学习和非学习的拥塞控制器鲁棒性的对抗测试框架，通过强化学习代理生成有界扰动来测试控制器性能。实验发现学习型控制器在对抗条件下比传统算法更鲁棒，且对抗轨迹可用于训练更鲁棒的控制器。
A2QTGN: Adaptive Amplitude Quantum-Integrated Temporal Graph Network for Dynamic Link Prediction
Nouhaila Innan et al.
quant-ph cs.LG
本文提出A2QTGN，一种结合自适应振幅编码与Temporal Graph Network的混合量子-经典框架，用于动态link prediction。该方法将节点交互特征编码为quantum states，并通过选择性刷新振幅嵌入来提升时序表示能力，实验在多个基准数据集上验证了其有效性。
MAVEN: A Multi-stage Agentic Annotation Pipeline for Video Reasoning Tasks
Han Zhang et al.
cs.CV cs.AI
本文提出MAVEN，一个多阶段agentic pipeline，用于将原始视频自动转化为带有Chain-of-Thought推理轨迹的多任务训练数据，通过合成多尺度时空事件描述并支持agent驱动的领域自适应和层次化错误修正，在交通视频标注和下游微调中取得了优于Gemini等模型的效果。
SDGBiasBench: Benchmarking and Mitigating Vision--Language Models' Biases in Sustainable Development Goals
Zihang Lin et al.
cs.CV cs.AI
本文提出了SDGBiasBench基准，用于评估视觉-语言模型在可持续发展目标中的偏见，并设计了CADE方法缓解该偏见。
Minimum Sum Set Cover: Structures and Algorithm
Zhongyi Zhang, Yixin Cao
cs.DM cs.DS
本文研究了最小和集覆盖问题中两个参数\(\overrightarrow{\tau}\)和\(\tau\)之间的差距，给出了超图上的上界和构造性下界，并针对图的情形改进了已有界。算法方面，该问题在固定秩超图上关于\(\overrightarrow{\tau}\)是固定参数可解的。
Thermodynamic Irreversibility of Training Algorithms
Liu Ziyin et al.
cond-mat.stat-mech cs.AI cs.LG
本文建立了一个通用框架来定义和分析训练算法的不可逆性，证明了在步长\(\eta\)的首阶下，四种不同的不可逆性表征方式（数值后向误差、时间重整化修正、微观时间反演不对称性和随机热力学熵产生）是等价的。该不可逆性产生了一种打破时间反演对称性的涌现力，它破坏了非等距连续重参数化对称性，但保留了正交对称性，并导致了对最小化熵产生率的学习轨迹的普遍偏好。
Video as Natural Augmentation: Towards Unified AI-Generated Image and Video Detection
Zhengcen Li et al.
cs.CV cs.AI
本文提出VINA框架，通过将视频帧作为自然增强数据，联合训练图像和视频数据以统一检测AI生成内容。该方法利用跨模态监督对比学习对齐图像与视频表征，在多个基准上提升了检测鲁棒性。
Interpreting and Enhancing Emotional Circuits in Large Vision-Language Models via Cross-Modal Information Flow
Chengsheng Zhang et al.
cs.CV cs.AI
本文通过构建一个基于steering-vector的因果归因框架，研究了Large Vision-Language Models (LVLMs)中从视觉刺激到情感叙述的内部机制，发现了一个“适应-聚合-执行”的三阶段情感回路，其中视觉情感线索在中间层通过情感特定的attention heads聚合，并在深层通过情感通用路径转化为叙述生成。基于此发现，作者通过推理时干预来增强attention flow和语义激活，以改善情感理解并减少幻觉。
Learning Spatiotemporal Sensitivity in Video LLMs via Counterfactual Reinforcement Learning
Dazhao Du et al.
cs.CV cs.AI
本文提出Counterfactual Relational Policy Optimization (CRPO)框架，通过构建反事实视频（水平翻转和时间反转）并引入Counterfactual Relation Reward (CRR)来提升Video LLMs的时空敏感性。该方法在DyBench基准上取得改进，但主要贡献在于视频理解中的反事实强化学习训练策略，与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention关联度较低。
From Patches to Trajectories: Privileged Process Supervision for Software-Engineering Agents
Murong Ma et al.
cs.SE cs.AI
本文提出Patches-to-Trajectories (P2T)方法，利用开发者编写的reference patch作为privileged information，通过逆向阶段将其蒸馏为latent process graph，再在正向阶段基于该图对teacher trajectory进行per-step评分和筛选，从而构建更有效且高效的训练轨迹。该方法在SWE-bench Verified上提升了Pass@1指标并降低了推理成本，但主要聚焦于software engineering agent的训练数据优化，与关键词中的spectral, Muon, pretrain, attention等概念关联较弱。
Virtual 3D H&E Staining from Phase-contrast Back-illumination Interference Tomography
Anthony Song et al.
cs.CV cs.AI
本文提出HistoBIT3D框架，利用相位显微成像技术BIT实现未处理组织的三维虚拟H&E染色，通过双向多尺度内容一致性和跨域风格复用提升结构保真度。该方法在零样本Cellpose评估下改善了三维细胞核分割精度，为无切片体积计算病理学提供了可扩展方案。
Blind Spots in the Guard: How Domain-Camouflaged Injection Attacks Evade Detection in Multi-Agent LLM Systems
Aaditya Pai
cs.CR cs.AI cs.CL
本文发现了一种针对LLM agent的注入攻击盲点：当攻击载荷伪装成目标文档的领域词汇和权威结构时，标准检测器的检测率会大幅下降。作者形式化了Camouflage Detection Gap (CDG)并进行了实验验证，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。
Uniform-in-Time Weak Propagation-of-Chaos in Shallow Neural Networks
Margalit Glasgow, Joan Bruna
stat.ML cs.LG
本文研究了浅层神经网络在梯度下降训练下的均匀时间弱传播混沌现象，通过利用mean-field Wasserstein梯度流动力学的收敛速率，建立了有限宽度网络与无限宽度网络之间误差的均匀时间界。该结果在无噪声环境下成立，不依赖于最优解附近的几何假设，并推广到有限样本和时间离散化情形。
PointLLM-R: Enhancing 3D Point Cloud Reasoning via Chain-of-Thought
Chaoqi Chen et al.
cs.CV cs.GR cs.LG
本文提出一个数据驱动的框架，通过两阶段流程（先利用vision-language-model进行质量评估和参考引导的refinement，再通过Human-in-the-Loop Prompt Optimization合成推理路径）构建大规模Chain-of-Thought监督数据，并基于此微调PointLLM得到PointLLM-R模型，在3D点云分类和captioning任务上取得最优性能。
FRED: A Multi-Modal Autonomous Driving Dataset for Flooded Road Environments
Connor Malone, Sebastien Demmel, Sebastien Glaser
cs.CV cs.AI cs.RO
FRED是一个针对洪水道路环境的多模态自动驾驶数据集，包含相机、LiDAR和IMU数据，并提供语义标签用于水坑检测。该数据集以KITTI和RTMaps两种格式发布，旨在支持单传感器和传感器融合方法的训练与评估。
AgroVG: A Large-Scale Multi-Source Benchmark for Agricultural Visual Grounding
Haocheng Li et al.
cs.CV cs.AI
本文提出了AgroVG，一个用于农业视觉定位的大规模多源基准数据集，包含超过一万个图像-查询对，覆盖六类农业目标，并支持单目标、多目标和目标缺失场景的评估。实验表明，现有模型在该基准上表现有限，最佳多目标Set-F1仅为0.35。
HyLoVQA: Dynamic Hypernetwork-Generated Low-Rank Adaptation for Continual Visual Question Answering
Yiran Wang et al.
cs.CV cs.CL
本文提出HyLoVQA方法，通过超网络生成轻量级LoRA适配器来处理持续视觉问答任务，并利用锚点记忆库和特征-参数空间对齐损失来减少任务干扰。实验表明该方法在VQA v2和NExT-QA数据集上优于现有方法。
GA-VLN: Geometry-Aware BEV Representation for Efficient Vision-Language Navigation
Jiahao Yang et al.
cs.CV cs.AI
本文提出了一种基于几何感知BEV表示的视觉语言导航方法GA-VLN，通过将RGB-D输入的视觉特征投影到3D空间并聚合为agent-centric布局，减少了token冗余并增强了空间推理能力。该方法在仅使用导航数据的情况下取得了最优结果，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Secure and Parallel Determinant Computation for Large-Scale Matrices in Edge Environments
Prajwal Panth
cs.DC cs.AI cs.CR cs.MS
本文提出了一种用于边缘环境中大规模矩阵的行列式安全并行计算框架SPDC，通过轻量级加密和并行LU分解实现隐私保护与高效计算。该工作主要面向物联网场景下的分布式计算需求，与关键词中的核心概念关联较弱。
RADAR: Defending RAG Dynamically against Retrieval Corruption
Ziyuan Chen et al.
cs.CR cs.LG
本文提出RADAR框架，将RAG系统中的可靠上下文选择建模为基于graph的energy minimization问题，并通过Max-Flow Min-Cut精确求解。该方法利用Bayesian memory node递归更新belief state，以平衡对抗攻击的鲁棒性与知识迁移的适应性。
Safeguarding Text-to-Image Generative Models Against Unauthorized Knowledge Distillation
Yilan Gao et al.
cs.CR cs.AI
本文提出WaveGuard，一种针对文本到图像生成模型的防御框架，通过频率感知扰动生成器向合成图像注入不可察觉的扰动，以阻止攻击者利用这些图像进行未授权的知识蒸馏。该方法在保持图像视觉质量的同时，降低了被保护图像作为训练数据的效用。
Echo4DIR: 4D Implicit Heart Reconstruction from 2D Echocardiography Videos
Yanan Liu et al.
cs.CV cs.AI
本文提出Echo4DIR框架，从稀疏2D超声视频重建4D心脏几何，通过Epipolar Mask Encoder和自监督SDF渲染策略解决几何模糊和时间不连续问题，在合成和临床数据集上取得高Dice和IoU指标。
TWINGS: Thin Plate Splines Warp-aligned Initialization for Sparse-View Gaussian Splatting
Hyeseong Kim et al.
cs.CV cs.LG
本文提出TWINGS框架，通过Thin Plate Splines (TPS)非刚性变形模型对齐反投影点与三角化3D控制点，为稀疏视角下的3D Gaussian Splatting (3DGS)提供几何精确的初始化，从而提升新视角合成质量。实验表明该方法在DTU等数据集上优于现有方法。
JMed48k: A Multi-Profession Japanese Medical Licensing Benchmark for Vision-Language Model Evaluation
Yue Xun et al.
cs.CV cs.AI
本文介绍了JMed48k，一个用于评估vision-language models的多职业日本医疗执照基准数据集，包含48,862道试题和20,142张图像。通过paired image-removal audit，作者发现proprietary和open source模型能从图像中显著获益，而medical-specific系统对视觉证据的利用有限。
CoRMA: Contrastive RMA for Contact-Rich Meta-Adaptation
Wentian Wang et al.
cs.RO cs.LG
本文提出CoRMA框架，通过一个紧凑的6D语义接触上下文替代原始simulator参数，并利用因果Transformer适配器在线推断该上下文，实现了无需演示或梯度更新的接触密集型装配任务自适应。实验在仿真和真实机器人上验证了其有效性，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。
RobustSpeechFlow: Learning Robust Text-to-Speech Trajectories via Augmentation-based Contrastive Flow Matching
Jinhyeok Yang et al.
cs.SD cs.LG eess.AS
本文提出RobustSpeechFlow，通过扩展contrastive flow matching并引入长度保持的重复和跳过潜在增强，来提升flow-matching TTS的对齐鲁棒性。该方法无需外部对齐器或偏好数据，能直接集成到现有流程中，并在多个基准上降低了词错误率。
LVDrive: Latent Visual Representation Enhanced Vision-Language-Action Autonomous Driving Model
Xiaodong Mei et al.
cs.CV cs.AI
本文提出LVDrive，一种通过引入未来场景预测任务来增强Vision-Language-Action (VLA)模型的自动驾驶框架。该方法在潜在空间中学习未来表示，并联合建模未来场景与运动预测，以改进轨迹生成。实验表明其在闭环驾驶性能上优于现有方法。
Not Yet: Humans Outperform LLMs in a Colonel Blotto Tournament
Dmitry Dagaev et al.
econ.GN cs.AI cs.GT cs.HC
本文通过组织Colonel Blotto游戏的循环赛，比较了人类与LLM在战略环境中的表现，发现人类更常使用校准良好的中间级分配启发式策略，其表现优于LLM提交的简单刻板策略。研究还表明，人类的策略选择主要基于游戏规则而非对手身份。
Q-PhotoNAS: Hybrid Quantum Neural Architecture Search Framework on Photonic Devices
Farah Elnakhal et al.
quant-ph cs.LG
本文提出了一种用于混合光子量子-经典模型的神经架构搜索框架Q-PhotoNAS，通过遗传算法和可学习量子相位编码自动探索经典与量子组件的联合设计空间，在Digits和MNIST数据集上分别达到99.44%和98.78%的验证准确率。该工作主要关注光子量子计算中的架构优化，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
TextTeacher: What Can Language Teach About Images?
Tobias Christian Nauen et al.
cs.CV cs.AI cs.LG
本文提出TextTeacher方法，通过在图像分类训练中注入预训练语言模型的text embeddings作为辅助目标，来提升vision model的性能。该方法在ImageNet上使用标准ViT backbone时，准确率提升最高达+2.7个百分点，且计算开销极小。
Self-Supervised ConvLSTM for Fermi Large Area Telescope Transient Detection
Alberto Garinei et al.
astro-ph.HE astro-ph.IM cs.LG
本文使用ConvLSTM网络对Fermi-LAT模拟数据进行自监督学习，通过重建预期辐射并计算残差来检测瞬态伽马射线现象。该方法在合成宇宙数据集上训练，并应用于真实观测以识别异常事件。
Adversarial Trust Poisoning in Vehicular Collaborative Perception
Yutong Liu et al.
cs.CR cs.AI
本文研究了车联网协同感知中的对抗性信任投毒攻击，提出TrustFlip方法，通过部署物理对抗物体使良性车辆间产生不一致观测，从而误导防御机制降低目标车辆的信任分数。实验表明该方法能有效削弱现有防御，并提出了TrustReflect作为初步缓解措施。
From Betting to Empirical Bernstein LIL
Francesco Orabona
stat.ML cs.LG math.PR
本文通过在线赌博策略的财富保证，推导了empirical Bernstein law of the iterated logarithm (LIL)，为概率论中的重对数律提供了一种基于赌博视角的证明方法。
Atom-level Protein Representation Learning Improves Protein Structure Prediction
Taewon Kim et al.
q-bio.BM cs.AI
本文提出TriProRep，一种结构感知的预训练方法，通过VQ-VAE对残基的氨基酸身份、主链几何和局部全原子几何进行离散编码，并学习区分正确的跨视角增强与错误的增强。该方法在RepSP基准测试中用于同源二聚体共折叠、残基级相互作用预测和单体结构预测，相比仅序列模型和现有结构感知模型有所提升。
Spectra as Language: Large Language Models for Scalable Stellar Parameter and Abundance Inference
Hai-Ling Lu et al.
astro-ph.IM astro-ph.SR cs.LG
本文提出了一种两阶段的大语言模型框架，用于从恒星光谱中推断恒星参数（如有效温度、表面重力、金属丰度）及约20种化学元素的丰度。该方法将恒星光谱视为连续序列信号，利用语言模型进行特征学习，并通过scaling-law分析表明性能随数据量增加而系统性地提升。
SWE-Mutation: Can LLMs Generate Reliable Test Suites in Software Engineering?
Yuxuan Sun et al.
cs.SE cs.AI
本文提出了SWE-Mutation基准，通过引入系统性的变异解决方案来评估LLM生成的测试套件质量，并设计了一个agentic框架自动生成复杂变异。实验表明当前LLM生成的测试套件在检测能力上存在显著不足。
Action with Visual Primitives
Weilong Guo et al.
cs.RO cs.AI
本文提出AVP (Action with Visual Primitives)架构，通过让VLM (Vision-Language Model)输出视觉基元token来条件化flow-matching动作专家，从而解耦指令理解与运动控制。实验表明该方法在通用抓取任务上相比pi_0.5提升了27.61%的成功率。
Enhancing Multimodal Large Language Models for Safety-Critical Driving Video Analysis
Tomaso Trinci, Henrique Piñeiro Monteagudo, Leonardo Taccari
cs.CV cs.LG
本文提出了一种增强Multimodal Large Language Models (MLLMs)在安全关键驾驶视频分析中性能的pipeline，通过融合降采样视频帧、高频telematics数据（IMU和GPS）以及来自专用计算机视觉模型的语义信息，生成高质量的伪标签来微调QwenVL-2.5模型。实验表明该方法能以较少参数提升对Safety-Critical Events的识别与解释能力。
OSS: Open Suturing Skills Vision-Based Assessment Challenge 2024-2025
Hanna Hoffmann et al.
cs.CV cs.AI cs.LG
本文介绍了MICCAI挑战赛的结果，旨在推动开放手术中基于视觉的技能评估。研究使用静态GoPro视频和工具轨迹数据，评估了多种深度学习模型在技能分类、OSATS评分预测和工具跟踪任务上的表现，发现通用时空视频模型性能最佳，但细粒度评分和关键点跟踪仍面临挑战。
Temporal Coding as a Substrate for Sensorimotor Object Inference: A Spiking Reinterpretation of Thousand Brains Architecture
Joy Bose
cs.NE cs.AI cs.RO
本文提出用rank-order spike packets替代dense floating-point vectors，在Thousand Brains Theory框架中通过temporal coding编码传感器接触序列的方向信息，并利用STDP学习规则和可调参数lambda实现物体识别。实验表明该方法在区分空间排列不同的相同特征物体时优于传统方法，但未在Monty的YCB基准上进行端到端评估。
Kernel-Based Safe Exploration in Deep Reinforcement Learning
Rupak Majumdar, Nikhil Singh, Sadegh Soudjani
eess.SY cs.LG
本文提出了一种基于kernel embedding的深度强化学习安全探索算法KBSE，通过同时学习最优策略和barrier function来限制访问不安全状态的概率。该方法利用条件均值嵌入迭代计算barrier，并在检测到安全违规时干预修改动作，从而在连续控制任务中实现概率安全保证。
Decision-Aware Quadratic ReLU Replacement for HE-Friendly Inference
Rui Li, Wenyuan Wu, Weijie Miao
cs.CR cs.LG
本文从决策感知的角度重新审视了FHE推理中的ReLU替换问题，针对单隐藏层MLP提出了用二次多项式替换ReLU的方法，并给出了保持校准集决策的充要条件及构造算法。当严格可分条件不满足时，通过约化凸包和拉格朗日对偶软间隔松弛来近似求解，实验表明该方法在CKKS下能匹配明文top-1精度且计算更快。
Direct content-based retrieval from music scores images
Noelia Luna-Barahona et al.
cs.CV cs.IR
本文研究了从乐谱图像中进行基于内容的检索问题，比较了基于光学音乐识别(OMR)的转录方法、无转录的Transformer模型以及文本提示的大语言模型等方法，发现不同方法在不同数据集条件下各有优劣。
Automatic Contextual Audio Denoising
Diep Luong et al.
cs.SD cs.LG eess.AS
本文提出自动上下文音频降噪(ACAD)概念，通过推断音频场景类别来区分目标与噪声，并采用深度学习方法实现。实验表明该方法在多种上下文场景中优于固定噪声定义的基准方法。
Impact of Atmospheric Turbulence and Pointing Error on Earth Observation
Celia Sánchez-de-Miguel et al.
cs.NI cs.AI cs.CV
本文提出了一种增强的图像模拟器，用于生成受大气湍流和卫星指向抖动影响的遥感图像，并基于YOLOv8和RetinaNet评估了船舶检测性能，发现RetinaNet在退化条件下更具鲁棒性。该工作强调了在训练数据中纳入物理退化的重要性，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。
MuKV: Multi-Grained KV Cache Compression for Long Streaming Video Question-Answering
Junbin Xiao et al.
cs.CV cs.AI cs.MM
MuKV提出了一种多粒度KV cache压缩方法，用于长流式视频问答，通过patch、frame和segment级别的视觉表示保留局部和全局上下文，并采用半层次检索提升效率。该方法在基准测试中提升了答案准确性，但未涉及code、spectral或Muon等关键词。
ACCoRD: Actor-Critic Conflict Resolution with Deep learning for O-RAN xApps
Cezary Adamczyk, Adrian Kliks
cs.MA cs.AI
本文提出了一种名为ACCoRD的方法，用于解决O-RAN中的控制冲突问题，该方法使用基于PPO-Clip强化学习算法训练的人工神经网络作为冲突解决代理。实验表明，该方法在中等和高流量场景下优于基于规则的方法。
Benchmarking Autonomous Agents against Temporal, Spatial, and Semantic Evasions
Jianan Ma et al.
cs.CR cs.AI cs.SE
本文提出了一种针对基于LLM的autonomous agent系统的多维逃避攻击框架，包括时间、空间和语义三种攻击向量，并构建了A3S-Bench基准测试集。实验表明该框架能将平均风险触发率从28.3%提升至52.6%，揭示了当前agent系统在架构层面的系统性漏洞。
4D-GSW: Kinematic-Aware Spatio-Temporal Consistent Watermarking for 4D Gaussian Splatting
Sifan Zhou et al.
cs.CV cs.AI
本文提出4D-GSW框架，用于在4D Gaussian Splatting动态重建中嵌入鲁棒水印。该方法通过Spatio-Temporal Curvature度量识别动态关键帧，并利用HMM-MRF能量最小化模型保证时空一致性，但未涉及code、context、spectral等关键词。
Sibyl-AutoResearch: Autonomous Research Needs Self-Evolving Trial-and-Error Harnesses, Not Paper Generators
Chengcheng Wang et al.
cs.MA cs.AI cs.SE
本文分析了当前自主研究系统在实验经验保留上的不足，并提出了Sibyl-AutoResearch框架，通过“试错约束”机制让agent在有限试验中保留正负结果并影响后续行为。该框架形式化了两种可审计的转换单元，并在SIBYL系统中实现，通过回溯审计验证了其有效性。
Bernini: Latent Semantic Planning for Video Diffusion
Bernini Team et al.
cs.CV cs.AI cs.MM
本文提出Bernini框架，将MLLM（多模态大语言模型）用于语义规划，DiT（Diffusion Transformer）用于像素渲染，实现视频生成与编辑的统一。通过分离语义规划与像素渲染，并引入SA-3D RoPE（分段感知3D旋转位置编码）和链式思维推理，该方法在多个基准上取得最优性能。
Departure from Regularity: Degree Heterogeneity and Eigengap as the Structural Drivers of ASE-LSE Latent Subspace Disagreement
Minh Triet Pham, Ian Gallagher
stat.ML cs.LG cs.SI
本文研究了Adjacency Spectral Embedding和Laplacian Spectral Embedding在图数据分析中产生不同结果的结构性原因，证明了正则性是两者完全一致的充分条件，并给出了一个显式界，表明度异质性和社区结构强度是控制这种差异的关键因素。
VEELA: A Clinically-Constrained Benchmark for Liver Vessel Segmentation in Computed Tomography Angiography
Ziya Ata Yazıcı et al.
cs.CV cs.AI
本文提出了VEELA，一个用于肝脏血管分割的临床约束基准数据集，基于40例CTA扫描并采用严格的可见性驱动标注策略。该工作为血管分割提供了标准化的评估框架，并分析了多种评价指标。
Incentive-Aligned Vehicle-to-Vehicle Energy Trading via Nash-Integrated Multi-Agent Reinforcement Learning
Yujin Lin, Yue Yang, Hao Wang
math.OC cs.AI cs.GT
本文提出了一种将Nash Bargaining Solution集成到Multi-Agent Deep Deterministic Policy Gradient (MADDPG)中的方法，用于解决电动汽车间V2V能量交易中的激励对齐问题。该方法通过Nash讨价还价确定高效的双边定价，并利用Nash引导的价格接近奖励来协调智能体学习，在30天连续运行中相比Double Auction显著提升了社会福利和交易量。
TimeGuard: Channel-wise Pool Training for Backdoor Defense in Time Series Forecasting
Quang Duc Nguyen et al.
cs.CR cs.AI cs.LG
本文针对时间序列预测中的后门攻击防御问题，提出了一种名为TimeGuard的训练时防御方法。该方法采用channel-wise pool training作为核心范式，并引入time-aware criteria和distance-regularized loss selection来缓解数据纠缠和任务形式转换带来的挑战。
Cross-Subject EEG Emotion Recognition Based on Temporal Asynchronous Alignment Contrastive Learning
Ying Xie et al.
cs.HC cs.AI cs.LG
本文提出了一种基于时间异步对齐对比学习的跨被试EEG情感识别框架，通过引入NLP中的延迟交互机制将全局硬对齐改为局部细粒度匹配，以缓解不同被试间的时间延迟问题。实验在多个数据集上验证了该方法的有效性。
Towards Clinically Interpretable Ophthalmic VQA via Spatially-Grounded Lesion Evidence
Xingyue Wang et al.
cs.CV cs.AI
本文提出了FundusGround基准，用于眼科VQA任务，通过ETDRS网格对病灶进行空间定位，并生成了多种格式的问题，实验表明引入病灶级视觉证据能提升模型性能和可解释性。
Diffusion-guided Generalizable Enhancer for Urban Scene Reconstruction
Henry Che et al.
cs.CV cs.AI cs.RO
本文提出GenRe，一种扩散引导的可泛化增强器，用于从真实观测中重建城市场景。该方法通过从预训练的3D Gaussian表示中学习，在几分钟内修复缺陷，并生成能泛化到未见视角的高保真表示。
FastTab: A Fast Table Recognizer with a Tiny Recursive Module and 1D Transformers
Laziz Hamdi et al.
cs.CV cs.AI
本文提出FastTab，一种用于表格结构识别的快速模型，通过结合轻量级递归模块和1D Transformer编码器来预测表格的行列结构，在多个基准上实现了低延迟的竞争性能。
Characterizing the Fault Response of the Intel Neural Compute Stick 2 Under Single-Pulse Electromagnetic Fault Injection
Štefan Kučerák, Jakub Breier, Xiaolu Hou
cs.CR cs.AI cs.LG
本文通过单脉冲电磁故障注入(EMFI)实验，系统地表征了Intel Neural Compute Stick 2 (NCS2)在运行卷积神经网络时的故障响应，识别出四种可重复的结果类别，包括无影响、轻微静默数据损坏、持续严重退化及设备挂起。研究发现，在特定热点区域，18-31%的试验可诱导出持续严重退化模式，且该模式在模型重载前无法被推理API层机制检测到。
Do Not Trust The Auctioneer: Learning to Bid in Feedback-Manipulated Auctions
Luigi Foscari, Matilde Tullii, Vianney Perchet
stat.ML cs.GT cs.LG
本文研究了重复first-price auction中，shilling（虚假出价）仅影响学习者的反馈信息（观察到的输家出价被真实出价与独立shill bid的最大值掩盖）而不改变拍卖结果时的学习问题。作者提出了一种结合鲁棒区间消除分支与乐观去偏分支的算法，并给出了与动态定价率\(\tilde{\mathcal{O}}(T^{2/3})\)和first-price auctions率\(\tilde{\mathcal{O}}(\sqrt{T})\)相关的遗憾上界及匹配下界，揭示了反馈操纵会显著改变重复竞标的统计难度。
A Constant-Time Implementation Methodology for Activation Functions on Microcontrollers
Andrii Tyvodar et al.
cs.CR cs.AI
本文针对嵌入式微控制器上神经网络推理中的激活函数（如ReLU, sigmoid, tanh, GELU, Swish）提出了一种恒定时间实现方法，通过无分支选择、基于Padé近似的固定成本计算和周期对齐等技术消除时间侧信道泄漏。实验在ARM Cortex-M4平台上验证了该方法在数值精度和周期一致性上的有效性。
Pre-VLA: Preemptive Runtime Verification for Reliable Vision-Language-Action and World-Model Rollouts
Zhen Sun et al.
cs.CV cs.AI cs.RO
本文提出Pre-VLA，一种用于视觉-语言-动作(VLA)模型和世界模型(WMs)的运行时验证架构，通过多模态骨干网络和轻量级双分支头在物理执行或世界模型想象前预判动作质量，并采用自适应重采样调度器过滤低质量动作。实验表明该方法在LIBERO基准上提升了闭环成功率并减少了错误累积。
Making the Discrete Continuous: Synthetic RAW Augmentations for Fine-Grained Evaluation of Person Detection Performance in Low Light
Valeria Pais et al.
cs.CV cs.AI cs.LG physics.optics
本文提出了一种合成RAW图像增强技术，用于生成匹配相机传感器噪声模型的低光照样本，以评估行人检测模型在黑暗场景中的性能。实验表明，AI模型难以区分真实与合成低光照数据，但该方法主要聚焦于数据增强而非解决长期存在的理论问题。
Steins;Gate Drive: Semantic Safety Arbitration over Structured Futures for Latency-Decoupled LLM Planning
Anjie Qiu, Hans D. Schotten
cs.RO cs.AI
本文提出了一种名为SteinsGateDrive的延迟解耦规划-运行时架构，利用LLM选择反事实驾驶未来场景，并通过运行时安全合约验证来解耦推理延迟与车辆控制窗口。该方法在高速场景下将有效延迟从+3.07秒降至-0.01秒，但主要贡献在于工程架构而非理论创新，与关键词列表中的概念关联较弱。
Reinforcement learning for ion shuttling on trapped-ion quantum computers
Maximilian Schier et al.
quant-ph cs.LG
本文首次将reinforcement learning应用于trapped-ion quantum computing中的ion shuttling优化问题，通过直接与问题交互学习策略，在多种芯片架构上实现了高达36.3%的shuttling操作减少，优于现有启发式方法。
EnCAgg: Enhanced Clustering Aggregation for Robust Federated Learning against Dynamic Model Poisoning
Tianyun Zhang et al.
cs.CR cs.LG
本文提出了一种针对动态模型投毒攻击的鲁棒联邦学习聚合方法EnCAgg，通过利用少量已知良性客户端作为参考，结合密度聚类和生成模型来识别恶意梯度并恢复被误分类的良性梯度。该方法在MNIST、CIFAR-10和MIND数据集上验证了其有效性。
Reflecti-Mate: A Conversational Agent for Adaptive Decision-Making Support Through System 1 and System 2 Thinking
Morita Tarvirdians et al.
cs.HC cs.CL
本文介绍了一个名为Reflecti-Mate的对话agent，旨在通过适应个体的思考模式（结合系统1和系统2思维）来支持决策。实验表明，该agent能促进更个性化和整合性的反思，但方法本身在决策支持领域并非开创性突破，且与关键词（如code, spectral, Muon等）关联较弱。
SpaceDG: Benchmarking Spatial Intelligence under Visual Degradation
Xiaolong Zhou et al.
cs.CV cs.CL
本文提出了SpaceDG数据集和基准，通过物理降解合成引擎模拟九种视觉退化，评估多模态大模型在非理想视觉条件下的空间推理鲁棒性，发现退化会显著损害性能，但微调可提升鲁棒性。
Dynamic Hypergraph Representation Learning for Multivariate Time Series without Prior Knowledge
Marco Gregnanin et al.
cs.CE cs.AI
本文提出了一种无需先验知识即可从多元时间序列构建动态Hypergraph表示的方法，通过社区检测和注意力机制将时间序列转化为Hypergraph，并利用Dynamic Hypergraph Attention Convolution Network (DHACN)进行预测。该方法主要关注时间序列预测任务，与关键词中的attention有一定关联，但整体创新性和与关键词的契合度一般。
Case-Aware Medical Image Classification with Multimodal Knowledge Graphs and Reliability-Guided Refinement
Yiming Xu et al.
cs.CV cs.AI
本文提出了一种基于多模态知识图谱的病例感知医学图像分类框架，通过检索相似病例构建知识图谱，并利用图注意力网络和跨模态注意力机制融合病例特征与视觉特征，同时引入置信度校准机制处理噪声检索。该方法在多个医学图像数据集上优于基线模型，但未涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等核心概念。
A Martingale Kernel Independence Test
Felix Laumann, Zhaolu Liu, Mauricio Barahona
stat.ML cs.LG
本文提出了两种基于martingale的核独立性检验统计量\(m\mathrm{HSIC}\)和\(md\mathrm{HSIC}\)，它们通过自归一化构造使得零分布为标准正态，从而避免了传统HSIC所需的置换校准，显著降低了计算成本。该方法在保持与置换校准基线相当的检验功效的同时，实现了25到60倍的加速。
Measuring Security Without Fooling Ourselves: Why Benchmarking Agents Is Hard
Sahar Abdelnabi et al.
cs.CR cs.AI
本文讨论了评估AI agent在安全关键角色中的基准测试存在的三个核心挑战：基准漏洞、时间过时和运行时不确定性，并提出了构建更鲁棒评估框架的方向。
VGenST-Bench: A Benchmark for Spatio-Temporal Reasoning via Active Video Synthesis
Jinho Park et al.
cs.CV cs.AI
本文提出了VGenST-Bench，一个通过主动视频合成评估多模态大模型时空推理能力的基准。它利用生成模型和多智能体流程构建了包含3x2x2视频分类体系的分层任务集，以替代被动数据收集方式。
SceneAligner: 3D-Grounded Floorplan Localization in the Wild
Junhyeong Cho, Ruojin Cai, Hadar Averbuch-Elor
cs.CV cs.AI cs.LG
本文提出SceneAligner方法，通过将场景重建为3D表示并投影为2D密度图，再与输入floorplan进行2D相似变换对齐，实现了在复杂环境下的floorplan localization。该方法利用2D foundation model学习跨模态对应，在稀疏输入下仍优于现有方法。
Innovations in Cardless Artificial Intelligence Banking: A Comprehensive Framework for Cyber Secure and Fraud Mitigation using Machine Learning Algorithms
Md Israfeel
cs.CR cs.AI cs.LG cs.SE
本文提出一个基于AI和机器学习的无卡银行安全框架，通过自动生成虚拟卡和加密数据来增强网络安全并减少欺诈风险。该框架整合了AI授权和机器学习算法以验证交易并主动识别潜在欺诈。
Healthcare LLM Benchmarks Are Only as Good as Their Explicit Assumptions
Naveen Raman et al.
cs.CY cs.AI cs.LG
本文指出医疗领域LLM基准测试的不足源于对用户交互方式的隐式假设，并将这些假设分为任务假设和结果假设两类。通过回顾性分析医疗RCT案例，作者提出BenchmarkCards文档和分阶段评估程序来系统测试这些假设。
UNAD+: An Explainable Hybrid Framework for Unknown Network Attack Detection
Saif Alzubi, Frederic Stahl
cs.CR cs.LG cs.NI
本文提出了UNAD+框架，用于检测未知网络攻击，通过结合无监督集成、加权多数投票和有监督精炼阶段来降低误报率，并在CICIDS2017和NSL-KDD数据集上取得了高F1分数。该方法主要关注网络安全中的异常检测，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念关联不大。
Contractual Skills: A GovernSpec Design Framework for Enterprise AI Agents
Ting Liu
cs.SE cs.AI
本文提出了一种名为contractual skills的GovernSpec设计框架，用于组织企业AI agent的指令、工作流和脚本，使其目标、输入边界、权限等可检查。实验表明该框架主要提升了可检查性和可维护性，而非原始生成质量，且不能替代运行时安全机制。
From Baseline to Follow-Up: Counterfactual Spine DXA Image Synthesis in UK Biobank Using a Causal Hierarchical Variational Autoencoder
Yilin Zhang et al.
cs.CV cs.LG
本文提出了一种基于因果层次变分自编码器（CHVAE）的方法，用于生成UK Biobank中脊柱DXA图像的反事实（counterfactual）随访图像，通过干预年龄变量来验证因果一致性。该方法在基线到随访的设置中展示了良好的形态学一致性，但未涉及代码、上下文、谱方法、Muon、预训练、智能体或注意力等关键词。
SegCompass: Exploring Interpretable Alignment with Sparse Autoencoders for Enhanced Reasoning Segmentation
Zhenyu Lu et al.
cs.CV cs.LG cs.MM eess.IV
本文提出SegCompass，一个利用Sparse Autoencoder (SAE)在视觉与语言推理间建立可解释对齐路径的端到端模型。该方法通过将Chain-of-Thought与视觉token映射到共享稀疏概念空间，并利用查询码本和slot mapper生成引导分割的热力图，在多个基准上取得了与现有方法相当或更优的性能。
Holographic functions and neural networks
Balazs Szegedy
math.CO cs.LG math.PR
本文研究了fuzzy Boolean function的三种有界复杂性定义（全息性质、多项式结构、神经网络表示）之间的等价性，并利用超图正则性的一种弱变体证明了从全息性质到多项式结构的蕴含关系。
Swift Sampling: Selecting Temporal Surprises via Taylor Series
Dahye Kim et al.
cs.CV cs.AI
本文提出了一种名为Swift Sampling的无训练帧选择算法，通过将视频建模为视觉latent space中的可微轨迹，利用Taylor expansion预测帧的演化路径，并选择与预测显著偏离的帧作为temporal surprises。该方法在长视频问答任务中提升了采样效率，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Conceptualizing Embeddings: Sparse Disentanglement for Vision-Language Models
Piotr Kubaty et al.
cs.CV cs.LG
本文提出CEDAR方法，通过学习一个带有top-\(k\)稀疏瓶颈的可逆变换，在不增加维度的情况下解缠视觉-语言模型中的多模态embedding，将语义信息集中到轴对齐的坐标上。实验表明该方法在重构-稀疏性权衡上具有竞争力，且生成的解释更符合人类感知。
Scout-Assisted Planning for Heterogeneous Robot Teams under Partially Known Environments
Hoang-Dung Bui et al.
cs.RO cs.AI
本文针对部分已知环境下异构机器人团队的路径规划问题，提出了一种侦察辅助规划框架，利用无人机主动收集环境信息以改善地面机器人的导航。该方法通过信息增益驱动的动作剪枝和Graph Neural Network模型来高效选择侦察目标，在降低计算成本的同时显著减少了地面机器人的行驶成本。
AnyMo: Geometry-Aware Setup-Agnostic Modeling of Human Motion in the Wild
Baiyu Chen et al.
cs.CV cs.AI cs.CL cs.HC
本文提出AnyMo框架，通过物理模拟生成多样IMU信号，并用图编码器和LLM对齐实现与设备无关的人体运动建模，在零样本活动识别、跨模态检索和运动描述任务上取得显著提升。
Live Music Diffusion Models: Efficient Fine-Tuning and Post-Training of Interactive Diffusion Music Generators
Zachary Novack et al.
cs.SD cs.AI cs.LG cs.MM
本文研究了如何将音频扩散模型高效地转化为可在消费级硬件上运行的交互式音乐生成器，通过提出Live Music Diffusion Models (LMDMs)和块状KV Caching机制来优化推理效率，并引入ARC-Forcing范式实现后训练对齐。该方法在文本条件生成、草图合成等创意领域有应用，但未涉及code、context、spectral等关键词。
Optimization over the intersection of manifolds
Yan Yang, Bin Gao, Ya-xiang Yuan
math.OC cs.LG math.DG math.NA
本文研究了在两个流形交集上的优化问题，证明了clean intersection与intrinsic transversality正则性条件的等价性，并据此提出了一种几何方法，该方法仅在一个流形上使用retraction，通过两个正交方向更新迭代点，分别用于渐近接近另一个流形和降低目标函数。
Superhuman Safe and Agile Racing through Multi-Agent Reinforcement Learning
Ismail Geles et al.
cs.RO cs.AI cs.LG cs.MA
本文使用multi-agent reinforcement learning训练quadrotor agents在高速竞速中实现安全与敏捷的协调，通过league-based self-play使agents学会anticipatory behaviors（如主动避碰和超车），在超过22 m/s的速度下击败人类冠军并降低50%碰撞率。该工作展示了multi-agent interaction对robust robotic co-existence的重要性，但与我提供的关键词（如code, context, spectral, Muon, pretrain, attention）关联较弱。
FAME: Failure-Aware Mixture-of-Experts for Message-Level Log Anomaly Detection
Huanchi Wang et al.
cs.SE cs.LG
本文提出FAME框架，通过离线使用LLM对日志模板进行标注和划分，训练轻量级路由器和领域专家模型，实现消息级别的日志异常检测。该方法在BGL和Thunderbird数据集上取得了高F1分数，并显著减少了标注成本。
Finite-Particle Convergence Rates for Conservative and Non-Conservative Drifting Models
Krishnakumar Balasubramanian
stat.ML cs.AI cs.LG math.ST
本文针对保守与非保守漂移模型，提出并分析了基于Kernel Density Estimator (KDE)梯度速度的有限粒子收敛速率，证明了在\(\mathbb{R}^d\)上的连续时间有限粒子收敛界，并给出了残差速度的显式率。该工作主要关注生成建模中的一步漂移方法，与关键词列表中的概念关联较弱。

- 数据来源 Data Source: arXiv.org

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

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

- 计数基于主学科，不计重数。

- This webpage is automatically generated by bluearXiv-ai.

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

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

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

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

↑