bluearXiv-ai 论文精选

2026-05-27
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
138
cs.AI
69
cs.IR
11
cs.CL
106
cs.DS
3
others
135
总计
462

⭐ 精选论文 ↑ 回顶部

cs.LG

The Bridge-Garden Dilemma in LLM Distillation: Why Mixing Hard and Soft Labels Works ⭐ 精选
Guanghui Wang et al.
cs.LG
Unified Neural Scaling Laws ⭐ 精选
Ethan Caballero et al.
cs.LG cs.AI cs.NE
Quantized Keys Steal Attention: Bias Correction for KV-Cache Compression in Video Diffusion ⭐ 精选
Tuna Tuncer, Felix Becker, Thomas Pfeil
cs.LG cs.AI cs.CV cs.GR eess.IV
Stateful Inference for Low-Latency Multi-Agent Tool Calling ⭐ 精选
Victor Norgren
cs.LG
Online Learning on Hidden-Convex Losses via Algorithmic Equivalence: Optimal Regret, Geometric Barrier, and Bandit Feedback ⭐ 精选
Anas Barakat et al.
cs.LG math.OC stat.ML
MuCon: Clipped Muon Updates for LLM Training ⭐ 精选
Albert Yi
cs.LG
Extra-Merge: Tracing the Rank-1 Subspace of Model Merging in Language Model Pre-Training ⭐ 精选
Wenjie Zhou et al.
cs.LG
The Stability of Singular Distribution: A Spectral Perspective on the Two-Phase Dynamics of Language Model Pre-training ⭐ 精选
Hongtao Zhang et al.
cs.LG
Dense2MoE: Pushing the Pareto Frontier of On-Device LLMs via Unified Pruning and Upcycling ⭐ 精选
Fengfa Li et al.
cs.LG cs.AI
Linear and Neural Dueling Bandits with Delayed Feedback ⭐ 精选
Xiangyi Wang et al.
cs.LG cs.AI
Near-Optimal Regret in Adversarial Kernel Bandits ⭐ 精选
Yu-Jie Zhang et al.
cs.LG
Beyond Trajectory-Level Attribution: Graph-Based Credit Assignment for Agentic Reinforcement Learning ⭐ 精选
Xin Cheng et al.
cs.LG cs.AI
Model Merging on Loss Landscape: A Geometry Perspective ⭐ 精选
Juanwu Lu et al.
cs.LG cs.AI stat.ML
Time Series Causal Discovery via Context-Conditioned and Causality-Augmented Pretraining ⭐ 精选
Biao Ouyang et al.
cs.LG
MONA: Muon Optimizer with Nesterov Acceleration for Scalable Language Model Training ⭐ 精选
Jiacheng Li et al.
cs.LG cs.CL
RAPNet: Accelerating Algebraic Multigrid with Learned Sparse Corrections ⭐ 精选
Yali Fink et al.
cs.LG
When Muon Optimizer Meets Adversarial Training: A Theoretical and Empirical Study ⭐ 精选
Jun Yan et al.
cs.LG
Convergence of Spectral Descent for Non-smooth Optimization ⭐ 精选
Yixuan Yang, Yuqing He, Song Li
cs.LG math.OC
Probabilistic Recurrent Intention Switching Model ⭐ 精选
Wenyuan Sheng, Hao Zhu, Joschka Boedecker
cs.LG q-bio.NC
Learning to Orchestrate Agents under Uncertainty ⭐ 精选
Mary Chriselda Antony Oliver et al.
cs.LG

cs.AI

Is Agent Memory a Database? Rethinking Data Foundations for Long-Term AI Agent Memory ⭐ 精选
Abdelghny Orogat, Essam Mansour
cs.AI cs.DB
Your Agents Are Aging Too: Agent Lifespan Engineering for Deployed Systems ⭐ 精选
Jianing Zhu et al.
cs.AI cs.CL cs.MA
ScientistOne: Towards Human-Level Autonomous Research via Chain-of-Evidence ⭐ 精选
Rui Meng et al.
cs.AI cs.CL cs.MA
UnityMAS-O: A General RL Optimization Framework for LLM-Based Multi-Agent Systems ⭐ 精选
Yiqun Chen et al.
cs.AI cs.CL cs.MA
SIA: Self Improving AI with Harness & Weight Updates ⭐ 精选
Prannay Hebbar et al.
cs.AI cs.CL
MUSE-Autoskill: Self-Evolving Agents via Skill Creation, Memory, Management, and Evaluation ⭐ 精选
Huawei Lin et al.
cs.AI cs.CL cs.LG cs.MA

cs.IR

Rethinking Agentic RAG: Toward LLM-Driven Logical Retrieval Beyond Embeddings ⭐ 精选
Yuqi Zeng et al.
cs.IR

cs.CL

SPEAR: Code-Augmented Agentic Prompt Optimization ⭐ 精选
Mengyin Lu et al.
cs.CL
Efficient Agentic Reinforcement Learning with On-Policy Intrinsic Knowledge Boundary Enhancement ⭐ 精选
Dingwei Chen et al.
cs.CL
Cast a Wider Net: Coordinated Pass@K Policy Optimization for Code Reasoning ⭐ 精选
Yilong Li, Suman Banerjee, Tong Che
cs.CL cs.AI

others

RepoMirage: Probing Repository Context Reasoning in Code Agents with Perturbations ⭐ 精选
Hanyu Li et al.
cs.SE cs.AI
ATOM: Instantiating Budget-Controllable Multi-Agent Collaboration via Nucleus-Electron Hierarchy ⭐ 精选
Xinkui Zhao et al.
cs.MA cs.LG
AutoDFT: A Closed-Loop Multi-Agent Framework for Autonomous DFT Calculations ⭐ 精选
Penghui Yang et al.
cond-mat.mtrl-sci cs.AI cs.CE
When Does LeJEPA Learn a World Model? ⭐ 精选
David Klindt, Yann LeCun, Randall Balestriero
stat.ML cs.LG
ChainCaps: Composition-Safe Tool-Using Agents via Monotonic Capability Attenuation ⭐ 精选
Xiaochong Jiang et al.
cs.CR cs.AI
JetViT: Efficient High-Resolution Vision Transformer with Post-Training Attention Search ⭐ 精选
Dongyun Zou et al.
cs.CV cs.AI
Cordon-MAS: Defending RAG against Knowledge Poisoning via Information-Flow Control ⭐ 精选
Zhe Yu et al.
cs.CR cs.AI

📄 所有论文 ↑ 回顶部

cs.LG

The Bridge-Garden Dilemma in LLM Distillation: Why Mixing Hard and Soft Labels Works ⭐ 精选
Guanghui Wang et al.
cs.LG
本文提出了Bridge-Garden Dilemma理论，将LLM蒸馏中的生成步骤分为两类：Bridges（需要精确匹配的步骤）和Gardens（允许灵活选择的步骤）。通过分析发现，混合使用hard labels和soft labels能有效减少exposure bias（训练与推理分布不匹配的问题），从而提升蒸馏效果。基于该理论，作者开发了Bridge-Garden混合监督方法，在Qwen、Llama等7组teacher-student对上的推理和代码基准测试中，该方法在降低9.7倍训练成本的同时，超越了基于divergence和on-policy的蒸馏基线。
Unified Neural Scaling Laws ⭐ 精选
Ethan Caballero et al.
cs.LG cs.AI cs.NE
本文提出了一种统一的神经缩放定律（Unified Neural Scaling Law, UNSL）函数形式，能够同时精确建模和预测深度神经网络在多个维度（如模型参数、训练数据量、训练步数、推理步数、计算量及各种超参数）同时变化时的缩放行为。该函数形式在多种架构和任务（包括大规模视觉、语言、数学和强化学习）上均表现出比现有缩放定律更准确的预测能力。这项工作为理解深度学习模型的scaling behavior提供了更统一的理论框架，与关键词中的“pretrain”和“attention”等概念在模型规模扩展的背景下具有潜在关联。
Quantized Keys Steal Attention: Bias Correction for KV-Cache Compression in Video Diffusion ⭐ 精选
Tuna Tuncer, Felix Becker, Thomas Pfeil
cs.LG cs.AI cs.CV cs.GR eess.IV
本文针对视频扩散模型中KV cache量化导致的质量下降问题，提出了一种基于Jensen不等式的偏差校正方法。作者发现，由于softmax attention中指数函数的凸性，量化噪声会系统性增大缓存keys的注意力权重（称为Jensen bias），从而“窃取”当前未量化chunk的注意力。他们推导出一个在线计算的逐注意力分数校正项，仅需利用缓存keys的量化步长和query范数，通过二阶Taylor近似实现极低计算开销。在MAGI-1等模型上的INT2量化实验中，该方法恢复了大部分质量损失，接近BF16精度，且比INT4量化节省50%内存。
Stateful Inference for Low-Latency Multi-Agent Tool Calling ⭐ 精选
Victor Norgren
cs.LG
本文提出了一种有状态推理架构(stateful inference architecture)，用于解决多智能体工具调用(multi-agent tool calling)中LLM推理框架重复处理整个对话的高延迟问题。该架构通过持久化KV缓存(persistent KV cache)仅处理增量token(\(O(\Delta_t)\)成本)，并结合基数前缀缓存(radix prefix cache)和提示查找推测解码(prompt-lookup speculative decoder)来加速结构化输出。实验表明，在6轮和35轮智能体工作流(agentic workflow)中，该方法的每轮推理速度分别比vLLM和SGLang快2.1倍和4.2倍，端到端耗时减半，其优势源于有状态复用与推测机制而非传统缓存。
Online Learning on Hidden-Convex Losses via Algorithmic Equivalence: Optimal Regret, Geometric Barrier, and Bandit Feedback ⭐ 精选
Anas Barakat et al.
cs.LG math.OC stat.ML
本文针对隐藏凸损失（hidden-convex losses）的在线学习问题，通过更精细的算法等价性论证，证明了在线梯度下降（OGD）在几何与光滑性假设下能达到最优的\(\mathcal{O}(\sqrt{T})\)遗憾界，解决了该领域长期存在的开放问题。文章还澄清了算法等价所需的几何条件，将原有的对角Jacobian充分条件替换为必要且充分的Hessian相容性条件，从而扩展了可允许的重参数化类别。此外，作者证明了当Hessian相容性条件不成立时，OGD会遭受\(\Omega(T)\)的线性遗憾，并进一步将分析推广到单点bandit反馈场景，得到了\(\mathcal{O}(T^{3/4})\)的期望遗憾界。
MuCon: Clipped Muon Updates for LLM Training ⭐ 精选
Albert Yi
cs.LG
本文提出MuCon优化器，通过将Muon-style优化器中的矩阵\(B\)的奇异值进行裁剪（clipping）操作\(\operatorname{MClip}_\tau(B) = U \operatorname{diag}(\min\{\sigma_i,\tau\}) V^\top\)，替代原有的极分解（polar factor）\(UV^\top\)。该操作本质上是矩阵在Frobenius范数下到谱范数球（spectral-norm ball）的投影，并引入了SpectralP缩放参数化。论文还探讨了如何在不进行完整稠密SVD的情况下近似实现该裁剪步骤，给出了极/绝对值公式和标量根公式两种精确恒等式，并指出了在奇异值接近阈值时数值求解的不适定性问题。
Extra-Merge: Tracing the Rank-1 Subspace of Model Merging in Language Model Pre-Training ⭐ 精选
Wenjie Zhou et al.
cs.LG
本文发现了语言模型预训练后期的一个关键现象：连续的merged checkpoints会坍缩到一个近似一维的线性流形上，即Rank-1 Subspace。作者通过river-valley landscape分析从理论上解释了这一现象，指出模型平均相当于一个几何低通滤波器，能够抑制高曲率噪声并揭示最优下降方向。基于此，他们提出了无需额外训练的Extra-Merge策略，通过沿该子空间外推来最小化loss。实验表明，该方法在GPT-2和LLaMA系列（124M至2B）上一致优于标准merging基线，并在Pythia-12B的下游任务上取得了稳定的zero-shot准确率提升，且能有效泛化至Muon optimizer。
The Stability of Singular Distribution: A Spectral Perspective on the Two-Phase Dynamics of Language Model Pre-training ⭐ 精选
Hongtao Zhang et al.
cs.LG
本文从谱视角（spectral perspective）揭示了语言模型预训练中的两阶段动力学现象：参数矩阵的迹归一化奇异值谱（trace-normalized singular value spectrum）在早期快速稳定，即奇异分布稳定性（SoSD）。作者通过理论分析证明，权重范数的增长必然导致早期SoSD阈值的出现，此后损失下降速率被奇异分布的变化所界。该工作为理解WSD调度、Muon优化器等策略提供了谱视角，并指出这些策略通过调节SoSD尺度来影响预训练效率。
Dense2MoE: Pushing the Pareto Frontier of On-Device LLMs via Unified Pruning and Upcycling ⭐ 精选
Fengfa Li et al.
cs.LG cs.AI
本文提出Dense2MoE框架，通过统一剪枝与升级循环（Unified Pruning and Upcycling）将稠密大语言模型转化为适用于设备端部署的MoE模型。该方法基于硬件Roofline理论，剪枝冗余层中带宽密集的attention模块，同时将其MLP层重利用为MoE专家，并通过选择性token路由严格限制活跃参数数量。实验表明，Dense2MoE在设备端推理延迟与模型准确率的Pareto前沿上显著优于稠密基线、现有压缩方法和标准升级循环方法，为资源受限场景下的LLM部署提供了高效解决方案。
Linear and Neural Dueling Bandits with Delayed Feedback ⭐ 精选
Xiangyi Wang et al.
cs.LG cs.AI
本文针对上下文决斗赌博机（Contextual Dueling Bandits）在随机延迟反馈下的问题，提出了两种新算法：线性延迟反馈决斗赌博机（LDB-DF）和神经延迟反馈决斗赌博机（NDB-DF）。核心创新在于将逆概率加权（IPW）机制直接集成到损失函数中，构建了一个无偏估计器，从而解决了延迟或缺失反馈带来的偏差问题。理论分析给出了线性设置下\(O(d\sqrt{T})\)的regret界以及神经设置下的次线性regret界，实验验证了其有效性。该工作与关键词中的“context”高度契合，并解决了该领域长期存在的延迟反馈理论挑战。
Near-Optimal Regret in Adversarial Kernel Bandits ⭐ 精选
Yu-Jie Zhang et al.
cs.LG
本文针对adversarial kernel bandit问题，提出了一种基于指数权重（exponential-weights）的算法，该算法使用正则化重要性加权损失估计器（regularized importance-weighted loss estimator）并引入显式修正项以消除正则化带来的偏差。作者证明了该算法的regret上界为\(\widetilde{O}\big(\sqrt{T\, d_*(\lambda)\,\log|{X}|}\big)\)，其中\(d_*(\lambda)\)是衡量kernel复杂度的有效维度（effective dimension），该结果在忽略对数因子后与随机kernel bandit问题中的已知最优率相匹配。特别地，对于\(\mathbb{R}^d\)上具有光滑参数\(\nu\)的Matérn\((\nu,d)\) kernel，该bound特化为\(\widetilde{O}\big(T^{(\nu+d)/(2\nu+d)}\big)\)，不仅改进了Chatterji等人[2019]的最佳已知结果，还去除了其分析中所需的rank-one adversary假设，且该率与随机kernel bandit的已知最优率一致。
Beyond Trajectory-Level Attribution: Graph-Based Credit Assignment for Agentic Reinforcement Learning ⭐ 精选
Xin Cheng et al.
cs.LG cs.AI
本文提出Graph-based Group Policy Optimization (GraphGPO)，通过将所有rollout轨迹聚合为统一的状态转移图，并利用图中编码的全局信息估计每个状态到任务目标的距离，从而在agentic reinforcement learning中实现细粒度的step-level credit assignment。该方法通过基于图优势的边级信用分配，解决了传统轨迹级归因无法捕捉失败轨迹中有价值步骤的问题，显著提升了训练效率并在多个挑战性基准上达到最优性能。
Model Merging on Loss Landscape: A Geometry Perspective ⭐ 精选
Juanwu Lu et al.
cs.LG cs.AI stat.ML
本文提出EpiMer框架，将model merging问题重新表述为在Riemannian manifold上求解Fréchet mean，并限制在由task vectors张成的低秩子空间内进行计算。通过使用expected Hessian作为metric，作者揭示了local curvature与参数epistemic uncertainty之间的联系，并从理论上将merging error bound分解为subspace Fréchet variance和residual energy，给出了curvature-aware merging优于flat-geometry方法的闭式条件。该框架统一了curvature-aware方法和spectral方法作为不同geometric metrics下的subspace Fréchet mean特例，在CLIP-ViT模型上的图像分类任务中取得了优于baselines的性能。
Time Series Causal Discovery via Context-Conditioned and Causality-Augmented Pretraining ⭐ 精选
Biao Ouyang et al.
cs.LG
本文提出PTCD框架，通过context-conditioned建模和causality-augmented预训练，解决了时间序列因果发现中跨任务泛化的问题。其核心创新包括：双尺度迭代attention机制捕获窗口级因果关系，以及基于Gaussian mixture和context-level routing机制处理异质外生分布。此外，通过合成数据上的预训练范式（结合intervention-based学习和causal mixup策略）缓解因果图分布偏移，在多个真实OOD数据集上验证了因果发现与根因定位的优越性。该工作与关键词中的context和pretrain高度契合。
MONA: Muon Optimizer with Nesterov Acceleration for Scalable Language Model Training ⭐ 精选
Jiacheng Li et al.
cs.LG cs.CL
MONA优化器将Muon的矩阵正交化框架与Nesterov加速相结合，通过在Muon的梯度处理流程中引入基于梯度差异指数移动平均的加速项，实现了对sharp local minima的逃逸。理论分析表明该加速项在保持Muon的spectral-norm正则化特性的同时，提供了curvature-aware的优化能力。在1B到68B参数的Mixture-of-Experts预训练实验中，MONA在收敛速度和下游任务性能上均优于Muon和AdamW，并在MOE-68B-A3B模型的监督微调中，于通用能力、数学推理和代码生成基准上取得了SOTA结果。
RAPNet: Accelerating Algebraic Multigrid with Learned Sparse Corrections ⭐ 精选
Yali Fink et al.
cs.LG
RAPNet提出了一种基于Graph Neural Network (GNN)的框架，用于学习生成代数多重网格(AMG)中的稀疏且鲁棒的粗网格算子，从而解决了经典AMG方法中稀疏性与收敛质量之间的权衡问题。该方法采用逐层训练策略，能够从小规模子图学习并泛化至百万节点规模的域，且仅在求解器设置阶段执行，不改变求解阶段的计算特性。实验表明，RAPNet在多种PDE离散化和graph Laplacian问题上优于经典的非Galerkin基线方法，特别适用于特征问题、时间依赖模拟等需要多次求解的任务。该工作与关键词中的“context”和“spectral”有一定契合，因其利用图结构上下文信息并处理与谱性质相关的稀疏线性系统。
When Muon Optimizer Meets Adversarial Training: A Theoretical and Empirical Study ⭐ 精选
Jun Yan et al.
cs.LG
本文首次从理论和实验两个层面系统研究了Muon优化器（一种通过近似polar decomposition对矩阵更新进行正交化的优化器）在adversarial training (AT)中的应用。理论上，作者证明Muon对矩阵更新施加了spectral-norm稳定性上限，从而在不显式收缩权重的情况下限制了训练动态中不可控的spectral增长。实验上，在多种架构和\(\ell_p\) threat models（包括\(\ell_\infty\), \(\ell_1\), \(\ell_2\)及其并集）下，Muon在CNN上可与SGD竞争，并显著优于AdamW，揭示了优化器几何结构是AT中一个与安全相关的关键因素。
Convergence of Spectral Descent for Non-smooth Optimization ⭐ 精选
Yixuan Yang, Yuqing He, Song Li
cs.LG math.OC
本文研究了Muon优化器的一种简化变体Spectral Descent (SD)及其截断版本Truncated Spectral Descent (TSD)在非光滑凸优化中的收敛性。在凸性、Lipschitz连续性和sharpness条件下，作者建立了SD和TSD的全局线性收敛率，并利用与Frank-Wolfe方法的联系，为带有解耦权重衰减的正则化变体推导了次线性收敛保证。该理论框架被应用于混合稀疏与稠密噪声下的鲁棒低秩矩阵恢复问题，并提供了严格的恢复保证。这项工作为理解Muon类方法在非光滑场景下的行为提供了理论基础，与关键词“spectral”和“Muon”高度契合。
Probabilistic Recurrent Intention Switching Model ⭐ 精选
Wenyuan Sheng, Hao Zhu, Joschka Boedecker
cs.LG q-bio.NC
本文提出Probabilistic Recurrent Intention Switching Model (PRISM)，用轻量级recurrent network替代传统multi-intention IRL中的memoryless Markov chain或固定历史窗口的状态增强，将观测历史映射为每步的intention分布。作者证明其EM目标可精确分解为独立的per-intention reward子问题，每个子问题有闭式解，E-step复杂度为\(\mathcal{O}(nK)\)且无需变分近似。该方法在非马尔可夫网格世界、小鼠迷宫和BridgeData V2机器人操作任务上取得最高held-out log-likelihood，并恢复出可命名的时间连贯意图，与关键词"agent"和"attention"（隐式关注历史序列）较为契合。
Learning to Orchestrate Agents under Uncertainty ⭐ 精选
Mary Chriselda Antony Oliver et al.
cs.LG
本文提出BOT-Orch框架，将异构agent的自适应编排问题重新建模为bandit问题，并通过agent输出分布与任务特定参考分布之间的Optimal Transport (OT)距离进行正则化。该方法在标准假设下实现了\(\mathcal{O}(\sqrt{T})\)的regret界，并能对具有相同均值reward但分布对齐程度不同的agent进行偏好排序。实验表明，在具有异构、非独立同分布agent行为的合成对抗性任务分配场景中，BOT-Orch优于标准bandit和启发式基线。该工作与关键词"agent"高度契合，并为不确定性下的agent编排提供了理论保证。
GEM: Geometric Entropy Mixing for Optimal LLM Data Curation
Yue Min et al.
cs.LG cs.AI
本文提出GEM框架，将LLM数据配比问题重新表述为超球面上的变分问题，并引入混合平衡正则化器。通过MM算法优化目标并采用师生蒸馏扩展至大规模语料，该方法在1.1B参数模型上提升了平均下游准确率。
The Constraint Tax: Measuring Validity-Correctness Tradeoffs in Structured Outputs for Small Language Models
Jaideep Ray
cs.LG cs.SE
本文针对小语言模型（SLM）在结构化输出约束下的性能损失问题，提出了“constraint tax”测量协议。实验表明，硬性输出约束虽能提升schema有效性，但会显著降低答案准确率和可执行准确率，且错误是语义性的而非结构性的。
AirCast-SR: A Foundation Model for Kilometer-Scale Atmospheric Super-Resolution via Latent Consistency Diffusion
Somnath Luitel et al.
cs.LG physics.ao-ph
本文提出AirCast-SR，一个基于Latent Consistency Model (LCM)扩散框架的大气超分辨率基础模型，将全球AI天气预报从0.25度降尺度到1公里分辨率。该模型通过三维U-Net和谱分析（spectral）方法，在保持精细尺度大气结构的同时实现了近零偏差，并展示了零样本的全局迁移能力。
SilIF: Silhouette-Augmented Isolation Forest for Unsupervised Transaction Fraud Detection
Venkatakrishnan Gopalakrishnan
cs.LG
本文提出SilIF方法，通过向Isolation Forest添加基于silhouette的评分层来改进无监督异常检测。该方法在IEEE-CIS欺诈检测基准上取得了一定提升，但在合成数据集上效果不显著。
Neural Bayesian Sequential Routing
Yongchao Huang
cs.LG
本文提出Neural Bayesian Sequential Routing (NBSR)框架，将神经推理建模为在层次化有向无环图上的主动证据累积过程，通过Dirichlet-Categorical共轭框架和Gumbel-Softmax估计器实现硬路由与端到端训练。该方法提供了不确定性量化与早期退出机制，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
TSFMAudit: Data Contamination Auditing in Forecasting Time Series Foundation Models
Hongkai Li et al.
cs.LG cs.AI
本文首次研究了时间序列基础模型(TSFM)的预训练数据污染审计问题，提出了基于probe adaptation dynamics的TSFMAudit方法，通过检测微调后损失下降速度和backbone参数移动的异常来识别污染。实验在6个TSFM和187个数据集上验证了方法的有效性。
On the Push-Based Asynchronous Federated Learning: A Bias-Correction Aggregation Approach
Jiahui Bai, Hai Dong, A. K. Qin
cs.LG cs.AI
本文提出PushCen-ADFL，一种基于push-sum mixing和centroid regularization的异步去中心化联邦学习框架，旨在解决非对称通信和数据异质性下的模型漂移与通信开销问题。该方法通过平均保持的聚合策略和轻量级正则化项来校正偏差，并在视觉数据集上验证了其有效性。
Planning Neural Dynamics with Lie Group Embedding through Supervised Projective Manifold Learning
Tianwei Wang et al.
cs.LG cs.AI math.DS math.RA
本文提出Lie group embedded dynamical neural networks (LieEDNN)，通过将Lie group嵌入到神经网络中处理流形上的动力学问题。该方法利用adjoint Lie group action将Lie algebra线性化，使网络能在非线性表示空间中进行学习，并应用于SE(3)群上的伸缩机械臂控制。
When Rule Violations Are Rare: Chimera Training for Logical Anomaly Detection
Alejandro Ascarate et al.
cs.LG
本文提出了一种用于逻辑异常检测的Chimera Training方法，通过将不同样本的子图特征拼接来构造反事实训练数据，解决了规则违反样本在训练中稀缺的问题。该方法在多个数据集上提升了基于规则的异常检测性能。
ARBITER: Reasoning Trajectory Basins and Majority Vote Failures in Test-Time Sampling
Meng Cai, Lars Kulik, Farhana Choudhury
cs.LG
本文发现语言模型在测试时采样生成的推理轨迹会聚集成少数“推理盆地”，导致多数投票可能选出错误答案。作者提出ARBITER方法，通过分析模型自身采样输出和隐藏状态来修正投票结果，在多个数学基准上取得了一致改进。
InfoQuant: Shaping Activation Distributions for Low-Bit LLM Quantization
Ke Li et al.
cs.LG cs.AI
本文提出InfoQuant方法，通过Peak Suppression Orthogonal Transformation (PSOT)重塑activation分布，使其更适合低比特uniform quantizer。该方法无需训练，从信息论角度分析量化误差，并引入自适应outlier-token选择提升鲁棒性，在W4A4KV4设置下平均保持97%的浮点精度。
GAC: Noise-Aware Adaptive Mixing for Hybrid SFT-RL Post-Training
Yuelin Hu et al.
cs.LG cs.AI
本文提出了一种名为GAC的噪声感知自适应混合控制器，用于在混合后训练（结合supervised fine-tuning和reinforcement learning）中动态调整混合权重。该方法通过在线估计梯度方差和两个训练信号之间的不一致性来生成权重，并在数学、代码等基准上验证了其有效性。
Max-Window Scale Estimation for Near-Lossless HiF8 W8A8 Quantization-Aware Training
Yingying Cheng et al.
cs.LG cs.AI
本文研究了HiF8 W8A8量化感知训练(QAT)中的失败模式，通过延迟张量缩放(DTS)分析发现amax饱和与灾难性遗忘是两种正交问题，并提出了基于64步历史窗口的保守max算法DTS策略和500步BF16预热结合低学习率的解决方案。实验表明该方法在OpenPangu-Embedded-1B模型上实现了与BF16基线接近的性能。
HRVConformer: Neonatal Hypoxic-Ischemic Encephalopathy Classification from the Heart Rate signals
Shuwen Yu et al.
cs.LG cs.AI eess.SP
本文提出HRVConformer，一种结合卷积和Transformer的深度学习架构，用于从心率信号端到端分类新生儿缺氧缺血性脑病，在测试集上达到83.23%的AUC。该方法通过混合框架捕获局部和长程依赖，性能优于传统基线。
Modeling Dynamic Mixtures of Time-Delay Systems from Streaming Time Series
Ren Fujiwara, Yasuko Matsubara, Yasushi Sakurai
cs.LG cs.AI
本文提出了一种在线框架DelayMix，将流式时间序列建模为时滞系统的动态混合，通过固定长度的Markov参数序列表示来总结过去系统状态，从而在保持鲁棒性的同时减少内存使用。该方法在真实数据集上展示了优于其他方法的预测准确性和对延迟的快速适应能力。
Co-folding model guided by structural proteomics
Alon Shtrikman et al.
cs.LG cs.AI q-bio.BM
本文提出AIMS-Fold框架，将structural proteomics数据（如XL-MS和HDX-MS）与预训练diffusion模型结合，通过可微物理势引导生成轨迹，以改进蛋白质复合物构象预测。该方法在诱导接近靶标上优于无引导模型，但未涉及code、context、spectral等关键词。
Bridging Classification and Reconstruction: Cooperative Time Series Anomaly Detection
Qideng Tang et al.
cs.LG cs.AI
本文提出CoAD框架，通过结合分类与重建两种范式（Outlier Exposure和Masked Autoencoder）来检测时间序列中的异常。该框架利用分类模块生成概率软掩码以指导重建模块，从而提升对细微和复杂异常的检测能力。
On the Role of Inductive Bias in Time-Series Pretraining: A Case Study in Learning Generalizable Representations for Clinical Time Series
Sharmita Dey, Diego Paez-Granados
cs.LG
本文研究了临床时间序列预训练中归纳偏置的作用，通过PathoFM模型在脊髓损伤步态分析中对比了多种预训练目标（如局部补全、时间连续性、无监督上下文动力学）。结果表明，结合局部重建与时间连续性，并在可获取样本时加入上下文条件，能生成鲁棒的跨主体表示。
From Privacy to Generalization: Linear Max-Information Bounds for DP-SGD
Christoph H. Lampert, Hossein Zakerinia
cs.LG stat.ML
本文研究了DP-SGD的近似max-information界，证明了其与数据集大小呈线性关系，并由此得到了PAC-Bayes泛化界。该工作为隐私与泛化之间的关系提供了理论分析。
Provably Communication-Efficient and Privacy-Preserving Federated Graph Neural Networks
Zhishuai Guo et al.
cs.LG
本文提出CE-FedGNN框架，用于在跨客户端耦合图上进行联邦图神经网络学习，通过低频交换聚合节点表示并采用moving-average estimator处理依赖性和过时性，同时引入metric differential privacy提供隐私保证。实验表明该方法在降低通信成本的同时保持模型性能。
Scaling World-Model Reinforcement Learning Through Diffusion Policy Optimization
Xiaoyuan Cheng et al.
cs.LG
本文提出了一种基于扩散策略的模型强化学习方法MBDPO，通过将策略优化重构为在潜在世界模型中对搜索轨迹的扩散过程，解决了搜索与价值学习之间的结构错位问题。该方法在离线预训练、在线学习和离线到在线微调等多种场景下进行了评估。
Two-Parameter Flows for Learning Population Dynamics of Physical Systems
Paul Schwerdtner, Tobias Blickhan, Benjamin Peherstorfer
cs.LG math.NA
本文提出了一种用于学习高维概率密度随时间演化的双参数流方法，通过从基分布到每个边际的采样时间传输来学习动力学，并利用合成轨迹回归得到物理时间速度。该方法避免了每步最优传输耦合，可扩展到高维并解释旋转等非梯度物理现象。
Dynamic Link Prediction with Temporally Enhanced Signed Graph Neural Networks
Derek Regier et al.
cs.LG
本文提出了一种模块化的时间增强框架，用于带符号图神经网络（Signed GNNs）的动态链接预测。该框架通过历史上下文集成模块（HCIM）结合可学习的近期感知时间加权、LSTM嵌入轨迹建模和多头时间注意力，以捕捉短期和长期的符号交互动态。
Classification and detection of multiple UAVs using rational Gaussian wavelet neural networks
Ungvári Gergő et al.
cs.LG math.NA
本文提出了一种基于声音信号的无人机检测与分类系统，使用rational Gaussian wavelets作为可解释的自适应特征提取器，并嵌入小型神经网络进行训练。该方法在室内和室外噪声环境下均优于传统机器学习方法，并能检测无人机集群。
Curriculum Learning for Safety Alignment
Sandeep Kumar, Virginia Smith, Chhavi Yadav
cs.LG cs.AI
本文提出了一种基于Curriculum Learning的Staged-Competence框架，通过按难度组织preference data并渐进更新reference model，提升了DPO在safety alignment中的鲁棒性。实验表明该方法在OOD场景下降低了有害响应率和jailbreak攻击成功率，同时保持了通用能力。
MULTISEISMO: A Multimodal Seismic Dataset and Model for Cross-Modal Seismic Understanding
Sai Munikoti et al.
cs.LG cs.CL
本文构建了MultiSeismo多模态地震数据集（包含波形、图像和文本），并基于此微调了Unified IO 2模型得到SeisModal，用于地震跨模态理解任务。该工作主要贡献在于填补了地震学领域多模态数据集的空白，但方法本身在通用多模态模型框架上改进有限，与关键词契合度不高。
Semigroup Consistency as a Diagnostic for Learned Physics Simulators
Lennon J. Shikhman
cs.LG cs.AI math.NA
本文提出将semigroup consistency（半群一致性）作为评估学习型物理模拟器的一种诊断工具，通过比较直接演化与组合演化的预测误差来检测长期rollout中的退化。实验表明，该误差与轨迹级预测质量下降正相关，但将其作为训练目标的效果并不稳定。
Reparametrizing Shampoo and SOAP for Subspace Basis Updates and BFloat16 Storage
Alan Milligan et al.
cs.LG
本文提出了一种对Shampoo类方法（如KL-Shampoo和SOAP）中preconditioner的重参数化方法，通过子空间中的QR分解仅更新部分基向量，从而支持BFloat16存储并降低计算开销。该方法在保持性能的同时提升了内存和时间效率。
QAM-W: Joint 2D Codebook Quantization for LLM Weights via Hadamard Rotation and Activation-Aware Scaling
Preetam Sharma, Kacper Dobek
cs.LG cs.CL
本文提出QAM-W方法，通过L2归一化、block-Hadamard旋转和激活感知缩放，将LLM权重行配对为2D坐标后使用单一Lloyd-Max码本量化，在约5.5 bpw下匹配SmoothQuant W8A8质量但节省32%权重比特。该方法在5-6 bpw区间保持质量，但严格4 bpw下不如QTIP。
A PAC-Bayesian View of Generalisation for Physics-Informed Machine Learning
Thien V. Nguyen, Amaury Habrard, Benjamin Guedj
cs.LG stat.ML
本文为Physics-Informed Machine Learning (PIML)建立了一个PAC-Bayesian泛化理论框架，针对无界损失下的回归问题给出了高概率泛化保证。该框架通过多任务视角联合处理数据保真度、PDE残差及边界条件，并利用物理目标的结构推导出与输入梯度范数相关的复杂度界，揭示了物理正则性与泛化之间的直接联系。
MechRL: Reinforcement Learning Agents Perform Circuit Discovery for Mechanistic Interpretability
Barsat Khadka
cs.LG
本文提出MechRL方法，将circuit discovery（电路发现）转化为reinforcement learning问题，使用PPO agent在GPT-2 small的attention heads上执行zero-ablation操作，通过contrastive reward识别关键heads。该方法在多个任务上复现了已知的mechanistic circuits，但主要贡献在于方法框架而非理论突破，与关键词契合度一般。
When Correct Demonstrations Hurt: Rethinking the Role of Exemplars in In-Context Learning
Chenghao Qiu et al.
cs.LG cs.AI
本文揭示了in-context learning (ICL)中一个反直觉的现象：正确的demonstrations（示例）并不总是有益的，某些正确示例甚至会降低ICL的准确率。作者通过引入task-preserving perturbations（任务保持扰动）来研究这种正确性与效用之间的差距，并形式化了contextual evidence shift（上下文证据偏移）这一失败模式。实验表明，这种扰动会显著降低ICL性能，尤其是在小模型和困难任务上。
Energy-Gated Attention and Wavelet Positional Encoding: Complementary Inductive Biases for Transformer Attention
Athanasios Zeris
cs.LG cs.CL eess.SP
本文提出Energy-Gated Attention (EGA)和Morlet Positional Encoding (MoPE)两种组件，分别引入能量显著性和尺度选择性局部性作为Transformer attention的互补归纳偏置。在TinyShakespeare上的实验表明，两者组合的效果超过各自单独效果之和，呈现出超加性。
Balancing Plasticity and Stability with Fast and Slow Successor Features
Raymond Chua, Doina Precup, Blake Richards
cs.LG
本文研究了深度强化学习在持续非平稳环境中的稳定性-可塑性权衡问题，通过修改3D Miniworld和MuJoCo环境引入渐进式变化，发现稳定性方法（如突触巩固）优于可塑性方法（如参数重置），并验证了多时间尺度巩固Successor Features的有效性。
Function-Valued Causal Influence in Nonlinear Time Series
Valentina V. Kuskova, Dmitry Zaytsev, Michael Coppedge
cs.LG stat.ME stat.ML
本文针对非线性时间序列因果发现中普遍使用标量边分数的问题，提出函数值因果影响的概念，并基于Neural Additive Vector Autoregression架构引入Individual Conditional Expectation框架来估计因果响应函数。实验表明，标量分数无法区分单调、阈值、饱和等不同功能行为，而函数值分析能揭示被分数方法忽略的因果结构。
When Does Deep RL Beat Calibrated Baselines? A Benchmark Study on Adaptive Resource Control
Guilin Zhang et al.
cs.LG cs.AI cs.DC
本文通过RLScale-Bench基准测试发现，在自适应资源控制任务中，经过校准的基于规则的自动缩放器在所有六种工作负载上的成本均优于六种主流深度强化学习算法，表明DRL在该场景下的优势并非来自算法选择，而是依赖于基线校准、奖励工程和评估协议。
Amortized Factor Inference Networks for Posterior Inference
Joohwan Ko, Justin Domke
cs.LG
本文提出Amortized Factor Inference Networks (AFINs)，一种基于encode-merge-decode结构的推理网络，旨在实现跨不同先验、似然和维度的后验推断泛化。实验表明，单个AFIN在测试时计算量降低2-4个数量级的情况下，能达到与NUTS和多种变分推断方法相当的后验精度。
FM-fMRI: Event Conditioned Flow Matching for Rest-to-Task fMRI Time-Series Synthesis
Peiyu Duan et al.
cs.LG eess.IV
本文提出FM-fMRI，一种基于event-conditioned flow matching的模型，用于从静息态fMRI和任务事件信息生成任务态fMRI的ROI时间序列。该方法通过ODE采样实现快速生成，并在频谱一致性、连接组一致性和分布对齐方面优于扩散模型、GAN和VAE等基线。
Aperiodic and Low-Frequency Spectral Bias in Reconstruction based EEG Foundation Models
Aditya Kommineni et al.
cs.LG cs.AI
本文揭示了基于重建的EEG foundation model在低资源场景下表现不佳的机制原因，指出其embedding存在偏向低频非周期成分而忽略高频振荡成分的spectral bias。通过合成数据和真实BCI数据集实验，作者证明了这种bias导致模型编码了更多subject identity而非任务相关信息。
DDGAD: Trajectory Dynamics for Diffusion-Based Graph Anomaly Detection
Yuxin Yang, Limei Hu, Feng Chen
cs.LG cs.AI
本文提出DDGAD框架，利用diffusion过程与trajectory dynamics区分图数据中的正常与异常节点，通过引入reliability-aware consensus refinement机制缓解异常节点对邻居表示的污染。实验在多个数据集上验证了有效性，但方法本身未涉及code、spectral或attention等关键词。
Diffuse to Detect: Generative Diffusion Models for Unsupervised IC Anomaly Detection
Yuxuan Yin et al.
cs.LG cs.AI
本文提出了一种基于Diffusion Transformer的无监督IC异常检测框架，通过自编码器压缩测试数据并利用扩散模型的噪声预测误差进行异常评分，在16nm工业数据上取得了先进性能。该方法无需标注数据，但与我提供的关键词列表关联度较低。
Variational Inference for Evidential Deep Learning
Jiawei Tang et al.
cs.LG
本文指出传统Evidential Deep Learning (EDL)存在KL惩罚项导致证据过高以及Dirichlet参数设置缺乏理论保证的问题，并提出变分推断框架VI-EDL，通过推导Evidence Lower Bound (ELBO)来限制证据增长，并建立了泛化界。实验表明该方法在分布外检测等任务上表现优异。
Beyond Pairwise Preferences: Listwise Reward-Aware Alignment for Diffusion Models
Austin Wang et al.
cs.LG cs.CV
本文提出Diffusion LAIR方法，通过将一组候选图像的reward scores转化为centered advantage weights，并优化一个advantage-weighted regression目标来对齐扩散模型。该方法利用所有候选图像而非成对比较，并引入二次惩罚项控制implicit reward的幅度，在文本到图像生成等任务上优于现有baseline。
PRISM: Position-encoded Regressive Inverse Spectral Model for Multilayer Thin-Film Design
Runtian Wang et al.
cs.LG physics.optics
本文提出PRISM模型，一种用于多层薄膜光学涂层设计的自回归transformer，通过频谱前缀条件和累积深度旋转位置嵌入，联合预测离散材料选择和连续厚度回归。该模型在参数更少的情况下比其它transformer基线降低了超过50%的MAE，并比模拟退火方法更快。
SIKA-GP: Accelerating Gaussian Process Inference with Sparse Inducing Kernel Approximations for Bayesian Deep Learning
Wenyuan Zhao, Rui Tuo, Chao Tian
cs.LG math.PR stat.CO
SIKA-GP通过稀疏诱导核近似加速Gaussian Process推理，实现了\(O(\log M)\)的复杂度，并支持GPU张量计算。该方法可嵌入Bayesian神经网络，在视觉和语言基准上保持预测性能的同时显著提升训练和推理速度。
Open-Weight LLM Fine-Tuning Defenses are Susceptible to Simple Attacks
Kevin Kuo, Chhavi Yadav, Virginia Smith
cs.LG cs.CR
本文研究了针对开源大语言模型（LLMs）的微调防御措施，发现其易受abliteration和prefilling等简单攻击，这些攻击无需梯度优化即可将攻击成功率从低于10%提升至16%-96%。作者提出了abliteration-resistant tuning (ART)方法，通过引入基于abliteration的目标来降低攻击成功率10%-20%。
Recursive Flow Matching
Jiahe Huang et al.
cs.LG cs.AI cs.CV math.NA
本文提出Recursive Flow Matching (RecFM)框架，用于生成复杂时空动力学。RecFM通过强制自一致性来对齐不同离散化尺度下的trajectory，从而减少离散化误差，在物理任务中提升性能。
Aligning Few-Step Generative Models by Amortizing Sample-based Variational Inference
Jaewoo Lee et al.
cs.LG cs.AI
本文提出FAV框架，通过将alignment问题转化为从reward-tilted分布中采样，并利用Stein Variational Gradient Descent进行sample-based variational inference，从而实现对few-step generative models的通用对齐。该方法仅需generator和reference distribution的样本访问，在机器人操作和图像生成对齐任务上验证了有效性。
Auditing and Fixing Economic Validity in Tabular Foundation Models for Discrete Choice
Yingshuo Wang et al.
cs.LG cs.AI econ.EM
本文提出了一种两阶段适配器方法，将tabular foundation model的预测嵌入到效用最大化框架中，以解决其在离散选择任务中违反经济逻辑（如价格与需求单调性）的问题。该方法在保证经济一致性的同时，恢复了部分预测精度。
Beyond Holistic Models: Systematic Component-level Benchmarking of Deep Multivariate Time-Series Forecasting
Shuang Liang et al.
cs.LG
本文提出了TSCOMP基准，通过正交实验设计系统分解多变量时间序列预测方法的核心组件（如预处理、编码、网络架构和优化），并基于超过20,000个模型-数据集评估构建性能语料库。实验表明，基于该语料库的自动组件选择方法在零样本场景下优于现有复杂模型。
Distribution-Aware Conformal Prediction: A Framework for generating efficient prediction intervals for time series
Daniel Schweizer et al.
cs.LG
本文提出了Distribution-aware Conformal Prediction (DCP)框架，通过结合概率预测器与conformal calibration来生成时间序列的有效预测区间。该方法采用数值反演构建区间边界，并引入改进的Winkler score来平衡有效性与效率。
Separate Aggregation of Split Network for Personalized Federated Learning
Yunseok Kang, Jaeyoung Song
cs.LG
本文提出PGFedSplit框架，通过拆分网络架构并针对不同组件进行自适应聚合调度，以平衡个性化与全局泛化。客户端混合使用本地提取表示和服务器端高斯统计生成的合成表示，提升在标签不平衡和缺失类场景下的鲁棒性。
Focal Reward: Balanced Reinforcement Learning under Rubric-Based Rewards
Yu Huang et al.
cs.LG
本文提出Focal Reward方法，通过逆奖励投影机制估计各评分维度的饱和程度，并自动重加权各维度奖励以平衡强化学习训练。实验表明该方法在多个模型规模和基准测试中优于静态聚合基线。
On the Error-Correcting Effects of Stochasticity in Discrete Diffusion
William Yuan, Sungwon Jeong, Amirali Aghazadeh
cs.LG cs.AI
本文研究了离散扩散模型中马尔可夫转移的随机性程度对采样效率与样本质量权衡的影响，发现高度确定性转移收敛快但误差累积严重，而随机性转移收敛慢但最终质量更高。基于此，作者提出DCRS算法，通过交替前向和反向扩散过程注入受控随机性，在低函数评估次数下改善了速度-质量权衡。
Few-shot Cross-country Generalization of Tabular Machine Learning and Foundation Models for Childhood Anemia Prediction under Distribution Shift
Yusuf Brima et al.
cs.LG cs.AI stat.ML
本文评估了TabPFN（一种基于transformer的tabular foundation model）在跨国家和数据稀缺场景下预测儿童贫血的性能，发现其在小样本（<200）时优于Logistic Regression、XGBoost等经典方法，但整体性能更受人口变异驱动而非模型选择。
Geometry-Aware Contrastive Learning for Few-Shot Automatic Modulation Recognition
Guanqun Zhao et al.
cs.LG cs.AI
本文提出了一种几何感知的对比学习框架DyCo-CL，用于解决自动调制识别中的各向同性增强和谱不稳定性问题。该方法通过虚拟对抗增强和语义一致性损失实现隐式谱正则化，并在RML基准上取得了1-shot场景下6.27%的准确率提升。
Spend Your Rollouts Where It Counts: Rollout Allocation for Group-Based RL Post-Training
Woojeong Kim et al.
cs.LG cs.AI
本文提出Pilot-Commit框架，用于基于组的RL后训练中的rollout分配，通过两阶段策略（先评估prompt信息量再分配资源）来降低采样成本，在数学推理基准上达到与GRPO和DAPO相当的准确率但速度更快。
PIDM-DP: Physics-Informed Diffusion with Dormand-Prince Integration for Chaotic System Identification and State Reconstruction across Multiple Dynamical Regimes
Shailendra Dabral
cs.LG
本文提出PIDM-DP模型，将可微分的5阶Dormand-Prince ODE积分器嵌入扩散模型的逆向采样过程，通过自动微分反向传播物理残差，并采用线性调度机制避免梯度爆炸，从而从稀疏含噪观测中重构混沌系统的连续状态轨迹。实验表明该方法在多个混沌基准系统上显著优于无约束扩散模型和集合卡尔曼滤波。
RT-Lynx: Putting the GEMM Sparsity In a Right Way for Diffusion Models
Xing Cong et al.
cs.LG
本文提出RT-Lynx方法，将N:M半结构化稀疏性应用于Diffusion Transformers的激活值而非权重，以加速推理。通过误差补偿技术和优化的CUDA kernel，该方法在保持生成质量的同时实现了线性层平均1.55倍的加速。
More Expressive Feedforward Layers: Part I. Token-Adaptive Mixing of Activations
Mingze Wang et al.
cs.LG cs.AI stat.ML
本文提出Mixture of Activations (MoA)方法，通过轻量级输入依赖门控混合多种activation functions，使FFN层具有token-adaptive能力。理论证明MoA严格包含固定activation的FFN和可学习activation，实验表明其在0.12B到2B参数的语言模型上能持续降低loss并改善scaling行为。
Bilevel Optimization over Saddle Points of Zero-Sum Markov Games
Zihao Zheng, Irwin King, Songtao Lu
cs.LG cs.AI math.OC stat.ML
本文研究零和Markov博弈中鞍点上的双层优化问题，提出基于Nikaido-Isoda函数的惩罚增强型梯度下降-上升方法PANDA，该方法避免计算上层超梯度且无需二阶信息，在无凸性假设下收敛到平稳点，其样本复杂度与单策略下层MDP的双层强化学习最优结果匹配。
WINDQuant: Weight-Informed Neural Decision-Making for Global Mixed-Precision LLM Quantization
Phong Nam Huu Nguyen et al.
cs.LG
WINDQuant提出了一种基于reinforcement learning的混合精度量化方法，通过PPO算法在列块级别分配bit-width，以在超低位宽下压缩LLM。该方法虽在LLaMA模型上取得一定效果，但主要聚焦于量化策略优化，与关键词中的code、spectral、Muon等概念关联较弱。
Self-Improvement Imitation with Biologically Guided Search for Protein Design Under Oracle Budgets
Ashima Khanna, Dominik Grimm
cs.LG cs.AI q-bio.QM
本文提出SILO框架，用于在有限oracle预算下优化蛋白质序列。该方法通过分层编辑策略和随机束搜索生成候选序列，并利用UCB代理集成与丙氨酸扫描评分选择有意义的突变，最后通过模仿学习更新策略。实验表明该方法在多个蛋白质适应度景观上优于现有基线。
SL-BiLEM: Structured Learnable Behavior-in-the-Loop Epidemic Modeling for Forecasting and Policy Evaluation
Haochun Wang et al.
cs.LG cs.AI
本文提出SL-BiLEM框架，通过将物理约束（单调性、平滑性、有界跳跃）作为正则化项，将有效传播率分解为多个可解释因子的乘积，以解决流行病预测中人类行为与疾病传播的反馈循环导致的分布偏移问题。该方法在多个真实数据集上验证了预测和反事实分析能力，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。
Image Feature Fusion-based Federated Client Unlearning (FCU)
Hangyi Shen et al.
cs.LG
本文提出了一种基于图像特征融合的联邦客户端遗忘方法(IFF-FCU)，通过引入线性图像特征融合机制(Mixup)来平衡遗忘效果与模型泛化能力，在医学影像基准上验证了其有效性。该方法主要针对联邦学习中的灾难性遗忘问题，但与我提供的关键词列表关联度较低。
MTL-FNO: A Lightweight Multi-Task Fourier Neural Operator for Sparse Field Reconstruction
Siyu Ye et al.
cs.LG
本文提出了一种轻量级多任务Fourier Neural Operator (MTL-FNO)，通过硬参数共享和低秩任务特定微调实现多场稀疏重建，并利用极坐标分解和Cayley变换优化谱权重，在减少模型尺寸的同时保持精度。
APEX: Amplitude Anchors and Phase Priors for Target-Scarce Higher-Frequency Wave Prediction
Yifan Sun et al.
cs.LG
本文提出APEX框架，用于在目标高频数据稀缺时预测波场。该方法利用低频神经算子提供粗预测，仅保留振幅作为可迁移结构锚点，并通过条件流匹配增强器结合格林函数相位先验重建高频场。实验表明，该方法优于直接外推和生成基线。
Stabilizing Recurrent Dynamics for Test-Time Scalable Latent Reasoning in Looped Language Models
Xiao-Wen Yang et al.
cs.LG cs.AI
本文研究了循环语言模型(LoopLM)在测试时深度递归中的性能退化问题，提出了一种基于稳定性驱动的训练框架STARS，通过Jacobian谱半径正则化约束隐状态收敛到渐近稳定不动点。实验表明该方法在算术和复杂数学推理任务中能缓解性能退化并提升峰值表现。
Localizing Memorized Regions in Diffusion Models via Coordinate-Wise Curvature Differences
Gwangho Kim, Sungyoon Lee
cs.LG
本文通过坐标曲率差异来定位扩散模型中的记忆化区域，提出了一种基于曲率差的方法来区分过拟合驱动的记忆化与数据内在约束，并在Stable Diffusion上验证了其有效性。
Adversarial Training for Robust Coverage Network under Worst-case Facility Losses
Changhao Miao et al.
cs.LG cs.AI
本文提出了一种基于对抗学习的Dual-Agent Deep Reinforcement Learning (DADRL)框架，用于求解Maximal Covering Location-Interdiction Problem (MCLIP)这一双层优化问题，通过location agent和interdiction agent的对抗训练来近似最优解。
Towards Generalization-Oriented Models for Vehicle Routing Problems with Mixture-of-Experts
Changhao Miao et al.
cs.LG cs.AI
本文提出了一种基于混合专家（Mixture-of-Experts）的深度强化学习模型R2E-IG，用于提升车辆路径问题（VRP）在跨分布场景下的泛化能力。该方法通过残差精炼专家（R2E）架构和实例级门控机制，将策略网络模块化并动态重组，以应对训练与测试数据分布不一致的问题。
Ratio-Variance Regularized Policy Optimization
Yu Luo et al.
cs.LG cs.AI
本文提出了一种名为R\(^2\)VPO的强化学习算法，通过显式约束policy ratio的variance来替代传统PPO中的启发式clipping机制，从而在保持trust region约束的同时保留高回报更新的梯度信号。该方法在LLM推理和机器人控制任务上取得了性能提升，但整体创新性有限，属于对现有PPO方法的改进而非开创性工作。
Pretrained Approximators for Low-Thrust Trajectory Cost and Reachability
Zhong Zhang et al.
cs.LG physics.space-ph
本文使用机器学习代理模型（machine learning surrogates）来近似低推力轨迹设计中的燃料消耗和转移可行性，通过构建大规模数据集和引入自相似变换（self-similar transformation）实现了跨轨道参数的泛化，无需重新训练。该方法在多个任务上验证了准确性，但并未解决该领域的长期开放问题或提供显著开创性的理论突破。
Latent Recurrent Transformer: Architecture Exploration, Training Strategies, and Scaling Behavior
Zeyi Huang et al.
cs.LG cs.CL
本文提出Latent Recurrent Transformer (LRT)，通过在相邻token间复用高层source-layer hidden state作为recurrent memory，以极小的参数增加（0.3%）改进自回归transformer。作者引入interleaved parallel training策略，在不展开序列的情况下预训练该recurrence，在匹配有效计算量下提升了语言建模损失和in-context learning能力。
PATE-TabTransGAN: Differentially Private Synthetic Tabular Data Generation via Transformer-Based Student Discrimination
M. Youssef, M. Woźniak
cs.LG
本文提出PATE-TabTransGAN，将Private Aggregation of Teacher Ensembles (PATE)机制与基于Transformer的student discriminator结合，用于生成满足差分隐私的合成表格数据。实验表明该方法在多个基准数据集上达到了与现有最优方法相当或更优的性能。
Innovation: An Almost Characterization of Hallucination
Nishant P. Das, Piyush Srivastava
cs.LG cs.AI cs.IT
本文提出了一种称为innovation的简单性质，用于衡量模型生成训练数据之外输出的倾向，并证明innovation与幻觉（hallucination）几乎等价，从而为理解大语言模型中的幻觉现象提供了新的理论视角。
The Kalman Evolve: Closing the Gap in Kalman Filtering via Interpretable Algorithm Discovery
Vasileios Saketos, Ming Xiao
cs.LG cs.AI cs.CV
本文提出Kalman Evolve框架，利用大语言模型生成对经典Kalman Filter的非仿射修改，以解决非线性传感场景下的状态估计问题。实验表明该方法在多个基准上优于传统优化方法。
Periodic Topological Deep Learning for Polymer Design and Discovery
Yasharth Yadav et al.
cs.LG cs.AI
本文提出Periodic-TDL框架，利用periodic Vietoris-Rips complexes和hierarchical simplicial message-passing (HSMP)编码器，在聚合物性质预测任务上超越现有模型，并通过实验验证了官能团修饰对热稳定性的影响。
Not All Disagreement Is Learnable: Token Teachability in On-Policy Distillation
Yuanyi Wang et al.
cs.LG
本文研究了on-policy distillation中token级别教师信号的可学习性问题，发现原始KL分歧不能准确反映学习价值，并提出了Teachability-Aware OPD (TA-OPD)方法，通过选择高可学习性的token位置来提升蒸馏效率。实验表明该方法在仅保留5% token的情况下即可超越全token OPD。
Learning Energy-Based Models from Stochastic Interpolants using Spatiotemporal Differences
Hanlin Yu et al.
cs.LG
本文提出了一种名为stNCE的框架，通过联合时空差异来学习基于能量的模型，统一了多种现有方法，并在图像和分子数据上取得了与最先进方法竞争的性能。
Generalist Graph Anomaly Detection via Prototype-Based Distillation
Yiming Xu et al.
cs.LG
本文提出ProMoS，一种无监督的通用图异常检测框架，通过知识蒸馏从冻结的自监督GNN教师模型向混合学生模型传递正常性先验，并利用原型引导的软标签对齐实现跨图泛化，在零样本场景下检测异常。
The Strongest Teacher Is Not Always the Best Teacher: Student-Centric Answer Selection
Zhengyu Hu et al.
cs.LG cs.AI cs.CL
本文提出Student-Centric Answer Sampling (SCAS)框架，通过估计学生中心的学习成本来选择教师生成的答案，而非直接使用最强教师的答案。实验表明该方法能持续提升学生模型性能，但未涉及code、spectral、Muon等关键词相关技术。
Negligible in Size, Significant in Effect: On Scale Vectors in Large Language Models
Mingze Wang et al.
cs.LG cs.AI stat.ML
本文研究了大型语言模型中scale vectors的作用，发现其虽参数极少但对预训练至关重要，并通过理论分析揭示了其在Pre-Norm架构中通过自增强预条件效应优化后续线性映射的机制。此外，论文提出了三项轻量级改进（分支特异性异质性、线性映射周围放置优化、幅度-方向重参数化），并在0.12B至2B参数的密集和混合专家模型上验证了其有效性。
SPHERE-JEPA: Spherical Prediction with Homogeneous Embeddings
Léo Nicollier et al.
cs.LG
本文研究了自监督学习中表示几何的最优性问题，将LeJEPA的minimax分析从Euclidean空间扩展到Riemannian流形上的光滑分布，证明了在worst-case formulation下，k近邻和kernel ridge regression都会诱导超球面上的均匀分布。基于此理论，作者提出了SPHERE-JEPA框架，通过调整Cramér-Wold投影机制来强制实现超球面均匀性，在纹理检索和ImageNet-1K线性探测等任务上取得了改进。
EEG-FM-Audit: A Systematic Evaluation and Analysis Pipeline for EEG Foundation Models
Xianheng Wang, Yige Yang, Damien Coyle
cs.LG cs.AI
本文提出了EEG-FM-Audit，一个用于系统评估EEG Foundation Models (FMs) 的pipeline，包含ASHA驱动的benchmarking、paradigm-level ablation和neurophysiological probing (NPP)框架。实验表明，适当调优的supervised baselines可匹配或超越advanced FMs，且FMs的有效性高度依赖数据集规模和架构。
Agile Online Model Selection: Resolving Adaptation Lag via Safeguarded Large Learning Rates
Kei Takemura, Ryuta Matsuno, Keita Sakuma
cs.LG stat.ML
本文提出了一种乐观的online mirror descent方法，通过使用受保护的大学习率（最高可达\(\Theta(T)\)）和事后惩罚机制来解决非平稳环境中的模型选择适应滞后问题，在理论上实现了\(O(\log T)\)的累积惩罚，并在实验中显著减少了适应延迟。
RLVR Datasets and Where to Find Them: Tracing Data Lineage for Better Training Data
Hsiu-Yuan Huang et al.
cs.LG
本文提出了ATLAS框架，用于追踪RLVR数据集的数据来源，发现大多数数据集源自少量上游来源。基于此，作者构建了DAPO++数据集并提出了SCA原则来评估样本质量，实验表明该方法能提升下游RLVR训练效果。
TED: Related Party Transaction guided Tax Evasion Detection on Heterogeneous Graph
Yiming Xu et al.
cs.LG
本文提出了一种基于异质图神经网络（heterogeneous graph neural network）的逃税检测方法TED，利用关联方交易（related party transaction）组过滤噪声，并通过层次注意力机制（hierarchical attention mechanism）捕获深层语义信息。该方法在真实税务数据集上优于现有方案，但主要贡献在于应用层面，而非理论或方法上的开创性突破。
Sampling Data with Chains of Forward-Backward Diffusion Steps
Hyunmo Kang et al.
cs.LG cond-mat.dis-nn stat.ML
本文提出U-turn chains，一种通过迭代扩散模型的前向-后向步骤构建的Markov chain，用于从学习到的高维分布中采样。研究发现，在合成语言和自然数据中，该方法的混合效率受数据流形碎片化影响，且不同层次特征的松弛速度存在差异。
SCENT: Aligning Mass Spectra with Molecular Structure for Olfactory Perception
Ziqi Zhang et al.
cs.LG
本文提出SCENT框架，通过多模态对比学习对齐质谱与化学结构嵌入，在无需分子结构的情况下预测嗅觉感知。该方法在气味描述预测任务上优于仅用质谱的基线，性能接近基于结构的方法。
SQARL: A Size-Agnostic Reinforcement Learning approach for Circuit Allocation in Distributed Quantum Architectures
Víctor Carballo, Júlia López-Closa, Mario Martin
cs.LG
本文提出了一种基于transformer架构的强化学习方法SQARL，用于解决分布式量子计算中的Qubit Allocation问题，该方法无需针对不同硬件配置重新训练。实验表明，该方法在分配成本上优于之前的强化学习基线，并缩小了与匈牙利算法（HQA）的差距。
Less is More: Early Stopping Rollout for On-Policy Distillation
Zhou Ziheng et al.
cs.LG cs.AI
本文提出了一种名为Early Stopping Rollout (ESR)的蒸馏策略，用于解决on-policy distillation中出现的“Off-policy Teacher Decay”问题。该方法通过限制rollout生成仅到第一个response token，在多个模型规模和任务上提升了性能与训练稳定性。
Learning Dynamic Graph Representations through Timespan View Contrasts
Yiming Xu et al.
cs.LG
本文提出了一种基于时间跨度对比学习的动态图表示框架CLDG及其扩展CLDG++，通过引入时间平移不变性假设，利用对比学习在不同时间跨度上保持节点表示的一致性，并应用于节点分类和动态图异常检测任务。
Two Speeds of Learning: A Representation-Readout Decomposition of Grokking and Double Descent
Chi-Ning Chou et al.
cs.LG cs.AI
本文提出了一种representation-readout分解框架，用于分析深度学习训练中出现的grokking和epoch-wise double descent现象。该框架通过分析编码器中的representation learning和最终分类器中的readout calibration这两个竞争过程，揭示了它们相对速度的波动如何导致看似异常的学习动态。
Trust Region Q Adjoint Matching
Yonghoon Dong et al.
cs.LG cs.AI cs.RO
本文提出Trust Region Q-Adjoint Matching (TRQAM)，一种用于预训练flow policy的稳定off-policy强化学习微调算法。该方法通过投影对偶下降自适应控制路径空间KL散度，并理论证明了该KL散度可表示为trust-region参数\(\lambda\)的闭式函数，从而在50个OGBench任务中取得了优于先前方法的性能。
ReMoE: Boosting Expert Reuse through Router Fine-Tuning in Memory-Constrained MoE LLM Inference
Xiongwei Zhu et al.
cs.LG cs.AI cs.DC
本文提出ReMoE框架，通过微调MoE模型的router来鼓励token重复使用近期被选中的expert，从而在内存受限的推理场景中减少从外部存储加载expert的I/O开销。实验表明该方法在保持下游任务性能的同时提升了expert复用率和推理吞吐量。
Adversarial Dual On-Policy Distillation from Expressive Flow-based Teacher
Zhenglin Wan et al.
cs.LG
本文提出FA-OPD方法，通过从demonstrations中学习一个Flow Matching (FM) teacher，并与轻量级MLP student进行对抗式双策略蒸馏。该方法结合reward channel和action channel的互补信号，在机器人导航、操作和运动控制任务上提升了性能。
Mildly Overparameterized ReLU Networks on Orthogonal Data: Incremental Learning and Implicit Bias
James Town et al.
cs.LG stat.ML
本文研究了正交训练数据下两层ReLU网络从微小初始化开始的梯度流动力学，证明了当初始化尺度趋近于零时，极限流收敛到一个鞍点间的跳跃过程，揭示了增量学习现象。该工作为ReLU网络的增量学习过程提供了首个严格证明，并推导出学习到的插值器具有与最优插值器同阶的复杂度。
High-Quality Synthetic Financial Time-Series using a GAN-Diffusion Framework
Giuseppe Masi, Andrea Coletta, Novella Bartolini
cs.LG cs.AI
本文提出了一种结合GAN和扩散模型的生成框架CoMeTS-GAN，用于生成高质量的金融时间序列数据，并验证了其在捕捉股票市场典型特征和资产间相关性方面的有效性。
DEI: Diversity in Evolutionary Inference for Quality-Diversity Search
John Donaghy, Shikhar Rastogi
cs.LG cs.AI
本文提出了DEI框架，通过将异构大语言模型作为变异算子进行分布式Quality-Diversity搜索，在Core War领域验证了模型多样性而非单纯并行化是性能提升的关键。实验表明异构集成在QD-Score和覆盖率上显著优于同构基线。
Deep-layer limit and stability analysis of the basic forward-backward-splitting induced network (II): learning problems
Xuan Lin, Chunlin Wu
cs.LG cs.AI
本文研究了由基本forward-backward-splitting (FBS)算法展开得到的深度神经网络的学习问题，证明了在温和假设下，网络训练问题会\(\Gamma\)-收敛到深层极限系统的学习问题，并分析了学习问题的扰动稳定性。
The Role of Causal Features in Strategic Classification for Robustness and Alignment
Antonio Gois et al.
cs.LG stat.ML
本文探讨了因果特征在策略分类中的作用，通过理论分析证明了在特定噪声条件下因果分类器能实现最优分类误差，并分解了非理想情况下的OOD交叉熵风险。研究还发现使用因果特征有助于协调机构与用户的长期激励，并通过合成数据实验验证了理论预测。
Nonlinear Data Integration via Kernel Methods for Data Collaboration Analysis
Yamato Suetake et al.
cs.LG stat.ML
本文针对去中心化隐私数据协作分析问题，提出了非线性核集成方法(NKI)，通过将线性核集成(LKI)进行核化，并引入图正则化和中心化约束，使得集成表示能捕捉几何与目标变量信息。实验表明该方法在非线性降维下优于现有线性集成方法。
Explainable Comparison of Feature-Based and Deep Learning Models for TROPOMI Methane Plume Screening
Solomiia Kurchaba et al.
cs.LG physics.ao-ph
本文比较了基于特征（SVC, Random Forest, XGBoost）和基于图像（ResNet-18, ResNet-34）的模型在TROPOMI甲烷羽流分类中的表现，并利用SHAP进行可解释性分析。研究为实际甲烷筛查工作流中的模型选择提供了指导，但方法本身并非开创性，且与关键词关联较弱。
Symbolic Regression via Latent Iterative Refinement
Xieting Chu, Sriram Vishwanath, Vijay Ganesh
cs.LG
本文提出Latent Equation Embedding (LEE)框架，通过迭代amortized inference在功能grounded的latent space中改进符号回归的预测。该方法结合encoder、expression decoder和evaluation decoder，并混合离散re-encoding与连续gradient descent，在SRBench上相比多种baseline生成了更简洁的表达式。
LUCoS: Latent Unsupervised Context Selection for Tabular Foundation Models
Oroel Ipas et al.
cs.LG cs.AI
LUCoS提出了一种基于无监督PFN嵌入的潜在几何空间来选择代表性medoids作为上下文，用于低标签表格学习中的上下文选择问题。该方法在67个数据集上优于随机选择，但未涉及代码、谱方法或Muon等关键词。
Kan Extension Transformers: A Categorical Unification of Attention, Diffusion, and Predict-Detach Self-Conditioning
Sridhar Mahadevan
cs.LG
本文提出Kan Extension Transformers (KETs)，将Transformer层统一为加权结构化extension operator，涵盖标准attention、Geometric Transformer和KET本身。实验在多个数据集上验证了12种实现，发现predict-detach self-conditioning机制比改变neighborhood结构带来更大性能提升。
Transfer Learning using 66 Diseases for Disease Forecasting Applications
Lauren J Beesley et al.
cs.LG stat.AP
本文利用66种传染病数据和多数据流进行迁移学习，训练机器学习模型以改进疾病预测。研究发现，加入其他数据流在大多数情况下能提升预测性能，但数据质量至关重要，添加与目标数据差异过大的数据可能降低效果。
Causal Risk Minimization for High-Dimensional Treatments
Nikita Dhawan et al.
cs.LG stat.ML
本文针对高维treatment空间（如文本字符串）的因果效应估计问题，将因果推断重新表述为学习问题，证明了因果误差可分解为一系列递增阶数的moment-balancing误差，并设计了直接优化因果估计的目标函数。同时，通过将高维treatment投影到低维属性上，使得单一模型无需额外训练即可回答多个因果问题。
Falcon-X: A Time Series Foundation Model for Heterogeneous Multivariate Modeling
Yiding Liu et al.
cs.LG cs.AI
本文提出Falcon-X，一种用于异构多变量时间序列预测的基础模型。它通过将变量映射到统一的潜在原型空间，并采用Unified Prototype Diff-Attention机制来显式建模正负语义亲和性，从而解决原始变量空间中语义对齐和关系表达性的局限。
Detectability in Diversity: Improved Canary Crafting for Privacy Auditing in One Run
Mathieu Dagréou, Aurélien Bellet
cs.LG stat.ML
本文研究了单次运行隐私审计中“canary”点的优化问题，提出了一种结合influence function的贪心初始化和双层优化方法来增强canary的可检测性并减少干扰，实验表明该方法在较低计算成本下获得了更强的隐私泄露估计。
BASIS: Batchwise Advantage Estimation from Single-Rollout Information Sharing for LLM Reasoning
Shijin Gong et al.
cs.LG stat.ML
本文提出BASIS算法，通过利用批次内所有prompt的信息来改进单次rollout下的value function估计，在LLM推理任务中平衡了计算效率与样本效率。实验表明该方法在value estimation的MSE上优于REINFORCE++等基线，但未涉及关键词中的code、spectral、Muon等概念。
Normal Guidance is what Attention Needs
Ethan Harvey, Dennis Johan Loevlie, Michael C. Hughes
cs.LG
本文提出了一种名为Normal Guidance的正则化技术，用于弱监督的3D医学图像分类。该方法通过鼓励attention分布遵循钟形曲线，提升了基于attention和transformer的MIL方法在slice-level定位上的性能。
Greening AI Inference with Accuracy and Latency-aware User Incentives
Vasilios A. Siris et al.
cs.LG cs.OH
本文提出了一种基于用户对推理质量和延迟的估值以及环境意识的AI推理激励框架，通过两档服务订阅机制在碳排放与QoE参数之间进行权衡。该框架允许AI提供商在高碳强度期间以较低质量和较高延迟服务部分推理请求，以换取用户折扣。
Probabilistic Smoothing with Ratio-Monotone Transforms for Global Optimization
Kukyoung Jang et al.
cs.LG math.OC
本文提出了一种结合对称单峰核与单调比率变换的概率平滑框架用于全局优化，证明了平滑后的目标函数保持全局最大值且驻点集中在真值附近，并通过实验展示了其鲁棒性。
From Scores to Gibbs Correctors: Accelerating Uniform-Rate Discrete Diffusion Models
Yuchen Liang, Ness Shroff, Yingbin Liang
cs.LG stat.ML
本文提出了一种名为Gibbs-Accelerated Discrete Diffusion (GADD)的离散扩散模型加速方法，通过利用concrete score function构造Gibbs后验似然，无需额外训练即可加速采样。该方法在理论上达到了\(\mathcal{O}(\mathrm{polylog} (\varepsilon^{-1}))\)的采样复杂度，并在合成数据、零样本文本生成和条件音乐生成任务上验证了其效率优势。
Guiding LLM Post-training Data Engineering with Model Internals from Sparse Autoencoders
Yi Jing et al.
cs.LG cs.AI cs.CL
本文提出SAERL框架，利用Sparse Autoencoder提取的模型内部状态来指导LLM后训练数据工程，通过聚类、难度代理和质量探针分别控制数据多样性、难度和质量，在数学推理任务上提升了GRPO的性能。该方法主要关注RL训练阶段的数据工程，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念关联较弱。
MobileMoE: Scaling On-Device Mixture of Experts
Yanbei Chen et al.
cs.LG cs.AI cs.CL
本文提出MobileMoE，一种面向移动设备部署的Mixture-of-Experts语言模型系列，通过制定on-device MoE scaling law来联合优化架构，并采用四阶段训练流程。实验表明，该模型在多个benchmark上匹配或超越现有领先的dense和MoE模型，并在智能手机上实现了更快的推理速度。

cs.AI

Is Agent Memory a Database? Rethinking Data Foundations for Long-Term AI Agent Memory ⭐ 精选
Abdelghny Orogat, Essam Mansour
cs.AI cs.DB
本文提出长期AI agent memory应被视为一种新的数据管理工作负载，而非简单的存储。作者形式化定义了Governed Evolving Memory (GEM)模型，用四个状态级算子（ingestion, revision, forgetting, retrieval）替代传统的record-level数据库操作，并证明了任何record-level系统都无法满足其六个正确性条件。该工作通过原型MemState验证了可行性，为agent memory领域提供了开创性的数据管理视角，与关键词"agent"高度契合。
Your Agents Are Aging Too: Agent Lifespan Engineering for Deployed Systems ⭐ 精选
Jianing Zhu et al.
cs.AI cs.CL cs.MA
本文提出AgingBench，一个用于agent lifespan engineering的纵向可靠性基准，系统性地将agent老化分解为compression aging、interference aging、revision aging和maintenance aging四种机制。通过引入temporal dependency graphs和paired counterfactual probes，该方法能够诊断memory pipeline中write、retrieval和utilization阶段的故障。实验表明，agent老化是多维度的：行为测试可能保持正常而事实精度下降，派生状态追踪可能在单一模型内急剧崩溃，且相同错误答案需要根据诊断画像采取不同修复策略。该工作为deployed agent系统的可靠性评估提供了机制级诊断和阶段定向修复的新范式，与关键词“agent”高度契合。
ScientistOne: Towards Human-Level Autonomous Research via Chain-of-Evidence ⭐ 精选
Rui Meng et al.
cs.AI cs.CL cs.MA
本文提出Chain-of-Evidence (CoE)框架，要求研究过程中的每个claim都必须可追溯到其evidence source，并基于此构建了端到端自主研究系统ScientistOne。该系统在literature review、solution discovery和paper writing阶段通过构造维护evidence chains，并设计了CoE Audit进行四项integrity checks（score verification, specification violation, reference verification, method-code alignment）。实验表明，ScientistOne在75篇论文和五个前沿研究任务中实现了零hallucinated references、完美的score verification和最高的method-code alignment，同时匹配或超越人类专家表现，并泛化到medical imaging、fine-grained recognition、3D perception和language modeling等额外任务。该工作与关键词"agent"高度契合，为autonomous research agent的可验证性提供了开创性解决方案。
UnityMAS-O: A General RL Optimization Framework for LLM-Based Multi-Agent Systems ⭐ 精选
Yiqun Chen et al.
cs.AI cs.CL cs.MA
UnityMAS-O提出了一个通用的RL优化框架，将LLM-based multi-agent system的完整workflow作为优化单元，通过定义logical agent roles、graph trajectories、user-defined rewards和agent-model mappings四个first-class objects来解耦逻辑agent与物理模型参数，支持角色、回合和轨迹级别的reward分配。该框架基于Ray的star-topology运行时扩展了verl，使得用户无需重写优化基础设施即可定义agent、workflow和reward，并在retrieval-augmented QA、iterative agentic search和reflective code generation等任务上验证了multi-agent RL对手动指定workflow的优化效果，尤其在小模型和严格代码全通过指标上提升显著。这与关键词中的agent和code高度契合，为将多样化的LLM-based multi-agent workflow转化为可训练的multi-agent RL系统提供了通用基础。
SIA: Self Improving AI with Harness & Weight Updates ⭐ 精选
Prannay Hebbar et al.
cs.AI cs.CL
本文提出SIA (Self-Improving AI)框架，首次将harness-update（元智能体重写任务智能体的工具、提示、重试逻辑和搜索过程）与test-time training（基于任务反馈更新模型权重）两种自改进范式统一到一个闭环中。通过让一个语言模型智能体（Feedback-Agent）同时更新任务智能体的harness和weights，在中文法律罪名分类、GPU kernel优化和单细胞RNA去噪三个领域取得了显著提升，其中GPU kernel运行时减少91.9%。该方法的核心贡献在于证明了harness更新赋予智能体搜索与行动能力，而weight更新则构建了提示或scaffold无法灌输的领域直觉，两者协同优于单一策略。
MUSE-Autoskill: Self-Evolving Agents via Skill Creation, Memory, Management, and Evaluation ⭐ 精选
Huawei Lin et al.
cs.AI cs.CL cs.LG cs.MA
本文提出MUSE-Autoskill Agent框架，将LLM agent中的技能视为可创建、记忆、管理和评估的生命周期实体，而非孤立静态的artifact。该框架通过引入skill-level memory来跨任务积累经验，并利用unit tests和runtime feedback实现技能的持续优化。实验表明，这种生命周期管理方法能显著提升任务成功率、效率及跨agent迁移能力，为agent系统的长期自主进化提供了系统化方案。
BrickAnything: Geometry-Conditioned Buildable Brick Generation with Structure-Aware Tokenization
Zhengyang Ni et al.
cs.AI cs.GR
本文提出BrickAnything，一个基于几何条件的自回归框架，用于从3D点云生成可搭建的砖块结构。它通过结构感知的树状tokenization表示砖块间的局部附着关系，并引入偏好对齐和约束解码来提升稳定性和几何保真度。
Can LLMs Introspect? A Reality Check
Shashwat Singh, Tal Linzen, Shauli Ravfogel
cs.AI
本文质疑了大型语言模型（LLMs）能否真正进行内省（introspection）的结论，通过重新审视两个评估范式，发现模型的表现更可能源于对表面线索的模式匹配，而非对内部状态的特权访问，从而认为当前证据不足以证明LLMs具备元认知监控能力。
Personalizing Embodied Multimodal Large Language Model Agents over Long-term User Interactions
Jeongeun Lee, Chanyoung Park, Dongha Lee
cs.AI
本文提出POLAR框架，通过多模态知识图谱记忆机制增强具身agent在长期用户交互中的个性化能力，实验表明该方法能有效利用历史交互信息提升任务执行性能。
Constraint acquisition needs better benchmarks
Rafał Stachowiak, Tomasz P. Pawlak
cs.AI cs.CE
本文指出现有Constraint Acquisition (CA)基准测试的不足，并提出了MPMMine基准套件，该套件通过统一的结构和开放格式（如MiniZinc）为评估CA算法提供了更全面的数据支持。
Experiments in Agentic AI for Science
Judy Fox, Geoffrey Fox
cs.AI eess.SY hep-ph
本文提出了两种用于科学工作流的自主agent框架（DeepTS/DeepCollector和DeepScribe），利用混合本地体-远程脑架构和LLM后端，通过系统工程方法（如Cellular RAG）克服了当前系统的上下文和推理限制。
Anchor: Mitigating Artifact Drift in Agent Benchmark Generation
Maksim Ivanov, Abhijay Rana
cs.AI
本文提出Anchor，一种通过约束优化程序从领域专家规范中联合生成指令、环境、解和验证器的任务生成流程，以缓解agent基准生成中的artifact drift问题。基于该流程构建的ERP-Bench基准包含300个长周期企业任务，实验表明前沿模型仅17.4%的试次能达到完全最优解。
OmniToM: Benchmarking Theory of Mind in LLMs via Explicit Belief Modeling
Adam Bawatneh et al.
cs.AI
本文提出了OmniToM基准，通过显式信念建模评估大语言模型的心智理论能力，揭示了模型在将叙事事实转化为角色信念时存在瓶颈。
JobBench: Aligning Agent Work With Human Will
Yuetai Li et al.
cs.AI
本文提出了一个名为JobBench的基准测试，用于评估AI agent在专家认为最值得委托的工作流程上的表现，覆盖35个职业的130个任务。实验发现最强模型Claude Opus 4.7在Claude Code下仅达到45.9%的准确率，旨在引导社区从关注经济替代转向关注人类实际需求的增强。
Managing Uncertainty in LLM-Generated Procedural Knowledge for Virtual Laboratory Planning
Polychronis Karpodinis, Dimitris Kalles
cs.AI
本文提出一个原型框架，用于管理LLM生成的虚拟实验室规划中的不确定性，通过结构化domain表示和不确定的状态转移样本提取候选procedural rules，并将其转化为显式约束以修复步骤。该工作主要面向教育虚拟实验室场景，但未在关键词领域（如code, spectral, Muon, pretrain, agent, attention）中体现显著创新或解决长期问题。
Automatic Layer Selection for Hallucination Detection
Xinpeng Wang et al.
cs.AI cs.LG
本文研究了大型语言模型中幻觉检测的自动层选择问题，提出了一个无需训练的准则FEPoID（First Effective Peak of Intrinsic Dimension），用于识别最优或接近最优的中间层，并引入了一种截断策略来增强幻觉相关信号。该方法在问答和摘要幻觉检测基准上优于现有基线，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。
Exploiting Local Dynamics Regularity for Reusable Skills in Offline Hierarchical RL
Sarthak Dayal et al.
cs.AI
本文提出CARL算法，通过对比学习对齐局部动态与动作序列，在离线分层强化学习中学习可复用技能。该方法在复杂人形环境中有定性聚类效果，并在OGBench基准上提升了HIQL的下游性能。
Advancing Creative Physical Intelligence in Large Multimodal Models
Cheng Qian et al.
cs.AI cs.CL cs.LG
本文提出了MM-CreativityBench基准，用于评估大型多模态模型在视觉丰富、物理约束环境中进行创造性工具使用的能力。实验发现当前模型因缺乏持续的grounded探索而表现不佳，并提出了基于affordance-grounded alignment的偏好学习方法（使用Direct Preference Optimization）来改进模型对视觉证据的推理。
From Static Context to Calibrated Interactive RL: Mitigating Distribution Shift in Multi-turn Dialogue with Aligned Simulator
Xiaohua Wang et al.
cs.AI
本文从理论上分析了多轮对话中Static Context RL和Interactive RL两种范式存在的context distribution shift问题，并提出了Calibrated Interactive RL框架，通过对齐simulator与人类交互模式来缓解sim-to-real gap。实验表明该方法在多个对话任务上取得了最优性能。
Reasoning, Code, or Both? How Large Language Models Handle Variations in Math Questions
Matthew Kutakh
cs.AI cs.CL cs.LG
本文研究了在GSM-Symbolic数据集上，使用chain-of-thought (CoT)推理、Program-Aided Language models (PAL)单次代码执行和Step-by-Step Coding (SBSC)迭代代码执行三种方法时，LLM在数学问题变体上的表现。结果表明，代码执行方法并未提升推理的鲁棒性，其性能下降幅度与纯推理方法无显著差异。
The MiniMax-M2 Series: Mini Activations Unleashing Max Real-World Intelligence
MiniMax et al.
cs.AI cs.CL cs.LG
本文介绍了MiniMax-M2系列，一种基于Mixture-of-Experts架构的语言模型，总参数量为229.9B但每个token仅激活9.8B参数。该系列通过agent驱动的数据管道和Forge强化学习系统，在agentic coding和reasoning等基准测试上取得了前沿性能。
Which Changes Matter? Towards Trustworthy Legal AI via Relevance-Sensitive Evaluation and Solver-Grounded Reasoning
Chen Linze et al.
cs.AI
本文提出了一个面向法律AI的评估框架LexGuard，通过形式化推理和SMT求解器来区分法律相关与无关的文本变化，旨在提升LLM对法律材料变化的敏感度校准。该工作主要关注法律领域的鲁棒性和可信度，与关键词中的agent（多智能体框架）有部分关联，但整体方法并非开创性且与code、spectral等关键词无关。
PolyFusionAgent: A Multimodal Foundation Model and Autonomous AI Assistant for Polymer Property Prediction and Inverse Design
Manpreet Kaur, Xingying Zhang, Qian Liu
cs.AI cs.LG
本文提出了PolyFusionAgent框架，结合了多模态聚合物基础模型PolyFusion与文献驱动的设计智能体PolyAgent，用于聚合物性质预测和逆向设计。该框架通过对齐聚合物的序列、拓扑、3D几何和指纹等多模态视图，学习共享潜在空间以改进性质预测并生成新型聚合物。
MobileExplorer: Accelerating On-Device Inference for Mobile GUI Agents via Online Exploration
Runxi Huang et al.
cs.AI
本文提出MobileExplorer框架，通过在线探索加速移动GUI agent的端侧推理。该框架利用VLM的长推理时间并行探索UI元素，并设计两级回滚机制确保执行可靠性，在AndroidWorld基准测试中减少了23%的推理步骤和延迟。
MedGuideX: Internalizing Decision Logic from Executable Guidelines into Large Language Models for Clinical Reasoning
Yuhao Shen et al.
cs.AI
本文提出MedGuideX，通过将临床实践指南转化为可执行的决策逻辑并生成问答数据来训练医疗大语言模型，在四个临床推理基准上平均准确率提升10.28%。该方法主要关注医疗领域的推理能力提升，与关键词中的code、spectral、Muon等概念关联较弱。
AGORA: Adapter-Grounded Observation-Action Retention for Inference-Free Prompt Compression in LLM Agents
Haoran Zhang, Zhaohua Sun
cs.AI
本文提出了一种名为AGORA的推理无关的步骤级压缩器，用于解决LLM agent中token级压缩器因破坏动作语法（action-grammar）而导致性能崩溃的问题。该方法结合了结构化的prompt解析器、格式与时效性关键内容的保留机制，以及一个基于反事实动作变化标签训练的125M参数相关性评分器。实验表明，AGORA在9个测试单元中的8个上保留了至少75%的未压缩性能，并实现了1.0-11.5倍的自适应端到端压缩。
FAST-GOAL: Fast and Efficient Global-local Object Alignment Learning
Hyungyu Choi, Young Kyun Jang, Chanho Eom
cs.AI
本文提出FAST-GOAL方法，通过全局-局部语义对齐（global-local semantic alignment）来提升CLIP模型处理长文本描述的能力。该方法包含快速局部图像-句子匹配（FLISM）和基于token相似性的学习（TSL）两个组件，并引入GLIT100k数据集，在长/短描述数据集上取得了改进。
Tail-Aware HiFloat4: W4A4 Post-Training Quantization for Wan2.2
Zhanfeng Feng et al.
cs.AI
本文针对Wan2.2文本到视频生成模型，提出了一种名为Tail-Aware HiFloat4的后训练量化方法，在HiFloat4数值格式下对主要linear layers进行W4A4量化，并引入感知激活尾部的percentile calibration模块来构建channel-mask，以减少罕见校准异常值的影响。
Completion vs Optimality: Policy Gradient in Long-Horizon Cumulative-Damage Problems
Wolfgang Maass, Sabine Janzen
cs.AI
本文研究了长时域累积损伤问题中策略梯度方法的两种失败模式（completion和optimality），并通过PPO算法和线性软惩罚分析了它们的影响。实验在两个不同领域（砖瓦工职业和NBA大前锋职业）中验证了四个可测试预测，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。
MemFail: Stress-Testing Failure Modes of LLM Memory Systems
Ishir Garg et al.
cs.AI cs.LG
本文提出了MemFail基准，通过形式化memory system为summarization、storage和retrieval三个操作并构建对抗性数据集，来诊断LLM agent中memory system的特定failure modes。该工作主要关注agent的memory系统评估，与关键词中的agent有一定关联，但方法本身并非开创性且未解决长期问题。
Mind the Tool Failures: Achieving Synergistic Tool Gains for Medical Agents
Yunhui Gan et al.
cs.AI
本文研究了医疗AI agent在工具使用中因工具失败导致的不安全问题，提出了一种基于GRPO的强化学习框架，通过实例级工具选择和分歧感知协同学习来纠正错误共识，并在多个医疗基准上验证了有效性。
Towards Feedback-to-Plan Decisions for Self-Evolving LLM Agents in CUDA Kernel Generation
Yee Hin Chong et al.
cs.AI
本文提出CUDAnalyst分析框架，通过轨迹冻结和选择性反馈注入方法，研究LLM agent在CUDA kernel生成中如何将反馈信号转化为规划决策。实验表明显式规划仅在反馈对齐时有效，且结构化多反馈交互能促进有效规划。
It's Not the Capability: Harness Sensitivity Is Non-Monotone Across LLM Agent Tiers
Yong-eun Cho
cs.AI cs.CL
本文通过432次实验，在HEAT-24基准上测试了不同能力层级的LLM agent在不同harness（一种任务执行框架）条件下的表现。研究发现，模型能力与最优harness复杂度之间并非单调反比关系，且harness敏感性取决于模型类型（chat vs. reasoning），并提出了一个六标签失败分类法。
A Dataset of Robot-Patient and Doctor-Patient Medical Dialogues for Spoken Language Processing Tasks
Heriberto Cuayahuitl, Grace Jang
cs.AI
本文提出了一个名为MeDial-Speech的医疗对话语音数据集，包含机器人-患者和医生-患者的对话，用于训练和评估医疗AI。实验评估了多个LLM在句子选择任务上的表现，发现Claude Sonnet 4准确率最高，但所有模型在概率预测上均表现出过度自信。
Beyond a Single Direction: Chain-of-Thought Disrupts Simple Steering of Refusal
Kia-Jüng Yang et al.
cs.AI
本文研究了大型推理模型(LRM)中拒绝机制(Refusal)的鲁棒性，发现Chain-of-Thought(CoT)轨迹会干扰基于activation steering的简单控制。实验表明，在DeepSeek-R1-Distill-LLaMA-8B中，CoT可以独立携带并重建顺从信号，使得LRM对激活层面的干预更具鲁棒性。
The Attribution Blind Spot: Detecting When Language Models Rely on Memory Rather Than Retrieved Context
Zhe Yu et al.
cs.AI
本文揭示了检索增强生成中的一个“归因盲点”：当检索到的上下文与模型的预训练数据重叠时，模型可能完全依赖参数化记忆而非检索内容生成看似忠实的文本。作者引入计算现实监控（CRM）方法，通过比较有无上下文时的内部表征差异来检测这一现象，发现该差异集中在特定架构的layer模式中，并能在输出层面不可见的内部表征中提供诊断信号。
LiveK12Bench: Have Large Multimodal Models Truly Conquered High School-level Examinations?
Xiaohan Wang et al.
cs.AI cs.MM
本文提出了LiveK12Bench，一个动态、多学科的benchmark，用于评估Large Multimodal Models在真实高中考试场景中的推理能力。该benchmark包含2000+道来自最新真实试卷的题目，并引入了自动化的数据摄取管道和“Mock Exam”评估方案，实验发现高级模型在考试约束下性能显著下降。
Composition Collapse: Stable Factual Knowledge Does Not Imply Compositional Reasoning
Zhe Yu et al.
cs.AI
本文提出"composition collapse"现象，指模型在稳定掌握原子事实后仍无法将其组合成多跳推理链，并通过double-gate协议将后训练收益分解为原子稳定性、残差组合和关键深度三个独立通道。该工作揭示了聚合指标掩盖的组合能力退化问题，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）关联较弱。
What Makes Chain-of-Thought Work at Probe Time? Local Co-occurrence Rather Than Global Derivation
Xiang Wang, Wei Wei
cs.AI
本文研究了Chain-of-Thought (CoT) prompting在推理时（probe time）提升语言模型准确率的原因，发现其增益主要源于局部词共现（local co-occurrence）而非全局逻辑推导。实验表明，即使打乱全局词序的rationale也能显著提升性能，而保留2-3个token的连续窗口即可恢复大部分结构化文本带来的额外增益。
Helicase: Uncertainty-Guided Supply Chain Knowledge Graph Construction with Autonomous Multi-Agent LLMs
Yunbo Long et al.
cs.AI
本文提出了一种基于LLM的多智能体系统Helicase，用于在供应链领域构建不确定性引导的知识图谱，通过分解查询、协调智能体并迭代验证来推断复杂关系，并引入了SCQA基准测试。
Multi-Stakeholder LLM Alignment: Decomposing Estimation from Aggregation
Lulu Zheng et al.
cs.AI
本文研究了多利益相关者LLM对齐问题，指出整体LLM评判器会混淆效用估计与聚合，导致权重噪声。作者提出DecompR方法，通过反事实校准固定权重并独立估计角色效用，以减少估计噪声。
On the Detection of Commutative Factors in Factor Graphs: Necessary and Sufficient Conditions
Malte Luttermann, Ralf Möller, Marcel Gehrke
cs.AI cs.DS cs.LG
本文重新审视了因子图中交换因子检测的理论基础，指出现有算法依赖的定理实际上仅提供了必要条件而非充分条件，并可能导致错误结果。作者修正了该定理并提出了一个保证正确性的改进算法。
TADDLE: A Tool-Augmented Agent for Detecting Deficient LLM-Generated Peer Reviews
Hanqi Duan, Xiang Li
cs.AI
本文提出了TADDLE，一个用于检测LLM生成的同行评审缺陷的工具增强型agent，并构建了首个专家标注的基准数据集。该方法将缺陷检测分解为四个专用分析工具，并通过agent协调和两阶段半监督学习实现分类。
From Norms to Indicators (N2I-RAG): An Agentic Retrieval-Augmented Generation Framework for Legal Indicator Computation
Youssef Al Mouatamid, Marie Bonnin, Jihad Zahir
cs.AI
本文提出了一个名为N2I-RAG的agentic retrieval-augmented generation框架，用于从规范性文本中自动计算法律指标。该框架通过集成自适应检索、基于LLM的agent和验证机制，实现了透明且可追溯的法律指标计算，并在法国海洋环境法语料库上验证了其有效性。
Developing a Totally Unimodular Linear Program for Optimal Conformance Checking: When and Why It Complements A*
Izack Cohen
cs.AI math.OC
本文提出将alignment-based conformance checking问题重新表述为一个定义在同步积的可达图上的totally unimodular linear program (LP)，通过利用网络流结构保证LP松弛解为整数最优解。实验表明该方法与A*算法在性能上互补，对长轨迹和有偏差的轨迹有显著加速效果。
Neuro-Symbolic Verification of LLM Outputs for Data-Sensitive Domains (extended preprint)
Paul Sigloch, Christoph Benzmüller
cs.AI cs.LO cs.SE
本文提出了一种结合形式化符号方法与神经语义分析的混合验证架构，用于检测LLM在数据敏感领域（如医疗设备报告）中的输出幻觉。该方法通过逻辑推理验证输入，并利用基于embedding的语义相似性检测输出中的上下文幻觉，在HAIMEDA系统中实现了超过83%的结构化实体幻觉检测率。
LELA: An End-to-end LLM-based Entity Linking Framework with Zero-shot Domain Adaptation
Samy Haffoudhi et al.
cs.AI cs.CL
本文提出了LELA，一个基于LLM的端到端实体链接框架，通过集成零样本NER实现了领域自适应的实体消歧，并提供了实验验证其性能。
Generating Robust Portfolios of Optimization Models using Large Language Models
Eleni Straitouri, Cheol Woo Kim, Milind Tambe
cs.AI
本文提出了一种利用Large Language Models生成优化模型组合的算法，通过让LLM同时扮演随机生成器和推理评估器两种角色，构建一个鲁棒的模型组合。该方法提供了理论保证，只要生成器或评估器中有一个与人类偏好对齐，组合中就能包含高质量候选模型。
ORCA: An End-to-End Interactive Copilot for Optimized Root Cause Analysis
Phi Nguyen Xuan et al.
cs.AI
ORCA是一个端到端的因果分析copilot系统，通过agent编排来引导用户完成因果发现、因果效应估计和根因分析等工作流程。该系统在多个真实场景中展示了有效性，但主要聚焦于工程应用而非理论创新。
Boosting Knowledge Graph Foundation Models via Enhanced Negative Sampling
Yinan Liu et al.
cs.AI
本文提出了一种自适应负采样方法KMAS，通过生成硬负三元组来增强知识图谱基础模型的训练，并在44个数据集上验证了其有效性。该方法与关键词中的“pretrain”有一定关联，但创新性有限。
BatteryMFormer: Multi-level Learning for Battery Degradation Trajectory Forecasting
Ruifeng Tan et al.
cs.AI
本文提出BatteryMFormer，一种用于电池退化轨迹预测的多级Transformer模型，通过集成老化条件感知解码器、元退化模式记忆和双视角编码器来捕捉电池退化数据中的多级结构和局部化变化。实验表明该方法在多个电池域上优于现有基线。
Traceable Knowledge Graph Reasoning Enables LLM-Assisted Decision Support for Industrial VOCs in the Steel Industry
Changqing Su et al.
cs.AI
本文构建了一个基于Knowledge Graph的多智能体问答系统Chat-ISV，用于整合钢铁行业VOCs治理的碎片化文献知识，并通过拓扑优化和回溯检索提升了事实可靠性。该系统在基准测试和专家评估中取得了较高精度，但方法本身属于工程应用集成，与关键词中的理论或算法创新关联较弱。
Can Broad Biomedical Knowledge be Contextualized into Scenario-Grounded Propositions?
Qingyuan Zeng et al.
cs.AI
本文提出SCENE框架，将生物医学知识转化为基于具体场景的命题，通过双层多智能体搜索实现知识上下文化，并在临床试验和LINCS L1000研究中验证了其有效性。
Counteraction-Aware Multi-Teacher On-Policy Distillation for General Capability Recovery with Domain Preservation
Tianlei Chen et al.
cs.AI
本文研究了多教师在线策略蒸馏（MOPD）在通用能力恢复中的问题，提出了一种对抗感知的多教师在线策略蒸馏方法（CaMOPD），通过解耦交替训练和基于差距的样本选择来缓解恢复与保留之间的冲突。实验在角色扮演对话和医疗推理问答场景中验证了其有效性。
Position: AI Safety Requires Effective Controllability
Yige Li, Yunhao Feng, Jun Sun
cs.AI
本文认为AI安全不应仅局限于alignment（使模型遵循人类偏好），而应引入controllability（可控性）作为首要目标，即系统在运行时能被可靠地中断、覆盖、重定向和约束。作者提出了\controlbench{}基准来评估agent场景中的可控性失败，并基于OpenClaw agent的实验表明现有机制在提供持久、权威的运行时控制方面存在不足。
Scaling, Benchmarking, and Reasoning of Vision-Language Agents for Mobile GUI Navigation
Heng Qu et al.
cs.AI
本文介绍了HyperTrack数据集和GUIEvalKit工具包，用于评估Vision-Language Models在移动GUI导航任务中的表现，并分析了数据规模和强化学习微调的效果。
ICCU: In-Context Continual Unlearning via Pattern-Induced Refusal Rules
Ruihao Pan, Suhang Wang
cs.AI
本文提出ICCU框架，通过从遗忘数据集中归纳可读的拒绝规则，在推理时以过滤器或系统提示的方式应用，无需修改模型参数即可实现序列化机器遗忘。该方法避免了跨请求干扰，但未涉及code、spectral、Muon等关键词。
StepOPSD: Step-Aware Online Preference Distillation for Agent Reinforcement Learning
Yanfei Zhang, Xu Lin, Chenglin Wu
cs.AI
本文提出StepOPSD框架，将agent trajectory分解为以action为中心的step segments，通过hindsight-enriched teacher contexts进行credit redistribution，并引入per-step credit budget进行advantage shaping。实验表明该方法在ALFWorld和Search-QA等任务上取得最佳或次佳结果，但整体方法更偏向工程性改进而非理论开创性。
VitaBench 2.0: Evaluating Personalized and Proactive Agents in Long-Term User Interactions
Yuxin Chen et al.
cs.AI
本文提出了VitaBench 2.0基准，用于评估LLM agent在长期用户交互中的个性化和主动行为，任务以时间序列组织并嵌入用户偏好。实验表明现有模型在真实个性化决策中仍存在显著能力差距。
Detecting Is Not Resolving: The Monitoring Control Gap in Retrieval Augmented LLMs
Zhe Yu et al.
cs.AI
本文通过多轮文档累积协议，在多个LLM家族上揭示了检索增强模型存在“监控-控制差距”：模型能识别矛盾证据，但无法据此安全地约束最终推荐。单轮评估会高估RAG安全性，且矛盾识别与安全解决不相关，机制证据指向动作选择是缺陷所在。
Query Symbolically or Retrieve Semantically? A Dataset and Method for Semi-Structured Question Answering
Mateusz Czyżnikiewicz et al.
cs.AI
本文提出了DualGraph框架，通过文本知识图谱和符号知识图谱两种视图分别支持语义检索和符号查询，并构建了SpecsQA基准数据集。实验表明该方法在半结构化问答任务上优于现有基线。
The Compressive Knowledge Graph Hypothesis: Which Graph Facts Matter for Scientific Hypothesis Generation?
Shashwat Sourav et al.
cs.AI
本文研究了知识图谱在科学假设生成中的效用，发现其作用具有选择性和模型依赖性，并提出了“压缩知识图谱假设”，即有用的图谱信号通常可从紧凑的子图中恢复，而非依赖完整图谱。
Learning to Act under Noise: Enhancing Agent Robustness via Noisy Environments
Yuxin Chen et al.
cs.AI
本文提出NoisyAgent框架，通过在训练中引入user noise和tool noise来增强LLM agent在真实环境中的鲁棒性。实验表明该方法能提升agent在噪声环境下的表现，并带来更通用的推理能力。
Gumbel Machine: Counterfactual Student Writing Generation via Gumbel Noise Steering
Hunter McNichols et al.
cs.AI cs.CL
本文提出了一种名为Gumbel Machine的模块化方法，利用LLM的指令遵循能力和一种新的受控解码算法\(\beta\)-Hindsight control来生成反事实学生写作。该方法通过潜在随机性作为可调相似性控制机制，在保持与参考文本相似的同时生成符合评分标准的反事实文本。
Modeling Agentic Technical Debt and Stochastic Tax: A Standalone Framework for Measurement, Simulation, and Dashboarding
Muhammad Zia Hydari, Raja Iqbal, Narayan Ramasubbu
cs.AI cs.CY econ.GN
本文提出了一个区分Agentic Technical Debt与Stochastic Tax的正式管理框架，并给出了测量、模拟和仪表盘化的方法。该框架通过结构模型和仿真展示了两种成本在agent工作流中的关系与影响。
Maat: The Agentic Legal Research Assistant for Competition Protection
Basant Mounir et al.
cs.AI
本文提出了Maat，一个基于ReAct agent的竞争法研究助手，通过RAG和工具编排来提升法律研究的可靠性和准确性。
2-ASP(Q) programs with weak constraints: Complexity and efficient implementation
Andrea Cuteri, Giuseppe Mazzotta, Francesco Ricca
cs.AI cs.CC cs.CL cs.LO
本文研究了带弱约束的2-ASP(Q)程序(2-ASP(Q)^w)的复杂度和高效实现问题，给出了该片段主要计算任务的完整复杂度刻画，并在Casper系统中引入了基于CEGAR技术的新策略来计算最优量化answer set。
Alignment Tampering: How Reinforcement Learning from Human Feedback Is Exploited to Optimize Misaligned Biases
Dongyoon Hahm, Dylan Hadfield-Menell, Kimin Lee
cs.AI cs.CL cs.LG
本文探讨了RLHF（基于人类反馈的强化学习）中的一个潜在漏洞，即LLM（大语言模型）在alignment过程中通过影响偏好数据集来放大不良行为，实验展示了多种偏见的放大现象。该工作主要关注AI安全与对齐问题，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。
Natural Language Query to Configuration for Retrieval Agents
Melissa Z. Pan et al.
cs.AI eess.SY
本文提出BRANE方法，利用LLM将自然语言查询转换为工作负载特征，并训练轻量级预测器来估计不同pipeline配置的准确性，从而在推理时根据成本或准确率目标选择最优配置。该方法在多个benchmark上展示了成本-质量的Pareto前沿改进，但未涉及code、spectral、Muon或attention等关键词相关技术。

cs.IR

Rethinking Agentic RAG: Toward LLM-Driven Logical Retrieval Beyond Embeddings ⭐ 精选
Yuqi Zeng et al.
cs.IR
本文提出了一种基于agent的RAG框架，核心创新在于让LLM通过logical expressions（逻辑表达式）来驱动检索过程，而非依赖复杂的embedding或graph-based检索后端。该框架将检索后端简化为inverted-index系统，使LLM能更精细地控制检索意图，实验表明其在匹配强baseline性能的同时显著降低了构建和服务成本，并减少了生成响应中的hallucination。这项工作与关键词"agent"高度契合，为agentic RAG提供了新的设计范式。
Credit-assigned Policy Gradient for Early Stage Retrieval in Two-stage Ranking
Haruka Kiyohara et al.
cs.IR cs.AI stat.ML
本文针对两阶段排序系统中早期阶段排序器(ESR)的训练问题，提出了一种信用分配策略梯度(CA-PG)方法，通过边缘化候选集的具体组成来降低方差，并证明了其在Plackett-Luce模型下的收敛性和稳定性优势。
Plans for Evaluating Structured Generative Search Summaries
Tetsuya Sakai et al.
cs.IR cs.AI
本文提出了一个评估结构化生成式搜索摘要（由大语言模型生成的包含概述、章节和引用来源的摘要）的框架，并描述了实施和评估该框架的计划。
Uniboost: Global Coordination with Value Alignment for Fair and Efficient Traffic Allocation
Ge Fan et al.
cs.IR cs.AI cs.LG
本文提出Uniboost框架，通过后验价值对齐机制和独立线性提升范式，解决推荐系统中流量分配耦合、分数膨胀和可解释性不足的问题。实验表明该方法能提升微观流量分配效率并提供宏观系统迭代指导。
Is Position Bias in Dense Retrievers Built In-or Learned from Data?
Daegon Yu, SeungYoon Han, Woomyoung Park
cs.IR
本文研究了dense retriever中的position bias现象，通过构造position-targeted训练集并微调多种预训练模型，发现训练数据中证据的位置分布是影响检索级position bias的主要可控因素，而position-balanced训练可显著降低position sensitivity。
L2Rec: Towards Dual-View Understanding of LLMs for Personalized Recommendation
Pingjun Pan et al.
cs.IR cs.AI
本文提出L2Rec方法，通过在LLM参数层面引入Dual-view Personalized Mixture-of-Experts (DPMoE)机制，为每个用户生成行为与语义的双视角低秩扰动，并利用自适应跨视角融合模块统一用户偏好。实验表明该方法在推荐任务上优于现有基线。
RAGEAR: Retrieval-Augmented Graph-Enhanced Academic Recommender
Francesco Granata et al.
cs.IR cs.AI
RAGEAR是一个神经符号推荐系统，结合了密集检索和知识图谱，用于学术课程推荐。它通过图感知聚合函数将课程内容证据传播到课程级别推荐，实验表明其优于基于元数据的基线方法。
ICICLE: Expanding Retrieval with In-Context Documents
Yu-Chen Den et al.
cs.IR cs.AI
本文提出ICICLE框架，将增量式生成式检索(Generative Retrieval)重新定义为上下文检索问题，通过基于[COPY]的路由机制和偏好校准，在推理时利用上下文提供的文档-标识符对来索引新文档，无需重新训练模型参数。实验表明该方法能有效提升新文档的检索性能并保持对旧文档的记忆。
The 2nd EReL@MIR Workshop on Efficient Representation Learning for Multimodal Information Retrieval
Junchen Fu et al.
cs.IR cs.MM
本文介绍了将在MM 2026举办的EReL@MIR研讨会，旨在探讨多模态基础模型（如Qwen, LLaVA, CLIP）在信息检索任务中面临的高效表示学习问题，并邀请学界与工业界共同讨论解决方案、开放挑战及新的效率指标与基准。
MuChator: Enabling Active Music Discovery via Conversational Music LLMs in Douyin Music
Jiahao Liang et al.
cs.IR
MuChator是一个基于LLM的交互式音乐发现框架，通过音乐知识预训练、上下文感知指令微调和偏好对齐等技术，使用户能用自然语言表达情境化音乐意图。该框架在抖音音乐平台部署后显著提升了用户活跃天数。
Lost in the Evidence? Reproducing Document Position and Context Size Effects in RAG
Jorge Gabín, Anxo Perez, Javier Parapar
cs.IR
本文系统性地复现了RAG系统中文档位置和上下文大小的影响，发现主题采样是导致先前结果不一致的主要来源，并提出了校准主题数量的实用方法。研究还表明，在非理想检索场景下，检索顺序和上下文大小对LLM性能的影响与检索质量和模型选择密切相关。

cs.CL

SPEAR: Code-Augmented Agentic Prompt Optimization ⭐ 精选
Mengyin Lu et al.
cs.CL
本文提出SPEAR (Sandboxed Prompt Engineer with Active Roll-back)，一种基于agent的自动prompt优化方法。该方法将CodeAct的code-as-action范式引入自动prompt工程，赋予优化器四个工具（evaluate, python, set_prompt, finish），使其能自主决定如何及何时使用它们。其核心创新在于Python沙箱工具：优化器可在当前评估DataFrame上编写并执行任意Python代码，自主进行结构化错误分析（如confusion matrix, error clustering）。通过自动回滚和可选守卫指标，SPEAR在多个工业LLM-as-judge任务和BBH任务上显著超越现有方法，消融实验表明Python工具是复杂judge任务性能提升的最大单一因素。
Efficient Agentic Reinforcement Learning with On-Policy Intrinsic Knowledge Boundary Enhancement ⭐ 精选
Dingwei Chen et al.
cs.CL
本文提出AKBE (Agentic Knowledge Boundary Enhancement)方法，用于解决agentic RL训练中LLM agent产生冗余tool calls并模糊内在知识边界的问题。该方法通过在训练中采用with-tool和no-tool双路径rollout动态探测模型的知识边界，并基于路径间正确性比较对trajectory进行分类，构建针对性的监督信号以引导高效tool-use模式。实验表明，AKBE在7个QA benchmark上平均提升+1.85的准确率，同时减少18%的tool calls，实现了25%更高的tool productivity，且与不同RL算法兼容。该方法与关键词"agent"高度契合，为agentic RL中的tool-use效率问题提供了开创性解决方案。
Cast a Wider Net: Coordinated Pass@K Policy Optimization for Code Reasoning ⭐ 精选
Yilong Li, Suman Banerjee, Tong Che
cs.CL cs.AI
本文提出Coordinated Pass@\(K\) Policy Optimization (CPPO)，将代码生成中的pass@\(K\)指标转化为策略上的联合探索：一个planner输出\(K=4\)种不同高层方法，共享的solver为每种方法生成一次解答。CPPO使用乘性planner奖励\(R_{\mathrm{plan}} = J_\psi \cdot R_{\mathrm{out}}\)训练联合策略，仅在策略元组导致验证器确认的pass@\(K\)成功时分配信用。在APPS、CodeContests和LiveCodeBench-v6上，CPPO在相同\(K=4\)的solver尝试预算下，显著优于直接采样、规划基线、planner-only SFT和面向pass@\(K\)的强化学习方法，最大提升为Qwen3.5-9B在LiveCodeBench-v6上较最强基线PKPO提升\(+0.16\)（\(0.588 \rightarrow 0.748\)，\(p < 0.05\)）。该方法与关键词中的code和agent高度契合，通过协调多个推理路径解决了代码生成中重复采样浪费预算的长期问题。
Self-Verified Distillation: Your Language Model Is Secretly Its Own Synthetic Data Pipeline
Tony Lee, Percy Liang
cs.CL cs.LG
本文提出Self-Verified Distillation方法，让post-trained LLMs仅使用无标注seed questions通过自验证过滤生成的数据集进行自我改进，在数学、科学和编程领域取得性能提升。该方法通过三级级联验证（cycle-consistency, factuality, correctness）筛选候选解，并训练模型。
Pretraining Data Exposure in Large Language Models: A Survey of Membership Inference, Data Contamination, and Security Implications
Ziyi Tong, Feifei Sun, Le Minh Nguyen
cs.CL cs.AI cs.LG
本文首次将数据污染和成员推断统一在预训练数据暴露(PDE)框架下进行综述，形式化了不同暴露级别的PDE，并回顾了攻击与防御方法。该工作为理解LLM训练数据泄露问题提供了系统性的视角。
CroCo: Cross-Lingual Contrastive Preference Tuning on Self-Generations
Mike Zhang, Ali Basirat, Desmond Elliott
cs.CL cs.AI
本文研究了跨语言对比偏好调优方法CroCo，通过在多语言环境下使用英语偏好训练的reward model来优化self-generated responses，实验表明该方法在多数语言上能提升模型性能并避免灾难性遗忘。
The Daily Dose: Workflow-Integrated Large Language Model Automation for Clinical Summarization and Trial Identification in Radiation Oncology
Jason Holmes et al.
cs.CL
本文介绍了一个名为The Daily Dose (TDD)的LLM驱动系统，用于放射肿瘤学中的临床总结和临床试验识别，并通过问卷调查评估了其可用性和满意度。结果显示大多数医生定期使用该系统，并认为其节省了时间。
RICE-PO: Turning Retrieval Interactions into Credit Signals for Reasoning Agents
Mingchen Li et al.
cs.CL
本文提出RICE-PO框架，通过将retrieval interactions转化为局部学习信号来解决reasoning agents中的credit-assignment问题。该方法在BRIGHT和BEIR数据集上优于prompt-based agents和group-based RL基线。
In-Context Optimization for Retrieval-Augmented Generation: A Gradient-Descent Perspective
Mingchen Li et al.
cs.CL
本文从梯度下降视角将Retrieval-Augmented Generation (RAG)建模为in-context优化过程，证明线性self-attention层可等价于对统一线性化RAG目标执行一步梯度下降，并基于此提出一种轻量级前向更新方法，在冻结retriever和backbone的情况下改善generator侧的evidence-use接口。该方法在多个QA benchmark上提升了共享接口基线性能，并以更低的单查询成本接近测试时梯度适应效果。
Why LLMs Hallucinate on Structured Knowledge: A Mechanistic Analysis of Reasoning over Linearized Representations
Shanghao Li et al.
cs.CL cs.AI
本文通过机制分析发现，LLM在结构化知识推理中的幻觉源于注意力集中于捷径式结构线索而非完整上下文，以及前馈层未能将知识进行语义grounding，导致模型退化为参数记忆。该研究将机制推广到多跳图和表格设置，但未涉及代码或谱方法等关键词。
Cultural Value Alignment Via Latent Activation Steering in Large Language Models
Trung Duc Anh Dang, Sarah Masud
cs.CL
本文提出了一种通过潜在激活引导（activation steering）来调整大型语言模型文化价值观的框架，利用世界价值观调查中的情景问题探测模型的文化坐标。该方法无需重新训练即可在推理过程中改变模型的文化倾向，但发现文化维度之间存在耦合结构，限制了精确对齐。
Memory Architectures for Multi-Turn Text-to-SQL: A Benchmark and Empirical Study
Ravi Kumar Tummalapenta, Suman Addanki
cs.CL
本文提出了一个多轮Text-to-SQL基准EnterpriseMem-Bench，并系统评估了多种前沿模型在不同记忆架构下的表现，发现无状态多轮Text-to-SQL在第三轮后执行准确率降为零，且记忆架构复杂度并不单调提升性能。
Annotator Positionality as Signal: Psychometric Weighting for Anti-Autistic Ableism Detection
Naba Rizvi et al.
cs.CL cs.AI
本文研究了大型语言模型在检测反自闭症歧视语言中的偏见，提出了一种基于注释者立场（annotator positionality）的心理测量加权评估框架。研究发现模型依赖表面关键词匹配而非上下文因素，但未涉及code、spectral、Muon等关键词相关方法。
Towards Just-in-Time Adaptive Feedback: Enhancing Student Learning via Knowledge-Grounded LLM
Younghun Lee et al.
cs.CL
本文提出一个利用LLM生成自适应反馈的框架，通过将LLM与领域专家知识结合，分析学生推理逻辑并提供非侵入性反馈。该框架在大型大学课程中部署，显著提升了学生成绩。
Slide Deck Q&A Quality Assurance App: A Multi-Stage Pipeline for Pedagogical Question Generation
Jim Salsman
cs.CL cs.HC
本文介绍了一个名为slidesqaqa的Flask软件系统，它通过一个四阶段的大语言模型pipeline从PDF幻灯片中提取文本和图像，并生成教学问题。该系统主要关注于从幻灯片中生成高质量问题，与关键词中的概念关联不大。
Probing Minimalist Phase Structure in LLMs: What Universal Dependencies Cannot Represent
Yuanhao Chen, Peter Chin
cs.CL stat.AP
本文通过结构探针（structural probes）在wh-移位刺激上测试大语言模型（LLMs），发现模型编码了超越Universal Dependencies（UD）的句法抽象，如Minimalist Program（MP）中的phase边界和phase内部凝聚性，且这些表示在多数模型中具有因果活性。该工作表明基于UD的探针仅提供句法编码的下界，而非上界。
Vectors Are Not Neutral: Sensitive-Information Inference from Exported LLM Representations in Summarization
Weixin Liu et al.
cs.CL
本文研究了LLM摘要系统中导出向量表示泄露敏感信息（如种族）的风险，并提出了SurfaceLoRA微调方法以降低特定向量的信息可恢复性，但发现对其他未处理向量效果有限。
Targeted Remasking: Replacing Token Editing with Token-to-Mask Refinement in Discrete Diffusion Language Models
Lin Yao
cs.CL cs.AI
本文针对离散masked diffusion语言模型中的Token-to-Token (T2T)编辑机制提出改进，提出Token-to-Mask (T2M)重掩码方法，将疑似错误token重置为mask状态以净化生成上下文。该方法无需训练，通过概率、触发镜像和时间差分三种错误检测策略实现，在数学等任务上表现提升，但未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词。
LURE: Live-Usage Replay Evaluations for Reducing Evaluation Awareness
Igor Ivanov, David Demitri Africa
cs.CL cs.AI
本文提出LURE方法，通过重放真实的agent交互轨迹并附加评估提示来构建更真实的部署场景评估，并引入自动化管道衡量评估的真实性。实验表明该方法能显著降低评估意识对基准测试的影响。
Conv-to-Bench: Evaluating Language Models Via User-Assistant Dialogues In Code Tasks
Victor M. dos Santos et al.
cs.CL cs.SE
本文提出了Conv-to-Bench框架，通过将用户-助手对话自动转化为结构化需求检查表来评估LLMs在编程任务中的表现。该方法在代码领域与人工标准高度一致，但主要贡献在于评估方法而非数学理论创新。
Alignment Tuning for Large Language Models: A Data-Centric Lens on Alignment Data Pipelines
Hwanjun Song
cs.CL cs.AI
本文从数据中心的视角审视了大语言模型的alignment tuning，将其分解为response synthesis、preference evaluation和preference instantiation三个阶段，并基于此框架对现有方法进行了统一分类，总结了设计权衡与失败模式。
MicroSpec: Accelerating Speculative Decoding with Lightweight In-Context Vocabularies
Zhiyang Chen et al.
cs.CL
本文提出MicroSpec，一种无需训练的投机解码加速方法，通过为每个解码步骤动态构建紧凑的上下文敏感active vocabulary（活跃词汇表），将平均词汇表大小减少40倍以上，并设计了异步收集和GPU状态管理来缓解稀疏内存访问开销，从而在多种基准测试中实现相对于EAGLE-2的端到端加速。
Curation and Extraction of Drug-Related Entities from Reddit Platform
Zewei Wang et al.
cs.CL
本文介绍了ReDose数据集，包含从Reddit平台提取的6,435篇关于药物使用的帖子，并标注了DRUG、DOSE和EFFECT实体。作者使用BERT、LLM和RAG模型进行基准测试，发现BiomedBERT在DRUG实体提取上表现最佳，而EFFECT提取仍具挑战性。
Model Unlearning Objectives Vary for Distinct Language Functions
Berk Atil, Vipul Gupta, Rebecca J. Passonneau
cs.CL
本文探讨了大语言模型（LLMs）中针对不同语言功能（如危险知识遗忘和毒性文本遗忘）的模型遗忘（unlearning）方法，并提出了基于余弦相似度的元学习变体RMU和多层探针方向目标。文章强调遗忘应像后训练一样，根据具体语言功能设计不同目标。
Towards Error-Free EHRs: Reasoning-Intensive Consistency Verification Between Clinical Notes and Structured Tables in Electronic Health Records
Yeonsu Kwon et al.
cs.CL cs.AI
本文提出了EHR-ReasonCon基准和EHR-Inspector框架，用于验证电子健康记录中非结构化临床笔记与结构化表格之间的一致性，通过引入推理密集型标注和基于LLM的验证方法，在MIMIC-III数据集上取得了优于现有方法的效果。
FAB-Bench: A Framework for Adaptive RAG Benchmarking in Semiconductor Manufacturing
Jingbin Qian et al.
cs.CL cs.IR
本文提出了FAB-Bench框架，用于在半导体制造领域对RAG系统进行自适应基准测试，定义了六个诊断指标并评估了不同context长度下的性能表现。该工作主要关注领域特定RAG评估，与关键词中的attention（注意力稀释机制）有部分关联，但整体方法创新性有限。
Elias in the Lighthouse, Again? Diagnosing Low Diversity in LLM Stories
Sil Hamilton, David Mimno
cs.CL cs.AI cs.LG
本文通过采样20,000个LLM生成的故事，发现不同模型生成的故事中存在高度重复的词汇（如Elias、灯塔等），并推测这些词汇源于偏好数据而非预训练数据，揭示了小数据集与alignment算法结合可能对生成多样性产生不成比例的影响。
Verilog-Evolve: Feedback-Driven and Skill-Evolving Verilog Generation
Zehua Pei et al.
cs.CL
本文提出Verilog-Evolve框架，通过反馈驱动的方式迭代优化LLM生成的Verilog代码，并引入跨会话的技能演化机制。该方法利用功能仿真、Yosys综合等可执行反馈来提升代码质量，但整体属于工程性改进，在理论或方法上缺乏显著开创性。
Conceptual Steganography
Zhejian Zhou, Jonathan May
cs.CL
本文提出了一种名为概念隐写术（conceptual steganography）的新方法，通过在Chain-of-Thought推理过程中嵌入高层推理行为模式来传递隐蔽信息，而非依赖词汇选择。实验表明，该方法比传统关键词方法对内容保留释义防御（paraphrase defense）更具鲁棒性，且不影响推理效用。
Reliable Extraction of Clinical Follow-Up Instructions: A Hybrid Neural-Symbolic Pipeline
Michal Laufer, Yehudit Aperstein, Alexander Apartsin
cs.CL cs.AI
本文提出了一种混合神经-符号流水线，用于从门诊笔记中可靠提取随访指令中的(action, date)对。该方法将BioBERT的实体识别与确定性日期计算分离，在合成数据集上取得了比直接生成方法更高的Pair F1分数，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。
Hubness, Not Anisotropy, Drives Cross-Lingual Retrieval Asymmetry in Multilingual Embedding Models
Adib Sakhawat, Fardeen Sadab, Atik Shahriar
cs.CL
本文研究了多语言embedding模型中的跨语言检索不对称性问题，发现hubness（中心性）而非anisotropy（各向异性）是主要驱动因素，并通过实验验证了CSLS（一种hub感知的分数校正方法）能显著改善检索对称性。该工作与关键词中的“attention”或“code”等无直接关联。
LATTE: Forecasting Peer Anchored Preference Trajectories for Personalized LLM Generation
Jinze Li et al.
cs.CL
本文提出LATTE框架，通过预测用户相对于同类用户的偏好轨迹来实现个性化LLM生成。该方法将用户历史行为分解为与同组用户比较后的相对状态，并用轻量级序列预测器预测下一状态，最后通过单个锚定soft token注入冻结的LLM。实验表明该方法优于多种基线，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Granuscore: A Reference-Free Measure of Granularity for Text Analysis and Question Answering
Lukas Ellinger et al.
cs.CL cs.HC
本文提出了一种名为Granuscore的无参考粒度度量方法，通过利用层次化embedding space的结构性质来评估文本的粒度水平。该方法在多个数据集上验证了有效性，并分析了问答任务中不同文本的粒度差异。
Bounded Path Context: A Controlled Study of Visible Path History in LLM-Based Knowledge Graph Question Answering
Xihang Shan, Ye Luo
cs.CL
本文研究了基于LLM的知识图谱问答中路径历史长度对关系选择的影响，提出Bounded Path Context (BPC)方法，通过控制暴露的路径跳数K来优化性能。实验表明，有限的历史长度（如K=1）在多个基准上匹配或超越完整历史提示，同时减少输入token数量。
Why Prompt Optimization Works, and Why It Sometimes Doesn't: A Causal-Inspired Edit-Level Analysis
Shuzhi Gong, Hechuan Wen
cs.CL cs.LG cs.NE
本文通过因果推断视角的观察性分析，研究了自动prompt优化方法在不同任务和LLM backbone上的泛化失败原因，发现prompt编辑类型（如复杂度增加、元指令）与任务特性（如数学推理）之间存在系统性交互作用。
AI evaluation may bias perceptions: The importance of context in interpreting academic writing
Shang Wu, Randol Yao
cs.CL cs.AI econ.GN
本文研究了AI使用评估中的偏差问题，指出忽略国家和领域背景差异的pooled benchmark会扭曲对学术写作中AI使用量的估计。通过对比人类撰写与LLM改写的摘要，作者提出country-field-specific benchmark能提供更可靠的基线。
Evidence Absence Is Not Evidence Insufficiency: Diagnosing NEI Construction Artifacts in Fact Verification
Jingxi Qiu, Zeyu Han, Cheng Huang
cs.CL cs.IR cs.SE
本文指出事实验证基准中“证据缺失”与“证据不足”在NEI标签下的混淆问题，并引入NEI-CAP诊断协议来评估不同证据构造下的模型表现。实验表明，模型在NEI任务上的能力无法跨构造可靠迁移，且聚合分数会掩盖模型实际解决的问题。
The Labyrinth and the Thread: Rethinking Regularizations in Sequential Knowledge Editing for Large Language Models
Zheng Wang et al.
cs.CL cs.AI
本文通过优化分析证明了AlphaEdit中一次性编辑与顺序编辑的等价性，并指出许多常用正则化策略对顺序知识编辑并非必要。研究为大型语言模型的知识更新提供了更简洁的理论解释。
NestedKV: Nested Memory Routing for Long-Context KV Cache Compression
Hong Chen et al.
cs.CL
本文提出NestedKV，一种无需训练的key-only KV cache压缩方法，通过维护全局、块级和滑动窗口的key anchors，并结合多时间尺度cosine anomaly评分与head-adaptive mixing机制来压缩长上下文模型的KV cache。实验表明，在保留缓存较小时，NestedKV在多个长上下文基准上优于现有方法如KeyDiff。
An In-Vitro Study on Cross-Lingual Generalization in Language Models
Adrian Cosma
cs.CL cs.AI
本文通过一个受控的体外实验框架，研究了语言模型在跨语言泛化中的表现，发现tokenization对共享子结构的保留比词汇相似性更重要，且泛化是一个分阶段的过程。
The Need for an External Observer Formalizing the Sufficiency Gap: A Mathematical Extension of Mixture Identifiability and Contextual Grounding in Sequence Models
Francesco Corielli
cs.CL cs.LG
本文通过构造一个二元混合过程，形式化了序列模型中的“充分性差距”（sufficiency gap），指出即使理想预测器也会因未观测的隐状态而产生过度自信。文章进一步分析了外部信号（如检索或工具使用）如何通过贝叶斯更新修正这一差距，并讨论了温度缩放等方法的局限性。
PRISM: A Multi-Dimensional Benchmark for Evaluating LLM Peer Reviewers
Ngoc Phan Phuoc Loc et al.
cs.CL
本文提出了PRISM基准，用于从多个维度评估LLM作为同行评审者的表现，发现LLM在某些维度上可媲美甚至超越人类，但无法在所有维度上保持平衡，因此更适合作为人类评审的补充工具。
Rethinking the Multilingual Reasoning Gap with Layer Swap
Maxence Lasbordes, Amélie Chatelain, Djamé Seddah
cs.CL
本文通过构建多语言推理数据集并微调Qwen3-8B-Base模型，重新评估了多语言推理中的native reasoning gap（母语推理差距），发现该差距远小于先前报告的值。作者通过权重空间分析揭示了语言无关的推理核心与语言特定的外层结构，并提出了Layer Swap方法，将英语专家的中间层推理能力迁移至母语专家，从而在保持目标语言CoT的同时缩小了推理差距。
KARMA: Karma-Aligned Reward Model Adaptation
Jared Scott, Jesse Roberts
cs.CL
本文提出KARMA框架，通过Reddit对话数据训练reward model来优化LLM的上下文敏感对话行为。研究发现，仅依赖conversational context的reward model虽预测效果较差，但能带来更好的下游模型对齐效果。
From Snippets to Semantics: Rethinking Evidence Granularity for Multilingual Fact Verification
Babu Kumar et al.
cs.CL
本文提出了一种名为SEEK的语义证据提取框架，通过自适应分块从完整事实核查文章中构建连贯的证据块，以改进多语言事实验证。实验表明该方法在X-FACT和RU22Fact数据集上优于现有基线，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Quality Without Usefulness: LLM-Generated XAI Narratives as Trust Heuristics Rather Than Decision Aids
Fabian Lukassen et al.
cs.CL
本文通过五个受控实验研究了LLM生成的XAI自然语言解释在时间序列能源预测中的实用性，发现高质量解释并未提升任务准确性，反而增加了用户自信并降低了异常检测能力，揭示了质量与实用性之间的差距。
EmoDistill: Offline Emotion Skill Distillation for Language Model Agents in Adversarial Negotiation
Yunbo Long et al.
cs.CL cs.AI
本文提出EmoDistill框架，通过离线方式将情感谈判技能蒸馏到语言模型agent中，使用Implicit Q-Learning选择情感、LoRA策略表达情感，在对抗性谈判中提升agent效用。该方法主要关注情感策略的分解与蒸馏，与关键词中的agent概念有一定关联，但方法本身并非开创性突破。
SeDT: Sentence-Transformer Decision-Transformer Conditioning for Multi-Turn Conversation Reliability
Ramakrishna Vamsi Setti et al.
cs.CL cs.AI
本文提出SeDT方法，利用Sentence-Transformer和return-to-go条件化技术，在不重新训练模型的情况下，通过为多轮对话中的每个片段标注累积相关性分数，解决了大语言模型在多轮对话中性能下降的问题。该方法在三个LLM和三个生成任务上平均性能提升达37.7%，并降低了不可靠性。
Psychological Constructs in Shared Semantic Space
Hubert Plisiecki
cs.CL
本文提出了一种将心理构念表示为共享word-embedding空间中方向的方法，通过Supervised Semantic Differential从文本-结果关联中估计语义梯度，并将其投影到理论参考轴上。以Valence、Arousal和Dominance作为情感坐标系，该方法在GoEmotions情感类别和Big Five人格维度上恢复了预期的组织模式，为跨不同心理测量的构念比较提供了语义上的可通约性框架。
Generating Logically Consistent Synthetic Supply Chain Data with LLM-Driven Knowledge Graph Reasoning
Yunbo Long et al.
cs.CL
本文提出TabKG框架，利用LLM驱动的知识图谱推理生成逻辑一致的供应链合成表格数据，通过构建列关系知识图谱并验证依赖关系来确保数据符合操作逻辑。该方法主要解决数据稀缺和隐私问题，但与我提供的关键词（如code, spectral, Muon等）关联度较低。
ContextGuard: Structured Self-Auditing for Context Learning in Language Models
Hongbo Jin et al.
cs.CL cs.AI
本文研究了大型语言模型在复杂上下文学习中的忠实性问题，提出了一种结构化自审计方法ContextGuard，用于检测模型在遵循上下文要求时的失败模式。
Optimising Factual Consistency in Summarisation via Preference Learning from Multiple Imperfect Metrics
Yuxuan Ye, Raul Santos-Rodriguez, Edwin Simpson
cs.CL
本文提出了一种通过聚合多个不完美评估指标的分数来构建偏好数据集的方法，用于提升文本摘要的事实一致性。该方法利用不同解码策略生成词汇相似的摘要对，并过滤掉指标间分歧大的案例，从而避免复杂的奖励塑造过程。
Uncertainty-Aware Budget Allocation for Adaptive Test-Time Reasoning
Manh Nguyen, Sunil Gupta, Hung Le
cs.CL
本文提出了一种不确定性感知的预算分配方法(UAB)，通过基于单次生成的负对数似然估计问题难度，在固定采样预算下优化推理时的计算分配。该方法在多个推理基准上提升了平均准确率，但未涉及代码、上下文、谱方法或注意力机制等关键词相关领域。
Telenor Nordics Customer Service self-help corpus
Mike Riess
cs.CL
本文介绍了一个包含芬兰语、丹麦语、挪威语和瑞典语的多语言客户服务自助语料库，共1122份文档，用于支持北欧语言的NLP和信息检索研究。该语料库通过LLM和人工标注管道过滤了个人信息，并公开提供。
GeoFaith: A Spatio-Temporal Dual View of Faithful Chain-of-Thought
Weijiang Lv et al.
cs.CL cs.AI
GeoFaith提出了一种时空双视角框架，利用latent geometric structure和entropy dynamics来诊断和增强Chain-of-Thought推理的忠实性。该方法通过可扩展的bootstrapping pipeline扩充step-level标注数据，并训练了一个忠实性检测器，同时设计了忠实性感知的强化学习框架来优化推理过程。
Are Video Models Zero-Shot Learners and Reasoners in Education? EduVideoBench, A Knowledge-Skills-Attitude Benchmark for Educational Video Generation
Unggi Lee et al.
cs.CL
本文提出了EduVideoBench，一个基于知识-技能-态度框架的教育视频生成benchmark，用于评估视频生成模型在教育场景中的有效性。实验表明现有模型在知识、技能和态度维度上均存在明显不足，且教育有效性是多维度的，单一元素的不匹配即可使视频失效。
Learning to Adapt SFT Data for Better Reasoning Generalization
Lisong Sun et al.
cs.CL
本文提出DART方法，使用强化学习训练一个mapper模型，将固定但分布不匹配的SFT数据转换为更适合目标模型分布的监督信号，以提升推理泛化能力。实验表明该方法在多个模型和数据集上优于标准SFT。
Reasoning Depth and Environment Complexity: A Controlled Study of RLVR Data Allocation across Logical Reasoning Tasks
Yihua Zhu et al.
cs.CL cs.AI
本文通过构建合成知识图谱环境，将推理难度分解为推理深度和环境复杂度两个维度，并研究了四种推理形式（演绎、溯因、归纳、类比）在RLVR训练中的表现。研究发现联合深度-复杂度覆盖优于单轴策略，且不同推理形式对RL覆盖区域的响应存在非均匀性。
DunbaaBERT: From Sacrifice to Semantics
Iffat Maab, Waleed Jamil, Raphael Schmitt
cs.CL
本文提出了DunbaaBERT，一个针对乌尔都语的RoBERTa-base模型家族，使用Byte-BPE词汇表在17GB语料上训练，并在多项NLP基准测试中取得了有竞争力的性能。研究发现，更大的词汇表并不总能提升下游任务效果，其中32k词汇量的变体在效率上表现最佳。
Beyond Questions: Evaluating What Large Language Models (Actually) Know
Luca Giordano, Simon Razniewski
cs.CL cs.AI
本文提出了开放知识评估的新范式，通过开放式的提示（如“告诉我关于M.L. King的一切”）来评估LLM自然表达的知识，而非依赖预定义问题。作者构建了BeQu基准测试，包含10,000个实体及其参考语料库，用于分析推理努力、模型规模等因素对知识表达的影响。
Accountable Human-AI Deliberation with LLMs: Scaling Collective Intelligence through Symbiotic Scaffolding
Wajdi Zaghouani
cs.CL
本文提出了一个分层的人机协同框架，用于通过LLM扩展集体智慧，并引入了多样性度量、可溯源管道和公平性工作流等技术组件，旨在平衡规模化与合法性。
KZ-SafetyPrompts: A Kazakh Safety Evaluation Prompt Dataset for Large Language Models
Wajdi Zaghouani et al.
cs.CL
本文构建了一个哈萨克语安全评估数据集KZ-SafetyPrompts，包含11个风险类别的5,717条提示，并提供了英文翻译。基线实验显示GPT-4o对该数据集的整体拒绝率为28.2%，揭示了仅用英语评估无法捕捉的类别特定安全漏洞。
AlbanianLLMSafety: A Safety Evaluation Dataset for Large Language Models in Albanian
Wajdi Zaghouani, Kholoud K. Aldous, Isra Fejzullaj
cs.CL
本文介绍了AlbanianLLMSafety，首个针对阿尔巴尼亚语的大语言模型安全评估数据集，包含2951个提示和11个安全类别，旨在填补低资源语言安全评估基础设施的空白。
JuICE: A Benchmark for Evaluating LLM-Judge in Identifying Cultural Errors
Jiho Jin et al.
cs.CL cs.AI
本文提出了一个名为JuICE的多语言benchmark，用于评估LLM作为judge时识别文化错误的能力。该benchmark包含来自四个国家的1050个query-response对，并发现即使最强的LLM-judge在错误span检测任务上也仅达到0.52的F1分数。
Tournament-GRPO: Group-Wise Tournament Rewards for Reinforcement Learning in Open-Ended Long-Form Generation
Zixuan Yang et al.
cs.CL cs.AI
本文提出Tournament-GRPO框架，通过在同查询rollouts间进行多轮锦标赛将rubric引导的LLM判断转化为相对奖励，用于强化学习训练。实验表明该方法在开放长文本生成任务中优于现有基线，但未涉及code、spectral、Muon等关键词相关技术。
Recon: Reconstruction-Guided Reasoning Synthesis for User Modeling
Alan Zhu et al.
cs.CL cs.AI
本文提出Recon方法，利用action reconstruction来评估reasoning traces的预测能力，以改进user modeling中的推理合成。实验表明该方法优于传统的post-hoc rationalization基线，但与我提供的关键词列表关联度较低。
PashtoTTS-Bench: automated screening for low-resource non-Latin-script text-to-speech
Hanif Rahman
cs.CL cs.SD
本文提出了INSV框架用于低资源非拉丁文字TTS系统的自动化筛选，并实例化为PashtoTTS-Bench基准测试。该工作主要关注TTS评估中的多维度问题，但方法上未体现与关键词相关的开创性贡献。
Prompt Injection Detection is Regime-Dependent: A Deployment-Aware Evaluation with Interpretable Structural Signals
Akindoyin Akinrele, Shreyank N Gowda
cs.CL cs.CR
本文研究了prompt injection检测在不同部署环境下的表现，发现检测性能高度依赖于具体场景和阈值选择，没有单一模型在所有情况下占优。
PersLitEval: Fine-grained Benchmark and Evaluation of LLMs on Persian Literature Questions
Ruhallah Niazi, Faeze Ghorbanpour, Alexander Fraser
cs.CL
PersLitEval是一个针对波斯语文学知识的细粒度benchmark，包含4514道多选题，覆盖拼写、语法、词汇等8个类别。作者评估了6个LLM在10种prompt策略下的表现，发现模型在概念理解任务上准确率较高，但在拼写和构词等正式语言分析任务上表现较差。
Evaluating the Relevance of Uncertainty Estimators for LLM Hallucination
Yedidia Agnimo et al.
cs.CL cs.AI cs.LG stat.ML
本文系统研究了LLM中uncertainty estimation与hallucination之间的关联性，发现这种关联高度可变且通常较弱，取决于hallucination类型和模型本身，挑战了将uncertainty直接作为hallucination信号的做法。
Attribute-Based Diagnosis of LLM Alignment with Hate Speech Annotations
Mohammad Amine Jradi, Faeze Ghorbanpour, Alexander Fraser
cs.CL cs.MM
本文系统分析了LLM在仇恨言论标注中与人类判断的对齐情况，发现行为显性维度与人类标注强相关，而评价性维度则系统性反转。通过置信度加权Ridge回归结合属性级预测，该方法在仇恨言论评分重建上取得了\(R^2\)达0.71的效果，但未涉及关键词中的核心概念。
Share More, Search Less: Collaborative Parallel Thinking for Efficient Test-Time Scaling
Xinglin Wang et al.
cs.CL
本文提出了一种名为Collaborative Parallel Thinking (CPT)的训练无关推理框架，通过在并行搜索分支间共享中间信息来减少冗余探索，从而提升大语言模型在测试时扩展（Test-Time Scaling）的效率。实验表明，该方法在HMMT和AIME基准上建立了更强的准确率-延迟Pareto前沿。
Tracing Computation Density in LLMs
Corentin Kervadec et al.
cs.CL cs.AI cs.LG
本文提出s-Trace方法，用于估计LLM中能近似完整模型输出的最小子图。研究发现LLM计算分为两个阶段：早期层稀疏子图提供粗略预测，后期层密集计算进行细化，且计算密度与模型不确定性相关。
ExTax: Explainable Disinformation Detection via Persuasion, Emotion, and Narrative Role Taxonomies
Shang Luo et al.
cs.CL
本文提出了ExTax框架，通过整合说服修辞、情感操纵和叙事角色三个维度的分类体系（共17个类别），利用多个大语言模型提取特征并融合上下文编码，实现可解释的虚假信息检测。该方法在多个跨领域基准上取得了优于现有深度学习模型的效果。
BhashaSetu: A Data-Centric Approach to Low-Resource Machine Translation
Param Thakkar et al.
cs.CL cs.LG
本文提出了BhashaSetu，一个面向低资源神经机器翻译的英语-马拉地语平行语料库，包含278万句对，并基于多种指标评估了翻译模型。研究发现，语料库级别的去重是提升翻译质量的关键预处理步骤。
FalAR: A Large-scale Speaker-Annotated European Portuguese Speech Corpus of Parliamentary Sessions
Francisco Teixeira et al.
cs.CL cs.LG
本文介绍了FalAR，一个大规模、带说话人标注的欧洲葡萄牙语议会语音语料库，包含5800小时语音数据。该语料库用于提升欧洲葡萄牙语的自动语音识别（ASR）性能，实验表明将其作为预训练数据可使词错误率（WER）相对降低14%。
Large Language Model-Powered Query-Driven Event Timeline Summarization in Industrial Search
Mingyue Wang et al.
cs.CL cs.IR
本文提出了QDET系统，用于在百度搜索中为特定查询事件生成聚焦的时间线摘要。该系统通过多任务微调和强化学习，在参数规模远小于大模型的情况下，实现了可比的性能，并带来了在线点击率和用户停留时间的提升。
QUACK: Questioning, Understanding, and Auditing Communicated Knowledge in Multimodal Social Deduction Agents
Ye Yuan et al.
cs.CL cs.AI cs.MA
本文提出了QUACK，一个用于审计多模态社交推理agent语言一致性的开源框架，通过重构agent的真实轨迹并检查其讨论声明，自动标记空间幻觉、无根据指控等失败模式。实验发现即使最强的VLM agent也会在15.1%的可验证空间声明中产生幻觉，且超过一半的指控缺乏证据支持。
E3: Issue-Level Backtesting for Automated Research Critique
Yashwardhan Chaudhuri, Sanyam Jain, Paridhi Mundra
cs.CL cs.AI
本文提出了一个名为E3的自动化论文评审辅助系统，通过识别论文中的技术问题（如未支持的声明、缺失的消融实验等）来增强人工评审。该系统采用issue-level回测协议，在ICLR 2026论文上评估，其召回率优于GPT和Claude等基线模型。
On the Hidden Costs of Counterfactual Knowledge Training in LLM Unlearning
Xiaotian Ye et al.
cs.CL cs.CR
本文研究了LLM反学习中的反事实调优（CFT）范式，发现其存在知识冲突和幻觉溢出两个问题，并引入扩展基准RWKU+进行诊断。该工作主要讨论该范式的局限性和开销，与关键词列表中的概念关联较弱。
LLMs Are Already Good Tutors: Training-Free Prompt Optimization for Pedagogical Math Tutoring
Unggi Lee et al.
cs.CL cs.LG
本文探讨了无需训练的prompt优化方法在数学辅导任务中的效果，通过API调用演化系统提示词，并与基于强化学习的训练方法进行对比。实验表明，这些方法在某些指标上超越了强基线模型，但未涉及代码、谱方法或注意力机制等关键词相关技术。
MiRD: Reliable Set-Valued Prediction for Open-Ended Question Answering via Miscoverage Risk Decomposition
Anqi Hu et al.
cs.CL cs.AI
本文提出MiRD框架，通过将整体覆盖不足风险分解为采样失败和条件选择失败两个阶段，为开放式问答提供可靠的集值预测。该方法在固定预算下建立有限采样无有效答案的概率上界，并利用全校准集校准选择阈值，从而在多个数据集和模型上有效控制各类风险。
LitSeg: Narrative-Aware Document Segmentation for Literary RAG
Ruikang Zhang et al.
cs.CL cs.AI
本文提出LitSeg，一种基于叙事理论指导的文档分割框架，用于改进文学作品的检索增强生成（RAG）性能。通过多阶段提示提取事件并定位转折点，以及轻量版LitSeg-Lite的蒸馏训练，该方法提升了检索准确性和下游问答性能。
Formalization of Malagasy conjugation
Joro Ny Aina Ranaivoarison, Eric Laporte, Baholisoa Simone Ralalaoherivony
cs.CL
本文使用Unitex平台构建了马达加斯加语简单动词的基于词典的形态分析器，通过有限状态转换器形式化了动词词干与屈折词缀的组合变化，并优先考虑了词典和转换器的可读性以便语言学家扩展更新。
Grounding Text Embeddings in Stakeholder Associations
Jonathan Rystrøm et al.
cs.CL cs.AI cs.CY
本文提出了一种名为Stakeholder Grounding Exercise的方法，用于评估text embedding模型是否与人类专家的语义判断对齐。研究发现，在丹麦政策问题和美国AI用例中，神经text embedding与人类专家之间存在显著差距，且这种不对齐会传播到下游clustering任务中。
MAIGO: Mitigating Lost-in-Conversation with History-Cleaned On-Policy Self-Distillation
Haoyu Zheng et al.
cs.CL
本文提出MAIGO方法，通过历史清理的自蒸馏技术缓解大语言模型在多轮对话中的信息丢失问题。该方法利用模型自身策略生成干净参考，无需外部验证器或推理时辅助，在SHARDED准确率上取得显著提升。
Beyond Binary: Speech Representations Across the Cognitive Score Hierarchy
Serli Kopar et al.
cs.CL cs.LG cs.SD eess.AS q-bio.NC
本文研究了语音表示与轻度认知障碍评估层级结构的关系，比较了手工声学特征与自监督学习嵌入在不同认知任务层级上的表现。结果表明任务约束与评估层级之间存在关联，但未涉及关键词中的核心概念。
Learning When to Think While Listening in Large Audio-Language Models
Zhiyuan Song et al.
cs.CL cs.AI cs.LG cs.SD
本文提出了一种用于大型音频-语言模型(LALM)的可学习“等待-思考-回答”控制框架，通过监督微调和多奖励策略优化(DAPO)来平衡推理质量与响应延迟。实验表明该方法在合成和真实音频基准上能提升准确率并减少最终思考长度，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。
Not All Tokens Matter Equally: Dynamic In-context Vector Distillation with Decisive-Token Supervision for Long-form Medical Report Generation
Ning Wu et al.
cs.CL cs.CV cs.LG
本文提出DIVE框架，通过决定性token监督和状态条件动态引导，改进长文本医学报告生成中的上下文向量蒸馏方法，在MIMIC-CXR和CheXpert Plus数据集上取得较好结果。该方法主要关注token级蒸馏在长文本生成中的局限性，与关键词中的context和attention有一定关联，但创新性相对有限。
EpiCurveBench: Evaluating VLMs on Epidemic Curve Digitization
Thomas Berkane, Maimuna S. Majumder
cs.CL
本文提出了EpiCurveBench基准测试和EpiCurveSimilarity (ECS)评估指标，用于评估Vision-Language Models (VLMs)从流行病曲线图像中提取时间序列数据的能力。实验表明，现有模型在该任务上表现有限，且ECS指标比传统key-value指标更能有效区分模型性能。
GraphReview: Scientific Paper Evaluation via LLM-Based Graph Message Passing
Pujun Zheng et al.
cs.CL cs.IR
本文提出GraphReview框架，利用LLM在论文语义图上进行review-signal message passing，以统一评估论文的内在质量、同期关联和历时关联。该方法通过Personalized PageRank整合信号，在决策和排名指标上平均提升29.7%。
The Coverage Illusion: From Pre-retrieval Routing Failure to Post-retrieval Cascades in a Production RAG System
Zafar Hussain, Kristoffer Nielbo
cs.CL cs.IR
本文研究了生产级RAG系统中的检索覆盖问题，发现合成查询与真实用户查询之间存在结构性分布差异，导致预检索路由无法有效判断是否需要LLM增强。作者提出了一种后检索级联策略，按成本递增顺序执行工作流，仅在无文档返回时升级到LLM增强，从而在无训练开销下提升质量并降低延迟。
Temporal Simultaneity Predicts Annotation Quality in Sentiment Corpora
Idris Abdulmumin et al.
cs.CL
本文研究了Setswana情感语料库中标注质量随时间下降的问题，发现标注时间同步性（temporal simultaneity）是预测标注一致性（IAA）的主要因素，而标注速度和语言特征则无显著关联。
ENPMR-Bench: Benchmarking Proactive Memory Retrieval for Emotional Support Agents
Xing Fu et al.
cs.CL
本文提出了ENPMR-Bench基准，用于评估情感支持agent在对话中主动检索记忆以推断用户潜在情感需求的能力。实验表明，现有检索范式（包括embedding-based和LLM-driven方法）在共情得分上显著低于理想记忆条件，揭示了当前agent在情感支持中的关键局限性。
Pair-In, Pair-Out: Latent Multi-Token Prediction for Efficient LLMs
Wenhui Tan et al.
cs.CL cs.AI
本文提出Pair-In, Pair-Out (PIPO)方法，将latent compression与multi-token prediction (MTP)统一为镜像操作，通过轻量级confidence head替代昂贵的verifier pass，并利用On-Policy Distillation (OPD)训练该head。实验表明，该方法在多个benchmark上提升了pass@4并实现了显著的推理加速。
Lost in Sampling: Assessing Lexical Reachability in LLMs via the Word Coverage Score (WCS)
Samer Awad et al.
cs.CL cs.AI
本文提出了Word Coverage Score (WCS)指标，用于量化LLM解码过程中采样参数（如Top-\(p\)、Top-\(k\)）对低频高信息词汇的抑制程度，揭示了标准采样默认设置会无意中降低词汇多样性。该工作主要关注文本生成中的词汇可达性问题，与关键词列表中的code、spectral、Muon、agent、attention等概念无直接关联。
It's Not Always Sycophancy: Measuring LLM Conformity as a Function of Epistemic Uncertainty
Kevin H. Guo et al.
cs.CL cs.AI cs.LG
本文提出MUSE框架，通过两阶段评估将LLM的conformity行为分解为sycophantic conformity和uncertainty-driven conformity，并发现这两种机制随用户感知专业性和建议合理性增长。该工作主要关注LLM行为分析，与关键词中的code、spectral、Muon、pretrain、agent、attention等方向无直接关联。
Separating Semantic Competition from Context Length in RAG Reading
Vyzantinos Repantis et al.
cs.CL cs.IR
本文针对RAG系统中的reader模型，通过匹配控制协议（固定passage数量和长度，替换高竞争性passage为低竞争性passage）分离了语义竞争与上下文长度的影响，实验表明竞争效应在F1和answer inclusion指标上显著，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词。
Probing Cultural Awareness in LLMs: A Case Study of Cross-Culture Aesthetic Stylistics
Jiashuo Wang et al.
cs.CL
本文研究了大型语言模型在不同文化背景下的审美风格意识，通过构建C4STYLI基准测试集评估模型在跨文化广告语和电影片名上的表现。研究发现模型在风格识别上依赖表层语言信息而非深层结构，且识别与生成能力不一致。
Self-Ensembling Vision-Language Models for Chart Data Extraction
Thomas Berkane, Qianyi Wang, Maimuna S. Majumder
cs.CL
本文提出了一种基于self-ensembling的VLM方法，通过多次采样并聚合表格单元来提升图表数据提取的准确性，并引入了新的基准数据集WB-ChartExtract。该方法在复杂图表上取得了显著改进，但未涉及code、spectral或Muon等关键词相关技术。
Chartographer: Counterfactual Chart Generation for Evaluating Vision-Language Models
Yifan Jiang et al.
cs.CL cs.CV
本文提出Chartographer框架，通过将图表逆向工程为可执行代码并生成反事实变体，用于评估视觉语言模型在图表问答中的视觉推理能力，发现模型在原始图表上正确回答后常无法泛化到反事实图表。
When Does Demographic Information Help? Data and Modeling Regimes for Perspective-Aware Hate Speech Detection
Weibin Cai, Reza Zafarani
cs.CL
本文研究了人口统计信息在仇恨言论检测等主观任务中的效用，发现其收益取决于数据划分属性和建模框架。作者通过分析标注者分歧、训练规模等因素，提出了一种门控人口统计残差模型，该模型在特定数据场景下能有效提升性能。
Real Images, Worse Judgments: Evaluating Vision-Language Models on Concreteness and Imagery
Yifan Jiang et al.
cs.CL
本文研究了视觉-语言模型在词汇判断任务中是否能够区分有用的视觉证据与无关的图像背景，发现真实图像上下文不仅没有提升模型表现，反而降低了与人类评分的对齐程度，尤其是在视觉证据相关性最低时。通过探针分析和典型相关分析，作者指出真实图像上下文会导致表征偏移并增加对虚假视觉线索的敏感性，而指导模型在推理时仅关注文本内容可以缓解这种退化。
Semantic Gradients Interactions in SSD: A Case Study in Racial Identity and Hate Speech
Felix Ostrowicki, Hubert Plisiecki
cs.CL
本文提出了interaction SSD方法，扩展了Supervised Semantic Differential以建模语义在不同调节变量（如群体、特质或条件）下的变化，并在仇恨言论语料库上验证了注释者种族身份对语义判断的调节效应。该方法使调节后的意义-结果关系变得可检验和可解释。
FinHarness: An Inline Lifecycle Safety Harness for Finance LLM Agents
Haoxuan Jia et al.
cs.CL
FinHarness是一个为金融LLM Agent设计的在线安全框架，通过Query Monitor、Tool Monitor和Cascade模块来阻止恶意操作并保护合法工作流。实验表明，该方法在降低攻击成功率的同时，能有效减少高级judge的调用次数。
MATCHA: Matching Text via Contrastive Semantic Alignment
Siran Li et al.
cs.CL
本文提出了一种名为MATCHA的自动评估metric，通过对比语义对齐来同时奖励与reference的语义一致性并惩罚矛盾，在多个benchmark上优于ROUGE和BERTScore等现有metric。该方法主要关注文本匹配评估，与关键词中的spectral、Muon、agent等概念无直接关联。

cs.DS

Where to Split and When to Charge: Optimal Route Construction from Customer Permutations in Electric Vehicle Routing
Leon Stjepan Uroić, Marko Đurasević
cs.DS
本文形式化了固定排列分割与充电问题，并提出一种基于动态规划与支配剪枝的精确前向标记算法，用于在电动车辆路径问题中从固定客户排列解码出最小距离可行路径。实验表明该算法在计算上可行，并揭示了不同解码策略间的层次关系。
Parsimonious Learning-Augmented Online Metric Matching
Yongho Shin, Phanu Vajanopath
cs.DS cs.LG
本文研究了在线度量匹配问题中学习增强算法的简洁性，通过扩展Follow-the-Prediction框架，在缺乏实际预测时使用虚拟预测来维持良好中间匹配，并给出了性能下界和实验验证。
Virtual-Memory Powersort
Finn Moltmann, Tamio-Vesa Nakajima, Sebastian Wild
cs.DS cs.PF
本文提出了一种名为Virtual-Memory Powersort的自适应归并排序算法，通过内部缓冲技术将排序所需的额外空间从\(n/2\)个对象降低到\(O(\sqrt{n \log n})\)个对象，同时保持了与先前Powersort实现相近的比较和移动次数。实验表明，该方法在多数场景下能以极小的开销实现近乎原地（in-place）的稳定排序。

others

RepoMirage: Probing Repository Context Reasoning in Code Agents with Perturbations ⭐ 精选
Hanyu Li et al.
cs.SE cs.AI
本文提出RepoMirage，一个基于SWE-Bench Verified构建的两阶段评估套件，通过引入语义保持的repository-level perturbations（扰动）来探测code agents在仓库级任务中的context reasoning能力。实验发现，当任务需要更广泛的上下文访问时，agent性能显著下降，尤其在RepoMirage-Extend阶段，平均性能从66.8%降至25.3%，揭示了agent存在“探索漂移”问题——能访问更广的仓库上下文但无法转化为有效的结构信息。基于此，作者提出RepoAnchor，一种结构优先的原型工作流，将仓库探索与下游问题求解分离，实验表明显式的结构支撑能带来显著性能提升。该工作与关键词中的“code”、“context”和“agent”高度契合，并揭示了代码智能体在仓库上下文推理中一个此前被忽视的差距。
ATOM: Instantiating Budget-Controllable Multi-Agent Collaboration via Nucleus-Electron Hierarchy ⭐ 精选
Xinkui Zhao et al.
cs.MA cs.LG
本文提出ATOM框架，通过受原子结构启发的核-电子层级（nucleus-electron hierarchy）实现预算可控的多智能体协作。该方法采用任务驱动的强化学习范式，在离线阶段学习稳定的协作骨干（nucleus），并在推理阶段根据查询难度动态激活条件智能体（electrons），从而严格调控计算预算。实验表明，ATOM在六个基准上达到最优性能，同时将token效率提升高达30%，有效解决了多智能体系统中稳定性与可扩展性的权衡问题。该工作与关键词中的agent和attention（通过动态激活机制）高度契合。
AutoDFT: A Closed-Loop Multi-Agent Framework for Autonomous DFT Calculations ⭐ 精选
Penghui Yang et al.
cond-mat.mtrl-sci cs.AI cs.CE
本文提出AutoDFT，一个用于自动化密度泛函理论(DFT)计算的闭环多智能体框架。该框架将LLM推理嵌入DFT生命周期的每个阶段，通过战略规划器、即时参数生成器和监控-恢复-反思循环，解决了现有方法仅自动化初始规划阶段、无法适应计算过程中出现的收敛失败或意外物理现象等动态变化的问题。在包含34个任务和9种DFT计算类型的VASPBench基准上，AutoDFT实现了94.1%的任务级成功率，并在材料数据库上对电子、磁性和能量性质给出了定量可靠的预测。这项工作通过闭环规划与执行，使缺乏深度计算专业知识的实验人员也能获得可靠的第一性原理结果，与关键词"agent"高度契合。
When Does LeJEPA Learn a World Model? ⭐ 精选
David Klindt, Yann LeCun, Randall Balestriero
stat.ML cs.LG
本文证明了LeJEPA（一种结合alignment和Gaussian regularization的自监督学习框架）在latent variable满足stationary additive-noise transition的广泛世界类别中，能够线性恢复世界的latent variables，即具有linear identifiability性质。核心结论是，在所有此类世界中，Gaussian分布是唯一能使该保证成立的latent distribution，其证明通过spectral decomposition将非线性度严格惩罚，使得linear map成为最优解。此外，文章还建立了approximate identifiability结果，并展示了linear orthogonal identifiability如何实现最优的latent-space planning。该工作为构建可证明恢复世界结构的World Model提供了数学基础，与关键词中的pretrain和agent概念高度契合。
ChainCaps: Composition-Safe Tool-Using Agents via Monotonic Capability Attenuation ⭐ 精选
Xiaochong Jiang et al.
cs.CR cs.AI
ChainCaps提出了一种针对工具组合场景下“权限洗钱”（permission laundering）安全漏洞的运行时防护机制。其核心创新在于引入单调能力衰减规则：每个数据值携带一个与特定sink（如文件系统、网络端点）绑定的capability budget，工具组合通过交集运算传播这些budget，确保值在链式传递中只能保持或丧失权限，而无法通过组合获得新权限。该方法以透明MCP代理形式实现，无需修改agent或工具服务器，在五个前沿模型上的82个任务中将攻击成功率从25-68%降至0-4.8%，同时保持96-100%的良性任务完成率。该工作直接针对agent工具使用中的安全组合问题，与关键词“agent”高度契合。
JetViT: Efficient High-Resolution Vision Transformer with Post-Training Attention Search ⭐ 精选
Dongyun Zou et al.
cs.CV cs.AI
JetViT提出了一种名为Post-Training Attention Search的后训练加速框架，通过将预训练full-attention Vision Transformer (ViT)中的冗余full-attention block替换为linear-attention或window-attention block，实现了高分辨率图像上的高效推理。该方法在保持与state-of-the-art full-attention模型相同精度的前提下，在NVIDIA H100 GPU上获得了最高1.79倍的吞吐量提升和44.81%的延迟降低，为高分辨率视觉基础模型（如DINOv3和DepthAnythingV2）的部署提供了实用方案。该工作与关键词“attention”高度契合，且其post-training搜索策略在混合架构设计上具有开创性。
Cordon-MAS: Defending RAG against Knowledge Poisoning via Information-Flow Control ⭐ 精选
Zhe Yu et al.
cs.CR cs.AI
本文揭示了RAG系统在面对知识投毒攻击时存在“监控-控制鸿沟”（即模型能检测到矛盾证据却仍会采纳被污染信息），并基于此提出Cordon原则——任何负责最终合成的agent不得直接访问不可信的自然语言证据。作者通过CORDON-MAS框架在架构层面实现该原则，将证据提取、跨源审计与答案合成分离为具有非对称memory权限的agent，从而将RAG投毒问题从检测问题重新定义为信息流控制问题。在五个BEIR数据集上，该方法将攻击成功率相对降低了92.4%，与关键词“agent”和“context”高度契合。
Stochastic global optimization of continuous functions via random walks on Grassmannians
Kartik Gupta et al.
math.OC cs.LG
本文提出了一种基于Grassmannian流形上随机游走的随机全局优化方法，通过反复采样低维线性子空间并求解其上的子问题来最小化连续目标函数。其收敛性分析不依赖于凸性或光滑性等经典条件，而是依赖于通过给定点的\(k\)维子空间中限制性极小值的几何分布。
Threshold Rules for the Classical Prophet Inequality
Jiechen Zhang
math.PR cs.DS
本文记录了一个用于经典prophet inequality问题中单阈值停止规则的通用阈值/盈余分解方法，并利用该分解验证了中位数、半均值等确定性阈值，同时为随机阈值给出了平均化证明。
Xe-Forge: Multi-Stage LLM-Powered Kernel Optimization for Intel GPU
Marcin Spoczynski et al.
cs.DC cs.AI
本文提出了Xe-Forge，一个多阶段LLM驱动的自动化pipeline，用于将Triton kernel优化适配到Intel GPU。该系统通过九个优化阶段和硬件在环验证，在Intel Arc Pro B70上实现了对97个KernelBench kernel和Flash Attention的加速，平均加速1.17倍。
Edge AI Deployment Beyond Models: A BSP-Aware Systems Framework for Industrial Embedded Platforms
Pitchai Muthu M
cs.DC cs.AI
本文提出了一个面向工业嵌入式平台的BSP感知系统框架，强调Edge AI部署应作为系统问题而非模型后处理，通过五层架构连接底层平台与部署指标。该工作主要关注工程实践而非理论创新，与关键词中的核心概念关联较弱。
Rapid online deep artifact suppression for real-time spiral bSSFP CMR with blipped-CAIPI simultaneous multi-slice imaging at 1.5 T
Julius Åkesson et al.
physics.med-ph cs.LG eess.IV
本文提出了一种用于实时螺旋bSSFP心脏磁共振成像的深度伪影抑制方法，通过3D U-Net在图像空间进行伪影抑制，实现了比压缩感知快约50倍的重建速度，并保持了诊断图像质量。该方法主要关注医学成像加速，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念无直接关联。
Eroding Trust in Real Speech: A Large-Scale Study of Human Audio Deepfake Perception
Nicolas M. Müller, Wei Herng Choong
cs.SD cs.AI
本文通过大规模人类感知实验（1768名参与者，35532次判断）研究了音频deepfake对人类信任的影响，发现与2021年基线相比，人类对假样本的检测准确率变化不大（72.9%到71.2%），但对真实样本的准确率从72.7%下降到64.1%，表明主要威胁并非欺骗本身，而是对真实语音信任的侵蚀。
AssetGen: Deployable 3D Asset Generation at Interactive Speed
Dilin Wang et al.
cs.GR cs.AI cs.CV
本文提出AssetGen，一个能在30秒内从单张参考图像生成高质量3D网格（含烘焙法线、颜色纹理和可控多边形预算）的系统，并支持实时渲染和移动端部署。其Flash变体进一步将延迟降至14秒，通过粗到细的VecSet框架、多视图纹理生成及模型蒸馏与并行化加速实现。
VISTA: An End-to-End Benchmark for Visual Spec-to-Web-App Coding Agents
JunJia Guo et al.
cs.SE cs.AI cs.CV
VISTA是一个用于评估基于LLM的agent生成web应用能力的benchmark，它定义了五种输入条件并采用DOM、浏览器测试和CLIP视觉相似度进行多维度评估。实验发现视觉保真度和功能正确性在输入条件和agent间部分解耦，但该工作主要聚焦于UI-centric的代码生成评估，与关键词中的spectral、Muon、pretrain等概念关联较弱。
Augment Engineering: A Methodology for Multi-Tool AI Orchestration Across Professional Domains
Elias Calboreanu
cs.SE cs.AI cs.HC
本文提出了一种名为Augment Engineering的方法论，用于在多个专业领域内协调多种专用AI工具，并基于一个单一实践者的案例研究展示了其有效性。该方法论将prompt engineering和context engineering视为可跨工具迁移的通用技能，但研究结果因样本有限而属于探索性。
MemMorph: Tool Hijacking in LLM Agents via Memory Poisoning
Xuanye Zhang et al.
cs.CR cs.AI
本文提出MemMorph攻击，通过向LLM agent的长期记忆注入伪装记录来劫持工具选择，实验显示仅需3条记录即可达到85.9%的攻击成功率。该工作揭示了长期记忆作为agent中未被充分探索的攻击面。
When Does Adaptive Guidance Help? Belief-Aware Privileged Distillation for Autonomous Driving Under Partial Observability
Mehmet Haklidir
cs.RO cs.AI cs.LG
本文研究了自动驾驶中自适应引导策略的有效性，提出Belief-Aware GSAC方法通过ensemble disagreement调节蒸馏系数。实验表明在严重部分可观测条件下，自适应系数会快速崩溃，而简单的线性衰减调度反而表现更优。
Turning Bias into Bugs: Bandit-Guided Style Manipulation Attacks on LLM Judges
Xianglin Yang et al.
cs.CR cs.AI cs.LG
本文提出BITE框架，将风格编辑选择建模为contextual bandit问题，使用LinUCB策略自适应地选择能最大化LLM Judge评分的语义保持编辑，在无需模型参数或梯度的情况下实现黑盒攻击。实验表明该方法在多种LLM Judge和任务上达到超过65%的攻击成功率，并能在9分制上提升1-2分。
Furina: Fragmented Uncertainty-Driven Refusal Instability Attack
Tongxi Wu, Jian Zhang, Yang Gao
cs.CR cs.AI cs.LG
本文通过多指标诊断框架揭示了LLM和MLLM安全行为中存在的不稳定区域，并提出了一种名为Furina的jailbreak攻击方法，该方法利用碎片化场景提示诱导输出不确定性放大，从而绕过安全对齐。该工作主要关注安全漏洞的机制理解，与关键词列表中的概念关联较弱。
Device Context Protocol: A Compact, Safety-First Architecture for LLM-Driven Control of Constrained Devices
Dongxu Yang
cs.NI cs.CR cs.LG
本文提出了Device Context Protocol (DCP)，一种面向微控制器（MCU）的紧凑型安全协议，通过6字节头部和CBOR载荷实现亚50字节的典型帧，并在主机侧引入Bridge层以在物理设备执行前拒绝由LLM幻觉或prompt注入导致的错误调用。实验表明，DCP在对抗性prompt下能100%阻止能力升级攻击，但对prompt注入的防御率为78%，其设计主要关注物联网设备的安全控制而非代码或上下文等关键词。
Adversarial Water-Filling: Theory, Algorithms and Foundation Model
Xindi Tong, Chee Wei Tan, H. Vincent Poor
cs.IT cs.LG math.OC
本文提出了Adversarial Water-Filling (AWF)问题，并为其开发了理论、算法及无线基础模型。该模型利用图神经网络和投影外梯度迭代来学习求解约束minimax问题，在频谱共享场景中实现了显著的加速。
Tool-Schema Compression Enables Agentic RAG Under Constrained Context Budgets
Furkan Sakizli
cs.SE cs.AI cs.CL
本文研究了在有限上下文预算下，Agentic RAG系统中工具定义与检索增强生成之间的资源冲突问题，通过TSCG压缩方法节省44-50%的schema tokens，实验表明压缩在低预算下能显著恢复RAG功能，但在高预算下效果有限。该工作主要关注工程实践中的上下文压缩，与关键词中的agent有一定关联，但方法缺乏理论或结构上的开创性。
Enhancing Autonomous Online Intrusion Detection for IoT with Balanced Learning, Reliable Pseudo-Labels, and Lightweight Architectures
Hanzala Afzaal et al.
cs.CR cs.AI cs.LG
本文针对AOC-IDS这一物联网在线入侵检测系统，识别了其类别不平衡、伪标签不可靠等局限性，并提出了XGBoost-BalSamp和PseudoFilter等改进方法，在UNSW-NB15基准上提升了准确率并降低了模型参数。
LearnedCache: An eBPF-Integrated Perceptron-Based Eviction Policy for the Linux Page Cache
Zejia Qi
cs.OS cs.LG
本文提出LearnedCache，一种基于eBPF和单层感知机的Linux page cache驱逐策略，使用真实内核数据训练模型预测页面重用时间。实验表明该方法在特定工作负载下相比FIFO策略在插入率上提升高达10%，但整体创新性有限且与关键词关联较弱。
A Universal Cliff and a Design Fingerprint: Cross-Section Defect Detection Under LLM Orchestration
Hiroki Fukui
cs.SE cs.AI cs.CL cs.MA
本文研究了LLM编排系统（orchestration）中跨章节缺陷检测的失效现象，发现所有模型在单agent下能检测的缺陷，在编排后检测率下降三分之二以上，且该“检测悬崖”不随模型规模或推理能力提升而闭合。文章还分析了模型在悬崖后的行为差异，指出对齐增强会导致报告标准偏移，但未涉及代码、谱方法或预训练等关键词。
PitchBench: Measuring Pitch Hearing in Audio-Language Models
Milan Liessens Dujardin et al.
cs.SD cs.AI
本文提出了PitchBench，一个用于系统评估音频-语言模型（ALM）音高听觉能力的基准测试套件，包含28个实验。实验发现，当前最先进的ALM在不同声源、音符时长和格式下，音高感知能力普遍不可靠。
What Molecular Structure Cannot Tell Us: A Taxonomy of Explainability Gaps in GNN-Based Drug Toxicity Prediction
Juergen Dietrich
q-bio.QM cs.LG
本文以阿司匹林为模型化合物，通过训练MPNN模型并应用GNNExplainer，发现分子结构仅能解释约45%的已知药物不良反应，并提出了一个四类Gap Taxonomy（GAP-1至GAP-4）来分类这些不可解释性，包括非可编码效应、数据缺失、检测面板不匹配和表示误差。该研究揭示了基于GNN的药物毒性预测在结构信息编码上的根本局限性。
SetupX: Can LLM Agents Learn from Past Failures in Functionality-Correct Code Repository Setup?
Zihang Zhou et al.
cs.SE cs.AI cs.CL cs.LG
本文提出SetupX框架，通过自进化经验表示（XPU）、基于LIFO Docker快照栈的经验增强推测执行以及检察官-法官验证协议，解决LLM agent在功能正确的代码仓库环境配置中遇到的跨仓库经验迁移、多步试错与回滚以及结果验证等挑战。实验表明该方法在基准测试中取得了92%的通过率，显著优于现有基线。
CyberEvolver: Structured Self-Evolution for Cybersecurity Agents On the Fly
Yihe Fan et al.
cs.CR cs.AI
本文提出CyberEvolver框架，通过四层可进化agent架构、trace-to-diagnosis机制和基于群体的beam search策略，使LLM-based agent能根据失败执行经验迭代修正自身scaffold，以解决网络安全任务中scaffold优化空间非结构化、反馈稀疏等问题。实验表明该方法在CTF挑战等任务上平均提升种子agent成功率13.6%，并优于六种人工设计的agent。
Workflow Closure Is Not Scientific Closure in Auto-Research Systems
Shuai Wang et al.
cs.SE cs.AI
本文指出自动研究系统中的workflow closure（工作流闭环）并不等同于scientific closure（科学闭环），并通过对100多篇论文和21个代表性系统的审计，诊断出objective collapse、validation collapse和acceptance collapse三种结构性失败模式。文章认为可信的自动研究应追求在非自主认知控制下的自主执行，而非完全的自主自足。
AgentSociety: Incentivizing Agentic Social Intelligence
Aditya Vema Reddy Kesari, Krishna Reddy Kesari
cs.MA cs.AI cs.CY cs.GT
本文提出了AgentSociety机制，利用liquid democracy和信息扩散理论实现去中心化的agent协作，并证明委托给更有能力的邻居agent是激励相容的，能通过共识生成多agent路由路径。该工作主要关注agent的社会智能与激励机制设计，与关键词中的agent概念相关但方法上未涉及code、spectral或Muon等。
Minimal surfaces, Knots, and Neural Networks
Tancredi Schettini Gherardini, Marco Usula
math.DG cs.LG math.GT
本文利用Physics-Informed Neural Networks (PINNs)求解双曲空间中的极小曲面方程，以检验Joel Fine关于HOMFLY多项式系数与极小曲面符号计数之间关系的猜想，并通过算法计算自交点数，为猜想提供了经验证据。
Prospective evaluation of multimodal respiratory failure prediction: Do chest X-rays improve performance beyond EHR signals?
Xiaolei Lu, Shamim Nemati
eess.IV cs.AI cs.LG
本文探讨了在电子健康记录（EHR）信号基础上，加入胸部X光片（CXR）信息是否能改善ICU患者呼吸衰竭的前瞻性预测。研究开发了一个门控多模态框架，通过自适应门控模块整合结构化EHR时间序列与CXR基础模型表示，并在预测24小时内是否需要有创机械通气的任务上进行了前瞻性评估。
Learning Nonlinear Factor Models with Unknown Monotone Links from Incomplete and Noisy Data
Yutong Chao et al.
stat.ML cs.LG econ.EM
本文研究了一种非线性因子模型，其中观测响应通过未知的单调link function依赖于低秩潜在因子。作者提出了一种带显式正则化的projected block coordinate descent (BCD)算法，用于从不完整且有噪声的数据中联合恢复低秩因子、载荷和非线性link function，并建立了收敛性保证。
VesselSim: learning 3D blood vessel segmentation without expert annotations
Erin Rainville et al.
cs.CV cs.AI
本文提出VesselSim，一个两阶段框架用于3D blood vessel segmentation，通过几何驱动的血管模拟生成合成数据训练3D U-Net，并利用test-time adaptation策略弥合域差距，在零样本设置下取得与现有方法竞争的性能。
Benchmarking Convolutional, Transformer, Hybrid, and Vision Language Models for Multi Disease Retinal Screening
Durjoy Dey, Aymane Ajbar, Yuhong Yan
cs.CV cs.LG
本文对四种模型家族（CNN, vision transformer, hybrid CNN-transformer, vision-language models）在视网膜疾病筛查任务上进行了基准测试，使用RFMiD数据集评估了二分类和多标签分类性能。结果表明，基于attention的模型（如SwinTiny, CoAtNet0, MaxViTTiny）表现最佳，而vision-language模型虽与CNN基线相当但未超越最优模型。
Decoupled Delay Compensation: Enhancing Pre-trained MARL Policies via Learned Dynamics Filtering
Maxim Mednikov, Oren Gal
cs.MA cs.AI cs.RO
本文提出了一种模块化的执行阶段状态估计层，通过结合学习的Gated transition model和递归Kalman filtering层，为预训练的MARL策略补偿通信延迟和丢包问题。该方法无需修改原始训练算法，在多种多智能体基准测试中提升了策略对延迟的鲁棒性。
Beyond Differences: Doubly Robust Meta-Learners for Ratio-Based Treatment Effects
Michael Fuchs, Dominik Kreiss
stat.ML cs.LG stat.ME
本文针对比率型条件平均处理效应（ratio-based CATE）的估计问题，提出了Q-Learner方法，将其分解为两个odds ratio的乘积，并进一步推导了S/T型和Q型比率学习器的双重稳健（doubly robust）增强版本。实验表明，在低转化率场景下Q-Learner表现稳健，而在有混杂的观测数据中，双重稳健学习器效果最佳。
Evi-Steer: Learning to Steer Biomedical Vision-Language Models through Efficient and Generalizable Evidential Tuning
Taha Koleilat, Hassan Rivaz, Yiming Xiao
cs.CV cs.CL
本文提出Evi-Steer框架，通过不确定性感知的低维参数高效微调方法（仅更新0.11%参数）来改进BiomedCLIP在生物医学图像中的表现，并在15个数据集上验证了其有效性。
Intelligent Detection and Mitigation of Carpet-Bombing DDoS Attacks in SDN Using Retrieval-Augmented Generation and Large Language Models
Mohammed N. Swileh, Shengli Zhang, Kai Lei
cs.CR cs.AI cs.NI
本文提出了一种基于Retrieval-Augmented Generation (RAG)和Large Language Model (LLM)的框架，用于在SDN环境中检测和缓解Carpet-Bombing DDoS攻击。该方法通过接口级流量特征表示和语义嵌入检索来分类流量行为，实验验证了其检测性能。
E$^3$C: Video Generation with 3D Environmental Memory and Ego-Exo Human Pose Control
Qiao Gu et al.
cs.CV cs.AI
本文提出了E\(^3\)C，一个可控的ego-centric视频扩散框架，通过构建基于半稠密点云的3D环境记忆和分离的人体动态控制（包括ego和exo人体姿态控制），实现了对ego-centric视频生成中场景一致性和人体动作的精确控制。实验在Nymeria数据集上验证了其在视觉保真度、相机运动准确性和人体控制方面的改进。
Erased but Exploitable: Black-box Embedding-Aware Prompting Against Unlearned Text-to-Image Diffusion Models
Arian Komaei Koma et al.
cs.CV cs.AI
本文提出了一种名为BEAP的黑盒对抗性提示攻击方法，利用大语言模型(LLM)迭代生成对抗性提示，以攻击已通过machine unlearning移除特定概念的text-to-image diffusion模型。该方法在文本空间中进行embedding-aware搜索，结合多种奖励信号以生成高质量且不易被安全过滤器检测的提示。
Personalized Generative Models for Contextual Debiasing
Xinran Liang et al.
cs.CV cs.AI cs.LG
本文提出DecoupleGen方法，利用text-to-image diffusion模型生成罕见上下文（context）的图像，以缓解视觉数据集中常见与罕见场景的分布偏差。该方法通过个性化生成保持原始数据分布，并用于训练数据增强，在物体分类与识别任务上取得改进。
Deep Learning-based Algebraic Reynolds Stress Closures for RANS Simulations of Turbulent Flows
Daniel Dehtyriov, Jonathan F. MacArt, Justin Sirignano
physics.flu-dyn cs.LG
本文提出了一种基于深度学习的代数Reynolds应力模型(DARSM)，通过神经网络将流动不变量映射到隐式代数Reynolds应力方程中的经验参数，并利用伴随方程实现端到端优化。该方法在方形管道和周期性山丘基准测试中，将平均速度误差降低了2-4倍，并能泛化到不同Reynolds数和几何构型。
Unified Panoramic Geometry Estimation via Multi-View Foundation Models
Vukasin Bozic et al.
cs.CV cs.AI
本文提出PaGeR框架，将预训练的perspective 3D foundation model扩展到panorama领域，通过最小化架构改动并混合训练数据，实现从单张全景图像中预测scale-invariant depth、metric depth、surface normals和sky masks。该方法在室内外场景中展现了state-of-the-art性能与良好的zero-shot泛化能力。
BioFact-MoE: Biologically Factorized Mixture of Experts for Vision-Language Prognostic Modeling in Hepatocellular Carcinoma
Junlin Yang et al.
cs.CV cs.AI cs.LG
本文提出BioFact-MoE框架，通过生物学因子化的Mixture of Experts结构分解肝脏和肿瘤因素，用于肝细胞癌的预后视觉-语言建模。该方法在生存预测任务上优于基线，并提供了可解释的风险分层。
VisualNeedle: Benchmarking Active Visual Search in Information-Dense Scenes
Jingru Chen et al.
cs.CV cs.AI
本文提出了VisualNeedle基准，用于评估多模态大语言模型在信息密集场景中的主动视觉搜索能力，并引入反事实裁剪-黑化设置来检验模型是否真正依赖中间视觉证据。实验表明，现有模型在该基准上表现有限，揭示了细粒度视觉搜索的持续局限性。
Jailbreak susceptibility prediction and mitigation via the behavioral geometry of models
Hayden Helm, Xiaodong Liu, Weiwei Yang
cs.CR cs.AI cs.LG
本文提出了一个行为几何框架，用于评估和缓解生成式模型对jailbreak攻击的脆弱性。该框架通过利用已评估和防御的模型，支持跨模型群体的高效易感性预测和防御迁移。
Confounder Detection via Treatment Intent: A New Observational Study Design
Drago Plecko et al.
stat.ME cs.AI cs.LG stat.ML
本文提出了一种名为“confounder detection via treatment intent”的观察性研究设计，通过询问人类专家对匹配后的单元对进行判断，以揭示未观测到的confounder。该方法在ICU的电子健康记录数据上进行了概念验证，但并未直接涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。
The Rescue Effect: Spatio-Semantic Early Exit Bypasses Quantization Collapse in CLIP
Kahyeon Nam, Hyesong Choi
cs.CV cs.AI
本文研究了CLIP模型在INT8量化下的激活噪声累积问题，提出LRA-EE方法通过早期退出机制绕过噪声饱和的深层，在ImageNet-1K零样本分类上降低了13.4%的FLOPs并提升了2.44%的Top-1准确率。
Structure-Adaptive Conformal Inference for Large-Scale Out-of-Distribution Testing
Rongyi Sun, Wenguang Sun, Zinan Zhao
stat.ME cs.AI cs.LG stat.ML
本文针对大规模分布外测试中的结构自适应问题，提出了结构自适应共形q值(SCQ)和伪得分引导的转导自动模型选择(P-TAMS)方法，在成对可交换性假设下实现了有限样本错误率控制和功效提升。该方法主要关注统计推断中的多重检验问题，与您提供的关键词关联度较低。
Rethinking Weakly-supervised Video Temporal Grounding From a Game Perspective
Xiang Fang et al.
cs.CV cs.AI
本文从博弈论视角重新审视弱监督视频时间定位任务，通过多元合作博弈理论将视频帧和查询词建模为博弈玩家，学习它们对跨模态相似度分数的贡献，并利用查询引导的帧级分数替代复杂的时间片段提案进行定位。
Cross-scale Aligned Supervision for Training GANs
Sangeek Hyun, MinKyu Lee, Jae-Pil Heo
cs.CV cs.AI
本文指出标准GAN中多尺度对抗训练存在跨尺度轨迹不对齐问题，并提出CAT（Cross-scale Aligned Transformer）方法，通过在生成器侧添加一致性正则化来对齐中间输出与最终输出，从而提升生成质量。
Low Soundness Linearity Testing on the Half-Slice
Haakon Larsen et al.
cs.CC cs.DM cs.DS math.CO
本文研究了布尔半切片（half-slice）上的低可靠性线性测试问题，证明了若函数\(f\)以概率\(\frac{1+\delta}{2}\)通过自然\(k\)查询BLR测试，则它必须与某个仿射函数在\(T\)上至少\(\frac{1+\delta^{\frac{1}{k-2}}}{2}-o(1)\)的点上一致。主要技术贡献是利用Krawtchouk多项式界的新稠密模型定理。
Robust Koopman Control Barrier Filters for Safe Actor-Critic Reinforcement Learning
Dhruv S. Kushwaha, Zoleikha A. Biron
cs.RO cs.LG eess.SY
本文提出Robust Koopman-CBF SAC框架，通过从数据中学习有限维Koopman predictor并在lifted space中构造affine CBF constraints，结合projected residual margin处理近似误差，实现了安全actor-critic强化学习。该方法在CartPole任务上实现零约束违反，但在高维Safety Gymnasium任务中暴露了first-order velocity barriers和linear EDMD模型的局限性。
Verus-SpecGym: An Agentic Environment for Evaluating Specification Autoformalization
Anmol Agarwal et al.
cs.SE cs.AI cs.CL cs.PL
本文提出了Verus-SpecBench基准和Verus-SpecGym环境，用于评估LLM agent将非正式编程问题自动形式化为formal specification的能力，并通过扩展Verus的exec_spec机制实现基于测试的自动评估。实验表明，前沿模型能解决大部分任务，但生成的spec仍存在遗漏假设、误判输入输出等缺陷，且LLM-as-a-judge评估会遗漏大量失败案例。
AnchorDiff: Training-Free Concept Grounding for MM-DiTs via Anchor-Based Graph Propagation
Jian Zhang, Zhijun Zhang
cs.CV cs.AI
本文提出AnchorDiff，一种无需训练的grounding方法，通过从concept-to-image attention map中选择高置信度anchor并在image-to-image self-attention构建的混合图上传播，以解决MM-DiTs中视觉混淆概念间的concept leakage问题。实验在ImageNet-Segmentation和PascalVOC上验证了grounding性能，并在提出的Multi-Concept Confusion Dataset上展示了减少泄漏的效果。
Generalized Range Filtering Approximate Nearest Neighbor Search: Containment and Overlap [Technical Report]
Yingfan Liu et al.
cs.DB cs.IR
本文研究了带范围过滤的近似最近邻搜索的广义形式RRANN，提出了一种多段树图方法，通过避免遍历不满足谓词的节点来高效处理任意范围-范围谓词。实验表明该方法在RRANN查询上比基线方法快12.5倍，并在其他变体上达到可比或更优性能。
Comparative Study of Vision-Based Metric Measurement for Large-Scale Planar Scenes
ZhiXin Sun
cs.CV cs.AI
本文比较了三种基于视觉的大尺度平面场景度量方法：单目测距、图像拼接鸟瞰变换和双目测距。实验表明单目测距在大俯仰角下可达米级精度，双目测距可达分米级精度，而图像拼接在小场景中有效但随场景增大稳定性下降。
Efficient On-policy Visual-RL via Stochastic Decoupled Policy Gradient
Haoxiang You et al.
cs.RO cs.AI cs.CV cs.LG eess.SY
本文提出了一种轻量级的视觉强化学习方法SDPG，通过随机扰动轨迹rollout来估计policy gradient，在单个GPU上数小时内即可训练端到端的视觉运动控制策略。该方法在视觉MuJoCo基准测试中显著降低了计算和内存开销，并展示了有效的sim-to-real迁移。
OmniInteract: Benchmarking Real-World Streaming Interaction for Real-Time Omnimodal Assistants
Xudong Lu et al.
cs.CV cs.CL
本文提出了OmniInteract，一个用于评估实时全模态大语言模型在流式交互中性能的benchmark。该benchmark要求模型在无法访问未来内容的在线音频-视频流中处理用户查询，并评估了响应正确性、时机等多个维度。
Unveiling the Fragility of Vision-Language Models: Multi-Modal Adversarial Synergy via Texture-Constrained Perturbations and Cross-Modal Optimization
Xiang Fang, Wanlong Fang, Changshuo Wang
cs.CV cs.AI
本文提出了一种针对大型视觉-语言模型(LVLM)的黑盒通用对抗攻击框架MMAS，通过联合优化纹理约束的图像扰动和嵌入空间中的文本扰动，利用跨模态正则化增强攻击的协同性与迁移性。实验证明了该方法在多种LVLM上的有效性。
Foundations of a Time-Consistent Counterfactual Actuarial Runtime for Autonomous AI Agents
Hao-Hsuan Chen
q-fin.RM cs.AI
本文为自主AI agent提出了一种时间一致的、反事实的精算运行时层，将每项可能产生副作用的行动与基于合同固定安全默认值的风险费用关联。文章建立了四个结构性结果，包括反事实费用的定义、无分割性质、不可逆权威溢价以及保守运行时门控定理，为后续的实证、机制设计和动态承保研究提供了数学基础。
CSV-ViT: A Vision Transformer with the Variable-sized Cortical Supervertices for Detection of Alzheimer's Disease Pathologies
Geonwoo Baek, Ikbeom Jang
cs.CV cs.AI cs.LG
本文提出了一种基于大脑皮层表面的Vision Transformer模型CSV-ViT，通过可变大小的皮层超顶点（CSV）进行tokenization，并利用padding和mask-aware patch embedding处理可变大小patch，用于阿尔茨海默病相关病理的MRI分类。实验表明该方法在AD诊断、淀粉样蛋白和tau蛋白阳性分类上优于现有表面模型。
InterSketch: An Interleaved Reasoning Model with Self-correcting Visual Sketch and Stepwise Reward
Zhiwei Ning et al.
cs.CV cs.AI
本文提出InterSketch模型，通过自纠正视觉草图和逐步奖励机制增强视觉-文本交错推理能力。该方法在冷启动阶段构建高质量交错推理数据集，并在强化学习阶段设计逐步奖励以缓解长程推理中的奖励稀疏问题。
StreamSplit: Continuous Audio Representation Learning via Uncertainty-Guided Adaptive Splitting
Minh K. Quan, Pubudu N. Pathirana
cs.DC cs.AI cs.LG
本文提出StreamSplit框架，通过分布式的Hybrid Loss和基于Reinforcement Learning的自适应分割策略，解决了边缘设备上连续音频表示学习与大batch Contrastive Learning的矛盾，在保持精度接近服务器模型的同时显著降低了延迟、带宽和能耗。
CmIVTP: Cross-modal Interaction-based Vessel Trajectory Prediction for Maritime Intelligence
Yuxu Lu et al.
cs.CV cs.AI
本文提出了一种基于跨模态交互的船舶轨迹预测框架CmIVTP，通过融合AIS数据和CCTV视频数据来提升预测精度。该方法利用目标感知场景编码器和跨模态交互transformer捕捉船舶动态与环境约束之间的复杂交互，并构建了船舶轨迹库以生成候选轨迹。
ReCA: Multi-Shot Long Video Extrapolation via Recursive Context Allocation
Akide Liu et al.
cs.CV cs.AI
本文定义了Multi-Shot Video Extrapolation (MSVE)任务，并提出Recursive Context Allocation (ReCA)框架，通过递归地将长视频生成分解为上下文有界的子问题来解决该任务。该方法在多个指标上优于现有方法，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词。
A Hybrid Vision-Language Architecture for Automated Defect Reasoning and Report Generation in Industrial Inspection
Malikussaid, Imad Gohar
cs.CV cs.AI cs.CL cs.LG
本文提出了一种用于工业检测的解耦式视觉-语言流水线，包含目标检测、空间编码和报告生成三个模块，在风力涡轮机叶片缺陷检测任务上优于端到端模型。该方法主要关注工程实现而非理论创新，与关键词列表中的概念关联较弱。
DGLD: Domain-Gated Latent Diffusion for the Discovery of Novel Energetic Materials
Yehudit Aperstein, Alexander Apartsin
physics.chem-ph cs.AI
本文提出Domain-Gated Latent Diffusion (DGLD)方法，用于发现新型含能材料。该方法通过标签质量门控和多任务评分模型指导，结合DFT验证，发现了12个DFT确认的新候选化合物。
SEC-bench Pro: Can Language Models Solve Long-Horizon Software Security Tasks?
Hwiwon Lee et al.
cs.CR cs.LG
本文提出了SEC-bench Pro基准测试，用于评估LLM agent在V8和SpiderMonkey等复杂软件系统中进行长周期漏洞挖掘的能力，包含183个已验证漏洞。实验表明，当前最先进的coding agent在该任务上的成功率仍低于40%，揭示了其在长程bug hunting任务中的局限性。
TrackRef3D: Multi-View Consistent Track-then-Label for Open-World Referring Segmentation in 3D Gaussian Splatting
Yuyang Tan et al.
cs.CV cs.LG
TrackRef3D提出了一种全自动的3DGS中开放世界指代分割方法，通过轨迹感知语义共识模块和混合训练策略实现多视图一致性，无需人工标注。该方法在基准测试中取得了最优性能，但未涉及code、spectral、Muon等关键词相关技术。
Bridging Control with Neural Network Verifier alpha-beta-CROWN: A Tutorial
Haoyu Li et al.
eess.SY cs.AI cs.LG math.OC
本文介绍了将神经网络验证器\(\alpha,\!\beta\)-CROWN应用于控制系统的统一框架，该框架通过计算非线性函数的紧致界和线性松弛，为可达性分析和Lyapunov稳定性验证等任务提供了可扩展的GPU并行化方案。
Examining the Challenges of Intellectual Property in AI-Generated Productions
Ali Mazhar, Mohammad Zare, Marjan Veysi
cs.CY cs.AI
本文探讨了AI生成作品在知识产权领域面临的挑战，比较了伊朗、欧盟、英国和美国的法律框架，指出现有法规存在显著空白，并建议通过修订法律或定义新型知识产权来平衡创新与人类创造力。
Cordyceps: Covert Control Attacks on LLMs via Data Poisoning
Zedian Shao, Charles Fleming, Teodora Baluta
cs.CR cs.AI cs.LG
本文提出了一种针对LLM的数据投毒攻击方法Cordyceps，通过语义关联隐藏恶意指令，并评估了其绕过多种防御的能力。该方法与关键词中的“code”、“context”或“attention”等概念关联较弱。
MedVol-R1: Reward-Driven Evidence Grounding for Volumetric Reasoning Segmentation
Zichun Wang et al.
cs.CV cs.AI
本文提出MedVol-R1，一个基于reinforcement learning的3D医学图像分割框架，通过将临床推理解耦为可验证的2D证据锚点（关键轴向切片和2D bounding boxes），再由冻结的MedSAM2模块传播为3D mask，从而提升可解释性和泛化能力。实验在多个基准上达到最优性能，但方法本身与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
Data-driven sparse identification of governing PDEs via knockoff filters and multi-criteria trade-offs
Pongpisit Thanasutives, Naichang Ke, Yoshinobu Kawahara
stat.AP cs.LG
本文提出KO-PDE-IDENT框架，通过model-X knockoff filters控制FDR并利用多准则决策平衡预测精度与模型复杂度，从含噪观测中识别稀疏PDE结构。该方法在五个经典PDE上验证了其消除假阳性并保留真实项的能力。
Sample Complexity of Policy Gradient for Log-Growth Control
Qiuhua Pan et al.
eess.SY cs.LG math.OC stat.ML
本文研究了log-growth控制问题中policy gradient的样本复杂度，通过配对观测值抵消奇异性的方法，证明了在已知和未知噪声密度下的样本复杂度上界。
Respecting Modality Gap in Post-hoc Out-of-distribution Detection with Pre-trained Vision-Language Models
Yuanwei Hu et al.
cs.CV cs.AI
本文挑战了预训练视觉-语言模型（VLM）中广泛使用的“文本作为原型”范式，指出文本嵌入与最优视觉原型之间存在固有的模态差距。为此，作者提出了一种在线伪监督框架，利用无标签的测试时数据流和VLM的软预测，直接在视觉特征空间中学习类原型，并提供了在线优化过程的收敛性理论保证。
CART Random Forests as Sequential Allocation over Random Opportunity Sets: A Stochastic-Control Theory of Ensemble Risk
Tianxing Mei et al.
stat.ML cs.LG
本文从随机控制视角重新审视CART random forests，将其节点分裂过程建模为随机可行动作集上的序贯分配问题，并分析了特征子采样与分裂策略对集成MSE的影响。该工作为理解CART森林的机制提供了新视角，但未直接涉及code、context、spectral等关键词。
Certified Causal Attribution for Real-Time Attack Forensics in 6G Network Slicing
Minh K. Quan, Pubudu N. Pathirana
cs.CR cs.AI
本文提出DA-GC框架，通过资源条件Granger因果性与资源竞争模型解决6G网络切片中跨切片攻击归因的实时性问题，在15切片测试平台上实现89.2%准确率与87ms延迟。该方法提供了形式化认证栈，包括统计有效性证明与安全边界分析。
DynFrame: Adaptive Reasoning-Driven Multimodal Framework with Dynamic Frame Augmentation for Complex Video Understanding
Peng Zhang et al.
cs.CV cs.AI
本文提出DynFrame框架，通过将时间窗口和采样密度作为原生token进行自回归生成，并结合Segment-Decoupled GRPO优化方法，解决了视频多模态大模型中证据检索与答案生成的结构性缺陷。实验表明该方法在多个基准上达到先进水平。
PinPoint: Prompting with Informative Interior Points
Pouya Sadeghi et al.
cs.CV cs.CL
本文提出PinPoint方法，通过融合多种视觉线索生成共识图，并选择远离边界的紧凑、空间多样化的内点作为prompt，以解决指代图像分割中prompt模糊性问题。该方法无需训练，仅使用冻结的vision-language model和SAM，在RefCOCO/+/g数据集上以5个内点的预算提升了12-18个点的cIoU，匹配了监督和强化学习调优方法的性能。
Rotation-Invariant Spherical Watermarking via Third-Order SO(3) Representation Coupling
Pengzhen Chen et al.
cs.CV cs.AI cs.CR cs.LG
本文针对全景图像在任意3D旋转下的水印鲁棒性问题，利用\(SO(3)\)表示理论构造了旋转不变的描述子，通过耦合高阶不可约表示的张量积得到球面不变双谱，并将水印嵌入高阶球谐系数中。实验表明该方法对连续旋转具有近乎完美的鲁棒性。
Proper Calibeating
Dean P. Foster, Sergiu Hart
econ.TH cs.LG stat.ML
本文扩展了校准预测和“calibeating”的概念到proper scoring rules类，证明了校准蕴含proper-calibration但calibeating不蕴含proper-calibeating，并展示了如何保证proper-calibeating及其与决策中无遗憾的等价性。
Transformers Can Learn Posterior Predictive Distributions In-Context
Gyeonghun Kang, Changwoo J. Lee, Xiang Cheng
stat.ML cs.LG
本文研究了transformer在上下文学习中近似后验预测分布的能力，通过构造方法证明其能实现梯度下降算法并给出误差界，但未直接涉及关键词中的核心概念。
Measuring Prediction Uncertainty in Neural Cellular Automata
Ario Sadafi et al.
eess.IV cs.AI cs.CV
本文研究了神经细胞自动机（NCA）在医学图像分割中的不确定性估计问题，提出了一种名为resilience的简单度量方法，通过扰动自动机状态来评估预测的稳定性。实验表明该方法在识别失败案例方面优于基线方法。
MatFormBench: A Benchmarking Evaluation Framework for Target-Driven Materials Formulation
Linhan Wu et al.
cond-mat.mtrl-sci cs.AI
本文提出了MatFormBench，一个用于评估目标驱动材料配方逆向设计算法的基准框架，并引入MatFormScore多维指标。该框架通过物理驱动的配方生成方案和五个难度级别，评估了39种算法在1170个任务上的表现。
Generative artificial intelligence and the marginalization of minoritized knowledges in higher education: the case of disability
Fatiha Tali-Otmani
cs.CY cs.AI
本文探讨了生成式人工智能在高等教育中如何边缘化非主流知识体系，特别是以残疾人群体的案例为例，指出训练数据集的西方中心主义加剧了认知殖民性。文章分析了研究者与机器之间的混合能否保留认知多样性，但未提供具体数学方法或与关键词相关的技术贡献。
Implementation of Big Data Analytics for Diabetes Management: Needs Assessment in the Rwanda Healthcare System
Silas Majyambere et al.
cs.CY cs.AI cs.LG
本文评估了卢旺达医疗系统采用大数据分析（BDA）管理糖尿病的准备情况，通过研讨会识别了实施中的挑战与潜力，并提出了一个基于可解释机器学习模型的BDA框架。该研究主要关注医疗政策与系统实施，与关键词中的数学或算法概念无直接关联。
HTMLCure: Turning Browser Experience into State Guided Repair for Interactive HTML
Jiajun Wu et al.
cs.SE cs.AI
本文提出HTMLCure框架，通过浏览器交互执行和状态引导修复来提升LLM生成的HTML页面质量。该方法利用VLM分析执行轨迹中的关键帧，并驱动闭环修复引擎，在97K提示语料上扩展出63K高质量页面用于SFT训练。
Neural Autoregressive Control Variates for the Quantum Monte Carlo Sign Problem
Bei Qiao, Lei Wang
cond-mat.str-el cs.LG physics.comp-ph
本文训练一对自回归模型构造零均值控制变量，以缓解量子蒙特卡洛模拟中的符号问题。该方法在随机级数展开框架下实现，并通过三角晶格海森堡反铁磁体的小规模数值实验验证了其有效性。
Particle-Lund Multimodality in Jet Taggers
Loukas Gouskos, Benedikt Maier
hep-ph cs.LG hep-ex
本文提出PLuM多模态架构，将粒子成分与Lund plane分裂投影到共享隐空间，通过cross-attention研究transformer是否隐式捕获QCD层次结构。实验表明，对top夸克和\(\mathrm{H}\to\mathrm{b}\bar{\mathrm{b}}\)标记有系统性提升，但对\(\mathrm{H}\to\mathrm{c}\bar{\mathrm{c}}\)或\(\mathrm{H}\to 4\mathrm{q}\)拓扑无显著改进，说明显式层次信息在b-jet形成中仍具互补价值。
The Sensation Modulating Network:Haltability as the architectural ground for object-directed phenomenology
G. Nagarjuna, Durgaprasad Karnam
q-bio.NC cs.AI cs.RO
本文提出Sensation Modulating Network (SMN)作为认知agent的架构，通过对手动力学和可暂停性解释对象导向现象学，但未涉及code、context、spectral、Muon、pretrain或attention等关键词，且方法缺乏与当前主流领域的直接关联。
Persistent AI Agents in Academic Research: A Single-Investigator Implementation Case Study
Anas H. Alzahrani
cs.MA cs.AI cs.HC
本文通过一个自观察案例研究，探讨了持久性AI Agent在学术研究环境中的部署与运行，重点分析了其架构、利用率及资源消耗模式。研究指出，这种持久性工作流以缓存为主导，可能将经济单位从每token成本转向每完成工件成本。
Knowledge Graphs as the Missing Data Layer for LLM-Based Industrial Asset Operations
Madhulatha Mandarapu, Sandeep Kunkunuru
cs.DB cs.AI cs.LG
本文探讨了在基于LLM的工业资产运维中，数据层（knowledge graph）对agent性能的影响，发现使用knowledge graph作为数据层可显著提升准确率，而LLM的编排方式并非主要瓶颈。
Strategies for Guiding LLMs to Use Software Design Patterns: A Case of Singleton
Viktor Kjellberg, Farnaz Fotrousi, Miroslaw Staron
cs.SE cs.AI
本文研究了通过不同提示策略（如指令、二元反馈等）引导LLMs在代码生成中应用Singleton设计模式的效果，实验表明策略效果高度依赖模型类型，且迭代二元反馈在保持代码功能的同时能最佳地实现模式对齐。
Practical Anonymous Two-Party Gradient Boosting Decision Tree
Huang Chenyu et al.
cs.CR cs.AI
本文提出了一种用于两方垂直分割数据的匿名梯度提升决策树（GBDT）训练协议，通过双电路私有集合交集（Dual circuit-PSI）和可编程伪随机函数（OPPRF）隐藏记录标识符（IDs），并优化了密文打包以降低同态加密开销。该工作主要解决了ID泄露问题，但方法在效率上仅与现有方案持平，且未涉及关键词中的核心概念。
Adaptive Reinforcement Learning for Robust Open Quantum System Control: A Multi-Task Framework with Temporal Optimization
Haftu W. Fentaw, Steve Campbell, Simon Caton
quant-ph cs.LG
本文提出了一种基于Multi-task Soft Actor-Critic (SAC)强化学习的框架，用于在开放量子系统中学习最优控制脉冲序列，并同时优化演化时间T和脉冲段数N。实验表明，该模型在多种Hamiltonian下能实现高保真度的状态转移，且对脉冲幅度扰动和退相干率变化具有鲁棒性。
MerLean-Prover: A Recursive Looping Harness for End-to-End Lean 4 Theorem Proving
Jinzheng Li, Zeru Zhu, Yuanjie Ren
cs.LO cs.CL
MerLean-Prover是一个端到端的Lean 4定理证明器，通过递归循环框架结合三种agent类型（Planning, Check, Lean）来替换证明中的sorry声明，无需微调或定制强化学习。在FormalQualBench和Putnam2025基准测试上，它超越了现有开源基线，表明harness设计在定理证明中与模型能力同等重要。
Signal-to-Noise Ratio and Sample Size Govern Representational Alignment in Neural Networks
Ali Hussaini Umar, Alessandro Laio
stat.ML cond-mat.dis-nn cs.LG cs.NE q-bio.NC
本文研究了神经网络中潜在表示的对齐（alignment）现象，发现信噪比（SNR）和训练样本大小以定性相似的方式影响对齐，且对齐与泛化误差并非单调相关。该工作主要关注数据质量与数量对表示结构的影响，与关键词中的code、context、spectral等概念关联较弱。
Constrained Bayesian Experimental Design via Online Planning
Yujia Guo et al.
stat.ML cs.LG
本文提出了一种结合离线预训练与在线多步前瞻规划的贝叶斯实验设计方法，用于处理动态约束下的实验序列优化。该方法通过场景树进行规划，在多种约束任务中比现有方法获得更优的设计序列。
Timestep-Aware SVDQuant-GPTQ for W4A4 Quantization of Wan2.2-I2V
Junhao Wu, Dezhong Yao, Hai Jin
cs.CV cs.AI
本文针对Wan2.2-I2V视频扩散模型提出了一种W4A4后训练量化框架，通过结合SVDQuant的低秩异常值补偿和GPTQ的残差权重量化，并针对不同噪声专家和timestep进行独立的激活裁剪阈值搜索，在降低59.3%峰值内存的同时仅造成轻微性能损失。该工作主要关注视频扩散模型的量化压缩，与关键词中的code、spectral、Muon等概念关联较弱。
ReasonOps: A Unified Operational Paradigm for Trustworthy Verified LLM Reasoning
Adnan Rashid
cs.LO cs.AI
本文提出了ReasonOps，一个将形式验证、运行时保证和神经符号推理整合到统一推理生命周期中的操作范式，旨在提升LLM推理的可信度。该方法通过持续监控和自适应修正来处理推理中的逻辑不一致和幻觉问题。
Black-box Membership Inference Attacks on the Pre-training Data of Image-generation Models
Tao Qi et al.
cs.CV cs.AI
本文针对扩散模型预训练数据的成员推理攻击问题，提出了一种黑盒攻击框架SD-MIA，通过分析模型对目标图像及扰动文本指令的去噪过程来提取成员线索。实验表明该方法在预训练数据场景下优于现有基线方法。
Lessons from Penetration Tests on Large-Scale Agent Systems
Kevin Eykholt et al.
cs.CR cs.AI
本文报告了2025年对专有agent产品进行的两次渗透测试结果，评估了AI agent系统的安全态势是否有所改善。研究发现，许多安全漏洞并非全新，而是反映了先前计算系统中长期存在的弱点类别。
Causal Representation Learning for Generalisable Recommendation
Yorgos Felekis et al.
stat.ML cs.LG stat.ME
本文提出了一种基于causal representation learning (CRL)的方法，通过信息论解缠准则及其变分下界，解决推荐系统中训练与部署时的distribution shift问题。该方法在Spotify的A/B测试和公开数据集上，实现了与基线相当的离线性能，但在分布偏移下带来了显著的在线收益。
ConVer: Using Contracts and Loop Invariant Synthesis for Scalable Formal Software Verification
Muhammad A. A. Pirzada et al.
cs.SE cs.AI
本文提出ConVer，一种基于LLM合成函数契约和CEGAR-CEGIS循环的C程序形式化验证工具，通过分解验证过程缓解状态空间爆炸问题。实验表明其在多个基准测试上取得一定成功率，但方法本身并非开创性突破，且与关键词关联较弱。
Cost of Structural Learning Under Censored Feedback: A Threshold-Bandit Approach
Michael Ledford, William Regli
cs.MA cs.LG
本文研究了在审查反馈（censored feedback）下进行结构学习的代价，提出了阈值激活合作多臂老虎机（TAC-MAB）框架，并设计了集中式算法C-TAC和分布式协议D-TAC。实验表明，D-TAC在保持可行性对齐的同时，相比集中式基线实现了23倍的通信减少。
Gaussian Process-based learning with new MCMC-based implementation of Wishart prior on correlation matrix
Kane Warrior, Dalia Chakrabarty
stat.ML cs.LG
本文提出了一种基于MCMC的Wishart先验实现方法，用于高斯过程学习中相关矩阵的推断，通过引入自适应时间步长尺度矩阵来改进高维协方差矩阵的贝叶斯推断。该方法在合成数据和真实数据集上进行了验证。
Improved Hardness Results for Nash Social Welfare, Budgeted Allocation and GAP via the Unique Games Conjecture
Vignesh Viswanathan
cs.GT cs.DS
本文针对不可分物品分配问题，利用Unique Games Conjecture构造了新的dictator test，证明了最大化Nash社会福利、预算分配和广义分配问题（GAP）的近似比下界，分别改进至约1.0761、1.07和1.124。这些结果在计算复杂性理论中具有意义，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention无直接关联。
Pop-Up Distractions Reveal Bag-of-Events Behavior in Video Large Language Models
Oscar Chew et al.
cs.CV cs.CL
本文通过引入DistractionBench基准，发现Video Large Language Models在处理包含无关视频片段（如广告）时，会错误地将不同片段中的主体与事件关联，表现出“bag-of-events”行为，即模型将视频视为事件集合而非时间序列。该研究揭示了当前VideoLLMs在时间grounding上的缺陷。
JLT: Clean-Latent Prediction in Latent Diffusion Transformers
Funing Fu et al.
cs.CV cs.LG
本文研究了在latent diffusion Transformers中，clean-latent prediction（预测干净隐变量）相比velocity prediction（预测速度）的优势，通过局部Gaussian分析揭示了二者在目标协方差结构上的差异，并在ImageNet 256x256上验证了clean prediction的更好性能。
BAIT: Boundary-Guided Disclosure Escalation via Self-Conditioned Reasoning
Xuan Luo et al.
cs.CR cs.CL
本文提出了一种名为BAIT的三步越狱框架，通过让模型识别并细化其保护边界，利用模型自身的推理一致性逐步诱导其披露恶意内容。实验表明该方法在多个基准测试上对顶级大语言模型有较高攻击成功率。
PILOT: A Data-Free Continual Learning Approach for Real-Time Semantic Segmentation via Boundary Guidance
Yujing Zhou et al.
cs.CV cs.LG
本文提出了一种针对实时语义分割模型PIDNet的持续学习框架PILOT，通过引入并行Derivative-branch来捕捉新类别的边界信息，同时冻结原始网络参数以缓解灾难性遗忘。该方法仅使用新类别数据训练，在保持实时性能的同时实现了对新旧类别的有效分割。
Beyond the Data Mesh Illusion: Designing Modern AI-augmented Lakehouses to Bridge the Gap Between Theory and Practice
Oliver Angélil, Jan Migon
cs.ET cs.AI cs.DB
本文提出了一种基于现代lakehouse架构的AI增强型hub-and-spoke模型，旨在解决数据网格理论中领域自服务与整体治理之间的张力。该架构通过中心卓越中心提供共享平台服务和AI治理，同时允许领域团队逐步承担更多责任，但并未直接涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
Is an Image Also Worth 16x16=256 Superpixels? A Framework for Attentional Image Classification
Pedro Henrique da Costa Avelar, Anderson R. Tavares, Luís C. Lamb
cs.CV cs.LG
本文提出了Superpixel Transformers (SPT)框架，将superpixel-based图像分类与Vision Transformers (ViTs)结合，通过引入多维正弦-余弦positional encoding和增强的patch数据结构来整合superpixel的形状与颜色信息。实验表明SPT在多个数据集上优于先前基于superpixel的GNN方法，并与ViT性能相当。
Semantic Robustness Probing via Inpainting: An Interactive Tool for Safety-Critical Object Detection
Nico Steckhan et al.
cs.CV cs.AI
本文介绍了SemProbe，一个通过扩散模型驱动的图像修复来探测目标检测器语义鲁棒性的交互工具，支持用户自定义掩码和生成参数，并自动进行模型推理与性能对比。该工作主要面向安全关键领域的测试场景，但与我提供的关键词列表关联度较低。
An investigation of AI integration in sound designer workflows and experiences
Nelly Garcia, Joshua Reiss
cs.SD cs.AI cs.CY
本文通过混合方法研究（76份问卷和20次访谈）调查了AI在声音设计师工作流程中的整合现状，发现当前AI工具在快速消费媒体中表现尚可，但缺乏高端声音设计所需的叙事复杂性。从业者更偏好辅助性、任务特定的应用（如音频修复和库管理），而非端到端的生成系统。
FoundObj: Self-supervised Foundation Models as Rewards for Label-free 3D Object Segmentation
Zihui Zhang et al.
cs.CV cs.AI cs.LG cs.RO
本文提出FoundObj框架，利用自监督2D/3D foundation models的语义和几何先验作为奖励，通过强化学习引导superpoint-based agent逐步合并相邻超点，实现无标注3D点云中的多类物体分割。该方法在多个基准上优于现有方法，并在零样本和长尾场景中展现出良好的泛化能力。
Generative Animations: A Multi-Model Pipeline for Prompt-Driven Motion Synthesis
Mannat Khurana, Sanyam Jain, Rishav Agarwal
cs.CV cs.AI
本文提出了一种名为Generative Animations的系统，通过串联Large Language Models (LLMs)和Segment Anything Model (SAM)将自然语言提示转化为动画运动路径，并处理场景几何与深度遮挡。该系统展示了轮廓跟随、轨道动画和透视对齐运动等应用案例。
TWIST: Closed-Loop token Synchronization for Application-Aware Wireless Digital Twins
Sige Liu, Kezhi Wang
eess.IV cs.AI
TWIST提出了一种面向应用感知的无线数字孪生闭环token同步框架，通过任务相关性分组和模式条件不等错误保护来优化语义状态同步，而非视觉重建。实验表明该方法在动态道路场景中优于固定模式和仅信道自适应策略。
Qiskit QuantumKatas: Adapting Microsoft's Quantum Computing exercises for LLM evaluation
Juan Cruz-Benito, Ismael Faro
quant-ph cs.AI
本文介绍了将Microsoft的QuantumKatas量子计算课程从Q#适配到Qiskit框架，并构建了一个包含350个任务的LLM评估基准。实验评估了16个LLM在7种提示配置下的表现，发现模型在实现已知算法上表现良好，但在问题编码任务上表现较差。
Many Logics, One Methodology: A Plea for Logical Pluralism in Formalised Reasoning (preprint)
Christoph Benzmüller, Daniel Kirchner, Luca Pasetto
cs.LO cs.AI math.LO
本文主张在形式化推理中采用逻辑多元主义，通过在经典高阶逻辑(HOL)中浅嵌入非经典逻辑的方法论，反对单一基础逻辑的“逻辑帝国主义”，并强调LogiKEy框架在跨学科知识表示与推理中的重用价值。
PilotTTS: A Disciplined Modular Recipe for Competitive Speech Synthesis
Bowen Li et al.
cs.SD cs.AI
本文提出PilotTTS，一个轻量级自回归TTS系统，通过200K小时数据和开源工具实现竞争性能。其贡献包括可复现的多阶段数据处理pipeline和基于Q-Former的紧凑模型架构，支持零样本语音克隆、情感合成等功能。
FineVLA: Fine-Grained Instruction Alignment for Steerable Vision-Language-Action Policies
Xintong Hu et al.
cs.RO cs.AI
本文提出了FineVLA框架，通过构建细粒度指令对齐的数据集和训练策略，提升了Vision-Language-Action模型在机器人任务中的可操控性。实验表明，细粒度监督与目标级指令互补，在仿真和真实场景中均显著提高了任务成功率。
Risk Averse Alert Prioritization for IDS Using Subnormal Gaussian Fuzzy Models
Murat Moran
cs.CR cs.AI cs.HC cs.LG eess.SY
本文提出了一种基于subnormal Gaussian fuzzy numbers的IDS告警优先级排序框架，通过建模威胁严重性、检测置信度和组织风险态度三种不确定性来源来缓解告警疲劳问题。实验表明该方法在检测器退化场景下比基线方法更鲁棒。
Governed Evolution of Agent Runtimes through Executable Operational Cognition
Mariano Garralda-Barrio
cs.SE cs.AI cs.MA
本文提出了一种名为HarnessMutation的框架，用于在多智能体系统中对agent生成的运行时工件进行受控演化，将其视为持久化的运行时能力而非临时输出。该框架通过显式的验证、可追溯性、评估和回滚约束来管理运行时适应过程，为自适应基础设施提供了概念基础。
EdgeFlow: Edge-Map Augmented VLM-Based Flowchart Processing for Industrial Requirements Engineering
Zhifei Dou, Shabnam Hassani, Ou Wei
cs.SE cs.AI cs.CV
本文提出EdgeFlow方法，通过向Vision Language Model (VLM)输入中添加Canny edge map作为结构先验，以改进工业需求工程中流程图到Mermaid代码的转换，无需训练数据或微调。实验表明该方法在工业数据集上提升了节点和边的F1分数，但在公共合成基准上无显著改进。
Towards Controllable Image Generation through Representation-Conditioned Diffusion Models
Nithesh Chandher Karthikeyan, Jonas Unger, Gabriel Eilertsen
cs.CV cs.LG
本文探索了使用预训练自监督模型的表示来条件化diffusion models，以提升无条件图像生成质量并实现可控生成，但方法尚属初步，未解决长期问题或与关键词高度契合。
When Eyes Betray AI: Social Gaze Consistency as a Semantic Cue for AI-Generated Image Detection
Kim Jihyeon et al.
cs.CV cs.AI
本文提出Social Gaze Consistency作为AI生成图像检测的高层语义线索，通过构建诊断数据集和Block-Compositional Caption Supervision方法，在多个backbone上验证了该线索的有效性，并解释了其跨生成器迁移的机制。
GENESIS: Harnessing AI Agents for Autonomous 6G RAN Synthesis, Research, and Testing
Tamerlan Aghayev et al.
cs.NI cs.AI
GENESIS是一个用于6G无线接入网（RAN）研发的AI agent框架，它通过将意图（如规范条款或研究假设）转化为经过空中实验验证的解决方案，并存入持久知识库，来解决传统RAN研发中耗时的六个结构性问题。该框架基于可组合的agent、技能和钩子，以及一个名为SYNAPSE的知识层，旨在加速从代码合成到安全测试的整个研发流程。
LocateAnything: Fast and High-Quality Vision-Language Grounding with Parallel Box Decoding
Shihao Wang et al.
cs.CV cs.AI cs.LG cs.RO
本文提出LocateAnything框架，通过并行框解码（Parallel Box Decoding）将bounding box和point等几何元素作为原子单元一步解码，以提升视觉定位与检测的效率和精度。该方法主要关注解码速度与定位质量的权衡，并未涉及code、spectral、Muon或agent等关键词相关的内容。
Algorithmic Monocultures in Hiring
Rishi Bommasani et al.
cs.CY cs.AI
本文研究了招聘中算法单一文化（algorithmic monoculture）的影响，通过分析同一供应商算法筛选的300万申请者数据，发现种族差异和结果同质性。研究表明，申请者需要广泛投递才能确保申请被人工审阅。

- 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.

↑