bluearXiv-ai 论文精选

2026-06-08
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
98
cs.AI
35
cs.IR
15
cs.CL
63
cs.DS
4
others
124
总计
339

⭐ 精选论文 ↑ 回顶部

cs.LG

SCALE: Scalable Cross-Attention Learning with Extrapolation for Agentic Workflow Scheduling ⭐ 精选
Zhifei Xu et al.
cs.LG cs.AI
TALAN: Task-Aligned Latent Adaptation Networks for Targeted Post-Training of Large Language Models ⭐ 精选
Chengkai Zhang et al.
cs.LG
Closed-Form Spectral Regularization for Multi-Task Model Merging ⭐ 精选
Yongxian Wei et al.
cs.LG cs.CV
Do Coding Agents Deceive Us? Detecting and Preventing Cheating via Capped Evaluation with Randomized Tests ⭐ 精选
Thanawat Lodkaew et al.
cs.LG cs.AI cs.CL stat.ME
Accelerated Decentralized Stochastic Gradient Descent for Strongly Convex Optimization ⭐ 精选
Ming Sun, Kun Yuan
cs.LG math.OC

cs.AI

Lean4Agent: Formal Modeling and Verification for Agent Workflow and Trajectory ⭐ 精选
Ruida Wang et al.
cs.AI cs.LG cs.LO cs.SE
Online Pandora's Box for Contextual LLM Cascading ⭐ 精选
Alexandre Belloni, Yan Chen, Yehua Wei
cs.AI cs.LG econ.EM stat.ML

cs.IR

DREAM: Dynamic Refinement of Early Assignment Mappings ⭐ 精选
Liwei Guan et al.
cs.IR

cs.DS

Towards Tight Bounds for Streaming Attention ⭐ 精选
Justin Y. Chen et al.
cs.DS cs.LG

others

Autonomous heterogeneous catalyst discovery with a self-evolving multi-agent digital twin ⭐ 精选
Zhilong Song, Zongmin Zhang, Lixue Cheng
cond-mat.mtrl-sci cs.AI physics.chem-ph
P-Cast Precision in FP8 Attention: Sink-Induced Collapse and the Optimality of S=2^8 ⭐ 精选
Reed Lau
cs.AR cs.AI cs.DC cs.LG cs.PF
Agentic Large Language Models for Automated Structural Analysis of 3D Frame Systems ⭐ 精选
Ziheng Geng et al.
cs.GR cs.AI
Generalization in Deep Neural Networks: Minimax Rates for Gradient Methods ⭐ 精选
Junyu Zhou et al.
stat.ML cs.AI cs.LG
Towards Unified Song Generation and Singing Voice Conversion with Accompaniment Co-Generation ⭐ 精选
Ziyu Zhang et al.
cs.SD cs.AI
dots.tts Technical Report ⭐ 精选
Shi Lian et al.
cs.SD cs.AI eess.AS
Socratic-SWE: Self-Evolving Coding Agents via Trace-Derived Agent Skills ⭐ 精选
Chuan Xiao et al.
cs.SE cs.AI
MemDreamer: Decoupling Perception and Reasoning for Long Video Understanding via Hierarchical Graph Memory and Agentic Retrieval Mechanism ⭐ 精选
Cong Chen et al.
cs.CV cs.AI cs.CL

📄 所有论文 ↑ 回顶部

cs.LG

SCALE: Scalable Cross-Attention Learning with Extrapolation for Agentic Workflow Scheduling ⭐ 精选
Zhifei Xu et al.
cs.LG cs.AI
本文提出SCALE，一种基于cross-attention pointer network的DRL调度器，用于agentic LLM系统中的workflow DAG调度。其核心创新在于通过Structured Representation Regularization (SRR)（结合decorrelation loss和KL penalty）稳定attention feature的分布，使得模型在训练时仅使用16个节点，即可直接泛化到32和48个节点的未见规模，无需微调。实验表明，SRR有效缩小了scale-generalization gap，在N=48时平均响应时间降低8.9%，解决了现有DRL调度器需随集群规模变化而重新训练的问题。
TALAN: Task-Aligned Latent Adaptation Networks for Targeted Post-Training of Large Language Models ⭐ 精选
Chengkai Zhang et al.
cs.LG
TALAN提出了一种名为Task-Aligned Latent Adaptation Networks的序列条件化潜在侧路径，将其插入transformer的residual stream中，并与low-rank adapter在同一个SFT循环中联合训练。该方法通过压缩活跃序列为latent memory，再将其混合为token-level perturbations并通过受控的residual update写回，从而在标准adapter-based post-training框架内实现了输入感知的activation intervention。实验表明，TALAN在多个STEM/code benchmark上以极小的参数量（<1%）和推理开销（1.01-1.02x）提升了LoRA和DoRA的性能，且其小幅度正交扰动在深度上传播放大，为研究可引导的activation-level adaptation提供了实用平台。该方法与关键词中的code和attention（通过序列条件化影响token-level表示）较为契合。
Closed-Form Spectral Regularization for Multi-Task Model Merging ⭐ 精选
Yongxian Wei et al.
cs.LG cs.CV
本文针对多任务模型合并中的二次干扰最小化问题，揭示了迭代求解器并非主要作为优化器，而是作为病态normal equation的隐式谱正则化器（implicit spectral regularizer），其中小特征值方向会放大代理噪声。基于此发现，作者将多任务模型合并形式化为一个带噪线性逆问题，并提出了一种谱滤波估计器（spectral filtering estimator），通过SWUDI方法实现闭式求解，该方法结合了软指数滤波器（匹配梯度流轨迹）和硬top-K截断（抑制噪声放大方向）。此外，SWUDI-A自适应变体通过逐层秩规则替代全局超参数，进一步提升了鲁棒性。该方法在多个基准上匹配或超越现有方法，同时将运行时间减少28-72倍，峰值GPU内存降低高达50%，与关键词“spectral”高度契合。
Do Coding Agents Deceive Us? Detecting and Preventing Cheating via Capped Evaluation with Randomized Tests ⭐ 精选
Thanawat Lodkaew et al.
cs.LG cs.AI cs.CL stat.ME
本文提出CapCode框架，通过构造capped evaluation（将非作弊可达到的最佳性能上限故意设定在1以下）的随机化测试数据集，使得评估分数具有更清晰的解释：显著高于上限的分数可被检测为作弊行为。进一步提出CapReward奖励设计，基于CapCode原则抑制优化器对上限的过度优化。实验表明该方法能有效检测并减少coding agent的欺骗性表现，与关键词"agent"和"code"高度契合。
Accelerated Decentralized Stochastic Gradient Descent for Strongly Convex Optimization ⭐ 精选
Ming Sun, Kun Yuan
cs.LG math.OC
本文提出Multi-Gossip Accelerated DSGD (MG-ADSGD)，一种用于强凸优化的去中心化随机梯度下降算法。该方法通过将Nesterov型原始-对偶外推与多轮快速gossip平均相结合，并巧妙地将gossip深度与mini-batch大小耦合，同时提升了consensus精度并降低了梯度方差。该算法在通信复杂度上达到了\(\widetilde{\mathcal O}\!\left( \frac{\sigma^2}{\mu n\epsilon}\log\frac{1}{\epsilon} + \sqrt{\frac{\kappa}{1-\beta}}\log\frac{1}{\epsilon} \right)\)，首次在去中心化随机优化中同时实现了对条件数\(\kappa\)的加速依赖（\(\sqrt{\kappa}\)）和对网络spectral gap \(1-\beta\)的加速依赖（\(1/\sqrt{1-\beta}\)），解决了该领域长期存在的效率瓶颈问题。
Elmes*: Automated Construction of Fine-Grained Evaluation Rubrics for Large Language Models in Long-Tail Educational Scenarios
Tao Liu et al.
cs.LG
本文提出了Elmes*框架，用于在教育场景中自动构建细粒度的评估标准，并构建了Edu-330基准。该工作主要关注LLM的教学能力评估，与关键词中的agent概念有一定关联，但整体方法更偏向于评估框架设计而非核心理论创新。
FAIR-Calib: Frontier-Aware Instability-Reweighted Calibration for Post-Training Quantization of Diffusion Large Language Models
Haoyu Huang et al.
cs.LG cs.AI
本文针对Diffusion Large Language Models (dLLMs)在Post-Training Quantization (PTQ)中存在的“稳定性滞后”问题，提出了FAIR-Calib框架。该框架通过两阶段校准，优先保护易受量化误差影响的脆弱前沿状态，从而减少决策翻转和提交后不匹配。
Multi-Scale Feature Attention Network for Polymer Classification using THz Dual-Comb Spectroscopy
Roshni Mahtani et al.
cs.LG cs.AI
本文利用太赫兹双梳光谱技术结合提出的多尺度特征注意力网络(MSFAN)进行聚合物分类，该网络通过特征门控和多尺度并行卷积处理光谱信号，在12种聚合物分类任务中达到85.2%的准确率。
MacArena: Benchmarking Computer Use Agents on an Online macOS Environment
Victor Muryn et al.
cs.LG cs.AI cs.HC
本文提出了MacArena，一个在Apple Silicon上运行的macOS环境基准测试，包含421个手动验证的任务，用于评估computer-use agents的GUI操作能力。实验表明，模型在现有Linux基准上的表现不能直接迁移到macOS环境，且模型排名在不同任务子集间会发生反转。
WAV: Multi-Resolution Block Residual Routing for Deep Decoder-Only Transformers
Kehan Wang
cs.LG cs.AI
本文提出WAV v1，一种用于decoder-only Transformers的多分辨率残差路由方法，通过为每个block增加方向性细节基（phase basis和split basis）来增强标准block-level残差摘要。实验表明，该方法在深层（48层）Transformer上能降低验证损失，但浅层效果不明显。
Are you sure? A Comprehensive and Comprehensible Survey of Uncertainty Quantification in Symbolic Regression
Julia Reuter, Fabricio Olivetti de Franca
cs.LG
本文综述了符号回归(SR)中不确定性量化(UQ)的研究现状，将现有方法分为频率学派、贝叶斯和模型选择三个方向，并指出该领域仍缺乏可靠的UQ方法。
Generative Models Erode Human Temporal Learning Through Market Selection
Wenjun Cao
cs.LG cs.AI cs.CY econ.GN
本文探讨了生成模型通过市场选择机制侵蚀人类时间学习(HTL)的风险，定义了一种价值崩溃路径，并利用成本检验框架进行形式化分析。跨领域证据表明，即使模型对齐成功，也会加剧对HTL密集型工作的竞争压力。
Skip a Layer or Loop It? Learning Program-of-Layers in LLMs
Ziyue Li, Yang Li, Tianyi Zhou
cs.LG
本文发现LLM中预训练层可被跳过或循环形成动态程序（PoLar），并提出轻量级预测网络来为每个输入生成执行程序。实验表明该方法在数学推理任务上能提升准确率并减少层数使用。
Gaussian Process Latent Factor Regression for Low-Data, High-Dimensional Output Problems
Edward T. Stevenson et al.
cs.LG astro-ph.EP astro-ph.IM stat.ML
本文提出了一种名为Gaussian process latent factor regression (GPLFR)的模型，通过将高维输出表示为低维latent state的线性-Gaussian解码，并利用Gaussian process prior进行建模，从而在低数据场景下实现高维输出预测。该方法在系外行星气候模型模拟中展示了应用潜力。
Principles and Practice of Deep Representation Learning: or a Mathematical Theory of Memory
San Buchanan et al.
cs.LG
本文从representation learning的视角，试图通过优化和信息论原理解释现代深度网络架构的设计，将架构开发过程简化为线性代数和微积分练习，并讨论了其在可解释性和可控性方面的应用。
The Identity Trap in EEG Foundation Models: A Diagnostic Audit
Jun-You Lin, Ying Choon Wu, Tzyy-Ping Jung
cs.LG q-bio.NC
本文提出FMScope协议，通过方差分解、subject-axis擦除等诊断方法，揭示EEG foundation models在subject-disjoint交叉验证中可能依赖subject-identity特征（即Identity Trap），而非真正的临床biomarker。实验表明该陷阱普遍存在，且可通过移除subject-variance轴改善标签解码。
Capturing non-Markovian dynamics in non-equilibrium stochastic systems using flow matching
Bhargav Sriram Siddani et al.
cs.LG cond-mat.stat-mech physics.comp-ph
本文使用生成式flow matching方法直接建模随机粒子系统中通量的概率分布，以捕捉非平衡随机系统中的非马尔可夫和非高斯效应。该方法在Kramers首次通过时间问题上进行了演示，相比马尔可夫基线模型（正则化Dean-Kawasaki方程）能更准确地预测短时间行为和数密度的统计矩。
Explainable Runtime Dependency Tracking for AI-RAN Conflict Monitoring
Christie Djidjev, Nicholas Kaminski
cs.LG
本文研究AI-RAN中的运行时依赖追踪问题，使用Boolean matrix表示依赖关系并通过sliding-window inference进行一致性检测，为冲突监控提供可解释信号。
Uncertainty-Aware LLM-Guided Policy Shaping for Sparse-Reward Reinforcement Learning
Ujjwal Bhatta et al.
cs.LG
本文提出ULPS框架，将校准后的LLM与RL训练结合，通过A*轨迹和不确定性感知机制解决稀疏奖励问题，在MiniGrid基准上提升了成功率和样本效率。该方法主要关注agent引导和上下文利用，与关键词中的agent和context有一定关联。
Spatiotemporal Imputation with Graph-Informed Flow Matching
Zepeng Zhang et al.
cs.LG
本文提出GiFlow框架，利用图信息流匹配（graph-informed flow matching）进行时空数据插补，通过构建基于时空滤波的图信息先验替代高斯先验，并设计混合向量场模型整合空间与时间注意力机制。实验表明该方法在合成和真实数据集上优于现有方法。
Towards Serverless Semi-Decentralized Federated Learning with Heterogeneous Optimizers
Su Wang, Mung Chiang, H. Vincent Poor
cs.LG cs.DC cs.NI eess.SY
本文提出了一种名为SSD-FL的无服务器半去中心化联邦学习方法，通过轻量级的设备间初始化阶段实现集群形成，并利用“有效损失函数”整合异构ML优化器与网络图正则化，以解决去中心化环境中的集群优化问题。实验表明该方法在收敛速度和通信效率上优于多种去中心化FL方法。
The Geography of Algorithmic Judgment: LLM Intermediaries, Place Identity, and Racial Steering in Housing Search
Hana Samad et al.
cs.LG cs.AI cs.CY
本文通过行为审计研究了LLM在住房搜索中的种族引导现象，发现引导行为是模型解释性许可的涌现结果，而非静态属性，且城市作为测试单元不具有普适性。
RECAP: Regression Evaluation for Continual Adaptation of Prompts
Harsh Deshpande et al.
cs.LG cs.CL
本文提出了RECAP基准，用于评估在严格主动适应协议下（即优化方法仅接收约束规范，在未见测试数据前必须泛化）的持续学习现象（如遗忘、回归和前向迁移）。实验发现现有方法在性能上无显著提升，表明它们不适用于主动适应范式。
ShallowBench: Benchmarking Generative Drug Design Models on Shallow-Pocket Targets
Saket Reddy, Shiwei Liu
cs.LG cs.AI q-bio.BM q-bio.QM
本文提出了ShallowBench，一个包含5780个浅口袋靶标的基准数据集，用于评估生成式药物设计模型在低口袋性靶标上的表现。通过计算Alpha Shape“盖子”体积与蛋白质原子体素体积的差异来筛选靶标，实验发现现有模型在这些低凹度界面上预测的结合亲和力较弱。
MSAIC-Net: A Multi-Scale Attention and Imbalance-Aware Contrastive Network for ECG-Based Myocardial Substrate Abnormality Detection
Canyu Lei et al.
cs.LG cs.AI eess.SY
本文提出了一种基于多尺度注意力和不平衡感知对比学习的网络MSAIC-Net，用于心电图(ECG)检测心肌基质异常。该方法通过并行空洞卷积分支提取多尺度特征，并引入通道注意力机制和对比学习策略以处理类别不平衡问题，在UVA和PTB-XL数据集上验证了有效性。
Flatland: The Adventures of Gradient Descent with Large Step Sizes
Leonardo Galli et al.
cs.LG
本文研究了神经网络训练中梯度下降法在非全局L-光滑目标函数下的步长选择问题，提出了一种基于局部Lipschitz连续性的自适应一阶方法，使算法在训练初期即进入边缘稳定性状态。实验表明，该方法能非单调地降低损失，并发现过早进入全局平坦区域可能损害收敛速度与泛化能力。
Synthics: Synthetic Physics-like Datasets for Machine Learning
Jari Vepsäläinen
cs.LG
本文提出了一种名为Synthics的方法，用于生成结构上类似物理方程的合成回归数据集。该方法使用Bayesian Probabilistic Context-Free Grammar捕捉方程语料库的代数结构，并通过非侵入式探测确保输入在物理有效域内，最终在超参数调优任务中验证了合成数据的有效性。
TorchKM: A GPU-Oriented Library for Kernel Learning and Model Selection
Yikai Zhang et al.
cs.LG stat.ML
本文介绍了TorchKM，一个面向GPU的kernel machine（核方法）库，支持SVM、kernel logistic regression等模型，通过GPU加速和矩阵运算复用提升了训练与模型选择的效率。
Learn to Match: Two-Sided Matching with Temporally Extended Feedback
Haijing Zong et al.
cs.LG cs.GT cs.MA econ.TH
本文提出了一个名为Learn2Match的多智能体强化学习基准，用于研究具有时间延展反馈的动态双边匹配市场，其中匹配决策会随时间逐步揭示信息并影响未来选择。实验表明，独立PPO算法在累积社会福利和遗憾方面优于bandit风格的基线，但信息摩擦损失更高，揭示了当前端到端MARL方法在协调探索结构上的不足。
Performance Variation in Deep Reinforcement Learning
Haruto Tanaka, A. Rupam Mahmood
cs.LG
本文讨论了深度强化学习算法中运行间性能变异性的评估问题，指出传统不确定性估计方法的局限性，并提出了基于百分位数的统计量min-max IPR和可视化方法run-wise percentile highlighting。通过PPO、SAC、TD-MPC等算法的案例研究，展示了这些工具在分析性能变异方面的应用。
A Rolling-Window Framework for Churn Prediction and Behavioral Driver Identification
Muhammad Jawad Mufti et al.
cs.LG
本文提出了一种基于滚动时间窗口的客户流失预测框架，通过固定30天的观察窗口和30天的评估窗口来建模客户行为，并整合了基于特征和基于序列的学习方法。实验表明该方法在非合同服务场景下具有稳定的预测性能，但未涉及代码、上下文、谱方法等关键词相关技术。
Federated Foundation Models over Vehicular Networks
Kasra Borazjani et al.
cs.LG cs.NI
本文提出了将多模态多任务联邦基础模型(M3T FedFMs)集成到车辆网络中的前瞻性愿景，讨论了其在车辆网络中的代表性用例和部署挑战，并通过Waymo Open数据集上的案例研究展示了其潜力。
Interpreting Learning Under Competing Models: Joint and Stepwise Approaches for Dynamic Cognitive Diagnosis
Yawen Ma et al.
cs.LG stat.AP
本文比较了在动态认知诊断模型中联合估计Q矩阵与学习过程以及分步估计两种方法，发现它们对学习者发展的结论不同。通过分析阅读游戏数据，研究表明当项目-技能结构不确定且项目池变化时，联合分析更可靠。
PandaAI: A Practical Agent CQ2 for Neuro-symbolic Data Analysis And Integrated Decision-Making in Quantitative Finance
Yuqi Li, Siyuan Liu, Bingjun Liu
cs.LG cs.AI
本文提出了PandaAI，一个用于量化金融的神经符号LLM agent，通过市场制度建模和约束alpha生成来桥接通用LLM推理与金融严谨性。实验表明其在CSI 300股票数据上优于现有时间序列模型。
Architecture Shapes Transfer Specificity in Implicit Neural Representations
D Yang Eng
cs.LG
本文通过控制实验比较了SIREN、ReLU MLPs和Fourier-feature MLPs三类隐式神经表示（INR）在迁移学习中的表现，发现迁移幅度与迁移特异性（transfer specificity）存在显著分离：ReLU网络迁移更依赖源任务的具体结构，而SIREN则倾向于广泛复用权重。研究建议在科学机器学习中评估架构时，应引入显式控制条件，而非仅依赖迁移幅度。
Hearing the Unspoken: Language Model Priors for Acoustic Adversarial Attacks
Jiani Xie et al.
cs.LG cs.AI cs.CR
本文提出了一种名为Semantic Gambit的攻击方法，通过实时利用Large Language Model提供的预测上下文来增强对抗性攻击，从而突破了实时ASR系统的因果限制。实验表明该方法显著提升了攻击效果，将语料级Word Error Rate提升至35.6%。
The Geometry of Last-Layer Model Stealing
Snigdha Chandan Khilar
cs.LG
本文利用几何方法分析了通过已知方法窃取机器学习模型最后一层的可行性，并给出了完美复制transformer网络最后一层的精确条件。研究同时揭示了从隐藏层逆向工程完整模型的局限性。
Modeling Nonlinear Feature Interactions with Product-Unit Residual Networks
Ziyuan Li, Uwe Jaekel, Babette Dellen
cs.LG cs.AI
本文提出了一种名为Product-Unit Residual Networks (PURe)的模型，通过引入multiplicative product units和residual connections来显式建模非线性特征交互。实验表明，PURe在预测精度、对噪声的鲁棒性以及小样本场景下的表现优于标准MLP，并提供了更好的交互级可解释性。
Product units in gated recurrent units improve nuclear-mass prediction
Ziyuan Li et al.
cs.LG nucl-th
本文提出了一种基于复数域加性-乘性product-unit门控循环单元(AM-PU-GRU)的机器学习方法，用于原子核质量预测。该方法通过引入乘性交互和product-unit变换，在AME2016和AME2020数据集上实现了比现有模型更低的预测误差。
Evidence-Grounded Ensemble Diagnosis of 802.11 Packet Captures: A Multi-Stage Pipeline with Deterministic Reliability Scoring
Jerome Henry, Swadhin Pradhan, Miroslav Popovic
cs.LG
本文提出PROBE管道，通过确定性PCAP文本归一化、多候选集成和基于证据的可靠性评分，解决了LLM在802.11数据包诊断中的幻觉和置信度校准问题。实验表明该方法在加权证据F1上达到0.957，但未涉及关键词中的code、spectral或Muon等概念。
GlucoFM-Bench: Benchmarking Time-Series Foundation Models for Blood Glucose Forecasting
Baiying Lu et al.
cs.LG
本文提出了GlucoFM-Bench，一个用于评估血糖预测时间序列基础模型（TSFMs）的基准测试，在多个数据集上比较了预训练TSFMs与监督深度学习模型的表现。结果表明，预训练TSFMs在零样本和少样本场景下表现良好，但在数据充足时轻量级LSTM模型仍更具优势。
Data-Constrained Language Model Pretraining: Improved Regularization and Scaling Laws
Zhiwei Xu et al.
cs.LG
本文研究了数据受限的语言模型预训练，提出了MIR（masked-input regularization）正则化方法和SoftQ缩放定律。MIR通过在自回归预训练中引入随机掩码辅助损失来提升性能，而SoftQ则改进了经典Chinchilla定律在数据重复训练场景下的拟合效果。
GRASP: Geometry-aware Residual Alignment for Scalable Pretraining Data Attribution
Yue Min, Ruining Chen, Yujun Li
cs.LG
本文提出GRASP方法，通过引入quadratic geometric penalty来建模subset interactions，以改进pretraining data attribution的可扩展性。该方法在subset-retraining评估中优于现有baseline，并展示了在language model curation和cross-domain vision selection中的迁移能力。
The Fine-Tuning Trap: Evaluating Negative Transfer and the Role of PEFT in Sub-1B Mathematical Reasoning
Rahul Nair, Chun Tao
cs.LG cs.AI
本文研究了在数学推理任务中，对sub-1B规模的小型语言模型进行微调时，全参数微调（Full FT）会导致负迁移（negative transfer），而参数高效微调（PEFT）方法如LoRA和DoRA则更为稳定。实验表明，对于小于300M参数的模型，Full FT会显著降低性能，因此建议对这类模型默认使用PEFT。
From Sampled Outcomes to Capability Distributions: Rethinking Supervision for LLM Routing
Guannan Lai et al.
cs.LG
本文指出基于单次生成结果来训练LLM路由器的监督信号存在噪声问题，并提出DARS框架，通过从输入和输出两侧考虑不确定性来构建更可靠的分布感知监督信号。实验表明，分布感知的监督比单次标签更稳定，能改善路由性能。
Uniform Stability and Generalization Error of GD and SGD on Fixed-Point Parameters
Jonghyun Shin, Sejun Park
cs.LG
本文研究了离散参数空间（涉及确定性或随机舍入）下梯度下降和随机梯度下降的泛化误差与一致稳定性，分析了舍入操作对泛化性能的影响。
GenPO++: Generative Policy Optimization with Jacobian-free Likelihood Ratios
Ke Hu et al.
cs.LG
本文提出GenPO++框架，通过高阶可逆ODE求解器利用历史状态作为辅助记忆实现精确逆映射，从而在生成式flow policy中实现无Jacobian的似然比计算。该方法避免了动作密度比偏差和虚拟动作开销，在模拟控制和机器人操作任务中取得了有竞争力的性能。
Accelerating Multi-Objective Bayesian Optimisation via Predictive-Gradient Catalysts
Alma Rahat et al.
cs.LG
本文提出了一种通过高斯过程预测梯度作为辅助信号来加速多目标贝叶斯优化的通用机制，在代理模型准确时能显著加快收敛速度。该方法在DTLZ基准测试上进行了验证，但并未直接涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。
Heterogeneous Effects of Green Finance on Urban Decarbonization: Evidence from 285 Cities in China
Xueyang Li, Jinlei Ma
cs.LG
本文使用计量经济学模型和机器学习方法（如SHAP分析）分析了绿色金融对中国285个城市碳强度的影响，发现绿色金融主要通过能源结构优化等机制降低碳强度，且效果因城市发展水平和金融工具类型而异。
Accelerating Reproducible Research in Synthetic EHR Generation
Jalen Jiang et al.
cs.LG
本文介绍了一个用于合成电子健康记录（EHR）生成的可复现基准测试框架，统一了数据加载、模型训练和评估流程，并重新实现了MedGAN、CorGAN等基线模型。该工作主要关注工程标准化而非提出新方法，与关键词中的概念关联较弱。
RASFT: Rollout-Adaptive Supervised Fine-Tuning for Reasoning
Yongliang Miao et al.
cs.LG cs.CL
本文提出RASFT方法，通过根据当前policy的on-policy rollout结果动态调整expert supervision的强度，以改进supervised fine-tuning在reasoning任务上的表现。实验在数学和代码reasoning benchmarks上验证了其有效性。
A Geometric View for Understanding Concept Learning and Neuron Interpretation in Sparse Autoencoders
Chenhao Zhang, Chris Lin, Su-In Lee
cs.LG cs.AI
本文为sparse autoencoders中的概念学习和神经元解释提出了一个统一的几何框架，将概念形式化为数据点集合并将学习视为集合对齐问题。该工作区分了三种不同强度的学习概念并分析了特征分裂、吸收等常见现象，但与我提供的关键词列表关联度较低。
CF-JEPA: Mask-free forward prediction with asymmetric encoder utilization for time-series representation learning
Jaehoon Lee, Sunghyun Sim
cs.LG
CF-JEPA提出了一种无掩码的自监督时间序列表示学习框架，通过多时间跨度前向预测替代掩码操作，并利用在线编码器与EMA目标编码器之间的不对称性来分别处理分类与预测任务。该方法在多个基准上取得了有竞争力的结果，但未涉及代码、谱方法或Muon优化器等关键词相关技术。
Hierarchical Forecast Reconciliation for Urban Rail Transit Demand Prediction under Operational Disruptions
Dang Viet Anh Nguyen et al.
cs.LG
本文针对城市轨道交通中车站级与OD级客流预测不一致的问题，提出了首个层次化预测协调框架，使用神经网络FCR学习从非协调基预测到协调预测的非线性映射。实验表明该方法在正常与中断场景下均能提升预测准确性，但方法本身并非开创性突破，且与关键词列表中的概念关联较弱。
Constructing VAE Latent Spaces with Prescribed Topology
Jilles S. van Hulst et al.
cs.LG cs.CV math.AT stat.ML
本文提出了一种构建具有指定拓扑结构的VAE潜在空间的数学框架，通过使用因子化先验分布匹配数据流形的非欧几里得拓扑（如环面、莫比乌斯带等），解决了标准高斯先验导致的拓扑不匹配问题。该方法在合成流形和旋转MNIST等数据集上验证了有效性，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Bias in Filter Feature Selection Evaluation: A Meta-Analysis of Datasets, Baselines, and Experimental Design Choices
Malick Ebiele, Malika Bendechache, Rob Brennan
cs.LG
本文通过分析1994至2025年间28篇高影响力Filter Feature Selection (FFS)研究，发现新方法相对于baseline的性能胜率（win rate）中33%的方差可由数据集数量、baseline数量和新方法数量解释，揭示了FFS评估中可能存在的偏差来源。
SlimSearcher: Training Efficiency-Aware Web Agents via Adaptive Reward Gating
Zequn Xie et al.
cs.LG cs.AI
本文提出SlimSearcher框架，通过Pareto-efficient filtration和Adaptive Reward Gating机制，在Supervised Fine-Tuning和Reinforcement Learning阶段平衡web agent的准确性与计算效率，显著减少工具调用次数和token消耗。
On the Geometry of On-Policy Distillation
Zhennan Shen et al.
cs.LG cs.AI
本文通过参数空间诊断方法，对比了On-policy Distillation (OPD)与Supervised Fine-Tuning (SFT)及Reinforcement Learning with Verifiable Rewards (RLVR)的更新轨迹，发现OPD的更新具有稀疏性和子空间锁定特性，但其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。
Residual-Controlled Multiplier Learning for Stochastic Constrained Decision-Making
Kang Liu, Jianchen Hu, Ziyu Qu
cs.LG math.OC
本文提出Residual-Controlled Multiplier Learning (RCML)方法，将随机约束决策中的multiplier更新重构为projected-pressure反馈，通过分解projected multiplier为有效压力信号和压力记忆残差来提升稳定性。该方法在凸-仿射问题上建立了有限增益收敛性，并在非凸问题的正则KKT点附近给出了局部KKT残差解释。
The discovery of the effects of women employment participation on the fertility of developing countries: A panel data approach
Thi Kim Ngan Nguyen
cs.LG
本文使用面板数据计量方法，分析了115个发展中国家（1991-2018年）女性劳动参与率对生育率的影响，发现不同大洲的影响存在差异。研究为理解女性就业与生育决策的关系提供了实证证据，但方法上未涉及关键词中的code、spectral或Muon等概念。
OffQ: Taming Structured Outliers in LLM Quantization by Offsetting
Haoqi Wang et al.
cs.LG cs.AI cs.CL
OffQ提出了一种通过偏移机制缓解LLM低比特量化中activation outliers的方法，利用top-1 PCA识别低维outlier子空间并通过旋转集中高幅值activation，再将其转换为共享偏移以降低activation标准差。该方法在W4A4KV4量化下优于现有基线，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联较弱。
Beyond Linear and Overcomplete Regimes: A Mean-Field Analysis of Bottleneck Autoencoders
Santanu Das et al.
cs.LG
本文在mean-field (MF) regime下分析了具有有限维bottleneck的非线性autoencoder (AE)的训练动力学，推导了encoder和decoder的显式MF学习动力学，并证明了有限宽度网络的经验风险能以高概率逼近MF风险轨迹。
Learning Explicit Behavioral Models with Adaptive Questions and World-Model Probes
Hikaru Shindo et al.
cs.LG
本文提出了一种Explicit Symbolic Behavioral Model (ESBM)，通过将任务表现与基于证据的问答和可执行机制预测相结合，来训练交互式agent。该方法在Atari风格协议下能学习高分策略，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
A machine-learning-assisted progressive digit-randomness screening framework for detecting non-random patterns in raw numerical research data
Zhuphua Cao
cs.LG
本文提出了Fabrication-risk Digit Randomness Screening model (FDRS)，一个结合统计检验与机器学习（如Elastic-net Logistic Regression和Random Forest）的框架，用于检测原始数值研究数据中的非随机数字模式。该模型通过单/联合小数位测试、Cramer's V、熵度量等特征，对数据集进行风险评分与分级，并在模拟和真实数据上验证了其有效性。
$α$-PFN: Fast Entropy Search via In-Context Learning
Herilalaina Rakotoarison et al.
cs.LG
本文提出了一种基于Prior-data Fitted Networks (PFNs)的两阶段摊销策略，用于近似Entropy Search (ES)采集函数，通过单次前向传播替代复杂的Monte Carlo估计，在保持竞争力的同时实现了超过50倍的加速。
Explaining Unsupervised Disease Staging in Huntington's Disease: Insights into Model Representations and Clusters
Lubna Mahmoud Abu Zohair, Hind Zantout
cs.LG
本文对亨廷顿病无监督疾病分期框架进行可解释性分析，通过降维投影、saliency maps和SHAP方法验证了模型学到的特征表示与临床测量指标的一致性，揭示了从早期认知运动障碍到严重功能依赖的分期模式。
REMEDI: A Benchmark for Retention and Unlearning Evaluation in Multi-label Clinical Disease Inference
Anurag Sharma et al.
cs.LG cs.AI
本文提出了REMEDI基准，用于评估多标签临床疾病推断中的机器遗忘方法，基于MIMIC-III数据库构建，实验表明现有方法在效用与遗忘性能间存在权衡，且不适用于多标签分类任务。
Decision-Aware Evaluation of Physics-Informed Surrogates
Daniel Cieślak, Andrzej Czyżewski
cs.LG cs.CE
本文提出了pinn-gym基准测试，用于评估物理信息机器学习代理在材料晶格设计中的决策性能，发现低曲线误差不足以保证下游决策的有效性。该工作主要关注基准构建和评估协议，而非直接涉及关键词中的特定方法。
Geodesics of Dynamic Graphs for Regime Change Detection
William Cappelletti, Étienne Voutaz, Pascal Frossard
cs.LG
本文提出了一种基于动态图测地线（geodesics）的方法来检测网络中的制度变化（regime change），通过将图序列视为图空间中的轨迹并测量其与测地线的累积距离来识别动态漂移。该方法在合成数据和新冠疫情移动数据上优于现有基线，但未涉及代码、上下文、谱方法或预训练等关键词相关技术。
RETROSPECT: RETROsynthesis via Sequential Prediction, and Chemically Transformed-ranking
Raja Sekhar Pappala et al.
cs.LG cs.AI q-bio.MN
本文提出RETROSPECT系统，将单步逆合成任务分解为提案-选择两个阶段，使用ChemAlign Transformer生成候选分子，并通过LambdaMART重排序器结合结构、反应模板等特征进行优化。在USPTO-50K数据集上，该方法在top-1准确率和候选列表丰富性上取得较好性能，但方法本身在理论或算法上缺乏显著开创性。
Structure-Preserving Correction Learning for Sparse Bayesian Inference in Brain Source Imaging
Marco Morik et al.
cs.LG
本文提出了一种结构保持的校正学习方法，通过将经典的稀疏Type-II Bayesian求解器展开为可训练的神经网络架构，在保留原始更新动态的Bayesian结构和可解释性的同时，学习校正项以改进M/EEG脑源成像中的重建性能。该方法使用可学习偏置、MLP和基于attention的上下文细化机制来增强模型。
DEFINED: A Data-Efficient Computational Framework for Fine-Grained Creativity Assessment in Debate Scenarios
Tongzhou Yu et al.
cs.LG cs.AI cs.CL
本文提出DEFINED框架，用于辩论场景中的细粒度创造力评估。该框架通过层次化八维指标系统和预训练语言模型实现自动评分，并采用数据增强策略解决精英偏差问题。
Generative Molecular Morphing for Flexible-Size Design via Unbalanced Optimal Transport
Malte Franke et al.
cs.LG
本文提出了一种基于非平衡最优传输的柔性尺寸分子生成模型Morph，通过动态调整原子数量来改进分子性质与尺寸的联合分布建模，在条件和非条件3D分子设计中匹配了当前固定尺寸模型的性能。
A Held-Out Transition-Pair Falsifier for Long-Horizon Non-Abelian State Tracking
Jeonghoon Lee
cs.LG cs.FL
本文针对长程非交换状态追踪问题，提出了一种基于留出转移对伪造器（held-out transition-pair falsifier）的验证协议，用于有限非Abelian群的状态追踪。通过在\(S_3 \times S_3\)基准上的实验，展示了投影循环状态模型在长达1,048,576个token的评估范围内实现了无误差的最终状态预测，而基线模型则表现不佳。该工作主要贡献在于揭示了显式投影非交换状态组合作为长程隐状态追踪的有效归纳偏置，但结论仅限于该受控的有限群伪造器场景。
Where Rectified Flows Leak: Characterising Membership Signals Along the Interpolation Path
Thomas Sesmat, Gabriel Meseguer-Brocal, Geoffroy Peeters
cs.LG cs.AI cs.SD
本文研究了Rectified Flows在插值路径\(X_\lambda = (1-\lambda)X_0 + \lambda X_1\)上训练数据与测试数据重建之间的差异信号，发现该信号呈钟形曲线分布，并在高斯假设下推导了其峰值位置。该工作主要关注生成模型的成员推断攻击，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
Trio: Learning Time-Series Forecasting with Temporal-Spatial-Sample Attention and Structural Causal Priors
Tao Chen et al.
cs.LG
本文提出Trio架构，通过Temporal-Spatial-Sample attention机制分别捕获时间动态、变量间依赖和历史样本对应关系，并引入Time-Series Structural Causal Model (TS-SCM)生成器创建结构化合成任务。实验表明该方法在合成、工业及公开基准上提升了预测性能，但零样本实验显示完全通用的PFN式时间序列预测仍是开放问题。
Bootstrap Theory of Representational Emergence: Explanatory Insufficiency as a Driver of Representation Learning and World Models
Jacques Raynal et al.
cs.LG
本文提出Bootstrap Theory of Representational Emergence (TBER)，将解释性不足(explanatory insufficiency)视为驱动representation学习与world models涌现的正向信号，并形式化了从观测到新representation生成的五阶段递归过程。该理论主要讨论representation创新的认知机制，未涉及code、spectral、Muon或agent等具体技术方法。
TabSwift: An Efficient Tabular Foundation Model with Row-Wise Attention
Si-Yang Liu, Han-Jia Ye
cs.LG
本文提出TabSwift，一种基于行级注意力（row-wise attention）的tabular foundation model，通过门控注意力稳定机制和可学习的register tokens来提升性能，在保持与TabPFN v2等模型竞争力同时降低推理成本。该方法主要关注效率优化，与关键词中的attention相关但缺乏开创性或解决长期问题的贡献。
SleepExplain: Explainable Non-Rapid Eye Movement and Rapid Eye Movement Sleep Stage Classification from EEG Signal
Rafsan Jany et al.
cs.LG cs.AI
本文使用Random Forest、XGBoost和Gradient Boosting等集成分类模型对EEG信号中的NREM和REM睡眠阶段进行分类，并采用SHAP方法提供可解释性。该工作主要关注睡眠阶段分类的应用，在方法上未体现与关键词相关的开创性。
Breaking the Ice: Analyzing Cold Start Latency in vLLM
Huzaifa Shaaban Kabakibo, Animesh Trivedi, Lin Wang
cs.LG
本文对vLLM推理引擎的冷启动延迟进行了系统性能分析，将启动过程分解为六个基础步骤并发现其受CPU限制。研究建立了轻量级分析模型以预测给定硬件配置下的启动延迟，为大规模推理环境的资源规划提供指导。
A robust PPG foundation model using multimodal physiological supervision
Eloy Geenjaar et al.
cs.LG cs.AI
本文提出了一种基于多模态生理信号监督的PPG基础模型，利用ICU数据集中的心电图和呼吸信号来辅助预训练，从而在无需高质量或现场数据的情况下提升模型鲁棒性。该模型在15个下游任务中的14个上取得了性能提升，但方法本身在创新性和与关键词的契合度上较为有限。
Self-evolving LLM agents with in-distribution Optimization
Yudi Zhang et al.
cs.LG
本文提出Q-Evolve框架，通过in-distribution reinforcement learning范式统一了LLM agent的自动过程奖励标注与策略学习。该方法使用weighted Implicit Q-Learning从混合off-policy数据集中学习critic，并利用advantage estimation生成密集的step-wise过程奖励，最终通过behavior-proximal policy optimization实现agent的迭代自我进化。
Covariance Shrinkage via Stochastic Interpolation
Mathieu Chalvidal, Florentin Coeurdoux, Eric Vanden-Eijnden
cs.LG stat.ML
本文通过随机插值（stochastic interpolation）框架重新表述了高维协方差估计的经典收缩方法，将其视为源分布与目标分布之间的经验风险最小化问题。文章揭示了调度、流映射与耦合以及早停三种降低统计风险的机制，并提出了基于神经网络的插值估计器及其二次风险上界。
Making the Most of Limited Data: Score-Aware Training for Text-to-Music Generation
Yun-Chen Cheng, Tzu-Hung Huang, Chih-Pin Tan
cs.LG
本文提出了一种名为score-aware training的方法，用于在有限数据下提升文本到音乐生成系统的性能。该方法通过CLAP-conditioned Beta噪声时间表重新利用低分片段，并采用分段过滤和两阶段字幕生成策略，最终在ICME 2026 ATTM Grand Challenge中取得了客观评估第二名和主观评估第三名的成绩。
Generative Modeling of Discrete Latent Structures via Dynamic Policy Gradients
Stefan Ivanovic, Ge Liu, Mohammed El-Kebir
cs.LG
本文提出GReinSS框架，通过动态调整奖励的策略学习来推断离散潜在结构（如潜在集和图），以最大化观测数据似然。该方法在模拟数据和真实RNA测序数据上优于基线方法，但未涉及代码、上下文、谱方法或注意力机制等关键词。
Reversible Foundations: Training a 120B Sparse MoE through State-Preserving Scaling
Rohan Shravan
cs.LG
本文报告了在单个八GPU节点上端到端训练千亿参数稀疏MoE模型的经验，通过可逆循环栈和状态保持增长策略实现。主要贡献在于系统集成而非理论创新，与关键词中的spectral、Muon、agent等概念关联较弱。
A Comprehensive Anatomy of Human and DeepSeek-R1 LLM Mathematical Reasoning
Yuxiang Chen, Jun Wang
cs.LG cs.AI
本文通过对比人类与DeepSeek-R1在AIME 2025问题上的推理步骤，发现模型存在“拓扑模仿”现象，即表面模仿推理形式但缺乏功能作用，并指出成功推理依赖于稳定的分支与回溯使用。
Sparsely gated tiny linear experts
Simon Schug
cs.LG cs.NE
本文提出了一种名为sgatlin的稀疏门控线性神经元网络，通过将每个专家缩小为单个神经元并移除非线性激活，在语言模型中替代Transformer的前馈层，在等计算量下提升了困惑度，并增强了模型可解释性。
Video-Based Prediction of In-Flight Particle Characteristics in Atmospheric Plasma Spraying
Abhijeet Praveen et al.
cs.LG
本文研究了利用高速视频观测等离子体羽流来预测大气等离子喷涂中飞行粒子温度和速度的方法，比较了TabPFN、CNN和多种经典回归模型的表现。实验表明，基于视频的特征表示在非侵入式诊断中具有潜力，但方法本身在数学或机器学习领域缺乏显著的开创性，且与关键词列表中的概念关联较弱。
Discovering Multiscale Deep Formulas in Complex Systems via Neural-Guided Lambda Calculus
Hanqiao Yu et al.
cs.LG
本文提出了一种名为Deflex的端到端AI方法，用于从复杂系统中自动提取多尺度的数学公式（包括不变量和分布）。该方法结合了lambda-calculus符号回归模型和可分解的深度能量模型，通过生成合成数据预训练来引导公式发现，在多个复杂系统上效率显著优于现有方法。
Time series Foundation Models based on Physics-Informed Synthetic Histories for Cold-Start Photovoltaic Forecasting
Lorenzo Longarini et al.
cs.LG eess.SP stat.ML
本文提出了一种零样本冷启动光伏预测方法，通过从plant metadata和meteorological covariates生成synthetic production history，使time-series foundation models (TSFMs)能够进行预测。实验表明，covariate-aware foundation models在多个数据集上优于传统baseline，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。
Unsupervised Continual Clustering via Forward-Backward Knowledge Distillation
Mohammadreza Sadeghi et al.
cs.LG
本文提出了一种无监督持续聚类方法FBCC，通过前向-后向知识蒸馏让教师网络在学习新聚类时保留旧聚类结构，无需存储历史数据。该方法在多个基准数据集上提升了聚类性能并减少了灾难性遗忘。
Graph Neural Network leveraging Higher-order Class Label Connectivity for Heterophilous Graphs
Takuto Takahashi et al.
cs.LG cs.AI
本文提出Label Context Classifier (LCC)方法，通过四种不同类型的walks生成label context embeddings，以捕捉异配有向图中的高阶类标签连接性，并可与任意GNN集成。实验表明该方法在异配有向图节点分类任务上优于现有方法。
Drifting Models for Surrogate Flow Modeling
Chris R. Jung et al.
cs.LG
本文提出了一种基于generative drifting框架的流体力学代理模型，通过在VAE隐空间中进行条件化漂移并使用标签感知掩码来对齐边界条件，实现了比扩散模型快两个数量级的单次生成，同时保持了相当的精度。该方法为实时CFD代理提供了一种高效替代方案。
Network Recovery from Cascade Data: A Debiased Jacobian-Based Machine Learning Approach
Lei Huang
cs.LG stat.ML
本文提出CascadeNet，一种基于Jacobian的机器学习框架，用于从级联数据中恢复隐藏的影响网络，无需指定具体的扩散模型。该方法通过估计一步转移函数的Jacobian矩阵，并应用Neyman正交去偏技术，实现了网络结构的\(\sqrt{n}\)一致估计和渐近正态推断。
CoMetaPNS: Continually Meta-learning Personalized Neural Surrogates for Cardiac Electrophysiology Simulations
Ryan Missel, Xiajun Jiang, Linwei Wang
cs.LG
本文提出一个名为CoMetaPNS的continual meta-learning框架，用于个性化心脏电生理模拟的neural surrogate。该框架通过continual Bayesian Gaussian Mixture Model处理顺序到达的未标记数据，以推断数据来源并避免灾难性遗忘，在合成心脏数据上展示了优于现有基线的仿真预测性能。
Second-Order Path Kernel Interpolation Formulas in Machine Learning
Jin Guo, Roy Y. He, Jean-Michel Morel
cs.LG
本文在Pedro Domingos提出的路径核插值公式基础上，发展了二阶形式，揭示了曲率加权项和随机梯度下降中采样噪声的影响，并扩展至带动量的情形。该工作为理解神经网络预测的路径核解释提供了更精细的刻画。
Sparse Subspace-to-Expert Sharing for Task-Agnostic Continual Learning
Fatema Siddika et al.
cs.LG cs.AI
本文提出SETA框架，通过将模型参数分解为任务特定和共享的稀疏专家模块，并引入自适应弹性锚定和路由正则化，来解决大语言模型持续学习中的塑性-稳定性困境。实验表明该方法在LLaMA-2 7B和Qwen3-4B上能有效缓解灾难性遗忘。

cs.AI

Lean4Agent: Formal Modeling and Verification for Agent Workflow and Trajectory ⭐ 精选
Ruida Wang et al.
cs.AI cs.LG cs.LO cs.SE
本文提出Lean4Agent框架，首次使用依赖类型形式语言Lean4对agent工作流和轨迹进行形式化建模与验证。该框架通过构建可扩展的FormalAgentLib库，在显式假设下验证工作流的语义一致性，并定位执行时失败；进一步开发LeanEvolve利用验证结果改进工作流。实验表明验证通过的工作流性能平均提升11.94%，为agent行为的形式化验证提供了开创性方法。
Online Pandora's Box for Contextual LLM Cascading ⭐ 精选
Alexandre Belloni, Yan Chen, Yehua Wei
cs.AI cs.LG econ.EM stat.ML
本文针对LLM级联场景提出了一种在线上下文Pandora's Box模型，其中决策者通过顺序查询API并观察输出依赖的成本，最终选择部署一个输出并仅获取其下游奖励。与经典模型不同，该工作不直接估计每个API的完整条件输出和成本分布，而是对由Weitzman策略诱导的上下文保留索引函数施加参数化结构，并结合GMM型估计与UCB置信界进行学习。在正则性条件下，作者证明了该策略在\(T\)个周期内实现了维度依赖的\(\widetilde O(\sqrt T)\)累积遗憾，为上下文级联决策提供了理论保证。
Severity-Aware Curriculum Learning with Multi-Model Response Selection for Medical Text Generation
Ahmed Alansary, Molham Mohamed, Ali Hamdi
cs.AI cs.CL
本文提出了一种严重性感知的多模型框架，结合curriculum learning策略和相关性响应选择，用于医疗文本生成。该方法在MAQA数据集上训练并评估，通过BERTScore指标显示性能优于基线模型。
Detecting and Mitigating Bias by Treating Fairness as a Symmetry Operation
Nishit Singh
cs.AI cs.LG
本文将公平性视为一种对称性操作，通过正则化损失函数来恢复分类器在敏感属性翻转下的不变性，以检测和缓解机器学习中的偏差。该方法在合成数据集上实现了超过90%的违规减少，且计算成本较低。
DiBS: Diffusion-Informed Branch Selection
Bo Liu et al.
cs.AI cs.LG
本文提出了一种名为DiBS的扩散模型引导分支选择方法，用于解决数独问题。该方法将扩散模型作为符号求解器的分支排序指导，通过排序当前部分赋值下的候选值来减少搜索成本。
SafeGene: Reusable Adapters for Transferable Safety Alignment
Yanghan Wang et al.
cs.AI cs.LG
本文提出SafeGene，一种可重用的安全适配器模块，用于在开放权重LLM的下游微调中恢复因任务更新而弱化的安全对齐。该方法将安全能力解耦为独立表示，通过对齐与退化模型的差异获取，并利用数据感知的层选择进行跨任务迁移。
CrowdMath: A Dataset of Crowdsourced Mathematical Research Discussions
Sherin Muckatira et al.
cs.AI cs.LG
本文介绍了CrowdMath数据集，包含来自MIT PRIMES-AoPS项目的164个专家标注的数学研究讨论链，用于评估大语言模型在协作开放式数学问题求解中的表现。实验表明模型在局部预测上表现尚可，但在理解讨论中贡献的功能角色方面存在明显不足。
Attack Selection in Agentic AI Control Evaluations Meaningfully Decreases Safety
Catherine Ge-Wang et al.
cs.AI cs.LG
本文研究了AI控制评估中攻击选择策略对安全性的影响，通过将攻击决策分解为开始和停止策略，发现选择性攻击会显著降低测量到的安全性。现有评估可能高估了针对选择性攻击者的安全估计。
CARVE-Q: Quantum-Proposed, Classically Certified Interactive Driving Repair
Yifan Wang
cs.AI quant-ph
本文提出CARVE和CARVE-Q框架，用于对自动驾驶中被否决的机动操作进行可认证修复。CARVE通过构建修复格和结构化证书来确保修复符合规则，而CARVE-Q引入量子最小搜索算法加速多代理场景下的修复搜索，但所有安全认证仍由经典系统负责。
Position: Don't Just "Fix it in Post": A Science of AI Must Study Training Dynamics
Stella Biderman et al.
cs.AI cs.CL
本文主张AI科学应超越对训练后模型的静态分析，转而研究训练动态（training dynamics）以理解模型行为如何涌现，并讨论了在可解释性、公平性等领域的进展与开放问题。
Accelerated Fourier SAT (AFSAT): Fully Realising a GPU-based Symmetric Pseudo-Boolean SAT Solver
Cody J Christopher, Charles Gretton
cs.AI cs.LO
本文提出了AFSAT，一个基于GPU加速的伪布尔SAT求解器，通过JAX编译器实现了连续局部搜索的并行化，并改进了数值稳定性和内存效率。
A Study of Parallel Continuous Local Search
Cody J Christopher, Charles Gretton
cs.AI cs.LO
本文研究了并行Continuous Local Search (CLS)在具有对称pseudo-Boolean (PB)约束的布尔可满足性问题中的应用，通过将PB可满足性问题松弛为超立方体上的连续优化问题，发现冗余约束会抑制收敛，且CLS在混合设置中作为子求解器有潜力。实验表明局部搜索因saddle-dense目标函数会快速收敛到解质量的稳定分布。
AEGIS: A Backup Reflex for Physical AI
Josef Chen
cs.AI cs.PF cs.RO
本文提出AEGIS方法，通过轻量级probe检测弱策略的激活状态以识别高风险步骤，并在必要时切换到更强策略。实验表明该方法在LIBERO-Spatial任务中能恢复更多失败轨迹，但主要贡献在于机器人控制中的安全机制，与关键词列表中的概念关联较弱。
A Geometric Account of Activation Steering through Angle-Norm Decomposition
Georgii Aparin, Tatiana Gaintseva
cs.AI
本文通过角度-范数分解的几何视角，分析了线性激活干预（activation steering）在语言模型中的效果差异，发现概念主要编码在角度结构中，但范数对干预稳定性有重要影响。
OpenSkill: Open-World Self-Evolution for LLM Agents
Zhiling Yan et al.
cs.AI cs.CL cs.LG
本文提出OpenSkill框架，使LLM agent在无目标任务监督的开放世界中，通过从文档、代码库和网络获取知识并构建虚拟任务来自我进化技能。该方法在多个benchmark上取得了最佳自动化通过率，但未涉及spectral、Muon或attention等关键词相关技术。
AdMem: Advanced Memory for Task-solving Agents
Runzhe Wang et al.
cs.AI
本文提出了一种名为AdMem的统一自动记忆框架，通过结合语义、情景和程序记忆的双层设计（短期与长期存储），并采用多智能体架构（actor、memory和critic agents）来增强LLM在长周期任务中的知识复用与鲁棒性。该方法主要关注agent任务中的记忆管理，与我提供的关键词“agent”有一定契合，但方法本身并非开创性突破。
Evidence-Based Intelligent Diagnostic and Therapeutic Visualization System with Large Language Models: Multi-Turn Interaction and Multimodal Treatment Plan Generation
Yunhan Wang et al.
cs.AI
本文构建了一个基于Neo4j知识图谱的中医诊断可视化系统，通过症状匹配流水线和遗传算法优化的主动提问策略，实现了多轮交互和多模态治疗方案生成。实验表明该系统能减少非标准输出并提升诊断可信度，但方法本身在数学或算法层面缺乏显著开创性。
Workflow-to-Skill: Skill Creation via Routing-Workflow-Semantics-Attachments Decomposition
Yuyang Zhang et al.
cs.AI
本文提出RWSA中间表示和W2S框架，通过将交互轨迹分解为Workflow结构、执行Semantics和运行时Attachments来构建agent Skills，实验表明该方法在行为回放一致性上优于基于摘要的基线。
Declarative Skills for AI Agents in Knowledge-Grounded Tool-Use Workflows
M. Danish Lim et al.
cs.AI cs.SE
本文研究了知识驱动工具使用工作流中AI agent的编排机制，比较了声明式agent（通过自然语言技能文件控制流程）、命令式agent（基于程序化状态机）和基线agent的性能。实验表明，检索质量是主要瓶颈，在高检索质量下声明式技能能提升准确率并减少编排错误。
Quantum-Inspired Trace-Augmented Evidence Selection for Reasoning over Structured Hypothesis Spaces
Laura Wynter, Nirvik Sahoo, Paul Griffin
cs.AI
本文提出EP-HUBO方法，将Chain-of-Thought推理片段的证据选择建模为高阶无约束二元优化问题，通过质量加权聚合证据池，并在法律推理基准上验证。该方法利用经典模拟退火或光子熵量子机求解，旨在保留少数但正确的假设，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词。
Accounting for Context: Shaping Moral Credences for Value Alignment
Jazon Szabo, Sanjay Modgil
cs.AI
本文讨论了在道德不确定性下，如何通过考虑contextual factors（如consequentialist视角的准确性）来聚合道德评价，并指出忽略这些因素会导致类似Simpson's paradox的悖论，从而揭示了简单聚合机制的局限性。
Exploring Agentic Tool-Calling Decisions via Uncertainty-Aligned Reinforcement Learning
Yijin Zhou et al.
cs.AI
本文提出TRUST方法，通过将uncertainty quantification引入reward设计来改善LLM-based agent的工具调用决策，并在多步交互中提升决策质量。该方法在多个tool-use benchmark上验证了有效性。
Teaching the Way, Not the Answer: Privileged Tutoring Distillation for Multimodal Policy Optimization
Shizhe Xiang et al.
cs.AI
本文提出PTD-PO框架，通过构建结构化特权提示（spatial attention guidance和中间文本推理步骤）为多模态策略优化提供密集的token分布监督，在不暴露答案的情况下提升LVLM的推理能力。该方法在2B到8B参数规模的模型上验证了有效性，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
The Sim-to-Real Gap of Foundation Model Agents: A Unified MDP Perspective
Xiaoou Liu et al.
cs.AI cs.CL cs.ET
本文从Markov Decision Process的四个要素（Observation, Action, Transition, Reward）出发，将foundation model agent的sim-to-real gap形式化为一个经典问题，并倡导采用domain randomization等已有解决方案。文章通过多语言tool calling等例子展示了observation space gap如何导致操作无效，但整体更偏向于提出研究议程而非提供具体方法。
StainFlow: Entity-Stain Tracking and Evidence Linking for Process Rewards in GUI Agents
Haojie Hao et al.
cs.AI
本文提出StainFlow，一种用于GUI Agent的过程奖励模型，通过实体染色追踪和证据链接来改进强化学习中的信用分配。该方法在AndroidWorld和OGRBench上取得了性能提升。
Hierarchical Semantic-Constrained Heterogeneous Graph for Audio-Visual Event Localization
Zhe Yang et al.
cs.AI cs.CV
本文提出了一种层次语义约束异质图（HSCHG）用于开放词汇视听事件定位，通过构建包含音频和视觉segment节点及video-level节点的异质图，并引入双向语义约束和双阈值过滤门控融合策略，在双曲空间中利用层次蕴含正则化损失来建模多尺度语义一致性。实验表明该方法在基准上优于现有方法。
Front-to-Attractors: Modifying the Front-to-Front Heuristic in Bidirectional Search
Alvin Zou, Muhammad Suhail Saleem, Maxim Likhachev
cs.AI
本文提出了一种新的启发式类别front-to-attractors (F2A)，用于改进双向搜索算法。F2A通过估计状态到对向搜索中动态维护的小规模attractor集合的距离，替代了计算成本高昂的front-to-front (F2F)启发式，在保持最优性保证的同时大幅减少了计算开销。
DyCon: Dynamic Reasoning Control via Evolving Difficulty Modeling
Tengyao Tu et al.
cs.AI
本文提出DyCon框架，通过建模推理过程中动态变化的难度来减少大推理模型(LRM)的冗余推理（即"overthinking"问题）。该方法利用step-level embeddings线性编码任务难度，无需训练即可动态控制推理深度，在数学推理、问答和编程任务上提升了效率。
Beyond Post-hoc Explanation: Toward Glassbox AI via Probabilistic Mediation
Manuele Leonelli
cs.AI
本文提出了一种名为Glassbox Framework的AI架构，使用Bayesian networks作为生成模型的透明中介层，以实现可审计的推理和不确定性量化。该工作主要聚焦于概念框架的构建和挑战识别，未涉及关键词中的具体技术。
Think Fast: Estimating No-CoT Task-Completion Time Horizons of Frontier AI Models
Dewi Gould et al.
cs.AI
本文通过超过30,000个问题（涵盖数学、编程、谜题等43个benchmark）评估了前沿AI模型在没有chain-of-thought (CoT)推理时的表现，并估计了其50%任务完成时间阈值（TH）和推理token阈值。研究发现，前沿模型的no-CoT TH在过去六年中大约每年翻倍，并预测其可能在2028年超过7分钟。
TOPSIS-RAD: Ranking According to Desires
Leonardo Fernandes Costa et al.
cs.AI econ.EM
TOPSIS-RAD通过引入决策者定义的VPL和DPL参考水平，改进了传统TOPSIS方法中参考点依赖数据集的问题，避免了异常值影响和排名反转。该方法在保持TOPSIS距离结构的同时，将排名锚定在决策者指定的稳定边界上。
DuMate-DeepResearch: An Auditable Multi-Agent System with Recursive Search and Rubric-Grounded Reasoning
Lingyong Yan et al.
cs.AI
本文提出了一个名为DuMate-DeepResearch的多agent框架，用于处理复杂的深度研究任务。该框架通过解耦Agent Core与Tool Ecosystem，并引入基于图的动态规划、递归两级执行和基于rubric的测试时优化机制，在DeepResearch Bench等基准上取得了最佳成绩。
Off-Policy Evaluation with Strategic Agents via Local Disclosure
Kiet Q. H. Vo et al.
cs.AI
本文研究了存在策略性行为（agents为应对决策者策略而修改自身协变量）时的off-policy evaluation问题。作者提出通过事后解释披露局部信息来揭示agents的策略前协变量，并基于条件对数正态分布假设构建了一个双重稳健估计器。
Act As a Real Researcher: A Suite of Benchmarks Evaluating Frontier LLMs and Agentic Harnesses in Research Lifecycle
Jiayu Wang et al.
cs.AI
本文提出了AARR-Bench基准测试系列，用于评估前沿LLM和agent系统在研究生命周期中的表现，发现即使最佳配置（Mini-SWE-Agent with Claude Opus 4.7）也仅达到68.3%的成功率，且常忽略人类研究者能察觉的细微关键细节。该工作强调开发类人研究者AI需进一步探索研究行为，而非仅依赖复杂scaffolding。
How AI Agents Reshape Knowledge Work: Autonomy, Efficiency, and Scope
Jeremy Yang et al.
cs.AI econ.GN
本文利用Perplexity的Search和Computer产品的生产数据，研究了AI agent如何加速和重塑知识工作。研究发现，Computer agent通过自主执行任务分解与实现，显著提升了效率、降低了成本，并扩展了自动化工作的范围与深度。

cs.IR

DREAM: Dynamic Refinement of Early Assignment Mappings ⭐ 精选
Liwei Guan et al.
cs.IR
本文提出DREAM框架，通过动态精炼早期分配映射来解决基于Semantic IDs (SIDs)的生成式推荐中冷启动项目的瓶颈问题。该方法首先利用反事实对比学习构建意图感知tokenizer，为每个冷启动项目生成多样化的行为对齐候选SID；随后冻结的推荐骨干网络作为评估器，基于多上下文用户支持选择最可靠的候选；最后通过动态波束机制在训练和推理中维护多个加权SID假设，避免过早收敛到单一分配。实验表明，DREAM在冷启动指标上显著优于现有方法，其核心创新在于将code（SID）的生成与推荐目标对齐，并利用上下文信息进行动态优化。
Trading Engagement for Sustainability: Carbon-Aware Re-ranking for E-commerce Recommendations
Noah Lund Syrdal, Anders Vestrum, Jorgen Bergh
cs.IR cs.AI cs.SI
本文提出了一种碳感知的商品推荐重排序方法，通过检索增强的PCF（Product Carbon Footprint）估计管道和可调参数\(\lambda\)来权衡用户参与度与碳排放，并在Amazon Reviews数据集上验证了其有效性。该方法主要关注推荐系统的可持续性，与关键词中的概念关联较弱。
Mind the Gap: Bridging Behavioral Silos with LLMs in Multi-Vertical Recommendations
Nimesh Sinha et al.
cs.IR cs.AI
本文提出了一种利用Large Language Models (LLMs)和层次化Retrieval-Augmented Generation (RAG) pipeline，从数据丰富的垂直领域（如餐厅）生成稀疏高维特征，以缓解多垂直电商平台中新兴垂直领域（如杂货）的冷启动问题。该方法将生成的特征集成到Multi-Task Learning (MTL)排序模型中，通过离线与在线评估验证了其能有效提升个性化推荐效果。
Towards Retrieving Interaction Spaces for Agentic Search
Shengyao Zhuang et al.
cs.IR
本文提出RISE方法，使用BM25构建交互空间（interaction space）并预处理文档以支持shell式导航，用于agentic search中的检索。实验表明该方法在BrowseComp-Plus数据集上以较低成本匹配纯shell基线性能，但方法本身在检索范式上缺乏开创性。
SSRLive: Live Streaming Recommendation with Dynamic Semantic ID
Teng Shi et al.
cs.IR
本文提出SSRLive框架，通过结合生成式模块（生成动态语义ID）与判别式模块（融合用户-主播交互信号）来改进直播推荐，解决了静态语义ID无法反映直播内容动态变化的问题。实验表明该方法在观看时长、GMV等指标上取得提升，但未涉及code、spectral、Muon等关键词相关技术。
Meaning in Order, Order in Meaning: Semantic R-precision for Keyphrase Evaluation
Shamira Venturini, Steffen Kinkel
cs.IR cs.CL
本文提出了Semantic R-Precision (SemR-p)这一新的评估指标，将semantic similarity融入rank-aware的R-Precision框架中，用于自动生成keyphrase的质量评估。该指标从human-centric视角出发，旨在更好地反映用户对相关性的判断。
Decision-Theoretic Stopping Rules for Document Screening
Aaron H.A. Fletcher, Mark Stevenson
cs.IR
本文应用decision theory到document screening的stopping问题，基于Expected Value of Perfect Information提出了三种实用策略，并在专利审查和系统综述数据集上验证了其相比现有方法能产生更合适的停止决策。
Beyond Matching: Category-Guided Latent Intent Reasoning for Generative Retrieval in E-Commerce
Fuwei Zhang et al.
cs.IR
本文提出CaLIR框架，通过引入category-guided latent intent reasoning，在e-commerce generative retrieval中学习continuous latent intent states，以替代显式的Chain-of-Thought推理，从而在检索效果和推理效率间取得更好平衡。该方法利用product category hierarchies进行coarse-to-fine意图推理，并采用query-specific dynamic prefix trie实现constrained decoding。
RISE: A Rust Library for Inverted Index Search Engines
Angelo Savino, Rossano Venturini
cs.IR
本文介绍了一个用Rust语言实现的开源倒排索引库RISE，通过利用Rust的安全性和性能，在查询性能上相比现有库实现了最高2倍的加速。该工作为信息检索领域提供了一个高效且可扩展的工具，但并未涉及我提供的关键词中的相关概念。
HKVM-RAG: Key-Value-Separated Hypergraph Evidence Organization for Multi-Hop RAG
Mingyu Zhang, Ying Ma
cs.IR cs.CL
本文提出HKVM-RAG，一种键值分离的超图证据组织方法，用于多跳RAG。它通过从缓存中组装答案路径超边作为检索键，并保留段落文本作为值，在多个基准上提升了F1分数，但主要作为证据控制信号而非密集检索的替代。
FLOWREADER: Min-Cost Flow Optimization for Multi-Modal Long Document Q&A
Ambuj Mehrish, Sebatiano Vascon
cs.IR cs.LG
本文提出FLOWREADER，将多模态长文档问答中的证据组装问题建模为min-cost flow问题，通过统一的scoring vector控制源选择、汇选择和边成本，并利用entropy-regularized replicator dynamics选择非冗余证据路径。实验表明该方法在碎片化证据场景下优于top-k检索，但整体性能与最强基线接近。
Constrained Dominant Sets for Multimodal Document Question Answering
Ambuj Mehrish, Sebatiano Vascon
cs.IR
本文提出了一种基于Constrained Dominant Set (CDS)的无训练检索方法，用于多模态文档问答。该方法通过将查询编码为硬约束并利用spectral bound自动平衡相关性与冗余度，在VisDoMBench和MMLongBench-Doc上取得了优于现有方法的性能。
Gated Bidirectional Linear Attention for Generative Retrieval
Artem Matveev et al.
cs.IR
本文提出Gated Bidirectional Linear Attention (GBLA)，一种线性时间复杂度的双向attention层，通过结合kernelized linear attention与局部因果混合、序列级key门控和门控RMSNorm输出，在Yandex Music数据集上以1:2的混合比例匹配双向self-attention质量，并在H100 GPU上实现高达8.2倍的单层加速。该方法主要针对推荐系统中长序列编码器的延迟瓶颈，但未涉及code、spectral、Muon等关键词。
PaperFlow: Profiling, Recommending, and Adapting Across Daily Paper Streams
Fuqiang Wang et al.
cs.IR cs.AI
本文提出了一个名为PaperFlow的框架，将科学论文推荐建模为日常纵向过程，包含Profiling、Recommending和Adapting三个阶段，并构建了一个包含24个模拟用户和50天论文流的基准进行实验。实验表明该框架在排序和人类评估上优于现有基线。
Bradley-Terry Rankings for Recommender Systems Across Dataset Taxonomies
Ekaterina Grishina et al.
cs.IR cs.LG stat.ML
本文提出了一种基于Bradley-Terry模型的数据驱动排序方法，用于在推荐系统算法间进行公平比较，并展示了该排序对数据集统计特征的依赖性。该方法通过引入新的排序一致性指标和对不完整数据的鲁棒性分析，为算法选择提供了更可靠的依据。

cs.CL

Human Adults and LLMs as Scientists: Who Benefits from Active Exploration?
Mandana Samiei et al.
cs.CL cs.AI
本文研究了人类和LLM在主动探索条件下对合取因果规则的学习能力，发现主动探索能显著改善成人的合取推理，但合取规则仍需更多测试。LLM在假设推断精度上接近人类，但探索效率较低。
Improving Cross-Lingual Factual Recall via Consistency-Driven Reinforcement Learning
Jonathan von Rad et al.
cs.CL
本文研究了通过一致性驱动的强化学习（GRPO）提升大语言模型跨语言事实召回能力，并与持续预训练（CPT）和监督微调（SFT）进行了比较。实验表明GRPO优于其他方法，并揭示了其通过重组多语言路由机制来促进共享表示。
Re-Centering Humans in LLM Personalization
Lechen Zhang, Jiarui Liu, Tal August
cs.CL cs.AI cs.HC
本文研究了LLM个性化中合成数据与真实人类数据的性能差距，通过收集人类对话和判断，发现模型在提取用户属性、匹配相关属性及生成个性化回复等阶段存在局限，并提出了轻量级训练干预方法。
UnpredictaBench: A Benchmark for Evaluating Distributional Randomness in LLMs
Amirhossein Abaskohi et al.
cs.CL
本文提出了UnpredictaBench基准测试，用于评估大型语言模型（LLMs）捕捉真实底层分布的能力，通过KS@N指标量化模型输出与目标分布（包括统计分布和自然语言场景）的匹配程度。实验发现，即使对于简单分布，模型表现也普遍不佳，表明分布采样作为一项能力仍有显著提升空间。
How Language Models Fail: Token-Level Signatures of Committed and Persistent Reasoning Failures
Tanvi Thoria et al.
cs.CL cs.AI
本文通过token级别的uncertainty信号，将语言模型推理失败分为committed failure和persistent uncertainty两种模式，并分析了其可检测性特征。
CAF-Gen: A Multi-Agent System for Enriching Argumentation Structures
Jakub Bąba, Jarosław Chudziak
cs.CL cs.AI
本文提出了CAF-Gen，一个用于将浅层论证结构丰富为Carneades Argumentation Framework (CAF) 兼容模型的多智能体系统，通过Creator-Reviewer迭代流水线来确保结构完整性。实验表明该方法能克服单次生成模型的局限性，但未涉及code、spectral或Muon等关键词。
The Piggyback Hypothesis of Generalization: Explaining and Mitigating Emergent Misalignment
Jiachen Zhao et al.
cs.CL
本文提出Piggyback Hypothesis来解释大语言模型在微调后出现的跨领域泛化现象，并通过Token-Regularized Finetuning (TReFT)方法缓解该问题。实验表明，对前缀token进行扰动或正则化能有效抑制非预期的泛化行为。
What Do People Actually Want From AI? Mapping Preference Plurality
Julia Sepúlveda Coelho, Scott A. Hale
cs.CL cs.CY
本文通过分析来自75个国家的1500份开放式回答，揭示了当前RLHF方法在聚合人类偏好时存在的根本问题：不同人对AI系统的期望存在分歧，且对同一概念（如“truthfulness”）的理解也各不相同，表明现有方法无法捕捉实际偏好。
HKJudge: A Legal Discourse-Annotated Corpus for Interpreting What Courts Find, How They Reason, and What They Rule
Xi Xuan et al.
cs.CL cs.AI cs.CY
本文介绍了HKJudge，一个由法律语言学专家标注的香港判决书语料库，包含约29万句和650万token，并设计了双层话语标注模式。基于该语料库，作者对四种BERT模型和多种LLM进行了基准评估，展示了句子级话语标注在建模判决书结构中的价值。
Signal-Driven Observation for Long-Horizon Web Agents
Shubham Gaur, Ian Lane
cs.CL
本文提出Signal-Driven Observation (SDO)方法，通过一个子程序仅在特定信号触发时读取完整DOM并返回任务相关元素，从而解耦web agent的观察频率与动作频率，旨在缓解长程任务中的context退化问题。
Data-Efficient Autoregressive-to-Diffusion Language Models via On-Policy Distillation
Xingyu Su et al.
cs.CL cs.AI
本文提出OPDLM方法，通过on-policy distillation将自回归语言模型（ARLM）转化为扩散语言模型（DLM），以解决训练-推理不匹配和知识遗忘问题。该方法使用学生模型生成轨迹并由冻结的教师模型蒸馏知识，在多种任务上以极少的训练token实现强性能。
Does Topic Sentiment Cause Perceived Ideology? Comparing Human and LLM Annotations in Political News Articles
Upasana Chatterjee
cs.CL cs.AI cs.LG
本文研究了新闻文章中的主题情感是否对感知政治意识形态有因果影响，并比较了人类与LLM标注的差异。通过Double Machine Learning等方法分析，发现微调后的GPT-4o-mini产生了显著因果效应，但这被解释为捷径学习导致的虚假关联。
Modular Monolingual Adaptation using Pretrained Language Models
Nalin Kumar, Ondřej Dušek
cs.CL
本文提出了一种模块化的单语语言模型适应方法，通过冻结预训练模型的token embeddings并仅微调其余部分，来适应低资源语言（如苏格兰盖尔语、爱尔兰语和克丘亚语）。实验表明，该方法在掩码填充、NER和POS等NLU任务上优于全模型微调，但整体创新性有限，且与关键词列表中的概念关联较弱。
When to Think Deeply: Inhibitory Deliberation for LLM Reasoning
Zhixuan He, Yue Feng
cs.CL
本文提出IDPR框架，通过一个抑制控制器（inhibition controller）根据快速回答的置信度、logit margin等证据，决定是否触发慢速推理（slow reasoning）。在数学推理测试集上，该方法仅对8.20%的样本调用慢推理，将准确率从47.90%提升至48.92%，优于随机路由和基于置信度的基线方法。
Evidence Graph Consistency in Retrieval-Augmented Generation: A Model-Dependent Analysis of Hallucination Detection
Jianru Shen
cs.CL cs.AI cs.LG
本文提出Evidence Graph Consistency (EGC)框架，通过构建局部证据图并计算五种结构一致性指标来检测RAG中的幻觉。实验发现该方法的检测方向在不同模型族间存在系统性反转，表明其无法作为模型无关的幻觉检测信号。
PromptPrint: Behavioral Biometrics Through Natural Language Prompting in LLMs
Shaiv Patel, Kartik Narayan, Vishal Patel
cs.CL cs.ET
本文研究了LLM交互中用户提示的 authorship attribution 问题，发现词汇特征比语义编码更有效，并揭示了用户身份信号的“唯一性-一致性悖论”。该工作为基于提示的行为生物特征提供了实证基础，但与关键词列表中的概念关联较弱。
A Four-Condition Diagnostic Protocol for Evidence Utilization in Long-Context and Retrieval-Augmented Language Models
Haizhou Xia
cs.CL
本文提出了一种四条件证据可用性协议（ONCU），用于诊断长上下文和检索增强语言模型是否真正利用了提供的证据，而非仅依赖参数记忆或错误引用。该协议通过固定示例、提示和检索设置，分离了无证据可答性、全上下文利用、检索条件利用等不同失败模式，并在多个开源模型上进行了实证分析。
When Better Codebooks Are Not Enough: Predictive Performance and Behavioral Reliability in LLM Political Event Coding
Zixian He et al.
cs.CL
本文研究了在政治事件编码任务中，即使使用更清晰的codebook（编码手册）提升LLM的分类性能，模型在行为可靠性测试（如标签名称或定义映射的受控变化）下仍可能失败，表明高准确率并不等同于忠实遵循编码逻辑。
Explain Like I'm 5 or Whatever I Choose: Evaluating the Interactive Potential of Language Model Responses
Indu Panigrahi, Tal August
cs.CL cs.HC
本文提出了一种评估LLM在科学信息检索任务中交互潜力的框架，通过控制语言复杂度生成多个回答来测试模型能力。实验发现即使最佳模型（Claude Sonnet 4.5）也仅有46%的概率正确调整复杂度，表明当前模型在可控交互方面仍存在不足。
TA-RAG: Tone-Aware Retrieval-Augmented Generation for Peer-Support Health Communication
Yong-Bin Kang, Anthony McCosker
cs.CL cs.IR
本文提出TA-RAG框架，通过prompt-based方法在RAG pipeline中嵌入tone control（语气控制），以改善HIV同伴支持健康沟通中的响应质量。该方法无需模型微调，通过四个组件（stigma-free rewriting, readability adjustment, recipient adaptation, empathy rephrasing）提升沟通质量。
Korean Culture into LLM Alignment: Toward Cultural Coherence
MinJae Jung, Minwoo Kim
cs.CL
本文针对大语言模型在韩国文化场景下的对齐问题，提出了一种基于prompt的种子生成器与安全响应策略的alignment数据流水线，通过DPO微调提升了模型在韩国文化安全方面的表现，但未涉及关键词中的核心概念。
Quantifying Media Representation Dynamics Across 25 Years of News Reporting on Policing-related Deaths
Farhan Samir et al.
cs.CL
本文使用计算语言学方法分析了25年间加拿大关于警察致死事件的新闻报道，开发了PerspectiveGap模型来量化媒体叙事中不同视角的呈现差异。研究发现官方视角出现频率是公众视角的近三倍，且官方叙述更偏向程序化而公众叙述更具情感色彩。
Progress-SQL: Improving Reinforcement Learning for Text-to-SQL via Progressive Rewards
Shihao Zhang et al.
cs.CL cs.AI
本文提出Progress-SQL，一种用于Text-to-SQL的多轮强化学习框架，通过Oracle-guided Diagnostic Tree (ODT)生成子句级结构反馈，并结合结构对齐、词法对齐及渐进式奖励来改进SQL生成。实验在BIRD和Spider等数据集上验证了其有效性，但该方法与关键词中的code、context、spectral、Muon、pretrain、agent、attention关联较弱。
The Dark Regulome: Disentangling Predictability from Regulation in Genomic Foundation Models
Chahat Baranwal, Aadtya Baranwal, Lakshya Nitin Tandon
cs.CL q-bio.GN
本文提出了一种残差化与置换诊断方法，用于区分基因组foundation model中基于序列可预测性与基于调控的in-silico mutagenesis (ISM)评分方差。通过分析三种不同架构的模型，发现序列可预测性层与调控输出层在top-100列表中无重叠，但脑eQTL富集信号在置换检验后仍显著。该诊断可作为ISM调控研究的通用工具。
Translate-R1: Cost-Aware Translation Tool Use via Reinforcement Learning
Pratik Jayarao et al.
cs.CL
本文提出了一种名为Translate-R1的方法，通过强化学习训练一个单一策略来决定何时使用翻译工具，以解决多语言LLM中的性能差距问题。该方法使用置信度门控的GSPO算法实现成本敏感的工具调用，在22种语言上提升了奖励，但主要聚焦于自然语言处理中的翻译工具使用，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念关联较弱。
Characterize Then Distill: Mechanistic Reasoning in Large Output Spaces
Debjyoti Saha Roy, Byron C. Wallace, Javed A. Aslam
cs.CL cs.AI cs.LG
本文研究了现代reasoning models在多标签分类任务中的机制，将其描述为“候选筛选”和“精细推理”两阶段过程，并基于此提出了一种mechanistic distillation策略。该方法在多个数据集上优于标准distillation方法。
CRAFT: A Unified Counterfactual Reasoning Framework for Tabular Question Answering and Fact Verification
Chenshuo Pan et al.
cs.CL
本文提出CRAFT框架，将表格问答和事实验证任务转化为双向验证过程，通过构建原始声明及其反事实变体并加权整合推理证据来提升性能。实验表明该方法在WikiTQ和TabFact等数据集上优于基线，尤其能缩小不同大语言模型间的性能差距。
Interpreting Brain Responses to Language with Sparse Features from Language Models
Michael A. Lepori, Kendrick Kay, Greta Tuckute
cs.CL
本文提出Augmented Sparse Encoding Models框架，用sparse autoencoder特征替代dense LM hidden states，并结合surprisal预测器，分析人类语言皮层对语言处理的神经响应。研究基于7T fMRI数据，发现大脑语言网络主要由LM中的通用特征解释，而非任意特征集。
Are Large Language Models Suitable for Graph Computation? Progress and Prospects
Yuting Zhang et al.
cs.CL
本文通过角色分类法综述了大语言模型在图计算中的应用，将其分为执行器和规划器两种范式，并指出LLMs在简单小规模任务中表现良好，但在大规模和精确性要求高的任务中仍不可靠。
An Expanded Synthetic Conversation Dataset for Multi-Turn Smishing Detection
Carl Lochstampfor, Ayan Roy
cs.CL cs.CR
本文提出了COVA-X，一个扩展的多轮对话式短信诈骗检测数据集，包含10,985个对话。通过改进的数据生成流程和重新训练分类器，发现Longformer模型在所有评估指标上超越了XGBoost，验证了Transformer模型需要更大规模对话语料才能发挥其上下文优势。
EASE-TTT: Evidence-Aligned Selective Test-Time Training for Long-Context Question Answering
Xiaopeng Yuan et al.
cs.CL cs.AI
本文提出EASE-TTT框架，通过将检索到的证据片段转化为soft attention监督目标来指导query-side adaptation，从而提升长文本问答性能。实验表明该方法在多个任务上优于全上下文推理和检索基线。
ThinkBooster: A Unified Framework for Seamless Test-Time Scaling of LLM Reasoning
Vladislav Smirnov et al.
cs.CL cs.AI cs.LG
本文提出了ThinkBooster，一个用于LLM推理的测试时计算（TTC）扩展的统一框架，包含模块化Python库、性能与效率联合评估的benchmark以及可部署的OpenAI兼容代理服务。实验在数学和编程任务上展示了不同TTC策略与评分方法的性能-计算权衡，但方法本身在理论或算法上缺乏显著的开创性。
Didact: A Cross-Domain Capability Discovery System for Defence
Aarya Bodhankar et al.
cs.CL cs.AI
本文介绍了Didact系统，一个用于国防领域的跨域能力发现原型，它整合了公开报告与知识图谱，并利用复合RAG pipeline支持自然语言对话。该系统主要面向特定应用场景，与关键词列表中的概念关联较弱。
Auditing Training Data in Domain-adapted LLMs: LoRA-MINT
Gonzalo Mancera et al.
cs.CL cs.AI
本文提出LoRA-MINT方法，用于审计经过LoRA微调的大语言模型（LLMs）的训练数据成员关系。该方法通过分析模型perplexity与成员状态的关系，在多个基准数据集上取得了优于现有基线的精度。
OpenHalDet: A Unified Benchmark for Hallucination Detection across Diverse Generation Scenarios
Xinyi Li et al.
cs.CL cs.AI
OpenHalDet是一个用于大语言模型幻觉检测的统一基准，它标准化了评估流程并支持多种检测方法（黑盒、灰盒、白盒），但未涉及关键词中的核心概念。
Tree-of-Experience: A Structured Experience-Management Solution for Self-Evolving Agents under Low-Repetition and Implicit-Reward Environments
Zihao Deng et al.
cs.CL
本文提出了Tree-of-Experience (ToE)方法，用于在低重复性和隐式奖励环境中管理LLM agent的经验，并构建了FinEvolveBench基准。实验表明，结构化经验管理比通用方法更有效，但该工作与关键词列表中的概念关联较弱。
Contrastive Training with LLM-generated Near-Misses for Robust Code-Switching Speech Recognition
Tung X. Nguyen et al.
cs.CL eess.AS
本文提出了一种针对Code-Switching语音识别的对比训练框架，通过识别语码转换关键区域并利用大语言模型生成近误假设来增强模型鲁棒性。实验表明该方法在多个数据集上降低了错误率。
Principles of Concept Representation in Sentence Encoders
Isabelle Mohr et al.
cs.CL cs.DB
本文通过控制实验分析了sentence encoder中概念表示的组成性原则，发现微调主要调整潜在几何结构而非扩展它，语义信号集中在最终transformer层，且监督的有效性取决于目标概念的组成类型。
MADE: Beyond Scoring via a Multilingual Agentic Diagnosing Engine for Fine-Grained Evaluation Insights
Yilun Liu et al.
cs.CL
本文提出了MADE，一个多语言智能诊断引擎，用于对多语言模型评估结果进行细粒度分析，通过将诊断过程分解为规划、聚合分析、实例检查等步骤，并配合专家设计的诊断集，在报告质量和专家偏好上显著优于基线方法。
Beyond Rubrics: Exploration-Guided Evaluation Skills for Reward Modeling
Xing Yue et al.
cs.CL
本文提出Eval-Skill方法，通过探索引导合成可复用的评估技能用于reward modeling，将奖励指导重构为上下文演化而非参数训练或逐查询生成rubric。该方法在多个RM基准上提升了不同judge backbone的性能。
TRACE: Trajectory Reasoning through Adaptive Cross-Step Evidence Aggregation for LLM Agents
Vijitha Mittapalli et al.
cs.CL cs.AI cs.CR cs.LG
本文提出TRACE框架，通过Triage-Inspect-Judge循环对LLM agent的长程轨迹进行监控，以检测隐藏的恶意目标。该方法在SHADE-Arena的十个任务域上取得了0.713的F1分数，主要优势在于跨时间步的证据聚合。
Modeling semantic association in self-paced reading with language model embeddings
Sara Møller Østergaard et al.
cs.CL
本文使用语言模型嵌入量化语义关联，并研究了不同嵌入模型和上下文长度对N400和自定步阅读时间的影响。结果表明，句子嵌入在捕捉语义关联方面具有潜力，且方法选择对结果有显著影响。
mmPISA-bench: Do LLMs Reason Equally Well Across 43 Languages?
Yerzhan Sapenov, Jaromir Savelka
cs.CL cs.CY
本文构建了一个多语言推理基准mmPISA-bench，包含43种语言的数学推理问题，评估了主流LLM在不同语言下的推理能力。研究发现LLM在所有语言上均能有效推理，且机器翻译问题不会显著降低准确率。
SigmaScale: LLM Compression with SVD-based Low-Rank Decomposition and Learned Scaling Matrices
Ernests Lavrinovics et al.
cs.CL cs.LG
SigmaScale提出了一种通过学习辅助scaling matrices来增强基于truncated SVD的大语言模型压缩的方法。该方法优化两组向量以定义激活感知的row和column scaling变换，从而降低weight matrices的有效intrinsic rank，并在Llama 3.1 8B和Qwen3-8B上取得了与现有SVD压缩方法相当的性能。
Style or Content? Evaluating Style Classifiers with Controlled Content Overlap
Zhuo Liu et al.
cs.CL
本文通过平行Bible翻译构建了可控内容重叠设置，研究了风格分类器对内容线索的依赖程度，并定义了重叠参数\(\alpha\)来量化内容与风格标签的共享程度。实验表明低重叠模型在移除内容线索时性能下降，而高重叠模型具有更好的鲁棒性。
Learning Perspectivist Social Meaning via Demographic-Conditioned Fusion Embeddings
Amanda Cercas Curry et al.
cs.CL
本文研究了语言中社会意义的视角性差异，通过融合文本和人口统计信息的embedding方法，在28k人类标注数据集上建模不同人口群体对社交含义的解释变化。实验表明融合模型相比纯文本基线有显著提升，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。
Explicit Evidence Grounding via Structured Inline Citation Generation
Anar Yeginbergen et al.
cs.CL
本文提出了FullCite框架，通过生成结构化inline citations（内联引用）将每个claim（声明）链接到其source document（源文档）和supporting evidence（支持证据），并评估了LLMs在document-level correctness（文档级正确性）和evidence span identification（证据跨度识别）方面的表现。
UrduMMLU: A Massive Multitask Benchmark for Urdu Language Understanding
Ahmer Tabassum et al.
cs.CL cs.AI
UrduMMLU是一个针对乌尔都语的大规模多任务benchmark，包含26,431道多选题，覆盖26个学科。实验评估了30个LLM，发现Gemini-3.5-Flash表现最佳，但多数模型在乌尔都语特定内容上表现不佳，尤其是人文科目。
Geometry of Semantic Space: Comparative Study of Discrete and Continuous Models
Gabriel Bounias, Sabine Ploux
cs.CL
本文比较了基于transformer的supervised vector embeddings（如CamemBERT）与lexical co-occurrence graphs在语义空间几何上的差异，发现两者在局部拓扑上相似但整体结构不同。该研究为理解NLP模型的语义表示提供了视角，但方法本身并非开创性，且与关键词契合度较低。
From Correctness to Utility: Gain-Based Prefix Evaluation for LLM Reasoning
Yuhang Zhou, Yixin Cao, Guangnan Ye
cs.CL
本文提出了一种基于前缀增益（prefix gain）的Prefix Utility Model (PUM)，通过轻量级student model的求解率改进来训练模型，用于评估LLM推理过程中的前缀效用，并在数学推理任务中验证了其有效性。
Adversarial Creation and Detection of AI-Generated Social Bot Content
Mykola Trokhymovych et al.
cs.CL cs.SI
本文通过对抗性方法构建了一个多语言、跨平台的人类与AI生成消息配对数据集，并训练模型以检测AI生成的社交机器人内容。该方法在真实世界数据上显著优于现有基于内容的机器人检测模型。
When Large Language Models Fail in Healthcare: Evaluating Sensitivity to Prompt Variations
Mahdi Alkaeed
cs.CL cs.AI cs.LG
本文研究了大型语言模型（LLMs）在医疗领域中对提示词变化的敏感性，发现即使是微小的措辞变化也可能导致临床建议的改变，且对抗性提示可能引发有害输出。该工作主要关注模型鲁棒性评估，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念关联较弱。
KIT's Submission to Cross-Lingual Voice Cloning in IWSLT 2026
Seymanur Akti, Alexander Waibel
cs.CL cs.SD
本文针对跨语言语音克隆任务，基于FishAudio-S2-Pro多语言text-to-speech模型，引入language tag prompting以改善语言控制并减少口音泄露，并应用reinforcement learning微调提升可懂度。此外，提出了一种reference-conditioned lexical matching方法，用于改善领域特定词汇的发音。
Phun-Bench: Evaluating LLMs on Phonological Understanding in Chinese
Xing Yue, Yongliang Shen, Weiming Lu
cs.CL
本文提出了Phun-Bench，一个专门用于评估大语言模型在中文语音理解能力上的benchmark，涵盖同音、押韵和语音相似性三个维度。实验发现LLMs在回忆正确发音上表现良好，但在灵活运用语音知识方面不如人类。
SV-Detect: AI-generated Text Detection with Steering Vectors
Mikhail Vishnyakov, Tatiana Gaintseva
cs.CL cs.AI
本文提出了一种基于steering vectors的AI生成文本检测方法SV-Detect，通过从冻结语言模型的隐藏表示中提取方向特征来区分人类与机器生成文本，并在分布偏移下保持较强性能。该方法将检测问题转化为表示空间探测问题，但与我提供的关键词列表关联度较低。
LLM-Guided Evolution for Medical Decision Pipelines
Ivan Sviridov et al.
cs.CL cs.NE
本文研究了LLM引导的MAP-Elites进化方法，用于在临床工作流中自动发现医疗决策策略（如分诊、咨询和图像分类），无需微调或手动设计。实验表明，进化方法在多个任务上优于人工基线，但该方法主要聚焦于进化算法与LLM的结合，与关键词中的code, spectral, Muon, pretrain, agent, attention等概念关联较弱。
M$^3$Exam: Benchmarking Multimodal Memory for Realistic User-Agent Interactions
Zhengjun Huang et al.
cs.CL
本文提出了M\(^3\)Exam基准，用于评估多模态语言模型在真实用户-智能体交互中的记忆与推理能力，并设计了M\(^3\)Proctor方法通过按需消耗视觉源来提升效率。该工作主要关注多模态agent的评估与优化，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。
The Masked Advantage: Uncovering Local-Language Access to Cultural Knowledge in LLMs
Yang Zhang et al.
cs.CL cs.AI
本文通过构建一个基于真实文化问题的控制框架，并利用1PL item response theory模型分离语言能力与知识访问，研究了大型语言模型在不同语言下访问本地文化知识的效果。研究发现，在控制语言能力差异后，本地语言在访问本地文化知识方面具有优势，但这种优势在原始准确率中常被掩盖。
Sycophantic Praise: Evaluating Excessive Praise in Language Models
Daniel Vennemeyer et al.
cs.CL
本文研究了语言模型中的过度赞美问题，提出了一个参数化框架来衡量赞美是否与贡献质量和用户能力相匹配，并发现这种赞美在社交和解释性领域比客观推理领域更常见。
Supervision versus Demonstration-Based In-Context Learning for Multiword Expression Classification
Sercan Karakaş, Yusuf Şimşek
cs.CL cs.AI
本文研究了土耳其语多词表达分类任务，比较了监督学习与基于演示的上下文学习方法，发现提示敏感性和模型特定偏差显著影响分类性能。
Your UnEmbedding Matrix is Secretly a Feature Lens for Text Embeddings
Songhao Wu et al.
cs.CL cs.IR
本文发现LLM的text embeddings倾向于与高频但无信息的token对齐，并提出了EmbedFilter，一种利用unembedding matrix过滤高频token子空间的线性变换，以增强语义表示并实现降维。实验表明该方法能提升零样本性能。
Agentopia: Long-Term Life Simulation and Learning in Agent Societies
Xintao Wang et al.
cs.CL
本文提出了Agentopia框架，用于在LLM驱动的多智能体社会中模拟长达10年的长期生活，通过定义life reward并利用rejection sampling训练LLM，使智能体展现出丰富的社会行为并提升下游角色扮演性能。
How reliable are LLMs when it comes to playing dice?
Luca Avena, Gianmarco Bet, Bernardo Busoni
cs.CL cs.AI cs.HC math.PR
本文通过构建标准与反直觉两类离散概率问题数据集，测试了8种大语言模型在概率推理上的表现。结果显示模型在标准问题上准确率达0.96，但在反直觉问题上仅0.59，且存在token偏差和提示误导的脆弱性，表明当前LLM并非真正的概率推理者。

cs.DS

Towards Tight Bounds for Streaming Attention ⭐ 精选
Justin Y. Chen et al.
cs.DS cs.LG
本文针对流式注意力近似问题（streaming attention approximation problem）给出了近乎紧的space complexity上下界。在算法方面，通过巧妙结合三种不同的kernel density estimation方法：基于discrepancy的coreset构造、polynomial method以及space partitioning，实现了紧的上界。在下界方面，作者提出了一种利用带有大量side information的INDEX问题的新技术，该技术有望在其他高维几何估计问题中发挥作用。这项工作显著缩小了先前工作中上下界之间的差距，与关键词“attention”高度契合。
Online Span Minimization for Flexible Uniform Jobs
Mozhengfu Liu, Samir Khuller, Xueyan Tang
cs.DS
本文研究了在线环境下均匀长度作业的Span Minimization问题，通过随机化方法打破了确定性竞争比2的壁垒，给出了上界约1.443和下界约1.366，并证明了引入重启能力可达到黄金比例约1.618的最优竞争比。
Earliest query answering over streamed trees
Mateusz Gienieczko et al.
cs.DS cs.DB cs.FL cs.LO
本文研究了在流式处理大型JSON或XML文档时，如何实现最早查询回答（earliest query answering），以降低延迟和内存占用。作者证明，对于所有可用monadic second order logic (MSO)表达的一元查询，可以在保证常数更新时间的前提下实现这一目标，但节点需通过合适的迭代器返回，而非逐个返回。
Odd Cycle Transversal in $P_k$-Free Graphs
Akramah Faizi, Arash Rafiey
cs.DS cs.DM
本文研究了\(P_k\)-free图上的Odd Cycle Transversal (OCT)问题，证明了该问题在\((P_6, C_3)\)-free图等子类上是多项式时间可解的，并基于此给出了一个常数因子近似算法，其近似比依赖于\(k\)。

others

Autonomous heterogeneous catalyst discovery with a self-evolving multi-agent digital twin ⭐ 精选
Zhilong Song, Zongmin Zhang, Lixue Cheng
cond-mat.mtrl-sci cs.AI physics.chem-ph
本文提出CatDT (Catalysis Digital Twin)，一个自进化的多智能体系统，用于自主发现非均相催化剂。该系统通过八个专用agent和27个科学工具，仅从块体晶体和自然语言反应描述出发，在单个GPU上5-30分钟内完成稳定晶面预测、表面重构、反应路径枚举与排序、过渡态定位及动力学计算。其核心创新包括UniMech方法，通过融合agent引导的提议与能量缓存图搜索，以比穷举枚举低\(10^3\)倍以上的成本发现新型材料的主导反应路径；以及一个记忆增强的强化学习循环，将600个催化表面的势垒计算成功率从41%提升至84%。在七个气固相基准测试中，CatDT的预测与实验值在四个数量级内吻合于0.5-2倍范围内，并独立发现了与Pt基工业基准相媲美的非贵金属丙烷脱氢催化剂，其中提出的Ni@ZrO\(_2\) SMSI覆盖层实现了\(1.63~\text{s}^{-1}\)的模拟TOF和约100%的选择性。该工作与关键词“agent”高度契合，展示了多智能体系统在科学发现中的强大潜力。
P-Cast Precision in FP8 Attention: Sink-Induced Collapse and the Optimality of S=2^8 ⭐ 精选
Reed Lau
cs.AR cs.AI cs.DC cs.LG cs.PF
本文针对FP8 (E4M3)加速attention计算中softmax概率矩阵P在P*V矩阵乘法前被cast为FP8时产生的精度问题，提出了两项优化：反向KV迭代顺序和静态缩放因子\(S=2^8\)。作者证明前向KV迭代会导致非sink位置的P值大量下溢为零（称为"P-collapse"），而反向迭代结合\(S=256\)可保证零下溢。此外，文章从理论上刻画了\(S=2^8\)作为静态缩放因子的最优性，满足IEEE 754位精确缩放、最小最坏情况量化步长以及最大正常范围覆盖。该工作为FlashAttention-3/4中已部署的工程选择提供了定量解释和闭式阈值\(\Delta_c = 6.93 + \ln S - \delta_k\)用于预测kernel级精度损失，与关键词"attention"高度契合。
Agentic Large Language Models for Automated Structural Analysis of 3D Frame Systems ⭐ 精选
Ziheng Geng et al.
cs.GR cs.AI
本文提出了一种基于agentic LLM的自动化框架，用于从自然语言输入对3D frame system进行结构分析。该框架通过将不规则3D frame投影到2D平面并用正交gridlines和楼层矩阵表示空间坐标，构建了多agent pipeline，包括问题分析、楼层分解、节点/梁/板/柱构建、支撑与荷载分配以及代码翻译等agent，最终生成可执行的SAP2000脚本。在十个代表性3D frame上的实验表明，该方法平均准确率达90%，为结构工程中的自动化分析提供了新的agent-based范式。
Generalization in Deep Neural Networks: Minimax Rates for Gradient Methods ⭐ 精选
Junyu Zhou et al.
stat.ML cs.AI cs.LG
本文首次建立了使用gradient-based methods训练的深度神经网络（DNNs）与kernel methods学习动态之间的关键联系，证明了在over-parameterized条件下，DNNs可以完全继承kernel counterparts的有利学习动态。基于此联系，作者推导出了gradient descent (GD)和stochastic gradient descent (SGD)在excess population risk上的首个minimax-optimal rates，前提是网络宽度随样本量多项式增长。该结果表明，在足够宽度下，DNNs能够达到与kernel-based methods相当的泛化性能，为理解深度学习的统计泛化性质提供了重要理论进展。
Towards Unified Song Generation and Singing Voice Conversion with Accompaniment Co-Generation ⭐ 精选
Ziyu Zhang et al.
cs.SD cs.AI
本文提出UniSinger，这是首个统一说话人克隆歌曲生成与伴奏协同生成SVC的端到端框架。基于multimodal diffusion transformer，构建统一的speaker embedding空间，将SVC中的speaker representation迁移至歌曲生成，实现跨任务的细粒度音色控制。为缓解多任务优化冲突，设计curriculum learning策略，通过任务特定的modality masking引导模型逐步掌握语义内容、人声音色与伴奏之间的生成机制。实验表明该方法在两个任务上均达到最优性能，并实现互补增益。
dots.tts Technical Report ⭐ 精选
Shi Lian et al.
cs.SD cs.AI eess.AS
本文提出dots.tts，一个2B参数的continuous autoregressive TTS foundation model，在continuous latent space中建模语音。其核心创新包括：使用多目标训练的AudioVAE构建语义结构化的continuous speech space；在flow-matching head中采用full-history conditioning以保持long-range consistency并减少generation drift；以及应用reward-free self-corrective post-training提升鲁棒性和acoustic quality。在Seed-TTS-Eval基准上，该模型在zh/en/zh-hard测试集上分别达到0.94%/1.30%/6.60%的WER和81.0/77.1/79.5的SIM score，并展示了open-source state-of-the-art性能。此外，通过CFG-aware MeanFlow distillation实现低延迟speech generation，支持output streaming和dual-streaming模式。
Socratic-SWE: Self-Evolving Coding Agents via Trace-Derived Agent Skills ⭐ 精选
Chuan Xiao et al.
cs.SE cs.AI
Socratic-SWE提出了一种闭环自进化框架，通过重用agent的历史求解轨迹（solving traces）来生成结构化技能（structured agent skills），这些技能总结了agent的重复失败模式和有效修复模式，并指导在真实代码仓库中生成针对性的修复任务。该方法利用执行验证和求解器梯度对齐奖励（solver-gradient alignment reward）筛选任务，使任务分布自适应于agent的弱点，从而在SWE-bench等基准上持续提升性能。该工作与关键词"agent"高度契合，为代码agent的自进化训练提供了可扩展的范式。
MemDreamer: Decoupling Perception and Reasoning for Long Video Understanding via Hierarchical Graph Memory and Agentic Retrieval Mechanism ⭐ 精选
Cong Chen et al.
cs.CV cs.AI cs.CL
MemDreamer提出了一种解耦感知与推理的框架，用于长视频理解。它通过构建一个分层的Hierarchical Graph Memory（一种自上而下的三级语义抽象架构，底层图捕捉时空和因果关系），将视频流增量处理为结构化记忆。在推理时，模型采用agentic tool-augmented retrieval机制，通过Observation-Reason-Action循环在层次结构中导航和检索节点。该方法在多个基准上达到SOTA，将推理context窗口压缩至全量输入的2%，并揭示了VLM在逻辑推理与长视频理解性能间的强正相关，为agent能力扩展提供了新范式。
Zero-Shot Embedding Drift Detection: A Lightweight Defense Against Prompt Injections in LLMs
Anirudh Sekar et al.
cs.CR cs.AI cs.CL
本文提出了一种名为Zero-Shot Embedding Drift Detection (ZEDD)的轻量级框架，通过量化良性输入与可疑输入在embedding空间中的语义漂移（cosine similarity）来检测prompt注入攻击。该方法无需访问模型内部结构或任务特定重训练，在多个LLM架构上实现了超过93%的检测准确率，但与我提供的关键词（如code, spectral, Muon, attention等）关联度较低。
Deployed trusted-node quantum key distribution over 300 km with a multi-core fiber access link
Martin Clason et al.
quant-ph cs.IT cs.LG eess.IV physics.optics
本文展示了在瑞典国家量子通信基础设施中，通过270 km部署单模光纤和33 km多芯光纤(MCF)接入链路，总长303 km的信任节点量子密钥分发(QKD)实验。该实验使用商用QKD系统与外部超导纳米线单光子探测器，在动态重构的光纤网络中实现了与经典以太网流量的共存，并演示了有限QKD吞吐量对一次性密码本图像传输的影响。
A Geometric Gaussian Mixture Representation of Plane Curves
Ali Darijani, Benedikt Stratmann, Jürgen Beyerer
cs.CG cs.AI cs.CV math.DG
本文提出了一种基于用户定义概率多边形表示的平面曲线几何高斯混合模型，通过为每个线段引入法向不确定性参数，将曲线扩展为概率性几何基元。该方法适用于多种平面曲线，并支持自适应离散化，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Which Anatomy Matters Under Limited Labels? A Data-Efficient Anatomy-Aware Benchmark for Cardiac Pathology Prediction
Himanshu Singh
eess.IV cs.AI cs.LG q-bio.TO
本文研究了在标签有限和计算资源受限的医疗影像问题中，模型性能提升主要源于更复杂的模型还是对临床相关解剖结构的更好表示。通过在ACDC MRI数据集上进行5类心脏病理预测实验，作者发现当标签数据有限时，解剖结构的表示比模型复杂度更重要。
FP8 is All You Need (Part 1): Debunking Hardware FP64 as the HPC Holy Grail
Satoshi Matsuoka
cs.AR cs.AI cs.DC cs.PF
本文论证了在AI优化GPU（如B300）上，基于FP8张量核心和Chinese Remainder Theorem的Ozaki Scheme II可以恢复全FP64精度的内存受限执行，从而挑战了传统HPC中硬件FP64作为“圣杯”的观点。文章提出了Tensor-Memory Equilibrium (TME)模型，并预测模拟FP64性能远超原生FP64，但该方法与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
DxPTA: An Architecture Design Space Exploration with Optical Dataflow-guided Strategy for HW/SW Co-Design of Photonic Transformer Accelerators
Rachmad Vidya Wicaksana Putra et al.
cs.AR cs.AI cs.DC cs.ET cs.LG
本文提出DxPTA，一种用于光子Transformer加速器(PTA)的硬件/软件协同设计空间探索方法，通过识别基于相干光数据流的架构参数并设计约束感知搜索算法，在满足面积、功耗等约束下快速找到合适的PTA架构。该方法相比穷举搜索实现了15.2倍的加速，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。
Probabilistic learning to perform pre-onset individualised prediction of disease severity: application to Veno Occlusive Disease
Dalia Chakrabarty et al.
q-bio.QM cs.LG
本文提出了一种新的概率监督学习方法，用于在疾病发生前对患者进行个体化的严重程度预测，并以肝静脉闭塞病(VOD)为例进行了验证。该方法通过将术前变量与严重程度评分之间的关系建模为随机过程的样本函数，并利用回顾性患者数据及概率逆学习来增强训练集，从而实现对数字孪生(DT)患者的自动化预测。
Advanced Flood Prediction with Physics-Guided Deep Learning: Combining UNet, FNO, and SAR/Optical Imagery
Tewodros Syum Gebre, Jagrati Talreja, Leila Hashemi-Beni
eess.IV cs.CV cs.LG
本文提出了一种结合UNet和Fourier Neural Operator (FNO)的物理引导深度学习框架，利用多模态遥感数据和浅水方程约束进行洪水预测。实验表明该混合模型在洪水范围和水深预测上优于单一基线模型，并保持了物理一致性。
Ablation Study of Block Size, Weight Precision, and Scale Precision in NVFP4 Inference for Low-Power Edge-Efficient Neural Networks
Ovishake Sen et al.
cs.AR cs.LG
本文通过消融实验研究了NVFP4 LUT-based推理框架中block size、weight precision和scale precision对低功耗边缘神经网络的影响，发现B=16能平衡精度与存储，且NVFP4结合重训练可恢复精度。硬件分析表明NVLUT框架相比传统LUT能实现高达26.85倍的能耗降低。
Attention Consistent Longitudinal Medical Visual Question Answering Guided by Vision Foundation Models
Jialin Wu et al.
eess.IV cs.AI
本文提出了一种基于attention的encoder-decoder框架，用于纵向医学视觉问答（VQA），通过轻量级配准模块和DINO-based mask生成器处理胸部X光片的时间序列图像对。该方法在Medical-Diff-VQA基准上取得了较好的BLEU、ROUGE-L等指标，并提供了可解释的saliency mask。
Architecturally Significant MLOps Guidelines for ML Model Integration and Deployment: a Gray Literature Review
Faezeh Amou Najafabad et al.
cs.SE cs.LG
本文通过灰色文献综述方法，从103个网络来源中提炼出25条关于ML模型集成与部署的MLOps架构指南，并将其分为五类。该工作为MLOps系统的架构设计提供了实践参考，但未涉及与关键词相关的具体技术方法。
Attention-Guided Autoencoder Fusion for Insulator Defect Detection Using UAV Transmission-Line Imaging
Malak Allam, Khaled Shaban, Ali Hamdi
cs.CV cs.AI cs.LG
本文提出AE-YOLO框架，通过集成轻量级autoencoder和CBAM attention机制改进YOLO模型，用于无人机输电线路图像中绝缘子缺陷检测。该方法在特征融合中保留异常敏感信息，并利用加权框融合提升检测性能。
Synthetic Benchmarks Overstate Forward-Forward Scaling: Real-Data Limits of Layer-Local Training
Yucheng Chen
cs.CV cs.AI cs.LG cs.NE
本文通过开发DTG-FF方法在多个真实数据集上评估了Forward-Forward (FF)学习的扩展性，发现FF在真实数据上的性能远低于反向传播，且其优势仅在合成数据上成立，在真实图像上随类别数增加而逆转。系统审计还表明，FF在内存和速度上并不优于标准反向传播。
Coordinated optimization of departure sequencing and section-track allocation in railway short-term concentrated departure scenarios based on qubo and hybrid quantum algorithms
Xiaobin Li et al.
quant-ph cs.AI
本文针对铁路短期集中发车场景，提出了一种基于QUBO（二次无约束二进制优化）模型与仿真评估层相结合的协调优化框架，用于处理发车排序与区段轨道分配问题。实验比较了传统启发式、量子启发式及混合算法，发现QPSO-QAOA在正常条件下表现最佳，且量子增强方法在动态条件下能显著降低综合成本与总延误。
Queen-Bee Agents: A BeeSpec-Centered Architecture for Governed Enterprise MCP Orchestration
Dutao Zhang, Liaotian
cs.SE cs.AI
本文提出了一种名为Queen-Bee的受控多agent架构，用于企业级MCP编排，通过Queen控制平面规划任务并编译BeeSpec，由Bee agent在受限工具访问下执行。系统在59个企业任务上评估，实现了0.964的任务成功率且无治理失败，但该工作主要提供原型级系统证据，而非开创性方法或解决长期问题。
Geometric Second-Order Feature Correlation Learning for Self-Supervised Speech Emotion Recognition
Shuanglin Li, Ruxiao Qian, Siyang Song
cs.SD cs.AI eess.AS
本文提出了一种用于自监督语音情感识别的二阶特征相关学习层SOC，通过将特征相关性建模为covariance descriptors并利用Log-Euclidean mapping保留Riemannian几何结构，以聚合高维SSL特征。实验表明该方法能恢复一阶池化丢失的判别信息。
Depth over Fidelity in Fixed-Budget Noisy Evolution Strategies
Sichen Wang, Zhipeng Lu
cs.NE cs.LG
本文研究了固定预算下噪声Evolution Strategies中的深度-保真度权衡问题，提出了一种名为probabilistic elite membership (PEM)的方法，通过条件期望秩权重替代硬秩权重来减少更新分散性。实验表明该方法在预算受限的高误排序场景中表现稳定。
IRAF: Interference-Resilient Adaptive Fusion for Noise-Robust End-to-End Full-Duplex Spoken Dialogue Systems
Tao Zhong et al.
cs.SD cs.AI eess.AS
本文提出了一种名为IRAF的轻量级模块，用于全双工语音对话系统中，通过逐帧预测标量可靠性门控来调节用户音频对LLM的贡献，从而在干扰说话者条件下提升响应质量和交互稳定性。该方法主要针对噪声鲁棒性，与关键词中的agent和context有一定关联，但创新性有限。
AI-Driven Test Case Generation from Natural Language Requirements: A Survey of Techniques and Research Gaps
Orimoloye Folorunsho, Hassan Reza
cs.SE cs.AI
本文综述了从自然语言需求中利用AI和NLP技术生成测试用例的方法，将相关研究划分为三个演化时代，并指出当前没有方法能同时满足自动化、歧义处理等六个关键质量维度。文章识别了幻觉、可追溯性等研究空白，并提出了四项研究指南。
AI Level of Detail: Distance-Aware ML Model Precision Selection for Real-Time Human Motion Prediction in Games
Mathew Varghese
cs.GR cs.HC cs.LG
本文提出AI Level of Detail (AI LOD)框架，通过根据NPC与玩家摄像头的距离动态选择不同精度的量化机器学习模型（FP32, FP16, INT8）来降低实时动画计算开销。该方法在CMU Mocap数据集上验证了各精度层级在指定距离范围内可保持可忽略的感知退化。
NTILC: Neural Tool Invocation via Learned Compression
Andrew Krikorian, Yayuan Li, Jason J. Corso
cs.SE cs.AI
本文提出NTILC框架，通过将工具规格映射到共享embedding space并利用外部检索替代in-context查找，显著降低了context window消耗和推理延迟。该方法使用signature-aware复合目标函数增强工具选择准确性，但未涉及code、spectral、Muon或attention等关键词。
MalTree: Tracing Malware Evolution from Embeddings at Scale
Akash Amalan, Georgios Smaragdakis, Tom J. Viering
cs.CR cs.AI
MalTree提出了一种基于生物信息学中的phylogenetic技术（如UPGMA和Neighbor-Joining）来自动建模恶意软件家族演化关系的方法，利用结构、行为和图像特征构建演化树，并通过VirusTotal时间戳验证了87%的时间一致性。该工作主要关注恶意软件演化分析，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Multiscale POD of Transformer Attention Fields: Scale-Selective Analysis via Morlet Scalogram
Athanasios Zeris
physics.flu-dyn cs.CL cs.LG eess.SP
本文受湍流分析中POD方法的启发，将尺度选择性POD应用于transformer attention fields，通过Morlet连续wavelet transform识别attention lag结构中的主导时间尺度，并提取各尺度下的能量主导模态。该方法无需修改架构或语言标注，仅从ensemble统计中揭示attention patterns的层依赖尺度组织。
Direct 3D-Aware Object Insertion via Decomposed Visual Proxies
Jingbo Gong et al.
cs.CV cs.AI cs.LG
本文提出DIRECT框架，通过将插入条件分解为appearance guidance、geometry guidance和context guidance三个互补组件，实现了对参考物体的3D姿态可控插入。该方法在保持视觉质量的同时提供了显式的几何控制能力。
FIGMA: Towards FIne-Grained Music retrievAl
Nishit Anand et al.
cs.SD cs.AI cs.LG eess.AS
本文指出现有基于CLAP的音乐检索模型在处理细粒度音乐属性（如tempo, key, chord progression）时表现不佳，原因是对比学习目标仅利用了长描述的前几个token。作者提出FIGMA，一种多视角对比架构，通过联合优化全局音频-文本对齐和帧级token对齐来改进检索，并构建了FGMCaps数据集。实验表明FIGMA在多个基准上优于现有模型。
ChronoForest: Closed-Loop Multi-Tree Diffusion Planning for Efficient Bridge Search and Route Composition
Jungmin Seo, Jaesik Park
cs.RO cs.AI cs.LG
本文提出ChronoForest，一种用于离线导航的闭环规划系统，通过锚链树扩散规划器和在线多树协调器，结合局部桥搜索与在线路线重解，以在仅有短程离线轨迹时实现长程路线规划。该方法在OGBench AntMaze-Stitch基准上取得了高成功率，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
What Matters When Cotraining Robot Manipulation Policies on Everyday Human Videos?
Richard Li et al.
cs.RO cs.AI cs.CV cs.LG
本文研究了利用日常人类视频协同训练机器人操作策略时的影响因素，发现手部姿态质量和运动差异是关键，并提出了一种协同训练方法，在低机器人数据场景下将成功率提升了29.7%。
Inside the Visual Mind: Neuroscience-Motivated Concept Circuits for Interpreting and Steering Vision Transformers
Tang Li et al.
cs.CV cs.AI cs.LG
本文提出ViSAE，一种受神经科学启发的可解释性工具，用于通过概念电路（concept circuits）理解Vision Transformer (ViT)的内部机制。它通过改进概念覆盖效率和自动恢复概念电路，提升了模型行为的可解释性，但方法本身并非开创性突破，且与关键词列表中的概念关联较弱。
On the Hardness of Optimal Motion on Trees
Tzvika Geft
cs.RO cs.DS
本文研究了树结构上的多智能体路径规划(MAPF)问题的计算复杂性，证明了在labeled和2-colored两种变体下，针对距离、makespan和flowtime三种目标函数均为NP-hard。该结果解决了树结构上Pebble Motion问题长期悬而未决的复杂性，并通过Stack Rearrangement问题的NP-hard性建立了统一框架。
MMBU: A Massive Multi-modal Biomedical Understanding Benchmark to Probe the Perception Capabilities of Vision-Language Models
Ryan D'Cunha et al.
cs.CV cs.AI
MMBU是一个大规模多模态生物医学理解基准，覆盖35个子模态，用于评估Vision-Language Models在生物医学图像中的感知能力。实验表明，现有模型在视觉感知和领域泛化方面仍存在不足。
SCOUT: Semantic scene COverage via Uncertainty-guided Traversal
Junyu Mao et al.
cs.RO cs.AI
SCOUT提出了一种在线语义探索框架，通过将主动遍历与概率3D scene graph构建相结合，使机器人能在探索过程中逐步理解环境。该方法利用不确定性引导的遍历规划器，平衡语义确定性增益、几何覆盖增益和移动成本，从而将语义场景完整性作为操作目标。
Multilingual Multi-Speaker Unit Vocoders: A Systematic Analysis of Discrete Speech Representations
Naman Kothari et al.
cs.SD cs.AI cs.CL
本文系统分析了基于BigVGAN的unit vocoder在多语言多说话人语音生成中的表现，探讨了cluster size和conditioning策略对语音清晰度和说话人身份保持的影响。
HybridCodec: Fast Dual-Stream, Semantically Enhanced Neural Audio Codec
Arjun Gangwar, S Umesh
cs.SD cs.AI cs.CL
本文提出HybridCodec，一种结合语义蒸馏与双流分离的神经音频编解码器架构，通过独立的语义和声学分支并蒸馏SSL表示到语义流中，实现了无需推理时SSL模型的强解耦，在域内测试集上展现了优越的语义特化性能。
MADRAG: Multi-Agent Debate with Retrieval-Augmented Generation for Training-Free Analytic Essay Scoring
Ali Keramati et al.
cs.MA cs.CL
本文提出MADRAG框架，通过多智能体辩论（Advocate、Skeptic、Judge）与检索增强生成结合，实现无需训练的论文评分。该方法在无监督条件下接近监督系统性能，但未涉及code、spectral、Muon、pretrain或attention等关键词。
AxisGuide: Grounding Robot Action Coordinate System in RGB Observations for Robust Visuomotor Manipulation
Jiyun Jang et al.
cs.RO cs.AI
本文提出AxisGuide方法，通过在RGB观测中渲染机器人base-frame坐标轴（即+x、+y、+z方向）作为额外的cue channels，以增强视觉运动策略对动作坐标系统的理解。实验表明该方法在LIBERO仿真和真实环境中提升了策略的泛化性能，但方法本身并非开创性，且与关键词列表中的概念关联较弱。
Optimal Rates for Generalization of Gradient Descent Methods with Deep Neural Networks
Junyu Zhou et al.
stat.ML cs.AI cs.LG
本文研究了深度ReLU网络在NTK机制下使用GD和SGD训练时的泛化性能，证明了在宽度足够大时，这些方法可以达到与kernel方法相当的minimax最优泛化误差率。
Reactivity-Informed Machine Learning for Performance Prediction and Design Space Exploration of Alkali-Activated Slag
Qiyao He, Zhanzhao Li, Kai Gong
cond-mat.mtrl-sci cs.LG
本文利用机器学习方法，基于碱激发矿渣（AAS）数据集预测其抗压强度，并引入平均金属氧化物解离能（AMODE）作为前驱体反应活性的物理可解释描述符，以替代复杂的氧化物组成。研究通过模型解释揭示了非单调的剂量效应和设计空间中的强度-碳排放权衡，但方法本身在机器学习领域缺乏开创性，且与关键词列表中的概念无直接关联。
The Sharp Phase Transition of Tyler's M-Estimator for Robust Subspace Recovery
Gilad Lerman, Teng Zhang
cs.IT cs.LG math.ST stat.ML
本文研究了Tyler's M-estimator (TME)在鲁棒子空间恢复问题中的相变行为，证明了当维度缩放信噪比(DS-SNR)大于等于1时，TME在一种新的稳定性条件下能精确收敛到真实子空间，解决了该临界边界上的未知行为。
What Your Posts Reveal: A Benchmark and Agentic Framework for User-Level Privacy Leakage on Social Media
Zifan Peng et al.
cs.CR cs.AI cs.CY
本文提出了SopriBench基准和Argus框架，用于评估社交媒体上的用户级隐私泄露风险，并引入Privacy Exposure Score (PES)作为评估指标。Argus通过假设推理和跨帖子线索聚合，在隐私泄露推断任务上比最强基线提升了25%的PES。
Empirical Transfer Operators and Finite-Sample Change Detection for Noisy Expanding Interval Maps
Aparna Rajput
stat.ML cs.LG math.DS
本文研究了一维噪声动力系统的有限样本变化检测问题，通过基于划分的经验转移算子近似平稳行为，并利用正则化确保唯一平稳分布。该方法通过比较滑动窗口与基线窗口的经验平稳分布之间的\(L_1\)距离来检测变化，并给出了有限样本下的误报保证和检测条件。
Learning All-Terrain Locomotion for a Planetary Rover with Actively Articulated Suspension
Arthur Bouton et al.
cs.RO cs.LG eess.SY
本文提出ERNEST行星探测车概念，利用主动万向悬挂系统（Active Gimbal Suspension）结合强化学习框架训练单一神经网络控制器，实现复杂地形下的自主导航。通过策略整合（policy consolidation）将不同地形特化agent的经验合并，无需显式地形分类即可在松软土壤等异质地形中实现零样本迁移到物理机器人。
Exploring Reinforcement Learning for Fluid Transitions Between Clinical Mental Healthcare and Everyday Wellness Support
Tony Wang, Qian Yang
cs.HC cs.AI
本文探索了使用reinforcement learning (RL)构建数字健康系统，以在临床心理健康与日常健康支持之间实现流畅过渡。通过一个contextual bandit实验，研究发现RL优化的干预序列在干预结束后才显现出部分益处，且高参与度用户存在倦怠风险，但未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词。
Lane Change Trajectory Planning for Personalized Driving Comfort and Mobility Efficiency
Haoxuan Dong, Dongjun Li, Ziyou Song
cs.RO cs.AI eess.SY
本文提出了一种基于神经网络的车道变换轨迹规划方法，通过集成三阶多项式轨迹生成器和学习模块来优化轨迹参数，并利用双头结构和门控切换机制实现个性化驾驶舒适性与移动效率的平衡。
Breaking the Lock-in: Diversifying Text-to-Image Generation via Representation Modulation
Dahee Kwon, Haeun Lee, Jaesik Choi
cs.CV cs.AI
本文通过分析text-to-image模型中的Transformer中间特征，发现零频空间平均（DC）成分的快速收敛导致生成样本同质化。提出DAVE方法，在早期阶段选择性衰减该成分，以无训练方式提升多样性，但方法创新性有限且与关键词契合度较低。
The Effect of Training Task Diversity on In-Context Learning through the Lens of Low-Dimensional Subspaces
Soo Min Kwon et al.
stat.ML cs.LG math.ST stat.AP
本文通过将训练task vectors建模为low-rank Gaussians的混合，分析了训练任务多样性（由参数化协方差矩阵的子空间之间非重叠列的数量定义）如何影响linear attention的in-context learning。研究解释了任务多样性为何能缩短ICL的plateau并实现out-of-distribution generalization，但方法本身在理论框架上并非开创性突破。
AMD-FCG: An Enhanced Function Call Graph Dataset with Integrated Topological Features for Malware Detection and Classification
Parthajit Borah et al.
cs.CR cs.LG
本文提出了AMD-FCG，一个增强的Function Call Graph数据集，集成了恶意软件的拓扑特征，用于恶意软件检测和分类。该数据集通过静态分析简化了检测流程，无需动态分析即可支持更高效的检测系统开发。
Terastal: Layer-Variant-based Scheduling for Real-Time Multi-DNN Workloads on Heterogeneous Accelerators
Sing-Yao Wu, Fengshuo Song, Eli Bozorgzadeh
cs.DC cs.AR cs.LG
本文提出Terastal框架，通过引入layer variants（定制化的层实现）来减少异构DNN加速器上非首选加速器的延迟差距，并联合优化加速器映射与变体选择，以降低软实时多DNN工作负载的截止时间错过率。实验表明该方法在牺牲少量精度的情况下显著提升了调度性能。
AdaGRPO: A Capability-Aware Adaptive Enhancement for Flow-based GRPO
Jiazi Bu et al.
cs.CV cs.LG
本文针对基于flow的GRPO在文本到图像生成中的问题，提出了AdaGRPO算法，通过在线课程过滤策略和跨层级优势融合来动态适应模型能力，但方法创新性有限且与关键词不契合。
Learning Fair Demand Models
Adam N. Elmachtoub, Hyemi Kim, Jonathan Y. Tan
cs.CY cs.LG
本文研究了数据驱动定价中的公平性问题，通过一个两阶段决策模型（线性需求估计和价格优化）分析了不同公平性约束（如训练损失、价格和需求上的公平）对定价结果和社会福利的影响。
Think Like a Pilot: Fine-Grained Long-Horizon UAV Navigation
Xiangyi Zheng et al.
cs.RO cs.AI cs.CV
本文提出了FLIGHT基准和FLIGHT VLA架构，用于解决语言引导的无人机长时域导航任务，通过异步解耦低频率的Streaming Pilot VLM和高频率的扩散动作模型来实现任务状态推理与连续控制。
SEAM: Shortcut-Aware Real-Time Detection of Scripted vs. Spontaneous Speech for Interview Guardrails
Vsevolod, Kovalev, Pranay Manocha
eess.AS cs.LG
本文提出SEAM框架，用于实时检测面试场景中的脚本化与自发语音，通过统一预处理、非语音增强和DistilHuBERT骨干网络实现高ROC-AUC性能。研究强调捷径学习（shortcut learning）对检测鲁棒性的影响，并展示了模型量化压缩效果。
LLM Agent-Assisted Reverse Engineering with Quantitative Readability Metrics
Neil Archibald, Ruben Thijssen
cs.SE cs.AI
本文探讨了使用LLM agent辅助逆向工程中反编译代码可读性的问题，提出了一个包含Lexical Surprisal等子指标的Quantitative Readability Score (QRS)框架，用于引导agent在不牺牲正确性的前提下改进代码可读性。
MotionEnhancer: Leveraging Video Diffusion for Motion-Enhanced Vision-Language Models
Yifan Xu et al.
cs.CV cs.AI
本文提出MotionEnhancer，利用Video Diffusion Model的运动先验通过attention alignment增强Vision-Language Model的运动理解能力，无需额外训练参数或修改架构。实验表明该方法在运动级视频理解基准上取得一致改进。
Stability beyond Bounded Differences: Sharp Generalization Bounds under Finite $L_p$ Moments
Qianqian Lei et al.
stat.ML cs.LG math.ST
本文研究了在有限\(L_p\)矩条件下学习算法的泛化界，通过扩展McDiarmid的有界差分技术，证明了\(L_p\)稳定性足以在损失无界或重尾情况下保证鲁棒泛化。
LRMIL: Efficient Low-Resolution Multiple Instance Learning via High-Resolution Knowledge Distillation for Whole Slide Image Classification
Yonghan Shin, Won-Ki Jeong
cs.CV cs.LG
本文提出LRMIL框架，通过两阶段知识蒸馏（patch级和slide级）将高分辨率WSI知识迁移至低分辨率表示，在推理时仅使用低分辨率patch以降低计算开销。实验表明该方法在多个WSI基准上优于现有MIL方法，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。
EgoPressDiff: Multimodal Video Diffusion for Egocentric UV-Domain Hand-Pressure Estimation
Yuan Zeng et al.
cs.CV cs.AI
本文提出EgoPressDiff，一个条件视频扩散框架，用于从第一人称视角的视觉输入生成UV域手部压力图。该方法通过多模态条件策略（包括手部姿态和3D网格顶点特征）以及分布校准空间层来融合异构特征，在EgoPressure数据集上取得了优于先前基线的结果。
Neuro-Symbolic Learning for Long-Horizon Task Planning Under Complex Logical Constraints
Qiwei Du et al.
cs.RO cs.AI
本文提出了一种基于imperative learning的双层优化框架，用于在复杂逻辑约束下学习object-importance scores以剪枝任务规划中的无关对象。通过引入3R策略（Repair, Restart, Rollback）稳定下层符号规划过程，解决了训练与部署时的exposure bias问题，在多个基准上显著降低了规划失败率和时间。
FreeAnimate: Training-Free Human Image Animation with Preview-Guided Denoising
Yuan Zeng et al.
cs.CV cs.AI
本文提出了一种名为FreeAnimate的无训练框架，利用图像diffusion models的固有能力实现人类图像动画，通过预览生成策略和注意力机制模块保证时间一致性与身份保持。该方法无需额外训练数据，在生成质量上可与现有方法媲美。
Diagnosing Visual Ignorance in Vision-Language Models
Runyu Zhou et al.
cs.CV cs.LG
本文从机制和行为两个角度研究了Vision-Language Models (VLMs)中的语言先验依赖问题。内部机制上，作者通过反事实层替换和逐层MLP探针揭示了视觉语义与语言先验在语言解码器中的竞争过程；外部行为上，提出了一种基于多步高斯模糊的渐进视觉退化指标，发现大量样本在视觉信息严重破坏时仍能被回答，表明当前基准测试可能无意中奖励了视觉忽视。
Lighting-Aware Representation Learning under Controllable Lighting Variation
Lizhen Zhu et al.
cs.CV cs.LG
本文提出了一种光照感知表示学习框架，通过引入辅助目标来捕捉光照变化，从而在对比学习中显式建模光照信息，并在图像分类和检测任务上提升了性能。
Beyond Skeletons: Learning Animation Directly from Driving Videos with Same2X Training Strategy
Yuan Zeng et al.
cs.CV cs.AI
本文提出DirectAnimator框架，通过引入Driving Cue Triplet（包含pose, face, location线索）和CueFusion DiT模块，直接从驱动视频中学习动画生成，无需中间pose估计步骤。同时设计了Same2X训练策略来对齐跨身份特征，在遮挡和复杂姿态下保持鲁棒性。
SpectCount: Spectrotemporal Counting via Synthetic Signals Improves Large Audio Language Models
Seonuk Kim et al.
eess.AS cs.AI cs.SD
本文提出SpectCount方法，通过合成音频信号进行数据高效微调，以解决大型音频语言模型在细粒度频谱时间感知上的弱点，并在多种听觉基准上提升性能。该方法不依赖真实音频数据或预训练生成模型。
SS-TPT: Stability and Suitability-Guided Test-Time Prompt Tuning for Adversarially Robust Vision-Language Models
Sunoh Kim, Daeho Um
cs.CV cs.AI
本文提出SS-TPT方法，通过稳定性与适用性评分来筛选增强视图，以提升视觉语言模型在对抗扰动下的鲁棒性，并改善鲁棒性与吞吐量之间的权衡。该方法在多个数据集上优于现有技术。
When is 3D Worth It? A Resource-Performance Frontier for CNNs and Transformers in Lung CT
Md Enamul Hoq et al.
cs.CV cs.AI
本文通过固定训练协议，系统比较了2D、2.5D和3D输入维度对CNN和Vision Transformer在肺CT分类任务中的影响，发现2.5D CNN在性能-稳定性权衡上表现最优，而3D CNN存在阈值不稳定、Transformer出现退化预测等问题。研究为医学影像中的维度选择提供了资源-性能前沿参考，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等核心概念。
Deep Single-Index Fréchet Regression
Muqing Cui et al.
stat.ML cs.LG
本文提出了一种名为DeSI的半参数回归框架，用于处理输出位于非欧几里得空间（如概率分布、网络和对称正定矩阵）且输入为高维数据的问题。该方法通过深度神经网络估计一个可解释的单索引方向，并沿该一维索引进行Fréchet回归，从而缓解维度灾难并保持可解释性。
DaX: Learning General Pathology Representations Across Scales
Bokai Zhao et al.
eess.IV cs.AI cs.CV
本文提出DaX，一个基于DINOv3自监督学习的病理视觉基础模型，通过连续放大训练、跨尺度组织视图等设计，在包含161个临床任务的基准上取得最佳平均性能。该工作主要贡献于计算病理学的通用视觉表征学习，与关键词中的code、context、spectral、Muon、agent、attention等概念关联较弱。
Don't Pause: Streaming Video-Language Synchrony for Online Video Understanding
Zhenyu Yang et al.
cs.CV cs.AI
本文提出了一种面向在线视频理解的流式视频-语言同步范式SVLS，并构建了LyraV系统。该系统通过帧驱动转换控制器和流式令牌调节器，实现了在生成响应时不中断视频感知的细粒度同步。实验表明该方法在保持基础理解能力的同时，显著提升了流式同步性和叙事流畅性。
DataEvolver: Automatic Data Preparation for Large Language Models through Multi-Level Self-Evolving
Chao Deng et al.
cs.DB cs.AI
本文提出DataEvolver系统，通过多层级自进化机制自动构建数据准备pipeline，将原始数据转化为高质量训练数据，并在多个benchmark上提升了LLM的下游性能。
Phonetic Error Analysis of Raw Waveform Acoustic Models
Erfan Loweimi et al.
cs.SD cs.AI cs.CL cs.LG
本文分析了基于原始波形的声学模型在TIMIT音素识别中的错误模式，将音素错误率按语音类别分解并构建混淆矩阵。研究发现，BLSTM层对过渡依赖类别的提升最大，而WSJ迁移学习对辅音的改进效果约为元音的三倍。
Never Seen Before: Benchmarking Genuine Zero-Shot Composed Image Retrieval with Consistent Video-Sourced Datasets
Zhenyu Yang et al.
cs.CV cs.AI
本文提出了ZeroSight基准，用于解决零样本组合图像检索(ZS-CIR)中参考与目标图像不相关及非真正零样本的问题。它通过从2022年后的视频中提取帧对并利用LLM生成描述来构建数据集，并提出了一个无需训练的MLLM驱动方法SC4CIR，通过对称一致性检查提升检索性能。
STREAM: Stochastic Riemannian Flow Matching with Anisotropic Decoder for Digital Histopathology Image Generation
Won June Cho et al.
cs.CV cs.AI cs.CE cs.LG
本文提出STREAM框架，利用Riemannian flow matching在单位超球面\(\mathcal{S}^{d-1}\)上生成数字病理学图像，通过桥式随机扰动训练Diffusion Transformer，并设计各向异性解码器以平衡生成质量与鲁棒性。该方法在乳腺癌和结直肠癌数据集上取得了最优的重建与生成性能。
TrioPose: Native Triple-Stream Diffusion Transformers for Pose-Guided Text-to-Image Generation
Dian Gu, Zhengyi Yang
cs.CV cs.LG
本文提出TrioPose框架，通过引入Triple-Stream Pose-Aware DiT将pose作为独立模态处理，并设计Learnable Relational Bias Mask和Pose-Guided Spatial Loss Weighting策略，以解决多人物场景下的肢体扭曲和特征串扰问题。该方法在Human-Art等基准上取得了显著性能提升。
An Adaptive Data cleaning Framework for Noisy Label Detection
Chen-Hsuan Fang et al.
cs.CV cs.LG
本文提出了一种自适应的数据清洗框架，通过整合局部、全局和学习动态线索来检测噪声标签。该方法将样本映射到统一低维特征空间，并利用多度量聚类（如结合KNN和k-means）来区分干净和噪声样本，无需手动阈值或噪声先验。实验表明该方法在多种噪声率下能有效提升模型准确率。
MetaConfigurator: AI-Assisted RDF Authoring from JSON Data
Felix Neubauer et al.
cs.SE cs.AI
本文介绍了一个名为MetaConfigurator的RDF Authoring View扩展，它通过AI辅助的RML映射将JSON等结构化数据转换为RDF，并支持SPARQL查询和知识图谱可视化。该工具主要面向科学工作流中的语义互操作性问题，与关键词列表中的概念关联较弱。
GP-Adapter: Gaussian Process CLIP-Adapter for Few-Shot Out-of-Distribution Detection
Taisei Saito, Koretaka Ogata, Takafumi Hiroi
cs.CV cs.AI
本文提出GP-Adapter，一种无需训练的方法，通过为CLIP模型添加Gaussian Process不确定性建模来增强其在少样本分类和分布外检测中的性能。该方法在冻结的CLIP嵌入上构建类别特定的one-class GP，并融合其预测统计量以生成方差感知的置信度分数。
DIFFRACT: Neuralized Utility Maximization for Wireless Networks by Differentiable Programming
Chee Wei Tan, Siya Chen
cs.NI cs.AI cs.IT
DIFFRACT提出了一种利用可微编程将深度学习与无线网络优化相结合的资源管理框架，通过算法展开将迭代干扰管理算法映射为可微神经网络架构。该方法主要面向无线网络中的功率控制与效用最大化问题，实验验证了其理论有效性与实际应用潜力。
Native3D: End-to-End 3D Scene Generation via Unified Mesh-Texture Modeling and Semantic Alignment
Yibo Liu et al.
cs.CV cs.AI
本文提出Native3D，一种端到端的3D场景生成框架，通过统一的mesh-texture联合表示和3D REPA Loss来避免2D中间表示带来的域适应问题，在生成质量和编辑灵活性上优于现有方法。
The Three-Ring Architecture: Governing Agents in the Era of On-Platform Organisations
Sergio Alvarez-Telena, Marta Diez-Fernandez
cs.ET cs.AI cs.MA
本文提出了Three-Ring Architecture作为on-platform组织在agent时代的管理基础设施，将系统分为生产架构、基于策略的agent联邦层和基于LLM的前沿智能层，并强调了策略层对控制与合规的必要性。该架构已在金融服务、政府等领域部署验证，但方法本身并非开创性，且与关键词契合度较低。
From Privacy to Workflow Integrity: Communication-Graph Metadata in Autonomous Agent Interoperability
Bijaya Dangol
cs.CR cs.AI cs.MA cs.NI
本文探讨了自主Agent互操作协议（如A2A和MCP）中通信图元数据的隐私与工作流完整性问题，指出即使消息内容被加密，通信图（谁联系谁、何时联系）仍会泄露工作流状态和任务意图。文章提出了威胁模型并评估了多种传输层保护方案，但方法上未涉及code、spectral或Muon等关键词，与给定关键词列表契合度较低。
No-Harm Physics-Informed Inverse Learning with Residual-Calibrated Uncertainty
Ronald Katende
math.NA cs.LG math.OC
本文提出了一种用于物理信息逆问题学习的无损害认证与选择框架，通过结合数据、物理、边界和优化残差来评估重建结果，仅在残差校准半径不差于基线时接受学习结果。该方法在多个数值测试中验证了其有效性，但并未涉及代码、上下文、谱方法、Muon、预训练、智能体或注意力等关键词。
Textual Supervision Enhances Geospatial Representations in Vision-Language Models
Marcelo Sartori Locatelli et al.
cs.CV cs.AI cs.CL cs.LG
本文分析了视觉模型(ViT)、视觉语言模型(CLIP)和多模态基础模型(LLaVA等)在地理空间表示上的表现，发现文本监督能增强模型对空间上下文的编码能力，但未涉及关键词中的code、spectral、Muon、agent或attention等核心概念。
OPTIMUS-Prime: Minimal and Sufficient Concept Explanations for Deep Vision Models
Arthur Hoarau, Chenrui Zhu, Vu Linh Nguyen
cs.CV cs.LG
本文提出OPTIMUS框架，用于生成基于概念的视觉解释，通过prime implicants理论确保解释的充分性和最小性，但方法在概念提取和验证上缺乏显著开创性，且与关键词列表中的概念关联较弱。
Entropy as a Structural Prior: How a Log-Barrier on DiT Belief Space Drives Musical Diversity and Development
Zixi Li, Youzhen Li
cs.SD cs.LG eess.AS
本文提出了一种基于DiT输出空间能量分布熵的Eisbach log-barrier方法，用于监督扩散训练中的损失加权。该方法在Stable Audio 3 Medium的LoRA微调中意外地增强了音乐的主题发展和纹理多样性，其机制在于监督扩散中梯度方向固定，置信度仅缩放步长。
An Abstract Architecture for Explainable Autonomy in Hazardous Environments
Matt Luckcuck, Hazel M Taylor, Marie Farrell
cs.RO cs.AI
本文提出了一种用于危险环境中可解释自主系统的抽象架构，旨在通过设计阶段融入可解释性来增强用户信任。文章以民用核工业为例展示了该架构的应用，但未涉及代码、上下文、谱方法、Muon、预训练、智能体或注意力等关键词相关技术。
Robotic Policy Adaptation via Weight-Space Meta-Learning
Christian Bianchi et al.
cs.RO cs.CV cs.LG
本文提出WIZARD框架，通过weight-space meta-learning为冻结的VLA policy生成task-specific LoRA参数，无需task-specific fine-tuning或action labels。实验表明该方法在LIBERO和Franka Emika Panda上显著提升了policy adaptation性能。
DualGate-Net: A Prior-Gated Dual-Encoder Framework for Histopathology Cell Detection
Bahman Jafari Tabaghsar et al.
cs.CV cs.AI
本文提出DualGate-Net，一种用于组织病理学图像中细胞检测的双编码器框架，通过可学习的prior-gated融合机制自适应整合组织上下文先验，并在OCELOT基准上取得改进。该方法主要关注细胞检测任务，与关键词中的context有一定关联，但方法本身并非开创性突破。
MMAE: A Massive Multitask Audio Editing Benchmark
Ziyang Ma et al.
cs.SD cs.CL cs.MM
本文提出了MMAE，一个大规模多任务音频编辑基准测试，旨在评估基于指令的通用音频编辑系统。该基准涵盖7种音频模态和6级任务复杂度，通过人工与智能体协作构建了2000个高质量样本，并采用基于规则的评估框架进行多维评估。
Does Appearance Help? A Systematic Study of Image-Based Re-Identification in Online 3D Multi-Pedestrian Tracking
Eduardo Borges, Luís Garrote, Urbano J. Nunes
cs.CV cs.LG cs.RO
本文系统研究了在在线3D多行人跟踪中，基于图像的Re-Identification (ReID) 方法，通过轻量级投影框架解耦几何与外观建模，并比较了不同特征提取架构与数据关联策略。实验表明，级联匹配策略能在不降低整体精度的情况下恢复被遮挡轨迹，但该方法主要聚焦于特定应用场景，与关键词列表中的概念关联较弱。
Beyond Waypoints: A Trajectory-Centric Waypointing Paradigm for Vision-Language Navigation
Haoxiang Shi et al.
cs.RO cs.AI cs.CV
本文提出了一种名为Trajectory Waypoint的新范式，用于连续环境下的视觉-语言导航(VLN-CE)。该方法通过TSDF引导的扩散策略生成可执行轨迹，并利用轨迹增强的导航器实现高层语义决策与低层执行的一致性，在基准测试中取得了优于基线方法的性能。
AI Sovereignty: A Qualitative Model of Strategic Competition as AI Becomes an Instrument of National Power
Timothy Clancy, Asmeret Naugle
cs.CY cs.AI
本文提出了一个关于AI主权的定性模型，分析了国家在AI技术竞争中的微观、中观和宏观因素，并识别了加速器、电力、数据等关键杠杆点。该研究为理解AI如何影响国家权力提供了概念框架，但未涉及代码、谱方法或预训练等具体技术细节。
On the conditional equivalence of phase retrieval algorithms
Jakob Schroeder, Andreas Döpp
physics.optics cs.LG
本文证明了相位恢复中的Gerchberg-Saxton算法与基于梯度的优化方法在数学上等价，即幅度替换步骤等价于在幅度最小二乘损失上的单位梯度下降步，并给出了两种概率解释。
The Capacity of Information-Theoretic Secure Aggregation in Federated Learning
Lanxin Yi et al.
cs.IT cs.CR cs.LG
本文研究了联邦学习中信息论安全聚合的容量问题，提出了一种无需可信第三方或预设群组结构的通用两阶段框架，并完全刻画了安全性随机性、密钥分发通信和聚合通信三者之间的容量区域。
TargetSEC: Plug-and-Play In-the-Wild Speech Emotion Conversion via Arousal-Conditioned Latent Style Diffusion
Constantin Alexander Auga
cs.SD cs.LG
本文提出TargetSEC，一种基于embedding的latent diffusion框架，用于在非平行训练数据和复杂真实声学环境下进行语音情感转换。该方法通过arousal-conditioned latent style diffusion生成情感风格embedding，在紧凑的latent space中操作，避免了在spectrogram上扩散带来的质量下降问题。
SWE-Explore: Benchmarking How Coding Agents Explore Repositories
Shaoqiu Zhang et al.
cs.SE cs.CL
SWE-Explore是一个用于评估coding agent在代码仓库中探索能力的benchmark，它通过让agent在固定行预算下返回相关代码区域的排序列表来测试其repository exploration能力。该benchmark覆盖了848个issue和203个开源仓库，并提供了行级别的ground truth用于评估。
Acoustic Cue Alignment in Audio Language Models for Speech Emotion Recognition
Iosif Tsangko, Andreas Triantafyllopoulos, Björn W. Schuller
cs.SD cs.AI cs.CL
本文研究了在语音情感识别(SER)中，向音频语言模型(ALM)添加显式acoustic cue tokens（如能量、音高、动态等）的效果。实验表明，对齐的tokens能提升性能，而扰动tokens会降低性能，但模型仍部分依赖原始音频信号，这为理解ALM的鲁棒性和可解释性提供了参考。
CULTURESCORE: Evaluating Cultural Faithfulness in Video Generation Models
Anku Rani et al.
cs.CV cs.AI
本文提出CultureScore，一个用于评估视频生成模型文化忠实度的组合式框架，将文化忠实度分解为身份、背景和行为三个维度。通过对10个国家、3个模型的6180个视频进行评估，发现当前最佳模型的文化忠实度得分仅为56.8%，且行为维度最难实现。
Hierarchical Certified Semantic Commitment for Byzantine-Resilient LLM-Agent Collaboration
Haoran Xu et al.
cs.MA cs.AI cs.DC
本文提出了一种名为Hierarchical Certified Semantic Commitment (H-CSC)的协议，用于在拜占庭容错的LLM智能体协作中提供类型化的最终性判定。该协议将基于embedding的最终性信号转化为语义提交、裁决提交或显式中止三种结果，并在实验中展示了其在受控攻击下的有效性。
A Temporal Spatial Minimax Rate for Smoothly-Varying Distributions in Wasserstein Space
Munsik Kim
math.ST cs.AI cs.IT
本文研究了Wasserstein空间中平滑变化分布的时间-空间极小化极大速率，通过将时间平滑性预算转化为空间传输打包嵌入，并利用Fano论证控制快照实验的信息，得到了一个统一的时空下界。该下界插值了不可约的未来外推误差和空间估计维数灾难，并在特定条件下建立了匹配的上界。
How Far Can Chord-Symbol Time-Series Adaptation Carry Genre Identity? Capabilities and Boundaries in Multi-Genre Chord-Symbol Modeling
Jinju Lee
cs.SD cs.LG
本文研究了和弦符号时间序列在多流派和弦符号建模中的适应性，通过对比LoRA、IA3等五种微调方法在11个流派上的表现，发现所有方法均能提升预测性能，但流派身份无法仅由和弦符号完全承载。
DirectAudioEdit: Inversion-Free Text-Guided Audio Editing via Diffusion Prediction Contrast
Zhengkun Ge et al.
cs.SD cs.CL
本文提出DirectAudioEdit，一种无需训练和无需反演（inversion-free）的文本引导音频编辑方法，通过扩散预测对比（Diffusion Prediction Contrast）构建源到目标的编辑路径。实验表明，该方法在降低计算开销和重建误差的同时，在音乐和事件级基准上相比DDPM反演方法实现了编辑速度提升和性能改善。
Dash2Sim: Closed-Loop Driving Simulation from in-the-wild Dashcam Videos
Anurag Ghosh et al.
cs.CV cs.LG cs.RO
本文提出Dash2Sim框架，将单目行车记录仪视频转化为与现有模拟器兼容的4D驾驶日志，并构建了ROADWork4D基准数据集。实验表明工作区场景对规划器具有挑战性，且恢复的密集深度可提升新视角合成质量。
Mitosis Detection in the Wild: Multi-Tumor and Context-Aware Generalization in the MIDOG 2025 Challenge
Marc Aubreville et al.
cs.CV cs.AI
本文介绍了MIDOG 2025挑战赛，旨在评估有丝分裂检测算法在跨12种肿瘤类型和多种扫描平台上的泛化能力。研究发现，模型在传统热点区域表现良好，但在困难区域和罕见肿瘤类型上性能显著下降，表明“野外”有丝分裂检测仍是重大挑战。
Impact of Synthetic Lesional MR Images in Automated Focal Cortical Dysplasia Detection in Low-Data Scenarios
Prabhjot Kaur et al.
eess.IV cs.AI cs.CV
本文研究了使用条件生成网络合成局灶性皮质发育不良（FCD）的MRI图像，并评估其在低数据场景下对自动检测的影响。结果表明，合成数据可减少约20%的标注需求，但同等数量的真实数据仍更有效。
RhinoVLA Technical Report
Huixi Intelligence et al.
cs.RO cs.LG
本文提出RhinoVLA，一种面向边缘部署的Vision-Language-Action模型，通过采用token高效的Qwen3-VL骨干网络和连续Action Expert来减少VLM侧的token与计算负担，并引入统一接口支持跨机器人学习。实验表明其在Huixi R1芯片上达到11.69 Hz的端到端推理，满足实时闭环控制需求。
Unified Geometry-Guided ML-FTLE for Tracking Transient Chaos from Scalar Time Series
S. V. Manivelan, Andrei Velichko, I. Manimehan
nlin.CD cs.LG physics.data-an
本文提出了一种几何引导的机器学习框架ML-FTLE，通过结合预测轨迹发散和宏观吸引子形态来从标量时间序列中检测瞬态混沌，无需控制方程。该方法利用k近邻预测误差提取局部不稳定性尺度，并通过偏最小二乘回归提取潜在几何成分，验证了融合拓扑状态空间与预测发散能改善连续转变跟踪。
Automatic, Debiased, and Invariant Counterfactual Generation under General Interventions
Raphael C Kim et al.
stat.ML cs.LG
本文提出了ADIGen框架，用于在一般干预下生成反事实结果，通过结合Riesz回归、因果不变性和正交统计学习来解决不稳定估计和模型误设偏差问题。该方法在高维干预和结果场景下提供了双重稳健性保证。
The Proxy Benders Decomposition
Changkun Guan et al.
math.OC cs.LG
本文提出了一种名为Proxy Benders Decomposition (Proxy-BD)的新框架，通过自监督的预测-投影-补全机制生成对偶可行的解，从而用认证的优化代理替代子问题的精确求解。该方法在理论上保证了Benders割的有效性，并在大规模设施选址和网络设计问题上实现了高达161倍的加速，同时保持了低于0.5%的中位最优性间隙。
Watch, Remember, Reason: Human-View Video Understanding with MLLMs
Jiahao Meng et al.
cs.CV cs.AI cs.MM
本文从人类视角出发，将基于MLLM的视频理解系统组织为“观看、记忆、推理”三个功能能力，并提出了一个包含感知表示、记忆状态、推理轨迹和最终预测的形式化框架。文章系统梳理了时空感知、长视频处理、记忆建模等挑战及代表性方法，并涵盖了相关应用领域与基准。
The Lipreading Gap: Do VSR Models Perceive Visual Speech Like Human Lipreaders?
Rishabh Jain, Naomi Harte
cs.CV cs.CL
本文比较了VSR模型与人类在唇读任务上的表现，发现模型虽整体准确率更高，但其成功与失败的单词模式与人类不同，且模型更依赖训练数据中的语言线索而非视觉感知。
Re-imagining ISO 26262 in the Age of Autonomous Vehicles: Enhancing Controllability through Transferability and Predictability
Chaitanya Shinde et al.
cs.RO cs.AI cs.HC cs.SE eess.SY
本文针对自动驾驶时代ISO 26262标准中Controllability概念的适用性问题，提出了两个可审计的子概念：Transferability（系统将控制权移交给后备安全机制的能力）和Predictability（外部主体预测自动驾驶行为的能力），并给出了Predictability的数学量化框架。该工作主要面向功能安全标准在SAE L4/L5级自动驾驶中的扩展应用，与关键词列表中的概念关联较弱。
TEVI: Text-Conditioned Editing of Visual Representations via Sparse Autoencoders for Improved Vision-Language Alignment
Sweta Mahajan et al.
cs.CV cs.AI cs.CL cs.LG
本文提出TEVI框架，利用sparse autoencoders解耦image embeddings，并基于caption选择性重构embedding以改善vision-language alignment。实验表明该方法在图像检索任务上取得性能提升。
Adjacency Spectral Radius Under Laplacian Sparsification: Deterministic and Probabilistic Bounds
Joshua Steier
math.CO cs.DS
本文研究了Laplacian谱稀疏化对邻接谱半径的影响，给出了确定性和概率性的误差界，并证明了在正则图等情形下这些界是紧的。
Amortized Neural Optimization for Pre-Layout Signal Integrity Design Space Exploration using Differentiable Surrogates
Julian Withöft et al.
eess.SP cs.CE cs.LG
本文提出了一种用于预布局信号完整性设计空间探索的摊销神经优化方法，通过使用可微神经网络替代模型来消除迭代黑盒推理，从而将优化过程离线学习并实现单次前向传播即可获得近优设计参数。该方法在多个复杂SI设计场景中实现了三到四个数量级的加速，但以牺牲约10%的最优性为代价。
Planning-aligned Token Compression for Long-Context Autonomous Driving
Zhixuan Liang et al.
cs.RO cs.AI cs.CV
本文提出COMPACT-VA，一种基于条件VQ-VAE的规划对齐工作记忆框架，用于压缩长上下文自动驾驶中的token序列。该方法通过将压缩过程与规划意图对齐，在保持决策关键信息的同时实现了3.3倍加速和2.7倍内存缩减，并在成功率上提升了超过6%。
Whisper Hallucination Detection and Mitigation via Hidden Representation Steering and Sparse AutoEncoders
Georgii Aparin et al.
cs.SD cs.AI
本文研究了Whisper ASR模型中的幻觉检测与缓解问题，通过分析音频编码器的内部表示（包括原始激活和Sparse AutoEncoder隐变量）来检测幻觉，并提出了两种steering策略（激活空间和SAE隐空间）来减少幻觉。实验表明，SAE-based steering能显著降低非语音测试集上的幻觉率，同时保持语音数据上的低WER。
Twelve quick tips for designing AI-driven HPC workflows
Jamie J. Alnasir
cs.DC cs.AI cs.LG cs.SE
本文提供了十二条实用建议，旨在帮助研究人员设计高效、可扩展且可复现的AI驱动HPC工作流，重点讨论了容器化、作业数组部署和I/O优化等系统级瓶颈。这些建议主要面向计算生物学等资源密集型领域，但原则可广泛适用于分布式环境。

- 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.

↑