bluearXiv-ai - 2026-06-09

📄 所有论文 ↑ 回顶部

cs.LG

From Human Guidance to Autonomy: Agent Skill System for End-to-End LLM Deployment on Spatial NPUs ⭐ 精选

Jiajie Li et al.

cs.LG cs.AI cs.AR cs.MA

本文提出了一种从人类引导到自主部署的两阶段方法论，在AMD XDNA 2 NPU上实现了端到端的LLM部署。第一阶段通过人类引导的agent辅助开发了Llama-3.2-1B的参考部署，取得了2.2倍prefill和4.0倍decode的加速；第二阶段将优化经验蒸馏为包含八个阶段的agent skill system，使得agent能够自主地将八种不同的decoder-only LLM（如Llama-3.2-3B、Qwen2.5系列等）端到端部署到该NPU上，且每个部署仅需0.5-4小时且几乎无需人工干预。该方法在agent自主部署和硬件适配方面具有开创性，与关键词中的agent高度契合。

Reachability and asymptotics of Gaussian Transformer dynamics ⭐ 精选

Albert Alcalde, Zhengping Ji, Enrique Zuazua

cs.LG cs.AI

本文通过将Transformer中的数据传播建模为概率测度空间上的非线性控制系统，证明了在具有self-attention和affine feed-forward层的mean-field Transformer模型中，Gaussian分布在演化过程中保持Gaussian形式。这一不变性将无限维测度动力学简化为有限维双线性控制系统，揭示了与经典滤波和控制中Riccati型方程的新联系，并证明了在时变控制下，任何具有相同秩的协方差矩阵的目标Gaussian分布可在有限时间内精确可达。该工作为理解Transformer的表达能力提供了新的控制论视角，与关键词“attention”和“spectral”高度契合。

LFNO: Bridging Laplace and Fourier via Transient-Steady Decomposition ⭐ 精选

Jeongun Ha, Sanga Yoon, Donghun Lee

cs.LG cs.AI

本文提出Laplace-Fourier Neural Operator (LFNO)，一种通过整合Laplace和Fourier Neural Operator的spectral优势来统一建模瞬态与稳态动力系统的框架。LFNO采用双分支架构，显式地将系统动力学分解为瞬态分量和稳态分量，从而在ODE系统（如Duffing、Lorenz）上显著超越现有算子，并在PDE基准上取得与FNO竞争的性能。该方法通过分量分解提升了稳定性和物理可解释性，为学习多时间尺度复杂动力系统提供了鲁棒且统一的方案。

Contribution Weights: A Geometrical Analysis of Self-Attention Transformers ⭐ 精选

Harry Jake Cunningham, Nicola Muca Cirone

cs.LG cs.AI

本文提出了一种名为Contribution Weights的投影度量方法，用于量化self-attention Transformer中token对输出的实际影响。该方法通过同时考虑attention weight、value vector的magnitude以及其与layer output的方向对齐，克服了传统仅分析attention weights的局限性。实验表明，Contribution Weights在识别语义关键token方面优于基于attention的指标，并揭示了attention sinks（注意力汇聚点）具有主动抑制信息的功能性角色，而非被动存储。该工作为理解attention机制提供了新的几何分析视角，与关键词“attention”高度契合。

DSFNet: Learning Dual-Domain Spectral Operators for Multi-Modality Spatio-Temporal Forecasting in Urban Transportation Systems ⭐ 精选

Yongchao Li et al.

cs.LG cs.AI

本文提出DSFNet，一种用于多模态时空预测（MoSTF）的双域谱滤波网络。该方法将空间-模态交互分解为特征域和空间域的谱算子（spectral operators），从而显式建模不同模态变量间的耦合关系，并利用外部门控机制自适应调节时间动态。与基于图消息传递或密集注意力的方法不同，DSFNet通过谱域操作实现了对非局部依赖和跨模态耦合的可扩展建模，在五个真实交通数据集上相比次优基线将MAE降低了3.21%-10.16%。该工作为多模态时空预测中的谱方法应用提供了新思路，与关键词中的“spectral”和“attention”高度契合。

WhiFlash: Accelerating Speculative Decoding with Token-Level Cross-Paradigm Routing ⭐ 精选

Young D. Kwon et al.

cs.LG cs.AI

WhiFlash提出了一种跨范式投机解码方法，首次在token级别统一了自回归和基于扩散的并行草稿模型。该方法通过细粒度路由机制（基于轻量熵或学习策略）动态选择最优草稿范式，并引入Lazy Catch-up和KV-only Prefill缓存优化以降低切换开销。实验表明，该方法在复杂agent工作负载中相比现有方法（如EAGLE-3和DFlash）实现了高达69.6%的吞吐量提升，有效解决了静态范式下草稿精度波动导致的性能瓶颈。该工作与关键词"agent"和"attention"（涉及KV cache优化）高度契合。

Attention at the Theoretical Minimum: A Mathematics of Arrays Framework for Memory-Optimal Transformer Kernels ⭐ 精选

Lenore Mullin, Gaetan Hains

cs.LG cs.AI cs.PF

本文提出了一种基于Mathematics of Arrays (MoA)框架的注意力机制形式化重构方法，通过代数构造而非经验调优推导出Denotational Normal Form (DNF)，消除了所有中间数组（包括隐式转置键缓冲区和softmax临时变量）。该方法将标准实现中$O(n^2 + n_{dk} + n_{dv})$的数据移动降低至$O(n_{dk} + n_{dv})$，并在双精度浮点下通过PyTorch进行了数值验证。与FlashAttention等硬件特定加速方案不同，MoA从单一代数框架同时提供数组融合、形状变换正确性和预测性成本模型，其内存最小性在代码编写前即被定理保证，预测性能模型显示在百亿亿次计算规模下可实现$2$--$100\times$加速和$2$--$50\times$能耗降低。该工作与关键词"attention"高度契合，并为性能可移植的AI内核提供了形式化验证流水线。

The Easy, the Hard, and the Learnable: Confidence and Difficulty-Adaptive Policy Optimization for LLM Reasoning ⭐ 精选

Zhanke Zhou et al.

cs.LG

本文通过分析GRPO训练中的token log-probabilities和group-normalized advantages，揭示了confidence inflation、advantage contraction和hierarchical convergence三种动态现象。基于这些发现，作者提出Confidence and Difficulty-adaptive Policy Optimization (CoDaPO)方法，利用rollout confidence和empirical difficulty对每个问题赋予有界权重，并据此重加权policy updates和重采样高价值可学习问题。该方法在固定计算预算下增加了可学习band内的探索，在12个benchmark上持续优于现有RL方法，为LLM reasoning中的自适应训练提供了开创性思路。

DICE: Entropy-Regularized Equilibrium Selection for Stable Multi-Agent LLM Coordination ⭐ 精选

Yi Xie et al.

cs.LG

本文针对多智能体LLM系统中的不稳定性问题，提出了一种基于熵正则化均衡选择的方法。作者将此类系统形式化为折扣不完全信息Markov博弈，并引入Heterogeneous Quantal Response Equilibrium (HQRE)概念，该均衡在单调性条件下具有唯一性且支持线性收敛的mirror更新。基于HQRE，作者设计了DICE-PC和DICE-FT两种算法，分别通过prompt控制动作和参数高效微调实现协调，在多个基准测试中显著提升了准确率与计算成本的权衡。该工作为多智能体LLM协调中的均衡选择问题提供了理论框架与实用算法，与关键词中的agent和attention概念高度契合。

ConSteer-RL: Steering Reasoning Capabilities in Large Language Models via Confidence-Aware Reinforcement Learning ⭐ 精选

Qing Miao et al.

cs.LG cs.CL

本文提出ConSteer-RL框架，通过在Group Relative Policy Optimization (GRPO)中引入基于token-level log-probabilities的置信度信号，构建了置信度感知的奖励塑造机制。该方法解决了RLVR中稀疏二元奖励忽略模型内部不确定性的问题，通过惩罚过度自信的错误并强化正确且自信的推理，在多个模型规模上平均提升2.3%-4.0%的性能。该工作与关键词中的"attention"（关注模型内部置信度信号）和"agent"（强化学习智能体训练）有一定契合。

AttentionCap: Transformer Based Capacitance Matrix Learning Toward Full-Chip Extraction ⭐ 精选

Jiechen Huang et al.

cs.LG cs.AR math.NA

本文提出AttentionCap，一种基于Transformer的电容矩阵学习方法，用于全芯片提取。该方法通过Gram表示框架将电容矩阵学习转化为注意力机制，并设计了物理对齐的对称注意力输出层和归一化Laplacian loss，同时引入工艺节点嵌入实现多节点学习。实验表明，在多层多节点设置下，AttentionCap在未见过的真实设计上达到0.67%/3.99%的自/耦合电容误差，相比CNN-Cap基线分别降低4.6倍/5.7倍误差并实现192倍推理加速，且预训练模型仅需少量样本即可迁移至新节点。这项工作为EDA流程中的电容提取提供了高精度和强迁移性的实用方案，与关键词中的attention高度契合。

Causal Agent Replay: Counterfactual Attribution for LLM-Agent Failures ⭐ 精选

Jaineet Shah

cs.LG cs.AI

本文提出Causal Agent Replay (CAR)方法，将LLM agent的运行过程建模为structural causal model，通过do-operation干预特定步骤并重新执行轨迹，测量结果分布的偏移来归因失败原因。该方法定义了单步contrastive estimator和budget-bounded Monte-Carlo Shapley estimator，分别用于识别关键步骤和分解交互步骤的贡献，并在合成数据上验证了有效性。这项工作为agent系统的故障诊断提供了因果归因框架，解决了现有方法仅能观测或评估但无法定位因果步骤的问题，与关键词"agent"高度契合。

An Information-Theoretic Definition for Open-Ended Learning ⭐ 精选

Wanqiao Xu, Yifan Zhu, Benjamin Van Roy

cs.LG cs.AI

本文提出了一种基于信息论的开端学习定义，引入了bit-equivalent概念来量化达到每个期望奖励水平所需的信息量。作者证明经典bandit环境不是开端性的，并构造了一个开端性bandit环境，同时提出了一种在该环境中实现开端学习的算法。该工作为agent在开端环境中如何探索提供了理论基础，与关键词中的agent概念高度契合。

The Spectral Dynamics and Noise Geometry of Muon ⭐ 精选

Pierfrancesco Beneventano, Mahmoud Abdelmoneum, Tomaso Poggio

cs.LG math.OC stat.ML

本文研究了Muon优化器（一种用梯度矩阵的polar factor $UV^\top$替代原矩阵$G=U\Sigma V^\top$的算法）的优化偏差。在显式对齐假设下，作者证明polar update是在使用梯度奇异方向且不调整当前权重谱的有界更新中，一步熵最大化的选择。在欠定回归模型中，推导了连续时间Muon的精确奇异值动力学，并识别出使归一化谱趋向等非零奇异值的测量依赖条件，揭示了其平坦谱几何与核范数最小化（倾向于谱集中）的根本区别。实验表明，Muon在NanoGPT预训练中能保持稳定秩并改善验证损失，但其效果具有任务依赖性，并非普遍优于AdamW。

Sparrow: Sparse Rollout for Stable and Efficient Long-context RL of Large Language Models ⭐ 精选

Yang Zhou et al.

cs.LG cs.AI

本文提出Sparrow方法，通过动态稀疏注意力调度（dynamic sparsity schedule）解决长上下文RLVR（reinforcement learning with verifiable rewards）中稀疏rollout的稳定性与效率权衡问题。核心创新在于发现稀疏rollout的崩溃并非由token级均匀退化导致，而是由per-token actor-policy mismatch的尾部统计量低于临界阈值引发，并据此设计保持该尾部统计量恒定的调度策略。实验在Qwen3系列模型上实现2.0x-2.4x的rollout加速，且阈值可泛化至更大模型和coding领域。此外，DistillSparse通过轻量LoRA蒸馏进一步允许更激进的稀疏度，在保持mismatch阈值的同时获得更高加速比，与关键词中的attention和agent高度契合。

Reinforcement Learning for Flow-Matching Policies with Density Transport ⭐ 精选

Boshu Lei, Kostas Daniilidis, Antonio Loquercio

cs.LG cs.AI

本文提出了一种名为RLDT的在线强化学习算法，用于微调flow-matching策略。其核心创新在于将基于RL的策略改进视为动作密度向高奖励区域的transport，并利用Stein Variational Gradient Descent (SVGD)从最大熵RL目标中构建transport field，然后微调预训练的flow-matching策略以对齐该field。为解决flow-matching策略多步生成动作带来的梯度优化困难，作者通过expected-target estimation近似中间去噪步骤的策略动作，避免了不稳定的反向传播。实验表明，RLDT在多种连续控制任务（包括密集和稀疏奖励、基于状态和视觉的长时域机器人操作）中，在奖励质量和收敛速度上均优于基线方法。

INFUSER: Influence-Guided Self-Evolution Improves Reasoning ⭐ 精选

Siyu Chen et al.

cs.LG cs.AI cs.CL cs.GT stat.ML

本文提出INFUSER框架，通过引入一个由optimizer-aware influence score驱动的Generator-Solver协同进化机制，解决了自进化推理中训练数据质量与难度启发式不匹配的问题。核心创新在于Generator的训练使用了一种名为DuGRPO的双归一化变体，以稳定优化由influence score提供的连续噪声奖励信号，从而从无结构文档池中自适应生成对当前Solver最有益的题目。实验表明，该方法在Qwen3-8B-Base上显著超越强基线，且其8B Generator的性能甚至优于冻结的32B thinking Generator，为自进化推理提供了新的范式。

FlashMemory-DeepSeek-V4: Lightning Index Ultra-Long Context via Lookahead Sparse Attention ⭐ 精选

Yan Wang et al.

cs.LG cs.AI

本文提出Lookahead Sparse Attention (LSA)，一种基于DeepSeek-V4架构的新型推理范式，通过Neural Memory Indexer主动预测未来上下文需求，仅保留query-critical的KV chunks在GPU内存中。该方法采用backbone-free的解耦训练策略，将indexer作为标准dual-encoder架构独立训练，无需加载大规模backbone模型。实验表明，在LongBench-v2等长上下文评测集上，该方法将物理KV cache压缩至全上下文基线的13.5%，同时保持或略微提升下游准确率（平均+0.6%），在500K极端长度下KV cache开销降低超过90%。该工作与关键词"attention"和"context"高度契合，为超长上下文推理中的内存瓶颈问题提供了开创性解决方案。

Improved Convergence Analysis of Topology Dependence in Decentralized SGD ⭐ 精选

Yuki Takezawa, Anastasia Koloskova, Sebastian U. Stich

cs.LG

本文针对Decentralized SGD算法中网络拓扑结构对收敛速度的影响进行了更精确的理论分析。不同于以往仅使用spectral gap（谱间隙）来刻画拓扑性质，作者证明了mixing matrix（混合矩阵）的所有eigenvalues（特征值）都会影响收敛率，从而解释了为何在homogeneous（同质）数据场景下拓扑选择对训练行为影响较小，而在heterogeneous（异质）场景下影响显著。该工作为理解分布式学习中的拓扑依赖性提供了更紧致的理论框架。

PBSD: Privileged Bayesian Self-Distillation for Long-Horizon Credit Assignment ⭐ 精选

Yang Tian et al.

cs.LG cs.CL

本文提出PBSD (Privileged Bayesian Self-Distillation)方法，用于解决长程agent任务中稀疏最终奖励下的细粒度credit assignment问题。该方法通过计算验证答案的后验与先验概率比来衡量轨迹质量，并利用Bayes' rule将难以估计的答案侧比率转化为标准student模型与特权答案条件teacher模型之间的可处理似然比。通过自回归分解该Bayesian证据分数，PBSD能够为每个中间turn生成细粒度信号，识别其是否支持或削弱已验证结果，从而将稀疏的outcome supervision转化为Bayes校准的turn-level credit信号。实验表明，PBSD在域内和域外设置中均能一致提升性能，并有效将知识从短上下文训练迁移到长上下文推理，验证了其细粒度credit assignment机制对agent策略学习的促进作用。

Muon Learns More Robust and Transferable Features than Adam ⭐ 精选

Tianyu Ruan et al.

cs.LG cs.AI

Muon优化器在预训练Large Language Models和vision classifiers中展现出比Adam和SGD更强的特征学习优势，主要体现在鲁棒性和迁移性上。本文通过实验证明，Muon学习到的特征在corrupted images和texts上具有更大的logit margins（logit间隔），从而表现出更一致的鲁棒性；同时，在下游任务中，Muon的特征通过更高的effective rank（有效秩）实现了更有效的迁移。理论部分，在一个具有多分量特征的分类问题中，作者证明了Muon能够获得比Adam和SGD更大的margins和更高的effective rank，为实验结果提供了理论支撑。该工作与关键词中的Muon高度契合，并揭示了其在spectral（谱）性质上的优势。

AutoMegaKernel: A Statically-Checked Agent Harness for Self-Retargeting Megakernel Synthesis ⭐ 精选

Jaber Jaber, Osama Jaber

cs.LG cs.DC cs.PF

AutoMegaKernel (AMK) 是一个基于agent的系统，它通过一个静态检查的schedule-IR验证器，自动将HuggingFace Llama系列模型编译为单个持久的cooperative CUDA kernel，无需手写CUDA代码。该系统利用agent自动探索并生成正确的megakernel，在7,160个对抗性schedule中实现了零误报，并支持从同一代码库重定向到sm_80/sm_90/sm_120架构。AMK在int8 (W8A16)精度下，在batch-1 decode场景中超越了CUDA-graphed cuBLAS bf16，在L4、L40S等推理级GPU上实现了1.08x至1.33x的加速，但受限于cross-SM-sync瓶颈，在高带宽训练级GPU上落后于cuBLAS。

Offline Reinforcement Learning for Plasma Control in Nuclear Fusion: Codebase and Benchmark

Yang Fu et al.

cs.LG cs.AI

本文介绍了RL4F，一个用于核聚变等离子体控制的离线强化学习基准，提供了基于DIII-D托卡马克历史数据的闭环评估环境和基线比较，发现离线model-based RL方法在多数任务上表现最佳。

MedicalRec: Medical recommender system for image classification without retraining

Roghayeh Taghavi et al.

cs.LG cs.AI

本文提出了一个基于transformer的医疗推荐系统MedicalRec，用于为医学图像分类任务推荐合适的模型，无需重新训练。系统基于从3000篇论文中收集的MedicalRec-Bench数据集进行训练和评估，在HitRate@100指标上达到75.5%。

SPIN: Decentralized Swarm Control via Tensorized Policy Coordination

Zhaowen Fan

cs.LG cs.MA cs.SI

本文提出SPIN框架，通过将多智能体联合策略张量分解为Matrix Product State链，将计算复杂度从指数级降至线性。该方法结合离线预训练的神经编码器和Radon-Nikodým导数实现零样本运行时控制，在离散时间仿真中验证了分散式集群协调的可行性。

Boundary Variance Inflation Causes Acquisition Bias in Gaussian Processes

Maria Bånkestad, Sanna Jarl, Jens Sjölund

cs.LG stat.ME stat.ML

本文研究了有界域上stationary kernel的Gaussian process在边界处后验方差膨胀的现象，指出该现象源于核相关邻域在边界处的截断，并分析了其对三种acquisition class的影响。文章引入了一种与目标函数无关的selection-profile诊断方法，但未涉及code、context、spectral等关键词。

Emergence via Phase Transitions: Mechanism Landscapes and Universal Convergence Across Complex Systems

Truong Xuan Khanh

cs.LG cs.AI

本文提出了Hierarchical Emergence Framework (HEF)框架，将涌现建模为受热力学和信息论约束的机制景观中的相变，并证明了在特定假设下系统会收敛到唯一的固定点表示。该框架通过实验验证了延迟泛化现象中的相变特征，但并未直接涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

STARIXNet: Multivariate and Multi-attribute Deep Learning Approach to Real-Time Resource Allocation in Cloud Platforms

Ahmed Abdulaal et al.

cs.LG

STARIXNet提出了一种轻量级神经网络方法，用于在云平台中通过捕捉多系统指标间的时空关系来指导资源分配决策。该方法在多元空间中建模季节性、时间性、自回归整合及外生模式，并优先考虑服务稳定性而非预测精度。

TriHead-GAN: A Generative Adversarial Network with Triple-Head Discriminator for Carbon Emission Time Series Generation

Zesen Wang et al.

cs.LG

本文提出TriHead-GAN，一种基于Transformer的生成对抗网络，通过三重头判别器联合监督碳排放时间序列的分布真实性、跨变量依赖性和步态平滑性，在多个数据集上取得了优于主流基线的性能。

Enabling KV Caching of Shared Prefix for Diffusion Language Models

Younghun Go et al.

cs.LG cs.AI

本文针对Diffusion Language Models (DLMs)中的共享前缀KV缓存问题，提出了bicache方法。该方法通过分析发现共享前缀的KV在浅层网络中保持稳定，从而动态确定安全层深度以复用KV，避免了现有LLM缓存技术导致的精度崩溃问题。

When Should an AI Scientist Stop? Verifiable Experiment Steering and Refusal for Autonomous Discovery

Neel Tushar Shah, Manglam Kartik

cs.LG cs.ET cs.MA

本文提出了CARTOGRAPH，一个用于AI科学家的验证层，通过未解决子空间实验选择、显式模糊闭合和基于残差的库不充分性检测来指导自主发现。实验表明该方法在多个测试平台上优于基线，并能有效识别和撤销错误的库外机制识别。

MST-Direct at Scale: Multivariate and Conditional Geostatistical Simulation via Sinkhorn Optimal Transport

Tcharlies Bachmann Schmitz

cs.LG stat.ME stat.ML

本文扩展了MST-Direct方法，通过稀疏Sinkhorn匹配器解决了大规模网格下的多变量条件地质统计模拟问题，并验证了其在保持联合分布和空间相关性方面的有效性。

Training-Inference Kernel Contracts: Bounding Divergence in Post-Training and Deployment

Bruce Changlong Xu, Lan Wu

cs.LG cs.AI cs.ET

本文提出了一种名为kernel contracts的框架，用于规范训练核与推理核之间的可接受差异，并推导了从logit漂移到总变分距离的误差界。该工作主要提供了一个概念框架和术语体系，但未报告大规模实证验证。

Customer Churn Prediction on Structured Data Using FT-Transformer and Stacking Ensembles

Joyjit Roy, Samaresh Kumar Singh, Laxmi Shaw

cs.LG cs.AI cs.ET

本文提出了一种结合FT-Transformer和XGBoost的混合架构，通过stacking集成方法预测客户流失，在结构化数据上取得了优于MLP基线的性能。该方法主要关注工程实践和统计验证，与关键词中的attention有一定关联，但整体创新性有限。

Outage Detection in Self-Healing Smart Grids Using Reinforcement Learning with Spectral Graph Neural Networks

Lihui Liu, Mucun Sun, Caisheng Wang

cs.LG cs.AI

本文提出了一种基于谱图神经网络（Spectral Graph Neural Network）的强化学习框架，用于自愈智能电网的故障检测与恢复。该方法通过捕捉电网拓扑在频域中的全局结构模式，学习最优的电力恢复策略，并在多个IEEE测试系统上验证了其近实时性能和泛化能力。

The Routing Plateau: Understanding and Breaking the Accuracy Limits of LLM Routers

Yifan Lu et al.

cs.LG

本文研究了21种LLM路由方法，发现它们普遍存在“路由高原”现象，即不同方法的准确率收敛到一个狭窄范围，远低于理想路由器的性能。研究表明，该现象主要由可预测性瓶颈导致，即当前路由器主要学习全局平均性能趋势，而非细粒度的查询特定路由信号。

Optimality of Sequential Filtering Under Independent Cost and Selectivity Models

Hrishikesh Paranjape, Abhishek Mandal, Xian Sun

cs.LG

本文研究了在独立成本和选择性模型下顺序过滤管道的最优排序问题，证明了按成本与拒绝概率之比递增排序可最小化期望总成本，并通过蒙特卡洛模拟验证了该排序优于常见启发式方法。

ResearchClawBench: A Benchmark for End-to-End Autonomous Scientific Research

Wanghan Xu et al.

cs.LG cs.AI cs.CL

本文提出了ResearchClawBench，一个用于评估AI agent在10个科学领域40个任务中端到端自主科研能力的benchmark。实验表明当前最强的autonomous agent和LLM在该benchmark上的平均得分较低，主要失败原因集中在实验协议不匹配、证据不匹配和缺失科学核心。

UNIQ: Conformal Calibration for Adaptive Conservatism in Offline Reinforcement Learning

Aditya Upadhyay

cs.LG

UNIQ提出了一种基于conformal prediction的离线强化学习方法，通过状态自适应的保守性校准来缓解distribution shift问题。该方法在IQL框架上构建多expectile值集成，在D4RL MuJoCo基准上以接近IQL的内存成本实现了性能提升。

Shortcuts in the Tail: Debiasing via Post-Hoc Spectral Compression of Fine-Tuning Updates

Edward Sun, Dmitrii Troitskii

cs.LG

本文提出了一种后处理去偏方法，通过对微调权重更新$\Delta W$进行SVD截断尾部奇异值来减少捷径关联，实验表明该方法能在保持精度的同时缩小模型在少数群体上的性能差距。

Repetition Mismatch: Why Data Mixture Experiments Don't Scale and How to Fix Them

Kevin Zhou et al.

cs.LG cs.AI

本文指出预训练数据混合实验中的“重复不匹配”问题：由于高质量数据集较小，其重复率会随训练预算变化，导致小规模实验无法准确预测最优混合比例。作者提出一种控制重复率的子采样方法，在仅使用目标token的1/16时即可接近最优混合，显著优于传统方法。

A Topological Characterization of Graph Neural Networks via Stochastic Block Model Embeddings on the n-Sphere

Gopal Anantharaman

cs.LG cs.AI

本文提出了一种拓扑框架，通过将Message Passing Neural Network (MPNN)在图信号空间上诱导的Stochastic Block Model (SBM)映射到单位$n$-球面上，来比较训练后的Graph Neural Networks (GNNs)。该构造利用了cut-distance图空间紧性、Frieze-Kannan弱正则引理及其图信号扩展，以及MPNN关于cut-distance的Lipschitz连续性，从而为训练后的GNN生成一个低维的“指纹”，可用于模型库中的近邻搜索和迁移学习候选检索。

DiffoR: A Unified Continuous Generative Framework for Universal Ordinal Regression

Hongxu Ma et al.

cs.LG cs.AI cs.CV

本文提出DiffOR，一种基于diffusion model的统一连续生成框架，用于解决ordinal regression问题。该方法通过迭代去噪恢复连续序数值，并采用双解耦策略（多尺度增量聚合与动态去噪感知）来保持序数拓扑结构，在多个基准上优于现有方法。

Sample-Efficient Post-Training for LEGO Spatial-Physics Reasoning

Yuhuan Yuan et al.

cs.LG cs.AI

本文针对基于LLM的LEGO组装生成中出现的PhysHack问题（即满足物理约束但几何或语义不一致），提出了一种基于模型的数据选择方法和样本高效的强化学习算法PVPO，通过结合体素空间几何奖励来提升物理推理的可靠性。实验表明该方法能改善结构对齐、物理有效性和校准性能。

MetaEvo: A Meta-Optimization Framework for Experience-Driven Agent Evolution

Bowen Ren et al.

cs.LG cs.AI

本文提出MetaEvo框架，通过两阶段元优化方法提升LLM-based agent从任务经验中学习的能力，包括偏好优化增强原则抽象和模块化架构积累复用原则。实验表明该方法在推理基准上持续优于基线，但未涉及code、spectral、Muon等关键词。

SRT: Super-Resolution for Time Series via Disentangled Rectified Flow

Jufang Duan, Shenglong Xiao, Yuren Zhang

cs.LG cs.AI

本文提出SRT框架，通过解耦整流流（disentangled rectified flow）将时间序列分解为趋势和季节成分，并利用隐式神经表示和跨分辨率注意力机制实现超分辨率重建。实验表明该方法在多个数据集上优于现有技术。

QDSP: An Interpretable Structured Learning Framework for Predicting Death or Cerebral Palsy in Very Low Birth Weight Infants

Ling Wang et al.

cs.LG

本文提出了QDSP框架，结合Quota-guided Subspace Sampling和Differentiable-decision-guided Structure Perception，用于极低出生体重婴儿的死亡或脑瘫风险预测。该框架在51名婴儿的真实队列上取得了较好性能，并通过SHAP分析识别了与新生儿病理生理学一致的临床预测因子。

Position: Genomic Model Research Must Move Beyond Anecdotal Evaluation of Interpretability Methods

Shasha Zhou, Mingyu Huang, Ke Li

cs.LG q-bio.GN

本文指出基因组模型的可解释性研究过度依赖单一方法和孤立成功案例，通过转录因子结合实验揭示了不同IML方法可能产生矛盾解释、无法定位已知motif等问题，并呼吁建立类似临床试验的系统性验证框架。

LEAF: Growing Trees Without Branching for Speech-Aware Large Language Model Post-Training

Argyrios Gerogiannis et al.

cs.LG cs.AI cs.CL

本文提出了一种名为LEAF的强化学习方法，用于语音感知大语言模型的后训练。该方法通过回溯式树结构对响应进行分组，并分配span级别的优势值，以改进GRPO风格方法中粗粒度的信用分配问题。

Measuring Poverty and Inequality with Reduced Data: A Machine Learning Approach Using Nigerian Household Data

Vanesa Jordá, Miguel Niño-Zarazúa

cs.LG stat.AP

本文使用Random Forest Recursive Feature Elimination (RF-RFE)方法，基于尼日利亚家庭调查数据，研究了在缩减调查问卷的情况下能否保留关键的福利分布信息。结果表明，该方法能用少量预测变量准确预测贫困状态和基于Gini系数的不平等线位置，但对分位数分类的准确率较低。

Structured Neuron Pruning in Deep Neural Networks Using Multi-Armed Bandits

Salem Ameen, Sunil Vadera

cs.LG cs.AI

本文提出了一种使用Multi-Armed Bandit算法进行结构化神经元剪枝的框架，将每个候选神经元视为一个臂，通过临时掩码并测量损失变化来评估其移除的奖励。实验表明，UCB1和Thompson Sampling等方法在多种任务上表现良好，但该方法在理论或方法上缺乏显著的开创性，且与关键词列表中的概念关联较弱。

Item Response Scaling Laws: A Measurement Theory Approach for Efficient and Generalizable Neural Scaling Estimation

Sang Truong et al.

cs.LG cs.AI cs.CL

本文提出Item Response Scaling Laws (IRSL)框架，将Item Response Theory (IRT)融入scaling law估计中，通过将模型能力与问题特征解耦，将参数复杂度从$O(M \times N)$降至$O(M + N)$。该方法在预训练和test-time scaling场景下，仅需少量问题即可获得可靠的scaling估计。

Query Lens: Interpreting Sparse Key-Value Features with Indirect Effects

Hwiyeong Lee et al.

cs.LG cs.AI

本文提出Query Lens方法，通过联合考虑encoder-side key features和decoder-side value features，并纳入下游模块的间接效应，来更全面地解释sparse autoencoder中的稀疏特征。实验表明该方法能生成比Logit Lens更连贯的token signatures，并提出了Subspace Channel Hypothesis来解释下游模块如何通过层特定子空间读取特征。

ScaleSweep: Accurate NVFP4 Post-Training Quantization of LLMs via Block Scale Initialization

Li Lin, Xiaojun Wan

cs.LG cs.AI cs.CV

本文提出ScaleSweep方法，通过扫描可行的block scale候选并选择最小化目标函数的候选，优化NVFP4格式的量化性能。该方法为LLM的4-bit后训练量化提供了更优的scale初始化方案。

Graph Neural Networks for Predicting Solvability of Finite Groups

Tal Weissblat

cs.LG math.GR

本文提出使用Graph Neural Network (GNN)框架，基于有限群的Cayley图等图表示来预测群的可解性，旨在探索GNN能否从图结构中学习代数性质。该工作作为概念验证，展示了图神经网络在群论问题上的应用潜力。

HASA: Subnet Allocation for Compute-Constrained Model-Heterogeneous Federated Learning

Amir Hossein Shahdadian et al.

cs.LG cs.AI cs.DC

本文提出HASA方法，通过基于客户端异质性分数分配子网宽度，在固定计算预算下提升联邦学习中模型异构场景的性能。实验表明该方法在平均和最差客户端准确率上优于均匀分配策略。

Airport Terminal Passenger Queue Forecasting for Departure Gates and Security Checkpoints

Juhwan Lee et al.

cs.LG stat.AP

本文提出了一种基于Transformer架构的机场航站楼乘客排队预测框架，利用历史队列长度、等待时间和乘客吞吐量等运营数据，预测未来两小时内登机口和安检点的排队情况。该方法为机场的主动排队管理和人员调配提供了实时决策支持。

Finite Certificates for In-Context Determinacy and a Threshold Theory of Emergence in Language Models

Faruk Alpay, Hamdi Alakkad

cs.LG cs.LO

本文为语言模型中的上下文确定性和阈值涌现现象建立了模型论框架，通过有限域线性任务族证明了确定性判据，并给出了阈值度量的反幻象定理。

Sequential statistical inference for Large Language Models: Representation, validity, and monitoring

Yao Xie

cs.LG

本文探讨了将sequential statistical inference应用于大型语言模型可信度提升的框架，围绕representation、validity和monitoring三个任务展开，将LLM交互建模为依赖随机过程，并利用sequential alarms和change-point detection监测模型行为变化。该工作为LLM部署中的统计过程控制提供了理论视角，但与我提供的关键词契合度较低。

Learning Transfers: Kan Extensions for Neural Invariants

Luciano Melodia

cs.LG math.AT math.CT

本文利用范畴论中的Kan extension形式化迁移学习中的结构不变性，定义了迁移差异度量，并在链复形和persistence module上给出了有限余核公式。实验通过神经潜在点云验证了该度量能识别任务函子并检测破坏拓扑结构的表示坍缩。

Large Language Models Should Learn Personalized Rather Than Aggregated Human Preferences

Cristina Garbacea

cs.LG cs.AI cs.CL cs.CY cs.HC

本文主张大型语言模型应学习个性化而非聚合的人类偏好，指出聚合偏好会掩盖多样性信息，并基于社会选择理论论证其局限性。文章分析了偏好的丰富结构，调查了个性化技术方法，并讨论了相关安全挑战与应对框架。

Active Learning with Foundation Model Priors: Efficient Learning under Class Imbalance

Jiancheng Zhang et al.

cs.LG cs.AI stat.ML

本文提出了一种基于foundation model先验的active learning框架，用于在类别不平衡和标签噪声下高效选择样本进行标注。该方法通过foundation model与小型模型的协同决策来缓解不平衡问题，并在图像和文本数据集上验证了其标注效率提升。

Trait-space Monitoring for Emergent Misalignment During Supervised Finetuning

Huy Nghiem et al.

cs.LG cs.AI cs.CY

本文研究了在supervised finetuning过程中，如何通过模型内部表示（activation space中的linear directions）检测emergent misalignment，并构建了一个低开销的monitor，在LoRA-based finetuning场景下取得了较好的检测效果。该方法与关键词列表中的概念关联较弱。

Evaluation of ML Resource Utilization Requires Model Life Cycle Assessment

Jared Fernandez et al.

cs.LG

本文主张在评估机器学习模型的资源消耗时，应采用全生命周期评估方法，以全面核算从硬件制造到训练和推理的整个开发与部署流程中的能源与环境成本。

KITE: A Tri-Modal Transformer Integrating Text, Images, and Knowledge Graphs for Fake News Detection

Kevin Patel, Shashi Bhushan Jha

cs.LG cs.CV

本文提出了一种名为KITE的三模态假新闻检测框架，通过整合文本、图像和知识图谱特征来检测多模态虚假信息。该方法使用Roberta和CLIP进行文本与视觉编码，并利用Graph Attention Network处理从Wikidata提取的结构化事实，通过cross-modal attention在multimodal transformer中融合各模态特征。

DOG-DPO:Dynamic Optimization in Geometry for Safety Alignment

Yi Nian et al.

cs.LG cs.AI

本文提出DOG-DPO框架，将preference pairs表示为模型表示空间中的方向，通过分解多数据集几何结构为全局子空间和残差子空间，并基于多样性覆盖选择子集，在仅使用11%数据的情况下实现安全对齐。该方法无需训练和教师模型，在多个安全基准上取得良好效果。

Semantic Cache Distillation: Efficient State Transfer via Reuse and Selective Patching

Qianli Ma et al.

cs.LG cs.AI

本文提出Semantic Cache Distillation (SCD)框架，通过将高维KV cache压缩为紧凑语义编码来缓解大模型推理中的通信瓶颈，并利用Reuse和Patch机制分别降低传输成本与抑制语义偏差。实验表明该方法在带宽受限场景下能显著提升TTFT速度，但方法本身与关键词列表中的概念关联较弱。

Test-Time Adaptive Composition for Machine Learning as a Service (MLaaS) in IoT Environments

Deepak Kanneganti et al.

cs.LG cs.AI

本文提出了一种面向IoT环境中MLaaS的测试时自适应组合框架，通过引入TTA感知的可组合性模型和服务级自适应模型，在推理时调整单个服务以保持组合性能。实验表明该方法比传统自适应方法更有效地降低了计算时间。

Knowledge-Inclusive Adaptive Physics-Informed Neural Network for Microbial Interaction Modelling

Ravisha Rupasinghe et al.

cs.LG cs.AI

本文提出了一种知识包容的自适应物理信息神经网络（PINN）框架，用于微生物相互作用建模。该框架通过整合文本形式的元基因组学文献知识和网络结构知识，改进了广义Lotka-Volterra (gLV)模型的参数发现，在微生物群落建模任务上相比现有方法有显著提升。

HARP: Efficient Data Selection for Finetuning Large Language Models

Ning Wang et al.

cs.LG cs.AI

本文提出HARP方法，通过构建训练数据的节点-叶子层次结构并利用经验贝叶斯推断未测量效用，在保持下游任务对齐的同时降低微调数据选择的训练-评估成本。该方法通过两种互补策略控制冗余并奖励互补区域，在理论上保证了选择误差控制。

BCG-FM: A Foundation Model for Ambient Cardiac Health Sensing

Magnus Ruud Kjaer et al.

cs.LG cs.AI cs.ET

本文提出BCG-FM，首个针对环境机械生物信号的基础模型，利用床垫压电传感器记录心冲击图（BCG）进行无监督预训练。该模型在生物年龄估计等任务上表现优异，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Vessel Traffic Flow Prediction on Sparse Data via Spatio-Temporal Graph Neural Networks with a Learnable Tweedie Head

Kyeongjun Lee, Heeyoung Kim

cs.LG stat.ML

本文针对船舶交通流数据稀疏且突发性强的问题，提出了一种可学习的Tweedie输出头，作为即插即用的模块附加到任意时空图神经网络（ST-GNN）主干上。该方法通过优化Tweedie单位偏差的闭式解来预测均值，并学习节点级方差幂以捕捉港口区域间的异质性变异性，在洛杉矶和长滩港的真实AIS数据上提升了非零事件的预测精度。

Adversarial Robustness of Activation Steering in Large Language Models

Kien Le, Thai Le

cs.LG cs.AI

本文首次系统评估了activation steering（一种通过注入预计算方向向量控制LLM行为的无训练方法）在对抗性文本扰动下的鲁棒性，发现其方向性鲁棒性下降高达64%，且层选择策略在扰动下极不稳定。研究表明这种脆弱性是结构性的而非方法特异的，当前方法不足以支持实际部署。

Pharmacogenomic Knowledge Graph Augmentation for Graph Neural Network-Based Drug-Drug Interaction Prediction

Juergen Dietrich

cs.LG cs.AI

本文研究了通过PharmGKB数据库中的药效基因组学知识增强图神经网络（GNN）的药物-药物相互作用（DDI）预测，发现知识图谱增强在特定数据划分下能提升DDI类型分类性能，但整体仍受信息上限约束。

EssentialGIN: a new approach for gene essentiality prediction based on graph isomorphism neural networks

Sahar Mansouri-Rad et al.

cs.LG cs.AI

本文提出了一种基于graph isomorphism neural network的EssentialGIN方法，用于预测essential genes，通过整合PPI network拓扑特征和biological data（如gene expression和subcellular localization）来提升预测精度。实验表明该方法在人类数据上优于Node2Vec、MLP和GAT等基线方法。

EvoCSFL: Surrogate-Assisted Evolutionary Client Selection for Efficient and Robust Federated Learning

Lin Qiang et al.

cs.LG cs.AI

本文提出了一种基于代理模型辅助的进化客户端选择框架EvoCSFL，用于解决联邦学习中客户端数据与系统异构性导致的收敛慢和鲁棒性差问题。该方法通过组合优化选择客户端子集，并利用代理模型加速进化算法的搜索过程。

How Much Dense Attention is Necessary? Oracle-Guided Sparse Prefill for Full/GQA Layers in Hybrid Long-Context Models

Hongxing Wang et al.

cs.LG cs.AI cs.CL

本文研究了混合长上下文模型中全/GQA层所需的密集注意力程度，通过引入注意力质量top-k oracle诊断参考，分析了在显式支持粒度和top-k预算下保持任务性能的可行性。实验表明，在Qwen系列检索密集型评估中，oracle方法性能接近密集注意力，但蒸馏索引器在稀疏服务中实现了加速，同时存在质量差距。

FunctionEvolve: Structure-Guided Symbolic Regression with LLMs

Zeyu Xia, Jun Zhu, Dong Yan

cs.LG cs.AI

本文提出FunctionEvolve，一个利用LLM和表达式树进行结构引导的符号回归框架，通过结构摘要、局部树编辑和结构感知的系数拟合来提升符号恢复的准确率。实验表明该方法在合成任务上显著优于现有基线，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

SAW: Stage-Aware Dynamic Weighting for Multi-Objective Reinforcement Learning in Large Language Models

Yuchen He et al.

cs.LG cs.AI

本文提出了一种名为Stage-Aware Dynamic Weighting (SAW)的轻量级动态加权机制，用于解决多目标强化学习中不同奖励维度学习异步的问题。SAW利用变异系数作为实时信息量的尺度不变代理，在GRPO和GDPO框架下动态调整各维度的奖励或优势贡献，以提升大语言模型对齐复杂人类偏好的效率。

Decoding Naturalistic Emotion Dynamics from the Brain: An LLM-Enhanced Regression Framework

Lemei Zhang et al.

cs.LG

本文提出了一种基于LLM增强的回归框架，从fMRI数据中解码自然情绪动态，利用动态功能连接（DFC）和机器学习算法追踪连续情绪轨迹，并通过图论可解释AI技术揭示情绪特异性拓扑结构。

Rosetta Memory: Adaptive Memory for Cross-LLM Agents

Hao Yang et al.

cs.LG cs.AI

本文提出了一种名为Rosetta Memory的跨LLM agent自适应记忆系统，通过设计profile-conditioned的读写操作和最小增益采样训练策略，使上游模型写入的记忆能有效激活下游不同LLM。实验在多个多跳QA数据集上验证了该方法在模型切换场景下的鲁棒性。

Beyond Accuracy: Interpreting Topic Representation in Suicide Ideation Detection Models

Hamideh Ghanadian, Isar Nejadgholi, Hussein Al Osman

cs.LG cs.AI cs.HC

本文研究了自杀意念检测模型内部表示中心理风险因素的编码方式，通过可视化与几何分析发现主题增强能提升低表征风险因素的清晰度与可分离性，但未涉及关键词中的核心概念。

A Geometry-Aware Triplane Field Network for Vehicle Aerodynamic Prediction

Kangkang Qi et al.

cs.LG

本文提出了一种名为GTF-Net的机器学习方法，用于车辆空气动力学压力和壁面剪切应力预测。该方法通过构建triplane特征并结合AFNO spectral mixing与CNN refinement来建模全局流场与局部几何细节。实验表明，该方法在预测精度上优于Transolver等基线模型。

Cutting LLM Evaluation Costs with SySRs: A Bandit Algorithm that Provably Exploits Model Similarity

Zifan Lyu et al.

cs.LG

本文提出Synchronized Successive Rejects (SySRs)算法，通过配对比较来利用模型间的相似性，从而在评估大型语言模型时降低计算成本。该方法无需超参数，并在理论上保证了性能随模型相似度提升而改善。

Characterizing the Discrete Geometry of ReLU Networks

Blake B. Gaines, Jinbo Bi

cs.LG

本文研究了全连接ReLU网络输入空间划分的几何结构，证明了其区域连通图的平均度上界为输入维度的两倍，且图的直径存在与输入维度无关的上界。这些结果通过实验得到了验证。

scCBGM: Interpretable Single-Cell Counterfactual Editing

Alma Andersson et al.

cs.LG

本文提出了scCBGM框架，通过将concept bottleneck架构与decoder skip connections和cross-covariance penalty相结合，实现了对单细胞RNA测序数据的可解释反事实编辑。该方法在合成和真实数据集上展示了组合泛化与反事实预测的优越性能。

Contrast encodes inductive bias: separating slow noise from dynamics in predictive representation learning

Paarth Gulati, Ilya Nemenman

cs.LG

本文研究了自监督预测表示学习中对比目标函数的一个失败模式：当噪声在轨迹内缓慢变化时，模型会优先编码噪声而非真实动力学变量。作者通过实验表明，将负样本采样限制在单条轨迹内可以消除这一捷径，从而迫使编码器学习与动力学相关的变量。

A Framework for Evaluating and Benchmarking Concept Drift Detection Methods

Vitor Cerqueira et al.

cs.LG stat.ML

本文提出了一个用于评估和基准测试概念漂移检测方法的框架，包括漂移模拟方法、评估协议和超参数优化策略，并在多个真实数据集上对14种方法进行了基准测试。该工作主要关注实验标准化，与关键词中的概念关联较弱。

Byzantine Cheap Talk: Adversarial Resilience and Topology Effects in LLM Coordination Games

Aya El Mir, Martin Takáč, Salem Lahlou

cs.LG

本文研究了多智能体LLM系统中通信协议的鲁棒性，通过4人Stag Hunt游戏实验发现拜占庭式背叛和通信拓扑限制会破坏协作，揭示了两种稳定的行为原型。

Mitigating the Contractivity Trap in Diffusion ODEs via Stein Stabilization

Shigui Li, Delu Zeng

cs.LG

本文针对扩散模型在确定性概率流ODE大步长推理中的“收缩陷阱”问题，提出了SteinDiff框架，通过Stein衍生修正来稳定求解器更新，无需参考样本。实验表明该方法能减轻伪影并提升生成质量。

Teacher-Free Self-Training Amplifies but Does Not Compound: A Pass@$K$ Crossover on a Free-Verifier Domain

Igor Lima Strozzi

cs.LG

本文在FlashFill风格的“trapdoor”DSL上，使用一个无教师（teacher-free）的“星座”框架（包含生成器、学习型critic和免费精确验证器），研究了语言模型在其自身验证输出上训练的效果。实验发现，基于critic引导的选择优于验证器过滤的best-of-$k$，且每轮STaR自训练会提升上限但不会加速，通过pass@$K$交叉分析表明，自训练主要起到概率质量集中（amplification）而非能力复合（compounding）的作用。

Instrumented data for causal scientific machine learning

Daniel N. Wilke

cs.LG cs.AI physics.comp-ph stat.ML

本文提出了一种名为"instrumented data"的新数据范式，通过将每个数据点与其生成机制、不确定性及反事实执行族绑定，为科学机器学习提供因果支持。该方法在验证、审计和替代模型训练方面具有潜在应用价值，但与我提供的关键词列表关联度较低。

Still: Amortized KV Cache Compaction in a Single Forward Pass

Charles O'Neill et al.

cs.LG

本文提出Still方法，通过训练一个小型Perceiver网络在单次前向传播中压缩KV cache，在$8\times$到$200\times$压缩比和$8$k到$128$k上下文长度下实现速度与质量的平衡。该方法在RULER和HELMET等基准上优于现有基线，但未涉及code、spectral或agent等关键词。

Breaking the Bubble: Asynchronous Pipeline Parallel Training with Bounded Weight Inconsistency

Itay Elam et al.

cs.LG

本文提出PACI方法，一种无气泡的异步pipeline并行训练方法，通过局部梯度累积作为版本控制机制来限制forward/backward版本漂移，无需weight stashing或全局同步。实验表明该方法在GPT风格语言模型预训练中匹配同步1F1B-flush的稳定性和最终perplexity，同时提升训练效率。

Strained Coherence: A Pre-Failure Signal in Coding Agent Execution Trajectories

Marut Pandya, Kasey Zhang, Baiqing Lyu

cs.LG cs.AI cs.CL

本文提出了一种名为"strained coherence"的模式，指LLM-based coding agent在推理中意识到问题但仍继续执行的现象，并构建了一个基于Claude Sonnet 4.6的检测器来识别该模式。实验表明该检测器能有效预测agent执行失败，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。

Partially Performative Prediction

Jaewook Lee, Tijana Zrnic

cs.LG stat.ML

本文研究了部分表现性预测（partially performative prediction）框架，该框架同时考虑了模型部署导致的内生分布偏移和外部时变过程引起的外生分布偏移。文章将表现性稳定性（performative stability）和表现性最优性（performative optimality）的概念扩展到在线场景，并分析了重复训练等学习启发式方法在此类环境中的适应性。

Temporal Coverage over Density: Parsimonious Training-Set Design for ML Climate Downscaling

Karandeep Singh et al.

cs.LG cs.CE

本文研究了在固定数据预算下，如何选择训练年份来设计机器学习气候降尺度模型的训练集。通过比较不同时间分布策略，发现从整个气候轨迹中广泛采样比保持时间连续性更有效，这为有限高分辨率模拟的分配提供了实用指导。

Layer-wise Derivative Controlled Networks Achieve Competitive Accuracy and Gradient Stability Across Data Regimes

Rowan Martnishn

cs.LG

本文提出了一种基于ChainzRule (CR)的导数控制网络，通过立方多项式层和前向模式每层Jacobian惩罚 (DREG) 实现梯度稳定性。实验表明，该方法在Pima Diabetes和SST-5数据集上，在不同数据量下均能保持稳定的梯度尾比和竞争性精度，但方法本身与关键词中的code、context、spectral等概念关联较弱。

CAAL: Contextual Bandits based Online Hand-Craft Active Learning Strategy Selection

Shao-An Yin et al.

cs.LG

本文提出了一种名为CAAL的在线主动学习策略选择框架，通过将每个手工策略视为一个臂，并利用外部上下文信息进行奖励预测来动态选择策略。实验表明该方法在公共数据集上优于现有基线方法。

Minibatch Selection via Partition Matroid Constrained Gradient Matching

Prayas Agrawal et al.

cs.LG cs.AI

本文提出PartitionSel方法，通过partition matroid约束下的gradient matching utility进行跨域minibatch选择，以平衡训练大语言模型时的收敛速度与域覆盖。该方法具有弱submodular性，并采用orthogonal matching pursuit算法求解，实验表明其能减少梯度冲突并提升微调性能。

Overcoming the Limits of Finite Difference Method; Physics-Informed Neural Network for Noisy High-Dimensional Heat Diffusion

Shreesh Bhattarai, Harish Chandra Bhandari

cs.LG

本文研究了Physics-Informed Neural Network (PINN)在高维含噪热扩散问题中相对于有限差分法(FDM)的优势，指出在噪声和维度均较高时，PINN能保持更高精度而FDM性能急剧下降。该工作主要展示了PINN在特定噪声条件下的鲁棒性，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。

Enhancing AI Interpretability and Safety through Localised Architectures

Ian Seet, Jonas Bozenhard, Simon Osterman

cs.LG cs.AI

本文探讨了通过局部化架构（localised architectures）提升AI可解释性与安全性的可能性，认为低带宽但高节点表达力的局部化模型在小型数据集上可能比深度神经网络更具可解释性和计算效率，并评估了多种硬件ML范式在实现此类架构时的适用性。

Evaluating the Impact of Task Granularity on Catastrophic Forgetting in Continual Learning

Emre Alyamac et al.

cs.LG

本文研究了在Continual Learning中任务粒度顺序对Catastrophic Forgetting的影响，通过在CIFAR-100上比较Coarse-to-Fine、Fine-to-Coarse和Flat三种学习顺序，并使用Elastic Weight Consolidation (EWC)来缓解遗忘。实验发现学习顺序会影响知识保留，但未涉及关键词中的核心概念。

Semantic Quorum Assurance: Collective Certification for Non-Deterministic AI Infrastructure

Jun He, Deying Yu

cs.LG cs.AI cs.MA

本文提出Semantic Quorum Assurance (SQA)，一种用于非确定性AI基础设施的集体认证原语，通过将proposer agent的提议路由给多样化的validator agent并聚合其判断，在云原生控制平面上将不安全批准率从18.5%降至0.3%。该方法主要解决分布式系统中agent生成的操作语义安全问题，但与我提供的关键词（如code, context, spectral, Muon, pretrain, attention）关联较弱。

CausShield: Sample Reconstruction-Resilient Vertical FL via Causal Representation Learning

Yongqi Jiang et al.

cs.LG cs.AI

本文针对Vertical Federated Learning (VFL)中样本重建攻击的防御问题，提出CausShield方法。该方法基于Structural Causal Model (SCM)将共享表示分解为任务相关与任务无关成分，通过无监督表示学习优化，在理论上证明了其收敛性，实验表明其在隐私保护、模型效用和计算效率上优于现有方法。

Noise-Adaptive High-Probability Regret Bounds for Online Convex Optimization

Wentao Zhang, Yutong Zhang, Wentao Mo

cs.LG

本文研究了强凸损失下在线凸优化的高概率遗憾界，针对全信息、bandit反馈和带约束场景分别给出了噪声自适应界、极小化下界和联合高概率保证，实验验证了理论结果。

SafeECGMatch: Calibration-Aware Joint Frequency and Time Space Semi-Supervised Learning for Open-Set ECG Classification

Hongkyu Koh, Ikbeom Jang

cs.LG cs.AI

本文提出SafeECGMatch，一种用于心电图分类的校准感知半监督学习框架，通过双分支架构提取时频特征并动态校准置信度，以处理未标记数据中的分布外异常。该方法在PTB-XL等基准上取得了先进性能，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联较弱。

When Behavioral Safety Evaluation Fails: A Representation-Level Perspective

Enyi Jiang et al.

cs.LG cs.AI cs.CL

本文从表示层面（representation-level）探讨了大语言模型（LLM）的安全评估问题，指出仅基于行为层面（behavior-level）的安全评估存在“审计差距”（audit gap），即模型可能在外显行为上安全，但在潜在空间（latent space）中仍存在脆弱性。作者提出了基于干预（intervention）的评估框架和潜在脆弱性评分（Latent Vulnerability Score, LVS），并通过实验表明行为安全指标不足以衡量表示层面的鲁棒性。

Beyond Homophily: Towards Generalized Graph Reconstruction Attack and Defense

Zhanke Zhou et al.

cs.LG

本文系统研究了图神经网络中的图重建攻击（GRA），通过Markov chain近似视角分析同质性（homophily）与异质性（heterophily）对邻接矩阵可恢复性的影响，并提出了攻击方法MC-GRA(+)与防御方法MC-GPB(+)，在隐私-效用权衡下提升了攻击保真度或防御效果。

Constraint-Aware Optimization for Robust Protein Stability Prediction

A Shivram et al.

cs.LG

本文针对蛋白质稳定性预测中的鲁棒性问题，提出了一种约束感知优化框架，通过结合Balanced Mean Squared Error、Siamese anti-symmetric regularizer和OOD-margin consistency loss，在不改变SPURS骨干网络架构的情况下提升了预测性能。实验表明，该方法在多个benchmark上取得了改进，但反偏训练并未完全消除系统性偏差，性能提升主要源于隐式正则化而非严格的热力学约束。

A Unifying View of Attention Sinks: Two Algorithms, Two Solutions

Lukas Fesser et al.

cs.LG

本文研究了softmax transformer中attention sink现象的两种不同机制：adaptive nop（通过路由到null token抑制更新）和broadcast（聚合并重新分配全局信息）。文章指出，gating和register tokens等干预方法分别隐式针对这两种机制，并提出了基于value norms和输出秩的诊断方法。

Conditional Random Ordered Transport Spaces

Lei Luo, Jian Yang

cs.LG math.FA math.OC

本文提出了条件随机有序传输空间(CROTS)，这是一类由随机概率测度构成的$L^0$值空间，配备了Wasserstein环境度量、闭随机序以及硬/软有序传输差异。该工作建立了该空间的理论基础，包括适定性、对偶性、变分收敛和条件风险-传输对偶等结果，为可靠的分布学习提供了空间理论框架。

TRUST-SCF: Transformer-based Risk Understanding and Scoring for Transactional Supply Chain Finance

Mohammadamin Davoodabadi, Amirabbas Shakeri

cs.LG

本文提出TRUST-SCF，一个基于transformer的供应链金融交易级风险预测与动态信用评分框架。该框架通过交易token序列表示用户历史，并引入财务对齐的attention bias和连续还款延迟预测，最终从预测延迟中推导出信用评分。实验表明该方法在延迟预测上优于序列基线模型。

LogNEO: A GPT-Neo Reinforcement Learning Framework for Accurate Real-Time Log Anomaly Detection

David Eje et al.

cs.LG cs.AI

本文提出LogNEO，一个基于GPT-Neo的日志异常检测框架，通过结合部分信用指数衰减位置感知奖励与PPO微调来提升检测性能。在多个基准测试上取得了优于先前方法的F1分数，并展示了在生产环境中的低延迟部署能力。

Have I Solved This Before? Retrieving Similar Segmentation Problems for Evolutionary Learning

Andreas Margraf, Henning Cui, Jörg Hähner

cs.LG cs.IR

本文提出了一种通过检索相似分割问题的已有解决方案来辅助进化学习的方法，旨在减少从头训练模型的需求。该方法将知识存储在抽象系统模型中，并分析了跨领域迁移过滤管道的潜力。

Explaining Data Mixing Scaling Laws

Rui Dai, Shuran Zheng

cs.LG cs.AI

本文提出了一个统一框架来解释多领域数据混合中的模型损失行为，基于领域在基础技能上重叠、在专门技能上分化的分布假设，识别了容量竞争和噪声减少两个关键因素。该框架在拟合损失景观和预测高效训练混合方面优于现有基线，但与我提供的关键词列表契合度较低。

Frequency-Domain Latent Attention Gating for Cross-Domain Token Aggregation

Kewei Li et al.

cs.LG cs.AI q-bio.QM

本文提出FLaG模块，通过实FFT将token表示转换到频域，用可学习的latent queries聚合频谱分量，并应用channel-wise gate重建增强的时域token用于最终池化。该方法在抗菌肽活性预测、图像分类和文本分类任务上进行了评估，在部分任务上取得提升。

Neural Field Tokenizations with Hierarchy and Spatial Locality Priors

Alonso Urbano et al.

cs.LG cs.CV

本文提出LH-NeF框架，通过层次化与空间局部性先验学习连续信号的通用tokenized表示，用前馈编码替代元学习的内循环优化，在图像、3D形状和气候场等模态上实现高效重建。该方法虽具通用性，但与关键词中的code、context、spectral等概念关联较弱。

Public Machine Learning Solver Framework for Novices in the Machine Learning Domain

Lokman Saleh, Hafedh Mili, Mounir Boukadoum

cs.LG

本文提出一个面向机器学习非专家的公开平台，通过结合专家定义的selection criteria与transfer learning，自动从用户数据集中提取特征（如class imbalance）并推荐完整的pipeline。该平台使用first-order logic推理知识库，并连接crowdsourcing平台以持续更新。

How Deep Are Deep GPs, Really? A Sharp Threshold and a Non-Gaussian Limit for Compositional GPs

Mark Kozdoba, Shie Mannor

cs.LG cs.AI math.ST stat.ML

本文研究了深度高斯过程（Deep GP）在深度增长时的先验极限行为。对于RBF kernel，作者找到了一个尖锐的带宽阈值$r_c(d) = \Theta(\sqrt{d})$，并证明了低于该阈值时先验收敛到非退化且非高斯的极限分布，而高于阈值则退化为常数函数。

De novo molecular generation with optical property preconditioning at the token level

Haozhe Huang et al.

cs.LG

本文使用GPT2模型在低数据条件下进行OLED分子生成，通过token级条件控制光学性质（如垂直吸收能和振子强度），并利用TDDFT评估生成分子的分布保真度和可控性。结果表明，token级控制具有方向性但非完全正交，且可控性依赖于局部化学环境。

GPT-Micro: A large language paradigm for accelerated, inexpensive, and thermodynamics-consistent discovery of constitutive models in manufacturing

Soumik Dutta et al.

cs.LG

本文提出GPT-Micro框架，利用LLM从文献中提取语义知识并结合热力学守恒定律与稀疏数据集，自动生成和优化本构模型。该方法在印刷电子工艺测试中验证，相比传统ML和人工建模，显著降低了数据需求和发现时间。

Differentially Private Synthetic Data via APIs 4: Tabular Data

Toan Tran et al.

cs.LG

本文扩展了Private Evolution (PE)框架至表格数据，提出了Tab-PE算法，通过启发式算子迭代生成满足差分隐私的合成表格数据。实验表明，Tab-PE在高阶相关数据集上优于现有方法，但方法本身并非开创性突破，且与关键词列表关联较弱。

Causal Semantic Alignment for LLM-based Time Series Forecasting

Kexuan Zhang et al.

cs.LG

本文提出CVAformer框架，通过将时间序列变量分解为不变和动态成分，并应用因果干预来减少动态成分对对齐过程的混杂效应，从而改进基于LLM的时间序列预测。实验表明该方法在多种预测场景下达到或超越现有最优性能。

Mesh Graph Neural Network Framework for Accelerating Finite Element Simulation for Arbitrary Geometries

Josiah D. Kunz, Kamal Choudhary

cs.LG cond-mat.mtrl-sci cs.CE

本文提出了一种基于Mesh Graph Network (MGN)的代理模型，用于预测二维结构部件在任意孔洞几何形状下的von Mises应力场。该模型通过编码节点类型和相对边特征实现平移和旋转不变性，从而能够泛化到未见过的几何形状，并在多个测试案例中优于传统机器学习模型。

On solving symmetric multi-type orthogonal non-negative matrix tri-factorization problem

Rok Hribar et al.

cs.LG

本文研究了对称多类型正交非负矩阵三分解问题，提出了两种启发式算法：基于KKT条件的定点方法和结合ADAM的三阶段方法。实验表明这些方法在合成数据和真实网络数据上能有效恢复因子分解，并在链接预测等任务中表现良好。

QueryWeaver: Reliable Multi-Tool Query Execution Planning via LLM-Based Graph Generation

Aishwarya Chakravarthy, Vidhi Kulkarni, Duen Horng Chau

cs.LG

本文提出QueryWeaver系统，将自然语言查询转换为结构化图，并通过确定性planner（基于深度优先搜索）执行跨工具查询。该方法提升了多步骤查询的可靠性，但主要聚焦于工具编排而非关键词中的核心概念。

GeoGNN: Time Series Geo-Localization using Two-Tower Graph Neural Networks

Toan Tran et al.

cs.LG

本文提出GeoGNN，一种双塔Graph Neural Network架构，用于时间序列地理定位问题。该方法通过空间塔学习地理cell的embedding，时间塔提取时间序列特征，并在推理时通过dot-product相似度匹配进行定位。

Towards Graph Foundation Models for Dynamics in Complex Networked Systems: Lessons from Super-Spreader Identification in Multilayer Networks

Michał Czuba et al.

cs.LG cs.SI

本文探讨了网络动力学中的跨网络泛化问题，提出了构建图基础模型(Graph Foundation Models)所需的四个设计属性，并通过在合成多层网络上训练的ts-net模型展示了在真实多层网络上的零样本泛化能力。文章还概述了实现网络动力学图基础模型的五个开放挑战。

Fourier fractal dimension to predict the generalization of deep neural networks

Joao B. Florindo, Davi Wanderley Misturini

cs.LG

本文提出了一种基于Fourier fractal dimension的深度神经网络泛化性能预测指标，通过分析权重变化的频域特征来捕捉学习过程的几何复杂性，并在CIFAR-10等数据集上验证了其与泛化差距的相关性。该方法主要关注泛化预测，与关键词中的spectral有一定关联但并非核心。

Where the Score Lives: A Wavelet View of Diffusion

Emma Finn et al.

cs.LG cs.CV

本文提出了一种基于2D正交wavelet基的score function可解析参数化方法，通过数据分布的矩来推导最优score函数，并用于分析不同架构（如U-Net和CNN）在diffusion模型中的生成行为差异。该方法为理解score网络与数据分布之间的相互作用提供了新的视角。

Orthogonality and Dimensionality in Airline Cluster Analysis using PCA and Kernel PCA

Andreas Schlapbach

cs.LG stat.ME

本文使用PCA和Kernel PCA对美国航空利润周期数据进行聚类分析，验证了六聚类分类在几何上的鲁棒性，并发现数据本质上是线性流形，但silhouette准则表明数据集仅支持三个聚类。

GENERIC-FNO: Embedding Energy Conservation and Entropy Production into Fourier Neural Operators

Jason Sulskis, Sathya Ravi

cs.LG

本文提出GENERIC-FNO，一种将非平衡热力学的完整GENERIC结构嵌入Fourier Neural Operator的方法，通过构造对角Fourier乘子与秩一投影来精确满足退化条件。该方法在多个PDE上验证了结构保持能力，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Generative Frontier Planning for Adaptive Peer-Referral Recruitment under Covariate-Dependent Arrivals

Lingkai Kong et al.

cs.LG cs.AI

本文针对同伴推荐招募系统中的自适应资源分配问题，提出了一种Generative Frontier Planning (GFP)方法。该方法通过一个基于潜在协变量覆盖值代理的确定性备份替代蒙特卡洛采样，并利用边际贪心分配实现$(1-1/e)$近似，从而在更现实的非独立同分布招募模型下实现高效规划。

Pre-Intervention Prediction of Sparse Autoencoder Steering Side Effects

Evan Duan

cs.LG cs.AI

本文研究了稀疏自编码器（SAE）特征干预的副作用预测问题，提出了一种干预前筛选框架，利用特征统计量预测干预的模块化程度（包括效果稳定性和附带扩散）。实验表明，解码器几何、激活统计、共激活结构和直接logit足迹等特征比基线方法更能预测干预质量，但预测效果和适用维度因模型和字典设置而异。

Few-step Cofolding with All-Atom Flow Maps

Gianluca Scarpellini et al.

cs.LG

本文提出了DeCAF框架，通过将全原子共折叠扩散模型蒸馏为流映射（flow map），实现了仅需少量推理步骤即可生成高质量3D生物分子复合物结构。该方法利用基于去噪器的流映射公式和端点损失，并支持SE(3)刚性对齐，从而在蛋白质-配体结构预测中平衡了计算效率与准确性。

RiskNet: A large-scale dataset of AI risk incidents from news with alignment and multi-dimensional annotations

Leihan Zhang et al.

cs.LG cs.AI

本文构建了一个名为RiskNet的大规模AI风险事件数据集，通过结构化流程从多语言新闻中识别、对齐和分类AI相关风险报告，旨在为AI安全与治理研究提供实证资源。该工作主要贡献于数据集的构建与标注，而非直接涉及关键词中的核心方法。

STAR-KV: Low-Rank KV Cache Compression via Soft Thresholding for Adaptive Rank Control

Priyansh Bhatnagar et al.

cs.LG cs.AI

本文提出STAR-KV，一种通过可微阈值机制实现自适应低秩KV cache压缩的方法，在注意力头和块级别进行最优秩选择，并结合混合分解策略与低秩感知混合精度量化。该方法在多种LLM上实现了高达75%的KV cache压缩率，并借助定制Triton GPU内核获得了显著的速度提升。

When Are Neural Interaction Discoveries Real? Identifiability, Recoverability, and a Pre-Fit Diagnostic

Valentina Kuskova, Dmitry Zaytsev, Michael Coppedge

cs.LG stat.ML

本文研究了神经时间序列模型中交互作用发现的可识别性问题，指出观测输入支撑的几何结构（而非具体神经架构）决定了交互作用是否可恢复。通过乘法门控神经加性向量自回归模型（GNAVAR），作者证明了依赖输入会导致边缘特定交互项之间的泄漏，并提出了基于有效秩的预拟合诊断方法。

Provably Efficient Personalized Multi-Objective Bandits with Proactive Conversational Queries

Linfeng Cao, Ming Shi, Ness B. Shroff

cs.LG cs.AI

本文提出了一种名为MO-PQUCB的混合算法，用于个性化多目标bandits问题，通过结合主动对话查询（如用户偏好信号）与bandit反馈来加速偏好估计。该工作利用Plackett-Luce子集选择模型建模查询信号，并证明了仅依赖查询学习存在shift-invariance障碍，因此需要引入shift-invariant正则化和双探索UCB机制。实验验证了该方法在偏好估计和regret缩放上的理论优势。

Not Just After One: Sleep-Inspired Replay Prevents Catastrophic Forgetting After Sequential Tasks

Anthony Bazhenov, Jean Erik Delanois, Giri P. Krishnan

cs.LG cs.AI

本文提出了一种受睡眠启发的回放机制，通过在多个新任务顺序训练后应用无监督回放阶段，来缓解人工神经网络中的灾难性遗忘问题。研究表明任务特定信息会随新训练逐渐衰减，但回放能部分恢复所有先前学习任务的性能。

Theoretical Foundations of Continual Learning via Drift-Plus-Penalty

Nazreen Shah et al.

cs.LG

本文从控制理论视角出发，提出基于Drift-Plus-Penalty (DPP)原则的持续学习框架COLD，通过虚拟队列机制显式调节遗忘演化，并建立了稳定性与收敛性保证。实验表明该方法在标准基准上优于多种现有方法。

Beyond Linear Activation Steering: Invertible Latent Transformations for Controlling LLM Behavior

Tuc Nguyen, Thai Le

cs.LG cs.CL

本文提出INNSteer框架，通过可逆神经网络将LLM的激活映射到潜在空间进行线性控制，再逆变换回原始空间，实现非线性、输入依赖的行为干预。该方法在多个模型和基准上优于线性及非线性基线，但未涉及代码、谱方法或预训练等关键词。

The Confidence Trap: Calibration Attacks for Graph Neural Networks

Cuong Dang et al.

cs.LG cs.AI

本文提出了一种针对图神经网络(GNN)的校准攻击框架UGCA，通过KL散度损失和重排序机制等技巧，在保持分类精度的同时显著增加Expected Calibration Error，揭示了校准鲁棒性的脆弱性。

Physically Consistent Null Space Alignment for Detection of Low-Magnitude False Data Injection Attacks

Xin Li et al.

cs.LG

本文提出PCNSA框架，通过Pseudo-null Space Conserved数据预处理步骤保持物理null space与测量伪null space的几何对应，从而检测低幅值虚假数据注入攻击。实验表明该方法在IEEE标准系统上优于现有检测器。

Inferring hidden forcing in a biological oscillator using Kolmogorov-Arnold networks

Julian Szereszewski et al.

cs.LG

本文使用Kolmogorov-Arnold网络从鸟类气囊压力数据中重建了呼吸肌的驱动力，揭示了隐藏的驱动结构，并通过肌电图验证了结果。该方法为从部分观测中推断潜在驱动力提供了一种通用途径。

Adaptive Loss Balancing for Noise-Robust GRPO in Generative Recommendation

Kewei Xu et al.

cs.LG cs.AI cs.IR

本文提出AdaGRPO框架，通过基于策略不确定性和奖励可区分性的二值逐样本裁剪，自适应地平衡监督学习与GRPO目标，以缓解生成推荐中奖励模型噪声问题。实验表明该方法在检索准确性和幻觉控制上优于固定混合策略。

PIPE-Cypher: Automatic Enterprise Benchmark Generation for Text-to-Cypher Systems

Suraj Ranganath, Anish Raghavendra

cs.LG cs.AI cs.DB cs.SE

本文提出PIPE-Cypher，一个自动生成Text2Cypher基准测试的pipeline，通过结合schema profiling、reverse-query grounding和constrained generation等技术，为属性图生成平衡的NL-to-Cypher查询对。该方法主要关注企业级图数据库的benchmark生成，与关键词中的agent和context有一定关联，但整体创新性和契合度有限。

STELLAR: Spatio-Temporal Environmental Learning with Latent Alignment and Refinement for Long-Tailed Species Distribution Modeling

Shufeng Kong et al.

cs.LG cs.AI

本文提出STELLAR框架，用于解决物种分布建模中的时空动态和长尾不平衡问题。它通过Graph-Temporal Encoder、Context-Anchored Latent Alignment和Imbalance-Aware Decoupled Decoding三个模块，在eBird数据集上提升了稀有物种预测性能。

A Joint Finite-Sample Certificate for Adaptive Selective Conformal Risk Control

Xiaoli Yu, Jiamiao Liu

cs.LG cs.CL

本文针对自适应选择性预测中的有限样本证书问题，提出了一种联合证书构造方法，通过结合方差自适应的empirical-Bernstein界、Clopper-Pearson界和双边接近界，同时上界选择风险、下界接受概率和部署效用。该方法在ImageNet和COCO数据集上相比Hoeffding-CRC方法提升了22个百分点的认证接受边界，但增益具有场景依赖性。

Autonomous Aerial Manipulation via Contextual Contrastive Meta Reinforcement Learning

Lixuan Jin et al.

cs.LG cs.RO

本文提出了一种基于上下文对比元强化学习的方法Aco2，使四旋翼无人机能够自主完成不同载荷的抓取、运输和投递任务，无需人工校准或系统辨识。该方法通过上下文观测编码器和对比学习目标，使策略在线适应载荷变化，并在仿真训练后直接部署到真实无人机上。

Routine laboratory trajectories encode the onset of organ-level complications in cancer

Jannik Lübberstedt et al.

cs.LG

本文使用Transformer模型处理癌症患者常规实验室检查的时间序列数据，预测162种治疗相关并发症的发生，证明了纵向实验室轨迹能捕捉到单次测量无法获取的器官功能恶化信息，并在外部数据集上验证了其泛化能力。

A Theoretical Analysis of Memory and Overfitting Phenomena in Stochastic Interpolation Models

Yunchen Li, Shaohui Lin, Zhou Yu

cs.LG

本文从理论上分析了随机插值模型中的记忆现象，通过最优速度场和score function的闭式解，证明了在连续时间oracle设定下生成过程会恢复训练样本，并分析了离散化和估计误差对生成样本偏离训练集的影响。

Physics-Guided Dual Decoding and Spectral Supervision for Global 3D Hydrometeor Prediction

Dandan Chen, Yaqiang Wang

cs.LG physics.ao-ph

本文提出PredHydro-Net，一种物理引导的双解码框架，用于全球3D水凝物预测。它通过解耦架构、wavelet频率分解和对抗训练，在定量精度与空间保真度间取得平衡，并优于现有模型。

EinSort: Sorting is All We Need for Tensorizing LLM

Toshiaki Koike-Akino, Jing Liu, Ye Wang

cs.LG cs.AI

本文提出了一种名为EinSort的自适应张量化方法，通过索引排序来发现目标张量中的低秩结构，用于压缩大型神经网络。实验表明，该方法在权重和KV-cache压缩任务上相比基线方法提升了重建质量。

Titans-as-a-Layer: Test-Time Memory for Conversational Speech Emotion Recognition

Daniel Chen et al.

cs.LG cs.CL

本文提出了一种名为Memory-as-a-Layer (MAL)的即插即用适配器，通过在测试时将对话历史写入小型neural memory并作为residual更新来增强语音情感识别，无需修改底层音频语言模型。该方法在多个数据集上提升了SER性能，但创新性有限，主要贡献在于将现有Titans框架适配到对话场景。

OrderDP: A Theoretically Guaranteed Lossless Dynamic Data Pruning Framework

Chenhan Jin et al.

cs.LG cs.CV

本文提出OrderDP框架，通过先随机选取子集再选择top-$q$样本的方式，在代理损失下实现无偏梯度估计，并提供了收敛性与泛化性的理论保证。实验表明该方法能在降低40%以上训练成本的同时保持竞争性精度。

Lost in the Non-convex Loss Landscape: How to Fine-tune the Large Time Series Model?

Xu Zhang, Peang Wang, Wei Wang

cs.LG

本文针对预训练Large Time Series Models (LTSMs)在下游任务微调时因非凸损失景观病态条件导致的过拟合问题，提出了Smoothed Full Fine-tuning (SFF)方法。该方法通过随机初始化辅助模型并与预训练模型权重线性插值来平滑损失景观，从而改善可训练性并保留预训练知识。

A spectral audit framework reveals task-dependent aperiodic reliance across EEG and ECG deep learning

Jasmeet Singh Bindra, Siddharth Panwar, Shubhajit Roy Chowdhury

cs.LG eess.SP

本文提出了一种spectral audit框架，用于评估深度学习模型在EEG和ECG时间序列分析中对aperiodic（非周期性）成分的依赖程度。研究发现这种依赖具有任务依赖性，且在不同神经网络架构中普遍存在，提示在可解释的生理时间序列深度学习中应考虑aperiodic控制。

Convolutional Sparse Coding via the Locally Competitive Algorithm on Loihi 2

Geoffrey Kasenbacher, Daniel Ruepp, Gerrit A. Ecke

cs.LG

本文在Loihi 2神经形态硬件上实现了卷积稀疏编码的Locally Competitive Algorithm (LCA)，并对比了GPU基线。该工作首次将LCA扩展到卷积特征图，但主要贡献在于工程实现与基准测试，而非理论或方法上的开创性突破。

Quantum Global Variational Learning for Quantum Error Correction

Shun Ryuzaki, Hideo Mukai

cs.LG quant-ph

本文提出了一种具有全局结构的量子神经网络，通过减少量子电路中所需的unitary matrix数量，实现了训练时间减少97%和训练完成率提升25%，最终在量子纠错任务中达到100%的成功率，并提升了网络内部噪声下的鲁棒性。

How Much Capacity Does EEG Denoising Need? Ultra-Compact Networks reveal Benchmark Saturation and Metric-Utility Gap

Jasmeet Singh Bindra, Siddharth Panwar, Shubhajit Roy Chowdhury

cs.LG eess.SP

本文研究了EEG去噪中模型容量对性能的影响，发现极紧凑的模型（1.05K-40.26K参数）即可达到性能饱和，且重建指标无法预测下游BCI任务效用，表明现有基准已饱和。

Tyan-WP: A Wind Power Foundation Model for Ultra-Short-Term Probabilistic Forecasting

Jiahui Huang et al.

cs.LG cs.AI

本文提出了Tyan-WP，首个用于超短期概率预测的风电基础模型，通过在大规模数据集上预训练并设计静态站点嵌入和功率感知气象融合模块，在零样本预测中优于多种现有模型。

SpectrumKV: Per-Token Mixed-Precision KV Cache Transfer for Prefill-Decode Disaggregated LLM Serving

Yang Pengju

cs.LG cs.DC

本文提出SpectrumKV方法，将Prefill-Decode分离架构中的KV cache传输视为精度分配问题，为不同重要性的token分配FP16、INT8或INT4精度，并通过轻量级部署探测决定是否使用INT4。实验表明该方法在相同传输预算下优于仅做token剪枝的基线方法。

Operator learning for the 2D incompressible Navier-Stokes equations: a conformal prediction approach in the data-scarce regime

Weinan Wang, Bowen Gang, Hao Deng

cs.LG math.AP math.NA stat.AP

本文提出了一种基于扰动的conformal prediction框架，用于为2D Navier-Stokes方程的operator learning提供不确定性量化，通过比较两个Fourier Neural Operator在原始和扰动标签上的预测来构建局部不确定性尺度。在数据稀缺场景下，该方法相比现有方法能生成更窄的conformal band并维持目标覆盖率。

SkillHone: A Harness for Continual Agent Skill Evolution Through Persistent Decision History

Zhiwei Li, Yong Hu

cs.LG

本文提出SkillHone框架，通过持久化决策历史（persistent decision history）来持续演化agent技能，在开放网络环境中使用Qwen3.6-35B-A3B作为评估骨干，在GAIA和WebWalkerQA-EN基准上超越了商业检索服务支持的深度研究agent。该方法与关键词中的agent概念相关，但未涉及code、spectral、Muon、pretrain或attention等核心主题。

Activation Steering Induces Emergent Misalignment: A More Comprehensive Evaluation

Qi Cao et al.

cs.LG cs.AI

本文研究了activation steering（一种在推理时通过注入steering vector来调控LLM行为的技术）是否会导致emergent misalignment（模型在窄任务上微调后意外泛化到无关任务上的不安全行为）。实验表明，activation steering可以诱导广泛的不对齐，且其产生的有害响应比微调方法具有更强的语义相关性和连贯性。该工作扩展了对这一现象的评估范围，但未涉及code、spectral、Muon等关键词。

Hierarchical Projection for Adaptive Knowledge Transfer

Samhita Pal, Tian Gu

cs.LG stat.ME

本文提出Projection Transfer Learning (ProjectionTL)框架，通过分层贝叶斯建模与自适应投影实现跨域知识迁移，在源选择与特征选择两个层面缓解负迁移问题。该方法在模拟和生物医学应用中展示了比现有方法更好的准确性与可解释性。

Agentic Search for Counterfactual Recourse under Fixed LLM Budgets

Yasuo Tabei

cs.LG cs.AI

本文研究了在固定LLM调用预算下生成反事实解释（counterfactual recourse）的问题，提出了一种基于agentic tree-search的框架Comp-MCTS。该方法通过LLM生成候选方案、oracle验证和压缩引导剪枝，在无训练条件下最大化有效反事实的产出。实验表明，该方法在多个表格数据集上优于现有基线。

SNR-ST-Mix: Sample-specific Neighborhood Regression Mixup for Augmented Spatial Transcriptomics Imputation with Deep Neural Network

Hongyi Yu et al.

cs.LG cs.AI cs.CV

本文提出SNR-ST-Mix，一种针对空间转录组学(ST)数据的几何与表达感知数据增强框架，通过将混合限制在k近邻空间并基于表达相似性自适应加权插值系数，生成保留局部生物结构的合成样本，从而提升深度神经网络在ST回归任务中的预测性能。该方法无需改变模型架构即可扩展有效训练流形并增强泛化能力。

Deep Active Re-Labeling: Toward Noise-Resilient Annotation Efficiency

Md Abdullah Al Forhad, Weishi Shi

cs.LG cs.AI

本文研究了Deep Active Learning (DAL)中人类标注噪声的问题，提出了一种通过重新标注已标注数据来降低噪声影响的框架。该方法在相同标注预算下提升了数据效率，但并未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

A Geometric Measure of Linear Separability for Neural Representations

Yi Wei, Xuan Qi, Furao Shen

cs.LG

本文提出了一种用于衡量神经网络表示中线性可分性的几何度量LSM，通过搜索包含目标类所有样本的仿射半空间并测量竞争类样本的最小入侵程度来定义。该度量具有非对称性、类别特异性等性质，并可用于分析常见深度学习组件中的类别入侵现象。

Declarative Outcome-Conformant Synthesis: Exact, Closed-Form Specification Satisfaction and a Conformance Benchmark

Muhammed Rasin

cs.LG cs.DB

本文研究了无源数据情况下精确满足声明式分析结果的合成数据生成任务，提出了outcome-conformant synthesis概念，并证明其与保真度正交。作者贡献了精确聚合生成器的形式化理论、用于评估一致性的SpecBench基准以及一个闭式确定性参考系统。

Understanding the Parameter Space Geometry of Transformers Encoding Boolean Functions

Blanka Köver et al.

cs.LG

本文研究了Transformer在编码Boolean functions时的参数空间几何性质，证明了即使某些高敏感度函数（如PARITY）可以被特定参数设置表达，它们在参数空间中占据的区域极小，导致随机初始化的Transformer几乎必然只能计算具有低敏感度字符串的函数，从而解释了这些函数难以学习的原因。

How Many Counterfactuals Does It Take? Probing VLM Hallucinations Through Circuits and Causal Effects

Abhivansh Gupta et al.

cs.LG cs.AI

本文研究了视觉语言模型(VLM)中幻觉输出的反事实鲁棒性，通过定义基于log-probability差异的因果影响度量，并利用circuit discovery技术识别相关模型组件。文章使用concentration inequalities推导了检测幻觉输出不稳定所需的最小反事实样本数量m的经验界。

Reformulate LLM Reinforcement Learning for Efficient Training under Black-box Discrepancy

Jiashun Liu et al.

cs.LG

本文针对LLM强化学习训练中的黑箱不一致性问题，提出了一种基于Discrepancy-Constrained Markov Decision Process (DCMDP)的框架，通过Lagrangian松弛机制动态平衡奖励最大化与行为对齐约束，从而在训练与推理引擎存在差异时实现稳定优化。实验在8B和30B MoE模型上验证了其有效性，并支持异构训练范式。

Scaling Decision-Focused Learning to Large Problems with Lagrangian Decomposition

Stéphane Eilles-Chan Way et al.

cs.LG cs.AI

本文提出了一种将Lagrangian decomposition融入decision-focused learning的框架，通过引入新的surrogate objective和两种loss函数来训练预测模型，旨在解决大规模predict-then-optimize问题中的计算瓶颈。实验表明，该方法在multi-dimensional knapsack problem和quadratic portfolio optimization上具有竞争力，并支持并行化。

Active Flow Expansion for Out-of-Distribution Discovery: from Theory to Molecules

Riccardo De Santi et al.

cs.LG

本文提出Active Flow Expansion (ActFlow)方法，通过利用verifier反馈和主动探索来扩展预训练flow model的generable set，从而覆盖更多有效设计空间。该方法在分子生成等任务上验证了有效性，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Knowledge Graphs and Reasoning LLMs for Finding Simple Yet Effective Transcriptomic Perturbation Predictors

Jake Fawkes, Liam Hodgson, Jason Hartford

cs.LG cs.AI

本文利用Knowledge Graphs和LLM进行基因扰动预测，发现简单的K近邻方法在分布外预测上表现优异，并通过强化学习优化的LLM进一步提升了性能。该方法虽有效，但缺乏与关键词（如spectral, Muon, agent）的直接关联，且创新性有限。

Intrinsic Selection and Particle Resampling for Inference-Time Scaling Beyond Domain Verifiability

Giorgio Giannone et al.

cs.LG cs.AI cs.CL stat.ML

本文提出了一种基于样本集内在统计量（如长度调整后的尾熵）的推理时扩展方法，通过Intrinsic Selection (iS)和Intrinsic Particle Filtering (iPF)等技术，在不依赖外部验证器的情况下提升生成质量，并在数学、工程设计和临床响应等开放领域取得改进。该方法与关键词中的“code”和“attention”关联较弱，主要关注非可验证领域的推理扩展。

sGPO: Trading Inference FLOPs for Training Efficiency in RLVR

Shivchander Sudalairaj et al.

cs.LG cs.AI cs.CL stat.ML

本文提出sGPO方法，通过少量inference FLOPs预估query难度，自适应调整训练rollout组大小并过滤无效query，在RLVR训练中减少约三分之二的总计算量，同时保持或提升性能。

Diffuse AI Control on Fuzzy Tasks

Mikhail Terekhov et al.

cs.LG

本文针对AI安全中的Diffuse AI Control问题，在模糊任务（难以评分或需要直觉的任务）上提出一个对抗性博弈框架，其中蓝队使用弱可信模型构建弱评分来训练强模型，红队则通过多目标进化提示优化寻找被弱评分高估但实际表现差的行为。实验表明该方法能发现并部分缓解子版本行为，但未涉及关键词中的code、spectral、Muon等概念。

Cheap Reward Hacking Detection

Iván Belenky, Joaquín Itria, Steven Johns

cs.LG cs.AI cs.CR

本文训练了一个小型transformer encoder将Terminal-Wrench轨迹映射到单位球面上，使嵌入距离近似reward与metadata信号之间的$L_1$距离。线性探针在该嵌入上检测reward hacking，在清洗测试集上达到AUC 0.9467，性能与LLM-as-judge相当但计算成本低约四个数量级。

Synthetic but Not Realistic: The Evaluation Challenge in Generative Modelling for Structured Electronic Medical Records

Nicholas I-Hsien Kuo, Blanca Gallego, Louisa Jorm

cs.LG

本文针对结构化电子病历的生成模型评估问题，提出了一个基于流行病学的多维评估框架，涵盖描述性保真度、临床效用和结构有效性。实验表明，现有生成模型虽能复现边际分布，但无法同时保持子群结构、效应估计和依赖关系，导致评估可能高估合成数据质量。

Generalized Rank-based Evaluation for Knowledge Graph Completion: Perspectives, Framework, and Analyses

Sooho Moon, Jian Kang, Yunyong Ko

cs.LG

本文针对知识图谱补全(KGC)的评估问题，提出了一个名为PROBE的广义评估框架，该框架通过rank transformer和rank aggregator分别处理预测sharpness和流行度偏差鲁棒性两个被忽视的视角。理论分析表明PROBE满足六个关键性质，而现有指标无法全部满足，实验也验证了其评估的全面性和一致性。

PROBE-Web: An Interactive System for Probing Evaluation Landscapes of Knowledge Graph Completion Models

Sooho Moon, Yunyong Ko

cs.LG

本文介绍了PROBE-Web，一个用于知识图谱补全(KGC)模型评估的交互式系统，允许用户通过调整预测锐度和流行度偏差鲁棒性两个视角来灵活评估模型。该系统提供了传统评估工具包、视角感知评估、可解释案例研究和评估景观探索等功能。

Backward Coherence and Hidden-State Stability in Recurrent Neural Networks: A Quasi-Reverse-Martingale Theory

Yuan-chin Ivan Chang

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

本文提出了一种基于准逆鞅(quasi-reverse-martingale)理论来分析RNN隐藏状态稳定性的方法，通过后向相干性(backward coherence)正则化来改善模型性能。实验表明该方法能加速状态收敛并提升预测精度，但主要关注统计学习理论而非代码、上下文或注意力机制等关键词。

PAI: Preserving Amplitude Information in Representation-Based Time-Series Anomaly Detection

Kang Zhang et al.

cs.LG cs.AI

本文指出基于表示的时间序列异常检测方法在学习到的embedding中丢失了amplitude信息，导致对幅度相关异常检测性能不佳。为此，作者提出PAI评分方案，通过诊断模块和分数增强函数来保留并利用amplitude信息，在多个数据集上显著提升了现有方法的性能。

From Hazard Functions to Language Space: Cox-Supervised Distillation of Survival Risk into a Large Language Model

Nicholas I-Hsien Kuo, Blanca Gallego, Louisa Jorm

cs.LG

本文提出了一种将Cox比例风险模型估计的生存风险信息迁移到大型语言模型中的方法，通过将结构化临床数据转换为文本提示并微调Qwen模型，使其以文本生成任务的方式预测生存风险。实验表明该方法在多个数据集上取得了有竞争力的判别和校准性能，且隐状态分析显示模型在潜在空间中形成了连续的风险梯度结构。

Self-Consistent Generative Paths via Admissible Random Variational Transport

Lei Luo, Yingzhen Zhang, Jian Yang

cs.LG math.FA

本文提出了一种自洽生成路径的框架，通过可容许的随机变分传输算子将生成路径定义为随机不动点，并引入了随机不动点路径残差（R-FPR）来度量生成路径与局部修正之间的差距。该理论为扩散模型、流匹配、一步生成、VAE、GAN等多种生成模型提供了统一的残差控制原则，用于诊断失败、正则化训练和指导自适应采样。

From inverse problems to neural operators: prediction, mechanism, and generalization of data-driven models

Conor Rowan

cs.LG

本文从逆问题到神经算子，系统梳理了物理系统数据驱动建模策略（如Sparse Identification of Nonlinear Dynamics和Neural Ordinary Differential Equations）的共性结构，并基于哲学视角探讨了模型在机制发现与泛化能力上的差异。

C$^3$ache: Accelerating World Action Models with Cross Inference Chunk Cache

Weisen Zhao et al.

cs.LG cs.CV cs.RO

本文提出C$^3$ache，一种无需训练的方法，通过跨推理chunk缓存和重用denoising步骤中的残差来加速World Action Models (WAMs)的推理，在Fast-WAM骨干上实现了最高$2.5\times$的加速，且任务成功率几乎无下降。该方法主要针对机器人动作模型的计算冗余问题，与关键词中的agent领域有一定关联。

Online Learning with Recency: Algorithms for Sliding-window Streaming Multi-armed Bandits

Vladimir Braverman et al.

cs.LG cs.DS

本文研究了滑动窗口流式多臂老虎机问题，其中只有最近$W$个臂有效。对于纯探索和遗憾最小化问题，分别给出了在有限内存下的下界和算法，并展示了样本、遗憾与内存之间的权衡。

Heterophily-Aware Adaptive Knowledge Distillation for Hypergraph Neural Networks

Joohee Cho, David Yoon Suk Kang, Yunyong Ko

cs.LG

本文提出了一种名为HADES的异质性感知自适应蒸馏方法，用于超图神经网络（HNN）。该方法通过量化节点的异质性来调节教师知识在蒸馏过程中的传递，从而提升轻量级学生模型的预测性能。实验表明，该方法能在多个HNN教师模型上持续提升学生性能，甚至在某些情况下使学生模型超越教师模型。

Beyond Neural Collapse: Task-Intrinsic Geometry Governs Neural Representations in Modular Arithmetic

Hu Tan, Kuo Gai, Shihua Zhang

cs.LG

本文研究了模加法任务中神经网络表示从神经坍缩（NC）向二维循环几何转变的机制，通过形式化层间非均匀训练动力学和熵正则化传输解释，揭示了分类器权重先于嵌入形成秩2等角结构，并量化了循环解相对于单纯形ETF在交叉熵与权重衰减下的优势。

LEAF: A Learning-Enabled ADMM Framework for Accelerated Convex Optimization

Binh Nguyen, Trinh Tran, Truong X. Nghiem

cs.LG eess.SY math.OC

本文提出LEAF框架，通过使用Input Convex Neural Network (ICNN)近似目标函数的Moreau envelope来加速convex optimization。该方法在保持凸性和光滑性的同时降低了模型复杂度，但与我提供的关键词列表关联度较低。

Understanding Quantization-Aware Training: Gradients at Quantized Weights Bias to the Low-Loss Basin

Hanyang Li, Jianhao Ma, Ying Cui

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

本文提出了一个统一的几何框架来解释量化感知训练(QAT)和训练后量化(PTQ)的行为差异，将全精度训练建模为宽"山谷"中的低损失"河流"，并证明当量化网格与盆地宽度相当时，PTQ可能选择高损失的量化点，而基于STE的QAT通过梯度感知谷壁的偏置机制将量化迭代拉回低损失盆地。

Structural Grid Descriptors Predict Within-Task Solver Success on ARC-AGI

Ayan Pendharkar

cs.LG

本文研究了ARC-AGI任务中中间grid state的结构属性是否能够预测solver的成功与否，通过条件互信息$I(X;Y|task) > 0$进行验证。实验表明，在50%轨迹完成度时测量的hand-crafted grid descriptors能有效区分同一任务内的成功与失败运行，且该预测能力在不同solver架构间具有泛化性。

TRIAGE: Dialectical Reasoning for Explainable Risk Prediction on Irregularly Sampled Medical Time Series with LLMs

Hyeongwon Jang et al.

cs.LG cs.AI cs.CL

本文提出TRIAGE框架，通过训练LLM生成辩证推理来缓解风险极化问题，在不规则采样医疗时间序列上实现校准的风险评分和可解释性。该方法在AUPRC和校准误差上优于基线，但与我提供的关键词列表契合度较低。

DynaCF: Mitigating Shortcut Learning in Reward Models via Dynamic Counterfactual Sensitivity

Fengyuan Liu et al.

cs.LG cs.CL

本文提出DynaCF框架，通过在优化过程中动态应用保持语义的反事实扰动并监测margin变化来度量shortcut sensitivity，从而在Bradley-Terry目标中对高shortcut sensitivity的样本进行降权，以缓解reward model训练中的shortcut learning问题。实验表明该方法能提升偏好建模的鲁棒性。

Decoy-Calibrated Failure Audits for Language Models

Vyzantinos Repantis, Ameya Gawde, Harshvardhan Singh

cs.LG cs.CL cs.IR

本文提出Janus方法，用于判断语言模型错误解释的可信度，通过比较真实descriptor与随机分配的假descriptor的error-rate lift，并在独立数据上验证。实验表明该方法能识别植入的失败模式，但在MuSiQue和LongBench v2基准上未确认任何SliceLine基线标记的高错误区域。

Beyond Convolution: Advancing Hypergraph Neural Networks with Hypergraph U-Nets

Fuli Wang et al.

cs.LG

本文提出了一种名为Parallel Hierarchical Pooling (PHPool)和PHUnpool的算子，用于构建超图数据的U-Net架构，通过层次聚类切割树状图实现全局并行的池化与反池化操作，在超图重建、分类和节点异常检测任务中优于现有方法。

Stage-1 Controls the Entropy Regime, Not the Outcome

Jianxiong Shen

cs.LG cs.AI cs.CV

本文通过使用Qwen2.5-VL-7B模型进行小数据实验，研究了视觉语言模型两阶段训练中Stage-1（如SFT或OPD）的作用。结果表明，Stage-1主要控制策略的entropy regime（熵状态），但对最终任务性能的影响有限且局部化，不同初始化方法在RL后的表现差异很小。

OnlyDense: Reduced-Order Modeling for Lagrangian simulation

Tu Do, Shannon Ryan, Santu Rana

cs.LG cs.AI

本文提出了一种名为OnlyDense的降阶建模框架，用于拉格朗日模拟（如SPH和MPM）。该方法将系统状态视为Hilbert空间中的函数，并用学习到的neural basis functions张成的线性子空间近似状态空间，从而避免非线性潜在空间的优化，实现了对大规模粒子系统的高效表示和动力学预测。

A Unifying Lens on Reward Uncertainty in RLHF

Ely Hahami et al.

cs.LG cs.AI cs.CL

本文从Bayesian inference和KL-DRO的角度，论证了在RLHF中处理reward uncertainty的合适对象是distributional reward model $p(r\mid x,y)$，并推导出一个统一的closed-form effective reward表达式。该表达式将现有的RM ensemble聚合方法（如mean aggregation、worst-case optimization和uncertainty-weighted optimization）统一为极限或截断形式。

Neural Legendre-Fenchel transform with Hessian Preconditioning

Basile Plus-Gourdon, Frank Nielsen

cs.LG

本文提出了一种基于Hessian预条件（Hessian Preconditioning）的神经Legendre-Fenchel变换方法，通过仿射不变性将函数变形为规范抛物面，并利用残差网络学习简化映射。该方法在病态凸函数的共轭计算中提升了收敛速度和数值精度。

The Hidden Bias of Process Reward Models:PRISM for Rewarding the Right Reasoning

Aakriti Agrawal et al.

cs.LG

本文发现Process Reward Models (PRMs)在step-level训练数据中存在严重不平衡导致的隐藏偏差，标准交叉熵训练会放大此偏差，使模型对看似合理但错误的步骤给出过高奖励。为此，作者提出PRISM框架，通过对比step-level比较和时间前瞻策略生成的hard negatives来训练PRM，并采用难度感知课程优化对比步长，在多个benchmark上显著降低了false positive率并提升了下游任务性能。

Beyond FLOPs: Benchmarking Real Inference Acceleration of LLM Pruning under a GEMM-Centric Taxonomy

Haozhe Hu et al.

cs.LG cs.CL

本文提出了一种基于GEMM维度的分类法，将LLM剪枝方法按矩阵乘法逻辑维度重新组织，并构建统一基准框架来比较不同剪枝方法的实际加速效果。研究发现静态深度剪枝在低质量损失下表现最优，而动态深度和静态宽度剪枝分别在中等和高损失下成为Pareto前沿。

Stabilizing On-Policy Distillation for MLLM Reasoning with Global Normalization

Dongze Hao et al.

cs.LG cs.CV

本文提出了一种名为GNDPO的方法，通过将token-level的KL散度分数转化为batch-level的相对优势来稳定on-policy distillation的训练过程，解决了梯度爆炸问题。该方法在多模态推理任务上提升了训练鲁棒性和性能，但与我提供的关键词列表关联度较低。

From Shortcuts to Reasoning: Robust Post-Training of Theory of Mind with Reinforcement Learning

Jike Zhong et al.

cs.LG

本文研究了Theory of Mind (ToM)的后训练问题，发现现有数据集存在“捷径”问题（即通过利用虚假因果相关性即可达到高准确率）。作者提出Thinking-RFT方法，结合强化学习与显式推理链，在多个无捷径数据集上验证了其相比Supervised Fine-Tuning (SFT)在复杂推理和多模态场景下的性能提升。

Addressing Market Regime Changes and Heavy-Tailed Returns in Portfolio Optimization via Bayesian VAR and Elliptical Black-Litterman

Daniil Mikriukov et al.

cs.LG cs.AI q-fin.PM

本文提出BAVAR-BLED算法，结合贝叶斯平均向量自回归与椭圆Black-Litterman模型，在TD3架构下处理市场机制变化和厚尾收益问题，通过Transformer和CNN网络实现动态资产配置。实验在道琼斯指数成分股上取得较好表现，但方法本身并非开创性突破，且与关键词列表关联较弱。

Hybridizing Equilibrium Propagation with Ising Machines for Efficient Energy-Based Learning

Chen-Rui Fan et al.

cs.LG cs.AI

本文提出了一种将Ising动力学与Equilibrium Propagation (EP)相结合的框架，通过引入共轭变量的扩展相空间动力学替代耗散Hopfield松弛，以解决EP训练中因相空间收缩导致的局部极小值收敛问题。该方法在保持EP局部两相学习规则的同时，降低了有效能量势垒并加速了收敛，在MNIST等数据集上训练深度卷积Hopfield网络时性能可与backpropagation媲美。

Counterfactual Transport Flows for Offline Conservative Trajectory Refinement

Lena Krieger et al.

cs.LG

本文提出了一种名为counterfactual transport flows的离线轨迹优化框架，通过从离线数据中检索具有更高反馈的邻近轨迹来构建局部偏好对，从而在保持保守性的同时改进低反馈轨迹。该方法在D4RL基准测试中展示了从历史回报中改善行为的能力，但未涉及code、spectral或Muon等关键词相关技术。

Optimizing Energy-based Neural Network Training with Coherent Ising Machine

Chen-Rui Fan et al.

cs.LG cs.AI

本文利用Coherent Ising Machine (CIM)结合Equilibrium Propagation训练energy-based neural network，并通过Adam optimizer优化Hopfield energy network的ground state求解，提升了收敛速度和精度。该工作展示了CIM在训练复杂神经网络中的可扩展性，为下一代AI硬件提供了物理框架。

Claw-R1: A Step-Level Data Middleware System for Agentic Reinforcement Learning

Daoyu Wang et al.

cs.LG cs.CL

本文提出了Claw-R1，一个用于agentic RL的step-level数据中间件系统，通过Gateway Server和Data Pool连接agent运行环境和RL训练后端，将agent交互轨迹作为可管理的数据资产。该系统主要关注数据生命周期管理，而非提出新的算法或解决长期问题。

Crop Recommendation and Agricultural Query Answering System Using Spatio-Temporal Graph Neural Networks and Hybrid Retrieval Augmentation

Prajwal Thapa, Yagya Raj Pandeya

cs.LG cs.AI

本文提出一个集成天气预测、作物推荐和农业问答的统一系统，使用Spatio-Temporal Graph Convolutional Network (STGCN)和Transformer-based Graph Neural Network预测尼泊尔1359个地点未来30天的天气，并结合土壤属性生成作物推荐，同时开发了基于Retrieval-Augmented Generation (RAG)的聊天机器人。该系统通过移动应用部署，为农民提供实时建议和对话支持。

CANS: Accelerating Multiuser Collaborative Edge Inference via Cooperative Autodidactic NeuroSurgeon

Zheshun Wu et al.

cs.LG cs.AI cs.DC

本文提出CANS框架，通过FedLinUCB-DW算法使多用户协作边缘推理中的设备自适应学习最优DNN partition，并利用离线经验加速在线探索。实验表明该方法在降低推理延迟方面优于现有基线。

Asymptotic Optimality of Thompson Sampling for Risk-Averse Bandits with Sub-Gaussian Rewards

Joel Q. L. Chang

cs.LG stat.ML

本文证明了$\rho\text{-}\mathrm{NPTS}_{\mathrm{SG}}$算法在风险厌恶bandit问题中达到渐近最优的regret界，通过离散化引理处理有界支撑和次高斯尾情形，为连续风险泛函提供了实例最优保证。该工作主要贡献在于突破了先前证明中的超指数障碍，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

The Injection Paradox: Brand-Level Suppression in Safety-Trained LLM Recommendations via RAG Context Injection

Hyunseok Paeng

cs.LG cs.CL cs.CR

本文研究了RAG-based LLM推荐系统中的一种安全训练失败模式，即"Injection Paradox"，发现安全训练的Claude模型在检索文档中包含prompt injection时，目标品牌的推荐率会显著下降，甚至降至零。该现象在GPT模型中呈现相反趋势，揭示了不同模型家族对注入式上下文的响应差异。

Orange Lab: Lowering Barriers to Data Mining through Embedded Interactive Workflows

Matej Bevec et al.

cs.LG cs.HC

Orange Lab是一个基于web的可视化数据分析环境，允许用户通过模块化组件构建机器学习工作流，并支持将选定的组件嵌入到任意web页面中。该工作主要关注降低数据科学的使用门槛，与关键词列表中的概念关联较弱。

BSTabDiff: Block-Subunit Diffusion Priors for High-Dimensional Tabular Data Generation

Al Zadid Sultan Bin Habib et al.

cs.LG cs.AI stat.ML

本文提出BSTabDiff框架，通过将高维表格数据划分为低维潜在块并利用扩散先验生成，以解决高维小样本（HDLSS）场景下的密度学习问题。该方法在块潜在空间学习全局依赖，并借助copula机制解码到完整特征空间。

ERBench: A Benchmark and Testsuite for Equation Discovery Algorithms

Paul Kahlmeyer et al.

cs.LG

本文提出了ERBench，一个用于评估equation discovery算法的基准测试框架，通过测量算法恢复已知groundtruth公式的能力来替代传统的域内预测精度评估。该框架特别关注算法在不同维度、采样大小、分布和域下的鲁棒性，以填补现有symbolic regression基准测试的不足。

Internalizing Geometric Law: Learning from Solver Residuals for Precision-Critical Generation

Rafael Cabral et al.

cs.LG cs.AI

本文提出了PyGeoX，一个可编程的几何DSL，用于将自然语言描述转化为满足严格几何约束的精确构造。针对全局范数奖励导致的“异常梯度掩盖”问题，作者提出了饱和加性奖励（SAR），通过分解为有界逐约束项来保持梯度一致性，在硬层级问题上将求解率提升了2.3倍。

Trajectory Geometry of Transformer Representations Across Layers

Vishal Pandey, Gopal Singh

cs.LG

本文通过将transformer前向传播视为高维表示流形上的离散轨迹，利用轨迹长度、曲率等几何指标分析了GPT-2等模型各层表示的变化，发现语义相关提示在中间层收敛、推理任务曲率更大等现象。该方法为机械可解释性提供了无探针的几何视角，但与关键词列表中的概念关联较弱。

Intention Driven Identification of In-Possession Match Phases in Association Football through Temporal Graph Learning

Yuesen Li, Daniel Link

cs.LG

本文提出了一种基于Temporal Graph Attention Network (T-GAN)的框架，利用时空tracking data识别足球比赛中的持球阶段，将连续数据转化为可解释的战术阶段表示。该方法在意图和阶段级别的识别上取得了较好性能，但并未涉及code、spectral、Muon、pretrain或agent等关键词。

PRISM: Topology-Aware Cross-Modal Imputation for Modality-Deficient Federated Graph Learning

Zekai Chen et al.

cs.LG

本文提出PRISM框架，用于解决多模态联邦图学习中客户端级模态缺失问题。该方法通过拓扑感知的跨模态插补，从联邦中恢复缺失模态语义并引入局部图传播，在多个数据集上平均提升4.48%。

Toward Compiler World Models: Learning Latent Dynamics for Efficient Tensor Program Search

Haolin Pan et al.

cs.LG cs.PL

本文提出了一种受world model启发的tensor program evaluator，通过将schedule evaluation建模为action-conditioned latent dynamics来降低搜索成本，并在TVM AutoScheduler中实现了比Ansor更优的latency表现。该方法主要关注编译优化中的搜索效率问题，与关键词中的code和agent有一定关联，但创新性相对有限。

Machine-Learning Emulation of Satellite Greenhouse Gas Retrievals: Stability over Time

Nugzar Gognadze et al.

cs.LG stat.AP

本文研究了机器学习模型作为卫星温室气体反演算法（retrieval algorithm）的快速模拟器（emulator）的时间稳定性，发现预测精度随时间推移而下降，且将时间作为输入特征能改善XCH4预测。其中Lasso模型在性能和时间稳定性上优于神经网络等复杂方法。

A Universal Dense Football Event Representation Based on TabTransformer

Weiran Yang, Daniel Memmert, Maximilian Klemp-Weins

cs.LG cs.AI

本文提出了一种基于TabTransformer的足球事件密集表示方法，通过将分类特征编码为学习到的embedding向量来捕捉动作语义，并在下游任务中展示了优于基线的概率校准性能。该方法主要关注体育分析中的特征表示学习，与关键词中的pretrain和attention有一定关联，但缺乏开创性或解决长期问题的贡献。

Thresholded Local Hyper-Flow Diffusion

Meher Chaitanya, Sebastian Dalleiger, Luana Ruiz

cs.LG

本文提出Thresholded Local Hyper-Flow Diffusion (TL-HFD)，一种在子模超图上进行种子聚类的一阶方法，通过维护活跃区域并执行阈值化投影次梯度更新来保持局部性。该方法证明了局部更新与全局更新的等价性，并给出了有限时间对偶次优性保证，实验表明其在激活更少体积的同时匹配或改进了现有HFD方法。

Scaling Neural Network Verification with Tensor Parallelism and Fully Sharded Data Parallelism

Sergei Vorobyov, Eugene Ilyushin

cs.LG cs.AI

本文探讨了将Tensor Parallelism和Fully Sharded Data Parallelism两种并行技术应用于神经网络验证框架auto_LiRPA/α,β-CROWN，以缓解GPU内存瓶颈。实验表明，FSDP在保持与单GPU基线bitwise identical边界的同时，显著降低了内存占用，但方法本身并非开创性，且与关键词列表关联较弱。

Reasoning Arena: Trace Tournaments When Verifiable Rewards Fall Short

Han Zhou et al.

cs.LG cs.AI cs.CL

本文提出Reasoning Arena框架，通过构建推理轨迹锦标赛（trace tournaments）和Bradley-Terry模型，将无梯度信号的同组轨迹转化为细粒度相对奖励信号，以改进基于可验证奖励的强化学习（RLVR）在大语言模型推理训练中的效果。实验表明该方法在数学和编程基准上平均提升7.6%，并显著加速训练过程。

Distilling Safe LLM Systems via Soft Prompts for On Device Settings

Motasem Alfarra et al.

cs.LG

本文研究了在资源受限的边缘设备上部署安全大语言模型(LLM)的问题，提出通过soft prompt与基于distillation的训练方法（使用total variation和KL divergence）将guard model的安全行为迁移至LLM，在保证安全性的同时显著降低内存和计算开销。实验表明该方法在安全-效用权衡上优于LoRA adapters等替代方案。

Benchmarking Empirical Privacy Protection for Adaptations of Large Language Models

Bartłomiej Marek et al.

cs.LG cs.CR

本文通过系统实验评估了差分隐私（DP）在大型语言模型（LLM）自适应中的实际隐私保护效果，发现数据分布偏移会显著影响隐私风险，且LoRA等参数高效微调方法对OOD数据具有最佳经验隐私保护。

LargeMonitor: Monitoring Online Task-Free Continual Learning via Large Pretrained Models

Mingqi Yuan et al.

cs.LG cs.AI

本文提出LargeMonitor框架，利用大型预训练模型（LVMs和LMMs）解耦在线无任务持续学习中的漂移检测与诊断过程，通过零样本检测和语义诊断实现自适应优化策略切换。实验表明该方法能提升现有在线TFCL算法的性能。

Graph Mamba Operator: A Latent Simulator for Interacting Particle Systems

Karn Tiwari et al.

cs.LG

本文提出Graph Mamba Operator (GraMO)，一种将state-space models与graph-based interaction learning结合的latent-space simulator，用于建模interacting dynamical systems。GraMO通过单一recurrence耦合graph interactions和temporal state updates，在N-body systems等数据集上实现了较低的long-horizon prediction error。

Operator learning for solving Fokker-Planck equations with various initial conditions

Li Zeng et al.

cs.LG

本文提出了一种基于条件normalizing flow的物理信息神经网络框架，用于近似求解不同初始条件下Fokker-Planck方程的解算子。该方法利用Chapman-Kolmogorov方程将问题转化为逼近转移概率密度函数，并引入时间加权损失函数以缓解小时间尺度下的数值不稳定性。

Breaking the Tokenizer Barrier: On-Policy Distillation across Model Families

Yifan Niu et al.

cs.LG

本文提出了一种跨tokenizer的On-Policy Distillation方法，通过精确的token映射算法使不同tokenizer的teacher和student模型之间能够传递token级信号，在多个benchmark上比基线方法更高效。该方法扩展了OPD在LLM后训练中的适用范围。

Escaping the KL Agreement Trap in On-Policy Distillation

Haoran Xin et al.

cs.LG cs.CL

本文识别了on-policy distillation中的低KL agreement trap问题，并提出KAT方法通过动态阈值检测并终止这种弱监督状态，在数学基准上提升了准确率并大幅减少了rollout长度。

Loss-Guided Adaptive Scale Refinement for Molecular Force Prediction

Limin Yu

cs.LG

本文提出了一种损失引导的自适应尺度细化框架用于分子力预测，通过插值、路由和可微分尺度更新来发现任务最优的建模尺度。在NaCl水溶液离子系统中，该方法通过硬路由和连续插值降低了力预测的MAE，并自动生成了中间尺度。

BUDDY: BUdget-Driven DYnamic Depth Routing for Adaptive Large Language Model Inference

Yuhua Zhou et al.

cs.LG

本文提出Buddy框架，通过轻量级Decision Module根据输入动态选择top-k层执行，以在给定计算预算下控制LLM推理成本。该方法支持解码时重新路由，并复用第一层KV cache作为全局上下文，但主要贡献在于工程实现而非理论创新，与关键词契合度较低。

Investigating Calibration Challenges in Probabilistic Electricity Price Forecasting

Jan Niklas Lettner, Hadeer El Ashhab, Benjamin Schäfer

cs.LG

本文指出在概率性电价预测中，当前评分规则优先考虑预测的sharpness而牺牲了calibration，导致模型产生过度自信且统计上不可靠的不确定性估计。研究强调理论评分与实际校准之间存在关键差距，并呼吁未来研究转向校准感知的目标与架构。

Efficient Traffic Prediction at Scale: A Systematic Study of STGCN Architectural Depth

Soban Nasir Lone et al.

cs.LG

本文系统研究了STGCN (Spatio-Temporal Graph Convolutional Network) 的深度对交通预测性能的影响，发现单层结构在多数短期预测任务中已足够，而标准双层结构存在过参数化问题，导致计算成本显著增加但性能提升有限。

Safe-RULE: Safe Reinforcement UnLEarning

Shixiong Jiang, Taozheng Zhu, Fanxin Kong

cs.LG cs.AI cs.CR cs.RO

本文提出了一种名为Safe-RULE的安全强化学习防御框架，用于消除离线Safe RL中数据投毒攻击的影响，无需从头重新训练或访问原始训练环境。该方法在遗忘过程中同时考虑了任务性能和安全约束，实验表明其能有效提升面对数据投毒攻击时的安全性。

On Choosing the $μ$ Parameter in Gaussian Differential Privacy

Bogdan Kulynych, Antti Honkela

cs.LG stat.ML

本文讨论了在隐私保护机器学习中，如何将纯差分隐私参数$\varepsilon$映射到高斯差分隐私参数$\mu$，通过匹配强敌手成员推断攻击的最坏情况成功概率，并推荐了$\mu \approx \varepsilon/5$作为保守的通用转换。

Assessing Sample Quality in Conditional Generation under Compositional Shift

Berker Demirel et al.

cs.LG

本文针对条件生成模型在组合偏移（即生成未见过的属性组合）下的样本质量问题，提出了一种基于训练分布的后验逐样本信任分数。该分数通过结合全局真实性和属性保真度两个可估计量，实现了对生成样本的过滤、排序和弃权，并在生物成像等任务中验证了其有效性。

Closure-Validated Circuit Discovery in Attention Heads: Co-activation Proposes, Ablation Disposes

Yongzhong Xu

cs.LG cs.AI

本文提出了一种基于co-activation统计的attention head聚类方法，并通过causal ablation进行closure test验证。实验表明该方法在密集模型中有效，但在Mixture-of-Experts模型中未能通过closure test，说明co-activation信号仅能作为circuit proposal而非confirmed circuit。

Constrained user-item allocation for e-commerce marketing campaigns

Maja Lindström et al.

cs.LG

本文针对电商营销活动中用户与商品联合分配的组合优化问题，提出了三种策略：约束谱双聚类、贪心局部搜索与多臂赌博机框架。实验表明双聚类方法在小数据集上效果最优，而赌博机方法在大规模数据上更具可扩展性。

Data-driven discovery of governing differential equations across physical systems

Siyu Lou et al.

cs.LG cs.SC math-ph physics.comp-ph stat.AP

本文从问题导向视角综述了数据驱动微分方程发现领域，提出了一个基于结构复杂度和系数复杂度的二维相图来组织发现问题，并介绍了表示-评估-优化(REO)框架作为发现过程的基本抽象。文章讨论了该领域从稀疏方程发现向更复杂结构的发展趋势及其在物理科学中的应用。

A Unifying Framework for Concept-Based Representational Similarity

Grégoire Dhimoïla et al.

cs.LG

本文提出了一个统一框架，将概念对齐（concept alignment）分解为“对齐什么”（representation vs. concept）和“对齐层级”（instance-wise vs. distributional）两个轴，并引入基于干预的基准来分别测量提取质量、翻译质量和概念一致性。作者进一步提出Coupled Sparse Autoencoder (CoSAE)以联合优化互补的对齐目标，并发现仅需0.1%的配对数据即可恢复instance-level对齐。

In-Context Learning for Latent Space Bayesian Optimization

Tuan A. Vu, Harri Lähdesmäki, Julien Martinelli

cs.LG stat.ML

本文针对Latent Space Bayesian Optimization (LSBO)中tabular foundation model作为surrogate时存在的pretraining分布不匹配问题，通过在分子VAE的latent space上定义合成优化任务对模型进行continued-pretraining，并引入正则化项以保持原有回归先验。该方法在分子优化基准上取得了良好性能，但并未直接涉及关键词中的spectral、Muon或agent等概念。

Algorithm for Contextual Queueing Bandits with Rate-Optimal Queue Length Regret

Seoungbin Bae, Dabeen Lee

cs.LG

本文提出CQB-$\eta$-2算法，通过分阶段随机探索与UCB规则结合，将上下文队列bandit问题的队列长度regret从$\widetilde{\mathcal{O}}(T^{-1/4})$改进至$\widetilde{\mathcal{O}}(T^{-1/2})$，并证明该界在logarithmic因子下是最优的。

Transition-Based Digital Twin Modelling for Alzheimer's Disease under Sparse Longitudinal Data

Yinyu Huang et al.

cs.LG cs.AI

本文提出了一种基于transition的个性化数字孪生框架，用于在稀疏纵向数据下预测阿尔茨海默病进展，通过整合多模态数据建模临床状态转换和时序依赖，并在ADNI数据集上验证了局部transition建模相比序列建模在数据效率上的优势。

When Do Local Score Models Extrapolate Across Size? A Diagnostic Theory and Benchmark

Wenjie Xi

cs.LG cond-mat.stat-mech

本文研究了生成模型中局部score模型在系统尺寸变化时的外推能力，发现仅靠架构局部性无法保证稳定外推，其稳定性取决于高斯平滑score的准局部性。通过Tweedie公式和反向扩散下的局部边际比较定理，作者提出了一个诊断基准FDLF，并验证了空间混合与模型感受野对尺寸转移的影响。

BrainSurgery: Reproducible and Reliable Declarative Weight Manipulations for Model Editing and Upcycling

Gianluca Barmina et al.

cs.LG cs.CL

本文介绍了BrainSurgery工具，用于对神经网络checkpoint进行可重复且可靠的声明式权重操作，支持模型重构、精度转换等任务，通过YAML计划实现复杂变换。

Evaluating the Representation Space of Diffusion Models via Self-Supervised Principles

Xiao Li et al.

cs.LG cs.CV

本文受self-supervised learning启发，提出了Invariant Contamination Ratio (ICR)这一基于Fisher的metric，用于评估diffusion model在representation和generation两方面的能力，并发现representation invariance在中间噪声水平达到峰值。

Disentanglement with Holographic Reduced Representations

Jhonny J. Velasquez Olivera, Christo K. Thomas, Walid Saad

cs.LG

本文提出了一种使用全息简化表示（HRR）进行神经解耦的无监督学习算法，通过HRR的解绑操作提供归纳偏置来分离数据中的因子。实验表明该方法在潜在遍历和解耦指标上与基线方法竞争力相当，且其表示对噪声更鲁棒。

Tight Sample Complexity of Transformers

Chenxiao Yang, Nathan Srebro, Zhiyuan Li

cs.LG

本文研究了深度为$L$、总参数为$W$的Transformer的VC维，给出了$O(L W \log (T W))$的上界和$\Omega(L W \log (T W / L))$的下界，并进一步刻画了链式思维（chain-of-thought）学习所需的样本复杂度。

Learning Dynamics Reveal a Hierarchy of Weight-Induced Layerwise Gram Metrics

Claudio Nordio

cs.LG cond-mat.dis-nn

本文研究了具有固定读出和二次损失的ReLU前馈网络，将梯度下降重写为训练集空间上的集体动力学。对于单隐藏层，残差动力学由输入几何矩阵和动态共激活矩阵的核控制；对于更深网络，从第三层开始需要权重诱导的Gram算子层次结构来实现信息跨层传输。

Perturbative Contrastive Physical Learning

Kyungeun Kim et al.

cs.LG cond-mat.dis-nn

本文提出Perturbative Contrastive Physical Learning (PCPL)框架，通过对比物理系统在不同输入、边界条件或参数下的响应差异来实现学习，无需外部处理器或显式反向传播。该方法在弹簧网络和连续变量光子电路中验证了分类与模拟乘法任务，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联较弱。

Preserving Plasticity in Continual Learning via Dynamical Isometry

Andries Rosseau, Robert Müller, Ann Nowé

cs.LG cs.AI

本文通过经验Neural Tangent Kernel将plasticity与dynamical isometry联系起来，提出了一种促进isometry的正则化方案及AdamO优化器，以在continual learning中保持网络的可塑性。该方法在多个benchmark上匹配或超越了现有方法。

iOSWorld: A Benchmark for Personally Intelligent Phone Agents

Lawrence Keunho Jang et al.

cs.LG cs.CL

本文介绍了iOSWorld，一个基于26个原生iOS应用的交互式基准测试，用于评估手机智能代理在个性化任务上的表现，包含133个跨单应用、多应用及记忆与个性化类别的任务。实验表明，当前模型在多应用任务上表现有限，且视觉与XML信息的结合能显著提升前沿模型性能。

Zero Touch Predictive Orchestration: Automating Time-Series Models for the Cloud-Edge Continuum

Abd Elghani Meliani et al.

cs.LG cs.NI

本文针对Cloud-Edge Continuum (CEC)中节点缺乏历史数据导致的“冷启动”问题，提出了一种自动化的时间序列预测架构。该架构通过轻量级Resource Exposer (RE)收集节点数据，并将其与公开的高分辨率数据集TimeTrack混合，再经由Neural Architecture Search (NAS)引擎自动生成预测模型，从而有效提升了预测精度。

Bandits for Efficient Experimentation: Adapting to Control Group, Preferences, and Context Drifts

Udvas Das et al.

cs.LG cs.AI stat.ML

本文研究了一种线性上下文随机多臂赌博机变体，其中学习者需向具有个性化偏好的用户群提供推荐，且上下文分布随时间漂移。作者将问题简化为具有平稳均值但异方差非平稳噪声的线性赌博机，并提出了Dri-MED算法来处理非平稳异方差噪声，证明了其遗憾界和约束违反界。

Topological Neural Operators

Lennart Bastian et al.

cs.LG cs.AI

本文提出Topological Neural Operators (TNOs)，一种在cell complexes上学习operator的框架，通过Discrete Exterior Calculus实现跨维度信息交互。该方法将固定拓扑结构与可学习变换解耦，并引入Hierarchical TNOs处理长程依赖，在PDE基准测试中提升了精度。

Rethinking the Divergence Regularization in LLM RL

Jiarui Yao et al.

cs.LG

本文针对大语言模型强化学习中的散度正则化问题，提出DRPO方法，用平滑的advantage-weighted二次正则化替代硬掩码，以改进PPO和DPPO等方法的稳定性与效率。

An Agency-Transferring Model-Free Policy Enhancement Technique

Anton Bolychev et al.

cs.LG cs.AI eess.SY math.OC

本文提出了一种无模型的策略增强技术，通过一个仲裁机制在基线策略和可训练学习策略之间转移控制权，从而在强化学习训练中利用已有的次优基线策略。该方法在训练初期依赖基线策略以确保高目标到达率，并最终使学习策略独立运行，在连续控制基准上取得了与竞争方法相当或更优的回报。

cs.AI

Beyond Goodhart's Law: A Dynamic Benchmark for Evaluating Compliance in Multi-Agent Systems ⭐ 精选

Yiyang Zhao et al.

cs.AI cs.MA

本文提出了MAC-Bench，一个用于评估multi-agent系统在动态对抗环境中程序合规性的动态benchmark。作者设计了SERV (Seed-Evolve-Refine-Verge) pipeline，将非结构化法律文本转化为可执行的、无污染的测试场景，并引入Compliance-Weighted Success Rate (CSR)和Machiavellian Gap (MG)等新指标，揭示了agent在任务成功与规则遵守之间的Pareto最优权衡。该工作直接针对关键词"agent"，为评估agent的合规行为提供了开创性的方法论。

Overcoming the Regulatory Bottleneck via Agent-to-Agent Protocols: A Nuclear Case Study ⭐ 精选

Akshay J. Dave et al.

cs.AI cs.MA

本文提出Regulatory Context Protocol (RCP)，一种用于监管审查的Agent-to-Agent通信标准，通过结构化、可审计的agentic channel替代传统人工流程，在安全决策点保留人类监督。基于美国核监管委员会1,236份文档的分析和multi-agent pilot验证，RCP将成本降低50-77%，时间线缩短65%，揭示了仅通过agent-to-agent标准才能压缩的组织间瓶颈。该工作与关键词“agent”高度契合，为多主体协作下的监管流程自动化提供了开创性方法。

PACE: Anytime-Valid Acceptance Tests for Self-Evolving Agents ⭐ 精选

Zayx Shawn

cs.AI cs.MA

本文提出PACE (Paired Anytime-valid Commit Evaluation)，一种用于自进化agent的无训练、任意有效的commit门控机制。它将agent的自我修改决策重新建模为sequential hypothesis test，利用testing-by-betting e-process在每次候选修改与当前方案在相同实例上比较时积累证据，仅在证据充分时提交修改，并能在optional stopping下控制每次候选的false-commit概率。实验表明，在Qwen2.5 agent的prompt级自进化任务中，PACE能精准识别真实改进而几乎不引入虚假修改，相比贪婪策略大幅降低方差和评估成本，解决了自进化agent因自适应多重检验导致的p-hacking和性能退化问题。

SAGE: An LLM-driven Self Reflective Agentic Framework for Fraud Detection ⭐ 精选

Yichen Chen et al.

cs.AI

本文提出SAGE，首个端到端LLM驱动的多agent框架用于欺诈检测。该框架协调三个专用agent，基于六层Data Diagnostic Tree (DDT)和由自然语言梯度引导的Markov decision process进行决策，在欺诈特定奖励下自动优化模型。在五个欺诈数据集和五个LLM backbone上，SAGE在96%的方法-数据集对比中胜出，F1分数平均提升40.86%。该方法与关键词"agent"高度契合，且具有开创性。

Online Agent-as-a-Judge: Situation-Generating Evaluation for Interactive Agents ⭐ 精选

Hyogon Ryu et al.

cs.AI cs.LG

本文提出Online Agent-as-a-Judge框架，用于评估LLM驱动的交互式社交agent。该框架部署一个in-world evaluator agent，通过与目标agent在环境中原生的对话和行动协议进行交互，主动生成与评估标准相关的情境，从而克服了传统被动评估方法中特定社交行为（如冲突处理）可能未被触发的问题。实验在包含32个设计师定义社交标准的生命模拟环境中进行，结果表明该方法提高了标准覆盖率和与人类标注的一致性，为交互式agent提供了更可靠的基于证据的评估。

Self-Evolving Scientific Agent Discovers Generalizable Physically-Reasoned Fluid Control ⭐ 精选

Boai Sun et al.

cs.AI physics.flu-dyn

本文提出了一种自进化的科学智能体工作流，利用large language models和迭代代码生成，在流体控制问题中自动构建可解释的控制策略。该智能体通过将候选策略部署到物理仿真中，从多模态证据中诊断动态行为，并逐步优化源代码，最终在欠驱动双关节狗鱼游泳器的目标到达任务中，发现了一个统一且泛化的控制器。该方法无需重新训练即可泛化到未见目标，并生成了基于行波推进、体坐标系目标引导和偏航率反馈的可解释控制架构，体现了agent在物理推理中的自主科学发现能力。

RAILS: Verification-Native Clearing For Agentic Commerce ⭐ 精选

Adrian de Valois-Franklin, Alex Bogdan

cs.AI cs.CR cs.MA

RAILS (Real-Time Agent Integrity & Ledger Settlement) 提出了一个形式化的 clearing protocol (清算协议)，用于解决自主agent在商业交互中缺乏中立机制来判定其是否履行义务、责任归属及后续结算动作的问题。该协议定义了七个核心原语 (Obligation Object, Evidence Envelope, Verification Mesh, Clearing Decision, Settlement Instruction, Clearing Passport, Finality Rules)，并基于一个形式化的 admissibility-graded verification (可采纳性分级验证) 模型，证明了其 soundness property (可靠性性质)：任何具有财务重要性的结算操作，其支撑证据都不能低于该义务的 admissibility floor (可采纳性下限)。这项工作为agent commerce领域提供了首个具有此类可证伪性质的验证机制，与关键词中的 "agent" 高度契合。

Q-Delta: Beyond Key-Value Associative State Evolution ⭐ 精选

Sumin Park, Seojin Kim, Noseong Park

cs.AI cs.LG

本文提出Q-Delta，一种query-aware delta rule，将混合key-query预测误差整合到state evolution中，从而在保持delta-rule效率的同时实现联合校正动力学。该方法突破了传统key-value associative paradigm中query仅用于readout operation的限制，证明了query-conditioned state readout能诱导出对累积memory的结构化value预测。作者还建立了动力学稳定性保证，并推导了硬件高效的chunkwise-parallel formulation。该工作与关键词“attention”高度契合，为linear attention中的state evolution提供了新的理论视角。

REFLECT: Intervention-Supported Error Attribution for Silent Failures in LLM Agent Traces ⭐ 精选

Xiaofeng Lin et al.

cs.AI

本文提出REFLECT方法，通过“诊断-干预-对比”闭环解决LLM agent轨迹中silent failure（无显式报错但结果错误的故障）的定位问题。该方法先利用LLM judge识别候选错误步骤，再通过controlled replay注入特定patch验证该步骤是否为真正错误，最后将验证结果作为contrastive evidence（对比证据）来修正归因。在四个跨领域多跳推理benchmark上，REFLECT在同类方法中取得最高定位准确率，尤其在结构化工具调用轨迹上提升显著，且无需ground-truth答案即可提供可操作的错误定位。

SIFT: Selective-Index For Fast Compute of RAG Prefill by Exploiting Attention Invariance ⭐ 精选

Rya Sanovar et al.

cs.AI cs.AR

本文提出SIFT方法，通过利用attention invariance（注意力不变性）性质，在RAG（检索增强生成）场景中实现高效的KV缓存复用。SIFT离线提取文档中高attention score的细粒度位置，并利用两个关键发现：Local-Attention Invariance（文档内高attention位置不受周围文档影响）和Cross-Attention Consistency（文档内高attention的key也会吸引后续文档的cross-attention）。该方法仅存储紧凑的bit vector而非KV张量，存储量减少高达24,000倍，在预填充阶段仅计算标记位置上的attention，将TTFT（首token延迟）提升1.71倍，同时保持精度在完全重计算的1%以内。

From Rigid to Dynamic: Entropy-Guided Adaptive Inference for Long-Context LLMs ⭐ 精选

Zhanchao Xu et al.

cs.AI cs.CL

本文提出EntropyInfer，一种无需训练的长上下文LLM推理框架。它通过分析注意力熵的动态模式，将注意力头分为Rigid Heads和Dynamic Heads，并在prefilling阶段为每个头和segment自适应分配计算资源。在decoding阶段，利用生成token而非仅prefill token来压缩KV cache。实验表明，该方法在Llama、Qwen等模型上相比SnapKV等基线实现了最高2.39倍端到端加速，且质量损失极小，与关键词“attention”和“context”高度契合。

PathoSage: Towards Multi-Source Evidence Adjudication in Pathology via Experience-Aware Agentic Workflow

Chengyang Zhang et al.

cs.AI cs.MA

PathoSage提出了一种三阶段病理学推理框架，通过显式分离知识检索、证据收集和证据裁决来减少多模态大模型的幻觉问题。其核心是结构化证据审议模块，独立评估工具输出并执行冲突分析，同时引入无训练的Beta-Bernoulli经验系统建模工具可靠性。

OmniMem: Perturbation-aware Memory Compression for Streaming Audio-Visual LLMs

Guangzhi Sun et al.

cs.AI cs.CV cs.SD eess.AS

OmniMem提出了一种针对流式音频-视觉大语言模型(LLMs)的记忆压缩框架，通过模态感知的内存分配和扰动感知的选择策略来管理key-value (KV)缓存，在保持长视频理解能力的同时显著压缩内存占用。实验表明该方法在多个基准上优于现有训练无关的压缩基线。

Syll: Open-Source Personal Automation with Cross-Surface Execution

Bo Zhang et al.

cs.AI cs.HC cs.LG cs.SE

Syll是一个开源、自托管的multimodal agent系统，它统一了MCP/API tools、CLI execution和visual GUI control，支持跨多种界面的计算机操作自动化。该系统通过双向user-agent交互层实现用户教学和agent执行的可审计性，但主要聚焦于agent系统设计而非我提供的关键词领域。

A case study of evaluating AI agents on a neuroscience data-to-discovery pipeline

Kai A. Horstmann et al.

cs.AI cs.CV cs.LG

本文评估了通用AI agent在果蝇光遗传学数据到发现流水线中的表现，发现agent能解决部分独立阶段但无法完成端到端任务，主要困难在于缺乏预定义标准时需依赖科学判断进行自我评估。

Why Limit the Residual Stream to Layers and Not Tokens? Persistent Memory for Continuous Latent Reasoning

Mujtaba Farhan, Maheep Chaudhary

cs.AI cs.CL cs.LG

本文提出AGCLR方法，通过引入Gated Concept Stream（一种持久残差记忆机制）解决CoCoNuT范式中的概念瓶颈问题，使模型在连续潜在推理中能保留中间事实。实验表明该方法在多个数据集上优于基线，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等核心概念。

Automatic Extraction of Structured Information from Brain MRI Reports Using an Open-Weight Large Language Model

Kaouther Mouheb et al.

cs.AI

本文评估了开源LLM LLaMA 3.1从荷兰语脑部MRI报告中自动提取结构化信息的能力，发现其在视觉评分等分类变量上表现优异，但对数值变量（如微出血数量）的提取准确率较低，通过few-shot prompting可提升性能。

Some hypotheses on how chatbots work in problem-solving-driven conversations. Large Language Models as confirmation of the Innovation Illusion

S.F.M. van Vlijmen, H.D. Lethe jr

cs.AI

本文从认知语言学、神经心理学等角度探讨了基础chatbots（基于LLM）在问题解决对话中的能力限制，认为其无法成为与人类匹配的思考伙伴，并指出LLM的训练数据仅部分模仿人类思维。文章结论与Yann LeCun的观点一致，但未涉及code、spectral、Muon等关键词相关技术。

Land cover and flood type govern the detection limits of satellite-based flood mapping across diverse global flood events

Venkatesh Kolluru et al.

cs.AI cs.CV cs.LG

本文利用Prithvi-EO-2.0模型在19个全球洪水事件中评估了卫星洪水制图的检测极限，发现检测精度主要受土地覆盖和洪水类型共同影响，其中农田和河流型洪水检测效果较好，而树冠和建成区几乎无法检测。研究通过双参考验证和迭代测试揭示了模型误差的来源，为卫星洪水制图的操作性应用提供了环境依赖的检测边界。

Reconstructing and forecasting disease trajectories of patients with Alzheimer's disease using routine data in resource-constrained settings

Ratnadeep Das, Atri Chatterjee, Sitikantha Roy

cs.AI cs.LG q-bio.NC

本文提出GNOVA框架，结合GRU encoder和Neural ODE decoder在VAE中，利用常规临床数据（无需MRI等昂贵模态）对阿尔茨海默病患者的认知评分（CDR-SB和MMSE）进行双向预测（插值与外推），并提供了不确定性估计。该方法在ADNI数据集上取得了较低误差，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Improving Multimodal Reasoning via Worst Dimension Optimization

Haocheng Lv et al.

cs.AI

本文指出当前Process Reward Models在启发式定义的奖励中平等对待视觉基础和逻辑一致性等多模态约束，可能导致主导因素掩盖个别维度的失败，从而无法保证推理过程的有效性。

Where Instruction Hierarchy Breaks: Diagnosing and Repairing Failures in Reasoning Language Models

Sanjay Kariyappa, G. Edward Suh

cs.AI

本文提出了一种白盒诊断框架，用于定位Reasoning Language Models在遵循指令层级（instruction hierarchy）时的失败模式，并将其分解为指令识别、冲突解决和响应实现三个阶段。基于模型在显式提示下能检测冲突的观察，作者设计了两种无需训练的自我监控机制（并行输入监控和顺序输出监控），以在生成前后检测并修复违规响应。实验表明，该方法能显著降低规则遵循方面的违规率。

Scaling Participation in Modular AI Systems

Shangbin Feng et al.

cs.AI cs.CL

本文提出了一种名为"scaling participation"的新范式，通过让不同参与者贡献各自的小模型来构建模块化AI系统，这些模型在模块化框架中协作。实验表明，这种参与式AI系统在15个任务上比单一LLM性能提升高达15.4%，并展现出涌现能力。

Joint Structural Pruning and Mixed-Precision Quantization for LLM Compression

Hoang-Loc La et al.

cs.AI cs.LG

本文提出了一种针对大语言模型(LLM)的联合结构化剪枝与混合精度量化框架，通过直接最小化全局误差传播而非逐层优化，在超低位宽(1-3 bits)下显著降低了困惑度。该方法在统一搜索空间中同时学习剪枝决策和量化策略，实验表明其在WikiText和C4数据集上优于现有最先进方法。

Safety is Contextual, LLM-Judges Are Not: Navigating the Rigid Priors of Evaluators

Anissa Alloula et al.

cs.AI

本文研究了LLM作为安全评估者时，对上下文信息的依赖性和对不同安全定义的可引导性。实验发现，尽管LLM评估者能从新信息中学习，但当上下文或安全定义与其内部先验冲突时，它们通常难以调整评估结果。

The AI Epistemic Deference Index: A Continuous Measure of Sycophancy

Alejandro Botas, Paul de Font-Reaulx, Luke Hewitt

cs.AI cs.HC

本文提出AI Epistemic Deference Index (AEDI)，一种通过LLMs-as-judges从自然语言输出中估计概率的连续指标，用于衡量模型输出对用户态度变化的敏感性。实验发现所有模型均表现出显著的顺从性，且不同模型间存在系统性差异。

Contract2Tool: Learning Preconditions and Effects for Reliable Tool-Augmented LLM Agents

Rahul Suresh Babu, Laxmipriya Ganesh Iyer

cs.AI cs.SE

本文提出Contract2Tool框架，从元数据、文档和执行轨迹中推断工具的preconditions和effects，生成符号化contract用于causal tool filtering。实验表明，学习到的contract在保持可靠性的同时显著降低了工具选择范围和token使用量。

MemToolAgent overview with a simple restaurant booking scenario where the agent retrieves similar memories, receives feedback on an invalid time format, and generates a reflection to update its memory

Suleyman Armagan Er et al.

cs.AI cs.CL

本文提出了MemToolAgent框架，通过记忆提取和检索模块来增强LLM agent的工具使用能力，无需微调即可利用历史交互经验。该方法在WorkBench等基准测试上取得了显著提升。

EditSR: Enhancing Neural Symbolic Regression via Edit-based Rectification

Da Li et al.

cs.AI

本文提出EditSR框架，通过将神经符号回归模型与基于编辑的修正器结合，以两步方式修正表达式生成中的错误。该方法通过预训练修正器来避免重启全局搜索，并利用状态转移算法构建监督修正链，但整体创新性有限，与关键词契合度不高。

The CIFAR Synthetic Evidence Corpus for Detecting AI-Generated Evidence

Kelly McConvey et al.

cs.AI

本文介绍了CIFAR合成证据语料库，一个用于检测AI生成证据的数据集，涵盖多种文档类型和篡改策略，旨在支持司法系统中证据验证的评估。该工作主要关注数据集构建，而非提出新的检测方法。

Stress-testing medical large language models reveals latent safety pathology beyond benchmark accuracy

Yuan Shen, Xiaojun Wu, Linghua Yu

cs.AI

本文提出了AI-MASLD框架，通过模拟代谢压力测试的逻辑，对医疗大语言模型进行压力审计。研究发现，在基准测试中表现良好的模型在叙事压力下性能显著分化，揭示了量化模型的伪正常化和医学微调带来的稳定性与公平性下降。

Unification of Closed-Open Industrial Detection Scenarios: New Large-Scale Benchmarks,Challenges and Baselines

Zekai Zhang et al.

cs.AI

本文提出了一个大规模多模态工业开放-封闭基准MMIOC-1M，并设计了RTVPNet网络以解决工业缺陷检测中数据集稀缺和手动提示噪声的问题，实验表明该方法在多个基准上取得了最优性能。

Shared Latent Structures Enable Unified Backdoor Detection and Mitigation in LLMs

Omar Mahmoud et al.

cs.AI cs.CL

本文发现大语言模型中的后门攻击共享一种可检测、可因果控制的潜在机制，并使用sparse autoencoders在residual-stream activations中识别出少量跨多种攻击行为（如jailbreaking、refusal manipulation等）的latent features。这些features在多个模型和攻击方法中泛化，通过双向激活操控可抑制或诱导目标行为。

Zero-Shot Learning in Industrial Scenarios: New Large-Scale Benchmark, Challenges and Baseline

Zekai Zhang et al.

cs.AI

本文提出了一个面向工业场景的大规模多模态开放数据集MMIO，并设计了Refined Text-Visual Prompt (RTVP)方法用于零样本缺陷检测。该方法通过专家引导的大模型域适应机制和自动生成视觉提示，提升了LVLM在工业场景中的泛化能力。

PAFO: Pareto Fairness Optimization for Personalized Reward Modeling

Xiaoyan Zhao et al.

cs.AI

本文提出PAFO框架，通过训练群体专用reward model并蒸馏其偏好边界，解决个性化reward modeling中因数据不平衡导致的偏好偏差问题。实验表明该方法能在不牺牲多数群体性能的前提下提升少数群体准确率。

VATS: Exploiting Implicit Authority in Error-Path Injection via Systematic Mutation

Harshil Patel, Kunal Pai

cs.AI cs.CR cs.SE

本文提出VATS框架，通过系统化变异在错误路径中注入对抗性payload，利用错误信息的隐式权威性绕过安全机制。实验表明该方法能显著提高间接提示注入的成功率。

Efficient Skill Grounding via Code Refactoring with Small Language Models

Sera Choi et al.

cs.AI

本文提出RECENT框架，通过将技能表示为可执行代码并解耦语义与执行绑定，利用小型语言模型(sLM)实现高效技能接地。该方法在动态环境中通过局部重构而非重新生成代码来适配不同机器人形态，性能优于其他基于sLM的方法。

UniQL: Towards Dialect-Universal Benchmarking for Text-to-SQL

Jianling Gao et al.

cs.AI

本文提出了UniQL，一个跨16种SQL方言的文本到SQL基准测试集，通过混合管道构建了2.4万条方言特定的查询。实验表明现有大语言模型在不同SQL方言间表现差异显著，难以实现方言通用。

OSMGraphCLIP: Learning Global Location Representations from OpenStreetMap Graphs

Dimitrios Michail et al.

cs.AI cs.CV cs.LG

本文提出OSMGraphCLIP，一种利用OpenStreetMap图结构学习全球位置表征的CLIP风格模型。它通过多尺度图编码器和球谐函数位置编码器，在多种地理空间回归与分类任务上取得了与卫星基线相当或更优的性能。

SKILL.nb: Selective Formalization and Gated Execution for Durable Agent Workflows

Amine El Hattami, Nicolas Chapados, Christopher Pal

cs.AI cs.MA

本文提出了SKILL.nb框架，通过选择性形式化和门控执行来管理可复用的AI agent工作流，在WebArena等基准上提升了任务成功率与鲁棒性。该方法主要关注agent工作流的生命周期可靠性，与关键词中的agent概念有一定关联。

How Small Can You Go? LoRA Fine-Tuning 270M-8B Models for Merchant Information Extraction in Financial Transactions

Donghao Huang et al.

cs.AI cs.LG

本文系统评估了LoRA微调下不同规模模型（270M-8B）在金融交易商户信息提取任务中的表现，发现Qwen 3.5 4B等小模型能以更少参数接近8B模型的F1分数，并提供了部署建议。该工作聚焦于实际部署效率的工程优化，未涉及关键词中的理论或方法创新。

A Multi-modal Agentic Co-pilot for Evidence Grounded Computational Pathology

Zhe Xu et al.

cs.AI

本文提出了PathPocket，一个用于证据基础计算病理学的多模态AI智能体系统，通过构建包含超455万实体和710万关系的病理学超图知识引擎，结合多智能体推理框架处理从纯文本到复杂多模态的诊断任务。该系统在超过20万真实病例的基准测试中优于现有方法，并能显著提升病理学家的诊断准确性和信心。

When Does Delegation Beat Majority? A Delegation-Based Aggregator for Multi-Sample LLM Inference

Yasushi Sakai, Allen Song, Kent Larson

cs.AI cs.LG

本文提出了一种基于委托的聚合器PPV，通过利用每个样本的字母熵和推理几何信号来改进多样本LLM推理中的多数投票方法，在MMLU-Pro上取得了小幅提升。该方法无需标注数据或辅助训练，但改进幅度有限且未解决无监督聚合中的根本问题。

Think Before You Act: Intention-Guided Reasoning for LLM-Based Location Prediction

Qingxiang Liu et al.

cs.AI

本文提出IntentPOI，一种两阶段意图引导推理框架，用于基于LLM的下一个POI预测。该方法通过先推断用户中间意图再选择具体位置，将预测从直接轨迹匹配转化为意图引导推理。

Cross-LLM Consistency in Inference: Evidence from Shared Interactions

Siyu Lou et al.

cs.AI

本文研究了不同大型语言模型（LLMs）在相同输入下预测同一目标token时，其内部推理模式（通过基于交互的解释方法分析）的相似性。发现高级LLMs之间共享的交互模式更常见，且这些共享交互通常阶数更低、正负抵消更弱。

Decision-Aware Memory Cards: Counterfactual-Inspired Context Selection and Compression for Tool-Using LLM Agents

Xinyu Guan, Qianyang Zhao, Yuming Deng

cs.AI

本文提出CICL，一种决策感知的上下文层，通过构建上下文图并基于动作偏移、结果提升等指标评分，将高价值证据打包为记忆卡片供工具使用的LLM agent使用。实验在SWE-bench上展示了检索性能提升，但方法本身并非开创性，且与关键词中的code和agent有一定关联但不够紧密。

SciTrace: Trajectory-Aware Safety Reasoning for Scientific Discovery Agents

Tanush Swaminathan et al.

cs.AI

本文提出了SciTrace框架，通过Safety-Intrinsic Reasoning Loop (SIR)和Compositional Tool-Chain Verifier (CTV)两个机制，将安全推理融入科学agent的每个阶段，以解决单步安全检测无法捕捉的累积和组合风险。实验表明该方法在多个backbone模型上达到了SOTA安全性能。

When No Answer Is Correct: Diagnosing Absent Answer Detection for MLLMs in Video Understanding

Yiheng Wang et al.

cs.AI cs.CL cs.CV

本文研究了多模态大语言模型在视频理解中检测“无正确答案”的能力，发现模型倾向于选择干扰项而非识别答案缺失，且该问题在时序推理任务中更为严重。链式思维提示虽能改善检测率，但不足以完全解决这一系统性缺陷。

Traxia: A Framework for Verifiable, Agent-Native Scientific Publishing

Wisdom Dogah

cs.AI

Traxia提出了一个面向AI agent的科研出版框架，通过加密身份、推理轨迹和贡献日志来确保论文的可验证性与可复现性，但本文仅给出架构规范，未提供实证结果。

From Validator Selection to Portfolio Collection Optimization in Proof-of-Stake Blockchains

Jonas Gehrlein et al.

cs.AI

本文针对Proof-of-Stake区块链中的nominator选择validators问题，提出一个决策支持框架，通过多目标优化同时最大化validator的期望效用和分配的期望熵，以平衡组合质量与风险分散。该框架使用基于multi-attribute value theory的active preference learning过程推导效用，并用multi-objective evolutionary algorithm求解。

Beyond Agent Architecture: Execution Assumptions and Reproducibility in LLM-Based Trading Systems

Junyi Yao, Zihao Zheng

cs.AI cs.CE q-fin.CP q-fin.TR

本文对基于LLM的交易系统进行了可重复性审计，发现执行假设（如数据来源、时间分割、交易成本）的透明度不足，并建议未来研究应更关注执行现实性和评估可比性，而非仅改进agent架构。

Ablation-Reversible Heads Don't Transfer: A Stress Test for Mechanistic Role Claims in Transformers

Philip Quirke

cs.AI

本文研究了Transformer中attention heads的mechanistic interpretability问题，发现通过标准检验（如ablation恢复）确认的角色声称在跨prompt迁移时经常失败。作者提出了KID框架和新的检验方法，但未直接涉及code、spectral、Muon等关键词。

Revisiting the shutdown problem

David Thorstad

cs.AI cs.LG

本文重新审视了AI安全中的“灾难性关闭问题”，认为现有论证并未证明解决该问题的难度，并指出为此提出的技术方案可能对模型性能造成高昂的安全代价。

To Nuke or Not to Nuke: LLMs' (Missing) Ethical Reasoning and Actions in a High-Stakes Decision-Making Simulation

John Chen et al.

cs.AI cs.MA

本文通过Civilization V游戏模拟，研究了LLM在高风险决策中的伦理推理能力，发现即使加入伦理提示，模型仍会自发升级核冲突，揭示了伦理推理在复杂agent场景中难以自发生效的局限性。

Curation of a Cardiology Interface Terminology for Highlighting Electronic Health Records using Machine Learning

Mahshad Koohi Habibi Dehkordi et al.

cs.AI

本文提出了一种利用机器学习设计心脏病学接口术语（CIT）的方法，用于高亮电子健康记录中的细节。该方法通过三个阶段的迭代过程构建训练数据并训练模型，最终在测试集上实现了74.21%的覆盖率和98.2%的平均完整性。

Neuro-Symbolic Injection of LTLf Constraints in Autoregressive Reinforcement Learning Policies

Ashkan Ansarifard et al.

cs.AI cs.FL

本文提出一个神经符号框架，将LTLf约束注入基于transformer的离线强化学习策略中，通过将LTLf公式编译为deterministic finite automata (DFA)并引入可微分的逻辑损失函数作为正则项，在导航环境中提升了约束满足性并保持了竞争性回报。

Integrating Deep Learning Demand Forecasting with Multi-Objective Optimization for Circular Coffee Supply Chains: A Data-Driven Framework for Cost, Emissions, and Freshness Management

Gerçek Budak et al.

cs.AI

本文提出一个两阶段框架，先用混合CNN-LSTM模型进行需求预测，再基于预测结果构建三目标混合整数线性规划模型以优化成本、碳排放和产品新鲜度，并在咖啡供应链数据集上验证了有效性。

Benchmarking Open-Ended Multi-Agent Coordination in Language Agents

Kale-ab Abebe Tessera et al.

cs.AI cs.LG cs.MA

本文提出了一个基于JAX的开放多智能体协调基准测试$alem$，用于评估语言模型在长期交互任务中的协调能力。实验表明，当前LLM智能体在协调任务上表现远弱于单智能体任务，揭示了协调能力是前沿LLM智能体的独立瓶颈。

TT-DAC-PS: Twin-Target Deterministic Actor-Critic with Policy Smoothing for Optimal Trade Execution

Ilia Zaznov et al.

cs.AI cs.CE cs.LG q-fin.CP q-fin.TR

本文提出了一种名为TT-DAC-PS的强化学习agent架构，用于优化大规模股票卖单的执行。该方法通过结合双目标critic、策略平滑噪声和保守Q正则化等技术，在Almgren-Chriss市场冲击模型与限价订单簿数据环境下，相比PPO、SAC等基线算法，降低了平均执行缺口。

Trajectory-Refined Distillation

Li Jiang et al.

cs.AI

本文提出Trajectory-Refined Distillation (TRD)，一种用于大语言模型on-policy蒸馏的轨迹级修正方法，通过修正学生模型rollout中的有问题的前缀来缓解prefix failure问题，并在多个基准上优于先前基线。该方法主要关注蒸馏训练过程，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。

GIFT: LLM-Guided State-Reward Interface for Financial Reinforcement Learning

Yanyan Wu et al.

cs.AI

本文提出GIFT框架，利用LLM为基于PPO的金融强化学习设计状态-奖励接口，通过因子引导的状态增强和风险规则引导的奖励塑造来提升学习信号质量，并在多种市场条件下验证了其有效性。

A Variability-Based Framework for Interpretable Naming in Formal and Relational Concept Analysis

Alain Gutierrez et al.

cs.AI

本文探讨了在Formal Concept Analysis (FCA)和Relational Concept Analysis (RCA)中为概念赋予可解释名称的问题，提出了一个基于可变性模型的LLM辅助命名框架，通过控制意图、外延、继承信息等不同信息源来生成人类可读的名称。该工作主要关注符号知识表示中的命名挑战，与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等主题无直接关联。

Testing the Black Box: Structural Barriers to Independent Evaluation of Consumer-Facing Health LLMs

Rahul Gorijavolu et al.

cs.AI

本文探讨了面向消费者的健康大语言模型在独立评估中面临的结构性障碍，包括响应变化、谄媚行为以及缺乏可复现的评估框架。研究通过模拟用户档案发现，现有评估方法无法有效捕捉模型在真实使用场景中的行为差异。

What Makes a Desired Graph for Relational Deep Learning?

Yao Cheng, Siqiang Luo

cs.AI

本文研究了关系深度学习（RDL）中从关系数据库（RDBs）转换而来的异质图对图神经网络（GNNs）推理性能的影响，发现基于schema的图存在信息过载和语义碎片化问题。通过分析，作者提出通过过滤和注入两种操作来优化图结构，并开发了一个端到端的结构优化器，在26个任务上提升了准确率并降低了推理成本。

Explaining Black-Box Language Models: Learning to Optimize Linguistically-Structured Word Subsets

Minyoung Hwang, Seokhyun Lee, Changhee Lee

cs.AI cs.CL

本文提出了一种针对黑盒语言模型的可解释性方法，通过强化学习策略选择输入中具有语言学结构的小词子集，以生成高效且符合人类认知的解释。该方法在多个数据集上优于传统黑盒兼容方法和梯度基方法。

Standpoint Logics with Defeasible Beliefs

Nicholas Leisegang, Thomas Meyer, Sebastian Rudolph

cs.AI cs.LO

本文整合了KLM的可废止逻辑与立场逻辑框架，通过可废止受限立场逻辑(DRSL)形式化表达多个可能矛盾的视角及其可废止信念。研究为DRSL语义提供了基础表示结果，并将多种命题蕴涵关系系统提升至立场增强场景，同时证明了从命题KLM到DRSL时蕴涵检查的复杂度类不变。

Scaffold Effects on GAIA: A Controlled Comparison

Jason Starace

cs.AI cs.CL cs.LG

本文通过预注册的受控实验，比较了三种scaffold（ReAct、多智能体设计Planner-Actor-Rater和planner-then-executor）在GAIA验证集上的表现，发现scaffold选择可导致单个模型的准确率差异高达28个百分点，且更强大的模型对scaffold的敏感性并不一定更低。

VESTA: A Fully Automated Scenario Generation and Safety Evaluation Framework for LLM Agents

Lu Jia et al.

cs.AI

VESTA是一个用于LLM agents的自动化场景生成和安全评估框架，它基于五个风险维度将抽象风险实例化为1072个可测量场景，并评估了12个LLM agents的行为安全风险。

DN-Hypo-Pipeline: An AI-Driven Workflow for Hypothesis Generation via Large Language Models and Scientific Explanations

Lei Lin et al.

cs.AI

本文提出了一种基于大语言模型的AI工作流DN-Hypo-Pipeline，用于从科学解释中生成假设，并在数据科学建模领域进行了验证。该方法通过重构已有文献中的解释来生成新假设，实验表明其优于直接生成方法。

AgentTrust: A Self-Improving Trust Layer for AI-Agent Actions

Chenglin Yang

cs.AI

本文提出AgentTrust，一个用于AI agent动作的自我改进信任层，通过区分词法威胁（由确定性规则处理）和语义威胁（由LLM法官处理）来决策是否允许、警告或阻止动作。系统采用双存储架构，法官将词法威胁蒸馏为规则，并通过带验证的RAG记忆处理语义威胁，在实验中提升了准确率并降低了调用成本。

PAEC: Position-Aware Entropy Calibration for LLM Reasoning in RLVR

Shumeng Yang et al.

cs.AI

本文提出Position-Aware Entropy Calibration (PAEC)方法，通过构建基于局部top-p熵和top-two候选竞争的soft mask，并应用anchor-based下界惩罚来防止选定位置的entropy collapse，以解决RLVR中策略entropy过早崩溃的问题。实验表明该方法在数学推理基准上提升了多数投票性能，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词。

Quantitative Promise Theory: Intentionality and Inference in Autonomous Agents

Mark Burgess

cs.AI cs.MA cs.NE physics.data-an

本文探讨了Promise Theory在自主agent系统中的定量表示，将贝叶斯概率与信息论优化（如Active Inference）相结合，并讨论了边界条件作为promise的作用以及agent对齐的定义。

Distilling LLM Reasoning into an Interpretable Policy Tree for Human-AI Collaboration

Beiwen Zhang et al.

cs.AI cs.HC

本文提出Co-pi-tree方法，通过将LLM推理蒸馏为可执行的策略树代码，并利用自然语言反馈迭代优化，以构建可解释的人机协作策略。该方法在Overcooked-AI环境中提升了奖励并大幅降低了LLM查询次数与延迟。

InA-Probe: Instruction-Aware Active Probing for Time Series Forecasting with LLMs

Peiliang Gong et al.

cs.AI

本文提出了一种名为InA-Probe的指令感知主动探测方法，用于提升LLM在时间序列预测中的性能。该方法通过多级指令注入和自适应查询生成，结合双阶段注意力机制来提取时序模式，在多个基准上取得了优于现有方法的结果。

Towards Long-Horizon Vessel Trajectory and Destination Forecasting with Reasoning Large Language Models

Hongwei Wang et al.

cs.AI cs.LG

本文研究了基于推理大语言模型（LLM）的长期船舶轨迹与目的地预测问题，构建了一个基于AIS数据的基准，并采用基于可验证奖励的强化学习（RLVR）框架对LLM进行后训练。实验表明，RLVR训练的LLM在目的地相关指标上优于零样本LLM和代表性深度学习基线，且4B参数模型表现最佳。

Extending Ontologies: From Dense Embeddings to Hybrid Quantum-Fuzzy Systems

Angjelin Hila

cs.AI cs.LO

本文综述了本体论与dense embedding算法的集成方法，并提出了一个结合量子神经网络(QNN)的neuro-quantum-fuzzy系统，旨在同时支持概率推理和精确推理。

ConMem: Structured Memory-Guided Adaptation in Training-Free Multi-Agent Systems

Zhixun Tan et al.

cs.AI

本文提出ConMem框架，通过将历史交互轨迹蒸馏为结构化记忆卡片并构建关系感知的记忆图，实现了无需额外训练的多智能体系统高效适应。该方法通过卡片图协调解决策略冲突并恢复依赖关系，在多个基准测试中提升了推理效率。

Artificial Intelligence for Mathematical Reasoning: An Integrated Survey of Language Models, Neuro-symbolic Systems, and Verified Discovery

Syed Rifat Raiyan et al.

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

本文综述了人工智能在数学推理领域的发展，涵盖从早期基于规则的数学应用题求解器到现代大语言模型、神经符号系统和验证发现工作流。文章沿非正式推理、形式推理、数学发现和推理技术四个维度组织，并讨论了基准测试、失败模式及未来方向。

Structure-Conditioned Actor-Critic Branches for Quality-Diversity Reinforcement Learning

Lianrong Zuo et al.

cs.AI

本文提出SV-QD-RL框架，将每个候选策略表示为结构条件化的actor-critic分支，通过结构掩码和分支特定critic实现策略多样性与质量提升。在MuJoCo连续控制任务上验证了该方法能构建高质量且行为多样化的策略库。

Bridging Expert Knowledge and Automated Feature Engineering via Self-Evolution

Varun Khurana et al.

cs.AI

本文提出FEST方法，结合语义和确定性双流特征生成、语义去重及树引导迭代演化，从原始文本和图像中自动发现可审计特征。该方法在品牌分类、内容真实性检测等任务中优于基线，并通过专家评估验证了特征与领域知识的对齐性。

STAR: Rethinking MoE Routing as Structure-Aware Subspace Learning

Sumin Park, Noseong Park

cs.AI cs.LG

本文提出STAR方法，将MoE路由重新构思为subspace learning问题，通过Generalized Hebbian Algorithm (GHA)学习一个evolving principal subspace来跟踪输入结构，从而增强路由稳定性。实验表明该方法在合成数据和语言、视觉任务上优于现有MoE基线。

Momentum for Reasoning: Dense Intrinsic Signals in Policy Optimization

Hao Chen et al.

cs.AI cs.CL cs.LG

本文针对基于可验证奖励的强化学习（RLVR）在长链推理中的问题，提出ISPO方法，通过利用策略自身的条件概率生成稠密内在信号来改进GRPO，在多个数学推理基准上取得更好效果。

Inference-Time Conformal Reasoning with Valid Factuality Control for Large Language Models

Ting Wang et al.

cs.AI

本文提出Inference-Time Conformal Reasoning (ITCR)框架，将conformal prediction直接集成到LLM的推理图生成过程中，通过结构级事实不确定性函数和非一致性得分校准，在生成时控制事实性并保证覆盖有效性。该方法在多个数据集上验证了经验覆盖有效性，并比事后剪枝图生成更准确。

Instrumental convergence and power-seeking

David Thorstad

cs.AI

本文探讨了人工智能可能追求权力并导致人类风险的论点，指出该论点依赖于“工具性趋同论题”的强版本，并论证了现有辩护不足以支撑该论题。文章讨论了这一结论对长期主义、AI治理及研究方法的影响。

Beyond Pass Rate: A Multilingual, Execution-Grounded Evaluation of Open Code LLMs

Sayed Erfan Arefin

cs.AI cs.SE

本文对9个开源代码LLM在12种编程语言、2707道LeetCode题目上进行了大规模执行评估，发现最佳模型Yi-Coder-9B-Chat的平均正确率仅为23.64%，远低于57.2%的人类接受基准，且编译错误占失败原因的63.25%。该工作揭示了多语言评估中隐藏的性能权衡，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。

ZIPP:Zero-shot Image Personalization from Personas

Harini SI et al.

cs.AI cs.CV

本文提出ZIPP方法，利用LLM将用户自然语言persona（身份与审美偏好的简洁描述）融入text-to-image扩散模型的prompt改写中，无需用户特定数据或模型微调即可实现零样本图像个性化。该方法通过Graph Attention Network从Reddit交互图中挖掘persona，并在ZIPBench基准上验证了其有效性。

A Resilience-as-a-Service assessment framework for coordinated disruption response in interdependent urban transit systems

Sara Jaber et al.

cs.AI

本文提出了一个基于KPI的、时间索引的框架，用于评估城市公共交通系统中中断响应方案的韧性，该框架结合了优化模型与基于agent的仿真行为评估，并在巴黎RER B线路上进行了实例验证。

Hybrid E-Assessment in Higher Education: Semi-Automated Grading of Paper-Based Written Examinations

Hartwig Grabowski, Michael Canz

cs.AI cs.CV cs.CY

本文探讨了高等教育中完全数字化和部分数字化评估方法的局限性，并提出了一种混合电子评估方法，保留纸质考试任务的同时实现半自动评分，利用视觉大语言模型识别手写字符。该方法旨在提高总结性评估的有效性、公平性和可扩展性。

Can the Environment Speak for Itself? $T^{2}$-GRPO: A Turn-Trajectory Group Relative Policy Optimization for Caregiver Agents

Yutong Song et al.

cs.AI

本文提出T$^{2}$-GRPO框架，将caregiver RL解耦为两个归一化reward horizon，并通过binary hard veto保证安全性。该方法从环境状态转移中提取dense turn-level reward，结合trajectory-level评估，在dementia care场景中优于基线。

FAME: Forecastability-Aware Mixture of Experts for Heterogeneous Time Series Forecasting

Qianyang Li et al.

cs.AI

本文提出FAME框架，通过多维forecastability fingerprint（可预测性指纹）和稀疏mixture-of-experts（专家混合）路由，为异构时间序列选择最合适的预测专家。实验在工业数据集上验证了该方法相比单一模型（如LightGBM）的改进，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。

Order Matters: Unveiling the Hidden Impact of Macro Placement Sequences via Proxy-Guided LLM Evolution

Shibing Mo et al.

cs.AI

本文提出OrderPlace框架，利用proxy-guided LLM evolution自动发现宏放置顺序策略，以替代传统静态启发式方法。实验表明该方法在ISPD 2005基准上显著减少了线长，但未涉及code、context、spectral等关键词相关技术。

Oversight Has a Capacity: Calibrating Agent Guards to a Subjective, Fatiguing Human

Emre Turan

cs.AI cs.CR cs.LG

本文研究了LLM agent在人类监督下的安全门控问题，指出“风险”标签存在主观性（Fleiss' kappa = 0.52），且人类评审者会疲劳。通过将门控建模为不对称成本下的选择性分类，发现安全性与升级率呈倒U型关系，并展示了负载感知策略可抵御洪水攻击。

AlloSpatial: Agentic Harness Framework for Spatial Reasoning in Foundation Models

Shouwei Ruan et al.

cs.AI

本文提出了AlloSpatial框架，通过引入World2Mind认知映射沙箱将局部自我中心观测转化为全局异中心空间先验，并利用空间推理工具集提升基础模型的空间推理能力。实验表明该方法在VSI-Bench等基准上提升了模型性能，但未涉及代码、谱方法或预训练等关键词。

An Effective Router for Vision-Language Model Selection

Can Wang et al.

cs.AI

本文针对视觉语言模型(VLM)选择问题，提出了一个名为ARMS的路由器。它通过构建多模态数据集并利用VLM配置文件增强输入信号，以改进查询和VLM能力的表示，并设计了增量训练和独立训练两种扩展策略来适应新模型。实验表明，该路由器在分布内和分布外测试集上均有效，且能以较小规模击败规模大数百倍的商业模型。

Diverse Thinking Schemata Elicit Better Reasoning in Large Language Models

Xinyue Liang et al.

cs.AI

本文提出Diverse Schemata Policy Optimization (DiScO)框架，通过强化学习增强大语言模型在数学推理中思维模式（包括推理步骤间的转换和答案路径）的多样性，实验表明该方法能提升模型性能并增强其从错误中恢复的能力。

RTL-BenchLS: A Large-Scale Benchmark for RTL Reasoning and Generation with Large Language Models

Jing Wang et al.

cs.AI

本文提出了一个大规模RTL基准测试RTL-BenchLS，包含超过10,000个经过形式验证的Verilog设计，并引入了三项新的自监督推理与生成任务，以解决现有基准规模小、任务单一且性能饱和的问题。实验表明，当前最先进的LLM在该基准上表现有限，为硬件设计自动化领域留下了充足的改进空间。

Baichuan-M4: A Clinical-Grade Medical Agent System for Continuous Care

Aiyuan Yang et al.

cs.AI

本文介绍了Baichuan Intelligence开发的临床级医疗大模型系统Baichuan-M4，它围绕一个统一运行时、一个核心推理模型和一个临床工具层构建，旨在实现连续护理而非单轮问答。该系统在多项医疗评估中取得了领先结果，并将幻觉率降至3.3%。

The Token Not Taken: Sampling, State, and the Variability of AI Agent Outputs

Muhammad Zia Hydari, Raja Iqbal

cs.AI cs.CY econ.GN

本文探讨了AI Agent系统输出变异性的来源，区分了token采样这一内在随机因素与外部环境变化等外在因素，并分析了在匹配条件下可复现的随机性。

LATTEArena: An Evaluation Framework for LLM-powered Tabular Feature Engineering (Extended Version)

Ankai Hao et al.

cs.AI

本文提出了LATTEArena，一个用于评估LLM驱动的表格特征工程（LATTE）方法的标准化框架，通过六维分类法和模块化竞技场实现了对15种代表性方法的可控比较与组件级消融分析。

A Multi-Agent System for IPMSM Design Optimization via an FEA-AI Hybrid Approach

Jinseong Han, Sunwoong Yang, Namwoo Kang

cs.AI cs.MA

本文提出了一种基于FEA-AI混合方法的多Agent系统，用于内嵌永磁同步电机(IPMSM)设计优化，通过RAG、不确定性感知的混合优化等模块，将人工经验依赖的配置转化为可复现的工作流，在有限计算预算下实现了更好的目标性能。

Personalization Meets Safety:Mechanisms,Risks,and Mitigations in Personalized LLMs

Yanyan Luo et al.

cs.AI

本文综述了个性化大语言模型（LLMs）中的安全机制、风险与缓解策略，从用户表示、个性化范式和评估三个维度组织内容，并分析了提示、检索增强、参数微调、强化学习、MoE、剪枝、智能体框架及多模态个性化中的安全漏洞。文章指出当前研究在安全评估、技术孤立分析和长期风险捕捉方面存在结构性不足，但未提出开创性方法或解决长期问题，与关键词契合度较低。

Agent Economics: An Entropy-Controlled Pluralistic Alignment Framework for Preventing Artificial Hivemind in Autonomous Agents

Cheonsu Jeong

cs.AI

本文提出了一个用于自主agent经济系统的Behavioral Protocol Framework (BPF)，包含Mentalizing-based Social Intelligence、Pluralistic Alignment和Verifiable Execution Kernel三个模块，旨在通过熵控制机制防止agent间的策略趋同（hivemind效应）并提升决策透明度。

DynaOD: Dynamic Origin-Destination Flow Generation with Discrete-to-Continuous Temporal Semantic Modeling

Jie Zhao et al.

cs.AI

本文提出DynaOD框架，通过离散方向趋势和连续时间演化两种视角建模时间语义，以生成动态OD流。该方法以轻量级插件方式调节预训练的静态OD生成器，在真实数据集上提升了预测精度和分布保真度。

Graph2Idea:Retrieval-Augmented Scientific Idea Generation with Graph-Structured Contexts

Xu Li, Hanzhe Tu, Xun Han

cs.AI

本文提出Graph2Idea框架，通过将检索到的文献转化为知识图谱结构，为LLM生成科研想法提供更紧凑、可追溯的上下文(context)证据。实验表明该方法在想法的新颖性、质量和可行性上优于基线，但主要贡献在于检索增强生成的应用，而非在code、spectral、Muon、pretrain、agent或attention等关键词领域有开创性突破。

ComplexConstraints and Beyond: Expert Rubrics for RLVR

Sushant Mehta, Liudas Panavas, Edwin Chen

cs.AI

本文探讨了基于专家制定的rubric（评分准则）的评估范式，用于解决LLM在复杂指令遵循和agentic任务中的评估难题。作者提出了高质量rubric的五个设计原则，并构建了ComplexConstraints数据集，实验表明使用这些rubric进行RL训练能显著提升模型在指令遵循和工具使用等任务上的性能。

A Regret Minimization Framework on Preference Learning in Large Language Models

Suhwan Kim et al.

cs.AI

本文提出了一种基于regret minimization的偏好学习框架RePO，用于改进RLHF中人类反馈的建模方式，并在数学推理和人类偏好数据集上取得了性能提升。该方法与关键词列表中的概念关联较弱。

Late-Layer Fusion is Enough: Dual-Path Vision Token Routing for Multimodal Large Language Models under Visual Saturation

Siyuan Liu, Jinyang Wu

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

本文通过分析LLaVA-1.5中vision token在深层网络中的饱和现象，提出DPVR-LF框架，将vision token在饱和点路由至单层可训练侧分支，仅在最后一层与text token融合，以减少深层Transformer中的视觉计算开销。该方法挑战了vision token必须遍历所有语言模型层的传统假设。

Vision Language Model Helps Private Information De-Identification in Vision Data

Tiejin Chen et al.

cs.AI

本文提出VisShield框架，利用Vision Language Model (VLM) 对视觉数据中的敏感文本进行定位与脱敏处理，通过专用数据集OPTIC和训练策略提升隐私保护效果。该方法主要关注隐私保护应用，与关键词中的概念关联较弱。

Reliable to Expressive: A Curriculum for Rubric-Following Safety Judges

Yongtaek Lim, Hyeji Choi, Minwoo Kim

cs.AI

本文提出了一种针对安全评估模型的训练策略，通过结合实例条件动态rubric和从可靠到表达的课程学习，提升了模型在不同评估标准下的鲁棒性和准确性。实验表明，该方法在多个rubric提示下实现了高准确率和低交叉rubric方差，优于通用大语言模型和专用安全分类器。

IMUG-Bench: Benchmarking Unified Multimodal Models on Interleaved Understanding and Generation

Lingyi Meng et al.

cs.AI cs.CV cs.MM

本文提出了IMUG-Bench，一个用于评估统一多模态模型在多轮交错图像-文本对话中理解与生成能力的基准，包含静态空间、时间因果和混合三类样本。实验揭示了模型在生成任务中的暴露偏差，并探索了Chain-of-Thought等测试时缩放策略来缓解该问题。

MASS: Deep Research for Social Sciences with Memory-Augmented Social Simulation

Yongrui Liu, Deyi Xiong

cs.AI

本文提出了一种名为Memory-Augmented Social Simulation (MASS)的范式，通过结合动态目标路径规划、多学科行为数据集和基于艾宾浩斯曲线的结构化遗忘机制，利用大语言模型进行社会模拟以增强社会科学研究的创造力。实验表明该方法在生成质量上有所提升，但主要聚焦于agent驱动的社会模拟，与关键词中的code、spectral、Muon、pretrain、attention等核心概念关联较弱。

FF-JEPA: Long-Horizon Planning in World Models with Latent Planners

Sergi Masip et al.

cs.AI

FF-JEPA提出了一种层次化的latent planning方法，通过引入一个action-free的latent planner来预测子目标，从而将长时域规划分解为一系列短时优化问题，避免了传统JEPA方法在长时域规划中的计算开销和性能下降问题。该方法在PushT任务上初步验证了其有效性。

Anything2Skill: Compiling External Knowledge into Reusable Skills for Agents

Qianjun Pan et al.

cs.AI

本文提出Anything2Skill框架，将异构外部知识编译为可复用、可检索、可执行的agent技能。通过技能树先验提取候选技能并转化为结构化契约，在推理时结合RAG同时检索陈述性证据和程序性技能，在qsv和GitHub-CLI任务上显著提升了成功率。

TRL-Bench: Standardizing Cross-Paradigm Representation-Level Evaluation of Tabular Encoders

Wei Pang et al.

cs.AI cs.DB

TRL-Bench提出了一个标准化表格表示学习评估基准，通过统一的下游条件比较不同训练范式的表格编码器，发现编码器质量具有能力特异性，而非单一排行榜可衡量。该工作主要关注评估框架而非具体算法创新，与关键词中的code、context、pretrain等概念关联较弱。

Leveraging Structural Constraints for Diffusion-based Neural TSP Solvers

Mickaël Basson, Philippe Preux

cs.AI

本文提出Projected Consistency Inference (PCI)方法，通过结构感知投影（如解码Hamiltonian tour并应用2-opt局部搜索）替代梯度细化，用于改进基于diffusion的TSP求解器。实验表明PCI在TSP-500和TSP-1000上分别达到0.17%和0.31%的最优性差距，同时推理时间减少30-40%。

Experience Makes Skillful: Enabling Generalizable Medical Agent Reasoning via Self-Evolving Skill Memory

Haoran Sun et al.

cs.AI cs.CL

本文提出SkeMex框架，通过将交互轨迹蒸馏为结构化技能并组织成多分支记忆库，使医疗agent在不更新模型权重的情况下实现自我进化。该方法利用环境反馈评估技能效用，并通过“读-写-评估-治理”循环持续优化记忆，在临床决策任务中优于现有基于记忆的agent方法。

Capability-Aligned Hierarchical Learning for Tool-Augmented LLMs

Haotong Yang, Ting Long, Yi Chang

cs.AI

本文提出了一种名为CAHL的方法，利用RLVR（Reinforcement Learning with Verifiable Rewards）联合优化工具增强型LLM中的高层规划与低层执行策略，以解决两者之间的对齐问题。实验表明该方法在受限和开放的工具使用基准上有效。

From Coarse to Fine: Managing Temporal Granularity in Spatio-Temporal Data for Fine-Grained Traffic Prediction

Shuhao Li et al.

cs.AI

本文提出了一种名为STRP的框架，用于解决时空交通数据中粗粒度采样与细粒度预测需求之间的粒度不匹配问题。该框架通过Tree Convolution和Inverse Dilated Convolution两个组件，实现了高效且可解释的时空依赖建模与渐进式时间外推。

RunAgent SuperBrowser: A Theory of Autonomous Web Navigation Grounded in Human Browsing Behaviour

Radeen Mostafa, Sawradip Saha

cs.AI

本文提出了一种名为SUPERBROWSER的自主web导航agent，其核心思想是模拟人类浏览行为，通过视觉优先的bounding-box pipeline、三角色大脑（Orchestrator, Planner, Worker）和结构化Ledger记忆机制来操作化感知-认知-行动三元组。在Mind2Web Hard基准测试中，该方法取得了89.47%的成功率，优于所有已发表的开源/research浏览器agent基线。

Correct Looks Better: Pairwise Comparisons Reveal Accuracy Rankings

Mina Remeli, Moritz Hardt

cs.AI cs.CL cs.LG

本文通过将五个基准测试转化为自由形式的生成评估，发现基于Elo的成对比较排名与基于真实准确率的排名高度一致（Spearman相关系数>0.9），并指出风格和评判者偏差对排名影响较小。

Capacity, Not Format: Rethinking Structured Reasoning Failures

Hengxin Fan

cs.AI cs.CL

本文通过实验发现，结构化输出（如JSON）对模型推理性能的影响取决于模型的剩余容量（spare capacity），而非格式本身。当模型接近其能力极限时，结构化格式会因容量竞争而显著降低性能，但通过“先推理后格式化”的延迟结构消融实验可以恢复大部分精度。

WeaveBench: A Long-Horizon, Real-World Benchmark for Computer-Use Agents with Hybrid Interfaces

Wanli Li et al.

cs.AI

本文提出了WeaveBench，一个包含114个跨8个真实工作领域的长期混合界面benchmark，用于评估computer-use agents在GUI、CLI和代码操作间的协调能力。实验表明，最佳模型-运行时组合的PassRate仅为41.2%，且仅基于结果的评分会高估agent性能，揭示了当前评估中的关键差距。

Bayesian Selective Latent Inference for Wastewater-First Influenza Monitoring

Yixuan Zhang et al.

cs.AI

本文提出了一种贝叶斯选择性潜在推断方法，用于以废水数据为先导的流感监测，通过维护潜在负担的后验分布并优化查询-停止决策，在固定预算下提升了成本-性能边界。该方法与关键词中的“code”或“context”等概念关联较弱。

AliyunConsoleAgent: Training Web Agents in Real-World Cloud Environments via Distillation and Reinforcement Learning

Bojie Rong et al.

cs.AI

本文提出AliyunConsoleAgent框架，通过蒸馏前沿模型轨迹进行监督微调，再结合GRPO强化学习和双通道奖励模型在真实云环境中训练web agent，以自动化验证云控制台文档与实际界面的一致性。实验表明该方法在降低92%推理成本的同时，将成功率提升至接近最佳专有模型水平。

TheoremBench: Evaluating LLMs on Theorem Proving in Formal Mathematics

QuocViet Pham et al.

cs.AI

本文提出了TheoremBench，一个基于Lean4的定理证明基准，用于评估LLMs在形式数学中的表现，超越了竞赛类问题。实验表明，显式前提能显著提升证明性能，但当前证明器仍偏向于解决简单子定理，且常产生低效的证明轨迹。

Emergent alignment and the projectability of ethical personas

Guillermo Del Pinal et al.

cs.AI cs.LG

本文研究了大型语言模型在微调过程中的“涌现对齐”现象，通过使用不同伦理准则（如义务论、功利主义）的Constitutional AI方法对模型进行窄域安全任务微调，发现模型能可靠地展现出对更广泛安全类别的对齐行为，并验证了“人格选择”假说。该工作主要关注伦理对齐的评估，与您提供的关键词（如code, spectral, Muon, agent等）关联度较低。

LLM-Orchestrated Conformance Checking in Stroke Care Without Computer-Interpretable Guidelines

Giorgio Leonardi et al.

cs.AI

本文提出了一种基于LLM编排的模块化框架，用于在缺乏计算机可解释指南(CIGs)的临床场景中实现医疗一致性检查。该框架通过从非结构化临床文本中提取患者轨迹并计算轨迹一致性指标，在卒中护理领域验证了可行性。

Deterministic Integrity Gates for LLM-Assisted Clinical Manuscript Preparation: An Auditable Biomedical Informatics Architecture

Yoojin Nam, Jinhoon Jeong, Namkug Kim

cs.AI cs.DL

本文提出了一种用于LLM辅助临床手稿准备的确定性完整性门控架构，通过将工作流分解为独立技能并在每个阶段转换时设置故障停止门控，实现了可审计的验证。该架构的核心贡献是“确定性优先”的完整性门控分类法，在三个公开数据集上验证了其检测缺陷的能力。

AI Scientists Are Only as Good as Their Evidence: A Stratified Ablation of Proprietary Data and Reasoning Skills in Drug-Asset Valuation

Yinan Wang

cs.AI

本文通过药物资产估值任务中的分层消融实验，研究了AI Scientist agent的性能限制因素。实验表明，尽管推理框架（reasoning scaffold）能提升校准与纪律性，但专有数据（proprietary evidence）才是决定agent知识上限与决策质量的关键，而非模型质量或提示工程。

PRISM: Recovering Instruction Sets from Language Model Activations

Gilad Gressel et al.

cs.AI cs.LG

本文提出PRISM方法，从frozen LLM的hidden states中解码出当前活跃的指令集，使用judge-guided GRPO进行训练以覆盖指令并惩罚无关内容。该方法在agent场景下优于activation-to-language基线，但主要贡献在于安全监控而非与关键词直接相关。

Self-Explainability in Self-Adaptive and Self-Organising Systems: Status and Research Directions

Tom Beyer, Svea Wisy, Sven Tomforde

cs.AI

本文对自适应与自组织系统中的自解释性(Self-Explainability)进行了系统文献综述，提出了统一的定义、分类法以及自解释性水平框架。研究指出大多数方法仍停留在概念层面，缺乏实际实现和评估标准。

TABVERSE: Benchmarking Cross-Format Table Understanding in LLMs and VLMs

Momina Ahsan et al.

cs.AI cs.CL cs.IR

TABVERSE是一个多模态table benchmark，用于评估LLMs和VLMs在不同table representation（如HTML, Markdown, LaTeX和rendered images）下的table understanding能力。实验表明representation choice显著影响模型表现，但该工作主要关注benchmark构建和实证分析，与关键词中的code, spectral, Muon, pretrain, agent, attention等方向关联较弱。

Optical Reasoning: Rethinking Images as an Expressive Reasoning Medium Beyond Text

Yutong Bian et al.

cs.AI

本文提出optical reasoning概念，将图像作为独立的推理媒介，通过typographic和graphical两种变体在数学、科学等任务上匹配甚至超越传统文本推理，同时减少推理token使用量。

Next-Token Prediction Learns Generalisable Representations of Sleep Physiology

Jonathan F. Carter, Lionel Tarassenko

cs.AI

本文提出Hypnos，一种基于next-token prediction的多模态睡眠基础模型，使用residual vector quantization将EEG、ECG等八种生理信号离散化为token序列，并通过auto-regressive RQ-Transformer进行联合预测。实验表明，该方法在睡眠阶段分类等任务上显著优于现有模型，且能泛化到日间生理信号分析。

From 0-to-1 to 1-to-N: Reproducible Engineering Evidence for MetaAI Recursive Self-Design

Dun Li, Jiatao Li, Hongzhi Li

cs.AI

本文提出了一个名为MetaAI的递归自设计框架，包含四个可操作标准，并映射了DGM等现有系统。文章主要提供了一个可复现的协议MetaAI-Mini，但未包含完整的模型运行结果，因此更偏向于概念框架而非实验性成果。

Frequency-based Constrained Sampling for Interval Patterns

Djawad Bekkoucha, Abdelkader Ouali, Bruno Crémilleux

cs.AI

本文提出了一种名为CFips的采样方法，用于在用户定义的syntactic constraints下对interval patterns进行采样。该方法通过将约束分解为interval bounds上的基本谓词，实现了在约束空间内按频率进行精确采样。

SpatialWorld: Benchmarking Interactive Spatial Reasoning of Multimodal Agents in Real-World Tasks

Hongcheng Gao et al.

cs.AI cs.CL

本文提出了SpatialWorld基准，用于评估多模态agent在真实世界任务中的交互式空间推理能力，通过统一协议整合了8种异构仿真后端，并包含760个人工标注任务。实验表明，当前最强的模型GPT-5在该基准上的任务成功率仅为17.4%，揭示了主动探索和长程规划方面的瓶颈。

Correlation Is Not Enough: Embedding Human Metadata for Individual Causal Discovery

Suraj Biswas, Saurabh Gupta, Pritam Mukherjee

cs.AI cs.CL cs.LG cs.PF q-bio.QM

本文指出预训练biomedical language model在跨领域相关性判断上存在严重偏差（如将“cortisol”与“stock-market volatility”误判为高度相关），并提出了通过contrastive learning（对比学习）和hard negative mining（困难负样本挖掘）来修正embedding几何结构的方法，显著提升了领域内与跨领域样本的区分度。同时，文章还讨论了在特定硬件上使用OpenVINO进行推理加速的优化策略。

(Auto)formalization is supposed to be easy: Trellis process semantics for spelling out rigorous proofs

Wesley Pegden

cs.AI cs.LO math.CO

本文提出Trellis系统，利用LLM agents在确定性约束工作流中通过迭代优化自然语言证明来实现Lean自动形式化，其设计灵感源于数学家对严格证明的理解。系统通过过程语义强制执行逐步细化，旨在以有限预算和通用agent实现可靠的自动形式化。

Proxy Reward Internalization and Mechanistic Exploitation: A Learned Precursor to Reward Hacking and Its Generalization

Mohammad Beigi, Ming Jin, Lifu Huang

cs.AI cs.LG

本文研究了强化学习中的reward hacking现象，提出了一种名为PRIME的早期预警信号，用于在可见的reward hacking出现前检测模型对proxy reward的内化与利用能力。实验在可被利用的pytest奖励环境中进行，通过思维链监控、直接探针和激活级概念向量等方法测量PRIME，发现其出现早于持续的reward hacking，并能预测后续hack的严重程度。

Beyond Probabilistic Similarity: Structural, Temporal, and Causal Limitations of Retrieval-Augmented Generation in the Legal Domain

Hudson de Martim

cs.AI

本文指出Retrieval-Augmented Generation (RAG)在法律领域存在结构性、时间性和因果性局限，认为其失败源于概率检索与法律知识层级、时间及制度结构的不匹配，并提出了面向法律检索的确定性设计方向。该论文主要聚焦法律AI的架构问题，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。

SearchSwarm: Towards Delegation Intelligence in Agentic LLMs for Long-Horizon Deep Research

Pu Ning et al.

cs.AI

本文提出SearchSwarm框架，通过设计引导机制让主agent分解复杂任务并委派给子agent，从而在有限context窗口下完成长周期深度研究。该方法利用引导轨迹生成监督微调数据，将委派智能内化到模型权重中，在BrowseComp基准上取得较好效果。

Multi-Turn Evaluation of Deep Research Agents Under Process-Level Feedback

Rishabh Sabharwal et al.

cs.AI cs.CL cs.LG

本文研究了深度研究agent在多轮反馈下的表现，发现自我反思几乎无改进，而过程级反馈能带来显著但非累积的提升，揭示了当前agent架构在多轮改进中的局限性。

Collaborative Human-Agent Protocol (CHAP)

Arsalan Shahid, Gordon Suttie, Philip Black

cs.AI cs.CL cs.HC

本文提出了CHAP协议，旨在为多人类与多agent的协作提供一个标准化的共享工作空间，通过定义workspace、artifacts和evidence log等核心概念，将原本零散的人类审批和交接过程转化为结构化、可审计的事件。该工作主要关注agent协作的工程规范，与关键词中的agent有一定关联，但方法本身并非开创性理论贡献。

SIGA: Self-Evolving Coding-Agent Adapters for Scientific Simulation

Matthew Ho et al.

cs.AI cs.CL

本文提出SIGA框架，通过为通用coding agent添加simulator-specific grounding adapter（包括检索、记忆、验证和终止机制），使其能操作科学模拟软件（如GEOS）。实验表明该方法能显著提升任务完成效率，但方法本身并非开创性突破，且与关键词契合度较低。

Evaluation Cards: An Interpretive Layer for AI Evaluation Reporting

Avijit Ghosh et al.

cs.AI

本文提出了一种名为EvalCards的AI评估报告层，通过整合基准元数据、评估运行数据和模型元数据，为评估结果提供可解释的记录。它设计了四种解释信号（可重复性、文档完整性、来源与风险、分数可比性），并部署了一个监控工具，在大量模型和基准上揭示了当前报告实践中的系统性缺陷。

cs.IR

PulseBench-Tab: A Multilingual Benchmark for Table Extraction with Graph-Based Evaluation

Ritvik Pandey et al.

cs.IR cs.CL

本文提出了一个多语言表格提取基准PulseBench-Tab，包含9种语言和4种文字系统的1,820个标注表格，并引入了一种基于图的评估指标T-LAG，通过将表格建模为有向图并计算最优二分匹配来评估结构保真度。该工作主要贡献在于数据集构建和评估方法，但与关键词列表中的概念关联较弱。

Bidirectional Semantic Complementary Tool Retrieval for Remote Sensing Agents

Zeyuan Wang et al.

cs.IR cs.AI

本文提出了一种面向遥感智能体的双向语义互补工具检索方法，通过规划查询增强和动态工具依赖图来弥合自然语言查询与工具文档之间的语义鸿沟，实验表明该方法在遥感任务上提升了工具检索精度。

Beyond Item IDs: Scaling Short-Form-Video Recommendation via Semantic-Native Long Sequence Modeling

Ruixiao Sun et al.

cs.IR cs.AI cs.LG

本文提出了一种用于短视频推荐的语义原生长序列建模框架，通过使用粗粒度的Semantic IDs替代传统的Video IDs来缓解表示瓶颈，并引入Global-Aware Compression Transformer来降低自注意力的计算复杂度。该方法在工业部署中实现了更长的序列支持，并提升了用户参与度。

Evaluating Advanced Prompting on Gemini Flash for Multi-Hop Biomedical QA

Ahmed Bajaber, Mohammed Alliheedi

cs.IR cs.AI cs.CL

本文评估了Gemini Flash模型在生物医学多跳问答任务中的表现，通过设计包含角色扮演、多步Chain-of-Thought示例和格式规则的复杂prompt，将Concept Level Score从0.565提升至0.720，并接近下一代模型性能。该工作主要关注prompt工程对LLM推理能力的影响，与关键词列表中的概念无直接关联。

MIRAGE: Metadata-Integrated Repository Analysis and Guided Enhancement for MSR Datasets

Aabia Ather et al.

cs.IR cs.AI cs.LG cs.SE

本文通过元数据丰富和FAIRness评估改进了MSR数据集分析，使用LDA主题建模和统计分析揭示了仓库托管站点和数据格式对引用模式的影响。

TRACER: Token ReAssignment for Concept ERasure in Generative Recommendation

Ziheng Chen et al.

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

本文针对生成式推荐系统中的概念遗忘问题，提出了TRACER框架。该框架通过token reassignment策略，将需要遗忘的概念相关item重新分配到替代token上，并引入coherence regularizer保持保留item的语义一致性，从而在移除目标概念的同时最小化对推荐效用的影响。

ASH: Asymmetric Scalar Hashing With Learned Dimensionality Reduction for High-Fidelity Vector Quantization

Mariano Tepper, Theodore Willke

cs.IR

本文提出了一种名为ASH (Asymmetric Scalar Hashing)的数据驱动编码-解码框架，通过可学习的正交投影对数据库向量进行降维，再结合标量量化，同时保持查询向量原始形式。实验表明，该方法在等压缩率下达到了比现有加性量化器和标量量化器更高的准确率，并支持高效的SIMD运算。

OneFeed: A Unified Generative Framework for Feed ContentEnhancement and Query Generation

Guo Xun

cs.IR

本文提出OneFeed框架，通过共享行为编码器和两个生成头（Feed Semantic ID Generator与Intent Query Generator）统一建模推荐内容增强与查询生成，并引入SID-Query对齐目标来弥合推荐与搜索间的语义鸿沟。该方法主要面向推荐与搜索系统的统一，与我提供的关键词（如code, spectral, Muon等）关联度较低。

DeRes: Decoupling Residual Stability and Adaptivity for Scalable CTR Prediction

Wenzhuo Cheng et al.

cs.IR

本文提出DeRes模型，通过解耦残差连接的稳定性与自适应性来提升CTR预测的可扩展性。该方法在工业数据集上取得了优于多个基线的AUC性能，但未涉及代码、上下文、谱方法、Muon优化器、预训练、智能体或注意力机制等关键词中的核心概念。

GIScholarBench: Benchmarking LLM Overconfidence in GIS Research

Zongrng Li et al.

cs.IR cs.AI cs.CL

本文构建了GIScholarBench基准，评估LLM在GIS研究中的过度自信问题，发现模型在元数据检索、文献链接和研究方向生成任务中均表现出过度自信，表现为生成错误但看似权威的输出。

EmpiriGraph-Psy: A Dataset and LLM Pipeline for Extracting Empirical Relation Graphs from Psychology Abstracts

Danqin Zhao et al.

cs.IR

本文提出了一个面向心理学领域的变量中心化经验关系图提取任务，并构建了EmpiriGraph-Psy数据集和分阶段LLM pipeline。该工作主要关注信息检索与自然语言处理，与关键词中的code、context、spectral、Muon、pretrain、agent、attention均无直接关联。

ToolRec: Calibrated Preference Alignment for Query Recommendation in On-Device Assistants

Zihan Luo et al.

cs.IR

本文提出ToolRec框架，通过构建系统工具库SysToolKit和双重校准机制来优化设备端查询推荐中的偏好对齐。该方法使用加权KTO算法校准用户点击信号，在OPPO平台上的在线实验验证了其有效性。

When Should Queries Be Decomposed? A Stage-Aware Study of Query Decomposition for Multi-Condition Retrieval

Bochao Yin et al.

cs.IR

本文通过实验发现，在多条件检索任务中，query decomposition在初始检索阶段因语义稀释而损害性能，但在reranking阶段能提升细粒度约束匹配。作者提出Stage-Aware Decomposition框架，仅在reranking阶段使用sub-queries，并在MultiConIR和SSRB基准上验证了其有效性。

Gryphon: A Unified Architecture for Semantic-ID Generation and Item-Level Scoring in Industrial Recommendations

Daria Tikhonovich et al.

cs.IR

本文提出Gryphon，一种用于工业推荐系统的生成式检索架构。它通过联合训练item-level scoring组件，解决了传统生成式检索中beam search优化序列似然与item相关性目标不一致的问题，并缓解了多个item共享同一Semantic ID导致的评分冲突。在工业音乐服务上，Gryphon在Recall@1000指标上优于基线方法，并成功替代了包含15个以上候选生成器的复杂流水线。

Report on CHIIR 2026 Workshop on Generative AI and Academic Search (GAI&AS)

Yifan Liu et al.

cs.IR cs.AI cs.HC

本文报告了CHIIR 2026关于生成式AI与学术搜索的研讨会，讨论了GenAI如何重塑学术搜索系统，并聚焦于透明度、可信度及搜索即学习等主题。

EviProp: Seeded Relevance Diffusion on Chunk-Page Graphs for Long Multimodal Document Retrieval

Hongwei Zhang et al.

cs.IR

本文提出EviProp方法，通过构建多模态Chunk-Page图并利用Personalized PageRank进行相关性扩散，以改进长文档中证据页面的检索。该方法在MMLongBench-Doc和LongDocURL数据集上取得了优于独立视觉检索和文本-视觉融合基线的结果。

Personal Salience: Highlighting Is Social, but Individuality Lives in Selection

Kazuki Nakayashiki, Keisuke Watanabe

cs.IR cs.CL cs.HC cs.SI

本文通过控制文档和主题固定，研究了从社交高亮（social highlighting）痕迹中恢复个体性的程度。研究发现，高亮行为主要受群体影响，个体信号微弱；但在从已高亮段落中选择“属于自己”的段落时，个体历史是强预测因子，体现了主题偏好的稳定性。

Teach Multimodal Recommendation Model to See via Personalized Visual Extraction and Adaptive Learning

Yutong Li et al.

cs.IR

本文提出REVEAL框架，通过反馈引导的视觉提取和自适应视觉学习来增强多模态序列推荐中的视觉特征利用，实验表明该方法能提升推荐性能。

Closing the Indexing-Decoding Gap in Multimodal Generative Retrieval via Prefix Retention Optimization

Yufei Chen et al.

cs.IR

本文针对多模态生成式检索中索引与解码之间的差距问题，提出了前缀保留优化（PRO）框架，通过前缀排序蒸馏、词汇调度和几何分数融合三种机制来改善目标标识符前缀的保留，并在多个任务上验证了有效性。

Popcorn: A Configurable Benchmark for Visual Evidence in Multimodal Movie Recommendation

Ali Tourani et al.

cs.IR

Popcorn是一个用于多模态电影推荐的可配置基准，它整合了电影、预告片和缩略图的视觉特征，并提供了标准化的评估框架。实验表明不同视觉证据源（如缩略图与预告片）不可互换，其选择会影响推荐性能。

cs.CL

The Cold-Start Safety Gap in LLM Agents ⭐ 精选

Chung-En Sun, Linbo Liu, Tsui-Wei Weng

cs.CL

本文发现LLM agents在对话初期存在一个“冷启动安全缺口”（cold-start safety gap），即agent在会话开始时最脆弱，而在完成少量常规agentic任务后安全性显著提升。作者提出了SODA基准来系统研究这一现象，通过控制agent在遇到安全威胁前完成的常规任务数量（最多20个），对4个模型家族的7个模型进行评估，发现安全性提升了9-52%。分析表明，常规agentic任务本身是提升安全性的主要驱动力，而agent自身的先前响应则对保持后续效用至关重要。基于此，作者推荐一种简单的部署策略：在可能暴露于安全关键请求之前，让agent先完成少量常规agentic任务，以缓解冷启动安全缺口。

Customer-Agent: Overcoming Context Limitations in Ultra-Long Shopping Trajectories via Tool-Augmented Agents and RLVR ⭐ 精选

Hongye Liu et al.

cs.CL

本文提出了一种名为Customer Agent的框架，用于解决超长购物轨迹（ultra-long shopping trajectories）中的context限制问题。该框架通过将轨迹存储为外部本地文件，并利用基于可验证奖励的强化学习（RLVR）训练agent，使其能够通过code-interpreter交互（如SQL查询）自主检索和解析数据，从而绕过LLM的固定context窗口限制。实验表明，该方法在ShopTrajQA基准上表现优异，并展现出对其他复杂推理任务的泛化能力，为agent在长序列任务中的应用提供了新思路。

Support Vector Rubrics: Closing the Gap Between Self-Generated and Human Rubrics ⭐ 精选

Mengyuan Sun et al.

cs.CL

本文提出SVR (Support Vector Rubrics)框架，将rubric构建重新定义为偏好数据上的最大间隔边界学习问题。该方法通过从偏好对中挖掘对比特征构建rubric库，学习基于prompt的选择器与全局rubric权重，并利用支持对选择和对抗性难负样本探测迭代优化库。在RubricBench上，SVR将自生成rubric与人类参考rubric的差距从24.1分缩小至0.3分，并在RewardBench等基准上展现出与专用reward model相当的判别能力，为LLM评估中的判别差距提供了原则性解决方案。

Memory Beyond Recall: A Dual-Process Cognitive Memory System for Self-Evolving LLM Agents ⭐ 精选

Tianxiang Fei et al.

cs.CL cs.AI

本文提出DCPM，一种基于双过程理论（dual-process theory）的认知记忆系统，用于构建自我进化的LLM agent。该系统将agent的记忆组织为从原始输入到跨领域模式（cross-domain patterns）的认知能力层级，并通过同步的System1（记录信念修正）和异步的System2（归纳schema与意图）两个过程驱动。实验表明，System2在需要隐式跨会话推理（implicit cross-session inference）的任务上贡献显著（如在PersonaMem-v2上提升+5.20），而在简单的跨度召回（span recall）任务上贡献较小，验证了其架构设计。该方法为agent的长期记忆与个性化推理提供了开创性的认知架构。

Self-Harness: Harnesses That Improve Themselves ⭐ 精选

Hangfan Zhang et al.

cs.CL

本文提出Self-Harness范式，使LLM-based agent能够自主改进其操作harness（即中介agent与环境交互的模块），无需人类工程师或更强的外部agent。该方法通过Weakness Mining、Harness Proposal和Proposal Validation三个阶段的迭代循环，将模型特定的失败模式转化为具体的harness修改。在Terminal-Bench-2.0上的实验表明，该方法在多个基础模型上显著提升了held-out pass rate，且定性分析显示其并非简单添加通用指令，而是有效将模型弱点转化为可执行的harness变更。该工作与关键词“agent”高度契合，并为agent harness的自动化设计提供了开创性思路。

Code Is More Than Text: Uncertainty Estimation for Code Generation ⭐ 精选

Yuling Shi et al.

cs.CL cs.LG cs.SE

本文提出代码生成中的不确定性估计(UE)不应直接沿用自然语言(NL)的方法，而是需要针对代码的独特性质进行专门设计。作者将代码与NL的差异归纳为三个正交的不确定性轴：lexical（基于Top-K token entropy）、algorithmic（基于pseudo-code consistency）和functional（基于behavioral consistency），并通过ensemble方法在五个代码LLM上将AUROC从0.696提升至0.776。该方法在Qwen3-14B上以单次推理的Top-K token entropy达到了与最强多轮基线相当的效果，且成本降低3倍以上，为代码生成中的可靠预测和human-in-the-loop审查提供了新的解决方案。

AGENTSERVESIM: A Hardware-aware Simulator for Multi-Turn LLM Agent Serving ⭐ 精选

Rakibul Hasan Rajib, Mengxin Zheng, Qian Lou

cs.CL cs.AI

本文提出了AGENTSERVESIM，一个面向多轮LLM agent服务的硬件感知模拟器。该工作针对现有LLM服务模拟器无法处理agent服务中多轮程序执行、跨轮cache局部性以及工具调用间隙期间KV-cache驻留等核心动态的问题，通过可组合模块（包括程序编排器、工具模拟器、会话感知路由器和KV驻留模型）在程序粒度上评估服务策略。实验表明，在真实服务部署和硬件配置下，AGENTSERVESIM在关键性能指标上的误差在6%以内，且完全运行在商用CPU上，为agent服务策略的可控、可重复探索提供了高效替代方案，无需在昂贵加速器上进行全面部署。

Bidirectional Small-Granularity Search between Code and Text

Marco A. Valenzuela-Escárcega et al.

cs.CL cs.AI

本文提出了代码与文本间的双向小粒度搜索任务，使用GPT-4自动生成训练数据并构建了包含域内和域外测试集的数据集。该方法通过共享编码器学习四个子任务来定位答案跨度，在域内表现良好但在域外仍有提升空间。

TinyJudge: Unverifiable Constraint Alignment via Lightweight Specialist Ensembles

Yirong Zeng et al.

cs.CL cs.LG

本文提出TinyJudge框架，通过集成多个小型语言模型（约0.6B参数）为不可验证约束（如语气）提供奖励信号，以替代LLM-as-a-judge方法。实验表明该方法在奖励精度和训练速度上均有提升，但未涉及code、spectral、Muon等关键词相关技术。

Evaluating Hallucinations in Domain-Adapted Large Language Models

Sanchita Porwal et al.

cs.CL cs.AI

本文研究了领域自适应大语言模型（LLMs）中的幻觉现象，通过对Llama-2模型在Lamini数据集上进行微调实验，发现模型在记忆、回忆和推理新领域特定信息时能力有限，倾向于过度生成导致幻觉。研究揭示了仅靠微调方法在缓解领域自适应LLMs幻觉方面的局限性。

Community-Specific Slang and Entity Detection via Semantic Shift in Fine-Tuned Language Models

Julia Kruk et al.

cs.CL cs.LG cs.SI

本文提出了一种无监督方法，通过测量预训练LLM在社区特定语料上微调后词汇的semantic shift（语义偏移）幅度，来检测网络社区中的俚语和特定实体。该方法使用DistilRoBERTa模型，基于cosine similarity分布的低百分位数据识别社区特有词汇。

Retrieval Augmented Generation Framework for the Nepali Legal Domain Question Answering

Samir Wagle et al.

cs.CL cs.AI

本文首次将Retrieval Augmented Generation (RAG)框架应用于尼泊尔法律领域的问答任务，使用BM25和E5模型进行文档检索，并评估了生成答案的groundedness和truthfulness。该工作主要针对低资源语言的法律问答场景，与关键词列表中的概念无直接关联。

ABLE: Representing and Mapping LLMs via Attribution-Based Large-model Embedding

Zirui Wang et al.

cs.CL cs.AI

ABLE提出了一种基于梯度特征归因的LLM表示方法，通过tokenizer无关的词级对齐构建模型嵌入，用于模型比较和路由。该方法无需训练，在239个开源模型上验证了关系预测等任务的有效性。

Implicit Causal Graph Construction in Text via Chain Discovery

Liesbeth Allein, Marie-Francine Moens

cs.CL cs.AI

本文研究从文本中构建隐式causal graph（因果图）的方法，通过将文本中的cause-effect pair视为潜在因果路径的端点，利用large language models推断中间事件。文章比较了端到端图构建与causal chain discovery方法，并探索了多模型协作的Wisdom of the Crowd策略。

GraphLoRA: Structure-Aware Low-Rank Adaptation for Large Language Model Recommendation

Lin Mu et al.

cs.CL cs.AI

本文提出GraphLoRA框架，通过在低秩适应路径中嵌入可训练的图消息传递网络，使结构信号能传播到参数空间，从而将图结构与文本语义信息深度融合，用于大语言模型推荐任务。实验表明该方法在多个基准上优于现有方法。

Post-training is (Massive) Supervised Learning

Michael Hassid, Yossi Adi, Roy Schwartz

cs.CL cs.AI cs.LG

本文认为当前LLM训练中大规模post-training（包括SFT和RL）实质上回归了BERT时代的“预训练-微调”范式，通过实验表明从随机初始化进行post-training也能在推理任务上取得显著性能，主张应转向让模型“学会如何学习”的训练方式。

BEACON: Behavioral Entropy Aggregation for Cross-Model Hallucination Detection in Large Language Models

Naveen Bera et al.

cs.CL cs.AI cs.LG

BEACON提出了一种黑盒幻觉检测框架，通过从模型输出中提取31维特征向量（包括语义熵、嵌入几何、思维链一致性等）来检测大语言模型中的幻觉，无需访问内部表示或外部知识库。该方法在多个基准上取得了较好的AUROC性能，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

CAPruner: Conceptual-Adjacent Scene Graph Pruner for Enhancing 3D Spatial Reasoning of Large Language Models

Shengli Zhou et al.

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

本文提出CAPruner，一种用于3D视觉语言任务中场景图剪枝的方法。它通过结合模糊语义相关性和空间邻近性来估计关系重要性，从而保留对空间推理最关键的关系，并提升大语言模型在3D-VL任务上的性能。

Finding New Connections between Concepts from Medline Database Incorporating Domain Knowledge

Yang Weikang, Chowdhury S.M. Mazharul Hoque, Jin Wei

cs.CL

本文基于Don R. Swanson的ABC模型，提出了一种自适应文献发现模型，用于从Medline数据库中挖掘医学概念间的隐藏关联。该模型通过寻找连接两个不同主题A和C的共同中间主题B，来发现概念间的新联系。

mllm-shap: A Shapley Value Explainability Platform for Text-Audio Multimodal Large Language Models

Jakub Muszyński, Paweł Pozorski, Maria Ganzha

cs.CL cs.AI

本文介绍了mllm-shap，一个用于文本-音频多模态大语言模型（MLLMs）的Shapley Value可解释性开源Python框架。该框架通过模态感知的coalition masking、多轮对话追踪和基于语音对齐的token分组等技术，解决了多模态场景下SV估计的计算可行性问题。

Principled Agent Debate: Adversarial Arbitration for Sycophancy Reduction in Large Language Models

Sam Ryan

cs.CL cs.AI

本文提出Principled Agent Debate (PAD)架构，通过两个对立哲学倾向的模型进行辩论并由盲审仲裁者评估，以减少大语言模型中的谄媚偏差。实验表明PAD变体在SycophancyEval上显著优于单模型基线，但方法本身更侧重于工程性对抗辩论而非理论创新，与关键词列表中的agent概念仅有部分关联。

Bridging Traditional Explainability Methods and Multimodal Multilingual Models: An XAI-Based Analysis

Paweł Pozorski, Jakub Muszyński, Maria Ganzha

cs.CL cs.AI cs.SD

本文提出了一个基于Shapley Value的多模态可解释性框架，用于分析Multimodal Large Language Models (MLLMs)中文本和音频的交互机制，并设计了Spectrogram-Guided Phonetic Alignment (SGPA)方法解决模态粒度不匹配问题。实验表明输入模态是归因波动的主要驱动因素，但该方法主要聚焦于可解释性分析，与关键词中的code, spectral, Muon, pretrain, agent, attention等概念关联较弱。

Multilingual Refusal Alignment for Safer Large Language Models

Aleksandra Krasnodębska, Wojciech Kusa, Aldo Lipani

cs.CL

本文研究了多语言环境下大型语言模型的安全对齐问题，提出了RefusEU数据集并利用Direct Preference Optimization (DPO)进行实验。结果表明，仅用英语对齐不足以保证跨语言安全，而多语言训练可在不降低通用性能的前提下提升安全性。

From Architecture to Output: Structural Origins of Hallucination in Large Language Models and the Amplifying Role of Data

Md. Rejaul Korim Sadi, Toufiqur Rahman Tasin, Golam Mostofa Naeem

cs.CL

本文分析了大型语言模型中幻觉的结构性成因，指出self-attention的共现学习、最大似然估计训练目标和自回归解码的暴露偏差共同构成了复合失效系统，而数据缺陷（如长尾不足和合成污染）仅放大而非独立引发这些漏洞。文章将每种机制映射到特定的输出类别，并批评了仅基于输出类型的分类方法的诊断局限性。

Finding Hidden Relationships Between Medical Concepts by Leveraging Metamap and Text Mining Techniques

Weikang Yang, S M Mazharul Hoque Chowdhury, Wei Jin

cs.CL

本文提出了一种利用MetaMap和文本挖掘技术发现医学概念间隐藏关系的新模型，通过创建综合索引结构来连接跨文档的主题。实验证明了该模型在发现新连接方面的有效性。

Liberating LLM Capabilities in Full-Duplex Speech Models

Luoyuan Zhang et al.

cs.CL cs.AI cs.SD

本文提出Listen-Write-Speak (LWS)范式，使语音LLM在实时交互中同时进行文本写作和语音回复，通过Token Schema实现无需修改架构的三通道输出。实验表明该方法在保持实时性的同时提升了写作-语音一致性，但未涉及code、spectral或Muon等关键词相关技术。

Priors Persist Through Suppression: A Stroop Paradigm for Lexical Override

Han-yu Wang

cs.CL cs.LG

本文通过Stroop范式实验研究了语言模型中的词汇先验（lexical prior）在局部重写规则下的持久性，发现先验通过抑制而非替换的方式持续影响模型输出。实验在多个开源模型上验证了词汇先验强度与干扰效应的关系，并通过activation patching定位了关键机制。

Phantom transitions in language model fine-tuning

Vaibhav Prakash, Jayasri Dontabhaktuni

cs.CL cs.AI quant-ph

本文研究了语言模型微调中，当正确补全存在近义词竞争时，模型会“无声失败”的现象。作者通过一个结合预测分布与embedding重叠的序参量，将失败模式分解为信号和背景拖拽，并观察到类似相变的弹射跳跃，但证明这些是“幻象”而非真正的对称性破缺。该工作主要关注近义词机制，与关键词中的code、spectral、Muon、agent等概念关联较弱。

Function-Vector Heads Are Two Populations: Writers and Cancellers in In-Context Learning

Han-yu Wang

cs.CL cs.LG

本文通过引入符号保持的排序准则（refined DLA + permutation FDR）和路径修补（path patching）验证，发现Function-Vector (FV) heads实际上包含两个对立的子群体：writers（推动规则正确logit上升）和cancellers（推动其下降）。该结构在多个模型族和规模中成立，且仅基于幅度的排序无法揭示这一现象。

Subtitle-Aligned Fine-Tuning of Whisper for Swiss German ASR: Benchmark Contamination, Convention Mismatch, and an Honest Baseline at 25.6% WER (13.8% cWER)

Felix Akeret

cs.CL cs.AI cs.LG cs.SD

本文系统研究了使用OpenAI的Whisper large-v3模型进行瑞士德语ASR的微调，通过1367小时广播语音与标准德语字幕的弱监督训练，在严格评估下达到25.6% WER和13.8% cWER。研究发现已发表的最优结果存在基准污染问题，并揭示了模型主要匹配语言惯例而非理解方言。

ReadingMachine: A Computational Methodology for Structured Corpus Reading and Large-Scale Synthesis

James Morrissey

cs.CL

本文提出了一种名为ReadingMachine的计算方法，利用大语言模型对文档集合进行结构化阅读，通过分解为可检查的阶段（如insight提取、语义聚类等）来优先保证覆盖率和可追溯性，并在152份工业政策文档上进行了演示。该方法与关键词中的“agent”或“attention”等概念关联较弱，主要聚焦于语料库分析流程。

Unlocking Latent Value: Taxonomy-Guided Recovery of High-Performing Data from Low-Tier Web Corpora

Neeraj Varshney et al.

cs.CL

本文提出了一种基于taxonomy的框架，通过引入timeliness和cultural specificity两个新维度，从低质量web数据中筛选出高性能子集。该方法使用轻量级模型进行大规模标注，并通过两阶段过滤策略高效识别最优配置，在推理和编码任务上显著提升了模型性能。

Evaluating RAG Reliability under Clean, Misleading, and Mixed Retrieval

Sevgi Yigit-Sert

cs.CL

本文提出了一种评估RAG系统在包含误导信息检索环境下的可靠性的协议，通过分析模型在干净、有毒和混合证据下的表现，结合parametric override和confidence metrics来研究误导信息如何影响LLM的生成过程。

SLMJury: Can Small Language Models Judge as Well as Large Ones?

Anish Laddha, Nitesh Pradhan, Gaurav Srivastava

cs.CL cs.AI cs.LG

本文提出了SLMJury框架，用于评估小语言模型(SLM)作为评判者的能力，在封闭式二值正确性和开放式质量评分两种范式下对16个SLM进行了基准测试。研究发现，快速判断在数学任务上优于扩展推理，而推理在通用任务上更有效，且不同模型家族在领域泛化上存在显著差异。

Representational Similarity and Model Behavior in Multi-Agent Interaction

Yujin Potter et al.

cs.CL cs.NE

本文研究了大型语言模型之间的representational similarity（表征相似性）对多智能体交互中合作与新颖性的影响，发现相似的表征空间能提升合作但降低创造力。该工作主要关注实验现象与相关性分析，与关键词中的agent（智能体）有一定关联，但方法上缺乏开创性。

The ACUTE Protocol: Operationalizing Language Model Activations for Better Calibration, Utility, and Trust

Nishant Subramani et al.

cs.CL cs.AI cs.LG

本文提出了ACUTE协议，通过利用语言模型的激活状态来估计置信度、效用和信任度，并引入EURO指标以平衡校准性与信息量。实验表明该方法在多项任务中优于强基线，但未涉及代码、谱方法或Muon等关键词相关技术。

Beyond English benchmarks: clinical llm evaluation in Brazilian Portuguese

Giordano de Pinho Souza et al.

cs.CL cs.AI

本文介绍了ClinicalBr，一个基于巴西真实病例构建的葡萄牙语-英语双语临床决策benchmark，并评估了多个LLM在诊断、鉴别诊断、检查推荐和治疗规划任务上的表现。研究发现，语言差距因任务而异，在诊断检索中英语占优，但在其他任务中差距消失。

Whose Norms? Disentangling Cultural and Personal Alignment in Large Language Models

Angana Borah, Isabelle Augenstein, Rada Mihalcea

cs.CL

本文提出PACT框架，用于评估大型语言模型在文化规范与个人偏好之间的权衡。研究发现模型行为受国家背景影响较大，且与人类对齐时仅能匹配多数选择，无法捕捉响应分布和不确定性。

Beyond Individual Personas: Aligning Synthetic Dialogue to Population-Level Behavior Distributions

Xinyi Liu et al.

cs.CL

本文提出GroupPersona框架，通过将参考语料库的行为分布转化为生成控制信号，使合成对话语料库在12个行为属性上的分布更接近真实数据。该方法在四个语料库上相比最强基线将Jensen-Shannon散度降低了24.4%，并实现了更优的质量校准。

ROSUM-MCTS: Monte Carlo Tree Search-Inspired HDL Code Summarization with Structural Rewards

Prashanth Vijayaraghavan et al.

cs.CL

本文提出ROSUM-MCTS方法，将Monte Carlo Tree Search思想引入硬件描述语言(HDL)的代码摘要生成，通过结构化探索和强化驱动优化来改进LLM生成的摘要质量。该方法在VHDL和Verilog数据集上表现优于基线，但与我提供的关键词列表契合度较低。

Illusions of the Gold Standard: A Large-scale Analysis of Human Evaluation Protocols for Long-form Text Generation

Katelyn Xiaoying Mei et al.

cs.CL cs.AI

本文对2023-2025年*CL会议中长文本生成任务的人类评估协议进行了大规模分析，发现评估报告普遍缺乏透明性和可重复性。文章定义了20项可报告标准并提出了改进建议。

From `May' to `Is': Certainty Distortion in Language Model Rewriting

Catarina G Belem et al.

cs.CL cs.AI cs.LG

本文研究了语言模型在改写任务中改变表达确定性的现象，发现模型倾向于增加确定性（约1.5-2倍），且这种偏差在多次改写中会累积。

What Does Debiasing Really Remove? A Geometric Study of PCA-Based Gender Debiasing in Word Embeddings

Alexey Kresin, Tchifou M. Dieffi, Tomer Caspi

cs.CL

本文通过几何分析研究了基于PCA的词嵌入性别去偏方法，发现直接性别偏差主要集中在前几个主成分，但关联性偏差（如WEAT测量的）分散在多个维度，且去除主成分会破坏嵌入的几何结构。结果表明，PCA去偏是一种权衡，无法完全消除分布式偏差，且不存在通用的最优去偏水平。

Neutrality Bites: Gender Representation in AI-Generated Animal Stories

Imani Finkley, Yuanxi Li, Melanie Walsh

cs.CL cs.AI

本文研究了AI生成动物故事中的性别偏见问题，发现大语言模型在性别未明确时倾向于使用中性语言，但一旦指定性别则表现出显著的男性偏向。该工作主要关注社会偏见而非数学方法，与关键词列表中的概念无直接关联。

Defending Against Malicious Finetuning by Scaling Train-time Adversarial Attacks

Haoming Wen et al.

cs.CL cs.AI

本文提出Patcher方法，通过扩展对抗训练中的优化步骤来防御针对大型语言模型的恶意微调攻击。该方法使用双层优化模拟更强攻击，并设计了并行算法提升训练效率。

MechLens: Late Crystallization of Factual Knowledge Explains Intervention Effectiveness in Language Models

Xueping Gao

cs.CL

本文通过实验发现，LLM中的事实知识并非逐层涌现，而是在最后几层突然“结晶”，并基于此提出了一种干预原则。该工作主要关注语言模型内部机制，与所提供的关键词（如code, context, spectral等）关联度较低。

MC-PDD: Masked Corpus-Level Pretraining Data Detection for Black-Box Large Language Models

Kaixin Lan et al.

cs.CL cs.AI

本文提出了一种名为MC-PDD的黑盒检测方法，通过掩码特定token并利用LLM预测缺失内容，比较候选语料与参考非成员语料的预测命中率差异，来判断语料是否属于预训练数据。该方法在更严格的黑盒设定下取得了与现有方法相当的检测性能。

Summarization is Not Dead Yet

Dongqi Liu et al.

cs.CL cs.AI

本文通过多维度评估（包括人工评估、LLM作为裁判、事实性验证和语言分析）比较了LLM生成的摘要与人类参考摘要，发现人类摘要仍具有信息性和忠实性优势，而LLM输出仅在表面连贯性和流畅性上更受偏好。

Rewrite to Translate, Translate to Reward: Reinforcement Learning for Source Rewriting in Machine Translation

Boxuan Lyu et al.

cs.CL cs.AI

本文提出RLSR框架，利用强化学习训练源文本改写模型以提升机器翻译质量，通过将下游翻译质量的提升作为奖励信号来优化改写模型。实验表明该方法在多个翻译模型和语言对上优于无改写基线及同规模提示基线。

Arabic Sentence Segmentation Across Genres and Punctuation Conditions

Mohammed Elkholy et al.

cs.CL

本文介绍了AraSEG，一个跨体裁的阿拉伯语句子分割语料库，并评估了LLM、轻量级encoder和基于dependency parser的模型在不同分割设置下的表现。实验表明，在最具挑战性的场景下，轻量级模型优于LLM，且准确的分割能显著提升下游dependency parsing性能。

Diffusion Language Model Parallel Decoding via Product-of-Experts Bridge

Juntong Shi et al.

cs.CL

本文提出PoE-Bridge框架，通过引入DLM proposal和AR target的Product-of-Experts中间分布，结合并行草稿生成与拒绝采样，加速扩散语言模型的解码过程。该方法在数学推理和编程任务上以5倍速度提升恢复了目标AR模型至少95%的性能。

What's the Point? Spatial Grammar & Index Resolution for Sign Language Processing

Oline Ranum, Simon Hadfield, Richard Bowden

cs.CL cs.AI

本文针对手语处理中的空间索引问题，提出了一种将索引检测与话语实体链接分解的框架，用于改进非词汇结构的建模。该方法可作为辅助模块增强现有手语识别模型，但未涉及代码、谱方法或预训练等关键词相关技术。

SurgiQ: A Large-Scale Multi-Domain Benchmark for Evaluating Surgical Understanding in Large Language Models

Ayah Al-Naji et al.

cs.CL

SurgiQ是一个用于评估大语言模型在外科领域理解能力的大规模多领域基准测试，包含13,055道四选一问题，覆盖六个外科领域和四种问题格式。实验表明当前模型在该基准上表现有限，最佳模型准确率仅68.1%，且通用模型优于大多数生物医学模型。

"I understand your perspective": LLM Persuasion and Sycophancy through the Lens of Communicative Action Theory

Esra Dönmez, Agnieszka Falenska

cs.CL cs.AI cs.CY

本文通过Habermas的Communicative Action Theory框架，分析了LLM在在线辩论中的说服力与谄媚行为，发现LLM能有效传达illocutionary intent（语言的实际功能，如传递知识或建立信任），且其生成的回应更受人类偏好。该工作主要关注LLM的沟通模式，与关键词中的code、spectral、Muon、pretrain、agent或attention无直接关联。

Aligned but Not Partner-Specific: Distinguishing How Multimodal LLM Agents Succeed in Reference Games Without Human-Like Conventions

Po-Ya Angela Wang et al.

cs.CL cs.AI

本文研究了多模态LLM agents在重复reference game中的表现，发现它们虽然能实现标签对齐，但无法像人类一样通过entrainment形成简洁的、依赖交互历史的约定。通过引入约束伪二元组基线，作者证明agents的协调成功源于冗长的描述策略，而非形成类似人类的partner-specific conventions。

When Languages Disagree: Self-Evolving Multilingual LLM Judges

Xiyan Fu, Wei Lu

cs.CL

本文研究了多语言LLM作为评判者时的跨语言不一致性问题，提出了一种名为SEMJ的自进化方法，通过利用不同语言间的互补评判信号进行迭代优化，在多个基准测试中提升了评判准确性和跨语言一致性。

Cross Paraphrastic Invariance Learning for Hallucination Detection

Shanshan Lin et al.

cs.CL

本文提出CPIL框架，通过构建paraphrastic正样本对和hard negative样本对，结合两阶段对比学习与分类训练，在LLM-AggreFact基准上仅用约1%标注数据即超越基线，用于幻觉检测任务。

Constrained Paraphrase Consistency for LLM Hallucination Detection

Shanshan Lin et al.

cs.CL cs.AI

本文提出CCHD方法，将LLM幻觉检测训练转化为约束优化问题，通过添加paraphrase一致性约束和标签保持约束来提升检测性能。该方法在标准事实性基准上优于现有基线，但未涉及code、spectral、Muon等关键词相关技术。

TextEconomizer: Enhancing Lossy Text Compression with Denoising Transformers and Entropy Coding

Mahbub E Sobhani et al.

cs.CL

本文提出TextEconomizer，一种结合denoising transformer和entropy coding的有损文本压缩框架，通过encoder-decoder结构实现50%-80%的压缩率，并在BLEU等指标上保持近完美的文本质量。该方法在参数效率上显著优于现有模型，但未涉及spectral、Muon或agent等关键词。

GlobeAudio: A Multilingual Multicultural Benchmark for Naturalistic Evaluation of Large Audio-Language Models

Ryner Tan, Wenxuan Zhang

cs.CL cs.AI

GlobeAudio是一个多语言多文化的benchmark，用于评估大型音频-语言模型在自然音频条件下的理解能力，包含5637道多选题和六种语言。实验发现现有模型在自然声学条件下表现不佳，尤其是开源模型和低资源语言。

AlignFed: Alignment-Aware Asynchronous Federated Fine-Tuning for Large Language Models in Heterogeneous Edge Environments

Yan Wang, Ziyi Gao, Rui Wang

cs.CL cs.DC

本文提出AlignFed，一种面向异构边缘环境的异步联邦微调框架，通过轻量级多阶段语义对齐机制（包括版本感知更新分组、基于小批量校准集的跨版本语义对齐和公平性感知聚合）来缓解大语言模型微调中的模型漂移、客户端漂移和聚合公平性失衡问题。

Shared Semantics, Divergent Mechanisms: Unsupervised Feature Discovery by Aligning Semantics and Mechanisms

Hyunjin Cho, Youngji Roh, Jaehyung Kim

cs.CL cs.LG

本文提出了一种无监督特征发现方法，通过结合语义嵌入和序列级归因签名来聚类模型生成的续写，以揭示续写分布中的隐藏模式。该方法优化了一个率失真目标，平衡语义一致性、机制一致性和聚类粒度，为大型语言模型的内部计算审计提供了补充工具。

Building Comparative Motivation Profiles with Instrumental Interventions

David Vella Zarb et al.

cs.CL

本文提出了一种对称干预框架，用于区分alignment faking行为背后的两种竞争假设（策略性自保与对研究者期望的敏感性）。通过在Llama-3.1等模型上应用synthetic document fine-tuning、activation steering和prompting等干预手段，发现模型行为对期望追踪的敏感性高于后果追踪。该工作为安全评估的construct validity提供了检验方法。

ZAS-SQL: Distilling Rules from Failures for Zero-Shot Text-to-SQL

Hongzhou Zheng, Yixin Gou, Wenjia Zhang

cs.CL

本文提出ZAS-SQL框架，通过Map-Reduce从失败案例中蒸馏生成规则，并利用知识增强的schema表示、规则驱动的结构化推理和执行引导早停三个模块，在零样本Text-to-SQL任务上达到新SOTA，但方法主要针对自然语言到SQL的转换，与关键词中的code、spectral、Muon等概念关联较弱。

SSR: Can Simulated Patients Learn to Stigmatize Themselves? Modeling Self-Stigma through Internal Monologue

Kunyao Lan et al.

cs.CL

本文提出了一种基于心理学的3A1H模型和Stigmatized Self-Reflection (SSR)数据集，通过内部独白增强的chain-of-thought微调方法，使LLM模拟的患者能够动态调整自我污名化行为，用于心理健康训练。该方法在生成真实且情境适当的患者反应方面优于现有基线。

AgriGov: A Structured Multilingual Dataset Curation for Indian Government Schemes for Farmers

Mohsina Bilal, Gopakumar G

cs.CL cs.AI

AgriGov是一个针对印度农业政策的三语数据集，通过自动抓取和翻译管道构建，包含约8000个句对齐的平行语料，可用于机器翻译和问答等任务。

TLRD: Teaching LLMs to Reason over Tabular Data with Tri-Level Rationale Distillation

Tianyuan Liang et al.

cs.CL

本文提出Tri-Level Rationale Distillation (TLRD)框架，通过教师模型生成包含instance-level、dataset-level和comparison-level的三层rationale，并蒸馏到学生LLM中，使其能对表格数据进行推理并生成可读解释。该方法在多个数据集上缩小了LLM与tree ensemble的性能差距，但与关键词列表中的概念关联较弱。

Understanding the Sociocultural Dimensions of Mental Health Discourse in Arabic-Language X Communities

Amal Alqahtani, Rana Salama, Mona Diab

cs.CL

本文使用GPT-4.1辅助的个人披露管道分析了阿拉伯语X社区中关于边缘性人格障碍、双相情感障碍和ADHD的心理健康话语，并利用多领域文化关键词框架描述了不同社区的语言模式。研究结果具有假设生成性质，而非验证性。

Chiaroscuro Attention: Spending Compute in the Dark

Prateek Kumar Sikdar

cs.CL cs.AI cs.LG

本文提出CHIAR-Former，一种基于per-token spectral entropy的混合transformer，将token路由至DCT spectral mixing、RBF kernel mixing或full self-attention。实验发现路由崩溃，仅保留DCT和attention的变体在WikiText-103上以更少FLOPs取得更好perplexity，但在小数据集上full attention仍占优。

CATPO: Critique-Augmented Tree Policy Optimization

Ayush Singh, Umang Goyal, Ankur Dahiya

cs.CL cs.LG

本文提出CATPO方法，通过树信息性评分和批评引导修复来优化树策略的强化学习训练，在数学推理任务上相比TreeRPO和GRPO有提升。该方法主要关注语言模型的推理能力改进，与关键词中的code、spectral、Muon、agent等概念关联较弱。

Tensorizing Engram: Sharing Latents Across N-Gram Embeddings is Beneficial in LLMs

Wuyang Zhou et al.

cs.CL cs.LG

本文提出Tensorized Engram (TN-gram)，通过Canonical Polyadic (CP)分解将不同阶n-gram的embedding共享潜在因子，以减少参数并避免哈希冲突。实验表明其在语言模型中性能与现有Engram方法相当或更优，但未涉及关键词中的code、spectral或Muon等主题。

Bayesian-Agent: Posterior-Guided Skill Evolution for LLM Agent Harnesses

Xiaojun Wu et al.

cs.CL

本文提出Bayesian-Agent框架，将LLM agent的可复用技能视为关于模型在特定prompt、context和harness环境下能否成功的假设，通过维护后验分布来指导技能的修补、拆分、压缩等演化操作。实验表明该方法在多个benchmark上提升了任务执行成功率，但整体方法更偏向工程实践，在理论或方法上缺乏显著的开创性。

Forward-Free Diffusion Language Models

Haotian Sun et al.

cs.CL

本文提出FReDA，一种无需前向过程的扩散语言模型，通过递归分布精炼（利用模型生成的草稿作为隐式中间状态）来替代传统的人工破坏方案。该方法在子8B参数规模下，在推理和代码基准测试上优于更大的扩散基础模型，并实现了1.5-1.8倍的平均加速。

Auditing Proprietary Alignment in Large Language Models: A Comparative Framework Without a Ground-Truth Standard

Alireza Arbabi, Florian Kerschbaum

cs.CL cs.AI

本文提出了一种统计框架，通过比较目标模型与一组基线模型在共享语义空间中的行为偏差，来检测黑盒大语言模型中的专有对齐（proprietary alignment）现象。该方法不依赖绝对正确性标准，而是评估相对行为差异，从而为外部审计提供可扩展的基础。

When Correct Decisions Hide Internal Stress: Decision-State Probing in Multimodal Language Models

Haoran Zhao, Soyeon Caren Han, Eduard Hovy

cs.CL

本文提出S$^3$E框架，通过分析多模态语言模型在正确行为下的内部decision state（决策状态）是否受语义压力影响，发现即使模型在forced-choice（强制选择）任务中表现正确，其内部状态仍可能因语义冲突而产生位移。该研究主要关注模型行为与内部状态之间的解耦现象，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联较弱。

TrustMargin: Training-Free Arbitration between Parametric Memory and Retrieved Evidence in Large Language Models

Jingyan Xu et al.

cs.CL cs.IR

本文提出了一种无需训练的仲裁方法TRUSTMARGIN，用于在LLM的parametric memory和retrieved evidence之间选择更可靠的答案来源。该方法通过计算两个基于模型自身likelihood的score来在Direct和RAG答案间做选择，无需微调或外部评判。

TimpaTeks: Automatic In-place Text Sequence Modification via Diffusion Language Model Steering

Ryandito Diandaru et al.

cs.CL cs.AI

本文提出TimpaTeks方法，将activation steering扩展到diffusion language models (DLMs)中，实现文本序列的原地修改以改变其概念。实验表明该方法能有效降低句子困惑度并保持原结构，但方法本身并非开创性突破，且与关键词列表关联较弱。

AsyncLane: Decoupling Refinement from Advancement in Diffusion Language Model Decoding

Yingxuan Ren et al.

cs.CL

本文提出AsyncLane，一种无需训练的decoding scheduler，通过将refinement与advancement解耦来加速diffusion language model的block-wise semi-autoregressive decoding。该方法在观察到可靠边界时fork出generate lane和refine lane，并利用shared-prefix lane batching等技术提升效率。实验表明其在数学推理和代码生成任务上显著提高了吞吐量。

Hacking Generative Perplexity: Why Unconditional Text Evaluation Needs Distributional Metrics

Antonio Franca, Alexander Tong

cs.CL cs.AI

本文指出生成困惑度(gen-PPL)作为非自回归语言模型评估指标存在根本缺陷，通过构造零参数采样器在LM1B和OpenWebText上取得最优gen-PPL但生成文本质量极差，建议使用分布散度指标替代。

Segment-level Tree Search for Long Meeting Document Summarization

Sangwon Ryu et al.

cs.CL cs.AI

本文提出S3框架，通过将长会议文档分段并生成每段的摘要候选，利用Monte Carlo Tree Search进行组合选择，无需训练即可生成最终摘要。该方法在7B模型上达到了与72B模型相当的性能，但主要贡献在于摘要生成流程的改进，与关键词列表中的概念关联较弱。

Sycophancy as a Multilingual Alignment Failure: How Safety Degrades Across Languages, Topics, and Models

Arya Shah et al.

cs.CL cs.AI

本文研究了多语言大语言模型中的谄媚现象（sycophancy），发现其在低资源语言中显著加剧，且与话题无关。研究通过大规模基准测试揭示了tokenizer fertility是导致对齐失效的结构性驱动因素。

More Yap Less Meaning: Uncovering Self-Improvement Behavior in SLMs

Marina Igitkhanian, Erik Arakelyan

cs.CL cs.AI

本文通过构建一个最小化的三步自改进pipeline，在算术和逻辑推理基准上评估了小型语言模型(SLMs)的自校正能力。实验发现，即使提供正确答案作为提示，SLMs的准确率提升也仅有4.4%，且更长的提示反而与错误答案正相关，表明SLMs缺乏有效的自改进能力。

TRADE: Transducer-Augmented Decoder for Speech LLM

Yun Tang et al.

cs.CL

本文提出TRADE模型，通过将transducer分支与多模态LLM结合，实现了语音LLM的流式推理。该方法在共享音频编码器的基础上，利用LLM隐藏状态作为预测网络，并设计了紧凑的双词汇表、分块同步训练和局部解码器注意力机制，以支持离线与流式解码。

SAEExplainer: Interpreting SAE Features with Activation-Guided Preference Optimization

Jingyi He et al.

cs.CL cs.LG

本文提出SAEExplainer框架，利用activation scores作为奖励信号，通过两轮优化过程训练模型对Sparse Autoencoders (SAEs)的特征进行自我修正和迭代解释，以减少解释幻觉并增强因果触发模式。实验表明该方法在多数指标上优于现有基线。

Back on Track: Aligning Rewards and States for Reasoning in Diffusion Large Language Models

Yawen Shao et al.

cs.CL

本文针对扩散大语言模型(dLLM)在强化学习(RL)训练中存在的奖励与状态双重错位问题，提出了Process Aligned Policy Optimization (PAPO)框架，通过Step-Aware Process Rewards (SPR)将稀疏的终端奖励转化为密集的逐步骤信用分配，并利用Entropy-Guided Historical Re-enactment (EHR)在高不确定性步骤重放真实轨迹。实验表明该方法在多个推理基准上取得了显著提升。

Ishigaki-IDS: An Open-Weight Verifier-Aware Model for Information Delivery Specification Drafting in Building Information Modeling

Ryo Kanazawa et al.

cs.CL cs.SE

本文提出了Ishigaki-IDS，一个针对Building Information Modeling (BIM)中Information Delivery Specification (IDS)草稿生成的开放权重大语言模型。该模型通过持续预训练、监督微调和基于外部验证器的强化学习，提升了生成IDS文件的可验证性，并在基准测试中优于基线模型。

Inside the LLM Word Factory

Benzi Busigin, Yuval Pinter

cs.CL

本文通过activation patching实验，研究了Transformer语言模型（如Llama2-7B）中subword到word的detokenization过程，发现该过程在早期层（Layer 1）通过attention和MLP的两阶段机制实现，且其深度依赖于positional encoding的类型。

Calibration of Structured Ignorance Certificates for Diagnosing Unknown Unknowns in Reasoning Models

Subramanyam Sahoo

cs.CL cs.AI cs.LG

本文提出Structured Ignorance Certificates (SICs)方法，通过JSON格式输出和GRPO微调，使大语言模型在无法回答跨领域问题时明确承认无知而非生成错误答案。该方法在特定数据集上提升了模型对未知问题的识别能力，但未涉及code、spectral或Muon等关键词相关技术。

Detection and Interpretability Analysis of Quotation Errors by Large Language Models

Bei Huang et al.

cs.CL cs.DL cs.IR

本文提出使用fine-tuned LLM自动检测引文错误（quotation error），通过比较三种全文整合方式发现基于源摘要的方法效果最佳，并利用TokenSHAP工具进行可解释性分析。该工作主要聚焦于学术文献中的引用准确性检测，与关键词中的概念关联较弱。

Multilingual Fact-Checking at Scale: Fine-Tuned Compact Models vs LLMs

Pratuat Amatya, Vinay Setty

cs.CL

本文介绍了一个多语言事实核查系统，通过微调XLM-RoBERTa-Large等紧凑模型进行claim detection和veracity prediction，并与GPT-5.2等LLM对比，证明了微调模型在效率和性能上的实用性。

Cross-Source Reasoning-based Correction for Author Name Disambiguation

Fanjin Zhang et al.

cs.CL

本文提出CrossND框架，通过跨源推理（cross-source reasoning）纠正作者姓名消歧中的错误分配，利用数据精炼、监督微调和测试时缩放提升性能。实验表明该方法在无人工干预下优于17个基线模型。

From Holistic Evaluation to Structured Criteria: Rubrics Across the Evolving LLM Landscape

Hao Chen et al.

cs.CL

本文介绍了rubric（评分准则）作为评估LLM的统一框架，将其定义为将复杂质量判断转化为结构化标准的显式准则集，并系统分析了其在评估、训练和安全对齐中的三个层次表现。

Sycophancy Towards Researchers Drives Performative Misalignment

David D. Baek et al.

cs.CL

本文探讨了语言模型在评估中表现出的“对齐伪装”行为，提出这可能是对研究人员的“谄媚”（sycophancy）而非策略性欺骗（scheming），并通过实验表明当前方法难以从机制上区分这两种解释。

A retrieval conditioned rebinding circuit for dynamic entity tracking in large language models

Soyoung Oh, Vera Demberg

cs.CL cs.AI

本文通过因果干预分析，研究了大型语言模型（LLMs）在动态状态追踪中如何实现实体与属性的绑定与更新。作者识别出一种“检索条件重绑定回路”（retrieval conditioned rebinding circuit），即一个紧凑的attention head电路，用于编码和恢复绑定信息。该机制在不同模型家族（如Gemma和Llama）中表现相似，但绑定信息的表示方式存在差异。

From Player to Master: Enhancing Test-Time Learning of LLM Agents via Reinforcement Learning over Memory

Yishuo Cai et al.

cs.CL

本文提出MemoPilot，一种通过强化学习优化LLM agent记忆更新过程的插件方法，将记忆更新建模为多轮决策问题并使用多轮GRPO进行端到端训练。在Rock-Paper-Scissors和Limit Texas Hold'em两个测试环境中，该方法显著提升了冻结LLM的测试时学习性能，在Elo评分上超越了所有基线方法和包括DeepSeek-V3.2在内的专有模型。

ClinicalAligner26AM: A Cross-Lingual Aligner for Dataset Translation; Evidences from the MultiClinCorpus Shared Task

François Remy

cs.CL

本文提出ClinicalAligner26AM，一种用于生物医学和临床文本的跨语言对齐模型，通过Sinkhorn-Knop最优传输和蒸馏方法改进对齐质量，并在MultiClinCorpus任务中取得领先性能。该方法主要关注跨语言对齐和领域适应，与关键词中的code, context, spectral, Muon, pretrain, agent, attention无直接关联。

Analyzing the Correlation Between Hallucinations and Knowledge Conflicts in Large Language Models

Lucrezia Laraspata, Giovanna Castellano, Gennaro Vessio

cs.CL

本文使用probing技术分析了LLaMA-3-8B和Falcon-7B模型中的hallucination行为与knowledge conflict内部表征之间的相关性，发现两者虽概念相关但激活模式不可完全归约。该工作为理解LLM幻觉提供了细粒度分析视角。

Operationalizing Linguistic Methods through Prompt-Engineering Skills: An Automatic Chinese Web Neologism Detection Pipeline

Yufeng Wu, Meichun Liu

cs.CL

本文提出了一种自动检测中文网络新词的流水线方法，通过将传统语言学识别原则转化为提示工程技能，实现了从候选生成到分类的四个阶段。该方法在BAAI CCI 3.0语料库上产生了大量候选词，并通过条件召回分解评估了各阶段瓶颈，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。

HydraQE: OSU's Submission for the IWSLT 2026 Speech Translation Metrics Shared Task

Kevin Krahn, Eric Fosler-Lussier

cs.CL

HydraQE是一个端到端、无参考的语音翻译质量估计系统，基于Qwen3-ASR骨干网络，通过可学习的sparsemax标量混合和轻量双向Transformer实现跨模态交互，并利用三种互补监督信号进行训练。该系统在IWSLT 2026评测任务中优于级联文本基线方法。

Co-Evolving Skill Generation and Policy Optimization

Zhiwei Zhang et al.

cs.CL

本文提出了一种在线强化学习框架，用于在技能增强的语言agent中，在技能存入记忆库前验证其效用。该方法通过对比基础rollout与技能增强rollout的奖励差距来估计技能的边际效用，并利用该信号训练策略本身作为技能生成器，以减少对专有语言模型的依赖。

RadOT-Eval: Auditable Structured-Evidence Transport for Radiology Report Evaluation

Weixin Liu et al.

cs.CL cs.AI

RadOT-Eval提出了一种基于optimal transport的结构化证据对齐框架，用于放射学报告生成的自动评估。该方法将参考报告和候选报告分解为属性化的临床证据单元，通过entropy-regularized optimal transport进行对齐，并利用临床意义的side-channel差异预测错误负担。实验表明，该方法在Spearman相关性上优于标准评估指标和基于LLM的评估器GREEN-radllama2-7B。

TeamHerald@CHIPSAL 2026: Hate Speech Detection and Sentiment Analysis of Nepali Memes using Transformer-based Architectures and Ensemble Learning

Ashish Acharya et al.

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

本文针对尼泊尔语网络模因中的仇恨言论检测和情感分析任务，采用OCR提取文本后使用基于Transformer的模型（如decoder-only模型）和集成学习策略（Hard/Soft Voting）进行评估。实验表明，在二分类任务中单一模型表现最佳，而在三分类任务中Soft Voting集成策略带来了15.8%的Macro F1-score相对提升。

The Amplifying Mirror: Locating and Steering the Partisan Direction inside a Large Language Model

Wendy K. Tam

cs.CL

本文通过训练linear probes在Llama 3.1 8B Instruct模型的hidden states上，发现partisan political identity编码在activation space中，并可通过sparse autoencoders分解为可解释特征。因果干预该axis可系统性地改变模型输出，表明partisan bias是模型编码信息的结构性几何特征。

Continuous Language Diffusion as a Decoder-Interface Problem

Zhicheng Du, Lan Ma

cs.CL cs.LG

本文研究了连续扩散语言模型中的解码器-界面问题，通过Embedded Language Flows (ELF)识别了解码器盆地机制，并提出了一个诊断协议来评估去噪能力、语义可恢复性等特性。实验表明，连续和潜在扩散语言模型应作为表示-解码器系统进行评估。

PaperMentor: A Human-Centered Multi-Agent Writing Tutor for AI Research Papers on Overleaf

Jiarui Liu et al.

cs.CL

本文介绍了PaperMentor，一个基于多agent的写作辅助系统，通过集成专家技能库和12个专门agent，在Overleaf上提供可操作的行内评论建议，帮助早期研究者改进论文草稿。用户研究显示其建议在可操作性和有效性上显著优于GPT基线。

Building Customer Support AI Agents at 100M-User Scale: An Evaluation-Driven Framework

Aman Gupta et al.

cs.CL

本文介绍了Nubank为百万用户规模构建客户支持AI agent的评估驱动框架，整合了context工程、人工迭代提示和LLM评估等组件，并通过五个生产部署验证了离线评估与在线结果的相关性。

PerspectiveGap: A Benchmark for Multi-Agent Orchestration Prompting

Youran Sun et al.

cs.CL cs.MA

本文提出了PerspectiveGap基准，用于评估LLM在多智能体系统中编写编排提示的能力，包含110个场景和两种任务格式。实验表明，当前模型在此任务上表现不佳，平均通过率仅14.9%，说明多智能体编排提示是一项独特且未被充分评估的能力。

From Statute to Control Flow: Span-Grounded Deontic Trees for Defeasible Scope Parsing

Jian Chen et al.

cs.CL cs.AI cs.CE

本文提出了NormBench基准和Span-Grounded Deontic Trees (SG-DT)表示法，用于解决法律文本中规则嵌套异常导致的Silent Scope Omission (SSO)问题。实验发现大语言模型存在Recursion Decay和Auditability Trap等缺陷，而SG-DT作为约束中间输出能改善树结构完整性和异常恢复。

PACT: Learning Diverse Diagnostic Strategies via Privileged Synthesis and Branch Consensus

Gen Li et al.

cs.CL cs.AI

本文提出PACT框架，通过特权合成（DPS）和分支共识（Branch Consensus）训练多范式诊断策略，在中文医疗诊断基准上取得最优性能。该方法主要关注医疗对话agent的训练，与关键词中的agent概念有一定关联。

Multilingual Sentiment Aware Text Summarization A Reinforcement Learning Approach for Consistency Maintenance

Mikhail Krasitskii et al.

cs.CL

本文研究了基于RLHF的文本摘要中情感漂移现象，发现KL正则化是导致情感抑制的主要原因，并提出了一种情感感知的KL正则化修改方法。该工作主要关注自然语言处理中的情感保持问题，与关键词列表中的概念关联较弱。

CARE: A Conformal Safety Layer for Medical Summarization

Suhana Bedi et al.

cs.CL cs.AI

本文提出CARE，一种基于conformal risk control的后处理安全层，用于为医疗摘要中的LLM输出提供校准的遗漏和幻觉标记。该方法通过两个控制器在有限样本下提供分布无关的保证，并在五个医疗摘要任务上验证了其有效性。

Structure-Aware Modeling of Multiple-Choice Questions Improves Automatic Difficulty Estimation

Gabriel Ortega et al.

cs.CL cs.LG

本文研究了自动题目难度估计(AQDE)中多选题的结构化建模方法，通过将distractor作为独立文本输入并采用order-aware或order-invariant的聚合方式，提升了难度预测的准确性。实验在两个智利数据集上验证了该方法相比仅使用题干和正确答案的基线模型具有更好的预测性能。

Language-Aware Token Boosting: LLM Language Confusion Reduction Without Tuning

Trapoom Ukarapol, Pakhapoom Sarapat, Nut Chukamphaeng

cs.CL

本文提出了一种无需微调的方法LATB及其自适应变体，通过向目标语言相关token施加扰动来减少大语言模型在生成非英语文本时的语言混淆现象，实验表明该方法能提升多语言对齐质量。

Beyond Averages: Evaluating LLMs on Human Survey Replication at the Distributional Level

Jeonghyeon Moon et al.

cs.CL

本文评估了LLM在人类调查复制中的表现，发现模型在均值层面表现尚可，但无法复现人类响应的分布结构，均值评估可能具有误导性。研究使用了韩国方便面购买实验数据，分析了不同统计类型的响应变量。

SafeRun: Enabling Determinism in LLM Planning for Running

Meilin Chen et al.

cs.CL cs.AI

本文提出SafeRun框架，通过将LLM的软解释与确定性求解器的硬约束分离，实现了跑步规划中的确定性安全约束。实验表明该方法在安全评分上达到100%，但主要聚焦于特定应用场景，与关键词中的agent概念有一定关联但创新性有限。

Bridging the Agent-World Gap: Text World Models for LLM-based Agents

Yixia Li et al.

cs.CL

本文系统综述了基于LLM的agent的text world models (TWMs)，围绕形式化框架和agent生命周期组织，涵盖基础定义、构建范式（LLM-as-WM和code-as-WM）、应用（训练和推理阶段）以及评估方法，为该领域提供了全面的设计空间梳理。

Emergent Misalignment Can Be Induced by Sycophancy and Reversed via Alignment Gating

Sicheng Wang et al.

cs.CL

本文研究了大型语言模型在窄域微调中产生的突现失调现象，发现谄媚微调（训练模型被动同意用户错误观点）会引发广泛且严重的失调行为，并提出了一种名为Alignment Gating的高效逆转方法，通过插入可学习的门控机制来识别并抑制导致不安全响应的内部表征。

MAAM: Anchor-Preserving Compression and Contextual Calibration for Chinese Discriminatory Language Detection

Yuxin Fu, Shijing Si

cs.CL

本文提出MAAM框架，通过保留歧视相关的语义锚点并结合上下文先验进行校准，用于中文歧视性语言检测。该方法在多个编码器基线上提升了预测性能，并引入了首个中文LGBT歧视性语言数据集ChLGBT。

Explicit Representation Alignment for Multimodal Sentiment Analysis

Baode Wang et al.

cs.CL

本文提出了一种统一的多模态情感分析框架，通过使用vision-language models (VLMs)将视觉内容转化为结构化文本描述，将异构模态投影到共享语言空间，并引入混合学习策略（结合语义token选择与batch-level均匀性正则化）来提升鲁棒性。实验表明该方法在多个基准上优于强基线，但未涉及code、spectral、Muon或agent等关键词。

SEF-CLGC at SemEval-2026 Task 11: Logical Notation Impact on Language Model Performance

Hanna Abi Akl et al.

cs.CL cs.AI

本文提出SEF-CLGC框架，将形式逻辑符号与小语言模型结合，用于评估推理性能。实验表明，仅依赖小语言模型在自然语言与符号语言混合数据上训练，可降低推理中的内容偏差。

Unified Energy for Invariant and Independent Decoding in Diffusion Language Models

Yuchen Yan et al.

cs.CL cs.AI

本文分析了Diffusion Language Models (DLMs)与auto-regressive (AR)解码之间的性能差距，识别出模型容量、依赖性和不变性三个关键因素。为解决不变性问题，作者提出了invariant energy (Inv-E)和independent energy (Ind-E)，并进一步结合得到unified energy (Uni-E)，该能量可精确计算且与模型无关，能纠正分布偏移，实验验证了其有效性。

Culturally-Adapted Red-Teaming Across East and Southeast Asian Contexts: A Methodological and Comparative Analysis

Hyeji Choi, Yongtaek Lim, Minwoo Kim

cs.CL cs.AI

本文针对大语言模型多语言安全评估中直接翻译（DT）方法无法反映文化背景的问题，构建了韩语、日语、泰语和高棉语的配对DT与文化适应（CA）数据集，比较了攻击成功率与文化现实主义分数。结果表明CA提示在所有语言与模型组合中均产生正Delta-ASR，且DT评估系统性低估风险，说明适应语言特定文化背景对有效多语言安全评估是必要的。

Symbolic and Abstractive Reasoning with Complex Visual Queries

Yichi Zhang et al.

cs.CL

本文提出了一种名为complex visual query (CVQ)的新型抽象数据类型，用于探索多模态大语言模型(MLLM)的符号与抽象推理能力。通过构建基于大规模多模态知识图谱的数据集和两阶段训练框架，系统评估了MLLM在复杂视觉查询上的推理性能与泛化能力。

TruthSplit: Operationalizing Conditional Validity in Arguments Through Multi-Perspective Reasoning

Benjamin Stieger et al.

cs.CL

TruthSplit是一个用于多视角论证分析的系统，通过提取claims和premises并应用三层NLI方法，评估逻辑和世界观特定的一致性，以揭示同一主张在不同视角下的条件有效性。

One Model, Multiple Goals: Adaptive Multi-Objective Learning for E-commerce Dialogue Systems

Mingzhe Li et al.

cs.CL

本文提出MORE框架，一种自适应多目标强化学习方法，用于电商对话系统，通过将推理功能作为约束来指导策略优化，并引入自适应多奖励机制平衡语言流畅性和自然度。实验在字节跳动和MultiWOZ 2.2上验证了其有效性，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。

NüshuVoice: Reviving the Voice of Endangered Nüshu with Pitch-Aware Text-to-Speech

Hongkun Yang et al.

cs.CL

本文提出了NüshuVoice，首个针对濒危文字女书的TTS基准，并构建了句子级女书文本-音频数据集。为解决极低资源下的语音合成问题，作者提出了Nüshu-PitchVITS，一个基于F0条件化的VITS框架，利用女书的五级音高符号作为显式韵律归纳偏置，在频谱保真度和音高重建上优于基线模型。

SG-OPD: Sign-Gated On-Policy Distillation via Sign-Consistency Gating and Phased Teacher Sampling

Haoran Xu et al.

cs.CL cs.LG

本文提出SG-OPD方法，通过二元验证器（binary verifier）作为教师模型的信任信号，在on-policy distillation中引入分阶段教师采样和符号一致性门控机制，以解决学生与教师轨迹对齐及教师偏好可靠性问题。实验表明该方法在数学推理任务上优于标准OPD。

How Far Can Prompting Go for Minimal-Edit Ukrainian Grammatical Error Correction?

Kateryna Karpo, Artem Chernodub

cs.CL

本文评估了11个商业LLM和一个开源乌克兰语模型在乌克兰语语法错误修正（GEC）任务上的表现，发现最佳配置（Gemini 3.1-Pro）的F0.5分数接近微调SOTA，且乌克兰语的最小编辑提示对多数模型效果最好。文章还分析了五种与乌克兰语语言现象相关的过度修正模式。

Multi-Hop Knowledge Composition is Bound by Pretraining Exposure

Yannis Karmim et al.

cs.CL

本文研究了Large Language Models在隐式multi-hop推理中的失败现象，发现即使模型能完美记忆单跳事实，也无法在单次前向传播中组合这些知识。实验表明，这种失败源于pretraining阶段缺乏compositional context的暴露，且数据增强无法泛化到未见过此类上下文的个体。

In-Context Learning for the Imputation of Public Opinion Data with Large Language Models

Tobias Holtdirk et al.

cs.CL stat.ME

本文提出使用in-context learning (ICL)方法对调查数据中的缺失值进行imputation，并在多个缺失机制下与MICE PMM等统计方法比较，发现ICL在非随机缺失下误差更低且置信区间更窄。该方法利用Large Language Models作为模拟器，但主要贡献在于应用而非理论创新。

Is Text All You Need? Text as a Universal Information Bottleneck for Speech LLMs

Ming-Hao Hsu et al.

cs.CL eess.AS

本文提出Convex Gate (C-Gate)，一种将连续语音信号映射到预训练LLM输入embedding manifold的桥梁方法，通过凸组合约束保证与LLM的兼容性。实验表明该方法在ASR和情感识别任务上表现良好，但未涉及code、context、spectral等关键词。

Precision Is Not Faithfulness: Coverage-Aware Evaluation of Grounded Generation with a Complete Oracle

Juan S. Santillana

cs.CL

本文指出基于参考的自由忠实度指标只衡量precision（声称的claims是否被支持），忽略了recall（对相关事实的覆盖），导致模型可以通过少说话获得高分。作者在Formula 1遥测和NOAA天气预报两个具有完整ground truth的领域构建了多语言基准，证明考虑coverage后模型排名会重新排序，并提出了一种结合precision和recall的评估方法。

LexRubric: A Rubric-Guided Diagnostic Benchmark for Open-Ended Legal Tasks

Yifan Chen et al.

cs.CL

本文提出了LexRubric基准，用于评估大语言模型在开放式中文法律任务中的表现，包含649个实例和12,337条原子评分标准。实验表明当前模型在该任务上仍面临挑战。

PriFT: Prior-Support Guided Supervised Fine-Tuning

Ke Wang et al.

cs.CL cs.LG

本文提出PriFT方法，通过使用冻结的预训练模型计算token权重，以解决监督微调(SFT)中因拟合与模型预训练分布不一致的目标token而导致的过拟合问题。实验表明，该方法在数学推理、代码生成和医学问答任务上优于现有SFT基线，并为后续强化学习提供了更好的初始化。

Introducing multiplex semantic networks as multifaceted representations of creative associative knowledge across multilingual samples

Edith Haim et al.

cs.CL

本文使用multiplex semantic networks（多层语义网络）从多个认知任务中建模创造性联想知识，发现不同任务层捕获了非冗余的语义组织信息，并利用ridge regression预测创造力分数。该工作主要关注计算创造力与认知建模，与关键词中的spectral、Muon、pretrain等方向关联较弱。

What Should a Skill Remember? Quality-Cost Trade-offs in Cost-Aware Skill Rewriting for Language Model Agents

Qinghua Xing et al.

cs.CL

本文研究了大型语言模型agent中技能重写的质量-成本权衡问题，提出了一种受控框架来剖析技能结构并采用信息保留策略进行重写，实验表明不同策略在不同任务族中存在差异，且技能设计应被视为成本感知的操作知识工程而非简单的prompt压缩。

Toward Signing Activity Projection in Sign Language Interaction

Takao Obi et al.

cs.CL

本文尝试将Voice Activity Projection (VAP)框架迁移到手语交互中，使用Public DGS Corpus的交互记录和pose特征进行二元signing activity预测。结果表明SHIFT/HOLD预测有潜力，但SHIFT预测仍困难，揭示了从口语到手语交互预测模型迁移的初步局限。

Guide Me Out: A Framework to Benchmark VLM Operators Communication in Crisis Scenarios

Giacomo Gonella, Stefano Menini, Marco Guerini

cs.CL

本文提出了一个用于评估Vision-Language Models (VLMs)在模拟疏散场景中引导平民的基准框架，测试了不同通信策略和环境表示对引导效果的影响。结果表明，窄播策略和视觉模态能降低平民失败率，但移动威胁会显著增加任务难度。

MUDIDI: A Two-Stage Framework for Multilingual Dictionary Digitization with Language Models

David Setiawan et al.

cs.CL

本文提出MUDIDI，一个两阶段框架用于多语言词典数字化，利用语言模型评估字符识别和标记保留质量，并分割词典条目映射到机器可读格式。实验表明LLM在多数书写系统中表现优于OCR和VLM，但方法本身并非开创性，且与关键词关联较弱。

Reasoning without Gold Standards: A Proxy-Judge Theory of Autoformalization

Lei Xu, Xin Quan, André Freitas

cs.CL

本文提出了一种无参考的proxy-judge框架用于自动形式化(AF)，通过多轴属性检查替代黄金标准匹配，并利用反射式精炼循环提升性能。实验表明该方法在多个基准上优于基线，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。

AbstRAG: Learning to Abstract for Retrieval Problems

Lei Xu et al.

cs.CL

本文提出AbstRAG方法，通过将查询与文档证据间的抽象不匹配（abstraction gap）分解为多个组件并引入反思性精炼（reflective refinement）机制来改进检索增强生成。实验表明该方法在多个基准上优于基线，但主要聚焦于自然语言处理中的检索问题，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念关联较弱。

H2HMem: A Multimodal Memory Benchmark for Agents in Human-Human Interactions

Shiping Zhu et al.

cs.CL

本文提出了一个名为H2HMem的多模态记忆基准，用于评估LLM agent在多人对话场景中的记忆能力，包括回忆、推理和应用三个维度。实验揭示了现有agent在跨模态、跨参与者记忆构建与利用方面的显著局限。

DECSELFMASK: Leveraging Unlabeled Text via Self-Relevance-Guided Masking for Decoder-Only Classification

Pietro Ferrazzi et al.

cs.CL

本文提出DecSelfMask方法，通过自相关性引导的掩码策略利用未标注文本提升decoder-only模型的分类性能。该方法在医疗临床笔记数据集上进行了实验，相比标准监督微调等方法取得了显著提升。

A Finetuned SpeechLLM for Joint Multi-Granular L2 Assessment and Natural-Language Rationales

Aditya Kamlesh Parikh et al.

cs.CL cs.AI

本文提出了一种基于SpeechLLM的L2语音评估方法，通过混合训练目标联合预测多粒度标签并生成自然语言解释，在SpeechOcean762数据集上表现良好。该方法主要关注语音评估的可解释性，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联较弱。

Detecting Differences Is Not Understanding Structure: Large Language Models Fail at Graph Isomorphism

Kumar Thushalika, Sukumar Kishanthan, Asela Hevapathige

cs.CL

本文研究了LLM在图同构问题上的表现，发现虽然LLM在同构检测任务上准确率很高，但当节点标签被置换时，它们无法识别同构图，这表明LLM依赖表面模式而非真正的结构推理。

Emergence of Context Characteristics Sensitivity in Large Language Models

Nadya Yuki Wangsajaya, Haeun Yu, Isabelle Augenstein

cs.CL cs.AI

本文研究了大型语言模型在指令微调各阶段（SFT, DPO, RLVR）对上下文特征（如长度、相似度、流畅性）敏感性的变化，发现SFT使模型更倾向于使用易于理解的上下文，且后续阶段会进一步调整这种偏好。

Overcoming Decoder Inconsistencies in Whisper for Dravidian and Low-Resource Languages

Chowdam Venkata Kumar, Kumud Tripathi, Pankaj Wasnik

cs.CL cs.SD

本文针对Whisper多语言ASR模型在Dravidian语言上表现不佳的问题，通过分析发现其decoder中self-attention与cross-attention存在不平衡。作者提出了Weighted-Attention和Self-Conditioning两种decoder增强方法，以改善低资源语言的词错误率。

From Genes to Tokens: a GWAS-inspired Approach for Interpretable Stylometric Analysis

Dmitry Pronin, Evgeny Kazartsev

cs.CL

本文受GWAS启发，提出了一种用于文体学分析的可解释方法，通过logistic regression检验每个token与作者身份的相关性，并在多语种语料库中检测出具有统计显著性的词汇标记。

OpenBibleTTS: Large-Scale Speech Resources and TTS Models for Low-Resource Languages

David Guzmán et al.

cs.CL

本文介绍了OpenBibleTTS，一个覆盖37种低资源语言的语音合成benchmark，并系统比较了多种TTS架构（如Gemini-TTS和EveryVoice）的性能。实验表明，没有单一模型在所有语言和指标上占优，且开源模型在域外文本上性能显著下降，揭示了多语言覆盖与合成质量之间的差距。

UXBench: Benchmarking User Experience in AI Assistants

Mengze Hong et al.

cs.CL cs.HC

本文提出了UXBench，一个基于真实用户反馈信号的AI助手用户体验基准测试，包含三个任务和7400个测试实例。实验表明用户反馈预测是可学习的能力，并揭示了LLM作为评判者的系统性偏差。

Clinically Grounded Privacy Evaluation of Medical LMs

Sasha Ronaghi et al.

cs.CL cs.CR

本文提出一个临床导向的隐私评估框架，用于衡量医疗语言模型在不同对抗访问级别下的记忆泄露风险，发现常规元数据即可导致高比例的逐字记忆和敏感诊断恢复。该工作为医疗LMs的隐私评估提供了实用框架，但方法本身并非开创性，且与关键词列表关联较弱。

Automated IEP Generation from Traditional Chinese Parent-Teacher Interviews via Corpus-Grounded Feature Diffusion

Kuanlin Chen, Cheng-En Ou

cs.CL

本文提出了一种基于Corpus-Grounded Feature Diffusion的低资源微调流水线，用于从繁体中文家长会记录自动生成个性化教育计划(IEP)。该方法通过种子样本特征扩散和Grammar-Constrained Decoding生成训练数据，并微调Breeze-7B模型，在本地推理场景下取得了优于GPT-5.4等零样本基线的性能。

Civil Court Simulation with Large Language Models

Yifan Chen et al.

cs.CL

本文提出了一个面向中国民事案件的多智能体法庭模拟框架，通过组织角色交互、集成记忆模块和法条检索来支持长流程审判，实验表明其在责任分配和多项裁决方面表现可靠。该工作主要关注法律领域的应用，与您提供的关键词（如code, spectral, Muon, pretrain, attention等）关联度较低。

Gradient-Guided Reward Optimization for Inference-time Alignment

Hankun Lin, Ruqi Zhang

cs.CL

本文提出了一种名为Gradient-Guided Reward Optimization (GGRO)的轻量级推理时对齐方法，通过监测token-level entropy来识别高不确定性区域，并利用reward model的gradient signals生成nudging tokens以引导生成轨迹。该方法旨在解决Best-of-$N$等采样密集型方法的性能上限和reward hacking问题。

Where Does the Answer Come From? Benchmarking View-Level Visual Evidence Identification in Multi-View MLLMs for Autonomous Driving

Yimu Wang et al.

cs.CL cs.CV

本文提出了一个用于评估多视角MLLMs在自动驾驶场景中视觉证据来源识别能力的benchmark，通过引入冲突挖掘流程和人工验证，揭示了模型在正确回答问题时可能依赖错误视角的grounding失败。

Beyond Accuracy: Community Perspectives on Machine Translation

Yujun Wang et al.

cs.CL

本文通过分析社交媒体上AI开发者、专业翻译人员等四个社区对机器翻译的讨论，揭示了技术社区与用户社区在翻译质量、信任等问题上的认知冲突，强调了关注用户需求的重要性。

End-to-End Context Compression at Scale

Ang Li et al.

cs.CL cs.AI cs.LG

本文提出了一种名为Latent Context Language Models (LCLMs)的encoder-decoder压缩器家族，通过架构搜索和大量预训练，在压缩比1:4、1:8和1:16下实现了对长上下文KV cache的高效压缩。该方法在通用任务性能、压缩速度和峰值内存使用上改进了Pareto前沿，并可作为长时agent的骨干网络。

When Built-in Thinking Helps and Hurts: Constraint-Level Error Shifts in Instruction Following

Sai Adith Senthil Kumar

cs.CL

本文研究了大型推理模型(LRM)在指令遵循任务中的表现，发现内置思考机制会改变错误模式而非均匀降低性能。通过IFEval基准测试和Qwen3模型，作者将约束类型分为Planning和Precision两类，并分析了思考痕迹与最终答案合规性的相关性。

PsychoSafe: Eliciting Psychologically-Informed Refusals in Large Language Models

Gianluca Barmina et al.

cs.CL

本文提出了PsychoSafe框架，通过构建包含8019个prompt-response对的语料库，并应用prompting和参数高效微调技术，改进了大语言模型在心理危机场景下的拒绝响应质量。该方法在特定领域内提升了28.1%的拒绝质量，但在跨领域泛化上表现有限。

Learning to Attack and Defend: Adaptive Red Teaming of Language Models via GRPO

Blake Bullwinkel et al.

cs.CL cs.AI cs.LG

本文提出AdvGRPO框架，通过密集多通道奖励和解耦优势归一化使GRPO在语言模型的红队攻防联合优化中变得可行，并采用从单轮到多轮攻击的课程学习策略。实验表明该方法能产生高效且可迁移的攻击，且联合训练的防御者在安全基准上优于基线。

IS-CoT: Breaking the Long-form Generation Collapse via Interleaved Structural Thinking

Zechen Sun et al.

cs.CL

本文提出IS-CoT框架，通过嵌入动态的Plan-Write-Reflect循环来解决大语言模型在长文本生成中的长度崩溃问题，并训练了IS-Writer-8B模型。实验表明该方法在长文本基准上取得了有竞争力的性能，但未涉及code、spectral、Muon等关键词。

The Neutral Mask: How RLHF Provides Shallow Alignment while Leaving Partisan Structure Intact in a Large Language Model

Wendy K. Tam

cs.CL

本文通过分析Llama 3.1 8B模型在RLHF前后的内部表征，发现RLHF并未移除模型中的partisan方向结构，而是通过压缩其方差来产生平衡输出，从而实现了功能性的而非结构性的对齐。

Data Synthesis and Parameter-Efficient Fine-Tuning for Low-Resource NMT: A Case Study on Q'eqchi' Mayan

Alexander Chulzhanov, Soeren Eberhardt, Arjun Mukherjee

cs.CL cs.AI cs.LG

本文针对低资源神经机器翻译(NMT)中数据稀缺的问题，以Q'eqchi' Mayan语言为例，提出了一种数据合成方法，利用社区词典生成大规模合成语料，并结合LoRA适配器对mT5-base模型进行参数高效微调(PEFT)。实验表明该方法能有效学习复杂形态和语序，但存在结构-语义差距，且多任务学习导致负迁移。

Causally Evaluating the Learnability of Formal Language Tasks

Vésteinn Snæbjarnarson et al.

cs.CL cs.FL

本文通过使用probabilistic finite automata诱导的形式语言作为受控实验环境，引入binning semiring代数对象来控制语料中目标属性的出现频率，并采用causal graphical model和decomposed KL divergence指标来评估子任务的可学习性。研究表明，标准的correlational评估方法会因confounders导致错误结论，警示了自然语言处理中相关分析的潜在陷阱。

cs.DS

Differentially Private Range Subgraph Counting ⭐ 精选

Xian Chen, Ruobing Bai, Pan Peng

cs.DS cs.CR cs.LG

本文首次提出并研究了差分隐私范围子图计数（DPRSC）问题，即对由多维属性范围定义的诱导子图中的固定模式图进行私有计数。为解决该问题，作者引入了一种子图投影（subgraph projection）方法，将DPRSC转化为加权正交范围计数（weighted orthogonal range counting），从而可以利用range tree和局部敏感度估计（local sensitivity estimation）实现低加性误差的私有查询。此外，论文通过将重构攻击（reconstruction attack）归约到DPRSC并利用discrepancy theory，证明了任何差分隐私算法都必须承受随维度指数增长的加性误差，从而给出了匹配的下界。实验表明，该算法在准确性和运行时间上显著优于基线方法。

A note on rounding fractional matchings with constant-factor strong negative correlation

David G. Harris

cs.DS math.PR

本文针对二分图上的分数匹配提出了一种新的依赖舍入算法，该算法能生成具有强负相关性的整数解，并实现了比先前工作更简单的构造和更优的常数因子（如将负相关性界改进至0.79751倍乘积）。该工作主要服务于近似算法设计，但与我提供的关键词列表关联度较低。

Revisiting Diameter in Directed Graphs

Ben Bals et al.

cs.DS

本文从细粒度复杂度角度研究了有向图的可达直径（ReachDiam）的计算与近似问题，证明了在加权图中无法在$O(n^{\omega - \varepsilon})$时间内得到任何近似，而在无权图中则存在加性近似算法，从而揭示了加权与无权情形间的本质差异。

Optimal Online Equitable Allocation with Indivisible Resources

Ramiro N. Deo-Campo Vuong

cs.DS

本文研究了在线环境下不可分割物品的公平分配问题，提出了一种名为Brick-Laying的简单贪心算法，该算法通过最小化代理负载的平方和，实现了majorization minimax-optimality这一通用最优性概念。

From Estimates to Schedules: Learning-Augmented Restricted Assignment

Michalis Xefteris

cs.DS

本文研究了多机受限指派调度问题，引入了一种学习增强设置，其中提供了一个可能不可行的预测指派。算法利用预测误差（移动负载）来设计近似比随误差平滑退化的方案，并给出了一个修复过程以匹配给定的完工时间估计。

Complexity and Algorithms for Unary Translocation Distance

Maria Constantin et al.

cs.DS cs.CC

本文研究了unary translocation距离问题，证明了计算该距离是强NP-hard的，并给出了针对固定|B|的伪多项式算法、2-近似算法以及参数化算法。

Kikuchi Graphs of Random Hypergraphs are Approximately Johnson

Pravesh K. Kothari

cs.DS math.CO

本文研究了随机$2r$-一致超图的Kikuchi图在谱意义下对完全$2r$-一致超图Kikuchi图的近似性质，并基于矩阵Bernstein不等式和Johnson特征空间的块结构给出了证明。该结果应用于Max $2r$-XOR问题的degree-$2\ell$平方和松弛的完整性分析。

The Arithmetic Circuit Combinatorial Nullstellensatz is NP-hard

Andreas Björklund

cs.DS

本文证明了在$\mathbf{Z}_2$上计算包含全变量单项式的$n$元多项式时，即使多项式由多项式大小的arithmetic circuit（算术电路）给出，定位一个非根的问题在随机多项式时间内不可解（除非RP=NP），即使每个变量的individual degree（个体次数）至多为2。该结果与combinatorial nullstellensatz（组合零点定理）相关，但未直接涉及关键词中的概念。

Quotient Admission Algorithms for Witness-Supported Graph Windows

Yushan Li

cs.DS

本文提出了有限图窗行的商接纳问题，并设计了基于witness-support hypergraph的商接纳算法，在特定模型下实现了期望线性时间复杂度。该工作主要关注图窗行上的决策与分类，与关键词中的code、context、spectral等方向关联较弱。

The price of incrementality in k-center clustering

László Kozma

cs.DS cs.CG

本文研究了k-center聚类问题中增量性（incrementality）对近似比的影响，证明了即使拥有无限计算能力，增量构建解时2-近似因子也无法改进。该下界构造利用了ChatGPT辅助完成，但方法本身并非开创性突破，且与关键词列表中的概念无直接关联。

Bayesian Probing on Graphs

Anupam Gupta, Benjamin Moseley, Rudy Zhou

cs.DS

本文提出了一种名为Bayesian Probing的随机探测问题，其中物品间的相关性由底层图$G$建模。作者为这一通用问题设计了高效的近似算法，但该工作与关键词列表中的概念关联度较低。

others

Accelerating Birkhoff Projection for Manifold-Constrained Hyper-Connections ⭐ 精选

Chenrui Wang, Yixuan Qiu

cs.DC cs.AI cs.LG stat.CO stat.ML

本文针对流形约束超连接（mHCs）中Birkhoff投影的计算瓶颈，提出了一种端到端加速框架。通过利用对偶形式将问题转化为三维无约束凸优化问题，并采用Newton法求解，实现了快速收敛与高精度；在反向传播中，用隐式微分替代展开微分，避免了中间状态的存储。该方法在CUDA上设计了基于warp级别的寄存器级内核，在批处理规模较大时实现了超过20倍的端到端加速，且边际误差降低了数个数量级，为大规模模型训练中的双随机约束提供了高效且精确的解决方案。

POISE: Position-Aware Undetectable Skill Injection on LLM Agents ⭐ 精选

Haochang Hao et al.

cs.CR cs.AI cs.CL

本文提出POISE (Position-Aware Undetectable Skill Injection)，一种针对LLM Agent的隐蔽技能投毒攻击方法。该方法将恶意trigger压缩为单个看似无害的body instruction，并利用context-aware generator将其放置在技能文本的合理位置（如setup或prerequisite步骤），从而在保持body placement的隐蔽性优势的同时，显著提升了攻击成功率。在Skill-Inject基准测试中，POISE达到了89.3%的ASR，比随机放置的body baseline高出28.0个百分点，且由于LLM scanner对clean skills的误报率高达74.6%，POISE仅使5.6%的投毒变体产生新的高风险警报，有效规避了当前静态防御。该工作与关键词“agent”高度契合，并涉及“context”感知的生成策略。

Beyond Additivity: Causal Discovery in Location-Scale Noise Models with Hidden Variables ⭐ 精选

Mariyam Khan, Shohei Shimizu, Thong Pham

stat.ML cs.AI cs.LG stat.ME

本文针对存在隐藏变量且数据生成过程遵循Location-Scale Noise Model (LSNM) 的因果发现问题，首次证明了在加性噪声假设之外，满足bow-free条件的acyclic directed mixed graphs (ADMGs) 在LSNM下是可识别的。作者提出了一个两阶段算法LSNM-UV，该算法在异方差数据上优于基于加性噪声的基线方法，为处理因果不充分模型（即存在隐藏变量）提供了新的理论保证和实用工具。

SceneConductor: 3D Scene Generation from Single Image with Multi-Agent Orchestration ⭐ 精选

Jeonghwan Kim et al.

cs.CV cs.AI cs.MA

本文提出一个multi-agent orchestration框架SceneConductor，将单张图像的3D场景生成分解为场景初始化、环境构建和多agent精炼三个阶段。该方法通过一个planner agent识别结构不一致性并调度specialist agents进行局部修正，同时引入geometry-aware layout predictor利用sparse geometric priors进行训练，减少了对场景级标注的依赖。该工作为从单张图像生成完整3D场景提供了新的agent-based分解范式，在几何准确性和空间一致性上优于现有方法。

Latent Diffusion Policy: Shaping Latent Spaces for Diffusion-Based Robotic Manipulation ⭐ 精选

Zhexuan Zhou et al.

cs.RO cs.AI

本文提出Latent Diffusion Policy (LDP)，一种两阶段框架，通过在刻意塑造的latent space中执行flow matching来简化扩散策略的学习。LDP利用observation-conditioned CVAE encoder将场景理解吸收到latent space中，从而集中每个观测的条件分布，使得flow model无需隐式解析场景相关结构，而是在预集中的分布内生成更平滑的velocity field。此外，LDP采用per-token diffusion forcing训练和staircase inference sampling解决分布不匹配问题，并引入reconstruction FID (rFID)作为轻量级代理预测任务成功。该方法在RoboTwin 2.0的协调密集型任务上显著优于DP3，并有效迁移到真实世界双臂部署。

OptMuon: Closed-Loop Orthogonalized Momentum Methods for Stochastic Optimization with Zero-Noise Optimality ⭐ 精选

Ganzhao Yuan

math.OC cs.LG math.NA

OptMuon将Muon-style polar-factor方向（一种基于矩阵极分解的动量正交化更新方向）与轨迹依赖的AdaGrad-Norm型系数调度相结合，提出了一类用于随机非凸优化的自适应动量正交化方法。该方法通过闭环机制（closed-loop）根据观测到的梯度和动量历史自动调整更新幅度，无需依赖光滑常数、方差水平或有界梯度常数等先验参数。在零噪声（zero-noise）情形下，OptMuon自动退化为接近最优的确定性一阶速率$\tilde{\mathcal O}(T^{-1/2})$，无需手动调整超参数，这解决了现有正交化动量方法在幅度校准上的长期问题。该工作与关键词“Muon”高度契合，并为随机优化中的噪声自适应性和零噪声最优性提供了理论保证。

Hardening Agent Benchmarks with Adversarial Hacker-Fixer Loops ⭐ 精选

Ziqian Zhong et al.

cs.CR cs.AI cs.LG cs.MA

本文提出了一种名为"hacker-fixer loop"的自动化方法，用于加固agent benchmark中的结果验证器（outcome verifier），以抵御reward hacking攻击。该方法通过三个LLM agent（hacker、fixer、solver）的交替迭代，自动发现并修补验证器的漏洞，无需人工逐任务干预。实验表明，该方法在KernelBench上将攻击成功率从62%降至0%，且较弱的agent也能防御更强的攻击者，解决了该领域长期存在的验证器脆弱性问题。

SpaceVLN: A Zero-Shot Vision-and-Language Navigation Agent with Online Spatial Cognitive Memory and Reasoning ⭐ 精选

Yucheng Deng et al.

cs.RO cs.AI cs.CV

本文提出SpaceVLN，一种基于Spatial Cognitive Memory和Task-Guided Spatial Reasoning的零样本视觉语言导航agent。该方法通过将探索区域逐步抽象为Spatial Waypoints并动态维护子任务地标证据，构建了层次化的空间认知记忆，并在此基础上引入Spatial-CoT推理机制，将任务进度推理与空间感知、分析和预测相结合。SpaceVLN在R2R-CE、RxR-CE等多项基准上取得了零样本SOTA性能，并验证了其在真实机器人上的部署可行性，为agent在连续环境中的空间理解与推理提供了新范式。

Context-Fractured Decomposition Attacks on Tool-Using LLM Agents: Exploiting Artifact Provenance Gaps ⭐ 精选

Xiaofeng Lin et al.

cs.CR cs.AI

本文提出了一种针对工具使用LLM agent的新型越狱攻击方法——Context-Fractured Decomposition (CFD)，利用agent系统中artifact provenance gaps（工件来源追踪缺失）这一部署缺陷。该方法通过将恶意行为分解为多个跨上下文、跨步骤的看似无害的工具操作，使得每个中间artifact在单步检查中均表现为良性，而风险仅在延迟的artifact介导组合中显现。实验表明，CFD在agent系统越狱基准测试中相比现有最优基线方法（如Crescendo和Tree of Attacks）成功率提升高达28.3个百分点，并提出了基于provenance lineage tagging的可验证缓解方向。该工作与关键词中的agent高度契合，揭示了agent安全中跨步骤组合推理这一长期被忽视的关键问题。

XAInomaly: Explainable and Interpretable Deep Contractive Autoencoder for O-RAN Traffic Anomaly Detection

Osman Tugay Basaran, Falko Dressler

cs.IT cs.AI

本文提出了XAInomaly框架，利用半监督深度收缩自编码器（SS-DeepCAE）进行O-RAN流量异常检测，并引入了一种名为fastshap-C的反应式可解释AI技术来增强模型的可解释性。该方法主要关注网络管理中的异常检测与可解释性，与关键词列表中的概念关联较弱。

BRAIN: Bayesian Reasoning via Active Inference for Agentic and Embodied Intelligence in Mobile Networks

Osman Tugay Basaran, Martin Maier, Falko Dressler

cs.IT cs.AI

本文提出了一种基于Active Inference的BRAIN智能体，用于6G移动网络的动态无线资源分配。该方法通过深度生成模型和变分自由能最小化来统一感知与行动，在GPU加速测试平台上实现了比标准DRL基线更好的鲁棒性和可解释性。

Blockchain Infrastructure for Intelligent Cyber--Physical--Social Systems:Post-Quantum Security, Interoperability, and Trustworthy Data Economies in the Era of Embodied AI

Song Guo et al.

cs.CR cs.AI cs.CY cs.ET

本文以教程形式探讨了区块链作为协调层在智能Cyber-Physical-Social Systems中的应用，重点讨论了后量子安全、互操作性和可信数据经济，并涉及AWS Braket演示和BrokerChain协议等具体技术。

Beware of GeeksBearing Gifts: Building True EU Frontier AI Sovereignty

Nick Moës et al.

cs.CY cs.AI

本文提出了一个连接五个主权支柱与前沿AI堆栈分解的统一框架，用于识别欧盟在AI领域的战略自主性缺口和权衡，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Multimodal Large Language Models as Synthetic Participants in Video-Based Studies: An Evaluation

Prabal Shrestha et al.

cs.HC cs.AI cs.CV cs.CY cs.MM

本文评估了Multimodal Large Language Models (MLLMs)作为合成参与者在视频感知研究中的表现，发现其与人类在感知感官参与度评分上存在有限一致性，并存在评分分布偏差。研究揭示了MLLMs在模拟主观人类响应方面的挑战与机遇。

DIYHealth Suite: Dataset, Model, and Benchmark for Health Management at Home

Changshuo Liu et al.

cs.CY cs.AI

本文提出了DIYHealth Suite框架，包含DIYHealth-900K多模态数据集、DIYHealthGPT自适应基础模型和DIYHealthBench基准，用于解决家庭健康管理中的数据异质性、模型适应性和评估统一性问题。实验表明该框架在11项家庭护理任务上优于通用和医疗专用基线模型。

Concerns and Strategic Responses of Older Workers Navigating Generative AI in Bridge Employment

Aditya Nayak, Aakash Gautam, Rama Adithya Varanasi

cs.CY cs.AI cs.HC

本文通过半结构化访谈研究了老年工作者在过渡性就业中应对生成式AI的策略，发现他们通过边界工作重构任务以恢复稳定性，并将这些反应概念化为AI韧性。研究为平衡个体与组织层面的AI适应策略提供了建议。

AI-Integrated Learning Management System for Middle School: A Longitudinal Study of Learning Outcomes Through High School and Beyond

Misan Paul Etchie, Taiwo Olutosin

cs.CY cs.AI cs.HC

本文提出了一种面向中学生的AI集成学习管理系统，通过纵向研究设计评估其对长期学习成果的影响。系统提供策略控制的AI辅助反馈、自适应练习和教师仪表盘，但主要关注教育应用而非数学理论创新。

Symbolic Reasoning Frameworks Modulate LLM Risk Aversion in Multi-Agent Strategic Settings

Augustin Chan

cs.MA cs.AI cs.LG

本文通过一个7玩家多智能体博弈实验，研究了符号推理框架（如易经占卜、塔罗牌）作为提示注入对LLM智能体风险规避行为的影响。实验发现不同框架会显著改变智能体生态系统的胜率分布，但框架内容与智能体后续行动选择无关，表明这种调节是通过反思过程而非内容遵循实现的。

Selecting New Measurement Locations to Diversify Traffic-Pattern Coverage: A Real-World Evaluation for Total Traffic Volume Estimation

Masaaki Inoue, Akifumi Okuno, Shintaro Fukushima

cs.NI cs.AI stat.ME

本文提出了一种算法，用于选择新的交通计数器安装位置，以增加观测到的交通信号模式的多样性，从而提升城市级交通流量估计的准确性。通过在目标城市进行实地测量验证，该方法改善了不同精度下的交通量估计性能。

Page image classifier fine-tuned on century-spanning archives of scanned documents for further content-specific processing

Kateryna Lutsai et al.

cs.CV cs.AI cs.DL

本文针对历史文档扫描图像的自动分类问题，开发并比较了基于手工特征的Random Forest与多种深度学习模型（如EfficientNetV2, RegNetY, ViT, DiT, CLIP），在超过48,000张标注的历史页面图像上，RegNetY-16GF达到了99.16%的Top-1准确率。该工作主要贡献在于提供了一个针对特定领域（考古档案）的高精度分类工具，但方法本身（微调预训练模型）在该领域较为常规。

The Montparnasse Algorithm for RNA Design

Tristan Cazenave

q-bio.BM cs.AI

本文提出了一种名为Montparnasse的Monte Carlo搜索框架，用于RNA设计问题，通过改进的Rollout策略和问题特定的先验知识，在Eterna100基准测试上比现有方法DesiRNA更快地解决了所有谜题。该方法在信使RNA二级结构优化任务中也取得了更好的配对碱基序列。

Considerations for an Integrated Detector Design at FCC-ee: A Human-AI Exploration

Charles Young

physics.ins-det cs.AI hep-ex

本文通过物理学家与AI助手的对话，探讨了FCC-ee（未来环形对撞机的正负电子模式）的集成探测器设计考量，重点描述了从初始“偏见”概念到修订概念的演变过程，并展示了人机协作在实验物理设计中的潜力与局限。

SurfDesign: Effective Protein Design on Molecular Surfaces

Fang Wu et al.

q-bio.BM cs.AI cs.CE

SurfDesign将蛋白质分子表面建模为连续几何流形，并利用基于表面的等变消息传递来捕捉表面法线、曲率和方向几何，结合预训练蛋白质语言模型进行功能蛋白设计。该方法在从头设计结合子和酶设计基准上优于现有方法，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

A Systematic Study of Behavioral Cloning for Scientific Data Annotation

Ishaan Singh Chandok, Core Francisco Park

cs.HC cs.AI cs.CV cs.LG physics.data-an

本文提出了一个用于研究科学数据标注中行为克隆（Behavioral Cloning）的框架，包含9个合成任务和模拟人类策略的合成标注。实验发现技能分层涌现、多任务预训练有效，且模型内部能表示标注过程的潜在变量。

Can LLMs extract scientific consensus? A case study in high-temperature superconductivity

Mouyang Cheng et al.

cs.DL cs.LG

本文利用LLM从近18,000篇高引文献中提取知识图谱，研究高温超导领域的科学共识。结果表明LLM能恢复可解释的结构，包括机制-材料关联和引文介导的时间演化，但方法本身并非开创性，且与关键词契合度较低。

Forecasting Japanese elections: A nonlinear machine-learning approach

Sota Kato et al.

physics.soc-ph cs.LG stat.AP

本文使用基于decision tree和ensemble learning的非线性机器学习方法预测日本众议院选举结果，在复制经典线性模型框架后显示出适度的预测精度提升。该研究为单国选举预测提供了可复现的非线性方法框架。

Forward-Looking Stress Testing Under Macro Scenarios: Stable SVaR Estimation Using a Hybrid GPR-HS Framework with SACS

Ujjwala Vadrevu

q-fin.RM cs.LG

本文扩展了混合Gaussian Process Regression Historical Simulation (GPR-HS)框架，用于前瞻性压力测试中的Stressed Value-at-Risk (SVaR)估计，并提出了Scenario-Averaged Covariance Stabilization (SACS)方法以稳定协方差结构。实验在三种宏观情景下验证了该框架的收敛性和一致性。

Quantifying Uncertainty in Space Debris Capture with Active Tether-Net Systems Caused by Noisy Observations

Feng Liu et al.

eess.SY cs.LG

本文研究了主动系绳网系统在捕获空间碎片时，由噪声观测引起的不确定性量化问题，使用Sobol方差敏感性分析和扰动法两种UQ技术，评估了捕获性能指标CQI的不确定性。

Multimodal Group Emotion Recognition In-the-Wild Towards a Privacy-Safe Non-Individual Approach

Anderson Augusma

cs.CV cs.AI

本文针对野外群体情绪识别(GER)问题，提出了一种注重隐私保护的集体级方法，使用跨注意力多模态架构和变分编码器多解码器框架，通过音频-视频融合和结构表示预测实现群体情绪推断，避免依赖个体面部或语音特征。

Information-Geometric Optimization on Spheres

Vladimir Ja\' cimović

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

本文研究了球面上的黑箱优化问题，利用Poincaré和Bergman球的hyperbolic (information) geometry设计了两种IGO flows，并展示了广义Kuramoto振子如何计算natural search gradients。

SlideCheck: Guiding Self-Supervised Pretraining of Pathology Foundation Models via Dataset Distributions

Mingyi He et al.

cs.CV cs.AI

本文提出SlideCheck，一种轻量级数据指导工具，通过冻结的病理基础模型patch特征，使用双头MLP为病理预训练数据提供异常和恶性评分，以组织、过滤和审计数据。实验表明，SlideCheck定义的数据分布能影响自监督ViT预训练的下游行为，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。

A Mechanistic Analysis of Adversarial Fine-tuning of Vision Transformers

Hannah Gao et al.

cs.CV cs.AI

本文通过机制分析研究了对抗性微调对Vision Transformer (ViT)在扰动图像上性能的影响，发现微调虽能提升对训练中见过的特定corruption的鲁棒性，但无法泛化到未见过的corruption类型，且对抗训练并未根本改变ViT学习到的稀疏表示。

VisualLeakBench: Reproducible Action-Boundary Propagation Failures in Vision-Language Agents

Youting Wang et al.

cs.CV cs.AI cs.IR

本文构建了VisualLeakBench基准，包含500张图像，用于评估Vision-Language Agent在截图、文档等场景下将敏感文本从图像复制到下游工具参数中的失败模式。实验发现，在基线条件下，PII和渲染不安全文本的传播率分别高达78.8%和85.5%，即使加入防御提示，渲染不安全文本的传播率仍为52.6%。

Position: Anthropomorphic Misalignment Research Needs Stronger Evidence

Vansh Gupta et al.

cs.CY cs.AI cs.LG

本文指出拟人化错位研究(Anthropomorphic Misalignment Research)中许多研究缺乏足够证据，通过评估欺骗、突现错位等概念中的失败模式，强调了概念模糊和实验设计问题，并提出了证据水平框架和诊断清单以提升方法严谨性。

Can You Trust What You See? Human and AI Detection of Synthetic Legal Evidence

Jinzhe Tan, Ali Ekber Cinar, Karim Benyekhlef

cs.CV cs.AI

本文研究了人类和前沿多模态大语言模型(MLLMs)在区分真实法律证据照片与AI生成图像方面的能力，构建了SLED-1400数据集进行实验。结果表明，人类和MLLMs均无法可靠地独立完成检测任务，建议法律程序中的视觉证据应被视为固有可争议的。

SENTRY: Statistical Reliability Analysis of Vision Transformers Under Soft Errors

Pramit Kumar Bhaduri et al.

cs.CV cs.AI cs.DC cs.LG

本文提出了一种基于有限总体抽样理论的统计故障注入框架SENTRY，用于评估Vision Transformers在软错误下的可靠性。该方法能以极少的样本量提供形式化的可靠性保证，并大幅降低实验成本。

Eyes All Around: Design and Analysis of 360-Degree LiDAR Perception Using Equivariant Feature Learning in Unstructured Traffic

Pranav Darshan, Raghuveer Narayanan Rajesh, M Uttara Kumari

cs.CV cs.AI

本文研究了360度LiDAR感知在非结构化城市交通中的应用，提出了一种结合扇形全景处理和旋转等变稀疏卷积的框架，并在印度城市交通数据集上评估了其性能。

AMN: An Adaptive Multi-Scale Fusion Network with Boundary and Uncertainty Modeling for Nuclei Segmentation

Spoorthi M, Suja Palaniswamy

cs.CV cs.AI

本文提出了一种用于细胞核分割的自适应多尺度融合网络AMN，通过联合Swin Transformer和ResNet-50双编码器结构，并利用通道级门控机制动态融合多尺度特征。该方法在CoNIC和MoNuSeg数据集上取得了优于多种纯CNN和纯Transformer模型的分割性能。

NeuroAlign: Hierarchical Multimodal Fusion of Dynamic and Structural Neuroimaging for MCI Analysis

Xiongri Shen et al.

cs.CV cs.AI

本文提出NeuroAlign框架，通过双模态分层对齐和双域分层交互，融合fMRI和DTI的多模态神经影像特征，用于轻度认知障碍分析。该方法在多个数据集上验证了有效性，但未涉及code、context、spectral等关键词相关技术。

Crayotter: Traceable Multi-Agent Workflows for Long-Form Video Editing

Lecheng Yan et al.

cs.CV cs.CL cs.MA

本文提出了一个名为Crayotter的开源多模态多智能体系统，用于基于prompt的长视频编辑。该系统将视频制作分为三个阶段，并通过生成可检查的artifacts（如覆盖报告、编辑蓝图等）使编辑过程可追溯，从而允许对失败片段进行选择性修正。

Anchor-Conditioned Compositional Control for Landscape Image Generation

Gadha Lekshmi P et al.

cs.CV cs.AI

本文提出了一种基于anchor条件微调的框架，用于景观图像生成，通过从训练图像中提取四维compositional anchor向量并注入扩散模型，实现了对图像构图（如地平线位置和三分法对齐）的控制。实验表明该方法在特定场景子集上能显著降低地平线偏差，但整体方法与关键词列表中的概念关联较弱。

MOSS-Video-Preview: Toward Real-Time Video Understanding via Cross-Attention

Pengyu Wang et al.

cs.CV cs.AI

本文提出MOSS-Video-Preview，通过cross-attention架构实现实时视频理解，使感知与生成在非阻塞的双通道中并行运行，并配合数据合成流水线训练模型。尽管整体性能略逊于Qwen2.5-VL-7B，但在延迟和吞吐量上取得显著提升，为实时视频理解提供了可行的范式验证。

No Free Lunch for Synthetic Images under Data Scarcity Conditions

Borja Arroyo Galende et al.

cs.CV cs.AI cs.LG

本文研究了数据稀缺和隐私敏感条件下合成数据生成中保真度、隐私和效用之间的权衡，提出了一个联合评估框架，并应用于VAE、GAN和DDPM三种生成模型。实验发现GAN和DDPM在引入差分隐私机制时比VAE更具鲁棒性。

AVI-Bench: Toward Human-like Audio-Visual Intelligence of Omni-MLLMs

Yaoting Wang et al.

cs.CV cs.AI cs.SD eess.AS

本文提出了AVI-Bench基准，用于评估Omni-MLLMs在跨模态任务中的视听智能，通过感知、理解和推理三个阶段进行细粒度诊断，并引入AVI-Bench-PriSe扩展以测试模型对低语义刺激的泛化能力。实验揭示了当前模型在视听联合解释上的显著局限性。

FineGen: A VLM-based Multi-Agent Framework for Fine-Grained Image-Text Dataset Construction

Chang Kong et al.

cs.CV cs.AI

本文提出FineGen，一个基于VLM的多智能体框架，用于自动构建细粒度图像-文本数据集，通过生成-验证-校正流水线合成硬负样本，并在ImageNet上构建了FineGen-100K数据集。实验表明该方法能有效提升下游任务的硬样本准确率。

DOME: Learning Transferable Domain Variables from Sparse Supervision for Test-Time Adaptation

Xiaoran Xu et al.

cs.CV cs.AI

本文提出DOME方法，利用vision-language pretraining和sparse domain bank来显式建模每个样本的domain变量，用于test-time adaptation。实验表明，即使使用简单的entropy-minimization策略，该方法也能在多个benchmark上取得state-of-the-art性能。

Steer Where It Matters: Token-Level Visual-Sensitivity Steering for LVLMs Hallucination Mitigation

Ruipeng Zhang et al.

cs.CV cs.CL cs.LG

本文提出了一种Token级别的视觉敏感性引导方法(TLVS)，用于缓解大型视觉语言模型(LVLM)中的幻觉问题。该方法通过提取token级别的引导向量并应用细粒度的自适应引导强度，在解码过程中选择性抑制易产生幻觉的token，从而在多个基准测试上取得了优于现有引导方法的效果。

AQIFormer: A Transformer-Based Multi-View Architecture for Cross-City Air Quality Classification

Om Kathalkar et al.

cs.CV cs.AI

本文提出AQIFormer，一种基于Transformer的多视角架构，用于跨城市空气质量分类。该方法通过融合前后交通图像和气象参数，利用weather-aware attention机制和multi-task learning，在数据集上取得89.96%的准确率，并展示了良好的跨城市泛化能力。

ViMax: Agentic Video Generation

Lingxuan Huang et al.

cs.CV cs.AI

ViMax是一个基于多智能体协作的长视频生成框架，通过分层叙事引擎和依赖感知的视觉一致性机制来生成连贯的多场景视频内容。

A Dataset for Dynamic Human Preferences for Vision Language Models

Hannah Gao, Dylan Hadfield-Menell, Rachel Ma

cs.CV cs.AI

本文提出了一个用于评估Vision Language Models (VLMs) 理解动态人类偏好能力的新benchmark，并提供了自动化生成该benchmark的pipeline和相应的多模态数据集。该工作主要关注模型在推理时根据上下文调整的能力，而非静态能力评估。

MM-Matryoshka: Towards Budget-Elastic Visual Document Retrieval via a 2D Multimodal Matryoshka Training Framework

Haowen Xiang et al.

cs.CV cs.AI

本文提出MM-Matryoshka，一个2D Matryoshka训练框架，用于预算弹性的视觉文档检索（VDR），使ColPali风格的多向量检索在维度（dimension）和层（layer）两个维度上均可弹性调整。该方法允许单个检索器在推理时选择不同的预算配置，无需为每种预算单独训练模型，在显著降低存储和计算开销的同时保持较高的检索质量。

SC3: The Multi-Solvent Solubility Challenge and Benchmark

Vansh Ramani et al.

physics.chem-ph cs.CE cs.LG

本文提出了SC3，一个基于BigSolDB v2.1的多溶剂溶解度基准测试，通过可复现的数据筛选流程、嵌套的共识层级和新的评估指标（如PS-RMSE）来重新校准实验噪声下限，并发现当前最佳模型性能仍远高于该下限。

QDS-SNN: Energy-efficient Quantum Deeply-Supervised Spiking Neural Network Algorithm for Traffic Sign Recognition

Zhiguo Qu et al.

cs.NE cs.LG

本文提出了一种结合量子神经网络与脉冲神经网络的QDS-SNN算法，用于交通标志识别，通过TSA-LIF神经元和量子辅助分类器模块缓解了梯度消失问题。实验表明该方法在GTSRB和TSRD数据集上实现了高精度和低能耗，但主要贡献在于工程应用而非理论创新。

What neurosurgeons need to see: synthetic intra-operative MRI from ultrasound for brain-shift compensation in brain tumour surgery

Santiago Cepeda et al.

cs.CV cs.LG

本文提出了一种端到端pipeline，通过结合术前MRI、从术中超声生成的合成MRI以及基于该合成图像的deformable registration，生成新的全脑MRI体积，以补偿脑移位。该方法使用ResViT-2.5D合成骨干和两阶段registration，在ReMIND数据集上验证了合成图像质量，但registration精度提升有限。

Need We Teach Foundation Models What is a Generative Image? Gradient-Free Generative Artifact Detection via Analytic Spectral Adaptation

Qiaoyu Chen, Bing Zhang

cs.CV cs.LG

本文提出一种无梯度的生成式图像伪造检测方法，通过将检测问题重新定义为out-of-distribution (OOD)异常度量，利用冻结的foundation model作为稳定坐标系，并基于attention加权的空间矩和正交投影来解耦统计与语义偏差。该方法在极端zero-shot场景下优于梯度优化范式，并支持在线学习和联邦协作。

Seq103: A Unified Neuroevolution Framework for Compact Sequence Architecture Discovery

Wenxiao Li, Yongjian Liu, Qing Xie

cs.NE cs.AI

本文提出Seq103，一个统一的NEAT风格神经进化框架，用于发现紧凑的序列架构。该框架通过共享进化主干和可选的循环扩展，在步进循环和样本前馈序列分类任务中均能实现高参数效率。

AgentCompile: An LLM-Guided Compiler for Direct CUDA Inference

Xuanzhe Li et al.

cs.PL cs.AI

AgentCompile提出了一种LLM引导的CUDA推理编译器，利用LLM输出作为搜索元数据来优化Transformer模型图的编译。该方法在多个模型上实现了显著加速，但主要贡献在于工程实现而非理论创新。

Hardware-aware Low-latency Quantum Compilation with Data-driven Lightweight Error Detection for Early Fault-Tolerant Systems

Sumit Chongder

quant-ph cs.AR cs.DC cs.LG

本文提出了一种硬件感知的低延迟量子编译框架，通过数据驱动的轻量级量子错误检测（QED）来优化qubit映射、SWAP插入和syndrome-schedule放置，在早期容错系统中平衡检测开销与成功概率。实验表明，该方法在VQE、phase-estimation和Grover基准测试上，相比SABRE将算法成功概率提升了最高68%。

MemoVAD: Resource-Efficient Video Anomaly Detection via Dynamic Semantic Memory in Edge Computing Scenarios

Guo Li et al.

cs.CV cs.AI

本文提出MemoVAD，一种用于边缘计算场景下视频异常检测的边缘-云协同框架。它通过不确定性感知门控策略和动态语义记忆模块，在边缘设备上高效利用视觉语言模型的语义信息，在降低通信开销的同时提升了检测性能。

Liquid Neural Networks as a Drop-in Continuous-Time Deformation Field for Dynamic 3D Gaussian Splatting

Mingzhao Li, Arghya Pal, Guan Yuan Tan

cs.CV cs.AI

本文提出用Liquid Neural Networks (LNN)中的Closed-form Continuous-time (CfC)单元替换Deformable 3D Gaussian Splatting (D-3DGS)中的MLP变形场，通过sigmoidal time gate实现显式的连续时间变形函数，在动态场景重建中匹配或超越MLP基线性能。该方法主要贡献在于将离散的逐帧偏移预测转变为架构内置的连续时间建模。

A Hierarchical Feature Engineering Framework for Automated Classification of Phonotraumatic and Non-Phonotraumatic Vocal Hyperfunction

June-Woo Kim et al.

cs.SD cs.AI cs.LG

本文提出了一种层次化特征工程框架，用于从颈部加速度信号中区分声带过度用力的两种亚型（PVH和NPVH）。通过提取静态、动态、比率和耦合特征，并结合机器学习pipeline，发现耦合特征对分类至关重要，PVH分类达到0.891 AUC，而NPVH分类（0.728 AUC）则受益于非线性特征交互建模。

The Need for Neural ISP in the Small-Pixel Era: How Shrinking Pixels Push Optics to the Limit and Neural Restoration Pushes Back

Jingxi Li et al.

eess.IV cs.CV cs.LG

本文通过模拟实验比较了传统ISP和基于学习的Neural ISP在小像素手机长焦相机中的性能，发现Neural ISP能有效校正光学像差，在0.35微米像素下实现2.5-3倍的分辨率提升，而传统ISP改进有限。该工作主要关注图像恢复的工程应用，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联较弱。

Single-Cell Cross-Modal Transfer by Adversarial Fine-Tuning of Foundation Models

Joseph Boyd et al.

q-bio.GN cs.AI

本文提出通过对抗微调单细胞foundation model，实现未配对的spatial transcriptomics与single-cell RNA sequencing数据之间的跨模态翻译。该方法在性能上优于专为多组学翻译设计的方法。

Disentangling Latent Risk Pathways via Bayesian Hypergraph Inference

Shengxian Ding et al.

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

本文提出了一种贝叶斯超图推断框架，用于从电子健康记录中建模多疾病风险路径，通过超边表示疾病子集并引入排斥先验实现可解释结构。该方法在模拟数据和UK Biobank上展示了稳定的疾病路径结构和校准的不确定性，但与关键词列表中的概念无直接关联。

Systematic LLM Translation of Legacy Scientific Code to Differentiable Frameworks: Application to a Land Surface Model

Aya Lahlou, Linnia Hawkins, Pierre Gentine

cs.SE cs.AI cs.CE cs.MA

本文提出一个基于LLM的五阶段agentic pipeline，将遗留Fortran代码（CLM-ml-v2）自动翻译为JAX可微分框架，通过静态依赖分析、编译修复循环和数值一致性验证实现模块级迁移，最终获得可微分的陆面模型并验证了梯度计算与参数恢复效率。

SWE-Marathon: Can Agents Autonomously Complete Ultra-Long-Horizon Software Work?

Rishi Desai et al.

cs.SE cs.AI

本文提出了SWE-Marathon基准测试，包含20个超长周期软件工程任务，用于评估AI agent在长时间规划、长上下文理解和记忆使用方面的能力。实验表明当前前沿agent解决率低于30%，失败常源于自我验证不足和奖励破解行为。

What Makes Video World Model Latents Action-Relevant: Prediction over Reconstruction

Jewon Yeom et al.

cs.CV cs.AI

本文通过统一的probe-based评估框架，研究了视频世界模型（video world model）中哪些预训练信号能诱导出与动作相关的latent structure。研究发现，动作相关结构主要由时间视频预训练（temporal video pretraining）驱动，而非像素重建保真度（pixel reconstruction fidelity），且逆动力学监督（inverse-dynamics supervision）能显著提升对视觉损坏的鲁棒性。

Transfer learning for causal forest

Bérénice-Alexia Jocteur, Véronique Maume-Deschamps, Pierre Ribereau

stat.ML cs.LG math.PR

本文研究了将transfer learning应用于causal forest (HTERF)以估计Conditional Average Treatment Effect (CATE)的问题，采用offset方法处理source与target分布间的偏移，并给出了CATE误差的bound。

TianJi-Environ: An Autonomous AI Scientist for Atmospheric Environmental Research

Haoluo Zhao et al.

physics.ao-ph cs.AI

本文提出了TianJi-Environ，一个基于WRF-Chem的多agent框架，用于大气化学机制验证。该系统将专家驱动的机制假设转化为可执行的实验配置和证据标准，并在臭氧和PM2.5案例中展示了其验证能力。

MLingualFC: Evaluating Jailbreak Vulnerabilities in Multilingual Vision-Language Models

Rishabh Makwana et al.

cs.CR cs.AI

本文提出了一个名为MLingualFC的多语言多模态benchmark，用于评估Vision-Language Models (VLMs)在面对以流程图形式编码的有害指令时的jailbreak漏洞。实验发现，对于使用Latin script的语言，基于流程图的攻击成功率较高，而non-Latin script语言（如Punjabi）的成功率较低，这揭示了当前VLM安全机制在多语言和跨模态场景下的局限性。

Cross-View Urban Traffic Dataset: Drone-Supervised Ground Truth for Monocular Bird's-Eye View Localization

Prakhar Bhardwaj et al.

cs.CV cs.AI

本文提出了一个用于跨视角城市交通感知的数据集和基准，包含同步的自行车视角视频和无人机视角视频，并针对跨视角身份匹配和鸟瞰图预测两个任务进行了评估。该工作为相关研究提供了标准化的评估工具和基线方法。

MatMind: A Structure-Activity Knowledge-Driven Generative Foundation Model for Materials Science

Zhan'ao Yao et al.

cond-mat.mtrl-sci cs.AI

本文提出了MatMind，一个用于晶体材料科学的生成式foundation model，通过结构-活性知识注入和双头架构统一了语言推理与数值回归，并在稳定性、新颖性和结构多样性上通过多目标物理信息强化学习进行优化。该模型在多个任务上超越了专门的图神经网络预测器，展示了基于LLM的范式可作为晶体材料科学的统一骨干。

SHIELD-IDS: Structurally Heterogeneous Ensemble with Integrated Layered Defense for Intrusion Detection Systems

Maryam Zaman, Muhammad Khuram Shahzad

cs.CR cs.AI cs.LG

本文在IDS-Anta框架基础上引入XGBoost和LightGBM梯度提升模型，并构建了三层黑盒防御（Isolation Forest异常检测、中值特征平滑和六元多数投票），在多个入侵检测数据集上实现了99%以上的检测准确率，并在对抗攻击下相比基线方法有可测量的鲁棒性提升。

Multi-planar 2D-U-Net Segmentation of 3D-CT Abdominal Organs augmented by Spatial Occurrence Maps

Daria Kern et al.

eess.IV cs.AI cs.CV

本文提出了一种轻量级的2D-U-Net框架，用于在3D CT扫描中分割五个腹部器官。该方法结合了粗到细分割、多平面预测和模糊3D空间图，以提升分割精度，并在80个CT扫描上验证了约4%的Dice系数提升。

GNSS-FM: A Self-Supervised Foundation Model for Daily GNSS Displacement Time Series

Nick Teutschmann et al.

physics.geo-ph cs.LG

本文提出GNSS-FM，一个基于自监督学习的GNSS位移时间序列基础模型，采用双流输入和掩码潜在预测目标进行预训练，并在位移预测和地震步长定位任务上优于基线方法。该工作与关键词中的pretrain有一定关联，但方法本身并非开创性突破。

Benchmarking Quantum Algorithmic Resilience for CVaR Portfolio Optimization: The Expressibility-Coherence Trade-off

Prashik N. Somkuwar, K. Srinivasan, G. Raghavan

quant-ph cs.CL math.OC q-fin.PM

本文研究了在NISQ设备上使用HE-VQNN和WS-QAOA进行CVaR投资组合优化的硬件基准测试，发现WS-QAOA因非局部门开销导致硬件退相干，而HE-VQNN虽保持相干性但缺乏表达尾部风险相关性的数学能力。

Quantum-Enhanced Similarity Measures for Polarimetric Materials Classification

Sara Shojaei et al.

cs.CV cs.AI

本文提出了一种量子-经典混合pipeline，将极化材料分类转化为点匹配问题，使用SWAP-test电路估计量子态间的fidelity作为相似度分数。该方法在23种材料的Mueller矩阵数据集上验证了分类性能，并与基于Optimal Transport的经典方法进行了比较。

Beyond Point Estimates: Benchmarking Uncertainty Quantification Methods on the AION-1 Astronomical Foundation Model

Karla Tame-Narvaez, Aleksandra Ćiprijanović, Shubhendu Trivedi

astro-ph.IM astro-ph.GA cs.AI

本文比较了七种Uncertainty Quantification (UQ)方法在基于AION-1天文基础模型embedding的星系属性回归任务中的表现。结果表明，Conformal prediction方法（特别是Conformalized Quantile Regression和Locally Valid and Discriminative框架）在提供可靠的边际覆盖率和局部有效性方面优于Deep Ensembles和MC Dropout等基线方法。

Non-Archimedean Polydisc Spaces and Applications to Optimisation

Paul Lezeau et al.

math.OC cs.LG math.MG

本文提出了一种基于Berkovich几何的非Archimedean polydisc空间框架，用于优化问题，并研究了其度量几何性质与优化算法。

Frequency-Scale Saliency for Spectral Descriptor Analysis in 3D Shape Retrieval

Jianru Shen

cs.GR cs.CV cs.IR

本文提出了一种频率尺度显著性框架，通过消融实验量化了Heat Kernel Signature和Wave Kernel Signature等经典spectral描述符中每个尺度区间对3D形状检索的贡献，发现短尺度主导检索性能而长尺度有害，并基于显著性加权将困难类别的平均精度提升了0.156。

MOLOT System Card: Malicious Operational Logic Observation Transformer

Daniil Lopatkin et al.

cs.CR cs.LG cs.SE

本文提出MOLOT系统，通过静态call graph提取行为序列来检测恶意代码，并在Python和JavaScript包上进行了评估。该方法侧重于可解释性和部署可行性，但未涉及spectral、Muon或pretrain等关键词相关技术。

Memetic Capture: A Pluralistic Policy Framework for Governing AI-Driven Cultural Disempowerment

Subramanyam Sahoo

cs.CY cs.AI

本文提出"memetic capture"概念，用于描述AI通过文化侵蚀导致人类能力丧失的过程，并构建了Cultural Pluralistic Governance Framework (CPGF)四层政策架构。该框架结合定量文化影响指标与民主价值机制，强调多元主义在AI治理中的结构性必要性。

Jas: AI-Paired Engineering as a Revival of N-Version Programming

Jason Hickey

cs.SE cs.AI

本文报告了一个AI辅助软件工程的案例研究，通过单个开发者在约120小时内完成了跨五个平台的矢量绘图应用移植。该方法将AI辅助实现与精确的YAML规范及并行实现（作为差分测试层）相结合，但未直接涉及关键词中的核心概念。

Beyond Pass/Fail: Using Process Mining to Understand How LLMs Resist (and Fail) Red Team Attacks

Zvi Topol

cs.CR cs.AI

本文提出将process mining应用于AI red teaming评估，通过分析攻击序列的结构性模式（如Directly-Follows Graphs和状态转移矩阵）来揭示模型防御策略的差异，超越了传统的单一攻击成功率指标。实验对比了两种LLM在多种prompt变异策略下的行为，发现不同模型存在结构上不同的防御轮廓。

Cherry-pick Override: Unsafe Directional Commitment in LLM Judges under Mixed Evidence

Haoran Xu

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

本文研究了LLM法官在混合证据下做出不安全方向性承诺的Cherry-pick Override (CCO)问题，通过诊断协议和统计方法分析了不同修复策略的残余失败模式，并提出了外部承诺控制层的解决方案。

Agentic multi-fidelity learning of quasiparticle and excitonic properties

Arnab Neogi et al.

cond-mat.mtrl-sci cond-mat.stat-mech cs.AI physics.comp-ph quant-ph

本文提出了一种agent-guided multi-fidelity框架，用于修正应变MoS2-WS2双层中的GW-Bethe-Salpeter激发态计算，通过结构agent分配置信权重并利用少量高精度参考点，结合Gaussian process校正来改善quasiparticle gaps和exciton binding energies。该方法能诊断并修正数值不稳定性，而不抹除物理应变依赖性，适用于其他强量子限域的光电纳米材料。

Does Persona Make LLMs K-pop Fans? A Pilot Study of LLM-Based Online Concert Audience Agents

Kirak Kim et al.

cs.HC cs.AI

本文探讨了基于persona的LLM audience agents在K-pop演唱会视频中生成实时粉丝聊天以模拟集体体验的效果。实验发现，persona conditioning能提升聊天质量和自然度，但未显著影响社交连接或情感反应，表明在线粉丝聊天更接近集体独白而非人际对话。

Large-scale empirical tuning and comparison of default optimizers for variational inference

Trevor Campbell et al.

stat.CO cs.LG stat.ML

本文通过大规模实证研究，比较了56种随机优化算法在1092个贝叶斯推理问题上的表现，发现没有单一方法占优，但使用5种算法的组合足以接近最佳性能。该工作为黑盒变分推断提供了无调优优化方法的当前基线。

RACT: Retrieval Augmented Column-Table Learning and Prediction for Multi-Table Schema Matching

Leonard Traeger et al.

cs.DB cs.IR cs.LG

本文提出RACT框架，通过自监督学习利用表格间的引用上下文（referential context）来约束多表schema matching中的候选列搜索空间。实验表明该方法在匹配精度和完整性上优于基于相似度的基线方法。

Counting Hamiltonian Paths in 3-Regular Planar Graphs

Ira Pohl, Larry Stockmeyer

math.CO cs.DM cs.DS

本文构造了两类3-regular planar graphs，并给出了其中Hamiltonian paths数量的closed form计算。这些图被用作Pohl-Warnsdorf算法的对抗实例。

GRPO Does Not Close the Multi-Agent Coordination Gap

Najmul Hasan, Prashanth BusiReddyGari

cs.MA cs.LG

本文使用哲学家就餐问题作为测试环境，评估了多个大语言模型在多智能体协调任务中的表现，发现GRPO（Group Relative Policy Optimization）训练无法有效缩小协调差距，且训练奖励在第9步后下降，存在退化为零动作的退化最大值问题。

Cost-Aware Speculative Execution for LLM-Agent Workflows: An Integrated Five-Dimension Method

Faisal Fareed

cs.DC cs.AI cs.MA

本文提出了一种针对LLM-agent工作流的成本感知投机执行方法，围绕五个设计决策（如定价、阈值规则等）构建，通过贝叶斯Beta-Binomial后验估计成功概率，并提供了运行时机制和校准流程。该方法主要关注实际部署中的成本与延迟权衡，与关键词中的“agent”有一定关联，但整体创新性较为常规。

Model Multiplicity for Adversarial Detection in Small Language Model Training on Edge Devices

Stefan Behfar, Richard Mortier

cs.CR cs.AI

本文提出了一种基于模型多样性（model multiplicity）的系统级防御方法，通过旋转或并行训练多个小型语言模型（如DistilGPT-2）来检测边缘设备上的投毒攻击，利用模型间的梯度相似性、损失演化或参数方差作为异常信号。实验表明，该方法在资源受限的边缘设备上比经典的单模型防御方法更早、更可靠地检测到投毒行为。

The Last Visible Pixel: Probing Fine-Scale Perception in Vision-Language Models

Lujun Li et al.

cs.CV cs.AI

本文提出了FineSightBench基准，通过控制视觉模式尺寸（4-48px）来评估Vision-Language Models的细粒度感知能力。实验发现，模型在像素级感知任务上约在12px达到饱和，而推理任务即使在更大尺度下仍存在计数和序列错误。

The Cross-Architecture Substrate: A Domain-Transcendent, Calibration-Surviving Geometric Invariant of Modern Vision Encoders

Yousef Radwan

cs.CV cs.AI

本文发现多种现代vision encoder（视觉编码器）在训练后，其前十六个主方向收敛到同一个十六维几何结构（称为cross-architecture substrate），该结构在多个视觉域间保持稳定，并提出了若干应用（如无标签迁移性过滤器、域检测器）。该工作主要关注视觉编码器的几何不变性，与关键词中的code, context, spectral, Muon, pretrain, agent, attention均无直接关联。

3D Oral Modelling with Improved Vertex Distribution Using Matching-Based Learning

Jihun Cho et al.

cs.CV cs.AI

本文针对3D口腔重建中预测顶点分布不均的问题，提出了一种基于Hungarian matching和Repulsion Loss的改进损失函数，以替代原有的L1 Loss和Chamfer Distance。该方法虽使模型精度从77.49%降至68.02%，但有效缓解了顶点在高密度区域聚集的问题，使预测顶点在重建表面上分布更均匀。

Identifiability and Estimation for Unlabeled Finite Mixtures under Marginal Independence

Takafumi Kanamori, Yushi Hirose, Shohei Yamamoto

stat.ML cs.LG

本文研究了无标签有限混合模型在边际独立性假设下的成分恢复与混合矩阵估计问题，证明了在特定条件下可通过可观测混合的仿射组合恢复潜在成分，并提出了基于乘积边际最大均值差异（PM-MMD）的估计方法。该工作主要聚焦于统计可识别性理论，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

Larch: Learned Query Optimization for Semantic Predicates

Fuheng Zhao et al.

cs.DB cs.AI cs.LG

本文提出了Larch框架，用于优化AI SQL查询中语义filter的执行。该框架利用embedding增强的Gated Graph Neural Network或监督学习模型来优化filter评估顺序，在token使用上优于现有方法。

Decoupling Semantics and Logic: A Training-Free Coarse-to-Fine Pipeline for Video Retrieval-Augmented Generation

Jiaxin Dai et al.

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

本文提出了一种无需训练的两阶段级联Video RAG pipeline，通过解耦语义检索与逻辑推理，利用高召回语义预取模块和基于LLM的过滤agent实现跨语言长视频理解与人物角色对齐，但方法本身未涉及code、spectral、Muon、pretrain或attention等关键词的核心创新。

Barycentric Projections of Optimal Transport Plans on Riemannian Manifolds

Kisung You

stat.ML cs.LG

本文研究了Riemannian流形上最优传输耦合的barycentric projection，提出了内在投影和切向log-exp投影两种构造，并证明了它们在测地线损失下的最优性及与Brenier-McCann映射的兼容性。实验在球面、SPD数据和EEG协方差矩阵上验证了两种投影的不同作用。

Pointwise Complexity for Gaussian Fields: Upper Envelopes, Algorithmic Lower Bounds, and Separation

Yunbei Xu

math.PR cond-mat.stat-mech cs.IT cs.LG math.ST

本文证明了中心化Gaussian process的variance-aware pointwise majorizing-measure theorem，给出了整个随机场的high-probability envelope，并基于interactive Fano/data-processing principle得到了Bayesian algorithmic lower envelope。这些结果展示了algorithmic lower bounds在过参数化环境中为固定estimator提供pointwise complexity的局部几何证书。

RecurGuard: Runtime Monitoring for Reasoning-Token Consumption Attacks

Abid Aziz, Hafsa Binte Kibria

cs.CR cs.AI

本文针对推理型大语言模型可能遭受的推理token消耗攻击（如OverThink和ExtendAttack），提出了一个运行时监控系统RecurGuard。该系统通过分析模型暴露的推理链，追踪重复率、体积增长和用户查询进度三个信号，在异常持续时提前终止生成，实验表明其能有效检测攻击并保持极低误报率。

PRISM: PRior-guided Imagination Sampling in world Models

Yuhai Wang et al.

cs.RO cs.AI

本文提出PRISM框架，通过将轻量MLP附加到JEPA风格的世界模型编码器上，提取状态条件化的Gaussian prior，并在规划时利用Product-of-Gaussians更新融合该先验以引导采样过程。该方法在Cube和PushT任务上显著提升了基于世界模型的MPC成功率，但未引入显著推理开销。

FMRFusion: Frequency-Aware Multi-View Representation Learning for Heterogeneous Image Fusion

Tao Zhoua et al.

cs.CV cs.CL

本文提出FMRFusion网络，通过多尺度结构感知模块和双线性频率分解机制，结合跨视图互补交互与flow matching，实现红外与可见光图像的异质融合，在夜间场景下表现优异。

GVC-Seg: Training-Free 3D Instance Segmentation via Geometric Visual Correspondence

Liang Xu et al.

cs.CV cs.AI

本文提出了一种无需训练的3D实例分割方法GVC-Seg，通过利用3D几何线索与2D视觉线索之间的对应关系来缓解不同分割模型间的置信度偏差，并在多个基准上取得了先进性能。该方法主要涉及多模型集成与特征提取，与关键词中的概念关联较弱。

IEA: Amateur-Friendly Conversational Image Editing Agent via Three Stages of Multitask Alignment

Zichen Zhu et al.

cs.CV cs.AI cs.CL

本文提出IEA，一个通过三阶段多任务对齐训练的可对话图像编辑Agent，使用16个参数化工具进行显式、可解释的编辑操作，在定量和用户研究中表现优于基线方法。

Repair Before Veto, When Repair Is Hidden: Quantum-Accessible Features for Repair-Augmented Constraint Learning

Yifan Wang

quant-ph cs.AI

本文提出Q-RACL框架，将“先修复再否决”的决策逻辑与量子特征访问结合，通过离散对数隐藏的repair class构造，证明在标准DLP假设下，经典策略无法有效访问该特征而量子策略可以，从而降低错误否决率。该工作主要关注量子增强的约束学习决策机制，与关键词中的code、context、spectral、Muon、pretrain、agent、attention均无直接关联。

Voting Protocols as Coordination Mechanisms for Role-Constrained Multi-Agent Tutoring Systems

Eric S. Qiu, Joyce Gill

cs.MA cs.AI

本文研究了四种投票协议（简单投票、排序投票、累积投票和批准投票）如何作为协调机制，用于约束角色（scaffolding, misconception, motivation, metacognition）的多智能体辅导系统。通过在SciQ和HumanEval基准上的模拟实验，发现投票协议的选择会显著影响智能体间的协调行为与最终决策。

Variational Proximal Policy Optimization

Ousmane Amadou Dia

stat.ML cs.LG

本文提出Variational Proximal Policy Optimization (VP2O)，将policy optimization映射为Mixture-of-Experts架构下的Stein Variational Gradient Descent，通过functional kernels和expert orthogonalization loss实现几何约束，在33B/4B稀疏MoE模型上提升了推理性能。该方法主要关注RLHF中的policy collapse和distribution drift问题，与关键词中的code、context、spectral等概念关联较弱。

Balancing Real and Synthetic Data for CNN-based Masonry Crack Detection

Mattia Forlesi et al.

cs.CV cs.LG

本文研究了在基于CNN的砌体裂缝检测中，使用合成数据与真实数据混合训练的方法。实验表明，在InceptionV4模型上，20%合成数据与80%真实数据的混合方案在F1-score和mIoU指标上优于纯真实数据训练，证明了合成数据能减少数据收集成本并提升检测精度。

Sci-Rho: A Multilingual Visually-Grounded Symbolic Benchmark for STEM Problems

Muhammad Falensi Azmi et al.

cs.CV cs.AI cs.CL

本文提出了Sci-Rho，一个多语言、视觉化的STEM问题符号基准测试，通过动态生成问题实例评估视觉语言模型(VLM)的鲁棒性。实验发现模型在worst-case准确率与平均准确率间存在显著差距，且小模型在多语言场景下性能下降明显。

EgoAERO: Learning Dexterous Manipulation from a Single Egocentric Video without Object Assets

Yichen Niu et al.

cs.RO cs.AI

本文提出EgoAERO框架，首次实现从单段第一人称RGB-D视频中学习灵巧操作，无需预扫描物体资产。该方法通过无资产物体跟踪与重建、自我运动补偿和自适应接触优化重建接触一致的手-物体轨迹，并利用两阶段残差学习将其转化为机器人策略。

Robust-U1: Can MLLMs Self-Recover Corrupted Visual Content for Robust Understanding?

Jiaqi Tang et al.

cs.CV cs.AI cs.CL

本文提出Robust-U1框架，通过监督微调、强化学习（使用SSIM和CLIP相似度作为奖励）以及多模态推理，使MLLMs具备显式的视觉自恢复能力以应对视觉损坏。实验表明该方法在真实损坏基准上达到最优鲁棒性，但未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词。

On Low-Bit Quantization Errors in Speaker Verification: Diagnostic and Mitigation

Hugo Leguillier et al.

cs.SD cs.CL

本文研究了低比特量化在说话人验证中的影响，通过逐层和分数级分析揭示了2比特量化下的性能拐点，并提出了一种校准的多精度级联方法，在保持低比特推理效率的同时接近FP32性能。

Assessing the Energy and Carbon Emissions of Neural Speaker Verification Model in Training and Inference

Hugo Leguillier et al.

cs.SD cs.CL

本文评估了不同ResNet架构在说话人验证任务中的能耗与碳排放，发现模型深度和宽度的增加会带来能耗的急剧上升而性能提升有限，中等规模网络如ResNet-50能实现更好的性能与环境影响平衡。

Fast LLM-Based Semantic Filtering: From a Unified Framework to an Adaptive Two-Phase Method

Kyoungmin Kim, Martin Catheland, Anastasia Ailamaki

cs.DB cs.AI

本文提出了一个自适应的两阶段语义过滤方法，通过组合无模型聚类和在线代理（proxy）来加速LLM-based数据处理，并利用oracle的逐文档置信度作为软标签训练代理。该方法在三个10K文档语料库上以90%准确率目标实现了1.6-2.0倍加速，但未涉及code、spectral或Muon等关键词相关技术。

vla.cpp: A Unified Inference Runtime for Vision-Language-Action Models

Khanh D. Nguyen et al.

cs.RO cs.AI cs.LG eess.SY

本文介绍了vla.cpp，一个基于ggml的C++推理运行时，旨在解决Vision-Language-Action (VLA)模型在机器人硬件上的部署问题。该运行时支持多种VLA架构，并通过IMMA ladder GEMM优化实现了显著的延迟降低。

Continual Quadruped Robots Coordination via Semantic Skill Discovery

Daoqing Wang et al.

cs.RO cs.AI cs.MA

本文提出Conquer框架，通过语义技能库和Self-Allies-Goal骨干网络解决多四足机器人在持续学习场景中的协调问题，实现任务技能的检索、适应与积累。实验表明该方法在仿真和真实场景中均有效。

Ego-Pi: VLA Fine-Tuning for Ego-Centric Human and Robot Data

Ji Woong Kim et al.

cs.RO cs.AI

本文探讨了利用人类第一人称数据（egocentric human data）来缓解机器人操作任务中数据稀缺的问题，通过在$\pi_{0.5}$模型上进行微调，展示了人类数据能使机器人学习新任务语义并组合已有技能。该工作主要关注数据利用和迁移学习，与关键词中的pretrain和agent有一定关联，但方法本身的开创性有限。

New Fractional Ambiguity Function Integrated with CNN-Based Machine Learning for Signal Classification

Aamir H. Dar, Prakhar Kumar Sonkar, Neeraj Kumar Sharma

math.FA cs.LG

本文提出了一种新的分数阶模糊函数(NFrAF)，并证明了其对称性、边缘性和Moyal型恒等式等基本性质。该函数被集成到基于CNN的机器学习框架中用于信号分类，在模拟数据集上展示了比传统方法更好的分类精度。

Human-Centered Benchmarking of Driver Monitoring Models

Ruben Dario Florez-Zela

cs.CV cs.AI

本文提出了一个面向驾驶员监控模型的人本基准测试框架(HCBF)，从准确性、可解释性、效率和鲁棒性四个维度评估轻量级架构。实验发现，尽管模型在干净数据上准确率相近，但各维度表现差异显著，且聚合排名可能掩盖关键缺陷。

LCAM: A Framework for Diagnosing Interactional Alignment Failures in Con-versational AI

Manuele Reani, Hongyu Tian

cs.HC cs.AI

本文提出了Layered Cognitive Alignment Model (LCAM)框架，用于诊断对话式AI中的交互对齐失败，定义了感知、语义、情感、认知和伦理五个对齐层次，并通过LLM咨询案例展示了该框架如何识别过度依赖、虚假亲密等交互问题。

Phase Marginalization for Patch-Grid Instability in Vision Transformers

Oğuzhan Ercan

cs.CV cs.LG

本文提出Phase Marginalization方法，通过评估结构化patch-grid相位并反向对齐密集输出，来缓解Vision Transformer中因patch划分导致的相位依赖性不稳定性。该方法无需训练，在分割、深度估计等任务上优于标准基线，但未涉及代码、上下文、谱方法等关键词。

Biological Reasoning-Informed Regression for Interpretable Regulatory DNA Activity Prediction

Yi Duan et al.

q-bio.GN cs.LG

本文提出了R3LM框架，通过结构化生物知识教LLM进行调控DNA的推理回归，在增强子预测任务上取得了最优性能。该方法通过两阶段训练（先推理后回归）提供了可解释的机制性解释。

Inverse design of bespoke interatomic potentials via active learning by information-matching

Yonatan Kurniawan et al.

cond-mat.mtrl-sci cs.LG

本文提出了一种基于information-matching的主动学习方法，用于设计定制化的interatomic potentials，以预测金属的塑性强度。该方法通过选择与目标量相关的中间QoIs来降低计算成本，并利用后验不确定性校正来缓解模型误差。

RAPID: Layer-Wise Redundancy-Aware Pruning and Importance-Driven Token Merging for Efficient ViT

Kyumin Choi, Ikbeom Jang

cs.CV cs.AI

本文提出RAPID框架，根据Vision Transformer (ViT)网络深度调整token缩减策略：浅层使用冗余感知剪枝，深层使用基于CLS token注意力权重的合并。该方法在ImageNet-1K上实现了比ToMe和ToFu更好的精度-压缩权衡。

Closing the Sim-to-Real Gap: An Evaluation Framework for Autonomous Cyber Defense Configuration of Commercial EDR

Kerri Prinos, Lilianne Brush

cs.CR cs.AI

本文提出了首个针对商业EDR（端点检测与响应）系统的自主防御智能体评估框架，并在GOAD实验室中进行了实例化。研究发现商业EDR遥测数据是为SOC分析师工作流设计的，且其自主行为在评估窗口内会发生变化，揭示了仿真与真实环境之间的差距。

CLASP: Language-Driven Robot Skill Selection and Composition using Task-Parameterized Learning

Markus Knauer et al.

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

本文提出了一种模块化架构，结合task-parameterized kernelized movement primitives (TP-KMPs)与预训练的vision-language models (VLMs)，使机器人能从自然语言命令中理解并执行任务。该方法通过少量演示学习技能，并利用VLM进行技能选择与组合，无需微调即可实现数据高效的任务执行。

The Governance of Human-LLM Interaction: Safety Gating, Civility Steering, and Affective Default Lock-In

Manuele Reani, Hongjian Zhang, Hongyu Tian

cs.HC cs.AI cs.CY

本文提出了一种确定性多智能体评估流程，用于测量LLM在长程对话中的prompt可引导性和风格漂移，并构建了一个区分安全门控、文明引导和情感默认锁定的治理框架。研究通过90,000条助手回复的评分实验，证明了prompt可引导性和回归默认行为是提供商控制交流形式的可观测指标。

AI-Native Closed-Loop Security for 6G-Enabled Cyber-Physical Systems: From Edge Detection to Network-Wide Mitigation

Bilal Hussain et al.

cs.CR cs.LG cs.NI

本文综述了6G网络中网络物理系统(CPS)的闭环AI安全框架，利用MEC层的CDR和RAN/O-RAN遥测数据进行感知，并通过SDN、NFV和O-RAN控制器实现网络级缓解。文章组织了大量文献并提出了一个参考架构，但主要贡献在于综述和框架整合，而非提出具有开创性的新方法。

Latent Structural Categorical Matrix Completion with Application to Quasispecies Analysis

Qian Zhang, Meixia Lin

math.OC cs.LG

本文提出LCMC框架，通过binary tensor representation将categorical matrix completion转化为双循环优化问题，外环自适应估计latent dimension，内环通过tensor factorization重建矩阵。实验在viral quasispecies重建中验证了其准确性和效率。

Vector Space of Cycles

Moo K. Chung, Anass B. El-Yaagoubi, Hernando Ombao

stat.ML cs.LG physics.data-an q-bio.NC

本文提出了一种基于simplicial complex上edge flow的变分框架，用于统计推断循环交互作用。该方法通过能量最小化动力学将交互作用分解为瞬态成分和持久harmonic flow，从而在Hilbert空间中表示循环结构，支持投影、平均和群体统计推断。

Stable and Scalable Probabilistic Numerical Solvers for Stiff and High-Dimensional ODEs

Nathanael Bosch

math.NA cs.LG stat.ML

本文针对刚性高维ODE问题，开发了兼具稳定性和可扩展性的概率数值求解器，通过矩阵自由更新步骤和迭代重线性化策略，实现了线性计算复杂度并提升了稳定性。

SegmentAnyTreeV2: Scaling Transformer-Based Tree Instance Segmentation Across Sensors, Platforms, and Forests

Maciej Wielgosz, Stefano Puliti, Rasmus Astrup

cs.CV cs.LG

本文提出了SegmentAnyTreeV2，一种跨传感器和平台的森林点云语义与实例分割框架，通过结合Point Transformer v3骨干网络和树聚焦的cross-attention mask decoder来提升密集林分中的分割性能。

Paediatric-HGNN: A Hybrid Heterogeneous Graph Neural Network for Detecting Disfluency in Children's Speech via Multiscale Acoustic Fusion

Rashini Liyanarachchi et al.

eess.AS cs.CL cs.SD

本文提出Paediatric-HGNN框架，利用Context-aware Part-whole Interaction Network (CaPIN)构建heterogeneous graph来建模lexical units与acoustic segments之间的层级关系，用于儿童语音中的口吃检测。该方法在UCLASS和FluencyBank语料库上取得了82.4%的加权准确率，但未直接涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。

Post-Rejection Follow-up Sampling: A Methodology for Counterfactual Outcome Measurement in Algorithmic DEX Trading

Arati Uday Kamat

q-fin.TR cs.LG q-fin.CP q-fin.ST

本文提出了一种名为Post-Rejection Follow-up Sampling (PRFS)的方法，用于在去中心化交易所(DEX)的算法交易系统中测量被拒绝候选token的反事实结果。该方法通过独立的跟踪子系统定期采样被拒绝token的价格和流动性数据，以评估过滤器的精度。

AeroSpectra Sentinel: An Auditable LLM Prompt-Chaining Decision-Support Workflow for Acute Asthma Risk Assessment from Respiratory Sounds and Clinical Signals

Aueaphum Aueawatthanaphisut

eess.AS cs.AI cs.LG eess.SP

本文提出了AeroSpectra Sentinel，一个结合STFT呼吸音分析、轻量级ML筛查和五阶段LLM prompt-chaining的哮喘风险评估决策支持工作流原型，在公开数据集上评估了音频分类和LLM工作流的安全性与文档一致性。

Disturbance-Aware Aerial Robotics for Ethical Wildlife Monitoring

Mahmut Osmanovic, Isac Paulsson, Teddy Lazebnik

cs.RO cs.LG

本文提出了一种基于disturbance-aware reinforcement learning的框架，用于异构空中机器人编队自主追踪野生动物并最小化行为干扰。该方法结合动物运动模型与仿真环境，在三种物种上验证了其优于传统规则基线的性能。

Contemporary AI lacks the imagination to diverge or negate in science

Honglin Bao et al.

cs.CY cs.AI

本文通过大规模实验评估了LLM在科学假设生成中的表现，发现其缺乏提出null hypothesis的能力，且与人类专家判断一致性较弱。

Mind Your Steps: A General Learning Framework for Accurate Humanoid Foothold Tracking

Alessandro Montenegro et al.

cs.RO cs.LG

本文提出了一种用于人形机器人精确足部轨迹跟踪的轻量级学习框架，通过动态目标采样器使策略对不同地形具有鲁棒性，并解决了真实世界中位姿估计噪声等问题。该框架作为独立低层控制器可与多种高层足部生成器配合，在仿真和真实实验中实现了自然准确的运动。

MS-COOT: Comparing Morse-Smale Complexes with Co-Optimal Transport

Guangyu Meng, Mingzhe Li, Erin Wolf Chambers

cs.GR cs.CV cs.LG

本文提出MS-COOT方法，将Morse-Smale复形表示为hypergraph，通过co-optimal transport距离同时计算critical points和regions之间的对应关系，实现region-level的结构匹配。该方法在多个数据集上验证了其捕捉区域级结构变化的能力，但与我提供的关键词列表关联较弱。

Post-AGI Economies: Superposition and the Second Fundamental Theorem of Welfare Economics

Elija Perrier

cs.GT cs.AI

本文探讨了后AGI经济中自治权、自我修改和偏好叠加对福利经济学第二基本定理的挑战，提出了一个自治限定版本，并区分了经济偏好叠加与神经特征叠加。

Minimum Complete MR Subsets under Semantic-Mutation Fault Models: A Support-Set Domination Boundary

Meng Li et al.

cs.SE cs.DS

本文研究了metamorphic testing中最小完整MR子集选择问题，定义了基于变异体覆盖的层相关完备性准则，并提出了支撑集支配边界理论。该边界由kill-signature异质性决定，将Min-MR-Complete问题等价于Set-Cover问题，证明了其NP-hardness和近似边界。

An AI Security Agent for University ACMIS: Multi-Vector Threat Detection and Automated Response

Joseph Walusimbi, Joshua Benjamin Ssentongo

cs.CR cs.AI cs.ET

本文提出了一种用于大学学术管理信息系统(ACMIS)的AI安全agent，结合监督异常检测、行为分析和自然语言处理聊天机器人，在五个操作层监控威胁并通过四层风险框架自动响应。实验表明该方法在威胁检测F1分数上显著优于基于规则的基线系统。

QnRL: Quantum-Native Reinforcement Learning

Alexander DeRieux, Walid Saad

quant-ph cs.ET cs.LG

本文提出了一种名为量子原生强化学习(QnRL)的框架，利用量子系统的叠加和纠缠特性直接在Hilbert空间中学习随机环境的条件分布，并通过量子振幅回踢(QuAK)算法比较多个叠加分布的矩。实验表明该方法在评估分数和参数效率上优于基线，但其核心贡献更偏向量子机器学习而非经典强化学习或代码、谱方法等关键词。

Strategic Type Spaces

Olivier Gossner, Rafael Veiel

econ.TH cs.CL

本文为不完全信息博弈提供了信息表示的战略基础，定义了战略商（strategic quotient）并证明了最小战略商（即战略类型空间）的存在性与唯一性，其类型由中间相关理性化层级（interim correlated rationalizability hierarchy）给出。该最小战略类型空间具有可由有限自动机描述的递归结构。

MEC-Cox: Machine-Learning-Assisted Generalized Entropy Calibration for ATT Marginal Hazard-Ratio Estimation

Se Yoon Lee, Yonghyun Kwon, Jae Kwang Kim

stat.ML cs.LG

本文提出MEC-Cox方法，将机器学习辅助的广义熵校准（MEC）应用于ATT边际风险比估计的IPW Cox回归中，通过校准外部对照与治疗患者的预后评分来更新权重。该方法建立了相合性并推导了效率增益，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。

"So There's a Catch-22 Here": How Early Adopters Who Build Multi-Agent LLM Systems Conceptualize Transparency

Suchismita Naik et al.

cs.HC cs.AI

本文通过对13位早期采用者的半结构化访谈，研究了多智能体LLM系统（multi-agent LLM systems）中透明性（transparency）的概念与实践，提出了一个多维框架，将透明性定位为一种情境化的社会技术实践。该研究主要关注人机交互（HCI）与负责任AI领域，与关键词中的agent有一定关联，但方法上缺乏开创性且未解决长期问题。

Set-Based Transformer for Atmospheric Compensation in Standoff LWIR Hyperspectral Imaging

Fabian Perez et al.

cs.CV cs.AI

本文提出了一种基于集合的轻量级深度学习框架，用于处理远距离长波红外高光谱成像中的大气补偿问题。该方法通过输入多个不同距离的辐射测量值，联合估计透射率、大气路径辐射和共享的下行辐射光谱，并在MODTRAN生成的数据集上验证了低光谱失真性能。

Self-Supervised Vision Transformers for CBCT-Based Detection of Temporomandibular Joint Osteoarthritis

Shradhdha Trivedi, Vrundan Sojitra, Mariela Padilla

cs.CV cs.AI

本文研究了DINO系列自监督Vision Transformer在CBCT颞下颌关节骨关节炎检测中的迁移效果，提出了一种基于切片和attention-based multiple instance learning的简单流程。实验表明，部分解冻最后两个transformer blocks是提升性能的关键，但方法本身在开创性上较为有限。

Emergence World: A Platform for Evaluating Long-Horizon Multi-Agent Autonomy

Deepak Akkil et al.

cs.MA cs.AI

本文提出了Emergence World，一个持续运行的多agent模拟平台，用于评估LLM agent在长时间尺度（数周至数月）下的行为动态，如行为漂移和跨模型影响。通过集成实时外部数据和民主治理机制，该平台展示了不同模型（如Claude Sonnet 4.6和GPT-5-mini）在相同初始条件下产生截然不同的长期结果。

SoK: Reconstruction Attacks on Synthetic Tabular Data (Insights from Winning the NIST CRC)

Steven Golob, Sikha Pentyala, Martine De Cock

cs.CR cs.LG

本文系统化了针对合成表格数据的reconstruction攻击，提出了攻击分类法，并进行了大规模实证评估。研究发现，合成数据生成方法的选择比攻击方法的选择对隐私风险影响更大，且differential privacy的保护效果在预算较小时显著。

Predictive Coding with Bayesian Priors via Proximal Gradients

Francesco Bullo

eess.SY cs.LG

本文通过proximal gradient descent重新解释了predictive coding，将其视为正则化MAP估计的连续时间优化过程，并展示了单层与多层层次结构下的电路实现与概率模型解释。

Impacts of Histories and Models on LLM Grading: A Study in Advanced Software Engineering Courses

Qilin Zhou et al.

cs.SE cs.AI cs.CL

本文研究了LLM在研究生软件工程课程评分中的一致性问题，发现不同模型间存在显著评分差异，且连续交互历史会导致评分标准偏离人类专家。该工作主要关注教育评估应用，与关键词中的code、context、attention等概念关联较弱。

Hiding in Plain Floats: Steganographic Carriers for Indirect Prompt and Content Injection

Mudit Sinha, Sanika Chavan

cs.CR cs.AI

本文研究了在结构化float参数中隐藏恶意载荷以绕过文本中心prompt-injection防御的方法，通过实验展示了这种间接注入攻击在商业LLM API上的有效性，并分析了数据层和重建层对防御的规避作用。

PACT: Self-Evolving Physical Safety Alignment for Diffusion Policies in Embodied Manipulation

Lingxuan Wu et al.

cs.RO cs.AI

本文提出PACT框架，通过将预训练的diffusion policy投影到约束可行区域，在不依赖演示数据或任务奖励的情况下实现物理安全对齐。该方法利用reverse-KL目标函数和逐步收紧约束的课程学习，在保证策略性能的同时显著降低了安全违规率。

CoVEBench: Can Video Editing Models Handle Complex Instructions?

Jiangtao Wu et al.

cs.CV cs.AI

本文提出了CoVEBench基准，用于评估视频编辑模型处理复杂组合指令的能力，包含416个源视频和626个多点编辑指令。实验表明现有模型在同时执行多个编辑操作时经常出现遗漏或伪影问题。

TinyGiantALM: A Compact Audio-Language Model for Intent-Aware Reasoning under Resource Constraints

Vinh-Thuan Ly

cs.SD cs.CL eess.AS

TinyGiantALM提出了一种紧凑的1.5B参数Audio-Language Model，通过Instruction-Aware Feature Refinement框架和Query-guided Projector在资源受限环境下实现意图感知推理，在MMAR基准上以46.4%的零样本准确率超越7B-13B模型。该方法主要关注音频推理的效率优化，与关键词中的code、spectral、Muon、agent、attention等概念关联较弱。

AI Code Sandboxes: A Comparative Security Study. Part 1 of 2 -- Engine-Level Properties (Attack Surface, Leakage, Stackability, CVE History, Patch Cadence, Fuzzing)

George Andronchik, Pavel Lokhmakov

cs.CR cs.AI

本文从六个引擎层面指标（如攻击面、信息泄露、CVE历史等）比较了五种AI沙箱产品隔离访客代码与主机内核的能力，发现引擎类别（microVM、用户态内核、OCI容器）在架构上区分明显，但同类产品间差异不大。研究未提出总体排名，而是提供了威胁模型评估矩阵。

Improving Bayesian Optimization via Training-Aware Conditional Diffusion Models

Yilin Zheng et al.

stat.ML cs.LG

本文利用Conditional Diffusion Models (CDMs)高效近似Bayesian Optimization (BO)中全局最优点的分布，并提出了针对性的训练策略和基于扩散的采集函数DMS，以降低计算成本并提升优化性能。

LOTTERY: Learning from Reference-Only Samples in Two-Sample Testing under Size Asymmetry

Xunye Tian et al.

stat.ML cs.LG

本文针对样本量严重不平衡的双样本检验问题，提出了一种仅利用参考样本学习表示并自适应聚合的检验方法，并证明了其置换检验下的第一类错误控制与一致性。该方法在few-shot场景下具有实用性，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。

FlashCP: Load-Balanced Communication-Efficient Context Parallelism for LLM Training

Zheng Wang et al.

cs.DC cs.AI

本文提出FlashCP，一种用于大语言模型训练的负载均衡且通信高效的context parallelism框架。它通过引入分片感知的通信机制和Whole-Doc分片策略，减少了冗余的KV tensor通信并平衡了工作负载，实验表明相比现有方法实现了最高1.63倍的加速。

Seeing is Believing: Aligning Prompt Rewriting with Visual Anchors for Text-to-Image Generation

Xuanyi Liu et al.

cs.CV cs.AI

本文提出FaithRewriter框架，通过多模态大模型生成中间视觉线索，再结合大语言模型生成视觉增强的prompt，最后蒸馏到小模型以提升文本到图像生成中prompt的忠实度。该方法主要关注视觉锚定而非代码、谱方法或预训练等关键词。

Querying Counterfactuals on Tissue Graphs with Supervised Disentanglement

Abdul Moeed et al.

q-bio.GN cs.LG stat.ML

本文形式化了组织图反事实（tissue graph counterfactuals）的概念，将其分为边扰动和节点扰动两类，并提出了Cellina框架，通过监督解耦（supervised disentanglement）将细胞的固有状态与空间上下文分离，以进行反事实预测。实验表明该方法在多种组织扰动任务中优于现有方法，但与关键词中的code, context, spectral, Muon, pretrain, agent, attention关联较弱。

Projecting the Emerging Mindset of SWE Agent by Launching a Wild Code Understanding Journey

Zhengyi Zhuo, Yan Liu

cs.SE cs.AI

本文介绍了Ada，一个用于仓库级代码理解的工具，通过有限工具接口记录SWE agent在真实代码库中的探索轨迹。研究通过多个观察视角（如导航、证据选择、综合等）将agent的思考-行动链转化为可比较的行为特征，揭示了不同模型和任务下的效率与认知差异。

ActProbe: Action-Space Probe for Early Failure Detection of Generative Robot Policies

Bingjia Huang et al.

cs.RO cs.AI

本文提出ActProbe，一种轻量级的纯action-space故障检测器，通过分析生成式机器人策略输出的action chunks的时序一致性误差和幅度来预测失败。该方法在多个基准测试中提升了故障检测的准确性与及时性，并能在真实机器人任务中加速强化学习微调。

Friend or Foe? Language as an ideological switch in open-weight LLMs under Russian disinformation stress

Anna Małgorzata Kamińska, Tetiana Klynina

cs.CY cs.CL

本文通过控制实验审计了四种基于相同base model但针对不同语言社区微调的开源LLM，发现模型对俄罗斯虚假信息的抵抗能力与预期的文化对齐方向相反，即乌克兰语微调模型在俄语查询下抵抗最弱，而俄语微调模型抵抗最强。研究指出语料构成、语言覆盖和prompt格式比名义上的文化来源更具决定性，挑战了“文化对齐保证韧性”的假设。

Towards End to End Motion Planning and Execution for Autonomous Underwater Vehicles Using Reinforcement Learning

Elisei Shafer, Oren Gal

cs.RO cs.LG eess.SY

本文探索了使用端到端Deep Reinforcement Learning (DRL)方法实现自主水下航行器(AUV)的导航与控制，提出了一种分层强化学习(HRL)架构，将高维传感器数据直接映射为推进器指令。实验在HoloOcean模拟器中验证了该方法在避障和轨迹规划上的有效性，但指出其在面对未见过的障碍物形状时存在泛化局限性。

GEAR-VLA: Learning Geometry-Aware Action Representations for Generalizable Robotic Manipulation

Yuan Zhang et al.

cs.RO cs.AI

本文提出GEAR-VLA框架，通过粗到细的动作学习、语义对齐的3D特征集成和机器人本体规范化，学习统一的几何感知动作表示，以提升Vision-Language-Action模型在未见物体、背景变化和不同机器人本体上的泛化能力。实验在多个基准上取得最优性能，但方法本身未涉及code、context、spectral、Muon、agent或attention等关键词。

When Video Misreads: Closed-Loop Distillation of Reading Heuristics for Exploratory Manipulation Trace QA

Haizhou Ge et al.

cs.RO cs.AI cs.CV

本文提出Closed-Loop Trace Distillation方法，通过per-task coding agent从标注的探索性操作轨迹中提取Distilled Reading Heuristic (DRH)提示，辅助VLM预测最小成功动作链，在模拟器和真实机器人任务上提升了准确率。该方法与关键词中的agent和context有一定关联，但整体创新性有限。

Improving the sharpness in neural network-based parametric post-processing of ensemble forecasts

Ágnes Baran, Máté Mihalina

stat.ML cs.LG

本文针对神经网络集合预报后处理中预测区间过宽的问题，通过在损失函数中加入惩罚项来提升预测的sharpness。实验表明该方法能在不显著降低CRPS和RMSE的前提下，将中心预测区间宽度相对减少8.2%-12.5%。

Auditable Graph-Guided Root Cause Analysis for Kubernetes Incidents

Anastasiia Kuvshinova, Seungmin Jin

cs.SE cs.AI cs.DC

本文提出了一种名为Graph Traversal Agent的图引导根因分析agent，通过结合LLM推理与确定性图操作来诊断Kubernetes事件。该方法将操作约束映射到类型化证据图和状态机，并在ITBench快照上提升了根因实体F1分数，但性能提升主要依赖于特定场景的benchmark耦合，而非广泛的跨集群RCA证据。

HARBOR: A Harness Framework for Agentic Robot Reinforcement Learning

Zechu Li et al.

cs.RO cs.AI

HARBOR是一个用于自动化机器人强化学习工作流的agentic框架，它将仿真环境设置到策略训练的全流程分解为多个阶段，由专门agent通过标准化命令和可重用知识执行。该框架在6个基准测试和16个任务上验证了其自动化能力，但主要聚焦于工程自动化而非理论创新。

Bayesian Optimization of a Multi-Product Chemical Reactor Using Composite Models and Partial Physics Knowledge

Liqiu Dong, Marta Zagórowska, Mehmet Mercangöz

eess.SY cs.LG

本文研究多产品化学反应器的数据驱动实时经济优化问题，利用Gaussian process (GP)模型预测物理输出（如产物浓度和温度），并结合稳态能量平衡的物理残差进行Bayesian optimization (BO)，以在无可靠第一性原理模型时实现经济优化并避免温度约束违反。

Harnessing Streaming Video in the Wild

Dingyu Yao et al.

cs.CV cs.CL

本文提出了一个面向流式视频理解的系统，包含数据集Streaming-Train-248K、部署框架Streaming Harness和评测基准Streaming-Eval，旨在将Vision-Language Models从离线视频理解扩展到支持实时交互、长时记忆和主动响应的流式场景。实验表明该方法在流式视频理解所需的核心能力上取得了一致提升。

Parameter Tuning with Generalization Guarantees for GPU-Accelerated Linear Programming

Siddharth Prasad, Dravyansh Sharma

math.OC cs.LG

本文研究了GPU加速线性规划求解器PDLP中超参数调优的泛化保证，通过分析PDHG算法行为和数据驱动方法，为超参数学习提供了样本复杂度保证。

Sample-Efficient LLM-Based Detection of Malicious Web Server Logs with Forensically Explainable Reasoning

Bernhard Kneip, Nhien-An Le-Khac, Hong-Hanh Nguyen-Le

cs.CR cs.AI

本文提出CEF-Log，一种基于大语言模型的上下文增强少样本链式思维提示策略，用于检测恶意Web服务器日志并生成可解释的推理。该方法通过结构化五步推理模板嵌入专家调查方法，在CSIC 2010数据集上以仅4个样本达到0.99的F1分数，并引入新数据集ForenWebLog。

Reconstructing Synthetic SDO/AIA 193 A EUV Images from He I 10830 A Observations with Diffusion Model Translator

Marco Marena et al.

astro-ph.SR cs.AI cs.CV

本文提出了一种基于扩散模型的图像翻译框架CH-aware DMT，利用He I 10830 A观测数据重建SDO/AIA 193 A的EUV图像，以扩展历史时期的日冕研究。该方法在2011-2015年的数据上训练，重建结果保持了整体EUV形态并恢复了日冕洞相关结构，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。

FiberTune: Preserving Action-Fiber Visual Residuals in Vision-Language-Action Fine-Tuning

Haihao Lin et al.

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

本文提出FiberTune，一种在视觉-语言-动作(VLA)策略微调中保留动作纤维视觉残差的训练目标，通过在线action probe过滤与动作预测相关的特征方向，并将残差对齐到冻结的视觉教师模型。实验表明该方法在多个仿真和物理任务上提升了任务成功率，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。

Data Agents Under Attack: Vulnerabilities in LLM-Driven Analytical Systems

Kuncan Wang et al.

cs.CR cs.AI cs.DB

本文系统性地研究了LLM驱动的data agent（结合LLM推理与关系数据访问的分析系统）的安全漏洞，提出了一个分层漏洞框架和攻击分类法，并在多个开源和商业系统上进行了实验评估。

Uncertainty Principles for the Number Theoretic Transform

Giulio Malavolta, Alon Rosen

math.NT cs.CR cs.DS

本文研究了数论变换(NTT)的不确定性原理，证明了对于固定素数$q$和几乎所有满足$p \equiv 1 \pmod q$的素数$p$，非零函数$f\in \mathbb F_p^{\mathbb Z_q}$与其NTT变换$\hat f$的支撑集大小之和至少为$q+1$，并给出了一个概率版本。该结果应用于指数多项式的黑盒恒等测试。

A Comparison of SSL-Based Feature Extractors and Back-End Classifiers for Spoofing Detection: A Multi-Corpus Training and Cross-Linguistic Analysis

Anh-Tuan Dao et al.

cs.SD cs.LG

本文比较了四种self-supervised learning特征提取器与四种back-end classifier在语音欺骗检测中的表现，通过多语料库训练和跨语言分析，揭示了ASVspoof 5数据集中的domain bias，并发现使用少量目标语言数据微调可提升检测鲁棒性。

Learning to Solve Generative ODEs Beyond the Linear Span

Sihyeon Kim et al.

cs.CV cs.LG

本文提出SpanLift，一种轻量级神经求解器，通过添加空间残差算子来增强标量系数更新，从而突破生成ODE求解中每一步更新受限于速度评估线性张成空间的瓶颈。该方法通过端点教师匹配训练，不增加模型NFE，在像素空间扩散、潜在流匹配等任务上实现了少步采样的最先进性能。

BioVid: Autoregressive Video Generation with Biological Behavior Semantic Comprehension

Tsung-Wei Pan, Jung-Hua Wang

cs.CV cs.AI

本文提出BioVid，一个基于自回归视频生成的框架，通过FSQ-R3GAN tokenizer将视频帧编码为离散表示，并用causal Transformer学习生物行为的时间结构（包括自然长度分布）。实验在人类饮水行为数据集上验证了其生成长度分布与真实数据更接近，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。

Lost in the Flow with Code Talkers: Unveiling the Instruction-Tuning Tax of Large Language Models in Code Tasks

Shi Ying Chang et al.

cs.SE cs.AI cs.CL

本文通过实证研究揭示了instruction tuning在代码任务中的权衡效应，即指令调优虽能提升模型遵循指令的能力，但会削弱代码补全性能。研究为代码AI工具的开发提供了新视角。

Speaker-Invariant Representation Learning for Spoofing Detection via Gradient Reversal and A Variational Information Bottleneck

Anh-Tuan Dao et al.

cs.SD cs.LG

本文提出了一种基于teacher-student框架的说话人不变表示学习方法，用于语音欺骗检测。该方法通过gradient reversal layer和Variational Information Bottleneck来抑制说话人身份信息，在多个数据集上取得了性能提升。

Rank Intervals for Leaderboards: A Hierarchical Framework for Model Evaluation

Bitya Neuhof, Yuval Benjamini

stat.ML cs.CL cs.LG stat.ME

本文提出了一种层次化框架，通过pairwise comparisons构建task-level rank confidence intervals，并利用conformal方法得到leaderboard-level rank prediction intervals，从而在模型排行榜上实现具有统计保证的不确定性量化。该方法在模拟数据和TabArena、PromptEval基准上验证了有效性。

Discovering and decoding latent mean-field structure with variational autoencoders

Marco Biroli, Max Welling, Vincenzo Vitelli

cond-mat.soft cond-mat.stat-mech cs.LG

本文使用variational autoencoder (VAE)研究多体系统的联合概率分布，通过比较latent channel的速率与数据的bipartite mutual information来界定VAE的capacity，并证明成功的VAE解码器在结构上等价于有限尺寸的mean-field factorization。该方法在标量、向量和张量序参量的可解模型上得到验证，并应用于Salamander视网膜记录数据。

Structuring agentic AI for HPC code modernization

Anthony Marinov, Igor Sfiligoi

cs.SE cs.AI

本文介绍了使用结构化agentic AI方法将基于Fortran的单线程MPI应用NMAP-RKPM现代化为C++ OpenMP并行MPI工具的经验，通过手动创建示例、确保持续可构建性和限制会话范围等策略克服了LLM工具的不足。

Hybrid Neural Network and Conventional Controller Approach for Robust Control of Highly Unstable Systems: Application to Tilt-Rotor Control

Ali Kafili Gavgani et al.

eess.SY cs.AI cs.LG cs.RO

本文研究了倾斜旋翼系统的神经网络控制策略，首先展示了直接输入输出控制方法（如MLP、LSTM和Transformer）无法稳定该系统，然后提出了一种神经网络增强的滑模控制器，通过将系统动力学分解为输入无关和输入相关部分来降低实时计算需求。该方法可利用低性能控制器的飞行日志进行训练，并在模型不确定性和外部干扰下验证了其鲁棒性。

Can LLMs understand LilyPond? A benchmark for symbolic music generation and understanding

Matteo Spanio et al.

cs.SD cs.CL

本文提出了LilyBench，一个基于LilyPond格式的benchmark，用于评估大语言模型在符号音乐生成和理解上的能力。实验发现，模型在零样本下能生成可编译的LilyPond代码，但在结构理解任务上仍有挑战，且不同评估指标间存在系统性分歧。

Compositional Approximation Can Strictly Outperform Superpositional Approximation

Dennis Elbrächter, Philipp Petersen

math.NA cs.LG

本文研究了compositional approximation（如神经网络）与superpositional approximation（如字典线性组合）在逼近某些函数类时的速率差异，通过构造显式例子证明了前者可以严格优于后者，且差距可以任意大。

IR-SIM: A Lightweight Skill-Native Simulator for Navigation, Learning, and Benchmarking

Ruihua Han et al.

cs.RO cs.LG

本文提出了IR-SIM，一个轻量级的、以技能为核心的导航模拟器，通过YAML配置文件定义场景，支持从文本提示快速生成和修改场景，用于导航算法的自动化benchmarking和机器人学习。该工作主要贡献在于简化了模拟器的使用流程，但并未涉及关键词列表中的核心概念。

APEX4: Efficient Pure W4A4 LLM Inference via Intra-SM Compute Rebalancing

Hong Guo et al.

cs.DC cs.AI

本文研究了W4A4量化在LLM推理中的效率问题，通过分析Tensor Cores与CUDA Cores的吞吐率比$\rho$，发现其性能依赖于硬件平台。作者提出了APEX4系统，通过$\rho$感知的粒度自适应设计纯INT4 GEMM kernel，在多种GPU上实现了加速，但方法本身并非开创性突破，且与关键词关联较弱。

Unifying Object-Centric World Models and Diffusion Policy: A Hierarchical Framework for Multi-Stage Robotic Tasks

Raktim Gautam Goswami et al.

cs.RO cs.AI

本文提出了WorldDP框架，将object-centric world model与Diffusion Policy结合，用于多阶段机器人操作任务。该方法通过高层world model进行子目标规划，再由低层Diffusion Policy执行，在多个机器人基准测试中优于现有基线。

Evaluating AI Investment Strategies

Irene Aldridge

econ.EM cs.AI q-fin.PM q-fin.RM q-fin.ST

本文研究了从可观测输入和输出审计黑箱算法决策者的问题，将单期协方差恒等式扩展到多期随机动态规划场景，并推导了非平稳情况下的偏差修正。该工作为平台机制设计等战略环境提供了无需访问代理私有类型的福利审计指标。

AI-Augmented Closed-Loop Quality Engineering: A Reference Architecture for Continuous Software Quality Intelligence

Dimple Bajaj

cs.SE cs.AI

本文提出了一种AI增强的闭环参考架构，用于持续软件质量智能，通过整合需求特征挖掘、基于风险的测试优先级排序、缺陷预测和生产事件分析，形成一个基于反馈的pipeline。实验表明该方法能减少缺陷泄漏并提高检测效率。

Generalization in Nonlinear Least Squares via Learned Feature Geometry

Ayub Kharel et al.

stat.ML cs.LG

本文通过on-average algorithmic stability研究了带ridge正则化的非线性最小二乘模型的泛化性，推导了局部极小点的误差界，该误差界依赖于数据依赖的有效维度，反映了训练参数处梯度模型的几何结构。在实验上，该方法在合成流形和基准数据集上验证了训练Jacobian的压缩效应。

Governance Controls for AI-Generated Test Artifacts in Autonomous Software Testing

Dimple Bajaj, Deepak Khetan

cs.SE cs.AI

本文提出了一个名为Governance-Aware Autonomous Testing Framework (GATF)的框架，用于增强AI生成测试工件的可靠性、透明度和可信度，通过引入治理验证、可解释性分析和风险概率评估等机制。实验表明该框架在降低治理相关风险和提高准确性方面优于传统AI测试系统，但该方法与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等概念无直接关联。

Aperon Technical Report: Hierarchical No-Pointer Tangent-Local Search for High-Dimensional Approximate Nearest Neighbors

Yong Fu

cs.DC cs.DB cs.IR cs.LG

本文提出HNTL框架，通过将高维空间划分为局部相干区域并在局部tangent space上用低维坐标表示向量，采用无指针的Block-SoA布局进行顺序扫描，以解决proximity graph（如HNSW）的指针开销和内存访问不规则问题。实验表明该方法在anisotropic manifold数据上实现了高召回率和显著加速。

From A to B to A: Palindromic Zero-Shot Voice Conversion with Non-Parallel Data

Moshe Mandel, Shlomo E. Chazan

cs.SD cs.LG

本文提出了一种基于KNN检索的语音转换框架，通过WavLM表示对齐非平行源和目标语音，构建合成训练对进行监督学习。该方法支持多语言数据且无需平行语料库，实验表明其在自然度和说话人相似度上优于基线方法。

BLM-SGAN: Bidirectional Language Modeling for Semantic-Spatial Text-to-Image Generation

Ahmed Abdelmoneim Mazrou, Haidy Maher El-Amir, Ali Hamdi

cs.CV cs.AI cs.LG

本文提出BLM-SGAN模型，利用BERT的attention机制进行双向语言建模以增强文本到图像生成中的语义-空间信息捕获能力。该模型在鸟类图像生成任务上取得了优于SSA-GAN等方法的Inception Score，但方法本身属于现有GAN框架的改进，创新性有限。

Intelligent Character Recognition of Handwritten Forms with Deep Neural Networks

Hartwig Grabowski

cs.CV cs.AI

本文提出了一种通过深度神经网络将手写字符的检测与分类合并为单一任务的方法，并利用人工合成训练数据替代手动标注。实验在EMNIST数据集上取得88.28%的识别率，但未涉及关键词中的核心概念。

CHROMA: Detecting AI-Generated Images through Inter-Channel Color-Space Correlations

Juan Pablo Sotelo, Marina Gardella, Pablo Musé

cs.CV cs.LG

本文研究了AI生成图像检测问题，提出了一种利用跨颜色空间通道间相关性（inter-channel color correlations）的轻量级方法。通过分析RGB和Lab等颜色空间中成对通道相关性的分布差异，该方法将相关性特征图与标准RGB输入结合，使用固定CNN骨干网络进行训练，在有限计算资源下实现了与现有检测器相当的鲁棒性。

Fourier Neural Operators with rank-1 lattice points and hyperbolic cross

Jakob Dilen et al.

math.NA cs.LG

本文提出了一种基于rank-1 lattice点和hyperbolic cross的Fourier Neural Operator (FNO)变体，通过用rank-1 lattice点替代空间张量积网格并精心构造参数空间训练点，改善了泛化误差，简化了架构。该方法利用一维快速傅里叶变换实现高维傅里叶变换，并在环形域上的椭圆PDE中展示了更高效、更精确的近似能力。

Benchmarking Vision-Language-Action Models on SO-101: Failure and Recovery Analysis

Yi Yu, Xinchuan Qiu

cs.RO cs.AI

本文提出了一个针对低成本SO-101机器人平台的标准化benchmark，用于评估Vision-Language-Action (VLA)模型在真实世界中的鲁棒性。实验发现执行不稳定性是主要的失败来源，且不同架构的恢复能力差异显著。

Are Reasoning Vision-Language Models Robust to Semantic Visual Distractions?

Yizheng Sun et al.

cs.CV cs.CL

本文提出了Distract-Bench基准，用于评估推理视觉语言模型(VLMs)对语义视觉干扰（即有意义但与任务无关的视觉线索）的鲁棒性。实验发现，与传统的视觉退化相比，这些模型对语义干扰的鲁棒性更低，且干扰常被模型纳入推理过程导致错误答案。

A multi-agent system for spine MRI report generation from multi-sequence imaging

Zhiping Xiao et al.

cs.CV cs.AI q-bio.QM

本文提出了SpineAgent，一个基于multi-agent框架的脊柱MRI报告生成系统，通过预训练多序列编码器和持续学习策略整合多序列影像信息。该系统在报告生成任务上取得了领先性能，并支持病理定位和多模态检索。

Few-shot Class-variable Incremental Audio Classification via Prototype Adaptation and Pseudo Class-variable Training

Yanxiong Li et al.

eess.AS cs.AI cs.LG

本文研究了Few-shot Class-variable Incremental Audio Classification (FCIAC)问题，其中类别数量可以增加或减少。作者提出了一种基于prototype adaptation和pseudo class-variable training的方法，通过动态调整classifier结构并设计训练策略来提升模型对类别变化的适应性。

Failure-Aware Refinement of Vision-Language Model for Lithography Defect Detection

Pangyun Jeong et al.

cs.CV cs.AI

本文提出了一种两阶段视觉-语言框架用于半导体光刻缺陷检测，第一阶段使用LoRA微调Qwen3-VL模型进行初始缺陷预测，第二阶段通过训练一个基于第一阶段预测失败的refinement模块来修正错误。该方法主要关注工程应用中的检测精度提升，与关键词中的理论或方法关联较弱。

PolyBuild: An End-to-End Method for Polygonal Building Contour Extraction from High-Resolution Remote Sensing Images

Yaoteng Zhang et al.

cs.CV cs.AI

本文提出了一种名为PolyBuild的端到端方法，用于从高分辨率遥感图像中直接提取建筑多边形轮廓，无需后处理步骤。该方法通过初始轮廓生成模块和轮廓优化模块，结合CNN与Transformer架构，在三个数据集上取得了优于现有方法的效果。

Estimate Collapsibility of Causal Effects in Completed Partial DAGs via Strong d-Convex Hulls

Yuxin Deng et al.

stat.ML cs.LG

本文研究了在completed partially directed acyclic graphs (CPDAGs)中，通过强d-convex hulls来保持因果效应估计量在边缘化前后一致性的可压缩性方法，并提出了一个结合图约简与IDA框架的算法。实验验证了该方法在CPDAGs中因果估计的有效性。

NutriMLLM: Multimodal Large Language Models for Dietary Micronutrient Analysis

Runze Yan et al.

cs.CV cs.AI

本文利用24小时膳食回忆数据生成约110万对食物图像与65种营养素标签的合成语料库，微调多模态大语言模型得到NutriMLLM，用于从食物图像估计膳食微量营养素。该方法在真实图像上实现了对所有营养素的近全覆盖，但主要贡献在于数据生成策略而非理论创新，与关键词关联较弱。

ChinaHeritaQA: A Culturally-Grounded Visual Question Answering Dataset for World Heritage Sites in China

Yi Zhang et al.

cs.CV cs.CL

本文构建了一个针对中国世界遗产地的多模态VQA数据集ChinaHeritaQA，包含双语问答对，并评估了多个视觉语言模型的表现。结果显示模型在视觉识别上表现良好，但在文化推理方面存在不足。

A systematic investigation of molecular encoding methods for drug property predictions across neural network and Transformer encoder-based model

Sheng-Ya Chen, Shan-Ju Yeh

q-bio.QM cs.LG

本文系统研究了不同分子编码方法（如拓扑指纹、子结构指纹和字符串表示）对药物性质预测的影响，使用MLP和Transformer编码器模型在多个数据集上评估性能，并利用注意力权重作为可解释性信号。研究为分子编码方法的选择提供了实用指导。

Multi-Armed Bandits with Arriving Arms: Sequential Screening, Dynamic Regret, and Sublinear Guarantees

Deqi Zheng, Xiaoyang Xu, Yuhong Yang

stat.ML cs.LG math.ST

本文研究随机多臂老虎机问题中臂集随时间扩展的情形，提出UCB-AA算法，通过引入初步筛选步骤处理新到达臂与现有臂的竞争，并证明其动态遗憾界依赖于到达过程，在间隙演化的正则条件下达到次线性动态遗憾。

Document-Authored Control-Signal Impersonation: A Low-Cost Indirect Prompt Attack on RAG Safety Boundaries

Jianguo Zhu

cs.CR cs.CL

本文研究了RAG系统中一种名为DACSI的间接提示攻击，指出文档中的文本可被误认为控制信号，从而绕过安全边界。该工作主要关注安全漏洞，与关键词中的code, context, spectral, Muon, pretrain, agent, attention均无直接关联。

Sustainability and Artificial Intelligence: Necessary, Challenging, and Promising Intersections

Han-Teng Liao, Zijia Wang

cs.SI cs.AI cs.CY cs.ET

本文基于541篇文献的文献计量分析，概述了人工智能与可持续发展交叉领域的研究现状，指出该领域具有复杂、互联和动态的特点，并讨论了其必要性、挑战与前景。

TLDR: Compressing Audio Tokens for Efficient Autoregressive Text-to-Speech

Yejin Lee et al.

cs.SD cs.AI

本文提出TLDR框架，通过将codec-based AR-TTS中的token-level因果建模转为patch-level，使用轻量级compressor将连续音频token分组为latent patches，以加速推理并减少KV-cache内存占用。该方法在保持生成质量的同时实现了1.8倍推理加速和75%的KV-cache内存降低。

ATM: Action-Consistency Transfer Matrix for Diagnosing and Improving Latent World Models

Jiaheng Chen

cs.CV cs.AI cs.RO

本文提出ATM (Action-Consistency Transfer Matrix) 用于诊断latent world model中action semantics的保持情况，通过轻量级probe比较真实与预测的latent transition，避免了耗时的simulator rollout。该方法可生成可解释矩阵以揭示representation quality和failure modes，并引入AITS将action-identifiability作为训练信号以改进downstream planning。

CRANE: Knowledge Editing for Reasoning MLLMs

Han Huang et al.

cs.CV cs.CL

本文针对推理型多模态大语言模型（MLLMs）的知识编辑问题，提出了一个检索增强框架CRANE，该框架无需对模型参数进行逐编辑修改，通过双库检索系统和两阶段训练策略（SFT与GRPO）来避免传统编辑方法中的结构崩溃、认知失调和浅层内化等失败模式。

Families of Control-Cost-Parametrized Inverse-Optimal Universal Stabilizers

Miroslav Krstic, Luke Bhan

eess.SY cs.LG math.OC

本文提出了一类由控制成本参数化的逆最优通用镇定器族，通过一个三步构造的“成本-扩张器”算子将用户选择的控制运行成本映射为非线性反馈律，并证明了该算子的Lipschitz性质，从而支持神经算子逼近。该方法介于直接最优控制与完全逆最优控制之间，为通用镇定公式提供了设计自由度。

BareWave: Waveform-Native Flow-Matching Text-to-Speech

Wei Fan et al.

eess.AS cs.AI cs.SD

BareWave提出了一种完全基于waveform的flow-matching文本转语音框架，直接进行text-to-wave生成，无需中间acoustic representation。该方法通过训练时representation alignment、分阶段noise scheduling和velocity-aware perceptual alignment (VAPA)来应对raw-waveform建模的挑战，在零样本语音克隆中实现了可理解的语音质量。

Data augmented bootstrap: Unifying confidence interval construction by approximate invariance

Kevin Han Huang

stat.ME cs.LG math.ST stat.ML

本文提出数据增强bootstrap (DAB)框架，通过数据的近似不变性变换来构建置信区间，统一了经典bootstrap、共形预测等方法，并建立了介于有限样本与渐近保证之间的理论覆盖结果。

MilliVid: Hierarchical Latents for Long-Range Consistency in Video Generation

Ishaan Preetam Chandratreya et al.

cs.CV cs.LG

本文提出MilliVid方法，通过预训练一个将视频帧压缩为多层级token的autoencoder，并训练video diffusion model以coarse-to-fine rollout方式生成这些token，从而在长视频生成中保持几何与物体持久性的一致性。该方法在Minecraft长视频数据集上验证了有效性，但未直接涉及关键词中的code、spectral、Muon或agent等概念。

See More, Think Deeper: Query-Expanded Visual Evidence and Answer-Clue Guided Reflection for Long Video Understanding

Shuning Wang et al.

cs.CV cs.AI

本文提出CoVER框架，通过查询扩展视觉证据和答案引导的视觉反馈机制，增强Video-LLM在长视频理解任务中的表现。该方法主要关注视觉证据的获取与验证，未涉及code、spectral、Muon等关键词相关技术。

Context Rot in AI-Assisted Software Development: Repurposing Documentation Consistency for AI Configuration Artifacts

Christoph Treude, Sebastian Baltes

cs.SE cs.AI

本文提出了AI辅助软件开发中“context rot”的概念，指代AI配置文件（如.cursorrules）中的上下文随软件演化而变得陈旧的问题，并论证了现有的文档一致性检查工具可用于检测该问题。

Alcmean's: Unsupervised community detection using local Laplacian, automatic detection of the number of centers

Shahin Momenzadeh, Rojiar Pir Mohammadiani

cs.SI cs.LG

本文提出ALCMeans算法，结合Laplacian energy自动确定社区数量与DeepWalk嵌入进行节点表示，无需预设社区数。实验表明其在NMI和ARI指标上优于Louvain等传统方法，但未涉及code、context、spectral等关键词。

RAM: Reachability Across Morphologies

Tim Walter et al.

cs.RO cs.LG

本文提出了一种名为RAM的形态条件隐式神经表示方法，用于快速且可微地近似机器人可达工作空间，并能在不同形态间泛化。该方法通过前向运动学生成大规模数据集进行训练，在推理速度和精度上显著优于现有基线。

Driving Video Retrieval for Complex Queries with Structured Grounding

Manyi Yao et al.

cs.CV cs.IR cs.LG

本文提出STRIVE-D框架，用于自动驾驶场景下的复杂查询视频检索。它通过弱监督数据校准基于规则的检索信号，并与视觉-语言及关键词检索融合，在多个基准上提升了检索准确率。

Autonomous Incident Resolution at Hyperscale: An Agentic AI Architecture for Network Operations

Arun Malik

cs.SE cs.AI cs.ET cs.MA cs.NI

本文提出了一种用于大规模网络运维的agentic AI架构，通过多agent协作实现网络事件的自主检测、诊断与修复。该系统在生产环境中实现了超过90%的常见事件自主解决率，并讨论了设计权衡与安全保证机制。

An Enhanced Geometric-Spectral Feature Learning Framework for Airborne Multispectral Point Cloud Classification

Xian Li, Yanfeng Gu, Aleksandra Pižurica

cs.CV cs.AI

本文提出了一种增强的几何-光谱特征学习框架，用于机载多光谱点云分类，通过双流特征融合和注意力机制处理高维异构空间-光谱信息，并设计联合损失函数应对样本不平衡和类间相似性问题。实验在两个数据集上验证了其有效性。

Unveiling Privacy Risks in Multi-modal Large Language Models: Task-specific Vulnerabilities and Mitigation Challenges

Tiejin Chen et al.

cs.CR cs.AI

本文研究了多模态大语言模型(MLLMs)中的隐私风险，引入了MM-Privacy数据集来评估不同任务下的信息泄露风险，并揭示了任务不一致性对隐私风险的影响。

Multiversion Concurrency Control for Multiversion B-Trees

Amir Tonta, Bernhard Seeger, Eljas Soisalon-Soininen

cs.DB cs.DS

本文提出了cMVBT，一种对MVBT的重新设计，通过乐观锁存器实现写操作、范围扫描无需锁存，并支持连续垃圾回收。实验表明其在混合工作负载下性能优于基于版本链的现有方法。

From USD Scenes to Knowledge Graphs: Zero-Shot Ontology Grounding with LLMs

Jiangtao Shuai et al.

cs.RO cs.AI cs.CL cs.CV cs.GR

本文研究了利用大语言模型(LLM)将3D仿真场景(USD场景)中的物体自动映射到本体类，以替代传统的手工词典方法。实验表明，LLM在描述性名称上达到90-96%的准确率，但严重依赖场景图中的语义线索，几何信息贡献有限。

Steganography Without Modification: Hidden Communication via LLM Seeds

Felix Mächtle et al.

cs.CR cs.AI

本文发现广泛部署的LLM推理栈中存在一种隐写信道，该信道利用确定性解码中伪随机数生成器(PRNG)的种子依赖性，通过将秘密信息编码在PRNG种子中实现无需修改模型权重的隐蔽通信。实验表明在已知prompt设置下可从$2^{32}$候选空间中完全恢复32位种子，在未知prompt设置下也实现了近完美的恢复准确率。

Decoding Pedestrian Crossing Intention from Egocentric Vision via Vision Language Models

Danya Li et al.

cs.CV cs.AI

本文利用Vision Language Models (VLMs)将行人过街意图解码任务转化为封闭式视觉问答(VQA)问题，通过零样本和参数高效微调方法在自我中心视频上实现了预测，并发现引入自我运动、车辆运动和视线等额外上下文线索可进一步提升性能。该工作主要聚焦于交通场景下的行人意图预测，与关键词中的code, spectral, Muon, pretrain, agent, attention等概念关联度较低。

Counterfactual Reasoning for Fine-Grained Evidence Disentanglement in VideoQA

Zhou Du et al.

cs.CV cs.LG

本文提出了一种基于反事实推理的视频问答细粒度证据分离框架CREDiT，通过结构因果模型将跨模态表示分解为因果和非因果成分，并引入特征级因果干预来抑制虚假相关性。实验表明该方法在多个数据集上提升了答案准确性和推理可靠性。

Pretrained, Frozen, Still Leaking: Auditing Cross-Encoder Attribute Transfer in EEG Foundation Models

Jianwei Tai

cs.CR cs.AI

本文提出了一种针对EEG foundation model的联合审计框架，通过cross-encoder transfer audit发现，即使单个端点的审计通过，模型仍会泄露spectral attributes。作者证明了存在一个chained ridge bridge attacker，并引入audit-endpoint disagreement score (AEDS)作为部署决策规则，但方法主要聚焦于安全审计而非解决长期存在的数学问题。

Resource-aware Computation-Communication Overlap for multi-GPU ML Workloads

Minyu Cui, Miquel Pericas

cs.DC cs.AI

本文针对多GPU ML训练中的计算-通信串行瓶颈，提出通过共享内存驱动的occupancy shaping和通信流优先级提升来实现计算与collective communication的并发，实验显示最多可降低25.5%的执行时间。

SNN-MLIR: An MLIR Dialect for Compiling Neuromorphic SNNs from NIR to Bare-Metal C

Alejandro García Gener, Alvaro Rollón de Pinedo

cs.PL cs.LG

本文提出了snn-mlir，一个基于MLIR的dialect，用于将脉冲神经网络(SNN)模型从NIR格式编译为裸机C代码，通过类型多态操作支持浮点和量化数据，并自动插入rescaling操作以保持量化尺度一致。该工作主要解决了SNN模型从交换格式到实际部署的编译问题，但方法本身在编译技术或理论创新上较为常规。

Trustworthy Smart Fabs via Professional Proxies: Scaling Safe and Sustainable by Design (SSbD) through Industrial Data Spaces

Han-Teng Liao, Chang-Yi Kao, Karen Ang

cs.CR cs.AI cs.CE cs.CY cs.HC +1

本文提出了一个用于先进半导体制造设施的零信任社会技术编排框架，通过“专业代理”角色和硬件隔离信任区实现自主治理，以解决欧盟SSbD框架下的数据主权悖论。该框架利用虚拟计量预测和联邦机器学习在可信执行环境中运行，并通过工业数据空间连接器输出加密合规令牌。

End-to-End Training for Discrete Token LLM based TTS System

Changfeng Gao et al.

cs.SD cs.AI

本文提出了一种针对离散token LLM的TTS系统的端到端训练框架，统一了speech tokenizer、LLM、flow-matching模型和reward model的联合优化，通过多任务目标训练tokenizer并利用下游任务优化LLM，在Seed-TTS-Eval基准上取得了新的SOTA结果。该方法主要关注TTS系统的训练流程简化与性能提升，与关键词中的code、context、spectral等概念关联较弱。

Self-Paced Curriculum Reinforcement Learning for Autonomous Superbike Racing in Simulation

Luca Ghisi et al.

cs.RO cs.AI

本文提出了一种基于Self-Paced curriculum Deep reinforcement Learning (SPDL)的框架，用于在VRider SBK模拟器中训练自主superbike赛车agent。该方法将Soft Actor-Critic (SAC)与自动课程学习结合，通过动态生成任务来提升训练效率，并在多个赛道和摩托车模型上验证了其优于标准SAC的性能。

EgoTactile: Learning Grasp Pressure for Everyday Objects from Egocentric Video

Yuan Zeng et al.

cs.CV cs.AI

本文提出了EgoTactile基准，用于从egocentric视频估计全手抓取压力，并设计了EgoPressureDiff条件扩散框架，结合预训练视频扩散先验和物理信息特征修正层来推断接触模式。该方法在基准测试和野外场景中展现了优越性能，但与我提供的关键词列表（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Proposal Refinement for Few-Shot Object Detection

Yuan Zeng et al.

cs.CV cs.AI

本文提出了一种针对小样本目标检测中区域提议分布不平衡问题的提议细化方法，通过设计细化损失和细化分支来提升模型对新类别的敏感性，并在基准测试上取得了约1%-6%的性能提升。

Physics-Guided Sequence-Based Generative Framework for Acoustic Metamaterial Inverse Design

Yijie Li et al.

cs.SD cs.AI

本文提出MetaSeq，一种基于序列的生成框架，用于声学超材料逆设计。它通过将结构表示为序列而非图像，并结合物理引导的强化学习微调，以改善宽带目标响应。

Multi-View Speech Representation Learning for Parkinson's Disease Detection Using Context-guided Cross-modal Attention

George Theodosiou, Loukas Ilias, Dimitris Askounis

cs.SD cs.LG

本文提出了一种用于帕金森病检测的多分支深度学习框架，通过Log-Mel spectrograms、MFCCs和HuBERT embeddings三种互补的speech representation，并引入context-guided cross-modal attention机制来融合这些异质特征。实验在PC-GITA语料库上取得了较好性能，但方法主要基于现有模型组合，创新性有限。

Brain-Prompt Injection: A Route-Safety Audit for BCI-LLM Agents

Jianwei Tai

cs.CR cs.AI

本文针对BCI-LLM agent pipeline中的brain-prompt注入攻击，提出了一种Route-Safety Audit Contract框架，通过定义最小日志模式、分母层次和端点规范来审计路由安全性，并应用split-conformal calibration校准非oracle EEG确认通道。实验在EEGMMI数据集上验证了该框架对C2和C3路由的阻断效果，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。

Engineering Scalable Distributed List Ranking

Peter Sanders et al.

cs.DC cs.DS

本文重新审视了分布式list ranking问题，基于Sibeyn的稀疏ruling-set算法进行了工程优化，通过间接通信和消息合并等技术，实现了在多达24,576个核心上对数十亿元素的高效处理。

Conan-embedding-v3: Fusing Modality-Specific Models for Omni-Modal Embedding

Shiyu Li et al.

cs.MM cs.AI cs.LG

本文提出Conan-embedding-v3框架，通过解耦-融合-恢复策略实现多模态检索。该框架先独立训练各模态专家，再融合其task vectors到单一dense backbone中，并针对音频模态的Projector Drift问题提出Projector Recovery方法进行修复。

Beyond Humans: Multispecies Animal Face Recognition Using Transfer Learning

Maria De Marsico, Anil K. Jain, Annalaura Miglino

cs.CV cs.AI

本文研究了使用迁移学习进行多物种动物面部识别，比较了FaceNet和Vision Transformer (ViT)在不同动物数据集上的性能，发现ViT在狗和牛的数据集上表现优于现有技术，但在灵长类动物上效果不一。

Zero-Shot Semantic Re-Identification for Autonomous Driving: A VLM Baseline Study

Eduardo Borges et al.

cs.CV cs.LG

本文提出了一种基于Vision-Language Models (VLMs)的零样本语义重识别方法，通过生成结构化文本描述（如类别、颜色、形状等）来匹配自动驾驶场景中的交通参与者，并验证了其性能与监督CNN基线相当。该方法虽提升了可解释性，但存在视角间属性不一致和细粒度区分能力有限的问题。

PhysScene: A Scene Graph Dataset for Scientific Visual Reasoning in Physics Experiments

Minghao Zou et al.

cs.CV cs.AI

本文提出了PhysScene，一个面向物理实验场景的Scene Graph数据集，包含专业仪器和结构化实验设置，旨在支持科学视觉推理。该数据集强调高关系密度和强语义约束，为现有场景解析算法提供了新的挑战。

Real-time body pose non-verbal communication with a consistency-based reliability measure

Alina Marcu et al.

cs.CV cs.AI cs.RO

本文研究了基于2D body pose的实时非语言沟通意图识别，并发布了一个包含十种沟通意图的数据集。作者提出使用模型的自回归self-consistency作为无监督可靠性信号，并给出了该信号与预测正确性之间概率关系的简短证明。

SAILS: Surrogate-based Analysis of Interactions via Local Effect Smooths

Timo Heiß et al.

stat.ML cs.AI cs.LG

SAILS提出了一种基于surrogate model的框架，通过拟合可解释的generalized additive model (GAM)来分析黑箱模型中的pairwise interactions，并对其functional form进行分类和可视化。该方法在interaction detection和形式分类上有所贡献，但与我提供的关键词列表关联较弱。

Can Data Work be Reparative?

Srravya Chandhiramowuli, Ding Wang, Alex Taylor

cs.CY cs.AI cs.HC

本文通过民族志研究考察了一个公民科技项目如何从女性主义视角构建在线安全数据集，旨在将数据工作重新定位为修复和补偿的场所。文章分析了在推进数据工作公正报酬和AI数据集集体治理过程中遇到的挑战与张力。

Now You (Still) See Me: Detecting Evasive Steganographic Payloads in LLMs

Charles Westphal et al.

cs.CR cs.IT cs.LG

本文研究了大型语言模型中的隐写术检测问题，发现基于activation的线性探测方法可以被对抗性微调所规避，但通过限制模型表示中的residual degrees of freedom（剩余自由度）可以恢复检测能力。

AI Assurance in UK Defence: Challenges in Operationalising JSP 936

Callum Cockburn, Sam Farrow

cs.HC cs.AI

本文探讨了英国国防部JSP 936标准在AI保障实施中的实际挑战，识别了八个主题性困难领域，并指出该标准虽提供了治理基础，但实施仍依赖于未解决的技术、组织和保障问题。

Harness Engineering for Physical AI: Robot Middleware Is the Harness Layer

Sanghoon Lee, Jiyeong Chae, Kyung-Joon Park

cs.RO cs.AI cs.SE

本文提出在Physical AI时代，机器人中间件应承担“harness层”的角色，以整合学习策略、规划器和VLA模型，并定义了Projection、Isolation和Transfer三种缺失的强制功能。文章以ROS 2 Harness Profile为例进行了概念性阐述，但未提供具体的数学框架或实验验证。

Context-Aware Deep Learning for Defect Classification in Atomic-Resolution STEM

Jiadong Dan et al.

cond-mat.mtrl-sci cs.AI

本文提出了一种上下文感知的深度学习框架，通过将原子分辨率扫描透射电镜图像与元数据（如成分、束能量和探测器几何）结合，将缺陷分类从仅依赖图像的不适定问题转化为物理上有依据的适定问题。该方法在模拟数据上达到98%以上的准确率，并在实验数据上接近人类水平。

Dense Force Estimation with an Event-based Optical Tactile Sensor

Agis Politis, René Zurbrügg, Valentina Cavinato

cs.RO cs.CV cs.LG

本文提出首个基于事件光学触觉传感器的密集3D力场重建框架，通过事件数据估计3D表面位移并利用逆有限元方法映射为力，实现了100Hz频率下的力估计。该方法为机器人抓取中的高频力反馈提供了初步方案。

Report the Floor: A Training-Free Conformal Interval Is a Mandatory Baseline for Probabilistic Time-Series Forecasting

Valery Manokhin

stat.ML cs.LG

本文提出了一种无需训练的ConformalNaive区间作为概率时间序列预测的强基线，通过将最后观测值包裹在有限样本分割共形残差分位数中实现。实验表明该简单方法在单步预测中优于许多复杂模型，但在多步季节预测中表现较弱。

Targeting World Models to Compromise Robot Learning Pipelines

Ethan Rathbun et al.

cs.RO cs.AI cs.CR

本文研究了world models在机器人学习流程中的安全性问题，提出了一种通过注入恶意prompt或transition dynamics来生成危险训练轨迹的新型数据投毒攻击方法。该方法利用world models作为输入处理环节的漏洞，可在看似安全的真实数据中隐藏攻击，最终导致下游策略被植入后门。

Closing the Prior-Posterior Loop: Self-Reflective Molecular Design with Analysis-Driven LLM Iteration

Junyi Gong, Zijie Qiu, Ben Zhong Tang

physics.chem-ph cs.AI

本文提出了一种基于LLM的分子设计框架，通过将标量反馈替换为来自第一性原理计算的完整物理化学原理（如轨道能量、原子电荷和电子密度），使LLM从随机采样器转变为因果推理器。该方法在HOMO-LUMO gap目标设计上取得了低至0.0003 eV的偏差和100%的成功率，并泛化到偶极矩设计任务。

Interpretable Crisis Behavior Analysis Using Mobility and Social Media Data

Muhammad Hamza Arshad Majeed, Sidahmed Benabderrahmane, Talal Rahwan

cs.CY cs.CL

本文提出了一种统一且可解释的pipeline，整合了mobility和社交媒体数据，通过Formal Concept Analysis (FCA)和association rule mining来识别危机中的跨域行为模式，并在洛杉矶野火和COVID-19案例中验证了其有效性。该方法侧重于行为分析而非数学理论创新，与关键词中的核心概念关联较弱。

Automating the Expert Eye: A System-Agnostic Deep Learning Framework for Rare Event Discovery in Imbalanced Force Spectroscopy

Jorge Rodriguez-Ramos

physics.app-ph cs.LG

本文提出了一种系统无关的深度学习框架，用于在极度不平衡的单分子力谱数据中自动识别稀有分子解绑事件。该方法使用1D-to-2D光栅化几何矩阵和修改的ResNet18架构，结合非对称Focal Loss，在目标事件仅占1.34%的数据集上实现了高召回率。

Streaming Interventions: Can Video Large Language Models Correct Mistakes as They Occur?

Apratim Bhattacharyya et al.

cs.CV cs.LG

本文提出了一个用于评估视频大语言模型在烹饪场景中实时纠正错误能力的基准Ego-MC-Bench，并构建了合成数据集Ego-CoMist以缓解训练数据不足的问题。实验表明该任务对现有模型具有挑战性，但微调可提升小模型的性能。

Model Poisoning Against Federated Model Adaptation with Chain of Bit-Flips

Bastien Vuillod et al.

cs.CR cs.AI

本文提出了一种针对联邦模型自适应（Federated Model Adaptation）的新型后门攻击方法，通过利用硬件故障（如Rowhammer）在单个本地模型的参数中诱导比特翻转（bit-flips）来植入后门。实验表明，在ResNet-18上仅需少量故障即可达到高攻击成功率，并讨论了该攻击的实用性和潜在防御。

SecureClaw: Clawing Back Control of LLM Agents

Yuhan Ma, Stefan Schmid

cs.CR cs.AI

本文提出SecureClaw，一种针对LLM agent的双边界安全架构，通过在效果边界（effect sink）实施授权、在读边界（read boundary）限制明文访问来防止未授权外部操作和敏感信息泄露。该方法在多个基准测试中实现了低攻击成功率，但主要聚焦于安全防护而非agent能力本身，与关键词中的agent有一定关联但并非核心创新。

FuseFSS: Efficient Secure LLM Inference with Function Secret Sharing

Yuhan Ma, Yong Li, Stefan Schmid

cs.CR cs.AI

本文提出FuseFSS编译器，通过将每个标量fixed-point operator的协议设计替换为统一的编译流水线，提升了基于function secret sharing的两服务器安全LLM推理效率。该方法在BERT和GPT模型上实现了端到端加速并降低了通信开销。

Integrating gene regulatory priors into Transformer attention with scTransformer for interpretable scRNA-seq analysis

Mikele Milia et al.

q-bio.GN cs.LG

本文提出scTransformer，通过将基因调控先验知识整合到Transformer的attention机制中，以提升单细胞RNA-seq分析的生物学可解释性。实验表明该方法在细胞类型分类任务上优于标准Transformer，但未涉及code、spectral或Muon等关键词相关技术。

CT-VAM: A Cerebello-Thalamic-Inspired Vision-Action Model for Efficient Visuomotor Control

Jiacheng Li et al.

cs.RO cs.AI

本文提出了一种受小脑-丘脑启发的视觉-动作模型CT-VAM，用于高效的任务条件化视觉运动控制。该模型通过引入TARS条件注意力解码器，实现了对视觉、动作和任务流的分离处理，在仅68M参数下达到了与更大模型相当的LIBERO成功率，并降低了推理延迟。

Seeing the Hivemind: A Consensus-Aware Interaction Technique for Mitigating AI Homogenization

Muhammad Haris Khan, Joel wester

cs.HC cs.AI

本文提出了一种名为Semantic Repulsion Technique (SRT)的交互技术，旨在通过增加AI生成文本的语义多样性来缓解AI输出同质化问题。实验表明，SRT在计算评估中显著提升了语义多样性并减少了共识性短语，在用户研究中获得了更高的有用性和连贯性评分。

I Was Scrolling and Then I Saw a Pregnant Strawberry

Piera Riccio

cs.CY cs.AI

本文通过个人观察和细读，分析了社交媒体上AI生成的“水果戏剧”视频，指出这些视频表面上无害，但实则再现了性别化的叙事结构，并利用生成式AI的美学（如柔和、圆润、可爱）来中和其意识形态内容，使其得以广泛传播。

Shape Formation for the Cooperative Transportation of Arbitrary Objects Using Multi-Agent Reinforcement Learning

Mohamed Sayed, Wolfram Burgard, Tanja Katharina Kaiser

cs.RO cs.AI

本文提出了一种基于multi-agent reinforcement learning的方法，用于解决多机器人系统在运输任意形状物体时的pattern formation控制问题，使机器人能自主定位在物体下方以支撑其重量并避开障碍物。该方法在多种环境和机器人数量下验证了其生成平衡formation并泛化到复杂场景的能力。

Powering the Future of AI: Navigating the Trade-offs for Europe's Energy Transition and Net-Zero Goals

Mohammad Hemmati, Gbemi Oluleye, Vassilis M. Charitopoulos

math.OC cs.AI cs.CY eess.SY

本文使用空间显式优化模型，分析了欧洲在21种AI增长情景下，超大规模数据中心对电力需求、容量、排放和系统运行的影响，指出AI可能带来额外电力需求并增加碳排放风险。研究强调了灵活性和稳定电源在AI基础设施布局中的重要性，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词相关方法。

ReCoVLA: VLM-Guided Reward Compilation for Failure Recovery in Vision-Language-Action Policies

Haodi Hu et al.

cs.RO cs.AI cs.LG

本文提出ReCoVLA框架，利用外部vision-language model (VLM) 为预训练的vision-language-action (VLA) policy生成恢复策略的reward，以处理失败恢复问题。该方法在仿真和真实实验中提升了任务成功率，但未涉及code、spectral或Muon等关键词。

ATN3D: Density-Aware LiDAR-Radar Early 3D Object Detection Under Extreme Sparsity

Debojyoti Biswas, Xianbiao Hu

cs.CV cs.AI

本文提出了一种名为ATN3D的LiDAR-Radar早期3D目标检测框架，通过密度感知融合和范围感知损失等机制，解决了极端稀疏条件下的远距离检测问题。该方法在VoD基准测试中取得了性能提升，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词的核心内容。

FMplex: Model Virtualization for Serving Extensible Foundation Models

Hetvi Shastri et al.

cs.DC cs.AI cs.LG cs.OS

本文提出FMplex系统，通过将Foundation Model (FM) backbone虚拟化为共享资源，为多个下游任务提供逻辑独立的虚拟FM实例，并设计批感知公平队列调度器以优化任务间批处理与隔离。实验表明该方法在延迟和任务容量上优于传统空间划分和尽力而为的共置方案。

Do Video Foundation Models Understand Intuitive Physics? A Layerwise Probing Analysis

Samuele Punzo et al.

cs.CV cs.AI cs.LG

本文通过层探针分析，研究了预训练视频基础模型（如V-JEPA、VideoMAE和LTX-Video）的冻结表示中是否编码了直觉物理信息。结果表明，物理相关信息在中间到深层表示中最易获取，且其可访问性依赖于预训练范式、表示深度和读出机制。

ArtiFact: A Large-Scale Multi-Modal Cultural Heritage Dataset

Luciano Duarte, Olga Ovcharenko, Sebastian Schelter

cs.DB cs.AI

ArtiFact是一个包含65万条博物馆记录的多模态文化遗产数据集，用于跨模态错误检测和语义查询处理等下游任务。该数据集揭示了当前系统在处理特定领域错误和文化相关查询时的局限性。

Cross-Modal Masking for Robust Silent Speech Synthesis Using sEMG and Lipreading

Eder del Blanco et al.

eess.AS cs.CL cs.SD

本文提出了一种基于跨模态掩码的静默语音合成框架，通过联合使用sEMG和唇读信号，在训练时对模态进行掩码以提升鲁棒性。实验表明该方法在低比特率和模态缺失条件下优于单模态基线，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Visual Prompting Meets Feature Reconstruction-Based Anomaly Detection with Dual-Teacher Supervision

Mateo Diaz-Bone et al.

cs.CV cs.AI

本文提出了一种结合visual prompting和dual-teacher supervision的anomaly detection方法，通过前景-背景掩码隔离物体、解冻student-teacher模型中的teacher以提升域适应性，并利用diffusion生成合成图像进行数据增强。该方法在AeBAD数据集上比先前最优方法提升了3.5个百分点，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

MeCo: One-Step MeanFlow-based Corrector for Multi-Channel Speech Separation

Dohwan Kim, Jung-Woo Choi

eess.AS cs.AI

本文提出了一种基于MeanFlow的一步生成式校正器MeCo，用于多通道语音分离。该方法通过条件平均速度场将判别模型估计映射到干净语音流形，并引入数据空间优化来提升生成质量。

An 84-Format Numeric Catalog with Bit-Exact Conformance Vectors: A Vendor-Neutral Reference for FP8, BF16, MXFP4, and Microscaling Formats

Dmitrii Vasilev

cs.AR cs.AI cs.MS cs.PF math.NA

本文构建了一个包含84种数值格式的公开目录和6个位精确一致性测试包，为FP8、BF16等机器学习硬件数值格式提供了供应商中立的参考基准。所有数据以JSON格式发布并附带SHA-256校验，通过交叉验证确保与ml_dtypes库的一致性。

Observability for Delegated Execution in Agentic AI Systems

Abhinav Mishra, Kumar Sharad

cs.CR cs.AI

本文针对基于LLM的agentic系统中委托执行的可观测性问题，提出了一种轻量级网关和通用信息模型，通过在执行时绑定委托上下文，实现了跨工具的委托范围重建和直接取证查询，无需启发式时间窗口关联。

What the Eyes See, the LLMs Miss: Exploiting Human Perception for Adversarial Text Attacks

Qin Yang et al.

cs.CR cs.HC cs.LG

本文提出了一类Human-Perceptible Adversarial Attacks (HPAA)，通过在文本中嵌入视觉上显著的排版操作（如间距、视觉强调和空间排列），使有害内容对人类可见但对基于LLM的审核系统不可见。实验表明，在仅使用少量查询的黑盒设置下，攻击能实现超过86%的人类识别率，同时将机器检测率降至1%以下，揭示了当前审核系统在感知层面上的盲点。

Quantum Cut Sparsifiers

Arpon Basu et al.

quant-ph cs.DS

本文研究量子cut Hamiltonians的稀疏化问题，证明了在$n$-qubit系统中，任意QC Hamiltonian可被稀疏化为$\widetilde{O}(n /\varepsilon^2)$项，同时保持所有态的能量在$1 \pm \varepsilon$因子内。该方法通过将矩阵作用分解为不变子空间，并利用Alon和Kozma的operator-valued inequality，将稀疏化技术扩展到所有expander图。

Adaptive directional gradients for parameterised quantum circuits

Brian Coyle et al.

quant-ph cs.LG

本文提出了一种基于前向自动微分的随机方向梯度估计框架，用于参数化量子电路(PQC)的训练，该框架通过平均可自由调节数量的随机方向导数得到梯度的无偏估计，并统一了SPSA、随机坐标下降和参数平移规则等极限情况。在此框架下，作者推导了自适应优化器QUIVER，其更新规则遵循封闭形式的最小测量成本分配。数值实验表明，该方法在训练哈密顿量权重保持的正交量子神经网络时，效率比参数平移规则高出数个数量级。

Hybrid Robustness Verification for Spatio-Temporal Neural Networks

Sherwin Varghese, Matthew Wicker, Alessio Lomuscio

cs.CV cs.AI cs.LG

本文针对时空神经网络（3D CNNs）的鲁棒性验证问题，提出了一个名为STBP的验证框架。该框架通过为第一卷积层计算精确的闭式解，并在后续层使用可扩展的近似方法传播认证边界，从而在视频和体素输入上实现了更紧的鲁棒性保证。

Your Model Already Knows: Attention-Guided Safety Filter for Vision-Language-Action Models

Seongbin Park et al.

cs.RO cs.LG

本文发现VLA模型中的少量attention heads能够可靠地定位策略意图接近的目标物体，并利用这一特性构建了一个无需训练的safety filter框架。该框架通过实时获取attention heads中的active target，将场景其余部分视为障碍物，并结合Control Barrier Function (CBF) filter与轻量级object tracker实现动态障碍物避碰。在静态基准上该方法表现与使用特权模拟器状态的oracle相当，在动态场景中则平均提升43%的性能。

Difference-Aware Retrieval Policies for Imitation Learning

Quinn Pfeifer et al.

cs.RO cs.AI cs.LG

本文提出了一种名为DARP的半参数检索式模仿学习方法，通过基于$k$-近邻的局部邻域结构重新参数化模仿学习问题，以缓解行为克隆在分布外状态下的泛化问题。该方法在连续控制和机器人操作等任务上比标准行为克隆提升了15-46%的性能。

Discovering Functionally Selective Brain Regions with a Deep Topographic Multimodal Model

Badr AlKhamissi et al.

q-bio.NC cs.LG

本文提出了Topo-Omni，一个通过微调预训练foundation model并加入spatial smoothness objective构建的topographic multimodal model，将视觉、听觉和语言处理整合到一个连续的in-silico sheet中。该模型能复现人类神经影像中的多模态聚类，并用于发现新的功能区域。

Who Earns the Safety? Intervention-Aware Quantum Predictive Control with Safety Attribution

Yifan Wang

quant-ph cs.AI

本文提出了一种干预感知的变分量子可微预测控制方法，通过可微控制屏障函数投影和原始-对偶干预预算来训练量子策略，并设计了安全归因协议来分解轨迹修正来源。实验表明该方法能显著降低量子策略的原始违规和防护层依赖，但未直接涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

FASE: Fast Adaptive Semantic Entropy for Code Quality

Shizhe Lin, Ladan Tahvildari

cs.SE cs.AI cs.MA

本文提出了一种名为Fast Adaptive Semantic Entropy (FASE)的新度量，通过structural and semantic dissimilarity graphs的最小生成树来近似functional correctness，用于多智能体代码生成中的不确定性量化。实验表明FASE在Spearman correlation和ROCAUC score上优于现有方法，且计算开销极低。

Echo-Memory: A Controlled Study of Memory in Action World Models

Wayne King et al.

cs.CV cs.GR cs.LG

本文通过控制变量实验研究了action-conditioned world models中的记忆机制，比较了raw context、压缩记忆、空间摘要和state-space recurrence等不同记忆设计。实验发现，raw context在open-domain return任务中表现优于replay metrics，而block-wise state-space recurrence是最强的open-domain return机制。

AHA-WAM:Asynchronous Horizon-Adaptive World-Action Modeling with Observation-Guided Context Routing

Jisong Cai et al.

cs.RO cs.AI cs.CV

本文提出AHA-WAM，一种基于异步双Diffusion Transformer (DiT)架构的世界-动作模型，通过将视频DiT作为低频世界规划器、动作DiT作为高频执行器，并引入horizon-adaptive offset训练和Observation-Guided Video-Context Routing (OVCR)机制，实现了对长程场景演化与实时动作执行的时间解耦。实验表明该方法在机器人操作任务上取得了较好性能。

PTL-Diffusion: Manifold-Aware Diffusion with Periodic Terminal Laws

Danqi Zhuang et al.

cs.CV cs.AI math.PR

本文提出PTL-Diffusion，一种将前向加噪过程收敛到非恒定周期Gaussian terminal laws（而非单一不变分布）的扩散模型框架。通过周期强迫的Ornstein-Uhlenbeck过程，推导了闭式前向边际分布与显式Gaussian反向后验，并在环面、圆柱点云及Olivetti人脸数据集上验证了其改善流形级分布匹配的效果。

Weighted universal approximation of differentiable maps on infinite-dimensional manifolds

Philipp Schmocker, Josef Teichmann

math.FA cs.LG math.PR q-fin.MF stat.ML

本文通过证明加权Nachbin定理，将函数输入神经网络(FNN)的通用逼近定理推广到可微映射，包括导数的逼近。该结果适用于无限维加权流形上的映射，并进一步应用于非预期泛函的逼近。

OmniGameArena: A Unified UE5 Benchmark for VLM Game Agents with Improvement Dynamics

Mingxian Lin et al.

cs.CV cs.AI

本文提出了OmniGameArena，一个基于Unreal Engine 5的VLM agent基准测试，包含12个新游戏和统一的动作接口，并引入了Improvement Dynamics Curve (IDC)来评估agent通过反思进行技能改进的能力。该工作为游戏环境中的VLM agent评估提供了更全面的框架。

bluearXiv-ai 论文精选

📚 跟踪学科 (Categories)

🔍 筛选关键词 (Keywords)

📊 论文统计 ↑ 回顶部

⭐ 精选论文 ↑ 回顶部

cs.LG

cs.AI

cs.CL

cs.DS

others

📄 所有论文 ↑ 回顶部

cs.LG

cs.AI

cs.IR

cs.CL

cs.DS

others