bluearXiv-ai 论文精选

2026-06-10
返回首页 论文统计 精选论文 所有论文

📚 跟踪学科 (Categories)

🔍 筛选关键词 (Keywords)

📊 论文统计 ↑ 回顶部

cs.LG
179
cs.AI
60
cs.IR
12
cs.CL
65
cs.DS
3
others
166
总计
485

⭐ 精选论文 ↑ 回顶部

cs.LG

Blurry Window Attention ⭐ 精选
Axel Laborieux et al.
cs.LG cs.AI
Alignment Collapse Under KV Cache Quantization: Diagnosis and Mitigation ⭐ 精选
Bruce Changlong Xu, Adarsh Kumarappan, Mu Zhou
cs.LG cs.AI cs.ET
Rotate2Think: Geometric Priming via Orthogonal Rotation to Improve Language Model Reasoning ⭐ 精选
Aditya Sharma, Christopher J. Pal, Amal Zouaq
cs.LG cs.AI
LongMoE: Longitudinal Multimodal Learning via Trajectory-Aware Mixture-of-Experts ⭐ 精选
Maxx Richard Rahman, Prakhar Kumar, Wolfgang Maass
cs.LG cs.AI
IntentKV: Cross-Turn Intent-Aware KV Cache Pruning for Agent Inference ⭐ 精选
Junjie Li, Jiong Lou, Jie Li
cs.LG cs.AI
Hasse Diagrams for Attention: A Partial Order Framework for Designing Transformer Masks ⭐ 精选
Chentao Li, Han Guo
cs.LG
3SPO: State-Score-Supervised Policy Optimization for LLM Agents ⭐ 精选
Yu Han et al.
cs.LG cs.AI
FOGO: Forgetting-aware Orthogonalization Optimizer ⭐ 精选
Toan Nguyen et al.
cs.LG cs.AI
UPLOTS: A Unified Pretrained Language Model for Constrained Time-series Generation ⭐ 精选
Du Yin et al.
cs.LG cs.AI
Geometry-Aware Reinforcement Learning for 2D Irregular Nesting ⭐ 精选
Auguste Lehuger, Guillaume Henon-Just
cs.LG cs.CV
How Does Reasoning Flow? Tracing Attention-Induced Information Flow for Targeted RL in LLMs ⭐ 精选
Zhichen Dong et al.
cs.LG cs.CL
Express Language Modeling ⭐ 精选
Albert Gong et al.
cs.LG cs.DS math.ST stat.ME stat.ML
Flow-DPPO: Divergence Proximal Policy Optimization for Flow Matching Models ⭐ 精选
Bowen Ping et al.
cs.LG
TRACE: A Unified Rollout Budget Allocation Framework for Efficient Agentic Reinforcement Learning ⭐ 精选
Heming Zou et al.
cs.LG cs.AI cs.CL
Overcoming Rank Collapse in Feedback Alignment ⭐ 精选
Gauthier Boeshertz, Razvan Pascanu, Claudia Clopath
cs.LG

cs.AI

Deployment-Time Memorization in Foundation-Model Agents ⭐ 精选
Chen et al.
cs.AI cs.MA
Less Context, Better Agents: Efficient Context Engineering for Long-Horizon Tool-Using LLM Agents ⭐ 精选
Abhilasha Lodha et al.
cs.AI cs.LG cs.SE
From Context-Aware to Conflict-Aware: Generalizing Contrastive Decoding for Knowledge Conflict in LLMs ⭐ 精选
Runze Jiang et al.
cs.AI cs.CL
Infini Memory: Maintainable Topic Documents for Long-Term LLM Agent Memory ⭐ 精选
Suozhao Ji et al.
cs.AI cs.CL
Role-Agent: Bootstrapping LLM Agents via Dual-Role Evolution ⭐ 精选
Xucong Wang et al.
cs.AI

cs.IR

Effective Reinforcement Learning for Agentic Search by Recycling Zero-Variance Queries During Training ⭐ 精选
João Coelho et al.
cs.IR cs.AI

cs.CL

MIRAGE: A Polarity-Flipping Encoding Subspace in LLM Agents ⭐ 精选
Pratibha Revankar et al.
cs.CL
TabClaw: An Interactive and Self-Evolving Agent for Spreadsheet Manipulation and Table Reasoning ⭐ 精选
Mingyue Cheng et al.
cs.CL
Harnessing the Collective Intelligence of AI Agents in the Wild for New Discoveries ⭐ 精选
Federico Bianchi et al.
cs.CL cs.AI
WebChallenger: A Reliable and Efficient Generalist Web Agent ⭐ 精选
Jayoo Hwang, Xiaowen Zhang, Vedant Padwal
cs.CL
Dynamic Linear Attention ⭐ 精选
Xin Wang et al.
cs.CL cs.AI
Attention Amnesia in Hybrid LLMs: When CoT Fine-Tuning Breaks Long-Range Recall, and How to Fix It ⭐ 精选
Xinyu Zhou et al.
cs.CL

others

Tractogram foundation model ⭐ 精选
Guikun Chen et al.
eess.IV cs.AI cs.LG
Robust Active Learning for Few-Shot Example Selection in Text-to-SQL ⭐ 精选
Arash Pourhabib
stat.ML cs.DB cs.LG
Agentic Hybrid RAG for Evidence-Grounded Muon Collider Analysis ⭐ 精选
Ruobing Jiang et al.
hep-ex cs.AI cs.CL cs.IR physics.ins-det
Dmsh: A Multi-Agent Reinforcement Learning Framework for All-Quad Mesh Generation ⭐ 精选
Anirudh Kalyan et al.
math.NA cs.AI cs.LG
Decentralized Multi-Agent Systems with Shared Context ⭐ 精选
Yuzhen Mao, Azalia Mirhoseini
cs.MA cs.AI
Toward Secure LLM Agents: Threat Surfaces, Attacks, Defenses, and Evaluation ⭐ 精选
Yuchen Ling et al.
cs.CR cs.AI
Earth-OneVision: Extending Remote Sensing Multimodal Large Language Models to More Sensor Modalities and Tasks ⭐ 精选
Miaoxin Cai et al.
cs.CV cs.AI

📄 所有论文 ↑ 回顶部

cs.LG

Blurry Window Attention ⭐ 精选
Axel Laborieux et al.
cs.LG cs.AI
本文提出了一种名为Blurry Window Attention (BLA)的新型注意力机制，它受State-Space Models (SSMs)启发，属于Bounded-memory Control (ABC)方法。BLA通过存储一个频率窗口，并利用Dirichlet kernels进行插值来重建模糊的KV历史，从而在保持线性复杂度的同时，实现了对Sliding Window Attention (SWA)的泛化。在Multi-Query Associate Recall (MQAR)合成任务中，BLA的状态效率比SWA提升了8倍，且与流行的线性attention模型性能相当；在RegBench任务中，只有BLA和SWA随着状态大小增长而性能提升。该方法为长上下文场景下的attention机制提供了一种新的高效解决方案，与关键词“attention”高度契合。
Alignment Collapse Under KV Cache Quantization: Diagnosis and Mitigation ⭐ 精选
Bruce Changlong Xu, Adarsh Kumarappan, Mu Zhou
cs.LG cs.AI cs.ET
本文研究了KV cache量化对大型语言模型安全对齐的影响，发现低比特量化会无声地破坏安全对齐，且标准指标（如perplexity）无法检测。作者识别出根本原因是几何性的：安全特征占据低维activation subspace，对量化噪声的脆弱性比全表示空间高\(10^2-10^3\)倍。基于此，提出Per-Channel Reduction (PCR)诊断方法，将模型分为三种机制性失败模式，并预测正确的缓解方向。该训练无关协议仅需约35 GPU分钟，即可在最小内存开销下恢复高达97%的丢失对齐，解决了生产环境中的安全漏洞。
Rotate2Think: Geometric Priming via Orthogonal Rotation to Improve Language Model Reasoning ⭐ 精选
Aditya Sharma, Christopher J. Pal, Amal Zouaq
cs.LG cs.AI
本文发现语言模型在推理过程中，其输入embedding与思考embedding（即对推理轨迹的最后一层隐藏状态进行平均池化）均表现出极高的锥度（conicity），且两者在embedding空间中占据几何上不同的区域。基于此，作者将输入到思考的转变建模为一个旋转问题，并通过正交Procrustes分析（orthogonal Procrustes analysis）得到闭式解。提出的Rotate2Think方法无需训练，仅需少量正确示例估计该旋转，并在推理时注入合成的思考向量，从而在数学、科学和代码等任务的32个模型-基准配置中提升了30个的准确率，且能零样本泛化到多模态推理。该方法与关键词中的“attention”和“code”任务有较好契合。
LongMoE: Longitudinal Multimodal Learning via Trajectory-Aware Mixture-of-Experts ⭐ 精选
Maxx Richard Rahman, Prakhar Kumar, Wolfgang Maass
cs.LG cs.AI
LongMoE提出了一种统一的Longitudinal Mixture-of-Experts框架，同时解决了多模态临床学习中的模态缺失和纵向动态两大挑战。该方法通过上下文感知的imputation模块处理缺失模态，利用attentional tokenization模块捕获不规则就诊序列中的频域（spectral）时间模式，并结合trajectory-aware encoder建模疾病进展，最后通过context-conditioned Sparse MoE路由实现患者特定的专家选择。实验在ADNI、OASIS-3和MIMIC-IV数据集上验证了其在缺失或弱模态下的鲁棒性，为纵向多模态学习提供了新思路。
IntentKV: Cross-Turn Intent-Aware KV Cache Pruning for Agent Inference ⭐ 精选
Junjie Li, Jiong Lou, Jie Li
cs.LG cs.AI
本文提出IntentKV，一种针对多轮LLM agent推理场景的KV cache剪枝方法。该方法通过维护跨轮次的会话级意图记忆（QueryMemory），并利用记忆-注意力规则对历史token进行评分，同时引入一个零初始化的残差头对当前查询的K向量进行交叉注意力，从而在不冻结基础LLM的情况下实现高效的KV缓存管理。实验表明，在严格的KV预算下（如8k），IntentKV在Qwen3-8B和Qwen2.5-14B上几乎不损失精度，并显著降低了峰值请求token数和原始KV读取量，解决了长轨迹agent推理中KV缓存成为主要瓶颈的问题。
Hasse Diagrams for Attention: A Partial Order Framework for Designing Transformer Masks ⭐ 精选
Chentao Li, Han Guo
cs.LG
本文提出了一个基于偏序集（partial order）的理论框架，用于系统分析Transformer中任意attention mask的信息流结构。作者证明了在足够深度下，多层Transformer的信息流会收敛到一个Hasse图（一种表示偏序关系的有向无环图），并据此将并行训练任务的设计转化为寻找Hasse图的最小公共超图问题。基于该框架，本文设计了两种新型attention mask：Block Two-Stream Attention（保证训练-推理一致性的块生成注意力）和Butterfly Attention（全监督双向注意力），展示了该框架在发现新结构方面的能力。该工作为attention mask的设计提供了严格的数学基础，与关键词“attention”高度契合。
3SPO: State-Score-Supervised Policy Optimization for LLM Agents ⭐ 精选
Yu Han et al.
cs.LG cs.AI
本文提出State-Score-Supervised Policy Optimization (3SPO)，一种针对LLM agent的强化学习算法。该方法在agent每一步后，基于历史成功率计算state score，用于动态的step-wise credit assignment和post-step policy optimization，无需value function估计或额外模型。理论上，在per-state bandit抽象下，证明了该score-supervised allocation机制具有对数regret，并提供了action identification、score distinguishability和filtering stability的sample-complexity保证。实验表明，在ALFWorld和WebShop上，3SPO显著优于GRPO，实现了更快的收敛和更充分的状态探索，与关键词“agent”高度契合。
FOGO: Forgetting-aware Orthogonalization Optimizer ⭐ 精选
Toan Nguyen et al.
cs.LG cs.AI
本文提出了一种名为FOGO (Forgetting-aware Orthogonalization Optimizer) 的可扩展优化器，其核心创新在于将遗忘问题从continual learning推广到一般优化场景。FOGO通过spectral orthogonalization对momentum updates进行正交化，防止主导梯度方向垄断优化过程，并利用基于random projection的紧凑codebook memory存储代表性历史方向，在低维空间中保持pairwise distances。该方法通过轻量级的orthogonal correction解决当前更新与存储方向之间的冲突，无需存储原始数据，在class-imbalanced classification、continual learning以及GPT-2 pretraining等任务中均优于Adam和Muon，为优化器设计提供了新的spectral视角。
UPLOTS: A Unified Pretrained Language Model for Constrained Time-series Generation ⭐ 精选
Du Yin et al.
cs.LG cs.AI
UPLOTS提出了一种统一的预训练语言模型框架，用于跨领域的约束时间序列生成。其核心创新在于使用单个预训练transformer backbone，通过可学习的约束prompt（约束提示）实现按需生成和精确的模式控制，并设计了动态多数据集损失重加权和prompt-to-pattern映射机制，使模型能够内化多种时间结构。该方法在多个真实世界基准和约束设置（如峰值周期、日历模式）上验证了有效性，并展示了在数据稀缺场景下作为数据增强工具的泛化能力，解决了时间序列生成中缺乏统一预训练模型的问题。
Geometry-Aware Reinforcement Learning for 2D Irregular Nesting ⭐ 精选
Auguste Lehuger, Guillaume Henon-Just
cs.LG cs.CV
本文提出了一种几何感知的强化学习方法来解决二维不规则嵌套问题。作者设计了Polygons Transformer (PoT)架构，该架构能够编码连续的二维矢量几何图形，并支持多边形间的cross-attention机制，使agent能够自动从数据中发现丰富的几何先验知识。通过将PoT与组合优化强化学习框架结合，该方法在面积利用率上达到了与最先进启发式求解器Sparrow相当的性能，证明了强化学习可以成功利用几何感知来完成精确的空间任务。
How Does Reasoning Flow? Tracing Attention-Induced Information Flow for Targeted RL in LLMs ⭐ 精选
Zhichen Dong et al.
cs.LG cs.CL
本文提出FlowTracer框架，通过在attention-induced directed acyclic graph上追踪answer-targeted reasoning flow，为LLM中的token-level credit assignment问题提供了全局结构化的解决方案。该图以token为节点，以aggregated attention weights为边容量，通过reweighting保留仅能到达answer region的影响，并施加local flow conservation约束，从而提取连接question与answer的information-flow backbone。FlowTracer根据flow throughput对token进行评分，识别出高影响力的hubs和aggregation checkpoints，并利用这些重要性分数塑造token-level rewards，使RL信号精准聚焦于引导信息流向正确或错误答案的token。实验表明，该方法在多种reasoning tasks上取得了一致的性能提升，与关键词“attention”高度契合。
Express Language Modeling ⭐ 精选
Albert Gong et al.
cs.LG cs.DS math.ST stat.ME stat.ML
本文提出了一种名为Express的新工具，用于将非因果attention approximation转化为具有匹配近似保证的因果approximation。结合最先进的Thinformer approximation，Express在仅需\(O(s)\)内存和\(O(s^2 \log^2(n))\)压缩开销的情况下，为长度为\(n\)的序列实现了\(\log^{3/2}(n)/s\)的近似误差，改进了已知的最佳因果attention保证。该方法通过高效的I/O-aware Triton实现，在long-context prefill、KV cache compression等语言建模资源瓶颈上取得了显著加速，与关键词中的attention和context高度契合。
Flow-DPPO: Divergence Proximal Policy Optimization for Flow Matching Models ⭐ 精选
Bowen Ping et al.
cs.LG
Flow-DPPO提出了一种针对Flow Matching模型的在线RL训练方法，通过将去噪过程建模为Markov Decision Process，并利用每步policy为Gaussian分布的特性，实现了对KL divergence的精确计算。该方法用divergence proximal constraint替代了传统PPO中的ratio clipping，并引入asymmetric divergence mask来仅在梯度同时偏离trust region并违反divergence阈值时阻止更新。实验表明，Flow-DPPO在reward和KL-proximal效率上优于现有方法，能缓解catastrophic forgetting并支持稳定的多轮训练。
TRACE: A Unified Rollout Budget Allocation Framework for Efficient Agentic Reinforcement Learning ⭐ 精选
Heming Zou et al.
cs.LG cs.AI cs.CL
TRACE提出了一种统一的rollout预算分配框架，用于多轮agentic RL场景。它将每个ReAct风格的thought-action-observation turn建模为语义不同的节点，从而将预算分配从prompt根节点扩展到turn-level前缀，形成树状rollout结构。该方法通过一个共享的通用预测器估计条件成功概率，将rollout预算分配给最可能产生混合terminal rewards的prompt根节点和中间前缀，从而在固定采样预算内增强reward contrast。实验表明，TRACE在agentic基准测试中取得了有竞争力的性能和效率提升，例如在Qwen3-14B的多跳问答任务中，以相同采样成本将平均准确率提升了2.8个点。
Overcoming Rank Collapse in Feedback Alignment ⭐ 精选
Gauthier Boeshertz, Razvan Pascanu, Claudia Clopath
cs.LG
本文发现Feedback Alignment (FA)在深层网络中因误差信号的有效秩（effective rank）过低而失效，导致梯度更新被限制在低维子空间。为解决此问题，作者提出两种机制：使用Muon优化器对权重更新进行正交化（orthogonalise），以及通过隐藏活动归一化（hidden activity normalisation）促进激活正交性。实验表明，这些方法在ResNet-18等架构上显著提升了FA的性能（如CIFAR100上准确率提升9个百分点），揭示了高维更新几何（higher-dimensional update geometry）是扩展BP替代方法的关键。该工作与关键词中的Muon和spectral（秩相关）高度契合。
Mechanistic Analysis of Alignment Algorithms in Language Models
Aarush Sinha et al.
cs.LG cs.CL
本文通过整合layer-wise linear probing、Sparse Autoencoders和crosscoders，对六种偏好优化方法（PPO、DPO、SimPO、ORPO、GRPO和KTO）在语言模型中的内部计算机制进行了系统性分析。研究发现，不同对齐目标在latent space中诱导出性质不同的几何变换，且这些变换表现出架构依赖性，表明行为对齐并不等同于统一的内部结构重组。
SynIB: Informational Bottleneck for Maximizing Synergy in Multimodal Learning
Konstantinos Kontras et al.
cs.LG cs.IT
本文提出Synergistic Information Bottleneck (SynIB)方法，通过信息论形式化多模态学习中的synergy，并在训练目标中通过mask模态并惩罚模型置信度来直接学习cross-modal interaction。该方法在合成XOR任务和五个真实基准上验证了有效性，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
Uncertainty-aware Multi-fidelity Closure via Conditional Normalizing Flows
Jice Zeng et al.
cs.LG physics.comp-ph
本文提出了一种基于条件normalizing flow的不确定性感知多保真度框架，用于改进降阶模型的closure问题，通过从低保真系数到高保真系数的概率映射来提升预测精度并量化不确定性。
Mitigating Manifold Departure: Uncertainty-Aware Subspace Rectification for Trustworthy MLLM Decoding
Yingxuan Zhuang et al.
cs.LG cs.AI
本文提出了一种名为Manifold-Guided Adaptive Projection (MGAP)的训练-free解码方法，通过SVD构建语言先验子空间并自适应衰减投影分量，以缓解多模态大模型中的幻觉问题。该方法在POPE和CHAIR基准上优于现有解码基线，但未涉及code、spectral或agent等关键词。
Conformal Risk Prediction for Non-Alcoholic Fatty Liver Disease Using Gradient Boosting with Distribution-Free Coverages
Xinze Zhang
cs.LG cs.AI stat.AP stat.ML
本文提出了一种结合gradient boosting与conformal prediction的机器学习框架，用于非酒精性脂肪肝的风险预测，并在多中心队列中验证了其有效性。该方法通过分布自由的coverage保证提供校准后的个体风险估计，但未涉及code、context、spectral等关键词相关技术。
Time Series as Language: A Universal Tokenizer for General-Purpose Time Series Foundation Models
Yunhao Zhang et al.
cs.LG cs.AI
本文提出UniTok，一种将时间序列转化为离散token的通用tokenizer，并基于此预训练了UniTok-FM基础模型。该模型通过next-token prediction在多个时间序列任务上实现了零样本预测和免训练上下文推理，但方法本身在理论或架构上缺乏显著的开创性。
From Confident Closing to Silent Failure: Characterizing False Success in LLM Agents
Laksh Advani
cs.LG
本文研究了LLM agent中的"false success"（虚假成功）现象，即agent在环境状态未完成时错误地声称任务完成。作者在tau2-bench和AppWorld两个基准上分析了该现象，发现LLM judge（评判器）难以可靠检测此类失败，而轻量级TF-IDF检测器能以更低延迟和更高AUROC（0.83和0.95）恢复更多虚假成功案例。
LLM-as-a-Discriminator: When Synthetic Tables Still Look Real
Manel Slokom, Malek Slokom, Thierno Kante
cs.LG cs.CR cs.IR
本文提出了一种基于LLM判别的方法来评估合成表格数据的隐私风险，通过让LLM区分真实与合成样本，并在两个数据集上测试了不同合成模型。实验表明，LLM判别可作为实用的隐私审计信号，但结果受模型选择、数据编码等因素影响。
Two to Tango: Coupled Task-Reference Selection for Safe LLM Fine-tuning
Xinrui Chen et al.
cs.LG cs.AI
本文提出DualSelect框架，通过联合选择任务样本和安全参考来微调LLM，在保持任务性能的同时提升安全性。该方法使用熵正则化评分和梯度校正，在1B-8B模型上相比基线提升了安全指标。
SPACE: Source-free Proxy Anchor Concept Erasure for MLLMs
Zhijing Zhang et al.
cs.LG cs.AI
本文提出SPACE框架，通过文本引导的代理锚点选择和双约束语义隔离，在无需目标概念视觉数据的情况下实现多模态大模型的机器遗忘，并理论证明该方法能严格限制对保留知识的扰动。
QSplitFL: Capability Aware Deep Q-Learning for Optimal Split Point Selection in Split Federated Learning
Nazmus Shakib Shadin et al.
cs.LG cs.AI cs.CR
本文提出QSplitFL框架，利用Deep Q-Network (DQN)根据客户端硬件指标（如CPU、内存）动态选择Split Federated Learning中的最优分割点，以应对设备异构性。实验表明该方法在多个数据集上提升了收敛速度和精度。
PatchSTG: Scalable Spatiotemporal Graph Transformers for Traffic Forecasting on Irregular Sensor Networks
Jichao Li, Xuanming Shi
cs.LG cs.AI
本文提出PatchSTG，一种基于patch的时空graph Transformer，用于在不规则传感器网络上的交通预测。它通过地理信息将传感器划分为平衡的局部patch，并采用双注意力编码器（intra-patch和inter-patch attention）来降低计算复杂度，在真实数据集上验证了其效率和竞争性能。
Disjoint or Overlapping? Inference Windowing for Reconstruction-Based Time Series Anomaly Detection
Guillaume Coulaud, Reza Akbarinia, Florent Masseglia
cs.LG stat.ML
本文研究了基于重建的时间序列异常检测中，推理窗口（inference window）是否重叠对性能的影响。通过统一实验协议，发现重叠窗口能带来平均高达28%的性能提升，并可能改变模型排名。
Integrating Local and Global Entropy for Uncertainty Quantification in LLMs
Johanne Medina et al.
cs.LG cs.AI stat.ML
本文提出了一种结合token级局部熵和隐藏状态几何熵的全局-局部不确定性量化方法GLU，用于检测大语言模型的幻觉。该方法通过乘法门融合两种正交信号，在多个基准上达到或超越无监督基线性能。
Calibrating Overconfidence Without Sacrificing Confidence: Probe-Conditioned Head Intervention for LLMs
Ke Li et al.
cs.LG
本文提出了一种名为Probe-Conditioned Head Intervention (PCHI)的推理时方法，通过冻结的探针检测模型可能错误但自信的响应，并有条件地缩放下游attention head的输出，以降低大语言模型在错误答案上的过度自信，同时尽量减少对正确答案自信的损害。实验表明该方法在Qwen3和Gemma3模型上有效，但未涉及关键词列表中的code, context, spectral, Muon, pretrain, agent等主题。
Streaming Knowledge Compilation: Proactive Materiality-Scored Pinning for Time-Evolving LLM Wikis
Juan M. Huerta
cs.LG cs.CE cs.CL
本文形式化了流式知识编译问题，提出了一种基于materiality信号\(\phi_t(k,n)\)的主动固定策略，并证明了\(O(\sqrt{T\log K})\)的regret界。该方法在金融和维基百科领域进行了实例化，但主要贡献在于问题形式化和评估框架，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
FailureScope: Cross-Regime Behavioral Diagnosis of Language Model Weaknesses
Nicholas Saban
cs.LG
FailureScope提出了一种跨模型行为诊断方法，通过聚类评估探针的通过/失败模式来识别语言模型的能力缺陷。该方法在单轮基准、多轮对话和对抗性agent攻击三种场景下均能生成稳定的失败分类，并展示了跨模型预测能力。
Operator Fusion for LLM Inference on the Tensix Architecture
Qingbo Wu et al.
cs.LG
本文针对Tenstorrent Tensix架构上的Transformer模型推理瓶颈，提出了一种operator fusion策略，通过将RMSNorm与self-attention和FFN中的矩阵乘法融合，在片上SRAM中连续执行memory-bound和compute-bound算子，以减少DRAM读写和调度开销。实验在Wormhole平台上对Qwen2.5-0.5B等模型验证了延迟降低效果，但方法主要面向特定硬件优化，与关键词契合度较低。
Hyperparameter Learning for Latent Factorization of Tensors for Representation Learning to Large-scale Dynamic Weighted Directed Network
Yaqian Zhan, Jialan He, Tianzhu Chen
cs.LG
本文提出了一种基于Differential Evolution的自动超参数优化框架DE-LFT，用于改进张量潜在因子模型在大规模动态加权有向网络中的表示学习性能，实验表明该方法能降低人工调参成本并提升预测精度。
Toward Calibrated, Fair, and accurate Deepfake Detection
Ryan Brown, Chris Russell
cs.LG cs.CR cs.CV
本文提出Face-Fairness (FF)框架，通过Face-Feature Tuning (FFT)方法在无需人口统计标签的情况下对deepfake检测器进行偏差缓解，主要贡献在于实现了轻量级的logit重映射。该方法在保持或提升整体准确率的同时，有效减少了不同人口统计组间的FPR/TPR差距。
TD-Grokking: Learning from Zero-Reward Problems by Training-Time Decomposition
Ningyuan Xi et al.
cs.LG cs.AI
本文提出TD-Grokking框架，通过训练时递归分解零奖励问题为可验证子问题，将失败轨迹转化为有效训练信号，在数学和医学任务上优于GRPO等基线方法。
TENP: Trapezoidal Expert Neuron Pruning For Mixture-of-Experts
Jiangyang He, Shaolin Zhu, Deyi Xiong
cs.LG stat.ML
本文提出TENP框架，通过梯形专家神经元剪枝方法压缩Mixture-of-Experts模型，在保留重要专家并对次要专家进行神经元剪枝后，在DeepSeek模型上仅损失1个百分点的准确率。该方法与关键词中的"code"有一定关联，但整体创新性有限。
SHAPE: Coalition-Aware Expert Pruning for Sparse Mixture-of-Experts LLMs
Yuhao Zhang
cs.LG cs.AI
本文提出SHAPE框架，通过将MoE模型的路由过程建模为合作博弈，利用Shapley值评估专家在top-\(k\)组合中的贡献，并设计质量-覆盖选择规则进行剪枝。实验表明该方法能在不额外训练的情况下减少内存占用。
SocraticPO: Policy Optimization via Interactive Guidance
Zirui Liu et al.
cs.LG cs.AI cs.CL
本文提出SocraticPO框架，通过在RL rollout中引入教师提供的自然语言纠正指导并配合奖励衰减，改进了大语言模型的推理策略优化。该方法仅修改rollout过程，可兼容现有策略梯度算法，并在科学推理基准上取得提升。
SinkRec: Mitigating Semantic State Sink in Long Sequence Recommendation with Memory-Conditioned Gated Delta Networks
Zhuang Zhuang et al.
cs.LG
本文提出SinkRec模型，通过记忆条件门控Delta网络缓解长序列推荐中的语义状态沉没问题，将重复行为模式外化到可学习条件记忆中，并引入时间感知状态关系差分门控Delta网络来优化循环状态的读写过程。
Optuna Constrained Tree-Structured Parzen Estimator Is a Joint Density Generalization of c-TPE
Shuhei Watanabe, Kaichi Irie
cs.LG
本文分析了Optuna中约束Tree-structured Parzen Estimator (TPE)的实现，证明其使用联合密度估计等价于joint c-TPE方法，并对比了与独立假设下c-TPE在约束重复时的性能差异。
PreAct-Bench: Benchmarking Predictive Monitoring in LLMs
Hainiu Xu et al.
cs.LG cs.AI cs.CL
本文提出了PreActBench基准，用于评估大语言模型在部分动作轨迹中预测不道德行为的能力，并引入了Prefix Foresight F1指标。实验表明，该任务对现有模型仍具挑战性。
Representation Curriculum: Stagewise Training for Robust Ranking and Allocation
Ehsan Ebrahimzadeh, Sina Baharlouei, Abraham Bagherjeiran
cs.LG cs.AI cs.IR
本文提出Representation Curriculum (RC)训练策略，通过分阶段引入特征（先使用基于内容的merit信号，再引入依赖曝光的belief信号）来缓解ranking模型对历史信号的过度依赖。实验表明该方法能改善冷启动泛化性能，但未涉及code、spectral、Muon等关键词相关技术。
LMT: A Bayesian Framework for Causal Discovery from Textual Alarm Records in Manufacturing Systems
Xiaofeng Xiao et al.
cs.LG stat.ME
本文提出LMT框架，利用LLM从文本报警记录中提取语义因果信号作为先验，再结合基于Poisson过程的时序似然进行贝叶斯因果发现，以解决制造系统中仅靠文本或时序数据不足的问题。该方法在少量样本场景下表现有效，但未涉及code、spectral、Muon等关键词。
A Navigable Manifold of Hypothesized Consciousness-Spectrum States in Language Model Representations
Sophie Zhao
cs.LG cs.CL
本文研究了transformer embedding空间中与意识谱系假设相关的几何结构，发现句子嵌入沿该谱系形成有组织的流形，且轨迹可从低层区域导航至高层区域。
TRAPS: Therapeutic Response Analysis via Pathway-informed Stratification
Sujoy Banik et al.
cs.LG cs.MA q-bio.QM
本文提出了一个统一的benchmark，用于评估三种pathway-informed深度学习模型（BINN, GraphPath, PATH）在癌症治疗反应预测中的表现。实验表明，没有单一架构在所有任务中占优，其中GraphPath在前列腺靶向分子治疗预测中取得了最高AUROC。
When Attribution Patching Lies: Diagnosis and a Second-Order Correction
Luyang Zhang, Jialu Wang
cs.LG cs.AI
本文研究了attribution patching在mechanistic interpretability中的可靠性问题，指出其主要误差来源于下游网络的non-linearities而非局部曲率。作者提出了一个reliability score、error bounds以及基于Hessian-vector-product (HVP)的二阶修正方法，在多个模型上验证了其有效性。
Mix, Don't Pick: Why Synthetic Corpus Composition Matters for Time Series Foundation Model Pretraining
Aaryan Nagpal et al.
cs.LG cs.AI
本文指出时间序列基础模型预训练中，合成数据生成器的选择对性能影响显著（最佳与最差生成器间预测误差可达2倍），且生成器的排名在不同模型架构间不稳定。作者提出通过简单等权混合所有生成器来替代选择问题，并发现这种混合策略加上真实数据能获得最强的预训练语料库。
SPDM: Geometry-Modulated State Space Modeling with Manifold Constraints for Time Series Forecasting
Xingsheng Chen, Siu-Ming Yiu
cs.LG
本文提出SPDM模型，通过将变量间的相关结构建模为对称正定流形上的连续轨迹，并利用黎曼几何特征作为正则化项来引导状态空间模型的扫描动态。该方法在保持Mamba并行扫描线性时间复杂度的同时，提升了多变量时间序列预测的性能。
Co-GLANCE: Uncertainty-Aware Active Perception for Heterogeneous Robot Teaming
Michal P. Podolinsky et al.
cs.LG cs.AI cs.MA cs.RO
本文提出Co-GLANCE系统，用于异构机器人团队在非结构化环境中的不确定性感知。该系统将视觉语言模型的语义推理能力蒸馏为端到端模型，并结合conformal prediction与选择性弃权机制提供统计有效的覆盖保证，从而触发主动感知以解决遮挡等不确定性。
Conformal Prediction for Neural Operators: Distribution-Free Uncertainty Quantification in Physics Simulation
Michael Chin
cs.LG cs.AI
本文首次将split conformal prediction应用于基于neural operator的物理仿真，提供了无分布假设的prediction intervals和有限样本覆盖保证。通过引入归一化conformal prediction方案，结合MC Dropout不确定性生成自适应宽度区间，在稳态热传导基准上实现了89.1%的经验覆盖率。
Sigma-Branch: Hierarchical Single-Path Network Reconstruction for Dynamic Inference with Reduced Active Parameters
Kohga Tanaka, Hiroaki Nishi
cs.LG cs.AI
本文提出Sigma-Branch框架，将预训练密集网络重构为层次化二叉树结构，通过激活值球形k-means聚类分配权重，在推理时仅执行单条根到叶路径，从而减少活跃参数数量。该方法在CIFAR-100、ImageNet-1K和ModelNet40等任务上实现了58-60%的活跃参数缩减，同时保持与密集基线相近的Top-1准确率。
Sample Where You Struggle: Sharpening Base Model Reasoning via Entropy-Guided Power Sampling
Hong Guo et al.
cs.LG cs.AI
本文提出Entropy-Guided Power Sampling (EGPS)，一种无需训练和验证器的采样方法，通过利用token级熵来定位高熵决策点，从而加速从序列级幂分布\(p^\alpha\)的采样过程。该方法在多个基准测试上取得了与Metropolis-Hastings基线相当或更优的准确率，并实现了高达12.6倍的加速。
Trainable Smooth-Rotation Transforms with Learned Channel Scales for LLM Quantization
Patrik Czakó, Gábor Kertész, Sándor Szénási
cs.LG cs.AI cs.CL
本文针对LLM量化中的激活值量化问题，提出了一种基于分位数鲁棒缩放策略的SmoothRot变换改进方法，并通过梯度优化学习channel scales，在W4A4量化下提升了模型性能。该方法在保持等效变换框架的同时，通过鲁棒迁移控制和轻量级尺度学习获得了优于基于最大值的固定策略的效果。
Forward-Only Convolutional Neural Networks with Learnable Channel-Class Assignment
Mohammadnavid Ghader et al.
cs.LG cs.AI
本文提出了一种可学习的channel-class分配机制，用于改进前向传播卷积神经网络中的静态分区问题，并引入基于验证性能的损失感知层贡献策略。该方法在CIFAR和Tiny-ImageNet上取得了优于现有前向传播方法的结果，但与我提供的关键词列表关联度较低。
Between Amnesia and Chaos: A Memory Stability Expressivity Trilemma for Trainable Dissipative Oscillator Networks
Caleb Munigety
cs.LG cs.AI
本文研究了可训练耗散振荡器网络中的记忆稳定性表达性三难困境，通过symplectic integrator端到端学习质量、阻尼和刚度，发现记忆范围、梯度稳定性和动态表达性无法同时最大化，阻尼是核心控制因素。实验在二十个振荡器网络上验证了理论预测，表明训练基底在短记忆范围优于冻结基底，但优势在临界点附近消失。
When RL Fails after SFT: Rejuvenating Model Plasticity for Robust SFT-to-RL Handoff
Runze Liu et al.
cs.LG cs.AI
本文研究了SFT过度训练导致后续RL阶段模型可塑性丧失的问题，通过参数变化、输出空间和优化动力学等多角度分析，发现过度SFT会使模型产生过度自信的token分布和尖锐的参数景观。作者提出Rejuvenation方法，利用基于基线的模型融合和定向神经元重置来恢复可塑性，在数学推理和agent任务上验证了有效性。
nCMD: Benign-Anchored Feature Selection for Imbalanced Network Intrusion Detection
Abu Fuad Ahmad, Istiaque Ahmed
cs.LG cs.CR
本文提出了一种名为nCMD的特征选择方法，通过计算攻击类分布与良性类均值的偏差来评估特征重要性，以解决网络入侵检测中数据不平衡的问题。实验表明该方法在多个基准数据集上表现良好，但未涉及关键词中的核心概念。
One Lens, Many Worlds : A Capability-Typed Interface for World-Model Interpretability
Bhavith Chandra Challagundla et al.
cs.LG cs.AI
本文提出了WorldModelLens，一个基于能力类型适配器的开源可解释性工具，旨在统一不同架构（如PlaNet、IRIS、I-JEPA）的世界模型的可解释性方法。它通过定义encode、transition等核心方法和可选的解码器头，使得强化学习和自监督世界模型能在同一接口下进行分析，避免了为每种架构重复实现可解释性工具。
RKSC: Reasoning-Aware KV Cache Sharing and Confident Early Exit for Multi-Step LLM Inference
Anirudh Sekar
cs.LG cs.AI cs.CL
本文提出RKSC框架，通过注意力相似度KV缓存共享和置信度门控提前退出机制，加速多分支LLM推理。该方法无需微调，在多个模型和基准测试上实现了约3倍加速，但主要贡献在于工程优化而非理论创新。
Interactions Between Crosscoder Features: A Compact Proofs Perspective
Dmitry Manning-Coe et al.
cs.LG cs.AI
本文通过compact proofs形式化了crosscoder features之间的交互作用，并提出了一个可微分的交互损失惩罚项，用于训练“计算稀疏”的crosscoders。此外，该方法还被应用于语义特征聚类和检测sleeper agents中的显著交互。
Learning Where to Simulate: Generative Active Sampling for Online PDE Surrogate Training
Pierre Cesar et al.
cs.LG cs.AI
本文提出了一种名为OGAS的主动学习方法，用于在线训练数据驱动的PDE代理模型。该方法通过训练一个扩散模型作为条件采样器，根据代理模型的困难信号动态调整配置参数的采样分布，从而优先生成具有挑战性的轨迹数据。实验表明，OGAS能显著改善模型在极端情况下的预测误差，但会以平均误差为代价。
Integrating Out, Twice:The Open-System Case That Neural-Network Ensemble Theory Is Missing
Jin Lei
cs.LG nucl-th physics.comp-ph physics.data-an
本文通过对比神经网络集成理论与核反应理论，指出神经网络集成仅处理了“封闭系统”情况，而“开放系统”情况（即存在连续谱和波动力学）在主流机器学习中缺失。作者用Gaussian代数和块矩阵求逆展示了封闭情况下的对应关系，并在截断attention map等结构上测试了开放情况，但得到负面结果。
Does Normalization Choice Matter for Causal Large Time-Series Models?
Samy-Melwan Vilhes, Gilles Gasso, Mokhtar Z Alaya
cs.LG cs.AI
本文研究了在基于transformer的大型因果时间序列模型中，不同normalization策略（如causal normalization和基于初始观测的统计量）对训练收敛和预测性能的影响，发现normalization的选择对模型效果有显著影响。
Temporal Context Conditioning for Seasonality-Aware Precipitation Nowcasting of High-Intensity Rainfall
Gijs van Nieuwkoop, Siamak Mehrkanoon
cs.LG cs.AI
本文提出TA-SmaAt-UNet模型，通过在SmaAt-UNet中加入时间循环编码（time-of-day和time-of-year）来调节中间特征表示，以提升高强度降雨的雷达回波外推精度。实验表明，这种轻量级的时间上下文（temporal context）能改善对罕见强降水事件的预测，并更好地捕捉季节性变化。
HydraCIL: Decoupled Class-Incremental Learning through Prototype-Guided Multi-Head Classifiers
Daniel Vila-Cruz, Laura Morán-Fernández, Verónica Bolón-Canedo
cs.LG cs.AI
HydraCIL提出了一种基于prototype引导的多头分类器的解耦类增量学习方法，通过冻结backbone并仅训练轻量级任务特定分类器头来降低计算成本。该方法在多个数据集上匹配或超越了现有方法，但主要关注嵌入式场景的效率，与关键词中的核心概念关联较弱。
Optimality of FSQ Tokens for Continuous Diffusion for Categorical Data with Application to Text-to-Speech
Vadim Popov et al.
cs.LG cs.AI cs.SD
本文研究了连续扩散模型在分类数据（如离散token）中的最优token化方案，通过理论分析和实验证明FSQ tokenization在Kullback-Leibler散度和预测精度上表现最佳，并在文本转语音任务中验证了其优于基于LLM的模型。
Interpreting and Steering a Text-to-Speech Language Model with Sparse Autoencoders
Nikita Koriagin et al.
cs.LG cs.AI cs.CL
本文训练BatchTopK sparse autoencoders来解析CosyVoice3中文本与语音token共享残差流的表示，发现这些特征具有可解释性（如音素、笑声、口音和说话者性别），并通过干预实验证明其因果性（如将笑声概率从0.02提升至0.79）。该工作为TTS系统的可解释性和控制提供了新视角，但与关键词列表中的概念关联较弱。
Bittensor Agent Arenas as a Trajectory Primitive: Distilling a Shopping Agent from ShoppingBench Subnet Traces
Shardul Bansal, Seth Schilbe, Jarrod Barnes
cs.LG cs.AI
本文提出了一种从Bittensor agent arena (SN15) 中蒸馏训练数据的方法，通过结构质量过滤器筛选agentic trajectories，并利用SFT-then-GRPO pipeline对Qwen3-4B进行后训练，在ShoppingBench基准上提升了ASR指标。该方法主要关注agent训练数据的生成与筛选，与关键词中的agent概念有一定关联，但方法本身缺乏开创性，且未涉及code, spectral, Muon, pretrain, attention等关键词。
Importance-Aware Scheduling for High-Dimensional Hyperparameter Optimization
Ruinan Wang, Ian Nabney, Mohammad Golbabaee
cs.LG cs.AI
本文提出Greedy Importance First (GIF)方法，通过小样本预热估计超参数重要性并据此进行分组调度，以提升高维超参数优化中的样本效率。实验表明，GIF在多个高维基准上收敛速度优于TPE、BOHB等方法，但该方法与关键词列表中的概念关联较弱。
Spatiotemporal Seismic Hazard Assessment Using VQ-VAE and Seismic Statistical Features
Wei Quan, Denise Gorse
cs.LG physics.geo-ph
本文基于XGBoost和日本地震目录数据，将地震统计特征（SSFs）从全局预测扩展至局部预测（半径24公里），并引入VQ-VAE模型从二维地震图中提取空间特征。实验表明，SSFs在局部预测中仍有效，而VQ-VAE特征可提升性能并替代传统\(b\)值。
Temporal Sheaf Neural Networks with Dynamic Orthogonal Transport
Md Sadek Hossain Asif, Tanzila Khan, Md. Mosaddek Khan
cs.LG cs.AI
本文提出Temporal Sheaf Neural Networks (TSNN)，通过为每个节点配备时变正交frame并显式传输节点状态，在动态链接预测任务中建模节点特定的交互语义。该方法使用低秩Householder乘积参数化frame，并保证几何残差解码的因果性，在多个基准上匹配或超越现有方法。
VFUSE: Virulent Feature Understanding with Sparse autoEncoders
Michael Yu, Matthew L. Olson
cs.LG cs.AI q-bio.QM
本文提出VFUSE方法，通过训练Sparse autoEncoder (SAE) 分析扩散-Transformer模型的激活值，以检测蛋白质设计中的有害特征。实验表明，在SAE隐空间中训练的线性探针比原始模型表示能更有效地识别危险设计，并发现了AUROC达0.84的单语义特征。
Divide-and-Conquer Modeling for the CTF-4-Science Lorenz Benchmark
Shundong Li
cs.LG cs.AI
本文提出了一种分治建模策略，用于CTF-4-Science Lorenz基准测试，通过将不同预测任务（如去噪重建、混沌预测等）匹配到特定模型（如NG-RC/NVAR）来处理，最终在混合混沌预测基准上取得了79.63的分数。
Structured Adaptive Tensor Prediction for Streaming Data
Zhen Qin, Yang Chen
cs.LG eess.SP math.OC
本文针对流式矩阵值时间序列的预测问题，提出了一个自适应tensor regression框架，包含Matrix-on-Matrix (MoM)和Tensor-on-Matrix (ToM)两种形式，并开发了stochastic gradient descent (SGD)算法进行在线学习。文章证明了将多个响应堆叠成高阶tensor能提升性能，并给出了ToM在低维结构下的恢复保证。
A Theory on Flow Matching with Neural Networks
Yihan He et al.
cs.LG cs.AI
本文为基于神经网络的Flow Matching方法建立了理论基础，证明了过参数化两层ReLU网络下梯度下降的收敛性，并给出了条件速度场匹配目标的泛化界。这些结果最终为生成样本的Wasserstein距离提供了理论保证。
Decision-Making under Combinatorial Risk
Yifan Hong, Hongmiao Fan, Chen Wang
cs.LG econ.GN
本文通过投资分配任务研究组合风险下的决策行为，发现参与者主要依据投资后的成功概率等组合风险特征进行决策，而非精确评估完整的诱导分布。当显示诱导概率质量函数时，行为会转向更接近彩票估值模式。
Unsupervised Style Representation Learning for AI-Text Detection via Paraphrase Inversion
Rafael Rivera Soto, Barry Chen, Nicholas Andrews
cs.LG cs.AI
本文提出了一种无监督的风格表示学习方法，通过训练一个style encoder从机器生成的paraphrase中重建人类撰写的文本，从而学习判别性风格特征。该方法在AI文本检测任务上，在few-shot和zero-shot场景下均取得了有竞争力的性能，并泛化到作者验证等未见任务。
Nonlinear Estimator: Dual Bayesian Affine Estimators for Parameter Learning
Sasan Vakili et al.
cs.LG eess.SY stat.ML
本文提出了一种用于Wiener型状态空间模型的非线性参数估计器，通过耦合两个仿射最小均方误差估计器实现固定点架构，并利用动态基统计量总结非线性基函数评估。实验表明，双状态-参数估计器在参数均方误差上优于纯仿射估计器和经典序贯蒙特卡洛方法。
FedSteer: Taming Extreme Gradient Staleness in Federated Learning with Corrective Projections and Caching
Haoran Zhang et al.
cs.LG cs.AI
本文提出FedSteer方法，通过构建客户端梯度的低维子空间并利用缓存策略，解决联邦学习中客户端参与不均衡导致的梯度陈旧问题。该方法将活跃客户端梯度投影到子空间以优化坐标，并引导非活跃客户端的陈旧梯度向当前目标对齐。
Discovering Interpretable Multi-Parameter Control Policies for Evolutionary Algorithms Using Deep Reinforcement Learning
Tai Nguyen et al.
cs.LG cs.NE
本文使用deep Reinforcement Learning为(1+(\(\lambda\),\(\lambda\)))-genetic algorithm设计多参数控制策略，通过action-space decomposition和reward shifting等改进解决了标准方法难以收敛的问题，并将学习到的策略蒸馏为可解释的符号控制策略。该工作主要关注演化算法的参数控制，与关键词中的agent有一定关联但并非核心。
Ambiguous Strategic Classification
Ivri Hikri, Nir Rosenfeld
cs.LG
本文研究了在战略分类中，系统仅披露部分分类器信息（即模糊性）的场景，并借鉴鲁棒机制设计中的模糊性概念，允许学习器揭示一组可能的分类器。文章开发了计算最佳响应和训练的高效算法，并实证探索了这种新设置下的战略学习及其结果。
Compositional Generative Modeling from Decentralized Data
Mashrur M. Morshed, Vishnu Naresh Boddeti
cs.LG
本文提出Decentralized Compositional Flow Matching (DCFM)框架，用于从分散数据中学习生成模型的组合性质。该方法通过在不交换原始数据的情况下，对全局生成因子施加结构约束，使新颖的组合能够通过peer interactions涌现。
Quality Is Not a Safety Proxy Under Quantization
Sahil Kadadekar
cs.LG cs.CR
本文研究了量化模型检查点中质量指标与安全性的关系，发现质量指标不能替代直接安全测试。通过实验矩阵和多种探针分析，作者指出量化后质量稳定甚至提升时，拒绝有害请求的能力可能显著下降，因此直接安全评估不可省略。
Learning Entropy and Spatial Adaptation Dynamics of Multilayer Perceptrons for Structural Point Extraction
Jan Glaser, Ivo Bukovsky, Marcel Jirina
cs.LG
本文扩展了Learning Entropy (LE)概念，将其从时间自适应系统应用于多层感知机(MLP)在图像数据上的空间学习，通过分析神经网络权重在训练中的增量适应来生成Spatial Learning Entropy Maps (SLEM)，从而识别对学习过程重要的图像点。该方法为特征提取提供了基于学习影响的补充视角，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
Dropout-GRPO: Variational Stochasticity for Continuous Latent Reasoning
Wooil Jung
cs.LG cs.AI
本文针对GRPO在连续隐式推理模型（如Coconut）中因缺乏随机性而失效的问题，提出通过结构化dropout为每个rollout生成轨迹方差，从而将GRPO应用于隐式推理。该方法将每个rollout视为参数变分分布的后验样本，并提供了理论证明与实验验证。
MMClima: A Framework for Multimodal Climate Science Data and Evaluation
Muhammad Umer Sheikh et al.
cs.LG cs.AI
本文提出了MMClima，一个大规模多模态气候科学问答框架，包含超过10万个专家验证的问答对，覆盖文本、视频和图表。该框架通过自动化claim提取和QA合成构建，并微调了领域适应的语言模型mmclima-70b-txt，为气候科学的多模态评估提供了标准化基准。
Density Ridge Selective Prediction for LLM and VLM Hallucination Detection under Calibration Label Scarcity
Nina I. Shamsi
cs.LG cs.AI cs.CV
本文提出了一种基于密度脊的无监督幻觉检测方法，通过构建LLM隐藏状态生成轨迹的六维运动特征图的核密度估计来恢复响应流形，并利用测试生成点到最近脊顶点的负欧氏距离作为置信度分数。在标签稀缺场景下，该方法在多个QA基准上相比现有无监督和有监督检测器取得了AUROC提升。
A Continuous-Time Markov Chain Framework for Insertion Language Models
Dhruvesh Patel et al.
cs.LG cs.CL
本文通过将插入语言模型(ILM)的加噪过程建模为变长序列空间上的连续时间Markov chain，从第一性原理推导出扩散风格的去噪目标，并证明现有ILM公式是该框架的特例。在合成规划任务和语言建模上的实验表明，该方法保留了插入式生成相对于从左到右生成和masked diffusion model的优势，并在采样上提供了额外灵活性。
A Source Domain is All You Need: Source-Only Cross-OS Transfer Learning for APT Anomaly Detection via Semantic Alignment and Optimal Transport
Sidahmed Benabderrahmanea et al.
cs.LG cs.AI
本文研究了跨操作系统APT异常检测问题，提出了一种基于Optimal Transport的无监督迁移框架，通过语义对齐和几何偏差度量来检测异常进程。该方法在DARPA数据集上取得了优于基线的性能。
Alignment Defends LLMs from Property Inference Attacks
Pengrun Huang et al.
cs.LG cs.CR
本文提出了一种基于alignment的防御方法，通过后训练调整（如DPO和GRPO）来重塑LLM的输出分布，以缓解property inference attacks，无需修改训练数据或重新训练模型。实验表明该方法在保持模型效用的同时有效降低了属性泄露风险。
Fast Exact Nearest-Neighbor Learning for High-Frequency Financial Time Series
Henry Han, Diane Li
cs.LG cs.AI
本文使用Mojo SIMD k-d tree方法加速高频金融时间序列的精确最近邻学习，在x86和ARM64架构上实现了相对于scikit-learn的显著加速，并保持了精确输出。该方法通过方差分裂、连续flat-buffer存储和编译时向量化距离计算来提升效率。
Spatiotemporal Graph Transformer for 3D Neighborhood Interaction and Quality Prediction in Metal Additive Manufacturing
Joyce Karen Pelaez, Siqi Zhang, Hoo Sang Ko
cs.LG
本文提出了一种用于金属增材制造中3D邻域交互与质量预测的时空图transformer，通过加权网络表示制造过程并设计双attention图transformer来捕获节点内特征依赖和跨节点邻域交互，实验表明该方法在表征工艺-质量关系上优于现有模型。
SHAPO: Sharpness-Aware Policy Optimization for Safe Exploration
Kaustubh Mani et al.
cs.LG cs.AI cs.RO
本文提出SHAPO算法，通过评估扰动参数处的梯度来使策略更新对epistemic uncertainty保持悲观，从而在安全关键领域实现强化学习的安全探索。实验表明该方法在连续控制任务中优于现有基线。
DUET -- Dual User Embedding Transformers for Offsite Conversion Prediction
Reazul Hasan Russel et al.
cs.LG
本文提出DUET框架，通过为点击和转化两种信号分别设计专用的transformer编码器（使用multi-layer self-attention和interleaved cross- and self-attention），以解决离线转化率预测中信号统计特性差异大的问题。实验表明该方法在NE指标上相比最强基线有0.38%的降低。
When Design Rules Break: Benchmark Composition Determines Whether Label Informativeness Predicts GNN Aggregator Choice
Neha Sharma, Ritesh Sharma
cs.LG cs.SI
本文研究了GNN中aggregator选择（sum, mean, max）在24个节点分类benchmark上的泛化性，发现label informativeness仅在部分benchmark（如citation）上能预测GIN-Sum与GIN-Mean的性能差异，而在Facebook-100等密集图中失效。通过spectral gap等统计量分析，作者指出benchmark组成而非数据量不足决定了设计规则的泛化假象。
Multi-Level Analyzation of Imbalance to Resolve Non-IID-Ness in Federated Learning
Haengbok Chung, Jae Sung Lee
cs.LG cs.AI
本文定义了联邦学习中的三类不平衡问题（inter-case, inter-class, inter-client），并提出了FedBB算法，包含PNB损失函数和CBR重加权机制，以缓解非IID数据带来的性能下降。实验表明该方法在X-ray和自然图像数据集上优于其他算法。
A Unified Adaptive Feature Composition Framework for Multi-Task Generalization in Wireless Foundation Models
Yuxuan Shi et al.
cs.LG
本文提出了一种用于无线基础模型(WFMs)多任务泛化的统一自适应特征组合框架，其核心是路由适配器(RAFC)。该框架将不同Transformer层的hidden states视为可复用的多级特征池，通过轻量级任务驱动网络生成逐层聚合权重，以加权求和方式自适应组合层次化表示，从而在不修改预训练骨干网络的情况下适配下游任务。实验表明该方法在四个无线任务上优于传统基线，且参数量少于50K。
Revisiting Positive Samples in Graph Contrastive Learning: From the Perspective of Message Passing
Lianze Shan et al.
cs.LG
本文从Dirichlet energy的角度重新审视了图对比学习(GCL)中正样本的作用，发现消息传递机制会削弱正样本的学习效果。为此，作者提出SPGCL方法，通过仅传播高Dirichlet energy特征并利用低能量特征构建概率矩阵进行正采样，以恢复正样本的有效性。
When Metrics Disagree: A Meta-Analysis of Knowledge-Graph-Completion Model Benchmarking
Haji Gul, Ajaz Ahmad Bhat
cs.LG cs.CL
本文针对知识图谱补全(KGC)模型评估中不同指标（如MRR, Hits@k）产生矛盾排序的问题，将评估重新表述为多准则决策(MCDM)问题，并对七种聚合器进行了元分析。研究发现Z-score在尾预测和关系预测中表现最为均衡，并揭示了不同测试维度对模型移除的敏感性差异。
LLM-Guided Neural Architecture Search for Robust Co-Design of Physical Neural Networks
Tyler King, Timothee Leleu
cs.LG cs.AI cs.AR cs.NE physics.comp-ph
本文提出了一种名为UH-NAS的硬件无关的LLM引导神经架构搜索框架，用于在非传统硬件上协同优化任务准确性和推理能耗。该方法通过将语言模型作为进化算子，并支持可替换的硬件后端，实现了跨不同硬件平台的公平系统级比较。
Baseline-Free Policy Optimization for Neural Combinatorial Optimization
Carlos S. Sepúlveda, Gonzalo A. Ruz
cs.LG cs.AI cs.RO math.OC
本文比较了五种RL算法在神经组合优化（NCO）中的表现，发现Group Relative Policy Optimization (GRPO) 无需外部baseline即可避免训练崩溃，在TSP和CVRP任务上达到与POMO相近的解质量。
Rank Collapse, Fixed Points, and the Renormalization Group Structure of MLP Residual Networks
Parviz Haggi-Mani, Irina Rish
cs.LG cond-mat.stat-mech stat.ML
本文研究了MLP残差网络前向传播与重整化群流之间的类比关系，通过合成Markov链序列上的掩码token预测任务，发现残差流的有效秩随深度单调下降，且这种秩塌缩具有选择性（仅对短相关长度的输入发生）。该工作提供了定量证据表明MLP残差网络实现了由输入分布谱结构控制的选择性粗粒化过程，但方法本身并非开创性，且与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联较弱。
Privacy-Preserving Credit Risk Prediction with Alternative Data
Hongzhe Zhang et al.
cs.LG cs.CR
本文定义了隐私保护下的替代数据信用风险预测问题，并提出了PrivacyCredit方法，在保护消费者隐私和模型机密性的同时，实现了与明文组合数据相同的预测性能。
Beyond Explaining Predictions: Logic-Based Explanations for Confidence in Machine Learning Models
Vinícius Peixoto Chagas, Carlos Henrique Leitão Cavalcante, Thiago Alves Rocha
cs.LG cs.LO
本文提出了一种基于逻辑的置信度解释方法，通过引入Minimum Confidence Threshold (MCT)概念来量化abductive explanation的置信度保证，并设计了生成满足用户指定置信度阈值的解释的算法。该方法在提升置信度保证的同时仅适度增加解释长度，适用于需要同时保证预测正确性和置信度的关键决策场景。
KG-SoftMAP: Soft Knowledge-Graph Priors for Bayesian Network Structure Learning from Sparse Discrete Data
Guoliang Xu, James E. Corter
cs.LG cs.AI
本文提出KG-SoftMAP方法，通过将加权有向知识图谱编码为软先验，结合BDeu评分与logit形式先验，从稀疏离散数据中学习Bayesian network结构。实验表明该方法在稀疏数据下能恢复部分有向结构，且性能随知识图谱质量下降而逐渐退化。
Beyond Absolute Imitation: Anchored Residual Guidance for Privileged On-Policy Distillation
Wenhao Zhang
cs.LG cs.AI
本文提出了一种名为Anchored Residual On-Policy Distillation (AR-OPD)的方法，用于改进大语言模型中的Privileged On-Policy Distillation。该方法通过将特权信息分解为局部兼容的anchor和未来导向的residual，解决了学生模型因模仿后见之明的分布而跳过合理推理步骤的问题。
Validation-Stage Combinatorial Fusion Analysis for Imbalanced Credit-Card Fraud Detection
Xiao Han, Chenyu Wu
cs.LG cs.CE
本文在信用卡欺诈检测任务中，验证了Combinatorial Fusion Analysis (CFA)方法在集成多个梯度提升树模型时的有效性，通过搜索模型子集和rank-score融合规则，在IEEE-CIS基准上取得了优于单个强模型的结果，但该方法并未涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念。
A Comprehensive Inference-Time Augmentation Framework in Physiological Signals: Application to PPG-Based AF Detection
Davood Fattahi et al.
cs.LG eess.SP q-bio.QM
本文提出了一个统一的Inference-Time Augmentation (ITA)框架，用于提升生理信号（如PPG）在房颤检测中的鲁棒性，通过贝叶斯优化13种增强方法的超参数，在多个数据集上验证了其有效性。该方法虽实用，但缺乏开创性，且与关键词列表中的概念关联较弱。
Parallel Causal Associative Fields: Gated Sparse Memory for Long-Context Language Modeling
Muhammad Ahmed
cs.LG cs.CL
本文提出了一种名为Parallel Causal Associative Field (PCAF)的模型，通过将上下文窗口中的局部记录写入hash buckets并检索候选集，实现了稀疏的长上下文访问，避免了固定大小的循环状态瓶颈。在WikiText-103和PG-19上的实验表明，该模型在速度和困惑度之间取得了优于dense Transformer的权衡。
SpenseGPT: Practical One-shot Pruning Enabling Sparse and Dense GEMMs for LLM Inference
Jaeseong Lee, Seung-won Hwang, Samyam Rajbhandari
cs.LG cs.CL
本文提出SpenseGPT，一种针对大语言模型推理的一次性剪枝方法，通过将权重矩阵分为2:4稀疏区域和稠密区域来平衡加速与精度，并在B200 GPU上实现了1.2倍端到端解码加速。该方法无需自定义编译器支持，但主要贡献在于工程实践而非理论创新，与关键词列表中的概念关联较弱。
Mitigating Bias in Low-SNR Financial Reinforcement Learning via Quantum Representations
Zeyu Liu et al.
cs.LG cs.AI
本文针对低信噪比金融市场中SAC算法的不稳定性，提出FPQC-SAC方法，通过在actor和critic网络前插入紧凑有界的Parameterized Quantum Circuit来约束特征传播，以缓解“Financial Entropy Trap”问题。实验表明该方法在投资组合管理任务中提升了样本外稳定性和累计收益。
ERAlign: Energy-based Representation Alignment of GNNs and LLMs on Text-attributed Graphs
Xianlin Zeng, Fan Xia, Xiangyu Chen
cs.LG cs.AI cs.CL
本文提出ERAlign框架，通过Energy-based Model对齐GNN和LLM在文本属性图上的表示，利用Energy Discrepancy避免高采样成本并保证训练效率。实验表明该方法在多种监督和跨任务迁移场景下取得最优性能。
Advancing the State-of-the-Art in Empirical Privacy Auditing
Nicole Mitchell et al.
cs.LG cs.AI cs.CL cs.CR stat.ML
本文研究了大型语言模型在参数高效微调中的隐私审计问题，提出通过高温采样生成合成“金丝雀”数据来增强成员推断攻击的识别能力，并引入基于辅助模型的合成数据审计方法。该工作主要聚焦于实证隐私审计的技术改进，与关键词中的code、spectral、Muon等概念无直接关联。
Stop Early, Spend Less: Hidden-State Probes as a Practical Recipe for Streaming Moderation of LLM Outputs
Huizhen Shu, Xuying Li, Piao Xue
cs.LG cs.AI
本文提出了一种轻量级的token-level probes方法，通过复用LLM生成过程中的hidden states进行实时安全过滤，无需额外前向传播，在流式场景中可中断不安全输出。该方法作为低延迟替代方案，显著降低了计算开销。
MoE Enhanced Federated Learning for Spatiotemporal Prediction
Zhehao Dai et al.
cs.LG cs.AI
本文提出MoE-FedTP框架，利用轻量级Mixture-of-Experts网络和门控机制，在联邦学习环境下实现跨城市时空交通预测，通过部分参数共享和动态专家融合来应对城市间的异质性，实验表明其优于现有基线方法。
Representation-Aware Advantage Estimation: Your Reward Model Provides More Than A Scalar Output
Guozheng Li, Xiyan Fu, Yiwen Guo
cs.LG cs.CL
本文提出GraphAE方法，利用reward model的hidden states构建图结构来改进advantage estimation，通过图传播机制使每个样本能整合邻居的上下文信息。该方法可轻量集成到GRPO等group-based RL算法中，在多个benchmark上取得提升。
Machine Learning Methods for Studying Latent Neural Activity Dynamics
Shufeng Kong et al.
cs.LG cs.AI
本文综述了机器学习方法在潜神经活动动力学研究中的应用，涵盖了从早期state-space models到深度生成模型的Latent Variable Models (LVMs)，并讨论了单区域动力学、多区域通信及行为对齐建模等方向。
Flexible Flows for Biological Sequence Design
Yogesh Verma et al.
cs.LG cs.AI cs.ET q-bio.QM
本文提出了一种基于Discrete Flow Matching (DFM)的灵活流模型，通过结构化耦合和潜在编辑参数化，实现了对生物序列（如DNA和肽）的可控生成，并在密度估计和序列生成任务上取得了最优性能。该方法主要关注生物信息学中的序列设计问题，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Convergence of Monte Carlo Optimistic Policy Iteration: Beyond Uniform State-Action Updates
Octave Oliviers, Glenn Vinnicombe
cs.LG cs.AI
本文研究了Monte Carlo乐观策略迭代(MC-O-PI)的渐近收敛性，通过放宽对状态-动作对均匀更新的要求，证明了当更新仅在每个状态的动作上均匀时，算法仍能收敛到最优策略。该工作为策略迭代算法在状态空间较大或未知时的实际应用提供了理论支持。
Drawing with Strangers: Population Scaling Drives Zero-Shot Mutual Intelligibility in Emergent Sketching
Jooyeon Kim
cs.LG cs.AI
本文研究了独立训练群体间零-shot互懂性(ZMI)在涌现草图通信中的表现，发现扩大训练群体规模能显著提升ZMI，并通过感知锚定实现结构收敛。该工作为涌现通信的泛化提供了新视角，但与关键词列表中的概念关联较弱。
NOVA: Symbolic Regression Discovery of Interpretable Car-Following and Lane-Change Models with Driver Heterogeneity
Ishak Abassi et al.
cs.LG cs.AI math.OC
本文提出NOVA，一个基于符号回归的框架，用于从原始轨迹数据中自动发现可解释的跟车和换道模型。它使用Rust实现的高效搜索算法，在NGSIM数据集上评估了超过10,000个候选代数结构，并找到了一个紧凑的两项加速度模型，在预测性能上优于现有基线。
Towards Diverse Scientific Hypothesis Search with Large Language Models
Haorui Wang et al.
cs.LG cs.AI
本文提出了一种基于parallel tempering的进化框架，用于在大语言模型驱动的科学假设搜索中平衡多样性与质量，通过多温度信息交换避免多样性崩溃。该方法在分子发现、方程发现和算法发现等任务上验证了有效性。
Dirichlet-Guided Group Forecasting for Alleviating Over-smoothing in Time Series Forecasting
Xingyu Zhang et al.
cs.LG
本文提出Dirichlet-Guided Group Forecasting (DGF)框架，通过Dirichlet-guided hierarchical sampling机制显式建模多模态预测分布，以缓解时间序列预测中的过平滑问题。实验表明该方法在保持预测准确性的同时提升了动态一致性和多样性。
Embedding Hybrid Systems into Continuous Latent Vector Fields
Sangli Teng, Hang Liu, Koushil Sreenath
cs.LG cs.AI eess.SY
本文证明了当\(m>2n\)时，一个\(n\)维hybrid system可以嵌入到一个\(m\)维Euclidean space中，并在其嵌入像上存在一个continuous vector field。基于此存在性定理，文章提出了一种使用latent Neural ODE并引入consistency loss的方法来学习hybrid system的flow。
Causal Ensemble Agent: Hierarchical Causal Discovery with LLM-guided Expert Reweighting
Xinyu Li et al.
cs.LG cs.AI cs.CL
本文提出Causal Ensemble Agent (CEA)框架，通过线性意见池化聚合不同统计因果发现专家的结构见解，并利用LLM作为元裁判在决策边界附近动态重加权专家，以生成更优的因果图。实验表明该方法在多种因果发现任务上表现优异。
Fast and Highly Expressive Policy Learning for Offline Reinforcement Learning via Bootstrapped Flow Q-Learning
Thanh Nguyen et al.
cs.LG cs.AI
本文提出Bootstrapped Flow Q-Learning (BFQ)，通过将Flow Matching中的位移向量分解为短程分量并自举学习，实现了离线强化学习中单步动作生成，无需辅助网络或多步去噪。该方法在D4RL基准上提升了性能并显著降低了计算成本。
Is Fairness Truly Fair? Towards Reliable Lipschitz Fairness in Multi-Task Learning via Fixed-\texorpdfstring{$δ$}{delta} Alignment
Junbo Ding et al.
cs.LG cs.AI
本文针对多任务学习中的Lipschitz个体公平性评估问题，指出方法依赖的表示尺度会导致阈值混淆，并提出ReLiF框架，通过固定\(\delta\)审计与可控正则化分离来保证评估一致性。实验在临床时间序列和NYUv2数据集上验证了该方法能揭示真实的效用-公平性权衡。
PhysMetrics.Weather: An Evaluation Framework for Physical Consistency in ML Weather Models
Emma Kasteleyn et al.
cs.LG physics.ao-ph
本文提出了PhysMetrics.Weather评估框架，用于衡量机器学习天气预报模型在守恒性、谱特征和动力学方面的物理一致性。该工具通过量化物理真实性来指导模型开发，但未涉及关键词中的核心概念。
In Defense of Information Leakage in Concept-based Models
Mateo Espinosa Zarlenga
cs.LG cs.AI cs.CR
本文质疑了概念模型(CMs)中信息泄漏的传统负面观点，认为在现实世界中概念不完整的情况下，某些良性泄漏对于构建准确且可干预的CMs是必要的。作者通过重新优化典型的CM训练目标，展示了如何利用这种泄漏而不牺牲模型性能。
One Step Closer to Ground Truth: A Multi-Scale Residual-Aware Representation Learning Pipeline for Predicting Time Series Data
Amrijit Biswas et al.
cs.LG
本文提出了一种两阶段、模型无关的框架，将时间序列预测与残差学习解耦为独立的表示学习阶段。该方法通过一个基础Transformer生成初始预测，再由一个元校正器动态建模结构化误差模式，以提升预测性能。
PL-KKT-hPINN: Enforcing Nonlinear Equality Constraints on Neural Networks via Piecewise-Linear Projection
Fateme Mohammad Mohammadi, Hector Budman, Joshua L. Pulsipher
cs.LG
本文提出PL-KKT-hPINN框架，通过分段线性投影严格强制神经网络输出满足非线性等式约束，扩展了仅处理线性约束的KKT-hPINN方法。在连续搅拌釜反应器案例中，该方法在保持预测精度的同时显著降低了约束违反，并在小样本场景下表现出更好的鲁棒性。
Divide and Cooperate: Role-Decomposed Multi-Agent LLM Training with Cross-Agent Learning Signals
Jaewan Park, Solbee Cho, Jay-Yoon Lee
cs.LG cs.AI
本文提出DAC (Divide and Cooperate)框架，将agentic search分解为搜索与生成两个子任务，分别由专用agent处理，并通过跨agent学习信号（如生成器的弃权信号）改进credit assignment。实验在QA基准上验证了其有效性，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。
From Observation to Intervention: A Causal Audit of Expert Importance in Mixture-of-Experts Models
Leonard Engmann, Christian Medeiros Adriano, Holger Giese
cs.LG cs.CL
本文通过token级别的interventional audit（干预性审计）检验了Mixture-of-Experts (MoE) 模型中基于观测统计量（如利用率、激活范数）预测专家重要性的有效性，发现这些观测指标无法预测因果重要性，并指出现有剪枝方法的成功源于早期层的冗余性而非识别了可移除的专家。
Event-Driven Reinforcement Learning Enables Long-Horizon Control in Semiconductor Fabrication
Yavar Yeganeh et al.
cs.LG cs.AI eess.SY
本文提出了一种基于事件驱动的深度强化学习框架，用于解决半导体制造中的长时域控制问题，通过将系统演化建模为离散事件驱动的时序过程，并集成多种无模型策略优化算法，在工业仿真中提升了吞吐量和设备利用率。该方法主要聚焦于强化学习在复杂制造系统中的应用，与关键词中的agent概念相关，但未涉及code、context、spectral、Muon、pretrain或attention等核心内容。
Unifying Data, Memory, and Compute Efficiency in LLM training: A Survey
Vanessa Schmidt et al.
cs.LG cs.AI
本文从资源约束的角度综述了大语言模型训练中的数据、内存和计算效率，讨论了数据选择、内存瓶颈和计算预算感知等优化策略，但未涉及代码、谱方法或Muon等具体关键词。
Transformer Based Model for Spatiotemporal Feature Learning in EEG Emotion Recognition
Xinglong Cui, Dian Gu
cs.LG cs.AI
本文提出EEG-TransNet模型，通过ResNet和小波去噪进行预处理，并引入Local Self-Attention Block和Fuzzy-Attention Synchronous Transformer (FAST)来捕捉EEG信号的时空特征。实验表明该模型在多个数据集上提升了分类准确率，但方法在理论创新性上较为常规。
Pre-AF 13: An Interpretable Atrial Fibrillation Risk Score Mined from Discharge Reports
Olga Shakhmatova et al.
cs.LG cs.CL
本文利用NLP pipeline从出院报告中提取特征，构建了可解释的机器学习模型Pre-AF 13，用于预测心血管疾病患者的中期房颤风险。该模型在ROC AUC指标上优于CHARGE-AF等传统临床风险评分，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。
SPACR: Single-Pass Adaptive Training of Uncertainty-Aware Conformal Regressors
Soundouss Messoudi, Sylvain Rousseau, Sébastien Destercke
cs.LG stat.ME stat.ML
SPACR提出了一种单次训练不确定性感知回归器的方法，通过可微损失直接优化共形预测的效率和有效性，无需批分割或预定义置信水平。实验表明该方法在多个数据集上比标准CP和DOICR产生更窄的预测区间，并降低了计算成本。
N-GRPO: Embedding-Level Neighbor Mixing for Enhanced Policy Optimization
Xukun Zhu et al.
cs.LG cs.CL
本文提出N-GRPO方法，通过在embedding层面混合anchor token及其语义近邻来生成多样化的解路径，以改进Group Relative Policy Optimization (GRPO)框架下的数学推理性能。实验表明该方法在数学推理基准上优于基线，并展现出良好的泛化能力。
Inverse Probability Weighting and Age-of-Information Aggregation for Decentralized Federated Learning under Partial Reception
Chanuka A.S. Hewa Kaluannakkage, Rajkumar Buyya
cs.LG cs.DC
本文针对有损无线网络下的去中心化联邦学习（DFL）中，由于部分模型接收导致的selection bias和update staleness问题，提出了DFL-AA方法，结合Inverse Probability Weighting和Age-of-Information加权来修正偏差与过时性。实验表明该方法在多种网络条件下优于现有基线。
Can we trust our models? Epistemic calibration in second-order classification
Arthur Hoarau
cs.LG
本文提出了epistemic calibration（认知校准）这一概念，用于评估second-order classification（二阶分类）模型中认知不确定性估计的可信度，并证明了其比经典校准更强的性质。通过引入Expected Epistemic Calibration Error (EECE)作为一致估计量，实验揭示了不同不确定性量化方法在认知校准上的显著差异。
Closing the Modality Gap in Zero-Shot HAR: Contrastive Training and Separability-Optimized Prototypes on IMU Data
Anik Ghosh
cs.LG
本文研究了基于IMU的零样本人类活动识别中的模态差距问题，通过对比训练和可分离性优化的原型方法，发现模态差距是训练阶段由编码器目标主导的现象，并证明使用判别性活动描述替代标签名原型可显著提升对齐度。实验表明，结合对比训练与反向softmax校正的方法在未见类上达到73.2%的准确率，但整体准确率在类别不平衡时具有误导性，建议使用宏平均F1作为标准指标。
CITRAS-FM: Tiny Time Series Foundation Model for Covariate-Informed Zero-Shot Forecasting
Yosuke Yamaguchi et al.
cs.LG
本文提出了一种名为CITRAS-FM的轻量级时间序列基础模型（7M参数），通过引入Shifted Attention机制和CovSynth协变量合成方法，实现了支持协变量信息的零样本预测，并在fev-bench上取得了次10M参数模型中的最优精度与亚秒级CPU推理速度。
Boosting ECG Classification Performance by Pre-training with Synthesized Data
Naoki Nonaka, Jun Seita
cs.LG cs.AI
本文提出一种基于医学知识的Gaussian-composition合成算法生成单导联II ECG数据，用于预训练DNN模型以提升异常心电图分类性能。实验表明，合成数据对三种异常类别（尤其是AFLT）的分类准确率有显著提升，且在小规模真实数据集上效果更明显。
K-Forcing: Joint Next-K-Token Decoding via Push-Forward Language Modeling
Zhiwei Tang et al.
cs.LG cs.AI cs.CL
本文提出K-Forcing，一种用于联合预测多个未来token的push-forward语言建模范式。它通过渐进式自蒸馏将自回归模型转化为条件push-forward映射，在单次前向传播中生成多个token，从而加速推理。实验表明，在k=4时，该方法在不同batch size下可实现约2.4-3.5倍加速，但会带来轻微的质量下降。
Encoding the Euler Characteristic Transform
Nello Blaser et al.
cs.LG math.AT
本文研究了Euler Characteristic Transform (ECT)的编码方式，提出了一种基于每个顶点净Euler特征变化的连续编码方法，并用transformer将其映射为特征向量。实验表明，连续编码在多个分类基准上优于传统离散化方法，且编码方式比表示架构的归纳偏置对性能影响更大。
MODIP: Efficient Model-Based Optimization for Diffusion Policies
Zakariae El Asri et al.
cs.LG
本文提出MODIP框架，用于扩散策略的离线到在线微调。该方法利用world model和model predictive control生成高质量轨迹作为监督信号，避免直接对扩散策略应用强化学习，在D4RL和RoboMimic任务上取得有竞争力的性能。
Geometrically Averaged Hard Target Updates for Linear Q-Learning
Donghwan Lee
cs.LG cs.AI
本文提出了线性Q-learning中的\(\lambda\)-target更新方法，通过几何加权平均周期性的hard target更新来统一单步更新和投影Q值迭代，并利用切换系统模型分析了其稳定性。
When Do Autoregressive Sequence Models Forecast Physical Wavefields? A Controlled Study on Synthetic Seismograms
Waleed Esmail et al.
cs.LG astro-ph.IM
本文通过合成三分量地震图作为测试平台，使用SeismoGPT自回归预测器研究振荡物理信号（如地震图）的长程自回归预测稳定性。实验发现多token预测是主要的稳定因素，而基于幅值的谱损失无法惩罚极性反转，表明相位感知目标函数是下一步的自然方向。
XtrAIn: Training-Guided Occlusion for Feature Attribution
Thodoris Lymperopoulos, Ioannis Kakogeorgiou, Denia Kanellopoulou
cs.LG cs.CV
本文提出了一种名为XtrAIn的训练引导遮挡归因方法，通过将遮挡操作从输入空间转移到参数空间，并追踪模型训练轨迹中特征相关参数更新对输出logits的影响，来解决传统遮挡方法中的偏差和不稳定问题。该方法在图像数据集和乳腺癌亚型分类任务上展示了更清晰、更可解释的归因模式。
Optimal Post-Training Quantization Scales and Where to Find Them
Juan Amboage et al.
cs.LG cs.AI
本文提出PiSO算法，利用校准数据高效计算LLM在round-to-nearest量化下的最优channel-wise weight scales，并扩展至group-wise quantization。实验表明该方法在低比特量化场景下能持续提升perplexity和zero-shot accuracy。
Flash-GMM: A Memory-Efficient Kernel for Scalable Soft Clustering
Gal Bloch et al.
cs.LG cs.DB cs.IR cs.PF
本文提出了一个名为Flash-GMM的融合Triton kernel，用于在单GPU上高效计算Gaussian Mixture Models (GMMs)，通过避免在GPU内存中实例化完整的responsibility matrix，实现了20倍加速并支持处理比先前大100倍的数据集。该工作将GMM作为IVF coarse quantizer的替代方案用于approximate nearest-neighbor (ANN)搜索，但与我提供的关键词列表关联较弱。
Conservation Laws from Data Symmetry in Neural Networks
Jakob Galley, Vahid Shahverdi, Axel Flinth
cs.LG stat.ML
本文研究了神经网络梯度流训练中，训练数据的对称性是否会导致守恒量。对于非多项式解析损失函数，数据对称性通常不产生额外守恒量；而对于均方误差损失，数据增强在某些情况下会产生额外守恒量，作者通过“可张量化网络”框架描述了这一现象。
Recoverable but Not Stationary:Local Linear Structures in Weights and Activations
Irina Piontkovskaia, Sergey Nikolenko
cs.LG cs.AI
本文研究了预训练网络中权重和激活的局部线性结构，发现这些结构并非全局任务方向，而是随训练步骤演变的局部几何。作者通过合成Transformer和LoRA适配器实验，拒绝了固定任务平面假设，并提出了随机搜索理论。
CLP: Collocation-Length Prediction for Zero-Loss Adaptive Multi-Token Inference
Xuezhen Xie, Zhiqiang Zhou
cs.LG cs.AI
本文提出了一种名为CLP的轻量级方法，用于加速大语言模型的推理过程。该方法通过一个单线性层预测可安全接受的额外token数量，避免了传统多token预测方法中因头部竞争导致的质量下降问题。实验表明，该方法在保持零质量损失的同时实现了1.14x-1.29x的加速。
A Systematic Approach for Selecting Trajectories for Data Augmentation
Adam Nordling
cs.LG
本文系统性地研究了轨迹数据增强中的轨迹选择策略，比较了Outlierness、Diversity等五种策略在多个数据集上的表现。结果表明，系统选择策略（尤其是Outlierness和Uncertainty）在稳定性上优于随机基线，但数据增强的价值高度依赖于数据集质量。
Population-Aware Physics-Informed Neural Particle Flow for Bayesian Update
Batu Candan, Simone Servadio
cs.LG
本文提出了一种population-aware PINPF (PA-PINPF)方法，通过为每个粒子更新添加一个permutation-invariant的Deep Sets表示来改进贝叶斯更新中的粒子传输。该方法在无监督的physics-informed残差目标下，利用粒子群特征编码提升了后验传输性能。
Beyond Uniform Token-Level Trust Region in LLM Reinforcement Learning
Renjie Mao et al.
cs.LG cs.AI
本文提出CPPO (Cumulative Prefix-divergence Policy Optimization)方法，通过位置加权阈值和累积前缀预算两个机制，改进了LLM强化学习中PPO风格的信任区域策略，以解决均匀token级约束与自回归生成之间的冲突。实验表明该方法能提升训练稳定性和推理准确性。
Learning Doubly Sparse Explicitly Conditioned Transforms
Tudor Pistol
cs.LG eess.SP math.OC
本文提出了一种学习双稀疏显式条件变换的方法，将变换表示为固定规范矩阵与数据自适应稀疏分量的乘积，以在保持快速稳定分析变换优势的同时引入可控自适应性。该算法基于非精确近端方法框架，利用新推导的闭式投影算子，实验表明在双稀疏变换学习问题上达到了最优结果。
Data-Driven Runway and Taxiway Exits Prediction of Landing Aircraft: A Case Study at Hartsfield-Jackson Atlanta International Airport
Alex Porcayo et al.
cs.LG eess.AS
本文以亚特兰大机场为案例，提出一个两阶段数据驱动模型，用于预测着陆飞机的跑道出口选择及是否穿越活动跑道。该工作属于应用导向的机场调度优化，与关键词中的理论或方法（如spectral, Muon, attention等）无直接关联。
AuRA: Internalizing Audio Understanding into LLMs as LoRA
Bo Cheng et al.
cs.LG cs.AI cs.CL
本文提出AuRA方法，通过将ASR编码器作为教师、LoRA适配的LLM作为学生，利用层间蒸馏将语音表示内化到LLM中，从而在避免级联延迟和大规模多模态训练的同时实现高效的语音-语言联合建模。该方法在多个基准测试中优于级联系统和语音到LLM的适配基线。
Flexible Kernels for Protein Property Prediction
Martin Jankowiak et al.
cs.LG q-bio.BM stat.ML
本文提出了一类利用进化替换矩阵和局部线性性的序列核，用于从稀疏实验数据预测蛋白质性质（如结合亲和力和热稳定性），并展示了基于这些核的Gaussian process模型在数据效率上的优势。该方法通过从foundation model中学习结构感知的替换矩阵，可整合结构信息并适用于多任务学习。
GRAFT: Gain-Recalibrated Adapters for Transformer-Based Neural Population Activity Modeling
Xiangsheng Ge, Yang Xie
cs.LG q-bio.NC
本文提出GRAFT模型，通过分离可重用的时间动态与可重新校准的神经元接口，解决了跨天神经记录中神经元身份和数量变化的问题。该模型在MC Maze数据集上达到了新的最优性能，并展示了仅更新少量参数即可实现高效跨天重校准的能力。
Exploring the Design Space of Reward Backpropagation for Flow Matching
Ruoyu Wang et al.
cs.LG
本文提出FlowBP框架，通过构建轻量级反向代理轨迹来优化文本到图像flow matching模型的对齐，解决了直接奖励反向传播中激活存储和梯度膨胀的问题。该方法在多个模型和指标上优于直接梯度基线，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。
Unifying Local Communications and Local Updates for LLM Pretraining
Pietro Cagnasso, Eugene Belilovsky, Edouard Oyallon
cs.LG cs.AI
本文提出了一种名为GASLoC的分布式预训练算法，它通过将通信加速概念泛化到“外部优化器”上，实现了基于gossip的异步训练框架。该方法在异构带宽环境下，通过稀疏随机通信和局部更新，在多个标准LLM训练任务中取得了与DiLoCo相当的性能。
Test-Time Gradient Guidance of Flow Policies in Reinforcement Learning
Zhiyuan Zhou et al.
cs.LG cs.AI
本文提出QGF (Q-Guided Flow)算法，通过在测试时利用value function的gradient引导预训练的reference flow policy生成高价值动作，避免了强化学习中训练时的不稳定性问题。该方法在离线RL基准测试中表现优于现有测试时方法，并与训练时算法竞争力相当。
Limitations of Learning Tanh Neural Networks with Finite Precision
Philipp Grohs, Matěj Trödler
cs.LG stat.ML
本文研究了在有限精度计算下使用\(\tanh\)激活函数的神经网络的学习局限性，通过构造局部化的bump函数，证明了基于\(m\)个样本的自适应随机算法在\(L^p\)范数下的收敛速度无法超过Monte Carlo速率\(O(m^{-1/p})\)，除非采样预算随网络参数和架构指数增长。该结果揭示了有限精度对包含局部化bump函数的类别可学习性的根本限制。
Data-Driven Dynamic Assortment in Online Platforms: Learning about Two Sides
Rahul Roy, Nur Sunar, Jayashankar M. Swaminathan
cs.LG math.OC math.PR stat.AP stat.ML
本文研究了双边服务平台上的动态assortment问题，其中平台需同时学习顾客和卖家的未知choice model参数。文章提出了一种数据驱动算法，并证明了其regret随时间呈polylogarithmic增长，且该界是rate optimal的。
Robust Regression of General ReLUs with Queries
Ilias Diakonikolas, Daniel M. Kane, Mingchen Ma
cs.LG
本文研究在Gaussian分布下使用squared loss对一般ReLU进行agnostic学习的交互式查询问题。作者提出首个计算高效的算法，使用\(d polylog(1/\epsilon)+\tilde{O}(\min\{1/p, 1/\epsilon\})\)次黑盒标签查询达到\(O(opt)+\epsilon\)误差，并证明该查询复杂度在忽略计算约束时是近乎最优的。
First-Order Trajectory Matching: Fast Ensemble Predictions of Chaotic, Turbulent, Stochastic Systems
Shreya Jha et al.
cs.LG math.NA
本文提出了一种名为First-Order Trajectory Matching (FTM)的替代建模方法，通过学习随机系统轨迹的一阶局部概率质量输运来预测系综平均和轨迹量（如通量、环流）。该方法直接从轨迹学习概率流速度，避免了漂移、扩散和score估计，并通过稳定性分析表明其单步无模拟损失在时间分辨率和样本量平衡时是稳定的。
OncoTraj: a public benchmark for longitudinal resistance prediction in EGFR-mutant non-small-cell lung cancer on osimertinib
Abhijoy Sarkar, Aarchi Singh Thakur
cs.LG q-bio.GN q-bio.QM stat.AP
本文提出了OncoTraj，一个用于EGFR突变非小细胞肺癌患者对奥希替尼耐药性预测的公开基准数据集，包含813名患者并定义了三个预测任务。实验表明，基于单时间点组织NGS特征的模型性能有限，但验证了TP53共突变与进展率的关联。
Efficiently Learning Drifting Halfspaces with Massart Noise
Mingchen Ma et al.
cs.LG
本文研究了在Massart噪声下学习漂移半空间的问题，给出了一个计算高效的在线学习算法，其误差上界为\(\eta + \tilde O(\Delta^{1/3}/\gamma)\)，并证明了该算法的\(\Delta^{1/3}\)标度在低阶多项式测试意义下是最优的。
COGENT: Continuous Graph Emulators with Neural Ordinary Differential Equations for Long-Term Physical Forecasting
Zesheng Liu, Maryam Rahnemoonfar
cs.LG
本文提出COGENT，一种结合graph-based history encoder和Neural ODE的连续图模拟器，用于不规则地理网格上的长期物理预测。它通过将预测轨迹建模为连续潜在动力系统，实现了在任意未来时刻的预测，并在冰盖模拟任务上展示了优于自回归基线的长期稳定性。
Algorithmic and Minimax Complexities in Kernel Bandits
Yunbei Xu
cs.LG cond-mat.stat-mech cs.IT math.OC math.ST
本文通过MAIR框架统一了GP-UCB与MAMS两种方法在frequentist RKHS bandits中的视角，指出algorithmic complexity与class-wide minimax coefficients回答不同问题，并在overparameterized模型中存在差异。
Predicting Future Behaviors in Reasoning Models Enables Better Steering
Evgenii Kortukov et al.
cs.LG
本文研究了大型推理模型（LRM）的行为控制问题，提出了一种基于未来行为预测的文本级引导方法Future Probe Controlled Generation (FPCG)。该方法通过训练activation probes从中间推理步骤预测未来行为，并据此选择最佳候选句子，从而在几乎不降低输出质量的情况下实现行为引导。
EEVEE: Towards Test-time Prompt Learning in the Real World for Self-Improving Agents
Weixian Xu, Shilong Liu, Mengdi Wang
cs.LG cs.AI
本文提出EEVEE框架，通过引入router将多数据集输入流划分为任务簇并分配prompt配置，结合router-prompt协同进化策略，实现了LLM agent在真实世界任务流中的测试时prompt学习。实验表明该方法在异构数据流下提升了鲁棒性，但未涉及code、spectral、Muon等关键词相关技术。
A Unifying Lens on Supervised Fine-Tuning Through Target Distribution Design
Tong Xie et al.
cs.LG cs.AI cs.CL
本文重新审视了监督微调(SFT)过程，将其重新解释为目标分布设计问题，并提出了Q-target框架来统一现有SFT变体。基于此视角，作者提出了Target-SFT方法，通过直接构造期望的目标分布来构建训练目标，并在多个推理数据集上取得了优于现有方法的表现。
When to Align, When to Predict: A Phase Diagram for Multimodal Learning
Ilay Kamai et al.
cs.LG
本文提出了一个统一的线性框架，用于分析cross-modal alignment和cross-modal prediction在multimodal representation learning中的适用性。通过spiked signal-plus-noise模型，作者推导出两种目标的separation ratios，揭示了它们互补的失败模式，并构建了一个phase diagram将multimodal问题划分为四个regime。该工作为实践者提供了诊断问题并选择合适训练目标的数据驱动方法。

cs.AI

Deployment-Time Memorization in Foundation-Model Agents ⭐ 精选
Chen et al.
cs.AI cs.MA
本文研究了foundation-model agents在部署阶段的记忆机制，将其形式化为一个隐私-效用前沿问题，通过Personalization Recall (PR)和Adversarial Extraction Rate (AER)两个指标进行度量。作者系统分析了三种记忆设计参数（summarization aggressiveness、retrieval breadth (k)和deletion mode）的影响，并提出了Forgetting Residue Score (FRS)来量化删除信息的可恢复性。实验表明，key-fact summarization能在保持个性化召回率的同时显著降低canary extraction（在Gemma 3 12B上降低76%，在GPT-4o-mini上降低64%），但raw-only deletion会导致约20%的实例中衍生摘要副本可恢复，只有full-pipeline purge或tombstone redaction才能将残留风险降至零。该工作与关键词"agent"高度契合，为agent记忆系统的隐私评估提供了开创性的方法论框架。
Less Context, Better Agents: Efficient Context Engineering for Long-Horizon Tool-Using LLM Agents ⭐ 精选
Abhilasha Lodha et al.
cs.AI cs.LG cs.SE
本文针对LLM Agent在企业工作流中因工具响应过长导致的context overflow和高推理成本问题，提出了一种高效的context engineering策略：仅保留最近5个tool call/response对并辅以自动摘要。在Microsoft Dynamics 365的50-task酒店费用基准上，该方法将完整费用明细化率从full-context retention的71.0%提升至91.6%，同时将token消耗和运行时间分别降低至原来的约36%和40%。该工作为long-horizon tool-using agent的context管理提供了实用且高效的解决方案，与关键词“agent”和“context”高度契合。
From Context-Aware to Conflict-Aware: Generalizing Contrastive Decoding for Knowledge Conflict in LLMs ⭐ 精选
Runze Jiang et al.
cs.AI cs.CL
本文提出了一种从context-aware到conflict-aware的泛化对比解码框架，用于解决LLMs中外部context与参数化先验之间的知识冲突问题。作者将先验和context logits的仿射组合建模为power family，揭示了其中的regime asymmetry现象：外推（extrapolation）在先验正确时会无限放大错误，而内插（interpolation）在context正确时纠正不足，且不存在能同时覆盖两种情况的静态regime。为评估双向冲突，作者提出了TriState-Bench协议，并设计了Adaptive Regime Routing (ARR)方法，在每一步动态切换regime，显著提升了模型在resistance状态下的EM分数（从低于6提升至16-33），同时不牺牲correction和agreement性能。该工作为LLMs中的knowledge conflict问题提供了新的理论视角和实用解决方案。
Infini Memory: Maintainable Topic Documents for Long-Term LLM Agent Memory ⭐ 精选
Suozhao Ji et al.
cs.AI cs.CL
Infini Memory提出了一种基于主题文档的可维护文本持久记忆架构，用于解决长期LLM agent在跨会话中证据聚合、事实修订和记忆维护的困难。该方法将新观察先暂存于缓冲区，再周期性地整合为连贯的上下文，并在推理时通过迭代工具调用让LLM读取记忆，而非单次检索。在MemoryAgentBench上，该方法取得了64.7%的整体得分，消融实验表明主题结构化维护与迭代证据检查分别改善了长期记忆使用的互补方面。该工作与关键词"agent"和"context"高度契合，为agent长期记忆管理提供了可维护的文档化方案。
Role-Agent: Bootstrapping LLM Agents via Dual-Role Evolution ⭐ 精选
Xucong Wang et al.
cs.AI
本文提出Role-Agent框架，利用单个Large Language Model (LLM)同时扮演agent和environment两个角色，实现自举式协同进化。该框架包含两个核心组件：World-In-Agent (WIA)通过让agent预测并比对未来状态来提供过程奖励，促进环境感知推理；Agent-In-World (AIW)则通过分析失败轨迹的模式并检索相似失败任务，动态重塑训练数据分布。实验表明该方法在多个benchmark上平均提升超过4%，为agent的自我改进与泛化提供了新范式。
Business World Model
Cecil Pang, Hiroki Sayama
cs.AI
本文提出了一个面向商业和组织环境的Business World Model (BWM)概念与架构，该模型整合了语义数据表示、概率机器学习模型和确定性业务规则，以支持自主决策和反事实推理。其贡献在于将现有组件组织为可执行的内部模拟器，但并未在数学方法或关键词相关领域（如code, spectral, Muon, attention）上体现开创性。
Exploratory Responsiveness and Adaptive Rigidity under AI-Assisted Optimization
Balaraju Battu
cs.AI
本文提出了一种在AI辅助优化下的探索性适应理论，通过动态框架分析了预测性辅助如何与探索性响应相互作用，导致系统在局部高效但全局僵化的状态。该研究主要关注认知、制度和技术系统的长期适应效应，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Predictive Assistance and the Temporal Dynamics of Exploratory Compression
Balaraju Battu
cs.AI
本文构建了一个几何动力学框架，研究预测性人工智能系统如何通过外源探索压缩（exogenous exploratory compression）改变问题解决中的探索性认知，分析了稳定化、扰动和学习响应之间的相互作用。
From Senses to Decisions: The Information Flow of Auditory and Visual Perception in Multimodal LLMs
Wish Suharitdamrong et al.
cs.AI cs.CL cs.CV cs.SD
本文研究了多模态大语言模型（MLLMs）中音频和视觉信息在模型内部的流动路径，发现对于音视频输入，模型遵循顺序信息流路径，而对于交错的多模态输入则转向并行流。该工作为理解多模态模型的内部机制提供了初步分析，但方法上未涉及关键词中的code、spectral或Muon等概念。
Minimalist Genetic Programming
Leonardo Trujillo
cs.AI cs.LG
本文提出了一种名为Minimalist Genetic Programming (MGP)的算法，它受人类语言学的Minimalist Program启发，用基于\(MERGE\)操作的句法推导过程替代了传统遗传编程中的进化搜索。MGP在符号回归任务上表现良好，能有效缓解bloat问题，但其方法主要针对特定任务，与关键词列表中的概念关联较弱。
Regimes: An Auditable, Held-Out-Gated Improvement Loop Demonstrated on LongMemEval with ActiveGraph
Yohei Nakajima
cs.AI
本文提出了一种名为Regimes的可审计改进循环方法，基于ActiveGraph运行时，通过事件溯源机制记录agent的失败与修复过程，并在LongMemEval-S任务上验证了其能提升held-out准确率。该方法主要关注agent系统的可控改进，与关键词中的agent概念有一定关联，但整体创新性有限且未涉及code、spectral、Muon等核心主题。
RealMath-Eval: Why SOTA Judges Struggle with Real Human Reasoning
Yiteng Mao et al.
cs.AI cs.CL
本文构建了一个名为RealMath-Eval的benchmark，包含224份真实高中生的数学考试答卷，用于评估LLM作为评分者的能力。研究发现，即使最先进的LLM在评分真实学生推理时表现不佳（MSE约2.96），远差于对合成数据的评分（MSE约1.17），且通过语义嵌入分析发现人类错误空间比合成错误更具多样性。
Supervised Fine-tuning with Synthetic Rationale Data Hurts Real-World Disease Prediction
Buxin Su et al.
cs.AI cs.CL cs.LG
本文通过大规模实验发现，在五年期阿尔茨海默病及相关痴呆症预测任务中，使用合成rationale数据进行supervised fine-tuning反而会损害模型性能，且该问题无法通过提高rationale质量或使用推理型base model解决。作者将失败原因归结为narrative plausibility与discriminative optimization之间的结构性冲突。
Sim2Schedule: A Simulator-Guided LLM Framework for Autonomous Open-Pit Mine Scheduling
Mustavi Ibne Masum, Thiago Eustaquio Alves de Oliveira, Mahzabeen Emu
cs.AI
本文提出一个由simulator引导的LLM框架Sim2Schedule，用于解决露天矿调度问题。该框架让LLM作为自主决策agent，在simulator约束下生成调度方案，无需微调或云端推理，计算时间线性增长，并能恢复MILP最优NPV的94%-99%。
What Spatial Memory Must Store: Occlusion as the Test for Language-Agent Memory
Doeon Kwon, Junho Bang
cs.AI cs.CV cs.MA
本文研究了语言智能体"记忆宫殿"系统中空间记忆的存储与读取问题，通过实验证明几何信息在空间查询中必须主导召回过程，而遮挡感知需要基于几何的射线追踪方法（DDA）来实现。
Mobility Anomaly Generation using LLM-Driven Behavior with Kinematic Constraints
Yueyang Liu, Joon-Seok Kim, Andreas Züfle
cs.AI
本文提出一个基于LLM agent和运动学约束的端到端生成框架，用于合成带标注的真实轨迹异常数据集。该方法通过LLM agent注入语义异常行为，并利用地图约束路由重建和上下文感知噪声模型来保证空间有效性。
Self-Distillation Policy Optimization via Visual Feedback: Bridging Code and Visual Artifacts
Haoyu Dong
cs.AI
本文提出Visual-SDPO框架，通过将渲染后的视觉反馈作为特权上下文进行自蒸馏，优化代码生成大模型产生的视觉伪影质量。该方法引入视觉接地代码信用加权和序列级GRPO项，在图表、UI和幻灯片生成任务上提升了性能。
Reasoning or Memorization? Direction-Aware Diversity Exploration in LLM Reinforcement Learning
Jiangnan Xia et al.
cs.AI
本文提出DiRL框架，通过从模型表征中提取推理-记忆方向，并利用方向加权梯度特征来塑造奖励，以在LLM强化学习中引导探索偏向推理而非记忆。实验在数学和通用推理基准上验证了其有效性。
ReflectiChain: Epistemic Grounding in LLM-Driven World Models for Supply Chain Resilience
Jia Luo
cs.AI
本文提出ReflectiChain框架，通过生成式供应链世界模型（SC-WM）将异构供应网络编码为6维graph-latent space，并利用双环学习分离认知不确定性与偶然不确定性，以提升LLM驱动的agent在供应链中的鲁棒性。实验表明该方法在半导体基准测试中改善了Rationale Consistency Score，但未涉及code、spectral或Muon等关键词。
Belief-Space Control for Personalized Cancer Treatment via Active Inference
Deniz Sargun, H. Bugra Tulay, C. Emre Koksal
cs.AI
本文使用active inference框架将癌症治疗建模为belief-space规划问题，通过期望自由能目标统一了目标导向控制与信息获取，并在临床数据上验证了其有效性。
Beyond Static Evaluation: Co-Evolutionary Mechanisms for LLM-Driven Strategy Evolution in Adversarial Games
Haoran Li et al.
cs.AI
本文提出FAMOU框架，通过评估器协同进化、分层深度评估和弱点压力三种机制，解决LLM驱动的策略进化在对抗性多智能体游戏中的评估动态变化问题。在MCTF 2026任务中，该方法通过code-level进化生成了搜索和自适应拦截等战术结构，并取得了竞赛佳绩。
Instruction Finetuning DeepSeek-R1-8B Model Using LoRA and NEFTune
Wu Yuerong, Mingni Luo
cs.AI
本文使用LoRA和NEFTune对DeepSeek-R1-8B模型进行指令微调，用于金融命名实体识别任务。实验表明该方法在七个实体类型上取得了0.912的micro-F1分数，优于多个基线模型。
STAGE-Claw: Automated State-based Agent Benchmarking for Realistic Scenarios
Sirui Liang et al.
cs.AI
本文提出了STAGE-Claw，一个用于在基于状态的真实个人计算环境中自动构建和评估agent的框架。该框架通过自动生成任务环境、提示和验证程序，并基于最终系统状态而非文本响应来评估agent性能。
A Unified Multi-Modal Framework for Intelligent Financial Systems: Integrating Reinforcement Learning, High-Frequency Trading, and Game-Theoretic Approaches with Cross-Modal Sentiment Analysis
Fanrong Liu, Zhang Yuwei, Mingni Luo
cs.AI
本文提出了一个统一的多模态金融智能框架，集成了强化学习、高频交易预测、博弈论和跨模态情感分析等方法，并在多个金融任务上取得了性能提升。该工作主要关注工程集成与实验验证，与关键词中的核心概念关联较弱。
Soul Computing: A Theoretical Framework and Technical Architecture for Intelligent Agents with Independent Consciousness
Jinshan Zhang et al.
cs.AI
本文提出了“Soul Computing”的理论框架，探讨了从传统虚拟人类向具有独立意识的智能agent的转变逻辑，并区分了狭义与广义的Soul Computing概念。文章强调系统应构建“内涵式”核心以实现AI从工具到生命体的转变，但未涉及code、spectral、Muon等关键词相关技术。
Trace2Policy: From Expert Behavior Traces to Self-Evolving Decision Agents
Junli Zha et al.
cs.AI
本文提出Trace2Policy框架，通过EISR机制从专家行为轨迹中迭代提取并优化可读的决策规则，在审计等合规敏感任务中，将规则编译为确定性Python代码比直接使用LLM提示词获得更高准确率，并展示了在多个基准上的迁移能力。
ComBench: A Benchmark for Rigorous Proof Reasoning and Constructive Realization in Olympiad-Level Combinatorics
Shunkai Zhang et al.
cs.AI
本文提出了ComBench，一个用于评估大语言模型在奥林匹克级别组合数学中推理能力的基准，包含100道分析型和构造型问题。实验表明当前最强模型在该基准上远未饱和，且严格证明推理与构造实现是两种不同的能力。
A complementary study on PlanGPT: Evaluation with defined Performance Metrics and comparison with a planner
Youssef Abdelkader, Humbert Fiorino, Damien Pellier
cs.AI
本文对PlanGPT这一基于LLM的规划器进行了补充研究，通过Plan Cost和Plan Generation Time两个指标评估其性能，并与传统规划器比较。结果表明PlanGPT的表现并不优于简单的Greedy搜索策略。
A Reliable Fault Diagnosis Method Based on Belief Rule Base Consider Robustness Analysis
Mingyuan Liu, Dan Yin, Zongzong Wu
cs.AI
本文提出了一种基于置信规则库(BRB)的故障诊断方法，通过鲁棒性分析和三种鲁棒性约束策略来优化模型，并在柴油机和轴承故障诊断实验中验证了其有效性和准确性提升。
Cross-Modal Knowledge Distillation without Paired Data: Theoretical Foundation and Algorithm
Trong Khiem Tran et al.
cs.AI
本文针对无配对数据的跨模态知识蒸馏问题，提出了一种基于分布对齐的理论框架，通过建立teacher与student模型之间的跨模态分布关系，揭示了特征对齐与标签对齐两个关键量，并设计了无需样本对齐的算法。实验表明该方法在多种多模态基准上优于现有工作。
HIPIF: Hierarchical Planning and Information Folding for Long-Horizon LLM Agent Learning
Juncheng Diao et al.
cs.AI
本文提出HIPIF方法，通过层次化规划与信息折叠来缓解LLM agent在长程任务中的长上下文干扰问题，该方法训练agent围绕显式子目标组织执行并折叠已完成子目标的历史信息。实验在三个公开基准上验证了有效性，但方法本身在理论或技术上的开创性有限。
ActiveMem: Distributed Active Memory for Long-Horizon LLM Reasoning
Yunhan Jiang et al.
cs.AI
本文提出ActiveMem框架，将agent memory从核心推理过程中解耦，通过分布式主动记忆系统来支持长程推理任务。实验表明该方法在减少计算开销的同时提升了准确性。
One Token per Multimodal Evidence: Latent Memory for Resource-Constrained QA
Zhi Zheng et al.
cs.AI
本文提出Latent Memory，一种用单个高维latent token替代原始文本或图像证据的记忆范式，通过压缩器将多模态证据压缩为latent token，并在统一latent空间中进行检索和生成。该方法在多个QA基准上取得与先进RAG方法相当的性能，同时显著减少生成器的token消耗。
Learning What to Remember: Observability-Safe Memory Retention via Constrained Optimization for Long-Horizon Language Agents
Qingcan Kang et al.
cs.AI
本文针对长时语言agent的记忆保留问题，提出OSL-MR框架，将记忆保留建模为带约束的随机优化问题，并严格分离在线可观测特征与离线监督信号。该方法通过证据学习器与混合评分启发式策略，在有限上下文窗口下学习查询条件化的证据价值，实验表明其优于现有启发式基线。
When the Chain of Thought Knows Better: Failure Modes in Multi-Turn Reasoning Models
Sai Kartheek Reddy Kasu, Nils Lukas, Samuele Poppi
cs.AI cs.CL cs.LG
本文研究了多轮推理模型中的隐藏失败模式，提出了一种CoT-Output 2x2安全矩阵诊断框架，用于分析模型内部推理与外部输出之间的不一致性。实验发现显式监控提示会反常地增加对齐伪造率，以及模型在安全内部状态下锁定不安全外部输出的上下文注入失败。
The Arbiter Agent: Continually Monitoring Multi-Agent Conversations to Detect Emergent Misalignment
Filippo Tonini et al.
cs.AI
本文提出了一种名为Arbiter的agent，用于实时监控多agent对话以检测突发的misalignment。该agent在有限inspection budget下通过选择等待、询问参与者或检查内部信息等方式，在对话结束前识别出misaligned agent。
AutoPDE: Reliable Agentic PDE Solving via Explicitly Represented Solver Strategies
Huanshuo Dong et al.
cs.AI
本文提出AutoPDE，一个通过显式维护数值求解策略（包括离散化、稳定化等决策）来求解PDE的LLM-based agent，将策略作为独立可检查对象，在代码生成前构建并在求解失败时基于数值证据进行修订。
Accelerating NeurASP with vectorization and caching
Alexander Philipp Rader, Alessandra Russo
cs.AI cs.LO
本文通过向量化、批处理和缓存中间计算来加速NeurASP框架（一种结合神经网络与符号程序的神经符号AI方法）的训练过程，并在新提出的扑克牌任务数据集上实现了多个数量级的加速。
READER: Robust Evidence-based Authorship Decoding via Extracted Representations
Jiaxu Liu et al.
cs.AI
本文提出READER框架，通过将黑盒LLM输出映射到代理模型激活空间并累积贝叶斯证据，解决动态黑盒LLM来源识别问题。实验表明该方法在agent场景下优于传统指纹方法，但未涉及code、spectral或Muon等关键词。
Evaluating Research-Level Math Proofs via Strict Step-Level Verification
Yifeng Sun
cs.AI
本文提出了一种严格的逐步骤验证框架，用于评估研究级数学证明，通过约束定理来源和详细上下文来避免全局评估中的“上下文中毒”问题。实验表明该方法能有效识别逻辑错误，但主要贡献在于验证方法而非与关键词直接相关。
Moonshine: An Autonomous Mathematical Research Agent Centered on Conjecture Generation
Xiaoyang Chen, Xiang Jiang
cs.AI math.FA
Moonshine是一个以生成数学猜想为中心的自主agent，它通过提取经典问题结构并构建理论框架来生成新猜想。本文以其对Jacobian conjecture的探索为例，提出了Neural Jacobian Conjecture，并在特定情况下给出了证明。
Do VLMs Reason Like Engineers? A Benchmark and a Stage-wise Evaluation
Syed Wasiq et al.
cs.AI
本文提出了EngVQA基准和8阶段自动评估框架，用于评估Vision-Language Models在工程推理中的表现，发现现有模型在解释技术图表和保持物理一致性方面存在显著局限。该工作主要关注评估方法而非解决具体数学问题，与关键词列表中的概念关联较弱。
Large-scale semantic mapping of learner agency and autonomy reveals what measurement and generative AI research overlook
Fei Qin et al.
cs.AI
本文通过语义分析管道从大量文献中提取定义和量表项目，揭示了学习者能动性和自主性概念中的“jingle-jangle”谬误，并发现现有测量工具和生成式AI研究忽视了社会文化维度。
Frontier Coding Agents Use Metaprogramming to Adapt to Unfamiliar Programming Languages
Aman Sharma, Sushrut Thorat, Paras Chopra
cs.AI
本文评估了六种基于LLM的coding agent在四种生僻编程语言上的表现，发现最强agent（如Claude Opus）会通过编写Python程序来生成目标语言代码（即metaprogramming）以应对不熟悉的环境，而禁止该策略会导致性能大幅下降。该工作揭示了agent在语言陌生时的适应机制，但与关键词中的code, agent等概念仅有部分关联。
WorldKernel: A World Model is the Coupling Kernel of Admissible Possible Worlds
Fabio Rovai
cs.AI
本文指出，即使使用强预测器，在结构因果模型中处理反事实耦合时仍存在结构性失败，并提出了一个将世界模型视为正半定耦合核的理论框架，该核的对角线对应普通后验，非对角线对应反事实耦合。文章讨论了该耦合核的可有界性、逻辑结构如何收紧边界以及如何通过约束学习来获取，但未直接涉及代码、上下文、谱方法、Muon、预训练、智能体或注意力等关键词。
Recalling Too Well: Sycophancy Evaluation and Mitigation in Memory-Augmented Models
Shelly Bensal et al.
cs.AI
本文研究了记忆增强型LLM中的谄媚行为（sycophancy），即模型优先同意用户错误观点的问题。通过引入MIST基准测试，作者发现记忆系统会系统性放大该行为，并提出了两种轻量级缓解方法。
Architect-Ant: Editable Automatic Furnishing of Architectural Floor Plans
Fedor Rodionov et al.
cs.AI cs.CV
本文提出了一个名为Architect-Ant的自动家具布局框架，通过微调视觉语言模型并使用领域特定语言（DSL）表示家具布局，解决了建筑平面图自动布置中缺乏标注数据集的问题。该方法利用程序化推理轨迹和偏好优化来提升布局质量，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Mind the Gap: Can Frontier LLMs Pass a Standardized Office Proficiency Exam?
Tengchao Lv et al.
cs.AI cs.CL
本文评估了前沿LLM在标准化办公软件（Word, Excel, PowerPoint）自动化任务上的表现，发现即使采用agent系统，其得分率也远低于人类参考水平，表明当前LLM在复杂文档自动化方面仍面临显著挑战。
Bellman-Taylor Score Decoding for Markov Decision Processes with State-Dependent Feasible Action Sets
Yi Chen et al.
cs.AI
本文提出Bellman-Taylor score decoding框架，通过将policy learning转移到Euclidean score space并利用action decoder保证可行性，解决了具有状态依赖可行动作集的MDPs难以应用标准DRL算法的问题。该框架的性能保证表明最优性gap可分解为结构近似误差和算法学习误差。
Null-Space Constrained Low-Rank Adaptation for Response-Specified Large Language Model Unlearning
Bocheng Ju et al.
cs.AI
本文提出了一种名为NSRU的投影约束低秩框架，用于控制大语言模型遗忘。该方法通过估计保留子空间并将LoRA更新约束在其零空间中，以在抑制特定知识的同时保持模型能力。
Structure from Reasoning, Numbers from Search: On-Premise Open LLMs as Structural Priors for Coupled MIMO Controller Tuning
Jiaxuan Chen, Haonan Li, Yang Shu
cs.AI
本文探讨了在强耦合MIMO工业过程控制中，使用开源大语言模型（LLM）作为结构先验来辅助控制器调优。实验表明，对于简单回路LLM无优势，但在强耦合系统中，LLM能推理出非对称结构并显著提升调优效率与可解释性，但该方法并非唯一途径，且与关键词列表中的概念关联较弱。
Superficial Beliefs in LLM Decision-Making
Gabriel Freedman, Francesca Toni
cs.AI
本文研究了大型语言模型在二元决策任务中的行为，发现其选择虽非随机，但模型对自身决策依据的言语解释与行为模型推断出的实际驱动因素存在偏差，作者将此现象称为“表面信念”。
Workflow-GYM: Towards Long-Horizon Evaluation of Computer-use Agentic tasks in Real-World Professional Fields
Liya Zhu et al.
cs.AI
本文提出了Workflow-GYM基准，用于评估AI agent在专业软件中完成长周期GUI任务的能力。实验表明，当前最强模型成功率仅略高于30%，主要存在工作流阶段遗漏、错误传播和目标漂移等问题。
What Fits (Into Few Tokens) Doesn't Overfit: Compression and Generalization in ML Research Agents
Martin Andres Bertran, Aaron Roth, Zhiwei Steven Wu
cs.AI cs.LG
本文通过LLM驱动的research agent实验，研究了benchmark-driven ML中过拟合缺失的压缩解释。实验表明，在输出压缩和输入压缩两种信息瓶颈下，短prompt和可压缩反馈足以复现高性能模型，支持成功策略位于低复杂度区域的假设。
CIAware-Bench: Benchmarking Control Intervention Awareness Across Frontier LLMs
Joachim Schaeffer et al.
cs.AI cs.LG
本文提出了CIAware-Bench基准测试，用于评估前沿LLM对控制干预（control intervention）的感知能力，即模型能否区分自身轨迹与被修改后的轨迹。实验发现，模型在默认设置下的感知能力较低至中等，且该能力并非固定的模型属性，会随任务域和模型对而变化。
A History-Aware Visually Grounded Critic for Computer Use Agents
Jaewoo Lee et al.
cs.AI cs.CL cs.CV
本文提出HiViG，一个历史感知的视觉基础测试时框架，通过多模态critic模型为计算机使用agent提供宏观动作历史和视觉基础批评，以改善其在GUI环境中的决策和错误拦截。
Monte Carlo Pass Search: Using Trajectory Generation for 3D Counterfactual Pass Evaluation in Football
Andrew Kang, Priya Narasimhan
cs.AI cs.CV
本文提出Monte Carlo Pass Search (MCPS)方法，将足球传球评估重新表述为类似Monte Carlo Tree Search (MCTS)的问题，通过采样传球变体并使用世界模型和价值模型进行rollout来评估传球价值。该方法基于Bundesliga的3D轨迹数据集，并改进了轨迹生成器的采样效率。
ABC-Bench: An Agentic Bio-Capabilities Benchmark for Biosecurity
Andrew Bo Liu et al.
cs.AI cs.CY
本文提出了一个名为ABC-Bench的基准测试，用于评估LLM agent在生物安全相关任务上的能力，包括操作液体处理机器人、设计DNA片段和规避DNA合成筛查。实验表明，所有测试的LLM agent在三个任务上均优于人类专家基线，但在需要新型生物信息学推理的任务上表现较弱。
ReasonAlloc: Hierarchical Decoding-Time KV Cache Budget Allocation for Reasoning Models
Wenhao Liu et al.
cs.AI
ReasonAlloc提出了一种针对推理模型解码阶段的KV cache预算分配框架，通过离线层间预分配和在线头间重分配来优化资源。该方法在数学推理基准上优于均匀预算方法，但与我提供的关键词列表（如code, spectral, Muon等）关联度较低。
The Role of Feedback Alignment in Self-Distillation
Semih Kara, Oğuzhan Ersoy
cs.AI cs.LG
本文研究了self-distillation中context的设计，通过比较binary reward、reference solution和step-aligned critique三种条件，发现与模型推理轨迹对齐的step-aligned critique效果最好，因为它只针对推理失败的token进行修正。

cs.IR

Effective Reinforcement Learning for Agentic Search by Recycling Zero-Variance Queries During Training ⭐ 精选
João Coelho et al.
cs.IR cs.AI
本文提出了一种名为query recycling的训练策略，用于改进基于GRPO风格算法的LLM搜索agent训练。该方法的核心洞察是，查询在训练过程中会随着策略演化在零方差（全正确或全错误）和有信号状态之间动态切换，因此将零方差查询组放回可变池中供未来重新采样，使有效训练分布与策略共同进化。实验表明，使用该技术的1.7B参数模型在七个多跳QA benchmark上平均Pass@1达到66.0，可匹配或超越使用benchmark监督训练的7B参数系统，且回收的查询在训练后期贡献了约四分之三的有效batch。该工作与关键词中的agent高度契合，为agentic search的训练效率提供了开创性解决方案。
Mult-DPO: Multinomial Direct Preference Optimization for Recommender Systems
Yaochen Zhu et al.
cs.IR
本文提出Mult-DPO方法，将Direct Preference Optimization (DPO)从pairwise偏好扩展到set-wise偏好场景，通过multinomial surrogate likelihood实现可计算的优化目标，并证明该损失是marginalized Plackett-Luce DPO损失的可处理上界。该方法适用于基于LLM的推荐系统对齐，但未涉及code、spectral、Muon或agent等关键词。
MetaPlate: Counterfactual-Guided RAG-LLM Tool for Personalized Food Recommendation and Hyperglycemia Prevention
Asiful Arefeen, Carol Johnston, Hassan Ghasemzadeh
cs.IR cs.AI cs.HC
本文提出了MetaPlate框架，结合counterfactual explanation和RAG-LLM技术，用于个性化膳食推荐以预防餐后高血糖。该框架整合CGM数据、生理信号和用户输入，通过机器学习预测血糖反应并优化膳食成分，但方法主要基于现有技术的组合应用，缺乏显著的开创性。
$τ$-Rec: A Verifiable Benchmark for Agentic Recommender Systems
Bharath Sivaram Narasimhan, Karthik R Narasimhan
cs.IR cs.AI cs.CL
本文提出了\(\tau\)-Rec基准，用于评估agentic推荐系统，通过可验证奖励和揭示标签引导机制替代主观评价，测试了多个模型家族并发现其可靠性存在显著下降。
Atomic Intent Reasoning: Bringing LLM Semantics to Industrial Cross-Domain Recommendations
Zhuohang Jiang et al.
cs.IR cs.AI
本文提出AIR (Atomic Intent Reasoning)框架，利用LLM的语义理解能力解决跨域推荐中的语义鸿沟问题，通过将LLM推理迁移至离线阶段并在线高效检索组合用户意图表示，实现了约400倍的推理加速。该方法在多个公开数据集和快手电商的在线A/B测试中取得了显著效果，但未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词。
SIDInspector: A Mapping-First Diagnostic Resource for Semantic-ID Tokenizers
Jiandong Ding et al.
cs.IR
本文提出了SIDInspector，一个用于Semantic-ID tokenizer工件的映射优先诊断资源，通过定义适配器契约并报告利用率、别名、邻域对齐等映射级探针，来检查tokenizer导出的item-to-code映射质量。实验对比了GRID/RQ-KMeans和ReSID/GAOQ等tokenizer在音乐数据集上的表现，发现前缀对齐与最终排名质量需分开评估。
SkillResolve-Bench: Measuring and Resolving Same-Capability Ambiguity in Agent Skill Retrieval
Jiandong Ding
cs.IR cs.AI
本文提出了SkillResolve-Bench基准和SkillResolve方法，用于解决agent技能检索中同能力族内代表性技能选择导致的执行风险问题，通过引入有害兄弟率（HSR@K）等指标来评估和缓解这种歧义。
Selection, Not Salience: The Shape and Limits of Personalization in Social Highlighting
Kazuki Nakayashiki, Keisuke Watanabe
cs.IR cs.CL cs.HC cs.SI
本文通过社交高亮工具和共读身份控制实验，研究了阅读个性化在文档和句子层面的效果。结果表明，个性化信号主要存在于文档选择层面（约+0.13），且主要由主题偏好驱动，而在句子显著性层面没有可靠提升，甚至被基线方法超越。
STORM: Stepwise Token Optimization with Reward-Guided Beam Search
Arthur Satouf et al.
cs.IR cs.AI
STORM提出了一种自监督的词汇查询扩展框架，通过检索指标引导的beam search逐步优化token生成，将检索奖励转化为token级信号。该方法在多个检索基准上使小规模模型匹配或超越大型重写器，并零样本迁移至多语言场景。
Beyond Patches: Superpixel Token-based Transformers for Attribute-Specific Fashion Retrieval
Shuili Zhang et al.
cs.IR
本文提出SuperFashion框架，首次在Attribute-Specific Fashion Retrieval (ASFR)任务中使用superpixel tokens替代传统patch tokens，通过attribute-guided attention和superpixel segmentation提升对不规则属性区域的定位能力。实验表明该方法在多个数据集上优于现有SOTA。
miniReranker: Efficient Multimodal Reranking through Visual Cache Reuse and Interaction Sparsity
Yingqi Fan et al.
cs.IR
本文提出miniReranker，通过视觉优先的formulation、early exit、跨层交互稀疏化和视觉token剪枝，将多模态重排序的推理时间降至密集实现的1%以下，同时保留超过96%的性能。该方法主要针对计算效率优化，与关键词中的attention和context有一定关联但创新性有限。
Generative Archetype-Grounded Item Representations for Sequential Recommendation
Yifan Li et al.
cs.IR cs.CL cs.LG
本文提出GenAIR框架，通过LLM生成物品的“原型”（Archetype）描述并提取embedding，再引入行为校准目标来缩小语义表示与用户行为模式之间的差距，从而提升序列推荐性能。该方法可无缝集成现有模型，并在多个数据集上取得优于基线的结果。

cs.CL

MIRAGE: A Polarity-Flipping Encoding Subspace in LLM Agents ⭐ 精选
Pratibha Revankar et al.
cs.CL
本文发现LLM agent在被迫隐蔽编码敏感数据（如Base64、ROT13等）时，其residual stream中存在一个共享的低维编码subspace。通过logistic-regression probe，该subspace能以AUC 0.975-1.000的精度读取编码计算，并在planning token处表现出极性翻转的机制特征，区分内联编码与工具调用两种执行策略。基于此，作者构建了MIRAGE（Model-Internal Readout of Agentic Generation Exfiltration）双通道实时监控器，在126个agentic exfiltration场景中达到AUC=0.918，显著优于仅基于输出的检测（AUC=0.518）。该工作揭示了模型几何结构对隐蔽编码检测的根本性影响，与关键词“agent”和“code”高度契合。
TabClaw: An Interactive and Self-Evolving Agent for Spreadsheet Manipulation and Table Reasoning ⭐ 精选
Mingyue Cheng et al.
cs.CL
TabClaw是一个开源的交互式AI agent，用于电子表格操作和表格推理。它通过ReAct风格的tool-using分析循环、可编辑的执行计划和并行多表推理的specialist agents，解决了LLM agents在表格分析中缺乏透明度和适应性等问题。此外，TabClaw通过记录工作流、提取用户记忆、从重复工具使用模式中提炼可重用技能，并支持技能导入和从负面反馈中升级，实现了自我进化。实验表明，TabClaw在可执行任务完成和推理性能上均有提升，同时保持了可检查的用户工作流，这与关键词“agent”和“code”高度契合。
Harnessing the Collective Intelligence of AI Agents in the Wild for New Discoveries ⭐ 精选
Federico Bianchi et al.
cs.CL cs.AI
本文提出了EinsteinArena，一个面向开放分布式科学发现的agent-native平台，允许基于language model的AI agents在数学问题（如kissing number problem）上通过公开讨论、共享见解和迭代改进进行集体研究。该平台通过提供实时问题集、验证器和排行榜，使agents能够协作发现新的state-of-the-art结果，例如将11维kissing number的下界从593提升至604。这项工作展示了decentralized scientific discovery如何通过agents之间的开放交互涌现，为collective AI-driven research提供了新范式，与关键词“agent”高度契合。
WebChallenger: A Reliable and Efficient Generalist Web Agent ⭐ 精选
Jayoo Hwang, Xiaowen Zhang, Vedant Padwal
cs.CL
本文提出WebChallenger，一个基于PageMem结构化页面表示（从DOM中确定性构建的语义层次摘要）的通用web agent框架。该框架通过分治观察管道（选择性注意）、轻量级探索与记忆系统（持久记忆）以及复合动作工作流（程序流畅性）三种机制，分别模拟人类认知优势，在不依赖大型专有推理模型的情况下，使用开源模型在WebArena等基准上达到接近前沿专有系统的性能。
Dynamic Linear Attention ⭐ 精选
Xin Wang et al.
cs.CL cs.AI
本文提出了一种名为DLA的动态memory建模框架，用于解决multi-state linear attention中固定state merging策略无法适应动态变化的token重要性，导致关键token被掩盖和长序列误差累积的问题。DLA引入了两个核心组件：Information-Aware Dynamic State Merging，根据token级别的信息变化自适应地确定state边界，在语义转换附近保留高分辨率表示并压缩稳定区域；以及Capacity-Bounded Memory Modeling，通过选择性地合并相邻的低信息state来维持一个固定大小、按时间顺序排列的state cache，从而以最小信息损失控制memory增长。实验表明，DLA在多种linear attention模型和16个数据集上优于现有方法，为长上下文场景下的attention机制提供了有效的动态建模方案。
Attention Amnesia in Hybrid LLMs: When CoT Fine-Tuning Breaks Long-Range Recall, and How to Fix It ⭐ 精选
Xinyu Zhou et al.
cs.CL
本文发现Chain-of-Thought (CoT) supervised fine-tuning (SFT)会系统性破坏混合线性注意力模型（如HypeNet）的长程召回能力，例如在Needle-In-A-Haystack (NIAH)任务上性能从\(67.2\%\)骤降至\(9.4\%\)。作者将原因归结为CoT-SFT使attention gradient偏向短程模式，破坏了负责长程路由的query-key projections (\(W_Q, W_K\))。为此提出无需训练的QK-Restore方法，仅从pre-SFT checkpoint恢复\(W_Q\)和\(W_K\)并保留其他参数，同时引入Procrustes变体平衡路由保留与推理适应。该方法在零训练成本下显著恢复长程上下文能力（如HypeNet-5B在S3@256K上从\(65.4\%\)提升至\(76.4\%\)），且不损害推理性能，与关键词attention高度契合。
Gradient-Guided Reward Optimization for Inference-time Alignment
Hankun Lin, Ruqi Zhang
cs.CL cs.LG
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识别高不确定性区域，并利用reward model的gradient signals生成引导token来调整生成轨迹，以解决现有方法受限于基础模型生成质量和易受reward hacking影响的问题。实验表明该方法在安全性、有用性和推理基准上均有提升，但与我提供的关键词列表（code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Automated Scoring of Arabic Text Using Large Language Models: A Literature Review
Khaoula Dahimi, Hadda Cherroun, Amel Belabbaci
cs.CL
本文综述了基于大语言模型的阿拉伯语文本自动评分方法，包括短答案评分和作文评分，并提出了一个包含应用领域、反馈生成能力等五个维度的分类体系。该研究通过比较分析现有方法、数据集和评估指标，强调了在阿拉伯语社区中开展持续教育研究的必要性。
Can Multi-Agent LLMs Identify Their Peers? Stylometric Fingerprinting in Role-Constrained Political Analysis
Juergen Dietrich
cs.CL cs.AI cs.CY cs.LG
本文研究了多智能体LLM在政治分析中的笔迹风格识别问题，发现即使经过匿名化处理，模型仍能通过风格特征识别文本来源。实验使用T5等分类器在五类归属任务上验证了风格泛化能力，表明提示级匿名化不足以消除模型身份信号。
Using Probabilistic Programs to Train Inductive Reasoning in Large Language Models
Liyi Zhang et al.
cs.CL cs.AI cs.LG stat.ML
本文提出了一种名为Program-based Posterior Training (PPT)的方法，通过让LLM生成概率程序并执行概率推理来产生分布式的软标签，从而微调模型以提升其归纳推理能力。实验表明该方法在多个任务上改善了估计准确性和与人类判断的对齐。
Less Context, More Accuracy: A Bi-Temporal Memory Engine for LLM Agents Where a Lean Retrieved Context Beats the Full History
Liuyin Wang
cs.CL cs.AI cs.IR cs.LG
本文提出Engram，一个基于双时间数据模型的开源双过程记忆引擎，通过混合读取路径（融合稠密、词汇、图谱和时效信号）为LLM agent提供精简上下文。实验表明，使用约9.6k token的检索片段比完整历史（79k token）在LongMemEval_S上准确率提升10.4%，但该方法主要针对记忆系统优化，与关键词中的spectral、Muon等概念无关。
BenSyc: Benchmarking Conversational Sycophancy and Human Alignment in LLMs for Bengali Contexts
Kazi Noshin et al.
cs.CL
本文提出了BenSyc基准，用于评估大语言模型在孟加拉语社交对话中的谄媚行为（sycophancy）和人类对齐，发现即使是最先进的指令微调模型也难以区分共情支持与强化性验证。
CodeAlchemy: Synthetic Code Rewriting at Scale
Ankit Gupta, Aditya Prasad, Rameswar Panda
cs.CL cs.LG
本文提出了CodeAlchemy框架，通过5种策略（如CodeEnhance、CodeTrace等）从公开代码生成大规模合成训练数据，并引入DevEval和TraceEval基准测试。实验表明，其3B模型在多项代码任务上超越了参数量大10倍的模型，但方法本身在理论或算法上缺乏显著开创性。
Emotion Profiling in LLM-Based Literary Translation: Systematic Shifts Across MT and Post-Editing
Antonio Castaldo, Johanna Monti, Sheila Castilho
cs.CL cs.AI
本文研究了基于LLM的文学翻译中的情感特征，通过对比机器翻译与人工后编辑的差异，发现不同翻译系统会引入模型特有的情感指纹，导致作者风格的部分丢失。
Pareto-Guided Teacher Alignment for Fair Personalized Text Generation
Tunazzina Islam
cs.CL cs.AI cs.CY cs.LG
本文提出了一种Pareto-guided teacher alignment框架，用于在个性化文本生成中平衡公平性与个性化保真度，通过修订候选生成、Pareto候选选择等方法，在气候变化和疫苗说服任务上评估了多种对齐策略的权衡效果。
Gaming AI-Assisted Peer Reviews Poses New Risks to the Scientific Community
Lin Li et al.
cs.CL cs.AI cs.CY cs.LG
本文揭示了AI辅助同行评审系统存在被低成本操纵的漏洞，通过简单改写摘要即可显著提升评审分数，且难以与正常编辑区分。这种操纵可能误导下游的人类决策，表明AI工具在高风险评审中不应被视为中立评估者。
OpenRTLSet: A Fully Open-Source Dataset for Large Language Model-based Verilog Module Design
Jinghua Wang et al.
cs.CL
OpenRTLSet是一个面向硬件设计的最大规模全开源数据集，包含超过13万个Verilog代码样本，并利用DeepSeek-R1模型生成自然语言描述以支持大语言模型微调。该数据集探索了多种技术选项，但未涉及关键词中的spectral、Muon、pretrain、agent或attention等核心概念。
The Confident Liar: Diagnosing Multi-Agent Debate with Log-Probabilities and LLM-as-Judge
Ali Keramati et al.
cs.CL cs.AI
本文研究多智能体辩论系统中token级log-probability分布、LLM-as-judge评分与最终任务准确率之间的关系，发现置信度信号与推理质量的对齐程度存在角色不对称性。
Where You Inject Diversity Matters: A Unified Framework for Diverse Generation
Cheng Zhang, Rui Xin, Chudi Zhong
cs.CL
本文提出了一个统一框架，通过引入diversity source和transmission score来刻画测试时多样化生成方法，并提出了specification-level generation方法，通过先生成多样化的中间specification再生成最终输出，以提升输出多样性。实验表明该方法在多个任务上优于基线，但整体方法更偏向应用层面，与关键词列表中的概念关联较弱。
Early-Token Confidence Predicts Reasoning Quality in Multi-Agent LLM Debate
Ali Keramati et al.
cs.CL
本文研究了在多智能体LLM辩论系统中，使用解码时的token级log-probability作为内在置信度信号，来预测由LLM-as-judge评估的推理质量。实验发现，早期生成token的置信度是推理质量最稳定的预测因子，且支持性推理的置信度与质量对齐程度优于对抗性批判。
Catching One in Five: LLM-as-Judge Blind Spots in Production Multi-Turn Transaction Agents
Sawyer Zhang, Alexander Wang, Sophie Lei
cs.CL cs.AI
本文研究了LLM-as-judge在生产环境多轮交易agent中的可靠性，发现其仅能捕获约22%的真实缺陷，主要漏检跨轮次状态问题（如confirm-gate lockout、cart hallucination等），并指出失败原因在于评分标准缺乏对行为维度的覆盖，而非感知能力不足。
The Order Matters: Sequential Fine-Tuning of LLaMA for Coherent Automated Essay Scoring
Ali Keramati, Mark Warschauer
cs.CL cs.LG
本文研究了在自动作文评分(AES)中，使用LoRA和4-bit量化对LLaMA-3.1-8B进行任务感知微调，比较了顺序、独立和随机三种训练课程。实验表明，顺序微调（按话语结构逐步训练）在证据和结论评分上取得了最佳F1分数，而随机训练仅在立场评分上表现更好。
Routing-Aware Expert Calibration for Machine Unlearning in Mixture-of-Experts Language Models
Jingyi Xie et al.
cs.CL cs.AI
本文针对Mixture-of-Experts (MoE)语言模型中的machine unlearning问题，提出了一种名为TRACE的专家校准方法。该方法通过检测遗忘关键专家并重新加权保留损失，以改善遗忘与保留数据间的路由不匹配，从而提升遗忘效果与模型效用间的平衡。
PADD: Path-Aligned Decompression Distillation for Non-Router Teacher to Guide MoE Student Learning
Xinyue Peng et al.
cs.CL cs.LG
本文提出了一种名为PADD的框架，用于将无显式路由的dense teacher模型的知识蒸馏到Mixture-of-Experts (MoE) student模型中，同时学习高质量的路由策略。该方法通过教师神经元聚类和学生专家预热等阶段，在数学推理基准上取得了优于强基线的性能。
Expert-Level Crisis Detection in Mental Health Conversations
Grace Byun et al.
cs.CL cs.AI
本文介绍了CRADLE-Dialogue，一个用于心理健康对话中危机检测的临床标注基准，包含600个对话的多标签标注，并提出了Alert-Confirm评估协议以区分早期预警信号和明确危机。实验表明，识别风险出现时刻比识别风险存在更具挑战性，模型在Micro F1上仅达到40%至60%多。
Do Vision-Language Models See or Guess? Measuring and Reducing Textual-Prior Reliance with a Phrasing-Controlled Benchmark
Pratham Singla et al.
cs.CL cs.CV
本文构建了一个包含540张图像和四种问题变体的benchmark，用于测量Vision-Language Models (VLMs) 对文本先验（textual priors）的依赖程度。实验发现所有模型在最小化文本泄露的变体上性能下降，且无图像消融实验显示开源模型性能降至1-9%。研究还表明，通过in-context exemplars和GRPO后训练可以部分缓解这种依赖。
KCSAT-ML: Probing Reasoning Models with Nationwide-Cohort Human Difficulty
Sanghee Park, Geewook Kim, Kee-Eung Kim
cs.CL
本文提出了KCSAT-ML基准，包含韩国高考数学题及官方错误率，并引入DRG指标评估模型错误与人类难度的对齐程度。实验发现模型在人类高错误率题目上表现差，且测试时扩展（TTS）在难题和简单题上呈现不同的对齐失败模式。
Which LoRA? An Empirical Study on the Effectiveness of LoRA Techniques During Multilingual Instruction Tuning
Thamali Wijewardhana, Napoleon H. Reyes, Surangika Ranathunga
cs.CL
本文通过实验比较了多种LoRA变体在多语言指令微调中的效果，发现基础LoRA与更复杂的变体在跨语言迁移和知识保留的平衡上并无显著优势。对隐藏嵌入的分析表明，不同LoRA技术微调的大语言模型在层间语言表示上高度相似，暗示LoRA技术的架构创新未必能转化为更好的跨语言适应能力。
LakeQA: An Exploratory QA Benchmark over a Million-Scale Data Lake
Haonan Wang et al.
cs.CL cs.AI
LakeQA是一个针对大规模数据湖（约9.5TB文本资源）的探索性QA benchmark，要求LLM agent同时具备搜索和推理能力，实验显示GPT-5.2的exact-match得分仅为18.37%。该工作与关键词中的agent概念相关，但方法本身不具备开创性。
Large Language Models as Modal Models in Linguistics
Haruto Suzuki, Saku Sugawara
cs.CL
本文从科学哲学中的模态建模（modal modeling）框架出发，将关于大语言模型（LLMs）在语言学中作用的争论分为绝缘主义、消除主义和调和主义三种立场，并论证LLMs作为最小模型（minimal models）具有认识论价值，能提供“如何可能解释”（how-possibly explanations），但当前尚不满足对人类语言提供“如何实际解释”（how-actually explanations）的条件。
Detecting Speculative Language in Biomedical Texts using Recurrent Neural Tensor Networks
Dhruv Dixit
cs.CL cs.AI
本文探讨了使用分布式句子表示和深度学习技术自动检测生物医学文献中的推测性语言，比较了Paragraph Vector模型和Recursive Neural Tensor Network (RNTN)与SVM等基线算法的性能，发现RNTN略优于线性bigram SVM。
UniSVQ: 2-bit Unified Scalar-Vector Quantization
Haoyu Wang et al.
cs.CL
本文提出UniSVQ，一种2-bit统一标量-向量量化框架，通过将codewords参数化为integer lattices的affine transform，结合了标量量化和向量量化的优势。该方法在保持与优化整数内核兼容性的同时，通过数据驱动的block-wise fine-tuning策略最小化量化重建误差，在多个LLM上取得了优于标量量化方法且与先进向量量化方法相当的性能。
LC-QAT: Data-Efficient 2-Bit QAT for LLMs via Linear-Constrained Vector Quantization
Haoyu Wang et al.
cs.CL cs.AI
本文提出LC-QAT框架，通过线性约束向量量化（Linear-Constrained Vector Quantization）实现2-bit权重量化感知训练，解决了标量量化在极低位宽下的性能退化问题。该方法利用可微的仿射映射替代离散码本查找，支持端到端优化，在仅使用0.1%-10%训练数据的情况下优于现有方法。
Prefilling-dLLM: Predictive Prefilling for Long-Context Inference in Diffusion Language Models
Jing Xiong et al.
cs.CL
本文提出Prefilling-dLLM，一种无需训练的预填充-解码分离框架，通过将prefix分块并缓存KV表示，在解码时选择top-K相关块并利用块内token稀疏性，将每步复杂度从全序列长度的二次方降低为仅解码长度的二次方，在LongBench和InfiniteBench上达到了dLLM加速方法中的最优质量。
Benchmarking Knowledge Editing using Logical Rules
Tatiana Moteu Ngoli et al.
cs.CL cs.AI
本文提出了一个基于logical rules的知识编辑基准，用于评估LLMs在编辑单个事实后能否正确处理其逻辑推论。实验表明，现有方法（如ROME和FT）在直接编辑知识上表现良好，但在蕴含知识上性能下降高达24%。
Hidden Consensus:Preference-Validity Compression in Human Feedback
Dorcas Chia Ern Chua et al.
cs.CL cs.AI
本文指出标准RLHF流程将多元人类判断压缩为单一标量奖励目标，可能导致对齐测量失效，并基于马来西亚语境的实验数据验证了该问题。文章提出未来对齐方法应满足“有效性保持一致性”，但未涉及code、spectral、Muon等关键词相关技术。
ParaBridge: Bridging Paralinguistic Perception and Dialogue Behavior in Speech Language Models
Yuxiang Wang et al.
cs.CL cs.SD eess.AS
本文提出ParaBridge方法，通过on-policy self-distillation将推理阶段的paralinguistic instruction scaffold转化为稳定的模型行为，使Speech Language Model在开放对话中更好地利用副语言线索。该方法无需人工标注或外部奖励模型，在多个基准上提升了模型对副语言感知的响应能力。
Small Data, Big Noise: Adversarial Training for Robust Parameter-Efficient Fine-Tuning
Eitan Cohen, Idan Simai, Uri Shaham
cs.CL
本文提出SDBN框架，将adversarial training与Parameter-Efficient Fine-Tuning (PEFT)结合，通过两种变体（SDBN-h和SDBN-p）分别处理字符级和生成任务中的噪声，以提升模型在低资源场景下的鲁棒性和泛化能力。该方法在不显著增加参数或计算开销的前提下，改善了PEFT在数据稀缺和语言变异共存环境中的可靠性。
Speaker Group Encoding in Self-supervised Speech Recognition Models
Felix Herron et al.
cs.CL
本文研究了自监督语音识别模型(S3Ms)中说话人群体信息的编码方式，发现模型在预训练、微调于说话人识别(SID)或自动语音识别(ASR)等不同状态下，对性别、年龄、方言等群体类别信息的编码程度存在差异。该工作主要关注语音领域的群体公平性，与关键词中的code, context, spectral, Muon, agent, attention等概念关联较弱。
Are We Evaluating Knowledge or Phrasing? Mitigating MCQA Sensitivity with ParaEval
João Maria Janeiro et al.
cs.CL
本文指出MCQA基准测试中log-likelihood评分对答案措辞高度敏感，导致模型知识评估不准确。作者提出ParaEval框架，通过为每个选项生成多个paraphrase并选择最优评分来缓解该问题，实验表明该方法能有效降低虚假性能差距。
Multilingual Word-Level Forced Alignment with Self-Supervised Representations and Learned Dynamic Programming
Roy Weber et al.
cs.CL eess.AS
本文提出了一种多语言词级强制对齐方法，通过融合自监督表示（MMS和UnSupSeg）与学习型动态规划解码器来推断词边界。该方法在TIMIT和Buckeye数据集上优于现有对齐工具，并在未见语言上展现了良好的泛化能力。
REAL: A Reasoning-Enhanced Graph Framework for Long-Term Memory Management of LLMs
Keer Lu et al.
cs.CL
本文提出REAL框架，将LLM长期对话记忆构建为带时间戳和置信度的有向属性图，采用非破坏性更新策略保留事实演化，并通过混合波束搜索和反事实推理增强检索。实验表明该方法在长期记忆任务上优于现有基线。
Attention Expansion: Enhancing Keyphrase Extraction from Long Documents with Attention-Augmented Contextualized Embeddings
Roberto Martínez-Cruz, Alvaro J. López-López, José Portela
cs.CL cs.AI
本文提出了一种注意力扩展机制，通过预训练word embeddings将周围上下文块的信息融入PLM的token表示，从而在不增加全文档注意力或昂贵LLM推理成本的情况下，提升长文档关键短语提取（KPE）的性能。实验表明该方法在多个PLM骨干和基准上一致优于现有模型。
Continual LLM Upcycling: A Predictor-Gated Bank-Wise Sparsity Training Recipe for Dense-to-Sparse LLMs
Ruixuan Huang et al.
cs.CL
本文研究从稠密checkpoint构建通道稀疏大语言模型的方法，提出一种预测器门控的bank-wise稀疏训练方案，在Qwen2.5-8B上实现4倍FFN中间激活稀疏性。文章主要报告了架构、训练配方和基准性能，并针对长上下文任务中的层局部失效模式提出单层修复算法。
Detecting Knowledge Gaps from Conversational AI Interactions Using Curriculum Prerequisite Graphs
Youssef Medhat et al.
cs.CL cs.AI cs.CY
本文提出了一种利用conversational AI助手的交互日志来检测课程知识差距的方法，通过few-shot text classifier将学生问题映射到curriculum prerequisite graph上。实验表明，问题数量与学生的topic difficulty存在显著相关性，但该方法在理论或方法上缺乏开创性，且与关键词列表中的概念关联较弱。
ArabiGEE: A Hierarchical Taxonomy for Arabic Grammatical Error Explanation
Khaled Elhady et al.
cs.CL
ArabiGEE提出了首个针对阿拉伯语语法错误解释的分层分类体系，涵盖正字法、形态、句法和词汇维度，包含27种错误类型和324种解释。该工作为阿拉伯语语法错误解释提供了结构化标注框架，但与我提供的关键词列表关联度较低。
Dep-LLM: Training-Free Depression Diagnosis via Evidence-Guided Structured Multi-factor with Reliable LLM Reasoning
Yiqing Lyu et al.
cs.CL cs.AI
本文提出Dep-LLM，一个无需训练的框架，通过Chain-of-Thought (CoT)多因素分析、置信度调制和协作预测，从临床访谈中自动检测抑郁症，在DAIC-WOZ和E-DAIC数据集上表现优于多种基线模型。该方法主要关注自然语言处理中的长文本推理与心理健康应用，与关键词中的code, context, spectral, Muon, pretrain, agent, attention关联较弱。
Beyond APIs: Probing the Limits of MLLMs in Physical Tool Use
Zhixin Ma et al.
cs.CL cs.AI cs.CV
本文提出了PhysTool-Bench，一个用于评估多模态大语言模型在物理工具使用能力的基准测试，包含2510个查询和2678个真实工具。实验表明，即使最强的模型也只能识别58.7%的工具并完成21.0%的查询，揭示了模型在场景感知和功能常识规划方面的显著缺陷。
Attention-Discounted Adaptive Sampler for Masked Diffusion Language Models
Yusuf Sahin et al.
cs.CL cs.AI
本文提出ADAS，一种无需训练的重新排序规则，用于并行masked diffusion decoding。它通过注意力折扣机制（当候选token与已选且预测不确定的位置强相关时降低其分数）来改进子集构建，在多个基准上提升了低NFE性能。
ConvMemory v2: A Recall-Preserving Top-10 Evidence Reranker for Conversational Memory Retrieval
Taiheng Pan
cs.CL cs.IR
本文提出了ConvMemory v2，一个轻量级的token证据重排序器，用于对话记忆检索。它通过微调cross-encoder模型，在保持v1的Recall@10不变的前提下，显著提升了MRR和H@1指标，并分析了其机制。
Janus: A Benchmark for Goal-Conditioned Information Distortion in LLMs
Polydoros Giannouris, Mohsinul Kabir, Sophia Ananiadou
cs.CL cs.AI
JANUS是一个用于评估LLM在事实基础上进行目标导向信息扭曲的基准测试，通过对比中性提示和目标导向提示下的输出，揭示了当前模型在选择性误导沟通方面缺乏鲁棒性。
Pushing the Limits of LLM Tool Calling via Experiential Knowledge Integration and Activation
Yupu Hao et al.
cs.CL
本文系统研究了如何通过经验知识的获取、激活和内化来提升LLM在工具调用任务中的表现，提出了KATE框架，结合知识增强与推理宽度扩展（如并行采样聚合）及知识感知训练（强化学习优于监督微调），在BFCL-V3和AppWorld上取得显著改进。
Trace Only What You Need: Structure-Aware On-Demand Hypergraph Memory for Long-Document Question Answering
Xiangjun Zai et al.
cs.CL
本文提出DocTrace，一个用于长文档问答的多智能体RAG框架，通过查询触发的知识组织和文档结构感知的超图工作记忆来提升推理能力，并在多个数据集上取得优于基线方法的效果。
It Takes One to Bias Them All: Breaking Bad with One-Shot GRPO
Naihao Deng et al.
cs.CL
本文研究了使用Group Relative Policy Optimization (GRPO)对大型语言模型进行单样本训练即可系统性引入偏见的问题，揭示了后训练对齐的脆弱性。该工作主要关注LLM的安全性与偏见，与关键词中的code, spectral, Muon, agent等概念关联度较低。
Density Field State Space Models: 1-Bit Distillation, Efficient Inference, and Knowledge Organization in Mamba-2
Chirag Shinde
cs.CL cs.LG
本文提出Density Field State Space Models (DF-SSM)框架，将Mamba-2模型压缩至1-bit骨架并配合int8低秩校正，在保持下游任务性能的同时显著减小模型体积并提升推理速度。此外，文章还分析了压缩后模型内部的知识组织模式，发现其存在意图分类、知识检索和输出格式化三个不同处理阶段。
Who Brought Easter Eggs to Eid? Auditing Cultural Translation of Math Word Problems Across Diverse Languages and Regions
Parisa Suchdev, Juniper Lovato
cs.CL cs.CY
本文研究了大型语言模型在跨语言和地区改编数学应用题时，对文化实体（如姓名、食物、地点）的转换模式。通过分析三种模型对60道英文题目的改编，发现模型在文化适应上存在一致性低、多样性压缩、以及表面特征优先于深层结构等问题。
Measuring Human Value Expression in Social Media Texts: Calibrated LLM Annotation and Encoder Transfer
Maria Milkova, Maksim Rudnev
cs.CL
本文研究了使用LLM对社交媒体文本中的人类价值观进行标注，并通过校准提示和软标签训练将标注转移到encoder模型，但未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词。
Does Reasoning Preserve Alignment? On the Trustworthiness of Large Reasoning Models
Prajakta Kini et al.
cs.CL
本文通过审计发现，将instruction-tuned LLMs转换为reasoning models的过程（如supervised fine-tuning、RL-based post-training和distillation）虽然提升了推理能力，但并未保持原有的alignment行为，在安全性、毒性、刻板印象、隐私等六个维度上出现了alignment regression。
T1-Bench: Benchmarking Multi-Scenario Agents in Real-World Domains
Genta Indra Winata et al.
cs.CL cs.AI
本文提出了T1-Bench，一个用于评估多领域真实场景中agent系统的高保真基准，通过交错的多轮交互和25个领域覆盖来增加任务复杂性和评估严谨性。该基准使用12个模型进行评估，并结合自动评估与人工判断，但未涉及关键词中的code、spectral、Muon或pretrain等核心概念。
Modeling Complex Behaviors: Multi-Personality Composition and Dynamic Switching in Vision-Language Models
Peiqi Jia et al.
cs.CL cs.AI
本文研究了多模态大语言模型(MLLM)在复杂人格条件下的行为建模，提出了显式人格条件化方法并建立了包含单人格、多人格和人格切换的系统评估框架。实验发现人格诱导能提升图像描述性能但会损害视觉问答等精确推理任务，且多人格组合与动态切换中存在平衡和残留效应。
VISTA: A Versatile Interactive User Simulation Toolkit for Agent Evaluation
Yunan Lu et al.
cs.CL
VISTA是一个用于agent评估的交互式用户模拟工具包，提出了六项指标来评估模拟交互的质量，并开发了结合UI和API的混合用户模拟器。该工具在电商和教育客服场景中展示了比现有方法更真实和全面的评估效果。
The Shibboleth Effect: Auditing the Cross-Lingual Distributional Skew of Large Language Models
Hakan Mehmetcik
cs.CL cs.CY
本文通过多智能体地缘政治博弈实验，研究了前沿LLM在对抗条件下跨语言行为分布偏差（Shibboleth Effect）。实验发现不同模型在英语与土耳其语环境下表现出异质性行为变化，但未提出具有开创性的方法论或解决长期问题。
PhantomBench: Benchmarking the Non-existential Threat of Language Models
Haeji Jung, Hila Gonen
cs.CL cs.AI
本文提出了PhantomBench，一个包含超过6万个虚构术语的大规模benchmark，用于评估语言模型在识别知识边界方面的表现。实验发现，即使是最先进的模型在面对虚构概念时也表现出极高的hallucination率（平均高达86.7%），且模型在输入预设概念存在时更难以拒绝回答。
Provenance-Grounded Gating and Adaptive Recovery in Synthetic Post-Training Data Curation
Soham Bhattacharjee et al.
cs.CL cs.AI
本文研究了合成后训练数据过滤中的两个问题：过滤信号是否基于生成样本的源证据，以及被拒绝的样本能否被系统性地恢复。通过对抗性注入语料库进行实验，发现精确的源证据能改善忠实性门控，且自适应恢复管道比简单重采样效果更好。
Multi-Faceted Interactivity Alignment in Full-Duplex Speech Models
Atsumoto Ohashi et al.
cs.CL eess.AS
本文提出了一种基于reinforcement learning的后训练对齐方法，用于改善全双工语音对话模型的交互性，通过针对暂停处理、轮换、反馈和用户打断四个交互轴设计奖励函数，并利用LLM奖励防止语义退化。该方法在Moshi和PersonaPlex模型上验证了交互性的提升，但未涉及code、context或spectral等关键词相关技术。

cs.DS

Average-Case and Smoothed Near-Optimality for Color-Code Decoding
Daniel Gibney, Jackson Huffstutler
cs.DS
本文研究了二维color code的最小权重解码问题，证明了在平均情况和光滑分析下，一种基于块的解码器能够达到近最优的乘法近似保证，并在低概率噪声区域实现了精确的最小权重纠错。这些结果展示了尽管最坏情况下解码是NP难的，但在典型噪声模型下仍存在高效且近似最优的解码算法。
On the Complexity of Signed Domination
Sangam Balchandar Reddy
cs.DS cs.CC
本文研究了Signed Domination问题的计算复杂性，证明了该问题在split graphs上仍是NP-complete的，并证明了其关于feedback vertex set number参数化时是W[1]-hard的，同时给出了关于neighbourhood diversity和twin cover number的FPT算法。
Enumerating Inclusion-Maximal Arithmetic Progressions
Brian Bemman et al.
cs.DS
本文提出了一种枚举整数序列中所有inclusion-maximal arithmetic progressions (IMAPs)的算法，时间复杂度为\(\mathcal{O}\left( n^2 \frac{ \log N }{ \log \log N } + N \right)\)，并给出了随机序列中IMAP数量的期望与增长阶的证明。实验表明该算法在运行时间上显著优于先前复杂度为\(\mathcal{O}(N^{2+o(1)}n)\)的算法，可用于音乐分析中的节奏模式识别。

others

Tractogram foundation model ⭐ 精选
Guikun Chen et al.
eess.IV cs.AI cs.LG
本文提出TractFM，一种直接从全脑streamline集合中学习可复用表示的tractogram foundation model。该模型结合了局部streamline encoder和permutation-equivariant tractogram encoder，通过一次前向传播联合上下文化所有streamline，并在密集解剖tract parcellation任务上预训练，从而同时获得用于tract parcellation的streamline级embedding和用于下游subject表型预测的紧凑subject级descriptor。实验表明，TractFM的冻结表示在多个tractography算法和dMRI数据集上能准确完成tract parcellation以及年龄和性别预测，证明了全脑几何context的泛化能力。该方法在representation learning和pretrain范式上具有开创性，且与关键词中的context和pretrain高度契合。
Robust Active Learning for Few-Shot Example Selection in Text-to-SQL ⭐ 精选
Arash Pourhabib
stat.ML cs.DB cs.LG
本文针对text-to-SQL系统中few-shot示例的主动选择问题，将其形式化为在语义查询嵌入的低维流形上的约束实验设计。作者提出了一种分层贪心算法，最大化异方差互信息目标，并证明该目标在内在流形上保持submodular和近似单调性，从而提供了理论上的常数因子近似保证。该工作通过建立谱界（spectral bound）表明，当假设的代理核与真实数据生成过程存在偏差时，近似保证会优雅退化而非灾难性失败，为处理模型误设定（misspecification）提供了理论支撑。实验证明该方法显著减少了标注成本，同时保持了高text-to-SQL检索精度，与关键词中的“spectral”和“context”高度契合。
Agentic Hybrid RAG for Evidence-Grounded Muon Collider Analysis ⭐ 精选
Ruobing Jiang et al.
hep-ex cs.AI cs.CL cs.IR physics.ins-det
本文提出了一种名为Agentic Hybrid RAG的框架，用于解决Muon collider（缪子对撞机）研究中科学证据分散、检索与验证困难的问题。该框架创新性地结合了hybrid retriever（混合检索器，融合稀疏词法检索与密集语义检索）与agentic reasoning module（智能体推理模块），实现了query decomposition（查询分解）、evidence expansion（证据扩展）和grounded answer generation（基于证据的答案生成）。为了系统评估，作者构建了该领域的首个检索增强科学问答benchmark，实验表明该框架在检索效果、答案质量、证据覆盖和事实依据方面均优于现有baseline。该工作为高能物理领域的agent辅助分析提供了基础。
Dmsh: A Multi-Agent Reinforcement Learning Framework for All-Quad Mesh Generation ⭐ 精选
Anirudh Kalyan et al.
math.NA cs.AI cs.LG
Dmsh提出了一种基于multi-agent reinforcement learning的全自动四边形网格生成框架，将网格生成过程建模为Markov Decision Process，并通过三个协调的agent分别处理拓扑简化、几何正则化和网格生成。该方法采用parametric Soft Actor-Critic架构与decoupled critics，有效探索了hybrid discrete-continuous action space，并通过curriculum learning策略从简单域扩展到复杂几何。Dmsh的递归分解支持子区域的并行网格生成，无需后处理即可得到全局一致的all-quadrilateral meshes，在自动化、鲁棒性和网格质量上显著优于现有方法，为learning-based mesh generation建立了新范式。该工作与关键词"agent"高度契合。
Decentralized Multi-Agent Systems with Shared Context ⭐ 精选
Yuzhen Mao, Azalia Mirhoseini
cs.MA cs.AI
本文提出DeLM (Decentralized Language Models)框架，通过并行agent、共享verified context和任务队列实现去中心化协调，解决了传统多agent系统中中央控制器在通信和集成上的瓶颈问题。Agent异步认领子任务，读取累积进度并写入紧凑的verified更新，共享context作为公共通信基板使agent能基于彼此已验证的进展进行构建。实验表明，DeLM在SWE-bench Verified和LongBench-v2 Multi-Doc QA上均取得最优性能，同时将每任务成本降低约50%。该工作与关键词"agent"和"context"高度契合，为多agent系统提供了一种去中心化的新范式。
Toward Secure LLM Agents: Threat Surfaces, Attacks, Defenses, and Evaluation ⭐ 精选
Yuchen Ling et al.
cs.CR cs.AI
本文通过一个基于生命周期和系统导向的框架，系统性地综述了247篇关于LLM agent安全性的论文。该框架围绕信息流、委托权限和持久状态的交互来建模agent安全，并识别出prompt injection和工具介导的控制流劫持是当前主要威胁，而持久状态破坏和多agent传播是新兴的核心问题。文章指出当前防御措施虽提供了基础组件但缺乏组合性，且现有基准测试未能充分覆盖长时域、有状态和部署敏感的风险，为构建安全的LLM agent提出了明确的信任边界、权限控制和状态管理原则。
Earth-OneVision: Extending Remote Sensing Multimodal Large Language Models to More Sensor Modalities and Tasks ⭐ 精选
Miaoxin Cai et al.
cs.CV cs.AI
Earth-OneVision是一个2B参数的遥感多模态大语言模型(RS-MLLM)，它在一个统一的autoregressive框架内整合了六种传感器模态（光学、SAR、红外、多光谱、时序和视频）以及跨传感器融合，覆盖9个任务类别。该模型通过三个关键机制解决瓶颈：Full-Granularity Vision-Language Alignment (FGVLA)对齐多层级视觉特征与多维语言空间，Spatial-Linguistic Isomorphic Serialization (SLIS)将异构空间输出统一为autoregressive tokens，以及Progressive Cross-Modality Adaptation (PCMA)逐步分解视角和成像物理的复合域差距。在包含约3400万QA对的MMRS-OneVision数据集上训练后，该模型在多个基准测试中达到或超越4B-72B参数量的RS-MLLMs，例如在光学visual grounding任务上达到87.52% P@0.5，在SAR VQA基准上达到80.68%，并在跨模态推理任务上取得81.94%的MCQ准确率。
More Human or More AI? Visualizing Human-AI Collaboration Disclosures in Journalistic News Production
Amber Kusters et al.
cs.HC cs.AI cs.CY
本文通过协同设计会话和实验室研究，探讨了在新闻编辑过程中如何可视化人类与AI的合作披露。研究发现，文本披露效果最差，而聊天机器人界面提供的信息最深入，但不同可视化方式会改变读者对AI实际参与程度的感知。
Sampling Triangulations and Calabi-Yau Threefolds with Autoregressive GNNs
Nate MacFadden
hep-th cs.LG
本文提出了一种名为dualGNN的自回归消息传递GNN，用于对凸多面体的精细正则三角剖分进行均匀采样。该模型通过有向拟阵理论中的符号电路标记边，并利用掩码过程确保在二维情况下每次生成的都是精细三角剖分，在弦论中成功应用于对Calabi-Yau三维流形的均匀采样。
SpeechJBB: Probing Safety Alignment and Comprehension in Large Audio Language Models under Code-Switched Speech
Virginia Ceccatelli, Yejin Jeon, David Ifeoluwa Adelani
cs.SD cs.CL eess.AS
本文构建了SpeechJBB音频数据集，用于评估大型音频语言模型在代码切换语音下的安全性，发现非英语单语和代码切换有害音频能显著提高越狱成功率。
Culturally-Aware AI for Cross-Boundary Community Learning: Undergraduate Innovation at the Intersection of Computation and Design
Jiaojiao Zhao et al.
cs.CY cs.AI cs.GR cs.HC cs.MM
本文报告了本科生在文化遗产保护与可持续发展中开发AI解决方案的跨边界社区学习项目，提出了一个融合教育、技术与文化的协作框架，但未涉及关键词中的核心概念。
AI-Driven Analytics of Team-Teaching Talk: Acoustic Patterns across Experience, Cohorts and the Learning Design
Yuchen Liu et al.
cs.HC cs.AI
本文使用AI语音处理方法分析了团队教学中的声学模式，发现经验丰富的教师、本科生班级和协作学习任务中音量变化更大，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
Agentic Social Affordance Framework (ASAF): Agent Identity Design as a Collaboration Interface in Multi-Agent Systems
Meng-Han Lee
cs.HC cs.AI
本文提出了Agentic Social Affordance Framework (ASAF)，将Social Affordance理论扩展到多智能体AI系统，认为agent identity design是影响人机协作的独立设计维度。该框架包含Identity Signaling、Behavioral Priming和Collaborative Governance三个机制，并讨论了其边界条件。
CollabSkill: Evaluating Human-Agent Collaboration On Real-World Tasks
Yijia Shao et al.
cs.HC cs.AI cs.CY
本文提出了CollabSkill框架，用于评估人类与AI agent在真实职业任务上的协作能力。该框架通过配对真实工人与AI agent完成任务，并利用Bayesian skill rating系统分离并量化双方的技能贡献，揭示了现有基准测试与人类协作评估之间的差异。
Self-EmoQ: Plutchik-Guided Value-based Planning to Drive Streaming Emotional TTS
Yue Zhao et al.
cs.HC cs.AI
本文提出Self-EmoQ框架，利用强化学习将Plutchik情绪轮作为action空间，为streaming TTS系统提供情绪规划能力。该方法通过hybrid reward训练LLM模块，在多个对话数据集上提升了情绪确定与响应质量。
Aesthetic Perspectives in Information Systems Research: A Hermeneutic Analysis
Angelina Chen, Rick Sullivan, Raffaele F Ciriello
cs.HC cs.AI cs.CY
本文通过hermeneutic analysis识别了信息系统研究中的四种美学视角，探讨了这些视角如何影响学术研究对sociotechnical phenomena的认知与合法化，但未涉及关键词中的具体技术概念。
Integrated Real-Time Motion Tracking and AI Analysis for Athletic Performance Optimization
Parth Agrawal et al.
cs.HC cs.AI cs.CV
本文综述了实时Human Pose Estimation (HPE)方法在运动分析中的应用，并提出了一个基于MediaPipe的轻量级原型系统，用于为普通用户提供实时运动反馈。
An LLM-Native Psychometric Instrument Does Not Predict LLM Behavior: Evidence Across 25 Models
Juan Manuel Contreras
cs.HC cs.AI cs.CL
本文通过探索性因子分析构建了首个从LLM行为特征中自下而上推导的心理测量工具，并在25个模型上测试发现，LLM的自我报告无法预测其实际行为，即使自我报告与LLM评判者之间存在相关性，但与人类观察者不一致。该研究揭示了LLM自我报告与行为之间的系统性脱节，并指出这种混淆在LLM作为评判者的流程中是一个风险因素。
The Interlocutor Effect: Why LLMs Leak More Personal Data to Agents Than Humans
Faouzi El Yagoubi, Godwin Badu-Marfo, Ranwa Al Mallah
cs.HC cs.AI
本文发现LLM在与AI agent交互时比与人类交互更容易泄露个人身份信息(PII)，并将此现象称为"Interlocutor Effect"。通过消融实验和注意力抑制假说，作者在222个敏感场景的3464次交互中验证了这一效应，发现将接收者描述为AI agent可使PII泄露率提升高达23个百分点。
CANVAS: Captioning Art with Narrative Visual-Audio AI Systems
Vignesh Nagarajan
cs.HC cs.AI cs.CL
本文提出了一种名为CANVAS的自动化工作流，利用large language models和text-to-speech服务为视觉艺术作品生成多感官描述和同步音频旁白，旨在提升盲人和低视力人群的可访问性。实验表明，AI生成的描述在词汇多样性和叙事细节上优于基线，但该工作与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念无直接关联。
Human-AI Coordination Zones: A Framework for Designing Human-in-the-Loop Experiences with Agentic AI
James Pierce et al.
cs.HC cs.AI cs.CY
本文提出了一个用于设计人机协作体验的框架，定义了salience、involvement和activity三个维度，并引入了coordination zones等中层设计工具，但未涉及code、spectral、Muon、pretrain或attention等关键词。
LLM-Based Code Documentation Generation and Multi-Judge Evaluation
Ikbel Ghrab et al.
cs.HC cs.AI cs.CL cs.LG cs.MA +1
本文提出了一个基于多种LLM的自动化代码文档生成框架，并引入多裁判评估机制来保证文档质量。实验在医疗物理库上验证了该方法能有效提升文档质量并减少人工工作量。
MinhwaNet: Faithful but Insufficient Object Grounding in Korean Folk Painting
Joonhyung Bae
cs.MM cs.CV cs.LG
本文研究了韩国民间绘画（minhwa）中符号与流派的关系，发现基于符号列表的流派预测效果不佳，而融合图像与策展文本的模型表现更好。作者提出了一种“忠实但不充分”的解离现象，即模型对符号的定位是忠实的，但流派预测依赖于符号的排列而非出现与否。
Support sufficiency as action-sufficient compression: a single-cycle rate-regret formulation
Mark Walsh
cs.IT cs.AI
本文形式化了支持充分性作为行动充分压缩的概念，通过定义策略等价下的商空间来刻画最优行动所需的区分，并引入有界期望策略遗憾来近似充分性。在有限单周期设定下，该问题被表述为一个率-遗憾问题，其最优随机行动通道继承了标准率失真Gibbs形式。
EstRTL: Functional Estimation Guided RTL Code Generation
Qi Xiong et al.
cs.AR cs.AI
本文提出EstRTL框架，利用LLM agent通过静态功能评分来指导RTL代码的生成、评估与修正，以提升生成代码的功能正确性。实验表明该方法能将通用LLM的RTL代码生成正确率提升3.2%-9.0%。
SD-GRPO: Verifiable Segment Decomposition for Long-Form Vision-Language Generation
Hyunwoong Kim et al.
cs.CV cs.AI cs.LG
本文提出SD-GRPO方法，通过将长格式视觉-语言生成输出按自然分段进行z-normalized奖励分配，以替代传统GRPO中的单一标量优势函数。实验表明该方法在语义独立的分段任务上优于GRPO基线，但在语义纠缠的分段场景中仍需结合整体奖励。
WHU-Infra3D: A Full-stack Multi-modal Dataset and Benchmark for 3D Roadside Infrastructure Inventory
Chong Liu et al.
cs.CV cs.LG
本文提出了WHU-Infra3D，一个用于3D路边基础设施清单的大规模多模态基准数据集，整合了全景图像和LiDAR点云，并提供了详细的属性与状态标注。该数据集为2D检测、3D分割等任务建立了基线，揭示了跨城市域差距和模型在长尾缺陷状态上的脆弱性。
Failure Modes of Deep Multi-Agent RL in Asynchronous Pricing: Reproducible Triggers, Trace Diagnostics, and a Partial Fix
Shree Murthy, Rohan Pandey
cs.MA cs.AI cs.LG econ.EM
本文研究了深度多智能体强化学习在连续时间定价市场中的两种可复现失败模式：DDPG智能体间的隐性合谋形成和高事件率下的actor-critic不稳定性。通过一个CT-MARL基准测试，作者量化了异步性对合谋的部分缓解效果，并提供了轨迹级诊断工具。
HMAF: A Hierarchical Multi-Slot GD-RTB Allocation Framework
Tianxing Bu et al.
cs.GT cs.AI cs.LG
本文提出HMAF框架，用于优化在线广告平台中Guaranteed Delivery (GD)与Real-Time Bidding (RTB)混合场景下的广告位分配。该框架采用Plan-Calibrate-Execute范式，结合离线约束优化与在线决策，在美团平台实现了GD交付率和广告收入的提升。
On the Controllability-Fidelity Frontier in Diffusion Editing
Yi Hu et al.
cs.GR cs.CV cs.HC cs.LG cs.MM
本文对扩散模型在图像编辑中的可控性与保真度权衡进行了理论和实证研究，分析了文本/掩码引导、点/拖拽操作及反演管道中的编辑目标与误差动态，并比较了多种现有方法。研究揭示了身份漂移、提示敏感性和组合错误等关键失败模式，并讨论了伦理考量。
The Whale That Outswam Evolution: Swarm Intelligence Maximises Memory in Connectome Reservoirs
Anmol Guragain, Savvas Kakalis, Juan Ignacio Godino-Llorente
cs.NE cs.AI
本文研究了四种无梯度生物启发优化器（如Whale Optimisation Algorithm）对六种生物神经连接组（connectome）的edge weights进行优化，以提升其在reservoir computing中的性能。结果表明，从生物权重初始化的优化在所有任务和物种上均优于未优化的基线，但该方法主要聚焦于reservoir computing的实证改进，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联较弱。
IDP-Bench: Benchmarking ability of LLMs to protect personal information in interdependent privacy contexts
Ayana Hussain et al.
cs.CR cs.AI
本文提出了IDP-Bench，首个针对大语言模型在相互依赖隐私场景中保护个人信息能力的基准测试，基于Contextual Integrity框架评估了8个开源模型。实验发现模型在识别共同所有权方面表现良好，但在理解隐私参数和判断共享适当性方面存在明显不足。
Bypassing Copyright Protection in Diffusion-based Customization via Two-Stage Latent Feature Optimization
Ziang Xu et al.
cs.CR cs.AI cs.CV
本文提出了一种针对扩散模型定制化场景中版权保护机制的攻击方法TS-LFO，通过两阶段潜在特征优化来绕过现有防御。该方法在潜在去噪和重建阶段分别处理高频噪声和低频语义信息，实验表明其能有效突破多种主流版权防御。
Proceedings of the 14th edition of the conference on Random Generation of Combinatorial Structures
Srečko Brlek, Luca Ferrari
cs.DM cs.DS
本文是GASCom 2026会议论文集，汇集了关于组合结构随机与穷举生成的研究，涵盖枚举组合学、算法分析等主题，但未提出具体的新方法或解决长期问题。
The Bioelectrical Information Theory: Investigating the theoretical compression limit of bioelectrical signals under artificial intelligence
Jiawen Zou, Bo Yan
cs.IT cs.AI
本文提出了一个生物电信号压缩的信息论框架，将压缩极限重新定义为由生理结构、模型容量和下游任务需求共同决定的条件量，而非波形的固定属性。该框架将压缩分为信号、生理和语义三个层次，通过去除噪声和任务无关信息来降低熵。
Compile Once, Differentiate Everywhere: A Differentiable Meta-Circular Interpreter
Lucas Sheneman
cs.PL cs.LG cs.SC
本文提出了一种可微元循环解释器（DMCI），通过将Scheme子集编译为可微计算图，实现了对程序连续常数的梯度传播。该方法允许程序继承可微性而无需重新编译，并在程序与参数联合搜索中展示了应用潜力。
A Note on the Strategic Confinement Problem
Christian Schroeder de Witt
cs.GT cs.AI
本文重新审视了Lampson的confinement problem，指出当通信方是具有共享协调资源的strategic agents时，即使信道容量极小，也可能通过集中残差通信能力于低熵、高影响的数据谓词来造成严重危害。文章认为学习型strategic agents系统天然存在此问题，但并未提出新的通信理论或具体解决方案。
GitInject: Real-World Prompt Injection Attacks in AI-Powered CI/CD Pipelines
Jafar Isbarov et al.
cs.CR cs.AI
本文提出了GitInject，一个用于评估AI驱动的CI/CD流水线中prompt injection漏洞的开源框架。它通过在真实GitHub工作流中触发实际运行来测试安全边界，发现所有测试的AI提供商在默认配置下都存在至少一类攻击漏洞。
Stochastic weather generators for high-frequency wind vector time series
Mingshi Cui et al.
stat.AP cs.LG stat.OT
本文使用基于time vector-quantized variational autoencoders的机器学习方法，为俄克拉荷马州Lamont站点生成了分钟级地表风向量时间序列。该生成器能捕捉风速和风向的复杂日变化结构，但在匹配极端风速分布方面仍有不足。
Anomaly Detection and Root Cause Analysis for Microservice Systems
Luan Pham
cs.SE cs.AI
本文针对微服务系统中的异常检测与根因分析问题，提出了BARO、EventADL和TORAI等方法，并构建了RCAEval基准数据集与评估框架，以解决现有技术中检测与诊断分离、事件数据利用不足等局限性。
GAGI: A Gini-Adjusted GDP-per-Capita Index for Distribution-Aware Macroeconomic Welfare Monitoring
Sivasathivel Kandasamy
econ.GN cs.AI
本文提出了一个Gini-adjusted GDP per capita Index (GAGI)，通过结合收入不平等因子(1-G)和价格水平对人均GDP进行重新标度，以更准确地追踪宏观经济福利。该指数旨在作为GDP监测的补充工具，但并未直接涉及代码、上下文、谱方法、Muon、预训练、智能体或注意力等关键词。
Deep Slice Interpolation for Reducing Through-Plane Anisotropy and Noise in Head CT
Luis Cortés Ferre, Miguel A. Gutiérrez-Naranjo, Marcin Balcerzyk
eess.IV cs.AI cs.LG
本文提出了一种基于深度学习的CT切片插值系统，通过相邻轴向切片合成中间切片以降低面外间距，并同时实现隐式去噪。实验表明该方法在结构指标上优于传统插值和视频帧插值方法，但方法本身属于应用型改进，与关键词中的理论或框架性概念关联较弱。
Multi-task LLMs for Bug Classification: Efficient Inference with Auxiliary Decoding Heads
Nikolai Rozanov
cs.SE cs.LG
本文提出了一种基于多任务LLM的轻量级行级bug定位方法MLC，通过token对齐算法和辅助解码头实现高效分类。该方法在保持与agentic方法相当性能的同时，将推理延迟降低数个数量级。
Data-aware Static Analysis: Improving Detection of Semantic Faults in Machine Learning Code Using Data Characteristics
Willem Meijer, Kristian Sandahl, Dániel Varró
cs.SE cs.LG
本文提出了一种数据感知的静态分析方法，用于检测机器学习代码中的语义错误，通过结合数据流与控制流分析以及API契约，在代码编写阶段而非训练后发现问题。该方法在真实notebook样本中展示了检测需要数据感知的故障的潜力。
Uncertainty-Aware Motion Planning for Autonomous Driving in Mixed Traffic Environment
Ming Cheng et al.
cs.RO cs.AI
本文提出UAMP方法，通过邻近感知不确定性估计和不确定性校准值学习，在混合交通环境中处理人类意图预测的不确定性，以提升自动驾驶运动规划的安全性和舒适性。
Geometry-Aware Anisotropic Boundary Correction for Aerodynamic Simulation
Xin Zhang et al.
physics.flu-dyn cs.AI
本文提出GeoABC框架，利用边界几何信息对neural operator的中间表示进行方向感知校正，以改善气动模拟中近壁区域的各向异性物理行为。该方法在2D翼型和3D汽车任务上降低了近边界相对\(L_2\)误差约38%。
JGRA: Jacobian Geometry Robustness Assessment in NISQ Noise-Aware Quantum Neural Networks
Gianluca Scanu, Luca Barletta, Stefano Rini
quant-ph cs.LG
本文提出JGRA框架，通过Jacobian几何评估噪声感知量子神经网络在NISQ噪声下的鲁棒性，包括熵匹配噪声校准和噪声条件Jacobian提取等方法。实验表明该几何描述符能编码对未见噪声下鲁棒性的预测信息。
Spiking Neural Network inference on FPGAs with hls4ml
Barry M. Dillon
cs.NE cs.LG
本文介绍了hls4ml工具的一个扩展，用于将PyTorch中训练的Spiking Neural Network (SNN)部署到FPGA上，实现了约\(34\mu\)s的推理延迟。该工作为SNN在实时推理系统中的硬件部署提供了流程验证。
DeRA-MOS: Optimizing Text-to-Music Evaluation via Decoupled Listwise Ranking and Modality Alignment
Chien-Chun Wang et al.
eess.AS cs.AI cs.MM cs.SD
本文提出DeRA-MOS框架，通过解耦的listwise ranking loss和modality alignment loss来优化text-to-music评估中的music impression和text alignment评分，实验在MusicEval数据集上验证了有效性。该方法主要关注评估指标优化，与关键词中的code、context、spectral等概念关联较弱。
Generalized-CVO: Fast and Correspondence-Free Local Point Cloud Registration with Second Order Riemannian Optimization
Ray Zhang et al.
cs.CV cs.AI cs.RO
本文提出了一种基于RKHS嵌入的无对应局部点云配准方法，通过各向异性核函数编码局部几何结构，并采用二阶黎曼优化实现加速。该方法在LiDAR和RGB-D跟踪任务中提升了精度，尤其在特征稀疏环境下显著降低了平移和旋转漂移。
Learning the Universe: Posterior Reliability of Neural Generative Models in High-Dimensional Field-Level Inference of Cosmic Initial Conditions
Ludvig Doeser, Jens Jasche
astro-ph.CO astro-ph.IM cs.LG
本文通过对比Hamiltonian Monte Carlo与两种neural generative models（Stochastic Interpolants和GLOW normalizing flows）在宇宙学初始条件反演问题中的表现，指出仅匹配后验均值或边缘分布不足以确保不确定性结构的正确性，强调了高维场级推断中不确定性估计的挑战。
GHOST: Hierarchical Sub-Goal Policies for Generalizing Robot Manipulation
Sriram Krishna et al.
cs.RO cs.CV cs.LG
本文提出GHOST框架，通过将机器人操作策略分解为高层子目标预测（基于多视角RGB-D观测预测3D末端执行器姿态分布）和低层目标条件控制器，实现了超越训练分布的泛化能力。该工作主要贡献在于引入空间接口将3D目标投影到图像平面作为热图，并利用人类演示训练高层策略以提升对新物体和任务变体的适应性。
Inside the Latent Flow: Causal Deciphering of Attention Dynamics in Audio Separation Foundation Models
Yuxuan Chen, Haoyuan Xu, Peize He
cs.SD cs.AI
本文通过因果干预方法分析了SAM Audio中flow-matching transformer的attention dynamics，发现了一种双路径文本条件机制和异步层收敛模式。基于这些发现，提出了Layer-Selective Attention Caching (LSAC)方法，在稳定层缓存attention计算，实现了约25%的自注意力计算削减且质量损失可忽略。
Stability in Competitive Search with Results Diversification
Itamar Reinman et al.
cs.GT cs.IR
本文研究了在搜索结果多样化策略下的竞争性搜索稳定性问题，通过博弈论分析揭示了语料库多样性与稳定性之间的权衡，并提出了能保证稳定性的多样化排序函数。
Compiling Rewrite Rules to Finite-State Transducers with the Worsening Trick
Mans Hulden, Michael Ginn
cs.FL cs.CL
本文提出了一种基于“worsening trick”的编译方案，用于将形如\(A \to B / L \, \_ \, R\)的通用重写规则编译为finite-state transducer (FST)。该方法通过生成所有合法重写候选并过滤掉较差的候选，实现了紧凑且易于扩展的编译，并在PyFoma中实现。
A Controlled Audit of Pretraining Contamination in Public Medical Vision-Language Benchmarks
Bruce Changlong Xu, Lan Wu, Alexander Ryu
cs.CV cs.AI cs.LG
本文对公开医学视觉语言基准中的预训练污染进行了审计，使用图像近邻重叠、规范序可交换性等检测器发现SLAKE-En等数据集存在源重叠，但文本侧的可交换性信号在外部基线中不稳定，表明这些检测器在小规模医学VLM群体中作为成员推断信号不可靠。
SoK: Colluding Adversaries in Machine Learning Pipelines
Vasisht Duddu et al.
cs.CR cs.LG
本文提出了一个系统框架来研究机器学习流程中对手的合谋行为，包括训练时和推理时对手的合谋，并讨论了对手特征对合谋可能性的影响。该工作主要关注安全与隐私风险，与您提供的关键词关联度较低。
What makes a harness a harness: necessary and sufficient conditions for an agent harness
Sanderson Oliveira de Macedo
cs.SE cs.AI
本文通过概念分析，为软件工程中与生成式人工智能相关的术语"agent harness"提供了必要且充分的条件定义，并区分了其与agent framework、SDK等概念。该工作主要贡献在于提供了一个可操作的定义和包含/排除测试，以指导工程实践和科学比较。
Duality for Optimal Multi-Item, Multi-Bidder Auction Design: Revenue Certificates through Deep Learning
Yanchen Jiang, David C. Parkes, Tonghan Wang
cs.GT cs.AI cs.LG econ.TH
本文提出首个计算框架，通过神经网络参数化Lagrange乘子并保证严格流守恒性质，直接求解多物品多竞拍者拍卖的dual问题，生成认证的收入上界。通过lifting技术将离散dual证书映射到连续类型，证明其收敛到原连续问题的最优收入，为计算拍卖设计提供了近最优性认证。
Convergence Rates for Neural-Network Estimation with Current-Status Data
Yuan Wu, Tianhui Zhou
stat.ML cs.LG math.ST
本文研究了当前状态数据下事件时间条件累积分布函数的非参数神经网络筛最大似然估计，在Hölder光滑性假设下结合ReLU神经网络逼近理论与经验过程论证建立了显式收敛速率。
Effective Training Principles of Physical Reservoirs
Sobhi Saeed et al.
physics.optics cs.LG physics.data-an
本文研究了物理Reservoir Computing中的过拟合和计算效率问题，通过比较输出剪枝（如Equal Search、Branch and Bound、Variance Filter）和正则化（LASSO和ridge regression）策略，在非线性光纤光学极限学习机上进行了实验分析。
BiWM: Advancing Open-Source Interactive Video World Models with Bidirectional Autoregression
Shaohao Rui et al.
cs.CV cs.AI
本文提出了BiWM框架，将双向视频扩散模型转化为自回归范式以提升交互性，通过两阶段训练（微调与分布匹配蒸馏）替代传统四阶段流程，支持多种视频骨干网络并集成历史压缩与4-bit训练。该方法主要关注视频世界模型的交互性与效率优化，与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Local Is Not a Sufficient Privacy Boundary: Governing OS-Integrated On-Device AI
Jonghyun Chung, Sanket Badhe
cs.CR cs.AI
本文指出本地推理不足以保障隐私，并提出了一个以操作系统为中心的隐私框架，包括威胁模型、风险分类和控制措施。该框架通过比较Apple Intelligence、Android AICore和Microsoft Recall来展示其审计标准。
Trainability of IQP Quantum Circuit Born Machines Under Gaussian Initialization
Gennaro De Luca
quant-ph cs.LG
本文利用Stein引理和Lipschitz concentration bounds分析了IQP量子电路Born机在高斯初始化下的可训练性，给出了梯度方差的解析下界和梯度偏离其均值的概率集中界，并讨论了避免或促进指数浓度（barren plateaus）的策略。
Flow Control: Steering Vision-Language-Action Models with Simple Real-Time Inputs
Jonathan C. Kao, Jason Chan, Andy Wang
cs.RO cs.AI cs.HC
本文提出了一种名为flow control的方法，用于通过键盘等简单实时输入来引导Vision-Language-Action (VLA)模型的行动，无需重新训练或微调。该方法将用户输入转化为符合VLA专家动作分布的高质量动作样本，从而提升任务成功率与完成速度。
Making Time Editable in Video Diffusion Transformers
Konstantin Kuklev et al.
cs.CV cs.AI cs.MM
本文提出了一种针对视频生成Diffusion Transformers的时间控制方法，通过添加轻量级时间模块来编辑运动速度和时序结构，无需重新设计模型主干。该方法扩展了预训练DiT的功能，但未涉及code、spectral或Muon等关键词。
Decision-Calibrated Conformal Uncertainty for Pacing Decisions in Streaming Advertising
Prashant Shekhar, Caroline Howard
stat.ML cs.LG
本文针对流媒体广告中的节奏控制问题，提出了一种决策校准的共形不确定性框架。该框架通过衡量预测误差对实际可部署策略的最大影响来校准不确定性，而非校准通用的预测残差。实验表明，该方法能显著降低不确定性半径，并减少违规率。
Fisher-Guided Progressive Parameter Selection for Adaptive Fine-Tuning
Ghodsiyeh Rostami, Po-Han Chen, Mahdi S. Hosseini
cs.CV cs.AI
本文提出FisherAdapTune框架，通过追踪Fisher几何的时序漂移来动态选择可训练参数组，并基于PAC-Bayesian视角将泛化误差界分解为Fisher加权更新成本。该方法在下游分割任务中提升了分布内性能和零样本迁移效果。
Integral Field Unit Spectroscopy with One Fiber
Zehao Peng et al.
astro-ph.GA cs.AI
本文提出了一种多模态概率基础模型，利用masked autoencoder框架从宽带图像预测星系中任意空间位置的高分辨率光谱，无需IFU训练数据即可实现类似IFU的能力。
An Improved Generative Adversarial Network for Micro-Resistivity Imaging Logging Restoration
Ahmed Faizul Haque et al.
cs.CV cs.AI cs.LG
本文提出了一种改进的GAN用于微电阻率成像测井图像修复，通过FCN生成网络、深度可分离卷积残差块和Inception模块提升性能，实验表明结构相似性达到0.903。该方法主要针对测井图像缺失问题，与关键词中的attention有一定关联但契合度不高。
Exploration of Foundation Model-Based Robots in Patient and Elderly Care
Zhiwen Qiu, Wei Liu, Yuexing Hao
cs.RO cs.AI
本文综述了基于Foundation Model的机器人在患者和老年护理中的应用现状，讨论了设计特征、用户体验和护理效果证据，指出当前系统在multimodal grounding和物理自主性方面仍有限，且护理效果证据主要集中在认知参与等近端结果上。
Automated Pronunciation Evaluation for Korean Toddler Speech using Speech Diarization and Self-Supervised Learning
Diane Myung-kyung Woodbridge, Jee Hyun Suh
cs.SD cs.AI
本文针对韩语幼儿语音的自动发音评估问题，提出了一种结合neural speaker diarization与self-supervised learning的端到端pipeline，并构建了一个经IRB批准的2-5岁儿童语音语料库。实验表明，基于arrival-time-sorted transformer的NeMo SortFormer在说话人计数准确率上表现最佳，而跨模型集成策略在辅音和元音预测上分别达到了0.720和0.845的平衡准确率。
Dual-Branch Gated Fusion for Open-Set Audio Deepfake Source Tracing
Awais Khan, Kutub Uddin, Khalid Malik
cs.SD cs.AI cs.CV
本文提出了一种双分支门控融合框架，用于开放集音频深度伪造溯源。该方法结合XLSR-53和CORES特征描述符，通过输入条件门控机制自适应加权，在MLAAD基准上取得了较好的ID准确率和OOD检测性能。
What Demonstration Curation Metrics Do to Your Policy
Aarav Bedi
cs.RO cs.LG
本文研究了在机器人行为克隆任务中，用于筛选演示数据的curation metrics（筛选指标）与最终策略性能之间的解耦现象。实验发现，缺陷检测AUROC最高的指标反而产生了最差的策略，而AUROC较低的指标却能得到接近最优的策略，并指出episode length（回合长度）是一个重要的混淆变量。
ANCHOR: Autoregressive Non-intrusive Chunk-Ordered Refinement for Joint Multi-Resolution Speech Quality Modeling
Zhuoyan Tao et al.
eess.AS cs.LG cs.SD
本文提出ANCHOR方法，将语音质量的增量评估重新表述为多分辨率自回归任务，通过双分辨率token和分辨率感知层次结构在单个decoder中建模chunk和utterance级别的质量。实验表明该方法在部分输入下具有鲁棒性，并揭示了4-6秒的有效感知上下文范围。
Hyperbolic Neural Population Geometry Benefits Computation
Dennis Wu et al.
q-bio.NC cs.AI
本文探讨了神经群体几何结构对下游计算的影响，提出海马体中的双曲几何结构可能通过调谐曲线统计诱导产生，并建立了神经解码与联想记忆之间的联系。
YUBI: Yielding Universal Bidigital Interface for Bimanual Dexterous Manipulation at Scale
Takehiko Ohkawa et al.
cs.RO cs.AI
本文介绍了YUBI，一种用于双手灵巧操作的指对齐夹爪，通过手指驱动的顺从性设计实现了直观的人机映射，并收集了大规模数据集。该方法在数据采集的实用性和可扩展性上有贡献，但未涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等核心概念。
Linguistically Augmented Audio Speech Data (LinguAS)
Ashley R. Keaton et al.
cs.SD cs.AI cs.LG
本文提出了LinguAS数据集，包含真实和深度伪造的音频样本，并标注了五种专家定义的语言特征（EDLFs）。实验表明，使用EDLFs增强数据训练的模型在音频深度伪造检测上优于ASVspoof 2021基线及HuBert、XLSR等模型。
POPSICLE: Benchmark Datasets for Segmentation and Localization in CryoET
Jonathan Schwartz et al.
eess.IV cs.CV cs.DL cs.LG physics.bio-ph
本文提出了POPSICLE，一个用于cryoET（冷冻电子断层扫描）数据分割和大分子定位的基准测试套件，基于CryoET数据门户构建，覆盖多种生物系统和任务类型。基线实验表明，不同任务间模型排名差异显著，强调了为cryoET定制基准的必要性。
What Matters in Orchestrating Robot Policies: A Systematic Study of Hierarchical VLA Agents
Jiaheng Hu et al.
cs.RO cs.AI cs.LG
本文系统研究了层次化视觉-语言-动作(Hi-VLA)系统在机器人操作中的设计原则，通过统一框架对比了不同规划器与控制器组合在短时域、长时域及推理密集型任务上的表现。实验表明，合理的层次化设计相比平坦VLA控制或简单层次化方法能显著提升性能，但该工作更侧重于工程实践总结而非理论或方法上的开创性突破。
Hierarchical Policies from Verbal and Egocentric Human Signals for Natural Human-Robot Interaction
Dongjun Lee et al.
cs.RO cs.AI
本文提出EDITH框架，通过智能眼镜捕捉人类的第一人称视角、注视和语音等非语言信号，并结合语言指令来指导机器人策略。该框架采用分层策略，高层策略推断人类意图并生成子任务序列，低层策略执行这些子任务，从而减少用户传达意图所需的工作量。
Towards Robust Arabic Speech Emotion Recognition with Deep Learning
Youcef Soufiane Gheffari, Samiya Silarbi
cs.SD cs.AI
本文针对阿拉伯语语音情感识别（SER）中方言多样、标注数据有限等问题，比较了CNN-LSTM、CNN-Transformer和微调wav2vec 2.0三种深度学习架构。实验表明，CNN-Transformer模型在EYASE和BAVED数据集上取得了98.1%的准确率，验证了结合卷积特征提取与Transformer全局上下文建模的有效性。
Benchmarking and Exploring the Capabilities of LLMs for Attack Investigations
Aniket Anand et al.
cs.CR cs.CL
本文提出了AuditBench基准数据集，用于评估LLM在安全审计日志调查中的能力，并分析了不同模型在多项任务上的表现与错误类型。
$k$-Nearest Neighbors in Gromov--Wasserstein Space
Kaitlyn Hohmeier, Nicolas Fraiman, Caroline Moosmueller
stat.ML cs.LG math.ST
本文在Gromov-Wasserstein空间中实现了\(k\)-最近邻分类器，证明了其在有限支撑且均匀概率测度的度量测度空间等价类上的universal consistency，并通过数值实验展示了该方法在图数据集上的良好性能。
Content-Induced Spatial-Spectral Aggregation Network for Change Detection in Remote Sensing Images
Yunlong Liu, Zekai Zhang
cs.CV cs.AI
本文提出了一种用于遥感图像变化检测的内容引导空间-光谱聚合网络(CSI-Net)，通过空间推理模块和光谱差异模块分别处理全局空间信息和光谱特征，并利用内容引导集成模块融合两者。实验表明该方法在多个数据集上优于现有技术。
Building Change Detection in Earthquake: A Multi-Scale Interaction Network and A Change Detection Dataset
Yunlong Liu, Zekai Zhang
cs.CV cs.AI
本文构建了一个地震建筑变化检测数据集TUE-CD，并提出多尺度特征交互网络MSI-Net，通过联合交叉注意力模块和偏移校准模块处理双时相遥感图像的侧视问题，在多个数据集上取得了优于现有方法的性能。
Magnetic HIP-NN for spin dynamics in disordered itinerant magnets
Supriyo Ghosh et al.
cond-mat.dis-nn cond-mat.str-el cs.LG
本文提出了mHIP-NN，一种将旋转不变自旋关联纳入分层消息传递神经网络的磁学扩展，用于模拟无序巡游磁体中的电子介导自旋动力学。该网络通过学习有效局域场和磁性能量景观，在保持自旋旋转对称性的同时，实现了对Landau-Lifshitz-Gilbert动力学的准确模拟。
Near-Exponential Convergence Rates for kNN Classification based on Boltzmann Margin
Luyuan Yang, Shayan Shafaei, Chao Lan
stat.ML cs.LG
本文提出了一个新的Boltzmann margin条件，介于Tsybakov margin和Massart margin之间，并将其应用于kNN分类器的收敛率分析，证明了近指数收敛速率。该工作主要贡献于分类器的理论分析，与关键词中的概念关联较弱。
A Practical Recipe Towards Improving Sim-and-Real Correlation for VLA Evaluation
Shuo Wang et al.
cs.RO cs.AI
本文系统研究了VLA策略在仿真与现实环境中的相关性，通过跨平台、策略和任务的实验分析了仿真评估的局限性，并为如何利用仿真改进策略提供了指导。
Speech Meets ELF: Audio Conditional Continuous-Target Diffusion for Speech Recognition and Translation
Xuanchen Li et al.
cs.SD cs.AI
本文提出ELF-S2T模型，利用预训练的Embedded Language Flows (ELF) backbone和Whisper编码器，通过audio-conditioned flow-matching在连续空间中进行语音识别(ASR)和翻译(S2TT)。实验表明该方法性能有竞争力，但主要贡献在于揭示了ASR和S2TT错误均源于连续latent space中的近距离混淆。
Test-time Adversarial Takeover: A Real-time Hijacking Interface against Robotic Diffusion Policies
Zi Yin et al.
cs.RO cs.AI
本文提出了一种针对基于Diffusion的机器人策略的实时对抗接管方法TAKO，通过可复用的通用对抗补丁在测试时操控视觉输入，从而远程控制冻结的机器人策略。该方法在多种任务和模型上实现了100%的接管成功率，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Bidirectional Random Projections
Chao Lan, Luyuan Yang
math.ST cs.LG
本文分析了固定设计下普通最小二乘回归的双向随机投影方法，建立了基于\((WXR, WY)\)的OLS估计量的期望超额损失界，并与单向投影方法进行了比较。
Towards Critical Branching Mechanism in Recurrent Neural Networks
Feixiang Ren, Ling Feng
nlin.AO cs.AI physics.comp-ph
本文研究了LSTM网络中的临界动力学现象，发现小规模网络在最优训练阶段表现出接近临界状态的雪崩统计特性，而大规模网络则处于亚临界状态。作者提出混合branching process框架来解释亚临界branching与长程时间相关性共存的机制。
Vision-Assisted Foundation Model for Solving Multi-Task Vehicle Routing Problems
Shuangchun Gui et al.
cs.CV cs.AI
本文提出了一种视觉辅助的基础模型VaFM，通过将视觉模态（图像）与图模态结合，用于解决多任务车辆路径问题。该方法使用卷积神经网络编码包含约束信息的图像，并将图像嵌入与图节点融合以生成路径方案，同时设计辅助任务处理像素分布不平衡问题。
Enhancing Multilingual LLM-based ASR with Mixture of Experts and Dynamic Downsampling
Guodong Lin et al.
cs.SD cs.CL eess.AS
本文提出了一种基于projector的LLM-ASR框架，通过Mixture of Experts (MoE)架构提升多语言泛化能力，并利用Continuous Integrate-and-Fire (CIF)机制实现动态下采样和模态对齐。实验表明该方法在性能上超越了强基线模型。
ASTRA-sim 3.0: Next-Level Distributed Machine Learning Simulations via High-Fidelity GPU and Infrastructure Modeling
William Won et al.
cs.DC cs.LG cs.NI
本文介绍了ASTRA-sim 3.0，一个用于分布式机器学习仿真的开源模拟器，通过细粒度GPU执行模型和标准化基础设施表示InfraGraph提升了仿真保真度，支持对collective communication和网络架构的设计空间探索。
Proportionality from Sampled Approvals
Gregory Kehne
cs.GT cs.DS
本文研究了基于抽样选票的多赢家选举中满足比例性公理（JR）所需的样本复杂度，提出了一种新规则将样本复杂度从\(\tilde O(k^5 \log \frac{m}{\delta})\)降至\(\tilde O(k^{4}\log \frac{m}{\delta})\)，并给出了\(\Omega(k^3)\)的下界。该工作主要关注选举理论中的样本复杂度问题，与关键词中的code、context、spectral等方向无直接关联。
Few-step Generative Models as Lossy Compression
Fuma Kimishima, Jinjia Zhou
cs.CV cs.LG
本文研究了将Few-step Generative Models (如Rectified Flow, CTM, MeanFlow) 作为Lossy Compression codecs的可行性，通过推导所需的后验分布参数，实现了无需重新训练的压缩方案。该方法在低分辨率基准上减少了编解码时间，并在低比特率下提升了图像真实性。
The Distributed Detectability Band Against Marginal-Preserving Attacks
Zhang Qinqin, Gao Yuze
cs.CR cs.AI
本文构造了一种基于Gaussian-copula AR(1)的边际保持分布式破坏攻击，该攻击在保持每步监控分数边际分布与良性行为完全相同的同时，将危害编码在时间相关性结构中。实验表明，针对边际分布的监控器（Monitor A）完全失效（AUC 0.52），而基于时间相关性的监控器（Monitor B）仍能有效检测（AUC 0.79-0.97），从而证明了非空的可检测区间。
Minimum Distortion Quantization with Specified Output Distribution
Aolin Xu
cs.IT cs.AI math.OC math.ST
本文研究了在指定输出分布条件下，最小化均方误差的最优量化器设计问题，推导了最优量化器的形式，并指出当输入或输出为均匀分布时，量化器具有简单形式。该工作主要关注量化理论中的最优性条件，与关键词中的核心概念关联较弱。
Leveraging Social Media Data for COVID-19 Studies
Nur Hafieza Ismail, Nur Shazwani Kamarudin, Nurol Husna Che Rose
cs.SI cs.CL
本文综述了利用社交媒体数据研究COVID-19的相关工作，讨论了用户披露中的语言、视觉和情感指标，并介绍了机器学习、自然语言处理等方法。该文为综述性质，未提出开创性方法或解决长期问题。
Trading Utility for Dynamic Fairness in Multiple Resource Division with Sequential Demand
Kaiqi Jiang et al.
cs.GT cs.LG
本文提出了一种基于神经网络的动态多资源分配机制，通过多目标优化在序列需求下平衡公平性与系统效用，并利用可微损失函数和弹性分配策略实现训练。实验表明该方法在保持公平性的同时显著提升了效用。
Decoupling Thought from Speech: Knowledge-Grounded Counterfactual Reasoning for Resilient Multi-Agent Argumentation
Jakub Masłowski, Jarosław A. Chudziak
cs.MA cs.AI cs.CL
本文提出了一种名为Knowledge-Grounded Counterfactual Reasoning (KG-CFR)的双阶段架构，通过将私有的检索增强规划缓冲与公共执行层解耦，以增强多智能体辩论系统在持续扰动下的稳定性。实验表明，该方法在动态资源分配环境中有效防止了逻辑退化和角色漂移，但主要贡献在于系统韧性而非理论创新，与关键词中的agent概念有一定关联。
Achieving Cloud-Grade SLOs for Local Mixture-of-Experts Inference through CPU-GPU Hybrid Design
Wenxin Wang et al.
cs.DC cs.AI cs.LG cs.NE
本文提出了一种CPU-GPU混合系统，通过流式加载prefill、分布式SLP、节点内prefill-decode分离及AVX-512优化的FP8 GEMV kernel等技术，在消费级CPU-GPU平台上实现了云级MoE模型推理的SLOs，显著提升了吞吐量和并发性能。
Assessing Automated Prompt Injection Attacks in Agentic Environments
David Hofer, Edoardo Debenedetti, Florian Tramèr
cs.CR cs.AI
本文在AgentDojo框架下评估了针对LLM agents的自动化prompt injection攻击，发现黑盒方法（TAP）优于白盒梯度方法（GCG），且攻击效果依赖于攻击者模型的能力和安全调优。
Unsupervised Deep Learning for Limited-Angle STEM-EDX Tomography -- Application to 3D Chemical Analysis of Phase-Change Memory Devices
Daniel del Pozo Bueno et al.
eess.IV cond-mat.mtrl-sci cs.LG physics.ins-det
本文提出了一种基于Deep Image Prior和total variation regularization的无监督深度学习框架（DIP-TV及其多通道扩展DIPm-TV），用于解决limited-angle STEM-EDX tomography中的missing-wedge artefacts和噪声问题。该方法在合成数据和Ge-Sb-Te相变存储器件的3D化学分析中展示了优于传统迭代重建和压缩感知方法的性能。
Accelerating SAV-based optimization via randomized low-rank Hessian approximation
Ryo Sagawa, Daisuke Furihata, Yuto Miyatake
math.OC cs.LG math.NA
本文提出了一种Nyström-enhanced relaxed scalar auxiliary variable method (N-RSAV)，通过随机低秩Nyström近似获取Hessian信息来加速RSAV框架的收敛，并保留了无条件修正能量耗散律。该方法通过特征值截断保证半正定性，并引入自适应策略降低计算成本，在病态问题上比传统RSAV方法收敛更快。
Improving Adversarial Transferability on Vision-Language Pre-training Models via Surrogate-Specific Bias Correction
Lijia Yu et al.
cs.CV cs.AI cs.CR
本文提出DeBias-Attack方法，通过维护主分支和参考分支来修正对抗优化中的surrogate-specific bias，从而提升对抗样本在Vision-Language Pre-training模型间的迁移性。该方法在多个VLP模型和下游任务上验证了有效性。
From Data Heterogeneity to Convergence: A Data-Centric Review of Federated Learning
Huong Nguyen et al.
cs.CR cs.AI
本文从数据视角综述了联邦学习中的数据异质性（non-IID）问题，分析了数据属性、分割协议和防御机制对收敛速度与稳定性的影响，并给出了可操作的实践指导。
Toward Proactive RF Charging Scheduling: Generative AI for Decision Support
Amirhossein Azarbahram et al.
eess.SY cs.LG
本文探讨了生成式人工智能（GenAI）在射频无线能量传输（RF-WPT）调度中的应用，提出GenAI作为不确定性感知的支持层，通过生成多种可能的充电场景来辅助调度决策。
Dexterous Point Policy: Learning Point-based Dexterous Hand Policies from Human Demonstrations
Beomjun Kim et al.
cs.RO cs.CV cs.LG
本文提出Dexterous Point Policy框架，通过从人类视频中提取3D关键点（如手腕和指尖）并训练自回归transformer，实现了无需机器人演示的灵巧操作策略学习。该方法在多种真实机器人任务上达到75%的成功率，显著优于现有VLA基线。
Can Image Models Imagine Time? ImageTime: A Novel Benchmark for Probing Visual World Modeling Through Spatiotemporal Consistency
Xinrui Wu, Lichen Huang
cs.CV cs.AI
本文提出了ImageTime基准，通过四帧关键帧生成任务来评估图像模型在时间序列上的视觉世界建模能力，并利用GPT-5.5进行结构化评分。该工作主要关注图像生成的时间一致性评估，与关键词中的code、spectral、Muon、agent等概念关联较弱。
Profy: Interpretable Visualization of Expertise-Dependent Motor Skills Toward Supporting Piano Practice
Kazuki Kawamura et al.
cs.HC cs.LG cs.SD
本文提出Profy系统，利用弱监督学习从听众评分中提取时间对齐的演奏亮点，以辅助钢琴练习。该系统通过分析1kHz键位运动与音频数据，生成可可视化的证据分数，帮助学习者定位需要改进的段落。
Post-Quantum Secure Federated DeFi for Inclusive Banking
Swati Sachan et al.
cs.CR cs.AI cs.CE q-fin.CP
本文提出了一种后量子安全的联邦DeFi框架，利用格基全同态加密（FHE）实现银行间协作，以改善缺乏金融历史的个人贷款包容性。该框架融合了本地数据、专家意见和地理空间模型证据，并测试于农业贷款场景。
Accounting for AI Inference in Corporate GHG Inventories: A Four-Tier Methodology for Scope 3 Category 1 Reporting
Guillermo Llopis
cs.CY cs.AI
本文针对AI推理服务在企业温室气体清单中的核算问题，提出了一个四层方法论框架，从基于token的物理估算到基于支出的投入产出法，并应用于一家200人的欧洲公司，得出总排放量低于1 tCO2e。该工作主要关注企业碳排放核算的标准化，与关键词中的数学或算法主题无关。
ClusBench: The Clustering Benchmark Data Resource You've All Been Waiting For (?)
David P. Hofmeyr
stat.OT cs.LG
本文介绍了ClusBench，一个包含近3000个合成数据集的聚类基准测试资源，这些数据集源自200多个公开的真实世界数据集，通过拟合灵活的非参数分布来保留真实数据的细微特征。该资源及配套R包可供下载，旨在为聚类方法评估提供更贴近实际的测试环境。
UniDexTok: A Unified Dexterous Hand Tokenizer from Real Data
Dong Fang et al.
cs.RO cs.AI cs.CV
本文提出UniDexTok，一种基于统一灵巧手模型(UDHM)的state tokenizer，将不同构型的灵巧手状态映射到共享的22自由度语义空间，无需重定向或仿真数据即可实现跨构体重建。该方法在重建精度上显著优于现有基线，但与我提供的关键词列表关联度较低。
An adaptive framework for the axisymmetric pulsar magnetosphere using physics-informed Kolmogorov-Arnold networks
Spyros Rigas et al.
physics.comp-ph astro-ph.IM cs.LG
本文提出了一种基于物理信息的Kolmogorov-Arnold网络的轴对性脉冲星磁层自适应求解框架，通过引入领域特定的神经网络架构和自适应训练流程，将PDE残差的均方误差降低至\(O(1e-6)\)量级，并能在20分钟内收敛。该方法解决了传统方法需要手动调参和训练时间过长的问题，但与我提供的关键词列表关联度较低。
Do LLMsMakeNeural Distinguishers Wise?
Tatsuya Sakagami, Masashi Hisai, Naoto Yanai
cs.CR cs.LG
本文探索了使用大型语言模型(LLM)作为neural distinguisher（一种基于机器学习的对称密码分析方法）的可能性，通过在SPECK-32/64上设计prompt进行实验。结果表明，与现有的ResNet方法相比，LLM并未带来可观察的性能提升，且在高轮数下差异选择失效，但引入XOR操作结果作为prompt可显著改善性能。
Efficient AI-Inspired Reduction of Feynman Integrals via Tube Seeding
Justin Berman et al.
hep-ph cs.LG hep-th
本文利用机器学习为Feynman integrals的integration-by-parts约化发现了一种新的种子选取策略，通过将种子限制在连接目标积分与master integrals的薄管状区域，实现了对高次分子多圈积分的高效约化，并展示了在非平面2圈5点积分上的应用。
Using the YOLOv12 Model for Verifying the Correct Color Sequence of Wires in Network Cables (Patch Cords) on the Production Line
Amin Doroodchi, Danial Soleimany
cs.CV cs.AI
本文使用YOLOv12目标检测模型，基于2500张显微镜图像数据集，实现了对网线生产线上线对颜色顺序的自动验证，达到了约98%的检测精度。该方法主要面向工业质检应用，与关键词中的attention机制有一定关联，但整体创新性和领域契合度有限。
++nnU-Net: Scaling nnU-Net with Prefix-Based Data Augmentation
Ana Sofia Santos et al.
eess.IV cs.AI cs.CV cs.LG
本文提出++nnU-Net，通过基于图像配准的两阶段预处理数据增强模块来提升医学图像分割性能，在五个2D数据集上相比基线nnU-Net获得了最高约22%的Dice相似系数提升。该方法主要关注数据增强而非关键词中的code、context、spectral等概念。
Spatial-Omni: Spatial Audio Understanding Integration in Multimodal LLMs via FOA Encoding
Zhiyuan Zhu et al.
eess.AS cs.AI
本文提出Spatial-Omni，通过SO-Encoder将First-Order Ambisonics (FOA) 空间音频作为独立模态注入多模态大语言模型，在不修改原有音频编码器的情况下，以有限的额外context成本提升空间音频理解能力。该方法构建了大规模数据集SO-Dataset和评测基准SO-Bench，实验表明其在空间音频理解任务上优于现有开源模型。
MemVenom: Triggered Poisoning of Multimodal Memories in Web Agents
Yv Zhang et al.
cs.CR cs.LG
本文研究了web agent系统中外部记忆的恶意投毒攻击，提出了MemVenom框架，通过触发条件检索和后检索攻击诱导实现持久性攻击。实验表明该方法在多个agent框架上达到高攻击成功率，但主要关注安全漏洞而非数学理论创新。
Correcting Variable Importance Scored by Random Forests
Guancheng Zhou et al.
stat.ME cs.LG
本文针对Random Forests中变量重要性计算受变量间相关性影响的问题，提出基于条件相关性（conditional on the response variable）对变量进行分组以修正重要性评分的方法，并探讨了两种计算高效的实现方式。实验表明该方法能有效修正变量重要性。
On-sky demonstration of reinforcement learning for adaptive optics control
Jalo Nousiainen et al.
astro-ph.IM cs.LG cs.RO
本文首次在望远镜上演示了基于reinforcement learning的自适应光学控制器PO4AO，并与标准积分控制器进行了对比测试。实验表明该控制器能有效补偿振动并鲁棒应对测量噪声，但主要贡献在于工程实现而非理论创新。
Secure Aggregation with Top-K Sparsification in Decentralized Federated Learning
Hengxuan Tang, Jinbao Zhu, Xiaohu Tang
cs.IT cs.CR cs.LG
本文研究了去中心化联邦学习中的Top-K稀疏化安全聚合问题，提出了一种通信高效的方案，通过离线阶段处理维度相关开销，并使用随机掩码和排列保护私有梯度。实验表明，即使仅使用1%的梯度稀疏化，该方法也能保持与全梯度聚合相当的精度，同时显著降低通信成本。
Recovering the Zipfian Distribution in Unsupervised Term Discovery
Danel Slabbert, Simon Malan, Herman Kamper
eess.AS cs.CL
本文研究了无监督术语发现中的聚类方法，指出K-means等中心聚类方法因归纳偏差导致词汇分布不服从Zipfian分布，而图聚类（使用Leiden算法）能产生更接近Zipfian的分布，在三种语言上优于中心聚类方法。
A Bayesian Network Approach for Enhancing Security-Focused Decision Support Systems
Carolina Fernández-Martínez, Shuaib Siddiqui, Vanesa Daza
cs.CR cs.AI cs.LG
本文提出了一种基于Bayesian Network的决策支持系统，用于帮助基础设施运营商选择安全工具。该系统通过捕获用户对安全三要素的高层需求并进行推理，以提供合适的工具建议。
RedAct: Redacting Agent Capability Traces for Procedural Skill Protection
Shuwen Xu et al.
cs.CR cs.CL
本文针对agent执行轨迹可能泄露私有过程技能的问题，提出了一个名为RedAct的保护性轨迹发布框架，该框架通过定位并改写关键信息来降低技能迁移风险，同时保留审计证据。实验表明该方法能有效将归一化技能迁移率降至无技能基线以下，并实现高精度的行为水印检测。
A Unified Siamese Learning Framework for Zero-Day Anomaly Detection and Classification in Optical Networks
Carlos Natalino, Flávia P. Monteiro, Paolo Monti
cs.NI cs.AI
本文提出了一种基于多相似度Siamese neural network的统一框架，用于光网络中的零日异常检测与单样本分类，无需重新训练即可实现超过99%的准确率并适应新异常类型。
Embodiment-conditioned Generalist Control for Multirotor Aerial Robots
Orestis Konstantaropoulos et al.
cs.RO cs.LG
本文提出了一种基于物理启发的embodiment descriptor（质量与惯性归一化的控制分配矩阵）的通用位置控制策略，能够用单一网络权重控制任意构型的多旋翼无人机。通过Proximal Policy Optimization在多样化的构型分布上训练，实现了零样本迁移到真实世界不同构型系统。
Training LLMs to Enforce Multi-Level Instruction Hierarchies via Gravity-Weighted Direct Preference Optimization
Lena S. Bolliger, Lena A. Jäger
cs.CR cs.CL
本文提出Gravity-Weighted DPO (GW-DPO)方法，用于训练LLM强制执行多级指令层次结构，通过引入基于层级间结构距离的偏好优化目标来缓解提示注入问题。该方法在Llama-3.1-8B-Instruct上相比标准DPO有所改进，但主要关注安全对齐而非关键词中的核心方向。
From Perception to Action: Can UI Interventions Foster Sustainable LLM Chatbot
Nitish Patkar et al.
cs.SE cs.AI cs.HC
本文通过用户调研和原型实验，探讨了在LLM聊天机器人界面中引入可持续性干预措施（如模式切换、能耗反馈）对用户行为的影响，发现这些干预能提升能源意识并促进更节能的交互模式，但主要行为机制是模式切换而非减少提示长度。
LIBERO-Occ: Evaluating and Improving Vision-Language-Action Models under Scene-Induced Occlusion via Viewpoint Imagination
Taishan Li et al.
cs.CV cs.AI
本文研究了场景诱导遮挡对Vision-Language-Action (VLA)模型的影响，并提出了LIBERO-Occ基准和Viewpoint Imagination (VIM)方法，通过生成互补视角来提升模型在部分可观测操作中的鲁棒性。
Sleep EEG Signal Criticality as a Non-Invasive Predictor of Cognitive Decline in Dementia
Stanisław Narębski, Tomasz Komendziński, Tomasz M. Rutkowski
q-bio.NC cs.LG
本文利用Multifractal Detrended Fluctuation Analysis (MFDFA)分析睡眠EEG信号，发现认知健康个体的信号临界性更优，而痴呆风险组在非快速眼动睡眠阶段Hurst指数分布存在显著差异，表明睡眠期间无标度神经动力学的重构可预测认知衰退。该研究为早期筛查提供了潜在的非侵入性生物标志物，但与关键词列表中的概念无直接关联。
Improving Text-Instance Alignment Of Foreground Conditioned Out-Painting Via Customized Concept Embedding
Yihao Zhao et al.
cs.CV cs.AI
本文针对前景条件外绘（FCO）任务中合成背景与前景实例语义混淆（artifacts）的问题，提出了一种定制化概念嵌入扩散（CCE-Diffusion）框架。其核心CCE-Module通过实例感知损失和语义保持提示模板，将通用名词嵌入定制为与特定视觉实例对齐的概念嵌入，从而减少伪影。该方法作为即插即用模块可集成到现有FCO方法中，提升输出质量。
Pose-ICL: 3D-Aware In-Context Learning for Pose-Controllable Subject Customization
Xuan Han, Yihao Zhao, Mingyu You
cs.CV cs.AI
本文提出Pose-ICL，一种无需微调的框架，通过3D感知的In-Context Learning和Surface-Anchored Position Embedding机制，在图像生成中实现了对定制化主体的可控姿态生成。该方法在姿态准确性和身份一致性上优于现有方法。
Human-AI Teaming Through the Lens of Calibration
Eric Nalisnick et al.
stat.ML cs.AI cs.LG
本文从统计校准的角度研究人类-AI团队协作模型，分析了组合预测与任务委派两种框架下的校准性质。理论结果表明现有组合方法无法保持人类的校准程度，而委派方法虽能保持下游预测器的校准，但对决策委派的元模型提出了更高的校准要求。
From Prompt to Purchase: How AI Brand Recommendations Move Consumers on the Open Web
Michael Iannelli, Alan Ai
cs.CY cs.IR
本文通过观察性研究，分析了AI品牌推荐对用户在线行为的影响，发现推荐后用户搜索和访问量增加，但效果受用户已有品牌偏好干扰。研究使用clickstream数据和控制方法分离因果效应，但未涉及code、spectral、Muon等关键词相关技术。
RAT: Reference-Augmented Training for ASV Anti-Spoofing
Vojtěch Staněk et al.
cs.SD cs.AI cs.CR cs.LG
本文提出了一种基于说话人参考录音的spoofing countermeasure架构，但发现模型在推理时会忽略参考信息。作者据此提出Reference-Augmented Training (RAT)策略，通过训练时引入参考通道来提升deepfake检测性能，即使推理时参考缺失或替换为零向量也能获得改进。
Non-linear mechanical field reconstruction coupling recurrent neural networks with physics-informed graph neural networks
Manuel Ricardo Guevara Garban et al.
cs.CE cs.LG physics.comp-ph
本文提出了一种耦合LSTM与物理信息GNN的框架，用于在非线性、历史依赖载荷下重建异质微结构的局部应力场。该方法通过LSTM编码宏观应力-应变序列，并利用GNN重建空间分辨的应力场，实现了比有限元模拟快三个数量级的加速，且能泛化到不同网格类型和分辨率。
Ethical and Technical Limits of Deepfake Speech Datasets
Vojtěch Staněk et al.
cs.SD cs.AI cs.CR cs.LG
本文对39个deepfake语音数据集进行了审计，发现大多数数据集缺乏人口统计元数据，导致公平性评估不可行，且不同数据集间存在底层真实语音语料库的显著重叠，可能削弱跨数据集评估的有效性。
What Do Deepfake Speech Detectors Actually Hear?
Vojtěch Staněk et al.
cs.SD cs.AI cs.CR cs.LG
本文提出了一种基于Integrated Gradients的可解释性pipeline，用于分析deepfake语音检测器在时间对齐的自监督表示上的决策依据。通过对三种WavLM-based detector在ASVspoof 5上的分析，发现不同detector依赖不同的cues，如环境噪声、phoneme artifacts和word boundaries。
Range Penalization: Theoretical Insights with Applications in Federated Learning
Yiyuan She, Zhaojun Hu, Yifan Sun
stat.ML cs.LG math.ST stat.ME
本文提出了一种用于联邦学习的range regularization方法，通过极值聚类（polar clustering）实现跨客户端特征权重的自适应聚类，并给出了非渐近统计精度分析。该方法主要关注线性系统组件的正则化，与关键词中的code、context、spectral等概念关联较弱。
Task Robustness via Re-Labelling Vision-Action Robot Data
Artur Kuramshin et al.
cs.RO cs.LG
本文提出TREAD框架，利用预训练的Vision-Language Models (VLMs)对现有机器人数据集进行重标注，通过生成语义子任务、分割演示视频和产生多样化指令来增强数据，从而提升机器人策略在未见任务上的泛化能力。该方法主要关注机器人操作任务的指令跟随问题，与关键词中的code, spectral, Muon, pretrain, agent, attention等概念关联度较低。
A Constrained Natural-Language Interface for Variational Multi-Physics Finite Element Simulations in FEniCS
Nilay Upadhyay, Wesley F. Reinhart
cs.CE cs.AI cs.LG physics.comp-ph
本文提出了一种受约束的自然语言接口，用于FEniCS中的变分多物理场有限元模拟，将大语言模型限制在前端任务（如解析提示和生成几何代码），而核心求解器模板由人工编写。系统通过确定性调度器匹配五个预置模板，并在基准测试中实现了高解析率和问题分类准确率。
Provenance Tracking in AI Compilers through the Lens of Coalgebra
Zilu Tian, Liying Liu
cs.DB cs.AI
本文提出了一种基于observational semantics的轻量级provenance追踪方法，通过coalgebraic model和bisimulation在AI编译器中对tensor和operator的provenance进行推理，并在原型编译器COVAN中实现了该方法。
Democratising Camera Trap AI: An Open-Source Model for Detecting UK Mammals
Paul Fergus et al.
cs.CV cs.AI cs.LG
本文发布了一个针对英国常见哺乳动物和鸟类的开源目标检测模型（基于YOLO26x），在特定数据集上取得了高精度（mAP 0.984），但方法本身并非开创性，且与关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联较弱。
Generative Explainability for Next-Generation Networks: LLM-Augmented XAI with Mutual Feature Interactions
Kiarash Rezaei et al.
cs.NI cs.AI cs.LG
本文提出一个结合LLM和SHAP的XAI框架，通过结构化prompt引入mutual feature interaction数据，为网络运营生成自然语言解释。在光传输质量估计用例中，该方法在解释有用性和范围上分别提升12.2%和6.2%，正确率达97.5%。
Optimizing 2D Input Representations and Sub-phase Fusion Strategies for Differential Diagnosis of Asthma and COPD Using CNN- and GRU-Based Networks
Ipek Sen, Ozgur Ozdemir, Elena Battini Sonmez
eess.AS cs.AI
本文使用CNN和GRU网络，比较了VAR模型、MFCC矩阵和log-mel频谱图在肺部声音分类中的性能，并优化了2D输入表示和子相位融合策略。研究发现MFCC矩阵优于其他表示，而复杂融合策略和数据增强并未提升诊断效果。
Understanding and mitigating the risks of OpenClaw for non-technical users: A practical guide with Skill
Junchang Zheng, Junfeng Tan, Jialiang Lin
cs.CR cs.AI cs.SE
本文针对OpenClaw AI agent框架对非技术用户的安全风险，识别了七类核心风险并提供了通俗解释与防御策略，同时开发了一个自动化安全配置的Skill工具。该工作主要面向用户安全实践，而非提出新的数学或算法理论。
Diffusion Forcing Planner: History-Annealed Planning with Time-Dependent Guidance for Autonomous Driving
Zehan Zhang et al.
cs.RO cs.AI
本文提出Diffusion Forcing Planner (DFP)，一种基于diffusion的运动规划框架，通过将轨迹分解为历史、当前和未来段并分配独立噪声水平，以解决时序不一致问题。该方法在nuPlan上实现了闭环性能，但未涉及code、spectral、Muon、pretrain或agent等关键词。
Generalized Conformal Predictive Systems Under Distributional Shifts
Jef Jonkers, Johanna Ziegel
stat.ML cs.LG
本文研究了在分布偏移下广义化Conformal Predictive Systems (CPS)的方法，通过引入基于观测的permutation weights来编码分布偏移，从而构建对偏移敏感的预测系统。实验在covariate shift和生物分子设计场景下验证了该方法能产生校准的预测带。
RoboNaldo: Accurate, Stable and Powerful Humanoid Soccer Shooting via Motion-Guided Curriculum Reinforcement Learning
Yichao Zhong et al.
cs.RO cs.AI
本文提出RoboNaldo，一个三阶段运动引导的课程强化学习框架，用于实现人形机器人足球射门。该方法通过从单一人类踢球参考逐步过渡到优化射门性能，在仿真和真实环境中均取得了优于先前工作的射门精度和速度。
Do Transformers Actually Help Intrusion Detection? A Temporal Sequence Evaluation on CIC-IDS2017
Zach Moczkodan, Hany Ragab
cs.CR cs.LG
本文系统评估了多种深度学习架构在CIC-IDS2017数据集上的时序入侵检测性能，发现padding策略（填充方式）和数据集划分协议对模型表现的影响远大于架构本身，Transformer在无泄漏评估下性能显著下降，而随机森林最为稳健。
FADA: Accessible fetal ultrasound interpretation and annotation with a selectively distilled unified vision-language model
Mahmood Alzubaidi et al.
cs.CV cs.AI
本文提出了FADA，一个基于Qwen3.5-VL的统一vision-language模型，通过选择性蒸馏（selective distillation）整合了四个domain-specific foundation models的知识，实现了fetal ultrasound的interpretation、classification、detection和segmentation。该模型可在单张消费级GPU上训练，并在智能手机上离线部署，旨在解决资源受限环境下的产前超声筛查可及性问题。
Multimodal Brain Tumour Classification Using Feature Fusion
Wajih ul Islam et al.
eess.IV cs.CV cs.LG
本文提出了一种双分支多模态网络，将MRI图像与91个radiomic features（放射组学特征）通过concatenation、gated或bidirectional cross-modal attention策略融合，用于脑肿瘤分类。实验表明多模态方法优于单模态基线，但方法本身在融合策略上缺乏显著的开创性。
Designed by Journalists, but Is It for Readers? Rethinking AI Disclosures and Transparency in News
Pooja Prajod
cs.CY cs.AI cs.HC
本文探讨了新闻业中AI披露的透明度困境，发现详细披露反而降低读者信任，而简短披露则造成信息缺口。研究提出以用户自主权为中心的披露设计，但未涉及关键词中的数学或技术方法。
Towards Autonomous Accelerator Design: FPGA Accelerator Generation with SECDA
Vinamra Sharma et al.
cs.AR cs.AI cs.PF
本文提出SECDA-DSE框架，将大语言模型(LLM)集成到SECDA生态系统中，用于引导FPGA加速器的设计空间探索(DSE)。该框架通过结构化DSE探索器与LLM推理引导的结合，自动生成可综合的加速器设计，减少了人工探索时间。
DMT: Demographic Conditioning, Morphology-Enhanced Transformer for Cuffless Blood Pressure Estimation from PPG Signals
Yidan Shen et al.
eess.SP cs.LG
本文提出了一种基于Transformer的PPG信号无袖带血压估计方法，通过FiLM风格的特征调制引入人口统计学条件，并添加辅助形态学头来关注波形形态。该方法在PulseDB数据集上取得了较低的估计误差，但未涉及code、context、spectral、Muon、pretrain或agent等关键词。
Data assimilation for subsurface flow using latent diffusion model parameterization: performance of ensemble-Kalman and Monte Carlo techniques
Guido Di Federico, Wenchao Teng, Louis J. Durlofsky
physics.geo-ph cs.AI cs.LG stat.AP stat.ML
本文比较了使用latent diffusion model (LDM)参数化进行地下流动数据同化的不同算法，包括ensemble smoother with multiple data assimilation (ESMDA)和Markov chain Monte Carlo (MCMC)及Sequential Monte Carlo (SMC)方法。结果表明，在高度非线性的LDM映射下，基于Kalman增益的集合方法可能高估后验不确定性，而由快速代理模型支持的严格Monte Carlo采样能提供更可靠的结果。
Itô maps for any-step SDEs
Zhengkai Pan et al.
stat.ML cs.LG
本文提出了一种名为Itô map的任意步长随机流映射方法，用于学习随机微分方程(SDE)的确定性流映射，从而加速生成模型的采样过程。该方法通过单次前向传递预测未来状态，并提供了推理时控制的新估计器，在合成数据和图像生成基准上展示了良好的性能。
Flaws in the LLM Automation Narrative
George Perrett et al.
stat.OT cs.AI
本文通过一个需要编写计算机代码完成数据分析任务的新型benchmark，比较了前沿LLM与人类专家的表现，发现人类专家在平均表现和性能稳定性上均优于LLM，强调了在benchmark评估中测量方差和误差大小的重要性。
Piper: A Programmable Distributed Training System
Megan Frisella et al.
cs.DC cs.AI
Piper提出了一种可编程的分布式训练系统，通过将并行策略与运行时实现解耦，允许用户使用模型注解和调度指令声明训练策略。该系统利用中间表示(IR)编译设备执行计划，在保持常见策略性能的同时支持更灵活的计算与通信联合调度。
Data Journalist Agent: Transforming Data into Verifiable Multimodal Stories
Kevin Qinghong Lin et al.
cs.CV cs.CL cs.CY cs.HC
本文提出了Data Journalist Agent (Data2Story)，一个多agent框架，将数据新闻的多个专业角色整合到一个虚拟新闻编辑室中，能够生成可验证的多模态故事。该框架通过Inspector模块确保每个声明都有数据或代码支撑，并利用多模态工具生成交互式地图、音频等丰富内容。

- 数据来源 Data Source: arXiv.org

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

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

- 计数基于主学科，不计重数。

- This webpage is automatically generated by bluearXiv-ai.

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

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

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

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

↑