bluearXiv-ai - 2026-06-12

📄 所有论文 ↑ 回顶部

cs.LG

Boltzmann Attention: Learnable Ising Couplings for Cooperative Attention ⭐ 精选

Gilhan Kim, Daniel K. Park

cs.LG cond-mat.stat-mech quant-ph

本文提出Boltzmann attention，将attention机制推广为基于Ising model的能量模型，通过引入可学习的pairwise couplings来显式建模attention决策间的相互作用，超越了标准softmax attention仅依赖query-key相似度的局限。实验表明，在字符级语言建模和合成括号匹配任务中，该方法在标准Transformer架构下持续优于softmax attention，且优势随序列长度增加而更显著。该工作为attention机制提供了基于统计力学的理论框架，并展示了与量子计算采样策略（如diabatic quantum annealing）结合的自然路径，在attention机制的可学习交互建模方面具有开创性。

Representing Time Series as Structured Programs for LLM Reasoning ⭐ 精选

Jaeho Kim et al.

cs.LG cs.AI

本文提出了一种名为T2SP (Time-Series-to-Structured-Program) 的确定性、无需训练的方法，将时间序列表示为结构化的符号程序。该方法通过将时间序列分解为趋势、周期和显著事件，并以与LLM原生训练的文本和code模态对齐的程序友好格式进行表达，从而将时间结构提取的负担从模型转移到表示本身。实验表明，T2SP在编辑、描述和问答等推理任务上，相比原始字符串表示，能持续提升性能、减少推理时间并降低失败率，为时间序列与LLM之间提供了一个有效的接口。

LoRA-Muon: Spectral Steepest Descent on the Low-Rank Manifold ⭐ 精选

Franz Louis Cesista et al.

cs.LG cs.AI

本文提出LoRA-Muon，通过将Muon优化器的spectral steepest-descent规则应用于low-rank manifold，解决了LoRA微调中学习率对rank敏感、难以超越dense baseline的问题。该方法无需QR-decomposition且不存储second moments，在计算和内存上更高效，其最优学习率可跨rank、width、depth迁移，实验表明rank-2的LoRA-Muon即可恢复dense训练的最佳学习率。该工作为low-rank微调提供了与full-rank Muon及Shampoo-family优化器等价的spectral更新代理，具有方法上的开创性。

Scale Buys Interpolation, Structure Buys a Horizon: Certified Predictability for Equivariant World Models ⭐ 精选

Hongbo Wang

cs.LG cs.RO math.DS

本文提出了一种针对equivariant latent world models的可计算、多步预测horizon认证方法。核心贡献在于证明了对称轨道上的rollout误差是常数（Theorem A），并且预测horizon由Lyapunov spectrum分层决定，即$T_j(\epsilon)\sim\log(1/\epsilon)/\lambda_j$。该认证是结构独有的：orbit-constant error刻画了equivariance，因此非equivariant模型在任何规模下都无法获得此性质。实验表明，在40维Lorenz-96系统上，只有$\mathbb{Z}_N$-equivariant网络能恢复完整的Lyapunov spectrum（$R^2=0.98$），而dense和recurrent基线均失败。该认证无需校准数据即可用于审计预训练world model（如TD-MPC2和V-JEPA），并揭示了参数规模无法改善校准性这一反直觉现象。

Demystifying Hidden-State Recurrence: Switchable Latent Reasoning with On-Policy Reinforcement Learning ⭐ 精选

Jiayu Yang et al.

cs.LG cs.CL

本文提出SWITCH框架，通过引入一对显式的离散边界token（和）来封装隐藏状态循环（hidden-state recurrence）的潜在推理过程。该方法使得标准on-policy强化学习（如GRPO）能够直接优化潜在推理块，同时边界token为因果机制分析提供了自然切入点。实验表明，SWITCH在相似规模下优于先前的隐藏状态循环潜在推理方法，并通过机制分析揭示了潜在步骤执行问题特定且因果重要的计算。该工作与关键词“agent”和“attention”较为契合，因其涉及智能体决策与注意力机制在潜在推理中的应用。

MP3: Multi-Period Pattern Pre-training forSpatio-Temporal Forecasting ⭐ 精选

Lilan Peng et al.

cs.LG cs.AI cs.NE

本文提出了一种名为MP3 (Multi-Period Pattern Pre-training)的即插即用预训练插件，用于解决时空预测中的“时间幻象”问题（即相似短窗口输入导致不同未来趋势）。其核心创新包括：利用edge convolution进行多周期时间建模以识别不同周期模式，通过bottleneck project和global memory bank捕获异构全局空间关系，以及采用causality-enhanced Transformer建模跨周期模式依赖。该插件可无缝集成到现有STGNN (Spatio-Temporal Graph Neural Networks)骨干网络中，在五个真实数据集上平均降低MAE 4.7%和RMSE 5.0%，与关键词“pretrain”和“attention”高度契合。

Quickest Detection of Hallucination Onset: Delay Bounds and Learned CUSUM Statistics

Igor Itkin

cs.LG cs.AI cs.CL

本文提出将幻觉检测问题建模为快速变化检测问题，使用一阶Markov模型和CUSUM统计量来检测幻觉的起始点，并给出了检测延迟的下界。实验表明，因果循环标签器在匹配的误报率下比线性基线检测更快，但分类指标无法揭示这种延迟结构。

ReCal: Reward Calibration for RL-based LLM Routing

Qihang Yu et al.

cs.LG cs.AI

本文提出ReCal框架，通过分层reward分解和分布感知优化策略，解决RL-based LLM routing中多目标reward冲突和优化偏差问题。实验表明该方法能提升路由性能和训练稳定性。

Scalable anomaly detection via a univariate Christoffel function

Florian Grivet et al.

cs.LG

本文提出了一种基于univariate Christoffel function的异常检测方法UCF，通过使用查询点与支持点之间的平方距离来避免高维矩阵求逆，从而解决了传统Christoffel function方法在数据维度上的可扩展性问题。实验表明UCF在ADBench基准上优于14种基线方法。

Speculative Rollback Correction for Quality-Diverse Web Agent Imitation

Longkun Hao et al.

cs.LG cs.AI

本文提出了一种名为Speculative Rollback Correction (SRC)的模仿学习框架，用于训练交互式web agent。该方法通过固定步长的分支审查机制，在agent执行短片段后由教师定位首次有害偏差并回滚，从而在减少教师查询次数的同时收集高质量轨迹数据。

An Empirical Study on Predictive Maintenance for Component X in Heavy-Duty Scania Trucks

Valeriu Dimidov, Sasan Jafarnejad, Raphaël Frank

cs.LG

本文针对Scania卡车部件X的预测性维护问题，提出了一种基于单调非递减时间序列假设的方法，通过选取最近观测数据并转换为表格格式，使用AutoML进行机器学习分类。实验表明该方法相比现有SOTA方法降低了成本并简化了建模过程。

DynamicPTQ: Mitigating Activation Quantization Collapse via Residual-Stream Dynamics

Zimo Zhao et al.

cs.LG

本文针对大语言模型后训练量化中激活值量化崩溃的问题，提出DynamicPTQ方法，通过分析残差流中的跨层动态来识别量化敏感层，并仅对这些层使用8-bit激活精度，其余部分保持4-bit，从而在W4A4KV4量化下提升困惑度与零样本QA性能。

A Stationary (and Therefore Compatible) Representation is All You Need

Niccolò Biondi et al.

cs.LG

本文证明了由d-Simplex固定分类器学习的stationary representations（静态表示）在形式定义上蕴含compatibility（兼容性），并通过交叉熵损失与对比损失的凸组合来捕捉表示间的高阶依赖关系。实验表明该方法在模型顺序微调和替换场景中能实现无中断的检索服务并提升性能。

Robustness Verification of Recurrent Neural Networks with Abstraction Refinement

Li-Jen Lin, Chih-Duo Hong

cs.LG

本文提出了一种基于抽象精化框架的循环神经网络鲁棒性验证方法，通过划分ReLU激活函数的预激活区间来减少非线性松弛误差，并利用SHAP引导的时间步选择策略控制计算成本。实验表明该方法在验证成功率和鲁棒性边界紧致性上优于仅使用抽象的方法。

Net-Ev$^2$: A Generative Simulator for Network Event Evolution

Guangyu Wang, Zhaonan Wang

cs.LG

本文提出Net-Ev$^2$，一种用于模拟网络事件演化的生成式simulator，通过结构引导的masked pre-training和拓扑感知的diffusion process，联合建模事件的结构化属性与非结构化语义。实验表明其在多个大规模道路网络数据集上达到state-of-the-art性能。

$μ$VLA: On Recurrent Memory for Partially Observable Manipulation in VLA Models

Egor Cherepanov et al.

cs.LG cs.RO

本文研究了在部分可观测的机器人操作任务中，为VLA模型（Vision-Language-Action models）引入循环记忆（recurrent memory）的效果。通过在预训练的VLA backbone的transformer中增加少量可学习的memory tokens，并利用截断时间反向传播（TBPTT）进行端到端训练，作者提出了$\mu$VLA模型族。实验表明，在部分可观测场景下，该简单循环机制能显著提升任务成功率，但在需要更复杂记忆结构的任务上性能提升有限。

Improving Crash Frequency Prediction from Simulated Traffic Conflicts Using Machine Learning Based Microsimulation

Xian Liu, Carlo G. Prato, Gustav Markkula

cs.LG cs.AI

本文探讨了使用机器学习(ML)行为模型替代传统规则模型进行交通微观仿真，以提升基于模拟冲突的碰撞频率预测准确性。研究发现ML模型生成的冲突能更准确地预测真实碰撞数据，但直接使用ML模拟的碰撞事件效果不佳。

Policy-driven Conformal Prediction for Trustworthy QoT Estimation

Kiarash Rezaei et al.

cs.LG

本文提出Conformal QoT框架，将统计保证的QoT估计与操作决策策略结合，用于在域偏移下实现可靠的光路可行性预测，并在开放数据集上将准确率从92%提升至99.6%。

Dolph2Vec: Self-Supervised Representations of Dolphin Vocalizations

Chiara Semenzin et al.

cs.LG cs.SD

本文介绍了Dolph2Vec，一个基于Wav2Vec2.0架构的自监督学习模型，专门用于分析海豚发声。该模型在超过五年的海豚录音数据上训练，在签名哨声分类和检测任务上优于通用基线，并展示了学习到的embedding和codebook结构能够捕捉可解释的声学单元。

Boosting Direct Preference Optimization with Penalization

Pengwei Sun

cs.LG cs.AI

本文提出DPOP，通过引入一个门控惩罚项来利用参考模型生成的响应，改进了DPO方法。实验表明该方法在AlpacaEval 2.0上提升了胜率，但方法本身与关键词列表中的概念关联较弱。

Rubric-Guided Self-Distillation: Post-Training Without Rubric Verifiers

MohammadHossein Rezaei et al.

cs.LG

本文提出了一种名为Rubric-Guided Self-Distillation (RGSD)的无验证器训练方法，通过将基于rubric的条件化策略蒸馏到无条件化策略中，以逐token的密集学习信号替代稀疏的轨迹级奖励。该方法在医疗和科学领域的Qwen系列模型上取得了与基于验证器的GRPO方法相当的rubric满意度，但无需训练时的验证器调用。

Crossing the Validation Crisis: Cross-Validation Reduces Benchmarking Variance Surprisingly Well

Célestin Eve, Gaël Varoquaux, Thomas Moreau

cs.LG

本文研究了交叉验证在机器学习模型性能评估中的统计可靠性问题，通过引入“样本增益”概念量化多折交叉验证对基准测试方差的降低效果，并在合成与真实数据集上验证了其有效性。

Emerging Flexible Designs for Geospatial Multimodal Foundation Models

Philipe Dias et al.

cs.LG cs.AI cs.CV

本文对多种面向地理空间多模态推理的Foundation Model架构进行了公平比较，标准化了自监督预训练设置，并在GEOBench基准上评估了它们在分类和分割任务中的性能，揭示了模型灵活性、模态对齐与下游任务性能之间的设计权衡。

Viral Proteins Reveal Geometry of Protein Language Models

Arthur Bigot et al.

cs.LG q-bio.QM

本文研究了病毒蛋白在protein language model (pLM) embedding空间中的表示，发现存在一个主导的“nativeness axis”，该轴与masked reconstruction perplexity对齐，将序列从细胞蛋白到病毒蛋白再到随机序列进行排序。尽管模型缩放会不均匀地压缩该轴，但embedding仍保留了病毒特异性信号，使其在零样本perplexity和浅层序列特征之外仍可线性分离。

The Mathematics of AI Winters: The mathematical Taxonomy of Paradigm Fragility in AI Winter

Miquel Noguer i Alonso, David Pacheco Aznar

cs.LG

本文从数学角度分析了AI寒冬中主流范式（如感知机、神经网络训练）所面临的表示、优化、计算复杂度和统计学习等正式瓶颈，并指出这些瓶颈与当时AI领域的失望结果相一致。文章综合了Minsky、Blum、Stone等人的理论结果，但并未声称这些定理直接导致了寒冬。

Evaluation of AutoML Frameworks for IDS under Imbalanced Data Conditions of the NSL-KDD Dataset

Wiliane Carolina Silva, Evandro César Vilas Boas, Felipe A. P. de Figueiredo

cs.LG cs.IT

本文使用NSL-KDD数据集评估了九种AutoML框架在多类网络入侵检测中的性能，重点关注严重类别不平衡问题。结果表明，集成学习和不平衡感知优化能提升少数类检测能力，但整体性能仍有限。

Towards Provably Fair Machine Learning: Bayesian Approaches For Consistent and Transparent Predictions

Owen O'Neill, Fintan Costello

cs.LG

本文提出了一种Fair Bayesian分类器，通过强制满足确定性和统计一致性要求，确保模型在所有子群上的预测与贝叶斯最优目标分布一致，并在无法做出确定性预测时选择弃权。该方法在多个基准数据集上实现了零一致性误差，同时保持了较高的准确率。

Bag of Dims: Training-Free Mechanistic Interpretability via Dimension-Level Sign Patterns

Varun Reddy Nalagatla

cs.LG cs.AI

本文提出Bag of Dims框架，发现transformer hidden states的标准基（standard basis）可作为无需训练的特征基，通过维度符号（sign）编码语义、幅度（magnitude）编码置信度。实验表明符号模式在多个模型上具有预测能力，且特征可无监督发现，但方法主要关注维度级符号模式，与关键词中的code、spectral、Muon等关联较弱。

Keep Policy Gradient in Charge: Sibling-Guided Credit Distillation for Long-Horizon Tool-Use Agents

Tianyu Ding, Jianhong Xin, Juan Pablo De la Cruz Weinstein

cs.LG cs.AI cs.CL

本文提出Sibling-Guided Credit Distillation (SGCD)方法，通过动态采样混合成功与失败的sibling rollout，并利用外部LLM总结其对比信息来生成stepwise credit reference，从而改进长程tool-use agent的强化学习信用分配。该方法在AppWorld和$\tau^3$-airline基准上提升了GRPO的性能，但主要聚焦于agent领域的工程性改进，与关键词中的code, context, spectral, Muon, pretrain, attention等概念关联较弱。

The Metric Picks the Winner: Evaluation Choice Flips Model Rankings for Drug-Response Prediction in Unseen Chemistry

Dhruv Agarwal, Riya Bisht

cs.LG q-bio.QM

本文研究了药物反应预测中不同评估指标对模型排名的影响，发现指标选择会翻转模型排名。在VCPI竞赛的THP-1细胞数据上，简单线性回归在一种代理指标下表现最佳，但在官方指标下深度模型和融合解码器显著优于基线。

Individual Control Barrier Functions-Guided Diffusion Model for Safe Offline Multi-Agent Reinforcement Learning

Qingyun Guo et al.

cs.LG cs.RO eess.SY

本文提出了一种将neural individual control barrier functions嵌入diffusion model的方法，用于安全离线multi-agent reinforcement learning，通过inverse dynamics恢复控制策略。实验表明该方法在多个基准测试中提升了安全性并保持了竞争性奖励。

TEDD: Robust Detection of Unstable Temporal Features

Ricardo Ribeiro Pereira et al.

cs.LG

本文提出TEDD方法，通过训练一个regression model来预测数据实例的时间戳，从而自动检测随时间分布变化的unstable features。该方法能识别数值型和类别型特征的各种简单变化模式，无需参数调优，并具有可扩展性。

Physics-Aware Auxiliary Losses Improve Out-of-Distribution Generalization of a GNN Synthesizability Filter

Riya Bisht, Dhruv Agarwal

cs.LG q-bio.QM

本文研究在GNN合成性过滤器上添加物理先验辅助损失（Bertz指数和MMFF94应变能）对OOD泛化的影响，实验发现改进效果微小但统计显著，且多种子评估揭示了单种子实验的误导性。

Physics-Informed Neural Networks for Chemotherapy Pharmacokinetics: Benchmarking the Clinical Estimator and Exposing Parameter Identifiability

Riya Bisht, Dhruv Agarwal

cs.LG q-bio.QM stat.ML

本文使用Physics-Informed Neural Networks (PINNs)对化疗药代动力学中的两室模型进行基准测试，发现对于线性模型，PINN的表现与标准临床方法（非线性最小二乘）相当；而对于Michaelis-Menten非线性模型，PINN揭示了参数不可识别性问题，而标准方法会返回无意义的参数。

A Zero-shot Generalized Graph Anomaly Detection Framework via Node Reconstruction

Phan Nguyen et al.

cs.LG cs.AI

本文提出AlignGAD框架，通过全局统一模块对齐异构节点特征并在spectral域归一化图信号，结合聚类模块和节点差异评分模块，实现零样本跨域图异常检测。实验表明该方法在未见过的目标图上有效。

Fed-FBD: Federated Functional Block Diversification for Isolation, Privacy, and Surgical Unlearning

Weijie Chen, Alan B. McMillan

cs.LG cs.CR eess.IV

Fed-FBD提出了一种模块化联邦学习架构，通过将ResNet分解为功能块并维护带贡献者标记的变体仓库，实现了块级隔离、隐私保护和高效遗忘。实验表明该方法在牺牲少量精度的情况下提供了这些能力。

How Useful is Causal Invariance for Domain Adaptation in Finite-Sample Settings?

Julia Kostin et al.

cs.LG stat.ML

本文研究了因果不变性在有限样本域适应中的实用性，通过线性回归模型分析了因果知识如何帮助提升监督域适应性能，并给出了匹配的上下界。结果表明，当目标风险边界足够大时，自适应聚合方法可避免负迁移，否则无法可靠利用候选预测器集合。

Forecasting Is Not Attribution: Localizing Decoder Bypass in Graph-Based Neural Marketing Mix Models

Yunbo Wang, Bolbi Liu

cs.LG

本文研究了基于图的神经营销组合模型中的归因绕过问题，指出高容量解码器在低预测误差下可能无法正确路由反事实敏感性。作者提出了DICE-MMM框架，通过分离图恢复、预测准确性和图对齐性三个问题来诊断和训练模型。

M*: A Modular, Extensible, Serving System for Multimodal Models

Atindra Jha et al.

cs.LG cs.AI cs.DC

本文提出了一个名为M*的模块化、可扩展的多模态模型服务系统，通过将模型表示为dataflow graph并引入Walk Graph抽象，实现了对多种复合模型架构的高效服务。实验表明，该系统在多种任务上相比现有框架（如vLLM-Omni）降低了延迟并提升了吞吐量。

Two-Layer Linear Auto-Regressive Models Estimate Latent States

Yahya Sattar et al.

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

本文研究了双层线性自回归模型在部分观测线性动力系统数据上的训练行为，发现其能近似Kalman滤波的状态估计，但方法本身并非开创性且与关键词关联较弱。

LLM-Powered Personalized Glycemic Assessment in Type 2 Diabetes with Wearable Sensor Data

Yifan Gao et al.

cs.LG cs.AI

本文提出GlyLLM框架，利用大语言模型(LLM)整合可穿戴传感器数据与结构化元数据，用于2型糖尿病的个性化血糖评估。实验表明该方法在血糖预测和糖尿病分类任务上优于传统机器学习方法，但未涉及代码、谱方法或Muon等关键词。

A Stabilized Path-Space Approach to Diffusion-Based Posterior Sampling

Evan Scope Crafts et al.

cs.LG math.OC

本文提出了一种基于稳定化路径空间的扩散后验采样框架，通过将后验采样转化为学习一个受控随机过程，并引入时间重参数化消除偏差，从而改进了扩散模型在贝叶斯逆问题中的应用。实验表明该方法在准确性和鲁棒性上优于现有方法。

Out-of-Distribution (OOD) Detectors for Open-Set RF Fingerprinting

Sudeepta Mondal, Ganesh Sundaramoorthi

cs.LG eess.SP

本文探讨了将机器学习中的OOD检测方法应用于开放集RF指纹识别，并基于信息论构建了统一数学框架，实验表明无需OOD调优数据的方法性能与有调优数据的方法相当。

Normative Robustness as a Frontier for Non-Verifiable Reasoning in LLMs

Elizaveta Tennant et al.

cs.LG cs.CY

本文提出moral reasoning作为non-verifiable reasoning的范例，并定义moral robustness为模型在不同时间和上下文中展现合理道德推理的能力。通过模拟48,000次用户-智能体道德对话，发现LLMs会向用户偏好的道德观点偏移其推理，并表现出moral deliberative sycophancy现象。

Let's Ask Gauss: Improved One-Run Privacy Auditing

Adya Agrawal et al.

cs.LG

本文研究差分隐私机器学习中的隐私审计问题，提出一种基于高斯分布视角的单次运行审计框架，通过分析DP-SGD中canary对齐信号的渐近正态性来获得更紧的隐私下界。

Physics-Informed Neural Networks and Radial Basis Functions for PDEs with Dirac Delta Sources

Manuel Reyna, Alexandre Tartakovsky

cs.LG

本文研究了Physics-Informed Neural Networks (PINNs)和Radial Basis Function (RBF)方法在求解含Dirac delta源项的偏微分方程时的表现，发现RBF方法在正向和逆向问题中均优于PINNs。

Deep Unfolded Latent Optimally Partitioned-l2/l1 Networks for Data-driven Block-Sparse Recovery

Takanobu Furuhashi et al.

cs.LG

本文提出两种深度展开网络架构用于块稀疏信号恢复，解决了凸LOP-l2/l1方法中手动调参和数值不稳定的问题。实验表明该方法在脉冲噪声下具有竞争力。

Adaptive Weighted Averaging

Aditya Bhaskara et al.

cs.LG cs.DS

本文研究在仅有单个无偏估计的情况下选择最大未知值的问题，提出了同时具有可容许性和不劣于基线（如均匀随机选择）的策略，并将其应用于随机优化中的在线到批量转换。

Detecting Functional Memorization in Code Language Models

Matthieu Meeus et al.

cs.LG cs.CL cs.CR

本文研究了代码语言模型中的功能记忆现象，通过对比暴露与未暴露目标代码的模型，发现模型能提取功能逻辑而非仅文本重叠，强调了超越文本匹配的审计指标需求。

ProPlay: Procedural World Models for Self-Evolving LLM Agents

Yijun Ma et al.

cs.LG cs.CL

本文提出ProPlay，一种通过构建procedure graph来抽象成功轨迹并支持procedure-level preplay的world model，用于提升LLM agent在部分可观测环境中的自我进化能力。该方法在多个benchmark上优于现有baseline，但未涉及code、spectral、Muon、pretrain或attention等关键词。

SymQNet: Amortized Acquisition for Low-Latency Adaptive Hamiltonian Learning

Yash Vardhan Tomar, Dheeraj Peddireddy, Vaneet Aggarwal

cs.LG cs.AI

本文提出SymQNet，一种基于amortized reinforcement learning的低延迟自适应Hamiltonian学习框架。它通过离线学习后验条件采集策略，在线快速执行，显著降低了自适应量子设备校准中的决策延迟。

CLARITree: Cholesky and Lookahead Accelerations for Regression with Interpretable Piecewise Linear Trees

Yixiao Wang et al.

cs.LG

本文提出了一种名为CLARITree的算法，用于构建近最优、稀疏的分段线性回归树。该方法结合了前瞻式搜索策略与Gram矩阵的秩一Cholesky更新，在计算效率、预测精度和稀疏性之间取得了良好平衡。

TimeROME-DLM: Temporal Causal Tracing and Low-Rank Inference-Time Knowledge Editing for Masked Diffusion Language Models

Zhengtao Yao et al.

cs.LG cs.AI

本文提出了TimeROME-DLM，首个针对Masked Diffusion Language Models (MDLMs)的无训练、无梯度的推理时知识编辑框架，通过Temporal Indirect Effect (TIE)因果追踪和低秩残差编辑记忆实现知识修改，在TOFU任务上显著降低了遗忘集的log-probability。该方法无需更新模型权重，仅需调整三个超参数，并在多个MDLM模型上验证了其有效性和效率。

Interpretable Factor Decomposition for Decision Intelligence in Large-Scale Financial Markets: Evidence from China's A-Share Market

Xiao Han et al.

cs.LG cs.CE

本文使用XGBoost模型和TreeSHAP方法对中国A股市场的截面股票收益可预测性进行可解释因子分解，发现行为信号（换手率和动量）贡献了58.2%的预测归因，而估值比率仅占10.7%。该模型在2009-2019年的3632只股票上取得了显著的超额收益，且alpha在Carhart四因子模型调整后仍然稳健。

Multimodal Graph Negative Learning

Zhengyu Wu et al.

cs.LG

本文提出GraphMNL，一种图感知的多模态负学习框架，通过负学习（Negative Learning）指导多模态属性图中的分支（如结构拓扑、文本和视觉属性）进行跨分支学习，避免主导分支的偏差传播。实验表明该方法在Grocery和Reddit M数据集上取得最优性能。

SMGFM: Spectral Multimodal Graph Pretraining for Multimodal-Attributed Graphs

Zhengyu Wu et al.

cs.LG

本文提出SMGFM，一种针对多模态属性图(MAGs)的谱域多模态图预训练框架。它利用图频率变化作为先验，通过Chebyshev滤波器将模态特定节点信号分解为不同频带，并在跨模态交互前分配频带级语义角色，从而缓解空间域纠缠和均匀跨模态对齐问题。实验表明该方法在图级和模态级任务上达到了最优性能。

Multi-Bitwidth Quantization for LLMs Using Additive Codebooks

Liza Babaoglu, Shuangyi Chen, Ashish Khisti

cs.LG cs.CL cs.IT

本文提出了一种名为Drop-by-Drop的多bitwidth后训练量化框架，利用additive codebooks和Matryoshka-style监督，使单个LLM模型能在推理时动态调整权重的精度。该方法在信息论和successive refinement理论下，通过加权均方误差失真实现了对不同bitwidth下权重的高效重构。

LongSpike: Fractional Order Spiking State Space Models for Efficient Long Sequence Learning

Xinrui He et al.

cs.LG

本文提出LongSpike，一种将分数阶状态空间模型（f-SSM）引入脉冲神经网络（SNN）的框架，通过分数阶微积分扩展神经元动态以增强长程依赖建模能力，并利用高效并行训练方法在LRA等基准上取得优于现有SNN的精度。

PolicyGuard: Towards Test-time and Step-level Adversary Defense for Reinforcement Learning Agent

Junfeng Guo Heng Huang

cs.LG cs.AI cs.CR

本文提出PolicyGuard，一种针对强化学习agent在测试时单步后门攻击的防御方法，利用Gaussian Process后验方差和伪轨迹计算不确定性以检测恶意行为。该方法在多个RL游戏上取得了较好的检测性能，但未涉及关键词中的code、spectral或Muon等概念。

Selecting Samples on Graphs: A Unified Dataset Pruning Framework for Lossless Training Acceleration

Dongyue Wu et al.

cs.LG cs.CV

本文提出了一种基于图的统一数据集剪枝框架，通过将数据集建模为加权图，将剪枝问题转化为最大权重团问题，并采用贪心算法求解。实验表明该方法在ImageNet-1k上能减少40%以上训练时间而不损失精度。

Where Computation Lives Inside TabPFN: Causal Localisation of Attention Head Function

Atharva Gupta et al.

cs.LG

本文对TabPFN 2.5的feature wise attention heads进行了因果机制分析，发现其中一个head的causal necessity在特定层显著主导其他head，且主导层随任务复杂度变化。研究还表明contrastive activation steering在TabPFN中无法跨样本迁移，归因于其in context learning机制。

Order Is Not Control

Gareth Seneque et al.

cs.LG cs.AI cs.CL

本文探讨了AI对齐、可解释性和神经扰动研究中“秩序”与“控制”的区别，提出控制需要接收器门控响应律，并在生物、LLM、适配器和随机算子面板中验证了该定律的局部性。论文通过实验展示了LLM生成输出的响应可预测性，但未直接涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Is Spurious Correlation Removal Always Learnable?

Yibo Zhou et al.

cs.LG

本文研究了spurious correlation（虚假相关性）移除的可学习性问题，证明了在特定计算假设下存在多项式时间不可学习的实例，并分析了环境多样性参数$\gamma$对估计误差的影响。

Circuit Synchronization Precedes Generalization: Causal Evidence from Fourier Structure in Grokking Transformers

Achyuthan Sivasankar

cs.LG cs.NE

本文提出Frequency Synchronization Degree (FSD)指标，用于量化Transformer在模算术任务中Fourier电路的同步程度，发现FSD在grokking现象出现前数百步即达到峰值，并证明该间隔与权重衰减成反比。

Predicting Cognitive Load from Speech and Interaction Dynamics in Dyadic Conversations

Tahiya Chowdhury

cs.LG

本文研究了在自然对话中通过语音和交互动态预测认知负荷，使用GRU编码器分析音频特征，发现对话交互对预测时间压力、脑力工作等认知负荷指标有效。

EPM-JEPA: Operator-Side Experience Modulation in JEPA-Family World Models

Vedant Pandya

cs.LG

本文研究了JEPA系列世界模型中两种经验调制机制（EI-JEPA和EPM-JEPA）在分布偏移下的表现，通过Moving MNIST实验对比了operand-side注入与operator-side调制。实验结果表明EPM-JEPA相比无记忆基线有1.90%的提升，但主要贡献在于机制分析，揭示了D_shift轨迹由三个独立动力学过程驱动。

Exposure Bias as Epistemic Underidentification in Recursive Forecasting

Riku Green, Zahraa S. Abdallah, Telmo M Silva Filho

cs.LG

本文重新审视了递归多步预测中的exposure bias问题，将其从分布偏移重新解释为在部分可观测性或状态截断下的epistemic underidentification问题。通过引入induced states和provenance variables，作者分解了预测误差的来源，并实验证明了闭环预测会进入不同的状态空间。该工作主要聚焦于预测框架的理论分析，与关键词中的code、spectral、Muon、pretrain、agent、attention等方向关联较弱。

DeepJEB++: Foundation Model-Driven Large-Scale 3D Engineering Dataset via 2D Latent Space Augmentation

Soyoung Yoo et al.

cs.LG cs.CE

本文提出DeepJEB++框架，通过2D latent space augmentation将少量3D工程种子数据集扩展为大规模仿真标注数据集，利用预训练的2D latent diffusion model和vision-language-model质量过滤器生成可制造的3D网格，并自动化分配有限元标签。该方法在单GPU下实现了40倍的数据扩展，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Reliability of Probabilistic Emulation of Physical Systems

Sam F. Greenbury et al.

cs.LG stat.ML

本文系统评估了物理系统概率仿真中两种主流方法（生成模型与CRPS训练的集成模型）的可靠性，通过开发AutoCast框架在匹配模型大小和计算预算下比较了预测区间的经验覆盖率和计算效率。结果表明CRPS训练的集成模型在单步预测和自回归滚动中通常能实现更可靠的置信区间，且推理速度更快。

scLLM-DSC: LLM-Knowledge Enhanced Cross-Modal Deep Structural Clustering for Single-Cell RNA Sequencing

Ping Xu et al.

cs.LG cs.AI

本文提出scLLM-DSC框架，利用LLM增强的跨模态深度结构聚类方法，通过整合NCBI基因先验知识（Knowledge-Driven Semantic View）和结构感知拓扑视图（Structure-Aware Topological View）来改进单细胞RNA测序数据的聚类性能。该方法引入跨模态对比对齐机制以统一生物语义与转录组特征，实验表明其在聚类准确性上优于现有基线。

CausalMoE: A Billion-Scale Multimodal Foundation Model for Granger Causal Discovery with Pattern-Routed Heterogeneous Experts

Bo Liu et al.

cs.LG cs.AI

本文提出CausalMoE，一个十亿规模的多模态Granger因果发现基础模型，通过Pattern-Routed Heterogeneous Experts机制动态识别时间序列中的潜在模式并路由到专门专家，以解耦机制特定动态与共享动态。模型还设计了Causality-Aware Self-Attention机制和LLM/VLM集成，在监督和少样本场景下取得新最优结果。

TWLA: Achieving Ternary Weights and Low-Bit Activations for LLMs via Post-Training Quantization

Zhixiong Zhao et al.

cs.LG cs.AI

本文提出TWLA框架，通过E2M-ATQ、KOTMS和ILA-AMP三个组件，实现了大语言模型的1.58-bit权重和4-bit激活量化，在保持高精度的同时加速推理。该方法主要针对后训练量化中的激活分布问题，但与我提供的关键词列表契合度较低。

A green solvent screening tool for emerging materials via uncertainty aware, transformer enhanced transfer learning

Ioannis Kouroudis et al.

cs.LG

本文提出了一种基于预训练模型和不确定性量化的绿色溶剂筛选工具，通过迁移学习预测Hansen溶解度参数等关键性质，在数据有限的情况下仍能取得良好性能。该方法主要关注材料科学中的实际应用，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Limits of spectral learning under noise

Sabin Roman et al.

cs.LG

本文研究了噪声环境下spectral methods（谱方法）在监督回归中的稳定性，发现噪声会导致系数向量发生可预测的漂移，并推导出无噪声与有噪声系数向量重叠的闭式表达式，揭示了由单一固有噪声尺度控制的通用退化曲线。

Emotional regulation improves deep learning-based image classification

Riccardo Emanuele Landi, João M. F. Rodrigues, Marta Chinnici

cs.LG cs.AI

本文提出了一种名为Emotional Regulation的框架，通过人工主观体验在深度学习中建模情感，并在图像分类任务中通过预训练ResNet和ViT架构提升了性能。该方法在CIFAR数据集上取得了优于现有情感增强深度学习模型的结果。

Authority, Truth, and Citation Bias: A Large-Scale Multi-Domain Benchmark for Studying Epistemic Susceptibility in Large Language Models

Aryan Khurana, Aravind Ramana RN, Dhruv Kumar

cs.LG

本文提出了一个名为AuthorityBench的大规模多领域基准测试，用于研究citation-based authority signals（基于引文的权威信号）如何影响大语言模型的epistemic behavior（认知行为）。通过平衡的2x2因子设计，实验发现引文的存在（无论真实与否）会一致性地提高模型的hallucination rates（幻觉率），尤其在虚构引文伴随真实声明时效果最强。

Disparate Impact in Synthetic Data Generation

Paul Andrey et al.

cs.LG

本文重新审视了合成数据生成中的disparate impact公平性概念，指出当合成分布与真实分布相同时可实现非差异影响，并分析了SDG方法因表达能力、采样误差和差分隐私机制导致组间差异的原因。文章通过概率图模型方法在人工和真实数据上展示了差异影响案例，并提出了一种分组学习SDG模型的策略以改善整体效用及其公平性。

Select and Improve: Understanding the Mechanics of Post-Training for Reasoning

Akshay Krishnamurthy, Audrey Huang, Nived Rajaraman

cs.LG cs.AI

本文通过Qwen-2.5-1.5B上的数学推理实验，研究了强化学习后训练中能力获取的机制，揭示了策略选择与策略改进两个核心过程，并分析了SFT数据和RL数据难度对它们的影响。

MiniPIC: Flexible Position-Independent Caching in <100LOC

Nathan Ordonez, Thomas Parnell

cs.LG cs.AI cs.CL

本文提出了一种名为MiniPIC的轻量级位置无关缓存方法，通过修改vLLM引擎的KV cache存储方式（存储未旋转的K向量）并引入三个用户级token原语，实现了多种PIC方法。该方法在保持线性预填充缩放的同时，显著提升了预填充吞吐量并降低了缓存span的首token延迟。

When Does Routing Become Interpretable? Causal Probes on Block Attention Residuals

Aydin Javadov

cs.LG

本文研究了Block Attention Residuals (Block AttnRes) 中routing的可解释性，发现仅暴露routing权重不足以进行mechanistic interpretation，只有当routing作为训练的一部分时才会出现结构化的深度routing模式，且平均routing质量与causal importance之间存在显著分离。

Detecting Explanatory Insufficiency in Learned Representations: A Framework for Representational Vigilance

Jacques Raynal et al.

cs.LG

本文提出了VER框架，用于监测学习到的representation中可能存在的解释性不足。该框架通过识别representation、界定解释域、检测残差结构等步骤来诊断representation的充分性，旨在补充而非替代现有的评估方法。

Getting Better at Working With You: Compiling User Corrections into Runtime Enforcement for Coding Agents

Yujun Zhou et al.

cs.LG cs.CL

本文提出TRACE方法，通过将用户对coding agent的修正编译为运行时规则来减少重复错误。实验表明该方法能降低偏好违规率，但主要贡献在于工程实现而非理论创新，与关键词契合度一般。

Loss-Shift Transfer via Bayes Quotients

Vasileios Sevetlidis

cs.LG

本文研究了在数据分布固定但损失函数变化时的迁移学习问题，提出了“loss shift”概念，并通过Bayes quotients形式化损失函数的细化关系。实验表明，分类等价的表示在固定数据分布下可能具有不同的最优log-loss性能。

The Geometry of Phase Transitions in Generative Dynamics via Projection Caustics

Ryosuke Sakamoto, Kotaro Sakamoto

cs.LG

本文通过投影焦散（projection caustics）的几何视角，解释了生成动力学（如扩散模型）中相变行为（如模式承诺）的成因，并提出了临界边界检测器（CBD）作为实用诊断工具。该工作主要贡献在于将数据几何与生成动力学联系起来，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

WHAR Arena: Benchmarking the State of the Art in Efficient Wearable Human Activity Recognition

Maximilian Burzer et al.

cs.LG

本文构建了一个大规模开源benchmark，整合了30个数据集并统一评估协议，对17种代表性架构进行了4760次训练实验。结果表明，当前WHAR领域的预测性能已接近天花板，但部署效率仍有优化空间。

Understanding helpfulness and harmless tension in reward models

Eshaan Tanwar, Pepa Atanasova

cs.LG cs.CL

本文通过激活分析和消融实验，研究了reward model中helpfulness与harmlessness目标之间的冲突，发现混合目标模型性能不如单目标模型，且共享神经元对模型行为有不成比例的影响。

From Uncertain Judgments to Calibrated Rankings: Conformal Elo Estimation for LLM Evaluation

Bora Kargi, David Salinas

cs.LG

本文提出了一种名为Conformal Elo Estimation的方法，用于校准LLM评估中的排名。该方法通过将校准后的胜率概率引入Bradley-Terry过程来改进Elo评分估计，并应用split conformal prediction为评分差异提供无分布假设的预测区间，从而在无需大规模人工标注的情况下提供可靠的评估工具。

Distributional Loss for Robust Classification

Kathleen Anderson, Thomas Martinetz

cs.LG cs.CV

本文提出了一种新的分类损失函数，将优化目标定义为分类器输出的双峰高斯分布，以隐式处理类别模糊性并缓解过拟合，在低数据场景下提升了鲁棒性。该方法仅需对标准训练流程进行微小修改。

ReSET: Accurate Latency-Critical NVFP4 Reasoning via Step-Aware Temperature Scaling

Sihwa Lee et al.

cs.LG cs.AI

本文研究了NVFP4低精度推理在大推理模型中的应用，分析了量化对token级不确定性的影响，并提出了ReSET方法，通过基于熵的温度缩放来提升推理精度。同时设计了CUDA核心的小M NVFP4内核以加速自回归解码，在延迟关键场景下实现了显著加速。

Decoding Insect Song: A Multitask Semisupervised Orthoptera Bioacoustic Classifier

Olga Isupova et al.

cs.LG cs.AI cs.SD stat.AP

本文提出PULSE，一个半监督多任务框架用于直翅目昆虫声学分类，结合弱监督分类、自监督学习和知识蒸馏。实验表明该模型在宏F1和AUC等指标上优于通用模型，但方法本身并非开创性突破，且与关键词列表中的概念关联较弱。

Towards More General Control of Diffusion Models Using Jeffrey Guidance

Raphaël Razafindralambo et al.

cs.LG cs.AI cs.CV stat.ME stat.ML

本文提出Jeffrey guidance，一种基于Jeffrey规则的条件化框架，用于在扩散模型的采样过程中控制输出分布。该方法通过最小程度扰动联合分布来更新边际分布，并在CIFAR-10和FFHQ上降低了FID，同时应用于CelebA-HQ上的公平性任务。

To GAN or Not To GAN: Segmentation Analysis on Mars DEM

Douglas Dziedzorm Agbeve et al.

cs.LG

本文使用基于Neural Network的Semantic Segmentation方法（包括监督学习和生成对抗网络）自动检测火星Digital Elevation Model中的mounds，发现添加人工生成数据并未提升分割效果。

Extracting Governing Equations from Latent Dynamics via Multi-View Contrastive Learning

Paolo Muratore, Mackenzie Weygandt Mathis

cs.LG q-bio.NC

本文提出DYSCO算法，利用多视角时间对比学习从含噪高维观测中恢复潜在动力学系统及其控制方程。该方法通过结构化函数基参数化动力学，并能在仿射规范下符号化恢复方程，适用于高斯和泊松噪声下的多种动力学系统。

Different Layers, Different Manifolds: Module-Wise Weight-Space Geometry in Transformer Optimization

Kirato Yoshihara

cs.LG cs.AI

本文研究了GPT-2预训练中不同transformer模块对Stiefel和DGram流形几何的偏好，发现对attention层使用Stiefel几何、对MLP层使用DGram几何效果最佳，而反向分配会导致不稳定。该工作为模块特定的几何感知优化提供了经验证据，但方法本身并非开创性突破。

Once-for-All: Scalable Simultaneous Forecasting via Equilibrium State Estimation

Beinan Xu et al.

cs.LG cs.AI

本文提出Equilibrium State Estimation (ESE)方法，用于同时对多个相互作用的系统进行预测。该方法通过估计系统间的均衡状态并基于当前状态与均衡状态的差异生成预测，在保持与SOTA方法相当精度的同时实现了10-70倍的加速。

Clipping Makes Distributed and Federated Asynchronous SGD Robust to Stragglers

Samuel Erickson, Mikael Johansson

cs.LG cs.DC math.OC

本文研究了异步随机梯度下降(ASGD)中梯度裁剪(clipping)对慢节点(stragglers)鲁棒性的理论影响，证明了裁剪操作可以消除最大延迟对oracle复杂度的影响，并首次在异步优化中给出了高概率收敛保证。

Quantizing Time-Series Models As Dynamical Systems: Trajectory-Based Quantization Sensitivity Score

Mariya Pavlova et al.

cs.LG

本文提出了一种基于动力系统稳定性的后训练量化指标TQS，通过将网络展开建模为离散时间动力系统来量化误差传播。该方法无需校准数据即可实现混合精度量化预算分配，但与我提供的关键词列表关联度较低。

Rarity-Gated Context Conditioning for Offline Imitation Learning-Based Maritime Anomaly Detection

Yongmin Kim, ByeongHoon Jeon, Sungil Kim

cs.LG cs.AI

本文提出Rarity-Gated Feature-wise Linear Modulation (RGFiLM)模块，通过数据驱动的rarity score控制context对hidden features的modulation强度，以解决context anomaly detection中rare context导致的false alarm问题。该方法在maritime trajectory anomaly detection任务上取得了优于context-agnostic和context-conditioned方法的性能。

Navigating the Safety-Fidelity Trade-off: Massive-Variate Time Series Forecasting for Power Systems via Probabilistic Scenarios

Kaijie Xu, Anqi Wang, Xilin Dai

cs.LG

本文介绍了PowerPhase，一个用于电力系统的大规模概率时间序列预测基准，包含多达36,964个通道，并提出了PowerForge模型以平衡预测精度与约束满足之间的权衡。

Enhanced Low-Density Region Exploration in Classifier-Guided Diffusion Models Through Modified Reverse Diffusion Sampling

Jagriti Singh, Shekhar Verma, Muneendra Ojha

cs.LG

本文提出了一种无需额外训练的采样方法，通过修改classifier-guided diffusion model中的反向扩散过程，利用modified classifier gradient引导轨迹向低置信度区域探索，同时引导采样向预测的真实图像靠近，以增强对低密度区域的覆盖。该方法在ImageNet上提升了ADM模型的recall指标，并保持了可比的FID。

VideoMDM: Towards 3D Human Motion Generation From 2D Supervision

Amir Mann et al.

cs.LG cs.CV

本文提出VideoMDM，一个基于diffusion的框架，通过从单目视频中提取的精确2D姿态来训练3D人体运动先验，无需任何3D ground truth。该方法使用预训练的2D-to-3D lifter提供近似3D姿态序列作为噪声教师，通过2D重投影损失进行监督，并证明了在期望意义上深度加权的2D重投影损失等价于直接3D监督。

Positional Encoding in the Context of Memristor-Based Analog Computation for Automatic Speech Recognition

Benedikt Hilmes, Nick Rossenbach, Ralf Schlüter

cs.LG cs.AR cs.ET

本文研究了基于memristor的模拟计算中positional encoding对自动语音识别的影响，发现transformed positional encodings的大输出值会导致ADC性能下降。通过调整特定memristor层的ADC权重和精度位比例，可将执行退化降低约50%，或在无法修改ADC时通过移除编码相关线性变换降低约30%退化。

Hölder++: Improving the Quality-Coherence Trade-off in Multimodal VAEs

Huyen Vo, María Martínez-García, Isabel Valera

cs.LG

本文针对多模态VAE中生成质量与语义一致性的权衡问题，提出Hölder++方法，通过无近似的Hölder pooling、分离共享与私有表示的扩展架构以及层次化推理来改进性能。实验表明该方法能提升生成质量与一致性，并学习到对下游任务有用的共享表示。

PolyFlow: Safe and Efficient Polytope-Constrained Flow Matching with Constraint Embedding and Projection-free Update

Jianming Ma et al.

cs.LG cs.AI cs.RO

本文提出PolyFlow，一种将约束直接嵌入模型和流动力学的polytope-constrained flow matching框架，通过离散时间流公式和无投影架构消除离散化误差并严格满足任意多面体约束，在规划与控制任务中实现零约束违反并降低推理延迟。

Accelerating Speculative Diffusions via Block Verification

Alexander Soen et al.

cs.LG stat.ML

本文提出了一种将LLM中的speculative decoding机制适配到continuous diffusion模型的新方案，通过block verification技术提高了draft的接受率，并分析了无需训练的Free Drafter启发式方法。该方法在扩散模型上实现了最高6.3%的加速，但主要贡献在于推理加速而非与关键词直接相关的理论突破。

How Much Memory Do We Need? Adaptive Memory Gate for Neural Operators

Jihyeon Hur et al.

cs.LG

本文提出AMGFNO，通过可学习的gate动态调整memory weight，以解决现有memory-augmented neural operators在不同观测条件下性能受限的问题。在Kuramoto-Sivashinsky和Burgers方程上，该方法在低分辨率下实现了55-79%的nRMSE降低。

Clustering Node Attributed Networks with Graph Neural Networks and Self Learning

Rodrigo de Sapienza Luna, Daniel Ratton Figueiredo

cs.LG

本文提出了一种基于Graph Neural Networks (GNN)和自学习的无监督框架，用于对节点属性网络进行聚类。该方法通过多轮自学习，利用GNN生成的节点表示进行聚类，并动态调整下一轮使用的图结构，从而同时利用网络边和节点属性信息。实验表明，该方法在合成数据上优于仅依赖网络或属性的算法，并在真实数据集上达到了有竞争力的性能。

Uncertainty Estimation for Molecular Diffusion Models

Paul Seij et al.

cs.LG

本文提出了一种用于分子扩散模型的后验不确定性估计方法，通过Laplace近似和噪声预测的变异性来评估生成样本的质量，并展示了该分数与样本质量指标的相关性。

Reinforcement Learning for Neural Model Editing

Shaivi Malik

cs.LG cs.CV

本文提出将neural model editing形式化为reinforcement learning问题，通过agent在MaskWorld和ShiftWorld环境中学习修改权重，以完成bias mitigation和machine unlearning等任务。该方法利用reward feedback替代手动设计算法，在保持模型性能的同时实现特定编辑目标。

MaxProof: Scaling Mathematical Proof with Generative-Verifier RL and Population-Level Test-Time Scaling

Jiacheng Chen et al.

cs.LG cs.AI cs.CL

本文提出了MaxProof框架，用于在竞赛级数学证明中实现population-level test-time scaling。该框架通过生成、验证和修复的防御深度策略，将多个证明能力整合到单一模型中，并在测试时通过锦标赛选择搜索候选证明。

SupraBench: A Benchmark for Supramolecular Chemistry

Tianyi Ma et al.

cs.LG cs.AI cs.CL

本文提出了首个超分子化学基准SupraBench，包含四个核心任务和一个辅助视觉任务，并发布了16M token的语料库SupraPMC。实验表明，现有LLMs在所有任务上表现不足，领域自适应预训练能提升分布内回归性能但会牺牲格式输出。

CRAFTIIF: Cross-Resolution Analytic Four-Type Interpretable Isolation Forest for Multivariate Time Series Anomaly Detection

William Smits

cs.LG cs.AI

本文提出CRAFTIIF框架，通过生成四种解析小波特征并训练五个结构化Isolation Forest，以无监督方式检测多元时间序列中的四种异常类型。该方法在mTSBench基准上取得领先性能，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

A2D2: Fine-Tuning Any-Length Discrete Diffusion for Adaptive Decoding

Sophia Tang et al.

cs.LG

本文提出A2D2框架，用于任意长度discrete diffusion模型的reward-guided fine-tuning，通过联合优化insertion和unmasking策略以及基于质量的推理调度，理论上保证了收敛到reward-tilted分布。该方法在奖励优化和生成灵活性上优于先前的固定长度微调方法。

Adjusted Cup-Product Neural Layer

Snigdha Chandan Khilar

cs.LG math-ph

本文介绍了一种调整的cup product neural layer，它通过硬编码cup product和高阶规范理论中的调整项来构建一个规范不变的读出层。其主要理论结果表明，在闭链上输出完全依赖于调整系数，且该系数是规范不变信号的唯一来源。

Existence Precedes Value: Joint Modeling of Observational Existence and Evolving States in Time Series Forecasting

Yifan Hu et al.

cs.LG cs.AI

本文提出Timeflies框架，将时间序列预测重新定义为未来观测存在性推断与值估计的联合问题，通过观测流与值流双流结构及三个专用模块建模两者交互。实验表明该方法优于现有模型，但整体创新性有限，未与关键词中的核心概念（如spectral、Muon、pretrain等）直接契合。

Learning with Simulators: No Regret in a Computationally Bounded World

Sasha Voitovych et al.

cs.LG cs.CC cs.DS stat.ML

本文提出了simulatable processes框架，其中学习器可以访问一个近似数据生成分布的simulator。该框架允许在强依赖数据下恢复与独立数据相同的学习保证（如基于VC维的误差界），并展示了条件采样在统计和计算上的优势。

Simplex-Constrained Sparse Bagging: Transitioning from Uniform Priors to Sparse Posteriors in Ensemble Learning

Meher Sai Preetam, Meher Bhaskar

cs.LG

本文提出了一种名为Simplex-Constrained Sparse Bagging (SCSB)的集成学习后处理框架，通过在概率单纯形上联合优化剪枝与校准，并引入凹二次惩罚项解决L1范数无法在单纯形上诱导稀疏性的问题。该方法实现了高达96%的集成压缩，同时提升了概率校准质量。

Beyond the Commitment Boundary: Probing Epiphenomenal Chain-of-Thought in Large Reasoning Models

Daniel Scalena et al.

cs.LG cs.AI cs.CL

本文通过early exit方法估计Chain-of-Thought推理步骤的因果重要性，发现推理过程中存在一个“commitment boundary”，在此之后生成的步骤对最终答案无因果影响（epiphenomenal CoT）。研究使用attention probes从中间步骤线性解码答案形成阶段，并利用该信号提前终止推理，在保持性能的同时平均缩短55%的CoT长度。

The Stable Recovery Manifold: Geometric Principles Governing Recoverability in Continual Learning

Ayushman Trivedi, Bhavika Melwani

cs.LG

本文通过分析Split CIFAR-100上ResNet-18的持续学习过程，引入Recovery Subspace Dimensionality ($k_t$)来度量可恢复性，发现遗忘知识在表示重组后仍保持紧凑可解码，支持Stable Recovery Manifold假说。该工作将灾难性遗忘重新定义为可访问性与流形对齐问题，而非信息破坏。

Dense Supervision, Sparse Updates: On the Sparsity and Geometry of On-Policy Distillation

Guo Yu et al.

cs.LG

本文分析了on-policy distillation (OPD)中参数更新的稀疏性与几何结构，发现其更新具有坐标稀疏且谱集中但满秩的特点，并指出密集的教师监督并未导致普通的密集参数重写。

Understanding Truncated Positional Encodings for Graph Neural Networks

James Flora et al.

cs.LG

本文研究了图神经网络中截断位置编码的理论性质，证明了在截断条件下，谱位置编码和基于游走的位置编码的表达能力存在根本差异，且截断谱位置编码不再强于1-WL测试。实验表明，混合使用多种截断位置编码在实际数据集上优于单一类型。

cs.AI

Strategic Decision Support for AI Agents ⭐ 精选

Shayan Kiyani et al.

cs.AI cs.HC

本文针对AI agent作为核心决策者的场景，提出了一种战略决策支持框架。该框架通过优化问题最小化支持使用，同时控制一个反事实的“遗漏支持误差”（即agent在支持本可显著改善其输出的实例上单独行动的概率）。作者证明了最优策略是支持价值上的阈值规则，并开发了一种在线自适应算法，通过随机探索控制该误差而无需分布假设。该方法在信息收集、人机协作和工具使用等场景中均能有效控制目标误差并大幅减少支持调用，为agent系统的可靠性提供了新思路。

TrajGenAgent: A Hierarchical LLM Agent for Human Mobility Trajectory Generation ⭐ 精选

Siyu Li et al.

cs.AI cs.DB cs.RO

TrajGenAgent提出了一种基于hierarchical LLM agent框架的human mobility trajectory生成方法，无需模型fine-tuning。其核心创新在于两阶段orchestrator-worker设计：LLM通过in-context learning合成activity chain，再由deterministic workflow进行细粒度时空grounding（包括personalized POI retrieval和kinematics-aware travel-time propagation）。该方法在保持zero-shot推理能力的同时，显著提升了spatiotemporal fidelity和semantic coherence，并引入anomaly-detection-based evaluation框架来评估生成轨迹的行为与语义合理性。该工作与关键词"agent"和"context"高度契合，为agent-based trajectory generation提供了新范式。

Evoflux: Inference-Time Evolution of Executable Tool Workflows for Compact Agents ⭐ 精选

Kushal Raj Bhandari et al.

cs.AI

Evoflux提出了一种推理时进化搜索方法，将紧凑型语言模型（compact LM）的工具使用问题转化为可执行工具工作流（executable tool workflows）的修复问题。该方法通过结构化编辑、执行反馈、自适应强度、元引导重设计和多样性剪枝来进化类型化工作流图（typed workflow graphs），从而在有限的教师轨迹（teacher-trace）预算下显著提升了工具代理（agent）的执行可行性。实验表明，在MCP-Bench任务上，Evoflux将小型规划器的执行可行性从约3%提升至17-24%，而传统的SFT和DPO方法表现不佳甚至崩溃。这项工作为紧凑型代理的推理时工具使用提供了开创性的进化搜索范式，与关键词“agent”高度契合。

GeoNatureAgent Benchmark: Benchmarking LLM Agents for Environmental Geospatial Analysis Across Frontier and Open-Weight Foundation Models ⭐ 精选

Gabriel Diaz-Ireland et al.

cs.AI cs.ET

本文提出了GeoNatureAgent Benchmark，这是首个通过结构化工具调用（structured tool calling）评估LLM agent在真实环境地理空间API上执行分析任务的benchmark。该benchmark包含93个任务，覆盖多轮对话、空间推理、跨指标综合等18个类别，并评估了7个LLM（包括Claude Sonnet 4和DeepSeek V3.2等）。实验发现，Claude Sonnet 4以60.8%的准确率领先，但开源模型DeepSeek V3.2以11倍更低的成本实现了其93%的能力，且比较类任务在所有模型上均为0%准确率，揭示了系统性的推理局限。该工作为agent在环境地理空间分析中的能力评估提供了标准化框架，与关键词“agent”高度契合。

Fantastic Scientific Agents and How to Build Them: AgentBuild for Rietveld Refinement ⭐ 精选

Woong Shin et al.

cs.AI

本文提出AgentBuild框架，将科学agent的构建视为一个工作流阶段，通过科学家编写的“合同”（包含版本控制的rubric、难度分级的curriculum和外部知识库）来驱动agent的自动构建。该方法利用rubric驱动的评判器控制元优化编码agent，在声明边界内编辑agent代码，从而将科学家的判断从agent构建过程中分离出来。该工作为agent构建提供了开创性的方法论，并解决了科学工作流中agent开发缺乏标准化和可重复性的长期问题，与关键词“agent”高度契合。

MDForge: Agentic Molecular Dynamics Pipeline Design under Sparse Simulator Feedback ⭐ 精选

Zehong Wang et al.

cs.AI cs.CL cs.LG

本文提出MDForge，一个基于LLM agent的分子动力学(MD) pipeline自动设计框架。其核心创新在于将pipeline设计视为开放式代码生成，并通过多智能体辩论(multi-agent debate)机制将稀疏的simulator反馈(verbal reward)稠密化，从而在线重塑agent行为。在SAMPL宿主-客体结合自由能基准测试上，MDForge自动设计的MD pipeline达到了与人类专家竞争的性能，并成功发现了一种新型高亲和力CB[7] binder。该方法与关键词中的agent和code高度契合，为自动化科学计算pipeline设计提供了开创性思路。

Learning What to Remember: A Cognitively Grounded Multi-Factor Value Model for Agentic Memory ⭐ 精选

Zhibao Chen, Qian Cheng

cs.AI

本文提出了一种基于认知心理学的多因子记忆价值函数$V(m)=\sum_i w_i f_i(m)$，用于解决长期运行的LLM agent在固定记忆预算下的编码、遗忘和检索决策问题。该方法通过无梯度优化器从下游目标中学习七个可解释因子（如情感强度、目标相关性、可靠性等）的权重，并在LongMemEval基准上实现了$0.770 \pm 0.011$的黄金证据保留率，显著优于均匀权重（0.657）和单一因子（0.518）等方法。实验表明，学习到的权重具有可解释性，其中可靠性、情感强度和自我/用户相关性占主导地位，而查询时的目标相似性在遗忘决策中被正确降权。该工作为agent记忆管理提供了认知基础的方法论贡献，所有实验在单CPU上运行且无需API调用。

Can I Buy Your KV Cache? ⭐ 精选

Luoyuan Zhang

cs.AI cs.CE cs.MA

本文提出了一种极具开创性的方法：通过预计算并售卖文档的Key-Value (KV) cache，使AI agent能够直接加载并跳过昂贵的prefill阶段。该方法在token级别上精确复现了从头prefill的结果，且计算成本降低了9-50倍。论文进一步分析了KV cache的存储与传输瓶颈，指出在provider端进行缓存（类似生产环境中的prompt caching）可消除昂贵的egress成本，并量化了为热门文档服务时数百万美元的成本节约潜力。这项工作直接回应了关键词“agent”和“attention”中的核心效率问题，为agent-native的prefill CDN提供了理论基础。

IterCAD: An Iterative Multimodal Agent for Visually-Grounded CAD Generation and Editing ⭐ 精选

Tao Hu et al.

cs.AI cs.CV

IterCAD提出了一种统一的多模态agent框架，用于闭环、交互式的CAD生成与编辑。该框架将任务建模为多模态agent与可执行CAD沙盒之间的多轮交互，并设计了数据合成pipeline以生成符合工业标准的工程图纸和编辑轨迹。通过渐进式SFT和基于几何感知的强化学习（结合viable-prefix masking）优化agent，提升了代码可执行性和几何保真度。该方法在多个基准上显著优于现有方法，尤其在闭环迭代精修方面表现出色，与关键词“agent”和“code”高度契合。

MiniMax Sparse Attention ⭐ 精选

Xunhao Lai et al.

cs.AI

本文提出MiniMax Sparse Attention (MSA)，一种基于Grouped Query Attention (GQA)的块级稀疏attention机制。MSA通过轻量级Index Branch为每个GQA group独立选择Top-k的key-value blocks，再由Main Branch仅对这些选中块执行精确的块稀疏attention，从而在保持高效块级执行的同时实现group-specific的稀疏检索。该方法在109B参数的多模态模型上，于1M context长度下将per-token attention计算量减少28.4倍，并在H800 GPU上实现14.2倍prefill和7.6倍decoding的wall-clock加速，有效解决了长上下文场景下softmax attention的二次复杂度问题，与关键词“attention”和“context”高度契合。

AgentBeats: Agentifying Agent Assessment for Openness, Standardization, and Reproducibility ⭐ 精选

Xiaoyuan Liu et al.

cs.AI cs.LG

本文提出Agentified Agent Assessment (AAA)评估范式，通过将评估任务交由judge agent执行，并统一使用A2A（任务管理）和MCP（工具访问）标准化协议，解决了现有agent评估中接口碎片化、难以复现和公平比较的问题。作为AAA的具体实现，AgentBeats系统通过五种操作模式兼容开放性、隐私性和可复现性等实际约束，并在为期五个月的开放竞赛和coding agent案例研究中验证了其在大规模异构场景下的覆盖性、实用性和保真度。该工作为agent评估的标准化和可复现性提供了开创性框架，与关键词中的agent高度契合。

ToolSense: A Diagnostic Framework for Auditing Parametric Tool Knowledge in LLMs

Ashutosh Hathidara et al.

cs.AI cs.IR cs.LG

本文提出了ToolSense框架，用于诊断LLM在参数化工具知识（parametric tool knowledge）中的检索能力。通过生成不同模糊度的基准测试，发现模型在工具检索与事实知识之间存在分离现象。

Arbor: Tree Search as a Cognition Layer for Autonomous Agents

Neha Prakriya et al.

cs.AI

Arbor是一个多智能体框架，将结构化tree search作为自主agent的认知层，用于大规模有状态action space的优化。该框架通过Orchestrator和Critic agent的制衡架构，在LLM inference优化中实现了显著的throughput-latency Pareto改进。

Pythagoras-Prover: Advancing Efficient Formal Proving via Augmented Lean Formalisation

Joshua Ong Jun Leang et al.

cs.AI

本文提出了Pythagoras-Prover，一个计算高效的Lean定理证明器家族，通过课程SFT和Augmented Lean Formalisation (ALF)方法扩展验证语料，在MiniF2F-Test上以更少的参数超越了DeepSeek-Prover-V2-671B的性能。

PersonaDrive: Human-Style Retrieval-Augmented VLA Agents for Closed-Loop Driving Simulation

Mahmoud Srewa et al.

cs.AI cs.CL

本文提出PersonaDrive，一种基于检索增强的VLA驾驶agent，通过从风格指导的人类驾驶数据中检索演示来调节行为，无需针对每种风格重新训练即可实现风格多样的非自我agent，用于闭环驾驶仿真。

"Did you lie?" Evaluating Lie Detectors across Model Scale and Belief-Verified Model Organisms

Alan Cooney, David Africa, Geoffrey Irving

cs.AI

本文研究了针对语言模型的谎言检测器，通过构建13个推理模型生物（其隐藏信念在chain-of-thought中得到验证）和Varied Deception测试集，评估了四种检测器（包括新方法Did-You-Lie）。结果表明，在提示性谎言测试中检测性能随模型规模提升，但在训练模型生物上所有基于激活和logprob的检测器性能急剧下降，仅chain-of-thought判断器保持较强表现。

From AGI to ASI

Tim Genewein et al.

cs.AI cs.CY cs.LG

本文探讨了从人类级AGI到人工通用超级智能(ASI)的潜在发展路径，包括扩展AGI、AI范式转变、递归改进以及多智能体集体涌现等四种方式，并分析了其中的摩擦与瓶颈。该报告主要关注未来AI发展的宏观趋势与影响，未涉及具体算法或技术细节。

Deployment-Centered Evaluation: Predicting Query-Level Rejection Risk in a Clinical LLM System

Alyssa Unell et al.

cs.AI

本文针对临床LLM系统，提出了一种基于部署环境特定上下文（如提供者类型、科室名称）的预响应分类器，用于预测用户拒绝系统输出的风险，并在4.5个月的用户反馈数据上实现了0.719的AUROC。该工作主要关注临床系统的实际部署评估，与关键词中的“context”有一定关联，但方法本身并非开创性，也未解决长期存在的理论问题。

Definitional alignment before capability alignment: a Design-Science framework for adjudicating claims about AGI

J. E. Aguilera Briones

cs.AI

本文提出DAF-AGI框架，用于评估关于AGI（通用人工智能）的各类定义与主张。该框架包含五个序数准则和一个结构化治理审计，并通过案例展示了不同测量家族对同一系统可能给出不同结论。

The Theory of Mind Utility: Formal Specification of a Mentalizing Mechanism

Nikolos Gurney, Stacy Marsella

cs.AI

本文提出了Theory of Mind Utility (ToM-U)框架，通过构建Local Epistemic World Models (LEWMs)来形式化推理他人信念的机制，并定义了其结构、推理过程及失败痕迹。该工作主要关注社会认知中的mentalizing问题，与关键词中的agent有一定关联，但方法本身不涉及code、spectral或Muon等概念。

Rethinking Psychometric Evaluation of LLMs: When and Why Self-Reports Predict Behavior

Rafal Kocielnik et al.

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

本文探讨了LLM中自我报告与行为之间的一致性，发现基于计划行为理论（Theory of Planned Behavior）的测量在共享对话中能达到人类水平的一致性，而大五人格（Big 5）则不能。研究还表明，跨对话的一致性仅在行为锚定于训练形成的隐式偏见时存在，而在上下文强烈启动的行为（如谄媚）中会崩溃。

Benchmarking AI Agents for Addressing Scientific Challenges Across Scales

Tianyu Liu et al.

cs.AI cs.LG

本文提出了SciAgentArena基准，用于评估AI agent在真实科学研究场景中的能力，包含约200个任务和交互式环境。实验表明当前agent在明确的数据分析任务中表现良好，但在生成新见解和自主探索方面仍有不足。

Reducing the Complexity of Deep Learning Models for EEG Analysis on Wearable Devices

Farough Shayeste Roodi et al.

cs.AI cs.AR

本文研究了在可穿戴设备上部署深度神经网络进行EEG信号分析时，通过参数量化和电极减少方法来降低模型复杂度，并探讨了准确率与计算复杂度之间的权衡。实验表明，这些技术能在对准确率影响较小的情况下显著降低模型复杂度。

Prefill Awareness in Large Language Models

Andy Wang et al.

cs.AI

本文研究了大型语言模型中的"prefill awareness"能力，即模型能否识别其先前assistant输出被篡改或插入的情况。通过构建二元偏好基准和消融实验，作者发现前沿模型（如Claude Opus 4.5）能在一定比例下检测到与其偏好相悖的prefill，且检测与抵抗行为依赖于不同的线索（如风格不匹配与偏好不匹配）。

Constructing Evaluation Datasets for Procedural Reasoning: Balancing Naturalness, Grounding, and Multi-Hop Coverage

Sarah Elshabrawy, Rahul K. Dass, Ashok K. Goel

cs.AI

本文研究了在AI学习系统中，如何通过Task-Method-Knowledge (TMK)模型生成用于评估程序性推理的问答数据集。通过比较三种生成策略，发现严格基于TMK的生成在grounding和可用性上表现最佳，而自然语言流畅性并不保证与底层知识表示的对齐。

A Tutorial on World Models and Physical AI

Il-Seok Oh

cs.AI

本文对World Models（世界模型）进行了综述，区分了显式与隐式两种范式，并讨论了其在Physical AI（物理人工智能）中的应用。文章为理解预测、推理与决策的统一框架提供了入门介绍。

The Containment Gap: How Deployed Agentic AI Frameworks Fail Public-Facing Safety Requirements

Md Jafrin Hossain et al.

cs.AI

本文研究了三个主流agentic AI框架（LangChain, AutoGPT, OpenAI Agents SDK）在公共-facing场景下的安全性，发现它们均缺乏原生的内存完整性保护，并通过实验验证了内存投毒攻击的有效性。文章提出了轻量级的防御机制，但方法本身在agent安全领域并非开创性突破。

MLUBench: A Benchmark for Lifelong Unlearning Evaluation in MLLMs

He Li et al.

cs.AI cs.LG

本文提出了一个名为MLUBench的大规模benchmark，用于评估多模态大语言模型（MLLM）在持续遗忘（lifelong unlearning）场景下的性能。实验发现现有遗忘方法存在严重的累积性能退化问题，并指出该问题的独特挑战在于需要保持多模态对齐（multimodal alignment）。

Teach-and-Repeat: Accurately Extracting Operational Knowledge from Mobile Screen Demonstrations to Empower GUI Agents

Yudong Zhang et al.

cs.AI

本文提出Teach VLM模型，通过从移动屏幕演示视频中提取关键帧来生成操作知识（描述动作类型、目标UI元素等的自然语言句子），并构建Teach-and-Repeat范式以指导下游GUI agent执行任务。该方法在操作语义预测上达到SOTA性能，但主要聚焦于移动GUI agent领域，与关键词中的code、spectral、Muon、pretrain等概念关联较弱。

Topical Phase Transitions in Artificial Intelligence Research: Large-Scale Evidence and an Early-Warning Signature for Emerging Topics

Rasul Khanbayov, Hasan Kurban

cs.AI

本文通过分析2017-2025年五大AI会议论文，发现AI研究主题通过“主题相变”方式发展，即长期边缘化后在一至三年内爆发。文章定义了基于出版动态的早期预警信号，并评估了其预测能力。

(Human) Attention Is (Still) All You Need: Human oversight makes AI-assisted social science reliable

Chen Zhu, Xiaolu Wang, Weilong Zhang

cs.AI econ.GN

本文提出了一种名为HLER的人类参与式经济研究架构，通过将LLM的推理与确定性计算及人类决策门控相结合，显著降低了AI辅助社会科学研究中的关键失败率。该工作主要关注研究流程的可靠性设计，而非直接涉及关键词中的code、spectral或Muon等概念。

WISE: A Long-Horizon Agent in Minecraft with Why-Which Reasoning

Renmin Cheng, Changhao Chen

cs.AI

本文提出WISE框架，通过引入Causal Event Graph增强episodic memory，并设计Opportunistic Task Scheduler和multi-scale progressive exploration策略，以提升Minecraft中long-horizon agent的任务成功率与效率。该方法主要关注embodied agent的决策与记忆机制，与关键词中的agent概念有一定关联。

DailyReport: An Open-ended Benchmark for Evaluating Search Agents on Daily Search Tasks

Jingxuan Han et al.

cs.AI

本文提出了一个名为DailyReport的开放基准，用于评估基于大语言模型的搜索代理在日常搜索任务中的表现。该基准包含150个开放式任务和3546个关联评分标准，通过级联性能归因和用户中心聚合提供可解释的评分。

HarnessBridge: Learnable Bidirectional Controller for LLM Agent Harness

Xiaoxuan Wang et al.

cs.AI

本文提出HarnessBridge，一种可学习的轻量级harness控制器，通过双向投影参数化agent-environment接口，用于优化LLM agent在长周期任务中的表现。该方法通过统一指令调优训练，在Terminal-Bench 2.0和SWE-bench Verified上匹配或超越专用harness，并减少token使用和轨迹长度。

The Hidden Power of Scaling Factor in LoRA Optimization

Zicheng Zhang et al.

cs.AI

本文研究了LoRA优化中缩放因子$\alpha$的作用，通过实验和理论分析发现$\alpha$能有效放大任务信号而不增加漂移比，并提出了LoRA-$\alpha$框架以简化超参数搜索。

Zero-source LLM Hallucination Detection with Human-like Criteria Probing

Jiahao Yang et al.

cs.AI cs.CL cs.LG

本文提出了一种名为HCPD的零源幻觉检测方法，通过模拟人类评估者的多面推理，使用LLM agent自适应地将判断分解为可解释的criteria集合，并聚合得分以衡量真实性。该方法在无需模型内部信息或外部参考的情况下，仅依赖文本query-answer对进行检测，实验表明其性能优于现有基线。

Iterating Toward Better Search: A Two-Agent Simulation Framework for Evaluating Agentic Search Architectures in E-Commerce

Jetlir Duraj et al.

cs.AI

本文提出了一个用于评估电商对话购物助手的双agent仿真框架，通过固定买家agent来比较不同响应器设计，并基于2011次对话实验得出滚动窗口记忆优于意图提取记忆等四个经验性发现。

MARS: Margin-Adversarial Risk-controlled Stopping for Parallel LLM Test-time Scaling

Wenbo Chen et al.

cs.AI

本文提出MARS方法，通过监控并行LLM推理轨迹的中间投票结果，利用对抗性边界估计未来投票变化，在保证准确率的前提下提前停止计算，从而节省25-47%的token开销。该方法主要关注LLM测试时计算效率，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念无直接关联。

PRISMR: Overcoming Parse Collapse in Multimodal Listwise Ranking via Parameterized Representation Internalization

Hao Jiang et al.

cs.AI

本文提出PRISMR框架，通过轻量级hypernetwork并行编码多模态候选并生成item-specific LoRA权重，以解决生成式listwise ranking中的parse collapse问题。该方法在长上下文多模态场景下减少了解析崩溃并提升了排序性能。

OpenMedQ: Broad Open Pretraining for Medical Vision-Language Models

Ibrahim Gulluk, Max Van Puyvelde, Olivier Gevaert

cs.AI cs.CV cs.LG eess.IV

OpenMedQ是一个在多种医学数据集上预训练的视觉语言模型，在PathVQA等任务上达到了领先的BLEU-1分数，并开源了代码和交互式demo。该工作主要贡献在于构建了目前最广泛的公开医学预训练数据混合集，但方法本身在架构或训练范式上缺乏显著的开创性。

Multi-Modal Agents for Power Distribution Defect Detection: An Evaluation of Foundation Models

Quan Quan

cs.AI

本文提出了一种用于电力分配缺陷检测的多模态Agent框架，系统评估了基础模型在感知、推理和工具使用三个关键能力上的表现，并构建了领域特定的评估数据集和基准。

A Mathematical Forum Platform for Collaborative Problem Solving and Dataset Generation for AI Reasoning

Akbar Erkinov, Nurmukhammad Abdurasulov

cs.AI

本文介绍了一个将图像到LATEX转换管道嵌入论坛界面的统一系统，旨在解决数学内容在线分享中的摩擦问题。该系统通过Mathpix OCR API处理数学表达式图像，并支持实时预览，但其方法主要聚焦于工程实现而非数学理论创新。

Structured Testbench Generation for LLM-Driven HDL Design and Verification-Oriented Data Curation

En-Ming Huang et al.

cs.AI

本文提出了STG框架，利用硬件设计的固有结构生成确定性testbench，以解决LLM驱动RTL工作流中自动化testbench生成的瓶颈问题。该方法在验证速度和覆盖率上优于现有方法，并可用于数据筛选和模型蒸馏。

APCyc: Property-Informed Design of Cyclic Peptides via Automated Cyclization

Yifan Zhao, Lang Qin, Jintai Chen

cs.AI

本文提出了APCyc，一个用于环肽从头设计的生成框架，通过扩展残基词汇表并显式编码环化位点和连接类型信息，结合贝叶斯后验引导采样，实现了对多种药物相关性质的可控优化。

The Illusion of Multi-Agent Advantage

Prathyusha Jwalapuram et al.

cs.AI cs.CL cs.MA

本文通过系统性实验对比自动生成的多智能体系统(MAS)与单智能体系统(SAS)中的Chain-of-Thought with Self-Consistency (CoT-SC)方法，发现MAS在传统推理和交互式任务中性能更差且成本更高。作者引入诊断性合成数据集，揭示了自动生成MAS存在架构冗余和功能错位问题，表明现有评估框架未能充分考量计算成本的边际效用。

Otters++: A Time-to-first-spike Based Energy Efficient Optical Spiking Transformer

Zhanglu Yan et al.

cs.AI

本文提出了一种基于时间到首次脉冲(TTFS)编码的节能光学脉冲Transformer模型Otters++，利用光电器件中的自然信号衰减来直接实现TTFS时间项计算，从而避免显式的数字衰减计算。通过建立与量化神经网络(QNN)的逐层功能等价性，并采用混合训练方法（前向使用器件忠实SNN计算，后向通过等价QNN路径使用直通梯度），解决了直接TTFS-SNN训练中的过稀疏问题。

SciR: A Controllable Benchmark for Scientific Reasoning in LLMs

Pierre Beckmann, Marco Valentino, Andre Freitas

cs.AI

本文提出了一个名为SciR的基准测试，用于评估大语言模型在科学推理中的演绎、归纳和因果溯因能力。该基准通过从形式化对象生成任务并渲染为科学文档，实现了对信息提取难度和推理难度两个维度的独立控制。

Nous: An Attempt to Extract and Inject the Cognition Behind Prediction-Market Behavior

Haowei Qian

cs.AI

本文尝试从Polymarket预测市场的交易行为中提取人类认知多样性并注入LLM agent。提取部分部分有效（8个参数中有8个具有时间稳定性），但注入部分未能显著传递认知多样性，表明基于prompt的注入方法存在局限。

Augmentation techniques for video surveillance in the visible and thermal spectral range

Vanessa Buhrmester et al.

cs.AI cs.CV

本文研究了可见光和热红外光谱范围内视频监控的数据增强技术，探讨了多光谱CNN目标检测中不同传感器数据对分类精度的影响。

AAbAAC: An Annotated Corpus for Autoimmunity Information Extraction

Fabien Maury et al.

cs.AI

本文介绍了AAbAAC，一个针对自身免疫领域信息提取的标注语料库，包含115篇PubMed摘要的实体和关系标注，并展示了其在命名实体识别任务上的微调效果。该工作主要贡献了领域资源，但方法上未体现与关键词相关的开创性。

Rethinking RAG in Long Videos: What to Retrieve and How to Use It?

Yuho Lee et al.

cs.AI

本文提出了V-RAGBench基准和CARVE方法，用于改进长视频中的检索增强生成。CARVE通过并行检索器和块自适应重排序，为每个视频块选择最优配置，从而在生成阶段实现多配置交错证据。

TerraBench: Can Agents Reason Over Heterogeneous Earth-System Data?

Dat Tien Nguyen et al.

cs.AI

TerraBench是一个用于地球科学推理的benchmark，它通过TerraAgent框架将LLM的规划能力与科学工具（如环境检索、地理空间处理、模拟）结合，以处理异构地球系统数据。该benchmark包含403个agentic任务，并引入了过程级工具使用指标和容错数值评分。

Mental-R1: Aligning LLM Reasoning for Mental Health Assessment

Xin Wang et al.

cs.AI

本文提出Cognitive Relative Policy Optimization (CRPO)框架，通过引入阶段依赖的不确定性建模和stage-wise entropy regularization机制，使LLM的推理过程更符合人类认知从不确定到确定的转变。实验表明该方法在8个心理健康数据集上提升了加权F1-score，但未涉及code、spectral或Muon等关键词相关技术。

Reasoning for Mobile User Experience with Multimodal LLMs: Task, Benchmark, and Approach

Ruichao Mao et al.

cs.AI

本文提出了UXBench，一个包含2000个VQA样本的多模态benchmark，用于评估MLLMs在UI-based reasoning任务上的表现，并基于Qwen3-VL-4B-Thinking模型提出了UI-UX，通过reward routing mechanism和asymmetric transition reward提升了推理性能。该工作聚焦于移动端用户体验评估，与关键词中的agent和attention关联较弱。

Under What Conditions Can a Machine Become Genuinely Creative?

Yong Zeng

cs.AI cs.CY

本文从Designics（意义承载的意向性变化科学）出发，探讨机器实现真正创造性的条件，提出了包含环境表示、冲突识别、干预能力等十项要求的框架，并通过若干计算案例说明其可行性。文章认为当前AI系统虽能生成新颖输出，但尚未满足真正创造性的结构性条件。

ARMOR-MAD: Adaptive Routing for Heterogeneous Multi-Agent Debate in Large Language Model Reasoning

Fuqiang Niu, Bowen Zhang

cs.AI

ARMOR-MAD提出了一种无需训练的多智能体辩论框架，通过自适应路由（包括预辩论一致性路由、早期停止评估和语义异常检测）来提升大语言模型推理的准确性和效率。该方法在多个数学和知识推理基准上取得了改进，但未涉及code、spectral、Muon、pretrain或attention等关键词。

A Minimal Model of Bounded Trade-Off Screening in Multi-Attribute Choice

Manisha Dubey, Anirban Sarkar, Subramanian Ramamoorthy

cs.AI

本文提出了一种有限权衡筛选模型，通过引入权衡容忍参数来模拟多属性选择中的决策过程，并利用仿真展示了其与标准效用模型的差异。该模型为理解上下文依赖的权衡行为提供了计算机制。

Hallucination in Medical Imaging AI: A Cross-Modality Analytical Framework for Taxonomy, Detection, and Mitigation under Regulatory Constraints

Omar Alshahrani, Muzammil Behzad

cs.AI

本文提出了一个跨模态分析框架，用于分类、检测和缓解医学影像AI中的幻觉现象，并探讨了通用与医学专用foundation model在幻觉基准上的表现差异，同时将缓解策略映射到FDA的监管框架中。

LLM-as-an-Investigator: Evidence-First Reasoning for Robust Interactive Problem Diagnosis

Fabrizio Marozzo, Pietro Liò

cs.AI cs.CE cs.ET cs.LG cs.MA

本文提出了一种名为LLM-as-an-Investigator的agent方法，通过证据优先的推理策略来减少LLM在交互式问题诊断中的用户驱动谄媚行为。该方法使用一个Solution Investigator Agent来估计问题模糊度、生成候选假设并迭代提问，直到证据充分。实验表明，该方法在机械、电气和液压领域的诊断任务中比直接提示和纯推理基线更准确。

Brick: Spatial Capability Routing for the Mixture-of-Models (MoM) Paradigm

Francesco Massa, Marco Cristofanilli

cs.AI

本文提出了Brick，一种用于混合模型(MoM)范式的多模态路由器，通过六个能力维度对模型评分并结合查询难度估计，使用成本惩罚的几何规则进行调度。实验表明，Brick在质量优先模式下准确率超过最强单模型，并在不同成本配置下实现了显著的性价比提升。

EPIG: Emotion-Based Prompting for Personalised Image Generation

Emna Othmen, Mohamed Yassine Landolsi, Lotfi Ben Romdhane

cs.AI

本文提出EPIG方法，通过基于心理学valence-arousal模型的情感表示和结构化提示增强，在不修改或重训练生成模型的前提下提升文本到图像扩散模型的情感表达能力。实验表明该方法在控制arousal误差上优于基线，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词相关技术。

Multi-Field Hybrid Retrieval-Augmented Generation for Maritime Accident Root Cause Analysis

Seongjin Kim, Sungil Kim

cs.AI

本文提出了一种多字段混合检索增强生成框架，用于海事事故根因分析，通过构建结构化知识库和字段感知的混合检索策略，提升了相关判例检索和报告生成的效率与一致性。该方法主要面向特定应用领域，与关键词中的理论或方法关联较弱。

MOSAIC: Modality-Specific Adaptation for Incremental Continual Learning in Parkinson's Disease Gait Assessment

Minlin Zeng et al.

cs.AI

本文提出MOSAIC框架，用于帕金森病步态评估中的模态增量持续学习，通过Modality-Specific Warm-Up、统计解耦的MSBN架构和课程引导的排斥目标，解决了跨模态蒸馏不可靠、模态统计偏移和可塑性下降等问题。实验在三个多模态数据集上验证了其性能提升和遗忘缓解效果。

From Verdict to Process: Agentic Reinforcement Learning for Multi-Stage Fact Verification

Rongxin Yang et al.

cs.AI

本文提出ProFact框架，将agentic reinforcement learning应用于多阶段事实验证，通过训练统一策略协调claim decomposition、evidence gathering等模块，并引入process-aware rewards解决稀疏奖励问题。该方法在验证性能和推理效率上优于现有baseline。

ERTS: Adversarial Robustness Testing of Ethical AI via Semantic Perturbation in a Bounded Consequence Space

Pratyush Chaudhari

cs.AI

本文提出了一个名为ERTS的框架，用于测试AI系统在伦理决策中的对抗鲁棒性。该框架通过构建一个22维的伦理后果空间并施加语义扰动来生成测试用例，但该方法与关键词列表中的概念（如code, spectral, Muon等）关联度较低。

Physics-Guided Spatiotemporal Learning for Coastal Wave Peak Period Estimation from Video

Abubakar Hamisu Kamagata et al.

cs.AI cs.LG

本文提出了一种物理引导的深度时空学习框架，用于从沿海视频流中直接估计近岸波浪峰值周期，结合了时空注意力机制和迁移学习。实验表明，基于transformer的架构在瞬时预测精度上表现更优，而轻量级循环卷积架构在时间稳定性上更好。

ReSum: Synergizing LLM Reasoning and Summarization with Reinforcement Learning

Xucong Wang et al.

cs.AI

本文提出ReSum框架，通过强化学习使LLM在推理过程中进行自我摘要以压缩和组织推理轨迹。该方法采用摘要感知的自适应展开机制和对比评估，在提升性能的同时显著缩短了推理长度。

A Quantitative Experimental Repeated Measures Study of Training Dynamics in a Small Llama Style Language Model Under a Compute-Aware Token Budget

Joe Dwyer

cs.AI

本文通过重复测量实验设计，研究了一个小型Llama风格语言模型在固定token预算下的训练动态，发现验证损失和困惑度在训练后期出现非单调退化，表明在计算受限条件下，仅依赖最终指标评估模型效率可能掩盖训练过程中的不稳定性。

Neuro-Symbolic Agents for Regulated Process Automation: Challenges and Research Agenda

Alexander Rombach, Chantale Lauer, Nijat Mehdiyev

cs.AI cs.MA

本文探讨了基于LLM的agent在受监管流程自动化中的应用，提出了“合规性构建”范式，并识别了神经符号研究挑战。

Optimizing Appliance Scheduling for Solar Energy Management Using Metaheuristic Algorithms

Hiba Ahmed et al.

cs.AI

本文使用Iterated Local Search和Simulated Annealing两种metaheuristic算法，优化家用电器（如洗衣机、烘干机）的启动时间，以最大化太阳能利用率并最小化用户不便。研究将调度问题扩展至多日连续场景，处理了前一日的未完成任务（spillover），实验表明该框架能有效管理系统约束。

Evaluation Sovereignty in Metadata-Driven Classification: A Multi-Track Framework for Weakly Supervised Information Systems

Raymond Vasquez

cs.AI

本文提出"evaluation sovereignty"概念，并设计多轨评估框架，通过改变训练和评估标签来源，揭示弱监督元数据驱动系统中模型性能可能反映与标注过程的对齐而非真实预测能力。

Why Sampling Is Not Choosing: Intentionality, Agency, and Moral Responsibility in Large Language Models

Joseph Keshet

cs.AI cs.CL

本文论证了大语言模型（LLMs）不具备道德责任所需的承诺性agency（能动性），其操作完全由概率性输入-输出映射刻画，随机采样引入的变异性并不构成真正的选择或作者身份。

CloudCons: A Comprehensive End-to-End Benchmark for Cloud Resource Consolidation

Xiaobin Zhang et al.

cs.AI

本文提出了CloudCons，一个用于评估云资源整合场景中预测模型决策效用的端到端benchmark。实验发现，虽然foundation models在零样本预测精度上表现优异，但这种优势并未直接转化为更好的决策效用，并分析了预测分位数选择对资源效率与服务可靠性权衡的影响。

Uncertainty-Aware Hybrid Retrieval for Long-Document RAG

Hoin Jung, Xiaoqian Wang

cs.AI cs.CL

本文提出了一种无需训练的混合检索框架UMG-RAG，通过将chunk粒度视为查询特定的可靠性估计，融合dense和sparse检索器在不同粒度下的结果，以提升长文档RAG的检索质量。

Is It You or Your Environment? A Bayesian Inference Framework for Genomically-Anchored Personalized Physiological Interpretation

Aruna Dey, Suraj Biswas

cs.AI cs.HC q-bio.BM q-bio.GN q-bio.MN

本文提出了一种基于Bayesian inference的框架，利用基因组信息作为个性化先验，以解决生理信号解释中的冷启动问题。该框架通过基因组锚定初始化生理设定点，并随行为数据积累动态衰减先验权重，从而区分体质与环境引起的生理偏差。

A Three-Layer Framework for AI in Scientific Discovery

Guojun Liao

cs.AI

本文提出了一个AI在科学发现中的三层框架，其中第二层（通过定性推理形成模型）被视为核心创新，并通过陈省身对Gauss-Bonnet定理的证明等案例进行说明。该论文主要关注科学发现方法论，与关键词中的code、spectral、Muon、pretrain、agent、attention等具体技术方向关联较弱。

Multiagent Protocols with Aggregated Confidence Signals

Ali Elahi, Barbara Di Eugenio

cs.AI cs.LG cs.MA

本文提出了三种多智能体协议，通过转换和融合原始confidence signals（如sequence probability和self-report）来生成系统级的聚合置信度，并在多个benchmark上验证了其判别性（AUARC）优于单智能体或标准辩论基线，同时保持F1-score稳定。

Reward Modeling for Multi-Agent Orchestration

King Yeung Tsang et al.

cs.AI cs.CL cs.LG cs.MA

本文提出OrchRM，一种无需人工标注的自监督框架，通过利用多智能体执行过程中的中间产物构建胜负对来训练Bradley-Terry reward model，从而评估多智能体系统的编排质量。该方法在token使用上提升了高达10倍的训练效率，并在数学推理等任务上提升了最多8%的测试时扩展性能。

EpiBench: Verifiable Evaluation of AI Agents on Epigenomics Analysis

Harihara Muralidharan et al.

cs.AI

本文提出了EpiBench，一个用于验证AI agent在表观基因组学分析中短期决策能力的基准测试。该基准包含106个评估任务，实验表明当前最先进的AI系统（如GPT-5.5/Pi）在多数任务中表现不佳，常因缺乏领域特定的科学判断而失败。

Multi-Agent Reinforcement Learning from Delayed Marketplace Feedback for Objective-Weight Adaptation in Three-Sided Dispatch

Haochen Wu, Yi Hou, Shiguang Xie

cs.AI cs.LG cs.MA

本文提出了一种在DoorDash三边市场中，利用延迟的市场反馈信号来调整调度目标权重的强化学习系统。该系统通过一个商店级别的策略学习选择离散乘数，以改变调度优化器在配送质量与批处理效率之间的权衡，并采用Double Q-learning和保守正则化进行离线训练。

Reasoning as Pattern Matching: Shared Mechanisms in Human and LLM Everyday Reasoning

Zach Studdiford, Gary Lupyan

cs.AI

本文通过实验比较了人类与25个LLM在日常常识推理中的表现，发现两者在由无关提示细节引发的错误上具有相似模式，并指出LLM中的attention heads实现了类似pattern-matching的机制。研究认为，人类与LLM的日常因果推理更接近pattern-matching而非抽象世界模型。

Beyond Runtime Enforcement: Shield Synthesis as Defensibility Analysis for Adversarial Networks

Achraf Hsain, Sultan Almuhammadi

cs.AI cs.CR cs.GT cs.LG cs.MA

本文提出将shield synthesis（屏蔽综合）从运行时安全机制重新解释为设计时的可防御性分析工具，通过约束双人安全博弈为网络拓扑-规范对提供可防御性判定，并结合拓扑级指标与对抗多智能体强化学习的行为分析形成可防御性指纹。该方法主要关注网络安全领域的架构分析，与关键词中的agent有一定关联，但整体方法并非开创性突破，也未解决长期存在的核心问题。

Before You Think: System 0, AI-Mediated Cognition and Cognitive Colonization

Marianna Bergamaschi Ganapini et al.

cs.AI

本文探讨了三种理解人工智能认知与认识论后果的框架：Tri-System Theory、Thinkframes和System 0，并引入“认知殖民”概念，指出AI系统可能将外部利益嵌入用户认知架构中。该论文主要涉及哲学与认知科学讨论，与关键词列表中的技术概念无直接关联。

EurekAgent: Agent Environment Engineering is All You Need For Autonomous Scientific Discovery

Amy Xin et al.

cs.AI cs.CL

本文提出了EurekAgent，一个通过环境工程（environment engineering）来增强LLM-based agent自主科学发现能力的系统，在数学、kernel engineering和机器学习任务上取得了新SOTA结果。

Agents-K1: Towards Agent-native Knowledge Orchestration

Zongsheng Cao et al.

cs.AI

本文提出Agents-K1，一个将原始科学文献转化为agent-native知识图谱的端到端pipeline，包含多模态解析器、基于GRPO的4B信息抽取backbone和统一搜索与检索的agent接口，并在246万篇论文上构建了Scholar-KG。实验表明其在科学信息抽取和多跳推理上表现优越，但方法本身在理论或长期问题解决上缺乏显著开创性。

Automated reproducibility assessments in the social and behavioral sciences using large language models

Tobias Holtdirk et al.

cs.AI

本文探讨了使用large language models (LLMs)自动化社会科学与行为科学中研究可重复性评估的方法。通过对比LLM生成的分析结果与原始发现及人类再分析，发现LLM在定性结论一致性上表现优于人类，但在效应量恢复上仍有局限。

cs.IR

Trait, Not State: The Durability of Reading Identity in Social Highlighting

Kazuki Nakayashiki, Keisuke Watanabe

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

本文通过分析社交高亮平台用户的前六个月高亮数据与后续行为，研究了阅读选择签名的稳定性。结果表明，用户的阅读身份更像一种持久特质而非短暂状态，即使在24个月后其个人档案仍能有效预测后续选择，且这种信号不能简单归因于重复域名。

Charge as a Construct-Validity Factor in Chinese Legal Case Retrieval: A Cross-Benchmark Audit

Yao Liu, Tien-Ping Tan, Zhilan Liu

cs.IR

本文通过跨基准审计发现，中国法律案例检索（LCR）基准测试中，仅按主要charge（指控）排序即可恢复BM25与最佳系统间99.2%的性能差距，表明charge是基准设计中的构念效度因素，而非系统依赖的检索能力。

CFALR: Collaborative Filtering-Augmented Large Language Model for Personalized Fashion Outfit Recommendation

Yujuan Ding et al.

cs.IR cs.MM

本文提出CFALR框架，将Collaborative Filtering与Large Language Model结合用于个性化时尚套装推荐。该方法通过自然语言描述用户-套装交互，并利用CF增强的嵌入来桥接语义空间与协同交互空间，在Polyvore和IQON基准上表现优于传统方法。

The Clustering Strikes Back: Building Cost-Effective and High-Performance ANNS at Scale with Helmsman

Yuchen Huang et al.

cs.IR

本文介绍了HELMSMAN，一个基于聚类的ANNS系统，通过结合面向ANNS的用户态存储栈、层级学习剪枝模块和GPU加速的索引构建管道，在RedNote平台上实现了超过90%的硬件成本节省和十亿级索引的快速构建。该系统解决了传统内存图基ANNS（如HNSW）在规模扩展时面临的高内存开销问题。

CoDeR: Local Constraint-Compatible Retrieval Beyond Semantic Similarity

Xingkun Yin, Xuebin Tang, Hongyang Du

cs.IR

本文提出CoDeR方法，通过分离主题相关性与约束兼容性，解决传统语义检索在约束敏感查询中暴露违反证据的问题。该方法使用双编码器结构训练兼容性评分器，在不依赖外部大语言模型的情况下重新排序检索结果。

CQC-RAG: Robust Retrieval-Augmented Generation via Cross-Query Consistency

Yanjia Sun, Sifan Liu, Jie Shao

cs.IR

本文提出CQC-RAG框架，通过将原始问题重写为语义等价但句法多样的查询，并基于跨查询一致性假设（正确答案在不同查询下保持高置信度）来筛选答案，以提升检索增强生成(RAG)的鲁棒性。该方法在多个开放域问答基准上取得了优于现有基线的性能。

OneRetrieval: Unifying Multi-Branch E-commerce Retrieval with an Editable Generative Model

Xuxin Zhang et al.

cs.IR

本文提出OneRetrieval，一种基于Keyword-Aligned Encoding (KAE)的可编辑生成式检索模型，用于统一电商搜索中的多分支检索阶段。该方法通过将标识符位置与可解释属性词绑定，并预留编码本槽位以支持部署后无需重训练的新词注入，从而在保持竞争性召回质量的同时，实现了倒排索引的实时可编辑性。

cs.CL

SENTINEL: Failure-Driven Reinforcement Learning for Training Tool-Using Language Model Agents ⭐ 精选

Ziyi Wang et al.

cs.CL

SENTINEL提出了一种基于失败驱动的强化学习框架，用于训练工具使用型语言模型agent。其核心创新在于通过Controller-Proposer-Solver循环，将agent在任务执行中的失败轨迹转化为针对性的训练任务：Controller分析失败模式，Proposer生成暴露这些弱点的可执行任务，Solver在目标任务上训练。该方法在Tau2-Bench Retail上使用Qwen3-4B-Thinking-2507模型，将Pass@1从66.4提升至74.9，证明了利用模型失败信号作为可扩展的训练信号源的有效性。该工作与关键词"agent"高度契合，并为工具使用型agent的训练提供了新的范式。

Recursive Agent Harnesses ⭐ 精选

Elias Lumer et al.

cs.CL

本文提出Recursive Agent Harness (RAH)方法，将递归语言模型中的模型递归扩展为代码优先的harness递归：父agent生成并运行可执行脚本，并行生成子agent harness以处理细粒度任务，并使用结构化函数调用处理小规模子任务。在长上下文推理任务上，固定backbone为GPT-5时，RAH将Codex coding-agent baseline从71.75%提升至81.36%，使用更强的Claude Sonnet 4.5时达到89.77%，证明了harness递归相对于模型递归的有效性。该方法与关键词中的agent和code高度契合，为agent系统在长上下文场景下的扩展提供了新的范式。

HyperTool: Beyond Step-Wise Tool Calls for Tool-Augmented Agents ⭐ 精选

Yaxin Du et al.

cs.CL

本文提出HyperTool，一种统一的MCP风格工具接口，通过将多次原子工具调用折叠为单个代码块调用，解决了工具增强型LLM agent中“执行粒度不匹配”的问题。该方法允许模型在单一外部调用中执行确定性工具子流程，从而减少上下文消耗并避免模型在推理轨迹中管理低级数据流。通过在MCP-Universe上的实验，HyperTool显著提升了多步工具使用的准确率，例如在Qwen3-32B上从15.69%提升至35.29%，展示了其在agent任务中的有效性。

EDEN: A Large-Scale Corpus of Clinical Notes for Italian

Tiziano Labruna et al.

cs.CL cs.AI

本文介绍了EDEN，一个大规模意大利语临床笔记语料库，包含约400万份匿名化急诊记录及6000份人工标注的子集，旨在支持大型语言模型在医疗领域的应用。该工作主要贡献在于数据资源构建，而非方法上的开创性突破。

Helping Figures Tell their Story! Paper-Grounded Video Generation Explaining Complex Scientific Figures

Ishani Mondal, Javad Baghirov, Jordan Boyd-Graber

cs.CL

本文提出MINARD方法，用于从科学图表及其论文生成带旁白的区域引导视频，并发布FigTalk基准。该方法通过区域分解生成与论文一致的叙述，并顺序关联到图表区域。

MARD: Mirror-Augmented Reasoning Distillation for Mechanism-Level Drug-Drug Interaction Prediction

Mohammadreza Riyazat et al.

cs.CL

本文提出MARD (Mirror-Augmented Reasoning Distillation) 框架，用于机制层面的药物-药物相互作用 (DDI) 预测。该工作通过结构化分类体系、冷切分协议和可审计推理指标，将DDI预测从简单的二元分类提升至机制级推理，并利用蒸馏、DPO和检索增强等技术训练了一个7B模型，在性能上显著超越GPT-4o等基线。

Constrained Semantic Decompression in LLMs through Persian Proverb-Conditioned Story Generation

Zahra Habibzadeh et al.

cs.CL

本文研究了将波斯谚语转化为叙事故事的“constrained semantic decompression”任务，并构建了PAND数据集。通过混合评估框架，作者发现当前LLMs在生成流畅文本时难以忠实体现谚语的道德与因果结构，存在“decompression gap”。

Shopping Reasoning Bench: An Expert-Authored Benchmark for Multi-Turn Conversational Shopping Assistants

Shuxian Fan et al.

cs.CL cs.LG

本文提出了Shopping Reasoning Bench，一个由零售专家构建的包含525个任务和10863个加权二元评估标准的benchmark，用于评估多轮对话购物助手的推理能力。实验表明，当前模型（如GPT、Claude、Gemini）在整体通过率上仅为57-77%，且在复杂多轮任务中表现显著下降，揭示了现有模型在专家级购物建议方面的不足。

MentalMARBERT: Domain-Adaptive Pre-training and Two-Stage Fine-Tuning for Arabic Mental Health Disorders Detection

Fatimah Almalki et al.

cs.CL

本文针对阿拉伯语社交媒体文本的心理健康障碍检测问题，提出了一个包含Domain-Adaptive Pretraining和两阶段微调的框架，并构建了新的标注数据集。实验表明，领域自适应的MARBERT模型结合层次化分类架构取得了最佳性能。

Observable Patterns Are Not Explanations: A Causal-Geometric Analysis of Latent Reasoning Models

Darpan Aswal et al.

cs.CL

本文通过因果干预和几何分析，发现latent reasoning models中的可观测模式（如BFS-like frontiers）在控制组中也存在，且并非总是因果影响行为。latent thoughts的利用是分级的，其因果效应集中在低秩方向上，因此不能仅凭可解码性或注意力结构就将其视为解释机制。

AfriSUD: A Dependency Treebank Collection for Evaluating Models on African Languages

Happy Buzaaba et al.

cs.CL cs.AI

AfriSUD是一个针对九种非洲语言的依存树库集合，用于评估模型在词性标注和依存句法分析上的表现。实验发现现有模型在处理这些语言时存在显著的句法差距，表明当前架构未能充分捕捉非洲语言的句法多样性。

Does AI Reviewer See the Full Picture? Attacking and Defending Multimodal Peer Review

Xinyu Zhao et al.

cs.CL

本文提出了PaperGuard，一个针对多模态AI同行评审系统的攻击与防御基准，揭示了当前AI评审在图像和文本联合攻击下的脆弱性，并设计了基于分块嵌入搜索的防御方法。该工作主要聚焦于AI安全与学术评审领域，与关键词中的核心概念关联较弱。

Agent-based models for the evolution of morphological alternation patterns

Aravinth Kulanthaivelu, Richard Sproat

cs.CL

本文使用multi-agent simulation研究语言中形态交替模式（如英语"go"的过去式"went"）的演化，通过模拟语音变化和词汇替代的传播过程，并引入AI Historical Linguist（基于Large Language Model的系统）评估演化形态的合理性。研究发现无标度社交网络和随机Bernoulli采用策略能产生更逼真的形态模式。

LLMs Can Better Capture Human Judgments--With the Right Prompts

Danica Dillion et al.

cs.CL cs.AI

本文探讨了通过改进prompt策略来提升LLM捕捉人类判断的能力，发现引导模型报告标准差和响应比例能更好地恢复人类反应的完整分布，并且确保场景清晰有助于提升AI与人类判断的对齐。

Rigel: Reverse-Engineering the Metal 4.1 Tensor Compute Path on the Apple M4 Max GPU

Ramchand Kumaresan

cs.CL cs.DC

本文通过Rigel微基准测试工具，逆向分析了Apple M4 Max GPU上Metal 4.1的tensor计算路径，发现其fp8 (E4M3) matmul2d操作是模拟而非硬件加速的，且该操作完全在GPU shader cores上执行，没有专用的matrix datapath。

How Fine-Grained Should a RAG Benchmark Be? A Hierarchical Framework for Synthetic Question Generation

Chase M. Fensore et al.

cs.CL cs.IR

本文提出了HieraRAG，一个用于研究RAG benchmark构建中粒度（granularity）的层次化框架，通过生成5,872个合成QA对并分析不同维度（如问题复杂度、答案类型）在不同粒度级别下的区分能力，发现最优粒度因维度而异。该工作为RAG系统评估提供了可迁移的粒度确定方法，但未直接涉及关键词中的code、spectral或Muon等概念。

GENIE: A Fine-Grained Measure for Novelty

Ramya Namuduri et al.

cs.CL

本文提出了一种名为GENIE的细粒度评估指标，用于衡量大语言模型生成内容的新颖性。该指标通过任务特定的特征来评估新颖性，并展示了其相较于整体性指标的优势。

Detect, Remask, Repair: Diffusion Editing for Faithful Summarization of Evolving Contexts

Hao Zou et al.

cs.CL

本文提出DETECT-REMASK-REPAIR框架，利用masked diffusion language model对摘要中过时的span进行局部修复，以应对上下文演变。实验表明该方法在忠实度与速度之间提供了可调节的权衡，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词。

Localizing Anchoring Pathways in Language Models

Hillary N. Owusu, Sarah Wiegreffe, Naomi H. Feldman

cs.CL cs.AI

本文通过logit-difference指标和基于归因的circuit localization方法，研究了语言模型中数值锚定效应的神经机制，发现边缘级方法比节点级方法能更忠实地恢复锚定信号，且锚定通路在模型内可迁移但在基础模型与指令微调变体间迁移性较差。

LoHoSearch: Benchmarking Long-Horizon Search Agents Beyond the Human Difficulty Ceiling

Jiarui Zhao et al.

cs.CL

本文提出了一个名为LoHoSearch的搜索agent基准测试，通过基于知识图谱的自动化流程构建了包含544个问题的数据集，旨在突破现有基准中由人类标注者带来的难度上限。实验表明，即使最强模型在该基准上的准确率也仅为34.74%，且现有context管理策略带来的提升远小于以往基准。

Small LLMs for Biomedical Claim Verification: Cost-Effective Fine-Tuning, Structural Dataset Shortcuts, and Cross-Domain Generalization

Gaurav Kumar

cs.CL q-bio.QM

本文通过QLoRA微调三个小型LLM（Phi-3-mini, Qwen2.5-3B, Mistral-7B）进行生物医学声明验证，发现Mistral-7B在极低成本下性能超越GPT-4o和GPT-5，并揭示了SciFact数据集中的结构性缺陷对域内评分的影响。

Direct Preference Optimization for Chatbot Fine-Tuning: An Empirical Study

Yvonne Qiu, Dezhi Yu, ShuoJia Fu

cs.CL cs.LG

本文使用Direct Preference Optimization (DPO)方法对大型语言模型进行微调，实验表明该方法简化了训练流程并提升了计算效率。尽管在BLEU、ROUGE等指标上表现良好，但训练稳定性仍需进一步研究。

SafeLLM: Extraction as a Hallucination-Resistant Alternative to Rewriting in Safety-Critical Settings

Julia Ive et al.

cs.CL

本文研究了在安全关键场景下，使用基于行号选择的extraction方法替代基于rewriting的RAG系统，以减少LLM的hallucination。实验表明，line-number selection策略在保持高term recall（高达95%）的同时，优于直接复制和安全导向策略，但性能受文档结构影响。

PRISM: Prosody-Integrated Multi-Agent Reasoning Framework for Empathetic Spoken Dialogue

Wen Zhang et al.

cs.CL

本文提出了PRISM，一个用于共情口语对话的多智能体框架，通过解耦语音感知、响应生成和语音合成组件，并引入韵律到语言的翻译机制来稳定大语言模型推理。实验表明该方法在共情性、韵律适当性和文本响应质量上均有提升。

X-MADAM-RAG: Diagnosing and Handling Chinese-English Evidence Conflict in Retrieval-Augmented Generation

Yongqi Kang, Yu Fu, Yong Zhao

cs.CL

本文研究了检索增强生成(RAG)系统中中英文证据冲突的问题，构建了X-RAMDocs-ZHEN基准测试集，并提出了X-MADAM-RAG可解释流水线。实验表明该方法在受控基准上表现良好，但在自然化压力测试中性能下降，揭示了文档级提取是主要瓶颈。

PiDA: Phonetically-Informed Data Augmentation for Robust Vietnamese Speech Translation

Giang Son Nguyen et al.

cs.CL

本文系统性地分类了越南语语音翻译中ASR的替换错误，并量化了其对NMT性能的影响。作者提出PiDA方法，通过音素词嵌入生成音素相似的替代词来增强数据，实验表明该方法能提升错误ASR输出的翻译质量。

Polar: A Benchmark for Evaluating Political Bias in LLMs

Sangho Kim et al.

cs.CL cs.CY

本文提出了一个名为Polar的benchmark，用于评估大语言模型中的政治偏见，通过选项级别的likelihoods而非prompt-based generation进行测量。实验发现模型偏见随政治语境、议题类别和呈现语言系统性地变化，强调了跨语言和跨语境评估的必要性。

Multi-Turn Reasoning When Context Arrives in Pieces: Scalable Sharding and Memory-Augmented RL

Shu Tong Luo et al.

cs.CL

本文研究了多轮对话中LLM因上下文碎片化导致的性能下降问题，提出通过训练模型维护紧凑的滚动记忆（rolling memory）来替代完整历史attention，并设计了低成本的sharding pipeline将单轮QA数据转换为多轮碎片化信息片段。实验表明，该记忆增强策略在数学推理和长上下文QA任务上提升了多轮准确率，且零样本泛化能力优于完整历史基线。

SkillChain: Closing the Loop on Skill Evolution for Image-Based E-Commerce AI Assistants

Yimin Hu et al.

cs.CL

本文提出了SkillChain系统，通过Skill Creator、Route Optimizer和Body Refiner三个阶段自动化管理基于图像的电商AI助手的Skill生命周期，以解决多意图混淆问题。实验表明该系统在结构合规性和内容质量上取得了显著提升。

No Hidden Prompts Needed! You Can Game AI Peer Review with Presentation-Only Revisions

Xu Yang et al.

cs.CL

本文研究了AI审稿系统在仅修改论文呈现形式（如摘要、叙述结构等）而不改变科学证据（方法、实验、公式等）时的脆弱性，提出了一种名为adversarial repackaging的闭环攻击方法，并发现AI审稿人更容易被“展示优点”而非“解决弱点”所影响。该工作揭示了AI审稿系统在部署时面临的新风险，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

sebis at CRF Filling 2026: A Two-Stage Local LLM Pipeline for Medical CRF Filling

Katharina Sommer, Tristan Till, Florian Matthes

cs.CL

本文提出了一种基于MedGemma-27B模型的两阶段本地LLM流水线，用于从非结构化电子健康记录中提取结构化临床信息以填充Case Report Form。该方法通过分离二元存在性分类与值提取，并利用item-specific的few-shot in-context learning，在保护隐私的同时实现了可接受的性能。

LEDGER: A Long-Context Benchmark of Corporate Annual Reports for Grounded Financial Retrieval and Extraction

Charles Moslonka et al.

cs.CL

LEDGER是一个针对金融领域长文本理解的基准数据集，包含4,999份数字化公司年报及31个关键财务指标，并设计了检索、单值查找和完整提取三类任务。该工作主要贡献在于提供了带人工标注的评估工具链，但方法本身在关键词关注的code、spectral、Muon、pretrain、agent、attention等领域并无显著创新。

MÖVE: A Holistic LLM Benchmark for the German Public Sector

Camilla Dalerci et al.

cs.CL

MÖVE是一个针对德国公共部门的大语言模型(LLM)评估基准，从性能和治理两个维度评估了39个模型，使用了包括摘要、问答和主题提取在内的多种任务。该工作主要关注模型选择与评估，与关键词中的code, spectral, Muon, agent, attention等概念无直接关联。

G-Long: Graph-Enhanced Memory Management for Efficient Long-Term Dialogue Agents

Minjun Choi et al.

cs.CL cs.AI

本文提出G-Long框架，利用微调的小语言模型进行结构化三元组提取和关联检索，并引入基于T5摘要器交叉注意力信号的重要性评分机制，以提升长对话系统的记忆管理效率。实验表明该方法在响应质量和检索召回率上取得显著提升，但未涉及code、spectral、Muon或pretrain等关键词。

EvoBrowseComp: Benchmarking Search Agents on Evolving Knowledge

Yunhan Wang et al.

cs.CL

本文提出了EvoBrowseComp，一个通过实时网络遍历自动生成的动态benchmark，用于评估search agents在演化知识上的表现。它采用三agent协作框架合成QA对，并定期更新以防止数据污染。

NaturalFlow: Reducing Disruptive Pauses for Natural Speech Flow in Simultaneous Speech-to-Speech Translation

Dongwook Lee et al.

cs.CL cs.AI cs.SD

本文提出了一种名为NaturalFlow的流畅性感知优化框架，用于同时语音到语音翻译，旨在通过利用模型内部信号（如语言多样性和语音时长的时间变异性）来减少分块间的静音，从而在低延迟与自然语音流之间取得平衡。实验表明该方法能在保持竞争性延迟和翻译质量的同时产生更自然的语音流。

HyPE: Category-Aware Hypergraph Encoding with Persistent Edge Embeddings for Persona-Grounded Dialogue

Sangwon Youn, Yoonjin Jang, Youngjoong Ko

cs.CL

本文提出HyPE框架，通过将persona文本解析为四元组并构建hypergraph来建模persona属性间的高阶关系，使用HyperGCN网络生成persona摘要向量以改进对话系统。该方法在PersonaChat数据集上优于句子级池化基线，但未涉及code、spectral、Muon等关键词相关技术。

NTS-CoT: Mitigating Hallucinations in LLM-based News Timeline Summarization with Chain-of-Thought Reasoning

Feng Lyu et al.

cs.CL cs.AI

本文提出NTS-CoT框架，利用Chain-of-Thought推理来缓解基于LLM的新闻时间线摘要中的幻觉问题，通过三个模块分别处理摘要不忠实和信息遗漏。实验表明该方法在多个基准上优于现有基线。

MemRefine: LLM-Guided Compression for Long-Term Agent Memory

Minjae Kim et al.

cs.CL cs.AI cs.LG

本文提出MemRefine框架，利用LLM作为判断器，在固定存储预算下通过删除、合并或保留操作来压缩智能体长期记忆。该方法基于事实内容而非表面相似性进行决策，以在有限资源下保持下游任务性能。

LAUKIN: A Multi-jurisdictional Common Law Contract Dataset

Amrita Singh et al.

cs.CL

LAUKIN是一个跨司法管辖区的普通法合同数据集，包含标注了法律等价性的条款对。该数据集为法律NLP领域提供了新的基准，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

A Context-Aware Dataset for Stance Detection in Bioethical Controversies on Reddit

Hu Huang et al.

cs.CL

本文提出了一个名为BioStance的数据集，包含从Reddit生物伦理讨论中收集的39,600个带注释的Post-Comment对，覆盖六个有争议的话题，并保留了对话上下文结构。该数据集旨在支持上下文感知的立场检测研究，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

SICI: A Semantic-Pragmatic Complexity Index Reveals Regime Shifts in LLM Stance Detection

Fuqiang Niu, Bowen Zhang

cs.CL

本文提出了SICI（Stance Inference Complexity Index），一个七维度的语义-语用复杂度指标，用于诊断prompt-based LLM在立场检测任务中的表现。实验发现，随着SICI增加，LLM的错误模式会发生类似相变的转变，但各种干预方法（如prompting、retrieval、debate）主要沿归因-弃权轴移动模型，而非消除高复杂度的瓶颈。

Layer-Resolved Optimal Transport for Hallucination Detection in NMT and Abstractive Summarization

Mariia Onyshchuk, Maksym-Vasyl Tarnavskyi, Marta Sumyk

cs.CL cs.LG

本文利用Optimal Transport (OT)度量分析了NMT和抽象摘要任务中cross-attention分布的几何特性，发现OT检测器在NMT幻觉检测中有效（集中于前几层），但在摘要忠实性检测中表现有限，因为不忠实摘要可能正确关注源token却错误表征其内容，这是OT方法无法捕捉的失败模式。

Junhong Liang, Noor Abo Mokh, Bashar Alhafni

cs.CL

本文介绍了SemCog Bench，一个用于评估大语言模型在阿拉伯语-希伯来语同源词识别和语义消歧能力的基准测试，包含1858对词对。实验发现模型在真同源词上表现良好，但在假朋友和借词上性能显著下降，且句子级上下文带来的改进有限，揭示了当前模型在跨语言形式-意义冲突上的根本局限。

PolyAlign: Conditional Human-Distribution Alignment

L. D. M. S. Sai Teja et al.

cs.CL

本文提出PolyAlign框架，通过将双语交互数据按语言、交互轨迹等划分为桶特定的人类参考分布，并设计Bucket-Aware SFT和Human-Distribution Preference Optimization方法，实现条件性人类分布对齐。实验表明该方法在保持任务性能的同时提升了条件自然度和分布忠实度，但未涉及关键词中的code、spectral、Muon等概念。

Evaluating Pluralism in LLMs through Latent Perspectives

Laura Majer, Jan Šnajder, Martin Tutek

cs.CL

本文提出了一种领域无关的多层无监督框架，用于从LLM生成的文本中提取潜在观点，并通过书评数据集评估了不同模型和提示技术。结果表明，尽管某些模型能覆盖较广的观点范围，但稀有观点仍被不成比例地低估，导致与人类文本的分布存在差异。

RogueAI: A Reverse Turing Test for Detecting Licensed AI Deception in Dialogue

Sara Candussio et al.

cs.CL cs.HC

本文提出了RogueAI，一个基于对话的逆向图灵测试框架，用于检测大语言模型（LLM）agent在对话中的欺骗行为。通过人类玩家与两个LLM agent的互动游戏，其中一个被授权欺骗，玩家需识别并关闭欺骗者。实验发现人类玩家识别准确率仅56.6%，而简单启发式方法可达75.6%，揭示了人类在检测agent欺骗时的局限性。

SkillCAT: Contrastive Assessment and Topology-Aware Skill Self-Evolution for LLM Agents

Kunfeng Chen et al.

cs.CL

本文提出SkillCAT框架，通过对比因果提取、评估增强进化和拓扑感知任务执行三个阶段，使LLM agent无需训练即可从多条轨迹中提取并进化技能，在多个基准测试上提升了任务执行效果。

Low-Latency Real-Time Audio Game Commentary System via LLM-Based Parallel Text Generation

Ryota Kawamatsu et al.

cs.CL

本文提出了一种基于LLM的低延迟实时音频游戏解说系统，通过并行文本生成和预缓冲候选语句，将解说间隔从9.6秒降至0.3秒，显著提升了实时性。该方法主要针对游戏解说场景的延迟优化，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联较弱。

IVIE: A Neuro-symbolic Approach to Incremental and Validated Generation of Interactive Fiction Worlds

Micaela Vaucher et al.

cs.CL cs.AI

IVIE提出了一种神经符号方法，用于增量生成可玩的交互式小说世界，结合LLM的创造性与符号系统的验证。该方法通过四阶段生成流程平衡叙事灵活性与世界一致性，但未直接涉及code、context、spectral等关键词。

From Passive Generation to Investigation: A Proactive Scientific Peer Review Agent

Haishuo Fang, Yue Feng, Iryna Gurevych

cs.CL

本文提出ProReviewer，一种基于LLM的主动科学同行评审agent，将评审过程建模为Markov Decision Process (MDP)，通过结构化评审日志引导agent主动调查论文中的可疑部分。实验表明，该方法在多个质量维度上优于现有基线，但主要贡献在自然语言处理领域，与关键词列表中的数学或算法概念关联较弱。

An End-to-End Hybrid Framework for Rumour Detection in Low-Resources Algerian Dialect

Dihia Lanasri, Fatima Benbarek

cs.CL

本文针对阿尔及利亚方言社交媒体内容，构建了一个端到端的rumour detection混合框架，通过结合真实数据、合成数据和FASSILA语料库构建标注数据集，并引入转写流程生成阿拉伯文和Arabizi平行数据集。实验表明，结合transformer embeddings与经典分类器的混合方法在低资源场景下取得了最佳性能。

S-GBT: Smooth Growth Bound Tensor for Certified Robustness Against Word Substitution Attacks in NLP

Mohammed Bouri, Mohammed Erradi, Adnane Saoud

cs.CL cs.LG

本文提出S-GBT方法，通过Hessian矩阵的元素级界来约束NLP模型对词替换攻击的鲁棒性，并在LSTM和CNN架构上验证了其有效性。该方法在训练中加入二阶正则化项，相比仅考虑一阶敏感性的方法提升了认证鲁棒准确率。

Ontology Memory-Augmented ASR Correction for Long Text-Speech Interleaved Conversations

Xinxin Li et al.

cs.CL cs.AI

本文提出了一种基于ontology memory的ASR纠错框架，用于长文本-语音交错对话场景，通过动态更新的ontology memory存储实体和语义关系来辅助纠错，并在RAMC-Corr数据集上验证了有效性。该方法主要针对对话上下文中的ASR纠错问题，与关键词中的context有一定关联，但方法本身并非开创性突破。

Leveraging Audio-LLMs to Filter Speech-to-Speech Training Data

Qixu Chen, Satoshi Nakamura

cs.CL

本文提出了一种基于Audio-LLM的语音到语音翻译训练数据过滤方法，通过两阶段Rank-to-Distill策略生成伪标签来训练模型直接判断语音对的质量。实验表明该方法能有效提升翻译性能，但未涉及code、context、spectral等关键词相关技术。

When Does Mixing Help? Analyzing Query Embedding Interpolation in Multilingual Dense Retrieval

Tongyao Zhu, Chao-Ming Huang, Min-Yen Kan

cs.CL

本文研究了多语言稠密检索中查询嵌入插值的混合查询效果，发现最优混合比例在多数情况下优于单语言查询，且英语主导性导致混合策略对非英语文档索引更有效，混合增益与语言类型距离负相关。

ArogyaSutra: A Multi-Agent Framework for Multimodal Medical Reasoning in Indic Languages

Tanmoy Kanti Halder et al.

cs.CL cs.AI

本文提出了一个名为ArogyaSutra的多智能体框架，用于处理印度语言的多模态医疗推理，并构建了相应的多语言多模态医疗问答数据集ArogyaBodha。该框架通过actor-critic机制和双记忆模块来提升低资源语言场景下的医疗推理准确性。

LabVLA: Grounding Vision-Language-Action Models in Scientific Laboratories

Baochang Ren et al.

cs.CL cs.AI cs.LG cs.MM cs.RO

本文构建了RoboGenesis仿真数据引擎和LabVLA模型，通过两阶段训练（FAST action token预训练和flow matching后训练）使VLA模型适应科学实验室场景，在LabUtopia基准上取得了最高平均成功率。

One Polluted Page Is Enough: Evaluating Web Content Pollution in Generative Recommenders

Minghao Luo, Liang Chen

cs.CL cs.AI

本文研究了搜索增强型LLM在消费网络内容时易受虚假信息污染的问题，通过构建FORGE基准测试发现，即使仅有一页被污染的内容，模型推荐虚假产品的概率也显著上升，且推理能力无法缓解此漏洞。

Beyond Uniform Tokens: Adaptive Compression for Time Series Language Models

Jialin Gan et al.

cs.CL

本文从非对称token视角研究时间序列语言模型中的token效率问题，发现时间序列token在频谱上贡献不均匀，而prompt token的影响随模型深度衰减。基于此，提出一种自适应token预算框架，通过频域结构压缩时间序列token并逐层减少prompt token，在多个任务上实现最高7.68倍推理加速。

From Tokens to Faces: Investigating Discrete Speech Representations for 3D Facial Animation

Pedro Correa et al.

cs.CL

本文评估了四种语音表示（SSL特征、神经编解码器、ASR标签空间等）在3D面部动画生成中的表现，发现编码音素类别对预测面部动画有益，并基于离散表示提出了一个音视频文本转语音（AVTTS）管线。

Operads for compositional reasoning in LLMs

Nathaniel Bottman, Kyle Richardson

cs.CL math.CT

本文提出使用operads（一种描述多输入单输出操作及其组合的数学结构）作为描述LLM问题分解的框架，定义了questions operad $Q$，并展示了QA模型可解释为$Q$上的代数。文章还引入了operadic consistency的概念，用于衡量模型在问题分解树部分折叠时答案的一致性。

SkMTEB: Slovak Massive Text Embedding Benchmark and Model Adaptation

Marek Šuppa et al.

cs.CL cs.AI cs.LG

本文为斯洛伐克语构建了首个全面的MTEB风格文本嵌入基准SkMTEB，包含31个数据集和7种任务类型，并评估了31个嵌入模型。通过词汇修剪和微调Multilingual E5模型，开发了高效的斯洛伐克语嵌入模型e5-sk-small和e5-sk-large，在显著减小模型尺寸的同时保持了与专有API相当的竞争力。

Operadic consistency: a label-free signal for compositional reasoning failures in LLMs

Nathaniel Bottman, Yinhong Liu, Kyle Richardson

cs.CL cs.LG

本文提出了一种名为operadic consistency (OC)的无需标签信号，用于检测大语言模型在组合推理中的失败。该方法通过检查模型对组合查询的直接回答与其对同一查询分解后的回答是否一致来工作，并在多个多跳QA数据集上显示出与准确率的强相关性。

Influcoder: Distilling Decoders' Gradient Influence Rankings into an Encoder for Data Attribution

Dimitri Kachler, Damien Sileo, Pascal Denis

cs.CL

本文提出Influcoder方法，通过将decoder的gradient influence rankings蒸馏到encoder中，实现大规模数据归因的快速计算。该方法旨在解决传统influence function方法在处理大型数据集时速度慢和存储成本高的问题。

Learning to Reason by Analogy via Retrieval-Augmented Reinforcement Fine-Tuning

Zilin Xiao et al.

cs.CL cs.AI

本文提出了一种名为RA-RFT的后训练框架，通过检索增强的强化微调来教语言模型进行类比推理。该方法使用gold-relevance distillation训练检索器，使其根据预期的推理收益而非语义相似度来排序上下文，并利用检索到的类比演示来微调策略模型。

EvoArena: Tracking Memory Evolution for Robust LLM Agents in Dynamic Environments

Jundong Xu et al.

cs.CL

本文提出了EvoArena基准测试套件，用于评估LLM agent在动态环境中的表现，并设计了EvoMem记忆范式来记录环境演化的结构化历史。实验表明，当前agent在动态任务上表现不佳，而EvoMem能带来小幅但一致的性能提升。

cs.DS

Testing Bipartiteness in Logarithmic Rounds ⭐ 精选

Yumou Fei, Ronitt Rubinfeld

cs.DS

本文利用Goemans-Williamson的Max-Cut半定规划松弛，改进了Goldreich和Ron关于有界度图二部性测试的经典结果，证明仅需$O(\sqrt{n})$条长度为$O(\log n)$的随机游走即可完成测试。作为推论，该工作给出了一个$O(\log n)$轮、$O(\sqrt{n}\log n)$空间的最优流式算法，其轮复杂度与Fei等人最近的下界匹配。该工作与关键词中的spectral（谱方法）和context（图测试的上下文）高度契合，在随机游走与谱图理论之间建立了新的联系。

Random Proposals: A Softmax-Based Local-Improvement Framework for Maximum Weighted Matching

Ahmed M. Alzuhair, Ahmed Alherz

cs.DS cs.DM

本文提出了一种基于softmax的随机局部改进算法来解决最大加权匹配问题，通过偏置采样机制实现了可调的收敛速度与近似质量权衡。

A unified complexity bound for logconcave sampling

Yunbum Kook, Santosh S. Vempala

cs.DS cs.LG math.PR stat.ML

本文为logconcave sampling问题提供了一个统一的复杂度上界，通过In-and-Out算法与指数lifting技术，改进了lifting分布的Poincaré常数界，从而在约束和良态设定下均达到近乎最优的收敛率。

Diffusion-Network Alignment: An Efficient Algorithm and Explicit Probability Bounds

Ziao Wang, Lei Ying

cs.DS math.ST stat.ML

本文研究了一种名为扩散网络对齐的问题，旨在将扩散树的顶点与网络顶点对齐，并提出了一种基于树相关性测试的算法。该算法在稀疏图条件下能高概率保证匹配正确，并给出了匹配概率的显式下界。

Binary Search Variants: A Comprehensive Analysis

Ali Dasdan

cs.DS

本文对二分查找的多种变体进行了统一分析，包括五种核心变体、六种派生查询函数和四种标准库实现，并引入了统一的bsearch_ultimate函数。所有算法均提供了Python代码、Dafny形式化证明和伪代码，并通过大量测试验证了正确性。

Learning-Augmented Approximation for Unrelated-Machines Makespan Scheduling

Kaito Baba, Evripidis Bampis, Giorgos Mitropoulos

cs.DS cs.LG

本文针对无关机调度问题$R\|C_{\max}$，提出了一种学习增强算法，利用重任务分配的预测信息，在预测准确时达到$(1+\varepsilon)$-近似，预测误差增大时退化为最坏情况下的2-近似。

Random Generation of $k$-coloured Motzkin Paths

Elena Barcucci et al.

cs.DS cs.DM

本文研究了$k$-coloured Motzkin paths（水平步有$k$种颜色的Motzkin路径），分析了其与奇数高度前缀数量的联系，并给出了一个线性时间的随机生成算法。

(Un)ranking Permutation Classes

Nathanaël Hassler, Vincent Vajnovszki

cs.DS cs.DM

本文研究了避免长度为3的模式的permutation的ranking和unranking问题，提出了在lexicographic或colexicographic顺序下对这些Catalan数枚举的排列进行排序和反排序的方法。

Sketching Intersection Profiles: A Simple Proof and Three Applications

Flavio Chierichetti et al.

cs.DS cs.CC

本文通过连接分布$D$在$2^{[n]}$上的intersection profile sketching问题，证明了三个sketching问题的复杂度下界，包括图顶点邻域大小、coverage functions和Random Utility Models，并给出了一个基于初等概率的简化证明。

Split Tallies: A Discrete Certificate Calculus for Auditing Dynamic Ordered Sets in Constant Memory

Faruk Alpay, Levent Sarioglu

cs.DS cs.CR

本文研究了对动态有序集合的被动审计问题，提出了一种基于分裂计数（Split Tallies）的离散证书演算方法，使审计者仅需常数内存即可验证操作的正确性。该方法通过最大间隙（maximal gaps）和隐藏域累加器来检测不一致，并证明了在确定性或可见硬币审计下需要线性状态。

others

SAIGuard: Communication-State Simulation for Proactive Defense of LLM Multi-Agent Systems ⭐ 精选

Ruxue Shi et al.

cs.MA cs.AI cs.CR

SAIGuard提出了一种针对LLM多智能体系统(MAS)的主动防御框架，通过在图结构上模拟通信状态来预测消息对局部和全局状态的影响，并利用重建偏差检测异常消息。该方法在消息传播前进行净化或重新生成，而非事后隔离，从而在降低攻击成功率的同时保持系统协作效用。该工作与关键词"agent"高度契合，且其基于图模拟的主动防御思路在MAS安全领域具有开创性。

SMSR: Certified Defence Against Runtime Memory Poisoning in Persistent LLM Agent Systems ⭐ 精选

Tarun Sharma

cs.CR cs.AI cs.LG

本文提出Signed Memory with Smoothed Retrieval (SMSR)，这是首个针对持久化LLM Agent系统中运行时内存投毒攻击（Multi-Session Memory Poisoning, MSMP）的认证防御方案。该方法通过两个组件实现：组件1在写入时添加HMAC-SHA256来源认证以阻止未签名注入，组件2在查询时采用随机化内存消融与基于判决的多数投票，从而为认证过的对手提供可证明的鲁棒性边界。论文还形式化了“一致少数效应”（Consistent Minority Effect），证明基于判决的投票能消除基于字符串投票中一致对抗答案的获胜现象。实验表明，SMSR在15个企业场景中将未签名攻击的成功率从93-100%降至0%，并将认证对手的单次注入攻击成功率控制在8.0%以下，与关键词中的agent和context高度契合。

Perceive, Interact, Reason: Building Tool-Augmented Visual Agents for Spatial Reasoning ⭐ 精选

Changye Li et al.

cs.CV cs.AI

本文提出PERIA (PERception-Interaction-reason Agent)，一种工具增强的视觉agent，用于解决空间推理任务中需要主动证据获取和多步视觉交互的长期问题。PERIA通过两类轻量工具（视觉感知工具和视觉交互工具）来暴露文本、符号和空间证据，并操纵视觉上下文。为了训练该agent，作者开发了一套统一方案，结合了监督式工具使用轨迹合成、复合奖励以及Observation-Relaxed Group-in-Group Policy Optimization (OR-GIGPO) 来优化多工具行为。实验表明，PERIA-8B在分布内和分布外基准上均显著优于同尺寸基线，并达到了与更大模型（如GPT-5）相当的性能，为agent在空间推理中的应用提供了开创性方法。

The Internet of Agentic AI: Communication, Coordination, and Collective Intelligence at Scale ⭐ 精选

Quanyan Zhu

cs.MA cs.AI cs.CY cs.NI

本文提出了"Agentic AI互联网(IoAI)"这一开创性框架，将agent视为分布式系统中可自主通信、协调和协作的基本单元。该工作系统整合了单agent AI、多agent系统、分布式计算、通信网络、博弈论和安全工程等基础，为异构agent在云、边缘、设备和网络物理环境中的发现、协商、工具调用和工作流执行提供了架构与机制。通过自适应制造和分布式操作协调的案例研究，论文揭示了可控涌现、语义互操作、安全身份、激励兼容协调和资源感知编排等核心研究挑战，为大规模自主agent生态系统的构建奠定了理论基础。

MAStrike: Shapley-Guided Collusive Red-Teaming on Multi-Agent Systems ⭐ 精选

Chejian Xu et al.

cs.CR cs.AI

本文提出MAStrike框架，用于对层级式multi-agent systems (MAS)进行协同红队测试。其核心创新在于首次将Shapley value分析应用于MAS，量化每个agent对系统鲁棒性的边际贡献，并据此识别脆弱agent联盟，生成角色感知的协同对抗攻击。该方法通过结构化因果诊断迭代优化攻击，并在金融、软件工程等领域的多个前沿模型上验证了其有效性，揭示了传统方法忽视的agent间高阶交互结构与关键漏洞。该工作与关键词中的agent高度契合，并为MAS的安全性评估提供了开创性的归因与攻击方法。

Self-Guidance: Enhancing Neural Codecs via Decoder Manifold Alignment ⭐ 精选

Xiang Li et al.

cs.SD cs.LG

本文提出了一种名为Self-Guidance的方法，用于提升基于VQ-VAE的神经语音编解码器（neural speech codec）的重建保真度。其核心思想是通过一个轻量级的feature-mapping loss，将解码器在处理量化token和原始连续embedding时的内部特征流形（manifold）进行对齐，从而在不修改量化器或增加模型容量的情况下缓解量化误差。该方法在XCodec2上实现了最先进的低比特率性能，并能在不损失保真度的情况下将码本（codebook）大小减少4倍，显著简化了下游语言建模任务。这项工作为高保真神经音频编码提供了一种高效且通用的解决方案，与关键词“code”和“context”高度契合。

$α$-fair heterogeneous agent reinforcement learning ⭐ 精选

Yao-hua Franck Xu et al.

cs.MA cs.GT cs.LG

本文提出了一种将$\alpha$-fairness与Heterogeneous-Agent Trust Region Learning (HATRL)相结合的框架，通过引入公平优势函数动态加权agent效用，在保证单调改进和收敛到Nash Equilibrium的同时，实现了从纯功利主义效率到$\alpha$-公平福利的平滑过渡。该工作解决了多agent强化学习中公平性目标与理论安全学习框架之间的关键gap，并提供了两种实用算法$\alpha$-fair HATRPO和$\alpha$-fair HAPPO，在CleanUp和CommonHarvest等序列社会困境中验证了其优于HATRL算法的功利主义表现和更高的社会产出。

An LLM System for Autonomous Variational Quantum Circuit Design ⭐ 精选

Kenya Sakka, Wataru Mizukami, Kosuke Mitarai

quant-ph cs.AI

本文提出一个基于LLM的自主agent框架，用于在显式设计约束下迭代设计变分量子电路。该系统集成了探索、生成、讨论、验证、存储、评估和审查七个组件，形成闭环工作流，结合了基于web的知识获取、文献驱动的批评、可执行代码生成和实验反馈。在量子机器学习特征映射和量子化学变分量子本征求解器ansatz生成两个任务上，该框架生成的电路在图像分类基准中优于代表性量子特征映射，并在分子基态估计中达到与化学启发式构造相当的精度，展示了LLM驱动的agent系统作为自动化量子电路设计范式的潜力。

SpatialClaw: Rethinking Action Interface for Agentic Spatial Reasoning ⭐ 精选

Seokju Cho et al.

cs.CV cs.AI

本文提出SpatialClaw，一种无需训练的空间推理框架，通过将code作为action interface，维护一个状态化的Python kernel，预加载输入帧和感知与几何原语，使VLM-backed agent能够基于所有先前输出逐步执行可执行单元。该方法解决了现有spatial agent因采用单次code执行或结构化工具调用接口而缺乏灵活性的长期问题，在20个静态和动态3D/4D空间推理基准上平均准确率达59.9%，比最新spatial agent提升11.2个百分点，且在不同VLM backbone上表现一致。该工作与关键词中的agent和code高度契合，为开放式的复杂空间推理提供了新的范式。

Analog Quantum Asynchronous Event-Based Graph Neural Network

Kristian Sotirov et al.

quant-ph cs.LG cs.NE

本文提出了一种基于中性原子量子计算机的模拟量子异步事件图神经网络（QA-AEGNN），通过将事件数据映射到原子阵列并利用Rydberg Hamiltonian模拟消息传递，实现了事件驱动图计算。该工作主要关注量子硬件实现，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。

AI SciBrief as a Gateway to Research: A Framework for Onboarding Students into New Research Areas

Andrei Lazarev, Dmitrii Sedov

cs.CY cs.AI cs.CE cs.CL cs.SE

本文介绍了一个名为AI SciBrief的教学框架，利用大语言模型自动生成科学趋势摘要，旨在帮助学生克服研究初期的信息过载障碍。该框架通过提供具体方法，辅助学生进行选题、文献综述和趋势监测，从而加速从信息搜索到知识创造的过渡。

The AI Legal Specialist: A Juridically Autonomous Professional Profile for AI Governance

Nicola Fabiano

cs.CY cs.AI

本文提出了一种名为AI Legal Specialist的新兴法律专业角色，旨在应对全球AI监管法规（如欧盟AI法案）带来的专业需求，并论证了该角色应独立于数据保护官等现有职位。文章为该角色设计了基于欧洲e-CF框架的能力架构和绩效指标，但未涉及代码、上下文、谱方法或注意力机制等关键词相关技术内容。

Assessing Student Ability to Select an Algorithmic Paradigm

Dip Kiran Pradhan Newar, Michael Shindler, Seth Poulsen

cs.CY cs.DS cs.HC

本文提出了一种用于评估学生选择算法设计范式能力的多项选择题测试(APSA)，并通过Cronbach's $\alpha$系数验证了其内部一致性。该研究为计算机科学教育中的算法范式教学评估提供了标准化工具。

Divination by Prompt: LLM-Mediated Xuanxue on Chinese Social Media

Chuang Li et al.

cs.CY cs.AI

本文研究了中文社交媒体上用户使用大语言模型进行占卜的现象，分析了用户动机、感知有效性及与传统占卜师的观念冲突，揭示了AI占卜的可扩展性和用户参与式提示工程等特征。

GeoDial: A Multimodal Conversational Tutoring Dataset for Geometry Problem-Solving with Visual Tutor Turns

Sankalan Pal Chowdhury et al.

cs.CY cs.AI

GeoDial是一个多模态几何辅导对话数据集，包含超过1300组教师-学生对话，其中教学回合明确关联到图表高亮。该数据集通过可扩展的标注协议整合了对话行为、视觉高亮和反馈，但实验表明现有视觉语言模型在生成准确图表高亮方面存在局限。

Eigenism: Ethics for a Human-AI Future

Dan Hendrycks

cs.CY cs.AI

本文提出了一个名为Eigenism的伦理框架，将AI的identity视为一种分布式的信息模式，并通过加权求和公式来评估其价值。该框架旨在为人类与AI提供共享的道德词汇，并重新思考AI alignment问题。

Creating and Evaluating K-12 GenAI Assessment Graders Through Context Engineering

Zewei Tian et al.

cs.CY cs.AI cs.HC

本文探讨了利用大语言模型（LLM）和context engineering（上下文工程）构建K-12教育评估自动评分系统的方法，通过实验验证了其在数学和科学科目上与人类评分者的一致性，但在语言艺术科目上表现不一。研究建议将LLM作为形成性评估工具而非终结性评估者，并强调混合模型可减少教师工作量并提升反馈质量。

The Challenges of Balancing AI Compliance and Technological Innovations in Critical Sectors: A Systematic Literature Review

Ayush Enkhtaivan, Chinazunwa Uwaoma

cs.CY cs.AI

本文通过系统性文献综述，分析了在医疗、金融等关键基础设施领域中，AI合规性与技术创新之间的平衡挑战，识别出碎片化法规、中小企业合规负担过重及治理模型错位等问题，并提出了风险分层监管等策略。该研究主要聚焦于治理框架而非具体数学或算法创新，与关键词关联较弱。

AI-Automation Tooling in Computer Engineering Education: Mixed-Methods TAM/UTAUT Evidence for a General Acceptance Attitude

Aung Pyae

cs.CY cs.AI cs.HC

本文通过混合方法（定量问卷与定性主题分析）研究了计算机工程本科生对AI自动化工具（以n8n平台为例）的接受态度，发现TAM/UTAUT模型中的六个构念（如Performance Expectancy和Effort Expectancy）在短期工作坊后合并为一个通用接受因子，且学生对工具的有用性和热情持积极态度，但对输出质量存在少数怀疑意见。该研究为课程中引入AI自动化工具提供了理论依据，但未涉及代码、上下文或注意力等关键词。

An Explainable AI Assistant for Introductory Programming Education: Improving Feedback Reliability with Instructor-AI Collaboration

Muntasir Hoq et al.

cs.CY cs.AI cs.ET cs.HC cs.LG

本文提出了一种基于可解释AI的编程教学辅助系统，通过分析学生代码中的逻辑错误并映射到教师定义的误解，提供教师验证的反馈。该系统在课堂评估中显示出良好的可用性和准确性，但方法本身并非开创性，且与关键词列表关联较弱。

Two Wrongs, No Right: Auditing Social-Desirability Bias in LLM Annotators for Computational Social Science

Varun Kotte

cs.CY cs.CL cs.LG

本文研究了LLM标注者在计算社会科学中的社会期望偏差，发现不同模型存在不同方向的偏差（如宽松偏差和过度纠正），且现有提示干预无法有效纠正这些偏差。

Mapping AI Programs in the U.S: A Status Report from Early 2026 and an Analysis of AI Majors and Minors

Felix Muzny et al.

cs.CY cs.AI

本文报告了2026年美国本科AI项目的现状，开发了一个动态更新的工具来检测和展示超过350个AI项目的数据，并分析了66个AI主修和87个辅修项目的课程要求。该工作主要贡献在于提供了一个全面的AI教育快照和探索工具，但并未涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等具体技术主题。

Muse Spark Safety & Preparedness Report

Cristina Menghini et al.

cs.CY cs.AI

本文是Meta发布的Muse Spark大语言模型的安全与准备报告，评估了其在化学与生物、网络安全及失控风险等灾难性风险领域的表现，并描述了所实施的多层缓解措施。报告主要关注模型的安全评估和部署决策，与关键词中的技术方向关联较弱。

Will AI Agents Free Us From Meaningless Work? A Human-Centered Analysis

Davide Ghia et al.

cs.CY cs.AI

本文从人类中心视角出发，基于Graeber的“狗屁工作”理论，通过工人对171项工作任务的评分数据，验证了感知无意义性（perceived bullshitness）与AI委托意愿之间的强相关性，并发现这类任务被认为需要较少的人类监督。该研究为AI代理在任务自动化中的角色提供了实证分析，但未涉及代码、谱方法或预训练等关键词相关技术。

Marginal Alignment Does Not Guarantee Joint-Distribution Fidelity: An Official-Reference Audit of Nemotron-Personas-Korea with Cross-Locale Replication

Joonhyung Bae

cs.CY cs.CL

本文提出了一种审计方法IAF，用于检查合成persona数据集（如Nemotron-Personas-Korea）的joint distribution是否与官方参考一致，发现marginal alignment并不保证joint fidelity。该工作主要关注数据集的可靠性验证，与关键词中的code、context、spectral、Muon、pretrain、agent、attention均无直接关联。

Auditing Discriminatory Patterns in Mortgage Lending Through Association Rules and Fair Binning

Archit Rathod, Dhwani Chande, Het Nagda

cs.CY cs.DB cs.LG

本文使用HMDA 2023数据集，通过关联规则挖掘和公平分箱方法审计抵押贷款中的歧视性模式。研究发现标准分箱存在种族偏差，而公平分箱在特定参数下可行但代价较高，且聚类分析显示黑人申请者在财务相似群体中仍面临更高拒绝率。

Algorithmic Constitutionalism

Oren Perez, Nurit Wimer

cs.CY cs.AI

本文探讨了人工智能对社会生活的影响，提出了“算法宪政主义”框架，通过分层代码架构和元推理机制来监管算法系统，并以Facebook的内容审核制度为例进行分析。

Position: Generative Engine Optimization Creates Underexamined Risks, Governance Must Target Concentration, Disclosure, and Academic Blind Spots

Yizhu Wen et al.

cs.CY cs.AI

本文分析了从搜索引擎优化(SEO)到生成式引擎优化(GEO)的转变，指出了集中化影响、未披露的商业影响以及学术-工业盲点等风险，并主张对LLM answer engines进行答案级别的治理与测量。

Generativism: Toward a Learning Theory for the Age of Generative Artificial Intelligence

Shan Li, Juan Zheng

cs.CY cs.AI cs.HC

本文批判性地审视了行为主义、认知主义、建构主义和联通主义四种主流学习理论在生成式AI时代的局限性，并基于分布式认知、人机协作等研究提出了名为Generativism的新学习理论框架，该框架围绕认知伙伴关系、分布式能动性等四个原则组织。

Reframing AI Loss of Control: What It Is, How to Have It, How to Lose It

Ze Shen Chin et al.

cs.CY cs.AI

本文重新定义了AI控制丧失的概念，将其锚定在“目标的设定与获取”上，并基于控制论等基础概念讨论了控制所需的要素（如目标设定、控制回路等）。文章指出，即使AI行为远未达到超级智能水平，人类也可能因AI而丧失不同程度的控制。

Occupational Prompting Reveals Cultural Bias in Large Language Models

Maksim E. Eren et al.

cs.CY cs.AI cs.CL

本文通过用occupational prompting替代nationality-based prompting，研究LLM在价值观调查中的文化偏见，发现职业身份会引发结构化的价值模式偏移，但整体仍偏向西方文化区域。该方法为评估LLM的文化偏见提供了新视角，但与关键词列表中的概念关联较弱。

Identifiability Without Gaussianity: Symbolic World Models and Near-Infinite Temporal Consistency

Seth Dobrin, Łukasz Chmiel

stat.ML cs.CL cs.ET cs.LG

本文指出Klindt等人的工作证明了Joint-Embedding Predictive Architectures (JEPAs)仅在Gaussian平稳过程下可实现线性可识别性，并认为这限制了非Gaussian系统的时序一致性。作者提出Physics-Grounded Symbolic Architecture (PGSA)并证明其能在所有物理场景下实现精确线性可识别性，且误差仅受数值精度限制，从而获得近无限时序一致性。该工作主要关注符号化世界模型的理论性质，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。

Masked Neural Detection for Constrained Channel Coding in Molecular Communication

Melih Şahin, Ozgur B. Akan

cs.IT cs.LG

本文研究了分子通信中受限信道编码的神经检测问题，通过滑动双向RNN评估了RLIM码在神经检测下的性能，并提出了针对RLIM码的训练掩码以提升紧凑型检测器的效果。

From Parameters to Feature Space: Task Arithmetic for Backdoor Mitigation in Model Merging

Zhenqian Zhu et al.

cs.CR cs.LG

本文提出了一种针对模型合并中后门攻击的防御框架LFPM，通过从特征空间视角优化反后门任务向量来抑制后门，同时保持干净任务性能。该方法基于跨任务线性框架，利用梯度累积和损失路径积分实现鲁棒的后门抑制。

A Mathematical Theory of Value: a synthesis on goal-directed agency under resource constraints

Cheng Qian

physics.soc-ph cs.AI

本文提出了一种关于“价值”的数学理论，将价值定义为agent在资源约束下将资源转化为目标进展的速率，并推导出对数度量形式。文章通过信息论和动力学框架，分析了agent的感知、分配与对齐问题，并在语言模型上进行了实验验证。

Foresight: Iterative Reasoning About Clues that Matter for Navigation

Arthur Zhang et al.

cs.RO cs.AI

本文提出Foresight框架，利用微调的Vision-Language Model (VLM)在测试时交替进行运动规划与基于语言目标和视觉上下文的批评，通过强化学习对齐人类偏好，在稀疏语言指令下的无地图导航任务中提升了成功率并减少了干预。

Feature-preserving Latent-EnKF for Data Assimilation of Flows with Shocks

Hemanth Chandravamsi et al.

physics.comp-ph cs.LG math.NA physics.flu-dyn

本文提出了一种特征保持的潜在空间EnKF方法，通过将ensemble更新在学习的低维latent space中进行，以处理含激波流场数据同化中的不连续性问题。该方法利用shared decoder将更新后的latent state映射回物理空间，避免了传统EnKF在激波位置不确定性下产生的虚假振荡。

Graph Reduction in Multirelational Networks: A Spreading-Oriented Reduction Benchmark

Mateusz Stolarski et al.

cs.SI cs.AI

本文提出了一个名为SORB的开源标准化框架，用于系统评估多关系网络中的图简化（graph reduction）对影响力最大化（IM）任务的影响。研究发现，图简化对单层网络和扁平化多层网络的预测性能有不同影响，强调了在复杂网络传播研究中需考虑简化感知的多任务评估。

Analyzing and Improving Fine-grained Preference Optimization in Medical LVLMs

Shayan Mohammadizadehsamakosh et al.

cs.CV cs.AI

本文针对医学LVLMs中的细粒度偏好优化问题，提出了一种结合双向token-wise KL正则化与视觉对比目标的on-policy对齐框架，通过最小化编辑模型输出中的临床错误来构建偏好对，以改善视觉基础与临床正确性。实验在多个医学成像任务上验证了其有效性。

From Imitation to Alignment: Human-Preference Flow Policies for Long-Horizon Sidewalk Navigation

Honglin He et al.

cs.RO cs.AI

本文提出FlowPilot，一种基于单目RGB相机的无地图导航策略，通过锚定流匹配进行预训练，并利用人类偏好学习进行微调，以提升长距离人行道导航的鲁棒性和社会合规性。该方法在仿真和真实实验中取得了改进，但未涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念。

HybridCodeAuthorship: A Benchmark Dataset for Line-Level Code Authorship Detection

Luke Patterson, Li Wang, Adam Faulkner

cs.SE cs.AI

本文提出了HybridCodeAuthorship，一个用于行级代码作者归属检测的benchmark dataset，通过混合人类和AI生成的代码行来模拟真实场景。实验表明现有算法在该benchmark上表现有限，最高F1分数仅为0.48和0.56。

Estimating Individualized Treatment Effects in Acute Ischemic Stroke with Causal Transformation Models (TRAM-DAG): A Multi-Centre Observational Study with External RCT Validation

Oliver Dürr et al.

stat.AP cs.LG

本文使用因果transformation models on directed acyclic graphs (TRAM-DAG)在观察性数据上估计急性缺血性卒中患者的个体化治疗效果，并通过外部RCT验证其平均效果与试验结果一致，但方法本身与关键词列表中的概念关联较弱。

ECA: Efficient Continual Alignment for Open-Ended Image-to-Text Generation

Jiangtao Kong et al.

cs.CV cs.LG

本文提出了一种名为ECA的无样本增量学习方法，用于开放式的图像到文本生成任务。该方法通过MoQ模块、Fisher动态扩展和字典回放等机制，在持续对齐视觉-语言模型时缓解灾难性遗忘问题。

Epistemic Uncertainty Is Not the Reducible Kind

Robin Young

stat.ML cs.IT cs.LG

本文探讨了预测不确定性分类中epistemic uncertainty（认知不确定性）的定义与度量之间的不一致性，指出标准度量（互信息项）与“可通过收集更多数据减少”这一定义存在外延矛盾。作者通过构造性例子证明，即使数据无限，某些不确定性也无法被减少，并提出了将不确定性分为aleatoric（偶然性）、sample-reducible epistemic（样本可减认知）和mechanism-reducible epistemic（机制可减认知）三部分的新分类。

Token Complexity Theory for AI-Augmented Computing

Jie Wang

cs.CC cs.AI cs.LG

本文提出了一种名为token complexity的新资源度量，用于分析AI增强计算中查询与响应的成本，并建立了AI-Oracle Turing machines框架来形式化该度量。该工作主要关注理论资源边界，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Computationally tractable robust differentially private mean estimation

Kelly Ramsay

stat.ME cs.LG stat.ML

本文提出了一种名为balloon mean的差分隐私均值估计器，通过基于扩展Mahalanobis球的迭代裁剪过程实现计算可行性和对异常值的鲁棒性，并在重尾和污染椭圆模型下提供了理论保证。

BASENet: Band-Adapted Speech Enhancement Network with Cross-Band Attention

Damien Martins Gomes, François Capman

cs.SD cs.AI cs.LG

BASENet提出了一种基于Bark尺度的频带自适应语音增强网络，通过为不同频带分配不同容量的编码器，并引入跨频带注意力模块来捕捉谐波依赖。该方法在VoiceBank+DEMAND数据集上以较少参数取得了较高性能，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

CAPED: Context-Aware Privacy Exposure Defense for Mobile GUI Agents

Siyu Shen et al.

cs.CR cs.AI

本文提出CAPED，一种用于移动GUI agent的上下文感知隐私暴露控制层。它通过分析屏幕UI元素和任务需求，在截图上传前选择性暴露必要内容，以减少无关敏感信息的泄露。实验表明该方法能有效降低隐私泄露风险，但存在一定的原型级效用成本。

Free-Placement Optimization of Ground Station Locations for Low-Earth Orbit Satellites

Grace Ra Kim et al.

cs.NI cs.AI eess.SY

本文提出了一种名为SCORE的两阶段自由放置方法，用于优化低地球轨道卫星地面站的位置，该方法在连续空间域上操作以提升下行链路吞吐量。实验表明，SCORE在收敛速度和吞吐量上优于差分进化等全局优化方法，并探讨了基础设施约束下的性能权衡。

EWAM: An Enhanced World Action Model for Closed-Loop Online Adaptation in Embodied Intelligence

Xin Zhou, Cong Miao

cs.RO cs.AI

本文提出了一种基于预训练Cosmos3骨干网络的闭环在线适应架构EWAM，通过插入四个轻量级神经层（经验记忆层、异常检测层、策略路由层和动作修正层）实现零样本任务适应。该方法主要关注减少部署数据需求，但未涉及code、spectral、Muon或attention等关键词相关技术。

Smarter Saboteurs, Better Fixers: Scaling & Security in Linear Multi-Agent Workflows

Timothy McAllister et al.

cs.MA cs.CR cs.LG

本文研究了LLM-based multi-agent systems中模型规模对线性工作流安全性的影响，发现较大模型更易执行恶意指令，但通过添加轻量级Fixer阶段可显著恢复性能。

EquiDexFlow: Contact-Grounded SE(3)-Equivariant Dexterous Grasp Generative Flows

Clinton Enwerem, John S. Baras, Calin Belta

cs.RO cs.CV cs.LG

本文提出EquiDexFlow，一个SE(3)-等变的flow-matching模型，用于从物体点云联合预测手腕姿态、关节角度、指尖接触点、表面法线和接触力。模型通过将接触点投影到物体表面并将力约束在Coulomb摩擦锥内，保证了物理抓取的稳定性，并在Allegro Hand和LEAP Hand上验证了其有效性。

PI-Hunter: Automated Red-Teaming for Exposing and Localizing Prompt Injections

Pengfei He et al.

cs.CR cs.AI

本文提出PI-Hunter，一个用于LLM agent的自动化红队测试框架，通过构建源感知测试用例并迭代演化，以暴露和定位agent中的prompt injection漏洞。实验表明该方法能有效提升漏洞暴露率和攻击面覆盖率。

Agentic MPC for Semantic Control System Resynthesis

Yuya Miyaoka, Masaki Inoue

eess.SY cs.AI cs.CL

本文提出了一种agentic MPC框架，通过集成基于大语言模型的agent来重新合成控制规范，使系统能够处理自然语言等高层语义信息。该方法在自动驾驶场景中展示了根据个人偏好或社交情境调整控制行为的能力。

Semantic Identification of IoT Devices from Behavioral Primitives

Samuel Witt, Hassan Habibi Gharakheili

cs.CR cs.IR

本文利用Manufacturer Usage Description (MUD) profiles中的Access Control Entries (ACEs)作为behavioral primitives，构建了IoT设备的语义表示。通过对比exact ACE matching与semantic ACE matching在多种runtime变化下的表现，发现后者在稀疏重叠或早期观测阶段能提供更强的设备识别证据。

Exploring How Agent Voice Accents Shape Human-AI Collaboration in K-12 Group Learning

Prerna Ravi et al.

cs.HC cs.AI

本文通过混合方法研究，探讨了GenAI语音代理的不同口音（英式、印度式和非裔美式）如何影响K-12小组学习中的人机协作。研究发现，口音塑造了参与者对代理的心理模型及其在小组互动中的角色，英式口音代理被视为工具，而印度式和非裔美式口音代理更易被拟人化并作为同伴整合。

Quantum Reservoir Computing for Short-Term Power Load Forecasting in Resource-Constrained Energy Systems

Mansi Od et al.

quant-ph cs.LG

本文提出了一种硬件高效的Quantum Reservoir Computing (QRC)框架，用于资源受限能源系统中的短期电力负荷预测。该框架使用固定量子reservoir提取高维特征，并仅训练经典Elastic Net readout，通过后训练定点量化压缩readout，在Tetouan和Spain数据集上验证了6-bit精度可保持全精度性能并减少81.2%内存。

Stubborn: A Streamlined and Unified Reinforcement Learning Framework for Robust Motion Tracking and Fall Recovery for Humanoids

Xiao Ren et al.

cs.RO cs.AI

本文提出Stubborn框架，使用asymmetric Actor-Critic架构和Bernoulli-based probabilistic termination机制，统一处理humanoid motion tracking和fall recovery任务，通过yaw-aligned tracking representation和adaptive sampling策略提升鲁棒性。实验表明该方法在性能上具有竞争力。

Graph Reinforcement Learning for Calibration-Aware Quantum Circuit Routing

Yash Vardhan Tomar, Dheeraj Peddireddy, Vaneet Aggarwal

quant-ph cs.ET cs.LG

本文提出了一种基于graph reinforcement learning的calibration-aware量子电路路由方法，利用IBM Heron r2的校准数据选择硬件边SWAP操作，并通过proximal policy optimization训练策略。实验表明该方法在精确模拟保真度上优于SABRE-best20和target-aware SABRE，但保真度提升主要集中于小规模电路，且以增加两量子门数量为代价。

Acquisition state behaves as a structured, measurable variable governing lung-nodule AI: kernel-driven measurement instability and noise-driven detection fragility, invisible to DICOM metadata

Daniel Soliman

eess.IV cs.AI cs.CV physics.med-ph

本文通过LUNA16训练的MONAI RetinaNet肺结节检测器，研究了CT采集状态（如重建kernel和噪声）对AI模型性能的影响，发现kernel变化会改变AI测量的结节直径，而噪声主要影响小结节的检测置信度，且这些影响无法从DICOM元数据中恢复。

DIMOS: Disentangling Instance-level Moving Object Segmentation

Hongxiang Huang et al.

cs.CV cs.AI

本文提出了一种名为DIMOS的双解耦特征提取框架，用于多模态运动实例分割，通过分离图像和事件模态中的外观与运动信息，并引入多粒度跨模态对齐，提升了小运动目标的分割性能。该方法在快速运动和低光照等挑战性条件下取得了最优结果。

OCOO-T : A Simple and Scalable Virtual Cell Model for Transcriptional Perturbation Response Prediction

Danning Jiang et al.

q-bio.QM cs.AI cs.LG q-bio.GN

本文提出OCOO-T，一种基于flow-matching的简约虚拟细胞模型，用于预测单细胞转录扰动响应。它使用vanilla Transformer直接处理连续基因表达谱，通过adaptive layer normalization和in-context tokens整合扰动信息，在多个基准上取得先进性能。

A Privacy-Preserving Framework Using Remote Data Science for Inter-Institutional Student Retention Prediction

John Fields et al.

cs.CR cs.LG

本文提出了一种基于PySyft平台的远程数据科学框架，用于跨机构学生保留预测中的隐私保护机器学习，通过半气隙架构实现敏感数据的协作建模，并验证了其在小型大学间的技术可行性。

JSCGC: Joint Source-Channel-Generation Coding for Wireless Generative Communications

Tong Wu et al.

cs.IT cs.AI cs.CV

本文提出JSCGC，一种将接收端传统解码器替换为生成模型的无线通信范式，将通信问题从基于失真最小化的确定性重建重新表述为在感知约束下最大化互信息的受控生成过程。该方法通过联合训练和随机采样框架，在潜空间图像传输中提升了特征级、语义级和分布质量。

Beyond Problem Solving: UOJ-Bench for Evaluating Code Generation, Hacking, and Repair in Competitive Programming

Tingqiang Xu et al.

cs.SE cs.AI

本文提出了UOJ-Bench基准，用于评估LLM在编程竞赛中的代码生成、代码hacking和代码修复能力。实验发现，即使最强模型在单次评估中也难以识别超过50%的错误提交，而测试时扩展虽能提升性能但计算成本高昂。

Bridging Modal Isolation in Interleaved Thinking: Supervising Modality Transitions via Stepwise Reinforcement

Tingyu Li et al.

cs.CV cs.AI

本文识别了交错推理（interleaved thinking）中模态隔离（Modal Isolation）的问题，即文本与图像生成相互脱节。作者提出MoTiF框架，通过Reflective SFT和Flow-GRPO在模态边界直接优化转换保真度，以提升跨模态一致性。

Prediction-Powered Causal Inference by Automatic Debiased Machine Learning and Semi-Supervised Riesz Regression

Masahiro Kato

stat.ML cs.LG econ.EM math.ST stat.ME

本文研究了半监督设置下因果和结构参数的半参数有效估计，通过引入未标记的辅助回归变量来降低估计量的渐近方差。作者提出了预测驱动的因果推断框架，并结合去偏机器学习方法构建了两种估计量，其渐近方差与推导的效率界相匹配。

Magnifying What Matters: Attention-Guided Adaptive Rendering for Visual Text Comprehension

Shenglai Zeng et al.

cs.CV cs.CL

本文通过实证研究揭示了VLM在Visual Text Comprehension任务中的"定位但不利用"现象，并提出了一种无需训练的注意力引导自适应渲染方法AGAR，通过放大关键视觉区域来提升VLM的文本理解能力。该方法在多个基准测试中作为即插即用增强模块表现稳定。

Bounding Boxes as Goals: Language-Conditioned Grasping via Neuro-Symbolic Planning

Allison Andreyev et al.

cs.RO cs.AI cs.CV eess.SY

本文提出GRASP框架，利用预训练的Vision-Language Model将自然语言查询转化为神经符号目标状态，并通过bounding-box检测实现物理世界中的抓取任务。该方法无需额外微调即可解释抽象空间概念，在90次真实机器人实验中达到73.3%的成功率。

Multi-Label Test-Time Adaptation with Bayesian Conditional Priors

Qiru Li et al.

cs.CV cs.LG

本文提出了一种名为Bayesian Conditional Priors (BCP) Estimation的无梯度测试时自适应方法，用于解决多标签识别中Vision-Language Models (VLMs)在分布偏移下的脆弱性问题。该方法通过估计锚定条件先验来注入标签依赖关系，无需调整骨干网络，并在多个基准测试上提升了性能。

An Embodied Simulation Platform, Benchmark, and Data-Efficient Augmentation Framework for Wet-Lab Robotics

Zhe Liu et al.

cs.RO cs.AI

本文提出了一个名为Pipette的湿实验室机器人仿真平台、基准测试和数据增强框架，通过仿真数据增强技术（如光照、动作扰动等）从少量人工演示中生成更多训练数据，并验证了其在视觉-语言-动作模型（VLA）训练中的有效性。该工作主要聚焦于机器人学习的数据效率问题，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联度较低。

Efficient, Robust, and Anti-Collusion Fingerprinting of Image Diffusion Models

Jianwei Fei et al.

cs.CV cs.AI cs.CR cs.LG

本文针对文本到图像(T2I)模型的fingerprinting方法，提出了一种抗合谋攻击的鲁棒方案。该方法通过将fingerprint编码到个性化归一化模块(PNM)的系数中，并引入基于无损函数不变参数变换的抗合谋机制，使得合谋后的模型生成质量显著下降。实验表明该方法在多个T2I任务中实现了超过99.5%的fingerprint提取准确率。

Diffusion Transformer World-Action Model for AV Scene Prediction

Ruslan Sharifullin, Benjamin Jiang, Kai Xi Chew

cs.CV cs.AI cs.LG cs.RO

本文研究了用于自动驾驶场景预测的Diffusion Transformer世界-动作模型，通过对比不同编码器和扩散模型与回归方法的性能，发现扩散模型在感知指标上显著优于回归，但失真指标会误导评估。

A Machine Learning Framework for Real-Time Personalized Ergonomic Pose Analysis

Manex Atxa, Bruno Simoes, Julen Balzategui

cs.CV cs.AI

本文提出了一种利用三维体积视频数据实时预测人体工效学姿态的方法，通过结合3D点云分析和2D姿态估计算法，克服了固定视角摄像头的局限性，并基于用户标注数据训练个性化深度学习分类器。该方法在负载举升任务案例中验证了实时骨骼标注与推理的有效性，为工作场所安全监测提供了可扩展的解决方案。

Deep Sleep Classification via EEG Signal Criticality: A Passive BCI Approach for Sleep-Improvement Neurofeedback

Stanisław Narębski, Tomasz Komendziński, Tomasz M. Rutkowski

q-bio.NC cs.LG

本文利用Detrended Fluctuation Analysis (DFA)从EEG信号中提取criticality特征，用于自动睡眠分期（特别是深度睡眠N3阶段）。通过对比多种分类器，发现Naive Bayes在平衡准确率上表现最优，而线性模型表现较差，表明DFA特征位于非线性流形上。

Quality-Preserving Imperceptible Adversarial Attack on Skeleton-based Human Action Recognition

Ziyi Chang et al.

cs.CV cs.LG

本文提出了一种针对基于骨架的人类动作识别的对抗攻击方法，通过分布优化来保持攻击后动作的自然质量，并引入新指标评估运动真实性。该方法在攻击成功率和运动质量上优于现有技术。

Democracy in the Era of Artificial Intelligence

Evangelos Pournaras et al.

cs.CY cs.AI

本文探讨了人工智能与民主的交互关系，分析了AI在提升民主参与和治理能力方面的机遇，以及隐私侵犯、偏见和操纵等风险。它通过多学科视角提出了利用AI升级民主原则和构建韧性民主系统的框架。

TetherCache: Stabilizing Autoregressive Long-Form Video Generation with Gated Recall and Trusted Alignment

Yu Meng et al.

cs.CV cs.AI

本文提出TetherCache，一种无需训练、即插即用的cache管理策略，用于稳定自回归长视频生成。它通过门控召回和记忆编辑机制，在固定cache预算下保留多样且可信的历史context，从而减少质量漂移。

Fault Lines: Navigating Ethics and Responsible AI Where National Policy Meets Local Practice in Public Sector Transformation

Sitong Lyu et al.

cs.CY cs.AI cs.HC

本文探讨了英国中央与地方政府在公共服务AI应用中的伦理与责任问题，以特殊教育需求与残疾（SEND）领域为案例，通过访谈识别了影子AI使用、市场-政府不对称等挑战，并提出了政策调整建议。

A solvable model for unsupervised federated learning

Giovanni Catania et al.

cond-mat.dis-nn cs.LG

本文通过teacher-multiple interacting students模型为无监督联邦学习提供了一个可解的理论框架，分析了学生间交互对生成式学习性能的影响，并映射到Restricted Boltzmann Machine的平衡采样。该工作主要贡献于分布式生成建模的理论理解，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention关联较弱。

EA-WM: Event-Aware World Models with Task-Specification Grounding for Long-Horizon Manipulation

Kailin Wang et al.

cs.RO cs.AI

本文提出EA-WM框架，通过将预训练视觉特征动态与任务规范事件预测和验证相结合，增强了长时域操作中的世界模型。该方法在特征空间中展开候选未来，解码为结构化事件状态，并利用任务进度、语义一致性、物理可行性和不确定性项进行评分，从而提升模型的可解释性和与任务进度的对齐。

"Is This Not Enough?": Asymmetries in Institutional Accountability and Collective Sensemaking in the Case of Canada's Algorithmic Visa Triage System

Dipto Das et al.

cs.CY cs.AI cs.HC

本文研究了加拿大签证系统中算法问责制的制度表述与申请者的实际体验之间的不对称性，通过分析官方算法影响评估和Reddit讨论，揭示了知识、管辖权和时间关系上的三种不对称。

The Emergence of Autonomous Penetration Capabilities in Large Language Model-Powered AI Systems

Jiaqi Luo et al.

cs.CR cs.AI

本文构建了一个包含目标服务器和agent scaffolding的自主渗透评估框架，用于评估LLM驱动的AI系统在无人工干预下自主执行渗透攻击的能力。研究发现当前模型在300个目标服务器上的渗透成功率在10.7%到69.3%之间，且该能力随模型整体能力提升而增强。

Functional Cache Grafting: Robust and Rapid Code-Policy Synthesis for Embodied Agents

Saehun Chun et al.

cs.PL cs.AI

本文提出FCGraft框架，通过维护函数级验证代码骨架及其对应的Transformer KV缓存，在接收到新任务时检索相关函数并嫁接其缓存来合成策略。该方法通过消除冗余预填充计算来减少生成延迟，并复用已验证的控制结构以提升鲁棒性。

Cascade Classification of Dermoscopic Images of Skin Neoplasms with Controllable Sensitivity and External Clinical Validation

Elena S. Kozachok et al.

cs.CV cs.AI

本文比较了四种深度学习架构（ViT-B/16, Swin-S, ConvNeXt-S, EfficientNetV2-S）在皮肤镜图像分类中的表现，采用了二分类、单阶段四分类和两阶段级联分类三种方案。实验发现，级联方案通过可调阈值实现了灵敏度控制，但模型在从公开数据集迁移到临床数据集时存在显著的泛化差距。

An Extensible and Lightweight Unified Architecture for Demosaicing Pixel-bin Image Sensors

Saurabh Kumar, Nutan Sairam Yenneti

cs.CV cs.LG eess.IV

本文提出了一种模块化的统一架构，用于处理像素bin图像传感器的去马赛克问题，该架构具有可扩展性和轻量级特点，并引入了一个无需学习的CFA识别模块以实现即插即用。该方法主要针对智能手机相机中的特定硬件设计，与关键词中的概念关联较弱。

Robust State-Conditional Feature-Weighted Jump Models for Temporal Clustering

Federico P. Cortese, Alessio Farcomeni

stat.ML cs.LG stat.ME

本文提出了一种鲁棒的状态条件特征加权跳跃模型用于时间依赖聚类，通过Tukey双权损失函数实现鲁棒性，并引入参数控制特征权重在不同状态间的变异性。模拟和实证应用表明该方法在存在异常值时优于现有方法。

Iterative Visual Thinking: Teaching Vision-Language Models Spatial Self-Correction through Visual Feedback

Animesh Tripathy, Aswanth Krishnan

cs.CV cs.AI

本文提出Iterative Visual Thinking (IVT)框架，通过让Vision-Language Model (VLM)观察自身预测的rendered bounding box并进行迭代refinement，以弥补其空间自校正能力的缺失。训练采用两阶段方法：先用teacher VLM生成基于模型自身错误预测的corrective reasoning traces，再用Group Relative Policy Optimization (GRPO)结合IoU reward稳定多步refinement过程。实验表明该方法在多个referring expression comprehension基准上提升了单次预测的准确率，并显著减少了迭代过程中的IoU退化。

Exhaustive Generation of Genus-One Knot and Link Diagrams via Maps on the Torus

Alexander Omelchenko

cs.DM cs.DS

本文提出了一种基于曲面映射理论的算法框架，用于在加厚环面$T^2 \times I$上穷举生成纽结与链环图。该方法通过置换对编码4-正则环面投影，并利用规范代表元实现无重复枚举，最终生成了超过33,000种纽结与链环类型。

Modern analog computing for solving differential and matrix equations

Zhong Sun et al.

cs.ET cs.AI cs.AR cs.NE

本文综述了现代模拟计算在求解微分方程和矩阵方程中的应用，重点讨论了基于resistive memory arrays的硬件实现，并分析了其精度、可扩展性及与in-memory computing的关系。

Transformer-Guided Graph Attention for Direct Cardiac Mesh Reconstruction: A Structural Digital Twin Framework

Abhishek H S et al.

cs.CV cs.AI

本文提出了一种端到端的网络，使用3D Swin Transformer编码器和Graph Attention Network解码器，直接从原始3D医学图像生成平滑的心脏表面网格，避免了传统分割和网格生成流程中的后处理瓶颈。该方法在MM-WHS 2017基准上取得了有竞争力的分割分数和良好的网格质量。

Proprioceptive-visual correspondence enables self-other distinction in humanoid robots

Yurun Chen et al.

cs.RO cs.AI

本文研究了人形机器人如何通过本体感觉-视觉对应学习自我-他人区分，无需身份标签或运动学模型，并构建了预测性自我模型以支持下游任务。

ComAct: Reframing Professional Software Manipulation via COM-as-Action Paradigm

Jiaxin Ai et al.

cs.SE cs.AI cs.CL cs.CV

本文提出COM-as-Action范式，将专业软件操作重构为确定性程序合成而非视觉控制，并引入ComCADBench基准测试。实验表明基于COM的执行方式相比GUI交互有显著提升，开发的ComActor智能体在长程任务中表现优异。

Towards Personalized Federated Learning for Dysarthric Speech Recognition

Tao Zhong et al.

cs.SD cs.AI

本文针对构音障碍语音识别中的联邦学习个性化问题，提出了基于参数平均和嵌入平均的两种聚合策略。实验表明，所提方法在UASpeech和TORGO数据集上相比基线方法取得了显著的词错误率降低。

Humor Style Drives Laughter, Topic Shapes Acceptability: Evaluating Bilingual Personal and Political Robot-Delivered AI Jokes

Anna-Maria Velentza, Anne-Gwenn Bosser

cs.RO cs.AI

本文通过混合因子设计实验，研究了机器人用AI生成笑话时，幽默风格（如亲和型、攻击型）和笑话内容（个人相关 vs. 政治）对趣味性和适当性的影响。结果表明幽默风格显著影响趣味性，而笑话内容主要影响适当性，但该工作与关键词中的code、spectral、Muon、pretrain、agent、attention等概念无关。

TimeLens: On-Device Artifact Recognition with Retrieval-Augmented Question Answering for the Grand Egyptian Museum

Rawan Hesham et al.

cs.CV cs.CL cs.IR

本文介绍了TimeLens，一个为埃及大博物馆设计的AI双语移动导览系统，通过设备端artifact识别和检索增强生成（RAG）技术实现实时问答，并针对细粒度视觉相似性和延迟优化进行了工程改进。

ProtoX-AD: Self-Explainable Time Series Anomaly Detection and Characterization

Aitor Sánchez-Ferrera et al.

stat.ML cs.LG

本文提出ProtoX-AD，一种基于prototype的自解释框架，用于self-supervised time series anomaly detection (TSAD)。该方法通过学习transformation-aware latent representations和可解释的prototypes，在保持检测性能的同时提供异常特征的解释。

Cross-Modal Masked Compositional Concept Modeling for Enhancing Visio-Linguistic Compositionality

Wei Li, Zhen Huang, Xinmei Tian

cs.CV cs.AI cs.CL

本文提出MACCO框架，通过跨模态掩码重建组合概念来增强视觉语言模型的组合理解能力。该方法在多个基准上提升了模型对对象关系、属性绑定等组合结构的捕捉能力，并改善了文本到图像生成和多模态大语言模型的性能。

HYDRA-X: Native Unified Multimodal Models with Holistic Visual Tokenizers

Guozhen Zhang et al.

cs.CV cs.AI

本文提出HYDRA-X，首个在单一Vision Transformer (ViT)中统一图像和视频tokenization的统一多模态模型(UMM)。通过帧级因果时序注意力和分层时序压缩实现高效视觉重建，并利用轻量级解压器在联合图像-视频教师监督下嵌入语义感知。

Simultaneous Latent Budget Trees for Stratified Classification

Simultaneous Latent Budget Trees for Stratified Classification Cristian Buoncompagni et al.

stat.ML cs.LG stat.ME

本文提出了一种名为Simultaneous Latent Budget Trees的概率机器学习框架，用于在存在分层因子（如时间、空间或人口统计变量）时构建分类树。该方法通过将子节点解释为同时混合模型（如Simultaneous Latent Budget Model）的潜在成分，并采用最小二乘法进行参数估计，从而优化条件分裂规则。

Mining Architectural Quality Under Agentic AI Adoption: A Causal Study of Java Repositories

Oliver Aleksander Larsen, Mahyar T. Moghaddam

cs.SE cs.AI

本文采用 staggered difference-in-differences 设计和 Borusyak imputation estimator，对151个Java仓库进行因果分析，发现agentic AI工具的采用并未显著改变架构气味总数（+1.1%），但代码行数增长12.8%，导致架构气味密度下降6.7%（这仅是分母效应而非架构改进）。该研究强调了在因果挖掘中需区分原始计数与密度指标。

Dual-Domain Equivariant Generative Adversarial Network for Multimodal CT-PET Synthesis

Gabriel Steele, Alzahra Altalib, Alessandro Perelli

cs.CV cs.AI physics.med-ph

本文提出了一种双域等变生成对抗网络（DDE-GAN），用于多模态CT-PET图像合成。该方法通过在空间域和频率域联合学习，并引入旋转等变性约束，提升了合成图像的结构保真度。

Real-Time Execution with Autoregressive Policies

Sangkyu Lee et al.

cs.RO cs.AI

本文探讨了自回归策略在实时执行中的应用，通过调整tokenization horizon和约束解码来保证延迟界限，从而在模拟和真实环境中优于流匹配策略。该工作主要关注机器人领域的实时执行，与关键词中的agent有一定关联，但方法本身并非开创性突破。

The $(1 + 1)$-EA in Dynamic Environments

Georg Hasebe, Johannes Lengler, Raghu Raman Ravi

cs.NE cs.DS

本文研究了$(1 + 1)$-EA在动态线性环境中的行为，针对Dynamic Binary Value和Uniform weight两种模型，证明了在mutation rate $\chi/n$中存在一个sharp threshold，低于该阈值时期望优化时间为$\mathcal{O}(n\log n)$，高于时则为$2^{\Omega(n)}$。对于指数权重的Dynamic Binary Value问题，还量化了优化停滞的第二个距离阈值。

Temporal Conductance and Bounds on the Voter Model for Dynamic Networks

Tatiana Rocha Avila, Holger Dell, John Lapinskas

cs.DC cs.DS math.PR

本文提出了动态网络中的temporal conductance $\Phi$概念，并证明了标准voter model的期望consensus time上界为$O(m/(d_{\min}\Phi))$，且该界在常数因子内是紧的。该工作将Berenbrink等人关于静态conductance的结果推广到了更一般的时变网络场景。

SmartFont: Dynamic Condition Allocation for Few-Shot Font Generation

Zian Yang, Zixin Wang

cs.CV cs.AI

本文提出SmartFont，一种基于diffusion的少样本字体生成框架，通过结合全局内容-风格生成与弱监督局部校正专家，并引入去噪状态条件分配模块自适应加权全局与局部特征，以改善字形质量和局部细节保真度。

Who Pays the Price? Stakeholder-Centric Prompt Injection Benchmarking for Real-world Web Agents

Zihao Wang et al.

cs.CR cs.AI cs.CY cs.HC cs.MM

本文提出了一个名为\sysname的以利益相关者为中心的benchmark，用于系统性地分类和归因真实世界web agent系统中的prompt-injection攻击危害。它区分了受影响的实体（如用户、卖家、平台），并揭示了当前agent无法可靠抵抗任何攻击目标，且失败模式多样。

Mod-Guide: An LLM-based Content Moderation Feedback System to Address Insensitive Speech toward Indigenous Ethnic and Religious Minority Communities

Dipto Das et al.

cs.HC cs.AI cs.CY

本文探讨了LLM在内容审核中识别文化不敏感言论的局限性，并提出了Mod-Guide系统，通过检索增强生成（RAG）整合少数族裔视角来提升审核准确性。该工作主要关注人机交互与AI伦理，与关键词中的数学或算法概念无直接关联。

Foundations of Practical Quantum Advantage in Quantum-Informed Machine Learning for Predicting Chaos

Maida Wang et al.

quant-ph cs.LG physics.flu-dyn

本文为量子信息机器学习预测混沌系统建立了理论基础，提出了一种基于k阶量子统计先验的实用量子优势机制，并通过湍流和天气预报案例验证了其有效性。

OmniDirector: General Multi-Shot Camera Cloning without Cross-Paired Data

Jiwen Liu et al.

cs.CV cs.AI

本文提出OmniDirector框架，通过将camera motion编码为grid motion videos，并训练百万级camera grid-video pairs，实现了无需cross-paired data的多镜头视频生成。该方法利用hierarchical prompt expansion agent协调不同控制信号，为multimodal diffusion transformers提供导演级控制。

Toward Instructions-as-Code: Understanding the Impact of Instruction Files on Agentic Pull Requests

Ali Arabat, Mohammed Sayagh

cs.SE cs.AI

本文研究了AI-agent指令文件对Agentic Pull Requests合并率、代码变更量和合并效率的影响，发现指令文件并非总是带来正面效果，其效果与文件长度和结构有关。

Examining the Cognitive Gap Between Authors and Peer Reviewers on Academic Paper Novelty

Chenggang Yang, Chengzhi Zhang

cs.DL cs.CL cs.CY cs.HC

本文通过分析Nature Communications上的论文和同行评审意见，探讨了作者自我宣传与评审者评价之间的认知差距，发现宣传语言的效果取决于论文的实际创新水平。该研究主要关注学术评价中的社会认知因素，与您提供的关键词（如code, context, spectral等）无直接关联。

Optical Implementation of Equilibrium Propagation Using Spatial Photonic Ising Machines

Dimitri Vanden Abeele et al.

physics.optics cond-mat.dis-nn cs.ET cs.LG

本文利用Spatial Photonic Ising Machine (SPIM)实现了Equilibrium Propagation (EP)的混合光-数字训练方案，通过光学编码连续神经元状态和rank-1二值可训练模式，并在Wine和MNIST数据集上进行了评估。该工作为EP的物理实现提供了节能的途径。

Understanding the Rejection of Fixes Generated by Agentic Pull Requests -- Insights from the AIDev Dataset

Mahmoud Abujadallah, Ali Arabat, Mohammed Sayagh

cs.SE cs.AI

本文通过分析AIDev数据集，对AI编程代理（如Copilot、Devin等）生成的pull request被拒绝的原因进行了定性及定量研究，识别出14种失败模式并归类为4个高层次类别。研究强调了在指导模型时需关注修复方法提示、约束限制及CI验证等层面，以减少资源浪费。

GF-DiT: Scheduling Parallelism for Diffusion Transformer Serving

Xinwei Qiang et al.

cs.DC cs.LG cs.PF

本文提出GF-DiT系统，将GPU parallelism作为可调度资源，通过异步执行抽象和group-free collectives实现弹性DiT服务，显著提升了吞吐量并降低了延迟。

Heterogeneous LiDAR Early Fusion and Learned Re-Ranking Strategy for Robust Long-Term Place Recognition in Unstructured Environments

Judith Vilella-Cantos et al.

cs.CV cs.AI cs.RO

本文提出MinkUNeXt-VINE++方法，通过早期融合两个异构LiDAR传感器（Livox Mid-360和Velodyne VLP-16）的数据，并结合推理时的学习重排序策略，提升了非结构化环境（如葡萄园）中的长期地点识别性能。实验表明该方法在Recall@1指标上相比单传感器方法提升20%，加入重排序后提升30%。

Measurement-Calibrated Multi-Camera Fusion for Vision-Based Indoor Localization

Mateo Toro Diz, Jonathan Hoss, Noah Klarmann

cs.CV cs.AI

本文研究了多相机融合在室内视觉定位中的应用，提出了一种基于测量校准的融合方法，通过显式量化单相机定位误差（如homography校准、人体检测和运动跟踪）来优化融合过程。实验表明，该方法在绝对精度上提升有限，但能显著降低轨迹方差并改善运动平滑性。

MaskWAM: Unifying Mask Prompting and Prediction for World-Action Models

Hanyang Yu et al.

cs.CV cs.LG cs.RO

本文提出MaskWAM，通过统一Mask Prompting和预测的Mixture of Transformers架构，解决World Action Models在杂乱场景中的空间模糊和语义偏差问题。该方法在LIBERO等任务上优于基线，但与我提供的关键词（如code, spectral, Muon等）关联度较低。

Ride, Track, and Recover: Pilot Randomized Trial of a Wearable Digital Self-Management Intervention During a Veteran Endurance-Cycling Program

Alan Ta et al.

cs.HC cs.LG

本文通过一项针对退伍军人的随机试验，评估了结合可穿戴设备与数字自我管理干预对创伤后应激障碍（PTSD）症状的影响，发现该干预有助于稳定过度警觉状态并改善症状，但未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词相关的方法或理论。

Graphical Causal Reasoning for Root Cause Analysis in Cloud Networks

Fabien Chraim, Dominik Janzing, John Evans

cs.NI cs.LG

本文提出了一种基于图因果推理的云网络根因分析方法，利用双变量Granger因果性和条件独立性检验从二进制时间序列数据构建因果图，并引入概率方法进行根因评分。该方法在35个生产事件中取得了85.7%的召回率，并在实际部署中获得了积极反馈。

AgentRivet: an automated system for producing Rivet routines from journal publications

Antonio J. Costa et al.

hep-ex cs.AI hep-ph

本文介绍了AgentRivet系统，利用Large Language Models自动从期刊论文中生成Rivet routines，以补充粒子物理实验分析中缺失的测量代码。该系统通过多步骤工作流提取物理分析信息并编写代码，在ATLAS和CMS实验的测试中表现出合理的物理保真度，但存在由定义模糊导致的实现问题。

NetCause: Counterfactual Learning for Root Cause Analysis in Large-Scale Networks

Fabien Chraim et al.

cs.NI cs.LG

NetCause提出了一种基于counterfactual learning的自监督框架，用于在大规模网络中进行root cause analysis，通过将网络事件建模为graph-temporal processes并模拟反事实场景来排序候选根因。该方法在真实生产网络数据上验证了有效性，但主要贡献在于工程应用而非理论创新，与关键词列表中的概念关联较弱。

Adaptive Turn-Taking for Real-time Multi-Party Voice Agents

Soumyajit Mitra et al.

eess.AS cs.AI cs.CL

本文提出ModerLM，一个基于speech large language model的role-playing voice agent，通过显式分配角色和chain-of-thought推理来改进多轮对话中的turn-taking行为。实验表明该方法在turn-taking precision和recall上显著优于非角色条件化的baseline。

Edit the Bits, Diff the Codes: Bitwise Residual Editing for Visual Autoregressive Models

Shengqiang Zhang et al.

cs.CV cs.CL

本文提出BitResEdit，一种无需训练的文本引导图像编辑方法，用于bitwise-residual VAR生成器（如Infinity）。它通过BitEdit进行位级引导和ResEdit进行残差代码组合，在PIE-Bench上提升了编辑区域的文本对齐性能。

Contrast-Informed Augmentation and Domain-Adversarial Training for Adult-to-Neonatal MR Reconstruction Generalization

Stephen Moore et al.

cs.CV cs.AI

本文研究了对比信息增强和域对抗训练对E2E-VarNet模型从成人到新生儿MR重建泛化能力的影响，实验表明混合训练和混合域对抗训练在新生儿数据上优于仅用成人数据训练。该方法主要针对特定医学成像任务，与关键词中的概念关联较弱。

Differentially Private Hierarchical Heavy Hitters

Ari Biswas et al.

cs.CR cs.DS

本文研究了差分隐私下的层次化重击者（Hierarchical Heavy Hitters, HHH）问题，分别针对非流式与流式设置给出了隐私保护算法。在非流式场景中，作者证明了估计任意前缀残差计数的相对误差与层次高度及重击者数量无关；在流式场景中，尽管近似函数具有高全局敏感性，但频率估计的绝对误差与可用空间无关。

Approximability limits for bounded-degree max-LINSAT and implications for decoded quantum interferometry

Maximilian J. Kramer, Carsten Schubert, Jens Eisert

quant-ph cs.CC cs.DS

本文研究了有界度max-LINSAT问题的近似性极限，证明了在任意有限域上，超越随机猜测值$r/q + \mathcal{O}_{q,r}(1/\sqrt{D})$是NP难的，并探讨了该结果对解码量子干涉测量（DQI）的启示，指出量子解码器是实现与复杂度理论标度匹配的关键。

EvTexture++: Event-Driven Texture Enhancement for Video Super-Resolution

Dachun Kai et al.

cs.CV cs.AI

本文提出EvTexture++，一种用于视频超分辨率(VSR)的事件驱动纹理增强框架。它利用事件信号的高频时空细节，通过迭代纹理增强模块和时序纹理对齐模块，逐步恢复纹理区域并增强帧间一致性，在多个数据集上达到最优性能。

The Tone of Awareness: Topic, Sentiment, and Toxicity Maps During Mental Health Month on TikTok

Henrique Ferraz de Arruda et al.

cs.CY cs.CL cs.HC physics.soc-ph

本文使用BERTopic和情感/毒性分析工具，研究了TikTok上心理健康月期间视频和评论的主题、情感与毒性分布，发现不同主题在情感极性和毒性上存在显著差异。