bluearXiv-ai 论文精选

2026-06-17
返回首页 论文统计 精选论文 所有论文

📚 跟踪学科 (Categories)

🔍 筛选关键词 (Keywords)

📊 论文统计 ↑ 回顶部

cs.LG
95
cs.AI
61
cs.IR
7
cs.CL
52
cs.DS
8
others
147
总计
370

⭐ 精选论文 ↑ 回顶部

cs.LG

MGUP: A Momentum-Gradient Alignment Update Policy for Stochastic Optimization ⭐ 精选
Da Chang, Ganzhao Yuan
cs.LG
EnvRL: Learn from Environment Dynamics in Agentic Reinforcement Learning ⭐ 精选
Zhitong Wang et al.
cs.LG cs.CL
Looped World Models ⭐ 精选
Hongyuan Adam Lu et al.
cs.LG cs.AI cs.CL cs.CV

cs.AI

Beyond Parallel Sampling: Diverse Query Initialization for Agentic Search ⭐ 精选
Sidhaarth Murali et al.
cs.AI cs.IR
Distributed General-Purpose Agent Networks: Architecture, Key Mechanisms, and Prototypes ⭐ 精选
Shengli Zhang et al.
cs.AI cs.NI
EComAgentBench: Benchmarking Shopping Agents on Long-Horizon Tasks with Distributed Hidden Intent ⭐ 精选
Zeyao Du, Tong Li, Haibo Zhang
cs.AI cs.CL
Learning Cardiac Electrophysiology Digital Twins Through Agentic Discovery of Hybrid Structure ⭐ 精选
Ziqi Zhou et al.
cs.AI
EvolveNav: Proactive Preflection and Self-Evolving Memory for Zero-Shot Object Goal Navigation ⭐ 精选
Qi Chai et al.
cs.AI

cs.CL

ConSA: Controllable Sparsity in Hybrid Attention via Learnable Allocation ⭐ 精选
Yao Chen et al.
cs.CL

others

Agentic Discovery of Non-Canonical Antimicrobial Peptides with AMPGAN v3 ⭐ 精选
Jay Jung et al.
q-bio.QM cs.AI cs.LG
MeiBRD: Meta-Learning Intraoperative Biomechanical Residual Deformation ⭐ 精选
Casey Meisenzahl et al.
cs.CV cs.AI eess.IV
AUTOGATE: Automated Clock Gating via Toggling-Aware LLM-based RTL Rewriting ⭐ 精选
Yiting Wang et al.
cs.AR cs.AI cs.LG
PearlVLA: Progressive Embodied Action-Plan Refinement in Latent Space ⭐ 精选
Bochen Yang, Lianlei Shan
cs.RO cs.AI

📄 所有论文 ↑ 回顶部

cs.LG

MGUP: A Momentum-Gradient Alignment Update Policy for Stochastic Optimization ⭐ 精选
Da Chang, Ganzhao Yuan
cs.LG
本文提出MGUP (Momentum-Gradient Alignment Update Policy)，一种用于随机优化的选择性更新机制。该方法为标准momentum-based optimizer（如AdamW, Lion, Muon）增加了一个近乎即插即用的模块，在每次迭代中对选定固定比例的参数施加较大步长，其余参数施加较小非零步长。作者在标准假设下为MGUP-AdamW（不含weight decay）提供了理论收敛保证，并在MAE pretraining、LLM pretraining等任务中验证了其相比原始优化器更优或更稳定的性能。该方法为大规模模型训练提供了一种有理论依据的细粒度选择性更新策略，与关键词中的pretrain和Muon高度契合。
EnvRL: Learn from Environment Dynamics in Agentic Reinforcement Learning ⭐ 精选
Zhitong Wang et al.
cs.LG cs.CL
本文提出EnvRL框架，将环境动力学学习（environment dynamics learning）融入agentic强化学习（RL）中，通过引入状态预测（state prediction）和逆动力学（inverse dynamics）两个辅助目标，使agent能从自身的交互轨迹中内化环境转移机制。该方法在ALFWorld和WebShop等长程agentic任务基准上显著提升了成功率，例如将Qwen-2.5-1.5B-Instruct在ALFWorld上的表现从72.8%提升至77.4%。该工作为利用交互经验中的隐式监督信号改进agent策略学习提供了新思路，与关键词“agent”高度契合。
Looped World Models ⭐ 精选
Hongyuan Adam Lu et al.
cs.LG cs.AI cs.CL cs.CV
本文提出了Looped World Models (LoopWM)，这是首个将循环架构应用于世界建模的工作。该方法通过参数共享的transformer block迭代地精炼潜在环境状态，在保持自适应计算深度的同时，实现了相比传统方法高达100倍的参数效率。LoopWM建立了迭代潜在深度作为世界模拟的新缩放轴，为长期模拟中的复合误差问题提供了开创性解决方案，与关键词中的agent和attention概念高度契合。
Correct When Paired, Wrong When Split: Decoupling and Editing Modality-Specific Neurons in MLLMs
Tingchao Fu et al.
cs.LG cs.AI cs.CL
本文发现多模态大语言模型(MLLMs)中的知识编辑存在"解耦失败"问题：当模型被多模态输入(text-image query pairs)触发时知识可被更新，但输入被拆分为单模态时知识会回退。作者提出DECODE方法，通过显式解耦和定位特定知识的modality-specific neuron groups来缓解此问题。
Diagnosing and Repairing Shape-Prior Shortcuts in Long-Range Single-Shot Fringe Projection Profilometry
Adam Haroon et al.
cs.LG eess.IV
本文针对长距离单次条纹投影轮廓术（FPP）中基于学习的基线方法进行了诊断与修复。研究发现基线UNet模型依赖物体边界形状先验而非条纹相位解码，为此提出了PhiCalNet架构，通过输出包裹相位并应用固定可微校准层来消除形状先验捷径，将物体平均绝对误差降低了3.3倍。
Informative Missingness to Generate Irregular Clinical Time Series
Hadi Mehdizavareh et al.
cs.LG cs.CY
本文提出一种基于diffusion的方法，用于生成不规则的临床时间序列数据，该方法通过联合建模实验室检测值和观测模式，扩展了TimeDiff框架。实验表明生成数据能匹配真实患者轨迹，但方法本身在理论或技术上的开创性有限。
Models Take Notes at Prefill: KV Cache Can Be Editable and Composable
Bojie Li
cs.LG cs.AI
本文研究了KV cache的可编辑性和可组合性，发现Prefill阶段模型已将基于field的结论写入后续notes，而field自身的key/value对决策贡献很小。基于此，论文提出了一种通过编辑notes或重新定位预编译技能来修改模型行为的方法，在保持决策一致性的同时显著降低了延迟。
The Critical Role of Model Selection in Causal Inference: A Comparative Analysis of Classification Models within the InferBERT Framework for Pharmacovigilance
Csaba Kiss, Roland Molontay, Gabriele Pergola
cs.LG cs.CL
本文在InferBERT框架下比较了XGBoost、ALBERT、BioBERT和Med-LLaMA四种模型在药物警戒中因果推断的效果，发现领域特定预训练模型BioBERT表现最优，而大型语言模型Med-LLaMA反而性能不佳。研究强调了模型选择对因果ADE检测的关键影响，但方法本身缺乏开创性。
Probing, Fusion, and Trustworthiness: A Systematic Evaluation of Foundation Model Representations for Multimodal Cancer Analysis
Jingyu Hu et al.
cs.LG cs.AI q-bio.QM
本文系统评估了Foundation Model在计算病理学任务中的表现，包括单模态探测、多模态融合和可信度分析，发现图像与转录组特征互补，多模态融合仅在单模态信号不占优时有效，且Conformal Prediction增强了不确定性感知推理的临床价值。
MODE: Modality-Decomposed Expert-Level Mixed-Precision Quantization for MoE Multimodal LLMs
Yuanteng Chen et al.
cs.LG cs.AI
本文提出MODE框架，通过按模态分解专家选择频率并过滤冗余视觉token，为MoE多模态大语言模型实现专家级混合精度量化，在W3A16设置下将平均性能损失控制在2.9%以内。该方法主要针对多模态场景下的量化偏差问题，与关键词中的code、context、spectral、Muon、pretrain、agent、attention均无直接关联。
Noise-Driven Escape from Metastable Phases explains Grokking in Deep Neural Networks
Ibrahim Talha Ersoy, Karoline Wiesner
cs.LG physics.chem-ph
本文通过线性DNN模型证明，grokking现象（泛化能力的突然延迟出现）与L2正则化下的一阶相变中的迟滞效应一致，其中SGD噪声驱动模型从低精度的metastable state（亚稳态）逃逸，逃逸时间遵循Arrhenius标度。该工作为理解深度神经网络中的泛化延迟提供了物理视角。
Towards Fast GNN Surrogates for CO2 Migration in Complex Geological Formations
Rodrigo S. Luna et al.
cs.LG
本文提出了一种基于graph neural network的端到端代理模型，用于预测CO\(_2\) plume在复杂地质储层中的迁移。该方法将SPE11A基准问题重构为graph，并通过anisotropic message-passing机制和autoregressive residual formulation来模拟多相流物理行为。
Verified Detection and Prevention of Concurrency Anomalies in Multi-Agent Large Language Model Systems
Sajjad Khan
cs.LG cs.DC cs.LO cs.MA cs.PL
本文形式化了多智能体LLM系统中的四种并发异常，并构建了一个经过机械验证的一致性层级\(L_0 \subsetneq \cdots \subsetneq L_4\)，通过Verus证明检测器的完备性，并在Rust运行时中实现了部分层级。该工作主要贡献在于验证框架本身，与关键词中的“agent”有一定关联，但方法上缺乏开创性，且未涉及code、spectral、Muon、pretrain或attention等概念。
Finsler Geometry, Graph Neural Networks, and You
T. Mitchell Roddenberry, Richard G. Baraniuk
cs.LG eess.SP math.DG stat.ML
本文考虑用Finsler Laplacian的离散估计来替代图神经网络中基于graph Laplacian的各向同性算子，证明了该估计在点云采样数增加时收敛到流形上的真实算子，并以此定义了一族Finslerian图神经网络层。
Constrained Diffusion Models with Primal-Dual Inference
Samar Hadou, Yigit Berkay Uslu, Alejandro Ribeiro
cs.LG
本文提出了一种基于primal-dual inference (PDI)的constrained diffusion model，用于从具有平均约束的熵正则化优化问题的最优分布中采样。该方法在Lagrangian dual域中联合推断最优primal分布及其对应的dual variable，并通过dual ascent更新约束违反量。
PowerOPD: Stabilizing On-Policy Distillation with Bounded Power Transformation
Anhao Zhao et al.
cs.LG cs.AI
本文针对on-policy distillation (OPD)中log-ratio reward无界导致的高方差梯度问题，提出PowerOPD方法，通过Box-Cox power transformation构造有界且符号一致的reward函数族。实验表明该方法在数学推理任务上提升了性能，并降低了计算开销。
Sum-of-Squares Degree Barriers for the Reweighted-Hinge Method in Robust Halfspace Learning: A Christoffel-Function Characterization
Xiaoyu Li
cs.LG cs.DS stat.ML
本文研究了鲁棒半空间学习中重加权铰链方法的SoS度数障碍，通过Christoffel函数刻画了低度证书无法移除的腐败质量上限，并分析了边际-度数权衡与度数-2异常值障碍。
Rift: A Conflict Signature for Deception in Language Models
Petr Nyoma
cs.LG cs.AI cs.CL
本文提出了一种名为"冲突签名"（conflict signature）的方法，通过对比"知情说谎者"（sleeper agent）与"天真说谎者"（naive liar）在输出相同错误答案时的内部表征差异，来检测语言模型中的欺骗行为。实验表明，欺骗性前向传播的residual rank显著高于天真说谎者，该方法在多个模型上实现了100%的检测准确率，并展现出跨模型、跨语言的零样本迁移能力。
Uncertainty Quantification of Engineering Structures by Polynomial Chaos Expansion and Multivariate Active Learning
Qitian Lu et al.
cs.LG stat.ML
本文提出了一种基于Polynomial Chaos Expansion和多元主动学习的自适应序贯采样方法，用于构建多输出工程结构的代理模型。该方法通过平衡输入空间的探索与所有输出聚合方差信息的利用，从候选池中顺序选择新样本，以提高代理模型的精度和稳定性。数值实验表明，该方法相比非序贯的Latin Hypercube Sampling在代理精度和二阶统计量估计上有所改进。
Rethinking Groups in Critic-Free RLVR
Yihong Wu et al.
cs.LG cs.CL
本文重新审视了无评论强化学习（Critic-Free RLVR）中“组”（group）的作用，指出其核心功能并非估计baseline，而是防止对负样本的错误惩罚。基于此，作者提出负token过滤（negative token filtering）策略，实现了稳定的单rollout训练，并在推理和agent任务上取得了与基于组的方法相当或更强的性能。
ProCUA-SFT Technical Report
Jaehun Jung et al.
cs.LG cs.CV
本文提出ProCUA-SFT数据集，通过全自动pipeline从合成trajectory中生成3.1M step-level SFT样本，用于训练computer-use agent。实验表明，在UI-TARS 7B上微调后，OSWorld成功率从26.3%提升至45.0%，显著优于使用AgentNet数据集的负迁移结果。
Decision-Driven Geosteering Under Uncertainty: A Unified Framework for Sequential Decision Optimization
Hibat Errahmen Djecta et al.
cs.LG
本文提出了一个将particle filter与强化学习结合的geosteering框架，用于在不确定性下优化钻井轨迹决策。该框架比较了Approximate Dynamic Programming、Deep Q-learning和Dual Deep Reinforcement Learning三种决策策略，并通过工业模拟器验证了其有效性。
Counterfactual Optimization of Baseball Pitch Sequences and Estimation of Its Impact on Season-Level Statistics
Ryota Takamido, Hiroki Nakamoto
cs.LG cs.AI
本文使用基于Transformer的机器学习模型，对棒球投球序列进行反事实分析，通过替换最终投球或前置投球来优化序列，并估计其对赛季级统计数据的影响。研究为投球序列的策略重要性提供了定量支持。
MM++: Unsupervised Scale-Invariant Multilayer OOD Detection via Top-K Gated Feature Fusion
Rahim Hossain et al.
cs.LG cs.CV
MM++提出了一种完全无监督、事后且尺度不变的OOD检测框架，通过熵密度下降选择判别性中间层并与最终表示融合，利用Ledoit-Wolf正则化协方差矩阵构建联合特征空间，无需额外数据或模型修改即可提升检测鲁棒性。
Performance-Driven Environment Abstraction with Multi-Timescale Learning
Yue Guan, Dipankar Maity, Panagiotis Tsiotras
cs.LG eess.SY
本文研究大规模Markov decision processes中的性能驱动环境抽象方法，通过聚合状态空间并强制共享action分布来优化决策质量，提出了一种多时间尺度强化学习框架，能根据Q-value差异自适应调整树结构抽象。实验表明该方法在状态压缩和样本效率上优于actor-critic基线。
The Discrete-Log Clock: How a Transformer Learns Modular Multiplication
Huu Danh Nguyen
cs.LG cs.AI
本文研究了Transformer学习模乘法的内部机制，发现使用乘法特征变换（而非标准加法DFT）分析时，其嵌入频谱变得高度稀疏，且MLP神经元对单一乘法频率敏感。结果表明模型在离散对数空间中实现了加法运算，但该工作与关键词列表中的概念关联较弱。
Discrete Autoregressive Transformer for Generative Mechanism Synthesis
Anar Nurizada, Anurag Purwar
cs.LG cs.AI
本文提出了一种基于离散自回归Transformer的生成机制综合方法，将平面路径综合问题转化为条件自回归序列建模，通过量化关节坐标并使用VAE隐变量和机制类型token进行生成。该方法在超过一百万个机制的语料库上评估，使用Chamfer距离和动态时间规整作为指标，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词中的核心概念。
Amortized Probabilistic Retrieval of Atmospheric CO2 from OCO-2 Spectra Using Deep Learning with Laplace Approximations and Normalizing Flows
Alejandro Calle-Saldarriaga et al.
cs.LG stat.AP
本文提出了一种基于深度学习的框架，用于从OCO-2光谱中概率性地反演大气CO2浓度。该方法使用多分支神经网络编码光谱波段，并利用Laplace近似和normalizing flows来估计后验分布，实现了比传统“全物理”求解器快数个数量级的推理速度，并提供了更优的不确定性量化。
Memory-Efficient Meta-Reinforcement Learning for Adaptive Safety-Critical Control in Adversarial Spacecraft Proximity Operations
Alejandro Posadas-Nava, Richard Linares, Minduli Wijayatunga
cs.LG math.DS
本文研究了在对抗性航天器接近操作中，通过元强化学习（meta-RL）自适应调整输入约束控制屏障函数（ICCBF）的类\(\mathcal{K}\)函数，以提升安全关键控制的内存效率。实验比较了LSTM、GRU和Mamba三种循环网络架构及PPO、SAC两种训练算法，发现Mamba与PPO的组合在任务完成、安全性和燃料节省方面表现最优。
Generalization Guarantees for Multi-Input Neural Operator Learning in Sobolev Spaces
Yahong Yang et al.
cs.LG math.NA
本文为多输入neural operator在Sobolev空间中的近似与泛化误差提供了估计，允许输入函数定义在不同域上并具有不同正则性，其误差率由输入维度与Sobolev阶数共同决定。该工作为多输入operator learning（包括Sobolev training）建立了理论框架，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联较弱。
MorphStrata: Layer-Specific Perturbations for Generating Morphence Students in Time-Series Moving Target Defense
Abhishek Bhardwaj et al.
cs.LG
本文提出MorphStrata，一种在时间序列Moving Target Defense中生成学生模型的策略，通过向Transformer backbone的随机层注入噪声来创建结构异质性。实验表明该方法在多种攻击下能保持对抗鲁棒性，且训练开销增加极小。
Toward Controllable Catalyst Inverse Design via Large-Scale Autoregressive Pretraining
Dong Hyeon Mok, Jonggeol Na, Seoin Back
cs.LG cond-mat.mtrl-sci physics.chem-ph
本文提出了一种基于Generative Pretrained Transformer架构的条件催化剂生成模型，通过在大规模催化剂结构数据上预训练并微调，实现了对催化剂结构的可控生成。该方法在结构有效性和条件匹配率上表现良好，但与我提供的关键词（如code, context, spectral, Muon, agent, attention）关联度较低。
Credibility-Weighted Pricing of Autonomous Vehicle Liability Under Operational Design Domain Shift
Doyeon Jang
cs.LG cs.RO
本文提出了一种分层贝叶斯可信度框架，用于在自动驾驶系统责任定价中处理稀疏经验、运营设计域变化和非平稳风险，通过ODD相似性核进行部分池化，并在Waymo事故数据上验证了其有效性。
Operator Boosting Produces Pareto-Efficient PDE Surrogates
Lennon J. Shikhman
cs.LG math.NA physics.comp-ph
本文提出Operator Boosting框架，通过逐步残差学习直接构建紧凑的neural operator代理，在多个PDE基准测试中相比全尺寸模型减少了约72-95%的可训练参数，同时部分提升了经验精度-参数Pareto前沿。该方法与Fourier neural operators、DeepONets等架构兼容，但效果依赖于具体PDE和架构。
ResAware: Cross-Environment Website Fingerprinting via Resource-Privileged Distillation
Chongru Fan et al.
cs.LG cs.NI
本文提出ResAware框架，通过资源特权蒸馏（resource-privileged distillation）在训练时利用资源级特征训练教师模型，再将其知识蒸馏到仅使用加密流量进行推理的学生模型中，以提升网站指纹攻击在跨环境场景下的鲁棒性。实验表明该方法能有效缓解时空漂移等环境扰动带来的性能下降。
CheckMIABench: Firm Foundations For Membership Inference Attacks on Language Models
Jeffrey G. Wang et al.
cs.LG
本文提出了CheckMIABench基准，通过利用训练过程中固定时间点前后的数据来自同一分布这一特性，为语言模型的Membership Inference Attacks (MIAs) 提供了更严谨的评估框架，并在Pythia和OLMo模型系列上测试了多种已有攻击方法。
Perron--Frobenius Operator Matching for Generative Modeling
Shiqi Zhang et al.
cs.LG eess.SY
本文提出Perron--Frobenius Operator Matching (PFOM)生成框架，通过积分PF算子匹配密度演化，统一了流、扩散和跳跃模型。文章证明了在Bregman散度中仅Kullback--Leibler散度能保持密度级与样本条件目标间的等价性，并开发了Nesterov加速训练与采样方法。
ReRAM-aware Model Finetuning addressing I-V Non-linearity and Retention Errors
Ching-Yi Lin et al.
cs.LG eess.SY
本文提出了一种基于finetuning的硬件感知训练算法，通过range-shrunk sinh变换缓解I-V非线性和在finetuning过程中引入retention errors正则化损失，以在ReRAM上部署DNN。实验表明该方法在ResNet18、DeiT-Tiny等模型上精度接近基线，在MobileNetV3和SQuAD v2上仅有微小退化。
Multi-Adapter PPO: A Cross-Attention Enhanced Wavelength Selection Framework for LIBS Quantitative Analysis
Hao Li, Man Fung Zhuo
cs.LG
本文提出了一种名为Multi-Adapter PPO的框架，将LIBS定量分析中的波长选择问题转化为reinforcement learning问题，并利用cross-attention机制和多个专用adapter来捕捉复杂的光谱关系。该方法在钢铁和煤炭数据集上优于传统的Particle Swarm Optimization (PSO)方法。
Online LLM Selection via Constrained Bandits with Time-Varying Demand
Yin Huang, Qingsong Liu, Jie Xu
cs.LG cs.AI
本文针对边缘-云推理系统中在线选择LLM的问题，将其建模为带有时变需求的约束bandit学习任务，并提出一种基于置信界估计和需求预测的在线算法，在理论上证明了亚线性regret和约束违反。
Reconfigurable Computing Challenge: Transformer for Jet Tagging on Versal AI Engines
Gram Koski et al.
cs.LG cs.AR
本文针对CERN LHC喷注标记任务，在AMD Versal AI Engine上实现了量化整数Transformer的初始部署，将dense和multi-head attention层映射到AIE tiles。主要贡献是一个可复用的软件框架，将Transformer层表示为可组合的AIE构建块，并从高层Python模型描述自动生成Vitis图代码。
When the Next Step Is Not One Step: Distribution-Aware Execution Modeling for Concurrent Go Programs
Kaviru Hapuarachchi
cs.LG cs.DC cs.PL cs.SE
本文针对并发Go程序中预测下一步事件的非确定性挑战，提出了一种分布感知的执行建模方法。通过多次运行程序并聚合观察到的下一事件为经验分布，使用KL散度目标微调7B模型，在真实Go缺陷数据集上达到了36.2%的准确率，并降低了期望校准误差。该方法主要关注并发程序的执行建模，与关键词中的code和context有一定关联，但缺乏与spectral、Muon、pretrain、agent或attention等核心概念的紧密联系。
Geometry-Aware Post-Hoc Uncertainty Quantification in Operator Learning
Oriol Vendrell-Gallart, Nima Negarandeh, Ramin Bostanabad
cs.LG cs.AI
本文提出REEF-GP框架，通过将Gaussian Process拟合到冻结神经算子（neural operator）的残差上，利用算子内部嵌入定义kernel特征空间，实现几何感知的后验不确定性量化。该方法在多个PDE基准上保持预测精度的同时，提供了与深度集成相当但成本更低的不确定性估计。
FoundCause: Causal Discovery with Latent Confounders from Observational Data
Patrick Blöbaum, Krishnakumar Balasubramanian, Shiva Prasad Kasiviswanathan
cs.LG cs.AI stat.ME stat.ML
本文提出FoundCause，一种基于amortized learning的因果发现模型，通过transformer encoder和因子化解码器直接从观测数据中恢复因果图，并显式建模潜在混淆变量。该方法在多个真实数据集上优于传统非amortized方法（如PC、GES）和其他amortized方法。
Learning to Refine Hidden States for Reliable LLM Reasoning
Chia-Hsuan Hsu, Jui-Ming Yao
cs.LG
本文提出ReLAR框架，通过强化学习引导的隐状态精炼机制，在解码前迭代更新隐藏表示以提升LLM推理稳定性，并在多个推理基准上验证了效果。
Non-negative Matrix Factorisation with Topological Regularisation
Matias de Jong van Lier, Shizuo Kaji, Keunsu Kim
cs.LG cs.CG math.AT
本文通过引入persistent homology作为拓扑正则化项，改进了非负矩阵分解(NMF)中基函数的可解释性学习。该方法将拓扑分数整合到NMF目标函数中，适用于图像、时间序列和图信号等结构化数据。
Offline Preference-Based Trajectory Evaluation
Fernando Diaz
cs.LG cs.AI
本文提出了一种基于偏好的轨迹评估方法，通过比较轨迹的时间偏好和返回时间分布来替代传统的终端成功指标，从而减少评估中的平局并提高区分能力。实验表明该方法在多个agentic和交互式基准测试中显著提升了排序稳定性和数据效率。
Continuous-time Optimal Stopping through Deep Reinforcement Learning
Cosmin Borsa, Michael Ludkovski
cs.LG q-fin.CP q-fin.PR
本文提出了一种基于深度强化学习的连续时间最优停止算法CARLOS，通过聚合深度神经网络学习时空决策边界，并采用自适应采样策略逐步细化停止时机，以解决传统离散化方法在粗网格下低估奖励、细网格下误差累积的问题。
Reversal Q-Learning
Aditya Oberai, Seohong Park, Sergey Levine
cs.LG cs.AI
本文提出了一种名为Reversal Q-learning (RQL)的off-policy RL算法，通过将flow matching的迭代生成步骤视为expanded MDP中的独立动作，并利用"反转"flow生成虚拟on-policy轨迹以及偏差-方差缩减技术来解决horizon问题。实验表明，RQL在50个模拟机器人任务上取得了优于现有flow-based离线RL方法的平均性能。
SpatioTemporal Causal Network Diagnostics for Geographic Tipping Point Early Warning
Zhaoyuan Yu, Zhangyong Liang
cs.LG
本文提出SpatioTemporal Causal Network Diagnostics (ST-CND)框架，通过将地理场表示为时变有向因果网络来解决空间早期预警中的空间稀释、欧几里得假设和噪声相关性问题。该框架利用transfer entropy推断信息流拓扑，并结合动态模态分解估计局部恢复率，在合成分岔和观测海表温度数据上取得了优于基线方法的预警性能。
Reducing Learner Redundancy in Boosting via Residual Orthogonalization
Ye Su et al.
cs.LG
本文提出SCBoost框架，通过Spectral Residual Projection (SRP)和Covariance-Regularized Weighting (CRW)两种机制减少Boosting中的learner冗余，将残差拟合转为残差正交化，并在理论上给出了有限样本下的几何刻画。
When Dynamics Models Read the Wrong Time Steps: Label-Free Event Credit Re-Anchoring for Robust Global Readouts
Yifan Wang
cs.LG eess.SY
本文研究了学习动力学模型中的时间信用稀释问题，即模型在全局预测时可能错误地依赖平滑相关特征而非关键物理事件。作者提出了CREST方法，通过无训练和无标签的事件核心重锚定来改进全局读出，实验表明该方法能减少分布外误差。
LLM Features Can Hurt GNNs: Concatenation Interference on Homophilous Graph Benchmarks
Zhongyuan Wang, Pratyusha Vemuri
cs.LG cs.AI cs.CL cs.SI
本文研究了将LLM生成的节点特征通过纯输入拼接（concatenation）引入图神经网络（GNN）时，在同类图（homophilous graph）基准上反而导致精度下降的现象，并提出了一个基于LLM单独判别性（Delta_sig）的简单度量来预测拼接的收益或损失。
Expanding SPHERE-JEPA: A Family of Statistical Regularizers for the Hypersphere
Léo Nicollier et al.
cs.LG
本文研究了自监督学习中在单位超球面上强制均匀分布的正则化方法，通过解析推导出确定性Maximum Mean Discrepancy (MMD)来替代随机切片方法，并提出了基于旋转不变核的全维度MMD、Kernel Stein Discrepancy (KSD)和KL散度正则化器。实验表明该方法能稳定优化并提升ImageNet等数据集上的性能，但未直接涉及code、context或agent等关键词。
A Risk Decomposition Framework for Pre-Hoc Fine-Tuning Prediction
Yuxiang Luo, Chen Wang, Nan Tang
cs.LG cs.AI
本文提出了一种风险分解框架，用于预微调性能预测，将预测风险分解为内在极限和可优化方差，并证明了优化方差衰减率的下界。基于此，推导了预算最优探测原则并引入了可预测性相图，在合成和真实基准上验证了理论结果。
Physics-Constrained Neural Networks for Improved Short-Term Weather Forecasting: A Case Study over the South Pacific
Egor Bugaev et al.
cs.LG
本文在WeatherGFT架构基础上，通过改进数值求解器（结合WENO-5格式、beta-plane近似和亚网格尺度粘度）和引入统一自回归混合模块，提升了物理约束神经网络（PCNN）在短期天气预报中的精度与稳定性。实验表明，混合模型在1-12小时预报时效上比纯神经网络模型降低了8-22%的均方根误差，并更好地保持了物理一致性。
TuneAhead: Predicting Fine-tuning Performance Before Full Training Begins
Yuxiang Luo et al.
cs.LG cs.AI
本文提出了TUNEAHEAD框架，通过将候选微调运行编码为结合静态数据集描述符和动态探针特征的meta-feature向量，并利用predictor映射到性能估计，实现了在完整训练前预测微调性能。实验表明该方法在Qwen2.5-7B-Instruct上优于Early-Stop Extrapolation等基线，但未涉及关键词中的code、spectral、Muon等核心概念。
Handling Feature Heterogeneity with Learnable Graph Patches
Yifei Sun et al.
cs.LG cs.AI
本文提出learnable graph patches的概念，将图数据分解为最小的语义单元，并设计了一个包含patch encoder和patch aggregator的框架，以处理不同图数据间的特征异质性。该方法旨在提升图模型在多领域预训练和下游任务中的迁移能力。
ASTEROID: A Spatiotemporal Information Transformer for Forecasting Multi-Step Time Series of Molecular Dynamics
Kexin Wu, Luonan Chen, Renxiao Wang
cs.LG cs.AI q-bio.QM
本文提出了一个名为ASTEROID的数据驱动框架，用于预测分子动力学模拟中的多步原子坐标。该框架将MD轨迹重构为高维时空序列，并在Transformer架构中集成了时空信息变换方程，通过局部-全局自注意力机制和编码器-解码器结构来建模多尺度时空依赖关系。
Delta-Based Target Reformulation for Short-Term Electricity Load Forecasting Using LSTM and Transformer Models
Vansh Bansal
cs.LG
本文提出了一种基于delta变换（预测相邻时间步的负荷变化而非绝对值）的短期电力负荷预测方法，使用LSTM和Transformer模型，并在印度真实数据上验证了其有效性。该方法通过差分处理稳定学习目标，在小时级预测中显著降低了MAPE，但在天级预测中效果依赖于模型类型。
Confusion-Aware Transfer Teacher Curriculum Learning Framework: Disentangling Scoring and Pacing Effects
Savini Kommalage et al.
cs.LG cs.AI
本文在Transfer Teacher框架下，通过解耦评分与调度效应，评估了一种考虑混淆度的难度评分方法。实验表明，该方法在数据量较少时（如20%数据）能提升训练效率，但在全数据下无法改善标准训练的准确率。
A fairness-aware extension of Stochastic Multicriteria Acceptability Analysis for ranking
Guilherme Dean Pelegrina, Renata Pelissari
cs.LG
本文提出SMAA-Fair，一种在随机多准则可接受性分析(SMAA)中引入公平性约束的扩展方法，通过根据群体公平性指标对模拟排序进行重加权，以改善受保护群体在排序中的代表性。该方法独立于聚合模型，并基于合成与真实数据验证了其有效性。
Blind Recovery of Latent Domains via Unsupervised Symmetry Discovery
Onur Efe, Arkadas Ozakin
cs.LG
本文提出了一种无监督框架，通过发现数据分布的对称性来恢复潜在域和信号，将观测建模为来自潜在随机场的信号的线性测量，并优化浅层群卷积网络。实验表明该方法能从非结构化观测中恢复潜在域和信号。
Continual Self-Improvement with Lightweight Experiential Latent Memories
Vaggelis Dorovatas, Nancy Kalaj, Rahaf Aljundi
cs.LG
本文提出一种在线学习方法，通过将自生成的推理轨迹（reasoning traces）蒸馏为轻量级软提示记忆（soft prompt memories），使大语言模型能够从自身经验中持续改进。该方法使用多数投票（majority voting）作为奖励信号进行少量梯度更新，在数学推理基准上优于零样本和原始数据上下文学习（ICL）基线。
QueryMarket: Cost-Aware Online Active Learning in Data Markets
Xiwen Huang, Pierre Pinson
cs.LG
QueryMarket提出了一种市场启发的在线主动学习框架OVBAL，通过D-optimality准则估计样本边际效用并考虑标签价格，在滚动预算约束下进行成本感知的数据购买。该方法适用于非平稳流数据，并在太阳能发电预测任务中展示了较好的长期误差-成本权衡。
No-Free-Fairness: Fundamental Limits and Trade-offs in Learning Systems
Khoat Than
cs.LG cs.AI
本文提出了“无免费公平”定理，从理论上证明了学习系统中不公平性的三个根本来源：任务本身的不可约成本、有限样本学习导致的统计瓶颈以及模型类表达能力的限制。这些结果表明不公平性源于决策问题的内在结构，而非仅仅是数据偏差或优化问题。
Conservation Laws for Modern Neural Architectures
Viet-Hoang Tran et al.
cs.LG cs.AI
本文为现代神经网络架构（如GELU、SiLU、SwiGLU激活函数、多头注意力及混合专家模型）建立了一个统一的框架来刻画梯度流中的守恒律，并通过实验验证了理论预测的不变量。
Functional Equivalence in Attention: A Comprehensive Study with Applications to Linear Mode Connectivity
Viet-Hoang Tran et al.
cs.LG cs.AI
本文研究了Transformer中带有positional encodings（位置编码）的functional equivalence（功能等价性），发现sinusoidal encodings保留了vanilla attention的对称结构，而rotary encodings（RoPE）则显著减少了对称群，从而增强了表达性。文章还探讨了positional encodings对linear mode connectivity的影响，并通过对齐算法进行了实证分析。
From Drift to Coherence: Stabilizing Beliefs in LLMs
SongEun Kim et al.
cs.LG
本文研究了LLM在多项选择题回答中的信念动态，发现早期存在信念漂移（违反鞅性质），但通过自回归重采样后信念会自稳定。作者提出了Prompted Predictive Resampling (PPR)方法及种子答案提示策略和自一致性损失，以加速稳定并提高预测一致性。
Meta-classification of one-class classification models using ranking correlation and nearest neighbor
Toshitaka Hayashi et al.
cs.LG
本文提出了一种对one-class classification (OCC)模型进行meta-classification的方法，通过将OCC模型表示为normality rankings，并利用nearest-neighbor和ranking-correlation metrics进行分类。实验表明该方法在根据训练数据集对模型进行分类时准确率较高，但整体方法在理论或应用上缺乏显著的开创性，与关键词列表中的概念关联较弱。
AnchorKV: Safety-Aware KV Cache Compression via Soft Penalty with a Refusal Anchor
Ning Ni, Yingjie Lao
cs.LG cs.AI
本文提出AnchorKV，一种通过软惩罚机制在KV cache压缩中引入安全意识的改进方法。它利用拒绝锚点（refusal anchor）调整token保留分数，在保持压缩效率的同时提升对越狱攻击的防御能力。
Monotonic Kolmogorov-Arnold Networks: A Theoretical and Empirical Study of Monotonicity as an Inductive Bias
Mikhail Krasnov, Carolina Fortuna, Blaž Bertalanič
cs.LG
本文提出了一种名为MKAN的单调Kolmogorov-Arnold Network变体，通过指数重参数化B-spline系数和正边权等设计，在所有参数值上保证了硬单调性。理论贡献是一个表示代价定理，表明任何具有球状语义邻域划分的特征提取器都可以用至多\(2N^*\)个节点实现单调等价结构。实验表明MKAN在单调性基准上具有竞争力，并验证了理论预测。
Dimensionality Controls When Modularity Helps in Continual Learning
Kathrin Korte et al.
cs.LG cs.AI cs.NE
本文研究了在序列A-B-A学习范式中，模块化架构、任务相似性和表示维度如何共同影响组合持续学习，通过比较任务分区循环网络与单网络基线，发现高维“惰性”机制下模块化结构影响小，而低维“丰富”机制下模块化变得关键。
KANLib -- An Modular, Extensible and Fast Kolmogorov-Arnold Network Implementation
Julian Hoever, Gregor Schiele
cs.LG cs.AI
KANLib是一个模块化、可扩展且高效的Kolmogorov-Arnold Network (KAN)实现框架，它统一了PyKAN、EfficientKAN和FastKAN等现有实现的核心概念，并支持多种basis function类型和自适应网格缩放。实验表明，该框架在加州房价基准上能复现参考KAN实现的预测行为，同时保持计算效率，但与关键词列表中的概念关联较弱。
Predictive Analytics in E-Commerce for CustomerBehavior Forecasting using hybrid Ret-DNN withXGBoost Model
Degala Pushpa Sri et al.
cs.LG
本文提出了一种混合Ret-DNN与XGBoost的模型，用于电子商务中的客户行为预测，通过特征提取和梯度提升方法提升了预测精度，但方法本身缺乏开创性且与关键词列表关联较弱。
SoftMoE: Soft Differentiable Routing for Mixture-of-Experts in LLMs
Mikołaj Zasada et al.
cs.LG cs.AI
本文提出SoftMoE，通过使用截断的soft top-\(k\) LapSum松弛替代离散路由，实现了专家路由的梯度优化，并参数化每层平均激活专家数以施加全局预算约束。该方法在保持自回归建模兼容性的同时，在语言建模任务上以更少的专家激活达到可比或更优的性能。
Multiple cyclicity and Wavelet Decomposition with Channel Correlation for Long-term Time Series Forecasting
Bin Wang, Heming Yang, Jinfang Sheng
cs.LG cs.AI
本文提出McWC模型，通过多层循环构建模块、多层感知机和多级小波分解分别建模时间序列的周期性、趋势和通道间相关性，并在频域解耦通道内自相关，在六个数据集上取得先进性能。该方法与关键词中的“attention”或“spectral”无直接关联。
Half a Link can Be Enough to Predict a Whole Link: Understanding Generalization in Knowledge Graph Foundation Models
Cosimo Gregucci et al.
cs.LG
本文研究了知识图谱基础模型(KGFMs)在零样本链接预测中的泛化机制，通过引入"半链接"(half-link)概念将测试三元组分为四种场景，揭示了模型主要依赖已见的半链接进行预测，而未见半链接则带来不同挑战。该工作为KGFM的鲁棒泛化提供了细粒度诊断协议，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
C2FL: Clustered Continual Federated Learning under Spatial and Temporal Drift
Davide Domini et al.
cs.LG cs.AI
本文提出了一种名为C2FL的分布式联邦学习方法，通过空间聚类和自适应平均来应对移动节点环境中的空间异质性和时间漂移问题。该方法在合成实验中展示了优于标准联邦策略的鲁棒性，但与我提供的关键词列表关联度较低。
Recursive Scaling in Masked Diffusion Models
Alba Carballo-Castro et al.
cs.LG
本文提出Recursive Masked Diffusion Models (R-MDMs)，通过在每次denoising step中重复应用同一个transformer来增加递归深度，从而在不增加参数量的情况下提升模型有效深度。实验表明，该方法在Sudoku和Countdown等结构化生成任务中能显著提升参数效率，并可在推理时用更少的前向传播达到相同生成质量。
LoopCoder-v2: Only Loop Once for Efficient Test-Time Computation Scaling
Jian Yang et al.
cs.LG cs.AI
本文研究了Parallel loop Transformers (PLT)中循环次数对性能的影响，通过训练不同循环次数的LoopCoder-v2模型发现，两循环变体在代码生成等任务上显著优于无循环基线，但三循环及以上性能反而下降。作者从增益-成本视角解释了这一现象，即后续循环的细化收益递减，而cross-loop position offsets引入的位置失配成本相对固定，导致最优循环次数饱和。
Catastrophic Forgetting is Low-Rank: A Function-Space Theory for Continual Adaptation
Ido Nitzan Hidekel, Dan Raviv
cs.LG cs.AI
本文在NTK regime下给出了持续学习中灾难性遗忘的函数空间解释，指出遗忘集中在少量旧任务NTK eigenmodes上，并推导了冻结线性头情况下的Kronecker scaling rule。该工作与spectral正则化相关，但未直接涉及code、context或agent等关键词。
ConTex: Reformulating Counterfactual Generation For Time Series Forecasting
Jan Voets et al.
cs.LG
本文提出ConTex方法，将时间序列预测中的反事实生成问题重新表述为学习全局一致的干预策略，通过分解架构（包含temporal context encoder和conditional encoder）在单次前向传播中生成稀疏且可解释的反事实解释，显著降低了计算成本并支持实时推理。
NoiseTilt: Noise-Tilted Reverse Kernels for Diffusion Reward Alignment
Jisung Hwang et al.
cs.LG
本文提出Noise-Tilted Reverse Kernel (NTRK)，一种用于扩散模型的奖励引导采样方法。该方法通过向噪声项注入reward gradient，保持预训练reverse kernel不变，从而在单步采样中同时实现高质量生成与奖励引导，避免了现有方法在梯度引导与搜索方法之间的权衡。
Volterra Generative Models
Yusen Jia, Bingyan Han
cs.LG cs.AI
本文提出Volterra生成模型，通过分数阶核引入路径依赖噪声扩展了基于分数的扩散模型，并利用高斯求积和混合有限差分指数近似构建有限维马尔可夫提升以处理非马尔可夫动力学。实验表明该方法在MNIST和CIFAR-10上对生成质量有一定改进。
Edge Flow: A Tractable and Predictive Continuous-Time Model for Gradient Descent at the Edge of Stability
Pierre Marion
cs.LG
本文提出Edge Flow模型，通过三个耦合ODE描述梯度下降在稳定性边缘的动力学，将动态分解为中心、振荡方向和幅度，并展示了锐度稳定机制。该模型在离散化时仅需两次梯度计算和一次Hessian-vector乘积，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
From Reasoning Traces to Reusable Modules: Understanding Compositional Generalization in Language Model Reasoning
Lingjing Kong et al.
cs.LG
本文通过层次化隐变量选择模型形式化了语言模型推理中的组合泛化，理论证明了SFT和RL在其中的互补作用：SFT提供组合轨迹中的原始模块材料，RL分解轨迹以识别潜在原子模块并实现组合泛化。实验验证了RL能从SFT提供的复合轨迹中提取原子模块并重组以解决新配置。
S4oP: Operator-level Pruning of Structured State Space Models for Resource-Constrained Devices
Marco Deano, Filippo Ziche, Nicola Bombieri
cs.LG cs.AI cs.DC
本文提出了一种针对结构化状态空间模型（S4和S4D）的增量式算子级剪枝方法，通过交替进行结构化掩码和微调来减少推理成本，并在多个基准数据集上验证了剪枝70%算子仍能保持性能。该方法首次系统性地探索了SSM的结构化算子剪枝，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Deep Reinforcement Learning for Minimum Zero-Forcing Sets
Steve Halley, Maurício Gruppi
cs.LG
本文提出了一种基于强化学习的框架SD-ZFS，用于解决无向图上的最小零强制集问题。该问题是一个NP-hard的图着色问题，作者通过改编S2V-DQN架构来求解，并在不同结构的图数据集上评估了模型的泛化、缩放和迁移能力。
Learning Fair Pareto-Optimal Policies in Multi-Objective Reinforcement Learning
Umer Siddique, Peilang Li, Yongcan Cao
cs.LG cs.AI
本文研究了多目标强化学习中的公平性问题，提出通过将广义基尼福利函数与多策略Q学习结合，学习一组公平的Pareto最优策略。该方法通过状态增强和随机策略来动态适应历史不平等，但主要贡献在于算法集成与实证验证，在理论或方法上未体现与关键词（如code, spectral, Muon等）的显著关联。
Ternary Mamba: Grouped Quantization-Aware Training of W1.58A16 State Space Models
Ramprasath Ganesaraja, Sahil Dilip Panse, Swathika N
cs.LG cs.AI
本文提出了一种基于分组量化感知训练(QAT)的方法，将预训练的Mamba-2 1.3B模型压缩为W1.58A16的三元状态空间模型，仅需102M tokens即可达到接近Bi-Mamba的零样本准确率。研究发现，从预训练检查点进行QAT会出现零比率坍塌这一新问题，且针对Transformer的后处理修正策略因递归中的误差累积而对SSM失效。
Embedded Machine Learning for Microcontroller-Class Edge Devices: Data, Feature, Evaluation, and Deployment Pipelines
Mostafa Darvishi
cs.LG cs.AI cs.AR eess.AS eess.SP
本文系统性地介绍了面向微控制器级边缘设备的嵌入式机器学习工作流程，涵盖了数据采集、特征提取、模型评估与部署等工程环节，并以惯性运动识别和关键词识别为例进行了说明。
Kolmogorov Regression for Robust Diffusion Policies
Lekan Molu
cs.LG cs.AI
本文提出了一种基于Kolmogorov方程的回归方法，用于提升扩散策略的鲁棒性。该方法将扩散策略提升到Cameron-Martin空间，将随机score matching转化为确定性边界值PDE问题，并引入了精度加权的Cameron-Martin损失和Kolmogorov残差作为推理时的诊断工具。实验在PushT操作基准和制造流水线控制中验证了该方法在轨迹正则性和性能上的提升。
Rethinking Dataset Distillation for Classification: Do Distilled Sets Outperform Coresets?
Trisha Mittal, Akshay Mehra, Joshua Kimball
cs.LG
本文通过大规模实验系统比较了Dataset Distillation (DD)与Coreset Selection (CS)方法在ImageNet等数据集上的表现，发现当前SOTA的DD方法在分类精度上并不优于甚至不如简单的coreset方法，且构建成本更高。研究还表明coreset在数据分布覆盖率和多样性方面更具优势，质疑了DD方法相对于数据剪枝的实际优势。
Sign-Rank, Index, and List Replicability: Connections and Separations
Ari Blondal et al.
cs.LG cs.IT
本文研究了sign-rank, \(\mathbb{Z}_2\)-index和list replicability number这三种度量之间的关系，证明了\(\mathbb{Z}_2\)-index被list replicability number的线性函数所控制，并由此解决了关于sign-rank与\(\mathbb{Z}_2\)-index分离的一个公开问题。此外，文章还给出了list replicability number的上界及其在概念类乘积下的组合性质。

cs.AI

Beyond Parallel Sampling: Diverse Query Initialization for Agentic Search ⭐ 精选
Sidhaarth Murali et al.
cs.AI cs.IR
本文提出DivInit方法，通过在第一轮查询中从单次调用生成n个候选查询并选择k个多样化的种子来替代标准并行采样，从而解决agentic search中因查询冗余导致的收益递减问题。该方法无需额外训练，在多个open-weight模型和benchmark上显著提升了multi-hop QA的性能，平均提升5-7个点。这与关键词"agent"高度契合，为agentic search的广度扩展提供了简单有效的改进方案。
Distributed General-Purpose Agent Networks: Architecture, Key Mechanisms, and Prototypes ⭐ 精选
Shengli Zhang et al.
cs.AI cs.NI
本文提出了一种面向分布式通用agent网络的层次化架构，核心创新在于协议适配层（protocol adaptation layer）的设计，该层连接上层任务语义与底层网络操作。针对该架构，论文识别并解决了三个关键机制问题：基于语义公告传播的协作者发现、基于可验证身份与多主题信誉的合作治理、以及基于语义梯度机制设计的开放任务执行。对于每个问题，论文给出了具体技术路线，包括无体八卦（bodyless gossip）与顺序日志、基于BAID的身份绑定与MG-EigenTrust信誉系统、以及由语义归因反馈驱动的Stackelberg式机制生成循环。该工作为开放、可信、可扩展的agent协作提供了系统级基础，与关键词“agent”高度契合。
EComAgentBench: Benchmarking Shopping Agents on Long-Horizon Tasks with Distributed Hidden Intent ⭐ 精选
Zeyao Du, Tong Li, Haibo Zhang
cs.AI cs.CL
本文提出了EComAgentBench，一个用于评估基于LLM的购物agent在长周期任务中处理分布式隐藏意图的benchmark。该benchmark将用户需求分散在可见查询、工具门控的profile和脚本化澄清中，要求agent在100次工具调用内发现隐藏意图并验证候选产品，并通过带类型和来源标签的rubric对每个任务进行细粒度评分。实验表明，最强模型仅达到57.1%的总体准确率，且rubric满意度从可见来源到隐藏来源逐渐下降，揭示了现有agent在长周期依赖任务中的关键缺陷。该工作为购物agent从单次查询搜索向可靠的长周期辅助过渡提供了可复现的评估基础。
Learning Cardiac Electrophysiology Digital Twins Through Agentic Discovery of Hybrid Structure ⭐ 精选
Ziqi Zhou et al.
cs.AI
本文提出LEADS框架，利用LLM agent将心脏电生理领域知识形式化为结构化action space，通过迭代推理-行动循环自动发现hybrid model架构，同时用gradient descent进行参数拟合。该方法解决了传统方法依赖专家手动设计且无法跨患者迁移的问题，在合成数据和真实数据上均优于人工设计的hybrid model和其他基于LLM的方法。该工作与关键词"agent"高度契合，为agent-driven scientific discovery提供了新范式。
EvolveNav: Proactive Preflection and Self-Evolving Memory for Zero-Shot Object Goal Navigation ⭐ 精选
Qi Chai et al.
cs.AI
本文提出EvolveNav，一种用于Zero-Shot Object-Goal Navigation (ZS-OGN)的自进化框架。该方法通过从历史轨迹中提取可操作的规则构建agentic rule memory，并基于upper confidence bound策略进行检索以平衡语义相关性与历史成功率。此外，引入memory-guided preflection模块在行动前预测潜在结果，从而减少低效探索。实验表明，该方法在成功率上相比现有零样本基线提升了10.1%，同时减少了不必要的步骤。
When Rules Learn: A Self-Evolving Agent for Legal Case Retrieval
Mingxu Tao et al.
cs.AI
本文提出一个基于LLM agent的自演化框架，通过自动生成和筛选查询重写规则来增强BM25在法律案例检索中的表现，无需参数训练。该方法在中文法律检索基准LeCaRD-v2上优于非演化基线，但主要贡献在于规则驱动的检索增强，与关键词中的agent概念有一定关联，但方法本身并非开创性突破。
SkillChain-Gym: A Benchmark for Reskilling-Aware Production-Inventory Control under Disruptions
Carlos Eduardo Sanoja
cs.AI eess.SY
本文提出了SkillChain-Gym，一个用于再技能感知的生产库存控制的benchmark，包含工人技能状态动态、遗忘和培训约束。实验表明，不同策略在不同场景下表现各异，没有单一策略在所有情况下占优。
Skill-Constrained Model Predictive Control for Resilient Manufacturing Supply Chains
Carlos Eduardo Sanoja
cs.AI eess.SY
本文研究了一种技能约束下的模型预测控制器，用于弹性制造供应链，通过求解有限时域混合整数规划来优化生产、库存和培训决策。实验表明，该控制器在不同场景下表现具有依赖性，并未显示出绝对优势，预测控制仅在技能或劳动力瓶颈可提前预测时有效。
Nothing from Something: Can a Language Model Discover 0?
Phoebe Zeng, Thomas L. Griffiths, Brenden M. Lake
cs.AI cs.CL
本文研究了语言模型（如GPT-2）能否独立发现数学概念“零”，发现模型在测试时无法泛化，但通过少量示例训练后能显著提升，且语言预训练可减少所需示例数量约50%。
Quantifying Consistency in LLM Logical Reasoning via Structural Uncertainty
Baishali Chaudhury et al.
cs.AI
本文提出structural uncertainty框架，通过分析LLM对自身生成推理路径的偏好排序稳定性来评估逻辑推理一致性。该方法使用Bradley-Terry模型和PageRank聚合自偏好排序，并分解为跨试验排序不稳定性和试验内候选模糊性两个熵分量，在多个benchmark上验证了其与答案分散性互补的信息价值。
MemTrace: Probing What Final Accuracy Misses in Long-Term Memory
Xianxuan Long et al.
cs.AI
本文提出了MemTrace基准，以知识点为单元评估LLM agent的长期记忆，发现记忆瓶颈在于证据使用而非检索。
SpeechDx: A Multi-Task Benchmark for Clinical Speech AI
Sejal Bhalla et al.
cs.AI cs.CL cs.SD
SpeechDx是一个面向临床语音AI的大规模benchmark，包含12个数据集和27个任务，按语音产生的概念化、公式化和发音阶段进行结构化组织。该benchmark评估了12种state-of-the-art音频编码器，发现大规模语音模型表现最佳，但尚无representation能在临床语音领域可靠泛化。
Treatment Response Optimized Clinical Decision Support AI System via Digital Twin Simulation
Xinyu Qin et al.
cs.AI
本文提出了一种在线自适应临床决策支持AI系统，通过整合Treatment Effect估计、患者Digital Twin模拟和Reinforcement Learning进行序贯决策，并在合成数据和真实卵巢癌数据集上验证了其有效性。该系统通过规则模块和内部模型分歧检测确保安全性，但方法本身与关键词列表中的概念关联较弱。
Incumbent Advantage: Brand Bias and Cognitive Manipulation Dynamics in LLM Recommendation Systems
Xi Chu, Yupeng Hou
cs.AI cs.CL cs.CY
本文研究了LLM推荐系统中品牌偏好的动态变化，通过护肤品实验发现知名品牌在同等规格下具有垄断性推荐优势，但微小评分优势或权威营销语言可打破此垄断。研究将GEO视为影响市场竞争的新兴营销实践，而非单纯的安全风险。
A Machine-Learned Comorbidity Index
Suleman Baloch et al.
cs.AI
本文提出了一种基于机器学习的共病指数（MLCI），通过最大化学习得分与多个临床结果之间的归一化Hilbert-Schmidt独立性准则（nHSIC）来映射诊断代码，以克服传统共病指数的局限性。实验表明该方法在电子健康记录数据集上优于基线，但与我提供的关键词（如code, context, spectral等）关联度较低。
MapSatisfyBench: Benchmarking Satisfaction-Aware Map Agents through Behavior-Grounded Implicit Decision Factors
Lubin Bai et al.
cs.AI
本文提出了MapSatisfyBench基准，通过行为链证据重建用户完整需求并识别隐式决策因素，用于评估地图agent在满足用户满意度方面的能力。实验表明现有agent在显式任务完成上表现良好，但在处理隐式决策因素方面仍有局限。
Dissecting model behavior through agent trajectories
Gaurav Gupta et al.
cs.AI cs.LG
本文提出了一种名为Simple Strands Agent (SSA)的agent harness，旨在弥合模型意图与执行之间的差距，并通过分析138k条agent轨迹来观察不同模型在代码状态空间中的问题解决行为差异。
Can LLMs Be CEOs? Benchmarking Strategic Resource Reallocation with Multi-Role Agent Simulation
Yuyang Dai et al.
cs.AI
本文提出了一个名为CEO-Bench的多智能体基准，用于评估LLM在模拟CEO角色中进行战略资源重新分配的能力。实验发现，当前模型在结构有效性上表现良好，但在战略校准上存在显著不足，并揭示了单顾问捕获、模糊保守和历史遗忘等系统性失败模式。
LLM-as-Judge in Education: A Curriculum-Grounded Marking Pipeline
Xiwei Xu et al.
cs.AI cs.SE
本文提出了一种基于课程标准的LLM-as-Judge流水线，用于高利害考试中的题目评分。该流水线通过识别题目主题、认知需求并整合授权课程材料，生成评分标准并评估学生回答，初步评估显示其评分结果与人类教师相当。
SEAGym: An Evaluation Environment for Self-Evolving LLM Agents
Congjie Zheng et al.
cs.AI
SEAGym是一个用于评估自进化LLM agent的测试环境，通过训练、验证、测试、回放和成本记录等多个维度衡量agent harness（包括prompt、memory、tools等结构化执行层）的更新效果。该环境将Harbor兼容的benchmark转化为动态自进化任务源，并在Terminal-Bench 2.0和HLE上比较了ACE、TF-GRPO和AHE等方法的进化过程。
DeepInsight: A Unified Evaluation Infrastructure Across the Physical AI Stack
Siyi Li et al.
cs.AI
本文提出了DeepInsight，一个统一的评估基础设施，旨在覆盖从单次foundation-model解码到全身控制物理模拟的整个Physical AI栈。它通过三个抽象（task, resource, result）在单一runtime上支持异构评估，并实现了跨层回归的本地化诊断。
Surrogate Assisted Pedestrian Protection Design via a Foundation Model Orchestrated Workflow
Osamu Ito et al.
cs.AI
本文提出了一种基于foundation model的工作流，用于行人保护的碰撞安全设计，通过surrogate模型和multiobjective evolutionary search加速设计探索，将CAE模拟时间从数小时缩短至数秒。该方法在汽车前保险杠案例中生成35种安全合规方案，但未涉及code、spectral、Muon或attention等关键词。
Closing the Feedback Loop: From Experience Extraction to Insight Governance in Verbal Reinforcement Learning
Yanwei Cui et al.
cs.AI
本文提出了一种用于LLM agent的三层架构（rules, evidence, skills），通过反馈驱动的curation loop解决非平稳环境中经验保留与遗忘的困境，并以金融预测为例验证了该方法对性能的影响。
Brick-DICL: Dynamic In-Context Learning for Automated Brick Schema Classification
Yiyue Qian et al.
cs.AI
本文提出Brick-DICL框架，通过两阶段动态in-context learning（包括metadata-RAG和class-RAG）解决Brick schema分类问题，并采用multi-LLM过滤机制减少人工验证。该方法在建筑数据集上提升了分类准确率，但主要针对特定应用场景，与关键词中的核心概念关联较弱。
FinAcumen: Financial Multimodal Reasoning via Self-Evolving Experience Memory Harness
Pianran Guo et al.
cs.AI
本文提出了FinAcumen，一个通过选择性经验记忆增强金融多模态推理的agent框架。它从历史轨迹中积累成功策略和失败规则，并在推理时基于语义相关性阈值激活记忆，从而提升工具增强型推理的可靠性。
Beyond Domains: Reusing Web Skills via Transferable Interaction Patterns
Shiqi He et al.
cs.AI cs.CL cs.LG
本文提出SkillMigrator，一种通过匹配布局结构而非具体元素引用来学习可复用web技能（skill）并跨站点迁移的agent方法。它将技能存储为可迁移交互模式（TIP），在测试时通过布局相似性检索并应用于新页面，在WebArena和Mind2Web上以匹配的成功率减少了8-10%的平均LLM动作次数。
From Brewing to Resolution: Tracing the Internal Lifecycle of Code Reasoning in LLMs
Siyue Chen et al.
cs.AI
本文通过层间线性探针和Context-Stripped Decoding (CSD)框架，研究了LLM在代码推理任务中的内部生命周期，发现模型会先“酝酿”答案，随后分化为四种解决结果。该工作揭示了表面准确率无法检测的失败模式，但方法本身并非开创性突破，且与关键词契合度一般。
Using Cognitive Models to Improve Language Model Simulation of Human Persuasion Games
Zirui Cheng et al.
cs.AI
本文提出Equation-to-Behavior Prompting方法，引导大语言模型模拟人类在策略互动中的认知模型（如Bayesian更新和Grether的\(\alpha\)-\(\beta\)模型），并发现大模型可通过prompting近似这些数学规范，而小模型需结合强化学习（Equation-to-Behavior RL）才能降低信念误差。该方法旨在改善对多样化人类行为的模拟，用于训练和评估。
FllumaOne: A Code-Native Multimodal CAD Dataset with Executable Programs and Kernel-Validated Feature Histories
Jizong Zhan
cs.AI cs.GR
本文提出了FllumaOne，一个基于可执行Python程序的多模态CAD数据集，包含10万个样本，每个样本对齐了程序、特征树、几何和渲染图。该数据集支持多种CAD相关任务，如程序合成和逆向工程，但方法本身并非开创性，且与关键词列表中的概念关联较弱。
LongWebBench: Evaluating Structural and Functional Webpage Generation in Long-Horizon Settings
Yi Zhao et al.
cs.AI
LongWebBench是一个用于评估长网页生成的benchmark，包含结构保真度和功能交互性两个维度，实验发现现有VLM在生成长网页时结构保真度下降且难以支持可执行的多步交互。
Shattering the Autoregressive Curse: Dynamic Epistemic Entropy Orchestrated Erasable Reinforcement Learning for LLMs
Ziliang Wang et al.
cs.AI
本文提出\(\text{E}^3\text{RL}\)方法，通过将模型自身的local autoregressive cross-entropy作为epistemic uncertainty的内在坐标，并引入segment-level adaptive dynamic thresholds和advantage allocation，使LLM在长序列推理中具备自我修复能力，从而缓解早期错误引发的级联失效。实验在DeepMath-103k数据集上训练，在AIME等数学推理基准上取得性能提升。
DecoSearch: Complexity-Aware Routing and Plan-Level Repair for Text-to-SQL
Esteban Schafir et al.
cs.AI
DecoSearch提出了一种无需训练的Text-to-SQL框架，通过路由机制将简单查询直接生成SQL，复杂查询则分解为有向无环图(DAG)的子问题并逐步求解。该方法在BIRD和Spider数据集上取得了优于其他无训练方法的执行准确率，但未涉及code、spectral、Muon等关键词。
WallZero: Mastering the Game of WallGo with Strategic Analysis
Hsing-Yu Chen et al.
cs.AI cs.LG
本文提出了WallZero，一个基于AlphaZero的agent，用于解决WallGo这一策略棋盘游戏。通过定制化的action和feature设计，WallZero在7x7棋盘上击败了职业围棋选手，并分析了游戏公平性与关键策略。
A homotopy-type-theoretic generalization of neurosymbolic inference
Fernando Zhapa-Camacho, Robert Hoehndorf
cs.AI cs.LO
本文提出了一种基于homotopy type theory的神经符号推理泛化框架，通过将集合替换为类型来保留对称性和证明信息，并证明了经典功能在平凡对称性下的保守性。该方法在MNIST推理捷径基准测试中展示了比集成方法更好的校准性能，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
FlowRAG: Synergizing Explicit Reasoning via Frequency-Aware Multi-Granularity Graph Flow
Bihao Zhan et al.
cs.AI
本文提出FlowRAG框架，通过构建四层异质图（passage, summary, sentence, entity）并引入频率感知加权流模块，以增强检索增强生成中的显式推理能力。该方法在复杂推理基准上取得最优性能，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
StepGuard: Guarding Web Navigation via Single-Step Calibration
Zhihao Cui et al.
cs.AI
本文提出StepGuard框架，通过动态双策略优化(DDPO)和置信度引导的自适应导航反思(CANR)机制，解决Web导航中单步脆弱性问题，在标准基准上取得新SOTA。
Structural Preservation and the Logical Expressiveness of Graph Neural Networks
Przemysław Andrzej Wałęga, Bernardo Cuenca Grau
cs.AI
本文从语义角度研究了在结构保持（如嵌入、单同态、同态）下Graph Neural Network分类器的逻辑表达能力，证明了每种保持性质对应一个graded modal logic片段，并给出了相应的GNN架构。该工作为理解GNN的表达能力提供了独立于具体架构的视角。
MathVis-Fine: Aligning Visual Supervision with Necessity via Progressive Dependency-Guided Training for Multimodal Mathematical Reasoning
Wanshi Xu et al.
cs.AI
本文针对多模态数学推理中视觉监督信号粗粒度的问题，提出了MathVis-Fine框架，通过构建带有视觉依赖评级的细粒度数据集，并设计两阶段渐进式训练范式来平衡答案正确性与视觉定位奖励。该方法旨在提升模型对视觉信息的利用效率，但未涉及code、spectral、Muon等关键词。
Learn to Quantify Social Interaction with Constraints for Pedestrian Walking
Xiaodan Shi
cs.AI cs.RO
本文提出了一种名为Learn to Cluster的无标签方法，用于从行人轨迹序列中量化社会交互模式，并将其集成到轨迹预测模型中。该方法通过概率潜变量生成框架学习交互类别，提升了预测的鲁棒性。
DiagFlowBench: Evaluating How Language Models Handle Off-Procedure Inputs in Grounded Diagnostic Dialogue
Guillermo Gil de Avalle et al.
cs.AI
本文介绍了DiagFlowBench，一个用于评估语言模型在接地诊断对话中处理偏离流程输入能力的基准数据集。通过将工业流程图转换为多轮对话，研究发现模型在面对不合规输入时，常选择看似合理但上下文不恰当的步骤，而非直接编造事实。
PreAct: Computer-Using Agents that Get Faster on Repeated Tasks
Bojie Li
cs.AI
本文提出PreAct方法，让计算机使用agent在重复任务中通过将首次成功运行编译为状态机程序并直接重放，从而加速8.5-13倍，并包含屏幕检查与回退机制。该方法在移动、桌面和网页基准测试上验证了有效性，但未涉及关键词中的spectral、Muon或pretrain等核心概念。
How Inference Compute Shapes Frontier LLM Evaluation
Jessica McFadyen et al.
cs.AI
本文研究了推理计算量（inference compute）对前沿语言模型评估的影响，通过在多个基准测试上控制token预算、上下文压缩和重复提交等干预措施，发现固定预算的评估会低估模型能力，并建议将能力作为推理计算量的函数进行报告。
Small Initialization Matters for Large Language Models
Liangkai Hang et al.
cs.AI
本文研究了Large Language Models中参数初始化尺度对预训练的影响，发现较小的初始化尺度能持续提升预训练效果，尤其在推理任务上。作者提出了一个简单的\(\gamma\)-initialization规则，建议将初始化范围作为显式参数并默认使用小初始化，这是一种几乎无成本的干预。
MoCo-AIS: A Contrastive Learning Framework for Similarity Computation of Vessel Trajectories
Ruixin Song et al.
cs.AI
本文提出了MoCo-AIS框架，基于Momentum Contrast范式，通过正负轨迹对进行对比学习，用于船舶轨迹相似性计算。该框架在真实AIS数据集上评估了多种深度学习模型，相比现有基线方法在相似性学习上有所提升。
STAR: SpatioTemporal Adaptive Reward Allocation for Text-to-Image RL Post-Training
Jinjie Shen et al.
cs.AI
本文提出STAR方法，通过利用text-image attention构建随denoising steps动态变化的空间分配图，将group-relative advantage更精准地分配给生成轨迹中与prompt核心内容相关的latent regions，从而改进text-to-image diffusion和flow models的RL post-training。实验在Stable Diffusion 3.5 Medium上验证了该方法在GenEval、OCR和PickScore任务上的有效性。
LLM Consumer Behavior Theory: Foundations of a Novel Research Field
Manon Reusens, Sofie Goethals, David Martens
cs.AI econ.GN
本文提出了LLM消费者行为理论这一新研究领域，探讨了基于LLM的自主代理在市场中代表用户做出消费决策时的行为模式，并统一了相关文献。该论文主要进行理论框架的构建，而非提供实证验证。
LegalHalluLens: Typed Hallucination Auditing and Calibrated Multi-Agent Debate for Trustworthy Legal AI
Lalit Yadav, Akshaj Gurugubelli
cs.AI cs.CL cs.LG cs.MA
本文提出了LegalHalluLens框架，用于审计法律AI中的幻觉问题，通过类型化幻觉分布和风险方向指数(RDI)揭示聚合指标掩盖的错误模式，并设计了一个校准的多智能体辩论管道来减少错误检测。该工作主要关注法律领域的AI可信度评估，与关键词中的code、spectral、Muon、pretrain、attention等概念关联较弱。
ProvenanceGuard: Source-Aware Factuality Verification for MCP-Based LLM Agents
Ander Alvarez et al.
cs.AI cs.CL cs.MA
本文提出ProvenanceGuard，一种用于MCP（Model Context Protocol）智能体的源感知事实性验证器，通过分解声明、路由到特定源证据并检查归因一致性，在医疗领域数据集上验证了其有效性。该方法主要关注工具使用场景下的源归因错误检测，与关键词中的agent相关，但方法本身并非开创性且未涉及code、spectral等核心概念。
PseudoBench: Measuring How Agentic Auto-Research Fuels Pseudoscience
Xinyang Liao et al.
cs.AI cs.CL
本文提出了PseudoBench，一个用于评估基于LLM的agent系统在自主科研中抵抗伪科学能力的对抗性benchmark。实验发现当前agent系统极易生成支持伪科学主张的报告，且更强的agent可能用更复杂的科学语言包装伪科学，增加了其表面可信度。
Agentic AI-based Framework for Mitigating Premature Diagnostic Handoff and Silent Hallucination in Healthcare Applications
Divyansh Srivastava et al.
cs.AI
本文提出了一种基于多Agent的框架，通过确定性编排约束和神经符号状态追踪门（确保OLDCARTS临床协议的完整性）以及语义熵不确定性量化门，来缓解医疗应用中LLM的过早诊断移交和无声幻觉问题。实验表明该框架在诊断精度上相比无约束基线有提升，并发现结构化信息收集与诊断不确定性降低相关。
A Unified Framework for Context-Aware and Relation-Aware Graph Retrieval-Augmented Generation
Haoyang Zhong et al.
cs.AI
本文提出HyGRAG框架，通过构建包含chunk和entity节点的层次化混合图结构，并利用LLM生成摘要实现上下文与关系信息的融合，以改进图检索增强生成。该方法在multi-hop推理任务上平均准确率提升9.7%，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词。
IsabeLLM: Automated Theorem Proving Applied to Formally Verifying Consensus
Elliot Jones, William Knottenbelt
cs.AI
本文改进了IsabeLLM自动化定理证明工具，通过实现检索增强生成框架和错误追踪来增强对Large Language Model的上下文支持，并验证了Bitcoin的Proof of Work共识协议。
Trust the Right Teacher: Quality-Aware Self-Distillation for GUI Grounding
Jingyuan Huang et al.
cs.AI
本文提出了一种质量感知的自蒸馏方法用于GUI grounding任务，通过软正确性感知门控和教师概率缩放来改进坐标令牌的教师信号质量。实验表明该方法在六个基准上持续提升基础模型性能，但未涉及代码、谱方法或预训练等关键词相关领域。
First Proof Second Batch
Mohammed Abouzaid et al.
cs.AI
本文测试了多个AI系统在十个不同数学领域研究级问题上的解题能力，并提供了问题、方法、结果及人类与AI解决方案的链接。
Knowledge Reutilization in Meta-Reinforcement Learning
Yuan Meng et al.
cs.AI
本文提出了一种元知识复用框架，通过在动力学简化agent上学习任务级知识并迁移至异构agent，以解耦任务推理与具身控制。该方法利用Bayesian非参数先验组织潜在任务模式，并通过语义-幅度接口与轻量级时间适配器实现跨agent知识复用。
Your AI Travel Agent Would Book You a Bullfight: An Agentic Benchmark for Implicit Animal Welfare in Frontier AI Models
Jasmine Brazilek et al.
cs.AI cs.CL cs.CY
本文提出了TAC (Travel Agent Compassion)基准，用于衡量AI agent在代表用户执行旅行预订等任务时是否避免涉及动物剥削的选项。评估发现，所有前沿模型的表现均低于随机水平，表明当前AI agent在隐含动物福利方面的推理能力存在显著缺陷。
Memory as a Wasting Asset: Pricing Flash Endurance for Embodied Agents, and the Limits of Doing So
Josef Liyanjun Chen
cs.AI cs.CY cs.LG cs.RO
本文探讨了机器人闪存耐久性作为不可再生资源的经济定价问题，通过引入单一影子价格\(\eta\)来优化RAM、板载NVM和云存储之间的数据放置策略。实验测量了价值-写入关联\(\chi\)在不同部署场景下的符号，但未直接涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
WEQA: Wearable hEalth Question Answering with Query-Adaptive Agentic Reasoning
Yuwei Zhang et al.
cs.AI
本文提出了WEQA，一个查询自适应的agent框架，通过将LLM推理与可穿戴分析工具结合，处理连续、高维的可穿戴健康数据问答任务。该框架使用LLM控制器动态生成执行计划并路由查询，在多个健康数据集上比基线方法准确率提升24%。
DRFLOW: A Deep Research Benchmark for Personalized Workflow Prediction
Md Tawkat Islam Khondaker et al.
cs.AI cs.MA
本文提出了DRFLOW基准，用于评估从异构源预测个性化工作流的agent，包含100个任务和多个诊断指标。尽管DRFA agent在F1分数上有所提升，但预测完整正确的工作流仍具挑战性。
The Stanford EDGAR Filings Dataset: Reconstructing U.S. Corporate and Financial Disclosures into Layout-Faithful and Token-Efficient Pretraining Data
Nick Bettencourt, Xiaowei Ding, Kay Giesecke
cs.AI
本文介绍了Stanford EDGAR Filings Dataset (SEFD)，一个将SEC文件重建为布局忠实且token高效的MultiMarkdown格式的开源数据集，用于金融语言建模和评估。该数据集包含152B tokens的初始快照，与Common Crawl语料库重叠率低于0.1%，并提供了两个衍生基准测试。
Fixed-Point Reasoners: Stable and Adaptive Deep Looped Transformers
Sajad Movahedi et al.
cs.AI
本文提出了一种基于Transformer的固定点推理模型FPRM，通过预归一化层和残差缩放解决循环架构中的信号传播问题，并使用固定点收敛作为循环架构的终止机制。该模型在Sudoku、Maze等推理基准上展示了根据任务难度自适应调整计算量的能力。

cs.IR

On the Memorization Behavior of LLMs in Generative Recommendation: Observations, Implications, and Training Strategies
Sunwoo Kim et al.
cs.IR cs.LG
本文研究了LLM在生成式推荐中的记忆行为，发现其过度依赖单跳记忆（one-hop memorization）而非利用预训练知识。作者提出IIRG训练策略，通过捕获多跳协同关系和语义关系来改善推荐性能。
RSRank: Learning Relevance from Representational Shifts
Archit Gupta, Sai Sundaresan, Debabrata Mahapatra
cs.IR
本文提出了一种名为RSRank的轻量级reranking框架，通过利用query在conditioned on document时内部状态的representational shift来评估相关性，并学习将这种shift映射到校准的相关性分数。该方法在多个检索数据集上取得了优于现有技术的表现。
Temporal Preference Optimization for Unsupervised Retrieval
HyunJin Kim et al.
cs.IR cs.AI
本文提出TPOUR方法，通过Temporal Retrieval Preference Optimization (TRPO)在无监督场景下学习时间对齐的文档表示，并利用时间embedding插值泛化到未见时间段。实验表明，该模型在时间信息检索任务上优于现有无监督和监督基线。
Do Generative Recommenders Deepen the Information Cocoon? A Closed-Loop Simulation with LLM-powered User Simulators
Jiyuan Yang et al.
cs.IR
本文提出RecLoop框架，使用LLM驱动的用户agent模拟闭环反馈，研究生成式推荐系统是否加深信息茧房。实验发现生成式推荐在暴露层面比传统方法更不易形成茧房，但反馈循环仍会导致生成语义ID空间的集中，且茧房严重程度受tokenization策略和模型规模影响。
Understanding and Debugging Failures in N-Gram-Based Generative Retrieval
Richard Takacs, Adrian Bracher, Svitlana Vakulenko
cs.IR
本文探讨了基于n-gram的生成式检索（Generative Retrieval）中的失败模式，提出了一个失败模式分类法，并通过实验分析了SEAL和MINDER方法中的常见问题，如歧义docid和低标识符多样性。此外，文章介绍了一个用于分析生成n-gram及其对排序贡献的可视化工具。
Non-negative Elastic Net Decoding for Information Retrieval
Koki Okajima et al.
cs.IR cs.AI cs.CL
本文提出了一种名为Non-Negative Elastic Net (NNN) decoding的检索方法，将检索视为联合解码问题，通过稀疏非负线性组合重构query embedding来选择文档集。该方法在理论上证明了与dense retrieval的严格分离，并在实验中通过冻结或端到端训练的embedding取得了性能提升。
IUU+DB: Tracking Illegal, Unreported, and Unregulated Fishing, Seafood Fraud, and Labor Abuse through LLM-driven Information Extraction
Henry Bodwell et al.
cs.IR cs.AI cs.CY
本文提出IUU+DB系统，利用大语言模型从异构文档中提取非法、不报告和不管制捕捞及相关供应链犯罪的信息，构建全球事件数据库，支持去重和趋势分析。该系统通过分类和提取关键数据元素，帮助组织碎片化证据并识别地理和行为热点。

cs.CL

ConSA: Controllable Sparsity in Hybrid Attention via Learnable Allocation ⭐ 精选
Yao Chen et al.
cs.CL
本文提出ConSA (Controllable Sparsity in Hybrid Attention)框架，通过可学习的分配机制在full attention (FA)与sliding-window attention (SWA)之间实现可控稀疏性。该框架采用\(L_0\)正则化学习二值掩码，并利用增广Lagrangian约束在layer或KV-head粒度上强制达到用户指定的稀疏度目标。实验表明，学习到的分配模式将SWA置于底层、FA集中于连续中间层，这一结构在不同模型规模与稀疏度下保持稳定，揭示了内在的attention行为谱系，为混合attention架构提供了优于手工规则的设计方法。
MemSlides: A Hierarchical Memory Driven Agent Framework for Personalized Slide Generation with Multi-turn Local Revision
Ye Jin et al.
cs.CL cs.HC cs.MA
MemSlides提出了一种分层记忆驱动的agent框架，用于个性化幻灯片生成，通过分离长期记忆（用户画像和工具记忆）与工作记忆来支持多轮局部修订。该方法在可控实验中验证了各记忆模块对个性化对齐和局部编辑可靠性的提升，但未涉及code、spectral、Muon、pretrain或attention等关键词。
PromptMN: Pseudo Prompting Language
Enkhzol Dovdon
cs.CL cs.AI cs.HC cs.PL cs.SE
PromptMN是一种伪提示领域特定语言，通过在自然语言中插入以%为前缀的类型化指令来标注角色、目标、约束等，旨在减少人机交互中的上下文歧义。该方法在多个前沿模型上验证了可行性，但主要关注提示工程而非代码生成或预训练等关键词相关领域。
RepSelect: Robust LLM Unlearning via Representation Selectivity
Filip Sondej, Yushi Yang, Adam Mahdi
cs.CL
本文提出RepSelect方法，通过在每个更新前折叠权重梯度中与保留集共享的top principal components，来隔离遗忘集特定的representations，从而在保持通用能力的同时限制微调恢复。该方法在多个模型上相比基线方法实现了4-50倍的遗忘鲁棒性提升。
From Parasocial Scripts to Dyadic Persistence in Autonomous AI-Agent Communities
Mohammadsadegh Abolhasani et al.
cs.CL cs.CY cs.MA
本文研究了AI Agent在线社区中拟社会互动（PSI）的对话线索，通过关键词匹配、少样本LLM标注等方法分析帖子与评论，发现PSI线索与用户再参与及回复结构显著相关。该工作主要聚焦于社交行为分析，与关键词中的agent有一定关联，但方法缺乏开创性且未解决长期问题。
Self-Generated Error Training for Token Editing in Diffusion Language Models
Lin Yao
cs.CL
本文研究了LLaDA2.1中token-to-token (T2T)编辑的训练-推理不匹配问题，提出self-generated T2T方法，通过无梯度草稿传递和自生成错误进行监督恢复，并使用LoRA进行持续预训练。该方法在保持推理参数不变的情况下，提高了准确性并减少了编辑强度。
Revisiting LLM Adaptation for 3D CT Report Generation: A Study of Scaling and Diagnostic Priors
Vanshali Sharma et al.
cs.CL cs.CV
本文研究了3D CT报告生成中LLM的参数高效适配策略，提出了RAD3D-Prefix框架，通过冻结LLM并集成图像嵌入与多标签诊断logits来减少训练参数并缓解过拟合。实验表明，该方法在较小LLM上微调效果更佳，而冻结较大LLM仅训练投影层可在性能与效率间取得更好平衡。
Speaking in Self-Assessing Tongues: On the Verbalized Confidence of LLMs in Machine Translation
Ali Marashian, Alexis Palmer, Katharina von der Wense
cs.CL
本文研究了LLM在机器翻译中通过口头表达（verbalized）方式获取逐token置信度的方法，并与内部信号（如预测概率）的可靠性进行了比较。研究发现两种方法在错误检测和校准上表现相似，但相关性很低。
MLLP-VRAIN UPV system for the IWSLT 2026 Simultaneous Speech Translation task
Jorge Iranzo-Sánchez et al.
cs.CL cs.AI
本文描述了MLLP-VRAIN研究组在IWSLT 2026同声传译任务中的系统，采用Parakeet和Qwen 3.5模型构建级联方案，并通过自适应策略优化质量-延迟权衡。系统在多个语言方向上参与，并针对上下文轨道引入了ASR词增强和RAG机制。
Are you speaking my languages? On spoken language adherence in multimodal LLMs
Hyungwon Kim et al.
cs.CL cs.SD eess.AS
本文针对多模态大语言模型（LLM）在语音识别（ASR）中的语言遵循问题，提出了一种软提示方法以提示潜在口语语言，并定义了语言违反度量。通过零样本提示、监督微调和思维链推理三种策略的对比分析，探讨了在保持ASR性能的同时减少语言违反的权衡。
Examining the Limits of Word2Vec with Toki Pona
Daniel Zhenhan Huang, Hongchen Wu
cs.CL
本文研究了Word2Vec在极小词汇量语言（Toki Pona，约130个词）上的表现，发现其有效性主要依赖于词汇的分布模式而非词汇表大小。实验表明，非核心的稀疏token不会影响嵌入的相对结构，反而能使相似词在向量空间中更接近。
Do Large Language Models Always Tell The Same Stories?
Thennal DK, Hans Ole Hatzel
cs.CL cs.AI
本文通过对比10种LLM生成的故事与人类创作的故事，利用narrative similarity框架和人类评估，发现LLM生成的故事彼此之间比人类故事更相似，且前沿模型趋向于生成一种“平均”的通用叙事，而常见的缓解策略（如negative prompting和temperature scaling）未能有效解决这种同质性问题。
Translating the Untranslatable: An Operationalizable Ontology for Untranslatability
Jacob Bremerman et al.
cs.CL cs.AI
本文提出了一种关于不可译性（untranslatability）的结构化本体论和补偿策略分类法，并构建了一个多语言数据集，用于分析机器翻译在无法直接对等翻译时的行为。该工作主要聚焦于NLP中的翻译策略，与关键词列表中的概念关联较弱。
Implicit vs. Explicit Prompting Strategies for LVLMs in Referential Communication
Peter Zeng et al.
cs.CL cs.AI
本文比较了两种提示策略（显式与隐式）对LVLMs在指代交流任务中协调效率的影响，发现模型在显式提示下能生成高效指代表达，但在隐式提示下无法推断出交流效率的需求，揭示了人类与AI系统在沟通中的关键差异。
NarrativeWorldBench: A Frontier-Saturated Benchmark and a Latent World Model for Long-Horizon Co-Creative Audio Drama
Logan Mann et al.
cs.CL cs.AI cs.LG
本文提出了NarrativeWorldBench基准测试和N-VSSM模型，用于评估和提升大语言模型在长序列音频剧创作中的叙事结构保持能力。N-VSSM通过Mamba-2骨干网络和事件条件后验维持256维潜在世界状态，在200集范围内保持plot-beat F1不低于0.84，且计算成本仅为闭源模型的四分之一。
MODE-RAG: Manifold Outlier Diagnosis and Energy-based Retrieval-Augmented Generation Evaluation
Zehang Wei et al.
cs.CL cs.AI cs.CV cs.LG cs.MM
本文提出了一种名为MODE-RAG的多智能体系统，利用Variational Free Energy (VFE)和内部attention状态来动态干预多模态检索增强生成中的幻觉问题，并引入了ModeVent数据集进行评测。该方法主要关注多模态场景下的幻觉检测与修正，与关键词中的agent概念有一定关联，但整体方法并非开创性突破。
AIPatient Arena: EHR-grounded evaluation of large language models in end-to-end clinical consultation workflows
Jiahui Niu et al.
cs.CL cs.AI
本文提出了AIPatient Arena，一个基于EHRs的评估框架，用于在多轮医患交互场景中评估大语言模型在临床咨询任务中的表现。该框架通过构建患者知识图谱，在437名患者的主队列和两个验证队列上测试了模型在八个临床能力维度上的表现，发现模型在信息覆盖、诊断准确性和处理模糊回答方面存在持续弱点。
Decoding Hidden Deception in Reasoning LLMs: Activation Explainers for Deception Auditing
Kexin Chen et al.
cs.CL cs.AI
本文提出STATEWITNESS，一种通过读取目标LLM的hidden states来生成自然语言解释的activation explainer，用于欺骗行为审计。该方法在多个数据集上取得了比现有黑盒文本监控器和activation probe更好的AUROC性能，并提供了token或句子级别的可解释证据。
Evaluating Second-Order Bias of LLMs Through Epistemic Entitlement
Ramaravind Kommiya Mothilal et al.
cs.CL
本文提出“二阶偏见”概念，通过认识论推理任务评估LLM在判断偏见内容时表现出的社会偏见，并开发了简单度量指标。实验表明该任务能绕过安全护栏，揭示模型判断中的系统性偏见。
Scaling Enterprise Agent Routing: Degradation, Diagnosis, and Recovery
Kellen Gillespie, Robyn Perry
cs.CL cs.AI
本文研究了企业级LLM助手在工具目录扩展时路由准确率的退化问题，通过分析110个agent和584个工具的目录，发现路由F1分数下降16-23个百分点，并分解为检索差距和混淆差距。嵌入为基础的候选列表筛选方法可恢复10-11个百分点的F1分数，生产环境标注研究也验证了该恢复效果。
An expressivity analysis of hierarchical modelling in deep transformers via bounded-depth grammars
Vinoth Nandakumar et al.
cs.CL cs.LG
本文通过有界深度非递归context-free grammars的形式化框架，分析了深度transformer模型表达层次化表示的能力，并构造了位置注意力机制使其深度随语法深度线性增长。该工作为层次化建模提供了理论支撑，但未直接涉及关键词中的特定主题。
Evaluating Large Language Models Abilities for Addressee, Turn-change, and Next Speaker Prediction in Meetings
Ryo Fukuda et al.
cs.CL
本文利用大型语言模型(LLMs)研究多模态多人对话中的话轮转换，构建了包括收话人检测、话轮变化预测和下一说话者预测三个任务的评估框架。实验表明，尽管未在目标领域训练且无音频或视觉信息，LLMs在下一说话者预测上仍优于监督模型和人类，而多模态LLM在收话人检测和话轮变化预测上表现更好但未超越人类。
The Benchmark Illusion: Pruned LLMs Can Pass Multiple Choice but Fail to Answer
Rui Wen et al.
cs.CL
本文发现高稀疏度剪枝（特别是Wanda方法）下的大语言模型在多项选择评估中表现良好，但在开放生成任务中却失败，揭示了基准测试的幻觉现象。剪枝并未完全删除正确答案，而是将其降级，导致模型在贪婪生成时无法输出正确结果。
OPD-Evolver: Cultivating Holistic Agent Evolver via On-Policy Distillation
Guibin Zhang et al.
cs.CL
本文提出OPD-Evolver，一种通过on-policy self-distillation实现agent自我进化的慢-快协同框架。该框架在快速循环中利用四级memory hierarchy进行经验读写与维护，在慢速循环中通过outcome-calibrated memory attribution将进化能力蒸馏到可部署策略中，在多个benchmark上超越了现有memory-based和training-based方法。
Prompt Perturbation for Reliable LLM Evaluation over Comparison Graphs
Dong Huang, Jianbo Sun, Pengkun Yang
cs.CL
本文提出了一种基于prompt扰动的框架，通过生成prompt的变体并利用比较图识别和过滤结构不一致的比较模式，以提高成对LLM评估的一致性。该方法在排序聚合前显式引入图级结构一致性，以减少循环不一致性并提升排名的可靠性。
From Trainee to Trainer: LLM-Designed Training Environment for RL with Multi-Agent Reasoning
Chao Chen et al.
cs.CL
本文提出LLM-as-Environment-Engineer框架，利用当前policy model分析失败轨迹并自动修改下一阶段训练环境配置，以自动化LLM的RL训练流程。在MAPF-FrozenLake测试平台上，该框架使用Qwen3-4B作为backbone，通过结构化摘要生成环境配置，取得了优于固定环境训练和更大规模LLM的性能。
Bridging Functional Correctness and Runtime Efficiency Gaps in LLM-Based Code Translation
Longhui Zhang et al.
cs.CL cs.PL
本文提出SwiftTrans框架，通过多视角探索和差异感知选择两个阶段，利用parallel in-context learning (ICL)提升LLM代码翻译的正确性与运行时效率。实验在扩展的CodeNet、F2SBench和新基准SwiftBench上验证了其有效性。
SuCo: Sufficiency-guided Continuous Adaptive Reasoning
Jiahao Wang et al.
cs.CL cs.AI
本文提出SuCo框架，通过定义Minimal Sufficient CoT (MSC)并设计两阶段训练（MSC-Aligned Fine-Tuning和Sufficiency-Aware Policy Optimization），使Large Reasoning Models在保持准确率的同时减少推理token数量，提升推理效率。实验在数学、代码和科学基准上验证了其有效性。
LLMs Infer Cultural Context but Fail to Apply It When Responding
Yisong Miao, Jian Zhu, Vered Shwartz
cs.CL
本文研究了LLMs在生成文化适应性回复时的能力，发现模型能推断用户文化背景但常未能应用该信息调整回答，除非被明确提示。该工作与关键词列表中的概念关联较弱。
The Slop Paradox: How Synthetic Standardization Erodes Clinical Uncertainty and Cross-Modal Alignment in AI-Rewritten Radiology Reports
Samar Ansari
cs.CL cs.CV
本文研究了AI重写放射学报告导致的信息退化问题，发现不同重写任务（如EHR摘要、标准化重写）对临床实体保留和跨模态对齐的影响存在矛盾，即“slop悖论”。该工作与关键词中的“code, context, attention”等概念关联较弱，主要聚焦于临床文本处理与多模态对齐的实证分析。
Improving low-resource ASR using bilingual fine-tuning with language identification: a cross-linguistic evaluation
Reihaneh Amooie et al.
cs.CL
本文研究了在低资源语言场景下，使用语言识别token进行双语微调对自动语音识别(ASR)性能的影响，实验覆盖了九种语言对。结果表明，当语言识别准确率高时双语微调有益，而在语言识别性能低时，在推理阶段加入语言识别token有助于提升ASR效果。
When Multiple Scripts Matter: Evaluating ASR in Clinical Settings
Jean Seo et al.
cs.CL cs.AI
本文针对非英语临床环境下的自动语音识别(ASR)中多脚本变异性问题，提出了MultiClin基准来评估ASR模型对同一术语多种有效拼写形式的鲁棒性。实验表明多脚本感知评估比传统单参考评估更公平，并发现脚本统一能带来最佳ASR性能。
Perceptual compensation for tonal context in self-supervised speech models
James Kirby, Ioana Krehan, Michele Gubian
cs.CL cs.AI eess.AS
本文研究了wav2vec2.0模型在普通话声调感知中是否表现出对音韵上下文的补偿效应。通过对比纯自监督预训练模型和微调后的ASR模型，发现预训练模型未表现出补偿证据，而微调模型虽有部分补偿迹象但未能复现人类表现。
Environment-Grounded Automated Prompt Optimization for LLM Game Agents
Rean Clive Fernandes et al.
cs.CL
本文提出了一种针对LLM游戏agent的自动化prompt优化框架，通过将观察-动作流程分解为两个模块并利用LLM驱动的进化循环迭代优化prompt，在BabyAI任务上提升了性能。该方法无需微调模型权重，但主要聚焦于prompt工程，与关键词中的spectral、Muon等概念关联较弱。
GameCraft-Bench: Can Agents Build Playable Games End-to-End in a Real Game Engine?
Tongxu Luo et al.
cs.CL
本文提出了GameCraft-Bench，一个用于评估coding agents在Godot游戏引擎中端到端构建可玩游戏能力的基准测试，包含140个任务。评估发现，即使最强的agent也仅达到41.46%的成功率，表明该任务极具挑战性，agent在生成完整游戏、功能视觉反馈和连贯呈现方面存在困难。
Dynamic Rollout Editing for Reducing Overthinking in RL-Trained Reasoning Models
Zihao Wei et al.
cs.CL
本文研究了RL训练推理模型中的过度思考现象，提出了一种训练时干预方法Dynamic Rollout Editing (DRE)，通过保留成功轨迹中已得到验证的前缀并编辑后续思考，来削弱对不必要思考的偏好信号。实验表明该方法在多种任务上有效。
ChLogic: Evaluating Robustness of Logical Reasoning in Chinese Expressions
Peixian Zhou et al.
cs.CL
ChLogic是一个英中对照的逻辑推理基准测试，用于评估大语言模型在不同语言表达下逻辑推理能力的鲁棒性。实验发现模型在英文和中文表达之间存在持续的性能差距，且回译对困难问题集的效果不一致。
Learning task-specific subspaces via interventional post-training of speech foundation models
Jack Cox, Jon Barker
cs.CL
本文提出了一种基于interventional contrastive learning的后训练方法，将语音基础模型的entangled representation space分解为content和speaker subspaces，并在speaker verification和keyword spotting任务上验证了其有效性。
Fine-tuning LLMs for Passive Depression Severity Estimation from AI Mental Health Dialogue
Olivier Tieleman et al.
cs.CL
本文通过微调Qwen3.5-27B模型并利用pseudolabeling技术，从AI心理健康对话的transcript中直接预测PHQ-9抑郁评分，实现了无需用户填写问卷的被动症状监测。该方法在多个严重度阈值上均取得了较高的AUC值，但并未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词所代表的特定技术方向。
VoidPadding: Let [VOID] Handle Padding in Masked Diffusion Language Models so that [EOS] Can Focus on Semantic Termination
Chunyu Liu et al.
cs.CL
本文针对Masked Diffusion Language Models (MDLMs)在指令微调中因使用重复[EOS] token进行填充而导致的大块解码溢出问题，提出了VoidPadding方法。该方法引入[VOID] token专门用于填充，使[EOS] token仅负责语义终止，从而在推理时实现早期停止和自适应响应画布扩展。
When English Isn't the Best Teacher: Source Language Effects in Cross-Lingual In-Context Learning
Fred Philippy et al.
cs.CL cs.AI
本文研究了跨语言In-Context Learning (ICL)中源语言选择的影响，通过涵盖七项任务、六个模型和多种语言的实验，发现基于fine-tuning的传统预期在ICL场景下并不一致适用，并提出了替代的启发式方法。该工作主要关注自然语言处理中的跨语言迁移，与您提供的关键词（如code, spectral, Muon等）关联度较低。
Compositional Skill Routing for LLM Agents: Decompose, Retrieve, and Compose
Xueping Gao
cs.CL
本文提出了SkillWeaver框架，用于解决LLM agent的组合技能路由问题，通过分解查询、检索技能和组合计划来生成可执行方案。实验表明任务分解质量是主要瓶颈，并提出了迭代技能感知分解（SAD）方法来改进分解准确性。
Security and Privacy Prompts in the Wild: What Users Ask LLMs and How LLMs Respond
Hobin Kim et al.
cs.CL cs.AI cs.CR cs.HC
本文基于WildChat数据集分析了用户向LLMs提出的14,727个数字安全与隐私(S&P)相关提示，将其分为九类，并评估了LLMs的响应质量与一致性，发现商业模型在响应质量上优于开源模型但存在不一致性。
HistoRAG: Embedding Historical Methodology in Retrieval-Augmented Generation Through Critical Technical Practice
Noah J. Kim-Baumann, Torsten Hiltmann
cs.CL cs.IR
HistoRAG将历史学方法论嵌入Retrieval-Augmented Generation (RAG)框架，通过分离检索与生成、时间窗口化及LLM-as-judge评估等干预措施，解决标准RAG在历史研究中的时间偏差和相关性评估问题。该工作主要面向历史学等解释性学科，与关键词列表中的概念关联较弱。
Unintended Effects of Geographic Conditioning in Large Language Models
Naz Col, David M. Chan
cs.CL
本文研究了大型语言模型在接收地理位置元数据时产生的“位置泄露”现象，即模型在用户提示地理中立的情况下仍会生成地理相关输出。实验发现，即使将位置替换为占位符“Unknown”，泄露率仍会显著上升，表明用户信息框架本身即构成一种生成条件信号。
Learning from the Self-future: On-policy Self-distillation for dLLMs
Yifu Luo et al.
cs.CL
本文提出了d-OPSD，首个针对diffusion LLMs (dLLMs)的on-policy self-distillation框架，通过将self-teacher构建从prefix conditioning改为suffix conditioning，并将监督从token-level迁移至step-level，解决了现有方法与dLLMs任意顺序生成特性的冲突。实验表明该方法在推理基准上优于RLVR和SFT基线，且样本效率更高。
RubricsTree: Scalable and Evolving Open-Ended Evaluation of Personal Health Agents across Health Memory and Medical Skills
Weizhi Zhang et al.
cs.CL cs.AI
本文提出了RubricsTree，一个用于个人健康Agent的可扩展评估框架，通过专家对齐的层次化分类法（包含超过100个原子布尔规则）和上下文感知自适应路由器来评估开放性问题。该方法主要关注健康记忆和医疗技能评估，与关键词中的agent和context有一定关联，但缺乏开创性方法或解决长期问题的贡献。
Analyzing and Encoding the Al-Mawrid Arabic-English Dictionary with the ISO Language Markup Framework and TEI Lex-0
Diaa Fayed, Laurent Romary
cs.CL
本文提出了一种将Al-Mawrid阿拉伯语-英语词典数字化为标准计算词库的方法，通过结合ISO LMF和TEI Lex-0标准，解决了20世纪双语词典的结构歧义问题。该方法在样本上实现了91%的结构解析准确率，并讨论了TEI Lex-0在建模特定阿拉伯语现象时的局限性。
Zone of Proximal Policy Optimization: Teacher in Prompts, Not Gradients
Byung-Kwan Lee et al.
cs.CL
本文提出了一种名为Zone of Proximal Policy Optimization (ZPPO)的知识蒸馏方法，通过将教师模型的信息注入到prompt中而非policy gradient中，解决了小模型在蒸馏时泛化能力差的问题。该方法在多个视觉-语言模型规模上优于传统蒸馏和GRPO方法，但并未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词。
Darshana Graph: A Parallel Commentary Corpus for Comparative Indian Philosophy, with Stylometric and Exploratory Graph Analyses
Joy Bose
cs.CL cs.DL
本文介绍了Darshana Graph语料库，包含超过12.5万条印度哲学文本记录，并基于该语料库进行了文体学比较和关系图分析。该工作主要贡献在于构建了跨注释者的平行对齐子集，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。
ReproRepo: Scaling Reproducibility Audits with GitHub Repository Issues
Shanda Li et al.
cs.CL cs.AI cs.LG
本文提出了ReproRepo框架，利用GitHub issues作为监督信号来评估LLM agent在论文可重复性审计中的表现。实验表明，即使不执行代码，LLM agent也能识别出许多真实世界的可重复性问题，但精确局部化能力仍有不足。
Variable-Width Transformers
Zhaofeng Wu et al.
cs.CL
本文提出了一种名为\(\times\)-shaped >

cs.DS

Scalable K-clique Estimation with Differential Privacy
Dung Nguyen, Ritwick Mishra, Anil Vullikanti
cs.DS
本文针对差分隐私下k-clique计数的高计算复杂度问题，提出了一种可扩展算法，通过将ladder function适配为局部敏感度的光滑上界并利用近似敏感度框架来校准噪声，显著提升了运行效率。实验表明该方法在保持精度的同时比现有方法快数个数量级，能处理百万级边的图。
Approximation Preserving Coresets
Milind Prabhu, Chris Schwiegelshohn, Sudarshan Shyam
cs.DS
本文定义了近似保持coresets，它介于强coresets和弱coresets之间，仅需保留好解（低代价解）的代价近似，并证明了其存在性及尺寸下界。
Exact Algorithms for Edge Deletion to Cactus Graphs and Weighted Variants
Wenhao Song
cs.DS
本文研究了Cactus图边删除问题的精确指数时间算法，将未加权情况的时间复杂度从\(O^*(3^n)\)改进到\(O^*(2^n)\)，并讨论了加权变体下的算法。
Spectral recovery of a planted triangle-dense subgraph
Sam van der Poel, Cheng Mao, Benjamin McKenna
cs.DS math.PR math.ST
本文研究在Erdős-Rényi随机图中恢复一个植入了三角形稠密子图的问题，提出了一种基于局部带符号三角形计数的谱算法和半定规划方法，并通过谱分析给出了理论保证。文章还展示了该问题在计算复杂度上存在与植团问题类似的统计-计算鸿沟。
Four-Cycle Counting in Low-Degeneracy Graph Streams
Sebastian Lüderssen, Stefan Neumann, Pan Peng
cs.DS
本文针对低退化度图流中四元环计数问题，提出了基于采样诱导子图的两遍流算法（使用\(\widetilde{O}(\kappa m / \sqrt{T})\)空间）和一遍流算法，在特定结构条件下保持准确性，并在真实图流上验证了性能。
Reducing Prize-Collecting Stroll and Related Routing Problems to Prize-Collecting TSP
Hong Li
cs.DS
本文研究了prize-collecting stroll问题（带惩罚的路径版TSP）及其推广模型prize-collecting-\(\Phi\)-TSP，证明了若prize-collecting TSP存在\(\rho\)-近似算法，则可在多项式时间内得到\((\rho+\varepsilon)\)-近似算法，并改进了prize-collecting stroll的近似比至优于1.6。
Online Connectivity Augmentation
Mohit Garg, Aditya Subramanian
cs.DS
本文研究了在线连通性增强问题，即在给定一个\(k\)-边连通图\(G\)和额外链接集\(L\)的情况下，在线处理使顶点对\((k+1)\)-边连通的请求，并最小化添加的链接总数。文章改进了之前的界，得到了该问题的一个紧的competitive ratio。
Directed Reachability-Preserving Minimum Edge Cut: Approximation and Planar Hardness
Qi Duan
cs.DS cs.CC
本文研究了有向图中保持可达性的最小边割问题，给出了一个基于根线性近似的\(O(\sqrt r)\)-近似算法，并证明了该问题在有向平面图中是NP难的。

others

Agentic Discovery of Non-Canonical Antimicrobial Peptides with AMPGAN v3 ⭐ 精选
Jay Jung et al.
q-bio.QM cs.AI cs.LG
AMPGAN v3是一个多目标conditional GAN，通过引入两个专门的discriminator（adversarial和activity-aware）来分离监督信号，显著提升了训练稳定性，并将生成词汇扩展到D-amino acids和N/C-terminus modifications（如amidation）。本文还提出了PepCraft，一个multi-agent框架，通过Planning Agent协调生成、过滤和验证等专用执行器，实现端到端的AMP发现。体外实验验证了五个候选物，其中两个对Gram-positive菌株有活性，最佳候选物对B. subtilis的MIC达到8 {\mu}g/mL。这些工作展示了generative和agentic AI在治疗性肽发现中的协同作用，与关键词中的agent高度契合。
MeiBRD: Meta-Learning Intraoperative Biomechanical Residual Deformation ⭐ 精选
Casey Meisenzahl et al.
cs.CV cs.AI eess.IV
本文提出了一种名为MeiBRD的混合配准框架，用于解决术中肝脏配准中软组织大变形与稀疏测量之间的矛盾。该方法不直接学习完整的变形场，而是学习一个残差变形函数来修正线性生物力学模型的预测偏差，该函数被建模为在3D肝脏网格上具有几何感知注意力的图神经扩散函数。其关键创新在于将稀疏的术中测量视为残差函数的“context”样本，从而将问题转化为一个元学习任务，即利用前馈元学习器从这些context样本中学习如何预测残差变形。实验表明，该方法在变形肝脏体模数据集上，特别是在分布外几何形状和变形情况下，显著优于刚性、生物力学和数据驱动的基线方法，为术中配准提供了结合物理先验与数据驱动泛化能力的新途径。
AUTOGATE: Automated Clock Gating via Toggling-Aware LLM-based RTL Rewriting ⭐ 精选
Yiting Wang et al.
cs.AR cs.AI cs.LG
AUTOGATE提出了一种基于LLM的agentic框架，用于自动化工业级RTL设计中的细粒度时钟门控优化。该方法通过ML聚类算法将长波形轨迹压缩为紧凑表示，指导LLM进行RTL重写，解决了LLM无法直接处理大规模波形数据的问题。其层次化多agent架构将大型设计分解为独立可优化模块，实现了跨设计层次的可扩展优化。该工作与关键词“agent”高度契合，并为自动化硬件设计优化提供了开创性方法。
PearlVLA: Progressive Embodied Action-Plan Refinement in Latent Space ⭐ 精选
Bochen Yang, Lianlei Shan
cs.RO cs.AI
PearlVLA提出了一种在Vision-Language-Action (VLA)模型的latent space中进行渐进式动作规划精炼的方法。该方法将VLM的meta-query表示分离为固定的visual grounding分支和迭代的latent plan分支，通过一个plan-conditioned world query从轻量级frozen latent world model中获取action-free的未来观测latent，并利用future-guided RefineNet进行残差更新以逐步精炼动作计划。此外，论文引入了Causal Refinement-Grouped Process-Reward RL来优化latent refinement过程，利用latent plan编辑产生的更长视野的想象未来作为奖励。该方法在LIBERO benchmark上达到了state-of-the-art性能，其将推理过程转移到latent space的思路与关键词中的“attention”和“agent”概念有较好的契合。
Towards Distributed Inference of LLMs on a P2P Network
Shabari S Nair, Krishanu Saini
cs.DC cs.AI
本文提出了一种用于peer-to-peer LLM推理的去中心化前缀缓存感知路由方案，每个节点维护本地radix tree并通过反熵机制异步更新对等节点缓存估计，将请求路由到最长前缀匹配的节点。实验表明该方法在低通信延迟和偏斜前缀分布下能改善延迟，但高网络延迟和热点问题限制了其优势。
RadSEM: A Finding-by-Finding Metric for Clinical Consistency in Radiology Reports
Zhenhong Yang et al.
q-bio.QM cs.LG
本文提出RadSEM，一种基于LLM辅助的放射学报告评估指标，通过将报告分解为原子发现句并进行矛盾约束匹配，以区分临床一致性与表面相似性。实验表明该指标在临床错误检测上优于现有方法。
PIVOT: Bridging Black-Scholes Implied-Volatility and Price Objectives via Differentiable Jäckel Operator
Raeid Saqur et al.
q-fin.CP cs.AI cs.LG
本文提出了PIVOT，一个可微的Black-Scholes隐含波动率与价格目标转换层。它通过隐式微分和门控机制解决了低vega区域的梯度奇异问题，在保持Jäckel求解器精度的同时实现了高效反向传播。
KFTD: Koopman-Fourier Time-Differentiable Network for Continuous Ocean Spatiotemporal Forecasting
Qinghui Chen et al.
physics.ao-ph cs.AI cs.LG
本文提出KFTD网络，将Koopman线性空间与Fourier分析结合，实现连续时间海洋时空预测。该方法通过解耦插值与预测阶段，在提升效率的同时降低了预测误差。
Extracting Semantics: LLM-Guided Automatic Population of Robot Ontology from URDF
Bastien Dussard, Guillaume Sarthou
cs.RO cs.AI
本文提出了一种利用LLM从URDF文件自动生成机器人本体（ontology）的方法，通过多数投票和语法验证来确保输出符合格式约束。该方法旨在弥合低级机器人描述与结构化知识表示之间的差距，但并未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词。
Surveying GenAI-based Automation in Printed Circuit Board Design and Test
Sahana Srinivasan, Benjamin Turnbull, Hammond Pearce
cs.AR cs.AI
本文综述了生成式人工智能(GenAI)在印刷电路板(PCB)设计与测试全生命周期中的应用现状，包括供应链、电路设计、布局优化及验证测试等环节，并提出了一个分类体系。文章还指出了该领域面临的数据稀缺和工具集成等挑战，并讨论了未来研究方向。
CMIP-Forge: An Agentic System that Retrieves, Computes, and Self-Reviews Climate Science
Dmitrii Pantiukhin et al.
physics.ao-ph cs.AI
本文提出了CMIP-Forge系统，一个结合检索增强生成(RAG)与自主分析框架的agent系统，用于连接气候科学文献与ESGF数据档案。该系统通过多层级防御架构（包括AST静态分析、科学原语审计和对抗性同行评审协议）来执行复杂的气候研究流程。
Comprehensive pKa Data Augmentation from Limited Real Data through an Engineered Models-Quantum Framework
Wang Rui, Liu Dinghao
physics.chem-ph cs.AI cs.LG
本文利用多种机器学习模型对未标记分子数据集进行大规模pKa预测，发现数据分布近似正态且尾部样本稀疏。为解决这一问题，作者设计了一种量子辅助的稀疏pKa分子生成方法，并在模拟量子退火器和物理相干伊辛机上验证了其可行性。
HRDX: A Large-Scale Vector HD-Map Dataset
Sahith Reddy Chada, Isht Dwivedi, Nirav Savaliya
cs.RO cs.AI cs.CV
本文介绍了HRDX，一个大规模向量高清地图数据集，覆盖约40小时驾驶数据，包含多模态传感器和丰富语义标注。该数据集旨在支持自动驾驶中的地图构建研究，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
The Price of Anarchy in Disaggregated Inference
Athos Georgiou
cs.AR cs.AI cs.DC cs.GT cs.PF
本文首次对分解推理架构（将prefill和decode阶段分离到不同GPU池）进行了形式化博弈论分析，建模为三个耦合博弈，并实证了自私缓存博弈和拥塞博弈。通过自适应控制器检测饱和转换并调整路由参数，在NVIDIA B200集群上验证了该方法能显著降低经验PoA估计值。
ParkingTransformer: LLM-Enhanced End-to-End Trajectory Planning for Autonomous Parking
Hauteng Wu et al.
cs.RO cs.AI
本文提出ParkingTransformer框架，利用多视角感知和大语言模型(LLM)的场景理解能力进行端到端自主泊车轨迹规划。该方法通过轨迹查询与LLM隐状态特征交互，并引入3D位置编码和粗到细解码策略，在CARLA模拟器和真实车辆平台上验证了有效性。
ZIVARI-TLBO: A Zero-Cost Inter-Group Evaluated-Elite Relay Mechanism for Teaching-Learning-Based Optimization
Pezhman Zivari
cs.NE cs.AI
本文提出了一种名为ZIVARI-TLBO的基于教学的优化方法，通过引入零代价的组间精英中继机制来改进现有分组TLBO算法。实验表明该方法在多数测试函数上优于传统TLBO、DE、PSO等算法，但性能不及WOA，且工程问题结果受惩罚函数影响较大。
ANEForge: Python for direct computation on the Apple Neural Engine
Spencer H. Bryngelson
cs.PL cs.AI cs.MS
ANEForge是一个Python包，允许直接编程Apple Neural Engine (ANE)而无需CoreML。它通过编译lazy tensor graph到单个ANE程序，实现了接近硬件极限的推理速度（如ResNet-18前向传播仅需0.33ms），并支持训练的前向、反向和优化器更新。
Securing Multi-Agent GIS Systems: Risk Evaluation and Prompt Hardening Optimization
Kyle Gao et al.
cs.CR cs.CL
本文针对多智能体GIS系统的安全风险，提出了一个包含风险识别、评估和缓解的框架，并利用红队测试和提示优化来提升系统鲁棒性。
Software Delegation Contracts: Measuring Reviewability in AI Coding-Agent Work
Vincent Schmalbach
cs.SE cs.AI
本文通过控制实验研究了AI编码代理的软件委托合同（software delegation contract），发现显式合同并未改善任务正确性，但显著提升了可审查性（reviewability），包括证据充分性、评审者模糊性降低等，代价是增加了代理token消耗和运行时间。
Quantum Cinema: An Interactive Cinematic Exploration of Quantum Computing Hardware via Generative World Models
Aoyu Zhang, Dongping Liu, Luyao Zhang
physics.pop-ph cs.AI quant-ph
本文介绍了一个名为Quantum Cinema的开源交互式应用，利用生成世界模型将不可见的量子计算硬件转化为可探索的沉浸式体验，旨在弥合公众对量子计算的理解鸿沟。该应用通过四幕叙事引导用户了解量子纠缠、三种量子计算架构，并基于真实设备规格提供交互式比较。
Prefill/Decode-Aware Evaluation of LLM Inference on Emerging AI Accelerators
Shun Usami, Venkatram Vishwanath, E. Wes Bethel
cs.AR cs.AI cs.DC
本文通过分Prefill和Decode两阶段评估了GPU与新兴AI加速器（如GroqRack）在Llama2-7B模型上的推理性能，发现GPU在计算密集的Prefill阶段占优，而GroqRack在Decode阶段具有更低的每token延迟，但GPU在增大batch size后重新获得Decode吞吐优势。
Timestamp-Aware Spatio-Temporal Graph Contrastive Learning for Network Intrusion Detection
Jianli Dai et al.
cs.CR cs.AI cs.LG
本文提出了一种基于自监督GNN的网络入侵检测框架，通过构建时间图并利用E-GraphSAGE和LSTM编码器提取时空依赖，同时引入多视图图对比学习（GCL）来增强表示泛化性。实验表明该方法在多个数据集上优于现有自监督方法，性能接近监督SOTA。
Loss Landscape Poisoning: Targeted Extraction of Unseen Training Data from LLMs
Md Abdullah Al Mamun et al.
cs.CR cs.LG
本文提出了一种通过投毒训练数据来诱导大语言模型泄露未见目标记录的攻击方法，其核心是重塑模型在目标完成点附近的局部loss landscape，迫使模型将目标作为唯一低loss解进行记忆。该攻击在语言和视觉-语言模型上实现了高达100%和90%的提取成功率，但被差分隐私训练有效防御。
An Evaluation of Data Leakage Risks in Tool-Using LLM Agents in Realistic Scenarios
Hankyul Baek et al.
cs.CR cs.AI
本文评估了工具型LLM Agent在12个真实非对抗性任务中的数据泄露风险，发现所有测试Agent均未实现完全正确且安全的执行，表明操作数据泄露是与对抗性数据窃取不同的首要安全问题。
Graph neural networks at war: integrating cybersecurity and drone intelligence in the Israeli-Iranian conflict
Sozan Sulaiman Maghdid, Tarik Ahmed Rashid, Shavan Askar
cs.CR cs.AI
本文探讨了Graph Neural Networks (GNNs)在以色列-伊朗冲突背景下，用于整合网络安全与无人机管理的物理网络系统。通过案例研究，证明了基于图的机器学习有助于态势感知和蜂群协调，但方法本身缺乏显著的开创性，且与关键词列表中的概念关联较弱。
Regularized Machine Learning for System Identification of Ship Free-Running Manoeuvres from CFD-Based Synthetic Data: A Comparative Study
R.F. Suárez, J.C. Berndt, M. Abdel-Maksoud
stat.AP cs.LG physics.flu-dyn
本文使用正则化回归方法（如Ridge regression）从CFD生成的船舶自由航行数据中识别水动力系数，比较了不同回归模型在Abkowitz型操纵模型上的表现。结果表明，正则化技术能有效缓解多重共线性问题并提高预测精度。
TrustErase: Auditable Instant Machine Unlearning with Passport-Embedded Representations
Rutger Hendrix et al.
cs.CR cs.AI cs.LG
TrustErase提出了一种基于passport嵌入表示的可验证、无数据的即时机器遗忘框架，通过将passport视为参数高效适配层中的密钥，仅需停用相关层即可实现类别或数据集的遗忘，无需重训练或访问原始数据。该方法在MNIST、CIFAR10和CIFAR100上达到了与现有方法相当的性能，但与我提供的关键词列表关联度较低。
LineageMark: Multi-user White-box Watermarking for Contribution Tracing in Model Derivation Chains
Bingxue Zhang, Xiaofeng Xu, Feida Zhu
cs.CR cs.AI
LineageMark提出了一种用于模型衍生链的多用户白盒水印框架，通过投影方法在模型参数中编码水印，并选择稳定载体以降低对模型变化的敏感性。实验表明该方法能在多阶段衍生中保留贡献者水印，并支持增量插入，但对关键词列表中的概念关联较弱。
Vibrato Expression Control for Singing Voice Conversion with Improving Independent Control
Joon-Seung Choi, Dong-Min Byun, Seong-Whan Lee
cs.SD cs.AI
本文提出VibE-SVC2框架，通过引入Energy Style Converter和Zero-shot Pitch Style Converter改进歌声转换中的颤音控制，并扩展了对音色风格的控制。该方法在客观和主观评估中优于现有方法，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
Statistical Foundations of LLM-based A/B Testing: A Surrogacy Framework for Human Causal Inference
Joel Persson, Mårten Schultzberg, Sebastian Ankargren
stat.ME cs.AI econ.EM math.ST
本文为基于LLM的A/B测试建立了一个统计框架，通过将surrogate endpoint理论应用于LLM，研究了在何种条件下LLM结果估计的治疗效应能恢复人类群体的真实效应。文章指出，即使LLM与人类结果分布不完全等价，在满足surrogacy和可比性条件时，平均治疗效应仍可被识别，并提供了诊断方法。
Not Truly Multilingual: Script Consistency as a Missing Dimension in VLM Evaluation
Prabhjot Singh et al.
cs.CV cs.CL
本文提出了PuMVR基准测试，用于评估Vision-Language Models (VLMs)在多脚本语言（如旁遮普语的三种文字）上的表现。研究发现模型存在显著的Script Gap，即在不同文字上处理相同视觉任务时性能差异巨大，并提出了Script Consistency Rate (SCR)作为新的评估指标。
Another Look at Log-PCA for Probability Measures: A Dynamical Formulation and Statistical Convergence
Peng Xu et al.
stat.ML cs.LG stat.ME
本文在Wasserstein几何下研究随机概率测度的主变分学习，提出了一种新的动力学形式来解释log-PCA，并推导了经验WT-PCA的统计收敛率。
Cluster-Aware Dual-Level Test Specification Generation for Large-Scale Automotive Software Requirements
Hazem Ayman et al.
cs.SE cs.AI
本文提出了一种"Cluster-then-Summarize"流水线，用于从大规模汽车软件需求中自动生成测试规范。该方法通过嵌入、聚类和多级摘要处理需求，生成个体验证和集群级集成测试，并利用邻近集群上下文机制和检索增强生成来确保标准合规性。
Trust-Aware Multi-Agent Traceability: Confidence-Calibrated Knowledge Graphs for Consistent Software Artifact Management
Mohamed Essam et al.
cs.SE cs.AI
本文提出了一种基于置信度校准的信任感知多智能体协调框架，通过共享知识图谱和两阶段traceability link预测管道，解决软件工程中多智能体系统错误传播问题。该方法在汽车软件工程案例中验证了置信度校准对管道协调的有效性，但未涉及code、spectral、Muon等关键词相关技术。
Physics-Informed Attention Mechanism and Generalization Capability of Deep Learning-Based Grain Growth Evolution Prediction
Pungponhavoan Tep, Marc Bernacki
cond-mat.mtrl-sci cs.AI
本文评估了基于深度学习的晶粒生长演化预测模型在分布外数据上的泛化能力，并提出了一种边界掩码注意力机制来约束注意力于晶界像素。实验表明该机制能提升预测精度，但方法本身并非开创性突破，且与关键词列表中的概念关联较弱。
From Compression to Deployment: Real-Time and Energy-Efficient FastGRNN on Ultra-Constrained Microcontrollers
Emre Can Kizilates
cs.AR cs.LG cs.NE eess.SP
本文在超低功耗微控制器上部署了FastGRNN模型，通过压缩和量化技术实现了实时推理，并验证了其与PyTorch参考的预测一致性。该工作主要关注嵌入式部署的工程优化，而非提出新的数学理论或解决长期存在的理论问题。
Pulling The REINS: Training-Free Safety Alignment of Video Diffusion Models via Representation Steering
Rohit Kundu et al.
cs.CV cs.AI
本文提出了一种名为REINS的训练无关方法，通过在推理时调整video diffusion transformer的hidden-state activations来引导安全生成。该方法利用Supervised PCA在binary safety labels上发现单一方向，并在中间层施加该方向以将有害内容重定向到语义相关的安全替代内容。
Accelerated Convex Optimization via Hamiltonian Dynamics with Deterministic Integration Time
Xiuyuan Wang et al.
math.OC cs.LG stat.ML
本文利用Hamiltonian动力学开发了光滑凸优化的加速算法，通过平均Hamiltonian流轨迹的收缩性而非端点收缩性，证明了确定性加速收敛保证，并推导了具有最优一阶复杂度的离散实现。
ARVO: Atlas of Reproducible Vulnerabilities for Open-Source Software
Xiang Mei et al.
cs.CR cs.AI cs.LG
本文提出了ARVO数据集，通过解决大规模bug复现的关键障碍，为超过6100个真实世界开源软件漏洞提供了可复现性，并实现了81%的复现成功率和89.4%的补丁定位准确率。该工作主要关注漏洞数据集的复现性、数量与多样性之间的权衡，与关键词中的code和context有一定关联，但方法本身缺乏开创性且未解决长期存在的核心问题。
Adaptive Proximal Methods for Weakly Convex Optimization with Unknown Parameter: Deterministic and Stochastic Guarantees
Miaolan Xie
math.OC cs.DS
本文针对弱凸优化中弱凸参数未知的问题，提出了自适应近端引导方案（APS），该算法通过下降测试在线双向调整近端参数。在确定性和随机性设定下，算法均能达到\(O(\varepsilon^{-2})\)的迭代复杂度，且对目标函数的全局Lipschitz连续性或光滑性无要求。
From Democracies to Autocracies: How AI Systems Enable Authoritarianism by Design
Jeba Sania, Marta Ziosi, Fazl Barez
cs.CY cs.AI
本文通过比较美国到中国等不同政治体制下的六种AI系统生命周期，定性分析了使AI系统助长威权主义的技术与操作特征，包括数据集中化、监管漏洞和用户合规性弱等问题。研究发现，无论是集权还是分权系统，都可能通过利用治理漏洞来助长威权主义。
VISTA: Scale-Aware Visual Navigation via Action History Conditioning
Maeva Guerrier et al.
cs.RO cs.LG
本文提出VISTA模型，通过将normalized action history与图像观测结合作为conditioning，解决了视觉导航中因动作归一化导致的物理尺度不一致问题，并引入DINOv3 encoder提升在视觉重复环境中的表现。该方法在零样本真实场景部署中取得了高目标预测准确率。
Turning music identification into a neural forward pass
Muhammad Taimoor Haseeb, Ahmad Hammoudeh, Gus Xia
cs.SD cs.LG
本文提出将音乐识别任务转化为一个神经网络的单次前向传播过程，使用生成式transformer直接从短音频片段预测曲目标识符。该方法在短音频段（1秒）上超越了传统声学指纹识别，并显著降低了存储和延迟需求。
Space-Efficient Lock-Free Linear-Probing Hash Table
Hagit Attiya, Rotem Oshman, Noa Schiller
cs.DC cs.DS
本文提出了一种无锁的线性探测哈希表，支持无等待查找，通过在每个表项中使用少量元数据（常数或对数位）实现了空间高效，并保证了线性化与无锁操作。
Transformer-Based Warm-Starting for Feasible and Optimal Terminal Approach to Tumbling Objects with Space Manipulators
Yuji Takubo et al.
cs.RO cs.AI math.OC
本文研究基于学习的warm-starting方法加速空间机械臂接近翻滚目标的轨迹优化，使用causal transformer为sequential convex programming提供初始解，在300个测试场景中减少了迭代次数和运行时间。
Tight $L_\infty$ Sample Complexity for Low-Degree and Sparse Boolean Polynomials
Jasper van Doornmalen et al.
stat.ML cs.LG math.CO math.ST
本文研究了在布尔超立方体上学习多项式代理的样本复杂度问题，针对有界二进制黑箱函数的优化场景，要求均匀\(L_\infty\)误差保证。对于次数至多\(d\)的多项式，样本复杂度为\(n^{d+1}\)；对于\(s\)-稀疏Fourier-Walsh多项式，样本复杂度为\(ns^2\)，这些结果在含噪声情况下与无噪声情形存在结构性差异。
Geometry-Consistent Endoscopic Representations for Image-Guided Navigation via Structured Foundation Model Adaptation
Hongchao Shu et al.
cs.CV cs.AI
本文提出了一种用于单目内窥镜图像导航的统一框架，通过结合合成数据管道和层级感知的几何-语义适应方法，学习几何一致且领域鲁棒的图像表示。该方法在公开和私有数据集上改进了姿态估计和深度预测等下游任务的性能。
DriveJudge: Rethinking Autonomous Driving Evaluation with Vision-Language Models
Xinglong Sun et al.
cs.CV cs.AI cs.LG cs.RO
本文提出了DriveJudge，一种结合规则评估与VLM推理的自动驾驶评估agent，通过选择性调用物理规则函数来提升评估的可解释性和上下文感知能力。
Model Validation of Agentic AI Systems: A POMDP-Based Framework for Belief-State, Forecast, and Policy Validation
Matthew Francis Dixon
q-fin.RM cs.AI cs.LG stat.ML
本文基于POMDP框架提出了一种用于agentic AI系统的模型验证方法，将自主决策分解为信息、信念、预测和策略等独立组件进行验证。通过投资组合管理案例展示了该框架在信念校准、预测检验和策略分析中的应用。
TerraTransfer: Learning End-to-End Driving Policies Without Expert Demonstrations
Zikang Xiong et al.
cs.CV cs.AI cs.RO
本文提出TerraTransfer方法，通过将驾驶策略学习与视觉感知解耦，先在vectorized simulator中通过self-play预训练策略，再将其latent space与pretrained vision backbone对齐，从而无需expert demonstrations即可实现end-to-end autonomous driving。该方法在photorealistic 3D Gaussian splatting闭环场景中达到了与先前方法相当或更优的性能。
Visuals Lie, Consistency Speaks: Disentangling Spatial Attention from Reliability in Vision-Language Models
Logan Mann et al.
cs.CV cs.AI cs.CL cs.LG
本文质疑了视觉语言模型中“注意力-置信度假设”的直觉，通过引入结构注意力指标（如cluster counts和spatial entropy）发现视觉注意力与模型可靠性几乎无关（R约0.001），而生成动态中的self-consistency才是可靠性的主要预测因子（R=0.429）。该研究揭示了视觉编码与最终生成之间的“符号脱离”现象，并指出不同架构在可靠性分布上存在显著差异。
Damage Adaptation in Seconds for Architected Materials
James Avtges et al.
cs.RO cs.LG
本文提出了一种名为LEAP的方法，用于软驱动系统的损伤自适应，通过潜在损伤表示和集成方法在不到一分钟内适应切割、烧伤等灾难性损伤，并展示了在6自由度软腕部上的实时追踪任务。
Designing Recommendation Exposure and Favorite Lists: A Field Experiment in a Spot-Work Platform
Kazuki Sekiya et al.
econ.GN cs.GT cs.IR
本文研究了在短期工作匹配平台Timee上，如何设计推荐系统以平衡曝光与稀缺机会。作者提出了一个可并行化的阈值资格控制（TEC）机制，通过重新分配模板曝光来提高工作匹配率，并在模拟和实地实验中验证了其有效性。
SoK: AI-Augmented Binary Reversing
Yujeong Kwon et al.
cs.CR cs.AI cs.SE
本文对2015年以来144篇关于AI增强二进制逆向的论文进行了系统化梳理，提出了一个涵盖传统与AI增强逆向管线的统一分类法，并分析了LLM和agentic AI系统在该领域的新兴作用。
Bridging Spatial And Frequency Views For Disaster Assessment: Benefits And Limitations
Shikha V. Chandel et al.
cs.CV cs.AI
本文对空间域、频率域及双域深度学习方法在建筑损伤分类任务上进行了受控比较，基于xView2数据集和EfficientNet-B0骨干网络。结果表明双域模型在准确率上优于单域方法，但所有模型在检测细微损伤（如Minor类别）时仍面临困难，主要受限于类别不平衡和视觉模糊性。
Graph Neural Networks for Semi-Supervised Image Classification with Multi-Feature Aggregation
Marina Chagas Bulach Gapski et al.
cs.CV cs.AI
本文提出了一种基于Graph Neural Networks (GNNs)的半监督图像分类方法，通过整合多种特征提取器（如CNNs和VITs）和graph representations，并利用rank aggregation技术来提升分类精度。实验表明，该方法在标注数据稀缺的场景下能有效提高分类性能。
Where Should Action Generation Begin? A Learnable Source Prior for Generative Robot Policies
Meipo Dai et al.
cs.RO cs.CV cs.LG
本文提出LeaP，一种可学习的源先验，用基于本体感知的对角高斯分布替代标准高斯分布作为生成机器人策略的起始分布。该方法通过轻量级MLP预测均值和状态自适应方差，在保持下游生成器架构不变的情况下，为动作生成提供有信息量的随机初始化。实验表明该方法在多个操作任务上优于基线，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Enhancing Pathological VLMs with Cross-scale Reasoning
Chi Phan et al.
cs.CV cs.AI
本文提出了一种针对病理图像的跨尺度推理训练与评估范式，通过构建Scale-VQA基准和ScaleReasoner-R1模型，解决了多尺度视觉问答中的文本捷径问题，并提升了病理视觉语言模型的多尺度理解能力。
L-Proto: Language-Aware Episodic Prototypical Training for Multilingual Speaker Verification
Hyung-Seok Oh et al.
cs.SD cs.AI
本文提出了一种名为L-Proto的语言感知原型训练策略，通过在每个训练episode中仅采样单一语言的说话人来减少语言变化对embedding的影响，从而提升多语言说话人验证的泛化能力。实验表明该方法在TidyVoice Challenge基准上优于传统微调和随机episode采样方法。
A Closer Look at Failure Modes in Temporal Understanding of Large Audio-Language Models
Apoorva Kulkarni et al.
cs.SD cs.LG
本文通过引入包含1657个问题的benchmark，对大型音频语言模型在时间理解上的失败模式进行了行为与因果机制分析。研究发现模型在存在文本线索时倾向于忽视音频信息，且通过瓶颈层注意力缩放（attention scaling）可在不微调的情况下将准确率从55.9%提升至59.1%。
Feynman Kac Reweighted Schrödinger Bridge Matching for Surface-Based Tau PET Harmonization
Jianwei Zhang et al.
eess.IV cs.AI q-bio.QM
本文提出FKRSBM模型，通过熵正则化最优传输和Feynman Kac重加权实现Tau PET图像在不同扫描仪间的直接随机传输，用于表面神经影像的顶点级协调。该方法在分布对齐和疾病分类上优于现有方法，但未涉及代码、上下文、谱方法、Muon、预训练、智能体或注意力等关键词。
Bounded Difference Concentration for Infinitely Exchangeable Sequences with Applications to AI Benchmark Uncertainty
Fangyuan Lin, Spencer Frei, Victor H. de la Pena
stat.ML cs.LG math.PR
本文通过de Finetti测度条件化，将无穷可交换随机变量函数的偏差分解为条件采样波动和潜在混合波动，并建立了浓度不等式。该框架应用于MMLU等AI基准测试的不确定性量化，提供了分层模型和分布无关的统计保证。
Spatio-Temporal Fusion Model for Standard View Classification of Echocardiographic Videos
Bo Gou et al.
cs.CV cs.AI
本文发布了最大的公开超声心动图视频数据集EV9V，并系统评估了多种视频分类架构。作者提出了一种基于CNN-LSTM的双流时空融合模型STFM，通过不确定性感知学习提升了对帧质量变化的鲁棒性。
Patients With Personality: Realistic Patient Simulation through Controlled Diversity and Selective Disclosure
Moritz Schlager et al.
cs.HC cs.AI cs.CY
本文提出了PatientsWithPersonality (PWP)框架，通过HEXACO人格维度对虚拟患者行为进行参数化控制，以生成更真实且多样化的对话。实验表明该模拟器在临床评估中接近真人表现，且减少了信息过度分享的问题。
PARSE: Provenance-Aware Retrieval Sanitization for Professional Domain LLM Agents
Aaditya Pai
cs.CR cs.CL
本文针对专业领域LLM Agent的提示注入攻击，提出了一种名为PARSE的领域感知、事实保留的检索净化流程。该方法通过分类句子注入可能性、提取结构化事实并验证一致性，在真实企业文档上实现了攻击成功率与实用性的平衡。
Theoretical Grounding of Out-Of-Distribution Detection With Reinforcement Learning Optimizer
Salimeh Sekeh, Xin Zhang
cs.CV cs.LG
本文为动态开放环境下的OOD检测问题建立了一个理论框架，使用强化学习引导的优化器来改进标准梯度下降，并分析了模型变化和环境变化带来的泛化误差。
A Bayesian Boolean Matrix Factorization with Application to Copy Number Analysis in Cancer
Adolphus Wagala, Mehmet Samur, Giovanni Parmigiani
stat.ML cs.LG stat.ME
本文提出了一种贝叶斯布尔矩阵分解(BBMF)方法，通过全共轭生成模型和稀疏先验对二元矩阵进行分解，并应用于癌症基因组学中的拷贝数分析。该方法通过Gibbs采样实现后验推断，能够生成可解释的潜在因子并提供不确定性量化。
MagicSim: A Unified Infrastructure for Executable Embodied Interaction
Haoran Lu et al.
cs.RO cs.AI cs.CV
MagicSim是一个面向具身智能的统一仿真基础设施，它基于确定性的批处理运行时和共享的Markov decision process (MDP)构建，通过YAML-first规范解耦内容、布局、行为和智能体暴露，支持多种可执行世界的构建。该框架将高级命令通过控制器、原子技能和规划器原语落地为机器人动作，并统一了benchmark评估、强化学习训练和自动轨迹生成等功能。
Unlocking LLM Code Correction with Iterative Feedback Loops
Le Zhang, Suresh Kothari
cs.SE cs.AI
本文研究了LLM通过执行反馈迭代修正自身代码的能力，使用编译器错误信息和测试用例反馈评估了四种模型在两种编程语言上的表现。结果表明推理模型在迭代中持续改进，且语法和运行时错误比逻辑或算法失败更易处理。
Beyond IGO-Flow: Toward Convergence Analysis of IGO in Continuous Spaces
Ryosuke Kimura, Youhei Akimoto
math.OC cs.LG
本文研究了连续空间中离散时间IGO（Information-Geometric Optimization）的收敛性，针对强凸二次目标函数上的多元Gaussian族，证明了协方差矩阵收敛到零矩阵，且均值向量在适当条件下收敛到全局最优。该工作推进了IGO的理论分析，但方法本身并非开创性，且与关键词列表中的概念关联较弱。
Domain-Validity-Gated Metamorphic Testing of Scientific ML Surrogates
Meng Li et al.
cs.CE cs.LG
本文提出了一种域有效性门控的蜕变测试方法，用于评估科学机器学习代理模型（SciML surrogates）的可靠性。该方法通过一个域有效性规则筛选候选蜕变关系（MRs），并将其转化为可执行的测试资产，在MeshGraphNets等模型上验证了节点置换、镜像对称等关系，区分了模型级错误与域外应用。
Public transit gains and spatially uneven travel demand changes after NYC congestion pricing
Donghang Li et al.
physics.soc-ph cs.LG econ.GN stat.AP
本文利用time series foundation models生成概率性反事实需求预测，评估了2025年纽约市拥堵收费政策对公交、地铁及整体出行需求的影响，发现公交和地铁客流量显著增加而整体需求略有下降，且影响具有空间异质性。该研究为缺乏清洁对照组的大规模城市干预评估提供了可扩展框架，但与关键词列表中的概念关联较弱。
OmniDrive: An LLM-Choreographed Multi-Agent World Model with Unified Latent Co-Compression for Multi-View Driving Video Generation
Zijie Meng et al.
cs.CV cs.AI
本文提出DRIVE-CHOREO，一个由LLM编排的多智能体world model，通过引入统一的latent co-compression机制解决多视角驾驶视频生成中的异构控制注入和跨视角融合问题。该方法在nuScenes数据集上取得了新的state-of-the-art多视角一致性结果，并验证了合成数据在下游检测任务中的有效性。
Non-Autoregressive Minimum Bayes' Risk Decoding for Fast Speech Recognition
Hiroyuki Deguchi et al.
eess.AS cs.CL
本文提出了一种基于最小贝叶斯风险（MBR）解码的非自回归（NAR）语音识别框架NAR-MBR，通过从NAR模型的输出概率中采样多个候选序列并最大化期望效用，以缓解NAR解码因无法利用已生成token条件信息而导致的性能下降。实验表明该方法在多个数据集上优于传统NAR解码，且速度快于自回归解码。
Reinforcing Dual-Path Reasoning in Spatial Vision Language Models
Yatai Ji et al.
cs.CV cs.AI
本文提出SR-REAL框架，通过强化学习为空间视觉语言模型(Spatial VLM)配备语言推理(LOR)和检测-推理(DTR)两条互补路径，以提升复杂空间推理能力。该方法在多个空间基准上优于基线模型，但与我提供的关键词列表关联度较低。
An AI Security Agent for Banking: Multi-Vector Fraud and AML Detection Across Retail and Corporate Accounts
Joseph Walusimbi, Joshua Benjamin Ssentongo
cs.CR cs.AI cs.CE cs.ET
本文提出了一种用于银行零售和企业账户的AI安全代理，通过融合LSTM序列模型、统计速度/阈值监控和图/网络模块，在交易流和会话流上并行检测欺诈和洗钱行为。实验在合成数据集上验证了其有效性，但方法本身是现有技术的组合应用，缺乏开创性，且与关键词中的概念关联较弱。
Geometric Consistency Protocol for Foundation Model Features in Multi-View Satellite Imagery
Qiyan Luo et al.
cs.CV cs.AI
本文针对卫星多视角重建中基础模型特征评估的几何一致性问题，提出了一个基于Rational Function Model (RFM)的评估协议，通过RPC投影的3D一致性度量和几何约束的密集匹配代理来评估特征。实验表明，在RPC一致的评估下，先进的2D骨干网络仍能与专门的3D感知模型竞争。
AoiZora: Topology-Aware Auto-Parallel Optimization for Inference of Diffusion Transformers
Kaijian Wang et al.
cs.DC cs.LG
本文提出AoiZora，一种针对TPU子片上视频扩散模型推理的拓扑感知自动并行优化方法，通过结合编译前IR和编译后HLO来搜索物理布局，从而减少去噪延迟。
Visored: A Controlled-Natural-Language Prover for LLM-Generated Mathematics
Xiyu Zhai et al.
cs.PL cs.AI
本文介绍了一个基于dependent type的定理证明器Visored，其设计模仿数学自然语言并包含自动化层，使得LLM生成的证明可被验证并转换为Lean文件。实验表明，即使没有特定训练数据，LLM也能在miniF2F基准上有效使用它。
Root-Selecting Fixed-Point Inversion for Rectified Flows via Trajectory Straightness
Semin Kim, Jihwan Yoon, Seunghoon Hong
cs.CV cs.LG
本文提出SelFix方法，通过选择使逆轨迹更直的fixed-point解来改进rectified flows中的inversion问题，在FLUX.1-dev和PIE-Bench上提升了图像重建和编辑质量。
Understanding LLMs in Title-Abstract Screening: From Disagreements to Recommendations
Mika Mäntylä et al.
cs.SE cs.AI
本文研究了LLM在系统综述的标题-摘要筛选任务中与人类专家的分歧，通过定性分析识别了边界模糊、关键词过度强调等失败原因，并提出了验证语义理解、使用多个LLM等建议。
SkillMoV: Mixture-of-View Routing with Prototype-Conditioned Gating for Unified Multi-View Proficiency Estimation
Edoardo Bianchi, Antonio Liotta
cs.CV cs.AI
本文提出SkillMoV框架，用于从多视角视频中估计人类熟练度。其核心是Mixture-of-View Projector (MoVP)，通过混合专家范式处理不同摄像头的视角特征，并在EgoExo4D数据集上取得较好结果。该方法主要关注视频理解与技能评估，与关键词中的code, spectral, Muon, pretrain, agent等概念关联较弱。
Divide, Deliberate, Decide: A Multi-Agent Framework for Fine-Grained Egocentric Action Recognition
Alessandro Sottovia, Alessandro Torcinovich, Oswald Lanz
cs.CV cs.AI
本文提出了一种名为Divide, Deliberate, Decide的多agent框架，用于细粒度自我中心动作识别。该方法通过一个VLM orchestrator分割视频并生成候选标签列表，再由多个异构VLM专家进行结构化讨论并聚合排名，以提升零样本动作识别性能。
Bounding Box Label Propagation for Re-Annotation of Document Layout Analysis Datasets
Nick Jochum et al.
cs.CV cs.AI
本文提出BBLP框架，通过object encoder整合视觉、文本和位置embedding，利用Label Propagation对文档布局分析中的bounding box进行半监督重标注。在D4LA数据集上仅用10%标注数据即可达到全监督性能的81.6%。
SketchXplain: Intuitive Visual Explanations of Image Classifiers with Sketches
Wencan Zhang et al.
cs.HC cs.AI
本文提出SketchXplain方法，通过结合saliency map、concept-bottleneck model和sketch optimization技术，生成基于sketch的可视化解释，旨在提升图像分类器解释的直观性和语义清晰度。实验表明该方法在面部表情识别和皮肤病变诊断任务中比传统saliency map更高效且更易于理解。
MambaCount: Efficient Text-guided Open-vocabulary Object Counting with Spatial Sparse State Space Duality Block
Hao-Yuan Ma et al.
cs.CV cs.CL
本文提出MambaCount框架，利用Spatial Sparse State Space Duality (S^4D)块解决文本引导的开放词汇目标计数问题。该方法通过重构Mamba的隐藏状态衰减动力学并引入空间令牌选择子块，在保持线性复杂度的同时提升了计数性能。
FacProcessTwin: An LLM-Based System for Process Twin Development
Yash Pulse et al.
cs.SE cs.AI
本文提出了FacProcessTwin系统，利用大语言模型从工厂文档和操作员自然语言输入中自动生成process twin（过程孪生模型），并将其绑定到实时运营数据。该系统通过交互式过程图实现人机协同监控，在食品制造案例中验证了其准确性和效率提升。
See First, Answer Later: Visual Evidence Pre-Alignment via Sufficiency-Driven RL
Yilian Liu et al.
cs.CV cs.AI
本文提出了一种名为VEPA的中间训练阶段，通过在预训练和后训练之间引入基于sufficiency-driven目标的GRPO算法，优化多模态大语言模型对视觉证据的描述能力。实验表明该方法能增强视觉grounding并提升视觉密集型任务的性能，但与我提供的关键词列表关联度较低。
Geometrical fairness in graph neural networks
Arturo Pérez-Peralta et al.
stat.ML cs.CY cs.LG
本文通过修改graph Laplacian算子引入了一种公平性感知的graph diffusion方法，利用subspace projections、spectral adjustments和frequency-based filtering来减轻数据中的bias，并在合成和真实数据集上验证了其性能与公平性。
SegTME-UNI2: A Foundation Model-Based Framework for Generalisable Multiclass Cell Segmentation and LLM-Driven Tumour Microenvironment Characterisation in Histopathology
Wan Siti Halimatul Munirah Wan Ahmad et al.
cs.CV cs.AI
本文提出了SEGTME-UNI2框架，利用UNI2-H病理学foundation model和双头UperNet decoder进行多类细胞分割，并通过三阶段伪标签课程学习解决像素级标注不足的问题。该框架还结合了LLM（NVIDIA BioNeMo GPT）生成临床可解释的肿瘤微环境描述，但方法在开创性或与关键词的契合度上未达到精选标准。
Vision-language models for chest radiography do not always need the image
Mahshad Lotfinia et al.
cs.CV cs.AI cs.CL cs.LG
本文通过因果审计方法，证明许多胸部X光片的vision-language模型实际上并未有效利用图像信息，仅依赖文本先验即可达到与多模态模型相近的准确率。研究对比了纯文本模型与多模态模型的表现，发现部分模型在图像被遮挡时仍能正确回答，表明其预测主要基于文本上下文而非视觉内容。
Structured Adversarial Camouflage via Voronoi Diagrams
Jens Bayer et al.
cs.CV cs.AI
本文提出了一种基于Voronoi图的对抗性伪装方法，通过优化种子点位置生成结构化图案，在固定调色板约束下攻击行人检测器。该方法在3DPeople数据集上通过分割掩码应用时能显著降低AP，但攻击效果依赖于调色板与图案的耦合，且物理验证尚未完成。
The 2026 Algorithmic Information Theory Data Compression Challenge
André Ribeiro et al.
cs.IT cs.DS
本文介绍了2026年算法信息论数据压缩挑战赛，评估了117种通用无损压缩器在16个异构文件上的性能，通过压缩比、时间、Weissman分数和Pareto前沿分析等方法，发现压缩器性能高度依赖于优化标准，并验证了概率建模和隐藏测试对评估泛化能力的重要性。
ED3R: Energy-Aware Distributed Disaster Detection Enabled by Cooperative Robotic Agents
Lina Magoula et al.
cs.RO cs.AI cs.CV cs.MA
本文提出ED3R，一个用于野火检测的分布式能量感知框架，通过分层协同决策（机器人感知环境并决定检测方式，远程控制器决定运动）来平衡检测置信度与能耗。该方法在仿真中实现了高达97.18%的任务成功率，并显著降低了能耗与检测时间。
Symplectic Transversality and Endpoint Green Estimates for Finite-Horizon Pontryagin Systems
Pyuyi Chufeng Huang, Zikang Song, Xingshu Chen
math.OC cs.AI
本文研究了有限时域离散时间Pontryagin边界值系统的水平一致局部分支，通过缩放稳定-不稳定边界横截性验证了线性化的两点端点逆，并证明了相关的端点修正Green估计。该框架涵盖了光滑非线性端点映射，包括固定初始状态和耦合终端协态与终端状态的原始Pontryagin行。
Talking to Your Data: Exploring Embodied Conversation as an Interface for Personal Health Reflection
Nikola Kovacevic et al.
cs.HC cs.AI
本文探索了通过具身对话代理（embodied conversational agent）与个人健康数据交互的新范式，设计了一个双代理系统（Observer和Presenter）来提取并口头呈现数据统计特征，并通过模拟用户研究比较了与传统仪表盘界面的效果。该工作主要贡献于人机交互领域，与关键词列表中的概念关联较弱。
A Neuromorphic Trigger for Efficient Audio Event Detection
Benjamin Hatton, Oliver Rhodes, Luca Peres
cs.SD cs.AI cs.NE
本文提出了一种基于Spiking Neural Network (SNN)的神经形态触发器，作为音频事件检测的低成本前端，通过选择性门控输入来降低下游模型的计算开销。实验表明，该方法在异常声音检测和声音事件检测任务上能显著减少计算量（如FLOPs降低42.6倍），同时保持较高的检测性能。
MIVE: A Minimalist Integer Vector Engine for Softmax LayerNorm and RMSNorm Acceleration
Kosmas Alexandridis, Giorgos Dimitrakopoulos
cs.AR cs.AI
本文提出了一种名为MIVE的可编程硬件架构，用于在统一的数据路径上加速LLM中的LayerNorm、RMSNorm和Softmax等向量归一化操作，通过共享计算模式减少硬件开销。该工作主要关注硬件加速器的设计效率，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联度较低。
Toward Accessible Psychotherapy Training Using AI-Driven Interactive Patient Avatars
Pascal Riachi et al.
cs.HC cs.CL
本文介绍了一个基于AI的交互式虚拟病人系统，用于支持心理治疗师在Acceptance and Commitment Therapy (ACT)中的训练。该系统利用large language models模拟病人行为，并提供基于ACT fidelity criteria的逐轮反馈，实验表明其能提升治疗师的干预意识。
LiveStarPro: Proactive Streaming Video Understanding with Hierarchical Memory for Long-Horizon Streams
Zhenyu Yang et al.
cs.CV cs.AI
本文提出LiveStarPro，一种用于长时流媒体视频的主动理解框架，通过Streaming Verification Decoding (SVeD)确定响应时机、Streaming Causal Attention Masks (SCAM)实现增量对齐以及Tree-Structured Hierarchical Memory (TSHM)组织历史事件链，在OmniStarPro基准上提升了语义正确性并降低了时序误差。
Position: Coding Benchmarks Are Misaligned with Agentic Software Engineering
Maria I. Gorinova et al.
cs.SE cs.AI cs.CL
本文指出当前coding benchmarks与agentic software engineering存在错位，认为benchmark分数混淆了模型与系统框架，且缺乏对组件级信号的评估。
Beyond Native Success: Auditing Deployment-Interface Exposure of CLIP Backdoors
Kunlan Xiang, Haomiao Yang, Wenbo Jiang
cs.CR cs.CL
本文提出了DIFE框架，用于审计CLIP后门在不同部署接口（如特征提取、检索、重排序）下的暴露情况，并发现文本编码器可成为对抗行为的可复用载体，进而引入BadTextTower方法填补这一空白。
A Framework for Evaluating Agentic Skills at Scale
Maksim Shaposhnikov et al.
cs.SE cs.AI cs.CL
本文提出了一个用于大规模评估LLM agent技能（structured, reusable knowledge artifacts）的框架，通过构建真实任务和评分标准来测试技能效用，并基于500个真实技能和19种模型配置进行了实验。结果表明不同模型在遵循技能指令方面存在显著差异，且技能的使用能显著改变模型行为。
Human-in-the-Loop Atlas-Based 3D Asset Segmentation for Interactive Content Workflows
Paul Julius Kühn et al.
cs.CV cs.AI
本文提出了一种基于人机交互的3D资产分割流水线，通过2D参数化atlas和SAM~2等工具实现交互式分割，但方法在创新性和与关键词的契合度上均不突出。
High-Fidelity 3D Geometric Reconstruction of Pelvic Organs from MRI: A Hybrid Deep Learning and Iterative Optimization Approach
Hui Wang et al.
cs.CV cs.AI cs.CG cs.GR
本文提出了一种混合深度学习与迭代优化的框架，用于从MRI中高保真重建盆腔器官（膀胱、子宫、直肠）的3D几何形状。该方法通过几何感知的多级深度学习架构和两阶段训练策略，在保持拓扑一致性的同时提升了重建精度。
Qwen-RobotManip Technical Report: Alignment Unlocks Scale for Robotic Manipulation Foundation Models
Haoqi Yuan et al.
cs.RO cs.CV cs.LG
本文提出Qwen-RobotManip，一个基于Qwen-VL的视觉-语言-动作基础模型，通过统一的对齐框架（涵盖representation、motion和behavior维度）实现大规模多源操作数据的协同训练，并利用人类到机器人的合成pipeline构建了约38,100小时的预训练语料库。实验表明，该模型在多种OOD设置下显著优于先前的最先进模型，展现出零样本指令跟随、跨本体迁移等涌现能力。
A Counterexample to Wegner's Conjecture for Axis-Parallel Rectangles
Deepak Ajwani et al.
cs.CG cs.DM cs.DS math.CO
本文构造了一个反例，证明Wegner关于平面中轴平行矩形族的猜想（即\(\tau(\mathcal R) \le 2\nu(\mathcal R)-1\)）不成立。具体地，作者构造了一个无三角形的rectangle-intersection graph，其independence number至多为\(n/4\)，从而推出\(\tau(\mathcal R) \ge n/2 \ge 2\nu(\mathcal R)\)，与猜想矛盾。
A Quantitative Analysis of Multimodal Biomarkers in Alzheimer's Disease
Antonio Scardace, Daniele Ravì
cs.CV cs.AI
本文利用ADNI数据集中的tau-PET、结构MRI、认知评分和APOE4数据，对阿尔茨海默病中的多模态生物标志物进行了定量分析，通过互信息和解释方差量化了模态间的冗余与预测依赖关系。研究揭示了tau拓扑与结构萎缩的关联，并分解了tau-认知关联中的萎缩相关与独立成分。
Revisiting Structural Dependency in Autoregressive Multi-Task Table Recognition via Order-Independent Cell-Level Representations
Takaya Kawakatsu
cs.CV cs.LG
本文提出了一种用于多任务表格识别的结构精炼模块，通过非因果注意力生成与顺序无关的cell-level表示，从而在并行推理cell内容的同时保持全局一致性。实验表明该方法在cell定位和端到端识别上均有提升，并显著减少了推理时间。
AI Adoption Across a Multinational Workforce: Sociotechnical Conditions for GenAI Acceptance in Human Resources
Dalia Ali et al.
cs.HC cs.AI
本文研究了跨国科技公司员工对生成式AI（GenAI）系统的采纳情况，通过分析搜索日志、调查和访谈数据，发现采纳受工作位置性（如角色、语言、任期）与系统设计假设的匹配度影响，并提出了包容性部署的设计建议。该研究属于人机交互与组织行为领域，与关键词中的数学或算法概念无直接关联。
Trustworthy Self-Composable Big-Data-as-a-Service: An LLM-Orchestrated Multi-Agent Framework for Automated Data Engineering, AutoML, MLOps Deployment, and Drift-Aware Lifecycle Optimization
Aueaphum Aueawatthanaphisut, Badri Raj Lamichhane
cs.MA cs.AI cs.DB cs.SE
本文提出了一个基于LLM编排的多智能体框架，用于实现可信赖的自组合大数据即服务（BDaaS），该框架通过分解生命周期为专门智能体并引入中央编排层，实现了自动化数据工程、AutoML、MLOps部署及漂移感知优化。实验表明，该方法在表格基准数据集上相比基线方法提升了生命周期可靠性，但未涉及code、spectral、Muon、pretrain或attention等关键词。
Plug-and-Adapt: Multimodal Coreference Resolution at First Sight with a Pretrained Alignment Model
Jinghan Wu et al.
cs.CV cs.AI
本文提出了一种即插即用的多模态指代消解方法，通过预训练的alignment model结合evidence theory融合视觉与类别线索，无需在目标数据集上训练即可直接使用。实验在CIN基准上取得了优于SOTA方法的效果，并验证了其鲁棒性和泛化能力。
Beyond Visual Cues: CoT-Enhanced Reasoning for Semi-supervised Medical Image Segmentation
Yuming Chen et al.
cs.CV cs.LG
本文提出CERS框架，将Chain-of-Thought (CoT)推理引入半监督医学图像分割，通过构建由大语言模型生成的语言推理描述的知识池，并设计语义感知参考选择策略和多尺度坐标注意力模块(MCAM)来融合推理上下文，以解决视觉-语义不匹配问题。实验表明该方法在解决边界模糊和语义不一致方面优于现有方法。
Robustness of Similarity-based Positional Encoding Under Rotations: Theoretical Analysis and Experimental Validation
Andrea Santomauro, Luigi Portinale, Giorgio Leonardi
cs.CV cs.AI
本文理论分析了基于相似性的位置编码(simPE)在旋转扰动下的鲁棒性，证明了在Lipschitz假设下其稳定性并给出了Frobenius范数下的扰动界，实验验证了其在旋转场景下优于标准位置编码。
A Neuro-Symbolic Approach to Strategy Synthesis for Strategic Logics
Marco Aruta et al.
cs.MA cs.AI
本文提出了一种神经符号框架，将大型语言模型（LLM）作为策略生成器集成到MAS模型检测流程中，通过生成-验证架构在NatATL逻辑下进行有界策略合成，实验表明该框架在策略合成结果上达到了92%的准确率。
SegDINO: Introducing Multi-Scale Structure into DINO for Efficient Medical Image Segmentation
Sicheng Yang et al.
cs.CV cs.AI
本文提出SegDINO，通过Token Pyramid Adaptation和Scale-Aware Decoding将多尺度结构引入DINO模型，用于高效医学图像分割，并在多个数据集上取得先进结果。
Recover Semantics First, Generate Better: Improved Latent Modeling for 3D MRI Reconstruction and Cross-Contrast Synthesis
Yonghao Chen et al.
cs.CV cs.AI
本文提出了一种语义优先的latent modeling框架，用于3D MRI重建和跨对比度合成。通过引入Latent Harmonization Encoder和Semantic Recovery Block等模块，改善了latent space中的解剖连贯性和语义保持，并采用Anatomy-aware Frequency Loss来保留高频诊断结构。实验表明该方法在重建和合成质量上有一致提升。
Differential Privacy of Gaussian Process Posterior Sampling
Tomasz Maciazek
stat.ML cs.CR cs.LG
本文研究了高斯过程后验采样路径的差分隐私性质，推导了Rényi-DP界，并分析了正则化对隐私泄露的影响。实验表明内在随机性可提供一定隐私保证，但未涉及code、context或spectral等关键词相关方法。
A T-API-Compliant ReAct Agentic Loop for Optical Networks: Generic vs. Domain-Specific Tool Abstractions
Seyed Morteza Ahmadian, Paolo Monti, Carlos Natalino
cs.NI cs.AI
本文提出了一种基于T-API的ReAct agentic loop用于光网络管理，通过对比通用与领域特定工具抽象，发现领域特定复合工具在oracle验证下达到90%的正确率，并节省三倍token。
Fast Nonparametric Conditional Independence Testing via Two-Stage Regression
Eric V. Strobl
stat.ML cs.LG stat.ME
BLITZ提出了一种两阶段回归的非参数条件独立性检验方法，先通过低阶多项式回归去除对conditioning set的平滑依赖，再用浅层树回归进行残差化，最后基于残差交叉协方差进行检验。该方法在保持计算速度的同时改善了零分布校准，但与我提供的关键词列表关联较弱。
Reading between the Lines: Leveraging Large Language Models for Global Dementia and Depression Assessment from Clinical Interviews
Franziska Braun et al.
eess.AS cs.CL cs.SD
本文使用三种开源LLM（Mistral 3.1, DeepHermes, Qwen3）在零样本预测和基于LLM的特征提取两种设置下，对德语临床访谈中的痴呆和抑郁严重程度进行预测。结果表明LLM在抑郁预测上表现良好，而痴呆评估则更受益于结构化特征提取。
INI-VPINN: A Variational Physics-Informed Neural Network with Implicit Neumann and Interface Handling for Multi-Material Domains with Geometric Singularities
Shayan Dodge, Alessandro Formisano, Sami Barmada
math.NA cs.LG physics.comp-ph
本文提出了一种名为INI-VPINN的变分物理信息神经网络方法，通过使用紧支撑权重函数和分部积分，隐式地将Neumann边界和界面条件纳入变分公式，从而无需额外的损失项或多个子域网络。该方法在具有尖锐界面和复杂几何的Poisson和Laplace问题上进行了测试，相比其他PINN方法，实现了更高的精度和更平滑的收敛。
Uncertainty Quantification for Flow-Based Vision-Language-Action Models
Ralf Römer et al.
cs.RO cs.LG
本文针对flow-based Vision-Language-Action Models (VLAs)缺乏不确定性量化机制的问题，提出了一种通过小ensemble的velocity-field disagreement (VFD)来量化epistemic uncertainty的高效方法，并基于此构建了SAVE框架用于主动微调。实验表明该方法能有效检测失败并减少适应新任务所需的专家演示样本数量。
The independence number of uncrowded hypergraphs: bounds matching the shattering threshold
Abhishek Dhawan, Abhishek Methuku, Minh-Quan Vo
math.CO cs.DM cs.DS
本文研究了无拥挤超图（uncrowded hypergraphs）的独立数问题，证明了其独立数下界可达到shattering阈值常数，并给出了构造性算法。该结果与关键词列表中的概念关联较弱。
When AI Says "I have been in similar situations": Synthetic Lived Experience in Peer-Like Caregiver Support
Drishti Goel et al.
cs.HC cs.AI cs.CL cs.CY cs.SI
本文探讨了大型语言模型（LLM）在为家庭照护者提供同伴式支持时产生的“合成生活经验悖论”，通过心理语言学分析和定性分析，揭示了AI生成的同伴式回应与人类真实叙事之间的“叙事真实性差距”。
When LLMs Analyze Scars: From Images to Clinically-Meaningful Features
Ruman Wang, Hangting Ye
cs.CV cs.AI cs.LG
本文提出ScaFE框架，利用LLM生成特征提取代码，将医学图像转化为低维临床特征，在数据稀缺的疤痕分类任务中优于端到端深度学习方法。该方法通过代码实现知识驱动，但未涉及spectral、Muon或agent等关键词。
Tensor-based second-order causal discovery
Nathan Ouyang, Kexin Wan, Anna Seigal
stat.ML cs.LG stat.ME
本文提出了一种基于tensor的因果发现算法TSCD，通过观测和干预数据的covariance matrix构成的tensor来推断有向无环图(DAG)及其边上的函数，仅要求噪声变量不相关。该方法在二阶统计量层面工作，具有统计和计算效率优势，且对变量是否服从Gaussian分布不敏感。
EAGG: Embodiment-Aligned Grasp Generation via Geometry-Aware Graph Conditioning
Wanhao Niu et al.
cs.RO cs.AI
本文提出EAGG，一种跨末端执行器抓取生成方法，通过拓扑感知的末端执行器图表示和几何感知图条件注入，在共享生成器中对齐不同机械结构，在MultiGripperGrasp基准上取得较高成功率。该方法主要关注机器人抓取领域的泛化问题，与关键词中的code、context、spectral等概念关联较弱。
OmniPlan: An Adaptive Framework for Timely and Near-Optimal Network Planning Optimization
Longlong Zhu et al.
cs.NI cs.LG
本文提出OmniPlan框架，利用大语言模型(LLM)解释器将自然语言意图转化为统一偏好向量，并通过混合专家架构(Mixture-of-Experts)动态选择MIP求解器、启发式算法和深度强化学习(DRL)模型，以在时序性和近似最优性间取得平衡。该框架在分布式机器学习推理任务卸载场景中验证了有效性。
Querying an astronomical database using large language models: the ALeRCE text-to-SQL system
P.A. Estevez et al.
astro-ph.IM cs.AI
本文基于大语言模型(LLM)和in-context learning技术，为ALeRCE天文数据库开发了一个text-to-SQL系统，允许用户用自然语言查询数据库。系统采用包含schema linking、query classification、prompt decomposition和self-correction的逐步生成框架，在110个NL/SQL对的数据集上评估了13种LLM的性能。
Structural Role Injection in Handlebars-Templated LLM Prompts: Triple-Brace Interpolation, Delimiter Family, and the Limits of HTML Auto-Escaping
Mohammadreza Rashidi
cs.CR cs.AI cs.CL cs.LG
本文研究了Handlebars模板引擎中双花括号与三花括号插值对LLM提示词结构角色注入攻击的影响，通过模型无关分析和5760次实验，发现HTML转义仅能防御部分分隔符家族，而对其他分隔符无效，且无法替代指令与数据的结构分离。
Towards Understanding and Measuring COGNITIVE ATROPHY in LLM Behaviour
Abeer Badawi et al.
cs.HC cs.AI
本文提出了COGNITIVE ATROPHY这一概念，用于衡量LLM在心理健康支持对话中是否削弱了用户的自主思考能力，并构建了COGNITIVE ATROPHY BENCH基准。实验发现模型普遍表现出中等至高度的认知萎缩行为，但该工作与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention均无直接关联。
Descriptor: Certus Caliber Classification Gunshot Dataset (C3GD)
Sinclair Gurny, Ryan Quinn
cs.SD cs.AI
本文介绍了Certus Caliber Classification Gunshot Dataset (C3GD)，一个公开的枪声数据集，包含超过8000个来自28种枪支和16种口径的现场采集数据点，主要用于口径分类，也可用于枪声检测和音频信号处理。该数据集旨在提供比现有互联网收集数据更丰富的元数据和多样性，以支持更真实的泛化应用。
The Value of Adaptivity in LSM Bloom-Filter Tuning: A Log-Law and a Two-Clock Frontier
Madhulatha Mandarapu, Sandeep Kunkunuru
cs.DB cs.DS
本文研究了LSM-tree中Bloom Filter内存分配的静态与自适应策略的价值边界，通过理论分析得出最优bits-per-key与访问频率的对数呈线性关系，并证明仅在compaction时重新分配即可捕获96-99%的自适应跟踪收益。
A polynomial-time approximation scheme for minimum-weight decoding of topological codes
Shouzhen Gu, Lily Wang, Aleksander Kubica
quant-ph cs.DS
本文证明了二维拓扑平移不变stabilizer codes的最小权重解码问题存在多项式时间近似方案(PTAS)，即对于任意常数\(\varepsilon>0\)，可在多项式时间内找到权重在\(1+\varepsilon\)倍最优值内的恢复算子。该方法基于Arora的欧几里得问题PTAS，适用于解码可转化为点状激发与弦状错误连接的情形。
ReAge3D: Re-Aging 3D Faces with View Consistency
Libing Zeng et al.
cs.CV cs.AI
本文提出了一种用于3D人脸年龄变换的框架ReAge3D，通过2D扩散模型DiffReaging和中心向外编辑传播策略，实现了多视角一致的年龄编辑。该方法在3D人脸编辑任务上取得了优于现有技术的视觉效果。
The Measurement Gap in the Automation of EU Law: Benchmarking Doctrinal Legal Reasoning under the EU AI Act
Michèle Finck
cs.CY cs.AI cs.CL
本文指出当前缺乏评估大型语言模型是否具备教义性法律推理能力的基准，并强调这一测量缺口对欧盟AI法案中“适当准确性”要求的法律实施构成障碍。
Evaluating Open-Source LLMs for Multi-Label ATT&CK Technique Classification on CTI Reports
Ahmed Ryan et al.
cs.CR cs.LG
本文构建了一个包含2076条人工标注句子的ground-truth数据集，用于评估7种开源LLM在多标签ATT&CK技术分类任务上的表现。实验发现最高性能模型的micro-averaged F1分数仅为0.22，表明当前开源LLM尚不足以胜任生产级ATT&CK分类任务。
All Smoke, No Alarm: Oracle Signals in Agent-Authored Test Code
Dipayan Banik, Kowshik Chowdhury, Shazibul Islam Shamim
cs.SE cs.AI
本文研究了AI编码agent在开源pull request中生成的测试代码，发现80.2%的测试补丁缺乏或仅有弱oracle信号（即验证逻辑），表明仅凭测试文件数量会高估验证强度。
A Convex Quasilinearization Method for Solving Nonlinear PDEs with Physics-Informed Neural Networks
Gbenga T. Awojinrin, Abdul-Akeem Olawoyin, Rami M. Younis
math.NA cs.LG physics.comp-ph
本文提出了一种基于Bellman-Kalaba拟线性化与线性可学习（LiL）试空间的凸拟线性化方法（LiL-Q），用于求解非线性PDEs。该方法将非线性问题转化为一系列凸的线性最小二乘子问题，避免了标准PINNs中非凸梯度训练的局限，并在多个基准测试中展示了高效收敛性。
A Diffusion Approximation for Temporal-Difference Learning with Linear Features under Markovian Noise
M. Forzo et al.
stat.ML cs.LG math.PR
本文为线性TD(0)在Markovian噪声下引入了一个随机微分方程(SDE)近似，将投影Bellman算子的收缩动力学与Markovian采样的影响区分开来，并解释了常数步长下的误差下限。
Multi-Source Cybersecurity Logs: An ATT&CK-Labeled Dataset and SLM Evaluation
Abir Ashab Niloy et al.
cs.CR cs.LG
本文构建了一个包含系统、网络和浏览器日志的多源ATT&CK标注数据集，并评估了三种Small Language Models (SLMs)在chunk分类和ATT&CK technique识别任务上的表现。实验表明，微调后的模型在chunk分类上准确率显著提升，但精确的technique识别仍具挑战性。
A Red-Team Study of Anthropic Fable 5 & Opus 4.8 Models
Nicola Franco
cs.CR cs.AI cs.CL
本文使用HackAgent红队框架评估了Anthropic的Fable 5和Opus 4.8模型对四种自动化越狱攻击的鲁棒性。结果表明，尽管模型能抵抗大部分攻击，但在自适应迭代攻击下仍存在可被利用的漏洞，且攻击成本低廉。
Finite-Time Queue Peak Laws in Stochastic Networks: Logarithmic Scaling After Geometric Thresholds
Hao Liang, Cheng Tang, Yunzong Xu
math.PR cs.LG eess.SY math.OC stat.ML
本文研究了广义交换机中有限时间队列峰值的渐近行为，证明了在均匀内部松弛条件下，漂移最小化调度策略（如MaxWeight）的队列峰值从平方根包络线转变为对数增长，并给出了匹配的下界。
Learning Red Agent Policy from Observations for Neurosymbolic Autonomous Cyber Agents
Ankita Samaddar et al.
cs.CR cs.AI cs.LG eess.SY
本文提出了一种基于imitation learning的策略学习技术，用于在部分可观测的自主网络环境中预测红方agent的动作，并与神经符号防御agent集成。该方法通过从网络观测和防御动作中学习，实现了对不同红方策略的高精度预测。
Adaptive Volumetric Mechanical Property Fields Invariant to Resolution
Rishit Dagli et al.
cs.CV cs.LG cs.RO
本文提出AdaVoMP方法，通过稀疏自适应体素结构SAV和自回归transformer模型，为3D物体预测高分辨率空间变化的力学属性（杨氏模量、泊松比、密度），相比先前方法实现了\(16^3\)倍的分辨率提升和更准确的结果。该方法主要关注物理仿真中的材料属性预测，与关键词中的概念关联较弱。
Visual Verification Enables Inference-time Steering and Autonomous Policy Improvement
Mingtong Zhang, Dhruv Shah
cs.RO cs.AI
本文提出VERITAS框架，通过将预训练通用机器人策略作为生成器与无梯度视觉验证器结合，在推理时评估动作以提升策略性能，并利用验证后的轨迹进行离线策略改进。该方法无需额外训练或人工干预即可实现策略优化。

- 数据来源 Data Source: arXiv.org

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

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

- 计数基于主学科，不计重数。

- This webpage is automatically generated by bluearXiv-ai.

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

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

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

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

↑