bluearXiv-ai 论文精选

2026-06-18
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
119
cs.AI
29
cs.IR
6
cs.CL
56
cs.DS
6
others
133
总计
349

⭐ 精选论文 ↑ 回顶部

cs.LG

Breaking the Solver Bottleneck: Training Task Generators at the Learnable Frontier ⭐ 精选
Lorenz Wolf et al.
cs.LG cs.AI cs.CL
DRIFT: Refining Instruction Data via On-Policy Data Attribution ⭐ 精选
Zefan Wang et al.
cs.LG cs.AI
TRIDENT: Breaking the Hybrid-Safety-Physics Coupling for Provably Safe Multi-Agent Reinforcement Learning ⭐ 精选
Zijie Meng et al.
cs.LG cs.AI
LLMZero: Discovering Adaptive Training Strategies for RL Post-Training via LLM Agents ⭐ 精选
Haoyang Fang et al.
cs.LG cs.AI cs.CL cs.MA
On the Residual Scaling of Looped Transformers: Stability and Transferability ⭐ 精选
Shaowen Wang et al.
cs.LG
Do as the Romans Do: Learning Universal Behaviors from Heterogeneous Agents ⭐ 精选
Caleb Chang et al.
cs.LG
Attention as Frustrated Synchronization ⭐ 精选
Joshua Nunley
cs.LG cond-mat.dis-nn cs.CL cs.NE nlin.AO
Reinforcement Learning Foundation Models Should Already Be A Thing ⭐ 精选
Abdelrahman Zighem, Jill-Jênn Vie
cs.LG cs.AI
Complementary Attention Head Pruning for Efficient Transformers ⭐ 精选
Yaniv Livertovsky, Shahar Somin, Gonen Singer
cs.LG
Explaining Attention with Program Synthesis ⭐ 精选
Amiri Hayes, Belinda Li, Jacob Andreas
cs.LG cs.AI

cs.AI

What Must Generalist Agents Remember? ⭐ 精选
Khurram Yamin et al.
cs.AI
ProfiLLM: Utility-Aligned Agentic User Profiling for Industrial Ride-Hailing Dispatch ⭐ 精选
Tengfei Lyu et al.
cs.AI cs.CY
Skill-Guided Continuation Distillation for GUI Agents ⭐ 精选
Zhimin Fan et al.
cs.AI
RODS: Reward-Driven Online Data Synthesis for Multi-Turn Tool-Use Agents ⭐ 精选
Ruishan Fang et al.
cs.AI

cs.CL

SproutRAG: Attention-Guided Tree Search with Progressive Embeddings for Long-Document RAG ⭐ 精选
Amirhossein Abaskohi et al.
cs.CL cs.IR
CoreMem: Riemannian Retrieval and Fisher-Guided Distillation for Long-Term Memory in Dialogue Agents ⭐ 精选
Jiaqi Chen et al.
cs.CL
Beyond Reward Engineering: A Data Recipe for Long-Context Reinforcement Learning ⭐ 精选
Xiaoyue Xu et al.
cs.CL cs.AI
GraphPO: Graph-based Policy Optimization for Reasoning Models ⭐ 精选
Yuliang Zhan et al.
cs.CL
Enhancing Decision-Making with Large Language Models through Multi-Agent Fictitious Play ⭐ 精选
Leyang Shen et al.
cs.CL cs.MA

others

Simulating Hate Speech Cascades with Multi-LLM Agents: Empirical Grounding, Modeling Fidelity, and Intervention Strategies ⭐ 精选
Fan Huang
cs.SI cs.AI cs.CL
Starter-Iterator Neural Operator: A Unified Architecture for High-Fidelity Forward and Inverse PDE Problems ⭐ 精选
Kuilin Qin et al.
math.NA cs.LG
Agentra: A Supervisable Multi-Agent Framework for Enterprise Intrusion Response ⭐ 精选
Raj Patel et al.
cs.CR cs.AI
SafeClawBench: Separating Semantic, Audit-Evidence, and Sandbox Harm in Tool-Using LLM Agents ⭐ 精选
Yuchuan Tian et al.
cs.CR cs.AI
Toward Simultaneously Optimal Regret in U-Calibration ⭐ 精选
Rafael Frongillo et al.
stat.ML cs.LG
Code-Augur: Agentic Vulnerability Detection via Specification Inference ⭐ 精选
Zhengxiong Luo et al.
cs.CR cs.AI cs.SE
TRAP: Benchmark for Task-completion and Resistance to Active Privacy-extraction ⭐ 精选
Moon Ye-Bin et al.
cs.CR cs.AI
AdsMind: A Physics-Grounded Multi-Agent System for Self-Correcting Discovery of Adsorption Configurations on Heterogeneous Catalyst Surfaces ⭐ 精选
Zongmin Zhang et al.
cond-mat.mtrl-sci cs.AI
Data Intelligence Agents: Interpreting, Modeling, and Querying Enterprise Data via Autonomous Coding Agents ⭐ 精选
Anoushka Vyas et al.
cs.MA cs.AI cs.DB
Native Active Perception as Reasoning for Omni-Modal Understanding ⭐ 精选
Zhenghao Xing et al.
cs.CV cs.CL cs.SD

📄 所有论文 ↑ 回顶部

cs.LG

Breaking the Solver Bottleneck: Training Task Generators at the Learnable Frontier ⭐ 精选
Lorenz Wolf et al.
cs.LG cs.AI cs.CL
本文提出PROPEL框架，通过训练一个轻量级activation probe作为solver pass rate的代理，从而在无需反复执行solver的情况下优化task generator。该方法将generator的评估简化为单次前向传播，有效解决了RL训练中任务生成的计算瓶颈。在数学、代码和软件工程任务上，PROPEL显著提升了处于可学习前沿（learnable frontier）的任务比例，例如在代码任务中，对于Qwen2.5-3B-Instruct solver，该比例从\(10.1\%\)提升至\(20.0\%\)。该工作与关键词中的agent和code高度契合，为agent训练中的任务生成提供了开创性的解决方案。
DRIFT: Refining Instruction Data via On-Policy Data Attribution ⭐ 精选
Zefan Wang et al.
cs.LG cs.AI
本文提出DRIFT方法，通过引入on-policy Influence Functions (IF)来优化Supervised Fine-Tuning (SFT)的训练数据分布。针对标准IF在数据归因中存在的proximity gap（由off-policy验证目标导致）和gradient norm偏差问题，DRIFT利用模型自身的on-policy rollout作为验证目标，并基于轨迹正确性进行符号加权以消除梯度操纵偏差，从而仅需少量验证查询即可可靠地归因整个数据集。实验表明，该方法在7B参数模型上持续提升了指令遵循和推理能力的性能上限，优于现有数据筛选基线。
TRIDENT: Breaking the Hybrid-Safety-Physics Coupling for Provably Safe Multi-Agent Reinforcement Learning ⭐ 精选
Zijie Meng et al.
cs.LG cs.AI
TRIDENT提出了一种针对混合离散-连续动作、训练时安全约束和物理动力学耦合问题的多智能体强化学习框架。该框架通过Richardson-Romberg梯度校正将Gumbel-Softmax偏差从\(O(\tau)\)降至\(O(\tau^2)\)，结合Lyapunov约束的序列信任域更新保证每步可行性，并采用物理信息残差critic分解价值函数。理论证明了\(O(1/\sqrt{K})\)的约束Nash均衡收敛速率和\(O(\sqrt{K})\)的累积违规界，在多个混合系统任务中将训练违规降低95.5%以上，与关键词中的agent和context高度契合。
LLMZero: Discovering Adaptive Training Strategies for RL Post-Training via LLM Agents ⭐ 精选
Haoyang Fang et al.
cs.LG cs.AI cs.CL cs.MA
本文提出LLMZero系统，利用LLM agent通过tree search自动发现强化学习后训练中的自适应策略。该方法揭示了容量参数单调累积而正则化参数振荡的经验规律，并据此设计多阶段训练策略。在4个GRPO任务上，LLMZero发现的策略相对基础模型提升9%-140%，相对grid search提升6%-15%，且发现的参数动态规律可跨任务迁移。该工作与关键词"agent"高度契合，为RL post-training的自动化策略搜索提供了开创性方法。
On the Residual Scaling of Looped Transformers: Stability and Transferability ⭐ 精选
Shaowen Wang et al.
cs.LG
本文针对Looped Transformers（权重共享的Transformer）提出了一种新的残差缩放机制。作者证明，由于权重共享导致残差更新在迭代间存在相关性，传统残差网络中的\(\varepsilon = 1/\sqrt{L}\)缩放策略不再适用，而需要更强的\(\varepsilon = 1/N\)缩放（\(N\)为循环次数）。对于多层块结构，他们进一步推导出分解参数化\(\varepsilon = \lambda/(N\sqrt{L})\)，将层内循环相关性与层间方差分离，并发现最优学习率仅依赖于独特层数\(L\)而非循环次数\(N\)，从而实现了从较小\(N\)到较大\(N\)的超参数直接迁移。实验验证了该缩放策略在Looped Transformers上的有效性。
Do as the Romans Do: Learning Universal Behaviors from Heterogeneous Agents ⭐ 精选
Caleb Chang et al.
cs.LG
本文提出General Reward Inference and Disentanglement (GRID)方法，从追求不同目标的异构agent群体中提取通用行为。GRID将每个agent的reward function分解为general reward（捕获所有agent共享的行为）和specific reward（捕获个体偏好），仅基于general reward训练得到generalist agent。该方法避免了标准模仿学习中的mode-averaging bias，为下游任务微调提供了更优的prior，实验验证了其在多agent Craftax和自动驾驶模拟器中的有效性。
Attention as Frustrated Synchronization ⭐ 精选
Joshua Nunley
cs.LG cond-mat.dis-nn cs.CL cs.NE nlin.AO
本文提出Frustrated Synchronization Network (FSN)，将token状态建模为torus上的相位，通过一个学习的复耦合核（包含谐波和一步延迟）实现attention机制。该核的每个分量对应同步理论中的frustration（受挫），其中延迟项在代数上等价于Kuramoto-Sakaguchi耦合，其frustration角由数据自身的转移决定，从而将next-token prediction实现为受数据frustrated的同步过程。在百万参数和字符级文本/代码训练预算下，FSN的验证损失在每个epoch均低于调优的RoPE-SwiGLU transformer，且其30-epoch的enwik8种子均低于transformer收敛的50-epoch损失1.611，50-epoch运行收敛至1.5953 +/- 0.0014。该方法通过引入frustrated synchronization为attention机制提供了新的物理视角，并在小规模参数下展现出优于标准transformer的性能。
Reinforcement Learning Foundation Models Should Already Be A Thing ⭐ 精选
Abdelrahman Zighem, Jill-Jênn Vie
cs.LG cs.AI
本文提出将Foundation Model范式扩展到Reinforcement Learning领域，核心创新在于指出MDP（Markov Decision Process）存在一个固定大小的充分统计量，该统计量在形状上是表格化的，因此可以直接使用为tabular foundation model设计的attention-based架构，只需将监督目标替换为policy head。作为概念验证，作者在完全由合成MDP上训练了一个模型，无需任何任务特定的微调，即可在context中在线和离线地解决保留的表格基准测试，在线性能远优于UCB-VI和tabular Q-learning。该工作为构建RL foundation model提供了清晰的路线图，与关键词中的“agent”和“pretrain”高度契合。
Complementary Attention Head Pruning for Efficient Transformers ⭐ 精选
Yaniv Livertovsky, Shahar Somin, Gonen Singer
cs.LG
本文提出CAHP (Complementary Attention Head Pruning)框架，将Transformer中的attention head剪枝重新定义为全局图论问题。该方法利用基于图的clustering与信息论距离度量，识别并保留一组拓扑多样且互补的attention heads，无需预设稀疏度即可自动确定每层保留的head数量。CAHP避免了梯度剪枝方法中常见的“proximity bias”（即倾向于保留靠近输出层的heads），在SST-5和MNLI基准测试中，于高压缩率场景下显著优于现有baseline。
Explaining Attention with Program Synthesis ⭐ 精选
Amiri Hayes, Belinda Li, Jacob Andreas
cs.LG cs.AI
本文提出了一种通过程序合成（program synthesis）来解释Transformer中attention head行为的方法。具体地，作者首先收集attention head在随机样本上的attention矩阵，然后利用预训练语言模型生成能够复现这些attention patterns的Python程序，并通过重排序（re-ranking）筛选出最优程序。实验表明，少于1000个这样的程序即可在TinyStories数据集上达到超过75%的平均IoU相似度，且替换25%的attention head后模型困惑度仅增加16%。这项工作为用可读、可执行的代码逆向工程（reverse-engineer）神经网络组件提供了可扩展的pipeline，与关键词“code”和“attention”高度契合。
Gaussian Mixture Attention: Linear-Time Sequence Mixing via Probabilistic Latent Routing
Yongchao Huang, Hassan Raza
cs.LG
本文提出Gaussian Mixture Attention (GMA)，一种通过\(K\)个高斯混合分量进行概率路由的线性时间序列混合器，避免了标准点积注意力中\(\mathcal{O}(N^2)\)的复杂度。该方法在长上下文分类任务上表现有竞争力，但在因果变体中性能不及优化的softmax attention和Mamba。
CODEBLOCK: Learning to Supervise Code at the Right Granularity
Zhijie Deng et al.
cs.LG
本文提出CodeBlock框架，通过将代码响应划分为语法完整的coding items并基于数据流信号选择高价值项进行监督，以改进代码LLM的稀疏监督微调。实验表明该方法在仅使用1.9%监督token的情况下，在代码生成基准上取得优于全token SFT的效果。
Artemis: Anatomy-Resolved inTervention for Eliminating Multimodal NeuroImage confounderS
Siyuan Dai et al.
cs.LG
本文提出Artemis，一个区域级因果框架，通过为每个脑区独立学习特定的confounder表示并进行因果干预，以消除多模态神经影像数据中人口统计学因素的混杂效应。该方法作为插件模块可与任意GNN骨干网络兼容，在ADNI、OASIS和HCP三个基准上取得了优于代表性GNN基线的结果。
A Link between Shock-wave Theory and Symmetry-reduced Stochastic Gradient Descent for Artificial Neural Networks
Taiki Miyagawa
cs.LG cs.AI
本文利用微分几何、Lie group theory和流体力学，建立了shock-wave theory与随机梯度下降的对称商学习动力学之间的数学联系。通过商除参数对称性并应用局部熵粗粒化，有效动力学在商流形上满足粘性Hamilton-Jacobi方程，且粗粒化损失函数的梯度服从Burgers-type方程。
Attribution-Guided and Coverage-Maximized Pruning for Structural MoE Compression
Yifu Ding et al.
cs.LG cs.AI
本文提出了一种针对Mixture-of-Experts (MoE)模型的结构化剪枝框架，通过将剪枝比率分配建模为channel-score覆盖最大化问题，并利用基于归因的近似方法高效求解，在DeepSeek和Qwen MoE模型上实现了高压缩率下的精度保持。该方法主要关注模型压缩效率，与所提供的关键词关联度较低。
Fisher Width: A Geometric Measure of Complexity on Statistical Manifolds
Vu Khac Ky
cs.LG stat.ML
本文引入Fisher width作为统计流形上Gaussian width的几何类比，通过Fisher信息度量张量\(G(\theta)^{1/2}\)替换欧氏度量，使该量对局部统计曲率敏感且具有重参数化不变性。文章发展了其基本理论（包括集中性、度量扰动稳定性等），并应用于Fisher-Lipschitz假设类的泛化界证明。
SAGE: Retain-Aware Post-Hoc Sanitization of Final Unlearning Vector
Jingyuan Zhang et al.
cs.LG cs.AI
本文提出了一种名为SAGE的后处理方法，通过分析模型激活的几何结构来修正最终unlearning向量，以缓解遗忘与保留能力之间的权衡。该方法不依赖于具体的unlearning实现，而是从保留数据中提取主导激活方向，并求解一个闭式优化目标来抑制与保留方向对齐的更新分量。
Ghost Attractor Networks: Basin-Structured Dynamical Decoders for Closed-Loop Sequential Generation
Tianyu Wang et al.
cs.LG cs.AI
本文提出Ghost Attractor Networks，一种基于势能漂移的动力学解码器，通过构造盆地-吸引子结构实现闭环序列生成。该方法在机器人动作解码任务中，以2.3M参数匹配1.07B参数Diffusion Transformer的离线精度，并在LIBERO-10基准上通过相位条件化提升13.5%的成功率。
A Survey on Data-Driven Models for Soil Moisture Regression and Classification
Ilektra Tsimpidi et al.
cs.LG
本文综述了基于数据驱动的土壤湿度回归与分类模型，将现有方法分为统计时间序列、地统计、经典机器学习、深度学习和概率/贝叶斯五类，并讨论了它们利用多源环境数据进行建模的特点。该工作与关键词中的概念无直接关联。
Enhanced Graph Neural Networks using K-Hop Gaussian Diffusion
Xuling Zhang et al.
cs.LG
本文提出了一种K-Hop Gaussian (KHG) diffusion kernel作为图数据的预处理模块，通过引入多跳扩散和高斯权重来平衡局部与全局信息传播，以改进传统GNN在噪声或结构复杂图上的性能。实验表明该方法优于标准消息传递GNN及PPR和Heat Kernel扩散方法。
ASTRA: A Scalable Next-Generation ATCO Training Simulator with Autonomous Simpilots
Ethan Chew et al.
cs.LG cs.AI cs.HC cs.SE
本文介绍了ASTRA，一个用于空中交通管制员(ATCO)培训的端到端模拟器，通过自动化模拟飞行员(simpilot)角色来减少对人工培训师的依赖。该系统利用微调的自动语音识别(ASR)管道处理新加坡口音的航空语音，并集成了AI辅助的性能评估框架。
SAE Interventions are Unreliable: Post-Intervention Recovery of Suppressed Behavior
Mingyue Cui, Linghui Shen, Xingyi Yang
cs.LG cs.AI
本文揭示了Sparse Autoencoders (SAEs)在干预模型行为时存在可恢复性失效模式：即使成功钳制了特定的“不安全”SAE特征，模型仍能通过优化残差扰动恢复被抑制的行为。实验表明，在安全关键的拒绝引导任务中，该方法实现了95.8%的行为恢复率，同时保持被防御特征的相对漂移仅为0.131，这暴露了特征级控制与行为完整性之间的差距。
Why SWAVE May Not Be All You Need:A Concept-Evolution Retrospective on Complex-Valued Recurrent Language Models
Ramprasath Ganesaraja, Swathika N, Sahil Dilip Panse
cs.LG cs.AI
本文回顾了复杂值循环语言模型SWAVE的开发过程，指出其基于“语言作为复波”等前提的设计在训练中遭遇了“cos-domination collapse”等失败模式，并最终通过引入Phase-Associative Memory等结构解决了问题。文章总结了六个可迁移的工程原则，但并未直接涉及代码、上下文、谱方法、Muon优化器、预训练、智能体或注意力机制等关键词。
Neural Network Implementation of the Renormalization Group for Fault Diagnosis with Class Imbalance
Evgeny Nikulchev, Dmitry Ilin
cs.LG
本文提出RGNet，一种基于renormalization group概念的神经网络架构，用于特征空间的层次化粗粒化处理。该模型通过顺序压缩输入维度并在分类前拼接所有尺度，以捕捉局部细节和全局模式，并在不平衡数据集上展示了其通用性和可解释性。
Self-CTRL: Self-Consistency Training with Reinforcement Learning
Itamar Pres et al.
cs.LG cs.AI
本文提出Self-CTRL方法，通过强化学习优化语言模型的自解释与行为之间的一致性，在概率推理和宪法AI两个任务上提升了模型的可解释性和安全性。该方法通过更新解释以更好预测行为或更新行为以匹配解释，实现了模型透明度的提升。
ThousandWorlds: A benchmark for climate emulation of potentially habitable exoplanets
Edward T. Stevenson et al.
cs.LG astro-ph.EP astro-ph.IM
本文提出了ThousandWorlds基准数据集，用于模拟潜在宜居系外行星的气候，包含约1800个来自五个全球气候模型（GCMs）的模拟，将行星参数映射到3D大气场。该基准为低数据、多模拟器的参数到场回归问题提供了评估协议和基线方法，其中基于Gaussian process的方法表现最佳。
Do Time Series Foundation Model Benchmarks Hide Regime-Dependent Failures? Evidence from Traffic Speed Forecasting
Yingshuo Wang et al.
cs.LG
本文提出了一种基于regime分层的评估方法，用于揭示时间序列基础模型在交通速度预测中因状态切换导致的性能退化。研究发现，在自由流与拥堵状态间的过渡阶段，模型准确率和预测区间覆盖率显著下降，而聚合指标掩盖了这些失败。
From Sparse Features to Trustworthy Proxies: Certifying SAE-Based Interpretability
Dibyanayan Bandyopadhyay, Asif Ekbal
cs.LG cs.CL
本文提出了一种基于Sparse Autoencoder (SAE)的后验泛化框架，通过将语言模型的隐藏激活替换为SAE重构来构建稀疏代理，并推导了原始模型期望风险的上界。该上界由代理风险、SAE重构误差、概念池不匹配和稀疏复杂度四个可测量量构成，用于评估基于SAE的解释是否忠实于原始模型。实验在GPT-2 Small、Gemma-2B和Llama-3-8B上验证了该界在实用样本量下的非平凡性，并揭示了深层更易被认证的深度依赖性。
SCOPE-FL: A Strategy-proof Chain-based Optimal pareto efficient Federated Learning System
Seyed Salar Ghazi et al.
cs.LG cs.DC
本文提出SCOPE-FL，一个基于区块链的分层联邦学习系统，通过Top Trading Cycle算法解决客户端选择问题，并采用Shapley值近似进行奖励分配，在MNIST等数据集上验证了其性能。
MOLAR: Learning Multimodal Molecular Representations from Noisy Labels
Yingxu Wang et al.
cs.LG q-bio.QM
MOLAR提出了一种噪声感知的多模态分子表示学习框架，通过分离潜在clean-property推断与recorded-label观测来缓解标签噪声问题。该方法在分子性质预测任务上优于基线，但与我提供的关键词（如code, spectral, Muon等）关联度较低。
P$^2$CE: Model-Agnostic Plausible Pareto-Optimal Counterfactual Explanations
Arthur Hendricks Mendes de Oliveira, Giovani Valdrighi, Marcos Medeiros Raimundo
cs.LG
本文提出了一种名为P\(^2\)CE的算法，用于生成可行的Pareto最优反事实解释，通过辅助的isolation forest异常检测器和SHAP值来平衡解释的可行性与计算效率。该方法在多个数据集上展示了优于现有技术的解质量和计算速度。
Measurement noise limits the advantage of nonlinear models over linear models in biomedical prediction
Marc-Andre Schulz, Kerstin Ritter
cs.LG q-bio.QM stat.ML
本文研究了生物医学预测中测量噪声如何限制非线性模型相对于线性模型的优势，指出加性噪声会模糊最优预测函数，且非线性结构比线性结构衰减更快，导致在典型测量可靠性下非线性优势可能消失。文章通过精确的excess-risk identity整合了经典统计理论，并在UK Biobank数据上验证了噪声特征，但方法本身并非开创性，且与关键词关联较弱。
Signature filtering: a lightweight enhancement for statistical watermark detection in large language models
Chih-Duo Hong, Yen-Pang Chen, Fang Yu
cs.LG cs.CR
本文提出了一种名为signature filtering的检测模块，通过从文本中移除少量“signature”token来提升LLM输出中statistical watermark的检测性能，并给出了有限样本和渐近界。该方法在多种watermark族和LLM上实验，在弱信号和低熵场景下显著提高了检测率，但整体方法更偏向工程优化而非理论开创性。
Beyond Prediction: Tail-Aware Scheduling for LLM Inference
Yueying Li et al.
cs.LG cs.DC
本文提出了一种无预测的LLM推理调度框架，通过轻量级统计信号实现软优先级提升，替代了传统的长度预测调度策略。该方法联合优化调度与缓存感知抢占，在多种工作负载下将P99 TTLT降低35-50%，TTFT降低34-47%。
TMR-GGNN: Credit Card Fraud Detection based on Time-Aware Multi-Relational Guided Graph Neural Network
Rohit Tewari et al.
cs.LG cs.AI
本文提出了一种基于时间感知的多关系引导图神经网络(TMR-GGNN)用于信用卡欺诈检测，通过构建动态多关系图并引入时间感知的attention机制来建模交易实体间的异构交互。该方法使用对比学习模块和复合损失函数处理数据不平衡问题，但整体方法属于现有GNN框架的工程化改进，缺乏理论上的开创性。
A Cross-Model VLM-Judge Protocol for Single-Image 3D Mesh Quality (and Why Cheap Proxies Fall Short)
Ali Asaria, Tony Salomone, Deep Gandhi
cs.LG
本文提出了一种基于VLM的评估协议用于单图像3D网格质量评估，并证明了几何有效性和CLIP相似度等廉价代理指标无法替代该协议。实验表明，这些代理指标仅在视觉缺陷明显时有效，而在模糊对比中表现随机。
Veriphi: Attack-Guided Neural Network Verification with Dataset-Dependent Training Methods
Pratik Deshmukh, Kartik Arya, Vasili Savin
cs.LG cs.AI
本文提出了一个GPU加速的神经网络验证系统Veriphi，结合了快速对抗攻击与alpha,beta-CROWN形式化边界认证方法。实验表明，训练方法（标准、对抗、认证）的有效性本质上依赖于数据集（dataset-dependent），例如Interval Bound Propagation (IBP)在简单MNIST上表现良好，但在复杂CIFAR-10上几乎无效，而PGD对抗训练则占优。
Task-Restricted Symmetries in Recurrent Weight Space
Simon Dräger
cs.LG
本文使用ordered real Schur coordinates分析单层tanh RNN在权重空间中的功能冗余性，发现某些非normal的Schur耦合可以在固定输入和readout maps的情况下被移除而不显著影响任务表现，而其他耦合则对准确的自发回放至关重要。该工作为识别训练后的recurrent solution中哪些结构化扰动可被保留提供了实用诊断工具。
What Does the Weight Norm Control in Grokking? Logit-Scale Mediation under Cross-Entropy
Truong Xuan Khanh
cs.LG cs.AI
本文研究了grokking现象中weight norm对泛化延迟的控制机制，发现其实际通过影响logit scale和softmax saturation来间接作用，而非直接控制。实验表明在cross-entropy下，logit scale能解释约97%的延迟变化，而weight norm仅贡献1-2%的额外影响。
Structured Representation Learning with Locally Linear Embeddings and Adaptive Feature Fusion
Somjit Nath et al.
cs.LG cs.AI
本文受神经科学启发，提出了一种强化学习框架，利用locally linear embeddings捕捉状态空间的局部线性结构，并通过attention机制自适应融合动力学与奖励相关的特征表示。实验表明该方法在基准任务上提升了学习效率。
The Illusion of Improvement: Reject Inference Strategies in Credit Scoring
Bruno Scarone, Ricardo Baeza-Yates
cs.LG cs.CY
本文系统评估了信用评分中的拒绝推断方法，发现标准评估指标在生存偏差下具有误导性，并提出了一种无需统计假设的受控探索策略来打破反馈循环。实验表明，即使极低的探索率也能诊断问题严重性。
SFT Overtraining Predicts Rank Inversion via Entropy Collapse Under RLVR
Siddharth Aphale, Kelly Liu
cs.LG cs.AI cs.CL
本文研究了SFT（Supervised Fine-Tuning）训练深度对RLVR（Reinforcement Learning with Verifiable Rewards）下模型性能的影响，发现过度的SFT会导致rollout分布熵崩溃，进而引发GRPO（Group Relative Policy Optimization）训练中的排名反转现象。实验表明，预RL阶段的entropy与GRPO最终表现正相关，且简单的KL正则化或标签平滑无法挽救已崩溃的checkpoint。
Quantum Annealing Enhanced Reinforcement Learning for Accurate Remaining Useful Lifetime Prediction
Manoranjan Gandhudi et al.
cs.LG stat.ML
本文提出了一种量子退火增强的Q-learning框架(Quantum Annealing enhanced Q-Learning, QAQL)，用于预测设备的剩余使用寿命(RUL)。该方法将Q值更新编码为二次无约束二元优化问题(QUBO)，并利用D-Wave量子退火器进行求解，以在非线性退化轨迹上提供随机动作选择，避免过早收敛。实验在NASA C-MAPSS数据集上验证了其有效性，但该方法与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
Beyond AHI: An Interpretable Causal-Discovery-Guided Framework for Sleep Recovery in Connected Health
Saba A. Farahani et al.
cs.LG eess.SP stat.AP
本文提出一个基于causal discovery的框架，从多模态PSG数据中推导层次化的Sleep Recovery Score (SRS)，通过DAG learning识别呼吸、缺氧、睡眠碎片化等生理驱动因素，并引入两阶段筛选过程去除结构混杂变量。该SRS与患者感知恢复的对齐强度比AHI高出2.5倍，但方法本身在关键词领域（如code, context, spectral, Muon, pretrain, agent, attention）中缺乏直接关联。
Concept Modulation Models: A Unified Framework for Identifiability and Extrapolation
Soheun Yi et al.
cs.LG stat.ML
本文提出了概念调制模型(CMMs)，一种统一的条件生成模型框架，通过属性势(attribute potentials)将基于转移的可识别性推广到条件设置，并建立了代数外推准则。该工作为非线性ICA、因果表示学习等领域的可识别性与外推分析提供了统一视角。
PSyGenTAB: A Privacy-Preserving Framework for Synthetic Clinical Tabular Data Generation via Constrained Optimization
Arshia Ilaty et al.
cs.LG cs.AI
PSyGenTAB提出了一种将合成医疗数据生成建模为约束优化问题的方法，使用Augmented Lagrangian Method在训练中嵌入可配置的隐私约束。实验表明该方法能在保护隐私的同时保持临床数据效用，但与关键词列表中的概念无直接关联。
Sparsity Curse: Understanding RLVR Model Parameter Space from Model Merging
Chenrui Wu et al.
cs.LG cs.AI
本文研究了RLVR模型在参数空间中的稀疏性对模型合并的影响，发现稀疏更新导致参数空间中的近正交捷径，使得标准合并方法失效。作者提出了SAR-Merging方法，通过Fisher Information敏感性仲裁和幅度感知稀疏化来解决冲突，在数学和编码基准上优于现有方法。
Hierarchical Attention via Domain Decomposition
Stephan Köhler, Oliver Rheinbach
cs.LG
本文提出了一种基于两层重叠Schwarz区域分解的分层注意力机制，将全局低秩注意力分解为局部子域块和粗网格块的加性结构，用于学习一维扩散问题的解算子。实验表明该方法比全局低秩注意力基线训练更快、精度更高，且参数更少。
Effects of sparsity and superposition on loss in simple autoencoders
Mriganka Basu Roy Chowdhury, Eric McLaughlin Weiner
cs.LG stat.ML
本文分析了稀疏性和叠加性对简单autoencoder中L2重建损失的影响，为power activation functions在极稀疏情况下提供了损失上下界，并验证了Elhage等人关于叠加现象的数学基础。
TS-Fault: Benchmarking Time Series Forecasters Against Structural Faults
Yuyang Zhao et al.
cs.LG stat.ML
本文提出了TS-Fault基准，用于评估时间序列预测模型在结构化故障（如时间形状异常、变量依赖断裂等）下的鲁棒性，发现干净数据上的高精度与鲁棒性负相关，且基础模型在机制级故障下最为脆弱。
Correcting Sensor-Induced Distribution Drift with Wasserstein Adversarial Learning
Saraa Ali et al.
cs.LG cs.AI
本文提出了一种基于Wasserstein-GAN的无监督方法，用于推断传感器系统因运动或老化导致的分布漂移的校正参数。该方法将生成器作为可学习的校准变换，通过对抗训练将变化后的探测器响应分布映射回参考分布。
Fair Cognitive Impairment Detection Through Unlearning
William Nguyen, Jiali Cheng, Hadi Amiri
cs.LG cs.CL cs.SD eess.AS
本文提出了一种多模态框架，结合跨模态融合与基于梯度反转的遗忘学习，用于从自发语音中检测轻度认知障碍。该方法在TAUKADIAL和PREPARE基准上优于现有基线，并减少了不同患者子群间的性能差距。
Towards Anomaly Detection on Relational Data
Shiyuan Li et al.
cs.LG
本文提出RelAD框架，用于关系型数据库中的异常检测。它通过条件稀疏门控属性重建和双视图多关系边重建两个模块，分别捕捉属性异常和关系连接模式异常，并在6个基准数据集上验证了其有效性。
PACT: Preserving Anchored Cores in Task-vectors for Model Merging
Ningyuan Shi et al.
cs.LG
本文发现预训练模型中的Load-Bearing Wall (LBW)维度（即任务关键知识仍嵌入在预训练权重中而非完全转移到task vector中）导致现有基于task vector的模型合并方法无法完全解决任务冲突。为此提出PACT方法，通过保留task vector中的锚定任务特定核心（即LBW维度）并利用随机SVD提升可扩展性，该方法可无缝集成到现有模型合并算法中。
MetaboNet-Bench: A Multi-modal Benchmark for Glucose Forecasting in Type 1 Diabetes
Nathaniel Jeffries et al.
cs.LG q-bio.QM
本文提出了MetaboNet-Bench，一个用于1型糖尿病患者多模态血糖预测的开源基准测试框架，整合了血糖、胰岛素和碳水化合物数据。通过对比多种模型，发现添加数据模态的收益取决于模型复杂度。
BLADE: Scalable Bi-level Adaptive Data Selection for LLM Training
Jiaxing Wang et al.
cs.LG
本文提出BLADE框架，通过将基于influence的双层优化重写为带Lagrange乘子的单层惩罚目标，避免了Hessian逆计算，并揭示了与excess-loss方法的联系。该方法在理论上保证一阶收敛，并采用无记忆随机块坐标Frank-Wolfe算法实现高效在线batch选择，实验表明其优于现有数据选择baseline。
scGTN: Deep Siamese Graph Transformer Network for Single-cell RNA Sequencing Clustering
Jinke Wu et al.
cs.LG cs.AI q-bio.GN
本文提出scGTN框架，通过Siamese Graph Transformer Network整合基因表达与细胞间结构依赖，用于单细胞RNA测序聚类。该方法构建双图视图并利用最优传输策略进行自监督聚类，在多个基准数据集上表现优于现有方法。
InTrain: Intrinsic Trainability for Zero-Cost Neural Architecture Search
Qinqin Zhou et al.
cs.LG cs.CV
本文提出了一种名为InTrain的零成本神经架构搜索代理，通过几何容量和优化韧性两个组件来形式化架构的可训练性，并在标准NAS基准上取得了与集成方法相当的排序相关性。
Bounded Context Management for Tabular Foundation Models on Stream Learning
Jinmo Lee et al.
cs.LG cs.AI
本文提出了一种针对表格基础模型（Tabular Foundation Models）在流学习（Stream Learning）场景下的上下文管理策略CURE，通过熵门控准入和冗余感知驱逐来管理上下文，在多个数据流上相比经典方法有显著提升。该方法主要关注上下文管理而非模型更新，与关键词中的“context”有一定关联，但方法本身并非开创性突破。
Dual-Channel Grounded World Modeling (DCGWM): Structural Prevention of Objective Interference Collapse via Heterogeneous External Grounding with Inward-Only Gradient Flow
Akshay Hazare
cs.LG cs.AI
本文提出Dual-Channel Grounded World Modeling (DCGWM)架构，通过划分物理与行为子空间并限制梯度流，旨在解决联合嵌入预测架构中由异构外部信号导致的Objective Interference Collapse问题。该工作主要提供理论分析，实验验证尚在进行中。
Robust and Interpretable Adaptation of Equivariant Materials Foundation Models via Sparsity-promoting Fine-tuning
Youngwoo Cho et al.
cs.LG cond-mat.mtrl-sci
本文提出了一种基于稀疏性促进的微调方法，用于E(3)-等变材料基础模型的领域适应，通过选择性更新约3%的参数，在能量和力预测任务上达到或超越全微调性能，并展示了在磁矩预测等任务上的泛化能力。该方法利用模型的结构特性实现参数稀疏更新，但与我提供的关键词（如code, context, spectral等）关联度较低。
Stealthy World Model Manipulation via Data Poisoning
Yibin Hu, Xiaolin Sun, Zizhan Zheng
cs.LG cs.CR cs.RO
本文提出SWAAP，一种针对基于模型学习agent中world model的两阶段数据投毒攻击框架，通过优化投毒轨迹使学习到的dynamics在规划时产生低回报行为，并利用梯度匹配和预测误差正则化保持隐蔽性。该工作揭示了world model微调流程中的训练时漏洞，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Contextualizing Biological Language Models across Modalities via Logit-Space Contrastive Alignment
Yanjun Shao et al.
cs.LG q-bio.QM
本文提出LOGICA框架，通过在输出logit空间进行contrastive learning，将预训练biological language models的条件化预测与任务特定上下文对齐，无需共享tokenizer或decoder。该方法在protein-ligand binding、TCR-peptide activity等任务上优于现有方法，但未涉及code、spectral、Muon、agent或attention等关键词。
Trainable Photonic Measurement for Physics-Informed PDE Learning
Jiale Linghu, Hao Dong, Yangshuai Wang
cs.LG physics.comp-ph
本文提出了一种可训练的光子量子神经场，将坐标编码为可训练的光学相位，通过多光子Fock空间干涉混合，并从光子数测量中解码。该方法在物理信息偏微分方程学习中，通过最小化物理信息残差来优化光子电路本身，而非作为固定特征映射。
Graph Grounded Cross Attention Transformer Neural Network for Structurally Constrained Full Event Sequence Generation in Predictive Process Monitoring
Fang Wang, Ernesto Damiani
cs.LG cs.AI
本文提出了一种基于图约束交叉注意力Transformer的神经网络GGATN，用于预测性过程监控中的完整事件序列生成。该方法通过全局过程图作为结构化记忆，结合自注意力和图约束交叉注意力，实现了单次生成活动、时间戳和属性，并采用Viterbi式解码保证路径可行性。
Low-Cost Neuromorphic Fall Detection Using Synthetic Event Data and Hybrid SNNs
Guillermo Rojas, Gonzalo Soto, Daniel Yunge
cs.LG cs.CV
本文提出了一种结合Spiking Neural Networks (SNNs)与Convolutional Neural Networks (CNNs)的混合模型，用于从智能手机视频生成的模拟事件相机数据中学习人体跌倒检测。该方法利用SNNs的能效和时空处理能力，在多个数据集上验证了其在不牺牲准确率的前提下提升了效率。
Private Learning with Public Feature Conditioning
Shuli Jiang, Walid Krichene, Nicolas Mayoraz
cs.LG cs.AI
本文提出Cond-DP，一种基于DPSGD的条件变体，通过利用公开特征矩阵的结构（如快速衰减的谱）构造条件矩阵来重塑优化景观，从而在差分隐私回归中加速收敛。该方法在凸、强凸和非凸设定下均提供收敛保证，并在标签DP场景下优于现有基线。
RouteJudge: An Open Platform for Reproducible and Preference-Aware LLM Routing
Guannan Lai, Haoran Hu, Han-Jia Ye
cs.LG
RouteJudge是一个用于LLM路由系统的在线成对偏好评估框架，它通过匿名比较不同路由策略选择的模型响应来评估路由决策质量，并发布了ORBIT工具箱以标准化LLM路由的端到端工作流。该平台支持偏好感知、成本感知和任务条件分析，但与我提供的关键词（如spectral, Muon, pretrain, agent, attention）关联度较低。
Online Distributional Prediction via Latent Cluster Geometry Under Drift and Corruption
Navyansh Mahla, Prateek Chanda, Ganesh Ramakrishnan
cs.LG stat.ML
本文研究在线分布预测问题，在漂移和对抗性腐败下，通过潜在簇几何（一种变大小的中心配置）表示候选分布，并使用Gibbs拟后验和可逆跳跃MCMC进行在线预测。该方法避免了参数化流模型，并通过累积Wasserstein-1遗憾分析性能，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。
Bayesian Anytime Pareto Set Identification for Multi-Objective Multi-Armed Bandits
Lennert Saerens et al.
cs.LG cs.AI
本文提出了一种用于多目标多臂老虎机问题的贝叶斯算法Top-Two Pareto Front Thompson Sampling (TTPFTS)，该算法能在任意时刻识别Pareto最优解集，并证明了其渐近正确性。通过在合成环境和超大型分子库发现任务上的实验，展示了其实际效用。
Learning from Own Solutions: Self-Conditioned Credit Assignment for Reinforcement Learning with Verifiable Rewards
Yingyu Shan et al.
cs.LG cs.AI
本文提出SC-GRPO方法，通过将模型自身验证轨迹的条件化分布与原始分布间的per-token KL散度作为GRPO梯度的乘性权重，以改进token-level credit assignment。该方法在数学、代码和agent任务上优于GRPO和DAPO，但未涉及spectral、Muon或pretrain等关键词，且方法创新性有限。
Maturing Markov Decision Processes: Decision Making under Increasing Information and Shrinking Action Sets
Jiaxi Liu et al.
cs.LG cs.AI
本文提出Maturing Markov Decision Processes (MMDPs)来建模决策过程中信息增加与可行动作集收缩的不对称性，并基于此开发了结构感知的强化学习框架。实验表明，显式建模这种不对称性可提升学习效率，但该方法与关键词中的概念关联较弱。
GateMem: Benchmarking Memory Governance in Multi-Principal Shared-Memory Agents
Zhe Ren et al.
cs.LG cs.CL
本文提出了一个名为GateMem的benchmark，用于评估多用户共享记忆的LLM agent在utility、access control和forgetting方面的表现。实验表明，现有方法在token成本与记忆治理性能之间存在权衡，且均无法同时满足可靠部署的要求。
Target-confidence Recourse Using tSeTlin machines: TRUST
K. Darshana Abeyrathna et al.
cs.LG cs.AI
本文提出TRUST框架，使用Probabilistic Tsetlin Machine (PTM)结合Bayesian optimization，直接搜索满足用户指定置信度目标的最小输入变化，以生成更鲁棒的反事实解释。该方法通过显式控制预测置信度，揭示了决策规则层面的稳定性差异。
Seed-Guided Semi-Supervised Clustering by A-Contrario Anomaly Detection
Nassir Mohammad
cs.LG
本文提出了一种基于a-contrario统计推理的半监督聚类框架，通过将聚类视为异常检测的对偶问题，利用种子标签初始化并迭代扩展聚类。该方法在噪声环境下无需手动调参，但与我提供的关键词列表关联度较低。
Identifying Structural Biases from Causal Mechanism Shifts
Praharsh Nanavati, Jilles Vreeken, David Kaltenpoth
cs.LG
本文研究了如何从因果机制变化中识别隐藏的confounding和selection biases，提出了基于mutual information的可检验准则，并设计了StruBI算法。实验表明该方法在合成和真实数据上优于现有技术。
Semantic Robustness Certification for Vision-Language Models
Peiyu Yang et al.
cs.LG cs.CV
本文提出了一种针对Vision-Language Models (VLMs)在语义层面变换下的鲁棒性认证框架，通过使用text prompts作为语义代理来构造变换，并量化了预测类别不变的extent区间。该方法是首个无需为每种语义变化额外数据即可认证VLM鲁棒性的工作。
Learning from Your Own Mistakes: Constructing Learnable Micro-Reflective Trajectories for Self-Distillation
Zhilin Huang et al.
cs.LG
本文提出Trajectory-Augmented Policy Optimization (TAPO)方法，通过利用模型自身的正确与错误rollout构建显式的微反思修正轨迹，将自蒸馏从隐式分布对齐推进到显式轨迹构建。该方法在RL训练中保留模型错误推理至失败点，插入自然语言诊断和修正推理，并引入难度感知候选选择和去耦优势估计，在AIME等基准上取得优于GRPO的改进。
Investigating Inductive Biases for Machine Learning Emulation of Sudden Stratospheric Warmings in Idealised Isca Simulations
Oskar Bohn Lassen et al.
cs.LG physics.ao-ph
本文研究了不同机器学习架构（卷积、transformer、图网络）在模拟平流层突然增温（SSW）动力学时的归纳偏置，发现三维垂直耦合是关键，但低预测误差并不保证物理上准确的波-流相互作用。
Scaling Learning-based AEB with Massive Unlabeled Data
Xiangyu Wang et al.
cs.LG cs.AI
本文研究了在大规模无标签数据下扩展基于学习的自动紧急制动(AEB)系统，提出了一种基于元反馈半监督学习(MF-SSL)的稳定化框架，通过噪声感知解耦和运动学门控伪标签技术解决生产中的伪标签误差问题。实验表明该方法在从1M到1B窗口的数据规模下均能提升安全性，并在实际部署中实现了超过100:1的正误触发比。
Strategic Feature Selection
Jivat Neet Kaur et al.
cs.LG cs.CY stat.ML
本文研究了在资源分配场景中，通过特征选择与ridge regularization的交互来应对策略性操纵的问题。作者发现仅基于可操纵性排除特征通常是次优的，并开发了一个联合选择特征集与正则化水平的实用算法。
Domain-Shift Aware Neural Networks for Unbalance Characterization in Rotating Systems
Bernardo Feijó Junqueira et al.
cs.LG cs.AI eess.SP
本文研究了一种域偏移感知神经网络在旋转系统不平衡质量估计中的应用，通过最大均值差异策略对齐源域和目标域的特征分布，以提升不同工况下的预测精度。实验表明该方法能有效处理未知物理行为导致的域差异问题。
Anomaly Detection for Sparse and Irregular Multivariate Time Series with Latent SDEs
Martin Uray et al.
cs.LG
本文提出了一种基于Latent SDEs的生成式方法，用于处理稀疏和不规则采样的多变量时间序列异常检测问题。该方法通过将观测投影到连续时间随机动力系统上，能够自然地处理缺失数据和循环行为，并在多个基准数据集上取得了优于现有方法的效果。
REVES: REvision and VErification--Augmented Training for Test-Time Scaling
Yuanxin Liu et al.
cs.LG cs.CL
本文提出REVES框架，通过将多步推理中的中间步骤转化为修正和验证提示，以增强大语言模型的测试时缩放能力。该方法在代码生成等任务上提升了性能，但与我提供的关键词（如spectral, Muon, pretrain, agent, attention）关联度较低。
Some Complexity Results for Robustness Verification for Binarized Neural Networks
Harshit Goyal, Sudakshina Dutta
cs.LG cs.CC
本文研究了二值化神经网络(BNN)的验证问题计算复杂性，证明了其可满足性问题是NP完全的，并针对均匀图像遮挡下的鲁棒性验证给出了一个多项式时间算法。
GrapNet: A Programmable Dynamic-Architecture Neural Graph Substrate
Zirong Li
cs.LG
本文提出GrapNet，一种可编程的动态架构神经图基板，将神经网络视为可编辑的图结构而非固定张量。其核心贡献在于通过节点间的可分配向量和外部结构规则，实现了对网络关系的增删、冻结、分组等操作，并支持与常规模块（如CNN、Transformer）的向量接口集成。实验在Split Fashion-MNIST和Split CIFAR-10上展示了优于参数更大MLP的性能，但方法本身更侧重于程序化灵活性而非解决长期存在的理论问题，与关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Zero-Shot Active Feature Acquisition via LLM-Elicitation
Binyamin Perets et al.
cs.LG cs.IR stat.ME
本文提出了一种零样本主动特征获取（Zero-Shot Active Feature Acquisition）框架，通过大型语言模型（LLM）的受控启发来获取马尔可夫随机场（MRF）的充分统计量，从而避免了对大量标注数据的依赖。该方法在炎症性肠病（IBD）患者队列上进行了评估，在分类和top-\(k\)识别任务中优于直接使用LLM的方法。
Be Your Own Teacher: Steering Protein Language Models via Unsupervised Reward Optimization
Lanqing Li et al.
cs.LG
本文提出了一种无监督奖励优化框架，用于蛋白质语言模型（PLM）的可控生成，通过结合模型不确定性和语义一致性构建代理奖励，并设计了SRO和BRO两种离线算法来优化RLHF目标。实验表明该方法在组合分布外提示下优于DPO和KTO等基线，但未涉及关键词中的code、spectral、Muon或agent等概念。
Online Reward-Punishment Learning from Fixed-Channel Perceptual Event Streams without Environment Rewards
Zirong Li
cs.LG
本文提出了一种在线奖惩学习框架OHIRL，在无环境奖励的情况下，通过固定通道感知数据流进行学习。该方法将学习过程分解为四个模块，并在简单任务上验证了有效性，但整体方法较为常规，与关键词列表中的概念关联度不高。
EfficientRollout: System-Aware Self-Speculative Decoding for RL Rollouts
Minseo Kim et al.
cs.LG
本文提出EfficientRollout框架，通过自推测解码(self-speculative decoding)和系统感知的切换策略来加速强化学习中的rollout生成，解决了策略演化导致的draft模型不匹配问题，但方法本身并非开创性突破。
A Controlled Benchmark of Quantum-Latent GAN Augmentation for Brain MRI
Syed Mujtaba Haider, Silvia Figini
cs.LG cs.AI cs.CV
本文通过受控基准实验，比较了量子潜变量生成对抗网络（Quantum-Latent GAN）与经典生成器在脑MRI数据增强中的表现，发现量子生成器并未显著优于仅使用真实数据的训练，且两者在统计上无差异。
DIPHINE: Diffusion-based $Φ$-ID Neural Estimator
Simon Pedro Galeano Munoz et al.
cs.LG
本文提出DIPHINE，一种基于score-based diffusion model的神经网络估计器，用于计算Integrated Information Decomposition (\(\Phi\)ID)框架中的十六个信息原子。该方法通过单个amortized network联合估计所有所需的mutual information项，并利用Möbius inversion恢复原子，但主要针对非高斯连续动力系统的信息分解问题。
FoMoE: Breaking the Full-Replica Barrier with a Federation of MoEs
Lorenzo Sani et al.
cs.LG cs.AI cs.DC eess.SY
本文提出FoMoE系统，通过将Mixture-of-Experts (MoEs)架构中的expert layers分区部署在多个worker上，打破了传统分布式训练中每个站点必须持有完整模型副本的限制。该方法通过部分expert复制和skip-token机制，在弱连接的数据中心间降低了通信开销并提升了吞吐量。
A Hybrid LSTM--Vision Transformer Architecture for Predicting HRRR Forecast Errors
David Aaron Evans et al.
cs.LG cs.AI physics.ao-ph
本文提出了一种混合LSTM-Vision Transformer (LSTM-ViT)架构，用于预测高分辨率快速刷新(HRRR)模型的预报误差。该模型结合了地面观测的时间序列学习与大气廓线数据，通过注意力机制(attention)提升了对复杂垂直大气演变的捕捉能力。实验表明，该方法在预测降水、风速和温度误差方面优于基线LSTM，尤其在短预报时效和边界层活动增强时段效果显著。
Geometric and Stochastic Analysis of Discontinuities in Sparse Mixture-of-Experts
Tho Tran Huu et al.
cs.LG
本文对Sparse Mixture-of-Experts (SMoE)架构中的不连续性进行了严格的几何与随机分析，通过测度论切片论证建立了不同阶数不连续面的渐近体积估计，并利用扩散过程证明了随机输入路径几乎必然首先击中一阶不连续点。基于此理论洞察，作者提出了一种轻量级的平滑机制，在不显著增加计算开销的前提下，通过软性整合不连续点附近的专家来增强SMoE映射的连续性，并在语言和视觉任务上验证了其提升性能的效果。
Smoothness-Based Derandomization of PAC-Bayes Bounds
Alexandre Lemire Paquin, Brahim Chaib-Draa, Philippe Giguère
cs.LG stat.ML
本文研究了基于光滑性的PAC-Bayes去随机化方法，通过利用损失函数和预测器类的光滑性，推导了从Gibbs预测器到后验均值处的确定性预测器的泛化界，并引入了Jensen gap类的Rademacher复杂度来控制该界。
JourneyFormer: Encoding Airbnb Guest Journey with Sequence Modeling
Daochen Zha et al.
cs.LG
本文介绍了JourneyFormer，一个用于Airbnb搜索排序的序列建模解决方案，通过处理长且复杂的用户行为序列和稀疏的预订标签来优化推荐效果。该工作主要关注生产部署中的工程挑战，如事件选择、ID嵌入和模型加速策略，并在线上A/B测试中验证了业务指标提升。
Seeing Before Reasoning: Decoupling Perception and Reasoning for Shortcut-Resilient Multimodal On-Policy Self-Distillation
Sihan Wang et al.
cs.LG cs.CV
本文提出ViGOS框架，通过将视觉感知与推理过程解耦（先写视觉描述再推理），解决多模态大模型在自蒸馏训练中的捷径问题。实验表明该方法在多个视觉语言基准上改善了模型对图像信息的依赖。
Pareto Q-Learning with Reward Machines
Arnaud Lequen, Clément Legrand-Lixon, Léo Saulières
cs.LG cs.AI
本文提出Pareto Q-Learning with Reward Machines (PQLRM)，一种结合Pareto Q-Learning与Reward Machines的多目标强化学习算法，用于处理由reward machines指定的非马尔可夫奖励结构。实验表明该算法在样本效率上优于基线方法，并能合成Pareto最优策略。
INDEQS: Informed Neural controlled Differential EQuationS
Michael Detzel et al.
cs.LG stat.ML
本文提出INDEQS，一种基于图神经控制微分方程的时间序列预测方法，通过将已知有向图结构嵌入模型架构的不同位置（内混合与外混合）来提升预测性能。在合成对流模拟和真实水文、交通数据集上，该方法相比无先验知识的NCDE在均方误差上有所改善，但整体创新性有限，且与关键词列表中的概念关联较弱。
ChronoSurv: A Clinical Pathway-Guided Graph Framework for Multimodal Survival Analysis
Hugo Miccinilli, Theo Di Piazza
cs.LG
ChronoSurv提出了一种基于heterogeneous hierarchical directed graph的框架，用于多模态生存分析，通过将患者护理过程建模为有向图来捕捉临床工作流。该方法在头颈癌数据集上取得了较好的判别性能，但并未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
OrthoReg: Orthogonal Regularization for Hybrid Symbolic-Neural Dynamical Systems
Till Richter, Niki Kilbertus
cs.LG cs.AI eess.SY
本文提出OrthoReg正则化方法，通过直接惩罚符号与神经组件之间的重叠，防止混合动力系统中神经部分吸收符号结构，从而提升符号恢复和分布外行为。该方法适用于部分库不匹配的基准动力系统。
The Reward Was in Your Data All Along: Correcting Flow Matching with Discriminator-Guided RL
Nicolas Beltran-Velez et al.
cs.LG cs.CV
本文提出Discriminator-Guided RL (DRL)方法，通过训练一个discriminator在预训练表示空间中区分数据与base-model样本，并将其logit作为KL-regularized RL的reward，以解决flow-matching模型在训练与推理间的structural mismatch问题。该方法在多个backbone上降低了guidance-free FID和semantic-space FD，并改善了human-preference rewards。
Essential Subspace Merging for Multi-Task Learning
Longhua Li et al.
cs.LG cs.AI
本文提出了一种针对多任务学习的模型合并方法，通过分析任务更新引起的输出偏移，发现其能量集中在少数主方向上（称为essential subspace），并据此设计了ESD和ESM方法。该方法通过正交化融合关键成分来减少任务间干扰，但未涉及代码、谱方法或预训练等关键词。
Compute Efficiency and Serial Runtime Tradeoffs for Stochastic Momentum Methods
Depen Morwani et al.
cs.LG cs.AI math.OC stat.ML
本文研究了随机动量方法（如heavy ball和Accelerated SGD）在一致线性回归中的计算效率与串行运行时间之间的权衡，证明了HB在任意谱下不会改善SGD的计算效率边界，而ASGD的权衡依赖于谱的衰减速度。
AGDN: Learning to Solve Traveling Salesman Problem with Anisotropic Graph Diffusion Network
Bolin Shen et al.
cs.LG
本文提出了一种名为Anisotropic Graph Diffusion Network (AGDN)的图神经网络框架，用于求解旅行商问题(TSP)。该方法通过构建MixScore转移矩阵并采用各向异性图扩散策略，解决了全连接TSP图中缺乏拓扑先验以及图稀疏化后丢失最优解中连接节点的问题。实验表明，AGDN在多种实例规模和节点分布下均优于现有方法，且计算时间具有竞争力。
Forecasting what Matters: Decision-Focused RL for Controlled EV Charging with Unknown Departure Times
Giuseppe Gabriele et al.
cs.LG cs.AI
本文提出了一种决策聚焦强化学习(DF-RL)框架，用于解决电动汽车充电控制中因未知离开时间导致的决策困难问题。该框架将预测器与RL agent进行端到端联合训练，使预测器不仅追求预测精度，更关注其对下游充电策略决策质量的影响。实验表明，该方法相比不使用离开时间预测的RL方法，在总奖励上提升14%，并减少了55%的未供应能量。
Machine Unlearning for the XGBoost Model with Network Intrusion Datasets
Diana Magalhães et al.
cs.LG cs.AI
本文提出了XGBoost-Forget方法，用于在XGBoost模型上实现机器遗忘（Machine Unlearning），并在网络入侵检测的表格数据集上验证了其有效性。该方法在保持预测性能的同时显著提升了遗忘效率。
Mechanism-Guided Selective Unlearning for RLVR-Induced Reasoning
Chenyu Zhou et al.
cs.LG cs.AI
本文提出MAST方法，通过分析SFT到RLVR的token级delta-log-probability差异，仅更新注意力投影张量中排名靠前的子集，以选择性遗忘RLVR诱导的推理能力。实验表明该方法在保持其他任务性能的同时实现了目标遗忘。
A Human-in-the-Loop Bayesian Optimization Framework for Constraint-Aware Bioprocess Development
Samuel Stricker et al.
cs.LG cs.HC stat.ML
本文提出了一种基于人机交互的贝叶斯优化框架，通过将约束满足和鲁棒性作为多目标优化目标，使领域专家能交互式选择候选方案。该方法在八维CHO细胞培养模拟器上展示了识别高性能、可行且抗扰动操作条件的能力。
STARE: Surprisal-Guided Token-Level Advantage Reweighting for Policy Entropy Stability
Haipeng Luo et al.
cs.LG cs.AI cs.CL
本文提出STARE方法，通过基于surprisal的token级advantage重加权来稳定强化学习训练中的policy entropy，实验表明该方法在多个任务上提升了性能。
SCAN: Enhance Time Series Anomaly Detection via Multi-Scale Neighborhood-Centered Clustering
Xingze Zheng et al.
cs.LG
本文提出SCAN方法，通过多尺度邻域中心聚类增强基于重构的时间序列异常检测，在表示层面和异常准则层面分别引入聚类中心表示和异常置信度分数以平衡过泛化与欠泛化问题。实验表明该方法在多个真实数据集上达到最优性能。
Detecting Hidden ML Training With Zero-Overhead Telemetry
Robi Rahman, Sabiha Tajdari
cs.LG
本文研究了使用零开销NVML遥测技术检测隐藏的ML训练过程，通过分类器实现了98.2%的二元准确率，并评估了对抗性鲁棒性。
Structured Inference with Large Language Gibbs
Sanghyeok Choi, Henry Gouk, Esmeralda S. Whitammer
cs.LG cs.CL
本文提出Large Language Gibbs方法，利用大语言模型的条件分布作为马尔可夫链蒙特卡洛中的转移算子，通过迭代重采样变量来替代单次自回归生成，从而避免顺序偏差并产生平稳分布。该方法在合成分布采样、一致性推理和贝叶斯结构学习任务中进行了验证。
Risk Stratification for ICU Delirium using Pervasive Ambient Sensing Information
Jiaqing Zhang et al.
cs.LG
本文研究了环境声音和光照强度对ICU谵妄风险的预测能力，使用四种sequential neural network模型在309名患者数据上进行评估，发现声音是主要预测因子，结合光照可改善短期预测效果。
Does VLA Even Know the Basics? Measuring Commonsense and World Knowledge Retention in Vision-Language-Action Models
Nikita Kachaev et al.
cs.LG cs.RO
本文提出Act2Answer协议，通过将VLM知识基准转化为机器人动作选择任务，评估VLA模型在微调后保留常识和世界知识的能力。研究发现VLA在简单概念上表现良好，但在丰富语义类别上相比源VLM存在较大差距，且答案相关信息在中间层达到峰值。
P-K-GCN: Physics-augmented Koopman-enhanced Graph Convolutional Network for Deep Spatiotemporal Super-resolution
Xizhuo et al.
cs.LG
本文提出了一种物理增强的Koopman图卷积网络(P-K-GCN)，用于在不规则几何结构上实现时空超分辨率。该方法结合了连续样条GCN提取空间依赖性和Koopman算子理论线性化时间演化，并通过物理损失函数增强预测的物理一致性。
Diffusion-Proof: Recipe for Formal Theorem Proving Beyond Auto-Regressive Generation
Ruida Wang et al.
cs.LG
本文提出了Diffusion-Proof框架，首次将diffusion LLM应用于形式化定理证明，通过dLLM-Prover-7B进行整段证明生成，并利用dLLM-Corrector-7B进行局部证明修正，在ProofNet和MiniF2F基准上优于自回归基线。
UBP2: Uncertainty-Balanced Preference Planning for Efficient Preference-based Reinforcement Learning
Mohamed Nabail et al.
cs.LG cs.AI cs.RO
本文提出了一种基于模型的偏好强化学习方法UBP2，通过联合推理reward、dynamics和value function的不确定性来主动引导探索，并在Meta-World基准上展示了比无模型方法更高的样本效率。该方法在有限和无限时域下建立了sublinear regret保证，但与我提供的关键词列表中的概念关联较弱。

cs.AI

What Must Generalist Agents Remember? ⭐ 精选
Khurram Yamin et al.
cs.AI
本文为通用智能体（generalist agent）的记忆需求建立了形式化理论。它证明了当两个领域共享一个观测瓶颈（observational bottleneck）但需要不相容的最优动作时，任何一致接近最优的策略都必须在瓶颈处诱导出不同的记忆分布，从而得出分离定理：足够成功的agent不能仅依赖当前状态观测，而必须在记忆中保留领域相关信息。此外，论文表明若agent的记忆包含足够信息以估计相关目标的值函数，则该记忆可用于近似重建局部的转移动力学。这些结果将记忆刻画为支持领域消歧、转移模型重建和规划的基础，与关键词“agent”高度契合。
ProfiLLM: Utility-Aligned Agentic User Profiling for Industrial Ride-Hailing Dispatch ⭐ 精选
Tengfei Lyu et al.
cs.AI cs.CY
本文提出ProfiLLM，一个面向工业网约车调度的utility-aligned agentic user profiling数据管道。它通过Tool-Augmented Global Knowledge Mining模块赋予LLM agent 27种分析工具来挖掘平台级数据，并利用Utility-Aligned Profile Exploration模块为每个用户聚类生成多个候选profile，通过轻量级下游utility代理进行迭代优化与DPO微调。该方法解决了将LLM作为语义特征提取器集成到毫秒级延迟的生产调度系统中时，面临的长上下文、长尾用户及utility对齐等关键挑战，并在滴滴出行部署后取得了显著的AUC、GMV及订单完成率提升。
Skill-Guided Continuation Distillation for GUI Agents ⭐ 精选
Zhimin Fan et al.
cs.AI
本文提出Skill-Guided Continuation Distillation (SGCD)框架，用于解决GUI agent在闭环执行中因策略偏离专家轨迹而遇到的off-trajectory状态监督缺失问题。该方法首先让当前策略无技能引导地运行若干步以到达真实的off-trajectory状态，随后由技能引导策略完成剩余任务并生成成功延续轨迹，与专家轨迹混合后提供监督信号。技能从成功与失败的rollout中提取，包含Continuation Plans、Critical Targets、Failure Traps和Success Criteria四个组件。在OSWorld-Verified基准上，SGCD将三个基础模型的成功率从30\%左右提升至超过50\%，验证了其有效性与通用性。
RODS: Reward-Driven Online Data Synthesis for Multi-Turn Tool-Use Agents ⭐ 精选
Ruishan Fang et al.
cs.AI
本文提出RODS (Reward-driven Online Data Synthesis)方法，用于解决多轮tool-use agent在RL训练中静态数据集信息样本快速耗尽的问题。该方法利用GRPO中梯度信号集中在任务边界样本（即成功与失败概率平衡的样本）的特性，通过将progress reward variance作为零成本的边界检测器，持续识别这些关键样本并合成结构复杂度匹配的新多轮变体。RODS从400个人工种子样本开始，维持约800个样本的动态训练池，即可达到17K样本离线pipeline的性能，同时所需trajectory数量减少约20倍，显著提升了数据效率。
NAVI-Orbital: First In-Orbit Demonstration of a Zero-Shot Vision-Language Model for Autonomous Earth Observation
Juan Manuel Delfa Victoria, Taran Cyriac John, Andrew W. Herson
cs.AI cs.LG
本文介绍了NAVI-Orbital系统，该系统在低地球轨道卫星上首次实现了视觉-语言模型的在轨自主多模态推理，通过自然语言指令进行任务重定向，并利用图状态机协调检测与对话代理。实验表明，该系统能在边缘计算机上运行基础模型，通过语义压缩实现地球观测数据的在轨处理。
CaVe-VLM-CoT: An Interpretable Vision-Language Model Framework
Sneha Rao, Shaina Raza, Dhanesh Ramachandram
cs.AI
本文提出CaVe-VLM-CoT框架，通过五阶段闭环流程（Extractor, Retriever, Solver, Citation Injector, Verifier）增强Vision-Language Model的推理可解释性，并引入CaVeScore复合指标评估各阶段质量。该方法在ScienceQA和MMMU数据集上验证了有效性，但未涉及code、spectral、Muon等关键词相关技术。
Searching for Synergy in Shared Workspace Human-AI Collaboration
Nachiket Kotalwar, Rohini Das, Carolyn Rose
cs.AI cs.HC
本文研究了共享工作空间中人类-AI团队协作的协调问题，使用Collaborative Gym环境和DiscoveryBench任务进行实验。结果表明，缺乏协调结构的团队中增加协作者反而会降低性能，而结合共享群体记忆与模拟人类在环门控的脚手架方法能提升团队表现。
CEO-Bench: Can Agents Play the Long Game?
Haozhe Chen, Karthik Narasimhan, Zhuang Liu
cs.AI cs.CL cs.SE
本文提出了CEO-Bench，一个通过模拟经营初创公司500天来评估语言模型agent在长期、不确定、噪声环境下的多任务协调能力的benchmark。实验发现，即使最先进的模型也难以持续盈利，揭示了当前agent在应对复杂长期目标时的局限性。
DeFAb: A Verifiable Benchmark for Defeasible Abduction in Foundation Models
Patrick Cooper, Alvaro Velasquez
cs.AI cs.LG cs.LO
本文提出了DeFAb基准测试集，用于评估基础模型在可废止溯因推理中的表现，通过将知识库转化为形式化实例并验证假设的推导、保守性和最小性。实验表明，前沿语言模型在该任务上表现不佳，且链式推理的方差较大。
Optimizing Lithium Production Decisions under Geological, Demand, and Pricing Uncertainties: A POMDP Framework for Multi-Objective Decision Making
Anna C. Edmonds et al.
cs.AI cs.LG
本文提出将锂生产决策问题建模为部分可观测Markov决策过程(POMDP)，并利用信念状态规划方法求解，以应对地质、需求和定价的不确定性。该框架通过动态适应不同价格机制，在多种开采技术和矿床场景下优化开采时机、地点及方法选择。
ForecastBench-Sim: A Simulated-World Forecasting Benchmark
Jaeho Lee, Nick Merrill, Ezra Karger
cs.AI cs.CL cs.LG
本文提出了ForecastBench-Sim，一个基于Freeciv游戏rollouts的模拟世界预测benchmark，用于评估AI系统在动态世界状态下的probabilistic reasoning能力。该benchmark通过模拟环境生成可立即解析的预测问题，以补充真实世界预测benchmark的局限性。
R2D-RL: A RoboCup 2D Soccer Environment for Multi-Agent Reinforcement Learning
Haobin Qin et al.
cs.AI
本文提出了R2D-RL，一个将RoboCup 2D Soccer Simulation与Python MARL接口连接的多智能体强化学习环境，通过共享内存通信和周期级同步支持全场和基于场景的训练，并提供了基准测试结果。
WorldLines: Benchmarking and Modeling Long-Horizon Stateful Embodied Agents
Yehang Zhang et al.
cs.AI
本文提出了WorldLines，一个用于长期具身家庭辅助的基准测试，并设计了ObsMem记忆框架。该工作主要关注具身agent在动态环境中的长期记忆与任务规划，与关键词中的agent相关，但方法上缺乏开创性且未解决领域长期问题。
Externalizing Research Synthesis and Validation in AI Scientists through a Research Harness
Zijian Wang et al.
cs.AI
本文提出了Xcientist，一个将研究综合与实验验证外部化为可检查、受合约约束过程的研究框架，通过持久化研究工件（如文献证据、想法状态、实现计划等）来确保AI科学家的生成机制可被追溯、执行和修订。该框架在无训练记忆系统、图结构交通预测和多尺度物理信息神经网络等任务上展示了从问题表述到机制设计、验证和有限修订的可追踪轨迹。
Generative-Model Predictive Planning for Navigation in Partially Observable Environments
Thomas Quilter et al.
cs.AI
本文提出BeliefDiffusion框架，结合diffusion models和Model Predictive Control (MPC)来解决部分可观测环境中的导航问题。该方法通过生成模型显式表征多模态belief分布，并利用MPC进行前瞻规划，在合成地图实验中优于强化学习基线。
SciRisk-Bench: A Risk-Dimension-Aware Benchmark for AI4Science Safety
Linghao Feng et al.
cs.AI cs.CY
SciRisk-Bench是一个用于评估AI4Science安全性的benchmark，覆盖7个学科和10个风险维度，通过测试主流LLM和科学LLM来诊断模型在科学场景中的安全性缺陷。该工作主要关注安全评估而非方法创新，与关键词列表中的概念关联较弱。
Decoupling Search from Reasoning: A Vendor-Agnostic Grounding Architecture for LLM Agents
Emmanuel Aboah Boateng et al.
cs.AI cs.CL cs.IR cs.MA
本文提出了一种名为Decoupled Search Grounding (DSG)的架构，将LLM agent的实时搜索接地（grounding）从推理模型中解耦出来，通过一个与MCP兼容的网关实现供应商无关的检索策略、上下文渲染和缓存控制。实验表明，DSG在保持或接近原生搜索准确率的同时，显著降低了搜索成本和延迟，并避免了搜索诱导的冗长问题。
RTSGameBench: An RTS Benchmark for Strategic Reasoning by Vision-Language Models
San Kim et al.
cs.AI
本文提出了RTSGameBench，一个基于RTS游戏Beyond All Reason的benchmark，用于评估Vision-Language Models (VLMs)在部分可观测环境下的strategic reasoning能力。该benchmark通过多样化的对战结构、针对特定能力的mini-games以及自演化生成框架来诊断VLMs的局限性，并提供了RTSGameAgent来管理游戏单位。
ThinkDeception: A Progressive Reinforcement Learning Framework for Interpretable Multimodal Deception Detection
Jinhao Song et al.
cs.AI
本文提出ThinkDeception框架，将Multimodal Large Language Models (MLLMs)引入多模态欺骗检测领域，将传统二分类任务转化为显式认知推理过程。通过构建逐步多模态Chain of Thought (CoT)数据集和提出Visual-Audio Consistency Group Relative Policy Optimization (VAC-GRPO)渐进训练策略，在主流基准上取得了新的最优结果。
ARIADNE: Agnostic Routing for Inference-time Adapter DyNamic sElection
Enrico Cassano et al.
cs.AI
ARIADNE提出了一种无需训练、与adapter无关的推理时动态路由框架，通过计算每个adapter训练集embedding的centroids来表示其数据分布，并在推理时根据输入embedding与这些centroids的接近程度选择adapter。该方法在23个NLP任务上恢复了97.44%的上界性能，但主要关注NLP领域的adapter选择，与关键词中的code、spectral、Muon、agent等概念关联较弱。
Towards an Agent-First Web: Redesigning the Web for AI Agents
Eranga Bandara et al.
cs.AI cs.CY
本文提出了一种面向AI agent的Web重新设计框架，涵盖访问层、经济层和内容层三个层面，包括agent身份识别、基于token的订阅模型以及Agent文本标记语言(ATML)等具体方案。该工作主要关注Web架构的重新设计，与关键词中的agent概念有一定关联，但整体偏向系统设计而非数学理论创新。
Analysing drivers and interdependencies in European electricity markets using XAI
Antoine Pesenti, Aidan O'Sullivan
cs.AI cs.LG econ.GN
本文使用DNN模型结合XAI技术（特别是SHAP和SSHAP）分析39个欧洲竞价区的电价驱动因素，发现可再生能源（尤其是太阳能）和天然气价格是主要影响因素，并构建了合成全欧市场以探索完全一体化市场的反事实情景。
Human-AI Coevolution Dynamics: A Formal Theory of Social Intelligence Emergence Through Long-Term Interaction
Jingyi Zhou, Senlin Luo, Haofan Chen
cs.AI cs.CL
本文提出了Human-AI Coevolution Dynamics Framework (HACD-H)，将人类-AI交互建模为一个自组织的社会认知系统，整合了情感适应、关系组织、社会记忆和人格一致性。通过构建约14,700轮对话的数据集，验证了社会智能从长期社会认知共演化中涌现，而非孤立的对话能力。
Beyond Safe Data: Pretraining-Stage Alignment with Regular Safety Reflection
Jinhan Li et al.
cs.AI cs.LG
本文提出Safety Reflection Pretraining方法，通过在预训练语料中定期插入安全反思片段，使语言模型在预训练阶段直接整合自我监控能力。实验表明该方法能提升安全分类准确率并降低推理和微调阶段的攻击成功率，但未涉及code、spectral、Muon等关键词相关技术。
User as Engram: Internalizing Per-User Memory as Local Parametric Edits
Bojie Li
cs.AI
本文提出User as Engram方法，将用户个性化记忆存储为Engram模型中的局部参数编辑，而非全局权重更新。该方法通过分离内容记忆与推理技能，实现了比per-user LoRA更小的内存占用和更高的间接推理准确率。
TxBench-PP: Analyzing AI Agent Performance on Small-Molecule Preclinical Pharmacology
Hannah Le et al.
cs.AI cs.LG
本文提出了TxBench-PP基准，用于评估AI agent在临床前药理学任务中的表现，包含100个基于真实实验数据的评估任务。实验表明，最强的模型配置（Claude Opus 4.8 / Pi）仅通过59.3%的端点尝试，说明当前AI agent在该领域表现有限。
X+Slides: Benchmarking Audience-Conditioned Slide Generation
Haodong Chen et al.
cs.AI
本文提出了X+Slides基准，用于评估面向受众的幻灯片自动生成，通过动态评估框架和四个互补指标衡量生成内容对受众信息的覆盖与正确性。实验表明现有系统虽能恢复部分受众关键信息，但视觉质量与主题覆盖不能替代基于源文档的评估。
NeSyCat Torch: A Differentiable Tensor Implementation of Categorical Semantics for Neurosymbolic Learning
Daniel Romero Schellhorn, Till Mossakowski, Björn Gehrke
cs.AI cs.LG cs.LO math.CT math.LO +1
本文提出NeSyCat Torch，通过monad（单子）和tensor（张量）实现神经符号学习的categorical semantics（范畴语义），将经典、模糊、概率和神经系统的真值定义统一在一个参数化框架下。该方法在MNIST加法任务上优于LTN和DeepProbLog，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention无直接关联。
Rethinking Reward Supervision: Rubric-Conditioned Self-Distillation
Siyi Gu et al.
cs.AI cs.CL
本文提出Rubric-Conditioned Self-Distillation框架，通过引入结构化评分标准(rubric)作为细粒度反馈，指导teacher模型为学生模型的采样轨迹提供token级指导，从而避免单一参考推理链的噪声问题。实验表明该方法在科学推理基准上优于GRPO和OPSD，但未涉及代码、谱方法或预训练等关键词相关领域。

cs.IR

RankGraph-2: Lifecycle Co-Design for Billion-Node Graph Learning in Recommendation
Renzhi Wu et al.
cs.IR cs.AI
本文提出了RankGraph-2框架，通过协同设计图构建、表示学习和实时服务三个生命周期阶段，解决了十亿节点规模下基于图的检索问题。该框架利用子采样、个性化PageRank和残差量化聚类索引等技术，在降低计算成本的同时提升了召回率。
SHIFT: Semantic Harmonization via Index-side Feature Transformation for Multilingual Information Retrieval
Youngjoon Jang et al.
cs.IR cs.AI
本文提出了一种名为SHIFT的无训练方法，通过在索引阶段从document embeddings中减去一个基于平行翻译对估计的相对语言向量，来校正多语言稠密检索模型中的语言偏好偏差，从而提升多语言信息检索性能。该方法在多个基准测试上验证了有效性，但未涉及代码、谱方法或注意力机制等关键词相关技术。
Rescaling MLM-Head for Neural Sparse Retrieval
Youngjoon Jang et al.
cs.IR cs.AI
本文发现，在SPLADE等稀疏检索模型中，直接使用MLM-head输出构建稀疏词汇表示时，若backbone的MLM-head具有较大的L2范数，会导致训练不稳定甚至崩溃。作者提出一种简单的初始化修正方法，通过常数因子重新缩放MLM-head投影，在不改变模型架构或训练目标的情况下提升了训练稳定性。
LensKit-Auto
Max Breit et al.
cs.IR
本文介绍了LensKit-Auto框架的更新版本，该框架用于自动为给定数据集选择推荐系统算法和超参数组合。主要贡献包括更新底层LensKit库支持、添加Tree Parzen Estimator优化方法、支持算法复用和可视化优化过程，并适配了元学习框架以生成元数据集。
SAERec: Constructing Fine-grained Interpretable Intents Priors via Sparse Autoencoders for Recommendation
Jiangnan Xia et al.
cs.IR cs.AI
本文提出SAERec方法，利用sparse autoencoder从large language models的文本嵌入中提取细粒度可解释的intent先验，并通过multi-branch attention机制将其融入序列建模以改进推荐系统。该方法在公开数据集上优于现有基线，但主要贡献在于推荐领域的intent建模，与关键词列表中的概念关联较弱。
Querit-Reranker: Training Compact Multilingual Rerankers via Efficient Label-Free Distribution Adaptation
Yunfei Zhong et al.
cs.IR
本文提出Querit-Reranker，一种通过无标签分布适应训练紧凑型多语言reranker的方法，使用teacher分数作为连续软标签进行合成查询挖掘，并通过球面线性插值合并检查点。实验表明该方法在BEIR和MIRACL等基准上提升了排序性能，但方法本身在关键词相关领域（如code, spectral, Muon, agent, attention）缺乏显著创新或关联。

cs.CL

SproutRAG: Attention-Guided Tree Search with Progressive Embeddings for Long-Document RAG ⭐ 精选
Amirhossein Abaskohi et al.
cs.CL cs.IR
SproutRAG提出了一种基于attention引导的层次化RAG框架，通过学习句子间的attention来构建二值分块树（binary chunking tree），将句子级块组织为逐渐增大但语义连贯的单元。该方法在检索时使用层次化beam search从多个粒度获取候选，无需额外LLM调用或压缩摘要，实现了多粒度检索。实验表明，SproutRAG在科学、法律和开放域基准上平均提升信息效率6.1%，其核心创新在于利用attention结构自动学习文档的语义层次，与关键词"attention"高度契合。
CoreMem: Riemannian Retrieval and Fisher-Guided Distillation for Long-Term Memory in Dialogue Agents ⭐ 精选
Jiaqi Chen et al.
cs.CL
本文提出CoreMem，一种基于information geometry（信息几何）的长期记忆架构，用于解决对话agent在边缘设备上的记忆与计算瓶颈。其核心创新包括：用Riemannian retrieval（黎曼检索）替代传统的cosine similarity，通过Fisher-Rao metric（Fisher-Rao度量）和Mahalanobis distance（马氏距离）配合\(O(Ndr)\) Woodbury加速来缓解高维检索中的hubness问题；以及Fisher-guided discrete token distillation（FDTD），利用Fisher information trace（Fisher信息迹）推导敏感度分数，实现从句子到token的分层压缩，并显式保护句法结构。该方法在LOCOMO和LongMemEval-S基准上取得了显著提升，并能在8 GB VRAM的严格预算下运行，为资源受限设备上的agent提供了理论统一的长时记忆方案。
Beyond Reward Engineering: A Data Recipe for Long-Context Reinforcement Learning ⭐ 精选
Xiaoyue Xu et al.
cs.CL cs.AI
本文提出了一种数据驱动的长上下文强化学习方案，通过构建包含检索、多证据合成和推理三类任务的约14K样本数据集，配合基于结果的GRPO（Group Relative Policy Optimization）设置，显著提升了模型的长上下文推理能力。实验在Qwen3系列模型上验证了该方法在七个长上下文基准上的平均提升，并展示了其向agentic任务（如GAIA和BrowseComp）的迁移能力。该工作与关键词中的"context"和"agent"高度契合，为长上下文RL训练提供了简洁有效的数据配方。
GraphPO: Graph-based Policy Optimization for Reasoning Models ⭐ 精选
Yuliang Zhan et al.
cs.CL
本文提出GraphPO (Graph-based Policy Optimization)，一种基于有向无环图 (directed acyclic graph) 的强化学习框架，用于优化大型推理模型 (large reasoning models)。该方法将rollout表示为图，其中节点为语义状态 (semantic states)，边为推理步骤，通过合并语义等价的推理路径为等价类 (equivalence classes) 来共享后缀并减少冗余探索，同时为边分配效率优势 (efficiency advantages) 和正确性优势 (correctness advantages) 以从最终结果中推导过程监督。理论分析表明GraphPO能降低advantage估计的方差并提升推理效率，实验证明其在相同token预算下优于基于链和树的基线方法。
Enhancing Decision-Making with Large Language Models through Multi-Agent Fictitious Play ⭐ 精选
Leyang Shen et al.
cs.CL cs.MA
本文提出Multi-Agent Fictitious Play (MAFP)范式，用于解决基于Large Language Model (LLM)的多智能体系统在决策任务中面临的“立场纠缠”问题。该方法将利益相关者的立场建模为agent，并基于博弈论中的fictitious play原理，通过让每个agent对其他agent历史决策的经验混合做出最优反应来迭代更新决策。实验表明，MAFP在竞争性策略决策任务中，在锦标赛强度和鲁棒性两个指标上均优于单轮和多轮基线方法，有效提升了决策质量。该工作与关键词“agent”高度契合，并为多智能体决策提供了具有开创性的博弈论框架。
Continuous Audio Thinking for Large Audio Language Models
Gyojin Han et al.
cs.CL cs.AI cs.SD eess.AS
本文提出Continuous Audio Thinking (CoAT)框架，通过引入连续latent workspace来组织acoustic信息，并利用audio experts的distillation来增强Large Audio Language Models (LALMs)的音频理解能力。该方法在多个benchmark上提升了性能，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
Redact or Keep? A Fully Local AI Cascade for Educational Dialogue De-Identification
Haocheng Zhang et al.
cs.CL cs.AI
本文提出了一种完全本地的级联框架，用于教育对话中的去标识化，通过召回优先的联合提议器和上下文感知的审查器，将开放式的实体识别转化为受限的隐私分类问题。实验表明，该框架在数学辅导对话数据上优于同系列LLM基线和商业API，且完全在单台笔记本电脑上运行。
Want Better Synthetic Data? Steer It: Activation Steering for Low-Resource Language Generation
Jan Cegin et al.
cs.CL
本文研究了activation steering方法用于低资源语言的合成数据生成，通过Language Steering和Quality Steering两种策略提升生成数据的多样性，并在多个LLM和语言上验证了其有效性。
JetFlow: Breaking the Scaling Ceiling of Speculative Decoding with Parallel Tree Drafting
Lanxiang Hu et al.
cs.CL
本文提出JetFlow，一种基于head的speculative decoding框架，通过训练一个causal parallel draft head来生成与目标模型自回归分解一致的候选树，从而在保持单次前向传播效率的同时实现分支级因果条件化。该方法旨在突破speculative decoding中因draft budget增加而导致的加速瓶颈，并在多个基准测试上取得了显著加速效果。
VISUALSKILL: Multimodal Skills for Computer-Use Agents
Ziyan Jiang et al.
cs.CL
本文提出VISUALSKILL，一种为计算机使用agent设计的层次化多模态技能库，通过结合文档和UI探索构建技能，并在CUA基准测试中相比纯文本技能基线提升了8.3个绝对百分点，验证了保留视觉信息对agent识别UI元素和验证工作流状态的有效性。
LLM Parameters for Math Across Languages: Shared or Separate?
Behzad Shomali et al.
cs.CL
本文通过跨语言机制分析，发现大语言模型在数学推理中涉及的参数存在部分跨语言重叠，且主要集中在中间层，英语参数集最大而低资源语言较小，表明数学相关行为既非完全语言不变也非完全语言特定。
Montreal Forced Aligner and the state of speech-to-text alignment in 2026
Michael McAuliffe et al.
cs.CL
本文介绍了Montreal Forced Aligner (MFA) 3.0版本自1.0以来的发展，包括多语言覆盖、IPA词典和模型适配等改进。实验表明，MFA 3.0在英语、日语和韩语的基准测试中达到了接近最优的性能，平均边界误差低于15毫秒。
Possible or Definite? A Benchmark for Evaluating Diagnostic Uncertainty Preservation in Clinical Text
Hongbo Du, Zixin Lu, Jiaming Qu
cs.CL
本文构建了一个包含1,200份临床文档和9,184个不确定性标注的benchmark，评估了三个LLM在临床文本中保留诊断不确定性（如"possible pneumonia"）的能力。结果表明LLM在保留原始不确定性线索方面表现不佳，且难以区分相邻不确定性级别。
PreUnlearn: Auditing Collateral Knowledge Damage Before Large Language Model Unlearning
Bo Su, Ankit Shah, Thai Le
cs.CL
本文从数据视角研究LLM unlearning中知识遗忘的副作用传播规律，发现遗忘集对同域和远域知识的损害随语义距离衰减但不会消失，并提出在unlearning执行前通过遗忘集与评估集的交互特征来审计潜在损害。
Towards Scalable Customization and Deployment of Multi-Agent Systems for Enterprise Applications
Paresh Dashore et al.
cs.CL
本文提出一个两阶段框架，用于多智能体系统在企业应用中的定制化与高效部署。第一阶段通过持续预训练和监督微调进行领域适配，第二阶段利用推测解码和FP8量化实现推理加速，在保持性能的同时提升了吞吐量。
MCompassRAG: Topic Metadata as a Semantic Compass for Paragraph-Level Retrieval
Amirhossein Abaskohi et al.
cs.CL cs.IR
本文提出MCompassRAG框架，通过将topic metadata（主题元数据）嵌入到chunk（文本块）表示中，并利用LLM-teacher distillation（大语言模型教师蒸馏）训练轻量级检索器，以解决RAG系统中细粒度chunk检索精度与效率的权衡问题。实验表明该方法在多个基准上提升了信息效率并降低了延迟。
Speech-Driven End-to-End Language Discrimination towards Chinese Dialects
Fan Xu et al.
cs.CL
本文探索了基于语音驱动的特征（如MFCC）用于中文方言区分，设计了一个结合HMM-DNN和CNN的端到端模型，并引入attention机制提取判别性词汇。实验表明该方法在细粒度方言区分上优于现有技术。
Dual Dimensionality for Local and Global Attention
Zhiyuan Wang et al.
cs.CL cs.AI
本文提出Distance-Adaptive Representation (DAR)方法，在Decoder-only Transformer中为局部token保留全维度表示，为远距离token分配降维表示（如1/4维度），以降低KV cache开销。实验表明该方法在多个规模上匹配全维度基线性能，挑战了key/value维度需统一的假设。
Low-resource Language Discrimination Towards Chinese Dialects with Transfer learning and Data Augmentation
Fan Xu et al.
cs.CL
本文提出了一种结合迁移学习和数据增强的汉语方言识别框架CDDTLDA，通过预训练ASR模型和音频扰动增强方法解决低资源问题，实验表明其性能优于现有方法。
Steerable Cultural Preference Optimization of Reward Models
Minsik Oh et al.
cs.CL cs.AI
本文提出了一种名为SCPO的reward model训练算法，旨在平衡地融入不同文化子社区的偏好，通过加权方法缓解对特定群体的过度偏见，并在PRISM和GlobalOpinionQA数据集上提升了少数群体偏好的预测性能。
Are LLMs Ready to Assist Physicians? PhysAssistBench for Interactive Doctor-Patient-EHR Assistance
Tianming Du et al.
cs.CL cs.AI
本文提出了PhysAssistBench基准，用于评估医疗LLM在医生-患者-EHR系统交互中的辅助能力。实验表明，当前模型在此场景下仍不可靠，需要协调知识、沟通和系统能力。
BCL: Bayesian In-Context Learning Framework for Information Extraction
Haoliang Liu et al.
cs.CL cs.AI
本文提出了BCL框架，利用Bayesian更新和particle filtering来优化信息抽取任务中的in-context learning，通过初始化、观测、权重更新和重采样四个步骤提升标签表示。实验表明该方法在序列标注和关系分类任务上优于现有方法。
PragReST: Self-Reinforcing Counterfactual Reasoning for Pragmatic Language Understanding
Jihyung Park et al.
cs.CL
本文提出PragReST框架，通过自监督方式生成counterfactual reasoning（反事实推理）数据并训练LLM，以提升其在pragmatic language understanding（语用语言理解）任务上的表现，无需人工标注或教师模型蒸馏。实验表明该方法在多个基准上优于基线模型，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）无直接契合。
PEC-Home: Interpretation of Progressively Elliptical Commands in Smart Homes
Yingyu Shan et al.
cs.CL cs.AI
本文针对智能家居场景中用户指令逐渐省略的问题，构建了首个模拟家庭数据集PEC-Home，并实验证明现有LLM助手在仅凭省略指令时难以准确执行用户意图。
The Wrong Kind of Right: Quantifying and Localizing Misfired Alignment in LLMs
Naihao Deng et al.
cs.CL
本文研究了大型语言模型（LLMs）中由alignment（对齐）引起的“误触发”失败模式，即模型因安全导向行为而拒绝基于上下文的合理结论。作者提出了VETO基准和Misfired Alignment Rate (MAR)指标来量化该现象，并发现所有测试模型均存在非零的MAR，而人类参与者为0%。该工作主要关注LLM的安全对齐问题，与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
RegMix-D: Dynamic Data Mixing via Proxy Training Trajectories
Kaiyan Zhao et al.
cs.CL
本文提出RegMix-D，通过利用proxy training trajectories（代理训练轨迹）中的loss trajectories来动态调整data mixture（数据混合），是对RegMix方法的简单扩展。实验表明，该方法在多个下游任务上优于静态混合方法，且计算效率更高。
TW-LegalBench: Measuring Taiwanese Legal Understanding
Fei-Yueh Chen et al.
cs.CL cs.AI cs.IR
TW-LegalBench是一个针对台湾法律体系的大型语言模型评估基准，包含多项选择题、开放式问答题和法律判决预测任务。评估结果显示，顶尖模型在资格考试中接近人类水平，但在精确引用法律条文等生成任务上仍有困难。
LLMs Struggle to Measure What Distinguishes Students of Different Proficiency Levels: A Study of Item Discrimination in Reading Comprehension Assessment
Han Chen et al.
cs.CL
本文评估了42个LLM在零样本设置下对阅读理解评估中题目区分度（item discrimination）的捕捉能力，发现直接预测与人类校准的区分度相关性很弱（Spearman相关系数仅0.152），基于CTT的响应校准方法也仅达到0.241，表明当前LLM尚不能可靠地衡量题目如何区分不同水平的学生。
Morpheus: A Morphology-Aware Neural Tokenizer and Word Embedder for Turkish
Tolga Şakar
cs.CL cs.AI
本文提出了一种针对土耳其语的形态感知神经分词器Morpheus，它通过可微的Poisson-binomial动态规划将字符级边界概率转化为软语素隶属度，实现了无损编码与解码。在可逆分词器中，Morpheus达到了最低的bits-per-character，并在形态对齐任务上显著优于子词方法，但作为嵌入器时在上下文依赖任务上仍不及重型上下文编码器。
LegalWorld: A Life-Cycle Interactive Environment for Legal Agents
Songhan Zuo et al.
cs.CL
本文提出了LegalWorld，一个用于模拟中国民事诉讼全生命周期交互环境的法律agent系统，通过将诉讼过程建模为因果关联的状态链，并构建了LongJud-Bench基准来评估agent在多个连续阶段的能力。
Output Vector Editing for Memorization Mitigation in Large Language Models
Ahmad Dawar Hakimi et al.
cs.CL
本文提出了一种针对大型语言模型的输出向量编辑方法，通过约束优化修改少量MLP神经元的输出向量来抑制记忆序列，在OLMo-7B上实现了高达87.9%的抑制率，并分析了编辑模式与注意力机制的互补作用。
Lost in a Single Vector: Improving Long-Document Retrieval with Chunk Evidence Aggregation
Shanshan Lyu et al.
cs.CL
本文研究了长文档检索中单向量编码导致的关键证据被稀释的问题，提出了一种无需训练的方法DICE，通过将文档分块独立编码再聚合为单一向量来保留证据强度。实验表明该方法在长文本检索任务上显著优于基线。
RedactionBench
Sean Brynjólfsson et al.
cs.CL cs.AI
本文提出了RedactionBench基准，包含200份跨11个领域的手工标注文档，并引入R-Score指标来评估上下文敏感的个人身份信息(PII)脱敏效果。实验表明，现有模型在上下文脱敏任务上表现不佳，且人类标注者在上下文隐私判断上存在显著分歧。
Beyond Scalar Scores: Exploring LLM-based Metrics for Clinical Significance Evaluation in Radiology Reports
Qingyu Lu et al.
cs.CL
本文研究了使用LLM评估放射学报告临床意义的方法，发现现有指标存在区分偏差问题，并通过合成数据训练轻量级可解释指标来改善性能。
ScholarSum: Student-Teacher Abstractive Summarization via Knowledge Graph Reasoning and Reflective Refinement
Bohou Zhang et al.
cs.CL cs.IR
本文提出ScholarSum框架，通过构建层次化knowledge graph并模拟学生-教师写作过程，实现科学文献的抽象式摘要生成。该方法在流畅性和事实一致性上优于现有baseline。
Aligning Implied Statements for Implicit Hate Speech Generalizability with Context-Bounded Semi-hard Negative Mining
Wicaksono Leksono Muhamad, Yunita Sari
cs.CL cs.AI
本文提出ImpSH框架，通过将帖子与隐含陈述对齐并使用上下文约束的半困难负样本挖掘来改进隐式仇恨言论分类。实验表明该方法在跨域泛化上优于传统监督对比学习基线，但方法本身并非开创性突破。
Approximate Structured Diffusion for Sequence Labelling
Nicolas Floquet, Joseph Le Roux, Nadi Tomeh
cs.CL cs.LG
本文提出了一种利用diffusion过程训练Conditional Random Field (CRF)的方法，通过将条件置于标签序列的噪声版本上，以扩展传统CRF的有限决策跨度。实验表明，该方法结合近似CRF推理，在词性标注任务上实现了16.5%的错误率降低。
Efficient Financial Language Understanding via Distillation with Synthetic Data
Wen-Fong, Huang, Edwin Simpson
cs.CL
本文提出了一种通过合成数据蒸馏实现高效金融语言理解的框架，利用聚类种子选择生成代表性合成样本，使紧凑模型在低资源条件下达到强性能。该方法主要关注金融情感分析，与关键词中的概念无直接关联。
Improving Medical Communication using Rubric-Guided Counterfactual Recommendations
Adrian Cosma et al.
cs.CL
本文提出了一种基于LM的反事实推荐流程，用于改进医患文本沟通中的可解释特征（如语气、个性化等），并通过独立审计模型验证了推荐的有效性。该方法与关键词中的“attention”或“agent”等概念关联较弱。
Learning Robust Pair Confidence for Multimodal Emotion-Cause Pair Extraction
Zhuangzhuang Pan et al.
cs.CL
本文提出RPCL框架，通过置信度差约束和上下文扰动对齐来增强多模态情感-原因对提取中候选对的鲁棒性，在多个数据集上提升了Pair F1和AUPRC指标。该方法主要关注训练策略改进，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念关联较弱。
SAGE: Stochastic Prompt Optimization via Agent-Guided Exploration
Ziyi Zhu et al.
cs.CL
本文提出了一个名为SPO的随机提示优化框架，并比较了包括基于agent的SAGE在内的三种策略。实验表明，没有单一策略占优，其有效性取决于问题结构，但SAGE在心理健康聊天机器人上通过连续优化取得了统计显著的改进。
As Easy as Rocket Science: Assessing the Ability of Large Language Models to Interpret Negation in Figurative Language
Jasmine Owers, Edwin Simpson, Martha Lewis
cs.CL cs.AI
本文研究了大型语言模型在比喻性语言中理解否定表达的能力，通过构建新的标注数据集并测试多种模型，发现否定与比喻性的结合对模型构成特殊挑战，且性能高度依赖于提示风格。
SenFlow: Inter-Sentence Flow Modeling for AI-Generated Text Detection in Hybrid Documents
Jingkun Luo et al.
cs.CL
本文针对混合文档中句子级AI生成文本检测问题，构建了包含DeepSeek-V3.2和Kimi K2生成数据的MOSAIC基准，并提出了SenFlow模型，该模型通过图传播和线性链CRF解码在文档级别进行结构化预测，在跨域迁移任务上取得了平均+4.15个百分点的Macro-F1提升。
Beyond Tokenization: Direct Timestep Embedding and Contrastive Alignment for Time-Series Question Answering
Yafeng Wu et al.
cs.CL cs.AI
本文提出CADE框架，通过直接timestep embedding和one-directional supervised contrastive loss，将时间序列映射到LLM embedding空间，以解决tokenization瓶颈和语义对齐问题。实验在Time-MQA基准上提升了TSQA任务性能。
G-IdiomAlign: A Gloss-Pivoted Benchmark for Cross-Lingual Idiom Alignment
Fengying Ye et al.
cs.CL cs.AI
本文提出了G-IdiomAlign基准，通过gloss（英语释义）锚定习语，并设计了多选题等价性和gloss对比生成两种协议来评估大语言模型的跨语言习语对齐能力。实验发现模型存在字面翻译偏差，gloss能改善生成但效果有限，且注意力头比层对条件差异更敏感。
Enhancing Multilingual Reasoning via Steerable Model Merging
Zhuoran Li et al.
cs.CL
本文提出了一种名为Steerable Model Merging (ST-Merge)的框架，通过引入gated cross-attention机制来动态调节多语言模型与推理模型在合并时的贡献权重，以解决单一合并策略导致的模型冲突问题。实验表明，该方法在21种语言的多语言推理任务上优于多个强基线。
Sumi: Open Uniform Diffusion Language Model from Scratch
Mengyu Ye et al.
cs.CL cs.LG
本文介绍了Sumi，一个从零开始预训练的7B参数uniform diffusion language model (UDLM)，在1.5T tokens上训练，性能与同规模autoregressive model在知识和推理任务上相当，但在常识任务上表现较弱。该工作为社区提供了首个大规模开源UDLM参考点。
Which Sections of a Research Paper Best Reveal Its Research Methods? Evidence from Library and Information Science
Qiuyu Fang, Jiayi Hao, Chengzhi Zhang
cs.CL cs.DL cs.IR
本文通过将论文全文按物理位置分段，评估了不同段落组合在研究方法自动多标签分类中的表现，发现中后段和末尾段包含更多方法信息，并结合元数据可提升分类性能。
Leadership as Coordination Control: Behavioral Signatures and the Recovery-Advantage Boundary in Multi-Agent LLM Teams
Haewoon Kwak
cs.CL cs.AI cs.MA
本文研究了多智能体LLM团队中过程级协调控制（leadership）的有效性边界，通过行为签名（如多数锁定、探索、恢复）和逐动作消融实验，发现理论驱动的控制器仅在特定条件下（如初始多数不可靠、任务可恢复且无向交互无法修复时）优于基线，验证了权变理论（contingency theory）的预测。
Dango: A Strictly L1-Only Large Language Model for Studying Second Language Acquisition
Shiho Matta et al.
cs.CL
本文提出了一个1.8B参数的LLM Dango，用于研究第二语言习得中的L1到L2迁移，通过过滤预训练语料中的L2污染并微调于LLM生成的课程，模拟了人类L2产出模式。该工作主要聚焦于语言习得领域，与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention关联度较低。
Language Models as Interfaces, Not Oracles: A Hybrid LLM-ML System for Pediatric Appendicitis
Soheyl Bateni, Maryam Abdolali
cs.CL cs.AI
本文提出ClaMPAPP混合系统，使用LLM作为接口从临床叙述中提取特征，再交由XGBoost分类器进行诊断预测，在儿科阑尾炎数据集上优于端到端LLM方法。该方法分离了自然语言处理与预测推理，提升了稳定性和可审计性。
RECOM: A Validity Discrimination Tradeoff in Automatic Metrics for Open Ended Reddit Question Answering
Pushwitha Krishnappa et al.
cs.CL
本文提出了RECOM数据集，用于评估自动指标在开放式Reddit问答中的有效性（区分真实与随机回答）和判别力（区分不同模型），发现两者存在权衡，并建议在报告指标时同时考虑这两个维度。
DreamReasoner-8B: Block-Size Curriculum Learning for Diffusion Reasoning Models
Zirui Wu et al.
cs.CL
本文研究了block diffusion language model在长链推理任务中的表现，发现训练时使用大block size会导致推理性能差，而小block size则能保持有效推理。为此，作者提出block-size curriculum learning方法，从细粒度到粗粒度逐步训练，使DreamReasoner-8B在数学和代码推理基准上达到与Qwen3-8B相当的水平。
Trade-offs in Medical LLM Adaptation: An Empirical Study in French QA
Ikram Belmadani et al.
cs.CL cs.AI
本文以法语医学QA为案例，研究了continual pretraining (CPT)和supervised fine-tuning (SFT)在LLM领域适应中的效果，发现CPT+SFT在多项选择任务上表现最佳但优势不显著，而SFT是成本效益较高的默认选择。
Freeing the Law with LOCUS: A Local Ordinance Corpus for the United States
Denis Peskoff et al.
cs.CL cs.CY cs.LG
本文介绍了LOCUS，一个包含美国9,239个城市和县的地方条例代码的语料库，并利用OCR处理了多种文档格式。该工作为法律AI研究提供了大规模可访问的本地法律文本资源，但方法上未涉及关键词中的spectral、Muon或attention等概念。
Learning User Simulators with Turing Rewards
Yingshan Susan Wang et al.
cs.CL
本文提出Turing-RL方法，使用基于Turing Test的强化学习训练user simulator模型，通过判别性奖励使生成响应与真实用户难以区分。实验表明该方法在对话和论坛讨论任务上优于传统基于响应匹配的基线方法。

cs.DS

On (Non-)Isomorphism of Self-Dual Lattices and Codes
Huck Bennett, Kyle Fridberg
cs.DS cs.CC
本文研究了自对偶格上的格同构问题(LIP)，提出了一个\(2^{n/2 + o(n)}\)时间的随机算法和一个\(\mathsf{coNP}\)协议，并利用自对偶格的特征向量等结构性质将相关结果从\(\mathbb{Z}^n\)格推广到更一般的自对偶格。此外，文章还观察到类似的结构性质可用于自对偶码上的置换码等价问题(PCE)，并给出了一个多项式时间算法。
Fair Online Resource Allocation
Christopher En et al.
cs.DS cs.GT cs.LG math.OC
本文研究公平在线资源分配问题，提出一个在资源约束和Lipschitz公平性要求下最大化整体福利的模型，并基于dual mirror descent设计在线算法，证明其相对于离线fluid benchmark的sublinear regret。
Compact multi-text index for circular Cartesian tree matching
Roman Pauli, Eric Osterkamp, Dominik Köppl
cs.DS
本文实现了基于Cartesian Extended Burrows-Wheeler Transform (ceBWT)的索引结构，用于Cartesian tree matching (CTM)模式匹配，并提供了动态可扩展和静态压缩两种索引变体。
Learning Augmented Exact Exponential Algorithms
Tatiana Belova, Yuriy Dementiev, Danil Sagunov
cs.DS cs.LG
本文探讨了机器学习预测如何改进NP-hard问题的精确指数时间算法，提出了一种通用方法，通过仅略优于随机猜测的噪声预测器来减少搜索空间，并证明运行时间加速与预测质量平滑相关。该方法仅需预测的成对独立性或无需知道预测器精度，比通常假设更弱且更现实。
Tractable Gap-Constraint Languages for Complex Event Recognition
Antoine Amarilli et al.
cs.DS cs.DB cs.FL
本文研究了带gap-constraint的子序列匹配问题，该问题在复杂事件识别（CER）中有应用。作者提出了一种在\(O(|D|(|u|+|C|))\)时间内解决该问题的算法，其前提是gap-constraint语言满足左凸性（left-convexity）性质，例如长度约束。该工作主要关注计算复杂性，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等主题无直接关联。
Guarded Epoch Bloom Filters for Sliding-Window Membership
Faruk Alpay, Levent Sarioglu
cs.DS
本文提出了一种Guarded Epoch Bloom Filters结构，通过将固定bit预算划分为旋转的epoch并引入一个额外的guard epoch，解决了滑动窗口近似成员查询问题。该结构保证了最近W个位置的插入项被确定性覆盖，同时将过期项保留限制在目标窗口外的一个epoch内，并给出了false-positive概率的近似估计。

others

Simulating Hate Speech Cascades with Multi-LLM Agents: Empirical Grounding, Modeling Fidelity, and Intervention Strategies ⭐ 精选
Fan Huang
cs.SI cs.AI cs.CL
本文提出了一种基于多LLM agent的模拟框架，用于忠实建模在线平台上的仇恨言论传播级联。通过对比真实Bluesky数据与经典级联模型，作者发现多agent系统能更准确地复现仇恨级联中的立场单一性（stance monoculture）和毒性同质性（toxicity-engagement homophily）等关键特征。实验表明，agent异质性（agent heterogeneity）是影响模拟保真度的首要因素，且针对密集网络的放大器干预策略（amplifier targeting）可在仅5.7%良性误伤下实现7.5-12.9%的级联规模缩减。该工作为仇恨内容传播的实证建模与干预策略设计提供了新范式，与关键词“agent”高度契合。
Starter-Iterator Neural Operator: A Unified Architecture for High-Fidelity Forward and Inverse PDE Problems ⭐ 精选
Kuilin Qin et al.
math.NA cs.LG
本文提出Starter-Iterator Neural Operator (SINO)，一种用于高保真正向和逆PDE问题求解的统一架构。该方法通过神经网络重新诠释传统迭代方法的初始化策略与迭代格式，建立了谱-时空协同建模的高效框架：频域初始化模块捕获全局稳定的低频特征，时域学习模块专注于优化局部解残差，从而克服了传统单域建模的局限性。在Navier-Stokes方程、声波方程等典型动力系统以及超分辨率成像和天气预报等实际应用中，SINO在数值精度、泛化能力和鲁棒性方面均表现出色。该工作与关键词中的spectral（谱方法）高度契合，且其架构设计在算子学习领域具有开创性。
Agentra: A Supervisable Multi-Agent Framework for Enterprise Intrusion Response ⭐ 精选
Raj Patel et al.
cs.CR cs.AI
Agentra提出了一种可监督的多智能体入侵响应框架，将来自IDS、EDR和XDR平台的告警转化为基于MITRE ATT&CK等标准的结构化响应计划。该框架通过角色限定的智能体分解响应推理，并利用Planner-Validator循环验证计划，同时通过Moderator安全网关筛选威胁情报，最终通过Action Catalog和风险评分控制动作执行。实验表明，该多智能体方法在120事件语料库上将FP-aware IRS F1从0.61提升至0.84，并将有害动作率恢复至静态基线水平，为agent驱动的网络安全响应提供了可审计的解决方案。
SafeClawBench: Separating Semantic, Audit-Evidence, and Sandbox Harm in Tool-Using LLM Agents ⭐ 精选
Yuchuan Tian et al.
cs.CR cs.AI
SafeClawBench提出了一个针对工具使用型LLM agent安全性的分阶段评估框架，将传统单一的attack success rate拆解为三个独立端点：semantic attack acceptance（语义攻击接受）、audit-visible harm evidence（审计可见的危害证据）和sandbox-observed tool/state harm（沙箱观察到的工具/状态危害）。该工作通过600个对抗性任务覆盖六类攻击家族（如direct/indirect prompt injection、memory poisoning等），并发现不同端点能捕获不同的失败模式，例如在12000行匹配分析中，347个沙箱危害中有291个通过了语义检查。这一方法为agent安全评估提供了更精细的区分标准，与关键词“agent”高度契合，且其分阶段评估思路在工具使用agent安全领域具有开创性。
Toward Simultaneously Optimal Regret in U-Calibration ⭐ 精选
Rafael Frongillo et al.
stat.ML cs.LG
本文提出了一种新的在线预测算法，通过将扰动直接应用于预测空间并使用self-concordant noise，实现了对任意有界proper loss的\(\tilde O(\sqrt{T})\) regret和对任意有界光滑proper loss的\(O(\log T)\) regret。该算法基于一种新颖的Follow-the-Perturbed-Leader (FTPL)变体，其分析因噪声的复杂性质而显著不同于先前的FTPL分析。这项工作解决了U-calibration中现有算法无法适应更简单损失函数（如squared loss）的局限性，为该领域提供了同时最优的regret保证。
Code-Augur: Agentic Vulnerability Detection via Specification Inference ⭐ 精选
Zhengxiong Luo et al.
cs.CR cs.AI cs.SE
本文提出了一种名为Code-Augur的agentic vulnerability detection框架，其核心创新在于采用security-specification-first范式：当LLM agent判定某段代码安全时，它会将推理过程中隐含的局部不变量（local invariants）显式化为in-source assertions，并利用guided fuzzer对这些假设进行运行时证伪（runtime falsification）。该方法通过agent与fuzzer的迭代交互，既能在fuzzer触发断言时发现真实漏洞，也能在断言被违反时修正agent对代码意图的理解，从而将agent的code理解与实际行为对齐。在真实世界代码库上的实验表明，Code-Augur比现有最先进的agent检测到更多漏洞，并在关键开源项目中发现了22个新漏洞，其有效性建立在Sonnet和DeepSeek等广泛可用的LLM之上，而非依赖特定专有模型。
TRAP: Benchmark for Task-completion and Resistance to Active Privacy-extraction ⭐ 精选
Moon Ye-Bin et al.
cs.CR cs.AI
本文提出了TRAP基准测试，用于评估AI agent在文档密集型任务中平衡任务完成与隐私保护的能力。研究发现，所有模型家族都存在显著的隐私泄露，且指令遵循能力与泄露率正相关。作者从理论上证明了对于任何基于softmax的模型，基于prompt的软约束防御无法同时实现高任务成功率和零泄露概率。为此，他们提出了结构化的私有字段隔离方法，在模型处理前用哈希键替换私有字段，从而在保持任务准确性的同时有效防止隐私泄露。
AdsMind: A Physics-Grounded Multi-Agent System for Self-Correcting Discovery of Adsorption Configurations on Heterogeneous Catalyst Surfaces ⭐ 精选
Zongmin Zhang et al.
cond-mat.mtrl-sci cs.AI
AdsMind提出了一种基于物理反馈的多智能体闭环框架，用于自主发现异质催化剂表面上的最低能量吸附构型。该方法通过机器学习力场（MLFF）的弛豫反馈机制纠正大型语言模型（LLM）智能体的初始错误猜测，从而在无需穷举搜索的情况下高效定位稳定构型。在AA20和OCD-GMAE62基准测试中，AdsMind实现了100%和98.8%的成功率，且每次案例仅需约4次MLFF弛豫，相比启发式枚举基线降低了14倍计算成本。该工作为agent驱动的自主化学工作流提供了可靠且可解释的范式，尤其解决了开放循环LLM智能体缺乏物理反馈校正的关键瓶颈。
Data Intelligence Agents: Interpreting, Modeling, and Querying Enterprise Data via Autonomous Coding Agents ⭐ 精选
Anoushka Vyas et al.
cs.MA cs.AI cs.DB
本文提出Data Intelligence Agents (DIA)系统，由三个autonomous coding agents (ACAs)组成，通过生成、执行、验证和修复具体代码工件来压缩企业数据集成工作流。该系统将autonomous coding agents作为一等抽象，并利用共享记忆实现经验复用。在七个SQL基准测试中，DIA的Query Generator在完全自主模式下匹配或超越了所有最佳已发表结果，展示了基于执行和共享记忆的架构在数据智能任务中的泛化能力。该方法与关键词"agent"和"code"高度契合，具有开创性。
Native Active Perception as Reasoning for Omni-Modal Understanding ⭐ 精选
Zhenghao Xing et al.
cs.CV cs.CL cs.SD
本文提出OmniAgent，首个原生全模态agent，将长视频理解形式化为基于POMDP的迭代Observation-Thought-Action循环。通过Agentic Supervised Fine-Tuning和Agentic Reinforcement Learning（含TAURA算法），模型能按需执行动作，将音视频线索选择性蒸馏为持久文本记忆，从而将推理复杂度与原始视频时长解耦。该方法在多个benchmark上达到开源模型最优，且展现出正向test-time scaling特性，为agent驱动的视频理解提供了开创性框架。
Integrating Multi-Label Classification and Generative AI for Scalable Analysis of User Feedback
Sandra Loop et al.
cs.HC cs.AI cs.LG
本文提出了一种结合supervised multi-label classification和generative AI的方法，用于高效处理和分析大规模用户反馈文本，并发现sentiment analysis无法可靠反映产品满意度。
QSignAI: Quantum-Randomness-Seeded Identity Signatures at the Intersection of AI for Science and Science for AI
Dongping Liu, Aoyu Zhang, Luyao Zhang
cs.CR cs.AI cs.ET quant-ph
本文提出了一个名为QSignAI的生产级平台，将量子随机性生成与AI驱动的社交平台结合，通过Toeplitz双源提取器和量子电路为每个参与者生成独特的身份签名。该工作主要展示了系统架构和部署经验，但未提供可量化的基准测试结果。
Predicting the Neutrino Mass Ordering Using Neural Networks
T.J.C. Bezerra et al.
hep-ph cs.LG hep-ex physics.data-an
本文使用前馈神经网络分类器，基于合成长基线数据集训练，用于判断中微子质量顺序（normal vs inverted ordering）。其性能与传统\(\chi^2\)和\(\log\mathcal{L}\)方法相当，可作为现有分析的灵活交叉验证工具。
Dynamic In-Group Persona Generation for Enhancing Human-AI Rapport
Yoonseok Oh et al.
cs.HC cs.AI
本文提出了一种基于LLM的chatbot方法，通过生成与用户共享主要关切但背景细节不同的in-group persona来增强人机rapport，并通过人类实验验证了该方法在提升用户感知rapport和参与度方面的有效性。
From Memorization to Creation: Evaluating the Cognitive Depth of LLM-Generated Educational Questions
Xiaolong Wang et al.
cs.HC cs.AI
本文通过Bloom's Taxonomy框架评估了六种LLMs在教育问题生成中的认知深度，提出了一种细粒度提示策略以减少问题重复性并提升高阶认知输出比例，并引入了CogShift等量化指标分析认知转移强度。该工作主要关注教育内容生成与认知评估，与关键词中的code, spectral, Muon, pretrain, agent, attention等方向无直接关联。
Examining Human-Like Behaviors in LLMs: A Multi-Dimensional Analysis of Model Behaviors, User Factors, and System Prompts
Sunnie S. Y. Kim, Margit Bowler, Leon A Gatys
cs.HC cs.AI
本文对LLMs中类人行为的普遍性、影响和可控性进行了多维度分析，通过LLM-as-a-judge和人工评估，发现类人行为在不同模型和用户因素下存在差异，并探讨了system prompting对其的控制效果。
Caring Without Feeling: Affective Dynamics as the Control Layer of Human-AI Agent Collaboration
Junjie Xu et al.
cs.HC cs.AI
本文综述了情感动态在人机协作中的计算与交互机制，提出将情感视为协调层而非AI内部属性，用于调节信任校准、委托决策和错误修正。该工作整合了情感计算、大语言模型共情与AI安全等碎片化领域，但未直接涉及代码、谱方法或预训练等关键词。
How Well Do Large Language Models Capture Human Personality?
Aanisha Bhattacharyya et al.
cs.HC cs.AI
本文研究了LLM在通过persona prompting模拟人类行为时的局限性，发现增加persona描述的丰富性会导致表征和行为多样性的系统性收缩（称为persona manifold collapse），并指出简单的Age-Gender组合反而比复杂的ICPs表现更好。
Synthetic Resonance: A Framework for Growth-Oriented Human-AI Relationships
Richard A. Fabes
cs.HC cs.AI
本文提出了"synthetic resonance"这一概念框架，用于描述人类与AI系统之间可能产生的有意义关系，强调这种关系无需共享情感或相互意识即可形成。该研究主要关注人机交互的定性描述，与关键词中的数学或技术概念无直接关联。
EMORSION: Examining the Impact of Audio Parameters on Emotional Responses and Immersion in Film
Nelly Garcia et al.
cs.HC cs.AI cs.SD
本文通过实验研究电影音频参数（频率、动态、方向性）对观众情绪和沉浸感的影响，采用问卷、生理测量和运动追踪的多模态方法，发现音频设计的变化能显著影响观众体验。该研究属于探索性概念验证，与关键词中的数学或算法概念无直接关联。
Graph Instance Landscapes: When Structural Similarity Does (Not) Reflect Shortest-Path Performance
Maryam Gholami Shiri et al.
cs.SI cs.LG cs.NE
本文通过将图嵌入到低维structural feature space并聚类，研究了加权Erdos-Renyi图、随机几何图和真实道路网络的结构相似性是否反映最短路径算法的性能。结果表明，结构相似性并不一定意味着性能相似，同一聚类区域内的runtime分布可能存在显著差异。
Towards Multi-Agent-Simulation-Based Community Note Evaluation
Changxi Wen et al.
cs.SI cs.AI
本文提出了MultiCom，一个基于persona的多agent框架，用于模拟社区笔记评估中的评分者群体，并构建了ComRate数据集。该方法通过矩阵分解和agent模拟来预测社区笔记的共识性评分，在评估集上达到了84.7%的平均准确率。
Mitigating Anchoring Bias in LLM-Based Agents for Energy-Efficient 6G Autonomous Networks
Hatim Chergui et al.
cs.NI cs.AI eess.SY
本文研究了6G网络中基于LLM的自主资源协商框架中的锚定偏差问题，提出了一种基于截断三参数Weibull分布的随机锚定策略来缓解该偏差，并证明了双模态约束避免效用定理。实验表明该方法可提升系统能效达25%，但主要聚焦于网络资源分配领域，与关键词中的agent概念有一定关联但创新性有限。
A physical adaptive material motor unit neural network: a hygromorph composite material machine
Charles de Kergariou et al.
cs.ET cond-mat.mtrl-sci cs.LG
本文介绍了一种由木材和碳黑基复合材料制成的物理自适应材料马达单元神经网络，该网络对温度和相对湿度敏感，并用于动态遮阳控制。通过一种新的数据感知反向传播训练方法，该机器能够根据环境数据预测遮阳响应并逐步学习。
IOAH3: Importance-Driven Adaptive Spatial Partitioning
Ehsaneddin Jalilian
stat.AP cs.AI
IOAH3提出了一种基于重要性的自适应空间划分方法，通过多源特征提取和Markov Random Field图割优化来构建数据驱动的空间分区，以解决固定网格划分导致的模化面积单元问题。该方法与关键词中的code、context、spectral、Muon、pretrain、agent、attention均无直接关联。
A Guide to Estimating Conditional Average Treatment Effects in Competing Risks Settings
Daniel Klippert, Sarah Friedrich, Markus Pauly
stat.AP cs.LG stat.ML
本文针对竞争风险场景下的条件平均处理效应(CATE)估计问题，系统比较了六种元学习器(meta-learner)的性能，这些方法结合了Cox回归或随机生存森林等模型，并提供了R包crsurvlearners以方便应用。
A Knowledge Theory of Capital:The Value of Natural and Artificial Intelligence
Jeffrey Gardiner
econ.GN cs.AI econ.TH
本文从Adam Smith的劳动与分工理论出发，提出了一种知识资本理论，将知识承载型stock作为核心对象，分析了其生成、转化、部署与治理过程，并区分了具身、非具身、制度化、公共等知识形式。该工作为理解现代经济中知识作为资本的作用提供了理论框架，但与我提供的关键词（如code, spectral, Muon, pretrain等）关联度较低。
Stochastic Thermodynamics and SDE-based Generative Models
Yaowen Zhang
cond-mat.stat-mech cs.LG eess.SP
本文在随机热力学框架下为基于SDE的生成模型（如diffusion models和Schrödinger bridge）建立了建模框架，给出了功、热和熵产生在轨迹层面的定义，并推广了Jarzynski恒等式。该工作从非平衡统计力学视角提供了对这类模型的理解。
Vibe Coding Ate My Homework: An evaluation of AI approaches to greenfield software engineering and programming
Callum Barbour
cs.SE cs.AI
本文探讨了"vibe coding"（使用自然语言提示进行编程）在greenfield软件工程任务中的可行性，并分析了用于衡量其能力的基准测试。作者开发了一个评估套件，用于分析LLM在Python中执行简单、独立的greenfield编程任务的能力。
Protein-Based Fish Species Identification: Dataset, Models, and Insights from Native Bangladeshi Fish
Md Nasiat Hasan Fahim, Md. Abid Ullah Muhib, Mohammad Shahidur Rahman
q-bio.OT cs.LG
本文构建了首个孟加拉本土鱼类物种的蛋白质序列数据集，并系统评估了七种架构的分类性能。其提出的MotifCNN-Transformer+TA-PE混合模型在资源受限场景下比ProtBERT更具部署优势，但方法本身在理论或技术上的开创性有限。
Conflict-Aware Retriever Editing for Knowledge Injection Attacks on LLM-Based RAG Systems
Xinru Liu et al.
cs.CR cs.AI
本文提出了一种针对基于LLM的RAG系统的模型中心攻击框架CAREATTACK，通过冲突感知的retriever编辑和攻击保持的anchor修复，将恶意知识注入检索结果。该方法利用图基冲突检测和参数编辑投影来提升恶意passage的排名，并在三个基准数据集上验证了攻击有效性。
TIGER: Inverting Transformer Gradients via Embedding-Subspace Distance Optimization
William Kalikman et al.
cs.CR cs.DC cs.LG
本文提出TIGER攻击方法，通过优化token embeddings到子空间的距离来连续地反转transformer梯度，相比现有方法在encoder模型上提升了重建质量和速度，并在DP防御下实现了首次成功重建。
Reliable Neural-Codec Text-to-Speech by ASR Self-Verification and Distillation: Near-Zero Catastrophic Failures Across Models and Codecs
Ali Asaria, Tony Salomone, Deep Gandhi
cs.SD cs.LG
本文研究了开放自回归neural-codec TTS模型中的随机灾难性失败问题，提出通过ASR自验证和蒸馏方法将失败率降至接近零。该方法在多个codec-TTS系统和neural codec上验证有效，但未涉及关键词中的spectral、Muon或agent等概念。
Structural MRI Synthesis for Alzheimer's Disease via Conditional Diffusion on Anatomical Masks
Muge Zhang et al.
eess.IV cs.LG
本文扩展了Med-DDPM条件扩散模型，通过将生成过程条件化于ADNI数据集的解剖分割mask，生成针对阿尔茨海默病的3D结构MRI。实验表明，混合真实与合成数据训练的模型在Dice分数上优于仅用真实或合成数据训练的模型。
Guava: An Effective and Universal Harness for Embodied Manipulation
Haowen Liu et al.
cs.RO cs.AI
本文提出了Guava框架，通过系统探索agent工作流、动作空间和观察空间的设计，为具身操作中的工具使用提供了一种有效的接口。该框架结合迭代感知-推理-动作循环、语义动作抽象和多模态观察，并利用少于2000条仿真轨迹将能力蒸馏到4B开源模型中，在仿真和真实环境中取得了与前沿模型相当的性能。
Learning-Based Decision Making for Combustion Phasing Control in Multi-Fuel CI Engines with Latent Fuel Reactivity Estimation
Rajasree Sarkar et al.
eess.SY cs.AI
本文针对多燃料压燃发动机中燃料反应性（cetane number）的潜在时变问题，将CA50燃烧相位控制建模为部分可观测序贯决策问题，并比较了多种控制器。其中，提出的GRU引导的RL框架通过学习燃烧历史来估计燃料反应性，并基于该估计信号进行决策，在未见过的CN轨迹上实现了稳定的控制。
Deep Learning-Driven Inverse Design of Doherty Power Amplifiers Using Pixelated Combiners and Dual-State Impedance Synthesis
Han Zhou et al.
eess.SP cs.AI cs.AR eess.SY
本文提出了一种结合深度卷积神经网络(CNN)、像素化布局表示和遗传算法(GA)的三端口Doherty功率放大器(PA)输出combiner设计方法，通过双态阻抗合成优化峰值和回退功率条件。实验制作了两个GaN HEMT Doherty PA原型，在2.6-2.8 GHz频段实现了超过44.2 dBm的饱和输出功率和71.2%的峰值漏极效率。
Deep-Learning-Based Pixelated Microwave Filter Design and Characterization using Electro-Optical Electric-Field Measurements
Han Zhou et al.
eess.SP cs.AI cs.AR eess.SY
本文利用深度学习结合卷积神经网络与遗传算法，自动化了像素化微波滤波器的合成，并通过电光电场测量验证了设计。实验表明，AI生成的滤波器性能与仿真高度一致，并首次揭示了类似耦合传输线的电场模式。
A Variational Framework for LLM Generator-Regulator Games
Quanyan Zhu
stat.OT cs.AI cs.IT
本文为regulated language generation建立了一个variational framework，将generator与regulator的交互建模为saddle-point problem，并分析了utility、entropy与regulatory alignment之间的tradeoff。
From Specification to Execution: AI Assisted Scientific Workflow Management
Komal Thareja et al.
cs.SE cs.AI cs.DC
本文提出了一种结合specification驱动的工作流生成、自动调试和分布式执行的AI辅助科学工作流管理方法，通过引入结构化specification阶段分离工作流意图、设计与实现，并利用LLM-based debugging agent诊断故障。该方法在联邦学习医学成像工作流上进行了评估，生成了包含数千个job的大规模工作流并减少了调试工作量。
CAOA -- Completion-Assisted Object-CAD Alignment
Hiranya Garbha Kumar, Minhas Kamal, Balakrishnan Prabhakaran
cs.CV cs.AI cs.LG
本文提出CAOA方法，通过整合点云补全模块与对称性感知的位姿估计算法，解决RGB-D扫描中CAD模型与物体的对齐问题。该方法在Scan2CAD基准上相比现有技术提升了17%的准确率，并发布了用于室内单物体补全的S2C-Completion数据集。
Pointwise is Pointless? A Multimodal Ablation Study for Precipitation Nowcasting with Graph Neural Networks
Ophélia Miralles et al.
stat.ML cs.LG
本文通过多模态图神经网络消融实验，研究了稀疏点观测（如Netatmo地面站数据）对降水临近预报中密集雷达场预测的改进效果。结果表明不同数据源（如MEPS数值预报、卫星通道等）分别改善了预报的不同方面，但点观测对雷达场质量的提升依赖于训练损失和模型编码方式。
Sequential Hiring of Contingent Workers Through Learning-Based Optimization
Chris Lee, Xiuli Chao, Izak Duenyas
math.OC cs.LG
本文研究了一个在不确定劳动供给和工人生产力下的序贯劳动力管理问题，将其建模为带昂贵切换和延迟动作的stochastic multi-play bandit，并提出了DR-UCB策略。该策略通过学习周期做出替换和雇佣决策，其regret在时间范围上的主导阶与下界匹配。
Mixed-Precision Communication-Avoiding SGD for Generalized Linear Models on GPUs
Aditya Devarakonda, Irene Simó Muñoz, Giulia Guidi
cs.DC cs.LG math.NA stat.ML
本文研究了在GPU上针对广义线性模型的混合精度通信避免SGD算法，通过将\(s\)次AllReduce合并为一次Gram矩阵的AllReduce来减少同步开销。实验表明，该方法在NVIDIA A100 GPU上相比FP32 SGD实现了5.1-6.8倍加速，且损失差异在0.5%以内。
Modeling Doppler Shifts in Radial-Velocity Data with Deep Learning toward Earth-mass Exoplanet Detection
Isidro Gómez-Vargas et al.
astro-ph.IM astro-ph.EP cs.LG
本文利用深度学习框架处理HARPS-N太阳光谱数据，通过注入行星信号并采用基于flux和line-formation temperature的物理光谱表示，结合velocity gradients来建模径向速度中的Doppler shifts。研究探索了hold-out testing和cross-validation两种训练策略，并通过genetic algorithm优化超参数，使用Monte Carlo dropout量化预测不确定性。
ToolChain-CRC: Conformal Risk Control for Agentic AI Under Retrieval and Tool-Use Drift
Jeffery Opoku, David Banahene
stat.ML cs.LG
本文提出ToolChain-CRC，一种针对检索增强和工具使用agent的conformal risk control方法，通过构建轨迹级别的风险评分来校准接受或干预规则，并证明在可交换校准数据下的风险控制。该方法主要关注agent运行过程中的风险监控，而非解决agent领域的长期开放问题。
MagpieTTS-LF: Inference-Time Long-Form Speech Generation Without Training on Long-Form data
Subhankar Ghosh et al.
cs.SD cs.AI eess.AS
本文提出了一种名为MagpieTTS-LF的推理时方法，用于在不重新训练模型的情况下生成连贯的长篇语音。该方法通过soft attention priors、stateful inference算法和history-aware text encoding来改善长文本生成中的prosodic drift和speaker不一致性问题。
Neural Phase Correlation
Cole Reynolds
cs.CV cs.AI
本文提出了一种学习广义相位相关的方法，通过在傅里叶域中学习可分解变换的基，将传统相位相关从全局平移扩展到密集非刚性形变和酉动力学。该方法在心脏MRI和超声心动图配准任务上达到了与现有方法相当的性能，并能在量子谐振子波函数对中恢复未知哈密顿量的本征态和能级。
N(CO)$^2$: Neural Combinatorial Optimization with Chance Constraints to Solve Stochastic Orienteering
Anas Saeed, Marcos Abel Zuzuárregui, Stefano Carpin
cs.RO cs.LG
本文提出N(CO)\(^2\)框架，将reinforcement learning与chance constraints结合，用于求解Stochastic Orienteering Problem，无需手工设计heuristics。该方法在不确定环境下优化路径选择，性能与state-of-the-art的mixed-integer linear program相当。
Exponentially many initializations to avoid barren plateaus
Ankit Kulshrestha et al.
quant-ph cs.LG stat.ML
本文引入了一个first-moment框架，用于诊断参数初始化是否能避免barren plateaus（贫瘠高原）问题。研究表明，存在指数多个不等价的初始化策略可以避免浓度现象，但不同策略可能导致不同的训练结果。
As You Wish: Mission Planning with Formal Verification using LLMs in Precision Agriculture
Marcos Abel Zuzuárregui, Stefano Carpin
cs.RO cs.AI
本文提出了一种在精准农业中利用LLM和线性时序逻辑(LTL)进行任务规划与形式化验证的方法，通过引入反馈循环来解决自然语言歧义问题。实验展示了该方法的有效性，但未涉及关键词中的核心概念。
Compact Geometric Representations of Hierarchies
Prashant Gokhale et al.
stat.ML cs.CG cs.CL cs.DS cs.IR +1
本文研究了有向无环图（DAG）中层次结构的紧凑几何表示，证明了有向树可在常数维度3下嵌入，并推广到树宽为\(t\)的图，给出了维度\(O(t \log n)\)的上界及相应的下界。
Evaluating Prompting-Based Defenses Against Domain-Camouflaged Injection Attacks
Aaditya Pai
cs.CR cs.CL cs.LG
本文评估了五种基于prompting的防御方法（如spotlighting和paraphrasing）对抗领域伪装注入攻击（domain-camouflaged injection attacks）的效果，实验覆盖三个模型家族和三个部署领域。结果表明，paraphrasing是最一致的防御策略，但防御效果高度依赖模型，且金融领域面临最高残余风险。
When Does Trajectory-Level Supervision Permit Efficient Offline Reinforcement Learning?
Xuanfei Ren, Tengyang Xie
stat.ML cs.LG
本文研究了离线强化学习中仅使用轨迹级标签（而非过程级奖励）进行策略优化的统计理论。作者提出了OPAC算法，并给出了样本复杂度界限，同时分析了偏好反馈和广义结果监督下的可学习性，揭示了在某些情况下过程级奖励缺失会导致根本性的统计障碍。
AI Sandboxes: A Threat Model, Taxonomy, and Measurement Framework
Inderjeet Singh, Haitham Mahmoud, Andrés Murillo
cs.CR cs.AI cs.RO cs.SE
本文提出了AI沙箱的威胁模型、分类法和测量框架，形式化了沙箱边界与最弱链接规则，并定义了数字AI、具身自主和网络物理部署中的沙箱原型。该工作为安全、安保和监管保证提供了测试与证据捕获的指导。
Shrinkage priors for Bayesian Substitute Confounders
Yordan P. Raykov et al.
stat.ME cs.LG math.ST
本文提出了一种基于Bayesian factor assignment框架的稀疏替代混淆变量学习方法，通过shrinkage priors保留多原因间的粗粒度依赖关系，并证明了在潜在变量识别假设下回归调整估计量的一致性。该方法通过渐进收缩实现潜在因子的自动排序，在ADNI数据分析中展示了与直接条件调整相当的因果调整效果。
Engagement Intensity as a Learner-Modeling Signal for Adaptive AI Ethics Instruction
Yongkyung Oh, Lynn Talton, Alex Bui
cs.CY cs.AI
本文比较了三种学习者特征（LLM使用频率、自评熟悉度、先前的AI教育）与AI伦理课程前感知指标之间的关联，发现使用频率与所有五项指标显著相关，而先前的AI教育则无显著关联。研究为自适应AI伦理教育中的轻量级学习者建模提供了初步证据。
Multi-Modal Hyper-Graph Fusion for Low-Light Crowd Counting
Hao-Yuan Ma et al.
cs.CV cs.AI cs.GR
本文针对低光照环境下的crowd counting问题，提出了一个多模态超图融合框架LCNet，通过引入depth和Canny edge作为几何与结构先验，并设计Deformable Rectangular Sparse Attention模块来提升性能。该方法在三个新构建的基准数据集上取得了最优结果，但整体创新性有限，未涉及关键词中的核心概念。
Bridging Data Gaps in Structural Fragility Modeling through Transfer Learning: Methodology and Case Studies
Narges Saeednejad, Jamie Ellen Padgett
stat.ML cs.LG stat.AP stat.ME
本文提出了一种基于transfer learning的框架，用于在domain shift和class imbalance条件下调整structural fragility模型，并通过三个案例（如飓风与地震观测）验证了其有效性。该方法强调工程可解释性，但未涉及code、spectral或Muon等关键词。
APT: Atomic Physical Transitions for Causal Video-Language Understanding
Shang Wu et al.
cs.CV cs.AI
本文提出Atomic Physical Transitions (APTs)概念，将视频表示为因果状态变化序列而非单一事件标签，并构建混合来源数据集。通过APT-Tune方法在VLM上实现参数高效微调，改善物理因果理解，但未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词。
Benchmarking Action Spaces in Reinforcement Learning for Vision-based Robotic Manipulation
Seyed Alireza Azimi et al.
cs.RO cs.AI
本文研究了强化学习中不同action space（动作空间）表示对视觉机器人操作任务的影响，通过sim-to-real迁移实验比较了四种动作空间，发现joint velocity动作空间在平滑性和任务性能上表现最佳。
Better Adherence, Richer Context: A Field Evaluation of LLM-Powered Conversational Voice Diaries for Sleep
Amama Mahmood et al.
cs.HC cs.AI
本文通过一项为期四周的实地研究，评估了基于LLM的对话式语音日记在睡眠监测中的应用，发现其相比文本日记能提高依从性并获取更丰富的上下文信息，但结构化数据的完整性有所下降。
MIDS: Detecting Stealthy Masquerade and Tampering Attacks on CAN Bus via Bidirectional Mamba
Qiqi Liu et al.
cs.CR cs.AI
本文提出MIDS，一种基于双向Mamba的入侵检测系统，用于检测CAN总线上的隐蔽伪装和篡改攻击。该方法通过双流框架并行处理CAN标识符和载荷，并利用双向选择性状态空间模型重建其时序语义，在特斯拉Model 3数据集和多个公开基准上取得了优于现有方法的检测性能。
QC-GAN: A Parameter-Efficient Quaternion Conformer GAN for High-Fidelity Speech Enhancement
Shogo Yamauchi et al.
cs.SD cs.AI cs.LG stat.ML
本文提出了一种参数高效的语音增强框架QC-GAN，结合了Quaternion Conformer生成器与MetricGAN训练，通过Hamilton积实现幅度和相位的结构化权重共享以减少参数。在VoiceBank+DEMAND数据集上，该模型以0.89M参数达到3.48的PESQ分数，性能与更大模型相当。
AI-Driven Assessment of Human Tutors: Linking Training Performance to Real-Life Practice
Danielle R. Thomas et al.
cs.CY cs.AI
本文提出了一种AI驱动的系统，利用Generative AI分析真实辅导的转录，评估人类导师在训练中的表现向实际应用的迁移。研究发现训练表现能显著预测真实辅导得分，但改进效果更多表现为随时间逐渐变化的趋势而非训练的即时干预效应。
EffiNav: Fusing Depth and Vision-Language for Efficient Object Goal Navigation
Zecheng Yin, Benedict Jun Ma
cs.RO cs.AI
本文提出EffiNav框架，通过融合深度信息与视觉语言模型来提升Object Goal Navigation的效率，在HM3D和OVON基准上匹配或超越了现有方法，并验证了其在真实机器人上的有效性。该方法主要关注导航轨迹的效率与泛化性，但与我提供的关键词（如code, spectral, Muon, pretrain等）关联度较低。
Augmenting Dysarthric Speech Severity Assessment with MOS Supervision
Kaimeng Jia et al.
eess.AS cs.AI
本文提出利用语音合成评估数据（QualiSpeech语料库中的MOS标签）来增强构音障碍语音评估，实验表明微调方法能同时提升可懂度和自然度预测性能，而联合训练主要提升自然度。该工作为缓解临床标注数据稀缺问题提供了数据增强思路。
LandslideAgent with Multimodal LandslideBench: A Domain-Rule-Augmented Agent for Autonomous Landslide Identification and Analysis
Chengfu Liu et al.
cs.CV cs.AI
本文提出了一个面向滑坡灾害智能解译的指令驱动agent框架，包含多模态数据集LandslideBench、领域VLM模型LandslideVLM和规则增强的LandslideAgent，通过LoRA微调和双规则控制器实现自动化工具调用与多源空间数据推理。
NeuralMUSIC: A Hybrid Neural-Subspace Framework for Robot Sound Source Localization
Yizhuo Yang et al.
cs.SD cs.AI
本文提出NeuralMUSIC，一种结合神经网络与经典MUSIC子空间方法的混合框架，用于机器人声源定位。该方法通过神经网络估计空间协方差矩阵，再将其输入MUSIC pipeline进行eigenvalue decomposition和pseudo-spectrum计算，并引入Frequency Attention Fusion模块提升性能。
EARS: Explanatory Abstention for Reliable Sub-Agent Modeling in Large-scale Multi-Agent Systems
Shuang Xie et al.
cs.MA cs.CL
本文提出EARS框架，通过让子agent在无法处理请求时返回结构化失败状态和解释，来提升大规模多agent系统的可靠性。该方法在电商场景中将响应通过率从68.5%提升至78.9%，但本质上是对现有agent校准机制的工程化改进，缺乏理论或方法上的开创性。
Leveraging Energy Features for Surface Classification with Deep Learning: A Comparative Analysis Across Three Independent Datasets
Alexander Belyaev, Oleg Kushnarev
cs.RO cs.AI cs.LG
本文研究了基于能量特征（energy features）的表面分类方法，在三个公开数据集上比较了多种深度学习架构（如CNN、RNN、Transformer等）的性能。结果表明，单独使用能量特征可达到85-90%的准确率，与惯性特征结合后准确率提升至96-99%，且能量特征作为补充输入能带来1-2%的稳定提升。
Clinically Aligned Geometry Constraints for Robust IVUS Vessel Boundary Segmentation
Yunshu Chen et al.
cs.CV cs.LG
本文提出GeoCat网络，利用双编码器结构和可微分的几何一致性损失函数，对IVUS图像中的血管边界进行分割，旨在提升临床几何测量的准确性。该方法在分割精度和临床指标上均优于传统方法。
TimeLAVA: Learning-Agnostic Data Valuation for Time Series
Wenqin Liu et al.
stat.ML cs.LG
本文提出TimeLAVA，一种用于时间序列数据的与学习无关的数据估值框架，通过选择性小波Wasserstein散度衡量数据段对减少分布差异的边际贡献，并利用敏感性分析高效计算估值。该方法无需模型训练，但主要聚焦于时间序列的分布对齐与数据筛选，与关键词中的spectral、attention等概念关联较弱。
Two-Phase Bilevel Search for the Moving-Target Traveling Salesman Problem with Moving Obstacles
Allen George Philip et al.
cs.RO cs.AI math.CO math.OC
本文研究了带有移动障碍物的移动目标旅行商问题(MT-TSP-MO)，提出了一种混合整数锥规划(MICP)公式和一种两阶段双层搜索(TPBS)算法，用于计算高质量可行解。实验表明，所提方法在成功率、解成本和计算时间上均显著优于现有基线算法。
SWE-Future: Forecast-Conditioned Data Synthesis for Future-Oriented Software Engineering Agents
Qiao Zhao et al.
cs.SE cs.AI
本文提出SWE-Future方法，通过预测仓库未来演化方向（如feature实现、bugfix等）来合成面向未来的coding-agent任务，避免直接回放历史pull request。该方法在80个仓库上验证了预测与未来工作的相关性，并生成了200个任务的数据集。
Point-Cloud-Assistant Localized Statistical Channel Prediction by Tangent Gaussian Splatting
Ye Xue et al.
eess.SP cs.LG
本文提出了一种名为PC-TGS的框架，通过将稀疏的无线测量与密集的LiDAR点云数据结合，将局部统计信道模型（LSCM）中的角度功率谱（APS）外推到未测量的网格位置。该方法使用各向异性3D Gaussian表示环境散射体，并通过切平面投影和深度感知电磁splatting过程进行预测。
Generating Natural and Expressive Robot Gestures through Iterative Reinforcement Learning with Human Feedback using LLMs
Chris Lee et al.
cs.RO cs.AI
本文利用ChatGPT集成到Pepper机器人中生成与语音同步的手势，并通过迭代强化学习与人类反馈（RLHF）系统优化手势的自然性和表现力。实验表明RLHF能提升LLM生成手势的表达力、相关性和流畅度，但方法在开创性上有限。
Ensuring Trustworthy Online A/B Testing: Addressing Five Key Questions on CUPED
Yu Zhang et al.
stat.AP cs.LG
本文系统性地探讨了在线A/B测试中CUPED方法的五个关键问题，包括最优调整估计量选择、回归调整的有效性及稳健方差估计，并扩展至多臂实验和两阶段抽样等复杂场景。通过理论分析和实验验证，揭示了标准方差估计在这些场景下可能导致严重误导性推断，相关方法已在字节跳动实验平台部署。
A Neural Network Framework for Geodesic-Like Curve Computation on Parametric Surfaces
Sheng-Gwo Chen, Chen-Chang Peng
cs.CG cs.LG math.NA
本文提出了一种基于Physics-Informed Neural Networks (PINNs)的框架，用于高效计算参数曲面上的geodesic-like曲线，并扩展到了多曲面系统和旋转曲面。该方法利用深度学习实现了对传统geodesic估计的数值计算。
SAMA: Semantic Anchor-aligned Augmentation for Unified Low-Resource Multimodal Information Extraction
Quanjiang Guo et al.
cs.CV cs.CL cs.MM
本文提出SAMA框架，通过语义锚点对齐和扩散机制生成多模态数据，以缓解多模态信息抽取中的数据稀缺问题。该方法在多个任务上取得改进，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
HandwritingAgent: Language-Driven Handwriting Synthesis in Scalable Vector Space
Jaward Sesay, Yue Yu, Börje F. Karlsson
cs.CV cs.CL
本文提出HandwritingAgent，一个语言驱动的agent，利用大推理模型在SVG格式中直接合成手写笔划序列，无需风格特定训练。该方法在模仿、识别、多语言及复杂数学表达式生成等任务上表现良好，但未涉及code、spectral、Muon、pretrain或attention等关键词。
Closing the Loop: PID Feedback Control for Interpretable Activation Steering in Symbolic Music Generation
Ioannis Prokopiou et al.
cs.SD cs.AI cs.LG
本文研究了Multitrack Music Transformer的机械可解释性，通过Difference-in-Means方法在残差流中分离Pitch和Duration的潜在方向，并利用Gram-Schmidt正交化实现多属性解耦控制。该方法在符号音乐生成中实现了无需重训练的确定性属性调制，但与我提供的关键词列表关联度较低。
SwitchBraidNet: Quantisation-Aware Lightweight Architecture for Hybrid Brain-Computer Interface
Gourav Siddhad, Yogesh Kumar Meena
cs.HC cs.AI cs.ET
本文提出了一种名为SwitchBraidNet的轻量级EEG分类架构，用于混合脑机接口（BCI），通过双路径时间编织和自适应空间开关等设计，在低功耗嵌入式设备上实现了对运动想象（MI）和稳态视觉诱发电位（SSVEP）的高效解码。实验表明，该模型在INT8精度下仅需3.03 KB存储，并保持了较高的分类准确率。
Where Will They Go? Modelling Multimodal Pedestrian Manoeuvres from Ego-centric Videos
Yuxuan Xie et al.
cs.CV cs.LG
本文提出MMPM框架，用于从自我中心视角预测行人多模态轨迹。该框架通过行为感知的行人交互模块和基于CVAE的轨迹预测模块，将未来轨迹分布建模为过马路与不过马路两种语义模式，并在PIE和JAAD数据集上超越基线方法。
Space Is Intelligence: Neural Semigroup Superposition for Riemannian Metric Generation
Chenghao Xu
cs.RO cs.AI
本文提出了一种将智能置于空间本身的方法，通过一个Encoder-Router网络在configuration manifold上生成Riemannian metric，使运动遵循该metric的geodesics。该方法在单个场景上训练后，能对未见过的障碍物配置展现出零样本泛化能力。
Improving Human-Robot Teamwork in Urban Search and Rescue Through Episodic Memory of Prior Collaboration
Taewoon Kim, Emma van Zoelen, Mark Neerincx
cs.HC cs.AI
本文研究在MATRX城市搜索与救援环境中，通过知识图谱episodic memory表示历史协作模式，并利用graph representation learning选择有效记忆来初始化机器人，从而提升人机团队协作效率。实验表明该方法能显著提高救援成功率并缩短任务时间。
Skill-MAS: Evolving Meta-Skill for Automatic Multi-Agent Systems
Hehai Lin, Qi Yang, Chengwei Qin
cs.MA cs.AI cs.LG
本文提出Skill-MAS，一种基于LLM的自动Multi-Agent Systems生成方法，通过将高层编排能力概念化为可进化的Meta-Skill，解耦经验保留与参数更新。该方法利用多轨迹采样和选择性反射进行闭环优化，在多个基准上取得性能提升。
Kernel of Partition Paths: A Unified Representation for Tree Ensembles
Nicolas Mahler
stat.ML cs.LG
本文提出了一种名为KPP（Kernel of Partition Paths）的统一表示方法，将树集成（tree ensembles）的特征映射索引到节点上，并赋予路径度量，从而将预测、精确加性归因、确定性Lipschitz鲁棒半径以及Rademacher风险界统一在一个非对角Gram矩阵下。该工作为树模型提供了几何视角，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Quantification of Uncertainty with Adversarial Models in Medical Image Segmentation
Hana Jebril et al.
cs.CV cs.LG
本文提出QUAM-SM框架，通过对抗性搜索识别医学图像分割中预测不稳定的像素，以量化不确定性。该方法在可靠性上优于现有技术，但未涉及code、context、spectral等关键词。
URDF Synthesis from RGB-D Sequences via Differentiable Joint Inference and Energy-Consistent Verification
Xinze Zhang
cs.CV cs.AI
本文提出KinemaForge，一种从RGB-D序列中联合推断关节物体部件形状、关节拓扑和参数的管线，并通过基于可微刚体动力学的能量一致性验证器减少仿真漂移。该方法在关节轴误差和长时仿真稳定性上优于现有基线。
Test-Time Adaptation in Optical Coherence Tomography Using Trajectory-Aligned Time-Independent Flow
Veit Hucke et al.
cs.CV cs.LG
本文提出了一种基于flow-matching的test-time adaptation方法，用于在OCT图像中生成高质量替代图像以提升分割性能。该方法通过直方图匹配和去除时间条件来对齐噪声分布，在AMD生物标志物分割上取得了最优结果。
LARE: Low-Attention Region Encoding for Text-Image Retrieval
Abdulmalik Alquwayfili et al.
cs.CV cs.IR
本文提出LARE框架，通过双编码策略并行处理图像的low-attention区域与完整图像，以改善拥挤场景下的text-image retrieval性能。该方法在Dense-Set子集上验证了有效性，但未涉及code、spectral或Muon等关键词相关技术。
TransitNet: A Compact Attention-Augmented Deep Learning Framework for Low-SNR Transit Blind Searches
Xingchen Yan et al.
astro-ph.EP astro-ph.IM cs.AI cs.LG
本文提出了TransitNet，一个紧凑的注意力增强深度学习框架，用于低信噪比下的系外行星凌星盲搜索。该模型在恢复Kepler行星时表现出高精度和计算效率，但方法本身并非开创性突破，且与关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Graph-ESBMC-PLC: Formal Verification of Graphical PLCopen XML Ladder Diagram Programs Using SMT-Based Model Checking
Pierre Dantas, Lucas Cordeiro, Waldir Junior
cs.PL cs.CL
本文提出Graph-ESBMC-PLC，通过基于DFS的graphical LD resolver将图形化PLCopen XML Ladder Diagram程序转换为GOTO intermediate representation，解决了先前工具对图形化格式的空解析问题。验证表明该方法能正确生成完整IR并快速验证安全属性，但未涉及code、context、spectral等关键词相关技术。
FOSC-X: An Extended Framework for Optimal Local Cuts and Non-Horizontal Cluster Selection from Clustering Hierarchies
Connor Simpson, Ricardo J. G. B. Campello
stat.ML cs.LG
本文提出了FOSC-X框架，用于从层次聚类树中提取前M个全局最优的flat clustering（平面聚类）解，并支持对聚类数量施加约束。该框架通过动态规划策略，在无约束时利用子树的局部最优解组合成全局最优解，在有约束时通过维护可行候选集的上下界来剪枝，从而在多项式时间内保证最优解排序。实验表明该方法能高效发现被单解提取方法忽略的替代聚类结构。
CAPRA: Scaling Feedback on Software Architecture Deliverables with a Multi-Agent LLM System
Marco Becattini et al.
cs.SE cs.AI
本文提出了CAPRA，一个基于多agent LLM的系统，用于自动化生成软件架构交付物的个性化LaTeX反馈。该系统通过确定性证据锚定和一致性管理agent来减少幻觉，并在10份学生报告上取得了88.8%的评估标准满足率。
Mitigating Scoring Errors and Compensating for Nonverbal Subtests in Speech-Based Dementia Assessment
Franziska Braun et al.
eess.AS cs.CL cs.SD
本文研究了基于语音的痴呆症评估方法，通过融合转录得分和Whisper嵌入来减少评分错误，并利用这些融合表示补偿缺失的非语言子测试（如运动技能），以近似专家总体评分。尽管省略了子测试，模型仍与专家评分高度相关，并能有效区分认知状态组。
Sequential Kernel-based Conditional Independence Testing via Adaptive Betting
Zheng He, Danica J. Sutherland
stat.ML cs.LG stat.ME
本文提出了一种基于自适应赌博的序列核条件独立性检验方法，通过引入归一化方案和截断-平移校准策略，提高了对模型-X假设估计误差的鲁棒性，并在高维合成基准和实际公平性任务中优于现有方法。
Spotlight: Synergizing Seed Exploration and Spot GPUs for DiT RL Post-Training
Ruiqi Lai et al.
cs.DC cs.AI cs.LG
本文提出Spotlight系统，利用spot GPU（低成本但可能被抢占的GPU）来降低Diffusion Transformers (DiTs)的强化学习后训练成本。该系统通过容忍过期模型权重的种子探索和弹性序列并行技术，实现了训练加速和成本降低。
Lifecycle-Aware Dynamic Analysis for Secure ML Model Execution
Gabriele Digregorio et al.
cs.CR cs.LG
本文提出了一种动态生命周期感知方法Moat及其实现Re-Moat，用于检测ML模型执行过程中的恶意行为。该方法通过分析模型在加载、初始化、推理等生命周期阶段与宿主系统的结构化交互来识别攻击，在多个框架上对大量真实模型和漏洞利用进行了评估。
Adaptive Speech-to-Spike Encoding for Spiking Neural Networks
Taharim Rahman Anon, Jakaria Islam Emon
cs.NE cs.LG cs.SD
本文提出了一种可学习的残差语音到脉冲编码器，与递归漏积分点火（R-LIF）SNN联合训练，在GSC-v2基准上达到94.97%的准确率，并比较了直接反馈对齐（DFA）与替代梯度BPTT的性能差异。该工作主要关注神经形态语音处理中的编码器设计，与关键词列表中的概念关联较弱。
Where Did the Variability Go? From Vibe Coding to Product Lines by Regeneration
Xhevahire Tërnava
cs.SE cs.AI
本文探讨了在AI驱动的“vibe coding”范式中，由LLM生成的代码缺乏传统软件工程中的可变性（variability）问题，并提出了一种名为“Variability by Regeneration (VbR)”的产品线方法，将可变性决策从代码转移到生成时的声明式规范中。
Quantifying and Auditing LLM Evaluation via Positive--Unlabeled Learning
Zilong Zhang et al.
stat.ML cs.LG stat.CO stat.ME
本文提出了一种基于Positive-Unlabeled Learning和Partial Optimal Transport的几何审计框架，用于量化并修正LLM作为评判者时的系统性偏差（如冗长偏好），无需重新训练模型。该方法通过将少量人工验证的正样本与未标注输出在嵌入空间中对齐，实现了与人类偏好更一致的评估。
Model-Free Reinforcement Learning Control for Resilient Cyber-Physical Systems
Hugo O. Garcés et al.
eess.SY cs.LG
本文比较了无模型reinforcement learning控制器在非线性系统遭受网络攻击时的性能，分析了四种reward类型，发现Lyapunov reward在低跟踪误差下具有最佳弹性。
Context-Aware Optimization of Follow-Up Intervals for Type 2 Diabetes Care Using Markov Decision Processes
Parisa Lotfibagha et al.
stat.AP cs.LG
本文利用Contextual Markov Decision Process (CMDP)模型，基于电子健康档案数据优化2型糖尿病患者的随访间隔决策。通过主成分分析和聚类识别出低风险与高风险两个子群体，并推导出针对性的最优随访策略，相比固定间隔策略降低了预期累积成本。
Structure Over Nonlinearity: Explicit Interaction Architectures for Dynamical Learning
Augusto Sarti
eess.SP cs.LG
本文提出了一种基于波启发交互结构的显式动力学学习架构，通过严格因果组织避免代数循环，从而无需隐式求解器即可评估模型。实验表明，这种结构优先的设计在非线性系统辨识任务中能通过深度提升表征质量和泛化能力，但未直接涉及关键词中的code、context或spectral等概念。
ProductConsistency: Improving Product Identity Preservation in Instruction-Based Image Editing via SFT and RL
Mukund Khanna, Raj Singh Yadav, Kunal Singh
cs.CV cs.AI
本文提出了ProductConsistency数据集和一种结合SFT与RL的方法，用于提升指令式图像编辑中产品身份（如品牌和文字）的保持能力。通过循环一致性奖励（Cyclic Consistency reward）和微调模型，在OCR和感知指标上取得了改进。
Wasserstein Policy Learning for Distributional Outcomes
Yiyan Huang et al.
stat.ME cs.LG econ.EM stat.ML
本文研究了离线policy learning在分布值结果下的统计性质，使用Wasserstein距离定义奖励，并基于IPW和DR估计器建立了有限样本regret界。该工作主要关注理论保证，与关键词中的code、context、spectral等概念关联较弱。
Written by AI, Managed by AI: Semantic Space Control and Index Sickness Elimination Across 391 Consecutive Sessions
Hui Zhang, Shuren Song
cs.SE cs.CL cs.HC
本文通过一个真实软件项目（Bang-v3）中的391次协作会话，记录了LLM在长期协作中因符号系统复杂度过高而导致的“Index Sickness”现象，并提出了“Baseline-Log Physical Separation”机制来缓解该问题。该工作主要关注LLM协作中的概念漂移与工程实践，与关键词中的code、agent、context有一定关联，但方法本身缺乏开创性且未解决该领域的长期核心问题。
Giskard : Byzantine Robust and Confidential Aggregation for Large-Scale Decentralized Learning
Ousmane Touat et al.
cs.CR cs.LG
本文提出Giskard协议，用于大规模去中心化学习中的拜占庭鲁棒与机密聚合。该协议将\(n\)个参与方组织成大小为\(O(\log n)\)的委员会树，并通过委员会内的BGW风格MPC实现坐标近似中位数聚合。Giskard在理论上证明了安全性与机密性，实验表明其通信复杂度优于现有方案，但方法本身并非开创性突破，且与关键词列表关联较弱。
Equivariant Graph Neural Networks Improve Optical Spectra Prediction for Materials Screening
Kasper Helverskov Petersen et al.
physics.optics cond-mat.mtrl-sci cs.AI
本文探索了使用等变图神经网络（equivariant graph neural networks）改进光学光谱预测，通过适配GotenNet模型并在RPA级别计算的光谱数据集上评估，取得了优于现有方法的性能。该工作主要关注材料筛选中的光谱预测应用，与关键词中的“spectral”有一定关联，但方法本身并非开创性突破。
A Technical Taxonomy of LLM Agent Communication Protocols
Linus Sander et al.
cs.MA cs.AI cs.NI
本文对LLM Agent通信协议进行了技术分类，构建了一个包含五个维度的分类体系，并分析了当前协议的趋势与挑战。
Urdu Katib Handwritten Dataset: A Historical Document Dataset for Offline Urdu Handwritten Text Recognition with CRNN-Based Baseline Evaluation
Ramza Basharat, Muhammad Usman Ali
cs.CV cs.CL
本文提出了一个名为Urdu Katib Handwritten Dataset (UKHD)的离线乌尔都语手写文本行数据集，并评估了基于CRNN的混合模型（如CNN-BGRU-CTC）在该数据集上的识别性能。该工作旨在推动乌尔都语手写文本识别领域的发展，但方法本身在技术上的开创性有限，且与关键词列表中的概念关联较弱。
On Local Population-Risk Certificates
Mingzhi Song
stat.ML cs.LG math.ST
本文针对当前模型周围的population-risk增量开发了局部证书，为局部候选集\(\mathcal D\)上的\(P({\ell_{\theta+v}-\ell_\theta})\)提供了双边置信带。该证书的上端点可用于风险控制的更新规则。
OpenAnt: LLM-Powered Vulnerability Discovery Through Code Decomposition, Adversarial Verification, and Dynamic Testing
Nahum Korda, Gadi Evron
cs.CR cs.LG
本文提出OpenAnt，一个结合静态程序分析与LLM推理的多阶段漏洞发现系统，通过代码分解、对抗验证和动态测试来降低误报率并提高分析效率。
IndicContextEval: A Benchmark for Evaluating Context Utilisation in Audio Large Language Models Across 8 Indic Languages
Sakshi Joshi et al.
eess.AS cs.CL
IndicContextEval是一个针对8种印度语言的AudioLLM上下文利用评估基准，通过7级提示框架测试模型是否真正使用上下文信息。该工作主要关注多语言语音识别中的上下文评估，与关键词中的context相关但并非开创性方法。
A Clinician-Centered Pipeline for Annotation and Evaluation in Ultrasound AI Studies
Fangyijie Wang et al.
cs.HC cs.AI
本文提出了一种面向临床医生的超声AI研究远程标注与评估流程，通过集中式服务器和轻量级浏览器界面支持盲法模型比较与可重复评估，并在胎儿超声分割研究中验证了其有效性。该工作主要关注临床评估工具的实现，而非解决数学或算法领域的核心问题。
Hardware- and Vision-in-the-Loop Validation of Deep Monocular Pose Estimation for Autonomous Maritime UAV Flight
Maneesha Wickramasuriya et al.
cs.RO cs.AI eess.SY
本文提出了一种硬件与视觉在环的验证框架，用于在室内模拟逼真的海上环境，以测试基于深度transformer的单目位姿估计在自主无人机着舰任务中的性能。该框架通过延迟Kalman滤波器融合视觉与IMU数据，并考虑了感知延迟等嵌入式效应，实现了稳定的闭环飞行。
When AUC Misleads: Polarization-Aware Evaluation of Deepfake Detectors under Domain Shift
Dat Nguyen et al.
cs.CV cs.LG
本文提出了一种新的评估指标Cross-AUC，通过结合per-domain AUC和基于Wasserstein Distance的预测极化程度，来更真实地衡量deepfake检测器在domain shift下的泛化能力。实验在多个数据集上验证了该指标的实际意义。
Learning to Annotate Delayed and False AEB Events: A Practical System for Extreme Class Imbalance and Asymmetric Label Noise
Mengxiang Hao et al.
cs.RO cs.LG
本文提出首个自动化AEB（Autonomous Emergency Braking）标注框架，通过特定数据增强和噪声抑制方法，解决了极端类别不平衡和非对称标签噪声问题，显著提升了延迟/误触发事件的召回率并降低了人工标注工作量。
The More the Merrier: Combining Properties for ABox Abduction under Repair Semantics for ELbot
Anselm Haak et al.
cs.LO cs.AI
本文研究了EL_bot逻辑下ABox溯因问题中假设的多种属性组合，发现要求额外属性通常不会增加计算复杂度。
Generalised Eigenvalue Geometry of Semantic Adversarial Attacks
Martin Anthony, Kaveh Salehzadeh Nobari
stat.ML cs.LG
本文通过构建一个连续局部模型，研究了语义对抗攻击中两个嵌入映射的广义特征值几何，并提出了攻击性指标\(\lambda^*(x)\)。该工作主要关注攻击的几何性质与理论边界，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
A Taxonomy of Mental Health and Technology Needs for Alzheimer's and Dementia Caregivers
Keran Wang et al.
cs.HC cs.AI cs.CY
本文通过跨学科文献综述和定性研究，为阿尔茨海默病及相关痴呆症的非正式照护者构建了一个心理健康与技术分类法，系统性地将照护者需求与技术干预类别联系起来。该框架旨在为临床医生、研究人员和技术设计者提供共享词汇，以指导更以人为本的痴呆症护理创新。
Transformer Geometry Observatory TGO-I: Spectral Geometry Observatory
Kaustubh Kapil, Kishor P. Upla
cs.CV cs.LG
本文提出了Transformer Geometry Observatory (TGO)框架，用于研究Vision Transformer (ViT)的表示几何。通过分析ViT-Small/16在ImageNet-100上的训练过程，发现表示维度利用率持续增加，各向异性降低，这与信息集中在少数主导方向的直觉相反。
Acceleration of an algebraic multigrid pressure solver using graph neural networks
Eric Chillón et al.
physics.comp-ph cs.LG physics.flu-dyn
本文提出了一种基于图卷积同构网络（GCIN）的数据驱动代数多重网格（AMG）光滑子，用于加速不可压缩流动求解器中的压力-Poisson方程求解。该方法通过预测最优多项式系数来构造稀疏伪逆算子，在保持求解器线性的同时适应非结构化网格的各向异性，并在多种基准测试中实现了4%到37%的加速。
OneCanvas: 3D Scene Understanding via Panoramic Reprojection
Bartłomiej Baranowski, Dave Zhenyu Chen, Matthias Nießner
cs.CV cs.AI cs.LG cs.RO
本文提出OneCanvas方法，通过将多视角patch特征投影到全景画布上，使预训练的Vision-Language Model无需复杂几何编码器即可进行3D场景理解，并在多个基准上取得领先性能。该方法主要贡献在于简化了3D空间推理的表示，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
A Multi-Domain Benchmark for Detecting AI-Generated Text-Rich Images from GPT-Image-2
Yijin Wang et al.
cs.CV cs.AI
本文构建了一个包含8602张图像的多领域benchmark，用于检测GPT-Image-2生成的富含文本的图像。实验表明，现有检测器性能高度依赖图像领域，且对JPEG压缩敏感，揭示了开发文本与布局感知检测方法的必要性。
Beyond Algorithms: Conceptual Innovation in Medical Imaging AI
Mark A. Anastasio
eess.IV cs.LG physics.med-ph
本文区分了医学影像AI中的算法创新与概念创新，指出当前研究过度奖励算法新颖性而忽视概念基础，可能导致目标错位和临床转化困难。文章呼吁研究社区更均衡地支持概念创新。
Correct Yourself, Keep My Trust: How Self-Correction and Social Connection Shape Credibility in Social Chatbots
Biswadeep Sen, Yi-Chieh Lee
cs.HC cs.AI cs.CY
本文通过用户实验比较了社交聊天机器人的三种错误纠正策略（网页撤回、自我纠正、专家机器人纠正），发现自我纠正在不损害可信度的同时有效纠正错误，且用户与机器人的社交联系强度仅在自我纠正时显著影响信念改变程度。
Confidence is Not Reliability: Rethinking MC Dropout in Brain Tumour Segmentation
Xin Ci Wong et al.
cs.CV cs.LG
本文通过脑肿瘤分割的案例研究，指出MC Dropout的不确定性估计虽然能实现全局的误差对齐（如AUROC约0.97），但在临床关键子区域（如增强肿瘤）可能出现严重的校准失败（ECE高达0.915），表明仅依赖全局指标不足以确保临床安全。
Optimal scenario design for climate emulation
Christopher B. Womack et al.
physics.ao-ph cs.LG
本文提出了一种优化训练数据集的方法，通过可微分的Simple Climate Model (SCM)计算emulator损失对训练数据扰动的敏感性，迭代更新数据以提升emulator的泛化能力。实验表明，使用该方法优化的单一场景训练出的emulator，其预测技能优于使用六个标准ScenarioMIP路径训练的模型，且能有效区分不同气候强迫因子的物理行为。
Reference-Driven Multi-Speaker Audio Scene Generation from In-the-Wild Priors
Michael Finkelson et al.
cs.SD cs.AI cs.CV
本文提出ScenA方法，通过将参考说话人的latent特征拼接进text-to-audio flow-matching foundation model的token序列，并引入identity-aware positional encodings，实现了对多说话人音频场景的生成控制。该方法利用大规模in-the-wild数据预训练的模型，能生成包含背景噪声、房间混响和重叠对话的自然音频，并针对训练中出现的Reference Shortcut问题设计了high-noise-biased timestep分布。
The Chandra-Gaia Catalog of Counterparts: Resolving ambiguous Gaia matches to X-ray sources in the Chandra Source Catalog using Machine Learning
V. Samuel Pérez-Díaz et al.
astro-ph.IM cs.LG
本文提出了一种利用机器学习（LightGBM）将Chandra X射线源与Gaia光学源进行交叉匹配的框架，通过源属性（如星等、颜色和距离）而非纯空间位置来识别真实对应体并解决多候选源歧义。该方法在COUP项目上验证了95%的匹配准确率，并发布了包含约11.3万个对应体的星表。

- 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.

↑