bluearXiv-ai 论文精选

2026-06-19
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
122
cs.AI
73
cs.IR
11
cs.CL
56
cs.DS
2
others
142
总计
406

⭐ 精选论文 ↑ 回顶部

cs.LG

Spectral DPPs via NEPv: A Scalable Continuous Relaxation of Determinantal MAP for Diversity-Aware Data Selection ⭐ 精选
Richard Yi Da Xu
cs.LG
Spectral Retrieval-Augmented Time-Series Forecasting ⭐ 精选
Huu Hiep Nguyen et al.
cs.LG
Score Approximation for Diffusion Models on Arbitrary Low-Dimensional Structures ⭐ 精选
Xinhe Mu et al.
cs.LG
Connect the Dots: Training LLMs for Long-Lifecycle Agents with Cross-Domain Generalization Via Reinforcement Learning ⭐ 精选
Yanxi Chen et al.
cs.LG cs.AI cs.CL
StreamKL: Fast and Memory-Efficient KL Divergence for Boosting Attention Distillation ⭐ 精选
Guangda Liu et al.
cs.LG cs.AI
VIMPO: Value-Implicit Policy Optimization for LLMs ⭐ 精选
Zhewei Kang et al.
cs.LG
Quantum-classical physics-informed Kolmogorov-Arnold networks for PDEs ⭐ 精选
Xiang Rao, Yuxuan Shen
cs.LG physics.comp-ph
Agentic Symbolic Search: Characterizing PDEs Beyond Hand-crafted Expressions, Meshes, and Neural Networks ⭐ 精选
Zongmin Yu, Liu Yang
cs.LG math.NA physics.comp-ph
Fisher-Geometric Sharpness and the Implicit Bias of SGD toward Flat Minima ⭐ 精选
Md Sakir Ahmed, Kumaresh Sarmah, Hemen Dutta
cs.LG cs.CG
UltraQuant: 4-bit KV Caching for Context-Heavy Agents ⭐ 精选
Inesh Chakrabarti et al.
cs.LG cs.AI cs.PF
The Token Is a Group Element: On Lie-Algebra Attention over Matrix Lie Groups ⭐ 精选
Przemyslaw Musialski
cs.LG cs.CV cs.GR cs.RO math.DG

cs.AI

Hidden Anchors in Multi-Agent LLM Deliberation ⭐ 精选
Apurba Pokharel, Ram Dantu
cs.AI
ITNet: A Learnable Integral Transform That Subsumes Convolution, Attention, and Recurrence ⭐ 精选
Ashim Dhor, Rasel Mondal, Pin Yu Chen
cs.AI cs.LG
Uncertainty Decomposition for Clarification Seeking in LLM Agents ⭐ 精选
Gregory Matsnev
cs.AI cs.CL
Interpreting Neural Combinatorial Optimization via Evolving Programmatic Bottlenecks ⭐ 精选
Haocheng Duan et al.
cs.AI cs.LG
AgentFinVQA: A Deployable Multi-Agent Pipeline for Auditable Financial Chart QA ⭐ 精选
Aravind Narayanan, Shaina Raza
cs.AI cs.CL
TelcoAgent: A Scalable 5G Multi-KPM Forecasting With 3GPP-Grounded Explainability ⭐ 精选
Geon Kim et al.
cs.AI cs.LG
Multi-Agent Transactive Memory ⭐ 精选
To Eun Kim et al.
cs.AI cs.CL cs.IR
ScaffoldAgent: Utility-Guided Dynamic Outline Optimization for Open-Ended Deep Research ⭐ 精选
Zhibang Yang et al.
cs.AI cs.MA

cs.CL

DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence ⭐ 精选
DeepSeek-AI et al.
cs.CL cs.AI
HydraHead: From Head-Level Functional Heterogeneity to Specialized Attention Hybridization ⭐ 精选
Zhentao Tan et al.
cs.CL

others

Beyond the GUI Paradigm: Do Mobile Agents Need the Phone Screen? ⭐ 精选
Li Gu et al.
cs.SE cs.CL cs.HC
CSWinUNETR: Segmentation of Thin Anatomical Structures in Medical Images ⭐ 精选
Junho Moon, Haejun Chung, Ikbeom Jang
cs.CV cs.AI
HilDA: Hierarchical Distillation with Diffusion for Advancing Self-Supervised LiDAR Pre-trainin ⭐ 精选
Maciej Wozniak et al.
cs.CV cs.AI cs.RO

📄 所有论文 ↑ 回顶部

cs.LG

Spectral DPPs via NEPv: A Scalable Continuous Relaxation of Determinantal MAP for Diversity-Aware Data Selection ⭐ 精选
Richard Yi Da Xu
cs.LG
本文提出了一种新的连续松弛方法，将Determinantal Point Processes (DPP) 的MAP问题（即选取大小为\(k\)的子集\(S\)最大化\(\log\det(L_S)\)）转化为Stiefel流形上的连续优化问题。作者发现该问题的一阶最优性条件构成一个具有特征向量依赖性的非线性特征值问题 (Nonlinear Eigenvalue Problem with eigenvector dependency, NEPv)，并设计了一种基于自洽场 (Self-Consistent Field, SCF) 迭代的求解算法。该算法仅需与kernel进行矩阵-向量乘积，时间复杂度为\(O((ndk+nk^2)t)\)，其中\(t\)为迭代次数，实现了近线性的缩放，为大规模多样性数据选择提供了可扩展的求解器。
Spectral Retrieval-Augmented Time-Series Forecasting ⭐ 精选
Huu Hiep Nguyen et al.
cs.LG
本文提出SpecReTF，一种基于spectral retrieval增强的时间序列预测方法。该方法通过将时间序列转换为窗口化的频域表示，并利用结合振幅和相位信息的综合相似度度量来检索历史模式，克服了传统检索方法忽视频域特征和时序近因性的局限。同时，采用指数移动平均加权机制平衡近期与历史上下文，在多个非平稳时间序列基准上取得了优于时域检索方法的预测精度。
Score Approximation for Diffusion Models on Arbitrary Low-Dimensional Structures ⭐ 精选
Xinhe Mu et al.
cs.LG
本文针对扩散模型中score函数近似问题，提出了一种适用于任意紧支撑分布（其upper Minkowski dimension为\(d\)）的通用近似定理。通过引入一种新颖的离散混合公式，作者证明了score函数可以被一个ReLU网络近似，其复杂度仅随\(d\)呈指数增长，从而打破了环境维度（ambient dimensionality）的指数诅咒。该工作为扩散模型在处理具有奇异点、尖锐边界和不连续簇的真实世界数据时的卓越表现提供了理论解释，与“code”和“context”等关键词中关于模型适应复杂数据结构的理念较为契合。
Connect the Dots: Training LLMs for Long-Lifecycle Agents with Cross-Domain Generalization Via Reinforcement Learning ⭐ 精选
Yanxi Chen et al.
cs.LG cs.AI cs.CL
本文提出"Connect the Dots" (CoD)框架，用于训练LLM作为长期生命周期agent。该框架通过端到端reinforcement learning (RL)训练，使agent在长序列任务中交替执行solve-task和update-context episodes，从而持续探索环境并自我更新context。实验表明，该框架能激发agent的跨域泛化能力，在训练域内、跨域以及Ralph-loop设置中均展现出out-of-distribution generalization潜力。该工作与关键词"agent"和"context"高度契合，为LLM agent的长期部署提供了开创性方法。
StreamKL: Fast and Memory-Efficient KL Divergence for Boosting Attention Distillation ⭐ 精选
Guangda Liu et al.
cs.LG cs.AI
本文提出StreamKL，首个用于Attention KL Divergence的融合GPU原语。通过推导一种新颖的在线公式，实现了单次前向传递中流式处理query-key tiles，将额外HBM占用从\(O(N_QN_K)\)降至\(O(1)\)，并设计了高效的反向传播核函数。该方法在长上下文场景下显著加速了Attention Distillation过程，与我的关键词“attention”高度契合。
VIMPO: Value-Implicit Policy Optimization for LLMs ⭐ 精选
Zhewei Kang et al.
cs.LG
VIMPO提出了一种无需critic的policy optimization方法，通过KL-regularized reinforcement learning的最优性条件推导出policy-implied value function。对于autoregressive generation，该方法利用policy-reference log-ratios和trajectory终点的terminal condition构建value recurrence，从而在不训练critic的情况下整合outcome-level verifiable rewards。VIMPO通过value loss分离reward incorporation与PPO-style actor update，在数学推理benchmark（如MATH-500, AIME 2024/2025, OlympiadBench）上显著优于GRPO，尤其在竞争性评估和noisy reward场景下表现更优，为LLM的credit assignment提供了更细粒度的学习信号。
Quantum-classical physics-informed Kolmogorov-Arnold networks for PDEs ⭐ 精选
Xiang Rao, Yuxuan Shen
cs.LG physics.comp-ph
本文提出了QCPIKAN，这是首个量子-经典物理信息Kolmogorov-Arnold网络，用于求解偏微分方程(PDEs)。该混合框架基于Chebyshev多项式KAN层和参数化量子电路，通过将物理约束嵌入训练损失来强制执行物理一致性。理论分析基于approximation theory证明该设计能将高频误差收敛加速至指数速率，并有效缓解数值色散。在包括单相流、组分输运和两相流在内的多孔介质渗流场景验证中，QCPIKAN相比现有量子-经典物理信息神经网络，在全局预测精度、局部误差控制、动态演化追踪和位移前沿定位方面均表现更优。
Agentic Symbolic Search: Characterizing PDEs Beyond Hand-crafted Expressions, Meshes, and Neural Networks ⭐ 精选
Zongmin Yu, Liu Yang
cs.LG math.NA physics.comp-ph
ASYS提出了一种名为Agentic Symbolic Search的agent框架，用于自动发现偏微分方程（PDE）的解析或近似解析解。该方法将PDE理论、问题约束和搜索经验转化为可微分的符号程序，并通过进化搜索与梯度优化联合优化，从而将符号回归转化为一种自动化的归纳偏置注入过程。在多个具有挑战性的PDE问题（如Allen-Cahn二维动力学和Keller-Segel趋化爆破）中，ASYS成功恢复了已知解析形式，并首次构造了此前未知的闭式近似描述，为PDE解的表征提供了超越手工解析解、网格数值解和神经网络近似的新范式。该工作与关键词中的agent高度契合，且方法具有开创性。
Fisher-Geometric Sharpness and the Implicit Bias of SGD toward Flat Minima ⭐ 精选
Md Sakir Ahmed, Kumaresh Sarmah, Hemen Dutta
cs.LG cs.CG
本文针对深度学习中对SGD隐式偏好平坦最小值这一直觉的理论缺陷，通过将平坦性建立在由Fisher Information Matrix (FIM)诱导的统计流形的Riemannian几何上，定义了Riemannian sharpness (SR)并证明了其在保持网络函数的平滑重参数化下的不变性，直接回应了Dinh等人的批评。作者将小批量SGD的梯度噪声形式化为协方差与FIM成比例的结构，推导出随机微分方程的平稳分布，并证明概率质量指数级集中在Riemannian平坦最小值处。通过一个由SR显式控制的PAC-Bayes泛化界，该工作将几何偏好与测试性能联系起来，为平坦最小值为何泛化更好提供了严格的、重参数化不变的解释。
UltraQuant: 4-bit KV Caching for Context-Heavy Agents ⭐ 精选
Inesh Chakrabarti et al.
cs.LG cs.AI cs.PF
本文针对上下文密集型agent场景下的KV cache压缩问题，提出了一种4-bit量化方案UltraQuant。该方法采用TurboQuant风格的旋转矩阵（Walsh-Hadamard rotation）与codebook quantization作为质量锚点，并引入非对称K/V处理、QJL移除及block-scale变体等实用设计。在AMD GPU上通过优化的decode-attention kernel和原生scaled-MFMA支持，UltraQuant在长上下文多轮agent任务中，将缓存压力较大的后期轮次的P50首token延迟降低3.47倍，输出吞吐量提升1.63倍，为agent场景下的高效推理提供了开创性方案。
The Token Is a Group Element: On Lie-Algebra Attention over Matrix Lie Groups ⭐ 精选
Przemyslaw Musialski
cs.LG cs.CV cs.GR cs.RO math.DG
本文提出了一种全新的Lie-Algebra Attention机制，其中token被定义为matrix Lie group的元素\(g_i\)，而非传统带有特征向量的向量。该方法利用相对位姿的闭式代数范数\(s_{ij} = -\|\log(g_i^{-1} g_j)\|_\lambda^2/\tau\)作为注意力分数，无需学习核函数或表示论工具（如irreducible representations），且能处理非紧致非交换的affine full-frame groups（如Aff(2)）。实验表明，在SE(2)、SO(3)和Aff(2)上的序列补全任务中，该闭式分数在参数效率上优于学习型MLP核，并严格保持了等变性。该工作与关键词“attention”高度契合，并为group-equivariant attention提供了开创性的几何框架。
Computational Identifiability
Lucius E.J. Bynum, Rajesh Ranganath, Kyunghyun Cho
cs.LG cs.AI math.NA stat.CO stat.ME +1
本文提出了"计算可识别性"框架，将传统理论可识别性（基于渐近假设）替换为有限计算搜索过程，通过实证估计器在误差容限内判断可识别性。实验展示了该框架在有限样本、模糊图准则等场景下的应用，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。
When to Trust, How to Distill: Multi-Foundation Model Guidance for Lightweight, Robust Scientific Time Series Forecasting
Rupasree Dey et al.
cs.LG
本文提出Guard框架，通过门控不确定性感知路由机制从多个预训练Time-Series Foundation Models中蒸馏知识，以训练轻量级科学时间序列预测器。该方法利用Contextual Router动态选择最相关的教师模型，并采用Uncertainty-Gated Temperature机制在教师置信度与领域现实不一致时自动减弱蒸馏强度，在气象、碳通量等四个气候关键领域上降低了RMSE。
Closing the Social-Semantic Gap: SPSD for Edge-Based Prompt Compression in Cloud LLM Inference
Abhinit Sen, Ajeet Kumar, Manaranjan Pradhan
cs.LG
本文提出SPSD (Sentiment Preserving Semantic Distillation)方法，利用边缘设备上的4-bit量化小语言模型压缩用户提示词，以减少云端LLM推理的输入token成本。实验表明该方法在保持响应质量非劣效性的前提下，平均每次蒸馏可节省99.9个输入token，并估计每调用可节省70-270 uWh的能耗。
Performance Analysis and Optimization of 3D Generative Diffusion Models across GPU Architectures
Jeeho Ryoo et al.
cs.LG
本文分析了Med-DDPM在三种NVIDIA GPU架构上的性能瓶颈，发现训练主要由cuDNN convolution和implicit-GEMM kernel主导，并存在memory-access和Tensor Core利用率低等问题。通过TF32 Tensor Core激活和3D channels-last布局两种优化，在不影响合成质量的前提下显著提升了GPU资源效率。
Information Lattice Learning as Probabilistic Graphical Model Structure Learning
Haizi Yu, Lav R. Varshney
cs.LG cs.AI eess.SP
本文探讨了信息格学习（ILL）作为概率图模型结构学习的一种形式，通过将信号投影到划分格上学习可解释规则，并揭示了这些规则与log-linear factor graph的联系，但指出ILL的边编码的是抽象层次的细化与粗化，而非条件依赖关系。
Weibull Weight-Scale Parameter Evolution under AdamW Training Dynamics
Tiexin Ding
cs.LG
本文基于Weibull权重尺度参数\(\lambda\)在AdamW训练中的演化，将其增长归因于对齐力、注入力和衰减力的三力分解，并通过样条位移方法从稀疏检查点恢复对齐力，验证了力动力学对\(\lambda(t)\)的主导作用。
Zero-Inflated Gaussian Distributions Enable Parameter-Space Sparsity in Estimation-of-Distribution Algorithms
Andreas Faust, Sven Nitzsche, Juergen Becker
cs.LG cs.AI
本文提出使用multivariate zero-inflated Gaussian (ZIG)分布作为estimation-of-distribution algorithm (EDA)的采样分布，以解决连续参数空间中的稀疏优化问题。该方法通过一个latent Gaussian model同时建模稀疏模式和活跃参数的相关性，并设计了实用的amortized inversion-based estimators来估计模型参数。实验表明，ZIG-EDA在Lunar Lander基准上比传统dense Gaussian EDA和手工设计的稀疏进化算法表现更好。
Human-like autonomy emerges from self-play and a pinch of human data
Daphne Cornelisse et al.
cs.LG cs.AI cs.MA
本文提出一种结合self-play与少量人类演示数据的驾驶策略训练方法，通过将人类数据作为正则化目标，在仅需30分钟人类演示和单GPU 15小时训练的条件下，实现了与人类轨迹的协调。该方法解决了纯self-play策略可能产生与人类不兼容的驾驶习惯的问题。
ProMUSE: Progressive Multi-modal Uncertainty-guided Staged Evidential Alzheimer Disease Classification
Long Doan et al.
cs.LG cs.AI cs.CV
ProMUSE提出了一种渐进式多模态不确定性引导的分阶段证据网络，用于阿尔茨海默病诊断。它通过低成本的临床数据先进行证据分类，并在不确定性高时逐步引入MRI或PET成像，利用Dempster-Shafer理论融合多模态信息，在保持诊断准确性的同时显著降低了昂贵影像的使用率。
cAPM: Continual AI-Assisted Pace-Mapping with Active Learning
Dylan O'Hara et al.
cs.LG cs.AI
本文提出了一种名为cAPM的连续AI辅助起搏标测方法，利用任务无关的surrogate neural network和continual learning策略，在心室性心动过速的起搏标测中跨目标传递知识，以减少所需起搏位点数量。实验表明，该方法在模拟环境中以更少的起搏位点实现了更高的定位精度。
Protein Representation Learning with Secondary-Structure and Energy-Filtered Hydrogen-Bond Graphs
Mohamed Mouhajir et al.
cs.LG cs.AI
本文提出了一种基于二级结构和能量过滤氢键图的图神经网络用于蛋白质表示学习，通过将残基节点表示与二级结构信息结合，并利用氢键相互作用构建图边。该方法在蛋白质基准测试上取得了改进，并增强了生物可解释性。
Physics-Informed Discovery of Yield Functions in Plasticity via Convex Neural Representations
Hyeonbin Moon et al.
cs.LG cond-mat.mtrl-sci
本文提出了一种基于物理信息的框架，通过凸神经网络表示屈服函数，从全场位移和反力数据中识别各向异性屈服函数，无需应力观测或预设参数形式。该方法将屈服函数作为弹塑性应力积分中的力学约束组件进行训练，并通过可微应力更新和物理信息力平衡损失进行优化。
Cost-Optimal LLM Routing with Limited User Feedback under User Satisfaction Guarantees
Herbert Woisetschläger et al.
cs.LG cs.AI cs.IR
本文提出SLARouter，一种在线LLM路由算法，利用生产系统中稀疏的单侧用户反馈学习成本最优策略，并提供了成本最优性和严格SLA合规性的理论保证。实验表明该方法无需针对特定基准调优即可满足SLA约束，相比现有基线降低了高达2.2倍的运营成本。
Emyx: Fast and efficient all-atom protein generation
Nicholas J. Williams et al.
cs.LG cs.AI
Emyx是一个140M参数的conditional flow matching模型，用于全原子蛋白质生成。它通过轻量级条件表示和稀疏连接替代了复杂的嵌入堆叠，并推导了flow matching插值到EDM噪声水平的精确重参数化，在训练效率上优于现有模型。
A Hybrid GNN-FEM Framework for Phase-Field Fracture Simulation. Physics-Preserving Hybridization for Generalizable Surrogate Modeling
Hyeonbin Moon, Yongjin Choi, Seunghwa Ryu
cs.LG cond-mat.mtrl-sci
本文提出了一种混合GNN-FEM框架用于相场断裂模拟，通过图神经网络替代传统有限元中的相场更新步骤，同时保留基于FEM的位移求解器以保持力学平衡。该方法通过无量纲特征设计和物理信息损失函数实现了对不同几何、载荷和材料属性的泛化能力，在降低计算成本的同时保持了预测精度。
How Linear Is a Transformer Feed-Forward Block? Per-Block Linear Recoverability Is Learned, Not Architectural
Stuart Whipp
cs.LG cs.AI cs.CL
本文提出了一种衡量Transformer中Feed-Forward Block (FFN) 线性程度的指标\(R^2_{lin}\)，通过将每个FFN的输入-输出映射分解为精确的最小二乘线性近似与残差来计算。实验发现，不同训练后的FFN块的线性度差异巨大且与激活函数无关，表明线性可恢复性是一个学习到的属性而非架构属性。该指标可用于指导模型压缩，但整体方法更偏向于实证分析，与所提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度不高。
VERITAS: Verifier-Guided Proof Search for Zero-Shot Formal Theorem Proving
Manish Acharya et al.
cs.LG cs.AI cs.LO cs.PL
VERITAS提出了一种零样本形式定理证明框架，通过两阶段协议（Best-of-N采样和基于critic的MCTS）利用验证器反馈信号（如语法错误、类型不匹配）来引导证明搜索。在miniF2F和VERITAS-CombiBench上的实验表明，该方法优于独立采样基线，但未涉及代码、谱方法或预训练等关键词。
Thermodynamic Signatures of Reasoning: Free-Energy and Spectral-Form-Factor Diagnostics for Hallucination Detection in Large Language Models
Salim Khazem
cs.LG cs.CL
本文提出Free-Energy Signatures (Fes)，将attention Laplacian视为Hamiltonian并提取其thermodynamic potentials（如partition function, free energy等）以及random-matrix-theory (RMT) spectral form factor，用于检测大语言模型中的hallucination。该方法在多个benchmark上提升了AUROC指标，但主要聚焦于hallucination检测而非与关键词直接相关的核心问题。
FlexLAM: Resolving the Bottleneck Trade-off in Latent Action Learning
Takanori Yoshimoto et al.
cs.LG cs.RO
本文提出FlexLAM，通过嵌套dropout训练变长latent action，解决了固定容量bottleneck在latent action learning中的权衡问题，无需新架构即可在不同token预算下匹配或超越固定容量模型。
Does Text Actually Help? Uncovering and Resolving Text Collapse in Multimodal Time Series Forecasting
Huu Hiep Nguyen et al.
cs.LG
本文发现多模态时间序列预测中文本分支存在“text collapse”现象，即文本分支收敛为与内容无关的变换。为解决此问题，提出REST-TS方法，通过让数值主干独立预测，并让文本分支专门监督预测残差，从而迫使文本分支提取真实内容。
MortarBench: Evaluating Mortgage Loan Origination Agents
Matthew Toles et al.
cs.LG
本文提出了MortarBench，一个用于评估抵押贷款发起agent的benchmark，并发现现有LLM在该任务上表现不佳，存在系统性偏差。作者还引入了CRIT框架来提升准确率和风险管理能力。
3D-DLP: Self-Supervised 3D Object-Centric Scene Representation Learning
Ellina Zhang et al.
cs.LG cs.CV cs.RO
本文提出3D-DLP模型，在Deep Latent Particles框架基础上扩展至3D，通过自监督学习将场景级RGB-D或voxel观测分解为一组3D latent particles，每个particle编码解耦的属性（如3D关键点位置、bounding box尺寸和外观特征）。模型通过端到端重建目标学习可解释的逐particle分割图，并展示了在机器人操作任务中利用这些紧凑3D表示相比baseline的性能提升。
Can In-Context Learning Support Intrinsic Curiosity?
Eric Elmoznino et al.
cs.LG cs.AI
本文研究了序列模型的in-context learning能力能否替代传统梯度更新，用于驱动基于learning progress的intrinsic curiosity探索策略。作者通过理论分析证明，在一般Markov decision processes中，仅依赖in-context learner的prediction errors无法无偏估计learning progress，但在非时序的active learning和Bayesian Experimental Design子类中，该方法能有效收敛到真实learning progress。实验在连续和符号环境中验证了该框架能训练出最优探索策略。
Insulin4RL: Real-Time Insulin Management in the Intensive Care Unit for Offline Reinforcement Learning
Thomas Frost, Steve Harris
cs.LG
本文介绍了Insulin4RL，一个基于MIMIC-IV构建的医疗离线强化学习数据集，用于重症监护室中胰岛素输注的实时管理。该数据集包含来自真实临床轨迹的不规则输入和动作，旨在改善离线强化学习模型在临床决策中的评估与泛化能力。
Concept Flow Models: Anchoring Concept-Based Reasoning with Hierarchical Bottlenecks
Ya Wang, Adrian Paschke
cs.LG cs.AI
本文提出Concept Flow Models (CFMs)，通过将概念瓶颈层替换为层次化的概念驱动决策树，以缓解概念瓶颈模型中的信息泄露问题。该方法在保持预测性能的同时，通过减少有效概念使用量来提升可解释性。
Algebraic Dead Directions in LayerNorm Transformers: A Forward-Pass-Only Diagnostic at LLM Scale
Tejas Pradeep Shirodkar, P. J. Narayanan
cs.LG stat.ML
本文研究了LayerNorm transformers中参数空间的代数死方向，发现逆尺度方向是后归一化中心激活协方差矩阵的精确代数核，无需前向或反向传播即可从LayerNorm尺度参数直接读取。该方向在随机初始化时与SVD结果高度吻合，在训练后沿该方向的协方差特征值显著加深，为分析transformer的奇异结构提供了低成本诊断方法。
Calibrating Generative Models to Feature Distributions with MMD Finetuning
Nathaniel L. Diamant, Brian L. Trippe
cs.LG
本文提出kCGM方法，通过最小化生成样本与目标集之间的Maximum Mean Discrepancy (MMD)来校准生成模型的特征分布，并使用KL正则化保持与预训练模型的接近。该方法在分子、蛋白质和DNA生成任务中展示了有效性，但未涉及关键词中的code、context、spectral、Muon、agent或attention等概念。
Interactive Pareto navigation for deep multi-task learning
Augustina C. Amakor, Konstantin Sonntag, Sebastian Peitz
cs.LG math.OC
本文提出了一种名为Preference Pareto Exploration (PPE)的交互式多任务学习框架，通过预测-校正方法在Pareto最优解流形上沿决策者偏好方向进行探索，并利用Krylov子空间方法避免显式Hessian计算。该方法旨在解决深度学习中多目标优化时加权求和无法捕捉Pareto前沿形状的问题。
Techniques for Peak Memory Reduction for LoRA Fine-tuning of LLMs on Edge Devices
Hassan Dbouk et al.
cs.LG cs.AI
本文针对在边缘设备上使用LoRA微调大语言模型时的峰值内存问题，提出了一系列互补技术，包括基模型量化、选择性激活缓存与磁盘卸载、softmax近似及logits掩码，在Llama-3.2 3B和Qwen-2.5 3B上实现了高达\(26\times\)和\(28\times\)的峰值内存降低。这些方法主要关注工程优化，与关键词中的理论或结构创新关联较弱。
Tracking Representation Dynamics in Large Language Models with Persistent Homology
Naman Malhotra et al.
cs.LG
本文使用persistent homology（持续同调）追踪大型语言模型在supervised fine-tuning（监督微调）过程中activation spaces（激活空间）的拓扑结构演化，发现大部分拓扑重组发生在训练早期，且不同alignment objectives（对齐目标）会诱导出可区分的拓扑轨迹。
Predicting Mergeability of Parameter-Efficient Fine-Tuning Updates
Lin Tang et al.
cs.LG
本文研究了参数高效微调（PEFT）中LoRA适配器的可合并性预测问题，提出了一种名为MergeProbe的轻量级预测器，通过训练早期信号（如低秩更新与梯度的对齐程度）来预估合并后的性能保留，从而将合并决策从后验工程转化为前瞻性测量。
Displacement Is Not Direction: Evaluating Fidelity Metrics for Quantized LLM Deployment
Miloš Nikolić et al.
cs.LG cs.CL
本文研究了量化LLM部署中保真度指标（如per-token KL divergence）与下游基准质量的相关性，发现KLD在整体量化配置中与基准分数强相关，但在接近基线的“静默区”内相关性消失。该现象源于KLD主要衡量与参考模型的分歧量而非分歧方向，且作为跨模型路由器的性能较差。
Understanding Key Features of Time Series Foundation Models from Epidemic Forecasting
Alireza Jafari et al.
cs.LG
本文系统评估了多种时间序列预测模型（包括经典神经网络、transformer、预训练基础模型和LLM方法）在流感疫情预测中的表现，发现混合专家模型效果最佳，且预训练在长周期预测中优势明显。研究还探讨了住院数据作为辅助信号对预测的增强作用。
Advances in Scientific Machine Learning for Coupled Fluid Flow and Transport
Gabriel F. Barros, Rômulo M. Silva, Alvaro L. G. A. Coutinho
cs.LG physics.flu-dyn
本文综述了Scientific Machine Learning (SciML)在耦合流体流动与输运问题中的最新进展，包括基于Singular Value Decomposition的线性降阶方法和Physics-Informed Neural Networks (PINNs)等非线性神经网络方法，并展示了其在浊流和热对流等基准问题上的应用。文章主要关注如何通过SciML构建高效代理模型以降低计算成本，但未涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念。
On the QUEST for Uncertainty Quantification via Highest Density Regions
Sam Goring et al.
cs.LG
本文提出了一种基于最高密度区域（Highest Density Regions）的不确定性量化框架QUEST，通过分布支撑集上最可能子集的体积来表征不确定性，并建立了与信息论和经济学中经典统计量的联系。该方法在选择性预测基准测试中表现优于方差和微分熵等标准度量。
Unsupervised Causal Abstractions Discovery
Théo Saulus, Simon Lacoste-Julien, Dhanya Sridhar
cs.LG
本文研究了从低层测量数据中直接学习高层结构因果模型(SCM)的问题，利用低秩因果发现的假设证明了低秩图生成的观测数据能诱导出构成因果抽象(一种高层模型捕捉低层干预行为的框架)的隐变量，并提出了一个实用目标函数来学习该高层SCM。
IHBench: Evaluating Post-Interruption Recovery in Voice Agents with Structured Workflows
Ahmad Salimi et al.
cs.LG cs.AI
本文提出了IHBench基准，用于评估语音agent在结构化工作流中处理中断后的恢复能力，涵盖10个企业领域和6种中断类型。实验表明，闭源模型在任务完成和恢复质量上显著优于开源模型，且恢复能力是一个独立的能力维度。
Comparing Linear Probes with Mahalanobis Cosine Similarity
Zhuofan Josh Ying, Peter Hase, Nikolaus Kriegeskorte
cs.LG
本文研究了线性探针（linear probes）的Mahalanobis余弦相似度（MCS）与OOD AUROC之间的线性关系，证明了在平衡类且投影为Gaussian的条件下，两者均为探针信噪比（SNR）的sigmoid型函数，从而解释了线性关系的成因。该工作为比较线性探针提供了理论依据，但方法本身并非开创性，且与关键词列表中的概念关联较弱。
Latent Confounded Causal Discovery via Lie Bracket Geometry
Sridhar Mahadevan
cs.LG cs.AI
本文利用Lie bracket几何和Kan-Do-Calculus的范畴论框架，提出了两种因果发现算法BRIDGE和SKFM，用于在存在潜在混杂变量时推断因果结构。算法通过计算观测与干预测度之间的Radon-Nikodym导数诱导的局部向量场，并利用其Lie括号的闭合性失败来识别潜在的未建模结构。
SEAGAN: domain-Specific and Edge-Aware Graph Attention Network for Dynamic Plant Processes
Antriksh Srivastava, Soumyashree Kar
cs.LG
本文提出SEAGAN，一种基于Graph Attention Network的方法，将植物生理学中的A-Ci曲线上的点建模为graph nodes，通过kNN和辅助信号构建graph，并利用edge-aware attention进行节点分类，以识别光合作用的生化限制状态。该方法在合成数据集上取得了较好的分类性能，但主要针对特定应用场景，与关键词中的概念关联较弱。
MassSpecGym in the Wild: Uncovering and Correcting Evaluation Pitfalls in AI-Driven Molecule Discovery
Hongxuan Liu et al.
cs.LG
本文系统性地审查了基于质谱（MS/MS）的分子发现领域中机器学习模型评估的常见陷阱，并以MassSpecGym基准套件为例，揭示了数据泄露、捷径学习和实现错误三类问题，最后发布了修正后的MassSpecGym v1.5版本。
Hard or Just Unreached? Diagnosing the Sampling Blind Spot in Math-Reasoning Difficulty Estimation
Luca Zhou et al.
cs.LG cs.AI
本文指出数学推理基准中常用的pass@k指标在评估最困难样本时存在盲点，通过激活嫁接（activation grafting）等确定性扰动方法，发现部分原本无法被采样解决的题目实际上可以被解决。文章主要关注难度估计的诊断问题，与您提供的关键词关联度较低。
Convex training of Lipschitz-regularized shallow neural networks
Chao Yin, Antoine Lesage-Landry
cs.LG
本文提出了一种针对浅层神经网络的凸训练方法，通过引入凸限制来求解非凸的Lipschitz正则化训练程序，从而提升模型对对抗攻击的鲁棒性。该方法可作为后处理步骤，利用预训练网络作为初始解，并保证优化后的网络性能不劣于初始网络。
LOKI: Memory-Free Null-Space Constrained Lifelong Knowledge Editing
Masih Eskandar et al.
cs.LG cs.AI
LOKI提出了一种基于Hilbert-Schmidt Independence Criterion的动态层选择方法，并结合null-space投影进行梯度更新，以解决lifelong knowledge editing中的灾难性遗忘问题。该方法无需访问历史数据，在多个实验上平均准确率提升达14%。
Multi-Granular Attention-Driven Reinforcement Learning Framework for Web Intelligent Enhancement Systems
Navin Chhibber et al.
cs.LG
本文提出了一种基于多粒度注意力机制的强化学习框架MGAR-WIES，用于处理异构网络数据并优化个性化网络服务。该方法通过语义图建模和注意力机制捕捉局部与全局依赖，并利用多智能体强化学习策略实现内容推荐等任务的实时自适应。
Efficiently Representing Algorithms With Chain-of-Thought Transformers
Yanhong Li et al.
cs.LG cs.AI cs.CL
本文研究了chain-of-thought (CoT) transformers能否高效模拟Word RAM算法，证明了在有限精度和poly-logarithmic宽度条件下，CoT transformers可以以poly-logarithmic开销模拟任意Word RAM算法，包括排序和Dijkstra算法。该工作主要关注计算模型的理论效率，与关键词中的code、agent、attention等概念关联较弱。
Efficient Neural Network Model Selection for Few-Class Application Datasets
Bryan Bo Cao et al.
cs.LG cs.CV
本文针对少类别（few-class）实际应用数据集，提出了一种基于数据侧属性的分类难度度量，用于加速模型选择过程，其速度比重复训练和测试快6到29倍。该方法在移动机器人、无人机和物联网等资源受限场景中展示了效率提升，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
OnDeFog: Online Decision Transformer under Frame Dropping
Daiki Yotsufuji et al.
cs.LG cs.AI
本文提出OnDeFog，将DeFog的机制与在线决策Transformer(ODT)结合，以应对强化学习中帧丢失导致的性能下降问题。实验表明，OnDeFog在高丢帧率环境下优于ODT，并在含大量低奖励数据的数据集上超越DeFog。
Federated Bilevel Performative Prediction
Liangxin Qian et al.
cs.LG
本文研究了联邦双层执行预测问题，其中上下层目标均依赖于客户端特定的决策驱动分布。作者形式化了联邦双层执行稳定点并提出了两种求解方法，实验验证了方法的有效性。
Manifold Bandits: Bayesian Curriculum Learning over the Latent Geometry of Large Language Models
Darrien McKenzie, Nicklas Hansen, Xiaolong Wang
cs.LG cs.AI cs.CL
本文提出了一种名为Bayesian Manifold Curriculum (BMC)的方法，将大语言模型中的问题采样建模为具有流形结构的bandit问题，并利用贝叶斯学习指导采样。该方法通过组织层次化任务树来捕捉任务空间的异质性，并揭示了不同采样策略在学习信号、任务覆盖和评估效用之间的权衡。
Learning universal approximations for partial differential equations with Physics-Informed Broad Learning System
Zhiwen Yu et al.
cs.LG math.NA
本文提出Physics-Informed Broad Learning System (PIBLS)，一种无需反向传播的框架，将PDE求解转化为直接最小二乘优化，并证明了其对非线性PDE的universal approximation性质。实验表明，该方法在求解线性和非线性PDE时，比传统PINNs快一到三个数量级且精度更高。
An Information Theoretic Framework for Graph Novelty Generation via Latent Mixture Modeling
Itsuki Nakagawa, Kenji Yamanishi
cs.LG
本文提出了一种基于信息论的图新颖性生成框架，通过将数据嵌入latent space并使用finite mixture models建模，在Minimum Description Length (MDL)原则下施加新颖性和可靠性条件来生成与现有模式不同的图数据。理论分析表明，在适当阈值下，误分类概率以显式速率收敛到零。
Flow Map Denoisers: Traversing the Distortion-Perception Plane for Inverse Problems
Nicolas Zilberstein, Morteza Mardani, Santiago Segarra
cs.LG cs.CV
本文研究了flow map models在图像复原中如何通过lookahead参数t在distortion-perception tradeoff中连续调节，无需额外训练或超参数调优。实验在CelebA和AFHQ数据集上验证了该方法在多种线性与非线性逆问题中的有效性。
Uncertainty-Aware Reward Modeling for Stable RLHF
Licheng Pan et al.
cs.LG cs.AI
本文提出了一种不确定性感知的奖励建模方法UARM，通过分位数保形预测校准奖励模型的不确定性，并利用异方差方差分解重新加权GRPO优势函数，以缓解RLHF中的奖励黑客问题。实验表明该方法在多个基准上提升了奖励模型校准和下游对齐质量。
Enhancing Graph Neural Networks Using Proximity Graphs for Dust Source Emission Forecasting
Maryam Sanisales et al.
cs.LG
本文利用proximity graphs（如Delaunay triangulation, Gabriel graph等）作为Graph Neural Networks (GNNs)的输入，用于预测沙尘源排放。实验表明，该方法在捕捉时空动态方面优于使用random graphs的GNNs和LSTM模型。
When, Where, and How: Adaptive Binning for Tabular Self-Supervised Learning
Daehwan Kim, Haejun Chung, Ikbeom Jang
cs.LG cs.AI
本文提出了一种针对表格数据的自适应分箱自监督学习方法，通过特征级别的渐进式细化分箱策略和异质性感知目标函数，在医疗表格数据集上提升了线性探测和微调的性能。该方法无需针对特定数据集调整分箱参数，并引入了标准化的医疗表格自监督学习基准。
Neural Additive and Basis Models with Feature Selection and Interactions
Yasutoshi Kishimoto et al.
cs.LG cs.AI
本文提出在Neural Additive Model (NAM)和Neural Basis Model (NBM)中引入特征选择机制，通过添加特征选择层来降低计算开销和模型规模，从而使其能处理高维数据并捕捉特征交互。该方法在保持可解释性的同时提升了计算效率。
Physics-Informed Neural Network with Squeeze-Excitation-like Attention
Yun-Fei Song et al.
cs.LG physics.comp-ph
本文提出SEA-PINN，通过在physics-informed neural networks中引入Squeeze-Excitation-like attention机制来动态调整神经元重要性，实现了高度稳定的初始化，并在多个基准问题上提升了收敛可靠性与非线性表示能力。该方法可作为轻量级插件模块，无需傅里叶特征或周期激活函数即可达到有竞争力的精度。
Global Convergence of Gradient Descent for Score Matching in Gaussian Mixtures via Reverse Fisher Divergence
Alexander Tyurin
cs.LG math.OC
本文研究了在Gaussian Mixture Models中通过反向Fisher散度进行score matching的梯度下降全局收敛性，证明了该方法相比前向Fisher散度具有更优的优化性质，并给出了在特定初始化条件下的收敛保证。
On the Oracle Complexity of Interpolation-Based Gradient Descent
Dongmin Lee, William Lu, Anuran Makur
cs.LG math.OC stat.ML
本文提出了一种基于分段多项式插值的梯度下降方法(PPI-GD)，通过查询数据域中等距点的梯度来近似完整梯度，并分析了其在强凸和非凸损失函数下的oracle复杂度。当数据空间维度为训练样本数的多对数函数时，该方法在某些关键场景下优于多种梯度下降变体。
Matching Markets meet Cumulative Prospect Theory: Towards Optimal and Adversarially Robust Learning
Ananya Kunisetty, Avishek Ghosh
cs.LG stat.ML
本文研究了竞争性双边匹配市场中的多智能体多臂老虎机问题，使用累积前景理论（CPT）来模拟人类决策偏好。作者分析了CPT权重扭曲奖励下的学习算法，并针对对抗性市场提出了鲁棒算法，获得了对数级别的遗憾界。
SL-S4Wave: Self-Supervised Learning of Physiological Waveforms with Structured State Space Models
Feng Wu et al.
cs.LG cs.AI
本文提出SL-S4Wave，一种结合对比学习与基于structured state space models (S4)的编码器的自监督学习框架，用于处理多通道生理波形（如ECG）的长序列建模。该编码器通过多层全局卷积和多尺度子核，同时捕捉局部模式和长程时间依赖，在心律失常检测等任务上优于现有方法。
Adversarial Bandit Optimization with Globally Bounded Perturbations to Convex Losses
Zhuoyu Cheng, Kohei Hatano, Eiji Takimoto
cs.LG
本文研究对抗性bandit优化问题，其中损失函数可能非凸且非光滑，但包含一个凸且\(\beta\)-光滑的底层成分与一个受全局预算约束的对抗性扰动。作者通过修改标准bandit优化算法，为这类广义凸光滑损失建立了期望regret界，并显式刻画了扰动预算的影响。
ADaPT: Token-Level Decoupling for Efficient Large Reasoning Models
Tingyun Li et al.
cs.LG
本文提出ADaPT框架，通过引入token-level的mode-selection token来解耦大语言模型推理中的效率与正确性信号，从而在训练中避免对长但正确推理路径的惩罚。该方法允许在推理时通过调整该token的生成概率，实现单个模型在效率-性能Pareto前沿上的连续控制。
Compositionality Emerges in a Narrow Depth-Connectivity Regime: Architecture Constraints and Solution Manifolds
Dat H. Do et al.
cs.LG
本文研究了compositionality（组合性）在神经网络中涌现的条件，发现其仅出现在一个狭窄的深度-连接性区间内，并提出了基于相似性的剪枝方法和深度预测器来利用这一现象。
Towards Graph-Based Deep Learning for Map Generalization: Insights from Building Footprints Simplification and Aggregation
Yanning Wang et al.
cs.LG
本文首次探索将graph-based deep learning应用于地图综合中的building footprints简化与聚合任务，将简化重构为node movement prediction，聚合重构为link prediction。实验评估了GCN、GAT和GraphSAGE等模型，发现GraphSAGE在link prediction上表现较好，但node movement prediction仍具挑战，且聚合任务比简化更复杂。
Low-Energy Reduced RISC-V Instruction Subset Processor for Tsetlin Machine Inference at the Edge
Chanda Gupta et al.
cs.LG cs.AR
本文提出了一种针对Tsetlin Machine推理的领域专用RISC-V微处理器架构，通过指令精简和流水线简化，在保持可编程性的同时显著降低了能耗和执行时间。实验表明，该设计相比二值化神经网络在多个数据集上实现了更高的准确率和高达\(29.7\times\)的能耗降低。
Kolmogorov-Arnold Reservoir Computing
Juntian Huang, Jurgen Kurths, Ying Tang
cs.LG
本文提出Kolmogorov-Arnold Reservoir Computing (KARC)，将Reservoir Computing与Kolmogorov-Arnold Networks (KANs)结合，通过显式基函数展开替代传统reservoir，实现了高效的闭式训练，并在动力系统预测任务上优于现有方法。
Activation- and Influence-Aware Ranks (AIR): Function-Preserving SVD Compression for LLMs
Nico Harder et al.
cs.LG
本文提出了一种基于SVD的LLM压缩框架AIR，通过引入反向信号影响度量来指导低秩近似，并在保持单调下降保证下进行交替最小二乘优化。该方法在参数保留率不超过60%时，相比SVD-LLM(W)将perplexity提升了超过18%，同时减少了约90%的校准数据需求。
Self-Adaptive Scale Handling for Forecasting Time Series with Scale Heterogeneity
Xu Zhang et al.
cs.LG
本文提出了一种自适应的尺度处理模块AS，用于处理时间序列预测中不同序列数量级差异大的问题。该模块通过尺度校准和选择机制，在保持语义可区分性的同时减少逆尺度误差，并在基金销售数据集上验证了其有效性。
Hierarchical Control in Multi-Agent Games: LLM-based Planning and RL Execution
Jannik Hösch et al.
cs.LG cs.AI
本文提出了一种分层架构，使用预训练LLM作为中央控制器来协调多个RL技能策略，在2v2对抗环境中与行为树和端到端RL基线进行比较。实验表明该混合系统在任务性能上与手工设计的BT相当，且被用户认为更具人类行为特征。
Adaptive Distance-Aware Trunk Deep Operator Learning for Long-Span Roadway Bridges
Bilal Ahmed et al.
cs.LG
本文提出了一种自适应距离感知的Trunk DeepONet框架，用于长跨桥梁在车辆荷载下的局部结构响应预测。该方法通过KNN策略动态构建荷载依赖的学习域，并利用距离感知特征增强Trunk网络，结合刚度信息的Schur补全实现全场重构。实验表明该方法在保持有限元精度（相对误差低于5%）的同时，将响应评估时间降低约60倍。
Exploring the potential of AlphaEarth and TESSERA embeddings for Fine-scale Local Climate Zone Mapping: A case study across five cities in Switzerland
Htet Yamin Ko Ko, Clement Atzberger
cs.LG
本文比较了TESSERA和AlphaEarth两种预训练embedding与传统Sentinel-1/2数据在瑞士五个城市中用于精细尺度Local Climate Zone (LCZ)制图的效果，使用attention-based U-Net将粗分辨率LCZ图提升至10米分辨率。实验表明TESSERA embedding在多数场景下表现最优，但跨年迁移仍具挑战。
Alzheimer's Disease Diagnosis using a Multimodal Approach with 3D MRI and PET
Loukas Ilias et al.
cs.LG
本文提出了一种结合3D卷积特征提取器与三种融合策略（concatenation、Gated Multimodal Unit、gated self-attention）以及稀疏门控Mixture-of-Experts分类器的多模态方法，用于阿尔茨海默病的诊断。实验表明，该方法在NC vs. MCI和NC vs. AD任务上取得了较好性能，且消融实验验证了MoE模块的有效性。
Comparative Study of Neural Surrogate Architectures for Autoregressive Prediction of Internal Battery States
Gihyun Lee et al.
cs.LG
本文系统比较了四种神经网络架构（MLP, ResNet, U-Net, FNO）作为自回归状态转移算子，用于预测锂离子电池内部状态。结果表明U-Net因其多尺度空间归纳偏置在300步自回归后平均nRMSE为3%，并实现了5.38倍加速。
PaAno+: Multiscale Encoding and Cross-Variable Attention for Time Series Anomaly Detection
Youji Zhu et al.
cs.LG
本文提出了一种轻量级时间序列异常检测模型PaAno+，通过多尺度卷积编码和跨变量注意力机制来提升特征提取与依赖建模能力，并在TSB-AD基准上取得了先进的检测精度。该工作主要关注工程效率与性能平衡，未涉及code、context、spectral等关键词所指向的特定理论或方法创新。
What Makes Effective Supervision in Latent Chain-of-Thought: An Information-Theoretic Analysis
Xinghao Chen et al.
cs.LG cs.CL
本文从信息论角度分析了Latent Chain-of-Thought中的监督失效问题，将其归因于梯度衰减和表征漂移的双重崩溃，并提出了Trajectory Supervision和Space Supervision两种监督维度。实验通过Unified Latent Probe (ULP)量化了潜在轨迹与推理步骤间的互信息，揭示了信息-性能绑定关系。
Sensorimotor World Models: Perception for Action via Inverse Dynamics
Petr Ivashkov, Randall Balestriero, Bernhard Schölkopf
cs.LG cs.AI
本文提出了一种传感器运动世界模型(SMWM)，通过逆动力学正则化实现端到端训练，解决了潜在表示崩溃问题并诱导出与动作对齐的表示。该方法在简单2D和3D控制任务中展示了竞争性的规划性能，但未涉及代码、上下文、谱方法等关键词相关领域。
Quantile of Means: A Bonus-Free Ensemble Method for Minimax Optimal Reinforcement Learning
Asaf Cassel, Aviv Rosenberg
cs.LG
本文提出了一种基于quantile的ensemble方法用于finite-horizon MDPs，无需计数即可实现最优variance-dependent regret bounds，为RL中的ensemble探索提供了理论依据。
When Calibration Fails the Vulnerable Hospital: Federated Conformal Risk Control via Risk-Curve Shrinkage
Nafis Fuad Shahid
cs.LG cs.CV
本文研究了联邦学习中Conformal risk control (CRC)方法在跨机构医学图像分割中的校准问题，发现简单池化方法会损害部分机构的coverage，而本地方法则导致预测集过大。作者提出了一种基于risk-curve shrinkage的联邦CRC协议，通过传输经验风险曲线并施加正则化来平衡最坏情况下的coverage与效率。
Multi-Modal Contrastive Learning for Implicit Earth Embeddings via Location Tying
Jonathan Hecht et al.
cs.LG
本文提出了两种多模态对比学习架构MELT和SALT，用于通过位置绑定隐式学习地理空间嵌入。实验表明，增加模态数量并未持续提升性能，主要限制来自位置编码器本身，而非模态多样性或预训练数据量。
Predicting gestational age at birth in the context of preterm birth from multi-modal fetal MRI
Diego Fajardo-Rojas et al.
cs.LG
本文利用多模态胎儿MRI数据，通过机器学习pipeline（包括数据插补、特征选择和回归模型）预测出生时的gestational age，并分类为足月或早产。该工作主要作为概念验证，性能有限（R2=0.13），但首次将早产预测从分类问题扩展为回归问题。
Computational Methods and Challenges in Cell-Free DNA Analysis for Multi-Cancer Early Detection
Nicko Starkey, Marcin W. Wojewodzic, Krzysztof Rzecki
cs.LG
本文综述了2022至2025年间基于cell-free DNA (cfDNA)的多癌早期检测计算方法，重点分析了fragmentomics和epigenetic特征的提取与分析，并讨论了经典统计、机器学习及深度学习框架。文章指出多模态集成方法最具临床整合潜力，但标准化评估协议至关重要。
Effective Dimension Governs Generalization in Quantum Kernel Vision Models
Jian Xu et al.
cs.LG
本文研究了量子视觉模型中有效维度\(d_{\rm eff}\)对泛化性能的影响，发现纠缠结构和量子噪声通过调节\(d_{\rm eff}\)起到类似ridge正则化的作用，并给出了去极化核的精确分解和振幅阻尼的收缩结果。该工作将两个经验现象统一为一个可测量的设计原则，但方法本身并非开创性突破，且与关键词列表关联较弱。
Learner-based Concept Drift Detection: Analysis and Evaluation
Md Moman Ul Haque Khan, Samira Sadaoui
cs.LG cs.AI
本文综述了流式数据中concept drift检测算法的理论与性能评估，分析了不同漂移特征（如abrupt和gradual变化）对算法的影响。研究通过合成与真实数据集实验，为理解漂移检测器的行为提供了参考。
Boundary Embedding Shaping with Adaptive Contrastive Learning for Graph Structural Disentanglement
Jiaqing Chen et al.
cs.LG cs.AI
本文针对图神经网络中节点嵌入受结构噪声污染的问题，提出了一种自适应对比学习模块BES，通过识别并抑制决策边界附近节点的虚假相关性来提升分类性能。实验表明该方法在节点分类和链接预测任务上优于现有方法。
Integrating national forest inventory, airborne lidar, and satellite imagery for wall-to-wall mapping of forest structure with computer vision
Luke J. Zachmann et al.
cs.LG cs.CV
本文提出了VibrantForests框架，结合卫星图像、机载lidar和森林清查数据，利用计算机视觉方法生成美国本土10米分辨率的森林结构年度地图（如冠层覆盖、高度、生物量等）。该框架通过lidar-derived样本训练模型，减少了传统被动传感器模型中的饱和与回归均值问题。
Shifting-based Optimizable Linear Relaxations for General Activation Functions
Philipp Kern et al.
cs.LG cs.LO
本文提出了一种名为SLiR的通用方法，通过参数化线性松弛的斜率并利用平移过程计算偏移量，为任意激活函数（仅需Lipschitz常数或临界点）生成可优化的线性松弛，从而支持神经网络的形式化验证。实验表明该方法在多种激活函数上能产生紧致的松弛，并比现有方法验证更多性质。
Recurrent neural networks approximate continuous functions
Valentin Abadie, Clemens Hutter, Helmut Bölcskei
cs.LG cs.SC math.DS
本文研究了固定权重的单隐层ReLU循环神经网络能否通过增加运行时间来逼近[-1,1]上的任意连续函数，并给出了肯定的构造性证明。该工作引入了一个中间模型“带神经单元的图灵机”，并证明了其可被RNN模拟，从而将逼近问题转化为算法运行时间问题。
Constrained hybrid modelling to predict microbial dynamics and organic matter turnover in soil systems
Paul Collart et al.
cs.LG physics.geo-ph
本文提出了一种混合建模框架，使用神经网络从宏基因组推断的功能性状预测土壤有机质周转模型的生物动力学参数，并整合生态理论约束以确保模型行为的合理性。该方法在合成和真实数据集上验证了有效性，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。
Critical Percolation as a Synthetic Data Model for Interpretability
Aryeh Brill, Tom Ingebretsen Carlson
cs.LG cond-mat.dis-nn
本文提出使用critical percolation clusters作为合成数据模型，用于评估神经网络的可解释性方法。该模型具有稀疏、自相似和幂律分布等特性，并可通过随机树与additive coalescence的映射实现近线性时间的数据生成。
On the Variance of Temporal Difference Learning and its Reduction Using Control Variates
Hsiao-Ru Pan, Bernhard Schölkopf
cs.LG
本文分析了表格表示下phased setting中时序差分学习的方差，指出其通过聚合更多独立轨迹来降低方差，并证明了TD方差渐近上界优于MC估计，且短视更新方差更小。
Train, Retrieve, or Both? A Four-Arm Head-to-Head for Correct Statutory Citation on the Ontario Residential Tenancies Act
Ali Asaria, Tony Salomone, Deep Gandhi
cs.LG
本文通过四组对比实验（base zero-shot, LoRA SFT-only, RAG-only, SFT+RAG）研究了安大略省住宅租赁法中的法定引文任务，发现检索（RAG）是消除幻觉的关键，而SFT+RAG混合方法在精确匹配得分上最高（0.481），且无需专用检索模型或更多数据即可达到较好效果。
Judging to Improve: A De-biased VLM-as-3D-Judge Protocol for Single-Image 3D Generation
Ali Asaria, Tony Salomone, Deep Gandhi
cs.LG
本文提出了一种去偏的VLM-as-3D-judge协议，用于单图像3D生成的质量评估与优化。通过将训练judge与评估judge分离、修正位置偏差并修复三种失败模式，该协议旨在将judge偏好用于优化生成器TRELLIS。实验表明，在轻量级参数高效微调下，该方法仅能与强基线持平，未能显著超越，且信号需通过质量对比构造来工程化。
CRAX: Fast Safe Reinforcement Learning Benchmarking
Tristan Tomilin et al.
cs.LG cs.AI
本文提出了CRAX，一个基于JAX和MuJoCo XLA的快速安全强化学习基准测试平台，通过向量化和硬件加速实现了比CPU基准快约100倍的速度提升。该平台包含六个环境套件和三个智能体任务，并评估了六种安全RL方法，揭示了性能与安全性之间的权衡。
Towards Modality-imbalanced Federated Graph Learning: A Data Synthesis-based Approach
Zhengyu Wu et al.
cs.LG
本文针对多模态联邦图学习中的模态不平衡问题，提出了一种基于数据合成的方法FedMGS，通过隐式语义表示恢复缺失模态，并设计了可用性感知编码器与原型引导合成器来缓解该问题。实验表明该方法在多个任务上优于基线。
The Significance of Style Diversity in Annotation-Free Synthetic Data Generation
Zahra Abbasiantaeb et al.
cs.LG
本文提出了一种无需人工标注的合成对话数据生成框架，利用intent definitions和两种风格属性（topic和style）提升数据多样性，并设计了Univ和Exam两种后处理风格化模型。实验表明该方法能达到使用人工标注数据93.3%的性能，且发现风格多样性比主题多样性对合成数据效用更关键。
Direct Advantage Estimation for Scalable and Sample-efficient Deep Reinforcement Learning
Hsiao-Ru Pan, Bernhard Schölkopf
cs.LG
本文扩展了Direct Advantage Estimation (DAE)方法，通过引入离散latent dynamics models来近似transition probabilities，使其适用于部分可观测环境并降低计算复杂度，在Arcade Learning Environment上验证了其可扩展性和样本效率。
Pseudo-Feature Padding: A Lightweight Defense Against False Data Injection in Power Grids
Farhin Farhad Riya et al.
cs.LG
本文提出了一种针对电力系统CPS中DNN模型的轻量级防御框架，通过在输入样本中添加基于统计分布的伪特征填充来增加输入维度，从而抵御虚假数据注入攻击。该方法无需修改核心模型架构，在IEEE标准测试系统上验证了其有效性。
On the Redundancy of Timestep Embeddings in Diffusion Models
José A. Chávez
cs.LG cs.CV
本文挑战了扩散模型中显式timestep embedding的必要性，通过理论分析和实验证明，在特定条件下，U-Net和Diffusion Transformer架构可以在不使用显式时间条件的情况下达到全局最优。实验表明，移除timestep embedding后模型仍能保持高结构保真度，甚至在某些指标上超越原始模型。
Neural network surrogates with uncertainty quantification for inverse problems in partial differential equations
Christian Jimenez-Beltran et al.
cs.LG
本文提出DeepGaLA，一种用于微分方程逆问题的不确定性量化神经网络代理模型，通过延迟接受MCMC进行诊断，在数值实验中与高斯过程代理精度相当，但随参数维度增长效率更优。
Sparsity, Superposition, and Forgetting: A Mechanistic Study of Representation Retention in Continual Learning
Jan Wasilewski et al.
cs.LG
本文通过一个合成生成器-分离器管道构建可控的toy-world框架，研究continual learning中的遗忘机制。实验发现superposition（特征间的方向性重叠）随时间增加并在任务边界出现瞬态下降，而更高的特征sparsity会诱导更多superposition但不必然导致遗忘，这挑战了“更多superposition导致更多遗忘”的常见直觉。
Evolutionary Two-Stage Hyperparameter Optimization Strategies for Physics-Informed Neural Networks
Fedor Buzaev et al.
cs.LG cs.NE math.NA
本文提出了一种基于进化算法的两阶段超参数优化策略，用于提升Physics-Informed Neural Networks (PINNs) 的求解精度。该方法通过低保真度训练快速筛选候选配置，再对最优候选进行完整训练，在Advection、Klein-Gordon和Helmholtz方程上取得了更低的平均误差。
Data Bias Mitigation under Coverage Constraints & The Price of Fairness
Bruno Scarone, Alfredo Viola, Renée J. Miller
cs.LG cs.CY cs.DB
本文扩展了现有的bias mitigation框架，通过引入coverage constraints来确保intersectional subgroups的充分表示，并将bias mitigation建模为integer linear program以优化数据修改成本。研究分析了fairness tolerance与数据修改代价之间的关系，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
Marginal Advantage Accumulation for Memory-Driven Agent Self-Evolution
Mingyu Yang et al.
cs.LG
本文针对批量式trace蒸馏中跨批次证据积累缺失的问题，提出了Marginal Advantage Accumulation (MAA)方法。MAA通过构建差分信号实现跨批次可比性，并利用EMA累积每个操作的带符号证据，在多个benchmark上取得了最优结果。
Contagion Networks: Evaluator Bias Propagation in Multi-Agent LLM Systems
Zewen Liu
cs.LG cs.AI cs.MA
本文提出了Contagion Networks框架，用于量化多智能体LLM系统中评估者偏见的传播，并通过实验测量了跨智能体的传播系数。研究发现，即使使用同质模型，偏见仍会传播，且增加评估委员会规模可有效抑制传播。
Execution-State Capsules: Graph-Bound Execution-State Checkpoint and Restore for Low-Latency, Small-Batch, On-Device Physical-AI Serving
Liang Su
cs.LG cs.DC
本文提出了一种名为execution-state capsules的图绑定检查点与恢复机制，用于低延迟、小批量、设备端物理AI服务场景，通过FlashRT运行时在GPU上实现了完整的执行状态快照与恢复。该方法主要关注执行状态复用而非传统的KV cache复用，但与我提供的关键词（如code, context, spectral等）关联度较低。
Multi-Task Bayesian In-Context Learning
Qingyang Zhu, Eric Karl Oermann, Kyunghyun Cho
cs.LG
本文提出了一种多任务in-context学习框架，用于分层Bayesian预测推理，通过将先验信息表示为in-context数据集的prefix，使transformer模型能够适应不同先验族。该方法在多种难度评估中匹配了oracle Bayesian预测器，但计算速度更快。
Predictability as a Fine-Grained Measure for Privacy
Linda Lu, Karthik Sridharan
cs.LG
本文提出了一个名为“predictability”的细粒度隐私度量框架，通过衡量攻击者在观察算法输出后对敏感信息预测能力的增量来量化隐私泄露，并证明了该度量与差分隐私（DP）在一般情况下不可比较。文章利用广义矩估计（GMM）分析了在平稳遍历混合过程下渐近的predictability，并设计了一种基于此的ERM输出扰动方案。
Optimal Deterministic Multicalibration and Omniprediction
Georgy Noarov, Aaron Roth
cs.LG math.ST stat.ML
本文提出了一种确定性算法，实现了minimax-optimal的multicalibration，解决了此前最优样本复杂度仅能由随机化预测器达到的问题。该算法被推广到outcome indistinguishability (OI) 和omniprediction，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联较弱。
How Transparent is DiffusionGemma?
Joshua Engels et al.
cs.LG cs.AI
本文研究了DiffusionGemma模型的透明度，将其分解为变量透明度和算法透明度两个部分。作者发现虽然该模型在连续潜在空间中进行大量计算，但通过可解释的token瓶颈映射信息流，其变量透明度可与自回归模型相当，而算法透明度则因去噪过程中所有token预测均可变化而更具挑战性。

cs.AI

Hidden Anchors in Multi-Agent LLM Deliberation ⭐ 精选
Apurba Pokharel, Ram Dantu
cs.AI
本文提出了一种新的观点，将多智能体LLM deliberation（多智能体大语言模型协商）建模为一个闭环动力系统，其中每个agent（智能体）携带一个隐藏的内部信念（称为anchor，锚点），该锚点持续影响其意见，即使受到邻居影响。作者证明了该锚点可以从协商过程中恢复，并解释了经典共识规则无法解释的行为：agent对正确答案的置信度可以超过任何初始信念的convex hull（凸包）。该工作为理解多智能体LLM协商的机制提供了开创性的理论模型，与关键词“agent”高度契合。
ITNet: A Learnable Integral Transform That Subsumes Convolution, Attention, and Recurrence ⭐ 精选
Ashim Dhor, Rasel Mondal, Pin Yu Chen
cs.AI cs.LG
本文提出ITNet (Integral Transform Network)，将卷积、自注意力（包括multi-head）和自回归循环（包括LSTM, GRU, S4, Mamba）统一为一种可学习的integral transform。该网络的核心是一个由MLP实现的kernel，它同时依赖于位置和特征，从而能够从数据中自适应地恢复不同架构族的行为。ITNet被证明是连续算子的universal approximator，并通过tiled kernel fusion、importance-weighted Monte Carlo integration和learned low-rank factorization实现了高效计算。在ImageNet-1K, GLUE, ModelNet40, VQA v2和NLVR2等任务上，单一ITNet架构匹配或超越了专门的baseline，为序列建模提供了一种统一的视角。
Uncertainty Decomposition for Clarification Seeking in LLM Agents ⭐ 精选
Gregory Matsnev
cs.AI cs.CL
本文提出了一种基于prompt的uncertainty分解方法，将agent的action confidence与request uncertainty分离，使LLM agent能在任务specification模糊时主动寻求clarification。该方法无需访问模型logprob、无需多次采样或训练，适用于黑盒API和交互式延迟约束。作者构建了两个clarification增强的benchmark（WebShop-Clarification和ALFWorld-Clarification），其中50%的任务故意underspecified，并在多个LLM backbone上验证了该方法在clarification F1指标上显著优于ReAct+UE和Uncertainty-Aware Memory (UAM)基线。该工作为interactive LLM agent的underspecification-aware uncertainty表示提供了实用且可部署的解决方案，与关键词“agent”高度契合。
Interpreting Neural Combinatorial Optimization via Evolving Programmatic Bottlenecks ⭐ 精选
Haocheng Duan et al.
cs.AI cs.LG
本文提出Evolving Programmatic Bottlenecks (EPB)框架，通过将黑盒神经组合优化(Neural Combinatorial Optimization, NCO)策略蒸馏为人类可读的程序组合(program portfolios)来实现可解释性。EPB利用大型语言模型(LLM)自主演化程序库，每个程序每步的动作分布作为bottleneck，并通过混合文本-数值梯度下降方案（耦合学生路由器的数值梯度与LLM程序修订的文本梯度）以及动态调整库容量的机制进行迭代优化。实验表明，蒸馏得到的程序组合能基本匹配原始NCO性能，并揭示NCO行为在不同优化阶段的变化可近似为经典启发式变体的组合。该方法为解释序列决策模型提供了新工具，与关键词中的agent和code概念高度契合。
AgentFinVQA: A Deployable Multi-Agent Pipeline for Auditable Financial Chart QA ⭐ 精选
Aravind Narayanan, Shaina Raza
cs.AI cs.CL
AgentFinVQA提出了一种可审计的多agent pipeline，用于金融图表问答。该方法将查询分解为规划、OCR、图例定位、视觉检查和验证等步骤，并记录每一步到可追踪的Model Evaluation Packet (MEP)中。在FinMME基准上，该方法相比零样本基线提升了\(+7.68\)个百分点（使用Gemini-3 Flash），且使用本地部署的开源模型Qwen3.6-27B-FP8时仍能保持\(+4.84\)个百分点的提升。该工作解决了金融领域对可审计性和本地部署能力的需求，与关键词agent高度契合。
TelcoAgent: A Scalable 5G Multi-KPM Forecasting With 3GPP-Grounded Explainability ⭐ 精选
Geon Kim et al.
cs.AI cs.LG
TelcoAgent提出了一种基于foundation model的框架，用于5G网络中多Key Performance Measurement (KPM)的scalable和explainable forecasting。其核心创新在于构建了一个自动化的three-agent pipeline，能从3GPP规范文档中直接构建knowledge graph，并结合time-series foundation model (TSFM)实现zero-shot预测，最后通过reasoning pipeline提供基于domain知识的可操作诊断。该方法在真实城市级5G数据集上验证了高精度和可解释性，解决了现有ML方法在scalability和explainability上的局限，与关键词中的agent和context（通过knowledge graph提供上下文）高度契合。
Multi-Agent Transactive Memory ⭐ 精选
To Eun Kim et al.
cs.AI cs.CL cs.IR
本文提出Multi-Agent Transactive Memory (MATM)框架，用于在异构agent群体间共享agent生成的trajectory（轨迹）作为可复用的procedural knowledge（程序性知识）。该框架通过将producer agent的trajectory存入共享repository，并允许consumer agent检索这些trajectory来提升任务执行效率，无需协调或联合训练。在ALFWorld和WebArena等交互环境中的实验表明，MATM能显著改善下游任务性能并减少交互步骤。该工作为开放agent生态系统中的群体级经验共享提供了设计范式，与关键词"agent"高度契合。
ScaffoldAgent: Utility-Guided Dynamic Outline Optimization for Open-Ended Deep Research ⭐ 精选
Zhibang Yang et al.
cs.AI cs.MA
本文提出ScaffoldAgent，一种用于开放式深度研究（OEDR）的utility-guided动态大纲优化框架。它将大纲演化建模为包含Expansion、Contraction和Revision三种操作的结构化决策过程，并通过utility-guided反馈机制，从检索增益、结构连贯性和试生成质量估计每个大纲操作的下游价值，从而指导节点选择、操作调度和终止。该方法解决了现有方法在大纲优化中因信息持续积累导致的scaffold drift和反馈延迟问题，在DeepResearch Bench等基准上显著提升了长文报告生成和事实性基础。该工作与关键词“agent”高度契合，体现了智能体在复杂研究任务中的结构化决策能力。
Deontic Policies for Runtime Governance of Agentic AI Systems
Anupam Joshi et al.
cs.AI cs.MA
本文提出AgenticRei框架，用于在运行时治理由大语言模型驱动的自主AI Agent系统。该框架基于Rei的道义策略语言，通过OWL本体和外部逻辑引擎实现义务、豁免、策略冲突解决等治理需求，超越了传统策略引擎仅支持许可/禁止的局限。
Measuring Curriculum Alignment across Topical Coverage, Competency, and Cognitive Depth: A Longitudinal Framework Applied to CS2013 and CS2023
Sherzod Turaev et al.
cs.AI cs.SE
本文提出了一种人机协作的pipeline，用于衡量计算机科学课程对CS2013和CS2023课程指南的覆盖程度，并通过纵向比较发现该课程对知识单元的覆盖率在十年间保持稳定（约50%），但在认知深度上存在差距。该工作主要关注课程对齐的评估方法，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。
Diffusion Language Models: An Experimental Analysis
Thomas Bertolani et al.
cs.AI cs.CL
本文对八种现代Diffusion Language Models (DLMs)在八个基准上进行了系统实验分析，评估了生成质量和计算效率，并探讨了推理阶段关键因素（如去噪步数、context长度）的影响。研究揭示了DLMs在不同任务和推理预算下的性能与效率权衡。
DeXposure-Claw: An Agentic System for DeFi Risk Supervision
Aijie Shu et al.
cs.AI cs.CL cs.LG q-fin.RM
本文提出了DeXposure-Claw，一个基于预测的智能体监管系统，通过图时间序列基础模型、确定性监控和置信度门控来约束LLM决策，用于去中心化金融风险监督，并开发了DeXposure-Bench评估框架。该系统在五年真实数据上验证了有效性，但方法本身并非开创性突破。
LLM Doesn't Know What It Doesn't Know: Detecting Epistemic Blind Spots via Cross-Model Attribution Divergence on Clinical Tabular Data
Akshat Dasula, Prasanna Desikan, Jaideep Srivastava
cs.AI
本文研究了LLM在结构化临床表格数据上的认知不确定性，发现其口头置信度与预测质量无关，并提出了基于跨模型归因散度的校准方法，但方法本身缺乏开创性且与关键词关联较弱。
REVEAL++: Differentiable Phenotypic Grouping for Vision-Language Retinal Modeling of Alzheimer's Disease Risk
Ethan Elio Meidinger et al.
cs.AI
本文提出REVEAL++框架，通过将表型相似性建模为可微分的连续权重函数，替代了传统对比学习中的离散分组方法，用于视网膜图像与临床风险叙述的视觉-语言对齐，以预测阿尔茨海默病风险。该方法在UK Biobank数据上优于离散分组基线，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
Emergent Alignment
Martin Kolář
cs.AI
本文提出了一种名为Emergent Alignment的在线对齐技术，通过引入一个自我审查的“conscience step”并扩展Direct Preference Optimization (DPO)损失，使Large Language Model (LLM)能够自我纠正与人类伦理不符的输出。该方法在训练、微调、对抗性提示和零样本学习等多种场景下有效，且无需外部评判模型。
Analyzing the Narration Gap in LLM-Solver Loops
Zunchen Huang, Songgaojun Deng
cs.AI cs.CR cs.LO
本文研究了LLM与SAT/SMT求解器交互中的“叙述差距”（narration gap），即求解器输出转化为用户答案时的鲁棒性问题。通过形式化建模和实验，发现提示注入攻击可颠覆已验证的结论，而硬化的提示虽能减少攻击但无法完全消除。
Configurable Clinical Information Extraction with Agentic RAG: What Works, What Breaks, and Why
Osman Alperen Çinar-Koraş et al.
cs.AI
本文提出了一种基于agent的RAG管线ACIE，用于从异构临床文档中提取结构化信息，并通过医生验证获得了96.5%的接受率。该方法主要解决医疗数据中元数据缺失和跨文档推理问题，但与我提供的关键词（如code, spectral, Muon, pretrain, attention）关联度较低。
Which Pairs to Compare for LLM Post-Training?
Jiangze Han, Vineet Goyal, Will Ma
cs.AI stat.AP
本文研究了在基于偏好的大语言模型后训练中，如何选择最有效的比较对以提升样本效率。通过将比较选择问题形式化为采样设计问题，并利用Direct Preference Optimization (DPO)框架分析了不同选择对下游策略性能的影响，提出了基于信息矩阵的优化准则。实验表明，该方法在合成数据和语言模型后训练基准上优于常见启发式策略。
Toten: Knowledge-Based Ontological Tokenization Of Physical Quantities And Technical Notation In Brazilian Portuguese
Antonio de Sousa Leitão Filho; Allan Kardec Duailibe Barros Filho; Fabrício Saul Lima; Selby Mykael Lima dos Santos; Rejani Bandeira Vieira Sousa
cs.AI cs.CL
本文提出TOTEN，一个基于本体论的知识驱动tokenization框架，用于处理巴西葡萄牙语中的物理量和技术符号。它通过形式化本体和确定性分类函数，将原始文本映射为结构化表示，并在多个基准上展示了优于现有方法的性能。
AI4SE and SE4AI Exploration: A Decade Looking Back and Forward
H. Sinan Bank, Daniel R. Herber, Thomas Bradley
cs.AI cs.DL eess.SY
本文回顾了AI与系统工程(SE)领域过去十年的发展，将其分为基础、应用和LLM转折三个阶段，并基于人类专家与六个AI模型对大量文献的相关性评估，识别出五个关键研究空白。文章提供了相关评估数据与一个网络应用，以帮助从业者导航AI在SE中的采用与保障问题。
BrainG3N: A Dual-Purpose Tokenizer for Controllable 3D Brain MRI Generation
Max Van Puyvelde et al.
cs.AI cs.CV cs.LG
本文提出了一种基于3D masked-autoencoder (MAE) 的tokenizer (BrainG3N)，用于解耦3D脑MRI生成中的编码器与解码器，使得编码器保留临床信息而解码器重建解剖结构。该方法在23个线性探测任务中表现优异，并支持条件扩散生成，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Denoising Implicit Feedback for Cold-start Recommendation
Gaode Chen et al.
cs.AI cs.IR cs.MM
本文提出了一种名为DIF的模型无关去噪方法，用于解决冷启动推荐中隐式反馈的噪声问题。该方法通过内容相似的warm items推断cold items的伪标签，并基于内容相似度建模伪标签置信度，最后利用相对熵和冷启动状态自适应地校正噪声标签。
Exit-and-Join Dynamics for Decentralized Coalition Formation
Quanyan Zhu
cs.AI cs.MA eess.SY
本文研究去中心化联盟形成中的退出与加入动态过程，使用Aumann-Dreze值进行局部收益分配，并分析了终端partition的均衡特性及切换成本对稳定性的影响。
Beyond Static Leaderboards: Predictive Validity for the Evaluation of LLM Agents
Dhaval C. Patel et al.
cs.AI
本文通过整合14项并行研究，论证了基于聚合分数的LLM Agent排行榜在评估部署性能时存在系统性不足，提出用预测有效性（in-sample与out-of-sample排名的相关性）替代平均分进行配置排序，并设计了包含12个维度的测量框架。该工作主要聚焦于Agent评估方法论，与关键词中的agent较为契合，但方法本身并非开创性突破。
GLARE: A Natural Language Interface for Querying Global Explanations
Bhavan Vasu, Rajesh Mangannavar
cs.AI cs.CV
GLARE提出了一种基于LLM的交互界面，通过将自然语言问题转化为SQL查询来获取黑盒图像分类器的全局解释。该系统旨在提升XAI的可访问性，但方法本身并非开创性，且与关键词列表中的概念关联较弱。
A Comparative Study of Pretrained Transformer Models for Quranic ASR: Speech Representations, Label Formats, and Dataset Composition
Nabil Mosharraf Hossain, Riasat Islam, Unaizah Obaidellah
cs.AI
本文系统比较了Wav2Vec2.0、HuBERT和XLS-R等预训练Transformer模型在古兰经语音识别任务上的微调效果，通过消融实验分析了语音特征提取器、输出标签格式和数据集组成对转录准确率的影响。最佳配置在EveryAyah子集上达到0.08的词错误率，相比基线模型有显著提升。
Benchmarking Agentic Review Systems
Dang Nguyen et al.
cs.AI cs.CL
本文评估了多种基于LLM的agentic review系统（如OpenAIReview和Reviewer3）在论文评审中的表现，发现它们能较好地追踪论文质量并检测错误，但仍有改进空间。
Grounded Inference: Principles for Deterministically Encapsulated Generative Models
Marty O'Neill
cs.AI cs.SE
本文提出了四种AI混合架构的原语，旨在实现概率模型的确定性封装，并指出了两个行业中的反模式。该框架为将生成模型集成到传统系统中提供了基础。
Optimal Scheduling in a Question-Answering Forum of Knowledge Workers
Rohit Negi, Mustafa Yilmaz
cs.AI cs.SI
本文研究了一个知识工作者问答论坛中的最优调度问题，通过建模请求-应答排队系统，计算了系统在保持稳定下的处理容量，并设计了达到该容量的调度器。文章还探讨了专家间协作对提升系统容量的潜在影响。
Beyond Entropy: Learning from Token-Level Distributional Deviations for LLM Reasoning
Xuanzhi Feng et al.
cs.AI
本文提出Independent Combinatorial Tokens (ICT)框架，通过Jensen-Shannon散度识别token logits分布中的关键分支点，以解决RLVR训练中熵崩溃与熵爆炸的二分问题。理论分析基于Shannon熵与二阶Rényi熵，证明选择性更新这些token可稳定策略集中度，实验表明在Qwen2.5模型上仅更新前10%的token即可在多个推理基准上提升性能。
ORAgentBench: Can LLM Agents Solve Challenging Operations Research Tasks End to End?
Jiajun Li et al.
cs.AI
本文提出了ORAgentBench，一个用于评估LLM agent在端到端运筹学任务中表现的benchmark。实验表明，当前最先进的agent仅能通过35.51%的任务，且失败主要由策略性弱点导致。
CombEval: A Framework for Evaluating Combinatorial Counting in Large Language Models
Yuxu Zhou et al.
cs.AI cs.CL
本文提出了CombEval，一个用于评估大语言模型组合计数能力的动态benchmark，通过Cofola规范生成带精确解的计数问题。实验发现模型在有序对象、不可区分元素等场景下表现脆弱，揭示了其在约束解释和计数原则上的失败。
Think Again or Think Longer? Selective Verification for Budget-Aware Reasoning
Sajib Acharjee Dip, Dawei Zhou, Liqing Zhang
cs.AI cs.CL
本文提出SEVRA方法，将测试时推理视为部署分配问题，通过可恢复性感知门控决定是否对冻结求解器的初始答案进行验证，在多个数学推理任务上实现了准确率与计算成本的权衡。
Human-on-the-Loop Orchestration for AI-Assisted Legal Discovery
Anushree Sinha et al.
cs.AI cs.LG
本文针对AI辅助法律发现中的大语言模型agent系统，提出了一种四层验证架构和“人在环中”的升级阈值机制，通过模拟实验证明该方法能显著降低特权放弃风险。该工作聚焦于法律领域的agent可靠性问题，与关键词中的“agent”有一定关联，但方法本身并非开创性且未涉及其他关键词。
A Systematic Evaluation of Black-Box Uncertainty Estimation Methods for Large Language Models
Jiayi Wang, Xu-Yao Zhang
cs.AI
本文系统性地回顾了面向大语言模型的黑盒不确定性估计方法，将其分为五类，并在统一框架下对24种代表性方法进行了基准测试。结果表明，没有单一方法在所有设置中表现一致，但混合方法通常效果较好。
MetaResearcher: Scaling Deep Research via Self-Reflective Reinforcement Learning in Adversarial Virtual Environments
Wei Yu et al.
cs.AI
本文提出MetaResearcher框架，通过引入动态虚拟世界和对抗性错误信息来训练deep research agent，并设计了面向发现的任务和自反思元奖励机制以优化agent的搜索与推理能力。该工作主要关注agent的训练环境与协作架构，与关键词中的agent概念有一定关联，但方法本身并非开创性突破。
eCNNTO: A Highly Generalizable ConvNet for Accelerating Topology Optimization
Shengbiao Lu, Xiaodong Wei
cs.AI
本文提出了一种基于element的CNN方法eCNNTO，用于加速density-based Topology Optimization (TO)。该方法通过预测每个element的near-optimal density来跳过大部分迭代，并利用residual connections增强空间相关性，从而提升优化效率。
The Tao of Agency: Autotelic AI, Embedded Agency and Dissolution of the Self
Aritra Sarkar
cs.AI
本文探讨了autotelic AI（自主目标生成智能）中agent（智能体）与self（自我）的关系，指出嵌入性（embeddedness）是必要条件但非充分条件，并提出了一个包含量子表述、哲学解读和基于LLM的agent实例化的统一框架。该工作主要聚焦于理论框架构建，与关键词中的agent概念有一定关联，但未涉及code、spectral、Muon、pretrain或attention等具体技术。
PhysDrift: Bridging the Embodiment Gap in Humanoid Co-Speech Motion Generation
Zhangzhao Liang et al.
cs.AI
本文提出PhysDrift框架，用于解决人形机器人共语动作生成中的人机具身差异问题。通过IK-EER数据整理和直接预测机器人关节轨迹的方法，该方法在保持语音-动作对齐的同时提升了物理可行性，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。
Advancing DialNav through Automatic Embodied Dialog Augmentation
Leekyeung Han et al.
cs.AI
本文提出了一种自动生成对话数据的pipeline，构建了大规模RAINbow数据集，并引入双策略训练和定位模型，显著提升了DialNav框架在室内导航任务中的成功率。
ENPIRE: Agentic Robot Policy Self-Improvement in the Real World
Wenli Xiao et al.
cs.AI
本文提出了ENPIRE框架，通过环境重置、策略执行、结果验证和迭代优化的闭环反馈，使coding agent能够在真实世界中自主改进机器人操作策略，在复杂灵巧操作任务上达到99%成功率。该方法主要贡献在于将物理世界的策略学习转化为可控的优化过程，减少人工干预。
Reward as An Agent for Embodied World Models
Pu Li et al.
cs.AI
本文提出了一种名为Reward as an Agent的框架，通过将奖励函数本身建模为一个agent来主动评估生成的行为，以缓解强化学习在embodied world models中因分布偏移导致的reward hacking问题。同时，作者引入Dynamic-Aware Rollout Diversification (DynDiff-GRPO)来扩展动作空间探索，从而在更可靠的奖励基础上实现更丰富的轨迹采样，并在多个开源world models上取得了显著的精度提升。
Autonomous Event-Driven Multi-Agent Orchestration for Enterprise AI at Scale
Harsh Rao Dhanyamraju, Leonidas Raghav, Aaron Lee
cs.AI
本文评估了DAG Plan and Execute和ReAct两种multi-agent架构在企业级规模下的表现，发现规模而非任务复杂度是性能瓶颈，并引入了Task Manager来通过优先级推理和事件合并提升连续操作效率。
Process-Verified Reinforcement Learning for Theorem Proving via Lean
Minsu Kim, Se-Young Yun
cs.AI
本文提出在定理证明中利用Lean证明助手作为符号过程预言机，提供细粒度的策略级验证反馈，并整合到GRPO风格的强化学习目标中。实验表明，策略级监督在多数设置下优于仅使用结果信号的基线方法。
Residual-Space Evolutionary Optimization via Flow-based Generative Models
Zhuo Cao et al.
cs.AI
本文提出了一种基于flow-based generative models的残差空间进化优化框架，通过将条件流匹配与进化算法结合，在非可微目标下实现数据编辑。该方法在MorphoMNIST和晶体数据上验证了探索-利用分解机制的有效性，但未直接涉及code、context、spectral等关键词。
Multi-Head Attention-Based Feature Extractor Integration with Soft Actor-Critic for Porosity Prediction and Process Parameter Optimization in Additive Manufacturing
Kianoush Aqabakee, Leonardo Stella
cs.AI
本文提出了一种将multi-head attention机制与Soft Actor-Critic算法结合的架构，用于增材制造中的孔隙率预测和工艺参数优化。该方法通过连续动作空间和注意力特征提取器，在激光粉末床熔融任务上实现了比DQN、PPO等标准RL方法更快的收敛速度和更高的奖励值。
Learning to Prompt: Improving Student Engagement with Adaptive LLM-based High-School Tutoring
Po-Chin Chang et al.
cs.AI cs.CL cs.HC cs.LG
本文提出了一种基于LLM的自适应提示选择系统，通过14个教学特征训练提示路由模型，在模拟和真实高中辅导场景中提升学生参与度。实验表明该方法能减少交互轮次并提高练习转化率，但未涉及关键词中的code、spectral、Muon等核心概念。
RACL: Reasoning-Agent Control Layers for Continuous Metaheuristic Learning
Antón Asla Manzárraga
cs.AI cs.MA
本文提出RACL方法，通过在元启发式优化器之上添加一个推理agent来控制其内部搜索行为，并在车辆路径问题中验证了有效性。该方法利用agent观察运行内存、推理历史行为并制定干预策略，但主要贡献在于算法控制规则的发现与验证框架，而非解决特定优化问题。
BIM-Edit: Benchmarking Large Language Models for IFC-Based Building Information Modeling
Bharathi Kannan Nithyanantham et al.
cs.AI
本文提出了BIM-Edit基准，用于评估大语言模型在基于IFC的建筑信息模型编辑任务上的表现。实验表明，当前模型在几何、语义和拓扑一致性方面表现不佳，与结构化工程设计需求存在显著差距。
Modularity-Free Conflict-Averse Training for Generalized PINNs
Heejo Kong et al.
cs.AI
本文发现Physics-Informed Neural Networks (PINNs)在过参数化时会出现功能模块化（functional modularity）现象，即网络自划分为任务专属模块，抑制了交叉目标交互并阻碍收敛。为此，作者提出Modular-Sparsity Synchronization (ModSync)框架，通过惩罚任务专属连接并保留促进交互的路径，在冲突规避训练中整合结构优化，从而在多种PDE基准上提升精度。
Implicit Semantic-Aware Communication Based on Hypergraph Reasoning
Yiwei Liao et al.
cs.AI cs.IT cs.NI
本文提出了一种基于hypergraph的隐式语义推理框架HISR，通过将实体间的高阶关系映射到专用语义子空间，解决了传统graph方法仅能捕捉pairwise关系的局限性。实验表明该方法在语义解释准确率上相比现有基准有显著提升。
Apparent Psychological Profiles of Large Language Models are Largely a Measurement Artifact
Jelena Meyer, David Garcia, Dirk U. Wulff
cs.AI cs.CL cs.HC
本文通过形式心理测量框架分析56个instruction-tuned LLM，发现其心理特征（如人格和风险偏好）主要由方向性响应偏差（directional response bias）驱动，而非模型固有特质，且该偏差随模型能力提升而下降但未被消除。研究指出，借用人类心理测量工具评估LLM缺乏有效性，需开发基于响应正交性（response orthogonality）的专用评估方法。
Beyond Accuracy: Measuring Logical Compliance of Predictive Models
Guillaume Olivier Delplanque et al.
cs.AI cs.DB cs.NE
本文提出Rule Violation Score (RVS)作为评估预测模型逻辑一致性的新指标，通过SQL查询自动计算模型输出对Horn规则的违反程度，并区分硬规则与软规则。实验表明，RVS能揭示预测精度相同但逻辑合规性不同的模型行为差异，但该方法与关键词中的code, context, spectral等概念无直接关联。
Augmenting Game AI with Deep Reinforcement Learning
Alessandro Sestini et al.
cs.AI
本文探讨了深度强化学习在游戏AI中的应用，提出了一个面向游戏AI和游戏开发的训练框架，并分析了当前部署玩家对手机器学习智能体的瓶颈与挑战。
QMFOL: Benchmarking Large Language Model Reasoning via Quantifiable Monadic First-Order Logic Test Case Generation
Xinyi Zheng et al.
cs.AI cs.SE
本文提出了QMFOL框架，用于自动生成具有可量化复杂性的monadic first-order logic推理任务，并通过round-trip verification确保逻辑一致性。基于该框架构建的QMFOLBench基准测试表明，LLM在逻辑复杂度增加时性能下降，且对语义变化敏感。
Thermodynamic Measure of Intelligence
Ishanu Chattopadhyay
cs.AI cond-mat.stat-mech cs.IT math-ph nlin.AO
本文提出了一种基于热力学的智能度量方法，将智能定义为对稀有但有效未来状态的概率放大，并论证了递归自模拟（系统在建模世界时包含自身）是实现高“稀有-有效提升”的必要且近乎充分的条件。该框架为从被动物质到大型语言模型等不同系统提供了统一的智能量化尺度。
A Multi-Agent system for Multi-Objective constrained optimization
Federica Filippini
cs.AI cs.LG cs.MA
本文提出MAMO，一种基于multi-agent RL的方法，通过将reward权重的选择建模为学习问题，来解耦任务执行与目标设计，以解决动态环境中带约束的cost-minimization问题。该方法旨在自动平衡primary objective与constraint violations之间的trade-off。
Navigating Unreliable Parametric and Contextual Knowledge: Explicit Knowledge Conflict Resolution for LLM Inference
Huang Peng et al.
cs.AI
本文提出MACR框架，通过多智能体推理机制显式解决LLM中参数知识与外部上下文之间的冲突，利用语义熵评估模型置信度并生成推理基础，但方法在创新性和与关键词的契合度上未达到严格标准。
Confidence-Aware Automated Assessment of Student-Drawn Scientific Models
Luyang Fang et al.
cs.AI
本文研究了一种基于Vision Transformer的自动化评分框架，用于评估学生绘制的科学模型，并通过置信度信号实现选择性自动化评分。该方法在六个NGSS评估项目上提升了评分可靠性，但未涉及关键词中的核心概念。
Lagrange: An Open-Vocabulary, Energy-Based Sparse Framework for Generalized End-to-End Driving
Shihao Ji et al.
cs.AI
本文提出了一种名为Lagrange的自动驾驶框架，利用Masked Latent Fields和Vision-Language Models实现开放词汇的稀疏感知与规划。该方法通过意图驱动的交叉注意力机制过滤无关实体，并将决策建模为能量场上的Lagrangian action minimization问题，以兼顾运动学约束与避障。
Leveraging systems' non-linearity to tackle the scarcity of data in the design of Intelligent Fault Diagnosis Systems
Giancarlo Santamato et al.
cs.AI
本文提出了一种利用系统非线性特性解决智能故障诊断系统（IFDS）设计中数据稀缺问题的新方法，通过周期性多激励水平过程生成图像，并使用预训练CNN进行故障诊断。实验在铁路受电弓结构上验证了该方法的有效性。
SoftSkill: Behavioral Compression for Contextual Adaptation
Xijia Tao et al.
cs.AI
本文提出SoftSkill方法，将自然语言技能压缩为紧凑的连续context对象（soft delta），在冻结backbone模型下通过next-token prediction进行微调，并在推理时作为latent behavioral prior使用。实验表明，该方法在多个任务上优于无技能提示和SkillOpt基线，但agentic执行场景下的长程行为压缩仍不稳健。
Automating SKILL.md Generation for Computer-Using Agents via Interaction Trajectory Mining
Yuexing Hao, Xiaomin Li
cs.AI
本文提出一个三阶段pipeline，通过分割GUI轨迹、聚类为候选技能并训练技能感知策略，来研究能否从交互数据中挖掘可读的技能库。实验表明，挖掘出的技能簇在源基准上具有可读性，但无法有效提升下游策略的跨域性能。
Rethinking Shrinkage Bias in LLM FP4 Pretraining: Geometric Origin, Systemic Impact, and UFP4 Recipe
Qian Zhao et al.
cs.AI
本文指出FP4训练中E2M1格式存在由几何不对称导致的Shrinkage Bias（系统性负舍入误差），该偏差在层间累积并被Random Hadamard Transform放大，而均匀格式E1M2/INT4可避免此问题。作者提出UFP4训练方案，在三个训练GEMM上应用RHT并仅对dY使用随机舍入，在1.5B Dense和7.9B/124B MoE模型上取得了更低的BF16相对损失退化。
Interpretable Sperm Morphology Classification via Attention-Guided Deep Learning
Zahra Asghari Varzaneh et al.
cs.AI
本文提出了一种基于attention机制的深度学习框架用于精子形态分类，通过结合预训练的EfficientNet-B0和CBAM模块提升分类准确率与可解释性，并在两个数据集上取得了优于基线模型的结果。
Context-Aware Hierarchical Bayesian Modeling of IVF Laboratory Environmental Conditions
Zahra Asghari Varzaneh et al.
cs.AI
本文利用层次化Bayesian Beta回归模型，通过55个上下文感知的时间特征（如滚动热稳定性、温湿度同步性等）来建模IVF实验室环境对妊娠率的影响，在跨诊所数据上实现了较低的预测误差。该方法主要关注环境监测的临床信号迁移，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念无直接关联。
What Do Safety-Aligned LLMs Learn From Mixed Compliance Demonstrations?
Sihui Dai, Mann Patel
cs.AI cs.LG
本文研究了混合合规性演示（benign compliance demonstrations与harmful compliance demonstrations）如何影响安全对齐的LLM的harmful compliance行为，发现演示内容、顺序和训练方法（特别是preference optimization）对模型行为有显著影响。
Multi-LCB: Extending LiveCodeBench to Multiple Programming Languages
Maria Ivanova et al.
cs.AI cs.PL
本文提出了Multi-LCB基准，将LiveCodeBench从Python扩展到12种编程语言，用于评估LLM在多语言代码生成任务中的表现。实验发现模型存在Python过拟合和语言特定污染问题。
FlowEdit: Associative Memory for Lifelong Pronunciation Adaptation in Flow-Matching TTS
Harshit Singh, Ayush Pratap Singh, Nityanand Mathur
cs.AI
本文提出FlowEdit，一种针对冻结的flow-matching TTS系统的终身适应框架，通过将发音纠正学习为文本嵌入空间中的潜在条件编辑而非权重更新，并利用Modern Hopfield Network作为内容可寻址的episodic memory存储纠正。实验表明，该方法在312个多语言专有名词上显著降低了目标词的Phoneme Error Rate，同时保持通用语音质量不变。
DeepSWIP: Quotient-WMC Counterfactuals for Neural Probabilistic Logic Programs
Saimun Habib, Vaishak Belle, Fengxiang He
cs.AI
本文提出了DeepSWIP，一种为DeepProbLog程序设计的单世界反事实语义，通过神经物化将固定上下文神经谓词转化为普通ProbLog选择，并利用加权模型计数计算反事实。实验在MPI3D和SUMO HOV数据集上验证了方法的有效性，但方法本身与关键词中的code, context, spectral, Muon, pretrain, agent, attention关联较弱。
LedgerAgent: Structured State for Policy-Adherent Tool-Calling Agents
Md Nayem Uddin et al.
cs.AI cs.CL
本文提出LedgerAgent，一种用于工具调用agent的推理时方法，通过维护独立的任务状态账本并将其渲染到prompt中，以改善agent对领域策略的遵守。该方法在多个客服领域数据集上提升了工具调用的准确性。
How Do Instructions Shape Speech? Cross-Attention Attribution for Style-Captioned Text-to-Speech
Nityanand Mathur et al.
cs.AI
本文首次将DAAM框架应用于语音扩散模型，通过跨注意力归因分析风格描述文本如何影响语音合成。研究发现风格token的注意力模式与声学特征相关，并在特定层和步骤达到峰值。
Toward Calibrated Mixture-of-Experts Under Distribution Shift
Gina Wong et al.
cs.AI cs.LG
本文研究了Mixture-of-Experts (MoE)模型在distribution shift下的calibration问题，发现hard-routed模型中expert calibration足以保证整体模型校准，但soft-routed模型则不足。为此，作者提出了一种adversarial reweighting方法，通过惩罚distribution shift下的calibration error来改善accuracy-calibration tradeoff。

cs.IR

MonaVec: A Training-Free Embedded Vector Search Kernel for Edge and Offline AI Systems
Oğuzhan Yenen
cs.IR
MonaVec是一个面向边缘和离线AI系统的确定性嵌入式向量搜索内核，采用无训练的数据无关量化方法（基于Randomized Hadamard Transform和Lloyd-Max表），将向量压缩至4位，并确保结果可复现。它支持BruteForce、IVF和HNSW后端，适用于设备端RAG和离线代理场景。
VCG: A Multimodal Retrieval Framework for E-Commerce Video Feeds under Extreme Cold-Start Conditions
Katya Mirylenka et al.
cs.IR cs.AI cs.LG
本文提出了VCG系统，一个用于电商视频推荐的多模态检索框架，通过领域适配的vision-language model（基于CLIP）将用户和视频映射到共享语义空间，以解决极端冷启动问题。实验表明该系统能有效缓解交互偏差，并在在线测试中提升了视频完成率。
Token Factory: Efficiently Integrating Diverse Signals into Large Recommendation Models
Xilun Chen et al.
cs.IR cs.AI cs.LG
本文提出Token Factory框架，将传统推荐信号转化为“soft tokens”以被大型推荐模型直接处理，从而避免提示长度爆炸并降低计算开销。实验验证了该方法在生产规模推荐环境中的有效性。
SAFE-Cascade: Cost-Adaptive Vision-Language Routing for Chart Question Answering
Ayush Dwivedi et al.
cs.IR cs.CV
本文提出了SAFE-Cascade系统，用于图表问答中的成本自适应视觉-语言路由。该系统通过OCR提取文本，先用纯语言模型给出答案，再由学习到的路由器决定是否调用VLM，在保持与全VLM基线相当准确率的同时减少了26.9%的VLM调用和9.3%的估计成本。
Closing the Calibration Gap in Semantic Caching
Aditeya Baral et al.
cs.IR cs.CL cs.LG
本文指出语义缓存（semantic caching）中常用的PR-AUC指标无法反映实际部署性能，并提出了两个新指标：P-CHR AUC和CRR。实验表明，模型选择本质上是校准问题而非排序问题，且校准差距主要由训练目标而非数据规模决定。
Stellar: Scalable Multimodal Document Retrieval for Natural Language Queries
Yuxiang Guo et al.
cs.IR
本文提出Stellar框架，通过将token级文档embedding存储在磁盘上并仅加载少量候选embedding到内存进行late interaction，解决了多模态文档检索中的内存开销和可扩展性问题。该方法在保持检索效果的同时显著降低了内存和延迟开销。
PACMS: Submodular Context Selection as a Pluggable Engine for LLM Agents
Manu Ghulyani et al.
cs.IR
本文提出PACMS，一种基于submodular function的上下文选择方法，作为LLM agent的插件引擎，用于在prompt组装时从累积的会话、记忆和工具输出中按相关性选择内容，以替代传统的recency truncation方法。该方法旨在解决现有方法（如RAG和context compression）无法统一处理agent内部已有上下文池的问题。
Generative Engine Optimization at Scale: Measuring Brand Visibility Across AI Search Engines
Pratyush Kumar
cs.IR cs.CL cs.CY
本文通过分析100K+次AI搜索引擎的响应，研究了品牌在ChatGPT、Perplexity等AI引擎中的可见性，发现品牌可见性呈现明显的三级阶梯结构，且最有效的页面格式是“最佳”列表文章。该工作为Generative Engine Optimization (GEO)提供了大规模基线测量，但与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念无关。
ScholarQuest: A Taxonomy-Guided Benchmark for Agentic Academic Paper Search in Open Literature Environments
Tingyue Pan et al.
cs.IR cs.AI
本文提出了ScholarQuest，一个基于分类法的学术论文搜索基准，用于评估基于LLM的搜索agent在开放文献环境中的表现。该基准包含多种研究意图的查询，实验表明agent方法优于单次检索，但整体性能仍有较大提升空间。
ELVA: Exploring Ranking-Driven Universal Multimodal Retrieval
Yuhan Liu et al.
cs.IR cs.AI
本文提出ELVA框架，通过基于规则的强化学习（RLVR）缓解多模态大模型在通用多模态检索中的“粒度盲视”问题，并引入MRBench基准测试。该方法在标准检索基准上取得最优结果，并在MRBench上提升13.1%。
Structuring and Tokenizing Distributed User Interest Context for Generative Recommendation
Ruizhong Qiu et al.
cs.IR cs.AI
本文提出G2Rec框架，通过图结构建模用户共同参与行为并结合语义tokenization，以解决生成式推荐中用户兴趣上下文建模的局限性。该方法在工业级推荐系统中实现了对用户行为上下文的更全面建模，并在公开数据集和在线部署中验证了其有效性。

cs.CL

DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence ⭐ 精选
DeepSeek-AI et al.
cs.CL cs.AI
本文提出了DeepSeek-V4系列模型，包括DeepSeek-V4-Pro (1.6T参数, 49B激活)和DeepSeek-V4-Flash (284B参数, 13B激活)，均支持百万token的context长度。模型在架构上引入了混合attention机制，结合了Compressed Sparse Attention (CSA)和Heavily Compressed Attention (HCA)以提升长context效率，并采用了Manifold-Constrained Hyper-Connections (mHC)和Muon优化器。该工作通过大规模pretrain (32T tokens)和post-training pipeline，在长context场景下实现了极高的效率，例如DeepSeek-V4-Pro在百万token context下仅需DeepSeek-V3.2的27%推理FLOPs和10%的KV cache，为长程任务和test-time scaling提供了更可行的方案。
HydraHead: From Head-Level Functional Heterogeneity to Specialized Attention Hybridization ⭐ 精选
Zhentao Tan et al.
cs.CL
本文提出HydraHead架构，在head维度上混合Full Attention与Linear Attention，以解决长上下文处理中注意力二次复杂度带来的瓶颈。通过可解释性分析发现head-level的功能异质性，并据此设计了一种仅保留检索关键head的FA选择策略，以及一个scale-normalized融合模块来弥合两种attention输出的分布差异。该方法在仅训练15B tokens的情况下，于512K上下文长度上相比基线提升超过69%，性能接近同规模顶尖模型Qwen3.5，展示了head-level混合注意力在长上下文任务中的显著扩展潜力。
Exposing the Unsaid: Visualizing Hidden LLM Bias through Stochastic Path Aggregation
Matteo Pelossi et al.
cs.CL cs.AI
本文提出TreeTracer，一种通过随机路径聚合可视化LLM隐藏偏见的视觉分析工具，利用扰动分析和对比推理来检测低概率生成分支中的系统性偏见。
Ensembles of Large Language Models for Identifying EQ-5D Studies in PubMed Based on Their Abstracts
Zhyar Rzgar K. Rostam et al.
cs.CL cs.AI
本文研究了使用Google的Gemini和Gemma等大语言模型（LLMs）的集成方法，基于摘要自动识别PubMed中报告EQ-5D健康相关生活质量数据的研究。通过结合few-shot prompting、权重集成和soft stacking元分类器，该方法在平衡precision和recall方面优于单个模型，为系统文献综述的自动化筛选提供了可靠且可扩展的方案。
Disentangling Linguistic Relatedness from Task Alignment in Cross-Lingual Transfer
Ahmed Haj Ahmed, Ruochen Zhang, Alvin Grissom II
cs.CL cs.AI
本文通过微调七种大语言模型并在阿拉伯语上评估零样本阅读理解，发现跨语言迁移主要源于任务格式对齐而非语言亲缘关系，链式思维消融实验进一步支持了这一结论。
How LLMs Fail and Generalize in RTL Coding for Hardware Design?
Guan-Ting Liu et al.
cs.CL cs.AI cs.PL
本文提出了一种针对LLM在硬件设计RTL编码中错误的分类法，将错误分为语法、语义、可解功能和不可解功能四类。实验发现模型在VerilogEval基准上存在90.8%的通过率上限，且对齐技术仅能消除语法错误，无法解决更深层的功能缺陷。
Where to Place the Query? Unveiling and Mitigating Positional Bias in In-Context Learning for Diffusion LLMs via Decoding Dynamics
Zhengheng Li et al.
cs.CL cs.AI
本文研究了Diffusion Large Language Models (dLLMs)中In-Context Learning (ICL)的query位置偏差问题，发现query位置对生成质量有显著影响，并提出了一种无需训练的适应性路由策略Auto-ICL来动态优化query放置。该工作主要关注ICL在dLLMs中的机制，与关键词中的attention有一定关联，但整体创新性和与关键词的契合度未达到严格标准。
Pruning via Causal Attribution Preserves Reasoning Performance in Large Language Models
Amogh Sheth et al.
cs.CL
本文提出了一种名为Causal Attribution Pruning (CAP)的无训练剪枝方法，通过测量attention head在推理任务中的因果影响来指导细粒度权重剪枝。实验表明，在中等稀疏度下，CAP相比Wanda等基线方法能更好地保持大语言模型的推理性能。
Detecting Hallucinations for Large Language Model-based Knowledge Graph Reasoning
Xinyan Zhu et al.
cs.CL cs.AI
本文提出LUCID方法，用于检测基于大语言模型的知识图谱推理中的幻觉问题。该方法通过结合LLM的attention scores、KG语义和结构信息，利用图神经网络进行特征融合，在多个数据集上取得了优于现有方法的性能。
Sign-Language Datasets at Scale: A Comprehensive Survey on Resources, Benchmarks, and Annotation Standards
Yiming Ni et al.
cs.CL cs.AI
本文对35种手语的120个数据集进行了全面调查，分析了模态不平衡、标注粒度和手语者偏差等关键挑战，并提出了一个24字段的手语数据表以支持标准化文档。该工作为手语技术提供了统一的数据集基础。
Quantifying Aleatoric Uncertainty of In-Context Learning for Robust Measure of LLM Prediction Confidence
Jinseok Chung et al.
cs.CL cs.LG
本文提出了一种基于self-function vectors的方法，用于量化In-Context Learning (ICL)中LLM预测的aleatoric uncertainty（偶然不确定性），通过利用模型内部表示来估计不确定性，并设计了新的评估协议。该方法在合成任务和真实数据集上比现有方法更可靠，并可用于幻觉检测等应用。
Granularity-Regulated Adaptive Computational Efficiency for Optimal Verification in Test-Time Scaling
Ardit Krasniqi, Luan Vejsiu, Elira Dervishi
cs.CL cs.LG
本文提出了一个名为GRACE的理论框架，用于分析大语言模型在测试时扩展中的验证粒度（verification granularity）问题。该框架将粗粒度的outcome reward model和细粒度的process reward model统一在一个Pareto最优性框架下，并证明了存在一个相变：在计算预算大或问题难时细粒度验证更优，反之则粗粒度验证更优。实验在MATH-500等基准上验证了理论，但方法本身并非开创性，且与关键词关联较弱。
Trustworthy Multi-Agent Systems: Mitigating Semantic Drift with the Argent Signaling Protocol
Anantha Sharma
cs.CL cs.AI
本文提出了Argent Signaling Protocol (ASP)，一种为多智能体LLM系统设计的结构化质量信号协议，通过添加@C、@G、@S等机器可读头信息来区分可修复与不可修复的失败。实验表明ASP能提升文档问答基准的通过率，并在多智能体模式下完全阻止无根据输出的传播。
Characterizing Narrative Content in Web-scale LLM Pretraining Data
Teagan Johnson et al.
cs.CL
本文对大规模LLM预训练语料库Dolma中的叙事特征进行了细粒度研究，通过设计包含agency、setting和events三个核心叙事元素的框架，并微调NarraBERT模型进行预测。研究发现叙事结构在异构网络文本中可测量且分布不均，但未涉及code、spectral或Muon等关键词相关方法。
Reliability without Validity: A Systematic, Large-Scale Evaluation of LLM-as-a-Judge Models Across Agreement, Consistency, and Bias
Justin D. Norman, Michael U. Rivera, D. Alex Hughes
cs.CL
本文对LLM-as-a-Judge评估范式进行了大规模系统评估，发现其存在kappa deflation（精确匹配与Cohen's kappa之间的普遍差异）和consistency-bias paradox（高重测信度与严重位置偏差共存）等问题，并提出了一个Minimum Viable Validation Protocol。该研究主要关注评估方法本身，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等主题关联度较低。
LaViSA: A Language and Vision Structural Ambiguity Benchmark
Lee Sangmyeong, Shun Inadumi, Koichiro Yoshino
cs.CL
LaViSA是一个用于评估Vision and Language Models (VLMs)解决结构歧义能力的benchmark，包含歧义句子及其对应的图像。实验表明，现有VLMs虽能部分利用视觉场景解决歧义，但在某些类型和细微语义区分上仍有局限。
A BART-based approach with hierarchical strategy for Vietnamese abstractive multi-document summarization
Vu Nguyen Nguyen Xuan, Huy Ngo Quang
cs.CL cs.AI
本文提出了一种基于BART的分层策略用于越南语多文档摘要生成，通过先压缩每个文档再聚合摘要的方式，并利用黄金摘要指导文档压缩。该方法在VLSP 2022测试集上取得了0.2468的ROUGE2-F1分数，并使用了外部数据增强训练。
Where Does Social Reasoning Come From? Capability Provenance in Language Models
Glenn Matlin et al.
cs.CL cs.LG
本文使用训练数据归因方法（TrackStar via Bergson）分析OLMo3-7B模型在社交推理与STEM推理上的能力来源，发现两者依赖不同的预训练语料区域，并通过机器遗忘实验提供因果验证。
Before the Labels: How Dataset Construction Shapes Suicidality Detection in Clinical Text
Priyanshi Garg et al.
cs.CL cs.AI
本文批判性地分析了基于EHR的自杀检测数据集（如ScAN）的构建方式，指出其标签反映了临床文档的特定假设（如将自杀倾向视为有界事件），并通过语言学分析揭示了相同标签下临床表述的异质性。
MiqraBERT: Regression-Based Sentence-BERT Finetuning for Biblical Hebrew Parallel Detection
David M. Smiley
cs.CL
本文提出MiqraBERT，一个基于Sentence-BERT的模型，通过余弦相似度回归在Biblical Hebrew语料上微调，用于检测文本平行。实验表明该模型在叙事文本中表现良好，但在诗歌平行检测上效果有限。
Creating Multilingual Mental Health Dialogue Datasets: Limits of Persona-Based Localization via Nationality and Language
Yunkai Xu, Saeed Abdullah
cs.CL cs.AI cs.HC
本文探讨了通过修改persona中的国籍和语言参数来生成多语言心理健康对话数据集的方法，发现仅调整这些参数会导致临床不一致性，且LLM在评估非英语文本的抑郁严重程度时表现不准确。研究揭示了将英语中心化的persona应用于多语言场景的系统性局限。
From 50K to 8.2 Million in 24 Hours: Vozinha's Algorithmic Consecration and the Multilingual Making of World Cup Visibility
Vinicius Covas
cs.CL cs.CY cs.SI
本文提出了一种多语言计算话语分析方法，研究2026年世界杯中佛得角门将Vozinha的社交媒体关注度从5万增长至820万的“算法加冕”现象。通过构建包含葡萄牙语、西班牙语、英语和法语的语料库及九框架叙事分类法，结合LLM辅助标注与人工验证，分析了不同语言在叙事扩散中的角色差异。该研究将平台粉丝数本身视为语言对象，但方法上更偏向计算语言学与社交媒体分析，与关键词中的数学或算法理论关联较弱。
SAGE-OPD: Selective Agent-Guided Intervention for Multi-Turn On-Policy Distillation
Yuhang Zhou et al.
cs.CL
本文提出SAGE-OPD，一个用于多轮on-policy distillation (OPD)的选择性干预框架。它通过环境反馈和教师判断决定是否干预学生响应，并用教师置信度加权token级蒸馏，以缓解多轮agent训练中的误差累积问题。实验表明该方法在ALFWorld等任务上优于标准OPD。
CacheWeaver: Cache-Aware Evidence Ordering for Efficient Grounded RAG Inference
Kaizhen Tan, Rong Gu, Mingyuan Li
cs.CL
本文提出CacheWeaver，一种用于RAG推理的缓存感知证据排序方法，通过维护前缀树并采用贪心策略重新排列检索到的证据顺序，以增加请求间的token前缀复用，从而降低首token延迟。该方法在vLLM引擎上实现了约20-33%的TTFT降低，且不损害答案质量。
Code-Switching Reveals Language Anchoring in Multilingual LLMs
Jeonghyun Park et al.
cs.CL
本文通过引入Anchor Bias几何度量，研究了多语言大模型在代码混合输入下的语言锚定现象，并提出了CANVAS推理时干预方法来缓解性能下降。该工作主要关注多语言自然语言处理中的代码混合问题，与您提供的关键词关联度较低。
What sentiment analysis can't see: Measuring whether customers were helped, and what went wrong, across 70,000 support conversations
Jason Potteiger
cs.CL
本文使用GPT-5.4对70,450个客服对话进行标注，估计客户满意度并标记具体问题，发现基于LLM的满意度估计比情感分析更准确，能揭示情感分析无法捕捉的客户状态和问题原因。
TerraMARS: A Domain-Adapted Small-Language-Model Pipeline for Mars Terraforming Literature
Jyotsna Singh et al.
cs.CL
本文提出了一个名为TerraMARS的信息提取pipeline，通过domain-adapted Small Language Model将火星科学文献中的非结构化文本转换为JSON格式的结构化输出，并利用QLoRA微调了Google Gemma 3 1B模型。该工作主要面向火星宜居性评估和terraforming研究，但方法本身在自然语言处理领域较为常规，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联度较低。
FineREX: Fine-Tuned NER-RE for Human Smuggling Knowledge Graphs
Elijah Feldman, Dipak Meher, Carlotta Domeniconi
cs.CL cs.AI
本文提出了FineREX，一个针对人口走私知识图谱构建的微调NER-RE流水线，通过微调LLM在特定领域数据集上提升了实体和关系抽取的F1分数，并减少了处理时间。该方法主要关注法律文本的信息抽取效率，与关键词中的概念关联较弱。
NRITYAM: Language Models Meet Art and Heritage of Dance
Punit Kumar Singh et al.
cs.CL cs.AI
NRITYAM是一个用于评估语言模型对舞蹈文化理解能力的多语言基准数据集，包含9,260个问答对，覆盖12种语言。该工作主要关注文化知识评估，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Beyond Uniform Forgetting: A Study of Sequential Direct Preference Optimization Across Preference Settings
Pranav Bhandari et al.
cs.CL cs.AI cs.HC
本文研究了在语言模型对齐中，使用Sequential Direct Preference Optimization (DPO) 在不同偏好设置（如分布冲突、多属性交互等）下的遗忘模式。实验发现，顺序DPO不会导致统一的遗忘，偏好变化取决于目标关系、信号强度和训练顺序，且聚合指标可能掩盖偏好对层面的异质性变化。
Clusters are All You Need: Pre-Training the Tsetlin Machine with Semantic Clusters from Language Models for Interpretability
Jiechao Gao et al.
cs.CL
本文提出一种语义预训练框架，通过K-means或Top2Vec将文本样本聚类为语义簇，并用簇-样本对预训练Tsetlin Machine (TM)，使其学习可解释的语义关键词，在下游任务中达到与BERT竞争的性能，同时保持可解释性。该方法在五个数据集上显著优于传统TM和基于embedding的TM。
CREDENCE: Claim Reduction for Decomposition & Enhanced Credibility -- Semantic Metrics and Convergence Analysis
Phuong Huu Vu Tran, Thuan Duc Mai, Bach Xuan Le
cs.CL cs.AI
本文提出了Credence框架，通过引入Semantic-F1指标（基于BGE-large cosine similarity fidelity）替代Jaccard指标来改进复合句分解为原子claim的质量评估，并形式化分析了修复管道的收敛性质（如rule-based repair的单调有限终止性）。实验表明Semantic-F1在多个基准上优于Jaccard-F1，但该方法主要聚焦于自然语言处理中的事实核查任务，与关键词中的code, spectral, Muon, pretrain, agent, attention等方向无直接关联。
Leverage Is Not Reach: A Control-Window Law for Single-Neuron Steering in Language Models
Hongliang Liu
cs.CL cs.LG
本文提出了一个budget normalized control window框架，用于分析语言模型中单神经元干预的相干控制边界，发现控制效果受残差流与写入方向的对齐度以及残差范数与写入范数之比决定的预算限制。实验表明该框架能预测控制崩溃的阈值，并揭示了局部梯度归因与真实控制能力之间的反直觉关系。
AtomMem: Building Simple and Effective Memory System for LLM Agents via Atomic Facts
Yanyu Yao et al.
cs.CL
本文提出AtomMem，一种通过提取原子事实并组织成层次化事件结构来构建LLM agent长期记忆的系统，在LoCoMo基准上取得了最优性能。
Prompt, Plan, Extract: Zero-Shot Agentic LLMs Workflows for Lung Pathology Extraction from Clinical Narratives
Aman Pathak et al.
cs.CL cs.LG
本文提出了一种零样本的agentic workflow，利用开源LLMs从肺病理报告中提取13个关键字段，并与监督学习基线GatorTron NER-RE进行了比较。实验表明，最佳零样本模型在召回率上接近监督方法，但整体F1分数略低，为低成本信息提取提供了可行方案。
Large Language Models Do Not Always Need Readable Language
Jiayi Zhu et al.
cs.CL cs.AI
本文提出BabelTele，一种牺牲人类可读性但能被LLM恢复的紧凑文本表示方法，通过实验发现其能在压缩文本至27.9%长度时保持99.5%的语义保真度，并验证了其在跨模型迁移、agent记忆和多agent通信中的有效性。
The Almost Intelligent Revolution: Options for Scaling Up Deliberation and Empowering People with AI
Serge Sharoff
cs.CL
本文探讨了大型语言模型（LLMs）在民主协商中的扩展应用，基于系统功能语言学分析了语言用户和语言使用的差异如何影响AI支持的参与，并提出了未来研究方向以最大化AI辅助参与的民主潜力。
REDACT: A Systematically Controlled Multilingual Benchmark for Personal Information Detection
Guneesh Vats et al.
cs.CL
本文提出了REDACT，一个系统控制的多语言PII检测基准，包含51种实体类型和25种语言，通过覆盖阵列采样控制九个生成轴，并评估了五种检测器。结果显示，基于规则的检测器在高敏感度类别上表现较差，而LLM检测器更为稳健。
Light-weight Pronunciation Assessment via Discrete Speech Token Surprisal
Syeda Faiza Ahmed Sara, Shammur Absar Chowdhury
cs.CL cs.SD eess.AS
本文提出了一种轻量级的发音评估框架，仅使用母语语音资源训练，通过离散语音token的surprisal（意外度）和文本引导的对齐模块来检测非母语学习者的发音偏差。该方法在SpeechOcean762和L2-ARCTIC数据集上取得了接近监督基线的性能。
GEMS: Geometric Constraints Enable Multi-Semantic Superposition in LLMs
Yu Deng
cs.CL cs.LG
本文研究了LLM中多语义方向叠加时的模型崩溃问题，将其分解为分布偏差和方向干扰两个独立来源，并提出GEMS方法，通过范数保持加权叠加、目标注意力路径注入和实时正交化等几何约束实现无训练的多方向干预。实验表明该方法在保持任务精度的同时支持多语义注入。
Source-Grounded Data Generation for Text-to-JSON Learning
Sunghee Ahn, Guijin Son, Youngjae Yu
cs.CL
本文提出STAGE，一种基于电子表格的文本到JSON数据生成pipeline，利用LLM合成报告和JSON schema，并在STAGE-Eval基准上验证了其有效性，显著提升了小模型的精确匹配和值准确率。
IHUBERT: Vector-Based Semantic Deduplication and Domain-Balanced Pretraining for Persian Resources
Arash Ghafouri et al.
cs.CL cs.AI
本文介绍了IHUBERT，一个基于RoBERTa-base编码器的波斯语预训练语言模型，通过在45GB的Sepahr-Danesh语料库子集上训练，并采用向量数据库语义去重和领域平衡预处理来提升语料质量。模型在多个波斯语NLU基准上评估，在抽取式问答和自然语言推理任务上取得最佳结果，但未涉及代码、谱方法或Muon优化器等关键词相关技术。
Self-Preference Is Weak or Absent in Verifiable Instruction-Following Revision: A Four-Model Test Under Genuine Authorship
William Guey, Pierrick Bougault
cs.CL
本文通过IFEval验证器测试了四个中等规模语言模型在指令遵循修订任务中的自我偏好现象，发现模型作为作者时拒绝有效修正的比例与作为中立评判者时无显著差异，表明自我偏好在此场景下较弱或不存在。
When Does Streaming Tool Use Help? Characterizing Tool-Intent Stabilization in Streaming Retrieval-Augmented Generation
Elroy Galbraith
cs.CL cs.IR
本文研究了Streaming RAG中tool-intent stabilization的性质，通过实验测量了工具查询在用户输入完成前收敛到正确结果的分布，并推导了延迟隐藏的理论界限。该工作主要关注系统性能分析而非方法创新，与关键词列表中的概念关联较弱。
From Texts to Scores: Tracing the Emergence of Essay Quality Representations in Large Language Models
Jiaxu Zuo et al.
cs.CL cs.AI
本文通过线性探针、降维和神经元分析等方法，系统研究了多个Large Language Models在自动作文评分任务中的内部表征，发现作文质量信息以线性可解码形式存在于模型表示中，并随层数逐步涌现。该工作主要关注LLM的可解释性，与关键词列表中的概念关联较弱。
MedRLM: Recursive Multimodal Health Intelligence for Long-Context Clinical Reasoning, Sensor-Guided Screening, Evidence-Grounded Decision Support, and Community-to-Tertiary Referral Optimization
Aueaphum Aueawatthanaphisut
cs.CL cs.AI cs.LG q-bio.QM
MedRLM提出了一种递归多模态健康智能框架，通过协调多个agent处理临床文本、EHR、医学影像和传感器信号等异构数据，并引入Clinical Evidence Graph Memory来连接患者观察与检索证据。该框架旨在解决长上下文临床推理中的证据分布问题，但未涉及code、spectral、Muon或attention等关键词相关技术。
ReNikud: Audio-Supervised Hebrew Grapheme-to-Phoneme Conversion
Maxim Melichov, Yakov Kolani, Morris Alper
cs.CL
ReNikud提出了一种基于音频监督的希伯来语G2P转换方法，通过ASR伪标签流水线从无标注音频中学习自然发音，并采用伪元音化架构实现字符级对齐。该方法在基准测试上超越了现有技术，但与我提供的关键词（如code, context, spectral等）关联度较低。
Pitch Spelling Jazz Lead Sheets, Solo Transcriptions, Classical Piano and Monophonic Scores
Augustin Bouquillard, Florent Jacquemard
cs.CL
本文提出了一种用于pitch spelling和key estimation的算法，通过两阶段优化（modal和tonal）为MIDI格式输入分配音符名称和调号，并在多种乐谱数据集上进行了评估。该方法主要面向音乐转录任务，但与关键词列表中的概念无直接关联。
CzechDocs: A Multiway Parallel Dataset of Formatted Documents for Minority Languages in Czechia
Josef Jon, Ondřej Bojar
cs.CL
本文介绍了CzechDocs数据集，一个包含捷克语及少数民族语言的多路并行格式化文档数据集，旨在支持机器翻译中格式保持的评估。
Actionable Activation Directions for Detecting and Mitigating Emergent Misalignment Across Language Model Families
Abdul Rafay Syed
cs.CL
本文研究了在不同语言模型家族中，通过微调不安全代码引发的突现misalignment（对齐偏差）的内部结构。作者发现，在模型最后一层，aligned和misaligned的activation之间存在一个可分离的线性方向，但跨架构的causal steering（因果引导）效果有限，且特异性不足。
The Register Gap: A Meaning Intelligence Framework for Nigerian Public Discourse
Celestine Achi
cs.CL cs.AI
本文提出了一个针对尼日利亚公共话语的Meaning Intelligence Framework (MIF)，通过九个维度（如register、true intent等）来区分表面情感与真实交际意图。实验发现，在零样本设置下，模型对register的分类准确率仅为33.3%，而在引入MIF schema后提升至73.3%，揭示了“register gap”现象。
PsyScore: A Psychometrically-Aware Framework for Trait-Adaptive Essay Scoring and ZPD-Scaffolded Feedback
Wei Xia et al.
cs.CL
PsyScore提出了一种心理测量学感知的自动作文评分框架，通过将Graded Partial Credit Model (GPCM)融入神经网络来估计学生能力，并基于此生成适应不同熟练度的反馈。该方法主要关注教育评估与反馈的整合，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念无直接关联。
CATCH-ME if you RAG: a dataset of Contextually Annotated multi-Turn Counterspeech against Hate and Misinformation Exchanges
Helena Bonaldi, Genoveffa Martone, Marco Guerini
cs.CL
本文构建了首个大规模、多语言、专家标注的对话数据集CATCH-ME，用于应对仇恨言论与错误信息的重叠问题。该数据集包含事实核查文档的span标注，可直接用于RAG系统，但未涉及关键词中的code、spectral、Muon等概念。
Your Mouse and Eyes Secretly Leak Your Preference: LLM Alignment using Implicit Feedback from Users
Haw-Shiuan Chang et al.
cs.CL cs.HC cs.LG
本文构建了IFLLM数据集，收集用户鼠标轨迹和眼动数据作为隐式反馈，用于改进LLM对齐。实验表明，结合隐式反馈的reward model将文本based reward model的准确率从55%提升至64%，并显著提高了DPO后的响应质量。
Beyond Global Replanning: Hierarchical Recovery for Cross-Device Agent Systems
Shu Yao et al.
cs.CL
本文提出H-RePlan，一个用于跨设备agent系统的分层重规划框架，通过为每个设备配备可互换执行策略并分离设备本地策略恢复与编排器全局重规划，以处理动态运行时故障。实验表明该方法在完成率和指令遵循度上优于粗粒度基线。
StylisticBias: A Few Human Visual Cues Drive Most Social Biases in MLLMs
Shaghayegh Kolli et al.
cs.CL cs.CV
本文提出了StylisticBias基准，通过控制单一视觉属性变化来评估多模态大语言模型中的社会偏见，发现年龄、体型等少数视觉线索主导了模型判断中的偏见。

cs.DS

Tight Algorithm and Hardness for Submodular Linear Ordering
Evan Abboud, Roy Schwartz
cs.DS
本文研究了子模线性排序问题的近似算法与下界，证明了存在一个多项式时间算法能达到\(O(\sqrt{n/\ln n})\)近似比，并给出了匹配的信息论下界，表明任何多项式次查询的算法都无法达到\(o(\sqrt{n/\ln n})\)近似。该工作解决了该问题在一般子模函数下的近似性刻画。
Computing Twin-Width via Treedepth and Vertex Integrity
Robert Ganian, Mathis Rocton
cs.DS cs.CC
本文研究了twin-width图参数的计算问题，证明了当以treedepth为参数时，近似twin-width是固定参数可解的，这打破了此前所有可解参数化都基于删除距离的限制。此外，文章还证明了以vertex integrity为参数时，精确计算twin-width也是固定参数可解的，这是首个用于计算最优contraction sequence的非平凡参数化算法。

others

Beyond the GUI Paradigm: Do Mobile Agents Need the Phone Screen? ⭐ 精选
Li Gu et al.
cs.SE cs.CL cs.HC
本文挑战了移动agent领域主流的GUI范式，提出command-line interface (CLI)应作为同等重要的交互范式。作者在AndroidWorld和MobileWorld基准上评估了多种coding agent，发现Claude Code (Opus 4.7)在无需任何移动端后训练的情况下，性能超越了所有可复现的GUI baseline。为量化该范式的上限，作者提供了oracle CLI解决方案，并引入了CLI-Advantage Task Suite，涵盖批量操作、多条件过滤、聚合、跨应用工作流和隐藏设备状态五类任务，实验表明CLI agent在所有类别中均优于GUI baseline，且步骤数更少。该工作为移动agent领域开辟了新的研究方向，与关键词中的agent和context高度契合。
CSWinUNETR: Segmentation of Thin Anatomical Structures in Medical Images ⭐ 精选
Junho Moon, Haejun Chung, Ikbeom Jang
cs.CV cs.AI
CSWinUNETR提出了一种用于医学图像中薄解剖结构分割的通用backbone，其核心创新在于采用cross-shaped stripe self-attention来建模长程主轴上下文，并通过cyclic shifts增强不同stripe间的信息交换。此外，论文引入detail-enhanced multi-scale self-attention模块聚合多分辨率特征以保留细节，以及sparse-control dynamic snake convolution从稀疏控制点重建密集曲线核以更好地跟随曲折几何。该方法在视网膜血管、脑血管和面部皱纹等多个基准上优于现有方法，无需任务特定的后处理或拓扑感知损失，与关键词“attention”和“context”高度契合。
HilDA: Hierarchical Distillation with Diffusion for Advancing Self-Supervised LiDAR Pre-trainin ⭐ 精选
Maciej Wozniak et al.
cs.CV cs.AI cs.RO
本文提出HilDA，一种用于LiDAR backbone的自监督预训练框架。它通过层级蒸馏（包括多层蒸馏实现渐进式语义对齐和全局上下文蒸馏捕捉场景级语义）以及时序占用扩散目标（temporal occupancy diffusion objective）来促进时空一致性，从而更好地从Vision Foundation Models (VFMs)中提取语义和几何信息。该方法在跨模态蒸馏基准上达到了state-of-the-art结果，并在3D目标检测、scene flow和语义占用预测等任务上优于先前的蒸馏方法，为LiDAR自监督预训练提供了开创性的解决方案。
Human Universal Grasping
Kevin Yuanbo Wu et al.
cs.RO cs.AI cs.CV cs.LG
本文提出HUG，一个基于flow-matching的模型，能从单张RGB-D图像生成多样化的人类抓取姿态，并重定向到机器人手以实现零样本抓取。该方法通过大规模第一人称数据集1M-HUGs训练，在模拟和真实场景中均优于现有基线。
Gender Bias in LLM Hiring Decisions: Evidence from a Japanese Context and Evaluation of Mitigation Strategies
Serena A. Hoffstedde et al.
cs.MA cs.CL cs.CY
本文研究了大型语言模型（LLMs）在日本招聘场景中的性别偏见问题，通过使用60份日本格式简历和5种先进LLM进行43200次API调用，发现所有模型均存在显著的亲女性偏见。实验表明，提示层面的性别中立指令无法有效减少偏见，而移除候选人姓名几乎完全消除了该偏见效应，但隐私过滤器与GPT-4o的安全过滤器存在不兼容问题。
Human-AI Agent Interaction in a Business Context
Kathrin Paimann, Elizangela Valarini, Sebastian Juhl
cs.HC cs.AI
本文采用混合方法研究商业环境中人类与AI agent的交互模式，识别了影响用户体验的原则和标准，并开发了调查实验以评估设计元素的有效性。
Physical Atari: A Robust and Accessible Platform for Real-time Reinforcement Learning on Robots
Khurram Javed et al.
cs.RO cs.AI
本文介绍了一个名为Physical Atari的机器人平台，用于在物理世界中研究reinforcement learning算法。该平台通过一个机器人手臂操作Atari游戏控制器，并利用摄像头捕捉游戏画面，实现了在真实机器人上的算法验证。
Neural Architectures as Functional Priors in Physics-Informed Control Problems
Sonia Rubio Herranz, Fernando Carlos López Hernández, Antonio López Montes
math.NA cs.LG math.OC
本文研究了在由ODE控制的物理系统中，不同neural architecture（如MLPs和Fourier-based KAN-like架构）作为隐式functional priors对控制策略的影响。实验表明，即使方程、损失函数和训练参数相同，不同架构也会产生具有不同spectral结构、平滑度和能量分布的控制结果。
Full-Self Diagnostics (FSD): Physics-Grounded Visual Biomarker Inference from Smartphone Video via Inverse Problems and Operator Learning
Jonathan Thomas, Harsh Thaker
eess.IV cs.CV cs.LG
本文提出了一种名为Full-Self Diagnostics (FSD)的统一数学框架，通过逆问题与算子学习从智能手机拍摄的9秒面部视频中恢复潜在生理状态。该方法整合了基于辐射传输方程的物理前向模型、信息论可观测性理论、Tikhonov正则化逆问题以及算子学习，并在38812个真实配对扫描上进行了验证。
AgentArmor: A Framework, Evaluation, \& Mitigation of Coding Agent Failures
Kenneth Ge, Andre Assis
cs.SE cs.LG
本文研究了AI coding agent在软件工程部署中的三种失败机制（underspecification, capability errors, agent harness errors），并提出了AgentArmor框架来缓解这些错误。该框架通过修改agent harness（如扩展系统提示、命令分类器、确定性护栏等）提升了安全性。
Improving Code-Switching ASR with Code-Mixing Guided Synthetic Speech
Yue Heng Yeo et al.
cs.SD cs.AI
本文提出了一种基于code-mixing guided preference-learning框架的合成语音数据增强方法，用于提升code-switching ASR性能。该方法通过Code Mixing Index (CMI)优化合成语音的code-switching fidelity，并在SEAME语料库上验证了其有效性。
DynAMO:Dynamic Asset Management Orchestration via Topological Multi-Agent Scheduling
Kanishk Kushwaha et al.
cs.SE cs.AI
本文提出DynAMO，一个基于Plan-then-Execute架构的工业资产管理引擎，通过拓扑多智能体调度实现顺序与并行工作流执行，在AssetOpsBench基准上验证了其降低延迟和保持安全性的能力。
Bistable by Construction: Wall-Clock-Calibrated State Monitors Have No Moment-Detection Regime at Agent Cadence
Manvendra Modgil
cs.SE cs.AI cs.LG
本文研究了自主agent运行时监控器中的状态饱和陷阱问题，发现基于wall-clock时间校准的leaky-integrator监控器在agent流上无法作为moment detector工作，而sample-time校准的CUSUM则具有dt不变性。该工作主要揭示了校准类别的属性差异，但方法本身并非开创性，且与关键词中的agent概念有一定关联但不够紧密。
Interpretable and Verifiable Hardware Generation with LLM-Driven Stepwise Refinement
You Li, Samuel Mandell, David Z. Pan
cs.SE cs.AI
本文提出了一种结合LLM与形式化方法的硬件生成框架，通过迭代应用转换规则将设计规范转化为RTL程序，并保证正确性。实验验证了该框架的有效性和效率。
Execution-bound advisory automation for agentic AI: a reproducible AIBOM-driven CSAF-VEX framework
Petar Radanliev et al.
cs.SE cs.AI
本文提出了一个基于AIBOM和CSAF-VEX框架的协议驱动方法，用于在Agentic AI系统中生成可执行的漏洞公告，并通过确定性回放进行验证。该方法结合静态和运行时证据来计算可利用性，并在合成工作负载上进行了评估。
An alternative way of defining finite graphs
Maxim Nazarov
cs.DM cs.DS math.CO
本文提出了一种名为"graph linear notation"的完全图不变量，作为有限图的一种替代定义方式。该不变量通过类似寻找图规范形式的算法构建，可用于简化图的对称性插图和同构比较问题。
JustDiag!: A Diagnostic Justification Engine for Accountable Root Cause Analysis
Tingzhu Bi et al.
cs.SE cs.AI
本文提出JustDiag，一个用于可问责根因分析（RCA）的诊断理由引擎，通过维护显式的过程状态（包括证据、发现、竞争假设和冲突）来增强大语言模型的可解释性。实验表明，该方法在最终答案质量和过程质量上优于基线，但未涉及代码、谱方法或预训练等关键词。
The Representational Limit of Scalar Interactions: An Interventional Decomposition
Potito Aghilar et al.
stat.ML cs.LG
本文证明了标量交互作用（scalar interactions）在表示唯一性（U）、冗余性（R）和协同性（S）时存在根本性混淆，并提出了Stochastic Hi-Fi方法，通过干预式掩码推理（interventional masked inference）来分解每个特征的U/R/S轮廓。该方法无需重新训练，在tabular SCMs和GPT-2 IOI电路上展示了优于标量基线的结构恢复能力。
Playful Agentic Robot Learning
Junyi Zhang et al.
cs.RO cs.AI
本文提出了一种名为RATs的机器人agent团队框架，通过让机器人进行自我导向的“玩耍”来持续学习可复用的代码技能库，并在下游任务中通过检索这些技能来提升性能。实验表明该方法在多个基准上优于无玩耍或随机玩耍的基线。
Scaling Generative Foundation Models for Chest Radiography with Rectified Flow Transformers
Fabio De Sousa Ribeiro et al.
cs.CV cs.AI cs.LG
本文提出了首个十亿参数级别的胸部X光片生成基础模型，使用Rectified Flow Transformers在120万张X光片上进行训练，支持可控的放射影像生成和编辑。该模型在合成逼真度上显著超越了现有技术，生成的图像在临床专家眼中与真实X光片难以区分。
Secure Coding Drift in LLM-Assisted Post-Quantum Cryptography Development: A Gamified Fix
R.D.N. Shakya et al.
cs.CR cs.AI cs.SE
本文提出了一种名为Secure Coding Drift in PQC的社会技术漏洞模型，描述了在LLM辅助的后量子密码学开发中安全编码实践的逐渐退化现象，并设计了一个游戏化的安全编码框架来缓解该问题。该工作主要关注AI与人类交互中的安全行为，与关键词中的code和agent有一定关联，但方法上缺乏开创性且未解决长期存在的核心问题。
Optimal Ansatz-free Hamiltonian Learning In Situ
Taiqi Zhou, Weiyuan Gong
quant-ph cs.IT cs.LG
本文提出了一种无需控制、无需辅助比特的Hamiltonian学习算法，通过Pauli product state preparation和measurement，在总演化时间\(\Theta(\frac{\Lambda}{\epsilon^2}\log(\frac{\Lambda}{\epsilon}))\)内学习无先验结构的Hamiltonian \(H\)，并证明了该时间代价对于无控制协议是最优的。该方法引入了一个结合band-limited kernel-based time sampling和displacement sieve的随机采样框架，其时间分辨率仅依赖于\(\Lambda\)而非\(\epsilon\)，在高精度场景下具有优势。
A Tool for the Synthesis of Adaptive Probabilistic Processors Based on the Ising Model
Jonathan Juracy Carneiro da Silva, Leonardo R. Gobatto, Jose Rodrigo Azambuja
cs.AR cs.AI
本文提出了一种基于Ising模型的自适应概率处理器综合与仿真工具，能够自动构建Ising Hamiltonian并选择更新算法（如Gibbs Sampling、Simulated Annealing等），以解决组合优化问题。实验表明该方法在收敛性和灵活性上优于固定策略。
PerceptionDLM: Parallel Region Perception with Multimodal Diffusion Language Models
Yueyi Sun et al.
cs.CV cs.AI cs.CL
本文提出PerceptionDLM，一种基于multimodal diffusion language model的并行区域感知方法，通过引入efficient prompting和structured attention masking实现多区域描述的并行生成，并构建了ParaDLC-Bench基准来评估并行性能。实验表明该方法在保持区域描述质量的同时显著提升了多区域感知任务的推理效率。
FloatDoor: Platform-Triggered Backdoors in LLMs
Nils Loose et al.
cs.CR cs.LG
本文提出了一种名为FloatDoor的新型后门攻击方法，利用不同计算平台（如NVIDIA GPU、Google TPU）上浮点运算的非结合性差异，通过两个轻量级LoRA适配器使LLM在特定目标平台上表现出恶意行为（如生成含漏洞代码），而在其他平台表现正常。该攻击利用了模型审计与部署之间的时间差，揭示了LLM供应链中的新安全风险。
Review of Machine Learning Models for Solar Energetic Particle Prediction
Spiridon Kasapis et al.
astro-ph.SR cs.AI
本文综述了用于太阳高能粒子（SEP）事件预测的机器学习模型，比较了其架构、输入输出及训练数据集，并基于此提出了未来研究的建议。该工作主要聚焦于应用层面的模型对比，未涉及与关键词相关的核心理论或方法创新。
GDGU: A Gradient Difference-based Graph Unlearning Method for Cyberattack Localization in Electric Vehicle Charging Networks
Nanhong Liu, Mucun Sun, Jie Zhang
eess.SY cs.AI
本文针对电动汽车充电网络中的网络攻击定位问题，提出了一种基于梯度差分的图遗忘方法GDGU，通过一阶参数修正移除请求删除数据的影响，并辅以批归一化重校准和微调步骤。实验表明该方法在遗忘保真度上接近完全重训练，且速度提升10-12倍。
Exploring Feature Extraction Technique Parameters for Acoustic Gunshot Classification
Sinclair Gurny, Ryan Quinn
cs.SD cs.AI
本文系统研究了声学枪声分类中的特征提取技术参数，使用ResNet-18在包含23,000条枪声记录的数据集上对三种特征提取技术进行了基准测试。结果表明，选择合适的特征提取技术及参数可显著提升top-1准确率。
FlowFake: Liquid Networks for Audio Deepfake Detection
Shivaay Dhondiyal, Divyansh Sharma, Dinesh Kumar Vishwakarma
cs.SD cs.AI
本文提出FlowFake，一种基于Liquid Time-Constant (LTC)架构的音频deepfake检测方法，通过学习ODE演化隐藏状态并利用自适应时间常数同时捕捉频谱(10ms)和韵律(2s)线索。在跨数据集基准上，该模型以仅34K参数取得了与大规模模型相当的性能，但方法本身在理论或应用上未体现显著的开创性。
A Solver-Free Training Method for Predict-then-Optimize
Beichen Wan, Mo Liu
stat.ML cs.LG
本文提出了一种基于measure transformation principle的决策聚焦学习框架，用于解决predict-then-optimize范式中的训练可扩展性问题。该方法通过构造新的surrogate loss，使得训练过程完全无需调用optimization solver，从而大幅降低计算成本。
PrefSQA: Pairwise Preference Prediction for Speech Quality Assessment and the Critical Role of High Quality Datasets
Junyi Fan, Donald S. Williamson
cs.SD cs.AI cs.LG
本文研究了基于偏好预测的语音质量评估方法PrefSQA，通过引入不确定性感知logits和impairment attention head等模块来减少标注噪声。实验表明该方法在高质量偏好数据集上表现优于基线，但整体创新性有限。
FAPO: Fully Autonomous Prompt Optimization of Multi-Step LLM Pipelines
Paul Kassianik et al.
cs.SE cs.AI
本文提出FAPO框架，利用Claude Code自动优化多步LLM pipeline中的prompt和chain structure，通过诊断中间步骤的失败并迭代改进来提升性能。实验表明FAPO在多个benchmark上优于基线方法，尤其在需要结构性调整的任务中表现显著。
StaminaBench: Stress-Testing Coding Agents over 100 Interaction Turns
Vlad Sobal et al.
cs.SE cs.AI
本文提出了StaminaBench基准，用于评估coding agent在连续交互轮次（如100次变更请求）中的耐力。实验发现所有测试模型在5-6轮内失败，表明缺乏测试的编程风格容易产生bug，且反馈和重试机制能显著提升性能。
Before the Pull Request: Mining Multi-Agent Coordination
Dipankar Sarkar
cs.SE cs.AI cs.MA
本文提出了一种名为grite的开源协调框架，通过将协调日志直接存储在git中，来捕捉多智能体在代码协作中提交PR之前的冲突与重复工作。实验表明该方法能显著减少重复劳动并提升吞吐量，但主要聚焦于工程实践而非理论创新，与关键词中的核心概念关联较弱。
GB-LSR: A Fast Local Spectral Image Representation with a Single Global Bandwidth for Continuous Reconstruction and Super-Resolution
Max Shad, Naeem Khoshnevis
cs.CV cs.GR cs.LG
本文提出GB-LSR，一种用于连续图像重建的固定网格局部spectral表示方法。它通过共享卷积编码器预测每个图像块的截断Fourier基系数，并使用单个可训练的全局带宽参数，在标准重建基准上优于LIIF/LTE/WIRE等方法，且推理成本更低。
RIVET: Robust Idempotent Voice Attribute Editing
Dareen Alharthi et al.
cs.SD cs.AI cs.LG
本文提出RIVET框架，通过引入idempotency（幂等性）目标来提升语音属性编辑模型对标签噪声的鲁棒性，实验表明该方法在编辑成功率和说话人身份保持上优于标准训练。
Formal Verification of Learned Multi-Agent Communication Policies via Decision Tree Distillation
Ahmad Farooq, Kamran Iqbal
cs.RO cs.AI cs.LG cs.LO cs.MA
本文提出了一种通过决策树蒸馏对多智能体强化学习通信策略进行形式化验证的框架，将神经策略转化为可解释的决策树，并使用PRISM模型检测器验证概率计算树逻辑属性。实验表明，蒸馏策略的保真度高达97.9%，且验证的安全属性可转移至原始神经网络，碰撞概率低于1%阈值。
CTS-MoE: Implicit Terrain Adaptation via Mixture-of-Experts for Perceptive Locomotion
Francisco Affonso et al.
cs.RO cs.AI
本文提出CTS-MoE，一种基于dense mixture-of-experts和perception-based gating的感知运动控制方法，用于解决不连续地形上的四足机器人自适应运动问题。该方法通过multi-critic和task-specific value heads处理多任务强化学习中的reward interference，并在仿真和硬件上验证了其优于monolithic baselines的性能。
Variational Consensus Monte Carlo for Bayesian Mixture
Julie Fendler et al.
stat.ML cs.LG
本文针对联邦学习中贝叶斯混合模型的推断问题，提出了一种变分Consensus Monte Carlo (CMC)框架，通过在每个数据孤岛上独立运行MCMC算法并聚合局部后验分布来近似全局后验。该方法扩展了变分CMC至过拟合贝叶斯混合模型，并设计了适用于跨孤岛场景的簇匹配算法。
DF-ExpEnse: Diffusion Filtered Exploration for Sample Efficient Finetuning
Calvin Luo, Chen Sun, Shuran Song
cs.RO cs.LG
本文提出DF-ExpEnse探索技术，通过利用预训练生成控制策略的多模态建模能力构建候选集，并借助集成critic选择平衡质量与探索兴趣的动作，以提升在线经验收集质量与微调样本效率。实验在多种操作与移动任务中验证了其相对于默认微调方法的样本效率优势。
A Layered Security Framework Against Prompt Injection in RAG-Based Chatbots
Gulshan Saleem et al.
cs.CR cs.CL
本文针对RAG聊天机器人中的prompt injection攻击，提出了一个三层防御框架，分别对用户输入、检索文档和模型输出进行检测与过滤。实验表明该方法能显著降低攻击成功率，但主要贡献在于工程实现而非理论创新，与关键词关联度较低。
TeleMorpher: Toward Robust Simultaneous Motion-Location Editing
Haengbok Chung
cs.CV cs.AI
本文提出TeleMorpher框架，用于同时编辑视频中主角的运动和位置。该方法通过解耦前景与背景、利用运动先验进行无训练的姿态扭曲，并注入基线运动编辑器，实现了更可控的编辑，实验证明了其有效性。
When Global Gating Is Enough: Admission-Time Hubness Control in Anisotropic Vector Retrieval Systems
Prashant Kumar Pathak, Tarun Kumar Sharma
cs.CR cs.DB cs.IR
本文提出了一种在向量检索系统中通过准入时间控制来防御hubness攻击的方法，使用全局门控机制在文档插入前进行筛选，实验表明该方法在多个数据集和编码器上能有效检测攻击性文档，但方法本身并非开创性突破，且与关键词列表中的概念关联较弱。
Comparative Study on Agility, Efficiency, and Impact Absorption of Bipedal Robots with Active Toes
Joong-Gil Kim et al.
cs.RO cs.LG eess.SY
本文通过仿真对比研究了双足机器人主动脚趾对敏捷性、效率和冲击吸收的影响，发现带脚趾的配置在行走时降低了17.5%的运输成本和5.0%的足跟冲击力，并改善了路径偏差。该工作属于机器人领域的工程优化，与关键词中的理论或方法关联较弱。
NEST: Narrative Event Structures in Time for Long Video Understanding
Ali Asgarov et al.
cs.CV cs.CL
本文提出了NEST数据集，包含1005部全长电影及其多模态叙事事件标注，用于评估长视频理解中的叙事结构。实验表明现有模型在事件触发检测、定位和参数提取上表现极差，但事件关系提取相对可行。
A Differentiable Composite Approximation Framework for Autonomous Underwater Vehicle Maneuvering Modeling from Sea-Trial Data
Aobo Wang et al.
cs.RO cs.LG eess.SY
本文提出了一种可微分的复合近似框架，用于从海上试验数据中建立自主水下航行器（AUV）的机动模型。该方法将预定义的多项式基与数据自适应基（如神经网络）作为可微部分联合校准，并引入基于转向运动的洋流估计与补偿过程。实验表明，该方法在递归轨迹和速度预测上优于纯多项式、纯神经网络及冻结先验的混合基线方法。
AURA: Adaptive Uncertainty-aware Refinement for LLM-as-a-Judge Auditing
Zilong Zhang et al.
stat.ML cs.AI cs.LG stat.CO stat.ME
本文提出AURA框架，用于在有限人工验证下审计LLM作为评判者的决策。该方法通过迭代学习人类一致性信号并优先处理不确定的比较，以提升评判可靠性。
Library-Aware Doubles and Iterative Repair for Large Language Model-Generated Unit Tests in OpenSIL Firmware
Ma Toan Bach et al.
cs.SE cs.AI cs.MA
本文提出了一种针对OpenSIL固件代码库的自动化单元测试生成工作流，利用LLM驱动的多智能体管道，通过库感知的桩/模拟/伪造创建和迭代编译修复循环，在76个函数中为73个生成了可编译的单元测试，平均行覆盖率最高达98.8%。该方法主要关注软件工程中的测试自动化，与关键词中的code和agent有一定关联，但缺乏开创性或对长期问题的解决。
Bidirectional Tutoring for Developmental Motor Learning in Robots: Co-Developed Interaction Dynamics Support Stable Learning
Rui Fukushima, Jun Tani
cs.RO cs.AI
本文研究了机器人运动技能发展中的双向教学机制，通过自由能原理神经网络和生成回放实现序列学习。实验表明双向互动能促进行为一致性和泛化，但未涉及code、spectral或Muon等关键词相关方法。
VOiLA: Vectorized Online Planning with Learned Diffusion Model for POMDP Agents
Marcus Hoerger et al.
cs.RO cs.AI
本文提出VOiLA框架，利用conditional diffusion models学习POMDP的transition和observation samplers，并通过蒸馏为compact feedforward generators以加速在线规划。该方法在基准测试和物理机器人上验证了有效性，但未涉及code、spectral或Muon等关键词。
QueryGaussian: Scalable and Training-Free Open-Vocabulary 3D Instance Retrieval
Xiuyuan Zhu et al.
cs.CV cs.AI
本文提出QueryGaussian，一种无需训练的开放词汇3D实例检索框架，通过实例级查询机制解耦语义与几何表示，利用预训练2D模型和最大权重关联策略提升效率。实验表明该方法在保持精度的同时大幅降低GPU内存消耗并加速推理。
Temporal Self-Imitation Learning
Yinsen Jia, Boyuan Chen
cs.RO cs.AI
本文提出Temporal Self-Imitation Learning (TSIL)框架，通过挖掘学习过程中产生的时域高效成功轨迹并将其转化为可重用的监督信号，以改进强化学习策略。该方法在15个长时域机器人操作任务上提升了学习效率和任务完成效率。
SafeSpec: Fast and Safe LLM via Dynamic Reflective Sampling
Haotian Xu et al.
cs.CR cs.AI
本文提出SafeSpec框架，通过在目标模型上附加轻量级safety head，在speculative inference的验证过程中联合评估语义有效性和安全性，并在检测到不安全生成时执行回滚和安全引导的反射式多采样。该方法旨在解决现有安全防御与推测解码不兼容的问题，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Optimal Sparsification of Gaussian Processes
Shivam Nadimpalli
math.PR cs.DS
本文通过插值论证结合Sudakov minoration与Brascamp-Lieb不等式，证明了中心Gaussian process上确界的最优无维稀疏化定理，将索引集大小从指数级改进为仅依赖\(\varepsilon\)的紧致界。该结果在Gaussian测度下对范数的junta定理、学习与性质测试等应用提供了指数级改进。
Data Standards for Humanoid Robotics: The Missing Infrastructure for Physical AI
Shaoshan Liu et al.
cs.RO cs.AI
本文讨论了人形机器人数据标准的重要性，认为数据标准是Physical AI的基础设施，并提出了数据应具备物理连贯性（如时间、坐标框架等）以支持可复用性。该文主要关注标准化框架，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联较弱。
Towards Engineering Scaling Laws with Pretraining Data Composition
Jan-Lucas Uslu et al.
hep-ex cs.AI
本文研究了粒子物理中大型模型的neural scaling laws，发现通过调整pretraining data的多样性和与下游任务的对齐程度，可以改变scaling behavior，使其更倾向于增加数据量而非模型大小。
Cross-Dataset, Age, and Gender Generalization: A Comprehensive Analysis of Fine-Tuning Strategies for Low-Resource Children's ASR
Paban Sapkota et al.
eess.AS cs.AI cs.SD
本文研究了针对构音障碍语音识别的声学特征组合与F-TDNN模型微调策略，通过引入Pitch特征和优化训练样本重叠帧数，在TORGO数据库上实现了孤立词和句子识别性能的相对提升。
Systematic Study of Dysarthric Speech Recognition: Spectral Features and Acoustic Models
Paban Sapkota et al.
eess.AS cs.AI cs.LG cs.SD eess.SP
本文系统研究了构音障碍语音识别中不同声学特征与声学模型的组合，重点分析了Pitch特征对识别性能的提升作用。通过在TORGO数据库上使用F-TDNN模型，该方法在孤立词和句子识别任务上分别取得了4.65%和4.63%的相对改进。
Agentic Electronic Design Automation: A Handoff Perspective
Jiawei Liu et al.
cs.SE cs.AI
本文从交接视角（handoff perspective）审视基于LLM agent的电子设计自动化（EDA），将交接有效性（handoff validity）作为组织原则，将现有系统分为Stage-Bound、Flow-Bound和Organization-Bound三类，并提出了五层EDA agent通信协议（EACP）。该工作为agentic EDA的可信性提供了分类框架和研究议程，但更偏向综述与协议设计，与关键词中的agent有一定关联，但开创性有限。
Improving End-to-End Speech Recognition for Dysarthric Speech through In-Domain Data Augmentation
Paban Sapkota et al.
eess.AS cs.AI cs.SD eess.SP
本文研究了通过数据增强技术改进构音障碍语音识别，在预训练Wav2Vec2模型上微调，并针对不同严重程度测试了四种增强方法，实验表明这些方法能有效提升识别性能。
The Hidden Environmental Cost of Poor Coding Practices in TensorFlow and Keras Applications: A Study on Resource Leaks and Carbon Emissions
Bashar Abdallah et al.
cs.SE cs.LG
本文通过控制实验研究了TensorFlow和Keras应用中两种资源泄漏模式（Improper Model Reuse和Unreleased Tensor References）对能耗和碳排放的影响，发现它们分别使电力消耗增加约32%和46%。该工作为ML代码的可持续性提供了初步实证证据，但方法本身并非开创性，且与关键词列表中的概念关联较弱。
Policy-aware Vector Search: A Vision for Fine Grained Access Control in Vector Databases
Lakshmi Sahithi Yalamarthi, Primal Pappachan
cs.DB cs.AI cs.LG
本文提出了Policy-aware Vector Search的概念，形式化了向量数据库中的细粒度访问控制（FGAC）策略模型，并比较了不同的策略执行方法。初步发现指出了在向量数据库中实现FGAC时，在正确性、ANN搜索召回率和查询延迟之间存在的固有矛盾。
ParaScale: Scale-Calibrated Camera-Motion Transfer via a Gauge-Invariant Parallax Number
Zijie Meng
cs.CV cs.AI
本文提出ParaScale模块，通过定义无量纲的Parallax Number（视差数）来校准相机运动在不同尺度场景间的迁移，解决了单目轨迹因深度-尺度规范（depth-scale gauge）导致的运动幅度失真问题。该方法无需重新训练，可直接插入任何姿态条件生成器，并在多个尺度范围上显著降低了Parallax Consistency Error（PCE）。
Low-Burden Data Augmentation for Dysarthric ASR via Zero-Shot Voice Cloning
Satwinder Singh et al.
eess.AS cs.LG
本文研究了零样本语音克隆（zero-shot voice cloning）作为低负担数据增强策略在构音障碍语音识别中的应用，使用Higgs Audio V2对TORGO数据集中的说话人进行克隆，并微调Whisper-medium模型。实验表明，克隆数据微调在词错误率（WER）上接近真实数据微调的效果，尤其在中等至重度构音障碍说话人上表现更优，为缓解数据收集瓶颈提供了可行方案。
JAMER: Project-Level Code Framework Dataset and Benchmark on Professional Game Engines
Jianwen Sun et al.
cs.SE cs.CL
本文提出了JamSet和JamBench，这是首个基于专业游戏引擎Godot的项目级游戏代码框架数据集和基准，通过Game Jam竞赛收集并验证了数千个开源项目，用于评估AI在项目级代码工程中的能力。实验发现，随着项目规模增大，模型性能急剧下降，且代码Agent虽能提升编译通过率，但无法改善运行时行为质量，表明瓶颈在于架构设计而非语法正确性。
Doeblin Curves
Dongmin Lee et al.
cs.IT cs.LG math.PR math.ST
本文提出了Doeblin曲线这一概念，用于量化Markov kernel在特定divergence和power水平下对输入分布集合的收缩行为，并发展了其变分刻画与上下界。该工作将Doeblin系数在信息收缩中的应用推广到更精细的场景，但与我提供的关键词列表关联度较低。
PSCT-Net: Geometry-Aware Pediatric Skull CT Reconstruction via Differentiable Back-Projection and Attention-Guided Refinement
Dong Yeong Kim et al.
cs.CV cs.AI
本文提出PSCT-Net，一种用于从稀疏双平面X光重建儿科颅骨CT的几何感知框架。该方法通过可微反向投影建立空间体素先验，并利用注意力引导投影模块学习2D与3D间的非线性对应关系，同时引入双向Mamba模块捕获长程体素依赖。该工作主要针对低剂量CT重建问题，但方法在创新性和与关键词的契合度上未达到严格标准。
Multimodal Concept Bottleneck Models
Tongqing Shi et al.
cs.CV cs.LG
本文提出Multimodal Concept Bottleneck Model (MM-CBM)，通过双Concept Bottleneck Layers (CBLs)将CLIP的图像和文本嵌入对齐为可解释特征，从而在保持可解释性的同时提升零样本分类等任务的准确率。该方法在标准基准上平均提升高达51.26%，但未涉及关键词中的code、spectral、Muon或agent等概念。
FFinRED: An Expert-Guided Benchmark Generation and Evaluation Framework for Financial LLM Red-Teaming
Chaeyun Kim et al.
cs.CR cs.AI
本文提出了一个名为FinRED的专家引导的金融LLM红队测试框架，通过构建基于真实金融文档的上下文丰富的Behavioral Prompts来评估金融大语言模型的安全性，并提供了专家验证的评估标准。该工作主要关注金融领域的特定安全风险，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念无直接关联。
A fast direct solver based neural network for solving PDEs
Jashwanth Reddy Kadaru, Vaishnavi Gujjula
math.NA cs.LG
本文提出了一种基于HODLR矩阵快速直接求解器的神经网络架构，用于学习线性与非线性PDE的求解算子。该方法通过将HODLR矩阵求逆过程参数化为网络，并引入深层子网络处理非线性，在多个方程上进行了实验验证。
Query-aware Routing for Filtered Approximate Nearest Neighbors Search
Qianqian Xiong, Mengxuan Zhang
cs.DB cs.IR
本文提出了一种查询感知路由框架，用于过滤近似最近邻搜索，通过轻量级ML模型预测各候选方法的召回率，并结合离线基准表选择最优的召回-QPS平衡方案。实验表明该方法在多个数据集上达到了先进的性能平衡，但未涉及关键词中的核心概念。
Measuring Biological Capabilities and Risks of AI Agents
Patricia Paskov et al.
cs.CY cs.AI
本文讨论了AI agent在生物学任务中的能力与风险评估问题，提出了一种基于agentic evaluation的评估框架，并强调了评估设计选择对结果解读的影响。
Structure-Oriented Randomized Neural Networks for Poisson-Nernst-Planck and Poisson-Nernst-Planck-Navier-Stokes Systems
Yunlong Li, Fei Wang
math.NA cs.LG physics.comp-ph
本文针对Poisson-Nernst-Planck (PNP)和Poisson-Nernst-Planck-Navier-Stokes (PNP-NS)系统，提出了一种结构导向的随机神经网络框架SO-RaNN，通过解耦线性化子问题、点截断保正性、离散质量缩放因子及SAV后处理修正等技巧，实现了对浓度、电势和速度场的数值求解，并给出了残差估计和收敛性分析。该方法主要面向特定物理系统的数值模拟，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联度较低。
Co-policy: Responsive Human-Robot Co-Creation for Musical Performances
Xuetao Li et al.
cs.RO cs.AI
本文提出Co-policy框架，用于人机音乐共创，通过分离语义意图、约束音乐变化和视觉运动执行，实现实时物理演奏。该方法使用预训练语义锚点和微调Qwen-vl规划器处理语音与视觉输入，并引入高斯混合视觉运动策略生成多模态机器人动作。
Deep-Unfolded Coordination
Hunter Kuperman et al.
cs.RO cs.LG cs.MA
本文提出Deep Coordinator，一种深度展开框架，用于在求解时动态调整ADMM-DDP分布式优化器的超参数。该方法将固定次数的ADMM-DDP迭代展开为神经网络，并采用无监督学习方案避免监督学习导致的退化解。
Spatial-Aware Reduction Framework: Towards Efficient and Faithful Visual State Space Models
Jindi Lv et al.
cs.CV cs.AI
本文提出STORM框架，通过将token reduction重构为对空间单元的结构化操作，解决了现有视觉Mamba模型在压缩时性能崩溃的问题。该方法无需训练即可保持网格拓扑和邻域一致性，在多种视觉Mamba骨干上实现了领先的剪枝精度。
Speeding up the annotation process in semantic segmentation industrial applications
Marta Fernandez-Moreno et al.
cs.CV cs.AI
本文利用unsupervised computer vision算法加速工业材料科学中semantic segmentation任务的标注过程，将标注时间从170小时减少到37小时（约78%的缩减），并创建了最大的公开钢微观结构分割数据集。该工作主要关注标注效率的量化提升，与关键词中的核心概念（如code, context, spectral, Muon, pretrain, agent, attention）关联较弱。
Triangular Consistency as a Universal Constraint for Learning Optical Flow
Yi Xiao et al.
cs.CV cs.AI
本文提出了一种名为triangular consistency的通用约束，用于光流学习，它通过组合两个光流场来诱导第三个光流场并强制三者一致，适用于多种网络架构和监督设置。该方法计算开销小且无需额外标注，在监督、无监督和迁移学习场景中均能稳定提升性能。
SIMBA: ABidirectional Retrieval Forward Simulation Framework for Modeling FY-4A GIIRS Hyperspectral Infrared Radiances Toward NWP Applications
Jingdong Shen et al.
eess.IV cs.AI
本文提出SIMBA框架，用于FY-4A GIIRS超光谱红外辐射的双向检索-前向模拟，通过cycle-consistency约束和双向Mamba state-space模块联合进行大气廓线检索与辐射重建，在温度/湿度检索和辐射重建任务上优于多个深度学习基线。
QMaxCal: Path-Space Regularization for Open Quantum Control via Girsanov's Theorem
Merijn Moody et al.
quant-ph cs.LG
本文提出QMaxCal方法，利用Girsanov定理为开放量子控制中的退相干效应构建了两种路径空间正则化器（Wiener KL和drift-variance regularizer），它们通过惩罚控制对退相干通道的观测影响而非控制幅度本身，在单/多量子比特基准及IBM Kingston处理器校准链上提升了最终态保真度与噪声鲁棒性。
Confidence Calibration for Multimodal LLMs: An Empirical Study through Medical VQA
Yuetian Du et al.
cs.CV cs.AI
本文首次系统分析了医学MLLMs中准确率与置信度的关系，并提出MS-FBI方法结合专家LLM评估来改进置信度校准，在三个Medical VQA数据集上将ECE平均降低40%。
Investigating Human-Model Discrepancies in Speech Quality Assessment via Acoustic and Prosodic Perturbations
Masato Takagi et al.
eess.AS cs.CL cs.LG cs.SD
本文通过声学退化、韵律错误和说话人特征扰动实验，对比了MOS预测模型与人类在语音质量评估中的差异。研究发现模型能较好追踪声学退化，但对韵律错误不敏感，且在说话人特征上存在双重分离现象。
ROSE: Benchmarking the Perception-to-Action Gap in Multimodal Models
Yihao Wang et al.
cs.CV cs.AI
本文提出了一个名为ROSE的基准测试，用于评估多模态大语言模型在固定视觉场景下，根据不同的任务上下文（如计数与区域条件动作）将视觉证据转化为特定动作的能力。实验发现，模型在从计数任务转向区域条件动作任务时性能显著下降，揭示了视觉证据到上下文特定动作之间存在瓶颈。
Semantic-Anchored Evidential Fusion for Domain-Robust Whole-Slide Survival Analysis
Yucheng Xing et al.
cs.CV cs.LG
本文提出SAEFS框架，通过Visual Question Answering (VQA)从全切片图像中提取语义锚点，并利用Dirichlet-based Subjective Logic融合语义与视觉证据，以提升跨中心生存分析的鲁棒性。该方法在零样本跨域场景下优于现有模型，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
The Algorithmic-Human Manager: AI, Apps, and Workers in the Indian Gig Economy
Omir Kumar, Krishnan Narayanan
cs.CY cs.AI
本文探讨了人工智能和数字技术对印度蓝领零工经济的影响，聚焦于算法管理（algorithmic management）在共享出行和配送等位置服务中的应用。研究揭示了AI系统在扩大工作机会和提升效率的同时，也带来了公平性、透明度和工人尊严方面的挑战，并倡导一种算法-人类混合治理框架。
Online Dynamic Batching with Formal Guarantees for LLM Training
Dian Li et al.
cs.DC cs.LG
本文提出Online Dynamic Batching (ODB)，一种在DataLoader侧动态构建batch的系统，通过将batch构建延迟到样本预处理后以准确观测其真实长度，从而提升LLM训练吞吐量。ODB形式化了分布式组对齐问题并证明了无死锁的有界终止性，在多种模型和数据集上实现了1.58-4.43x的吞吐量提升，且无需修改模型或优化器。
Beyond Static Endpoints: Tool Programs as an Interface for Flexible Agentic Web Services
Mugeng Liu et al.
cs.SE cs.AI
本文提出ToolPro，将agent的工具意图表示为可执行的tool program，以编码多步服务交互。该方法通过约束引导的程序构建和效果感知重放，在MCP风格服务上减少了端到端延迟和客户端流量。
Segment-Level Mandarin Chinese Speech-Based Cognitive Impairment Detection via an Autoencoder with Contrastive Learning
Yongqi Shao et al.
cs.SD cs.CL
本文提出了一种基于段级语音表示学习的认知障碍检测框架，通过将语音分割为短段并转换为spectrogram表示，结合autoencoder和contrastive learning来增强特征判别性。实验在四个中文语音数据集上验证了该方法在二分类和三分类任务中的稳定性。
Tri-Info: Generalizable, Interpretable Failure Prediction for VLA Models via Information Theory
Jinghan Yang et al.
cs.RO cs.AI cs.CV cs.LG
本文提出Tri-Info方法，利用信息论信号（动作多样性、时间一致性和状态耦合）来检测VLA模型的失败，无需重新训练即可跨架构和环境泛化。该方法在多个基准和真实任务上达到高准确率，但未涉及code、spectral或Muon等关键词。
Stochastic Linear Contextual Bandits with Bounded Noise: A Set-Membership Approach
Haonan Xu, Yingying Li
stat.ML cs.LG math.OC
本文提出了一种针对有界噪声的随机线性上下文bandit问题的算法SME-OFU，利用集合成员估计进行不确定性量化，并证明了其遗憾界为\(O(\log T)\)，优于次高斯噪声下的\(\tilde{O}(\sqrt{T})\)界。仿真实验验证了该算法在噪声有界时的性能提升。
When Lower Privileges Suffice: Investigating Over-Privileged Tool Selection in LLM Agents
Kaiyue Yang et al.
cs.SE cs.AI cs.CL
本文研究了LLM agent中过度特权工具选择的问题，发现agent倾向于选择高权限工具即使低权限工具已足够。作者提出了ToolPrivBench基准和一种特权感知的后训练防御方法，但方法本身在理论或算法上缺乏显著开创性。
A Neuromorphic Reinforcement Learning Framework for Efficient Pathfinding in Robotic Mobile Fulfillment Systems
Junzhe Xu et al.
cs.RO cs.AI
本文提出SDQN-RMFS框架，通过将强化学习训练的ANN策略转换为SNN并在神经形态芯片上部署，实现了RMFS中低功耗的路径规划。该方法在保持决策质量的同时，相比GPU基线实现了显著的能耗和延迟降低。
PU-UNet: Stable Multiplicative Interactions for Medical Image Segmentation
Ziyuan Li et al.
cs.CV cs.LG
本文提出PU-UNet，通过在U-Net的低分辨率阶段引入稳定的product-unit residual blocks，实现了显式的multiplicative feature interactions，用于医学图像分割。该方法通过smooth positivity mapping和log-domain clipping解决了数值不稳定性问题，在多个数据集上取得了优于Residual U-Net的Dice和IoU指标。
AI Economist Agent: An Agentic Framework for Model-Grounded Economic Analysis with RAG, Knowledge Graphs, and Large Language Models
Masahiro Kato
econ.GN cs.AI cs.LG q-fin.GN
本文提出了一种基于RAG和知识图谱的AI经济学家框架，利用LLM和agent进行经济情景分析，通过模型计算和证据检索生成经济报告。该方法在通胀分析和银行压力测试中验证了生成报告的经济一致性和可追溯性。
See-and-Reach: Precise Vision-Language Navigation for UAVs within the Field of View
Fanfu Xue et al.
cs.CV cs.AI
本文提出了UAV-VLN-FOV任务，将无人机视觉语言导航中的目标可见阶段分离出来进行诊断性评估，并设计了3DG-VLN框架，通过动态3D方向线索和自适应多视角观测处理来提升目标到达的精确性。实验表明该方法在基准测试中取得了性能提升，并在真实场景中验证了其可行性。
Optimal Coarse Correlated Equilibria in Mean Field Games: Linear Programming and No-Regret Learning
Luciano Campi, Federico Cannerozzi, Ioannis Tzouanas
math.OC cs.LG math.PR
本文研究了连续时间平均场博弈中的最优粗相关均衡，通过线性规划方法证明了均衡的存在性，并设计了一种无遗憾学习算法来逼近该均衡。
Evaluation of EEG Foundation Models for Event-Based Burst-Suppression Detection in ICU
Elisa Vasta et al.
eess.SP cs.AI cs.LG
本文评估了多种EEG Foundation Models在ICU中检测爆发抑制模式的表现，发现REVE-base模型在事件检测上优于传统方法，并验证了全微调策略的有效性。研究主要关注临床EEG信号处理，与关键词中的code、context、spectral等概念关联较弱。
Variable-Length Tokenization via Learnable Global Merging for Diffusion Transformers
Dong Hoon Lee, Seunghoon Hong
cs.CV cs.AI
本文提出了一种基于可学习全局合并的可变长度tokenizer，通过合并相似token而非截断序列来调节token数量，解决了传统可变长度tokenizer中token语义依赖位置导致的跨长度表示对齐问题。该方法与Diffusion Transformer兼容，在ImageNet 256x256生成任务上实现了更优的gFID-计算量权衡。
The Hidden Evolution of Disguised Visual Context inside the VLM
Wish Suharitdamrong et al.
cs.CV cs.AI
本文比较了两种VLM集成范式（in-context和layer-wise injection）在相同训练条件下对单图像、多图像和视频基准的影响，发现视觉token在LLM内部经历从原始信号到有意义表示的隐藏演化过程，且不同范式捕获了视觉信号的不同频率特征。文章强调注意力分配本身不足以解释性能，各层视觉表示的质量才是关键驱动因素。
Beyond Averaging in John Ellipsoid Approximation: High-Accuracy Algorithms in the Leverage-Score Model
Xiaoyu Li et al.
math.OC cs.DS cs.LG
本文分析了John椭球近似中leverage-score算法的复杂度，将其分解为认证、识别和精度三个成本，并指出精度不是主要障碍。
MakeupMirror: Improving Facial Attribute Preservation in Diffusion Models for Makeup Transfer
Nefeli Andreou et al.
cs.CV cs.AI cs.GR cs.LG cs.MM
本文提出MakeupMirror，一种基于diffusion的化妆迁移方法，通过集成ControlNets的面部几何条件控制、区域特定化妆迁移以及基于肤色的调制等技术，在保持面部特征和肤色的同时实现高精度化妆迁移。实验表明该方法在面部识别相似度和肤色保持上显著优于现有方法。
Hybrid Diffusion Transformer for Instruction-Guided Audio Editing via Rectified Flow
Liting Gao et al.
cs.SD cs.AI cs.MM
本文提出了一种混合两阶段Diffusion Transformer架构，用于基于指令的音频编辑。该方法通过粗到细的策略，在低分辨率阶段进行联合注意力以建立语义对齐，在高分辨率阶段交替使用联合注意力和交叉注意力来细化编辑细节，从而在保持编辑效率的同时提升了性能。
EFIQA: Explainable Fundus Image Quality Assessment via Anatomical Priors
Pengwei Wang et al.
cs.CV cs.LG
本文提出EFIQA框架，利用anatomical priors（解剖先验）通过无监督异常检测生成空间质量图，无需质量标签即可评估眼底图像质量。该方法在多个基准上优于监督方法，但与我提供的关键词（如code, context, spectral等）关联度较低。
Pose6DAug: Physically Plausible Multi-view Object Swapping for Robot Data Augmentation
Jonghoon Lee et al.
cs.RO cs.LG
本文提出Pose6DAug，一种通过3D物体替换和6D位姿轨迹保持多视角一致性的数据增强框架，用于提升VLA策略在新物体上的泛化能力，无需额外数据收集。该方法在实验中相对基线提升了16.5%的成功率。
Dual-Agent Framework for Cross-Model Verified Translation of Natural-Language Protocols into Robotic Laboratory Platform
Hyeonna Choi et al.
cs.RO cs.AI
本文提出了一种双智能体框架，用于将自然语言生物实验协议转换为机器人平台的执行命令。该框架通过Parser Agent和LLM Validation Agent实现协议的结构化与验证，并利用规则映射引擎生成设备控制命令。
The Correctness Illusion in LLM-Generated GPU Kernels
Dipankar Sarkar
cs.SE cs.DC cs.LG
本文通过构建包含24个Triton和CPU内核的受控语料库，使用op-schema感知的种子化fuzzing和高精度CPU参考重新评估了LLM生成GPU内核的正确性基准测试，发现现有allclose-style检查存在“正确性幻觉”，即会错误地将某些LLM风格的转录错误标记为正确。
Frequency-Aware Flow Matching for Continuous and Consistent Robotic Action Generation
Jianing Guo et al.
cs.RO cs.AI
本文提出Frequency-Aware Flow Matching (FAFM)，通过离散余弦变换将离散动作序列转换到频域进行flow matching，并引入Sobolev型约束正则化一阶时间导数以生成平滑连续的动作，从而解决异构控制频率和不一致动作问题。该方法无需额外网络参数，可应用于多种策略并提升成功率与运动平滑性。
PASQA: Pitch-Accent-Focused Speech Quality Assessment Model Trained on Synthetic Speech with Accent Errors
Masaya Kawamura et al.
eess.AS cs.CL cs.LG cs.SD
本文提出PASQA模型，专注于检测日语语音中的音高重音错误，通过可控TTS系统构建重音错误数据集并训练模型。实验表明该模型在重音正确性排序上与人类判断一致性优于传统MOS预测模型。
Hybrid ANN-SNN Pipeline with Local Plasticity
Denis Larionov et al.
cs.NE cs.AI
本文提出了一种混合ANN-SNN流水线，使用预训练的EfficientNet编码器与CoLaNET脉冲分类器结合，通过rate-coding将激活转换为脉冲序列，并利用局部可塑性规则训练SNN分类器，在64类ImageNet基准上达到99.09%的准确率。该方法为将预训练编码器适配到脉冲神经网络任务提供了生物合理的框架。
NAMESAKES: Probing Identity Memorization in Text-to-Image Models
Morris Alper et al.
cs.CV cs.CL
本文提出了一种黑盒行为探针，用于区分文本到图像模型生成的人脸是记忆还是虚构，无需参考照片或训练数据。该方法通过分析模型对名人名字的响应来预测身份记忆，并在新数据集上验证了其有效性。
Evaluating and Enhancing Negation Comprehension in Remote Sensing MLLMs
Haochen Han et al.
cs.CV cs.AI
本文提出了RS-Neg基准测试，用于评估遥感多模态大模型对否定语义的理解能力，并设计了NeFo方法通过测试时学习来改进模型性能。该方法利用少量未标注样本提升了模型对否定查询的响应准确性。
Off-Policy Evaluation for Missingness-Aware Policies in MDPs with Rewards Missing Not at Random
Ziheng Wei, Annie Qu, Rui Miao
stat.ML cs.LG
本文研究了在offline Reinforcement Learning中，当rewards在logged batch data中因非随机缺失（MNAR）而不可观测时的off-policy evaluation（OPE）问题。作者通过引入一个依赖于reward的propensity model和bridge function来识别条件均值reward，并提出了一个Fitted-Q-Evaluation-style estimator来估计目标策略的价值。
FlowMaps: Modeling Long-Term Multimodal Object Dynamics with Flow Matching
Francesco Argenziano et al.
cs.RO cs.AI
本文提出FlowMaps，一种基于latent flow matching的模型，用于估计连续3D空间中动态物体未来位置的多模态分布。该模型通过学习物体间的隐式依赖关系及其时间演化，预测物体位置的变化，并在下游动态物体导航任务中优于现有方法。
SPOT-E: Test-Time Entropy Shaping with Visual Spotlights for Frozen VLMs
Bo Yin et al.
cs.CV cs.AI
本文提出SPOT-E方法，通过视觉高亮（visual spotlights）和基于GRPO的轻量级调优，在测试阶段优化冻结视觉语言模型（VLM）的答案熵，以改善模型对局部关键证据的利用。该方法通过低熵锚点和熵整形目标（entropy-shaping objective）区分基于证据的置信度与捷径塌陷，在多个基准上取得一致提升。
Finetuning Vision-Language-Action Models Requires Fewer Layers Than You Think
Gia-Binh Nguyen et al.
cs.RO cs.AI
本文发现Vision-Language-Action (VLA)模型在层间存在严重的表示冗余，并提出一种无需训练的压缩方法，通过Centered Kernel Alignment识别并移除冗余层，将模型深度压缩50%，在多个仿真和真实机器人任务上实现了40-50%的训练加速和30%的推理加速，且性能不降。该工作主要关注模型压缩与效率，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
Editorial Alignment: A Participatory Approach to Engaging Editorial Expertise in LLM-mediated Knowledge Dissemination
Simon Aagaard Enni et al.
cs.HC cs.AI
本文探讨了在LLM驱动的知识传播中，通过参与式设计工作坊让编辑参与重新对齐LLM接口以符合编辑标准的方法，提出了“编辑对齐”作为参与式AI中的一种设计实践。该研究主要关注人机交互与知识机构中的编辑角色，与关键词中的技术概念（如spectral, Muon, attention等）无直接关联。
Token-Operations-Oriented Inference Optimization Techniques for Large Models
Shiguo Lian et al.
cs.SE cs.CL
本文围绕大型模型推理优化，首次提出一个四层技术架构（Multi-model Fusion, Model Optimization, Compute-Model Fusion, Compute-Network-Model Fusion），并系统综述了各层的关键技术与行业现状，旨在降低token生产成本并提升服务效率。
Statistical Properties of Training & Generalization
Itay Lavie, Noam Levi, Yonatan Kahn
stat.ML cs.LG hep-ph physics.data-an
本文从物理学视角探讨了深度学习的统计特性，回顾了neural scaling laws现象及其与物理问题中归纳偏置的相互作用。
A Model-Driven Approach for Developing Families of Reinforcement Learning Environments
Xiaoran Liu, Istvan David
cs.SE cs.LG
本文提出了一种模型驱动的方法来开发强化学习训练环境族，通过混合遗传算法生成环境变体，并在野火缓解场景中验证了其有效性。该方法主要关注软件工程中的环境开发流程优化，与关键词中的agent有一定关联但契合度不高。
Quantum ring all-reduce: communication and privacy advantages for distributed learning
María Gragera Garcés, Lirandë Pira
quant-ph cs.DC cs.LG
本文提出了一种量子版本的ring all-reduce协议，利用预共享纠缠和superdense coding将每链路在线通信量减少两倍，并实现了信息论安全的可组合聚合。该混合量子-经典架构在分布式训练中同时提供了通信和隐私优势，适用于经典和量子学习模型。
Robust $Q$-learning for mean-field control under Wasserstein uncertainty in common noise
Mathieu Laurière, Ariel Neufeld, Kyunghyun Park
math.OC cs.AI cs.LG math.PR stat.ML
本文提出了一种针对离散时间mean-field control问题的鲁棒\(Q\)-learning算法，该算法在common noise的Wasserstein不确定性下工作，通过量化投影和Wasserstein对偶重构实现收敛性证明。数值实验展示了算法在系统风险和流行病模型中的表现。
AutoPass: Evidence-Guided LLM Agents for Compiler Performance Tuning
Zepeng Li et al.
cs.SE cs.AI
本文提出了AutoPass，一个利用编译器和运行时证据引导LLM生成优化决策的多智能体框架，用于编译器性能调优。该方法在无需训练或微调的情况下，通过迭代优化配置并利用运行时反馈来改进编译选项，在x86-64和ARM64平台上相比LLVM -O3实现了1.043倍和1.117倍的几何平均加速。
DataMagic: Transforming Tabular Data into Data Insight Video
Yupeng Xie et al.
cs.HC cs.AI cs.DB
本文提出了DataMagic，一个将表格数据和自然语言查询转化为数据洞察视频的端到端交互系统。系统通过DVSpec规范确保数据保真度，并采用多agent架构生成候选场景以优化叙事连贯性。
LLM agent safety, multi-turn red-teaming, jailbreak benchmarks, adversarial robustness, safety-critical systems
Hanwool Lee et al.
cs.CR cs.AI
本文提出了NRT-Bench基准，用于评估LLM agent在安全关键系统（如核电站控制室）中的多轮对抗鲁棒性。实验发现不同模型的脆弱性几乎不重叠，且防御措施的效果高度依赖于具体模型。
Multi-View Decompilation for LLM-Based Malware Classification
Bercan Turkmen, Vyas Raina
cs.CR cs.AI
本文提出了一种多视角反编译方法，通过同时使用Ghidra和RetDec两种反编译器生成伪C代码，并利用大语言模型(LLM)进行恶意软件分类。实验表明，提供多个反编译器视图能提升恶意样本的召回率和F1分数，是一种无需额外训练即可改进LLM恶意软件分类的简单方法。
HEPTv2: End-to-End Efficient Point Transformer for Charged Particle Reconstruction
Siqi Miao et al.
hep-ex cs.LG
本文提出HEPTv2，一种用于带电粒子重建的端到端point-transformer架构，通过locality-sensitive hashing和sectorized decoding直接预测轨迹，无需图构建或聚类。在TrackML数据集上，该方法在精度-延迟权衡上达到新水平，但未涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念。
Topological Data Analysis for High-Dimensional Dynamic Process Monitoring
Angan Mukherjee et al.
eess.SY cs.LG math.AT
本文提出了一种结合Topological Data Analysis (TDA)和机器学习的高维动态过程监控方法，通过将多变量时间序列数据表示为manifold并用拓扑描述符总结其结构，再使用neural ODE学习拓扑结构的动态演化。该方法在工业过程数据上验证了事件检测的有效性，并与PCA、autoencoder及Koopman autoencoder等方法进行了对比。
SSH-Net: A Deep Neural Network for Predicting Failure Time Distribution Functions under Competing Risks with Application to GPU Data
Jie Min, Yueyao Wang, Mengkun Chen
stat.ML cs.LG stat.AP stat.CO
本文提出了一种名为SSH-Net的深度神经网络，用于在竞争风险框架下预测失效时间分布函数。该方法通过将网络结构与数据结构关联，允许不同协变量组通过独立子网络影响预测，并利用Titan GPU失效数据验证了其预测能力。
Repurposing a Speech Classifier for Guided Diffusion-Based Speech Generation
Rostislav Makarov, Timo Gerkmann
eess.AS cs.AI cs.LG
本文研究了一种将预训练的语音分类器重新用于引导扩散语音生成的方法，通过冻结分类器并附加轻量子网络来复用中间表示，从而在单一骨干模型中实现条件生成。该方法在降低内存和计算成本的同时保持了高语音质量，但未涉及关键词中的特定概念。
Analyzing Defensive Misdirection Against Model-Guided Automated Attacks on Agentic AI Systems
Reza Soosahabi, Vivek Namsani
cs.CR cs.AI
本文通过概率模型分析了针对Agentic AI系统的自动化攻击与防御，重点研究了“检测-误导”策略（detect-and-misdirect）如何通过诱导攻击者判断器产生假阳性错误来限制攻击成功率，并提出了CMPE方法作为轻量级实现。该工作主要关注AI安全中的攻击-防御博弈，与关键词中的agent有一定关联，但方法本身缺乏开创性且未解决长期存在的核心问题。
Scalable Training of Spatially Grounded 2D Vision-Language Models for Radiology
Yusuf Salcan et al.
cs.CV cs.CL cs.LG
本文提出了RefRad2D数据集和RadGrounder模型，用于训练放射学领域的视觉-语言模型，使其能同时进行报告生成、视觉问答和空间定位，且无需人工空间标注。实验表明，该模型在外部基准上表现有竞争力，且添加空间定位监督不会降低语言质量。
Optimal Order of Multi-Agent and General Many-Body Systems
Jake J. Xia
q-fin.RM cs.AI nlin.AO physics.soc-ph
本文提出了一个分析多智能体系统（multi-agent systems）的通用框架，基于智能体的“power”和“response functions”两个变量推导了系统的宏观性质，并引入了一个系统级效用函数来研究增长与韧性之间的权衡。该工作与关键词中的“agent”相关，但方法本身并非开创性，且未涉及code、spectral或Muon等概念。
Calibration Without Comprehension: Diagnosing the Limits of Fine-Tuning LLMs for Vulnerability Detection in Systems Software
Arastoo Zibaeirad, Marco Vieira
cs.CR cs.AI cs.SE
本文提出了CWE-Trace框架，通过严格的时间分割和诊断指标（DFI和HDD）评估LLM在系统软件漏洞检测中的表现。研究发现数据污染无显著优势，且微调仅改变输出阈值而未改变决策策略，表明模型缺乏真正的安全推理能力。
Entropy Estimation in Multi-Qutrit Systems via Variational and Classical Neural Networks
Sai Sakunthala Guddanti, Anil Prabhakar, Ria Rushin Joseph
quant-ph cs.LG
本文研究了多qutrit系统中von Neumann熵的估计，分别使用variational quantum algorithms (VQAs)和classical convolutional neural networks (CNNs)两种方法。结果表明，VQAs适用于小规模系统，而CNN估计器在更大系统上具有更好的可扩展性和鲁棒性。
FreeStyle: Free Control of Style-Content Dual-Reference Generation from Community LoRA Mining
Jinghong Lan et al.
cs.CV cs.AI
本文提出FreeStyle框架，利用社区LoRA作为风格和内容的组合锚点，通过两阶段课程学习（包含注意力级抑制和频率感知RoPE调制）解决风格-内容双参考生成中的内容泄露问题，并构建了大规模三元组数据集和评估基准。该方法在风格对齐、内容保持和泄露抑制间取得了平衡，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词的核心创新。
Efficient and Sound Probabilistic Verification for AI Agents
Alaia Solko-Breslin et al.
cs.CR cs.AI
本文针对AI agent在复杂数字环境中的安全验证问题，提出了一种基于分布鲁棒优化的概率验证框架，用于计算策略违反概率的可靠上界，并处理谓词间的潜在相关性。该方法在终端和工具调用agent的标准基准测试中优于现有技术，改善了安全与效用的权衡。
Probe-and-Refine Tuning of Repository Guidance for Coding Agents
Asa Shepard, Jeannie Albrecht
cs.SE cs.LG
本文提出了一种名为probe-and-refine tuning的方法，用于通过合成bug-fix探针迭代诊断和修补代码仓库的指导文件，以提升coding agent的性能。实验表明该方法在SWE-bench Verified上相比静态知识库和无指导基线有显著提升，但主要改进在于覆盖率而非补丁精度。
Sovereign Execution Brokers: Enforcing Certificate-Bound Authority in Agentic Control Planes
Jun He, Deying Yu
cs.CR cs.AI cs.DC cs.LG
本文提出了Sovereign Execution Broker (SEB)，一种用于agentic基础设施的运行时执行边界，通过证书绑定机制分离提议、准入和执行，确保生产环境中的变更权限不依赖于非确定性推理过程。
SARLO-80: Worldwide Slant SAR Language Optic Dataset 80cm
Solène Debuysère et al.
cs.CV cs.AI cs.DB
本文构建了一个大规模VHR SAR-光学-文本数据集SARLO-80，将Umbra SLC数据标准化为80cm slant-range网格，并生成对齐的光学图像和自然语言描述，以支持多模态基础模型训练。该数据集包含119,566个三元组，覆盖全球72个国家，但方法上主要是数据构建而非理论创新，与关键词关联较弱。
Caching for Dollars, Not Hits: An Exact Offline Reference for Cloud-Egress Caching and the Crossover That Decides When It Pays
Madhulatha Mandarapu, Sandeep Kunkunuru
cs.DB cs.DS
本文研究了云存储场景下以最小化成本而非缺失率为目标的缓存策略，通过整数区间线性规划给出了均匀大小页面的精确离线最优解，并针对可变大小页面提出了基于流的近似界。实验表明，LRU策略的成本遗憾随成本差异增大而上升，而GreedyDual策略能显著降低遗憾，并给出了决定何时需要成本感知缓存的闭式交叉点。
Easy Reads: A Python program for making Scientific Papers on arXiv more Reader Friendly and Accessible
Vishal Verma
cs.DL cs.HC cs.IR
本文介绍了一个名为Easy Reads的Python程序，用于自动调整arXiv上科学论文的格式（如字体大小和列数），以提高可读性和可访问性。该工具主要面向研究人员，旨在缓解论文排版紧凑带来的阅读困难。
UNIEGO: Proxies as Mediators for Unified Egocentric Video Representation Learning
Wenhao Chi et al.
cs.CV cs.LG
本文提出UNIEGO框架，通过分层多教师蒸馏和代理模型（Proxy models）将来自不同视角、模态和基础模型的异构知识转化为统一的自我中心视频表示，并利用选择性代理蒸馏（SPD）抑制错误信号。该方法在动作识别、视频检索和动作分割任务上取得了最优性能，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

- 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.

↑