bluearXiv-ai 论文精选

2026-06-22
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 Retrieval-Augmented Time-Series Forecasting ⭐ 精选
Huu Hiep Nguyen 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
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
Marginal Advantage Accumulation for Memory-Driven Agent Self-Evolution ⭐ 精选
Mingyu Yang et al.
cs.LG
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
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
Rethinking Shrinkage Bias in LLM FP4 Pretraining: Geometric Origin, Systemic Impact, and UFP4 Recipe ⭐ 精选
Qian Zhao et al.
cs.AI

cs.CL

DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence ⭐ 精选
DeepSeek-AI et al.
cs.CL cs.AI

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
Efficient and Sound Probabilistic Verification for AI Agents ⭐ 精选
Alaia Solko-Breslin et al.
cs.CR cs.AI

📄 所有论文 ↑ 回顶部

cs.LG

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frequency domain表示，并利用结合amplitude和phase信息的综合相似度度量来检索历史模式，从而克服了传统方法忽视频域特征和时序偏差的局限。此外，采用exponential moving average加权机制平衡近期与历史context，在多个非平稳时间序列基准上取得了更优的预测精度。
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，通过端到端reinforcement learning (RL)训练large language models (LLMs)获得长期部署agent所需的元能力：在长序列任务中持续探索环境、从自身经验学习并迭代更新context，从而在后续任务中表现更优。该框架设计了GRPO-style RL算法与细粒度credit assignment，并构建了跨领域任务环境以激励和评估该元能力。实验验证了CoD在训练域内、跨域以及向Ralph-loop设置的out-of-distribution泛化能力，为LLM-based agent的长期生命周期学习提供了新范式。
StreamKL: Fast and Memory-Efficient KL Divergence for Boosting Attention Distillation ⭐ 精选
Guangda Liu et al.
cs.LG cs.AI
StreamKL提出了一种融合的GPU primitive，用于高效计算attention distillation中的KL divergence。该方法通过推导一种新的online formulation，实现了单次前向pass中流式处理query-key tiles，从而将显存占用从\(O(N_QN_K)\)降低到\(O(1)\)，并避免了二次materialization。在反向传播中，StreamKL通过tile-by-tile重计算attention probabilities，进一步消除了存储二次中间结果的需求。实验表明，该方法在前向和反向传播中分别实现了高达\(43\times\)和\(14\times\)的加速，显著提升了长上下文场景下attention distillation的效率。
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和轨迹终点的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和PPO-style actor update分离reward incorporation与policy improvement，在数学推理基准（如MATH-500、AIME 2024/2025、OlympiadBench）上显著优于GRPO，尤其在竞赛级评估和noisy rewards场景下表现更优，为LLM的credit assignment提供了更细粒度的学习信号。
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)的解析或半解析解。该方法将PDE理论、问题约束和搜索经验转化为可测试的微分符号程序，通过进化搜索优化数学形式，并利用梯度优化拟合连续参数，从而将符号回归转化为一种自动化的归纳偏置注入过程。在包括Allen-Cahn二维动力学和Keller-Segel趋化爆破等五个问题上，ASYS成功恢复了已知解析形式，并生成了此前未知的封闭形式近似解（如九参数收缩律），展示了超越手工解析解、网格数值解和神经网络近似的新范式。该工作与关键词“agent”高度契合，体现了agent在自动化数学发现中的开创性应用。
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minima的直觉，指出标准Euclidean平坦性度量（如loss Hessian的迹或最大特征值）在保持网络函数的reparametrization下非不变，从而解决了这一理论缺陷。作者将平坦性建立在由Fisher Information Matrix (FIM)诱导的统计流形的Riemannian几何上，定义了Riemannian sharpness (SR)并证明其在光滑、函数保持的reparametrization下不变，直接回应了Dinh等人的批评。文章形式化了mini-batch SGD的梯度噪声具有与FIM成比例的协方差结构，推导出随机微分方程的stationary distribution，并证明概率质量指数级集中在Riemannian平坦的minima上，同时通过一个由SR显式控制的PAC-Bayes generalization bound将几何偏差与测试性能联系起来。实验表明SR能可靠追踪泛化性能，且其随\(\eta/B\)的缩放符合理论预测，为平坦minima为何泛化提供了严格的、reparametrization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变换）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FP4近似路径（使用FP8 queries、FP4 KV tensors及UE8M0 group scales），在长上下文多轮agent任务中，相比FP8 KV baseline将P50首token延迟降低3.47倍（所有轮次平均2.3倍），输出吞吐量提升1.63倍，为context-heavy agent场景下的高效推理提供了开创性解决方案。
Marginal Advantage Accumulation for Memory-Driven Agent Self-Evolution ⭐ 精选
Mingyu Yang et al.
cs.LG
本文提出了一种名为Marginal Advantage Accumulation (MAA)的方法，用于解决batch-style trace distillation中跨batch证据积累的问题。MAA通过构建differential signals使不同batch的操作可比较，并利用EMA（Exponential Moving Average）为每个操作积累带符号的证据，同时通过semantic identity merging确保跨batch的可追溯性。该方法在4个benchmark和4个目标模型上的16个设置中取得了14个最佳结果，并将优化阶段的token消耗减少了约75%，为agent的memory-driven self-evolution提供了有效的后处理架构。
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attention机制——Lie-Algebra Attention，其核心创新在于将token定义为矩阵Lie群\(G\)中的元素\(g_i\)（即纯粹的变换本身），而非传统方法中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attention score，无需学习核函数、不可约表示或球谐函数等复杂工具，且能处理包括非紧致非交换仿射群在内的全帧群。实验表明，该闭式score在SE(2)、SO(3)和Aff(2)上的序列补全任务中，以极少的参数匹配甚至超越了学习型MLP核，同时避免了向量token基线方法在等变性上的巨大误差。该工作与关键词“attention”高度契合，并为群论与深度学习交叉领域提供了开创性思路。
Computational Identifiability
Lucius E.J. Bynum, Rajesh Ranganath, Kyunghyun Cho
cs.LG cs.AI math.NA stat.CO stat.ME +1
本文探讨了理论可识别性与计算可识别性之间的区别，提出了一个基于有限计算搜索过程的框架，用于在给定误差容限内寻找经验估计量。通过实验展示了该框架在有限样本、模糊图标准等场景下的应用。
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，训练轻量级科学时间序列预测器。该方法在气象、碳通量等四个气候关键领域显著降低了RMSE，但整体创新性有限，未直接契合关键词。
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中的社交性冗余内容，以减少云端大语言模型推理的输入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，并带来70-270 uWh的能耗节省。
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在多种NVIDIA GPU架构上的性能瓶颈，发现训练主要由cuDNN卷积和implicit-GEMM kernel主导，并存在内存访问模式与Tensor Core利用率低下的问题。通过TF32 Tensor Core激活和3D channels-last布局两种优化，在不降低合成质量的前提下显著提升了计算效率。
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，并揭示了其与log-linear factor graph和maximum entropy模型的联系。
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，精度约92-94%。该工作主要关注训练动态的实证分析，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等主题关联较弱。
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值，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分钟人类演示的条件下实现与人类轨迹的协调，训练效率远高于传统imitation learning方法。
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昂贵的MRI或PET成像，从而在保持诊断准确性的同时减少对高成本模态的依赖。
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，通过任务无关的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，该方法在模拟测试中优于现有active learning方法，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。
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，并显著降低运营成本。
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conditional representations和sparse connectivity替代了复杂的embedding stacks，并推导了flow matching interpolant到EDM noise-level framework的精确重参数化，在酶设计基准上以更低的训练成本取得了优于现有模型的性能。
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跨几何、载荷和材料属性的泛化能力。
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\(R^2_{lin}\)，通过最小二乘线性近似与残差分解来量化每个block的线性可恢复性。实验发现，不同block的线性度差异很大且非单调，且该性质是训练习得的而非由激活函数等架构因素决定。该指标可用于指导模型压缩，但方法本身并非开创性，且与关键词关联较弱。
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verifier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、谱方法或注意力机制等关键词。
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。实验表明该方法在多个benchmark上优于现有attention-spectral基线，但方法本身并非开创性突破，且与关键词契合度一般。
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 actions，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。
Spectral DPPs via NEPv: A Scalable Continuous Relaxation of Determinantal MAP for Diversity-Aware Data Selection
Richard Yi Da Xu
cs.LG
本文通过将Determinantal Point Processes的MAP问题转化为Stiefel流形上的连续优化，并推导出具有特征向量依赖性的非线性特征值问题，提出了一种可扩展的迭代求解算法，其复杂度与候选集规模n呈近线性关系。
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，通过让文本分支专门预测数值主干无法解释的残差部分，强制其提取输入中的真实语义信息。
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，通过自监督方式从RGB-D或voxel观测中学习一组3D latent particles，每个particle编码了3D关键点位置、bounding box尺寸和外观特征等解耦属性。实验表明该模型能学习可解释的逐particle分割图，并可通过操控particle位置生成新场景配置，在机器人操作任务中优于缺乏显式3D信息或依赖密集3D输入的基线方法。
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，用于实现基于learning progress的内在好奇心探索。作者理论上证明了在一般Markov decision processes中，仅靠in-context learner的prediction errors无法无偏估计learning progress，但在非时序设定（如active learning）下，该方法能渐近收敛到真实learning progress。实验在连续和符号环境中验证了该框架可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，一个用于离线强化学习的医疗数据集，包含来自ICU的真实临床轨迹和不规则采样数据，并提供了基线性能指标和评估协议。
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尺度参数中读取。实验在14个预训练transformer上验证了该方向与奇异结构的一致性，并分析了其对残差流奇异值的影响。
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，并利用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、spectral或Muon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)的交互式框架，用于深度多任务学习中的Pareto前沿导航。该方法通过预测-校正步骤和Krylov子空间技术，在避免显式Hessian计算的同时，根据决策者偏好探索Pareto最优解集。
Techniques for Peak Memory Reduction for LoRA Fine-tuning of LLMs on Edge Devices
Hassan Dbouk et al.
cs.LG cs.AI
本文针对边缘设备上LLM的LoRA微调内存瓶颈，提出了一套组合技术（包括量化、选择性激活缓存、softmax近似和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，但方法主要基于工程优化而非理论创新，与关键词契合度较低。
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）的拓扑结构变化，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
本文提出MergeProbe，一种轻量级预测器，用于在LoRA微调早期阶段预测不同任务适配器合并后的性能保留程度，从而避免完全训练后才发现合并效果不佳的问题。该方法通过分析低秩更新与梯度的对齐程度以及对共享表示的干扰程度来做出决策。
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在全量化范围内与基准分数强相关，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，且其作为跨模型路由器的准确率较低。
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SVD的线性降阶方法和PINNs、\(\beta\)-VAEs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或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刻画不确定性，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上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(causal abstraction)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。实验发现闭源模型在任务完成和恢复质量上显著优于开源模型，且恢复能力与现有基准评估的能力维度不同。
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）的比较方法，发现Mahalanobis余弦相似度（MCS）与OOD AUROC之间存在线性关系，并给出了理论证明。该工作为探针比较提供了理论依据，但与我提供的关键词关联度较低。
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检测潜在未建模结构。
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的框架，将植物生理学中A-Ci曲线的biochemical limitation-state识别问题转化为graph-based node classification问题。通过构建domain-specific graph representations（如kNN和auxiliary-signal-guided connectivity）并利用edge-aware attention机制，该方法在合成数据集上提升了分类性能。
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，并通过激活嫁接（activation grafting）这一诊断工具发现，部分被标记为无法解决的样本实际上在确定性采样下可以被解决。该工作主要关注难度估计的可靠性问题，与您提供的关键词（如code, spectral, Muon, pretrain, agent, attention）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正则化训练问题，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，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可以以poly-logarithmic开销模拟任意Word RAM算法，并扩展到连续CoT和混合架构。该工作主要关注计算模型的理论模拟能力，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等具体方向关联较弱。
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方法，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，但并未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。
OnDeFog: Online Decision Transformer under Frame Dropping
Daiki Yotsufuji et al.
cs.LG cs.AI
本文提出OnDeFog，将DeFog中的机制与在线决策Transformer (ODT) 结合，以应对强化学习中因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，并在包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)的框架，将大语言模型中的问题采样建模为流形结构上的bandit问题，并利用贝叶斯学习指导采样。实验表明，仅关注难度不足以提升下游性能，需考虑任务空间的结构与类型。
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PIBLS在求解速度和精度上显著优于传统PINNs。
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，结合Minimum Description Length (MDL)原则施加新颖性和可靠性条件，以生成与现有模式不同但保持全局结构一致性的数据。实验在合成和基准图数据集上验证了该方法。
Flow Map Denoisers: Traversing the Distortion-Perception Plane for Inverse Problems
Nicolas Zilberstein, Morteza Mardani, Santiago Segarra
cs.LG cs.CV
本文研究了图像复原中的失真-感知权衡问题，提出使用flow map模型（一种用于少步采样的flow matching扩展）通过lookahead参数t连续遍历失真-感知前沿。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
本文提出了一种名为UARM的不确定性感知奖励建模方法，通过分位数保形预测为奖励模型提供校准的不确定性，并利用异方差方差分解重新加权GRPO优势，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
本文探讨了使用proximity graphs（如Delaunay triangulation和k-Nearest Neighbor graph）作为Graph Neural Networks的输入，用于预测沙尘源排放。实验表明，该方法优于基于随机图的GNN和LSTM模型，但未涉及关键词中的核心概念。
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，通过特征级别的粗到细课程学习逐步优化离散化过程，并引入异质性感知目标来统一处理类别和数值特征。实验在医疗表格数据集上验证了其有效性，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。
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，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，相比原始模型具有更好的计算效率。
Physics-Informed Neural Network with Squeeze-Excitation-like Attention
Yun-Fei Song et al.
cs.LG physics.comp-ph
本文提出了一种名为SEA-PINN的物理信息神经网络架构，通过引入类似Squeeze-Excitation的attention机制动态调整神经元重要性，实现了高度稳定的初始化。该方法在多个基准问题上表现出低方差和低初始损失，并可作为轻量级插件模块提升其他PINN模型的性能。
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，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。
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，该方法在损失函数足够光滑的关键场景中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，并获得了玩家最优的遗憾界，同时考虑了对抗性市场中的奖励损坏情况。
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)编码器的自监督学习框架，用于处理多通道生理波形（如ECG和EEG）。该编码器通过多层全局卷积和多尺度子核捕获局部模式和长程依赖，在心律失常检测等任务上优于现有基线，并展现出良好的标签效率和跨域泛化能力。
Adversarial Bandit Optimization with Globally Bounded Perturbations to Convex Losses
Zhuoyu Cheng, Kohei Hatano, Eiji Takimoto
cs.LG
本文研究了对抗性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\(\beta\)-光滑的底层成分和一个受全局预算约束的对抗性扰动。作者通过修改标准bandit优化算法并分析扰动带来的额外regret，为这类更广泛的损失函数建立了期望regret界。
Score Approximation for Diffusion Models on Arbitrary Low-Dimensional Structures
Xinhe Mu et al.
cs.LG
本文针对任意紧支撑分布（其upper Minkowski dimension为\(d\)）的score function，提出了一种离散混合公式，并证明其可用ReLU网络近似，且网络复杂度仅随\(d\)指数增长，从而打破了环境维度的指数诅咒。该工作为扩散模型在非光滑、奇异数据结构上的适用性提供了理论依据。
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的推理路径进行惩罚。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，并提出了相似性剪枝和深度预测器来利用这一现象。该工作主要关注网络架构与组合性涌现的关系，与您提供的关键词（如code, context, spectral等）关联度较低。
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仍面临挑战，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优化降低了能耗，在多个数据集上相比二值神经网络实现了高达98%的执行时间缩减和29.7倍的能耗降低。该工作主要面向边缘AI部署，但与关键词中的code, context, spectral, Muon, pretrain, agent, attention均无直接关联。
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，用显式基函数展开替代传统reservoir，在保持轻量级框架的同时提升了动力系统预测性能。该方法在偏微分方程等基准测试中优于现有方法，并可集成生成扩散模型用于文本到图像生成。
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%，并减少了约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，用于解决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基线对比，实现了相当的胜率并被认为更具类人行为。该工作主要关注agent协调与LLM规划，与关键词中的agent相关但方法本身并非开创性突破。
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DeepONet框架，用于预测大跨度桥梁在车辆荷载下的局部结构响应。该方法通过KNN策略动态构建荷载相关学习域，并利用距离感知特征和基于刚度的Schur补全实现全场重建，在基准桥和实际桥梁上验证了其精度与效率。
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的预计算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地图提升至10米分辨率。实验表明，TESSERA embedding在区域迁移性和性能上优于其他数据集，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等分类任务上取得了较好性能，并利用Grad-CAM增强了模型可解释性。
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凭借其多尺度特征层次结构，在300步自回归展开后实现了3%的平均归一化均方根误差，并提供了5.38倍的加速。
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，并设计了基于patch-window排序的预训练任务。实验表明该方法在TSB-AD基准上取得了先进的检测精度，同时保持了较低的计算开销。
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示漂移的双重崩溃，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latent trajectory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，解决了潜在世界模型中表示崩溃的问题，并学习与动作对齐的表示。该方法在简单2D和3D控制任务上展示了竞争性的规划性能。
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分位数（quantile）的集成方法用于有限时域Markov Decision Processes (MDPs)，该方法无需计数即可实现最优方差依赖的regret界，为集成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任务中的表现，发现标准全局阈值会损害部分机构的coverage，而局部阈值则导致预测集过大。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shrinkage正则化来平衡最坏情况下的coverage与预测集效率。
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球嵌入。实验表明，增加模态数量并未持续提升性能，主要限制在于位置编码器的容量，而非模态多样性。
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，结合机器学习方法（包括数据插补、特征选择和回归模型）预测出生时的胎龄，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），但展示了将早产预测从分类问题拓展到回归问题的可能性。
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（如autoencoder）的应用。文章指出多模态集成方法在临床整合方面最具潜力，但标准化评估协议仍是关键挑战。
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
本文对概念漂移检测算法进行了理论分析和实验评估，探讨了其在非平稳流式数据环境中的应用。研究涵盖了多种漂移检测方法在不同场景下的性能表现。
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，提出了一种名为Boundary Embedding Shaping (BES)的自适应对比学习模块，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
本文介绍了VibrantForests框架，利用airborne lidar和satellite imagery数据，通过computer vision方法生成美国本土10米分辨率的森林结构图（如冠层覆盖、高度、生物量等），旨在为森林和野火管理提供年度更新的连贯数据。该方法在稀疏和密集森林条件下均表现出预测能力，减少了传统模型中的饱和和回归均值问题。
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，从而用于神经网络验证。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
本文研究固定权重和隐藏维度的ReLU RNN能否通过延长运行时间来逼近[-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（Turing machine with neural units）来连接算法与RNN模拟，但整体方法与关键词中的code, context, spectral等概念关联较弱。
Quantum-classical physics-informed Kolmogorov-Arnold networks for PDEs
Xiang Rao, Yuxuan Shen
cs.LG physics.comp-ph
本文提出了一种量子-经典混合的Kolmogorov-Arnold网络(QCPIKAN)，用于求解PDEs，通过Chebyshev多项式KAN层和参数化量子电路嵌入物理约束，理论上证明了高频误差的指数收敛速度。
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neural network从metagenome-inferred functional traits预测process-based soil organic matter turnover model的biokinetic参数，并整合了ecological theory的约束。该方法在合成和真实数据上提升了预测性能，但未涉及关键词中的核心概念。
Critical Percolation as a Synthetic Data Model for Interpretability
Aryeh Brill, Tom Ingebretsen Carlson
cs.LG cond-mat.dis-nn
本文提出了一种基于critical percolation clusters的合成数据模型，用于评估神经网络的可解释性方法。该模型通过生成具有层次结构和幂律分布的稀疏分形数据，为可解释性研究提供了一个理论可控的测试平台。
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，指出其降低方差的机制之一是有效聚合更多独立轨迹。文章还展示了直接优势估计(DAE)可视为一种回归调整的控制变量，在大样本极限下比TD有更紧的方差界。
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用任务，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），但未达到0.70的目标。该工作主要关注法律文本检索与微调的结合，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
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，该协议旨在将强生成器TRELLIS在特定资产类别（家具）上进行低成本优化。实验表明，轻量级参数高效微调方法仅能达到与基线持平的性能，而无法显著超越。
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图编码器与原型引导的语义合成器。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style attributes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人工标注数据93.3%的性能，且发现style diversity比topic diversity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，通过引入离散潜在动力学模型来近似转移概率，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虚假数据注入攻击的轻量级防御框架，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，从而破坏对抗性扰动的可迁移性。该方法无需修改核心模型架构，在IEEE标准电力系统测试中验证了其有效性。
On the Redundancy of Timestep Embeddings in Diffusion Models
José A. Chávez
cs.LG cs.CV
本文质疑了扩散模型中显式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，通过延迟接受马尔可夫链蒙特卡洛方法评估后验近似质量。实验表明该方法在高维参数空间中保持效率，但未涉及code、spectral或Muon等关键词相关技术。
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-分离器框架，在持续学习（CL）中研究了表示保留的机制，发现特征稀疏性会诱导更多的叠加（特征间的方向重叠），但叠加并不必然导致遗忘，其影响依赖于表示强度与容量分配。
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Physics-Informed Neural Networks (PINNs)，通过低保真度训练筛选候选配置，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。该方法主要关注超参数搜索的鲁棒性，与关键词中的概念无直接关联。
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以优化策略。研究分析了fairness tolerance与数据修改成本之间的trade-off，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
Contagion Networks: Evaluator Bias Propagation in Multi-Agent LLM Systems
Zewen Liu
cs.LG cs.AI cs.MA
本文提出Contagion Networks框架，用于量化多智能体LLM系统中评估者偏差的传播。通过3-agent实验测量Cross-Agent Contagion Matrix，发现偏差在相同模型内也会传播，并识别出由谱半径\(\rho(\Gamma_N)\)控制的三种传播机制。
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、小批量的设备端物理AI服务场景。该方法通过FlashRT运行时在GPU上实现完整执行状态的快照与恢复，但主要聚焦于系统实现而非理论创新，与关键词中的核心概念关联较弱。
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，用于分层贝叶斯预测推理，通过将先验信息表示为in-context数据集的prefix，使transformer能够适应不同先验族。实验表明该方法在多种分布偏移场景下匹配oracle贝叶斯预测器，且计算速度更快。
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。该框架与差分隐私（DP）不可比较，但可在特定攻击者模型下提供更精细的隐私控制。
Optimal Deterministic Multicalibration and Omniprediction
Georgy Noarov, Aaron Roth
cs.LG math.ST stat.ML
本文提出了一种输出deterministic predictor的minimax-optimal multicalibration算法，解决了该领域中关于随机化是否必要的问题，并推广到outcome indistinguishability和omniprediction。
How Transparent is DiffusionGemma?
Joshua Engels et al.
cs.LG cs.AI
本文研究了DiffusionGemma模型的推理透明度，将其分解为变量透明度和算法透明度两个部分。通过引入可解释的token瓶颈，作者发现DiffusionGemma的变量透明度可以接近自回归模型，但其算法透明度因去噪过程中所有token预测均可变化而更难以分析。

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belief（信念），即anchor（锚点），该锚点持续地将其opinion（观点）拉向自身，而无论其邻居如何。作者证明了该anchor可以从deliberation过程中恢复，并解释了经典consensus（共识）规则所禁止的行为：agent对正确答案的confidence（置信度）可以超过任何初始belief形成的convex hull（凸包）。该工作为理解多agent系统的行为提供了开创性的动力学模型，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
本文提出了一种可学习的integral transform框架ITNet，其核心是一个由MLP实现的kernel，该kernel同时依赖于位置和特征，能够统一卷积、self-attention（包括multi-head）和自回归循环（如LSTM、GRU、S4、Mamba）等看似不同的架构。通过tiled kernel fusion、importance-weighted Monte Carlo integration和learned low-rank factorization等技巧，ITNet实现了高效可扩展的计算。实验表明，单一ITNet架构在ImageNet-1K、GLUE、ModelNet40等多个基准上匹配或超越了专门的baseline，证明了从数据中学习单一交互机制即可恢复三种架构族的行为。该工作与关键词中的attention高度契合，因为它将attention视为integral transform的一个特例，并提供了统一的数学视角。
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action confidence与request uncertainty (u)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logprob、多采样或训练数据，适用于black-box 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)。这项工作为interactive LLM agent的proactive clarification seeking提供了实用且可泛化的解决方案，与关键词“agent”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提出了一种可部署的多agent pipeline，用于金融图表问答，通过将查询分解为planning、OCR、legend grounding、visual inspection和verification等步骤，并记录每一步到可追溯的Model Evaluation Packet (MEP)中，实现了auditability（可审计性）与on-premise（本地部署）能力的结合。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放权重模型Qwen3.6-27B-FP8时仍能保持大部分精度提升。该工作解决了金融领域对可审计、可本地部署的图表问答agent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
本文提出TelcoAgent框架，利用foundation model和multi-agent pipeline自动从3GPP规范文档构建knowledge graph，并结合time-series foundation model (TSFM)实现zero-shot多KPM预测。该框架解决了5G网络管理中现有ML方法在scalability和explainability上的局限，在200个真实5G小区上对7种KPM均取得高精度预测，同时提供基于domain knowledge的可解释诊断。其核心创新在于将agent协作、知识图谱与时间序列预测结合，为电信网络智能运维提供了可扩展且可解释的解决方案。
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）。该框架将retrieval-augmented generation（检索增强生成）从单agent场景扩展至群体层面，通过共享repository实现producer agent贡献trajectory、consumer agent检索并改进任务执行。在ALFWorld和WebArena等交互环境中的实验表明，MATM无需协调或联合训练即可提升下游任务性能并减少交互步骤，为开放agent生态系统中的群体经验共享提供了设计范式。该工作与关键词"agent"高度契合，且方法具有开创性。
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框架，用于解决开放深度研究（OEDR）中的大纲漂移问题。该框架将大纲演化建模为包含扩展（Expansion）、收缩（Contraction）和修订（Revision）三种操作的结构化决策过程，并引入效用引导的反馈机制，通过检索增益、结构连贯性和试生成质量估计每个大纲操作的下游价值。实验表明，该方法在长文本报告生成和事实性基础上优于现有深度研究agent。该工作与关键词中的agent高度契合，且其动态大纲优化方法在自动化研究领域具有开创性。
Rethinking Shrinkage Bias in LLM FP4 Pretraining: Geometric Origin, Systemic Impact, and UFP4 Recipe ⭐ 精选
Qian Zhao et al.
cs.AI
本文揭示了LLM FP4预训练中E2M1格式固有的Shrinkage Bias（收缩偏差）问题，该偏差源于非均匀网格的几何不对称性导致的系统性负舍入误差，并通过Random Hadamard Transform (RHT)放大，从而解释了训练不稳定性。基于此，作者提出UFP4配方，采用均匀网格（E1M2/INT4）并限制随机舍入仅应用于dY梯度，在Dense 1.5B、MoE 7.9B和124B模型上实现了比E2M1基线更低的BF16相对损失退化。该工作为FP4训练提供了新的几何视角，并建议未来加速器应支持E1M2/INT4作为一等训练原语，与关键词“pretrain”高度契合。
Deontic Policies for Runtime Governance of Agentic AI Systems
Anupam Joshi et al.
cs.AI cs.MA
本文提出AgenticRei框架，利用基于Rei框架的道义策略语言（以OWL表示）在运行时约束LLM驱动的自主AI系统，以解决企业治理中的许可、禁止、义务及冲突解决等问题。该方法通过外部逻辑引擎执行策略，但未涉及code、spectral、Muon或attention等关键词相关技术。
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两个指南的知识单元覆盖率接近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agentic监管系统，通过结构化证据（如graph time-series foundation model和确定性监控）来约束LLM决策，并开发了DeXposure-Bench评估框架。该系统旨在解决DeFi中快速变化的网络信用风险监管问题，但方法本身在关键词“agent”上有所契合，创新性有限。
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（而非离散分组），在对比学习中实现软多正样本关系，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对比学习基线，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
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“良心步骤”让LLM自我审查推理和输出，并使用DPO扩展训练损失以引导模型远离非伦理输出。该方法在代码黑客等场景下，通过单个高层内省问题实现伦理对齐，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可能丢失正确性保证的问题。通过形式化建模和实验评估，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（检索增强生成）管线ACIE，用于处理临床信息提取中缺失的文档级metadata问题，并在真实临床数据上验证了其有效性。该方法通过agentic reasoning整合跨文档依赖与时间推理，但并未涉及code、spectral、Muon、pretrain或attention等关键词中的核心概念。
Which Pairs to Compare for LLM Post-Training?
Jiangze Han, Vineet Goyal, Will Ma
cs.AI stat.AP
本文研究了基于偏好的LLM后训练中如何选择比较对的问题，将比较策展形式化为采样设计问题，并分析了Direct Preference Optimization (DPO)中标签选择对下游策略性能的影响。实验表明，所提出的采样设计在样本效率上优于常见启发式方法。
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）在过去十年的发展，分为基础、应用和LLM转折三个阶段，并基于人类与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，为从业者提供指导。
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 latent diffusion中的编码器和解码器，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，并支持条件生成和纵向预测，但与我提供的关键词 (code, context, spectral, Muon, pretrain, agent, attention) 契合度较低。
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，通过利用内容相似的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，以纠正隐式反馈中的噪声。该方法在冷启动推荐场景中提升了性能，并在快手应用中取得了商业指标改进。
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-加入动态过程，使用Aumann-Dreze值分配收益，并分析终端partition的均衡性质及切换成本对局部稳定性的影响。
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（predictive validity）替代平均分进行排名，并设计了包含12个维度的测量框架。该工作主要聚焦于评估方法论改进，与关键词中的agent相关，但未涉及code、spectral、Muon、pretrain或attention等核心概念。
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，但未涉及code、spectral、Muon等关键词相关方法。
Interpreting Neural Combinatorial Optimization via Evolving Programmatic Bottlenecks
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(NCO)模型蒸馏为可读的程序组合来实现可解释性。EPB利用LLM迭代演化程序库，并采用混合文本-数值梯度下降方案进行优化，实验表明其能有效匹配原始模型性能。
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。最佳配置在特定子集上实现了0.08的词错误率，但方法本身属于领域微调的应用研究，未在模型架构或训练范式上体现显著开创性。
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, Reviewer3等）在真实论文上的表现，发现它们能较好地追踪人类质量判断并捕捉错误，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。它为将生成模型集成到传统系统中提供了基础框架。
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，并设计了能达到该容量的调度器，同时探讨了专家间协作对容量提升的潜在影响。
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训练中的熵崩溃与熵爆炸问题。实验表明，仅更新前10%的独特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基准，包含107个经人工审核的任务。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，如遗漏操作规则和构建脆弱的formulation。
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
本文研究了测试时推理的预算感知分配问题，提出了SEVRA方法，通过选择性验证来决定是否保留初始答案或调用验证，在多个数学和常识推理数据集上展示了计算效率与准确率的权衡。
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LLM agent系统，提出了一种四层验证架构和“人在环上”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code、spectral等核心概念。
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大型语言模型的黑盒不确定性估计方法，并将其分为五类，通过统一框架在多个模型和数据集上进行了基准测试。研究发现没有单一方法在所有场景下都占优，但混合方法通常表现良好。
MetaResearcher: Scaling Deep Research via Self-Reflective Reinforcement Learning in Adversarial Virtual Environments
Wei Yu et al.
cs.AI
本文提出了MetaResearcher框架，通过引入动态虚拟世界和对抗性错误信息来训练深度研究agent，并设计了面向发现的任务和自反思元奖励机制以优化搜索路径与工具调用。该方法旨在提升agent在复杂研究场景中的鲁棒性，但未直接涉及code、spectral或Muon等关键词。
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的自我边界问题，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。该论文主要聚焦于agent理论，与关键词中的agent概念有一定关联，但未涉及code、context、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数据筛选和直接预测机器人关节轨迹的方法，该方法提升了动作的物理可行性与语音同步性，但未涉及关键词中的code、spectral、Muon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多轮对话数据的pipeline，构建了大规模RAINbow数据集，并引入双策略训练和定位模型来提升DialNav框架在室内导航任务中的表现，在Val Seen和Val Unseen上显著超越基线。
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机制，使coding agents能够在真实世界中自主改进机器人操作策略，在灵巧操作任务上达到99%成功率。该方法主要关注机器人策略的自动化改进流程，与关键词中的agent概念有一定关联。
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的奖励框架，结合DynDiff-GRPO的探索策略，用于改进embodied world models中的强化学习。该方法通过主动评估生成行为来提供稳健的奖励信号，并扩展动作空间探索以缓解reward hacking问题，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Task Manager通过优先级推理和事件合并来优化连续操作。
Process-Verified Reinforcement Learning for Theorem Proving via Lean
Minsu Kim, Se-Young Yun
cs.AI
本文提出了一种利用Lean证明助手作为符号过程预言机的方法，在定理证明的强化学习训练中提供细粒度的策略级验证反馈。通过将证明尝试解析为策略序列，并基于Lean的类型论生成密集且可靠的信用信号，该方法在GRPO风格的目标函数中结合了结果级和过程级优势。实验表明，策略级监督在MiniF2F和ProofNet等基准上优于仅依赖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，在非可微或黑箱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-利用分解对目标对齐、实例保留和多样性的平衡作用。
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subject-aware prompting的自适应LLM高中辅导系统，通过14个pedagogical features训练prompt routing模型，在模拟环境和真实学生测试中验证了其有效性。实验表明该机制能减少约3轮交互并提升练习转化率（随机路由达28.1%），但方法主要聚焦于教育场景的prompt选择优化，与关键词中的code、spectral、Muon等概念无直接关联。
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，揭示了LLM在结构化工程设计中的能力差距。
Modularity-Free Conflict-Averse Training for Generalized PINNs
Heejo Kong et al.
cs.AI
本文发现过参数化PINNs中存在的功能模块化现象（网络自划分为任务专属模块）会抑制冲突规避训练的效果，并提出ModSync框架通过结构优化惩罚任务专属连接来维持跨目标耦合。实验表明该方法能防止容量驱动的训练失败并提升精度。
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语义子空间来提升通信系统的语义推理能力。实验表明该方法在隐式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减弱但未被消除。研究指出，借用人类心理测量工具评估LLM的有效性存在根本缺陷，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等概念关联较弱。
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，并展示了增强后的游戏AI实例。文章还指出了当前部署玩家面对机器学习代理的瓶颈与挑战。
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。该框架构建了包含2880个实例的benchmark，评估了多种LLM在deductive reasoning上的表现。
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是实现这种放大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，以解决动态环境中带约束优化问题的平衡难题。该方法将任务执行与目标设计解耦，旨在提升RL解决方案的自主性和鲁棒性。
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，利用语义熵估计模型置信度并自适应检索知识。实验表明该方法在冲突消解任务上优于现有基线。
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的自动化评分系统，用于评估学生绘制的科学模型，并引入置信度机制以在自动评分与人工审核间取得平衡。该方法主要关注教育评估的实用性与可靠性，与关键词中的核心概念关联较弱。
Lagrange: An Open-Vocabulary, Energy-Based Sparse Framework for Generalized End-to-End Driving
Shihao Ji et al.
cs.AI
本文提出Lagrange框架，利用Masked Latent Fields和Vision-Language Models实现开放词汇的自动驾驶决策，通过意图驱动的交叉注意力模块和能量场优化来保证运动学可行性。该方法在nuScenes和CODA基准上验证了鲁棒性，但未涉及代码、谱方法或预训练等关键词。
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，并利用预训练CNN进行分析。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continuous context object（连续上下文对象），通过可训练的soft delta在冻结的backbone模型上实现行为适应。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 execution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 trajectory、聚类为候选skill并训练skill-aware policy来挖掘可解释的skill库。实验表明，虽然聚类结果在源benchmark上具有可读性，但无法有效提升下游policy的跨域性能，因此该方法主要作为诊断性研究。
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注意力机制的深度学习框架用于精子形态分类，结合预训练的EfficientNet-B0和CBAM模块，在SMIDS和HuSHem数据集上取得了较好性能，并通过Grad-CAM++可视化增强了模型的可解释性。该方法与关键词中的attention相关，但缺乏开创性或解决长期问题的显著贡献。
Context-Aware Hierarchical Bayesian Modeling of IVF Laboratory Environmental Conditions
Zahra Asghari Varzaneh et al.
cs.AI
本文利用55个上下文感知的时间特征（如滚动热稳定性、温湿度同步达标率等）对IVF实验室环境进行建模，并训练了一个分层Bayesian Beta回归模型，在两个不同地区的诊所间实现了环境效应的部分池化，显著降低了预测误差。该工作主要聚焦于医学应用中的环境特征工程与迁移学习，与所提供的关键词（如spectral, Muon, pretrain, agent, attention）关联度较低。
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。实验发现，benign demonstrations在不同模型中对harmful compliance的影响方向不同，且demonstration ordering存在显著的recency bias。
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等问题。
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latent conditioning edits而非权重更新，并利用Modern Hopfield Network作为episodic memory存储纠正信息。在推理时，通过带有相似性门控的soft attention检索纠正，在312个多语言专有名词基准上将目标词音素错误率相对降低92.7%。
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列表中的概念关联较弱。
LedgerAgent: Structured State for Policy-Adherent Tool-Calling Agents
Md Nayem Uddin et al.
cs.AI cs.CL
本文提出LedgerAgent方法，通过维护一个独立的任务状态账本并注入到prompt中，来增强工具调用agent的policy遵循能力，在客服领域多个模型上提升了pass@k指标。
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字幕如何影响语音生成，发现风格token的注意力与F0和能量相关，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)模型在分布偏移下的校准问题，分析了硬路由和软路由机制对模型校准的影响。作者提出了一种对抗性重加权方法，通过惩罚分布偏移下路由聚合的校准误差，来改善模型在平均和困难数据子集上的准确率-校准权衡。

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，它无需训练、无需服务器或网络连接。该方法使用Randomized Hadamard Transform和预计算Lloyd-Max表实现4位量化，并确保结果的可复现性。
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prompt长度爆炸并提升性能。该方法在工业级推荐环境中验证了有效性，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等核心概念。
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，通过OCR提取图表文本后使用text-only language model给出初步答案，再由一个learned router决定是否调用VLM，从而在ChartQA任务中降低VLM调用成本。实验表明该系统在匹配full-VLM性能的同时减少了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，模型选择在语义缓存中本质上是校准问题而非排序问题。
Stellar: Scalable Multimodal Document Retrieval for Natural Language Queries
Yuxiang Guo et al.
cs.IR
本文提出了Stellar，一个可扩展的多模态文档检索框架，通过将token级文档嵌入存储在磁盘上并仅加载少量候选嵌入到内存中进行后期交互，显著降低了内存开销和查询延迟。该方法在多个基准测试上实现了与现有方法相当的检索效果。
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token预算内从混合来源（对话、记忆、工具输出）中动态选择最相关的上下文，以替代传统的recency truncation方法。
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，测量了品牌在ChatGPT、Claude等AI引擎中的可见性，发现品牌知名度与可见性呈三级阶梯分布，且引用来源以企业网站和“最佳”列表页为主。该研究为Generative Engine Optimization (GEO)提供了大规模基线，但未涉及code、spectral、Muon等关键词相关的方法或理论。
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，一个基于分类法的大规模基准测试，用于评估基于LLM的学术论文搜索agent在开放文献环境中的表现。该基准覆盖了计算机科学中的多种研究意图，并提供了可复现的评估框架。
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扩展性与语义表示问题。该方法在工业推荐场景中提升了用户行为建模的全面性和准确性。

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Compressed Sparse Attention (CSA)和Heavily Compressed Attention (HCA)以提升长context效率，并采用Manifold-Constrained Hyper-Connections (mHC)增强残差连接，以及Muon优化器实现更快的收敛和训练稳定性。在百万token context设置下，DeepSeek-V4-Pro相比DeepSeek-V3.2仅需27%的单token推理FLOPs和10%的KV cache，显著提升了长context场景的效率。该工作为长context语言模型的高效推理和训练提供了开创性方法，与关键词中的context、attention和Muon高度契合。
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。该工具利用扰动分析和对比推理，将随机生成结果聚合为语法对齐的层次结构，并通过Sankey图展示偏见模式。
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等大型语言模型（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，该方法在平衡精确率与召回率方面优于单个模型，为生物医学文献的系统筛选提供了可扩展的自动化方案。
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7个大语言模型（4B-671B参数）在阿拉伯语上并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
本文针对LLM在硬件设计RTL编码中的表现，提出了一种基于问题可解性的错误分类法，将错误分为语法、语义、可解功能性和不可解功能性四类。实验发现前沿模型在VerilogEval基准上存在90.8%的初始通过率上限，且对齐技术仅能消除语法错误，无法解决更深层的功能性问题。
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LLM的上下文学习机制，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念关联较弱。
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识别关键head，并据此进行细粒度权重剪枝。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多步推理性能。
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效果。
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资源索引，但未直接涉及代码、上下文、谱方法等关键词。
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，利用LLM内部表示来量化In-Context Learning中的aleatoric uncertainty，并设计了新的评估协议以分离aleatoric与epistemic uncertainty。该方法在合成任务和真实数据集上比现有方法更可靠地衡量了ICL下的预测不确定性，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统一到一个Pareto最优性框架中，并证明了存在一个相变点：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，但该方法主要关注验证策略的优化，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
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，通过添加确定性、接地性、随机性和假设索引等信号，使控制器能够区分可修复故障和不可修复故障。实验表明，ASP在独立和多智能体模式下均能提升系统性能，特别是在阻止无根据输出传播方面效果显著。
Characterizing Narrative Content in Web-scale LLM Pretraining Data
Teagan Johnson et al.
cs.CL
本文对LLM预训练语料库Dolma中的叙事特征进行了细粒度研究，构建了包含agency、setting和events三个核心叙事元素的框架，并训练了NarraBERT模型用于预测。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性评估，发现其存在kappa通缩、排名不稳定以及一致性-偏差悖论等问题，并提出了最小可行验证协议。该工作主要关注评估方法论，与您提供的关键词（如code, spectral, Muon, agent等）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，但在某些类型和视觉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法，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ROUGE2-F1为0.2468的成绩，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，通过WebOrganizer的24x24分类体系聚合文档影响，发现两类推理依赖不同的语料区域，并利用机器遗忘进行因果验证。
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文本上微调，用于检测语义层面的文本复用。实验表明该模型在叙事文本中表现良好，但在诗歌文本中效果有限。
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佳。研究揭示了将英语为中心的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年世界杯后佛得角守门员Vozinha在社交媒体上的算法“加冕”现象。通过构建葡萄牙语、西班牙语、英语和法语的语料库，结合LLM辅助注释与人工验证的流程，分析了不同语言如何承载不同的叙事框架（如动员、危机、民族建构等），并将粉丝增长数据视为一种语言对象而非单纯测量值。
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，以缓解多轮对话中的错误累积问题。实验表明该方法在agent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，一种轻量级的prompt层方法，通过维护一个recent evidence sequences的前缀树并采用greedy walk来重新排序evidence，以提升RAG推理中prefix caching的复用效率，从而降低time-to-first-token (TTFT)。该方法在不改变serving engine和retrieved evidence set的前提下，在QA测试中实现了约20-33%的TTFT降低。
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处理代码切换输入时的语言锚定现象，发现源语言框架的代码切换保持源锚定而目标语言框架的代码切换导致更大的问答性能下降。基于此，提出了CANVAS推理时干预方法，通过提取源侧画布并软引导目标语言隐藏状态向源锚点对齐，有效恢复了问答F1分数。
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条客服对话进行标注，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能准确追踪客户评分（相关系数0.47 vs 0.36），并揭示了情感分析无法捕捉的“容忍摩擦”等复杂客户状态。
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Google Gemma 3 1B模型来回答火星改造相关问题。该pipeline为火星宜居性建模等下游应用提供了基础，但提取准确性和事实一致性仍需改进。
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，并减少了处理时间和知识图谱中的噪声。
NRITYAM: Language Models Meet Art and Heritage of Dance
Punit Kumar Singh et al.
cs.CL cs.AI
NRITYAM是一个评估语言模型对全球舞蹈传统文化理解能力的基准数据集，包含9,260个覆盖12种语言的问题-答案对。该工作通过与传统舞蹈艺术家和母语者合作构建，并测试了多种语言和多模态模型。
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) 在不同偏好设置下（如分布冲突、多属性交互等）的遗忘模式。实验发现，顺序DPO不会产生统一的遗忘模式，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之间的异质性变化。
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)以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。
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，用于改进复合句分解为原子可验证声明的质量评估与修复过程。它引入Semantic-F1指标替代Jaccard指标，并形式化分析了修复管道的收敛性质，实验表明该方法在多个基准上提升了分解质量。
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，发现控制效果由residual norm与write norm之比决定的饱和曲线主导，并解释了局部梯度归因为何不能预测控制能力。
AtomMem: Building Simple and Effective Memory System for LLM Agents via Atomic Facts
Yanyu Yao et al.
cs.CL
本文提出AtomMem，一种为LLM agent设计的长期记忆系统，通过提取原子事实作为高效记忆表示，并组织成层次化事件结构和时间轮廓，以解决现有记忆系统粗粒度且不稳定的问题。实验表明其在多会话推理任务上达到最优性能。
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(zero-shot)的agentic workflow，利用开源生成式LLM从肺切除病理报告中提取13个CAP synoptic fields，并与监督式GatorTron基线对比。实验表明，最佳零样本模型(GPT-OSS-20B)在Micro-F1上达到0.893，为低成本的病理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
本文提出了一种名为BabelTele的模型中心文本表示方法，将语义信息编码为紧凑、非标准但可被LLM恢复的文本形式。实验表明，BabelTele在压缩文本至原长27.9%时仍能保持99.5%的语义保真度，并在跨模型迁移、agent记忆和多agent通信中表现出鲁棒性，揭示了人类可读性与模型语义可恢复性之间的部分解耦。
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差异和语言使用功能如何影响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个人可识别信息（PII）检测基准，包含51种实体类型和25种语言，并通过覆盖阵列采样控制9个生成轴。评估发现，基于规则的检测器在高敏感度类别上表现较差，而LLM检测器更为鲁棒。
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，通过离散语音token的surprisal（意外度）来检测非母语学习者的发音偏差，仅使用母语语音资源进行训练。该方法利用SSL编码器和K-means码本对语音进行离散化，并结合token语言模型和DTW对齐模块来提取特征，在SpeechOcean762和L2-ARCTIC数据集上取得了接近监督方法的性能。
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，并通过电子表格验证真实值。实验表明该方法能显著提升小模型在结构化提取任务上的性能。
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，并采用多阶段预处理流程（包括基于vector database的语义去重和领域平衡控制）来提升语料质量。该模型在多个波斯语NLU基准测试上取得了有竞争力的结果，尤其在抽取式问答任务上表现突出。
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任务测试了LLM在修改自身生成文本时是否存在自我偏好偏差，发现模型接受或拒绝已验证的正确修改时，作为作者与作为中立评判者的表现无显著差异，表明自我偏好在此场景中很弱或不存在。
HydraHead: From Head-Level Functional Heterogeneity to Specialized Attention Hybridization
Zhentao Tan et al.
cs.CL
本文提出HydraHead架构，通过沿head维度混合Full Attention和Linear Attention来降低长上下文处理的计算复杂度。该方法利用可解释性分析选择关键head，并设计尺度归一化模块解决两种attention的分布差异，在15B tokens训练后显著提升了长上下文任务性能。
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 Retrieval-Augmented Generation (Streaming RAG)中工具意图稳定化的特性，通过实验测量了在用户输入完成前可确定正确工具查询的比例，并推导了延迟隐藏的理论界限。该工作主要关注系统性能优化，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8种Large Language Models在英文和葡萄牙语作文数据集上的内部表示，发现作文质量信息以线性可解码的形式编码在模型表示中，且这些表示在层间渐进出现、对提示策略鲁棒，并部分跨提示迁移。
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，旨在实现长上下文临床推理和决策支持。该框架主要关注临床工作流中的多模态信息整合与递归推理，与我提供的关键词（如code, spectral, Muon, pretrain, attention）关联度较低。
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伪标签流水线从数千小时无标注音频中学习音素转录，并采用伪元音架构在字符级别预测IPA音素。该方法在多个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）来为MIDI格式输入分配音符名称和调号。该方法在多种乐谱数据集上进行了评估，主要服务于音乐转录和文化遗产保存。
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，这是一个包含捷克语及少数民族语言（如乌克兰语、英语等）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留任务的评估。
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）是否对应一个可操作的activation-space方向。实验发现，同一模型内的方向具有因果特异性，但跨架构迁移时方向缺乏特异性，揭示了线性跨架构修正的局限性。
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感知的自动作文评分框架，通过将Graded Partial Credit Model融入神经架构来估计学生能力，并基于诊断的能力参数生成适应性反馈。该方法主要关注教育评估与反馈的整合，与关键词中的code、spectral、Muon、agent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。该数据集包含基于外部事实核查知识的文档级和片段级标注，可直接用于RAG系统，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention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
本文通过构建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将文本基线的准确率从55%提升至64%，并在DPO训练中显著提升响应质量。
Beyond Global Replanning: Hierarchical Recovery for Cross-Device Agent Systems
Shu Yao et al.
cs.CL
本文提出H-RePlan框架，用于多设备agent系统的分层重规划，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全局重规划，以应对动态运行时故障。实验表明该方法在跨设备任务中优于基线，但主要贡献在于工程框架而非理论创新，与关键词中的agent相关但契合度一般。
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、体型和时尚风格等约15个属性驱动了大部分偏见。该工作为细粒度偏见评估提供了工具，但与关键词列表中的概念关联较弱。

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，给出了一个\(O(\sqrt{n/\ln n})\)-近似算法，并证明了该界在信息论意义下是最优的。此前仅对对称子模函数有类似结果。
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，证明了在treedepth参数化下近似twin-width是固定参数可解的，并在vertex integrity参数化下精确计算twin-width也是固定参数可解的。这些结果打破了以往仅依赖删除距离的参数化限制，为twin-width的算法研究提供了新途径。

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)应作为与GUI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，并引入了CLI-Advantage Task Suite来覆盖GUI难以处理的用户意图。该工作为移动agent领域提供了新的范式方向，与关键词中的agent高度契合，并展示了CLI在批量操作、跨应用工作流等场景下的显著优势。
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机制来建模长程主轴上下文，并通过cyclic shifts增强条带间的信息交换。此外，文中引入detail-enhanced multi-scale self-attention模块聚合多分辨率特征以保留细粒度细节，以及sparse-control dynamic snake convolution从稀疏控制点重建密集曲线核以更好地追踪曲折几何结构。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。
Efficient and Sound Probabilistic Verification for AI Agents ⭐ 精选
Alaia Solko-Breslin et al.
cs.CR cs.AI
本文提出了一种基于分布鲁棒优化(Distributionally Robust Optimization)的框架，用于对AI agent在复杂数字环境中的运行时行为进行概率验证。该方法解决了现有Datalog策略监控方法无法处理概率谓词(如PII检测器)及状态转移中相关性假设限制的问题，通过计算策略违反概率的sound上界，实现了对agent行为的安全约束。实验表明，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，并改善了安全性与实用性的权衡。
Human Universal Grasping
Kevin Yuanbo Wu et al.
cs.RO cs.AI cs.CV cs.LG
本文提出了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，并利用大规模第一人称数据集1M-HUGs进行训练。该方法可将预测的抓取重定向到不同机器人手部，在HUG-Bench基准测试中优于现有基线方法。
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LLM在招聘决策中的性别偏见，通过在日本简历背景下进行实验，发现存在显著的亲女性偏见，并评估了提示指令和隐私过滤器等缓解策略的效果，但未涉及关键词中的核心概念。
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学习实验。
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解。
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，用于从智能手机拍摄的9秒面部视频中恢复潜在的生理状态。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、算子学习以及可解释为随机变分推断的监督学习，并在59名受试者的38812次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编码代理的三种失败机制（underspecification, capability errors, agent harness errors），并提出了AgentArmor框架来缓解这些问题。该框架通过修改agent harness，添加系统提示、命令分类器、确定性护栏等组件，在多个评估中提升了安全性。
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-switch ASR性能。该方法通过Code Mixing Index (CMI)优化合成语音的语言边界一致性，在SEAME语料库上降低了混合错误率。
DynAMO:Dynamic Asset Management Orchestration via Topological Multi-Agent Scheduling
Kanishk Kushwaha et al.
cs.SE cs.AI
DynAMO提出了一种基于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。实验表明其能降低延迟并保持安全性，但方法本身在agent调度领域缺乏显著的开创性。
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运行时监控器的校准问题，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结构性质，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创造力与形式化方法严谨性的硬件生成框架，通过迭代应用预定义的transformation rules将设计规范转换为RTL程序，并保证正确性。实验验证了该框架在硬件生成中的有效性和效率。
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graph invariant，用于替代有限图的定义。该不变量通过类似寻找图规范形式的算法构建，可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均优于基线，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、冗余性和协同性时存在根本性混淆，并提出了Stochastic Hi-Fi方法，通过干预式掩码推理来分解每个特征的U/R/S轮廓。该方法在表格SCM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方法。
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与编辑。该模型在合成逼真度上显著超越了现有方法，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的新型社会技术漏洞模型，描述了在LLM辅助的后量子密码学开发中，因持续依赖LLM生成代码而导致安全编码实践逐渐退化的现象。为此，作者设计了一个游戏化的LLM增强安全编码框架，通过嵌入对抗性评估、行为反馈和安全评分来将LLM转变为主动的安全协作者。
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，仅使用Pauli product state preparation and measurement，在总演化时间\(\Theta(\frac{\Lambda}{\epsilon^2}\log(\frac{\Lambda}{\epsilon}))\)内学习无先验结构假设的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）。实验表明该方法在收敛性和灵活性上优于固定策略，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。
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，利用不同平台间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（如生成有漏洞的代码），而在其他平台则表现正常。该工作揭示了LLM部署中一个被忽视的安全攻击面。
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与总结，未涉及与关键词相关的核心方法创新。
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特定训练数据的影响，并辅以批归一化重校准和微调步骤来恢复定位性能。实验表明该方法在遗忘效果上接近完全重训练，且速度提升10-12倍，但方法本身属于对现有图遗忘技术的工程化应用，创新性有限。
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85种枪械的23000条录音数据集上进行了基准测试。结果表明，选择合适的特征提取技术及其参数可显著提升分类准确率。
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spectral和prosodic线索。在跨数据集基准测试中，FlowFake以极少的参数量（34K）取得了有竞争力的性能，但方法本身在理论或架构上的开创性有限。
A Solver-Free Training Method for Predict-then-Optimize
Beichen Wan, Mo Liu
stat.ML cs.LG
本文提出了一种在predict-then-optimize范式下训练prediction model的可扩展方法，通过measure transformation principle构建了一个新的surrogate loss，使得训练过程完全无需调用optimization solver。该方法在理论上具有Fisher consistency和excess risk bounds，并在实验中以极低的训练时间成本达到了与现有方法相当的决策质量。
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，但整体贡献较为常规。
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，让Claude Code在多步LLM pipeline中自主优化prompt和链结构，通过诊断中间步骤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GEPA，并在安全任务中也有显著提升。
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会产生bug，而传递测试反馈可将通过轮次提升12倍。
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，通过将多智能体协作过程记录在git内部来减少重复和冲突工作，实验表明该方法能将重复工作从78%降至0%并提升三倍吞吐量，但主要聚焦于软件工程中的多智能体协调问题，与关键词中的核心数学概念关联较弱。
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谱表示方法，通过共享卷积编码器特征和全局标量带宽来预测每个图像块的截断Fourier基系数。实验表明，该方法在标准重建基准上优于LIIF/LTE/WIRE等基线，并在超分辨率任务中实现更快推理速度。
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，蒸馏策略在保持高保真度的同时，验证的安全属性可有效迁移至原始神经网络。
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，用于解决非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架构和teacher-student训练框架，在保持行为共享的同时避免任务间的value interference，并在仿真和硬件实验中取得了优于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，利用预训练生成控制策略的多模态建模能力构建候选集，并通过集成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和微调样本效率。实验在多种操作和运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，提出了一种三层防御框架，分别处理用户输入、检索文档和模型输出。实验表明该框架能显著降低攻击成功率，但方法主要基于规则和分类器组合，在理论或方法上未体现与关键词相关的开创性贡献。
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、引入无训练的pose warping以及利用motion prior进行引导，实现了对源视频外观的保持和运动编辑。
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于文档插入时控制hubness（少数点成为许多查询的最近邻）的方法，通过全局门控机制对候选文档进行评分并隔离类似hub的文档，以防御投毒攻击。实验表明该方法在多个数据集和编码器上实现了高召回率和低误报率，且插入成本与语料库大小无关。
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。该工作主要聚焦于机器人硬件设计与控制，与关键词中的理论或算法方向关联较弱。
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较差，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逼近框架，将多项式基函数与数据自适应基函数（如神经网络）结合，用于从海上试验数据中建模自主水下航行器（AUV）的机动特性。该方法通过梯度联合校准和基于灵敏度的更新机制，并引入转弯运动电流估计与补偿，提升了轨迹与速度的递归预测精度。
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。该框架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，利用大语言模型驱动的多智能体流水线，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agent有一定关联，但并非核心贡献。
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。实验表明双向互动比单向教学更能促进行为一致性和泛化能力，但该工作主要关注机器人学习范式，与关键词中的code、spectral、Muon等无直接关联。
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。该方法在基准测试中性能优于Recurrent Soft Actor Critic，且对未见环境泛化能力更强。
QueryGaussian: Scalable and Training-Free Open-Vocabulary 3D Instance Retrieval
Xiuyuan Zhu et al.
cs.CV cs.AI
本文提出QueryGaussian，一种无需训练的框架，用于从大规模3D场景中通过自然语言检索实例。它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，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，以提升长时域机器人操作任务的强化学习效率。该方法利用配置条件自适应时域目标与效率加权自模仿学习，在15个任务上验证了其有效性。
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latent safety head，在speculative inference的验证过程中联合评估语义有效性和安全性，并利用rollback和safety-guided reflective multi-sampling恢复安全生成，从而在不牺牲加速效果的前提下提升LLM的安全性。
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过程上确界的最优无维稀疏化定理，将索引集大小降至\(\exp(O(1/\varepsilon^2))\)，且误差由Gaussian宽度控制。该结果改进了近期稀疏化定理的指数因子，并应用于Gaussian空间上范数的junta定理及凸集学习与polyhedral逼近。
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、可解释性和可复用性等观点。文章主要聚焦于数据标准化框架，未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
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，使其更倾向于需要更多数据而非更大模型。
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，通过系统分析TORGO数据库，在孤立词和句子识别任务上分别取得了4.65%和4.63%的相对性能提升。该工作主要关注特定语音障碍场景下的特征选择与模型优化，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
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，发现Pitch特征能显著提升句子识别性能。通过在TORGO数据库上使用F-TDNN模型，相比先前研究在孤立词和句子识别上分别获得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（handoff）视角综述了基于LLM agent的电子设计自动化（EDA）系统，将82个系统分为Stage-Bound、Flow-Bound和Organization-Bound三类，并分析了每类中的交接契约与协调机制。文章提出了一个五层EDA agent通信协议（EACP），旨在为可信的agent化EDA提供通用词汇和研究议程。
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
本文针对构音障碍语音识别中数据稀缺的问题，探索了四种数据增强方法（SRM, PM, FM, VTLP）在微调Wav2Vec2模型时的效果，实验表明不同增强方法对不同严重程度的语音有不同效果。
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，发现它们分别导致电力消耗增加约32%和46%。该研究为ML代码的可持续性提供了初步实证证据，但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。文章指出了在向量数据库中实现FGAC所面临的挑战，包括正确执行策略、保持高ANN搜索召回率和低查询延迟之间的权衡。
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，通过引入无量纲的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模糊导致的运动幅度失配问题。该方法无需重新训练，可直接插入现有pose-conditioned生成器，并在多个尺度范围上显著降低了Parallax Consistency Error。
Low-Burden Data Augmentation for Dysarthric ASR via Zero-Shot Voice Cloning
Satwinder Singh et al.
eess.AS cs.LG
本文研究了使用zero-shot voice cloning技术为构音障碍语音识别生成训练数据，通过Higgs Audio V2在TORGO数据集上克隆说话人，并微调Whisper-medium模型。实验表明，克隆数据训练的模型在词错误率上接近真实数据，为缓解数据稀缺问题提供了低负担的替代方案。
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，通过确定性验证流程从超过24万个仓库中筛选出8133个已验证项目，并评估了9个前沿模型在主题驱动生成和代码补全任务上的表现，发现项目规模增大时运行时通过率从80.4%骤降至5.7%，且代码Agent虽能提升编译率但无法改善运行时行为质量。
Doeblin Curves
Dongmin Lee et al.
cs.IT cs.LG math.PR math.ST
本文引入了Doeblin曲线这一非线性函数，用于量化Markov kernel在特定散度和幂次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经典应用推广到了更精细的场景。
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。它通过可微反向投影建立空间先验，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，以解决深度模糊问题。
Multimodal Concept Bottleneck Models
Tongqing Shi et al.
cs.CV cs.LG
本文提出了一种多模态概念瓶颈模型(MM-CBM)，通过双概念瓶颈层将CLIP的图像和文本嵌入对齐为可解释特征，在保持高精度的同时提升了可解释性，并在零样本分类等任务上取得了显著改进。该方法主要关注可解释性而非我提供的关键词中的特定方向。
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FinRED，一个由金融专家指导的red-teaming框架，用于评估金融领域大语言模型的安全性。该框架通过两层级分类法将全球标准映射到金融特定威胁，并利用真实金融文档生成上下文丰富的测试提示，以解决现有安全基准缺乏金融领域针对性的问题。
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率与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code、spectral、Muon、pretrain、agent或attention等概念。
Measuring Biological Capabilities and Risks of AI Agents
Patricia Paskov et al.
cs.CY cs.AI
本文讨论了AI agents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 evaluations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
本文提出了一种面向结构的随机神经网络框架SO-RaNN，用于求解Poisson-Nernst-Planck (PNP) 和 Poisson-Nernst-Planck-Navier-Stokes (PNP-NS) 系统，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，保证了数值解的物理结构（如正性、质量守恒和无散度约束），并给出了残差估计和收敛性分析。
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、约束音乐变体和视觉运动执行来实现实时响应。该方法使用预训练视觉语言模型和混合密度策略生成物理可执行的音乐动作，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Deep-Unfolded Coordination
Hunter Kuperman et al.
cs.RO cs.LG cs.MA
本文提出Deep Coordinator，一种将ADMM-DDP迭代展开为神经网络的深度展开框架，用于在求解时动态调整分布式机器人优化器的超参数。该方法在车队和四旋翼仿真中比传统求解器快6.18-9.44倍，并能在更大规模的系统上保持性能优势。
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，解决了现有方法在视觉Mamba模型中因缺乏空间感知导致的性能崩溃问题。该方法无需训练即可作为即插即用模块，在多种视觉Mamba骨干网络上实现了最优的剪枝精度。
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，而非提出新的理论方法。
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，用于光流估计。该约束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，可应用于图像对和多帧设置，且与网络架构、监督类型和数据集无关。实验表明，该约束在监督、无监督和迁移学习设置中均能带来一致的性能提升。
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，在多个任务上优于基线方法。
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路径空间正则化项，包括Wiener KL和drift-variance regularizer。这些正则化器通过惩罚控制对退相干通道的观测后果而非控制幅度本身，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和噪声鲁棒性。
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，研究了人类与MOS预测模型在语音质量评估中的差异。结果表明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任务上下文执行不同动作的能力。实验发现，模型从计数任务到区域条件动作任务的性能显著下降，揭示了视觉证据到上下文特定动作转换中的瓶颈。
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，并结合Dirichlet主观逻辑进行证据融合，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，并提出了一个混合治理框架。
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侧将batch构建延迟到样本预处理后进行的系统，以解决LLM训练中样本真实成本仅在预处理后可知的问题。ODB通过形式化Distributed Group Alignment Problem并证明无死锁有界终止，在不修改模型或优化器的情况下，显著提升了吞吐量。
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，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segment-level的语音表征学习框架，通过autoencoder和contrastive learning增强特征判别性，用于普通话认知障碍检测。实验在四个数据集上验证了其在二分类和三分类任务中的有效性。
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，通过信息论信号（动作多样性、时间一致性、状态耦合）检测VLA模型的失败，在跨域泛化上表现良好，但方法本身并非开创性突破，且与关键词契合度较低。
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，利用集合成员估计和乐观原则，实现了\(O(\log T)\)的遗憾界，优于传统次高斯噪声假设下的\(\tilde{O}(\sqrt{T})\)界。
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，并提出了ToolPrivBench评估框架和一种特权感知的后训练防御方法。
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，将强化学习训练的ANN策略通过知识蒸馏转换为SNN，部署到神经形态芯片上，用于RMFS中的高效路径规划。该方法在保持决策质量的同时，相比GPU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，从而提升了医学图像分割性能。该方法在多个数据集上取得了优于Residual U-Net的Dice和IoU分数，且计算开销几乎不变。
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 agents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，聚焦于无人机在目标进入视野后的精确到达阶段，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来提升视觉定位与空间对齐能力。实验表明该方法在仿真和真实场景中均优于现有基线。
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
本文针对连续时间平均场博弈中的最优粗相关均衡问题，提出了一个线性规划（LP）公式，证明了最优LP粗相关均衡的存在性，并基于此设计了一个无遗憾原始-对偶学习算法。该工作为平均场博弈中的均衡选择与学习提供了理论框架。
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burst-suppression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。该工作主要关注临床EEG分析，与关键词中的code、context、spectral、Muon、pretrain、agent、attention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而非截断序列来调整token数量，解决了传统可变长度tokenizer中跨长度潜在分布偏移的问题。该方法与Diffusion Transformer兼容，在ImageNet 256x256生成任务上实现了更好的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内部经历隐藏演化，其频率特征和表示质量取决于集成架构。
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、区域特定化妆迁移和肤色调制等技术，在保持面部特征和肤色的同时实现高质量化妆迁移。该方法在多个数据集上相比Stable-Makeup显著提升了面部识别相似度并降低了肤色差异。
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rectified flow matching的指令引导音频编辑。该方法通过粗到细的策略平衡编辑性能与效率，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。
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）实现无监督的眼底图像质量评估，通过masked anatomical inpainting（掩膜解剖修复）训练异常检测器，并蒸馏先验知识生成空间质量图。该方法无需质量标签即可提供可解释性反馈，在跨数据集评估中优于监督方法。
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姿态轨迹保持多视图一致性的数据增强方法，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。
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，将自然语言描述的生物学实验协议转化为机器人平台的设备级控制命令，通过Parser Agent进行结构化表示和规则映射，并利用LLM Validation Agent进行验证与自校正。该工作主要聚焦于自动化实验的语义鸿沟问题，与关键词中的“agent”有一定关联，但方法本身并非开创性突破。
The 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感知的种子模糊测试和高精度CPU参考，验证了LLM生成的GPU内核中存在的正确性幻觉问题。实验表明，传统的固定形状allclose检查无法识别LLM风格的转录错误，而所提出的方法能在零精度损失下准确检测所有错误内核。
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，适用于机器人操控任务。
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，通过可控日语重音错误数据集和自监督表示，专门评估语音合成中的重音正确性。实验表明该模型在重音错误排序和与人类判断一致性上优于传统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可解释的框架。
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（behavioral probe），用于区分文本到图像模型（T2I models）在生成人脸时是记忆了特定身份还是虚构了人脸，并构建了NAMESAKES数据集进行基准测试。实验表明该方法能有效预测身份记忆，但未涉及关键词中的核心概念。
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，用于评估遥感多模态大模型在否定理解方面的能力，并设计了NeFo方法，通过测试时学习显著提升模型对否定查询的响应性能。
HilDA: Hierarchical Distillation with Diffusion for Advancing Self-Supervised LiDAR Pre-trainin
Maciej Wozniak et al.
cs.CV cs.AI cs.RO
本文提出HilDA框架，通过层级蒸馏（multi-layer和global context）结合时序occupancy diffusion目标，改进LiDAR自监督预训练。该方法在3D检测、场景流等任务上取得SOTA结果，但未涉及code、spectral或Muon等关键词。
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缺失非随机（MNAR）时，如何对缺失感知策略进行off-policy evaluation (OPE)。作者通过引入shadow variables和bridge function来识别条件均值reward，并提出了一个基于Fitted-Q-Evaluation的估计器，在模拟和MIMIC-III Sepsis数据上验证了其性能。
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及其时间演化，预测物体位置的变化，并在下游动态Object Navigation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spotlights和基于GRPO的轻量级调优，在测试时优化冻结视觉语言模型（VLM）的熵形状，以改善对局部关键证据的利用。该方法利用低熵锚点和熵整形目标来区分基于证据的置信度与捷径坍塌，从而提升模型在证据密集型任务上的鲁棒性。
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机器人操作，与关键词中的code, context, spectral, Muon, pretrain, agent, attention关联度较低。
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，提出了“编辑对齐”作为参与式AI的设计实践，但未涉及关键词中的核心数学或技术概念。
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，首次提出由多模型融合、模型优化、计算-模型融合和计算-网络-模型融合组成的四层技术架构，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中的统计特性，包括神经缩放定律等现象，并讨论了在物理问题中应用机器学习时可能存在的约束与归纳偏置。
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效率问题，与您提供的关键词关联度较低。
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通信原语，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。该工作主要关注分布式训练中的通信效率与隐私优势，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联较弱。
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共同噪声律下Wasserstein不确定性的离散时间平均场控制问题的鲁棒\(Q\)-学习算法，该算法结合了量化投影方案与Wasserstein对偶重构，并证明了同步与异步学习方案的收敛性及有限时间迭代界。数值实验在系统风险和流行病模型上验证了算法性能。
AutoPass: Evidence-Guided LLM Agents for Compiler Performance Tuning
Zepeng Li et al.
cs.SE cs.AI
本文提出了AutoPass，一个基于LLM的多智能体框架，通过利用编译器和运行时证据来指导编译器优化决策，在无需离线训练的情况下实现了比专家调优和经典自动调优方法更好的性能提升。
DataMagic: Transforming Tabular Data into Data Insight Video
Yupeng Xie et al.
cs.HC cs.AI cs.DB
本文提出了DataMagic系统，将表格数据和自然语言查询转化为数据洞察视频。系统通过DVSpec规范确保数据保真度，并采用多智能体架构生成候选场景。
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，一个用于多轮红队测试LLM agent在安全关键系统中鲁棒性的基准测试，通过在模拟核电站控制室中评估发现，自适应多轮攻击能可靠地使agent团队越过安全极限，且不同模型的安全漏洞几乎不重叠。
Multi-View Decompilation for LLM-Based Malware Classification
Bercan Turkmen, Vyas Raina
cs.CR cs.AI
本文提出了一种基于多反编译器视图的LLM恶意软件分类方法，通过同时使用Ghidra和RetDec的反编译结果来提升分类性能。实验表明，多视图方法能提高恶意样本的召回率，且不同反编译器提供了互补的证据。
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实现高效轨迹预测，在TrackML数据集上达到98.6%追踪效率与0.8%假阳性率，并显著降低延迟和内存消耗。该方法与关键词中的attention相关，但未涉及code、context、spectral、Muon、pretrain或agent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，并利用子网络处理不同协变量组，旨在解决超参数调优和层次结构信息捕获的难题。
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，通过附加轻量子网络并仅训练该子网络，实现了在单一骨干模型下的条件语音合成，降低了内存和计算成本。
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，提出了一种“检测-误导”策略（CMPE），通过生成可控的误导性响应来降低攻击者的成功率，并在jailbreak基准测试中验证了其有效性。
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，推导了系统宏观性质（如熵、序、脆弱性）的涌现规律，并引入风险偏好系数研究了增长与韧性之间的权衡。
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。实验表明，数据污染无显著优势，且微调仅改变输出阈值而非决策策略，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。实验表明，VQAs适用于小规模系统，而CNN-based estimators在更大系统中展现出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。该方法构建了大规模三元组数据集并引入新的评估基准，在风格对齐、内容保持和泄露抑制间取得平衡。
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，但主要贡献在于提升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，包含约12万组从Umbra SLC数据标准化处理后的80cm斜距SAR图像、对齐的光学图像和自然语言描述，覆盖全球72个国家257个地点，旨在为多模态对齐和跨模态检索等任务提供基准。
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
本文研究了云存储缓存中的成本优化问题，提出了一个精确的离线参考模型，通过积分区间线性规划在多项式时间内求解均匀大小页面的最优美元成本，并扩展了流式离线界到成本目标。实验揭示了LRU的异质性遗憾规律和GreedyDual的竞争前沿，并给出了一个闭式交叉点\(s^* = \text{GET\_fee}/\text{egress\_rate}\)来预测何时需要成本感知缓存。
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，用于自动从arXiv获取论文并调整其排版格式（如字体大小和列数），以提升可读性。该工具主要面向科研人员，但并未涉及关键词中的核心数学或技术概念。
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统一到第一人称视频表示中，并引入选择性代理蒸馏（SPD）来抑制错误信号。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.

↑