bluearXiv-ai - 2026-06-23

📄 所有论文 ↑ 回顶部

cs.LG

TF-SNO: Time-Frequency Gated Spectral Neural Operators for Learning Non-Stationary Partial Differential Equations ⭐ 精选

Yitian Zhou et al.

cs.LG cs.AI

本文提出TF-SNO (Time-Frequency Gated Spectral Neural Operator)，一种用于求解非平稳PDE (partial differential equation) 的状态自适应框架。其核心创新在于在spectral block内部引入可学习的time-frequency gating机制，通过从当前状态中提取紧凑的频域和物理空间统计量来生成调制系数，使得spectral response能够随动力学演化而隐式变化，无需显式的时间维度或时间嵌入。该方法通过自适应算子块捕捉多尺度特征，在六个非平稳PDE基准上显著降低了预测误差并提升了长程rollout的稳定性，为spectral neural operator处理时变频谱问题提供了有效方案。

Ramanujan Graph Rewiring with Non Negative Resistance Curvature ⭐ 精选

Hugo Attali, Rachid El Jouhri

cs.LG cs.AI

本文提出Ramanujan Propagation，一种利用Ramanujan图（一种具有最优扩展性质的图）进行图重连的策略，以缓解图神经网络（GNN）中的过度挤压问题。作者首先证明，适当选择的Ramanujan图能保证非负电阻曲率，从而促进高效的信息流动；随后提出一个算法框架，在保持原始图局部连接性的同时构建Ramanujan重连图。实验表明，该方法在九个最先进的重连技术中表现最优，为拓扑感知的消息传递提供了严格的结构先验。

Universal Encoders for Modular Relational Deep Learning ⭐ 精选

Jakub Peleška, Gustav Šír

cs.LG cs.DB

本文提出了一种模块化的Universal Row Encoder，通过transformer架构将原始单元格数据与schema元数据（包括列语义、表名和全局分布统计）解耦，生成表宽不变的row embeddings。该方法解决了关系深度学习中跨数据库泛化的核心障碍，通过显式注入全局统计信息到intra-row self-attention机制，实现了对未见特征和稀疏数据的上下文感知。该工作为构建基础关系模型建立了四个核心支柱（语义粒度、结构拓扑、时间因果性和统一优化），并在RelBench基准上验证了其跨数据库知识迁移的有效性，与关键词中的pretrain和attention高度契合。

Breaking chains with trees: Deep learning with $\mathcal{O}(\log N)$ parallel time complexity ⭐ 精选

Neeraj Mohan Sushma et al.

cs.LG cs.AI cs.DS

本文提出Hierarchical Block-Local Learning (HBLL)框架，将深度神经网络分解为层次化链接的block，每个block使用基于variational principles的局部学习目标进行训练，从而完全避免端到端backpropagation。HBLL是首个实现$\mathcal{O}(\log N)$并行时间复杂度的深度学习算法（$N$为网络层数），有效解决了backpropagation中的locking和weight transport问题。该方法隐式定义了对应不同层次路径的子网络族，支持灵活推理，并在视觉和语言建模任务上取得competitive性能，同时可扩展至recurrent序列架构。

Towards Understanding the Power and Limits of the Muon Optimizer: A River-Valley Perspective ⭐ 精选

Tianqi Shen et al.

cs.LG

本文从river-valley视角出发，对Muon优化器的能力与局限性进行了理论分析。作者引入了一个mixed-spiked matrix sensing模型，将landscape分解为river方向（指向目标解）和hill方向（编码噪声信息），并证明在无momentum情况下，Muon在早期优化中沿river方向移动更快，但在river底部附近收敛速度远慢于gradient descent。进一步，在具有momentum的一般非凸目标中，Muon的正交化更新会移除残差scale信息，导致在目标解附近出现overshooting和振荡。这些理论结果揭示了Muon在LLM训练中表现不稳定的原因，并建议在最终阶段切换到类似GD的精炼优化器，而非仅依赖固定的learning-rate schedule。

Provably Efficient Policy-Reward Co-Pretraining for Adversarial Imitation Learning ⭐ 精选

Tian Xu et al.

cs.LG

本文针对对抗模仿学习(AIL)中预训练缺乏理论分析的问题，首次揭示了仅进行policy pretraining会导致reward error成为主要次优性来源这一关键缺陷。基于reward shaping分析，作者提出了一种联合预训练方法CoPT-AIL，通过单一的行为克隆(BC)过程同时预训练policy和reward，并证明了该方法相比标准AIL具有更优的imitation gap界。这一工作为预训练在AIL中的优势提供了首个理论保证，与关键词中的pretrain和agent高度契合。

Asymptotic Signal Subspace Recovery in Softmax Attention Models ⭐ 精选

Lan V. Truong

cs.LG cs.IT stat.ML

本文针对softmax attention模型中的query向量学习过程，利用随机梯度上升和动力系统理论，严格证明了在高维噪声环境下，学习到的query几乎必然收敛到由潜在信号方向张成的一维信号子空间。该工作为理解attention机制作为信号提取过程提供了理论基础，并揭示了其在大量干扰token中如何发现相关信息，与关键词“attention”高度契合。

GRADE: Graph Representation of LLM Agent Dependency and Execution ⭐ 精选

Yue Zhao

cs.LG

GRADE提出了一种统一的graph representation方法，将LLM agent的每次运行建模为包含execution edges（记录步骤执行顺序）和dependency edges（记录步骤间的依赖关系）的双层图结构。其中dependency edges通过graded机制（根据已知、观察、声明或推断等不同置信度）进行标记，解决了agent运行中依赖关系难以直接记录的问题。实验表明，dependency layer在跨语料库的failure prediction任务中优于传统的run size指标，而execution layer能有效定位多agent运行中的故障步骤。该工作为agent系统的failure diagnosis和效率优化提供了新的图分析框架。

GeoRouteNet: Geometry-Enhanced Non-Autoregressive Neural Solver for the Traveling Salesman Problem ⭐ 精选

Xiang Li

cs.LG cs.AI

GeoRouteNet提出了一种几何增强的非自回归（NAR）神经网络求解器，用于解决Euclidean TSP问题。模型通过引入中心化节点特征、可学习的径向距离基函数、距离感知的graph attention（图注意力）以及显式的边消息传递，增强了几何归纳偏置。训练方面，设计了多候选自比较强化学习（MCS-RL），通过采样多个候选路径并构建自适应基线来稳定训练信号。实验表明，该方法在TSP50和TSP100上分别达到0.32%和1.26%的最优性差距，并在TSPLIB实例上将最优性差距从17.12%降至3.60%，同时推理吞吐量显著超过Concorde和LKH3。该工作与关键词中的attention和context（通过几何上下文增强注意力机制）高度契合。

SpotAttention: Plug-In Block-Sparse Routing for Pretrained Long-Context Transformers ⭐ 精选

Huzama Ahmad, Se-Young Yun

cs.LG cs.AI

本文提出SpotAttention，一种轻量级稀疏注意力选择器，通过KL散度蒸馏从冻结的预训练transformer中学习注意力分布，并利用双top-p规则动态分配每个query和layer的预算。该方法在Qwen3和Qwen3.5模型上，在128K token的上下文长度下匹配了密集注意力的精度，同时解码速度比FlashAttention快3.9倍，比最强无训练基线Twilight快1.8倍。该工作为长上下文预训练模型的高效推理提供了即插即用的稀疏路由方案，与关键词“attention”和“pretrain”高度契合。

Hierarchical Reinforcement Learning for Sparse-Reward Search in Commutative Algebra ⭐ 精选

Giorgi Butbaia et al.

cs.LG cs.AI math.AC math.CO

本文提出了一种基于层次强化学习（HRL）的框架，用于解决交换代数中Kalai代数Hirsch猜想的反例构造问题。该工作将问题建模为图上的稀疏奖励强化学习任务，并采用等变图神经网络（equivariant graph neural network）作为策略网络，通过约束选项（constrained options）学习有用的时间抽象（temporal abstraction）。这是首次将HRL应用于交换代数领域，其方法在广泛度数范围内一致优于经典强化学习算法和贪心搜索，为该领域长期存在的稀疏奖励搜索问题提供了开创性的解决方案。

Provable Benefits of RLVR over SFT for Reasoning Models: Learning to Backtrack Efficiently ⭐ 精选

Stanley Wei, Juno Kim

cs.LG cs.AI

本文通过将chain-of-thought (CoT)推理建模为图上的路径发现问题，理论证明了reinforcement learning with verifiable rewards (RLVR)相比supervised fine-tuning (SFT)在推理能力上的优势。具体地，作者证明SFT在仅使用正例（最短路径）训练时无法学会高效回溯，而RLVR模型仅利用outcome reward就能从死胡同中高效回溯，导致两者在推理时计算量上存在指数级差距。此外，RLVR模型学会识别推理链中困难决策的位置，从而更好地分配推理时计算资源，且其推理轨迹可被蒸馏以训练基础模型实现高效回溯。

Group-Graph Policy Optimization for Long-Horizon Agentic Reinforcement Learning ⭐ 精选

Yunan Wang et al.

cs.LG cs.AI cs.CL

本文提出Group-Graph Policy Optimization (G2PO)，一种针对长程agentic强化学习任务的新型group-based RL算法。G2PO将线性交互轨迹显式转化为全局状态转移图，通过聚合不同轨迹中的相同观测来降低状态价值估计的方差，并基于边（edge）定义优势函数，利用全局标准化Temporal Difference (TD)误差来识别和优先更新关键状态转移。该方法有效解决了长程agentic RL中奖励稀疏与延迟导致的credit assignment粗粒度问题，在WebShop、ALFWorld等基准上显著优于GRPO等基线方法，与关键词“agent”高度契合。

Memory Contagion: Cross-Temporal Propagation of Evaluator Bias via Agent Memory ⭐ 精选

Zewen Liu

cs.LG cs.AI cs.CL

本文提出并形式化了Memory Contagion现象，即评估者偏差通过agent memory系统进行跨时间传播。作者证明即使在完美consolidation（oracle条件）下，有偏经验存储到memory后仍会导致后续agent产生偏差，且偏差传播在污染率低至$p=0.2$时即可被检测到。该工作揭示了当前agent memory设计的关键漏洞，并为测量跨时间偏差传播提供了形式化工具，与关键词agent高度契合。

Differential Spectral Damping Gap Adaptive Regularization for Ill-Conditioned Kernel Methods ⭐ 精选

Praveg Vashishtha

cs.LG

本文提出了一种名为Differential Spectral Damping (DSD)的正则化方法，用于解决核方法（如Least-Squares Twin Support Vector Machines）中因矩阵特征值指数衰减导致的病态问题。该方法基于Davis-Kahan $\sin(\Theta)$定理，通过自适应地惩罚具有小spectral gap（谱间隙）的特征向量（这些方向已被证明不可靠），同时保留具有大spectral gap的特征向量，从而替代了均匀惩罚的Tikhonov正则化。实验表明，DSD在多个高维数据集上显著提升了分类精度，例如在GINA数据集上提升了4.8个百分点，且仅需基于谱的初始化，而Tikhonov方法则需要网格搜索。该工作为病态核方法提供了一种理论驱动的、对特征向量可靠性敏感的spectral正则化框架。

SVD-Surgeon: Optimal Singular-Value Surgery for Large Language Model Compression ⭐ 精选

Mahmoud Safari, Frank Hutter

cs.LG cs.CL

本文提出SVD-Surgeon，一种无需训练的LLM压缩方法。它将Optimal Brain Surgeon (OBS)框架引入singular-value分解的基中，通过计算保留singular values的closed-form更新来补偿因截断移除的singular values对模型loss的二阶影响。该方法可直接应用于现有SVD压缩器（如SVD-LLM），显著提升了OPT系列和LLaMA 2-7B的perplexity-compression权衡，且无需retraining。

Muown Implicitly Performs Angular Step-size Decay ⭐ 精选

Florian Hübler et al.

cs.LG math.OC

本文揭示了Muown优化器对权重矩阵方向更新的本质：其等价于在归一化方向上的Riemannian step，而参数化中的幅度仅调节angular step size。基于此发现，作者提出AngularMuown方法，将angular step size显式化并与径向幅度更新解耦，从而提升了训练稳定性与性能。该方法在modded nanoGPT速度竞赛中领先，并在Qwen2-0.5B及1.1B参数MoE模型上验证了其可扩展性，与关键词“Muon”和“pretrain”高度契合。

Paraphrasing Attack Resilience of Various AI-Generated Text Detection Methods

Andrii Shportko, Inessa Verbitsky

cs.LG cs.AI

本文研究了多种AI生成文本检测方法（如fine-tuned RoBERTa, Binoculars及text feature analysis）在面对paraphrasing attack时的鲁棒性，发现包含Binoculars的集成方法性能最强但攻击下损失也最大，揭示了检测性能与鲁棒性之间的权衡。

Towards CSI-Native Foundation Models: A Channel-Adaptive Roadmap for 6G

Chenyu Zhang et al.

cs.LG cs.AI cs.IT

本文提出了一种面向6G的CSI原生基础模型的通道自适应路线图，通过将预训练、位置建模和注意力控制与通道需求对齐，实现了零样本泛化、尺度外推和推理效率的提升。该方法在减少导频开销和提升频谱效率方面表现出优势，但未直接涉及code、Muon或agent等关键词。

NeuroShield: A Device-Agnostic Foundation Model for EEG Authentication

Matin Fallahi, Patricia Arias-Cabarcos, Thorsten Strufe

cs.LG cs.AI cs.CV

本文提出NeuroShield，一个用于EEG身份认证的可复用foundation model，通过双阶段transformer架构从可变通道和可变长度的EEG记录中学习身份判别embedding，并在多个数据集上验证了其跨设备泛化能力。

Massive Activations Are Architecturally Robust: A Controlled Scratch/Commitment Residual Stream Test

Maruthi Vemula

cs.LG cs.AI

本文提出Ledger Residuals架构，将residual stream分为可变的scratch stream和受保护的accumulator stream，以检验massive activations是否仅为artifact。实验发现，即使分离了读写通道，模型仍会在protected channel中重建start-token outlier，表明massive activations具有架构鲁棒性。

CIExplainer++: Generating Causal and Interpretable Explanations for Graph Neural Networks

Francisco Caldas et al.

cs.LG stat.OT

本文提出了CIExplainer，一种基于因果推断的扰动方法，用于解释Graph Neural Networks (GNNs)的预测，通过Potential Outcome Framework识别对输出具有最高因果效应的子图。此外，还提出了G2TeXplainer，将因果子图转化为自然语言解释，但方法在理论或应用上缺乏显著的开创性，且与关键词列表中的概念关联较弱。

Evidential Fusion Network for Multimodal Survival Prediction under Missing Modalities

Yucheng Xing et al.

cs.LG

本文提出EMMS模型，用于在缺失模态下进行多模态生存预测。该模型利用Dempster-Shafer理论和Gaussian Random Fuzzy Numbers进行决策融合，无需生成缺失数据，并在四个癌症数据集上取得了最优性能。

ELADO: Elliptic PDE Assessment Datasets for Operator Learning

Frank Ehebrecht, Toni Scharle, Martin Atzmueller

cs.LG

本文介绍了ELADO基准测试套件，用于评估神经算子架构在求解椭圆PDE时的失败模式，通过构造Poisson方程和Helmholtz方程的数据集来隔离重尾分布、谱偏移和输入敏感性等困难。该工作主要关注基准测试构建，而非提出新的算子学习方法。

B[FM]$^2$: Brain Foundation Model via Flow Matching with SplitUNet

Jaedong Hwang et al.

cs.LG cs.AI

本文提出B[FM]$^2$模型，通过连续时间flow matching直接在原始EEG信号上预训练，并设计SplitUNet网络结构以处理时间-电极不对称性。该模型在多个下游任务上取得最优结果，但与我提供的关键词（如code, context, spectral, Muon, agent, attention）关联度较低。

CELEUS: Certifiable and Efficient LLM Evaluation via E-Processes

Zhijian Zhou et al.

cs.LG

本文提出Celeus框架，利用E-processes构建任意有效的置信区间，通过不确定性引导采样和代理辅助近似来高效评估LLM性能。该方法在保证统计有效性的同时减少了所需评估样本量。

Evolutionary Discovery of Developmental Reward Schedules in Deep Reinforcement Learning

Alan Nadelsticher Ruvalcaba

cs.LG cs.NE

本文提出了一种进化框架，用于在深度强化学习中自动发现随时间变化的奖励调度（reward schedule），该调度结合了agency、novelty和reactivity三种生物启发式动机成分。在MiniGrid稀疏奖励任务上的实验表明，进化算法（如CMA-ES和L-SHADE）能发现优于手工设计的调度，且novelty在训练早期成为主导信号。

Machine Learning Classification of Cryopathy Syndromes: A Comprehensive Comparative Study

Nataliya Shakhovska et al.

cs.LG cs.AI

本文比较了12种机器学习方法在冷球蛋白血症综合征分类中的表现，发现基于树的集成方法（如随机森林和梯度提升树的软投票集成）优于神经网络，并强调了特征工程的重要性。该研究主要关注临床分类应用，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Understanding Latent Flow Models for Tabular Data Synthesis: Targets, Paths, and Sampling

Bahrul Ilmi Nasution

cs.LG stat.ML

本文通过实验研究了潜在流模型在表格数据合成中的不同学习目标、概率路径和采样策略，发现velocity和posterior matching目标通常带来更高效用，而score和noise matching则降低披露风险，并给出了配置建议。

Temporal Causal Prior-Data Fitted Networks for Panel Data with Learned Reliability Signals

Shravan Talupula, Saurabh Sharma

cs.LG stat.ML

本文提出Temporal Causal Prior-Data Fitted Networks (TCPFN)，一种用于面板数据零样本因果推断的基础模型，通过Causal Judgment Head联合预测多种因果信号，并采用混合训练先验和离散token架构。该方法在多个基准数据集上取得竞争性结果，并在工业规模数据集上展示了可扩展性，但未直接涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念。

MMGNN: Multi-level, multi-color graph neural networks for molecular property prediction

Trung Nguyen, Duc Duy Nguyen

cs.LG cs.AI q-bio.MN

本文提出了一种多层级、多颜色的图神经网络MMGNN，通过将分子图分解为重叠的原子类型对子图来预测分子性质，并在多个基准上取得了有竞争力的结果。该方法主要关注分子图的结构分解，与关键词中的code、context、spectral等概念关联较弱。

Physics-Guided Dual-Stream Heterogeneous Graph Neural Network for Predicting Full-Field Structural Response of Stiffened Panels

Yuecheng Cai, Jasmin Jelovica

cs.LG cs.CE

本文提出了一种Physics-Guided Dual-Stream Heterogeneous Graph Neural Network (DS-HGNN)，用于预测加筋板结构的全场应力和位移。该方法通过双流消息传递和物理引导的边状态初始化，在异构图上处理不同几何与边界条件，并利用spectral-bypass低秩读出来重建物理场。实验表明，DS-HGNN在精度上优于多种基准模型，且所需训练样本更少。

Short-Term Electricity Demand Forecasting for New England Using a Hybrid Transformer-XGBoost Framework with Weather, Calendar, and COVID-19 Indicators

Reza Ghanavati, Behrooz Mosallaei

cs.LG cs.AI eess.SY

本文提出一种混合Transformer-XGBoost框架用于新英格兰地区短期电力需求预测，整合了气象、日历和COVID-19指标。实验表明该模型性能提升有限，且COVID-19特征存在时间有效性衰减问题。

$Ω$: Operator-based Mixture Ensemble for Generative Assimilation

Pouria Behnoudfar, Nan Chen

cs.LG math.DS

本文提出了一个名为$\Omega$的框架，用于处理高维非线性系统中的非高斯后验分布。它结合了条件高斯代理模型、无监督score学习和生成采样，通过分析恢复未观测变量并学习残差，从而避免了监督训练的需求。

Hierarchical Pooling for Sheaf Neural Networks

Dionisia Naddeo et al.

cs.LG

本文提出了一种名为HiSP的层次化池化框架，用于Sheaf Neural Networks (SNNs)。该方法通过基于局部谱粗化的方式，将细粒度的stalk值特征投影到簇内sheaf Laplacian的低频本征模上，从而构建粗粒度的表示。

Towards Robust Training in NNGPT AutoML Pipeline: A Loss-Optimizer Pairing Selection Study

Anton Abramochkin, Radu Timofte, Dmitry Ignatov

cs.LG

本文通过系统实验研究了AutoML管道中损失函数与优化器的配对选择，在LEMUR异构架构池上测试了18种组合，发现没有单一配对普遍最优，Cross-Entropy与Adam或AdamW的组合最为鲁棒。

Learning through Internalization

Nikolaos Tsilivis et al.

cs.LG

本文研究了神经网络系统通过将显式计算过程（如chain-of-thought tokens）内化到自身权重中的学习机制，分析了内化过程的难度及其对分布外性能的影响。作者通过简化的一层transformer模型证明，在奇偶性学习任务中，模型能先通过显式CoT监督学习目标，再逐步内化自回归生成过程。

Grouped Query Experts: Mixture-of-Experts on GQA Self-Attention

Vishesh Tripathi, Abhay Kumar

cs.LG

本文提出Grouped Query Experts (GQE)，在grouped-query attention (GQA)基础上引入mixture-of-experts层，通过router为每个token选择部分query-head experts，在保持KV cache优势的同时减少query-head计算量，在250M参数规模下以一半激活的query heads达到与全激活GQA基线相同的下游准确率。

A Gated Graph Neural Network Approach to Fast-Convergent Dynamic Average Estimation

Antonio Marino, Claudio Pacchierotti, Paolo Robuffo Giordano

cs.LG cs.RO

本文提出了一种基于Gated Graph Neural Network (GGNN)的分布式动态平均估计方法，通过将估计过程建模为分布式自回归器并引入正则化项来保证收敛性。实验表明该方法在收敛速度和精度上优于传统模型，但未涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念。

Right Knowledge, Wrong Answer: Test-Time Steering for Temporal Fact Conflicts in Open-Weight Language Models

Elias Hossain et al.

cs.LG cs.CL

本文研究了大型语言模型中的参数时间冲突问题，提出了一种名为Temporal Attractor Steering (TAS)的测试时干预方法，通过检测冲突并引导隐藏状态来覆盖过时知识，无需重新训练或外部检索。实验表明该方法在多个模型上有效，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Is Our Benchmark Enough? An Analysis of Continual Learning for MLLMs

Van-Tuan Tran et al.

cs.LG cs.AI

本文质疑了MLLM-CL基准测试的有效性，指出其任务在表示空间中高度可分且任务顺序固定，导致基准主要奖励孤立学习而非真正的持续迁移。作者提出了一种无需训练和重放的简单原型路由方法RePRo，并认为共享专家对持续学习无益。

Formalizing Task-Space Complexity for Zero-Shot Generalization

Jung-Hoon Cho et al.

cs.LG eess.SY

本文研究零样本泛化中的任务空间复杂度，提出了一种基于性能的任务不相似性度量（signed divergence），并利用该度量推导出泛化保证和任务空间复杂度的概念。通过贪心策略选择源策略，在Mass-Spring-Damper和CartPole系统中验证了其有效性。

Detecting Satellites in Radio-Frequency Data via Semi-Supervised Learning

Cade W. Trotter et al.

cs.LG cs.AI

本文提出了一种结合Non-negative Matrix Factorization (NMFk)、专家解释和分类器的半监督RF检测与分类流程，用于卫星监测。该方法通过无监督分解发现未标注数据中的潜在模式，再由专家赋予物理意义，从而减少对大规模标注数据的依赖。

Physics-Guided Fully Convolutional Spatiotemporal Learning Toward Digital-Twin-Enabled Microstructure Evolution Prediction

Michael Trimboli, Wenxi Liu, Xianqi Li

cs.LG

本文提出了一种物理引导的全卷积时空学习框架，用于预测微观结构演化。该方法通过将物理方程显式纳入训练目标，提升了预测的物理一致性和长期稳定性，在旋节线分解实验中优于纯数据驱动模型。

Continuous-Time Probabilistic Correctors for Uncertainty-Aware Physics-Based Spacecraft Trajectory Forecasting

Muhammad Bilal Shahid et al.

cs.LG

本文提出了一种基于Latent Neural Controlled Differential Equations (Latent NCDEs)的连续时间概率校正器，用于增强物理驱动的航天器轨迹预测，在2-4天的无观测预测区间内提升了精度和不确定性校准。该方法主要针对航天领域的具体应用，与关键词中的概念关联较弱。

Structure-Aware Graph Multi-Task Learning for Dynamic Sparse OD Demand Prediction

Ming Xu, Jiawei Cao

cs.LG cs.AI

本文提出SAGMTL框架，将动态稀疏OD需求预测分解为结构状态建模和流量强度估计两个子任务，通过节点-边协同表示模块捕捉区域语义和时空动态，并在北京、成都、南京数据集上验证了有效性。该方法主要针对交通预测领域的稀疏性和长尾分布问题，与关键词中的code, context, spectral等概念关联较弱。

Demystifying Numerical Instability in LLM Inference: Achieving Reproducible Inference for Mission-Critical Tasks with HEAL

Zhenting Zhu et al.

cs.LG

本文通过SASS级分析揭示了LLM推理中数值不稳定的根本原因，并提出HEAL方法，利用INT16量化和代数误差补偿策略在16位硬件上近似FP32精度，同时引入MCR-Bench基准评估可复现性。

An Efficient and Effective Architecture for Large-Scale Traffic Prediction via Geometry-Adaptive Square Partitioning

Yongfeng Su et al.

cs.LG cs.AI

本文提出了一种名为SqLinear的大规模交通预测架构，通过几何自适应方形划分算法Square Partition将传感器划分为平衡且近似的方形区域，并设计了层级线性交互模块HLI来替代昂贵的attention机制，以线性复杂度捕捉时空依赖。实验表明该方法在多个大规模数据集上提升了预测精度并显著降低了训练时间。

Sim2O: Efficient Offline-to-Online MARL via Joint Action Composition

Bingchang Song, Yiqin Yang

cs.LG cs.AI

Sim2O提出了一种用于多智能体强化学习(MARL)的离线到在线适应框架，通过将联合动作分解为离线与在线动作提议的组合，并利用集中式价值函数评估混合策略，实现了高效的协调决策。该方法在多个基准测试中优于现有基线，但未涉及code、spectral或Muon等关键词相关技术。

BASIL: Bayesian Application for Scientific Iteration and Learning

Kelvin P. Idanwekhai et al.

cs.LG math.OC

BASIL是一个基于Bayesian方法的桌面应用程序，用于单目标和多目标过程优化。它通过图形界面输入实验参数和目标，构建surrogate model并利用acquisition function指导优化过程。

SLeDGe: Semi-Supervised Learning on Data Streams with Graph Structure Learning

Heechan Moon, Kijung Shin

cs.LG cs.AI

本文提出SLeDGe，一种用于数据流的半监督学习方法，通过联合学习预测模型和自适应图结构来处理标签稀缺和概念漂移问题。该方法利用紧凑记忆和稀疏图结构来平衡快速适应与历史一致性，在多个数据集上取得了优于现有方法的性能。

Enhancing Differentially Private Mechanisms via Empirical Bayes

Minwoo Kim, Junyong Park, Sungkyu Jung

cs.LG cs.CR stat.ME

本文提出了一种基于empirical Bayes估计的去噪方法，用于改进差分隐私中简单加性Gaussian机制的输出，通过仅以该机制的输出作为输入来降低均方误差。数值实验表明该方法在直方图发布、主成分分析和线性回归等统计问题中能提升性能，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。

Chem2Gen-Bench: Benchmarking Chemical-to-Genetic Translation in Perturbation Response Space

Yuxiang Lin, Ying Chen

cs.LG cs.AI

本文构建了Chem2Gen-Bench基准，包含大量化学和遗传扰动数据，用于评估化学到遗传的翻译性能。实验发现翻译保真度存在异质性，且基础模型嵌入在特定场景下未显著优于基线方法。

What Accuracy and Gradient Cosine Miss: Evaluating Feedback Alignment via Scale Stability, Reference Validity, and Depth Utility

Yuren Hao, Xiang Wan, ChengXiang Zhai

cs.LG stat.ML

本文指出标准评估反馈对齐(FA)方法时使用的任务准确率和cosine相似度存在两个独立且隐蔽的失效模式：测量退化与聚合崩溃。作者提出了一个基于scale stability、reference validity和depth utility的诊断协议，并建议使用逐层而非聚合的cosine报告来识别这些失效。

Horizon Adaptive Offline Policy Learning via Value Stitching

Kexin Zheng, Xianyuan Zhan, Xintao Yan

cs.LG cs.RO

本文提出了一种名为VAST的离线策略学习方法，通过递归且自适应地平线的价值组合（value stitching）来替代固定步长的价值更新，以解决长时域任务中的价值估计偏差问题。该方法利用一个辅助价值函数和拼接策略来选择最优的回报长度与未来子目标，从而提供更准确的价值监督信号。

Dead-Direction Signatures: A Cheap Spectral Reading of Singular Complexity

Tejas Pradeep Shirodkar, P. J. Narayanan

cs.LG stat.ML

本文提出Dead-Direction Signatures (DDS)，一种通过激活矩阵或Fisher-Gram的谱线性代数来读取网络奇异结构的廉价方法，替代了需要大量计算资源的SGLD后验链。DDS基于死方向框架，通过秩乘体积恒等式追踪秩亏，在简化回归和transformer实验中展示了与理论预测一致的谱特征。

Inverting the Bellman Equation: From $Q$-Values to World Models

Alistair Letcher et al.

cs.LG cs.AI

本文证明了在足够丰富的reward function上训练的value-based agent（如goal-conditioned RL）隐式编码了环境的world model，并提出了P-learning方法从Q-values中提取该模型。文章提供了agent编码真实transition kernel的充分条件，并在多个环境中验证了提取的模型可用于训练准最优策略。

Rejections Based on Predictive Uncertainty Enable Reliable Routine Soil Spectroscopy

Jonas Schmidinger et al.

cs.LG

本文提出了一种基于预测不确定性的拒绝重测框架（reject-to-remeasure），结合probabilistic modelling与不确定性引导的拒绝策略，在可见-近红外光谱土壤分析中平衡成本与可靠性。该方法使用TabPFNv2.5和TabICLv2等foundation models，在满足用户定义精度要求的同时降低测量成本。

DCD-PFN: A Decoupling-Aware Foundation Model for Causal Discovery

Zhengkang Guan et al.

cs.LG

本文提出DCD-PFN，一种基于Prior-Data Fitted Networks (PFNs)的因果发现基础模型，通过解耦范式（decoupling-based paradigm）实现局部因果发现，并利用并行化局部发现高效重建全局因果图。该模型在合成Structural Causal Models (SCMs)上预训练，具备零样本泛化能力。

Sakana Fugu Technical Report

Yujin Tang et al.

cs.LG

本文介绍了Sakana Fugu，一个通过训练orchestrator模型来动态编排LLM agent团队以解决复杂任务的系统，在多个基准测试上取得了先进结果。其训练结合了大规模微调、进化算法和强化学习，但方法本身并非开创性突破，且与关键词（如code, context, spectral, Muon, pretrain, agent, attention）的契合度有限。

Comparative Evaluation of Machine Learning and Deep Learning Models for Wound-Rotor Synchronous Motor Performance Prediction

Kıvanç Doğan, Ahmet Orhan

cs.LG

本文系统比较了八种机器学习和深度学习模型（包括FT Transformer）在绕线转子同步电机性能预测中的表现，基于3351个样本数据集进行多种子训练和超参数优化。结果表明神经网络模型优于树模型，FT Transformer达到最高精度R²=0.9928，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。

Does RoPE Prevent or Degrade Retrieval Heads? A Mechanistic Analysis Across Model Families

Cengizhan Bayram

cs.LG cs.CL

本文通过实验研究了Rotary Position Embeddings (RoPE)对retrieval heads（从早期上下文复制信息到当前位置的attention heads）的影响，发现RoPE的高频基参数theta不会阻止retrieval heads的形成，但零化其低频维度会剂量依赖性地降低召回性能。该工作主要关注模型机制分析，与关键词中的code、spectral、Muon、agent等关联较弱。

Gradient-Free Warm-Start Library Recovery: an Amortized-Regret Separation

Jianwei Lou

cs.LG cs.NE

本文研究了一种无梯度、局部、在线且仅追加的持续学习方法，通过解耦机制在重复出现的流数据中实现摊销恢复成本，其优势随维度增长，但受限于可识别场景的指数级上限。

Intrinsic Flow Matching on Quantum Pure-State Manifolds with Phase-Aligned Transport

Jian Xu et al.

cs.LG

本文提出了一种在量子纯态流形上的内在流匹配方法，通过相位对齐传输学习切向速度场，以解决欧几里得生成模型与量子态几何不匹配的问题。该方法在量子态生成任务上取得了改进，但与我提供的关键词（如code, context, spectral等）关联度较低。

An Empirical Study of OpenPangu Quantization on Ascend NPUs

Tong Shi et al.

cs.LG cs.AI

本文在华为Ascend NPUs上对OpenPangu 1B和7B模型进行了多种后训练量化方法的实证研究，发现8-bit权重量化几乎无损，而4-bit量化对1B模型的推理和代码任务有明显损害，极端低比特量化仍面临挑战。

Reward-free Pretraining for Reinforcement Learning via Occupancy Coverage Maximization

Marco Pratticò et al.

cs.LG

本文提出了一种名为ROVER的奖励无关预训练方法，通过最大化occupancy measure的状态空间覆盖（可转化为entropy maximization）来预训练可迁移的exploration policy，并利用operatorial formulation of RL和learned resolvent world model估计occupancy，引入虚拟"sink"状态平衡已知与未知区域的探索。该方法在tabular和pixel-based稀疏导航任务中优于标准baseline，但与我提供的关键词（如code, context, spectral, Muon, attention）关联度较低。

Reconstructing Randomly Masked Spectra Helps DNNs Identify Discriminant Wavenumbers

Yingying Wu et al.

cs.LG

本文提出了一种任务增强的TeaNet网络，通过随机掩码光谱重建来生成增强样本，以解决振动光谱数据有限的问题。该方法在合成和真实数据集上优于CNN，并提高了对判别波数的识别能力。

Topological Neural Dynamics: A Neuron-wise Framework for Sequence Modeling

Borui Cai, Yao Zhao

cs.LG cs.AI

本文提出Topological Neural Dynamics (TND)框架，将序列建模从层-wise dynamics转向neuron-wise dynamics，通过有向neuron graph和局部dynamics函数实现个体神经元独立演化。在单玩家Pong的行为克隆任务中，TND相比RNN、LSTM等基线取得了更好的catch rate。

NASDAQ: Normalized Observation Space Dynamics-Augmented Q-Learning

Xinwei Liu et al.

cs.LG cs.AI

本文提出了一种针对低维观测空间下observation-predictive RL（通过观测动态预测来增强无模型强化学习）中重建损失不平衡问题的归一化方法，并构建了NASDAQ框架。该方法通过归一化低维观测来平衡各维度的损失与梯度，并联合价值学习与短期价值预测、归一化观测预测两个辅助任务来学习状态-动作表示。

Task-Differentiated Atomic Skill Expansion and Routing for Continual Learning Across Highly Heterogeneous Tasks

Jiacheng Wang et al.

cs.LG cs.AI

本文提出TASER框架，通过原子技能增量学习和动态路由机制解决高度异构任务下的持续学习问题，在HeteroCLBench基准上提升了可塑性与抗遗忘能力。

Objective-Behavior Alignment: Diagnostics for MORL Policy Selection

Antonio Mone et al.

cs.LG

本文提出了一种用于多目标强化学习(MORL)的策略选择诊断工作流，通过自动揭示Pareto前沿上目标值无法体现的行为差异，为决策者提供定量和可视化工具。该方法在简单网格和连续控制基准上验证了有效性。

Distinguishing indistinguishable attractors: Unsupervised anomaly detection with reservoir computers

Davide Prosperino, Haochun Ma, Christoph Räth

cs.LG nlin.CD

本文提出了一种基于reservoir computer的无监督异常检测方法，通过Kolmogorov-Smirnov检验比较输出权重的经验累积分布函数来检测非线性动力系统的状态变化。该方法能区分视觉上不可区分的吸引子，并在参数漂移和噪声检测上优于深度学习基线。

MedTS-TTT: Test-Time Training for Medical Time Series Classification

Mingzhi Chen, Yiyu Gui, Guibo Luo

cs.LG

本文提出MedTS-TTT框架，基于CLSA-TTT和Gated Convolutional Backbone (GCB)实现医疗时间序列的test-time training，通过单步快速权重更新避免迭代内循环开销，在EEG和ECG数据集上取得较好效果。

DataClaw0: Agentic Tailoring Multimodal Data from Raw Streams

Cong Wan et al.

cs.LG cs.AI

本文提出DataClaw0，一种将多模态数据处理提升为可学习能力的agentic方法，通过两阶段流水线生成训练数据，并利用SFT和GRPO进行模型对齐。该方法旨在从原始流中主动提炼和结构化数据，以服务于下游任务如视频生成和VQA。

A Reward-Petri-Net Interpretation of Temporal Behavior Trees

Till Schmeil, Günther Waxenegger-Wilfing, Sebastian Schirmer

cs.LG

本文提出将Temporal Behavior Trees (TBTs)解释为Reward-Petri-Nets (RPNs)以用于reinforcement learning (RL)，通过将TBT中的时序约束（用Linear Temporal Logic指定）转换为Petri Net结构并自动分配奖励，从而在复杂机器人任务中提升学习效率。实验表明该方法在vanilla RL失效的场景下仍能有效学习，并改善了样本效率。

Urban Power Grid Topology and Hierarchy Identification from Open Data

Shiliang Zhang, Sabita Maharjan

cs.LG

本文利用公开数据（如OpenStreetMap）和基于图的算法及地理空间机器学习，提出了一种从高压输电到建筑连接的完整城市电网拓扑与层级识别框架，并在挪威奥斯陆的Alna区进行了应用验证。

SOHET: Sequence Of Heterogeneous Events Transformer with Self-Supervised Pre-Training

Kees Jan de Vries, Mustafa Radha, Mathijs de Jong

cs.LG cs.AI

本文提出SOHET，一种用于异构事件流的分层Transformer架构，结合了事件类型特定的表格编码器与时间和类型嵌入。在欺诈检测任务上，SOHET优于现有方法，自监督预训练带来额外性能提升和更快收敛。

Predictive Repair Management Using a Multi-Head Attention Transformer and Online Learning

Xinyao Zhang et al.

cs.LG

本文提出了一种基于Multi-Head Attention Transformer和Online Learning的预测性维修管理框架，用于对汽车维修时长进行分类。该框架通过嵌入和注意力机制处理表格数据中的类别与数值特征，并引入加权损失函数解决类别不平衡问题。

Enhancing Creativity in 3D Generative Design via a TRIZ-Inspired Text-to-CAD Framework

Dongeon Lee et al.

cs.LG

本文提出了一种受TRIZ启发的text-to-CAD框架，利用LLM生成可编辑的3D CAD模型并探索创造性设计替代方案。通过集成TRIZ原理到LLM提示策略中，该框架在保持结构完整性的同时实现了4.0-14.7%的质量减轻，但主要聚焦于设计生成与增强阶段，优化阶段留作未来工作。

Unsupervised Disentanglement Without Compromises : How Functional Orthogonality Enforces Identifiability

Mathieu Cyrille Simon, Pascal Frossard, Christophe De Vleeschouwer

cs.LG cs.AI

本文从functional视角研究无监督解耦表示学习，通过约束生成映射的Jacobian矩阵满足局部正交性来定义latent concepts，并证明该条件在latent domain允许所有因子值组合时能保证一般非线性生成模型的可识别性。实验用正交正则化的normalizing flows验证了理论，但未直接涉及code、context、spectral等关键词。

VLA-FAIL: Efficient Task Failure Detection for Finetuned Vision-Language-Action Models

Florian Seligmann et al.

cs.LG cs.CV

本文提出VLA-FAIL，一个轻量级的任务失败检测框架，用于微调后的Vision-Language-Action Models (VLAs)。该框架结合了基于last-layer Mahalanobis distance的分布外状态检测和基于action chunk consistency的时序一致性检测，无需失败数据即可实现高效失败检测。

Atomistic Language Models Understand and Generate Materials

Sathya Edamadaka et al.

cs.LG cond-mat.mtrl-sci

本文提出了Atomistic Language Models (ALMs)，通过连续投影器将预训练的原子编码器、大语言模型和去噪扩散模型统一，实现了从自然语言生成和优化晶体结构。该方法在晶体结构预测和从头生成任务上取得了最先进的结果，并引入了首个文本条件晶体生成与优化基准ALM Bench。

One Size does not Fit All: Heterogeneous Latent Space Alignment for Unsupervised Domain Adaptation

Evangelia Koskinioti et al.

cs.LG

本文提出了一种名为ADualVUOT的无监督域适应框架，通过双编码器VAE与连续归一化流增强潜在表示的表达能力，并利用非平衡最优传输中的Gaussian-Gromov-Wasserstein距离对齐域间结构差异。实验表明该方法在医学图像分割任务上优于现有基于最优传输的方法，但未涉及关键词中的code、spectral或Muon等概念。

Federated Temporal Attention Intelligence for Cyber-Resilient IoMT: Lightweight Digital Twins and PPO-Driven Honeypot Deception

Syed Zeeshan Haider et al.

cs.LG

本文提出LDT-FRL框架，结合Temporal Attention Encoder和Federated PPO agent，用于IoMT网络安全防御。该框架通过轻量级Digital Twins和联邦学习实现隐私保护，在多个基准上取得高准确率。

Dual-Attention Convolution Experts for Sparse Tensor Completion

Yanlei Liu, Zhenyu Liao

cs.LG cs.IR

本文提出了一种名为DCGC的神经tensor factorization方法，通过multi-channel convolution network和gated dual-attention mechanism来捕捉复杂的cross-mode interactions，并引入group-level contrastive learning策略缓解数据稀疏性问题。实验表明该方法在traffic和recommendation应用中优于现有技术。

Fusing Backdoors, Machine Learning, and Optimization for Large-Scale Parametric Mixed-Integer Programs

El Mehdi Er Raqabi, Pascal Van Hentenryck

cs.LG math.OC

本文提出BIPC框架，通过识别backdoor变量子集并利用机器学习预测其值，加速大规模混合整数规划问题的求解。该方法在保持解质量的同时显著缩短求解时间，适用于参数频繁变化的场景。

Fast-TurboQuant: A Multiplier-Free Online Vector Quantization Approach

Pedro M. R. Pereira, Felipe A. P. de Figueiredo, Rausley A. A. de Souza

cs.LG cs.IT eess.SP

本文提出Fast-TurboQuant，一种无乘法器的在线vector quantization方法，通过用fast Johnson-Lindenstrauss transform替代密集随机旋转矩阵来降低计算复杂度。该方法在DBpedia OpenAI-3 Large embeddings上实现了19.7倍的算法加速，但未直接涉及code、context或attention等关键词。

Post-Training Speech Enhancement Language Models with Perceptual Rewards

Frédéric Berdoz et al.

cs.LG

本文提出了一种针对自回归语音增强语言模型的后训练阶段，使用Group Sequence Policy Optimization (GSPO) 和多指标感知奖励（如DNSMOS, WER, UTMOS）直接优化不可微的评估指标，在DNS2020基准上取得了先进结果。该方法不涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Deep Learning for Soil Moisture Estimation: Fusing Satellite Data with Optimally-Lagged Meteorological Features

Adrian Canovas-Rodriguez, Aurora González Vidal, Antonio F. Skarmeta

cs.LG

本文提出了一种基于Cross-Correlation Function (CCF)的方法来确定气象变量与土壤湿度之间的最优时间滞后，并融合卫星数据与气象特征，使用CNN、LSTM和CNN-LSTM混合架构进行土壤湿度估计。实验表明，显式建模大气和垂直地下延迟能显著提升估计精度，但方法本身在深度学习架构上缺乏开创性，且与关键词列表中的概念关联较弱。

Robustness Cannot be Reduced to Regularization: Studying Adversarial Training Beyond the Linear Case

David A. R. Robin, Rafael Pinot, Yann Chevaleyre

cs.LG

本文证明了对于两层神经网络，对抗风险无法等价于任何仅具有弱数据依赖性的简单正则化风险，并通过实验表明这种不可能性在更深层的Wide-ResNet架构中依然存在。

Predicting High-Risk Colorectal Polyps in African Americans Using Pre-Colonoscopy Clinical Features: Machine Learning Model Development and Temporal Validation

Basheer Qolomany et al.

cs.LG cs.AI

本文利用多种机器学习模型（如神经网络、随机森林、SVM等），基于非侵入性的结肠镜检查前临床特征，预测非裔美国人群体中高风险结直肠息肉的发生。研究在内部和外部时间验证集上评估了模型性能，但方法本身属于常规的临床预测模型应用，未涉及关键词中的核心概念。

Privacy-Preserving Federated Temporal Graph Learning with Digital Twin--Guided Adaptive Deception for Cyber-Resilient IoMT

Syed Zeeshan Haider et al.

cs.LG

本文提出了一种联邦时序图卷积网络架构Federated TGCN-A2C，结合数字孪生与自适应欺骗机制，用于保护IoMT环境中的隐私与网络安全。该方法在CICDDoS 2019和TON-IoT基准上取得了超过99%的测试准确率，并提供了可解释性分析。

Backpropagating Through Simulation: Analytic Policy Gradients for Sample and Learning Efficient Differentiable Continuous Control

Yueci Deng

cs.LG cs.AI

本文提出了一种名为Analytic Policy Gradients (APG)的方法，通过利用可微分的environment dynamics，将return视为policy parameters的端到端可微函数，从而通过backpropagation计算精确的policy gradient。该方法在多个连续控制任务上与PPO进行了对比，并设计了分段backpropagation方案以缓解长时域任务中的梯度退化问题。

Memory Is No Longer a Bottleneck: Memory-Efficient Graph Filtering for Scalable Collaborative Filtering

Jin-Duk Park, Won-Yong Shin

cs.LG cs.AI cs.IR cs.IT cs.SI

本文提出Mem-GF，一种基于Krylov子空间的内存高效图滤波方法，用于协同过滤推荐。该方法通过避免存储完整的物品相似度图来降低内存消耗，并在理论上分析了保证无损近似的最小Krylov子空间大小。实验表明，该方法在保持推荐精度的同时，显著降低了内存使用和运行时间。

LIG: Layer-wise Integrated Gradients for Within-Layer Flow Analysis in Transformers

Eight Suzuki, Hideitsu Hino, Noboru Murata

cs.LG

本文提出LIG (Layer-wise Integrated Gradients)方法，将Integrated Gradients扩展到set-to-set映射场景，用于分析Transformer中每个layer内部的信息流动。该方法通过L2标量化处理非线性module边界处的token-to-token贡献，并借鉴Layer-wise Relevance Propagation的composition思想，为Transformer内部计算提供了一种module-boundary粒度的诊断工具。

The Cost Geometry of Belief: finite-resource inference under noisy observation

Laurent Caraffa

cs.LG cs.IT math.DG math.ST

本文在信念空间上引入了一种由Wasserstein最优传输和Fisher信息共形加权构成的代价几何，并证明了在该几何下，确定性（完美孪生）被推至无穷远，且高斯分布具有极值性。该工作为有限资源下的噪声观测推理提供了几何框架，但与关键词列表中的code、context、spectral、Muon、pretrain、agent、attention等概念无直接关联。

FAST: A Framework for Aligned Sampling and Training in Parallel Reinforcement Learning for Autonomous Driving

Bonan Wang et al.

cs.LG cs.AI

本文提出FAST框架，通过动态并行采样对齐（DPSA）和缩放掩码填充优化（SMPO）解决并行强化学习中的掉队者效应，在保持统计无偏性的同时提升自动驾驶闭环仿真的采样效率。

Geometric and Information Compression of Representations in Deep Learning

Linara Adilova et al.

cs.LG cs.IT

本文研究了深度学习中表示的信息论压缩（低互信息MI）与几何压缩（类内聚类）之间的关系，发现两者并非简单对应，而是存在非线性且可能反转的负相关关系，并指出泛化能力可能是这一关系中的混杂因素。

Learning to Place Guards by Reinforcement: A Geo-Free Neural Policy for the Vertex-Guard Art Gallery Problem

Domagoj Ševerdija et al.

cs.LG cs.CG

本文研究使用强化学习训练pointer-network策略解决vertex-guard Art Gallery Problem，提出geo-free inference约束（测试时仅使用顶点坐标，无visibility计算）。实验发现策略在训练范围外出现大量未覆盖多边形，通过冻结encoder并用分类器解码可显著改善，表明强化学习已编码几何知识，失败源于decoder校准而非知识缺失。

The Two-Hump Problem: Bridging the Difficulty Gap in Mathematical Reinforcement Learning

Lucas Fagan et al.

cs.LG cs.AI math.GR math.GT

本文研究了Andrews-Curtis (AC)猜想在Reinforcement Learning (RL)中的"Two-Hump"问题，即问题实例要么极易解决要么几乎不可能，缺乏中间难度的实例。作者通过新的数据生成技术和算法改进（如supermoves和Transformer架构）来填补这一难度差距，并发布了AC-19和AC-1M两个大规模基准数据集。

HERALD: High-Throughput Block Diffusion LLM Serving via CPU-GPU Cooperative KV Cache Retrieval

Omin Kwon et al.

cs.LG

本文提出HERALD系统，通过CPU-GPU协同的KV cache检索机制，利用block dLLMs中KV条目在去噪步骤间的一致性，实现高精度稀疏检索并降低开销。该系统在5-10%的KV预算下达到近无损精度，相比纯GPU推理提升了吞吐量。

A new classification method based on Minimum Spanning Trees

Julio González-Díaz, Beatriz Pateiro-López, Iria Rodríguez-Acevedo

cs.LG stat.ME stat.ML

本文提出了一种基于Minimum Spanning Trees (MST) 的监督学习分类算法，并引入了鲁棒且计算高效的改进版本。通过模拟研究和飞机轨迹的实际案例验证了其有效性。

When Is an LLM Worth It for Hyperparameter Optimization? A Budget-Matched Study on Tabular Data Finds the Warm-Start Is a Default Configuration, Not the Model

Carson Rodrigues, Oysturn Vas

cs.LG cs.AI

本文通过预算匹配的多种子实验，在表格数据上比较了LLM作为超参数优化顾问与经典方法的性能，发现LLM的初始优势完全来自固定的默认配置，而非其模型输出，且经典方法在少量评估后即可超越LLM。

A Framework for Directed Acyclic Hypergraph Learning

Zhiyuan Dong et al.

cs.LG

本文提出了一种从观测数据中学习有向无环超图（DAHG）的框架，通过广义线性结构方程模型和基于张量t-积的循环性约束，将传统DAG学习扩展到能捕捉联合父节点影响的高阶因果关系。

Decodable but Not Faithful: Coupling Natural-Language Rationales to Programmatic Verifiers

Vatsal Ananthula, Adarsh Kumarappan

cs.LG cs.AI cs.CL

本文提出verifier-coupled reasoning框架，通过训练一致性头从推理轨迹的隐藏状态中预测程序化验证器的输出，发现可解码性与忠实性之间存在差距：一致性训练能使验证器信息从推理表示中解码，但无法保证生成的解释忠实于模型内部推理。

Expressivity Saturation: Reduced Affine Region Usage Under Increasing Task Complexity

Xuan Qi et al.

cs.LG

本文研究了piecewise-affine neural networks（如ReLU激活）中理论区域容量与实际训练后实现的affine regions数量之间的差距。通过理论定理和实验枚举，作者发现随着任务复杂度增加，训练后的网络在评估域中使用的affine regions数量显著减少，并将此现象称为expressivity saturation。

Embedding Linear Equality Constraints in Probabilistic Neural Networks for Dynamic Modelling

Matthew Marsh, Benoit Chachuat, Antonio del Rio Chanona

cs.LG

本文提出了一种概率神经网络框架，用于在动态建模中嵌入线性等式约束，同时捕获aleatoric uncertainty。该方法在批处理反应器案例上验证了质量平衡约束的满足情况，相比现有方法在预测精度和不确定性校准上有所提升。

AdaPrivate-TS: Private Thompson Sampling for Contextual Bandits with Privacy Amplification

Mohammadreza Riyazat, Eranga Ukwatta

cs.LG cs.CR stat.ML

本文提出AdaPrivate-TS，一种结合Thompson Sampling与批处理zCDP组合的差分隐私contextual bandit算法，通过向奖励添加高斯噪声并利用噪声对后验协方差的结构化影响（将噪声视为不确定性而非污染）来平衡隐私与效用。实验表明，在事件级隐私下，该算法在$\varepsilon \in [0.5, 5]$时能达到非隐私性能的93-99%，并在MovieLens和Jester数据集上优于UCB基线。

Decision-Focused Learning: When and Why Traditional Prediction Models Fail

Mo Liu

cs.LG stat.ME

本文回顾了决策聚焦学习（DFL）领域的最新进展，指出在“预测-然后-优化”范式中，单纯提升预测精度并不总能改善下游决策质量。文章重点讨论了传统统计学习工具（如基于预测不确定性的数据收集策略和Wasserstein距离等分布度量）为何不适用于决策聚焦场景，并总结了DFL区别于传统预测建模的关键特性。

Beyond the Next Step: Variable-Length Latent World Models for Long-Horizon Planning

Tianqi Du et al.

cs.LG cs.AI

本文提出Variable-length Latent World Models (VLWMs)，通过预测变长动作序列下的未来latent states，解决了现有latent world models在长程规划中因递归预测导致的误差累积问题。实验表明该方法在长程控制任务上优于现有方法。

A Causal DAG Prior for Synthetic Time-Series Classification Datasets

Franco Martino O'Rourke, Ana Trisovic, Dimitris Bertsimas

cs.LG

本文提出了一种用于合成多变量时间序列分类数据集的因果DAG先验，通过随机采样的有向无环图生成具有跨模态因果结构的数据，并基于TabPFN v2.5微调验证了其有效性。实验表明，该先验显著优于未修改的上游模型和纯表格消融版本。

RocketPFN: Accurate Time Series Classification via In-Context Learning

Franco Martino O'Rourke, Ana Trisovic, Dimitris Bertsimas

cs.LG

本文提出RocketPFN，一种无需训练的时间序列分类pipeline，通过结合随机卷积特征提取（Rocket）与预训练表格基础模型（TabPFN v2.5）的in-context分类能力，在UCR和UEA数据集上达到与最强集成方法HC2相当的精度，并显著优于其他TSC基础模型。该方法为zero-shot时间序列分类提供了一个高效的参考基准。

What Do Lorentz-Equivariant Jet Taggers Learn?

Jay Agarwal, Siddharth Khare, Dhruv Kumar

cs.LG hep-ex hep-ph physics.data-an

本文通过equivariance tests, linear probes和grade ablations等方法，研究了L-GATr等Lorentz-equivariant jet taggers的内部学习机制，发现这些模型会抑制frame-dependent pseudorapidity并编码jet mass等物理特征，同时揭示了bivector channels在top-quark tagging中作用可忽略。

Discretizing Reward Models

Vijay Viswanathan et al.

cs.LG

本文指出连续reward model（奖励模型）存在过度敏感性问题，即对同样好的response给出不同分数，并证明这会导致不良策略。作为解决方案，作者提出一种无需训练的算法，通过Monte Carlo dropout将任意neural reward model的输出离散化为reward clusters，从而在保持判别能力的同时降低过度敏感性。

Causal Variational Deep Embedding: A Family of Interventional Generators for Confounded Images

Jingyuan Chen, Kangrui Ruan, Junzhe Zhang

cs.LG

本文提出CauVaDE方法，基于一个规范增广SCM（Structural Causal Model），将未观测的confounder（混杂因子）坍缩为离散潜在聚类变量，并证明该规范类在Wasserstein距离下稠密。该方法通过混合变分自编码器实例化，并用熵正则化器追踪一组候选因果效应，以生成多样化的interventional（干预性）图像样本。

Causal Gaussian Processes for Robust Treatment Effect Evaluation with Unobserved Confounding

Junzhe Zhang, Jingyuan Chen, Elias Bareinboim

cs.LG

本文提出了一种名为Causal Gaussian Process (CGP)的模型，用于在存在未观测混杂因素的情况下，从连续域观测数据中评估因果效应。该方法通过对外生变量域进行通用离散化，以有限隐状态近似任意因果模型的观测与干预分布。

Local Causal Attribution of Chain-of-Thought Reasoning

Dennis Wei et al.

cs.LG cs.CL

本文提出了一种名为AttriCoT的黑盒方法，用于分析语言模型在chain-of-thought推理过程中各组件间的局部因果归因。该方法通过构建structural causal model并估计重要性参数，以$O(U)$次前向传播实现归因，实验表明其归因结果比现有方法更忠实于模型行为。

Mat-Pref: Verifiable-Reward Training Improves Compositional Reasoning in Inorganic Materials

Sarrah R. Mikhail Leung, Taehan Kim, Jeongbin Park

cs.LG

本文提出了一个名为Mat-Pref的benchmark，用于评估无机材料中组合推理的泛化能力，并验证了基于可验证奖励的强化学习（RLVR）能提升模型性能。实验表明，监督微调结合GRPO算法可显著提高小模型在结构泛化上的表现，但该工作主要聚焦于材料科学领域的特定任务，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念关联较弱。

UniRank: Unified Rank Allocation for Low-Rank LLM Compression

Chao Han et al.

cs.LG cs.AI

本文提出了一种名为UniRank的低秩分解压缩方法，通过局部奇异能量比和全局功能重要性（输入-输出余弦相似度）两个标准对奇异分量进行排序和截断，以实现全局秩分配。该方法在无需微调的情况下，相比均匀或启发式分配基线，困惑度降低高达50%。

WiSP: A Working-Set View of Mixture-of-Experts Serving on Extremely Low-Resource Hardware

Jiamu Zhang et al.

cs.LG

本文提出WiSP系统，将低资源硬件上的MoE模型服务视为GPU工作集管理问题，通过路由感知的专家分页器仅保留被重复使用的专家权重，并设计MV-WSA分配策略来平衡专家与KV缓存间的显存分配，在模型无法完全放入显存时提升了解码吞吐量。

Protein contacts are already in the attention: a single-forward-pass alternative to the Categorical Jacobian

Rome Thorstenson

cs.LG cs.AI

本文发现蛋白质语言模型中的contact信号已集中在少数attention heads中，通过选择top-K相关heads并取平均，可在单次前向传播中恢复contact，优于Categorical Jacobian方法。实验在leakage-clean数据上验证了该方法的有效性，并引入了representation-CJ作为Jacobian的hidden-state泛化。

A Verifiable Search Is Not a Learnable Chain-of-Thought

Harsh Patel

cs.LG cs.AI cs.CL

本文通过九个推理任务实验，证明可验证的搜索过程（如Cryptarithm中的回溯搜索）无法被蒸馏为可学习的chain-of-thought，即使模型能正确执行单步算术，也无法将搜索过程转化为从左到右的推导。该发现表明，当问题的唯一解法依赖于对无信息结构的搜索时，不存在忠实的正向chain-of-thought可供模仿。

Cohort-Anchored Foundation Models for Electronic Health Records: From Risk Scores to Auditable Peer Cohorts

Kaiping Zheng

cs.LG cs.AI

本文提出CAFM框架，将患者队列作为核心对象融入EHR基础模型的训练流程，通过数据筛选、队列条件预训练、多模态对齐和临床专家反馈等阶段提升模型的可解释性与可靠性。该框架可增强现有模型，但未直接涉及code、spectral、Muon或agent等关键词。

Ranking-and-Selection with Multiple Correct Answers and Non-Answerable Estimates

Qiaoqiao Wang, Wei You

cs.LG stat.ML

本文研究了在结构化ranking-and-selection问题中，当正确答案可能不唯一且噪声估计可能暂时无法给出有效答案时的固定精度选择问题，提出了一个基于answer-wise acceptance sets的统一框架，并设计了ENDS算法。该工作为处理非唯一答案和不可回答估计的纯探索问题提供了通用框架和算法思路。

AgroSense 2.0: Cross-Modal Transformer Fusion with Geospatial Raster Integration and Interpretable Multi-Task Learning for Precision Crop Recommendation

Vishal Pandey, Rishav Tewari, Ruzina Haque Laskar

cs.LG cs.CV

本文提出AgroSense 2.0，通过cross-modal Transformer fusion模块将土壤raster图像与tabular nutrient特征进行multi-head attention融合，并采用multi-task learning优化soil classification与crop recommendation。该方法在precision agriculture中引入了geospatial raster integration与TreeSHAP可解释性分析，但整体创新性有限，未涉及code、spectral、Muon、pretrain或agent等关键词。

Data Pruning: Redundant, Problematic, and Interdependent Samples

Leon Freese, Marthinus W. Theunissen

cs.LG

本文研究了两种主流数据剪枝方法在标签噪声下的表现，发现它们在显著噪声下会失效，并指出数据剪枝的成功受冗余、问题样本和样本间相互依赖三个因素影响。实验在常见分类数据集和神经网络架构上进行，观察结果在不同数据分布和训练协议下一致。

Selective Ensemble Based on Preference-Directed Multi-Objective Bandits

Lanjihong Ma et al.

cs.LG

本文形式化了偏好导向的多目标bandits问题，并提出了PrefUCB算法，通过方向置信区间引导探索，在部分指定线性偏好下实现了对数级遗憾界。实验验证了该方法在大模型选择性集成和资产分配任务中的有效性。

DevoTG: Temporal Graph Neural Networks for Modeling C. elegans Developmental Connectomics

Jayadratha Gayen, Bradly Alicea

cs.LG q-bio.NC

本文提出了DevoTG，一个用于建模秀丽隐杆线虫神经发育的时间图框架，通过Temporal Graph Neural Networks处理细胞分裂和突触连接数据，在谱系预测任务上优于静态GNN。该工作主要贡献于发育神经科学领域，与关键词中的code和attention有一定关联，但方法本身并非开创性突破。

Modularized Reinforcement Learning on LLMs: From MDP Creation to Exploration and Learning

Zhao Yang et al.

cs.LG cs.AI

本文系统梳理了强化学习在LLM后训练中的应用，从MDP构建、探索策略到学习范式三个维度对现有方法进行分类，并指出当前研究主要集中在critic-free策略梯度和Monte Carlo credit assignment上，而value-based方法、off-policy actor-critic训练等方向尚待探索。

On the Curse of Dimensionality in Private Sparse Covariance Estimation and PCA

Syamantak Kumar et al.

cs.LG cs.CR cs.DS math.ST

本文研究了差分隐私下稀疏协方差矩阵估计和PCA的样本复杂度，证明了在$k$-RCS稀疏性假设下，私有算法存在维度灾难，即需要$\Omega(d)$样本，而非私有情形仅需$\mathsf{poly}(k,\log d)$样本。

Learning by Shifting: Temporal View Construction for Time Series Contrastive Learning

Abdul-Kazeem Shamba, Kerstin Bach, Gavin Taylor

cs.LG

本文提出了一种名为ShiFT的简单确定性时间序列对比学习方法，通过显式编码时间平移不变性来构建正负样本对，在多个基准数据集上取得了最优性能。该方法主要关注时间序列分类任务，与关键词中的“code”、“context”、“spectral”等概念关联较弱。

A Standard Processing Pipeline for High-accuracy Measurement of Few-shot Regression on Laser Induced Breakdown Spectroscopy

Hao Li

cs.LG

本文提出了一种用于激光诱导击穿光谱（LIBS）少样本回归的标准处理流程，集成了基于扩散的去噪、基于attention的autoencoder降维、组洗牌数据增强和普通最小二乘回归。实验表明该流程在多个元素浓度上优于传统方法，但方法本身并非开创性，且与关键词列表中的概念关联较弱。

VegSim: A Geospatial World Model for Scenario-Conditioned Vegetation Simulation

Irene Iele et al.

cs.LG

VegSim是一个地理空间世界模型，用于在给定气象条件下模拟植被状态（通过NDVI量化）。它利用latent dynamics和recurrent结构，将未来气象作为可控输入，支持概率预测和条件模拟，并在GreenEarthNet数据集上验证了其准确性。

SPOTR: Spatio-temporal Pooling One-Token Reconstruction for Universal Physiological Signal Self-supervised Learning

Yiyu Gui et al.

cs.LG cs.AI

本文提出SPOTR框架，通过将生理信号压缩为单token表示并基于此重建信号，实现跨模态自监督学习。该方法在EEG、ECG等20个数据集上线性探测性能优于基线，但未涉及code、context或spectral等关键词。

Prefix-Guided On-Policy Distillation: Mining Golden Trajectories from Rollouts

Qingfei Zhao et al.

cs.LG

本文提出Prefix-Guided On-Policy Distillation (PG-OPD)方法，通过固定长度的prefix评估学生采样轨迹与教师的兼容性，仅对高兼容性轨迹进行长序列生成与训练，从而提升数学推理中on-policy distillation的效率与准确性。该方法在AMC、AIME等基准上提升了准确率并减少了训练时间。

Load Testing for Machine Learning Model Serving Systems at Scale

Amr S. Abdelfattah et al.

cs.LG cs.PF

本文介绍了一个名为\sys的工业级负载测试框架，用于机器学习模型服务系统，通过自适应反馈驱动搜索策略来估计服务容量。该框架利用实时性能信号，结合阻尼、尖峰容忍度和收敛检测，以在SLO约束下高效识别最大可持续吞吐量。

Channel Location Constrains the Auditability of Subliminal Learning

Tamas Madl

cs.LG cs.AI

本文研究了subliminal learning（一种学生从蒸馏数据中继承教师隐藏特征的学习方式）的可审计性，发现关键因素在于channel location（特征传递的载体通道），而非模型规模或身份。通过实验，作者识别出三种不同的传递机制，并指出审计方法必须与载体通道匹配，否则可能产生虚假的安全保证。

Cluster-Specific Localized Drift Detection for Efficient Batch Model Adaptation under Controlled Distribution Shift

Ignacio Cabrera Martin et al.

cs.LG cs.AI

本文提出了一种基于聚类的分布漂移模拟框架，将静态表格数据集转化为受控的演化数据流，并系统评估了六种适应策略（如滑动窗口重训练、全局ADWIN重训练等）在分类与回归任务中的表现。该工作主要关注数据漂移检测与模型适应，与关键词中的概念无直接关联。

A Completion-Aware Framework for Impactful Counterfactual Explainability in Graph Neural Networks

Maria Myrto Villia et al.

cs.LG cs.AI

本文提出了一种用于图神经网络(GNN)的通用、模型无关的局部级反事实可解释性框架，通过结合事实可解释性与链路预测中的缺失边预测模型来提升解释质量。实验在多种图分类基准上验证了其有效性。

Gradient-Descent Steps to Success over Mean Accuracy: A Paradigm Shift for ML

Riccardo Poli, Ahmet Yilmaz

cs.LG cs.AI cs.NE

本文提出了一种基于计算代价（gradient descent步数）的机器学习模型评估新范式，并展示了最小化该代价可作为AutoML的一种形式。实验发现最优超参数倾向于异常大的学习率，并揭示了达到不同精度目标时训练策略的相变现象。

New Smooth Loss functions for Robust Regression that Closely Approximate Absolute Error and Provide Improved Performance on Datasets With Significant Outliers

Mathew Mithra Noel et al.

cs.LG cs.AI

本文提出了两种新的无限可微损失函数Square Root Loss (SRL)和Smooth Mean Absolute Error (SMAE)，它们比Huber和Log-Cosh损失更接近Mean Absolute Error (MAE)，从而在训练数据含有大量outliers时提升回归性能。文章证明了SRL是严格凸的，SMAE是严格拟凸的，并通过大量基准测试验证了其优越性。

Frequency-Domain Neural ODEs for Modeling Non-Linear Dynamical Systems

Mohammed Ashraf, Ayman A. El-Badawy

cs.LG math.DS

本文提出Frequency-domain Neural ODE (FNODE)，利用FFT将连续时间动力学投影到频域进行建模，以改善标准NODE对非线性动力系统的泛化能力。实验在多个经典动力系统上验证了其相对于离散模型和其他连续深度变体的优势。

OphthaDT: Generative Digital Twins for Forecasting Visual Acuity Trajectories in Ophthalmology

Pietro Belligoli et al.

cs.LG cs.CV

本文提出OphthaDT，一种基于LLM的眼科数字孪生模型，通过将纵向患者病史序列化为结构化文本来预测最佳矫正视力(BCVA)。在nAMD和DME数据集上，OphthaDT相比基线模型降低了预测误差，尤其擅长捕捉nAMD的高纵向变异性，并能处理不规则采样数据。

Meta-Reinforcement Learning via Evolution for Multi-Objective Combinatorial Supply Chain Optimisation

Rifny Rachman et al.

cs.LG

本文提出了一种基于种群的Meta-reinforcement learning框架，通过结合分解与进化搜索来解决多目标组合供应链优化问题。该方法在权重空间维护一个种群，每个权重对应一个通过梯度元学习训练的meta-policy，并利用精英选择、交叉和变异来优化Pareto前沿的多样性与分布。

Parameterized Representations via Implicit Stochastic Modulation for High-Dimensional and High-Order Neural PDE Solvers

Zhangyong Liang, Huanhuan Gao

cs.LG

本文提出PRISM框架，通过隐式随机调制将物理参数映射到空间潜在流形的仿射调制器，以解决高维高阶参数化PDE求解中的内存增长和方差放大问题。该方法在非线性参数化PDE上展示了零样本泛化能力和单GPU上高达100,000维的可扩展性。

Drowning in Routine: Signal Dilution in Multi-Turn Agent Training

Yann Pernot, Vi Retault

cs.LG

本文研究了多轮agent训练中常规动作导致的信号稀释问题，提出决策密度$\rho$是影响轨迹级credit assignment效率的关键因素，并推导了信噪比随$\rho^{-1/2}$缩放的规律。实验在可控环境中验证了该理论预测。

Early-Exit Graph Neural Networks for Link Prediction

Roman Knyazhitskiy, Andrea Giuseppe Di Francesco

cs.LG

本文研究了在Graph Neural Networks中应用early-exiting策略以加速link prediction任务，无需辅助损失函数即可实现隐式early exiting。该方法在HeaRT基准测试中提升了GCN和SAS-GNN的Pareto前沿，表明在保持甚至提升预测质量的同时可提高推理速度。

Beyond Time Series: Spatial Reasoning for Epidemic Forecasting via Multimodal Learning

Diana Guadalupe Gomez et al.

cs.LG

本文提出M-SPICE框架，通过attention-based multimodal fusion整合区域级时间序列与空间辅助信号，用于流行病预测。该方法在COVID-19、流感等任务上优于现有baseline，但未涉及code、spectral或Muon等关键词。

Gated MLPs as Symmetry-Broken Rank-1 Bilinear Attention

Nathan Breslow

cs.LG cs.AI

本文通过将gated MLP视为bilinear attention mechanism的rank-1近似，揭示了其与attention的联系，并指出非线性激活函数会破坏两个因子间的exchange symmetry。

Residue-Level Attributions in Protein Language Models Do Not Recover Allergen Epitopes

Jianzhou Yao et al.

cs.LG

本文评估了蛋白质语言模型在过敏原性预测中的残基级归因解释是否与过敏原表位对齐，发现分类头的解释信号在残基水平上与标注表位的对齐程度不显著优于随机，表明这些解释不能直接作为免疫学解释用于安全筛选。

Bayesian Adaptation Gym: A Benchmark for the Bayesian Low-Rank Adaptation of Multi-Modal Language Models

Colin Samplawski et al.

cs.LG

本文提出了Bayesian Adaptation Gym (BAG)，一个用于评估多模态语言模型贝叶斯低秩适应方法的基准测试平台。BAG提供了经典贝叶斯基线和最新适应方法的参考实现，以及用于测试校准、分布偏移鲁棒性和主动学习决策的数据集与任务套件。

L20-Edu-135M: An Auditable Single-GPU Study of Data-Efficient Small Language Modeling

Yin Li

cs.LG cs.AI

本文在单张NVIDIA L20 GPU上完整训练了一个134.5M参数的language model，使用约13B tokens（包括FineWeb-Edu和教育、数学、代码、推理混合数据），并记录了数据去重、SFT和RLVR等流程。模型在零样本评测中达到0.4150的平均分，虽不及SmolLM系列，但token效率较高，并揭示了RLVR在GSM8K上的失败模式。

Neural Conjugate Aggregation: Identifiable Unsupervised Multi-Sensor Regression under Heterogeneous Sensor Bias

Muhammed Faruk Aytin et al.

cs.LG cs.AI

本文提出Neural Conjugate Aggregation Model (NCAM)，一个结合neural network与conjugate Gaussian inference的无监督多源数据融合框架，用于处理存在异质传感器偏差的回归问题。该方法通过sensor anchoring和variance regularization解决结构非可辨识性，并集成conformal prediction提供有限样本保证。

Sequential Minimal Optimization Algorithm for One-Class Support Vector Machines With Privileged Information

Andrey Lange, Dmitry Smolyakov, Evgeny Burnaev

cs.LG cs.AI stat.ML

本文提出了一种用于带特权信息的一类支持向量机(OC-SVM+)的Sequential Minimal Optimization (SMO)算法，该算法在训练速度上显著优于非序列化算法，并证明了其有限时间收敛性。实验表明，特权信息能影响原始特征空间中的描述域，且该算法在基准测试中优于内点算法。

SamatNext v0.2-B: An Exploratory Study of RMS-Normalized Hybrid Decoders for Curriculum Retention in Small Code Models

Samat Zharassov

cs.LG cs.CL

本文探索了SamatNext v0.2-B混合解码器在代码课程学习中的遗忘问题，通过交替使用Differential-Attention层和DeltaNet启发的线性状态混合层，在特定设置下改善了保留与可塑性之间的权衡，但未解决长期早期阶段的遗忘问题。

On the Expressive Power of Weight Quantization in Large Language Models

Shao-Qun Zhang

cs.LG cs.AI

本文通过理论分析研究了大型语言模型中weight quantization（权重量化）对表达能力的影响，证明了1.58-bit是量化的极限精度，并指出表达能力会随量化位数减少而多项式退化。该工作为模型压缩和推理加速提供了理论基础。

Evolving Spatial Weights for Cartographic Synthesis

Gesiel R. Lopes et al.

cs.LG cs.CY stat.AP stat.ME

本文提出了一种基于多目标进化的GIS-moGA框架，通过最大化Global Moran's I和最小化LISA方差来估计图层权重，解决了制图综合中的空间权重学习问题。该方法利用queen contiguity矩阵的稀疏性将复杂度降至O(N k)，并在巴西Araraquara的流行病学数据上验证了其有效性。

From Handcrafted Features to Functional Edge Learning: Evolution of EEG Seizure Detection Frameworks

Sepideh Kheirollahi, Mohammad Rasoul Roshanshah

cs.LG cs.AI eess.SP

本文综述了基于EEG的癫痫检测框架从手工特征到深度学习再到Kolmogorov-Arnold Networks (KANs)的演进，指出传统深度学习模型在临床部署中面临可解释性差、数据需求大和计算成本高等问题，并探讨了KANs作为新兴范式在参数效率和透明度方面的优势。

Learning a Normal World Model for Few-Shot Boundary-Calibrated Abnormality Detection

Weizhi Nie et al.

cs.LG cs.GT

本文提出了一种基于Hypergraph Entropic Normal-World Model的异常检测方法，通过从大量正常事件中学习正常世界模型，并仅用少量异常样本校准正常边界。该方法将多变量传感器窗口表示为上下文条件超图，并利用熵感知的正常世界能量来定义异常，在NASA C-MAPSS数据集上取得了良好性能。

SCENIC: Semantic-Conditioned Edge-Aware Neural Framework for Structured IoT Command Generation

Luke Ztz Hu, Hongbing Lang, Songping Mai

cs.LG cs.AI

本文提出SCENIC框架，用于边缘IoT设备上的结构化命令生成，通过对比学习微调、剪枝和量化等技术，在极小规模transformer模型上实现了高精度命令生成，并展示了压缩后的模型在边缘部署中的有效性。

Encoder-Decoder Manifold Alignment for Idempotent Generation

Dareen Alharthi, Abdul Waheed, Bhiksha Raj

cs.LG

本文提出了一种新的训练框架，通过强制encoder和decoder学习一致的数据manifold表示来解决生成模型中的idempotency问题，从而减少重复应用时的漂移和不稳定性。实验表明该方法在图像生成和编辑任务中降低了idempotency error。

Enhancing Protein Representation Learning via Manifold Restore Mixing

Yizhou Dang et al.

cs.LG cs.AI

本文指出现有数据增强方法在蛋白质表示学习中会破坏结构或降低多样性，并提出Manifold Restore Mixing (MRM)方法，通过在隐空间混合原始与增强数据的表示来恢复结构信息并引入多样性。该方法在多个蛋白质表示学习模型和下游任务上验证了有效性。

Diffusion Integrated Gradients: Controllable Path Generation for Flexible Feature Attribution

Soyeon Kim, Kyowoon Lee, Jaesik Choi

cs.LG cs.AI cs.CV

本文提出Diffusion Integrated Gradients (DiffIG)，通过将attribution path的生成建模为条件生成问题，利用diffusion model学习路径分布并支持用户引导采样，以改进Integrated Gradients方法中固定路径导致的噪声或失真问题。该方法在解释质量上达到或优于现有path-based方法，但与我提供的关键词列表关联度较低。

Curriculum Reinforcement Learning Can Incentivize Reasoning Capacity in LLMs Beyond the Base Model

Pengxiang Cai et al.

cs.LG cs.AI

本文提出了一种边界感知的Curriculum RL方法，通过pass@k采样定位LLM的推理能力边界，并对边界附近样本进行针对性教师引导，以提升模型在pass@1和pass@256上的表现。该方法在Qwen、Llama和DeepSeek等基座模型上验证了有效性，但未涉及code、spectral或Muon等关键词相关技术。

All Routes Lead to Collapse

K. R. Balasubramanian

cs.LG cs.AI

本文指出attention sinks、representation collapse和norm stratification并非transformer特有，而是任何基于固定相似度度量的content-based routing机制的共同现象。作者通过将softmax attention重新解释为Boltzmann-weighted aggregation，并实验验证了多种模型（包括transformer、graph attention、state-space model等）均表现出相同特征，从而论证了路由机制本身是导致这些现象的根本原因。

Select-to-Act: Hierarchical Reinforcement Learning via Adaptive Language Guidance

Hanping Zhang, Adam Koziak, Yuhong Guo

cs.LG cs.AI

本文提出了一种名为HRLLI的分层强化学习框架，通过将自然语言指令分解为可动态选择的片段，并设计高层策略选择当前最相关的指令片段来指导低层决策，从而提升样本效率。实验表明该方法在RTFM基准上优于现有指令条件强化学习基线。

Reliability-Guided Adaptive Ensembling for Robust Test-Time Adaptation

Adam Koziak, Yuhong Guo

cs.LG cs.AI cs.CV

本文提出了一种名为SAFER的测试时自适应（TTA）方法，通过随机增强和相关性加权池化来提升模型在对抗性攻击下的鲁棒性，但该方法在理论或方法上缺乏显著的开创性，且与关键词列表中的概念关联较弱。

On the Sparsity-Storage-Accuracy Tradeoff in Parsimoniously Activated Dictionary Learning

Zihui Zhao, Yuanbo Tang, Yang Li

cs.LG cs.AI

本文从概率视角重新审视了一类对激活字典原子数量施加全局正则化的字典学习方法（PADL），将其等价为结构化生成模型下的最大后验估计，并推导了泛化保证。该方法分析了稀疏性、存储成本与重建精度之间的权衡，并开发了无需手动调参的高效算法。

Multigrid Training for Molecular Generation using Graph Neural Networks

Zixuan Ling, Paula Mercurio, Di Liu

cs.LG math.NA

本文提出了一种用于分子生成的多网格训练策略，通过在不同分辨率间传递参数来加速高分辨率图或3D网格上的深度学习模型训练。该方法在受体条件3D配体生成任务上展示了加速收敛和提升泛化能力的效果。

Bypassing Minimization Bias: A Shift-Invariant Variance Estimator for Off-Equilibrium Local Learning Coefficients

Yingjia Cai

cs.LG

本文提出了一种Shift-Invariant Variance Estimator (SIVE)，通过方差算子消除未知加性baseline，以解决非平衡训练阶段Local Learning Coefficient (LLC)估计中的最小化偏差问题。该方法在可解析的toy model上恢复了预期的有限温度几何信号，并为深度神经网络训练中的结构相变提供了在线诊断工具。

QeHDC: Hyperdimensional Computing based on Quantum-enhanced binding and SuperClass Construction

Yangjie Xu et al.

cs.LG

本文提出了一种基于量子增强的超高维计算框架QeHDC，利用正弦编码和量子编码将经典数据映射到量子振幅态，并引入参考态量子绑定操作和基于密度矩阵的超类生成策略。实验表明该方法在分类任务中具有较好的噪声鲁棒性和计算可行性。

Enhancing LLMs for Graph Tasks via Graph-aware LoRA Generation

Junshu Sun et al.

cs.LG

本文提出了一种名为GaRA的权重级信息注入范式，通过生成与图结构相关的低秩权重更新来增强语言模型处理图任务的能力。该方法在零样本图学习任务上优于现有基线，但整体创新性有限。

Escaping the Variance Trap: Jacobian-Free Dynamics for Root-Finding Bilevel Optimization

Zhiyu Li, Xi Xuan, Davide Carbone

cs.LG

本文提出了一种无Jacobian的随机根求解方法（Root-Finding Bilevel Optimization, RF-BO），用于解决随机根求解问题中的方差陷阱。该方法通过Two-Time-Scale Stochastic Approximation (TTSA)直接沿根误差更新，避免了隐式Jacobian带来的噪声放大，并在SimCLR、非线性ODE控制等任务中取得了性能提升。

Distribution-Aware Robust Bilevel Optimization: Quantile-Guided Huber Updates in Two-Timescale Stochastic Approximation

Zhiyu Li, Xi Xuan, Davide Carbone

cs.LG

本文提出RQ-TTSA，一种基于分位数引导的Huber式裁剪方法，用于解决双层优化在重尾随机噪声下的不稳定性问题。该方法通过历史梯度缓冲区估计滚动分位数来自适应裁剪梯度，并在非凸强凸假设下给出了收敛性分析。

Adaptive Recurrent Message Passing for Test Time Computing on Graphs

Junshu Sun et al.

cs.LG

本文提出了一种自适应递归图模型AdaR，通过编码步长信息和表示-目标关系实现测试时自适应计算，并利用梯度监督信号确保递归收敛。实验表明该方法在归纳和直推设置下均优于强基线。

Federated learning with heavy-tailed gradient noise and communication noise: a variance-reduction based algorithm

Shengchao Zhao, Yongchao Liu

cs.LG math.OC

本文提出了一种基于variance-reduction的联邦学习算法VRA-FedSGD，用于处理heavy-tailed gradient noise和communication noise，并在非凸和强凸目标下给出了收敛性分析。

Fed-CausalDiff: Decoupled Synchronization for Federated Do-Simulation and Policy Evaluation

Pengfei Li, Mohammad Khalil

cs.LG cs.AI cs.DC

本文提出Fed-CausalDiff，一个用于do-simulation的联邦因果扩散框架，通过将潜在状态演化分解为全局因果score function和局部混杂score function，实现解耦同步。实验表明该方法在ATE和政策价值估计上优于标准方法。

The Scissors Effect: When Resize-Based Input Diversity Helps or Hurts Transfer Attacks

Yuhang Jiang, Xiaojing Chen

cs.LG cs.CR cs.CV

本文发现Input Diversity (DI)方法在对抗性迁移攻击中，对标准surrogate模型提升迁移成功率，但对鲁棒训练的surrogate模型反而降低成功率，形成“剪刀效应”。该效应主要由resize操作引起，并通过Local Gradient Consistency (LGC)指标区分两种surrogate类型。

Generative Robust Optimisation

Yuhui Yin, Vassilis M. Charitopoulos

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

本文提出Generative Robust Optimisation (GRO)框架，用deep generative model定义uncertainty set，并设计五点评分标准评估其质量。实验在production planning和facility location问题上验证了该方法的有效性。

Mitigating Measurement-Induced Training Instability in Hybrid Quantum Neural Networks for Protein Classification

Milton Mondal et al.

cs.LG cs.CV

本文发现混合量子神经网络中测量诱导的logit收缩会导致训练不稳定，并引入可学习的量子测量温度(QMT)参数来重新缩放测量输出，从而增强梯度并稳定训练。实验表明该方法能提升分类精度，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。

Concept-Constrained Prompt Learning for Few-Shot CLIP Adaptation

Na Sang et al.

cs.LG cs.AI cs.CL cs.GR

本文提出Concept-Constrained Prompt Learning (CCPL)，一种轻量级正则化框架，通过将可学习的class prompts锚定到冻结的concept-level text prototypes来改进CLIP的few-shot适应，无需更新CLIP encoders。实验表明CCPL在部分数据集上提升了base-to-new harmonic mean，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。

Stationary Robust Mean-Field Games under Model Mismatches

Yue Wang

cs.LG cs.GT

本文研究了多智能体强化学习中的模型失配问题，提出了一个无限时域平稳平均场博弈框架，通过分布鲁棒性优化策略以应对最坏情况下的转移模型。文章建立了鲁棒动态规划原理并证明了均衡的存在性，但方法在关键词领域（如code、spectral、Muon等）缺乏直接关联。

Training-free Task Classification for Multi-Task Model Merging

Jungyong Son, Jinwook Jung, Sungyong Baik

cs.LG

本文提出了一种无需训练的任务分类方法SiM，用于多任务模型合并中的动态路由。该方法通过SVD低秩流形近似为每个任务构建流形，并基于测试输入特征在流形上的投影残差进行任务分类，从而激活相应参数。实验表明，SiM在无需额外训练或任务ID假设的情况下，能缩小合并模型与独立专家模型之间的性能差距。

On the Position Bias of On-Policy Distillation

Yan Xie et al.

cs.LG cs.AI

本文发现On-Policy Distillation (OPD)中token-level loss的均匀加权存在位置偏差问题，即学生rollout越长，后期token的监督质量越差。基于约束优化视角，作者提出Importance-Weighted On-Policy Distillation (IW-OPD)，根据学生与教师分布的累积差异动态调整token权重，从而提升学习效率和最终性能。

Federated Learning for Global Carbon Emission Forecasting: A Hybrid Time-Series Approach with Statistical and Neural Models

Attia Qammar et al.

cs.LG cs.AI

本文提出了一种联邦混合预测框架，结合ARIMA、GARCH、LSTM-Attention和XGBoost模型，在保护隐私的联邦学习环境下进行全球碳排放预测。实验表明该方法在14个客户端上取得了较好的预测性能，但方法本身在创新性上较为常规，且与关键词列表中的概念关联较弱。

Scalable Maximum Entropy Reinforcement Learning for Diffusion Policies via Adjoint Matching

Serge Thilges et al.

cs.LG

本文提出了一种基于adjoint matching的高效算法来优化diffusion policies，通过避免显式likelihood估计和反向传播来降低计算开销，使diffusion policies在online RL中更具可行性。实验表明该方法在减少计算量的同时达到了有竞争力的性能。

A Markov Chain Approach to Preference Alignment

Takuya Koriyama, Tengyuan Liang

cs.LG stat.ML

本文提出MCHF方法，利用pairwise human preferences直接定义Markov kernel，用于生成模型的alignment。该方法与RLHF和NLHF进行了理论比较，并分析了其收敛性和与其它方法的关系。

Foundation Models for Epileptogenic Zone Identification in Drug-Resistant Epilepsy

Thi Kieu Khanh Ho et al.

cs.LG cs.AI

本文提出EpiiSLM，一个用于药物难治性癫痫中致痫区(EZ)识别的双foundation model系统，通过训练信号foundation model处理sEEG记录并结合语言foundation model整合多模态临床信息，在接触级预测上取得了高阳性预测值(PPV)。该方法主要聚焦于临床医学应用，与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等概念关联度较低。

LSTM Variants for Chaotic Dynamical Systems: An Empirical Study on the Lorenz Attractor

Ruslan Gokhman

cs.LG eess.SY

本文对七种LSTM变体在混沌动力系统（Lorenz attractor）预测任务上进行了实证比较，发现BiLSTM结合Huber loss表现最佳，而additive attention和CNN前端反而降低了性能。

Clipping the Price of Adaptivity at the Tail

Itai Kreisler, Yair Carmon, Oliver Hinder

cs.LG math.OC

本文提出了一种通过裁剪模型输出尾部事件来规避自适应随机凸优化中“自适应代价”障碍的方法，假设目标函数可分解为模型和损失函数，从而在距离和Lipschitz常数存在大不确定性时仍能高效适应。

SCRUB-FL: Sanitizing and Cleansing Representations via Unlearning of Backdoors

Osama Wehbi et al.

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

本文提出SCRUB-FL方法，用于联邦学习中的后门攻击防御。该方法在训练阶段通过spectral分析和activation clustering识别可疑样本，并训练WGAN-GP模型捕获trigger分布；在聚合后，服务器利用machine unlearning消除trigger与目标标签的关联，从而在不依赖先验知识的情况下降低后门攻击成功率。

Subspace-Constrained Federated Learning with Low-Rank Adaptation

Neranjan Senarath, Rohit Muralitharan, Sadia Asif

cs.LG cs.AI

本文针对联邦低秩适应（LoRA）中客户端数据异构导致的子空间几何不对齐问题，提出了一种子空间正则化的联邦LoRA目标函数，通过约束局部更新靠近共享全局参考子空间来缓解破坏性聚合。实验在RoBERTa-large和SmolLM-360M模型上验证了该方法在子空间对齐方面的有效性，但准确率提升具有模型依赖性。

Error Highways: Scaling Predictive Coding to Very Deep Networks

Amirhossein Mohammadi, Alexander G. Ororbia

cs.LG cs.NE

本文提出了一种名为highway error propagation (HEP)的方案，通过引入反馈矩阵$V_{L\to i}$将隐藏状态直接耦合到输出误差，以解决predictive coding networks (PCNs)在深层架构中学习信号衰减的问题。该方法在MNIST和Fashion-MNIST上验证了其对多达128层MLP的训练有效性。

One-Step Flow Matching for Generative Modeling of Path-Dependent Physical Fields

Yijing Zhou, Jasmin Jelovica

cs.LG cs.CE physics.comp-ph

本文提出了一种基于transformer的flow matching模型，用于生成高分辨率的路径依赖应力场（如塑性应力场），通过将塑性场模拟视为视频合成任务，并设计非高斯源分布实现单步生成。该方法在计算效率上显著优于有限元分析，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Factored Gossip DiLoCo: Reducing Blocking Communication in DiLoCo

Chamin Hewa Koneputugodage et al.

cs.LG cs.DC

本文提出了一种名为Factored Gossip DiLoCo的分布式训练方法，通过将DiLoCo的同步分解为非阻塞的gossip mixing步骤和阻塞的mixing步骤，以减少低带宽环境下的通信阻塞。该方法在低带宽设置下训练十亿参数语言模型时，相比DiLoCo显著提升了计算利用率，且对故障更鲁棒。

Noise is Signal: Density-Based Outliers as Leading Indicators of Occupational Emergence in Labor Market Text

Shreyash Rawat

cs.LG cs.AI

本文提出Emergence-Density Inversion (EDI)假设，认为在劳动力市场文本中，低密度job posting并非噪声而是新兴职业的信号。通过分析84,988条招聘数据，发现高EOS的离群组在1.4个季度内转变为稳定聚类，并改进了Emerging Occupation Score (EOS)指标，但该方法主要针对特定应用场景，与关键词关联较弱。

Statistical Matching via Schrödinger Bridge beyond Conditional Independence

Eunho Koo, Tongseok Lim, Jinwon Sohn

cs.LG stat.ME

本文提出了一种基于Schrödinger Bridge的统计匹配方法，通过引入运输兼容性成本来捕捉Y与Z之间的潜在依赖关系，从而超越了传统的条件独立假设。该方法在理论上给出了严格改进的充分条件，并在高斯情形下提供了精确联合恢复保证。

Explainable AI for Mental Health Prediction in Drug-Affected Populations with Dragonfly Algorithm and GAN Oversampling

Ahnaf Atef Choudhury et al.

cs.LG cs.AI

本文提出了一种结合PCA-IG特征选择、GAN过采样和Dragonfly Algorithm优化XGBoost的可解释机器学习框架，用于药物影响人群的多类心理健康预测，在实验中达到了94.17%的准确率。该方法主要关注数据不平衡和可解释性，但与关键词列表中的概念关联较弱。

Towards Robust Personalized Federated Learning: Vulnerability Assessment and Defense Co-Design

Mingyuan Fan, Cen Chen

cs.LG cs.CR

本文研究了个性化联邦学习(PFL)方法在迁移攻击下的脆弱性，并提出了一个结合随机输入噪声、输入缩放迹正则化和参数敏感性最大化的防御框架。该工作为PFL系统的对抗性威胁提供了诊断工具和实用对策。

Retrieval-Augmented Multimodal Learning for Enzyme-Substrate Interaction Prediction Under Low-Homology Shift

Chen Liu et al.

cs.LG q-bio.QM

本文提出RAMMESI框架，通过检索增强的多模态学习（结合酶和底物的cross-modal交互建模与adaptive fusion）来预测酶-底物相互作用，并采用imbalance-aware weighted-BCE损失函数应对稀疏正样本问题。该方法在低同源性分布偏移场景下提升了预测鲁棒性，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词。

BranchShine: Compact Raw-Audio-to-IPA Transcription with a RoPE E-Branchformer Encoder

Nikhil Navas et al.

cs.LG

BranchShine是一个33M参数的raw-audio到IPA转录模型，使用RoPE E-Branchformer encoder和轻量卷积前端，在41种语言的测试集上达到9.19%的字符错误率，接近575M参数的PhoneticXEUS基线。该工作主要关注compact模型在IPA转录任务上的性能，与关键词中的attention有一定关联但创新性一般。

CLIP-guided Diffusion Model for Backdoor Generation in Sensor-based Human Activity Recognition

Toby Briston, Illya Kosyk, Kuniyih S

cs.LG cs.AI cs.CR

本文提出了一种基于CLIP引导的扩散模型后门攻击方法IMU-DM-CLIP，用于传感器人体活动识别(HAR)任务。该方法通过扩散模型生成带有触发器的合成数据，实现对HAR模型的攻击，实验表明在仅10%的后门注入率下攻击仍能成功。

RLM-Cascade: Response-Level Speculative Decoding for Cost-Efficient LLM API Serving

Haifeng Wu et al.

cs.LG

本文提出RLM-Cascade，一种在响应级别应用投机解码的代理层系统，通过轻量级draft模型和复杂度路由器降低LLM API调用成本，在真实agentic coding工作负载上实现了45.8%的成本降低和1.83倍的延迟加速。

The Unseen Hand: Manipulating Model Fairness and SHAP with Targeted Identity Re-Association Attacks

Sannaan Khan, Muhammad U. S. Khan

cs.LG cs.AI

本文提出了一种针对机器学习模型公平性和可解释性的攻击方法TIRA，通过概率性微扰操作（如PMiS和PRSMP算法）来操纵模型输出，从而隐藏受保护特征的影响。该方法在混淆SHAP解释方面优于先前工作，但与我提供的关键词列表关联度较低。

When AUC 0.998 Is Not Enough: A Candidate Evaluation Protocol for Hidden-State Probes of Indirect Prompt Injection in Multimodal Computer-Use Agents

Yanhang Li, Zhichao Fan, Zexin Zhuang

cs.LG

本文通过Qwen2.5-VL-7B在Mind2Web上的案例研究，指出在clean-vs-attack分割上获得高probing AUC（如0.998）并不能直接证明模型检测到了恶意内容，并提出了后验诊断方法（如文本侧标量基线和视觉控制）来评估hidden-state probe的有效性。该工作主要关注评估协议而非提出新方法，与关键词中的agent（多模态agent）有一定关联，但方法本身缺乏开创性。

Discovering Crystal Structure Prediction Algorithms with an AI Co-Scientist

Kiyoung Seong, Nayoung Kim, Sungsoo Ahn

cs.LG cs.AI

本文提出了一个名为HACO的人机协同发现系统，通过跨领域搜索和稀疏人工引导，从计算机视觉领域的MaskGIT模型出发，为晶体结构预测（CSP）任务设计了Masked Generative Crystal Transformer (MaskGXT)。该方法在MP-20和MPTS-52基准上取得了优于现有基线的性能，展示了AI在科学算法发现中的潜力。

Priority-Aware Learning-Unlearning Correction for Dynamic Decentralized LoRA Fine-Tuning

Nuocheng Yang et al.

cs.LG cs.AI

本文针对动态去中心化边缘网络中设备加入或离开导致的联邦微调参数修正问题，提出了一种基于正交LoRA的优先级感知学习-遗忘修正框架。该框架通过正交LoRA机制实现无历史依赖的投影增删，并依据主导残差项选择拓扑优化、局部修正等不同修正策略。实验验证了该方法在设备加入和离开事件中的鲁棒修正能力。

Physiology-Aware CNN and Zero-Shot Multimodal LLMs for ECG Image Classification: A Comparative Study

Khalil Ahammad, Derek Abbott, Mohsen Dorraki

cs.LG

本文比较了零样本多模态LLMs（如GPT-5.2, GPT-4.1, Gemini-2.5 Pro）与生理感知CNN模型（LeadGroupECG）在12导联ECG图像分类上的表现。结果显示，CNN模型在区分正常与异常ECG上表现稳定（ROC-AUC约0.92-0.94），而零样本LLMs的判别能力接近随机（ROC-AUC约0.5），表明领域特定架构对ECG解读仍至关重要。

Learning Graphs through Continuous Information Entropy Fields

Hui Cong et al.

cs.LG

本文提出了一种新的图学习框架Field-informed Graph Network (FGN)，通过从节点特征中学习一个连续的information entropy field来指导message passing过程，并利用信息论目标平衡结构保真度与场平滑性。实验表明该方法在节点分类和图分类任务上表现良好，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

PromptDyG: Test-Time Prompt Adaptation on Dynamic Graphs

Guoguo Ai et al.

cs.LG

本文提出PromptDyG框架，通过无监督test-time prompt adaptation在冻结的backbone上学习动态图prompt，以在线方式建模离散时间动态图（DTDG）中的演化模式。该方法利用特征级无标签熵最小化来适应分布偏移，并在理论上保证正负样本对的相似性间隔增大。

GRAIN: Group Aggregation via Min-Norm Objective

Nghia Bui, Jiarui Yao, Lijing Wang

cs.LG stat.ML

本文提出GRAIN算法，通过用组梯度的最小范数凸组合替代mini-batch优化中的均值聚合，以解决过参数化模型中的学习不稳定问题。该方法在理论上保证了收敛速度，并在大规模预训练模型上实验验证了性能提升和方差降低。

EEG Benchmarking Needs a Task Specification Layer: NeuroDoc for Rulebook-Guided, Executable Benchmark Construction

Chengxuan Qin et al.

cs.LG cs.NE

本文提出NeuroDoc框架，通过任务规范语言和规则书将异构EEG数据集标准化为可执行的benchmark单元，并构建了包含53个条目的基准语料库。该方法主要关注EEG基础模型的评估标准化，与关键词中的code、context、spectral等概念关联较弱。

FORGE: Fused On-Register Gradient Elimination for Memory-Efficient LLM Training

Dikshant Kukreja et al.

cs.LG

本文提出FORGE方法，通过将optimizer step融合到backward pass中并在寄存器中逐块处理，消除了训练过程中梯度张量的显式存储，从而降低内存占用并提升速度。该方法适用于任何element-wise optimizer规则，并在LLM训练中验证了其有效性。

Neural Operator Processes for Probabilistic Operator Learning under Partial Observations

Jose Miguel Lara-Rangel, Serge Guillas

cs.LG

本文提出Neural Operator Processes (NOPs)框架，将neural-process的条件化机制与neural-operator的解码过程结合，用于从稀疏观测中预测完整输出场。文章研究了卷积池化摘要和query-aligned attention两种条件化策略，并分析了它们与潜在随机变量在PDE几何下的相互作用。

DT-GOL: Dual-Track Geometric Online Learning in Nonstationary Environment with Label Delay

Yulin Wang et al.

cs.LG

本文提出DT-GOL框架，通过将标签延迟问题建模为半监督任务，利用特征的实时拓扑演化作为几何代理来适应非平稳环境。该方法引入动态证据校准机制和双轨架构，在延迟标签场景下提升了在线学习性能。

PG-MAP: Joint MAP Optimization for Inference-Time Alignment of Diffusion and Flow-Matching Models

Ruolan Sun, Pawel Polak

cs.LG cs.CV

本文提出PG-MAP，一种无需训练的推理时对齐框架，通过轨迹级Gibbs-MAP/近端能量优化联合更新条件变量$c$和隐状态$z_t$，适用于扩散模型和flow-matching模型。实验表明该方法能持续提升对齐指标，但未涉及代码、上下文、谱方法或智能体等关键词。

Attacking the Trusted Imagination: Oracle-Level Integrity Attacks on Imagine-then-Act World Models

Linghan Chen, Kaiyan Ji, Minyu Guo

cs.LG cs.AI cs.CR

本文研究了视觉-语言-动作(VLA)策略中"先想象后行动"世界模型的安全漏洞，发现攻击者可以通过有界观测扰动破坏潜在轨迹预测，但该攻击对反应式策略影响有限。

Topological Out-of-Domain Generalization in Dynamical Systems Reconstruction

Georg Trede et al.

cs.LG math.DS nlin.CD

本文分析了动力系统重建模型在域外泛化中的局限性，并提出了特征分裂等改进方法，以提升对未观测动力状态的零样本预测能力。

TaLK: Text-attributed Graph Dataset Distillation via Coupling Language Model with Graph-Aware Kernel

Yeongho Kim, Yeonje Choi, Kijung Shin

cs.LG

本文提出TaLK方法，用于文本属性图(TAG)的数据集蒸馏，通过将Language Model与图感知的Neural Tangent Kernel耦合，避免了在完整数据集上重复训练昂贵的LM-GNN模型。实验表明，仅用1%的合成数据即可达到97%的全数据集性能。

Understanding Parallel Samplers in Masked Diffusion via Random Walks on Graphs

Vansh Bansal et al.

cs.LG cs.AI cs.CL

本文利用图上的随机游走作为可验证的沙盒环境，研究masked diffusion models中的并行采样策略。作者通过理论证明和实验表明，不同并行采样器的性能依赖于底层图结构，并提出了一个在序列长度上取对数步的二分采样器。

Neural Architecture Search of Sample Reweighting Networks for Complex Distribution Shift

Keisuke Sugawara, Kento Uchida, Shinichi Shirakawa

cs.LG cs.AI

本文针对复杂分布偏移（同时存在标签噪声和类别不平衡）问题，改进了Meta-Weight-Net (MW-Net)样本重加权网络，通过引入neural architecture search (NAS)并使用tree-structured Parzen estimator来搜索最优的网络结构（隐藏层数和节点数）以及分类模型中的中间层输入选择，在CIFAR数据集上验证了该方法能缓解性能下降。

Do Sparse Autoencoders Learn Meaningful Concept Hierarchies?

Nils Grandien et al.

cs.LG

本文针对稀疏自编码器（SAE）在无监督概念发现中学习到的特征层次结构，提出了一套评估层次结构质量的关键要求与具体评估协议。通过对视觉数据上的现有SAE方法进行测试，发现虽然特征空间能为合理的层次结构提供基础，但建立良好的层次结构仍具挑战，尤其是特征吸收现象会系统性损害层次质量。

A Novel Approach to Temporal QoS Estimation via Extended Kalman Filter-Incorporated Latent Feature Analysis

Ye Yuan et al.

cs.LG

本文提出了一种结合Extended Kalman Filter与Latent Feature Analysis的EKL模型，用于预测时间序列QoS数据。该方法通过模型驱动与数据驱动的双向学习机制，提升了非平稳时间模式下的预测精度与计算效率。

Counterfactual learning of new adaptive instructional policies using logged data

Samuel Girard et al.

cs.LG

本文提出了一种离线contextual bandit框架，利用Rasch模型将学生-题目交互映射到连续潜在能力-难度空间，并设计了一种优化“flow”的reward函数，从而从历史数据中学习新的自适应教学策略。该方法在四个真实数据集上展示了策略改进，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词。

EvoRubrics: Dynamic Rubrics as Rewards via Adversarial Co-Evolution for LLM Reinforcement Learning

Hongxin Ding et al.

cs.LG cs.AI

本文提出EvoRubrics框架，通过Policy LLM与Rubric Generator在训练步骤内的对抗性共演化，使评估标准能随策略提升而动态调整，以解决静态rubric奖励在LLM强化学习中因策略进化导致的奖励饱和问题。实验表明该方法在多个基准上优于静态和动态rubric基线，且其学习到的Rubric Generator可作为可迁移的奖励模型。

Prime Fourier Embeddings: A Principled Basis for Modular Arithmetic

Hyunsang Hwang, Suhyun Bae, Donghun Lee

cs.LG cs.AI

本文提出Prime Fourier Embeddings (PFE)，将整数编码为基于素数索引的(cos, sin)对，使得模运算简化为选择相关素数通道。实验表明，任务相关通道与无关通道的特化比超过500倍，在测试中达到完美准确率。

PeLAP-A: Adaptive Latent Pruning for Lightweight Latent Diffusion Models

Kissa Zahra, Zaib Un Nisa

cs.LG

本文提出PeLAP-A框架，通过一个可学习的channel-wise重要性预测器（基于两层MLP）对latent diffusion model中的latent channels进行自适应剪枝。实验发现，在强稀疏正则化下，所有latent channels被抑制到接近零，但denoising UNet的diffusion loss和VAE重建误差反而降低，作者将此现象称为sparsity collapse。

FlowTrain: Flow-Based Decoupled Training for Industrial-Grade Vision-Language Models

Zhida Jiang et al.

cs.LG

本文提出FlowTrain，一种基于数据流的解耦训练框架，通过统一内存池协调视觉语言模型(VLM)中编码器与backbone的独立执行，并引入异构并行分配器和动态打包调度器来优化训练效率。实验表明该方法在工业级分布式训练中显著提升了吞吐量，但未涉及关键词中的code, spectral, Muon, agent或attention等核心概念。

FLFL: Federated Latent Factor Learning for Private Recovery of Spatio-Temporal Signals

Chengjun Yu et al.

cs.LG cs.AI

本文提出了一种联邦潜在因子学习(FLFL)模型，用于在无线传感器网络中实现隐私保护的时空信号恢复，其核心思想是让每个传感器仅上传梯度信息而非原始数据，并引入时空相关性作为正则化约束以提高恢复精度。实验表明该方法在隐私保护下优于多种现有模型。

Minimax Quantile Lower Bounds for Interactive Statistical Decision Making with Privacy

Raghav Bongole et al.

cs.LG cs.IT

本文针对交互式统计决策问题，提出了基于minimax quantile（极小极大分位数）的下界理论，并发展了高概率版本的Fano方法和Le Cam方法。该工作将互信息隐私约束纳入同一框架，并针对高斯私有化问题推导了具体的下界，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

ReNIO: Reweighting Negative Trajectory Importance for LLM On-Policy Distillation

Chen Lin, Kedi Chen, Wei Zhang

cs.LG cs.AI

本文提出ReNIO方法，通过重加权负轨迹重要性来改进LLM的on-policy蒸馏，利用student-to-teacher概率比识别关键错误token并分配样本权重，在数学推理和代码生成任务上提升了性能。

Self-Evolution for Multi-Turn Tool-Calling Agents via Divergence-Point Preference Learning

Jiaqiang Tang

cs.LG cs.AI cs.CL

本文提出ToolGraph框架，通过schema-derived topology和transition weights改进多轮tool-calling agent的推理，并利用divergence-point preference learning构建偏好对进行DPO训练。实验表明该方法在tau2-bench任务上提升了加权平均奖励，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。

Temporal-Spectral Alignment with Frequency Adaptation for Source-Free Time-Series Adaptation

Shichang Meng et al.

cs.LG

本文提出了一种名为SAFA的源无关时间序列域自适应方法，通过联合建模时间依赖和频谱特征，并引入可训练的频率适应模块来调制目标信号的相位和幅度，以对齐源域分布。实验在多个基准数据集上验证了该方法的有效性。

The Fractal Neural Operator: Overcoming Spectral Bias in Chaotic Attractors via Prime-Harmonic Weierstrass Encodings

Kanishk Awadhiya

cs.LG math.AP

本文提出Fractal Neural Operator (FNO)，通过非共振素数基的Harmonic Weierstrass编码注入无限谱分辨率，以克服深度学习模型在混沌动力系统中的谱偏差问题。该方法在Lorenz-63系统上实现了347个Lyapunov时间的预测，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Weighted Score-Oriented Losses for Temporally Localized Event Prediction

Edoardo Legnaro, Sabrina Guastavino, Francesco Marchetti

cs.LG

本文研究了时间局部事件预测中的加权分数导向损失（wSOL），通过引入时间权重来优化事件检测系统的评估指标，并在三个基准数据集上验证了其相对于交叉熵等传统损失函数的性能提升。

Substitution-Based Analysis of Structural Novelty for Generative Models of Materials

Masahiro Negishi, Aron Walsh

cs.LG cond-mat.mtrl-sci

本文开发了一种工作流来评估AI生成的无机晶体结构是否真正具有新颖性，发现81-92%的生成结构要么是训练集的重复，要么可通过元素替换得到，尤其在对称性高的晶体系统中这一趋势更为明显。研究揭示了当前生成模型偏向于已知结构原型，但在低对称性结构空间中仍能进行更广泛的探索。

Position: Correct Answer, Wrong Mechanism -- When AI Scientists Defend General Claims Their Own Data Contradicts

Steven Young Eulig

cs.LG

本文通过28个编码agent在Geant4模拟中重新发现粒子识别观测量的实验，论证了仅以最终答案评估AI科学家系统是不够的。研究发现agent常出现“正确答案，错误机制”（CAWM）现象，即通过错误推理得出正确结果，且机制忠实性与诚实性在单个轨迹中可能分离。

EML Trees Are Universal Approximators

Joe Germany, Elie Abdo, Joseph Bakarji

cs.LG cs.NE cs.SC math.NA

本文研究了EML (Exp-Minus-Log)函数构成的树结构在函数逼近中的表达能力，证明了此类树可以普遍逼近$W^{k, \infty}$空间中的函数，并提出了相应的学习算法。该工作为函数逼近提供了一个有理论基础的框架，但与所提供的关键词关联度较低。

Stage-dependent integer-binary encoding in factorization-machine black-box optimization

Ryo Ogawa et al.

cs.LG

本文提出了一种阶段依赖的整数-二进制编码框架（OhDw），用于因子化机黑箱优化（FMQA），通过推导one-hot和domain-wall QUBO矩阵之间的转换公式，在Rastrigin函数上验证了学习阶段使用one-hot编码是性能的主要驱动因素，而搜索阶段切换编码仅在精细离散化条件下带来额外改进。

Bridge the Gaps: Heterogeneous Attributed Graph Clustering via Quaternion Representation Learning

Xinxi Chen et al.

cs.LG

本文提出了一种名为AGREE的端到端框架，用于处理异质属性图聚类中的属性异质性和表示退化问题。它通过四元数图卷积和浅层图架构来缓解过平滑和过主导效应，并在多种基准上验证了性能。

Leveraging AutoML for Sustainable Deep Learning: A Multi-Objective HPO Approach on Deep Shift Neural Networks

Leona Hennig, Marius Lindauer

cs.LG

本文利用AutoML技术，对Deep Shift Neural Networks (DSNNs)进行多保真度超参数优化和多目标优化，以同时优化模型在图像分类任务上的准确率和能耗。实验表明，该方法能显著提升DSNNs的性能并降低碳排放，并揭示了量化策略中模型特定的权衡。

Efficient Network Inference via Hardware-Aware Architecture Search, Model Pruning & Quantization

Lucas Heublein et al.

cs.LG cs.DC eess.SP

本文研究了在嵌入式平台上实现高效GNSS干扰监测的神经网络推理方法，结合了结构化剪枝、静态量化和硬件感知的零样本神经架构搜索(NAS)。实验在多个嵌入式设备上验证了模型压缩与自动化架构优化对性能的影响。

Deep learning-based detection of cessation of breathing in pre-term infants

Dineo Serame, Lionel Tarassenko, Mauricio Villarroel

cs.LG

本文使用深度学习模型（包括CNN、ResNets和ConvNeXt）分析早产儿NICU中的阻抗呼吸描记、心电图和光电容积描记信号，以检测呼吸暂停相关的呼吸停止事件。研究发现，信号模态对检测性能的影响大于模型架构的复杂性，其中基于阻抗呼吸描记的单模态模型表现最佳，多模态融合仅带来微小改进。

Unlocking In-Context Learning in Audio-Language Models from Decentralized Medical Audio

Ran Piao et al.

cs.LG cs.SD

本文提出Federated Self-Contextualization (FSC)框架，通过无监督聚类构建伪标签episode，并在联邦学习环境下实现临床音频的in-context诊断。该方法在2-way 2-shot任务上达到71.6%准确率，但未涉及code、spectral或Muon等关键词。

Dynamic multi-agent deep reinforcement learning-based pricing and incentivization approach in multimodal transportation networks

Khadidja Kadem et al.

cs.LG cs.AI math.OC

本文提出一个基于multi-agent deep reinforcement learning的框架，通过动态定价和激励策略协调多模式交通网络中的共享出行服务与公共交通，以平衡效率、公平性和排放目标。数值实验表明该方法能降低通勤成本和排放，并提升公共交通利润。

Exposing the Illusion of Erasure in Knowledge Editing for LLMs

Advik Raj Basani, Anshuman Chhabra

cs.LG cs.AI cs.CR

本文从对抗性诱导的角度揭示了知识编辑(KE)方法在LLMs中的局限性，证明编辑后的知识并未被真正擦除，而是被重新分布到模型的representation space中，且这些方法仅起到抑制原始事实表达的作用，而非真正移除知识。

Non-asymptotic estimates of the minimal risk in statistical learning

Liming Wu, Sen Yang

cs.LG math.PR stat.ML

本文研究了统计学习中经验风险原则下最小风险的非渐近估计，给出了最小风险的下界和上界，并放宽了经验风险函数的有界性条件。其置信度分析依赖于参数集的box维数和样本量，主要基于Talagrand集中不等式等工具。

GRIMIP: A General Framework for Instance-Specific Configuration of MIP Solvers Using LLMs

Yidong Luo et al.

cs.LG

本文提出GRIMIP框架，将Large Language Models的语义推理能力与Bayesian Optimization结合，用于自动配置Mixed-integer Programming求解器的超参数。实验表明该方法在多个benchmark上优于传统调优方法。

Superhuman AI for Generals.io Using Self-Play Reinforcement Learning

Matej Straka, Viliam Lisý, Martin Schmid

cs.LG

本文使用self-play reinforcement learning在Generals.io游戏中训练了一个superhuman AI agent，通过JAX-native simulator实现了约10,000倍的速度提升，并采用vision transformer policy和policy-gradient loop进行端到端训练。该agent在1v1排行榜上达到第一，但方法主要针对特定游戏，与关键词中的spectral、Muon等概念关联较弱。

SOAP-Bubbles: Structured Weight Uncertainty for Neural Networks

Adrian Robert Minut et al.

cs.LG

本文提出了一种名为EVON的优化器，通过将IVON方法应用于SOAP预条件子的特征空间来估计结构化权重不确定性，从而以较低成本获得非对角协方差的后验分布。该方法在逻辑回归中能恢复精确的高斯协方差，并在语言模型预训练中优于现有对角协方差方法。

Adaptive Hard-Soft Physics-Informed Neural Networks for Robust Boundary-Constrained PDE Solving

Duc Tien Nguyen et al.

cs.LG cs.AI

本文提出了一种自适应硬-软物理信息神经网络(HSPINN)，通过精确强制施加Dirichlet和周期边界条件，并采用逆共享softmax策略动态平衡损失权重，以解决传统PINN收敛慢、边界不准确等问题。该方法在椭圆、抛物和双曲型PDE问题上验证了其更快收敛和更高精度。

Rethinking Molecular Graph Backdoors under Chemistry-aware Admission

Thinh T. H. Nguyen et al.

cs.LG cs.AI

本文提出了ChemGuard协议，用于检验分子记录能否进入真实学习流程，并指出许多现有图后门攻击因化学无效而失效。随后提出ChemBack攻击，通过构建化学可行的基序锚点附着并基于指纹相似性排序，在无需模型访问的情况下实现高攻击成功率。

Convergence of Gradient Descent for General Neural Network Architectures Beyond the NTK Regime

Yuqing Wang

cs.LG math.DS math.OC

本文提出了一种分析梯度下降（GD）训练动力学的收敛性框架，适用于包括预归一化多层Transformer在内的广泛神经网络架构，并证明了在温和假设下，GD几乎必然收敛到驻点邻域。该工作主要基于解析性和测度零论证建立了迭代依赖的PL型不等式，并利用多项式广义光滑性和局部松弛耗散条件证明了GD轨迹的Lipschitz光滑性。

Distribution-Aware Diffusion-LLM for Robust Ultra-Long-Term Time Series Forecasting

Falguni Ghosh, Vahid Hashemi, Bernhard Kainz

cs.LG cs.AI

本文提出Diffusion-LLM框架，将conditional diffusion model集成到LLM-based时间序列预测中，以解决多模态设置下的概率建模和语义对齐问题。该方法在多个长期预测基准上表现优于现有baseline。

Physics-Informed Modeling for Wood Thermal Analysis and Prediction

Jingren Xie et al.

cs.LG

本文提出两种物理信息深度学习框架（PICNN和PInteCNNs），通过嵌入2D稳态heat transfer equation来预测木材的像素级热响应，并在三种真实木材数据集上验证了其优于纯数据驱动方法。该方法主要针对木材热分析的应用场景，与关键词中的理论或方法关联较弱。

HyperQuant: A Rate-Distortion-Optimal Quantization Pipeline for Large Language and Diffusion Models

Yuval Domb, Hadar Sackstein, Tomer Solberg

cs.LG cs.AI

本文提出HyperQuant，一种针对大语言模型和扩散模型的后训练量化pipeline，通过结合随机Hadamard变换、最优格点量化、无损位剥离与熵编码以及KV cache的偏差校正，在权重和KV cache压缩上取得了优于现有方案的结果。

Leveraging Similarities in Multi-Armed Bandits

Khaled Eldowa et al.

cs.LG

本文研究了具有相似性结构的Multi-Armed Bandits问题，证明了在单点bandit反馈下无法利用树状相似性，并提出了适应多种反馈模型的统一算法，用相似性感知的有效动作数$K_{\mathrm{eff}}$替代$K$来改进regret bound。

GRINQH: Graded Input-based Quantization Hierarchy for Efficient LLM Generation

Jette Oberländer et al.

cs.LG cs.AI

GRINQH提出了一种基于激活幅度的分级输入量化框架，通过将权重量化与稀疏化统一来加速LLM解码阶段，在3-4bit设置下优于现有方法。该方法主要关注推理效率优化，与关键词中的code、attention等概念关联较弱。

Interpretable Kolmogorov-Arnold Network with Feature-Isolated Temporal Attention Mechanism for Electricity Load Forecasting

Jinhao Li, Hao Wang

cs.LG cs.CE cs.SC

本文提出LoadKAN框架，将Kolmogorov-Arnold Network与特征隔离的时间注意力机制结合用于电力负荷预测。该框架通过注意力机制独立提取各输入特征的时间动态，并利用KAN的可学习激活函数实现可解释预测，在三个美国电力市场数据集上表现与黑箱深度学习模型相当。

What Does a Chemical Language Model Know About Molecules?

Christian Kenneth et al.

cs.LG cs.AI physics.chem-ph

本文使用sparse autoencoders (SAEs)分析化学语言模型MolFormer，发现其早期层通过position-tracking latents解析分子语法，后期层编码atom-in-substructure等药理学特征，并开发了可视化工具InterMol。

Selective Time Series Forecasting via Metalearning

Ricardo Inácio et al.

cs.LG

本文提出了一种基于metalearning的选择性时间序列预测框架，通过建模预测误差的经验百分位数（一种尺度不变统计量）来决定是否拒绝预测，从而将拒绝决策与预测本身解耦。实验表明该方法在域内和迁移学习场景中均能提升预测准确性。

Do Location Encoders Capture Spatial Effects? A GeoShapley Benchmark Across Scales

Daniel Kiv, Shaowen Wang

cs.LG

本文使用GeoShapley方法评估了11种location encoder在不同尺度下捕捉spatial effects的能力，发现主系数恢复效果一致较好，而次系数恢复效果随尺度变化显著。

TROPT: An Open Framework for Unifying and Advancing Discrete Text Optimization

Matan Ben-Tov, Mahmood Sharif

cs.LG cs.CR

本文提出了TROPT，一个用于统一和推进离散文本优化的开源框架，通过标准化接口整合了多种优化器、损失函数和应用场景（如LLM jailbreak和模型内部探测），降低了该领域的研究门槛。

Collapsed Effective Operators for Higher-order Structures

Maximilian Krahn et al.

cs.LG stat.ML

本文提出了一种名为Collapsed Effective Operators的方法，通过Schur complementation将高阶结构的拓扑信息压缩为顶点级算子，该算子能编码长程相互作用并保持半正定性。该方法在谱聚类和信号平滑等任务上展示了改进效果。

Simulation-Free Estimation of Traffic Flows from Sparse Count Data

Davide Guastella, Gianluca Bontempi

cs.LG

本文提出了一种从稀疏聚合车辆计数数据中估计时变交通流模式的方法，通过划分区域、构建可行路径并求解加权最小二乘优化问题来分配车辆数，并在布鲁塞尔路网上验证了其有效性。该方法计算成本较低，但未涉及关键词中的核心概念。

The Energy Consumption of Transformer Fine-Tuning: A Roofline-Inspired Scaling Model

Mansour Zoubeirou a Mayaki

cs.LG cs.AI cs.AR cs.CL cs.DC

本文提出了一个受roofline模型启发的框架，用于建模Transformer模型在多GPU上的微调能耗，通过引入基于加速比的硬件效率因子来捕捉张量并行和全分片数据并行的效果。该工作主要关注能耗预测的实用建模，而非理论上的开创性突破。

Scheduling Thoughts: Learning the Order of Thought in Diffusion Language Models

Jiawei Xu et al.

cs.LG cs.AI

本文针对Masked Diffusion Language Models中的解码顺序问题，提出了一种基于路径对数似然的Kullback-Leibler散度上界，并据此设计了Self-Aware Scheduling (SAS)方法，通过Group Relative Policy Optimization学习轻量级的顺序策略。实验在Sudoku和数学推理任务上展示了性能提升，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。

Patient-Aware Contrastive Learning Preserves Per-Patient Structure in RR-Interval Representations

Yasantha Niroshana, Weijith Wimalasiri, Chathuranga Hettiarachchi

cs.LG

本文提出了一种患者感知的对比学习目标，通过仅从同一患者、同一类别的片段中构建正样本对，在RR-Interval表示中保留每个患者的窦性心律基线结构，同时分离不同类别。实验表明该方法在跨患者泛化上优于监督对比学习和二元交叉熵损失，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。

A Spectral Theory of Normalized Corrected GNN Propagation

Qihan Chen et al.

cs.LG

本文针对归一化修正GNN传播（normalized corrected GNN propagation）建立了谱理论，分析了去除度平稳分量后的对称归一化邻接矩阵，并证明了在稠密多对数区域下，经过$O(\log n)$层传播后，该算子能以高概率实现二元Contextual Stochastic Block Model的精确恢复。实验验证了理论对深度、图信号和特征噪声的依赖关系。

Solve for the Hyperparameter, Skip the Search: Kolmogorov-Optimal Scaling Laws for Spline Regression

Yong Yi Bay, Kathleen A. Yearick

cs.LG cs.AI math.NA stat.ML

本文提出了一种针对spline regression的解析超参数优化方法KORE，通过Kolmogorov n-width和PRESS identity推导出最优resolution的闭式解，避免了网格搜索。该方法在低交互阶数假设下，计算效率显著优于传统交叉验证，并在多个数据集上验证了其性能。

It's Much Easier for Neural Networks to learn Game of Life Dynamics with the Right Activation Function: Polynomial Kolmogorov-Arnold Networks

Tashin Ahmed, Q. Tyrell Davis

cs.LG cs.NE nlin.CG

本文研究了神经网络学习Conway's Game of Life动力学的问题，发现使用多项式Kolmogorov-Arnold网络（特别是2次多项式激活函数）能显著优于ReLU，使小规模网络也能有效学习该任务。这项工作强调了为特定任务匹配合适归纳偏置的重要性，但与我提供的关键词列表关联度较低。

Quantifying the Agreement Between Data-Influence and Data-Similarity to Understand LLM Behavior

Christopher J. Anders et al.

cs.LG

本文量化了data-similarity与data-influence两种用于理解LLM输出与训练数据关系的方法之间的排名一致性，发现两者显著一致但存在不对称性，并利用该不对称性以较低成本提升准确性。

MORL-A2C: Multi-Objective Reinforcement Learning Reranker for Optimizing Healthiness in MOPI-HFRS

Aarya Vasantlal, Joshua Zolla

cs.LG

本文提出MORL-A2C，将多目标食物推荐问题建模为K步reranking问题，使用Advantage Actor-Critic算法优化健康与偏好的权衡。实验表明该方法在牺牲一定排序质量的情况下显著提升了健康对齐指标。

Scaling Linear Mode Connectivity and Merging to Billion Parameter Pretrained Transformers

Tianyi Li, Zhiqiang Shen

cs.LG cs.AI

本文提出了一种可扩展的框架，通过参数化功能保持的权重变换和对齐双向学习路径，使得线性模式连通性（LMC）能够应用于十亿参数级别的预训练Transformer模型。实验表明该方法在语言模型和视觉模型上均能显著降低插值障碍，实现近乎无障碍的线性连接。

Discovering Latent Groups for Robust Classification

Ankur Garg et al.

cs.LG cs.AI cs.CV

本文提出了一种名为neural classification trees (NCT)的框架，通过树形架构编码subgroup结构来提升分类鲁棒性，无需subgroup标注即可分离冲突的subgroup。该方法在多个基准上取得了与现有方法相当的鲁棒性，并提供了良好的可解释性。

DiT-Reward: Generative Representations for Text-to-Image Reward Modeling

Yuanming Yang et al.

cs.LG cs.AI

本文提出DiT-Reward，将预训练的text-to-image Diffusion Transformer转换为reward model，通过处理近干净的image latents并聚合跨层的text-conditioned image representations来预测生成图像的奖励。实验表明，该方法在多个偏好基准上优于HPSv3，并能在生成backbone冻结时仍提取有意义的偏好预测，同时观察到与生成backbone容量一致的正向缩放效应。

Learning Process Rewards via Success Visitation Matching for Efficient RL

Raymond Tsao, Andrew Wagenmaker, Sergey Levine

cs.LG cs.AI cs.RO stat.ML

本文提出了一种通过成功访问匹配（Success Visitation Matching）将稀疏结果奖励转化为密集过程奖励的方法，用于提升强化学习（RL）的效率。该方法训练一个判别器区分成功与不成功的episode，并激励策略匹配成功episode的状态-动作访问模式，从而在不改变最优策略的前提下提供密集反馈。实验表明，该方法在模拟和真实机器人操控任务中显著加速了RL微调性能。

Dynamic estimation of slowly varying sequences

Prashant Gokhale, Mikhail Khodak, Sandeep Silwal

cs.LG cs.DS

本文提出一个通用框架，用于动态估计缓慢变化序列中每个元素的函数值，通过重用历史查询来降低计算成本。该框架适用于多种线性和非线性函数，并开发了一种根据变化幅度$\alpha_t$局部调整估计预算的算法，改进了先前对动态trace estimation的界。

MAS-PromptBench: When Does Prompt Optimization Improve Multi-Agent LLM Systems?

Juyang Bai, Laixi Shi

cs.LG cs.MA

本文研究了多智能体LLM系统中系统提示优化的效果，通过在不同任务、工作流和团队规模下进行基准测试，揭示了提示优化在特定配置下能带来显著性能提升，但也面临搜索空间指数增长的挑战。

On the Limits of Prompt-Conditioned Language Models as General-Purpose Learners

David Mguni, Julian Ma, Jun Wang

cs.LG

本文通过将用户-系统交互建模为廉价谈话博弈，分析了prompt-conditioned LLMs作为通用求解器的局限性。作者推导了PAC-Bayes界限，证明了语言作为容量有限的通信信道会导致不可消除的表达性误差下限，且对齐约束会引入客观失配误差，表明仅通过prompt无法实现通用问题求解。

Tapered Language Models

Reza Bayat, Ali Behrouz, Aaron Courville

cs.LG cs.AI cs.CL

本文发现现代语言模型（包括Transformer、循环和基于记忆的变体）中，各层对最终输出的贡献是非均匀的。在固定参数预算下，提出Tapered Language Models (TLMs)架构原则，通过余弦调度单调地缩减MLP宽度，在三个模型规模和四种架构上一致地提升了perplexity和下游任务性能。

Open Problem: Is AdamW Effective Under Heavy-Tailed Noise?

Dingzhi Yu et al.

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

本文提出一个开放问题：在heavy-tailed noise（重尾噪声）下，AdamW优化器是否仍能有效收敛。作者给出了一个正面的weighted-metric benchmark（加权度量基准），并设计了一个corridor lower-bound mechanism（走廊下界机制）来展示分母记忆如何隐藏大梯度，但并未给出完整的收敛理论。

cs.AI

PEAR: Permutation-Equivariant Adaptive Routing Multi-Agent Debate ⭐ 精选

Yang Feng et al.

cs.AI cs.CL cs.LG cs.MA stat.ML

本文提出了一种名为PEAR (Permutation-Equivariant Adaptive Routing Multi-Agent Debate) 的推理时协议，用于改进多智能体辩论（multi-agent debate）中大型语言模型（LLMs）的可靠性。该方法通过动态重新配置通信角色和稀疏拓扑结构，防止任何智能体永久占据特权位置，从而有效缓解了固定拓扑带来的位置偏差和对角色分配的高敏感性。PEAR在理论上被刻画为一个等变稀疏路由器（equivariant sparse router），在智能体重标号下保持准确性，同时降低了路由复杂度并提升了泛化能力。实验表明，该方法在多个推理基准和LLM骨干网络上显著优于现有最强辩论基线。

Democratizing and accelerating AI-driven pathology research through agentic intelligence ⭐ 精选

Jiabo Ma et al.

cs.AI cs.CV

本文提出了PathLab，一个自主agentic框架，能够将自然语言的研究目标自动转化为可执行且经过验证的计算病理学工作流。该框架通过组织可重用的方法论模块（如数据预处理、模型开发、评估与解释），使得研究可以在科学意图层面进行指定，而非关注实现细节。在12个公共数据集上的评估表明，PathLab在多种任务（如ROI分类、全切片图像分类、分割和生存预测）中达到了与专家实现相当的性能，并能有效拒绝不兼容的工作流规范。这项工作通过降低技术门槛，为计算病理学的民主化提供了基础，与关键词“agent”高度契合。

From Question Answering to Task Completion: A Survey on Agent System and Harness Design ⭐ 精选

Jianyuan Guo et al.

cs.AI cs.CL

本文从模型-执行框架(model-harness)的视角系统审视了基于LLM的agent系统，将agent定义为foundation model与execution harness的耦合体。文章将execution harness分解为六个耦合的运行时职责：observation, context, control, action, state, verification，并分析了模型中心化scaling的局限性，追溯了agent工程的四个范式。该工作为agent性能瓶颈（是foundation model、execution harness还是两者耦合）这一核心问题提供了分析框架，与关键词"agent"高度契合，且对agent系统的工程化设计具有开创性的指导意义。

Agentic Time Machine as an Infrastructure for Future-Event Forecasting ⭐ 精选

Jingyi Chai et al.

cs.AI cs.LG

本文提出了Agentic Time Machine (TM)基础设施，通过过滤post-cutoff内容近似重建任意历史时刻的web状态，解决了未来事件预测中实时评估效率低与静态数据库环境保真度不足的矛盾。基于此，作者设计了一个planner-solver-aggregator多agent框架，将问题分解为多个分析角度并行收集证据并聚合为单一预测。实验表明，TM下的离线分数与实时FutureX分数高度相关，且该框架在多个基准上取得最优结果，包括FutureX官方八周总排行榜第一名。该工作为agent在预测任务中的评估提供了高效且可靠的沙盒环境。

Negative Knowledge as Failure-aware Shared Memory for AutoResearch ⭐ 精选

Hanchun Wang

cs.AI cs.CY cs.LG cs.MA

本文提出了一种负知识记忆层（negative knowledge memory layer），通过一个curator agent将AI研究系统中的失败尝试转化为有界、类型化的记录存入共享库，并让下游research agent在提出新实验前明确采纳或拒绝这些记录。该方法在ScienceAgentBench和两个非线性数学物理PDE问题（涉及spectral方法）上验证了有效性，相比vanilla AutoResearch基线使用更少token却能解决所有基线失败的新任务。该工作将结构化负知识视为一种知识资产，为AI辅助科研中的agent系统提供了failure-aware的共享记忆机制。

ARCO: Adaptive Rubric with Co-Evolution for Multi-Step LLM-Based Agents ⭐ 精选

Zihang Tian et al.

cs.AI cs.CL

ARCO提出了一种自适应rubric（评分准则）与策略$\pi$共同进化的框架，用于多步LLM agent的强化学习。其核心创新在于使用同一尺度模型$\mu$的两个head：一个生成head产生每步的准则，一个评分head预测基于rubric的step-level奖励，并通过轨迹分解约束（将step奖励之和与最终结果绑定）实现无需step-level标签的credit assignment。该方法在HotpotQA等数据集上显著优于现有的outcome-based、rubric-based和process-reward基线，且其rubric具有step特异性，可用于诊断agent行为。这与关键词“agent”和“attention”（通过step-level credit assignment隐式关注关键步骤）高度契合。

Calibration Is Not Control: Why LLM-Agent Oversight Needs Intervention ⭐ 精选

Chubin Zhang et al.

cs.AI

本文指出LLM agent的运行时监督（oversight）不应基于标量风险预测（如失败概率或不确定性），而应基于干预优势（intervention advantage），即干预相对于继续执行所能带来的期望效用增益。作者形式化了这一目标误差（target error），并引入前缀分支（prefix branching）这一反事实协议，从相同轨迹状态执行候选动作来测量该误差。实验表明，基于动作条件的控制（action-conditioned control）在多个benchmark上显著优于标量路由（scalar routing），且仅校准标量分数无法修复控制遗憾（control regret），例如在ALFWorld上，简单的仅前缀动作条件控制器将遗憾从0.506降至0.110。该工作与关键词“agent”高度契合，为LLM agent的监督提供了新的决策框架。

Training the Orchestrator: A Supervised Approach to End-to-End PDDL Planning with LLM Agents ⭐ 精选

Rajesh Mangannavar et al.

cs.AI

本文提出HALO (Hybrid Agent-Learned Orchestrator)方法，通过监督学习训练一个轻量级orchestrator，以替代传统agentic框架中依赖前沿LLM的prompted orchestrator。核心创新在于利用外部verifier在refinement loop中认证的轨迹作为直接监督信号，将每个(state, agent)决策视为正确样本，从而训练一个QLoRA-tuned小模型与三条硬编码规则结合的混合策略。在11个PDDL domain上的实验表明，HALO在成功率上匹配或超越GPT-5-mini基线，且将orchestration成本降低超过一个数量级（每任务从\$0.18降至\$0.004），同时减少40-50%的LLM调用次数。该方法与关键词"agent"高度契合，为LLM agent的端到端规划提供了一种低成本、可训练的orchestrator范式。

AgentCAT: Simulating Computerized Adaptive Testing via Multi-Agent Large Language Models ⭐ 精选

Weiyuan Zhou et al.

cs.AI

AgentCAT提出了一种基于Large Language Model的多智能体模拟框架，用于解决Computerized Adaptive Testing (CAT)中静态离线数据和孤立组件优化的长期问题。该框架包含三个核心模块：examinee agent通过memory retrieval和Chain-of-Thought reasoning模拟认知响应，selection agent利用coarse-to-fine bucketing和knowledge graph exploration平衡局部难度与全局覆盖，supervisor通过dual-auditing和robust update确保收敛与有效性。在真实数据集上的实验表明，该方法在宏观能力收敛、微观交互逻辑和数据稀疏性鲁棒性上均优于现有方法，为动态测试提供了高保真基准环境。该工作与关键词“agent”高度契合，且方法具有开创性。

Measuring What Persists: Conditioning Mechanisms and a Geometric Framework for AI Agent Identity ⭐ 精选

Andrew Tanner

cs.AI cs.CL

本文提出了一种基于$\sqrt{\mathrm{JSD}}$度量空间和enriched category theory中magnitude homology的几何框架，用于测量AI agent的身份结构。该框架将agent身份视为非测地线结构，而身份漂移则是其向测地线的松弛过程。实验发现了一种双机制条件结构：cross-condition距离揭示了身份真空簇和安全盆地簇，并通过等边探针基线证实身份规范创造了可测量的行为丰富性。该工作为agent身份保持问题提供了开创性的几何测量方法，与关键词"agent"高度契合。

AgentRiskBOM: A Risk-Scoping Security Bill of Materials for Agentic AI Systems ⭐ 精选

Srimonti Dutta, Akshata Kishore Moharir

cs.AI cs.CR cs.SE

AgentRiskBOM提出了一种针对Agentic AI系统的安全物料清单（BOM），旨在解决现有SBOM、AIBOM等工具在描述agent运行时权限（如工具调用、内存访问、凭证范围、审批门控等）方面的透明度缺口。该工作通过JSON-schema实现，并在13个开源agent（涵盖coding、RAG、multi-agent等类型）上验证，其风险类别可见性达到100%，显著优于传统BOM方法。本文与关键词“agent”高度契合，为agent系统的安全风险范围界定提供了结构化的开创性方法。

Learning the ARTS of Search for Automated Discovery ⭐ 精选

Gurusha Juneja et al.

cs.AI cs.CL

本文提出Agentic Reasoning for Tree Search (ARTS)，将科学发现建模为假设与实验空间的迭代搜索过程。该方法使用推理语言模型作为agent，通过检查历史执行日志诊断失败原因（区分实现错误与假设缺陷），并选择后续探索方向。为克服上下文窗口限制，ARTS采用test-time training将搜索树知识注入模型权重。在22个MLGym和MLEBench任务上，ARTS相比领先算法在归一化分数上提升超过15.3%，且Qwen3-4B agent通过test-time training能以最高5倍更低的推理成本匹配Gemini-3 Pro和GPT o3等闭源前沿模型性能。

REBA: A Revealed Belief Automaton Framework for Online Planning in Continuous POMDPs ⭐ 精选

Xiangwei Chen et al.

cs.AI

本文提出REBA (Revealed Belief Automaton)框架，用于处理连续部分可观测马尔可夫决策过程 (continuous POMDPs) 中的在线规划问题。该框架通过信息论门控 (information-theoretic gates) 在线认证“揭示事件” (revelation events)，从连续belief space中动态提取可靠锚点 (anchors)，并构建有限Belief Automaton，从而避免了传统方法依赖预定义离散抽象 (predefined discrete abstraction) 的缺陷。REBA结合$\omega$-regular规范支持形式化奇偶策略合成 (parity policy synthesis)，并引导Monte Carlo Tree Search进行超越局部视野的在线搜索，在巡逻和导航场景中取得了显著优于现有方法的性能提升。

IRumAI: Reinforcement Learning for Indian Rummy ⭐ 精选

Vignesh Mohan

cs.AI cs.LG

本文提出IRumAI，首个将Reinforcement Learning应用于Indian Rummy（一种具有复杂隐藏信息的纸牌游戏）的agent。该方法整合了Proximal Policy Optimization (PPO)、基于meld（牌组）的observation编码、deadwood（未成组牌）驱动的reward shaping以及双分支卷积架构，通过一次性的behavior-cloning warm-start后仅对抗弱heuristic进行RL训练，即可击败包括最强搜索对手在内的所有baseline，且推理速度比现有方法快7000倍以上。该工作为具有隐藏信息的博弈问题提供了高效的RL解决方案，与关键词“agent”高度契合。

Geometry-Aware Online Scheduling for LLM Serving: From Theoretical Bound to System Practice ⭐ 精选

Li Kong et al.

cs.AI

本文提出了一种几何感知的在线调度算法Smallest Volume First (SVF)及其高效变体1-bit SVF，用于优化大语言模型推理中的Key-Value cache内存管理。理论上，作者通过新颖的证明方法将已知输出长度下SVF的最坏情况competitive ratio从48收紧至5，并建立了不同流量场景和信息可用性下的完整理论分类。实践上，该方法作为即插即用层集成到vLLM中，在Llama-3.1模型上显著降低了平均和尾部延迟，其中1-bit SVF仅需单比特信息即可实现有竞争力的吞吐量。该工作为现代LLM部署中的内存受限调度问题提供了理论严谨且经验验证的解决方案。

Hypothesis-Driven Skill Optimization for LLM Agents ⭐ 精选

Fangxin Shang, Yehui Yang

cs.AI cs.SE

本文提出Hypothesis-Driven Skill Optimization (HDSO)，一种无需训练的框架，用于优化LLM agent的外部技能。该框架将技能策展者和agent执行者均视为冻结的推理端点，通过提出可证伪假设、实例化为候选技能包、执行配对控制/处理验证，并仅将受支持的技能整合到批准仓库中，从而避免从稀疏或噪声轨迹中蒸馏技能的风险。在ALFWorld上，HDSO显著提升了Qwen3-8B和Qwen3.6-27B的执行器基线性能，并在随机翻转反馈下仍保持增益，为冻结action agent提供了可审计的技能生命周期。该方法与关键词“agent”高度契合，且其验证驱动的技能优化思路具有开创性。

Governance Decay: How Context Compaction Silently Erases Safety Constraints in Long-Horizon LLM Agents ⭐ 精选

Shiyang Chen

cs.AI

本文揭示了LLM agent在长程对话中因上下文压缩（context compaction）导致的安全隐患，即治理约束（governance constraints）在压缩后被静默移除，使得agent执行原本被禁止的工具操作。作者提出了ConstraintRot基准测试和Compaction-Eviction Attack攻击方法，并设计了无需训练的Constraint Pinning缓解策略，将违规率恢复至0%。该工作首次将上下文管理层识别为部署agent的安全关键面，与关键词中的agent和context高度契合。

SkillAudit: From Fixed-Suite Benchmarking to Skill-Centered Assessment ⭐ 精选

Dexu Yu et al.

cs.AI

SkillAudit提出了一种以技能为中心的评估框架，用于自动生成agent技能的utility、efficiency/cost和safety的多维报告。该方法通过从技能包直接构建能力对齐的评估任务，并在隔离沙箱环境中执行，结合LLM-based judging进行自动化检查。其核心创新在于baseline comparison principle（用于衡量utility和efficiency/cost）以及两阶段检测范式（结合静态语义分析与动态运行时验证）来评估safety风险。该工作解决了现有固定任务套件评估范式无法区分技能边际贡献与骨干模型能力的问题，并通过对23个职业类别的真实技能包扫描发现超过7%的技能存在风险。

AgentLens: Interpretable Safety Steering via Mechanistic Subspaces for Multi-Turn Coding Agent ⭐ 精选

Weidi Luo et al.

cs.AI cs.SE

AgentLens提出了一种基于mechanistic interpretability的白盒防御框架，用于多轮coding agent的安全控制。该方法通过从step-level hidden representations中检测有害执行状态，并在单层内的10维mechanistic subspace中进行干预，实现了对agent不安全行为的运行时缓解。这项工作为将mechanistic interpretability应用于动态LLM agent安全提供了基础，并引入了MAS benchmark用于评估。

GroundEval: A Deterministic Replacement for LLM-as-Judge in Stateful Agent Evaluation ⭐ 精选

Jeffrey Flynt

cs.AI cs.CL cs.SE

本文提出GroundEval，一种用于评估agent的确定性框架，替代了传统的LLM-as-Judge方法。该框架通过domain configuration生成问题，记录agent的完整执行轨迹（包括搜索、获取、引用和权限访问），并基于grounded evidence（有根据的证据）对最终答案和轨迹进行评分。GroundEval专门针对三种LLM-as-Judge难以检测的失败模式：agent在声称不存在前是否检查过、是否仅基于相关时间点可用的证据进行推理、以及是否使用了正确的因果机制而非看似合理的机制。实验表明，即使两个前沿LLM judge给一个看似合理的agent回答打出0.85以上的高分，GroundEval也能通过轨迹分析发现该回答从未检索到其依赖的证据，从而给出0.000的分数，揭示了最终答案和基于judge的评分方法固有的盲点。

Active Inference as the Test-Time Scaling Law for Physical AI Agents ⭐ 精选

Omar Hashash et al.

cs.AI

本文提出了一种基于Active Inference（主动推理）的test-time scaling law，用于物理AI agent。该定律通过让agent在测试时利用其world model进行推理，以soft Bayesian inference的方式动态更新policy，从而最小化预期prediction error，实现对非平稳环境中unforeseen scenarios的泛化。为解决解析困难，作者开发了variational inference方法，通过最小化free energy bounds来求解，并证明该方法在自动驾驶任务中优于model-free Q-learning和model-based Bayesian reinforcement learning，同时将推理效率提升了36%以上。该工作与关键词“agent”高度契合，并为物理AI agent的test-time泛化提供了开创性的理论框架。

RaMem: Contextual Reinstatement for Long-term Agentic Memory ⭐ 精选

Wei Yang et al.

cs.AI cs.MA

本文提出RaMem框架，用于解决LLM agent长期记忆中的"context collapse"问题——即当记忆被压缩为可复用片段时，不同情境的记忆可能因涉及重复实体而显得同样相关。该框架通过四个协调阶段（evidence anchoring、recall condition induction、validity-aware retrieval、context-preserved synthesis）将检索到的记忆片段转化为可验证的上下文证据。实验表明，RaMem在多个长期记忆基准上相比强基线方法平均F1提升超过10%。该工作与关键词"agent"和"context"高度契合，为agent长期记忆的上下文感知检索提供了系统性解决方案。

Agent-as-a-Router: Agentic Model Routing for Coding Tasks ⭐ 精选

Pengfei Zhou et al.

cs.AI

本文提出Agent-as-a-Router框架，将模型路由问题形式化为Context->Action->Feedback->Context的闭环过程，通过在执行过程中积累经验来弥补信息不足。该框架的实例化ACRouter由Orchestrator, Verifier和Memory模块组成，并引入包含约10K个任务实例的CodeRouterBench评估环境。实验表明ACRouter在分布内任务上达到最低累积regret，并能泛化到分布外的agentic编程任务，与关键词"agent"和"code"高度契合。

DART: Draft-Agreement Routing for Training-Free Adaptive Thinking Budgets in Hybrid Reasoning Models ⭐ 精选

Jungseob Lee et al.

cs.AI cs.CL

本文提出DART（Draft-Agreement Routing），一种无需训练的推理路由框架，用于在混合推理模型（hybrid reasoning models）中自适应分配思考预算（thinking budget）。DART通过采样两个廉价的“无思考”草稿（no-think drafts），在草稿一致时直接回答，在草稿不一致时根据草稿熵（draft entropy）预测思考预算，从而在保持或提升准确率的同时大幅减少思考token消耗。实验表明，在数学推理中，奥林匹克级问题准确率提升高达+9.0分，思考token减少15-69%；在基于执行等价（execution-based equivalence）的代码推理中，准确率提升高达+22.5分，思考token减少51-63%，且该方法无需标注数据或梯度更新，可跨模型规模（0.6B-32B）和模型家族迁移。

HOLMES: Evaluating Higher-Order Logical Reasoning in LLMs ⭐ 精选

Yucheng Wu et al.

cs.AI

本文提出了HOLMES (Higher-Order Logic Meets real-world Explainable Symbolic reasoning)基准，这是首个用于评估LLM高阶符号推理能力的真实世界benchmark，包含1379个实例。该基准基于higher-order logic，将自然语言问题与HOL formalizations、ground-truth答案及可验证推理轨迹配对，覆盖法律和金融领域。实验表明，当前LLM在该基准上平均准确率仅50.64%，且高最终答案准确率可能掩盖冲突解决中的捷径推理，在scope-conditioned和compositional reasoning下性能显著下降。这项工作揭示了高阶符号推理是构建可靠LLM的关键瓶颈，与我提供的关键词中的"reasoning"和"context"高度契合。

GIF: Locally Sound Geometric Information Flow Control for LLMs ⭐ 精选

Adam Storek et al.

cs.AI

本文提出Geometric Information Flow (GIF)，一种基于LLM Jacobian矩阵和局部输出几何结构的语义框架，用于追踪输入token到输出的信息流。GIF通过自动微分和低秩近似计算Shannon互信息的上界，满足局部几何合理性，并提供了Lean 4形式化证明。该方法在prompt injection和隐私泄露任务中实现了接近完美的召回率，且计算成本比GPT-5.5等baseline低81倍，同时支持通过小规模surrogate模型迁移到大规模模型。该工作与关键词中的“context”和“attention”高度相关，为LLM信息流控制提供了开创性的语义基础。

On the Identifiability of User Adaptation in Co-Adaptive Neural Interfaces

Philip Waggoner

cs.AI cs.HC

本文分析了共适应人机系统中用户适应的可识别性问题，指出闭环编码器估计不能唯一识别用户适应，而是反映联合系统的属性。文章讨论了行为适应解释的含义并提出了识别条件。

Beyond Fixed Budgets: Characterizing the Inelasticity and Limitations of Tree-of-Thought Reasoning Strategies

Atkia Mahila et al.

cs.AI cs.LG

本文评估了两种Tree-of-Thought推理方法(DPTS和SSDP)在不同计算预算下的表现，发现DPTS在低预算时存在冷启动瓶颈，而SSDP则因节点合并导致搜索空间过早耗尽。

The New Associationism: Lessons from Deep Learning

Daniel Rothschild

cs.AI cs.LG

本文探讨了现代AI（特别是deep learning）的成功如何支持一种温和的associationism（联想主义）观点，认为supervised learning（监督学习）是许多AI系统（如大语言模型和游戏智能体）的核心机制。文章主要从哲学和认知科学角度论证，而非提出具体的数学或算法创新。

Specifying AI-SDLC Processes: A Protocol Language for Human-Agent Boundaries

Ylli Prifti

cs.AI cs.MA cs.PL cs.SE

本文提出了一种用于规范AI-SDLC（人工智能软件开发生命周期）过程的领域特定语言，通过形式化语法和操作语义来定义人类与agent之间的责任边界与治理约束。该语言区分了策略与机制，并分析了结构强制与行为合规对系统故障率的影响，但其贡献主要在于特定领域的集成而非基础性理论突破。

Darwin Mobile Agent: A Roadmap for Self-Evolution

Daniel Beechey et al.

cs.AI cs.LG

本文提出Darwin Mobile Agent框架，通过异步agent-environment循环在并行云手机实例上解决移动GUI交互中的数据收集瓶颈，并规划了从任务课程、结果验证和记忆管理三个维度逐步消除人类先验的路线图。该工作为GUI领域的自主强化学习提供了基础设施验证。

Path-dependent program induction under resource constraints explains human sequence learning

Hanqi Zhou et al.

cs.AI cs.CL cs.LG cs.PL

本文整合rate-distortion theory与program induction，提出hierarchical Adaptor Grammar (HAG)模型，用于解释人类在资源约束下如何从序列经验中构建抽象知识。实验表明，HAG在模拟和在线旋律学习任务中优于固定grammar和浅层chunking方法，揭示了经验顺序对抽象结构学习的影响。

In LLM Reasoning, there is Irrationality on top of Value Misalignment

Kejiang Qian, Fengxiang He

cs.AI cs.CL cs.LG stat.ML

本文探讨了LLM在推理中即使经过价值对齐仍可能存在的非理性行为，将其形式化为理性价值风险，并通过实验验证了该风险的普遍性及对齐无法完全消除它。

AlphaMemo: Structured Search-Process Memory for Self-Evolving Alpha Mining Agents

Hang Yu et al.

cs.AI cs.CL cs.LG

AlphaMemo提出了一种结构化搜索过程记忆方法，用于增强LLM agent在alpha挖掘任务中的自我进化能力。该方法通过从AST差异中提取编辑模式并应用置信门控残差记忆，以提升因子发现的效率和鲁棒性。

Latent Goal Prediction from Language for Model-Based Planning

Samuel Barbeau et al.

cs.AI cs.LG

本文提出LAGO框架，通过从语言指令预测潜在子目标序列并结合动作条件展开，在潜在空间中进行长时域规划。该方法旨在解决基于world model的规划中预测误差累积和语言-视觉对齐噪声问题。

Human Decision-Making with AI Assistance under Correlated Features

Yanru Guan, Naveen Raman, Fei Fang

cs.AI cs.CY cs.GT

本文研究了在特征相关条件下，AI辅助人类决策的最优策略问题。作者证明了当特征相关时，固定策略（stationary policy）表现可能极差，而最优策略必须遵循“先探索后承诺”（explore-then-commit）的结构，并提出了基于动态规划的算法来求解有限时间下的最优策略。

Harnessing Agent Skills: Architectural Patterns and a Reference Architecture for Skill-Mediated LLM Agents

Boming Xia et al.

cs.AI cs.LG

本文研究了LLM agent中技能利用的架构模式，提出了一个包含10种经验性架构模式的目录，并将其综合为包含四个责任层的参考架构。该工作为分析agent系统中的技能利用责任提供了词汇和诊断框架。

DEMM-Bench: A Cross-Regime Benchmark for Agent-Runtime Governance-Evidence Sufficiency

Oleg Solozobov

cs.AI cs.CY

本文提出了DEMM-Bench基准，用于评估agent运行时系统中决策证据的充分性，通过8种证据机制和64个案例测试了不同方法的表现。

SkillHarness: Harnessing Safe Skills for Computer-Use Agents

Yurun Chen et al.

cs.AI cs.CL cs.CR cs.LG

本文提出SkillHarness框架，用于在动态环境中安全地学习和复用Computer-Use Agent的技能。该框架通过引入skill boundary和选择性技能复用机制，利用多源监督信号识别安全技能，显著降低了不安全率并提升了执行稳定性。

Constituency Optimisation Through Hamiltonian Representation Of Mandates (COTHROM): Algorithmic Redistricting of Irish Election Boundaries

Ruaidhrí Campion et al.

cs.AI cond-mat.stat-mech cs.CY physics.soc-ph

本文提出了一种基于统计物理的选区划分算法COTHROM，将宪法目标建模为Potts Hamiltonian中的项，并使用MCMC和模拟退火进行优化。该方法在爱尔兰科克郡的案例中优于现有法律边界，但未涉及代码、上下文、谱方法、Muon、预训练、智能体或注意力等关键词。

RIZZ: Routing Interactions to Near Zero-Interference Zones for Continual Adaptation of Black-Box Agents

Sonali Goel et al.

cs.AI cs.LG

RIZZ提出了一种通过验证器门控记忆、路由和提示编译来持续适应黑盒语言模型代理的框架，旨在解决非平稳输入流和稀疏反馈下的干扰问题。该方法在多个基准测试上进行了评估，但未涉及代码、谱方法或Muon优化器等关键词。

An LLM-Explainable DRL Framework for Passenger-Directed Autonomous Driving

Ouided Braoui, Meriem Bouali, Nadir Farhi

cs.AI cs.LG math.OC

本文提出了一种结合deep reinforcement learning (DRL)和large language model (LLM)的自动驾驶框架，用于向乘客解释驾驶决策。DRL agent在仿真中训练以响应不同驾驶请求，LLM模块则生成安全导向的解释，但该方法主要关注可解释性而非关键词中的核心概念。

Hypothesis-Disciplined Multi-Agent Automated Formalization of Asymptotic Statistical Theory

Tingzhou Wei et al.

cs.AI cs.LG cs.LO math.ST

本文提出了一种基于多agent的假设约束Lean 4形式化流程，用于自动化形式化渐近统计理论，通过manager协调七个专业角色完成证明规划、骨架搭建、Mathlib侦察等任务，并特别设计了Auditor agent来确保每个定理假设和概念层字段都源于原始数学文本。该工作为渐近统计理论（特别是参数和半参数模型的渐近分布与效率结果）构建了公理干净且忠实于源文的形式化开发。

SPARC: A Multi-Agent System for Electrical Circuit Question Answering

Mushtari Sadia et al.

cs.AI cs.CV

SPARC是一个多agent系统，用于回答电路图问题，通过将推理过程基于可执行的物理仿真程序来提高准确性。该系统利用LLM agents合成、执行和分析仿真程序，在电路图问答任务上取得了83%的准确率。

Bridging Multi-Valued Heuristics and Dimensionality Reduction in Multi-Objective Search

Maya Wolff, Ariel Felner, Oren Salzman

cs.AI cs.RO

本文研究了多目标最短路径（MOSP）算法中多值启发式（MVH）与降维（DR）技术的集成问题，指出简单组合会导致搜索不正确，并提出了两种理论框架（$\text{NAMOA}^*_{\text{dr}\text{-}\text{mvh}}$和$\text{L}\text{-}\text{NAMOA}^*_{\text{dr}\text{-}\text{mvh}}$）来安全地结合两者，其中后者通过“懒惰”乐观方法实现了正确且高效的搜索。

Learning Splitting Heuristics for Parallel String Solvers

Chenhao Gao, Peisen Yao

cs.AI cs.SE

本文提出了一种数据驱动的方法来自动生成并行string solver中的splitting heuristics，将splitting atom的选择问题转化为学习任务，并在Z3seq和Z3str4求解器中验证了其有效性。

A-Evolve-Training: Autonomous Post-Training of a 30B Model

Zhan Shi et al.

cs.AI cs.LG

本文介绍了一个名为A-Evolve-Training的自主系统，用于对30B参数的Nemotron模型进行后训练，无需人工干预。该系统在多个轮次中自动运行数据与配方调整循环，最终在公开排行榜上达到接近人类顶尖水平的分数。

Expected Free Energy-based Planning as Variational Inference

Wouter W. L. Nuijten, Thijs van de Laar, Bert de Vries

cs.AI cs.LG

本文提出将基于Expected Free Energy (EFE)的规划问题重新表述为在增广了epistemic priors的generative model上的Variational Free Energy最小化，并证明了该变分公式能分解为期望计划成本与复杂度项。实验在确定性T-maze、随机Reactivity Maze和部分可观测MiniGrid环境中验证了该方法能诱导信息寻求行为，并在随机转移下优于基于计划的方法。

Skill Coverage: A Test Adequacy Metric for Agent Skills

Boyin Tan, Xiaowei Huang, Youcheng Sun

cs.AI cs.LG cs.SE

本文提出了一种名为skill coverage的测试充分性度量方法，用于评估大语言模型agent技能（skill）的测试覆盖程度。该方法从技能文档中提取可观察的行为约束，并判断agent轨迹是否提供了足够证据来执行和评估这些约束。实验表明，现有基准测试仅覆盖了39.90%到43.98%的技能行为约束，说明任务成功并不等同于技能被充分测试。

From Knowing to Acting: Benchmarking Self-Awareness Capability of LLM Agents

Yifan Li et al.

cs.AI cs.CL cs.LG

本文提出了KAPRO框架和KAware数据集，用于评估LLM agent的自我意识能力（即判断问题是否需要外部工具或内部知识），实验表明该能力与任务成功相关，但开源模型存在工具过度使用问题。

Confidence Laundering in Agent Systems: Why Uncertainty Needs a Latent Carrier

Kaiwen Shi et al.

cs.AI cs.MA

本文指出在多agent系统中，上游决策的不确定性在传递给下游组件时会被“清洗”掉，导致系统级错误放大。作者将这种现象定义为confidence laundering，并提出latent uncertainty作为一种保留不确定性的载体，以改善agent系统的不确定性传播。

DrugBench: Evaluating AI Control Protocols for Medication Harm Mitigation

Guido Freire, Agustín Martínez-Suñé, Viviana Cotik

cs.AI cs.CL cs.LG

本文提出了DrugBench基准，用于评估AI控制协议在医疗场景中减轻药物相关危害的效果，并引入了基于严重性的监控方法。该工作主要关注医疗安全评估，与关键词中的code、spectral、Muon、pretrain、agent、attention等方向无直接关联。

A Quantum-Assisted Agentic Distributed Artificial Intelligence Framework for Deadline-Bounded Orchestration of Hybrid Renewable Microgrids

Iacovos I. Ioannou et al.

cs.AI

本文提出了一种量子辅助的分布式人工智能框架，用于在硬控制截止时间下解决混合可再生能源微电网的实时调度问题。该框架将每个控制时隙的调度问题建模为QUBO问题，并通过量子、量子启发式和经典求解器组合求解，同时引入了一种基于信念的储能估值机制。实验表明该方法在24小时仿真中实现了最优调度，但主要贡献在于工程应用而非理论创新。

Agent Behavior Mining: Generative AI Agent Governance in Business Processes

Hoang Vu et al.

cs.AI cs.SE

本文提出Agent Behavior Mining方法，通过事件数据模型将生成式AI agent的决策过程转化为标准化流程日志，以解决业务流程中agent的不可见自主性风险。该方法在订单到现金的多agent实现中验证了检测策略偏差和量化操作变异性的能力。

Artificial Intelligence as Monism: Ontological, Organisational, and Methodological Implications

Bertrand K. Hassani

cs.AI stat.AP

本文从哲学角度论证人工智能应被视为一种一元论（monism）实体，而非数据、算法等组件的集合，并探讨了这种观点在认识论、组织管理和数据架构层面的影响。该文主要涉及哲学与组织理论，与您提供的关键词（如code, spectral, Muon, pretrain等）无直接关联。

Simulated Customers Never Walk Away: Decision Fidelity of LLM User Simulators Measured Against Real Purchase Outcomes

Liang Chen

cs.AI cs.CL cs.HC

本文提出了一种新的评估维度“decision fidelity”，用于衡量LLM用户模拟器在决策层面上的真实性。通过在真实销售对话数据上的实验，作者发现模拟器存在“disengagement deficit”问题，即模拟器无法准确复现真实用户放弃购买的行为，而是倾向于过度参与对话。

FairTutor: Equity-Aware Pedagogical LLM Routing for Budget-Constrained AI Tutoring

Qingyang Xu

cs.AI

本文提出了FairTutor框架，通过多agent编排（包括查询分析、教学规划、低成本模型生成和选择性升级到高级模型）在预算约束下实现公平的AI辅导，并引入了AIED Advantage Gap指标来衡量服务质量差异。实验表明该方法能以较低成本达到接近高级模型的教学质量。

Escape from Delusional Echo Trap: Symmetry Breaking, Stochastic Dynamics and Mathematical Mitigation Strategies for Algorithmic Sycophancy

Sayantari Ghosh, Saumik Bhattacharya, Partha Pratim Chakrabarti

cs.AI math.DS physics.soc-ph

本文利用动力系统理论和随机微分方程，将用户信念演化建模为对数几率状态变量，分析了算法谄媚如何通过势能景观的相变导致认知陷阱，并探讨了外部信息对刚性信念的修正机制。

When Web Agents Finish but Still Fail: Reproducible Triggers and Trace Diagnostics for Parallel Web Exploration

Aagam Sogani et al.

cs.AI cs.LG

本文研究了long-horizon web agent在并行网络探索任务中的失败模式，通过构建Parallel WebBench benchmark并训练GRPO模型，发现模型在completion rate和element-wise F1上虽有提升，但binary accuracy仍较低，存在context-bound search loops、premature termination和synthesis collapse等失败类型。

Repeated Shared Access Enables Grokking, but Edit Propagation Depends on a Fine-Grained Addressable Memory

Yanan Niu

cs.AI cs.LG

本文在合成知识图谱QA设定下比较了四种架构（Dense, Loop, Dense+Mem, LMC）在事实编辑传播中的表现。研究发现，重复共享访问（repeated shared access）是学习泛化（grokking）的通用要素，但编辑传播的效果取决于是否存在细粒度可寻址记忆（fine-grained addressable memory）。

Fara-1.5: Scalable Learning Environments for Computer Use Agents

Ahmed Awadallah et al.

cs.AI cs.LG

本文提出了FaraGen1.5，一个用于计算机使用agent的可扩展数据生成pipeline，包含环境、求解器和验证器三个模块，并基于此训练了Fara1.5系列模型。该方法在浏览器使用基准测试上取得了新的最优结果，但与我提供的关键词（如code, spectral, Muon, pretrain, attention等）关联度较低。

What Shapes Emergent Misalignment? Insights from Training Dynamics, Model Priors, and Data

Yuchen Zhang et al.

cs.AI cs.LG stat.ML

本文研究了emergent misalignment (EM)现象，通过训练dynamics、model priors和data三个组件分析了其变异性。研究发现，in-domain训练loss与out-domain alignment scores之间存在关联，且pre-trained model和original instruct model的evaluation prompt-only activations可以预测fine-grained alignment scores。

Study on Quantitative Dynamic Epistemic Logic for Belief Revision

Felipe Nunes de Souza Camargo

cs.AI math.LO

本文基于AGM理论，在动态认知逻辑框架$P*$中研究了信念修正的定量模型，并比较了不同修正函数对AGM公设的满足程度。

Process-Reward Tactic Evolution for Long-Horizon Bioinformatics Workflows

Lingzhi Yang et al.

cs.AI cs.DC cs.MA

本文提出Process-Reward Tactic Evolution框架，通过Galaxy平台训练LLM agent执行长时程生物信息学工作流，利用过程奖励信号将成功与失败的轨迹蒸馏为tactic库以提升推理性能。该方法主要关注agent在复杂工作流中的执行与调试能力，与关键词中的agent概念有一定关联，但整体创新性有限。

SignVLA: Real-Time Sign Language-Guided Robotic Manipulation via Attention LSTM and Vision-Language-Action Models

Ningwei Bai et al.

cs.AI cs.LG cs.RO

本文提出SignVLA框架，通过Attention LSTM网络将手语手势实时转换为语义指令，并传递给下游VLA模型以控制机器人操作。该系统主要关注手语识别与机器人控制的接口集成，在实时性和任务执行上取得了一定效果。

When Do Intrinsic Rewards Work for Code Reasoning? A Comprehensive Study

Xiaolong Jin et al.

cs.AI

本文系统研究了基于内在奖励的方法（如确定性奖励）在代码生成任务中的有效性，发现这些方法虽然能带来早期性能提升，但最终会导致模型输出缩短和推理能力丧失，且无法为后续的RLVR训练提供显著优势。

Neurosymbolic Clinical Trial Matching via LLM-Driven Abduction and Logical Verification

Baiyang Qu et al.

cs.AI

本文提出了一种结合LLM与逻辑验证的神经符号CTM框架（αNeSy-CTM），利用LLM的语言知识进行溯因推理以处理不完整临床文本，实验表明其性能优于纯LLM基线。该工作主要关注临床匹配领域的混合方法，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念关联较弱。

Root Cause Analysis with Latent Confounders using Partial Ancestral Graphs

Henrique O. Caetano, Rafael Arone, Carlos Dias Maciel

cs.AI

本文提出PAG-RCA框架，利用Partial Ancestral Graphs (PAGs) 对存在未观测latent confounders的系统进行Root Cause Analysis (RCA)，通过量化causal effects并引入partial identification来处理不可识别情况，在合成数据和基准测试中优于现有方法。

Power Systems Agent Benchmark: Executable Evaluation of AI Agents in Electric Power Engineering

Sergei Trashchenkov

cs.AI eess.SY

本文提出了一个用于电力工程AI agent的可执行基准测试，包含41个任务族，通过确定性评估器检查agent的工程约束满足情况。该工作主要聚焦于电力系统领域的agent评估，与关键词中的agent概念相关，但方法上缺乏开创性且未解决长期存在的核心问题。

Generative Responsible AI Data Evaluation Schema (GRAIDES) for AI Assurance in Local Government

Ethan Knights et al.

cs.AI cs.CY cs.DB

本文提出了GRAIDES，一个用于集中化生成式AI系统可观测性的轻量级开源数据模型，并提供了在地方政府层面实施系统保障的实践蓝图和案例研究结果。该工作主要关注评估数据的标准化和可比较性，与关键词列表中的概念关联较弱。

AutoACSL: Synthesizing ACSL Specifications by Integrating LLMs with CPG-Based Static Analysis

Han Zhou, Yu Luo, Dianxiang Xu

cs.AI cs.SE

本文提出了AutoACSL框架，通过将Large Language Models与基于Code Property Graphs的静态分析相结合，来自动生成C程序的ACSL形式化规约。该方法利用静态分析提取语义特征并编码为结构化提示，再通过Frama-C/WP进行迭代验证与精炼，在多个数据集上取得了较高的规约生成成功率。

How Should Agents Read Demonstrations? Hierarchical Structure Beats Flat Action Logs

Honjar Xing, Jefferson Lin, Henry Lieberman

cs.AI cs.HC

本文研究了在Programming by Demonstration (PbD)中，如何组织演示记录以提升LLM agent的任务执行质量。实验表明，将扁平的动作日志组织为带标签的层次化子目标结构，在任务描述模糊时能显著提升通过率，而扁平结构则无显著效果。该工作为agent的上下文组织提供了设计建议，但方法本身并非开创性，且与关键词中的agent相关但契合度一般。

BioInsight: Multi-Agent Orchestration for Interactive Biomedical Knowledge Discovery

Jieyi Wang et al.

cs.AI

BioInsight是一个多agent系统，用于将静态的生物医学报告生成转化为交互式证据中心界面，通过分解证据检索与推理过程来生成结构化的证据和交互界面。该系统在生物医学QA和证据合成任务上取得了较好效果，但方法本身在数学或算法层面缺乏开创性。

Building Agent Harnesses for Scientific Curation from Multimodal Sources

Sheng Zhang et al.

cs.AI cs.CL

本文提出了Beaver，一个用于从多模态科学文献中提取结构化信息的agent harness，通过任务脚手架、多模态证据工具和工件溯源等组件，将文献整理转化为分阶段、可审计的工作流，在GRAS指标上显著优于现有前沿agent。

Closure of Self-Determining System Based on Causal and Constitutive Relations

Yoshiyuki Ohmura, Earnest Kota Carr, Yasuo Kuniyoshi

cs.AI

本文探讨了自决定系统的边界定义问题，通过引入因果和构成两种非对称关系，提出系统边界可由这些关系形成的闭环（因果-构成环）来定义。该方法通过约束构成关系确保系统包含内部原因，并指出构成关系需至少涉及两个独立变量以避免还原为随附性，从而暗示了双过程组织。

The AI Evaluability Gap: The Missing Layer for Managing Risk and Sustaining Value

Vishal Srivastava, Tanmay Sah

cs.AI

本文提出了AI可评估性差距的概念，指组织缺乏足够证据支持高风险或高价值治理决策的困境，并引入可评估性作为系统生成、维护和更新证据的能力，将治理决策形式化为校准置信度的函数。文章区分了运营认证与投资认证，但未涉及代码、上下文、谱方法、Muon、预训练、智能体或注意力等关键词相关技术。

Coherence Under Commitment: Probing Generalization and Vacuous Memorization in LLM Logical Reasoning

Noor Islam S. Mohammad, Mahmudul Hasan

cs.AI cs.LG

本文提出Coherence Under Commitment (CUC)评估范式，通过commitment score和3-way决策框架，揭示了大语言模型在逻辑推理中可能通过系统性弃权实现虚假的coherence。实验表明，仅评估coherence会错误地奖励弃权模型，而CUC能有效暴露这种空洞性。

Repeated post-training is not Self-improving: Diagnosing Scientific Amnesia in Continual DPO Pipelines

Jianzhe Lin et al.

cs.AI

本文指出在工业级LLM的持续DPO训练中，存在一种不同于经典灾难性遗忘的失败模式——科学遗忘（scientific amnesia），即模型虽能保留旧行为但无法积累可复用的方法论知识。作者构建了诊断套件和基于Qwen2.5-7B-Instruct的30-campaign HumanEval基准，比较了五种策略，发现多数策略（包括元科学记忆候选MSCL）在step-level peak pass@1上退化，仅保守的规则调度有所改善。该工作主要贡献在于诊断而非提出解决方案，且结论高度依赖链式训练设置、评估器设计和种子覆盖。

Self-Improvement Can Self-Regress: The Rise-and-Collapse Failure Mode of LLM Self-Training

Jianzhe Lin

cs.AI cs.LG

本文研究了LLM在代码任务上的自我训练过程中出现的“先升后崩”现象，发现模型在优化指标上快速提升后会迅速崩溃，且KL散度等约束无法阻止。实验比较了CARE、ES和GRPO等不同控制机制，发现效果依赖于模型规模。

Answer Engineering: Local Trajectory Editing for Protocol-Constrained Decision Making in Large Language Models

Victor Lavrenko, Anastasiia Molodnitskaia

cs.AI cs.CL

本文提出Answer Engineering方法，通过在自回归生成过程中对可见推理轨迹进行局部规则引导编辑，无需重训练或全局搜索，以提升大语言模型在协议约束决策中的合规性。在突发性感官神经性听力损失临床基准上，该方法将平衡准确率从42.0%提升至80.7%，但存在规则覆盖和触发可靠性等局限。

PulseCX: Breaking the Closed-World Assumption in Real-Time CX

Rajat Agarwal, Suvidha Tripathi, Shubham Sharma

cs.AI cs.IR

本文提出PulseCX框架，通过解耦知识获取与消费，采用异步agent将信号线性化为衰减感知时序知识图谱(DA-TKG)来管理信息生命周期。该方法旨在解决实时客户体验中封闭世界假设的问题，减少延迟并提升意图解析与客户满意度。

Learning Burst-Aware Early Warning Models for Capacity Stress under AI Workload Surges in Hyperscale Data Centers

Zihan Yu et al.

cs.AI

本文针对超大规模数据中心中AI工作负载激增导致的容量压力问题，提出了一种基于XGBoost的突发感知早期预警框架，通过多变量遥测窗口实现高召回率的预测，并设计了工作负载激增注入方法进行模拟评估。该框架在真实部署场景下达到了0.914的召回率，支持主动的资源调控操作。

Trip+: Benchmarking Agents in Personalized Interactive Travel Planning

Junle Chen et al.

cs.AI

本文提出了Trip+基准，用于评估语言模型在个性化交互式旅行规划中的agent能力，通过LLM模拟器评估行程的可行性与体验质量，发现现有模型倾向于生成技术上可行但不符合用户偏好的行程。

Whistleblowing and the machine -- towards a considered position

Marija Slavkovik et al.

cs.AI

本文探讨了人工智能体（agent）的告密（whistleblowing）行为，主张机器告密应基于规范原则，并呼吁政府监管机构对此制定立场。文章主要从伦理和法律角度进行讨论，未涉及关键词中的技术方法。

Towards Dys-XAI: Influence-Based Explanations for Dysarthria Severity Assessment

Xiaoliang Wu et al.

cs.AI

本文提出了一种基于影响的可解释性框架，用于评估构音障碍严重程度，通过梯度近似计算每个语音片段的influence scores，识别支持性和竞争性训练样本，并通过删除实验验证解释的有效性。该方法将模型决策与可感知的参考案例关联，但未直接涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention。

Social World Model for Lifelong Social Intelligence

Yu Luo

cs.AI

本文提出了Social World Model，将社交互动分解为五个维度构建闭环学习框架，使语言agent能持续积累社交能力。在ASCENT-Bench上验证了该框架的有效性，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。

Mind the Noise: Sensitivity of Transformer-based Interaction-Aware Trajectory Prediction Models to Noisy Data

Shahab Salehi et al.

cs.AI cs.LG cs.RO

本文研究了基于Transformer的交互感知轨迹预测模型对噪声数据的敏感性，发现预测精度在噪声影响下会显著下降（小噪声下降低1.3倍，高噪声下降低3.9倍），强调了在真实场景中需要更现实的训练数据集和噪声缓解策略。

Don't Blindly Trust It: How Unreliable Feedback Breaks Tool-Using LLM Agents

Chubin Zhang et al.

cs.AI

本文研究了工具增强型LLM Agent在不可靠反馈下的表现，发现误导性反馈会导致性能反转，即使用工具反而比无反馈基线更差。实验表明，即使有更强的检索能力，这种反转现象依然存在，但后续的可靠证据可以部分修复。

AutoRAS: Learning Robust Agentic Systems with Primitive Representations

Yang Yue et al.

cs.AI

本文提出AutoRAS框架，通过将agentic system设计转化为符号原语序列的生成与优化，以提升LLM多智能体系统的鲁棒性。实验表明该方法在常规和对抗设置下均表现优异，但未涉及code、spectral、Muon等关键词。

Towards Transparent Mental Health Insights: An Explainable AI Model for Career-Related Depression and Anxiety Among University Students Using Structured Data

Arsham Azam et al.

cs.AI

本文提出了一种结合多模态数据和联邦学习的可解释AI框架，用于识别大学生职业相关心理问题的早期指标，通过注意力机制和标签平滑提升了模型泛化能力。该研究在巴基斯坦学生数据集上取得了较好性能，并利用可解释性方法识别了抑郁的关键行为标记。

Balancing Performance and Diversity in GRPO Autoregressive Text-to-Image Post-Training

Yuanhao Chiang et al.

cs.AI cs.LG

本文在统一的f-divergence框架下研究了GRPO风格的自回归文本到图像生成中的策略优化问题，发现JS divergence能在优化性能和生成多样性之间取得较好平衡。实验在LlamaGen和Janus-7B上验证了该方法在多数指标上的竞争力。

AI Alignment From Social Choice Perspectives

Daniel Halpern et al.

cs.AI

本文从social choice theory的视角，综述了AI alignment中human feedback的aggregation问题，指出当人类判断存在冲突时，学习到的objective是对模型偏好的聚合结果。文章分析了feedback aggregation layer中的failure modes，并展示了处理disagreement的更广泛设计空间。

Composing Verifiable Conceptual Models via Building Blocks: Towards Design-Time Verification of Agentic AI Workflows

Noe Y. Flandre, Alexander C. Nwala, Philippe J. Giabbanelli

cs.AI

本文提出了一种通过可重用构建块组合可验证概念模型的方法，用于在Agentic AI工作流的设计阶段进行验证，并实现了基于12条结构规则的软件原型。实验表明该方法能可靠检测设计缺陷，但主要关注结构兼容性而非代码或上下文等关键词相关技术。

Counsel: A Meta-Evaluation Dataset for Agentic Tasks

Sashank Pisupati et al.

cs.AI cs.LG

本文提出了Counsel，首个用于agentic任务（如客户支持和代码生成）的元评估数据集，通过人工标注评估LLM-as-a-judge对agent轨迹的批评质量，发现更强的judge模型和更多推理努力能提升与人类的一致性。

ChainWorld: Composing Long-Horizon Desktop Workloads from Atomic OSWorld Tasks

Vincent Siu et al.

cs.AI cs.CL

本文提出了ChainWorld，通过方向性兼容性搜索将原子OSWorld任务组合成长时程桌面工作负载，并评估了四种计算机使用agent在单轮和多轮评估协议下的表现。实验发现最大链完成率为31%，两种协议暴露了不同的失败模式。

Hallucination as Context Drift: Synchronization Protocols for Multi-Agent LLM Systems

Carson Rodrigues

cs.AI cs.CL cs.MA

本文提出多智能体LLM系统中的幻觉问题源于上下文漂移（context drift），即并发智能体间内部知识状态的分歧。作者定义了Context Divergence Score (CDS)并提出了Shared State Verification Protocol (SSVP)协议，通过周期性交换压缩状态摘要来减少幻觉。实验表明SSVP在特定任务中能降低幻觉率，但效果因任务领域而异。

Entropy Objectives in Markov Decision Processes

S. Akshay et al.

cs.AI

本文研究了在Markov Decision Processes (MDPs)中合成控制策略以实现状态分布熵目标的问题，证明了该问题的复杂性，并利用convex duality和invariant synthesis提出了一种验证与合成方法。

ForEx: A Formal Verification Framework for Explainable Reasoning in Logical Fallacy Detection and Annotation

Pei-Cing Huang et al.

cs.AI cs.CL cs.SC

本文提出了ForEx框架，将LLM生成的逻辑谬误检测解释翻译为Lean4代码，并验证形式化推理链的可推导性。实验发现形式化可推导性与人类标注一致性之间存在系统性差距，揭示了基于标签的评估指标的局限性。

Holmes: Multimodal Agentic Diagnosis for Mixed-Language Mobile Crashes at Industrial Scale

Jia Li et al.

cs.AI cs.SE

Holmes是一个用于大规模工业应用中混合语言移动端崩溃诊断的多智能体系统，通过多模态运行时信号重建故障上下文，无需复现崩溃。该系统在微信的真实崩溃案例上实现了87.6%的函数级故障定位准确率，并将平均调查时间减少98%以上。

Human vs Machine Mathematical Difficulty on Project Euler: An Experimental Analysis

David Holmes, Johannes Schmitt

cs.AI math.HO

本文通过Project Euler问题实验，分析了前沿AI系统在数学问题上的努力与成功率如何随人类难度变化。研究发现机器成本与人类时间呈幂律关系且指数小于1，并验证了成功率随人类时间指数衰减的模型，但整体方法缺乏开创性且与关键词关联较弱。

CFAgentBench: A Reproducible Environment and Benchmark for Autonomous Construction-Finance Agents

Rishi Srivastava

cs.AI cs.CL cs.LG cs.SE

本文介绍了CFAgentBench，一个可复现的、自托管的基准测试环境，用于评估自主建筑金融agent（如CFO/控制器类agent）在真实软件栈（包括ERP、项目管理、电子邮件等）上的表现。该基准包含1014个机器可评分的任务规范，并采用可执行环境而非静态轨迹进行功能正确性评估，但整体方法在agent领域内属于常规构建，缺乏显著的开创性。

Nous: A Predictive World Model for Long-Term Agent Memory

Pranav Singh

cs.AI cs.CL cs.IR cs.LG

Nous提出了一种基于“知识即预测”的agent记忆架构，通过维护实体-属性对的categorical probability distribution（称为dimensions）来替代传统的向量或知识图谱存储。该方法利用信息论中的surprise score更新belief，并自然实现遗忘与身份消歧，在LoCoMo基准上取得了有竞争力的F1分数。

Attractor Domain Theory: A Mathematical Framework for Cardiovascular Attractor Analysis with Wearable Photoplethysmography (PPG) Validation

Timothy Oladunni, Farouk Ganiyu Adewumi

cs.AI

本文提出了Attractor Domain Theory (ADT)，将心血管吸引子的重构信息划分为几何域、遍历域和变分域三个互不冗余的部分，并证明了域充分性定理。通过可穿戴PPG数据验证了几何域在伪影剔除方面的有效性，但该方法与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念无直接关联。

When Does a Video-Language Model Stop Watching? Reward Strength Controls the Formation and Reversal of Visual Shortcuts in Multimodal RLVR

Zekun Xu

cs.AI cs.CV cs.LG

本文研究了多模态RLVR中视觉捷径的形成与逆转，发现惩罚强度$\lambda$可控制该过程，并揭示了其突然出现、单调剂量响应和关键干预窗口等特性。

Can Reasoning Models Detect Changes to their Chains of Thought?

Sathvik Napa et al.

cs.AI cs.CL cs.LG

本文研究了推理模型能否检测到其chain of thought (CoT)被编辑的情况，发现模型在多种条件下（如推理过程中或推理后、预填充自身或他人的CoT）的检测准确率均较低，且难以识别修改的具体方式。该工作主要关注模型对自身推理过程的感知能力，与关键词中的code、spectral、Muon、pretrain、agent、attention等方向关联较弱。

Reference-Free Assessment of Physical Consistency in World Model-based Video Generation

Yun Oh, Sukmin Yun

cs.AI cs.LG cs.RO

本文提出了一种无需参考的物理一致性评估方法，结合相对与绝对评估来度量生成视频的保真度，利用DROID-SLAM和SEA-RAFT量化物理不一致性，并展示了其在缩小仿真与现实差距方面的有效性。

ARIA: A Causal-Aware Framework for Rescuing LLM Reasoning in Trustworthy Materials Discovery

Yi Cao et al.

cs.AI cs.CE cs.IR

本文提出了一个名为ARIA的因果感知框架，用于增强大语言模型在材料发现中的推理能力，通过三级级联机制（直接因果推理、物理类比迁移和参数化回退）来缓解“上下文隧道”现象。该工作主要面向材料科学领域，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

MetaPS: Adaptive Programmatic Strategy Selection for Market Agents

Jiaxiang Chen et al.

cs.AI cs.CE

本文提出MetaPS框架，通过模拟市场环境为agent选择程序化交易策略（programmatic strategies）提供监督信号，将状态-策略对转化为微调数据。实验表明该方法在多种规模模型上优于固定策略和直接决策的baseline。

PlanBench-XL: Evaluating Long-Horizon Planning of LLM Tool-Use Agents in Large-Scale Tool Ecosystems

Jiayu Liu et al.

cs.AI cs.CL

本文提出了PlanBench-XL，一个包含327个零售任务和1665个工具的交互式benchmark，用于评估LLM agent在大型工具生态系统中的长程规划能力。实验表明，即使是最先进的模型在工具缺失或故障时性能也会大幅下降，揭示了当前agent在动态环境中自适应规划的不足。

Code Isn't Memory: A Structural Codebase Index Inside a Coding Agent

Ishaan Bhola et al.

cs.AI

本文通过实验对比了在固定coding agent框架中引入结构化代码库索引（structural codebase index）的效果，发现该索引能显著提升定位（localization）和解决（resolve）性能，且不增加成本。实验在SWE-PolyBench Verified和SWE-bench Pro数据集上进行，验证了索引在成本效益上的优势。

SVGym (SciVerseGym): An Environment for Reinforcement Learning and Bayesian Optimization in Crystal Discovery

Bin Cao

cs.AI cond-mat.mtrl-sci

本文提出了一个名为SciVerseGym的Gymnasium兼容环境，用于将晶体发现建模为Markov decision process，支持多种原子编辑操作和可配置评估器，为强化学习、Bayesian optimization等agent方法提供了一个开放测试平台。

Efficient Multimodal Clinical Question Answering for Pulmonary Embolism Risk Assessment

Xiangyuan Xue et al.

cs.AI

本文利用高效多模态大语言模型(MLLMs)在INSPECT数据集上构建了肺栓塞(PE)风险评估的临床问答基准，通过零样本和少样本提示评估了CTPA与EHR信息组合下的诊断与预后任务性能。结果表明，Gemma4系列模型在结合影像与电子病历数据时表现更优，但该工作主要聚焦于应用评估而非方法创新，与关键词列表中的概念关联较弱。

A Differentiable Atari VCS:A Complex, Fully Known Ground Truth for Explainable AI

Andreas Maier, Siming Bayer, Patrick Krauss

cs.AI cs.LG

本文重新实现了Atari 2600 VCS作为两个完全可微分的emulator（模拟器），验证了其与原始系统在bit-level的一致性，并展示了基于gradient的XAI方法的可行性。该工作主要关注可解释AI的ground truth问题，与关键词中的agent、attention等概念关联较弱。

Self-Evolving Cognitive Framework via Causal World Modeling for Embodied Scientific Intelligence

Yi Yu, Tetsunari Inamura

cs.AI cs.RO

本文提出了一种通过因果世界建模实现自我进化认知框架的方法，用于具身科学智能，整合了因果世界建模、干预驱动因果推理和持续认知优化三个组件。该框架将具身交互重新解释为因果假设生成和知识获取的认知过程，但未涉及代码、上下文、谱方法、Muon、预训练、智能体或注意力等关键词。

PRIME: Evaluating Prompt Resolution Under Incompatible Instructions in LLMs

Tehreem Javed et al.

cs.AI

本文提出了一个名为PRIME的框架，用于评估大语言模型在处理冲突指令时的行为，通过生成关于输出长度、格式和推理的校准冲突，并基于确定性行为分类法对模型响应进行分类。研究发现冲突类型比模型规模对行为的影响更显著，并揭示了不同冲突类别下的多种失败模式。

VADAOrchestra: Neurosymbolic Orchestration of Adaptive Reasoning Workflows

Teodoro Baldazzi et al.

cs.AI cs.CL cs.DB cs.LO

VADAOrchestra是一个神经符号框架，使用LLM-based orchestrator将复杂工作流建模为逻辑程序（Datalog+/-片段），并通过符号引擎执行推理。该方法结合了传统BPM的严谨性与LLM的灵活性，在金融场景中验证了可扩展性和可解释性，但与关键词中的agent概念仅有间接关联。

SCOPE: Evolving Symbolic World for Planning in Open-Ended Environments

Yundaichuan Zhan et al.

cs.AI

本文提出SCOPE框架，通过符号执行模拟器和自适应符号记忆模块，在开放环境中迭代优化动作计划并演化符号世界表示。实验表明该方法能提升符号世界完整性和规划成功率。

Deep Learning-Based Sign Language Recognition from Videos and Cross-Lingual Translation to Indian Vernaculars

Chandranath Adak, Ramesh Nandipalli

cs.AI cs.LG

本文提出一个两阶段深度学习pipeline，先用VideoMAE video transformer对印度手语视频片段进行分类得到英文标签，再用NLLB-200模型将其翻译为印地语、泰卢固语和孟加拉语。实验在13类小规模数据集上达到78%的验证准确率，但方法本身缺乏开创性且与关键词列表关联较弱。

Grounded Scaling: Why Agentic AI Needs Deterministic Environments

Liang Ding, Xintong Wang

cs.AI

本文探讨了agentic AI在非确定性环境中的执行失败问题，提出了环境确定性作为关键约束轴，并给出了三个形式化结果（如Determinism-Efficiency Bound）和一个Supply Certainty Index (SCI)框架。该工作主要聚焦于agent系统在长链任务中的可靠性分析，与关键词中的agent有一定关联，但方法上缺乏开创性且未解决长期核心问题。

Imagine to Ensure Safety in Hierarchical Reinforcement Learning

Gregory Gorbov, Artem Latyshev, Aleksandr I. Panov

cs.AI

本文提出了一种结合可学习world model与双层策略（high-level和low-level policy）的分层强化学习方法，通过在高层生成安全子目标、低层利用想象轨迹减少不安全行为，来解决长时域任务中的安全探索问题。实验表明该方法在复杂导航和操作任务中优于现有Safe RL基线。

MacAgentBench: Benchmarking AI Agents on Real-World macOS Desktop

Yikun Fu et al.

cs.AI cs.CL cs.HC

本文提出了MacAgentBench，一个包含676个任务、覆盖25个macOS应用的agent benchmark，采用细粒度多检查点评分来评估多应用任务中的部分进展。实验表明，最佳配置（OpenClaw上的Claude Opus 4.6）达到73.7% Pass@1，且该优势主要源于技能库而非框架设计。

Text2DSL: LLM-Based Code Generation for Domain-Specific Languages

Alexander V. Kozachok, Alexander M. Nazimov, Shamil G. Magomedov

cs.AI cs.SE

本文形式化了从自然语言描述自动生成DSL代码的Text2DSL问题，并构建了PolkitBench数据集。通过对比实验表明，在prompt中注入形式化的目标语言规范（如BNF语法）能显著提升LLM生成代码的语法和结构正确性。

PaperClaw: Harnessing Agents for Autonomous Research and Human-in-the-Loop Refinement

Weiwei Ye et al.

cs.AI

本文提出了PAPERCLAW，一个基于多agent的自动化研究系统，能够从领域文献、数据集和代码出发，自主完成从构思到论文撰写的全过程，并支持人在回路中的交互式改进。该系统通过迭代的提出-测试-反思循环驱动假设地图，并利用全生命周期记忆保持上下文。

Confident but Conflicted: Internal Uncertainty and Cognitive Dissonance Resolution in LLMs

Weihong Qi, Kristina Lerman

cs.AI

本文研究了大型语言模型在面对与先前输出不一致的输入时，如何解决认知失调（cognitive dissonance）的问题。作者引入了Trust Elasticity（TE）这一指标来衡量模型被说服的程度，并发现不同模型间的行为差异与内部不确定性指标（如Confidence Miscalibration和Internal Uncertainty Change）相关。

Skin-Deep: A Geometric Diagnostic for Alignment Fragility in Large Language Model Representations

Dongyub Jude Lee et al.

cs.AI

本文提出了一种名为Skin-Deep的几何诊断方法，通过从对齐模型（aligned model）的hidden-state activations中提取一个标量指标Geometric Fragility Score (GFS)，来检测模型在微调前拒绝有害请求行为的脆弱性。该方法揭示了跨模型家族的low-rank safety subspace，并证明GFS能在不运行攻击的情况下，预先识别出经小规模LoRA微调后仍能保持较强拒绝能力的模型。

VISTA Architect: A graph database-oriented health AI system demonstrated in multidisciplinary tumor boards

Tuomo Kiiskinen et al.

cs.AI cs.CL cs.DB cs.IR

本文介绍了一个名为VISTA Architect的数据库导向AI系统，它通过将大型语言模型与电子健康记录集成，构建了一个持久化的知识图谱，以解决临床信息提取中的时间关系和成本问题。该系统在肿瘤多学科讨论中展示了高准确性，但其方法主要针对特定临床领域，与关键词中的核心数学概念关联不大。

Safety-Aware Evaluation of LLM-Generated Driver Intervention Messages through Multi-Task Risk Fusion

Keito Inoshita

cs.AI

本文提出了一种针对LLM生成的驾驶员干预消息的安全感知评估指标DSAIS，通过多任务风险融合和混合架构评估五个维度，实验表明该指标在ICC和Cohen's d上表现良好，并分析了多任务集成对上下文相关性的提升。

Beyond Penalizing Mistakes: Stabilizing Efficiency Training in Large Reasoning Models via Adaptive Correct-Only Rewards

Jungseob Lee et al.

cs.AI cs.CL

本文研究了在大型推理模型中通过GRPO进行效率训练时出现的reward collapse问题，并提出了ACOER方法。该方法通过仅对正确回答给予简洁奖励并引入动态预算归一化，在保持准确率的同时将token生成量减少超过60%。

Text Dictates, Music Decorates: Energy-based Attention for Editable Dance Motion Generation

Seong Jong Yoo et al.

cs.AI

本文提出STREAM模型，通过解耦文本与音乐的条件控制路径，利用能量基注意力模块BEAM在保留语义的同时对齐音乐节拍，解决了多模态舞蹈生成中的模态崩溃问题。该方法在Motorica++数据集上实现了运动与音乐的最佳对齐，并提出了可编辑舞蹈评分EDS用于量化评估。

Closed-loop Auto Research for Molecular Property Prediction: Discovering and Certifying Generalizable Improvements

Jingjie Ning et al.

cs.AI cs.MA

本文提出了一种闭环自动研究框架，利用language-model agents编辑分子表示和模型代码，在分子性质预测任务中探索特征、模型和外部证据三个研究轴。通过文件级消融锁定和污染过滤，发现不同基准套件上可迁移的改进轴不同，但部分验证集上的增益在测试集上无法复现，表明该方法在分子性质预测领域有一定探索价值，但泛化性有限。

Learning Filters with Certainty

Yuval Banoun, Daniel Sadoc Menasche, Ori Rottenstreich

cs.AI cs.DC cs.PF

本文研究了Counting Bloom Filters (CBFs)中由hash collision引起的不确定性，并展示了如何利用计数器信息来估计positive membership indication的certainty，以及如何将其与机器学习模型结合。

The Origins of Stochasticity: Comprehensive Investigations on Uncertainty Quantification for Large Language Models

Xiang-Jun Ou et al.

cs.AI

本文提出了一种针对大语言模型(LLM)的细粒度不确定性分类法，将不确定性归因于输入、参数、token和解码过程四个层面，并分类了现有的不确定性量化(UQ)方法。实验表明，基于共识的方法在多种任务和模型上表现最优，且模型规模与不确定性之间存在经验性的反比关系。

A Formula-Driven Survey and Research Agenda for On-Policy Distillation

Bowen Zhang

cs.AI

本文对on-policy distillation (OPD)方法进行了综述，将其视为一个从反馈到更新的问题，并提出了一个基于公式的分类法，涵盖了直接分布损失和策略梯度风格的log-ratio更新。文章区分了时间信用分配和词汇路由两个机制，并提出了GAE-OPD和CR-OPD等假设，但未提供与关键词（如code, spectral, Muon, pretrain, agent, attention）直接相关的具体方法或结果。

Measuring Behavior Portability in Large Language Models

Tianjia Dong, Nadav Kunievsky, James A. Evans

cs.AI cs.CY cs.GT econ.GN

本文提出了一种衡量大语言模型在不同决策环境中行为可移植性的形式化框架，通过拟合可解释行为模型并评估其跨环境预测性能，发现模型在结构等价但表面不同的环境间存在显著且系统的可移植性损失。

AI-Assisted Help-Seeking Trajectories in Programming Education from an SRL-Informed Perspective

Boxuan Ma et al.

cs.AI

本文从自我调节学习（SRL）视角分析了编程教育中学生的AI辅助求助轨迹，发现多数学生倾向于使用AI进行反应性调试而非计划性解决问题，且不同轨迹模式与任务分数无显著关联，但影响代码提交次数。

MINCE: Shrinking LLM Evaluation Datasets via Few-Model Monte Carlo Calibration

Devleena Das et al.

cs.AI

本文提出MINCE方法，通过少量校准模型的Monte Carlo模拟来缩小LLM评估数据集，无需预测层即可确定最小子集大小，在保持精度漂移较小的同时显著加速评估。该方法在多个基准测试上实现了2.7-8.1倍的GPU加速和1.7-2.0倍的NPU加速，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Finding the Evidence: Discovering Decision-Supporting Tokens for On-Policy Reasoning Distillation

Jinwei Xiao et al.

cs.AI

本文提出DEAR方法，通过学生模型的不确定性和隐藏状态相似性来识别推理链中的决策与证据token，从而改进on-policy reasoning distillation。实验表明该方法在数学和代码任务上优于标准OPD，但未涉及关键词中的spectral、Muon或agent等概念。

AI Scientists as Engines of Discovery: A Case for Development within Reformed Institutions

Raul Jimenez et al.

cs.AI astro-ph.IM physics.soc-ph

本文讨论了多agent AI系统（如Denario框架）如何从被动工具演变为“AI科学家”，以加速科学发现中的假设生成与验证，并建议改革科研机构以应对可解释性、问责制和双重用途安全等挑战。

CLI-Universe: Towards Verifiable Task Synthesis Engine for Terminal Agents

Zhanbo Hua et al.

cs.AI

本文提出了CLI-Universe，一个用于生成终端代理（terminal agent）训练数据的合成引擎。它通过多维能力分类学采样任务候选，并经过证据引导的深度研究和多阶段可执行验证流水线来确保任务质量，最终生成了高质量的数据集CLI-Universe-6K。实验表明，在该数据集上微调Qwen3-32B模型在Terminal-Bench 2.0上达到了新的最佳性能，验证了结构化、高保真合成数据在提升agent能力方面的有效性。

ThermoLLM: Thermodynamics-Aware HVAC Control with Spatial-Semantic Knowledge Graph

Kirtan Bhatt et al.

cs.AI cs.LG eess.SY

本文提出了一种基于LLM的HVAC控制框架ThermoLLM，通过结合Brick风格的空间语义知识图和热力学物理信息，在五区域EnergyPlus建筑模拟中实现了考虑建筑结构和短期热演化的控制决策。该方法在能量-舒适度权衡和PMV违规率方面优于标准基线和其他LLM方法。

Intent-Governed Tool Authorization for AI Agents

Genliang Zhu, Chu Wang

cs.AI

本文提出Intent-Governed Access Control (IGAC)，一种用于AI agent工具调用的服务端授权层，通过将用户意图作为单调可审计的策略属性来限制静态凭证的权限范围，但未涉及code、context、spectral、Muon、pretrain、attention等关键词相关方法。

When Agents Commit Too Soon: Diagnosing Premature Commitment in LLM Agents

Aman Mehta

cs.AI

本文研究了LLM agent在长程任务中的过早承诺问题，通过定义跨运行hidden state的收敛性作为轨迹一致性的早期诊断指标。实验表明该信号能预测行为一致性但无法区分正确性，并提出了基于hidden state的运行时监控方法。

ENVS: Environment-Native Verified Search for Long-Horizon GUI Agents

Yincheng Zhou et al.

cs.AI cs.CV

本文提出ENVS，一种用于长序列GUI agent的训练时搜索与过滤pipeline，通过在真实OSWorld虚拟机中分支行为不同的GUI动作并验证成功路径来构建监督信号。该方法在300个任务的OSWorld基准上达到30.3 pass@8，并引入OSWorld-Noisy动态基准以测试agent在桌面中断下的鲁棒性。

Plans Don't Persist: Why Context Management Is Load Bearing for LLM Agents

Aman Mehta, Anupam Datta

cs.AI cs.CL

本文通过引入replay pairing诊断方法，测量了LLM agent在长程任务中plan信号在hidden state中的衰减速度，发现标准LLM agent依赖plan保留在context中而非作为持久状态携带。研究还指出了reasoning模型中的推理痕迹混淆问题，并提出了严格剥离的修复方法。

The Impact of VAE Design on Latent Pose Representations for Diffusion-based Sign Language Production

Guilhem Fauré et al.

cs.AI cs.CV

本文研究了变分自编码器(VAE)设计对手语生成中潜在姿态表示的影响，发现潜在空间结构对下游扩散模型性能的影响有时比重建精度更显著。

When Preferences Fail to Become Incentives: A Utility-Behavior Gap in Large Language Models

Yujun Zhou, Christopher M. Ackerman

cs.AI

本文通过实验发现，大型语言模型在偏好选择范式中表现出的连贯偏好结构，并不能转化为实际任务中的激励行为。在写作任务中，即使提供模型声称高度偏好的结果，其输出质量也未显著提升，表明偏好与行为之间存在脱节。

Joint Air Traffic Flow and Capacity Management via Answer Set Programming

Alexander Beiser et al.

cs.AI

本文提出了一种基于Answer Set Programming (ASP)的联合空中交通流量与容量管理模型，旨在同时优化飞机轨迹和扇区配置。实验表明，该ASP模型在小型实例上优于混合整数规划模型，并与启发式方法性能相当。

A Stackelberg Framework for Resource-Aware LLM Agents: Learning, Repair, and Conditional Guarantees

Baoxun Wang

cs.AI

本文提出一个基于Stackelberg博弈的框架，用于在有限计算预算下管理LLM agent的资源（如context和tool access）。通过学习条件响应模型并优化控制器策略，实验表明该方法在降低token成本的同时保持了质量，但理论结果是有条件的，并未提供严格的系统均衡保证。

From numerical proportions to analogical proportions between probabilities

Henri Prade, Gilles Richard

cs.AI

本文探讨了概率之间的analogical proportion（类比比例）概念，将其从数值比例扩展到概率值和概率分布，并研究了基于算术比例和几何比例组合的定义性质。文章还通过实验讨论了当四个profile（轮廓）形成analogical proportion时，其关联的概率分布是否也保持这种比例关系。

IPO Finance Agent: Evaluation of LLM Financial Analysts beyond Finance Agent v2, with Automated Rubric Generation -- the Case of the SpaceX (SPCX) IPO

Mostapha Benhenda

cs.AI q-fin.GN

本文提出了IPO Finance Agent，扩展了Finance Agent v2框架，通过改进检索架构（contextual retrieval）来处理超长文档（如SpaceX的S-1文件），并构建了包含1000个IPO尽职调查问题的数据集。实验表明，该agent在成本效益上显著优于现有基准，但方法本身在理论或技术上的开创性有限。

Some Results about the Expressivity of Preference-Incomplete Structured Argumentation Frameworks

Antonio Yuste-Ginel

cs.AI cs.LO

本文研究了带有不确定偏好的ASPIC$^+$结构化论证框架的表达能力，通过与几种具有不确定击败关系的抽象形式主义进行比较，得到了多数为负面的理论结果，并提出了一个关于不确定偏好表达能力的非平凡阈值的猜想。

Cognitive Digital Twins: Ethical Risks and Governance for AI Systems That Model the Mind

Vamshi Krishna Bonagiri et al.

cs.AI cs.CL

本文定义了认知数字孪生（CDT）的概念，并提出了一个包含权威性、自主性、访问与控制、问责制和可用性的5A治理框架，分析了CDT特有的伦理风险与治理缺口。该论文主要关注AI伦理与治理，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等技术方向无直接关联。

TTFT-Aware Graph Chain-of-Thought:Distance-Indexed Neural A* for Low-Hallucination Multi-Hop Medical Reasoning

Bechir Dardouri, Kaïs Zhioua, Yassine Msaddak

cs.AI

本文提出了一种用于医疗问答的GraphRAG系统，通过结合Pruned Landmark Labeling (PLL) 距离索引和AStarNet启发式搜索，在知识图谱中生成可验证的推理路径，以降低LLM的幻觉并改善首Token延迟。该方法主要关注工程实现和医疗领域的应用，与关键词中的code, context, attention等概念关联较弱。

A Matter of Time: Towards a General Theory of Agency

Amahury J. López-Díaz, Carlos Gershenson

cs.AI q-bio.OT

本文基于时间参数化的(F, A)-系统，发展了一种分级的组织理论来解释agency的起源，通过将自指闭包与特征时间尺度关联，形式化地描述了自主性、目标导向性和agency之间的区别。该工作为理解从化学系统到语义封闭智能体的层次结构提供了理论框架。

Managing Procedural Memory in LLM Agents: Control, Adaptation, and Evaluation

Julia Belikova et al.

cs.AI cs.CL cs.SE

本文提出了AFTER基准，包含382个企业任务和22个过程性技能，用于评估LLM agent在重复工作场景中技能迁移的效果。实验表明过程性记忆能提升3.7-6.7个百分点的性能，且跨模型泛化准确率达73.1%。

Decomposing Financial Market Dynamics via Mechanism Analysis in an Evolutionary Multi-Agent Simulation

Zhibao Chen

cs.AI cs.MA cs.NE

本文通过一个包含120个异质行为agent的进化多agent仿真，将四个市场机制（选择、微观结构、行为、共识网络）设计为可插拔模块，并进行了匹配干预实验。研究发现这些机制大致可分离，分别控制多样性、真实性和脆弱性等不同涌现属性，但方法本身并非开创性，且与关键词契合度较低。

Capable but Careless: Do Computer-Use Agents Follow Contextual Integrity?

Anmol Goel, Iryna Gurevych

cs.AI cs.CL

本文提出了AgentCIBench评估框架，用于测试Computer-Use Agents在跨应用操作时是否遵循Contextual Integrity原则，发现多数agent存在隐私泄露问题。

SPADE: Structure-Prior Adaptive Decision Estimation

Yifan Wang

cs.AI

本文提出SPADE框架，通过一个specification test和Stein-unbiased James-Stein shrinkage，以闭式解形式决定是否施加物理结构先验（如守恒律）及其强度。该方法在多个物理系统上验证了有效性，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

EHR-Complex: Benchmarking Medical Agents for Complex Clinical Reasoning

Yitong Qiao et al.

cs.AI

本文提出了EHR-Complex基准，用于评估临床agent在复杂电子健康记录分析中的交互式推理能力，包含约52K个任务，发现顶级模型仅达到62.3%的精确匹配准确率，并揭示了SQL逻辑错误、医学代码查找失败和语义误解等主要失败模式。

Abstract representational geometry supports inference in large language models

Yunan Zeng, Yuwang Wang

cs.AI

本文通过改编上下文反转学习范式，在文本环境中比较了人类与大型语言模型（LLMs）的行为和表征。研究发现，当LLMs进行可泛化推理时，其内部状态会形成类似海马体的抽象几何结构，且这种结构在模型深度上呈层级组织。

Litmus: Zero-Label, Code-Driven Metric Specification for Evaluating AI Systems

Prajjwal Gupta et al.

cs.AI

本文提出Litmus系统，通过分析源代码自动为AI pipeline设计评估指标，无需人工标注。该系统在金融分组、科学QA等任务上优于基线方法，但方法本身更偏向工程实践而非理论创新，与关键词契合度较低。

Digital Humanism and Evolutionary Design

Wolfgang Höhl

cs.AI cs.CY

本文探讨了数字人文主义与进化设计两个概念，分析了它们在以人为中心的技术发展中的共同结构、协同效应与挑战，并讨论了自由与责任、共处性、主观性以及人类与人工智能的区别（如Turing Test和Chinese Room）。文章指出，功能专业化与开放技术发展之间存在相互依赖关系，但当前市场导向的软件和AI应用正损害开放技术发展。

Cross-Architectural Mixture-of-Experts with Adaptive Soft Routing for Plant Leaf Disease Classification

Phi-Hung Hoang, Thi-Thu-Hong Phan

cs.AI

本文提出了一种跨架构的adaptive soft Mixture-of-Experts (MoE)框架，通过soft gating mechanism动态融合EfficientNet-B0、DenseNet-121和Swin-Tiny三种模型，用于植物叶片病害分类。实验表明该方法在多个数据集上优于单一模型，但方法本身在MoE框架和注意力机制上缺乏显著的开创性。

AOHP: An Open-Source OS-Level Agent Harness for Personalized, Efficient and Secure Interaction

Shanhui Zhao et al.

cs.AI cs.OS

本文提出了AOHP，一个基于Android开源项目的OS级agent harness，通过将agent视为first-class OS actors并引入个性化服务组合、高效agent接口和安全信息流等机制，旨在解决现有操作系统对AI agent支持不足的问题。实验表明其在任务完成率、执行成本和安全性方面有显著优势。

CADRE: Stable, Parameter Efficient Adaptation of Medical Vision Language Models with Bounded Forgetting and Prior Drift

Amrita Singh, Rishabh Jha

cs.AI

本文提出CADRE框架，通过结合LoRA和弹性权重巩固项来稳定地适应医学视觉语言模型，在保留已有能力的同时防止先验漂移。实验表明该方法在跨模态乳腺癌诊断任务中有效降低了遗忘率。

POTracker: Optimizing Large Language Models for Standard-Compliant Power Outage Report Generation

Hung Phan et al.

cs.AI

本文提出POTracker，通过设计新的损失函数POTrackerLoss（同时考虑文本相似性和结构标签相似性）微调Qwen2.5-7B-Instruct模型，用于生成符合美国能源行业标准的电力中断报告。实验表明该方法在结构准确性上优于现有微调方法，但主要聚焦于特定领域的报告生成任务，与关键词中的理论或算法方向关联较弱。

VeriEvol: Scaling Multimodal Mathematical Reasoning via Verifiable Evol-Instruct

Haoling Li et al.

cs.AI cs.CL cs.CV cs.LG

本文提出VeriEvol框架，通过可验证的进化指令方法扩展多模态数学推理数据。该框架包含类型感知的进化模块和基于假设检验的验证器HTV-Agent，在保持答案可靠性的同时生成更难的图文问题，实验表明该方法能有效提升视觉数学推理性能。

The Topology of Ill-Posed Questions: Persistent Homology for Detection and Steering in LLMs

Guangyu Jiang et al.

cs.AI

本文利用persistent homology分析LLM内部状态拓扑，将问题token的hidden states建模为point cloud，通过零维persistent homology提取拓扑特征，用于检测ill-posed questions并指导模型生成澄清或拒绝回答。实验表明该方法在分类和响应引导上优于基线，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词。

SPIRAL: Learning to Search and Aggregate

Jubayer Ibn Hamid et al.

cs.AI

本文提出SPIRAL框架，通过强化学习训练语言模型在推理时同时使用顺序推理、并行采样和结果聚合三种计算原语，以提升推理性能。实验表明该方法在推理任务上优于GRPO，但未涉及代码、谱方法或预训练等关键词相关领域。

Against Proxy Optimization

Sven Neth

cs.AI

本文讨论了最大化代理utility function可能有害的条件，并指出这对决策理论的应用构成了问题。

Causal Discovery in the Era of Agents

Yujia Zheng et al.

cs.AI cs.LG cs.SE stat.AP

本文提出了一种将LLM作为辅助工具而非因果证据来源的因果发现原则，并基于此构建了causal-learn+平台，通过agent协调数据分析、方法推荐等流程，但强调因果结论必须基于数据和算法。该工作主要关注agent在因果发现工作流中的角色定位，与关键词中的agent概念相关，但方法本身缺乏开创性且未解决长期问题。

AI-driven Optimisation of Quality of Recovery (QoR) in Remote Patient Monitoring

Yansong Liu et al.

cs.AI

本文针对远程患者监测中QoR-15问卷每日提交率低的问题，提出QoR-compact，通过穷举评估所有5题子集，选出与完整问卷在预测术后恢复严重程度方面统计等效的5个问题，实现了AUC-ROC为0.968的性能。该工作为减少患者负担提供了实用方案，但方法上主要为组合优化，缺乏开创性理论贡献。

AI Exposure Scores: what they measure, what they miss, and what comes next

Campbell Lund et al.

cs.AI econ.GN

本文讨论了2023年提出的AI暴露分数（Exposure Scores）在政策分析中的局限性，指出其静态、时空和本体论上的不足，并综述了动态测量、集成方法等改进方向。文章强调研究者与政策制定者之间的协调缺口，呼吁通过数据基础设施建设和参与式方法弥合这一差距。

TailorMind: Towards Preference-Aligned Multimodal Content Generation

Hengji Zhou et al.

cs.AI

本文提出TailorMind框架，将协同偏好建模与可控多模态生成结合，通过超图协同过滤和文本梯度下降优化用户画像，实现个性化内容生成。实验在TailorBench基准上验证了其生成质量优于现有方法。

Teaching LLMs String Matching, Backtracking, and Error Recovery to Deduce Bases and Truth Tables for the Combinatorially Exploding Bit Manipulation Puzzles

Prateek Agnihotri et al.

cs.AI

本文提出了一种针对Bit Manipulation Puzzles的算法创新，通过将逻辑门推导转化为基于字符串相似性的base-selection任务，并引入backtracking DFS和error recovery机制，使LLM能够在不依赖复杂算术逻辑的情况下解决此类问题。该方法在验证集上达到了96%以上的准确率，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

PsyBridge: A Hybrid Intelligent Framework for Multi-Dimensional Mental Health Assessment and Decision Support

Sunil Wanjari et al.

cs.AI cs.LG

PsyBridge提出了一种混合智能框架，通过整合PHQ-9和GAD-7等临床筛查工具与认知评估及人格特征，实现多维度心理健康评估与决策支持。实验表明该框架在准确率等指标上优于单一评估方法，但方法本身缺乏开创性且与关键词列表中的概念无直接关联。

cs.IR

The Pitfall of Scaling Up: Uncovering and Mitigating Popularity Bias Amplification in Scaling Transformer-based Recommenders ⭐ 精选

Weiqin Yang et al.

cs.IR cs.LG

本文发现基于Transformer的序列推荐模型在扩大规模时，虽然提升了推荐准确率，但会加剧流行度偏差（popularity bias），即过度推荐热门物品而忽视长尾物品。通过理论和实证分析，作者揭示了其根本原因：随着模型深度增加，Transformer中的attention aggregation和feed-forward projections会协同导致模型预测的spectral collapse（谱坍缩），从而直接放大流行度偏差。为解决此问题，本文提出SPRINT方法，通过约束attention score矩阵的最大列和与feed-forward参数的spectral norm来缓解谱坍缩。实验表明，SPRINT在从0.05M扩展到0.34B参数时，能同时提升准确率和长尾公平性，并展现出更优的scaling behavior。

The Token Tax of Epistemic Accuracy: Comparing RAG and Long-Context Architectures for Document-Grounded Generative AI Applications

Austin Hamilton et al.

cs.IR cs.AI cs.CL cs.CY

本文通过对比RAG和长上下文架构在文档问答中的表现，发现长上下文虽能提升正确率（73.1%对65.4%），但代价是每查询token成本增加26倍，将此差距称为“token tax”。研究基于制造业安全培训案例，评估了972个答案，强调了资源受限组织需权衡准确性与成本。

Yang Cheng

cs.IR

本文研究了dot-product recommender系统中评分分解为pointwise mutual information、item-marginal项log p(i)和context-dependent offset的现象，指出item-marginal项会产生一个context-shared rank-one score component。实验表明，从学习到的dot product中分离log p(i)可显著降低popularity-aligned score energy，但该结果与embedding collapse无必然联系。

From Embedding Geometry to Spectral Search: Energy Dispersion Networks For Vector Retrieval

Lorenzo Moriondo, Ilias Azizi

cs.IR

本文提出Graph Wiring框架，通过将embedding空间的feature-space spectral结构（基于列向量拓扑的谱图）与几何相似性结合，用于向量检索。该方法通过tau-modulation支持自适应搜索，并在benchmark和工业场景中验证了效果。

CRAwLeR -- Cross-Reference Aware Legal Retrieval

Maciej Jalocha, William Michelsen

cs.IR

本文提出了CRAwLeR，一个用于法律文档中跨引用感知的chunk retrieval基准数据集，通过pipeline检测法律交叉引用并生成需要上下文才能回答的查询。实验表明该基准具有挑战性，但主要瓶颈在于contextualizing LLM而非retriever本身。

A feasibility study on filtering low-accessibility web pages considering color vision deficiency

Ryota Mizutani, Shiori Nakayama, Masateru Tsunoda

cs.IR

本文研究了如何通过自动过滤低可访问性网页来改善色觉障碍者的网页访问体验，使用预测模型在21个网页上达到了0.76的AUC。该工作与关键词中的概念无直接关联。

Novelty-Aware Agentic Retrieval: Comparing Research Contributions Through Structured Multi-Step Reasoning

Shou-Tzu Han

cs.IR

本文提出了一种名为Novelty-Aware Research Agent的原型agentic retrieval系统，通过结构化多步推理在RAG pipeline上增强论文比较能力，生成贡献记录、重叠分析和问题-方法空白矩阵。实验表明该系统在结构化比较能力上优于标准RAG基线，但主要局限在于语料规模较小和评估有限。

Music Playlist Captioning at Scale with Large Language Models

Mathieu Delcluze et al.

cs.IR cs.LG

本文介绍了Deezer在2025年部署的自动播放列表描述系统，利用large language models (LLMs)从多种数据源生成描述性标题，并应用于Daily Mix功能，显著提升了用户参与度。

All Relations Lead to Rome: Automated Knowledge Graph Creation and Question Generation

Matthijs Jansen op de Haar, Tobias Stähle, Lorenzo Gatti

cs.IR cs.CY

本文提出了一个名为All Relations Lead to Rome (ARLtR)的统一框架，用于自动构建Knowledge Graph并生成基于事实的问答对，同时结合了符号图表示和稠密检索表示。该框架被实例化为一个关于罗马帝国的历史数据集，包含大量实体、文本块和问答对，旨在支持混合检索系统的评估。

PA-User: Simulating Trust and Verification under AI-Generated Content

Saber Zerhoudi

cs.IR

本文提出PA-User用户模拟器，通过检测努力预算、信任组件和决策规则模拟用户对AI生成内容的验证行为，在HC3语料库上验证了信任校准误差和遗憾值的改进。该方法主要关注信息检索中的用户行为建模，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念无直接关联。

HAKARI-Bench: A Lightweight Benchmark for Comparing Retrieval Architectures and Efficiency Settings under Unified Conditions

Yuichi Tateno

cs.IR cs.CL

本文提出了HAKARI-Bench，一个轻量级benchmark，通过将现有retrieval套件重构为小数据集，在统一条件下比较多种retrieval架构（如BM25、dense、sparse等）及其效率变体。该benchmark在多个标准评测上保持了高相关性，主要用于快速模型选择和回归检测。

Breaking the Evaluation Paradox: Evaluating High-Entropy Search with Computationally Irreducible Constraints

Juntao Wu et al.

cs.IR

本文提出VERITAS框架，通过引入计算不可约约束（computationally irreducible constraints）来评估大语言模型在高熵搜索任务中的穷举能力，解决了传统评估中因人类无法创建完整ground truth而导致的悖论。该框架可自动生成具有完美ground truth和精确难度控制的测试用例，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Towards Fast Domain Adaptation and Fine-Grained User Simulation for Evaluating Conversational Recommender Systems

Yuanzi Li et al.

cs.IR

本文提出AdaptSim，一种用于评估对话推荐系统的自适应域用户模拟器，通过自动提示生成和开放动作机制提升跨域灵活性，并采用“思考-回应”策略控制语言风格。实验表明其能生成逼真对话，但方法在开创性和与关键词的契合度上均不突出。

Trajectory-Based Recommender Systems as Control Systems

Eriam Schaffter, Ahmed Bounekkar, Elsa Negre

cs.IR

本文提出将Control Theory作为Trajectory-Based Recommender Systems (TBRS)的理论基础，并展示了Educational Recommender Systems (ERS)如何在该框架下建模。该工作为TBRS领域提供了统一的形式化视角，但未涉及关键词中的核心概念。

LLM-as-a-Judge for Reliable and Explainable Offline Evaluation in Top-K Recommendation

Yue Que et al.

cs.IR

本文提出了一种基于LLM的推荐系统离线评估框架，通过语义代理（semantic proxy）替代传统ID匹配来提升可靠性，并采用推理-评分（reasoning-then-scoring）过程增强可解释性。实验验证了该框架在评估中的可靠性和鲁棒性。

Who Owns the AI Recommendation? A Multi-Industry Empirical Map of Brand Category Ownership Across Large Language Models

Dmitrij Żatuchin

cs.IR cs.CL cs.CY cs.LG

本文通过三个指标（Category Ownership Index, Competitive Vacuum Index, Displacement Score）对三个大语言模型在50个品牌和250个类别查询中的推荐集中度进行了实证分析，发现推荐集中度中等且跨模型一致性较低。该工作属于应用层面的竞争情报分析，与关键词中的理论或方法（如code, spectral, Muon, pretrain, agent, attention）无直接关联。

The Language Blind Spot: How Query Language and Brand Recognition Tier Shape AI-Constructed Brand Reputation Across Twelve European Languages

Dmitrij Żatuchin

cs.IR cs.CL

本文研究了大型语言模型在不同语言查询下对品牌声誉构建的差异，发现AI构建的品牌声誉具有语言依赖性，且查询语言对品牌推荐的影响远大于对品牌描述的影响。该研究与关键词列表中的概念无直接关联。

URecJPQ: Memory-efficient Multimodal Recommendation Models through RecJPQ in Large-Scale Scenarios

Giuseppe Spillo et al.

cs.IR

本文提出URecJPQ方法，通过联合乘积量化将用户/物品表示为共享子嵌入的拼接，以减少大规模多模态推荐中的内存需求。实验表明该方法能大幅降低参数量（86%-99%），但准确率略有下降（平均Recall降8.5%）。

Analysis of Autonomic Regulation in Cancer Survivors During Daily Physical Activity: A Real-World Wearable ECG Study

Sajad Farrokhiørcidicon et al.

cs.IR

本文利用可穿戴ECG数据研究了乳腺癌幸存者在日常体力活动中的心率和心率变异性反应，通过结合加速度计和陀螺仪数据进行活动强度分割，并采用鲁棒的ECG处理流程（包括R峰检测和无注释信号质量评估）来应对运动伪影。研究发现癌症幸存者在轻度至中度活动中表现出心率升高和心率变异性降低，且差异具有统计学意义。

Improving Long-Context Retrieval with Multi-Prefix Embedding

Zhenglin Yu et al.

cs.IR

本文提出Multi-Prefix Embedding (MPE)方法，通过将文档分割为以EOS token分隔的chunk并在单个causal forward pass中编码，在每个prefix边界提取embedding，以在长文本检索中平衡单向量embedding的细节损失与多向量方法的存储开销。实验表明MPE在多个长文本检索基准上具有竞争力。

cs.CL

VeriBound: PAC-Bayesian Generalization Bounds for Process Reward Models Trained with Formal Verification Tools ⭐ 精选

Amirul Rahman, Mohammed Sabih Alsharari

cs.CL cs.LG

本文提出VeriBound理论框架，为使用形式化验证工具（如Z3和Isabelle）训练的Process Reward Models (PRMs)提供了PAC-Bayesian generalization bounds。该工作首次从理论上解释了PRMs从符号任务到多样化推理benchmarks的跨任务泛化现象，建立了四个主要结果：泛化误差界、样本复杂度$O(d \log(d/\delta) / \epsilon^2)$、线性收敛率以及step-level验证误差到Best-of-K性能退化的误差传播界。该框架填补了该领域缺乏理论保证的空白，与关键词中的“code”和“context”有一定契合。

SciLens: Multi-modal Scientific Claim Verification with Agentic Entailment and Grounding ⭐ 精选

Yueming Wang et al.

cs.CL

SciLens提出了一种基于agent的多模态科学声明验证框架，通过将声明分解为原子命题（atomic entailment），并利用agentic方法将每个原子分别grounding到表格的行列单元格或图表的坐标轴、图例等结构化证据上，最终通过原子级别的蕴含规则判定声明是否被支持。该方法在SciClaimEval开发集上取得了79.2%的macro-F1和63.1%的pair accuracy，显著提升了证据敏感性和可解释性，与关键词“agent”高度契合。

Learning What Not to Forget: Long-Horizon Agent Memory from a Few Kilobytes of Learning ⭐ 精选

Nusrat Jahan Lia, Aritra Mazumder

cs.CL cs.AI

本文提出LRE (Learned Relevance Eviction)方法，仅用几KB的CPU-only、无语言模型的scorer，通过verbatim extraction（逐字提取）保留历史中关键信息，解决了LLM agent在长程交互中因context window限制而丢失关键细节（如access token）的问题。该方法在agent任务中匹配甚至超越保留全部历史的准确率（简单任务提升27%，峰值context size减少52%），在conversational memory任务中以零神经计算成本超越dense和token-pruning encoder。LRE的核心贡献在于将memory eviction视为fidelity问题，并证明廉价的学习相关性足以实现可部署的proactive policy。

EvoEmbedding: Evolvable Representations for Long-Context Retrieval and Agentic Memory ⭐ 精选

Chang Nie et al.

cs.CL

本文提出EvoEmbedding，一种生成可演化表示（evolvable representations）的embedding模型，专门针对长上下文检索和agentic memory场景。其核心创新在于维护一个持续更新的latent memory，在顺序处理输入时与原始内容共同生成embedding，使得同一query能根据上下文变化检索不同目标，突破了静态语义搜索的限制。该方法通过构建EvoTrain-180K数据集进行联合优化，并引入memory queue防止表示坍缩，在多个长上下文检索benchmark上超越更大规模的专用模型，且能无缝集成到agentic workflows中提升性能。该工作与关键词中的agent和context高度契合，并为长上下文检索提供了具有开创性的可演化表示方法。

Test-Time Training with Next-Token Prediction ⭐ 精选

Xuan Ouyang, Zefan Cai, Junjie Hu

cs.CL

本文提出了一种名为Test-Time Training with Next-Token Prediction (TTT-NTP)的快速权重适应方法，该方法直接利用预训练LLM自身的next-token prediction信号作为测试时训练的内循环目标。与现有方法不同，TTT-NTP通过将每个局部写入的值目标定义为单个下一位置contextual hidden state的逐点线性投影，使得更新过程严格遵循因果计算。实验表明，该方法在RULER和LongBench-v2等长上下文基准上，对Llama-3.1、Mistral和Qwen3系列模型均能带来一致且显著的性能提升，同时保持常识与知识能力。

WaveDetect: Robust Framework for Machine-Generated Text Detection via Wavelet Transform ⭐ 精选

Zhichen Liu et al.

cs.CL

本文提出WaveDetect框架，将机器生成文本检测重新定义为时频域中的信号处理任务。不同于分析静态token概率分布的传统方法，该方法将生成输出建模为概率信号，并应用可微分的Continuous Wavelet Transform将其转换为可学习的spectral表示，从而揭示机器文本中在时域不可见的“spectral fingerprints”。实验表明该方法在对抗扰动、跨域迁移和模型演化等挑战下均达到新的最优性能，验证了spectral分析作为LLM文本检测范式的有效性。

Self-Compacting Language Model Agents ⭐ 精选

Tianjian Li et al.

cs.CL

本文提出SelfCompact框架，让language agent模型自主决定何时以及如何压缩累积的context（如chain-of-thought和tool call轨迹）。该方法通过配对两个inference-time元素：一个compaction tool用于总结context，以及一个轻量级rubric（规则）指定触发或抑制压缩的时机（如子任务完成时触发，推导中途抑制），无需微调或外部监督。实验表明，SelfCompact在六个benchmark（包括数学和agentic search）上匹配或超越固定间隔压缩，同时降低30-70%的token成本，揭示了模型在context腐烂感知上的元认知缺口可通过scaffold提供的rubric弥补。

Less is More: Lightweight Prompt Compression for Question Answering Applications on Edge Devices

Zihuai Xu et al.

cs.CL cs.AI

本文提出了一种名为CORE的两阶段句子级prompt压缩方法，用于在资源受限的边缘设备上优化基于agent的QA应用中的RAG流程。该方法通过NER和语义匹配构建答案集和线索集，并利用正交残差检索和空间邻近度度量进行过滤，无需依赖辅助小语言模型。实验表明，CORE在压缩率、准确率和能效上显著优于现有方法。

Investigating Linguistic Steering: An Analysis of Adjectival Effects Across Large Language Model Architectures

Lars Malmqvist

cs.CL cs.AI

本文使用Shapley值量化形容词对LLM性能的引导效应，发现不同模型对形容词的敏感度存在“家族效应”，且形容词的引导方向依赖于句法角色和位置。研究揭示了大型模型中形容词间存在非加性交互作用，而小型模型则表现得更字面化。

Post-Training Recipe, More Than Model Family, Shapes Multi-Agent LLM Conversational Behavior

Luyang Zhang et al.

cs.CL cs.AI cs.CY

本文研究了多LLM系统中对话行为的多样性，发现后训练配方（post-training recipe）比模型家族更能影响行为差异，但未直接涉及关键词中的code、spectral、Muon、pretrain或attention等核心概念。

EmoInstruct-TTS: Dual-Path Instruction-Guided Emotional Speech Synthesis

Minghui Wu et al.

cs.CL cs.AI cs.SD eess.AS

本文提出EmoInstruct-TTS，一个双路径指令引导的情感语音合成框架，通过引入Emotion2embed嵌入和ICE-Flow模型，从自然语言指令中生成细粒度情感表示，并集成到基于LLM的合成流程中。实验表明该方法在情感可控性和语音自然度上优于现有基线。

Specific Domain Ontology Construction Using Large Language Models

Vivian Magri Alcaldi Soares, Renata Wassermann

cs.CL

本文探索了使用GPT-3.5和GPT-4等LLM作为领域专家来自动构建特定领域（如巴西海洋领土）的conceptual hierarchies（概念层次结构）的方法，并进行了人工评估。结果表明，模型能生成整体连贯的概念化结构，但输出结果尚不完善，需要进一步优化。

MindAlign: Decoding Inner Speech from fMRI Signals via Multimodal Embedding Alignment under Limited Data

Muxuan Liu, Ichiro Kobayashi, Satoshi Nishida

cs.CL cs.AI eess.AS

本文提出MindAlign框架，通过两阶段方法从fMRI信号解码内部语言，先学习神经-语义对齐映射到多模态语义空间，再结合视觉上下文提示冻结的语言模型生成文本。该方法在有限数据下优于基线，但未涉及code、spectral、Muon等关键词相关技术。

From Sentiment to Actionable Insights: A Data-Driven Public Sentiment Analysis of Advanced Air Mobility

Esrat Farhana Dulia et al.

cs.CL

本文使用AI模型对Reddit和Quora上的30万条文本进行情感分析，评估了七种模型在Advanced Air Mobility (AAM) 情感分类中的表现，其中ModernBERT表现最佳。通过Latent Dirichlet Allocation (LDA) 识别出20个主题，并分析了公众关注的六大集群，为AAM部署提供了策略建议。

FirstPass: Grounding AI Scientific Judgment in Multi-Round Editorial Outcomes

Prabhjot Singh et al.

cs.CL cs.AI cs.LG

本文提出了FirstPass数据集和微调模型，通过多轮同行评审对话来预测编辑决策（标准或延长修订周期），并生成评审意见。该工作主要关注AI在科学评审中的应用，与关键词列表中的概念关联较弱。

Beyond 'One Language, One Script': Quantifying Orthographic Bias in Multilingual VLMs with PuMVR

Prabhjot Singh, Bhushan Pawar, Madhu Reddiboina

cs.CL cs.AI cs.LG

本文提出了PuMVR基准，用于量化多脚本语言（如旁遮普语）在多模态大模型中的正交偏差（orthographic bias），发现模型在不同脚本上的表现存在显著差距，但未直接涉及关键词中的核心概念。

Topic-to-Timestamp Alignment by Constrained Evidence Selection

Zeynep Yılbırt, Marina Litvak, Michael Färber

cs.CL cs.IR

本文研究了topic-to-timestamp alignment问题，将时间戳预测重构为constrained temporal candidate selection任务，通过检索时间戳化的transcript chunks并让模型选择最相关的候选而非直接生成时间码，在市政会议记录上提升了Recall@5和MAE。结果表明，长文本中的temporal grounding更依赖于retrieval quality和output design，而非仅取决于language model的选择。

PeerCheck: Enhancing LLM-Generated Academic Reviews Towards Human-Level Quality

Zeyuan Chen et al.

cs.CL cs.AI

本文研究了如何提升LLM生成的学术评审质量，通过分析LLM与人类评审的差异（如LLM更关注理论而人类更注重方法与实验），并尝试使用Chain-of-Thought和retrieval-augmented generation等提示工程技术来改进评审质量。实验发现CoT能显著提升质量，但RAG存在“悖论”现象，即对不同LLM效果不一甚至可能降低质量。

Storyline Trees: Hierarchical Representations for Long-Form Narratives

Litu Ou, Mirella Lapata

cs.CL

本文提出storyline trees，一种将长篇小说组织为从全局主题到细粒度事件的分层表示方法，通过自上而下和自下而上的过程构建场景级树结构，并在问答任务中验证了其自适应检索的有效性。

Latent Personal Memory: Represent personal memory as dynamic soft prompts

Debrup Das et al.

cs.CL cs.AI

本文提出Latent Personal Memory (LPM)框架，通过将用户特定历史编码为紧凑的latent slots矩阵，并利用cross-attention projection network生成动态soft prompts，以高效个性化frozen LLM。实验表明LPM在PersonaMem v1和LoCoMO基准上优于LoRA和Prompt Tuning，并显著降低KV-cache使用量。

Peeking Inside LLMs: Leveraging Internal Artifacts of LLMs for Enhancing Reliability in Legal Classification

Sudipta Santra, Debtanu Datta, Saptarshi Ghosh

cs.CL cs.AI

本文探讨了利用大型语言模型(LLM)的内部特征（internal artifacts）来检测其在法律分类任务中输出正确性的方法，通过构建下游分类器识别错误预测。实验在保释决策预测和法规违反预测两个任务上验证了该方法的有效性。

Comparing Transformers and Hybrid Models at the Token Level

Yanhong Li, William Merrill

cs.CL cs.AI

本文在token级别上比较了transformer和混合模型（hybrid model）在语言建模中的损失差异，发现混合模型在开放类实词和语义状态追踪任务上表现更好，而transformer在n-gram复制和语法括号匹配上更优。该工作主要提供了实证分析，但方法本身并非开创性，且与关键词（如code, spectral, Muon, agent）关联较弱。

Scaling Diverse Language Generation for 3D Visual Grounding

Austin T. Wang, Dongchen Yang, Angel X. Chang

cs.CL cs.CV

本文提出ViGiL3D++方法，通过结合场景图中的constraint sampling与LLM的语言生成，为3D visual grounding任务生成多样化的查询，以提升模型泛化能力。该方法在多个基准上展示了性能改进，但未涉及code、spectral、Muon等关键词。

Phonemes to the Rescue: Multilingual Tokenization Based on International Phonetic Alphabet

Milan Miletić, Julie Kallini, Ekaterina Shutova

cs.CL

本文提出使用国际音标(IPA)作为多语言tokenizer的语言无关输入表示，通过训练24种语言和14种文字下的文本与IPA子词tokenizer对比，证明IPA tokenizer能持续提升tokenization质量，尤其对非拉丁文字更有效。

The Metanym Game: A Self-Contained, Self-Consistent LLM Peer-Community Benchmark for Structural Intelligence

David Nordfors

cs.CL cs.AI cs.LG

本文提出了一个名为metanym game的LLM基准测试框架，通过让模型相互生成和评价内容来评估结构智能，并利用singular value decomposition从评价矩阵中提取事实准确性能力。该方法无需预定义测试集，具有抗污染特性，但与我提供的关键词列表关联较弱。

Event Ontology Expansion via LLM-Based Conceptualization

Weicheng Ren et al.

cs.CL

本文提出ConceptE框架，通过LLM生成概念名称和描述来增强事件触发词表示，以解决事件本体扩展中概念语义与上下文变异混淆的问题。实验表明该方法在聚类和层次扩展任务上优于现有方法。

Demographic Metadata as Construct-Irrelevant Noise in DistilBERT-Based Automated Essay Scoring

Teik Peng Ch'ng, Hui Na Chua

cs.CL

本文研究了在DistilBERT-based自动作文评分系统中，将人口统计元数据与文本输入进行早期融合（naive multimodal fusion）对模型性能的影响。实验表明，这种融合策略会显著降低模型的预测准确性和评分公平性。

Quality and Agreement in Multilabel Emotion Annotation: A Case Study and Evaluation Framework

Emily Öhman, Anna Koufakou

cs.CL

本文通过多标签情感标注案例研究，分析了标注者行为与聚合策略对一致性估计及下游情感分类器的影响，提出使用软投票标签（soft vote-share labels）和概率对齐（Bernoulli cross-entropy）来替代硬标签（hard labels），并发现硬标签可最大化F1指标，而软监督能更好反映标注者方差与不确定性。

FiLM-Coordinated Dual-Branch Transformer for Global-Local Dependency Modeling in Language Modeling

Zhiqiang Zhou, Xu Ling, Junliang Dai

cs.CL cs.AI cs.LG

本文提出了一种FiLM协调的双分支Transformer结构，通过全局和局部两个分支分别建模长程依赖和局部模式，并使用特征级线性调制（FiLM）进行动态跨分支协调。实验表明，该结构在轻量级语言建模任务中优于同宽度的单分支基线，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。

A Validation-Gated Mechanistic Account of Suicidality Detection in LLMs

Nafiz Ahmed et al.

cs.CL

本文提出一个验证门控框架，用于研究LLM在自杀性检测任务中的内部机制，发现模型存在一个语义性的中层特征，该特征对决策有因果影响，且在不同模型和数据集上具有一致性。

Scalable Hierarchical Attention Transformers for Multi-Turn Jailbreak Detection in Long Conversations

Chenhui Hu et al.

cs.CL cs.AI cs.CR

本文提出了一种用于多轮对话中jailbreak检测的分层注意力Transformer，通过编码单轮对话并应用轻量级对话模块来捕捉跨轮交互，在基准测试中取得了优于Claude Opus 4.7的F1分数。该方法避免了昂贵的长上下文拼接，但主要聚焦于安全检测任务，与关键词中的attention有一定关联但创新性有限。

GRAG: Generic Response-Augmented Generation Framework for Personalized Conversational Systems

Junfeng Liu, Christopher T. Symons, Ranga Raju Vatsavai

cs.CL cs.LG

本文提出GRAG框架，通过将内容grounding与个性化解耦，利用离线通用LLM生成的generic response作为scaffold来指导小模型微调，以在资源受限环境中构建个性化对话系统。实验表明该方法在ROUGE-2和BLEU指标上显著优于现有方法。

LLM-Based Multi-Reference Evaluation for Efficient and Robust Assessment of Phrase Break Annotations

Younghan Park et al.

cs.CL cs.AI

本文提出了一种基于LLM的多参考评估方法(LMRE)用于短语切分标注，通过生成多个有效切分来解决单参考评估的局限性，并在韩语测试集上展示了与人类判断更好的对齐效果。

A Multi-Agent Audit Framework for High-Stakes Reasoning: Evaluation and Interpretability in Clinical Mental Health Screening

Jingchen Ye, Yanpei Yu, Luyao Zhang

cs.CL

本文提出了一种多智能体审计框架，用于高风险的临床心理健康筛查，通过分解推理过程为感知、知识检索、思维链推理和审计验证等阶段，提升了可解释性并减少了幻觉。实验表明该方法在PHQ-8抑郁严重度预测上优于单智能体基线，但主要贡献在于框架设计而非理论创新，与关键词中的“agent”有一定关联但契合度一般。

AdaMem: Learning What to Remember for Personalized Long-Horizon LLM Agents

Xingyu Chen et al.

cs.CL cs.AI

本文提出AdaMem方法，通过角色相关的Memory Policy和轻量级自反思机制，让LLM agent学会从用户反馈中筛选重要信息，以解决长期交互中的记忆膨胀问题。实验表明该方法在QA准确率上提升达9%，同时减少9%的记忆体积。

Who Checks the Citations? Benchmarking Legal Hallucination Detection

Patty Liu, Dominik Stammbach, Peter Henderson

cs.CL

本文提出了一种法律引用幻觉的taxonomy，并构建了一个包含1300个法律摘要片段的dataset，用于benchmarking AI模型在agentic和非agentic设置下检测法律引用幻觉的能力。研究发现，即使是最先进的模型（如GPT-5）在agentic框架下也仅能达到82.8%的recall和60.5%的F1 score，且对subtle错误类别表现不佳，同时agentic verification资源消耗大。

Dementia-Agents: A Multi-Modal Multi-Agent System for Dementia Staging and Phenotyping

Yaling Shen et al.

cs.CL

本文提出了Dementia-Agents，一个用于痴呆症分期和表型分析的多模态多agent系统，通过数据agent、专家agent和协调agent的三步工作流处理不完整临床数据，并在真实临床队列中验证了其优于传统多模态大模型和医疗多agent系统的诊断性能。

Beyond Hooking Onto the World: Referential Profiles and the Numerical Structure of LLM Grounding

Joo Yull Rhee

cs.CL cs.AI

本文重新审视了大语言模型的grounding问题，认为当前讨论在reference的profile-based、context-sensitive等特性以及numerical realization方面存在不足，指出LLMs通过optimization参数化人类语言痕迹，其reference是衍生的、语言中介的、基于profile且具有numerical structure的。

When Context Misleads: Surprisal, Energy and Attention Entropy as Metrics of Coherence Illusions in LLMs

Ece Takmaz et al.

cs.CL cs.AI

本文研究了荷兰语大语言模型中的“连贯性错觉”现象，发现模型在包含干扰词的上下文下，对不连贯文本的surprisal会降低，并引入attention entropy和来自associative-memory的energy作为量化指标。该工作主要关注心理语言学现象在LLM中的复现，与关键词列表中的概念关联较弱。

OpenWER: Improving Cross-Lingual ASR Evaluation and Enabling Token-Based Accuracy Metrics

Korbinian Kuhn, Gottfried Zimmermann

cs.CL cs.SD

OpenWER是一个开源工具，通过语言特定的normalization和compound word detection改进了跨语言ASR评估中的Word Error Rate (WER)指标，并支持基于token的Levenshtein alignment以嵌入元数据。实验表明，在52种语言上相比常见库实现了高达25%的绝对WER降低。

SCOPE: Sequential Conformal Probing for Reliable OOD Rejection in LLM Services

Zhuoyun Li et al.

cs.CL

本文提出了SCOPE框架，通过选择可读的隐藏层并构建基于conformal prediction的gate，利用supermartingale e-process来为LLM服务中的OOD拒绝提供理论保证。实验表明该方法在多个LLM backbone上优于标准最终层检测器，并揭示了不同OOD边界在隐藏空间中的几何形态差异。

Synthetic Audio Generation Framework for Air Traffic Control Speech Recognition

Raphaël Bagat et al.

cs.CL

本文提出了一种用于Air Traffic Control (ATC)领域语音识别的合成数据生成框架，通过结合Text-to-Speech、Voice Conversion及可控的accent conversion技术模拟带口音和噪声的语音。实验表明，使用该合成数据微调Whisper模型能显著降低词错误率，但该方法主要针对特定应用场景，与关键词中的核心概念关联较弱。

Factual Retrieval in LLMs Is a Redundant, Distributed and Non-Contiguous Process

Hail Hochman, Natalie Shapira, Yoav Goldberg

cs.CL

本文通过提出"attribute-computation path"概念和迭代修补协议，研究了LLMs中事实检索的机制，发现该过程具有非连续、冗余和高度分布式的特性，表明知识存储与检索远未被充分理解。

Finetuning with Scientific Data Increases Hallucinations: A Multi-domain Factuality Evaluation of LLMs

Raia Abu Ahmad et al.

cs.CL

本文构建了SciFactCheck基准，评估了18个LLM在五个科学领域的幻觉现象，发现科学微调模型在所有幻觉类型上事实可靠性下降，且内部置信度更低但语言更武断。

CAT-Translate: Building Compact Open-Source Models for Japanese-English Translation

Yuu Jinnai

cs.CL cs.LG

本文开发了一系列针对日英双向翻译的小型语言模型（0.8B至7B参数），采用两阶段监督微调和Multi-Objective GRPO方法在合成平行语料上训练。实验表明，尽管多语言模型在WMT基准上表现强劲，但该紧凑模型在真实世界基准上表现更优，验证了开发特定语言对翻译模型的实用价值。

Precision Recall Controllable Radiology Report Generation via Hybrid Natural Language and Clinical Reward Learning

Ling Chen et al.

cs.CL cs.CV

本文提出了一种基于强化学习的放射学报告生成框架，通过引入临床奖励和组相对训练策略，实现了对临床精确率与召回率的可控权衡，并在MIMIC-CXR数据集上优于现有方法。

Evaluation of Small Language Models for Arabic Language Processing

Jumana Alsubhi et al.

cs.CL cs.AI

本文评估了12种小型语言模型在阿拉伯语自然语言处理任务上的表现，构建了一个包含240个测试项的基准，并采用多模型LLM-as-a-judge框架进行评分。结果显示Gemma 3 (12B)表现最佳，且模型性能不完全取决于规模，而与阿拉伯语对齐和指令遵循能力更相关。

Economic Transformation and Cultural Change: Evidence from Two Centuries of French Drama

T. D. Oliveira, L. A. Attilio, M. J. Davila-Fernandez

cs.CL

本文利用计算语言学、计量经济学和形式建模方法，分析了1700-1900年间法国戏剧文本，揭示了经济转型如何影响文化生产，但未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词。

Towards Pedagogically Aligned LLM Tutors for Math Mistake Remediation

Kseniia Petukhova, Tien Dat Nguyen, Ekaterina Kochmar

cs.CL

本文研究了一种两阶段对齐pipeline（结合supervised fine-tuning和Direct Preference Optimization）用于数学错误纠正的LLM辅导系统，通过构建包含教学维度的合成数据集提升了模型的事实准确性和教学质量。实验表明该方法在开放性和可复现性方面具有优势，但未涉及code、spectral、Muon等关键词相关技术。

MedHal-Loc: Are "Explainable-by-Architecture" Medical Hallucination Detectors Faithful Localizers? A Localization Benchmark

Minmin Chen et al.

cs.CL

本文提出了MedHal-Loc基准，用于评估临床文本幻觉检测器的定位忠实性，发现基于知识图谱三元组的架构在定位上并不优于随机水平，尽管其检测性能尚可。

Dissecting Agentic RAG: A Component Ablation for Multi-Hop QA with a Local 7B Model

Sheroz Shaikh

cs.CL cs.IR

本文通过消融实验分析了Agentic RAG系统在multi-hop QA任务中的各组件贡献，发现固定混合检索和短检索循环比自适应路由和深层迭代更有效，但整体方法缺乏开创性且与关键词契合度低。

PeerMathDial: A Middle School Dialogue Dataset for Student Collaborative Math Problem Solving

Murong Yue et al.

cs.CL

本文构建了PeerMathDial数据集，包含来自真实中学数学课堂的55段学生协作问题解决对话，并基于此定义了对话行为分类体系。该数据集主要用于分析学生互动模式、教师干预影响及学生特质与行为的关系。

Rubric-as-Experts: Case-Specific MQM Rubrics for Translation Quality Evaluation

Weilu Xu et al.

cs.CL

本文提出了一种针对翻译质量评估的案例特定动态rubric框架，通过自适应调整MQM评估空间来改进细粒度错误检测。实验表明该方法在WMT基准上优于静态rubric设置，但未涉及code、spectral、Muon等关键词相关技术。

Per-Entity Bias Mapping for AI Visibility: Why Brand Mentions Require Entity-Specific Calibration

Zoltan Varga

cs.CL cs.IR

本文提出Per-Entity Bias Mapping (PEBM)框架，用于分析AI系统对不同实体的可见性偏差，并识别了三种失败模式。通过实证研究（n=100个匈牙利B2B实体），发现大型品牌存在“品牌幻觉悖论”，即模型熟悉度反而导致更多虚构引用。

LLM and Human Modes of Representation

Shalom Lappin

cs.CL

本文比较了LLM与人类在语言知识表征和现实世界推理规划中的表现差异，指出LLM虽在语言任务上表现流畅，但其处理方式与人类不同，且在推理任务的学习与泛化效率上通常低于人类。

CulMind: Benchmarking Multimodal Understanding and Reasoning in Chinese Cultural Heritage

Zhangwei Cao et al.

cs.CL

本文提出了CulMind和CulMind-R基准，用于评估多模态大语言模型在中国文化遗产中的理解与推理能力，并引入ReaScore指标自动评估推理过程质量。实验发现模型在答案准确性与推理质量间存在显著差距。

Evaluating Document-Tuned Transformer Representations for Person-level Mental Health Assessment

Aaron Marker et al.

cs.CL cs.LG

本文比较了document-tuned transformers与base-transformers在心理健康评估任务中的表现，发现前者在预测准确性和鲁棒性上更优，并分析了两种模型在语言特征上的差异。

CuratorKIT : Data Curation and Synthetic Data Generation for LLM Post-Training

Soham Bhattacharjee et al.

cs.CL cs.LG

CuratorKIT是一个开源的Python库，用于大语言模型后训练阶段的数据整理与合成数据生成。它集成了数据读取、清洗、合成生成、质量过滤和导出等完整流程，并提供了可审计的样本级溯源链。

Behavioral and Representational Evidence of Binomial Ordering Preferences in Large Language Models

Zhiqing Yang et al.

cs.CL cs.LG

本文研究了大型语言模型在语言binomials（如men and women）中的顺序偏好，通过构建多语言数据集和分布度量方法，发现模型虽能恢复主流顺序但难以精确匹配语料分布，并通过稀疏探针验证了偏好强度在模型内部表征中的编码。

TACO: Task-Aware Column Description Generation Using LLMs

Ting Cai et al.

cs.CL cs.AI cs.DB

本文提出TACO框架，利用LLM通过三步流水线（缩写扩展、描述生成、基于模拟下游任务的描述修正）自动生成表格列描述，以解决现有方法中缩写处理不一致、描述冗余或模糊等问题。实验表明该方法在多个数据集上提升了下游任务性能。

Clinical Term Extraction using Open-Source Small Language Models

Noah Marchal et al.

cs.CL cs.AI

本文评估了多种开源小语言模型在临床术语提取任务中的表现，发现基于正则表达式的基线方法在整体性能上优于所有单一SLM或TF-IDF基线，而Qwen3-4B-Instruct-2507是表现最佳的SLM。研究支持采用混合提取工作流，而非完全替代现有基于规则的方法。

When Compression Helps and When It Hurts: Condition-Aware Analysis of Chain-of-Thought Distillation

Siyang Lyu et al.

cs.CL

本文研究了Chain-of-Thought (CoT)蒸馏中的压缩策略，通过重要性准则、重组级别和压缩预算三个维度，分析了不同领域和模型族下的压缩效果，发现压缩效果高度依赖于具体条件。

PrivacyAlign: Contextual Privacy Alignment for LLM Agents

Manveer Singh Tamber et al.

cs.CL cs.AI cs.IR

本文提出了PrivacyAlign数据集，包含1350个样本和3516条人工标注，用于将LLM Agent的隐私决策与人类规范对齐。通过引入基于标注的条件化奖励建模，该方法在强化学习中提升了小模型Agent的隐私对齐性能。

Leveraging LaBSE with Progressive Curriculum Learning for Multicultural Polarization

Sachin Sundar, Sandeep Kumar, Mothish M

cs.CL cs.LG

本文提出利用LaBSE embeddings结合渐进式课程学习，解决多语言多文化环境下的在线极化检测问题，特别针对低资源语言的数据稀缺挑战。实验表明该方法在低资源语言上提升了最多0.2 macro F1分数，并提供了基于Qwen模型族的检索提示框架消融研究。

Denoising Iterative Self-Correction: Structured Verification Loops for Reliable LLM Reasoning

Shen Yin, David Ken, Joel Stremmel

cs.CL cs.AI

本文提出Denoising Iterative Self-Correction (DISC)方法，通过将验证输出视为噪声测量并引入二元判断门控，在多次验证-判断-修正循环中逐步减少LLM推理错误。实验表明该方法在精度-召回权衡上优于Chain-of-Verification和Self-Refine，并发现跨模型角色分配可缓解自我确认偏差。

CalVerT: Augmenting Agents with Calibrated Verifier Telemetry Improves Action and Learning in Knowledge-Intensive Tasks

Ashwin Vinod, Ying Ding, Elias Stengel-Eskin

cs.CL cs.AI

本文提出CalVerT方法，通过向LLM agent的状态添加校准的自信心分数和grounding验证器分数，来改善其在知识密集型问答中的检索与推理行为。该方法无需训练即可提升F1分数，并能增强经过强化学习训练的agent性能。

When to Plan, When to Polish: Noise Level as a Granularity Axis for Diffusion Language Models

Peihong Li, Yuanjie Shi, Yan Yan

cs.CL

本文提出了一种名为Noise Dependent Granularity Control (NDGC)的单层扩散语言模型方法，通过将噪声水平作为粒度控制轴，在去噪过程中动态调整从token组到单个token的粒度，实现了类似层次化规划的粗到细生成，无需显式规划器或分层架构。该方法在多个测试中展示了更早的骨架形成和更有序的恢复，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等概念无直接关联。

Fixed RAG Compression Collapses Measured Reader Scaling

Sugam Panthi, Rabab Abdelfattah

cs.CL

本文研究了RAG压缩方法在不同reader上的表现，发现固定压缩会掩盖reader性能提升并反转模型排名，揭示了压缩对弱reader和强reader的不同影响。

Inverse Turing Bench: Evaluating Language Models as Judges of Human vs. AI Dialogue

William Hager et al.

cs.CL cs.CY

本文提出了Inverse Turing Bench基准，用于评估语言模型区分人类与AI在多轮对话中的能力。实验发现GPTZero等模型表现较好，但统计方法存在语义盲区，语义方法易受角色提示影响。

Keyless Attention: Value-Space Routing and Value-Only Caching for Efficient Transformers

Xin Gao

cs.CL cs.AI

本文提出了一种名为Keyless Attention的注意力机制，通过完全移除key projection并仅使用query和value，实现了Value-Only Cache，将KV cache内存和访问开销减少50%。实验表明，该方法在多个模型上匹配或超越了标准attention的性能。

TALAS: Teacher-Anchored Layer Alignment with Adaptive Sharpness-Aware Minimization for Embedding Distillation

Quoc Phong Dao et al.

cs.CL

本文提出TALAS框架，通过教师锚定机制将句子嵌入蒸馏到学生模型上层，并结合层对齐自蒸馏与自适应锐度感知最小化来提升训练效率与泛化能力。实验表明该方法在句子嵌入基准上优于现有蒸馏基线。

The Language-Energy Divide: Measuring Energy Costs of Multilingual LLM Inference

Naihao Deng et al.

cs.CL cs.AI

本文研究了多语言LLM推理中的能源消耗差异，发现不同语言间的每token能耗差异可达8.3倍，总能耗差异可达179倍，且高能耗语言往往任务准确率更低。该研究揭示了多语言LLM部署中的系统性能源不平等问题。

Scaling Performance and Low-Resource Annotation with Many-Shot In-Context Learning for Named Entity Recognition

Qi Zhang et al.

cs.CL cs.AI

本文研究了在Named Entity Recognition任务中使用many-shot in-context learning的方法，发现将示例扩展到数百个可以使LLM匹配甚至超越全监督BERT模型，并可用于低资源场景下的数据标注。

Olfactory-Inspired Sparse Combinatorial Coding for Low-Resource Named Entity Recognition

Bhushan Deshpande

cs.CL

本文受生物嗅觉系统启发，提出了一种稀疏组合编码（sparse combinatorial coding）架构，通过在token embeddings和BiLSTM-CRF模型之间引入受体-肾小球瓶颈（receptor-glomerular bottleneck），用于低资源命名实体识别（NER）。实验表明，该方法在数据稀缺时作为正则化器提升了F1分数，尤其在孟加拉语等语言中效果显著。

Which Review Aspect Has a Greater Impact on the Duration of Open Peer Review in Multiple Rounds? -- Evidence from Nature Communications

Haomin Zhou et al.

cs.CL cs.DL cs.HC cs.IR

本文通过两阶段方法分析Nature Communications的同行评审报告，发现评审情感与评审时长存在弱负相关，其中“评估与结果”和“影响与研究价值”方面的情感对时长影响较大，且这种关系在不同评审轮次中存在差异。

Deeper is Not Always Better: Mitigating the Alignment Tax via Confident Layer Decoding

Xuanming Zhang et al.

cs.CL

本文揭示了LLM解码时深层表示可能引入对齐扰动（alignment perturbation）的现象，并提出了一种无需训练的Confident Decoding策略，通过熵引导的保守反向搜索动态选择最可靠的近最终层，从而缓解对齐代价。实验表明该方法在多个推理基准上取得一致提升，且几乎不增加内存与延迟开销。

Pre-Generation Hallucination Detection in Large Language Models via Soft-Target Attention Probing

Amina Miftakhova, Alexey Zaytsev

cs.CL cs.LG

本文提出了一种在大语言模型生成前检测幻觉风险的方法，通过软目标监督（基于随机采样输出的经验错误率）和注意力探测（attention probing）来聚合与幻觉相关的prompt表示。实验表明该方法在短答案任务上优于线性探测，但未涉及代码、谱方法或预训练等关键词。

MindTailor: Personalized Emotional Support via Post History-Grounded Case Formulation and Collaborative Refinement

Suhyun Han, Kyunghyun Cho, JinYeong Bak

cs.CL

本文提出了MindTailor框架，通过从用户历史帖子中构建case formulation，并利用基于不同咨询策略的counselor agent进行协作批评来迭代优化回复，以生成个性化情感支持。实验表明该方法在共情、个性化等方面优于基线，但主要贡献在应用层面，与关键词中的理论或技术方向关联较弱。

Beyond Value Benchmarks: Measuring Value-Structure Alignment in Large Language Models via Symmetric Q-Sorts

Jingting Zheng et al.

cs.CL

本文提出了一种基于Q方法论的对称人机评估框架，通过强制分布排序（forced distribution）来测量大语言模型的价值结构对齐（value-structure alignment），并利用Procrustes相似度和RSA-based Spearman相关量化结构一致性。实验发现模型在全局分数良好时可能存在局部结构偏差，但该方法与关键词列表中的概念关联较弱。

Are Multilingual Models Actually Improving? Isolating True Cross-Lingual Transfer

Prasoon Bajpai et al.

cs.CL

本文提出了一种名为Hardness Adjusted Transfer (HAT) Score的替代指标，用于更可靠地衡量cross-lingual transfer强度，并基于该指标分析了多种multilingual models，指出小模型的transfer能力并未失效，但随模型规模增长的跨语言迁移进展比预期更慢。

OpenBioRQ: Unsolved Biomedical Research Questions for Agents

Minbyul Jeong

cs.CL

本文介绍了OpenBioRQ，一个包含12,553个未解决生物医学研究问题的agentic benchmark，用于评估模型在无答案密钥情况下的忠实性和弃权能力。该benchmark通过真实后续证据验证问题开放性，并发现当前agent模型在困难问题上存在工具使用崩溃现象。

Can LLMs Control Readability? A Multi-Dimensional Evaluation Framework for CEFR-Controlled Arabic Generation

Nour Rabih, Chatrine Qwaider, Ted Briscoe

cs.CL cs.LG

本文提出了一个针对阿拉伯语文本生成的多维评估框架，用于检验LLM能否根据CEFR标准控制文本可读性。实验表明，结构化提示能显著提升与目标语言水平的对齐度，但该工作主要聚焦于自然语言处理中的可控生成，与您提供的关键词（如code, spectral, Muon等）关联度较低。

Adding Robust Code-Switching Capabilities to High Performance Multilingual ASR

Enes Yavuz Ugan, Alexander Waibel

cs.CL eess.AS

本文提出Bayesian factorized adaptation方法，在不破坏预训练多语言ASR模型单语能力的前提下，通过少量合成数据学习整合语码切换相关知识，将语码切换词的转录错误降低32.87%并改善整体WER。该方法强调知识整合而非数据复杂度对语码切换适应的关键作用。

Benchmarking Large Language Models for Grapheme-to-Phoneme Conversion: A Japanese Case Study

Tomoki Koriyama

cs.CL eess.AS

本文对超过30种Large Language Models (LLMs)在日语Grapheme-to-Phoneme (G2P)转换任务上进行了基准测试，比较了两种prompting策略（parse mode和direct mode）。结果表明，模型大小、版本和日语专门训练是关键因素，最佳LLMs的kana字符错误率低于传统工具。

NL2Scratch: An Executable Benchmark and Evaluation for Block-Based Programming

Heejin Do et al.

cs.CL cs.AI

本文提出了NL2Scratch，一个面向块编程语言Scratch的自然语言到代码生成基准，包含31万余个经解析器验证的NL-程序对，并设计了语义对齐一致性（SAC）指标用于评估。实验表明，传统词法相似度指标与语义对齐之间存在显著差距，模型在操作型槽位上错误集中。

Where Does the Signal Live? A Web Data Recipe for Medical Encoder Pretraining

Bofeng Huang et al.

cs.CL cs.LG

本文研究了在医学领域（密集术语领域）中，如何通过web数据筛选（medical-term density filtering）和信号增强改写（signal-amplifying rephrasing）来提升encoder Masked Language Model (MLM)的预训练效果，并在法语医学NLP任务上验证了其有效性。

Plurification in/of language technology -- The integration of culture in next-generation AI

Gertraud Koch, Fausto Giunchiglia

cs.CL cs.AI

本文探讨了如何在NLP中操作化"文化"概念，提出文化对齐需要多元认识论而非仅增加数据样本。通过社会技术模型分析，指出当前方法多停留在输出或表征层面，未能解决权力、治理等深层问题。

From Recognition to Understanding: Unlocking Cognitive Time Series Reasoning with LLMs

Xin Qiu et al.

cs.CL

本文提出TSCognition基准和TSAlign框架，通过将时间序列编码为patch-level表示并与LLM embedding空间对齐，以提升时间序列推理能力。该方法在多个基准上取得较好性能，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等核心概念。

BioMatrix: Towards a Comprehensive Biological Foundation Model Spanning the Modality Matrix of Sequences, Structures, and Language

Qizhi Pei et al.

cs.CL cs.AI cs.LG q-bio.BM

本文提出了BioMatrix，一个将分子序列、分子结构、蛋白质序列、蛋白质结构和自然语言统一到单一decoder-only架构中的多模态基础模型。它通过统一的tokenization方案将所有模态映射到共享的离散token空间，并在80个下游任务中的77个上取得了最优或具有竞争力的性能。

The Score Granularity Gap in Black-Box LLM Classification: A Comparative Study of Confidence Constructions

Ao Sun, Tian Sun, Jiaxing Geng

cs.CL

本文研究了黑盒LLM分类中的置信度分数粒度问题，比较了七种置信度构建方法（如单次口头化数字、token概率、多次查询聚合等）在25个模型-数据集对上的表现。发现单次口头化置信度虽能较好排序但取值离散，而多次查询聚合对弱模型有效但可能降低强模型性能。

When Is Emergent Consensus Real? A Measured Coupling Gain and a Validity Diagnostic for LLM Agent Societies

Dongxu Yang

cs.CL cs.AI cs.MA cs.SI

本文提出了一种测量LLM agent社会中emergent consensus真实性的方法，通过引入coupling gain gamma来量化agent间的意见耦合程度，并利用Friedkin-Johnsen和signed-Laplacian等经典动力学模型解释不同regime的出现。该工作主要贡献了一套测量协议和有效性诊断工具，而非新的理论框架。

Lexical Consensus: Grounded Word Learning and Shared Meaning in Artificial Agents

Patricio M. Vera

cs.CL cs.AI

本文提出Lexical Consensus框架，研究人工agent在固定感知空间（frozen DINOv2 embeddings）中学习新词汇的过程，发现感知距离（perceptual distance）而非语义距离主导了词汇习得梯度，并揭示了命名与检索任务在记忆机制上的差异。

Evaluating Large Language Models for Hausa and Fongbe Machine Translation: Benchmarks, Failures, and Metric Reliability

Mahounan Pericles Adjovi, Roald Eiselen, Prasenjit Mitra

cs.CL cs.AI cs.LG

本文评估了GPT-4o Mini等四个LLM在英语到Hausa和Fongbe两种低资源西非语言上的翻译质量，发现翻译质量因语言而异且模型排名不一致，并指出BERTScore等神经指标存在embedding collapse问题，建议对低资源语言采用多指标评估。

MixedPEFT: Combining Multiple PEFT Methods with Mixed Objectives for Unsupervised Domain Adaptation

Mohammed Rawhani et al.

cs.CL cs.AI

本文提出了一种名为MixedPEFT的参数高效微调方法，通过结合invertible adapters和LoRA，并采用混合目标训练（同时优化源域分类与目标域MLM），用于无监督域适应。实验表明，该方法在MNLI数据集上仅用7%的可训练参数即超越了现有方法，但未涉及关键词中的code、spectral、Muon或agent等概念。

From Speech to Text Corpora: Evaluating ASR-Based Data Acquisition for Low-Resource Fongbe and Hausa

Mahounan Pericles Adjovi et al.

cs.CL cs.AI cs.LG

本文探索了使用ASR pipeline为低资源西非语言Fongbe和Hausa构建文本语料库的方法。通过在Fongbe上微调MMS-300M模型，在ALFFA基准上实现了9.48%的WER，并处理了YouTube视频数据以生成转录片段，但人工评估显示转录质量仍有待提升。

Learning at the Right Pace: Adaptive Data Scheduling Improves LLM Reinforcement Learning

Zicheng Xu et al.

cs.CL

本文提出了一种名为Adaptive Data Scheduling (ADS)的双层数据调度框架，用于替代LLM强化学习后训练中的均匀采样。该方法通过语义聚类和策略边界样本选择来调整数据分布，在多个基准测试上提升了平均准确率。

BabelJudge: Measuring LLM-as-a-Judge Reliability Across Languages and Agent Trajectories

Shreyas KC

cs.CL cs.AI

本文提出了BabelJudge，一个用于评估LLM-as-a-judge在不同语言和agent轨迹中可靠性的基准测试框架，通过受控扰动生成已知标签的成对样本，测量了位置偏差、冗长偏差、顺序不一致性和跨语言退化四种失效模式。该工作主要关注评估可靠性而非提出新的数学方法，与关键词中的agent有一定关联但契合度一般。

How Does Research Evolve? Tracing Cross-Domain Trajectories in NLP, ML, and CV with Claim-Grounded Typed Citations

Abdul Muntakim et al.

cs.CL

本文提出了SciTraj语料库，构建了首个基于声明（claim）的带类型引用图，将引用边与具体声明句子关联，并定义了六种关系类型。该语料库包含32,559篇NLP、ML和CV领域的论文，支持跨领域引用轨迹分析和类型化链接预测基准测试。

Curiosity as Linguistic Intervention: Using LLM Tutoring Dialogues to Influence Exploratory Learning Behavior

Gevindu Ganganath et al.

cs.CL cs.HC

本文提出了CURIOBOT框架，利用LLM在对话式辅导中通过语言干预（如新颖性、复杂性等变量）来激发学习者的探索行为。实验表明，这种干预能显著增加对话轮次，但方法本身并非开创性，且与关键词列表中的概念关联较弱。

ORBIT: Training-Free Multi-Attribute Behavioral Steering via Orthogonal Subspace Rotation

Narges Ghasemi et al.

cs.CL cs.CV cs.LG

本文提出ORBIT方法，通过正交子空间旋转实现无需训练的多属性行为控制，解决了现有方法在多属性同时控制时存在的范数不平衡和方向抵消问题。该方法利用奇异值分解构建联合子空间并应用保范旋转，在多个模型上验证了其有效性。

First-Token Broadcasters: Mechanistic Origins of Language Identity and Distributed Robustness in Transformers

Arjun Pillai, Christian Hoang, Anjelo Jann Laroza

cs.CL cs.AI

本文通过LIHA因果干预方法，研究了Transformer中语言身份识别的机制，发现第一token广播头在语言生成中起关键作用，并揭示了指令微调会重组语言身份电路。该工作主要关注语言模型的多语言生成行为，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联较弱。

Knowledge-Graph Grounding Helps LLMs Only for Out-of-Training Knowledge: A Controlled Study on Clinical Question Answering

Madhulatha Mandarapu, Sandeep Kunkunuru

cs.CL cs.DB

本文通过复现Nature Medicine研究并构建合成知识图谱，发现知识图谱（KG） grounding仅在模型训练知识之外（out-of-training）时提升临床问答准确率，而对已知事实无帮助，验证了结构化知识对LLM的增益边界。

Words as Difference Makers: How Large Language Models Determine Causal Structure in Text

Wolfgang Pietsch

cs.CL cs.AI cs.LG

本文探讨了大语言模型如何通过差异制造逻辑（variational induction）从文本中学习因果结构，分析了token embeddings和self-attention等架构特征在其中的作用，并与实验方法进行了类比。

CASPER in the Machine: Insights into Character Variety in LLM-Generated Stories

Anneliese Brei et al.

cs.CL cs.AI

本文通过借用叙事学定义，分析了LLM生成故事与人类创作故事中角色的八个复杂维度，并比较了两类故事中角色的类别与多样性。研究发现两者在角色刻画上存在有趣的相似性与差异。

Interleaved Speech Language Models Latently Work In Text

Talia Sternberg, Gallil Maimon, Yossi Adi

cs.CL cs.LG cs.SD eess.AS

本文通过logit lens方法分析了交错式语音语言模型（interleaved speech-text LMs）的潜在空间，发现模型在中间层会隐式地将语音转录为文本token，随后在文本空间预测下一个词，最后再转换回语音域。该研究揭示了语音与文本模态在模型内部的交互机制，但未直接涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Not All Claims Are Equally Risky: FACTOR for Adaptive Verification in Factual Long-Form Generation

Areeba Hassan et al.

cs.CL cs.AI

本文提出FACTOR方法，通过不确定性估计和自适应验证来改进长文本生成的事实性，在FactScore基准上验证了其有效性。该方法与关键词列表中的概念关联较弱。

ROMEVA: Geometry-Preserving Vocabulary Expansion for Roman Urdu Language Models

Mahnoor Khan et al.

cs.CL

本文提出ROMEVA方法，通过子词平均初始化和PCA引导的anchor loss来稳定Roman Urdu语言模型在词汇扩展时的embedding空间。实验发现，虽然ROMEVA能最好地保持预训练embedding空间，但朴素微调在下游情感分类任务中表现更强，表明embedding稳定性与下游性能之间存在脱节。

Breaking the Likelihood Trap: Variance-Calibrated Modulation for Large Language Model Decoding

Yuanhao Ding et al.

cs.CL stat.ML

本文提出Variance-Calibrated Modulation (VCM)，一种无需训练的预解码干预方法，通过Contextual Searchlight和Adaptive Self-Debiasing两个动态机制重塑概率分布，以缓解LLM在开放生成中的“似然陷阱”问题。该方法在提升生成多样性和连贯性的同时，与现有解码策略兼容且计算开销可忽略。

Look Light, Think Heavy: What Multimodal Chain-of-Thought Reasoning Can and Cannot Do

Zhuoran Jin et al.

cs.CL cs.AI cs.CV

本文系统评估了多模态Chain-of-Thought (CoT)推理在12个感知与推理任务上的表现，发现CoT在感知任务中可能产生副作用，而在数学、科学等推理任务中有效，并揭示了模型存在“视觉反思”能力持续下降的瓶颈。

What are Key Factors for Updates in RL for LLM Reasoning?

Peidong Wang et al.

cs.CL

本文对RLVR（基于可验证奖励的强化学习）更新进行了理论分析，揭示了off-policy程度（每轮rollout的梯度步数）通过影响importance sampling ratio的分布和clipping行为来改变主导更新的token。基于此，提出了Adaptive Clip Policy Optimization (ACPO)方法，根据token组内importance sampling ratio的经验方差调整clipping边界，在数学推理等任务上优于DAPO和CISPO等基线。

Context-Aware Distillation and Ablation for Text2DSL

Alexander V. Kozachok, Alexander M. Nazimov, Shamil G. Magomedov

cs.CL cs.AI

本文在Text2DSL任务中，通过上下文感知蒸馏（context-aware distillation）将PolkitBench语料库从4,204扩展到10,073对，并进行了结构化上下文的因子消融实验，发现词汇表（vocabulary）对语义质量影响最大，API和BNF对结构有效性影响最大。该工作主要聚焦于特定领域的代码生成与消融分析，与关键词中的code和context有一定关联，但方法本身并非开创性且未解决长期问题。

Sub-Billion, Super-Frontier: Small Language Models Rival Zero-Shot Frontier LLMs on General and Literary Relation Extraction

Despina Christou, Grigorios Tsoumakas

cs.CL cs.LG

本文研究了小语言模型(SLM)在关系抽取任务中与前沿大语言模型(LLM)的性能差距，发现经过任务微调的Qwen2.5-0.5B模型在通用领域和文学文本上均能超越零样本的GPT-5.4等模型，表明任务适配而非模型规模是性能提升的关键。

Orthogonal Representation Editing: Decoupling Semantic Entanglement in Batch Knowledge Editing of LLMs

Wenhao Yu et al.

cs.CL cs.AI

本文提出了一种名为Orthogonal Representation Editing (ORE)的方法，通过在LLM的隐藏表示空间中构建通用语义子空间并施加正交约束，以解耦语义纠缠，从而提升批量知识编辑的精度。该方法引入门控非线性表示头来自适应学习编辑位置，实验表明其在跨语言知识编辑场景中表现优于现有方法。

Only Ask What You Don't Know: Grounded Delta Planning for Efficient Multi-step RAG

Wei-Chieh Chou et al.

cs.CL cs.AI

本文提出GDP-RAG框架，通过初步检索、基于信息缺失的规划提示和精简推理轨迹，仅针对缺失信息进行多步检索，在HotpotQA等数据集上实现了高准确率与低检索成本。该方法主要关注RAG系统的效率优化，与关键词中的agent或attention等概念关联较弱。

moBERTo: A Modern Encoder for Portuguese via Continued Pretraining of ModernBERT

Thiago Laitz et al.

cs.CL

本文介绍了moBERTo，一个通过持续预训练ModernBERT-base checkpoint在60亿tokens上得到的葡萄牙语encoder-only transformer模型。该模型在信息检索（包括长上下文检索）、文档分类、命名实体识别等任务上进行了评估，并分析了tokenizer适应和长上下文后训练的影响。

BLUEX v2: Benchmarking LLMs on Open-Ended Questions from Brazilian University Entrance Exams

João Guilherme Alves Santos et al.

cs.CL

本文提出了BLUEX v2基准，用于评估LLMs在巴西大学入学考试开放式问题上的表现，包含395个问题及919个子问题，并评估了21个模型。结果显示数学推理和图像理解是最困难的能力维度。

When Confidence Takes the Wrong Path: Diagnosing Retrieval-State Lock-In in RAG

Sahib Julka

cs.CL cs.AI

本文识别并命名了RAG系统中的"retrieval-state lock-in"问题，即当检索状态存在缺陷时，模型生成的多个答案会因错误稳定而表现出虚假的一致性。通过将置信度分解为答案表面、检索证据和检索状态三个对象，作者在KG-RAG系统中测量了这种一致性盲区，并提出了一个可审计的决策规则。

Language-Specific Sentiment Polarity Biases in Encoder and Large Language Model Classification of Product Reviews

Advita Rajiv, Kavitha Kothur, Gautham Reddy

cs.CL

本文研究了不同语言和模型架构下AI情感分类的极性偏差，发现大语言模型在法语中偏向负面，而encoder模型在日语中偏向正面。该工作揭示了多语言情感分析系统中的语言特异性偏差。

AI Fiction in the Wild

Neel Gupta, Maria Antoniak, Melanie Walsh

cs.CL cs.AI cs.CY

本文基于超过50万条匿名ChatGPT对话数据，分析了用户如何利用大语言模型生成小说、角色扮演、同人小说和情色文学等虚构内容，发现超过三分之一的对话涉及虚构生成，且主要由重度用户主导。文章提出了“唯我论读者-作者”这一概念，并讨论了AI生成内容与按需、个性化、重复性文化形式的相似性。

Learning Moral Diversity: Modelling Individual Perspectives in Moral Classification of Texts

Yi Ren, Lewis Mitchell, Matthew Roughan

cs.CL

本文探讨了在文本道德分类中建模个体标注者视角的方法，通过扩展预训练语言模型学习标注者特定特征，以处理标注分歧和主观性问题。

Does the Same Token Mean the Same State? MoE Routing as Signal for Reasoning Control

Kang Chen et al.

cs.CL

本文研究了稀疏MoE语言模型中相同token id是否对应相同router状态和专家激活的问题，发现router状态能区分任务上下文和推理模式，并基于此提出RAD方法用于多rollout选择，在数学、代码等任务上表现与Majority Voting相当。

KaLM-Reranker-V1: Fast but Not Late Interaction for Compressed Document Reranking

Xinping Zhao et al.

cs.CL

本文提出了一种名为KaLM-Reranker-V1的reranker模型，采用encoder-decoder架构，通过encoder预编码passage并使用Matryoshka embedding pooling，decoder建模查询意图，cross-attention捕获相关性。该方法在BEIR等基准上取得了与强工业模型相当的性能，但主要贡献在于工程效率优化，与关键词中的核心概念（如spectral, Muon, agent等）关联度较低。

Bagpiper-TTS: Natural Language Guided Universal Speech Synthesis

Jinchuan Tian et al.

cs.CL cs.AI

本文提出Bagpiper-TTS系统，通过自然语言prompt推理用户意图并生成rich caption来指导语音合成，支持多说话人、意图转语音等多种任务。实验表明其在Seed-TTS-Eval基准上达到1.7%的词错误率，性能与专用模型相当。

IndicGuard: A Multilingual Safety Guard Model and Dataset for Indic Languages

Parth Bramhecha et al.

cs.CL cs.LG

本文提出了IndicGuard，一个针对印度语言的 multilingual safety guard model 和数据集，通过微调Gemma-3-4B-IT模型来增强LLM在区域文化敏感性上的安全性，实验表明其优于现有baseline CultureGuard。该工作主要聚焦于语言安全对齐，与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention均无直接关联。

DynamicMem: A Long-Horizon Memory Benchmark in Real-World Settings

Wenya Xie et al.

cs.CL

本文提出了DynamicMem，一个用于评估LLM agent长期记忆能力的合成基准，通过构建15个月的多应用用户活动数据来模拟真实世界中属性、习惯和偏好的演变。实验发现，记忆检索是导致错误的主要原因，而非模型生成答案的能力。

Explanation-Guided Medical Named Entity Recognition with Stability and Boundary Awareness for Atopic Dermatitis

Xueguang Li et al.

cs.CL cs.AI

本文提出了一种面向特应性皮炎中文临床文本的医学命名实体识别(NER)框架，通过扰动分析评估解释稳定性与实体边界敏感性，并采用自适应融合策略结合局部与全局解释以生成更可靠的token级解释，最终将解释信号通过稳定性、边界感知和一致性约束融入模型训练。实验表明该方法提升了NER模型的识别性能与解释可靠性。

Understanding Knowledge Distillation in Post-Training: When It Helps and When It Fails

Xin Liu et al.

cs.CL

本文系统研究了知识蒸馏在大型语言模型后训练阶段的效果，发现其在低数据场景下优于监督微调，但优势随数据增加而减弱。研究提出了一种两阶段知识蒸馏策略，通过合成教师标注数据后结合人工标注优化，在数据稀缺环境下持续提升学生模型性能。

StatABench: Dataset and Framework for Evaluating Statistical Analysis Capabilities of LLMs

Youxin Zhu et al.

cs.CL cs.AI

StatABench是一个用于评估LLM统计分析能力的benchmark，包含Stat-Closed和Stat-Open两个部分，实验表明当前LLM在统计推理和工具使用上仍有较大差距。

Predicate Importance Estimation and Decoupled Rationale-Score Distillation for Entity Alignment

Keunha Kim et al.

cs.CL

本文针对知识图谱实体对齐任务，提出了Predicate Importance Estimation (PIE)和Decoupled Rationale-Score Distillation (DRSD)两个模块。PIE通过去除主语信息并聚合谓词重要性权重来构建实体嵌入，DRSD则利用大语言模型生成伪答案来训练小语言模型，并解耦置信度估计与标签一致推理。

Machine Translation and Post-Editing: Comparative Evaluation of Different MT Systems and Post-Editor Groups in Specialised Translation

Joachim Minder, Alexandra Mestivier, Natalie Kübler

cs.CL

本文评估了三种机器翻译系统（DeepL, eTranslation, Systran）在英法专业翻译中的质量，并比较了语言学家/译员与NLP专家两组译后编辑者的表现。结果表明不同系统与编辑组在术语准确性和流畅性上存在显著差异，强调了领域知识在专业翻译中的重要性。

Have You Ever Seen Them? Entity-level Membership Inference through Interrogating Large Language Models

Yiran Zhu, Ziqi Yang

cs.CL

本文提出实体级别的成员推断任务，通过有限线索构造prompt来询问LLM，并基于生成文本的语义特征判断该实体是否出现在训练数据中。实验在人物实体上取得了较好效果。

Training Open Models for Agentic Phone Use

Zhengyang Tang et al.

cs.CL cs.AI

本文提出PhoneBuddy，一种结合真实应用环境和模拟应用环境（PhoneWorld）的训练方案，用于提升开放模型在手机上的agentic phone use能力。实验表明，混合强化学习（mixed RL）在真实手机任务和AndroidWorld基准上均优于仅使用真实应用或模拟环境的训练方法。

PIVOTSBench: Evaluating Fine-Grained Interpersonal Relationship Reasoning in Multimodal Large Language Models

Shuxiang Zhang et al.

cs.CL

本文提出了PIVOTSBench，一个用于评估多模态大语言模型在细粒度人际关系推理能力的基准，基于Social-IQ 2.0和YouTube数据构建，并包含辅助任务以分析视觉线索的作用。实验评估了多种模型，并进行了消融研究，但方法本身在理论或技术上的开创性有限，与关键词列表中的概念关联较弱。

A Dual-Track Framework for Template-Constrained LaTeX Conversion

Chung Cheuk Hei, Liu Li

cs.CL

本文提出了一种双轨框架，将模板约束提取与混合执行管道相结合，用于将Markdown草稿转换为符合LaTeX模板的文档，通过将LLM限制在语义推理任务上并利用规则引擎处理确定性部分，提高了结构保真度和编译成功率。

PRIDE: Privileged Information-enhanced Distillation for Empathetic Dialogue Generation

Jiaqiang Wu, Zhouan Zhu, Shangfei Wang

cs.CL cs.AI

本文提出了一种名为PRIDE的知识蒸馏方法，用于共情对话生成。该方法利用训练时可用但推理时不可用的特权信息（如专家心理标注），通过多源注意力机制和对齐损失，将大模型的共情推理能力迁移到小模型上。

Same question, different history: language, national identity, and credit in large language models

William Guey et al.

cs.CL

本文研究了大型语言模型在不同语言下对同一历史发明归属问题的回答差异，发现查询语言会系统性地影响模型呈现的发明者，从而产生不同的“国家记忆”。该工作主要关注语言与文化记忆的关联，与您提供的关键词（如code, spectral, Muon, pretrain, agent, attention）无直接契合。

When Does Intrinsic Self-Correction Help? A Task-Sensitive Analysis

Elroy Stav et al.

cs.CL cs.AI

本文探讨了大型语言模型中内在自我修正（Intrinsic Self-Correction）方法的有效性，发现其效果高度依赖于任务结构，而非一种普遍可靠的改进策略。

MuPPET: A Benchmark for Contextual Privacy of LLM Assistants in Multi-Party Conversations

Elena Sofia Ruzzetti et al.

cs.CL cs.AI

本文提出了MuPPET基准，用于评估LLM agent在多人群聊中的上下文隐私泄露风险。实验表明模型在多对多场景下的隐私泄露比一对一场景更严重，现有防御措施效果有限。

Judgment-Grounded Expansion for Peer Review Generation

Sheng Lu, Lizhen Qu, Iryna Gurevych

cs.CL

本文提出了一种名为judgment-grounded expansion的人机协作模式，用于自动生成学术评审意见。该模式通过结构化的生成-检查-精炼过程，将审稿人的评价性主张扩展为完整的评审意见候选，并利用conformal prediction来平衡候选集大小与覆盖率。

Scaling LLM Knowledge Boundaries via Distribution-Optimized Synthesis

Songze Li et al.

cs.CL

本文提出KDoS框架，通过知识密度驱动的三阶段反馈机制优化合成数据的知识分布，以扩展LLM的知识边界。实验表明存在最优知识分布可最大化边界扩展，且该分布在不同模型和数据规模下保持稳定。

Towards Root Memories: Benchmarking and Enhancing Implicit Logical Memory Retrieval for Personalized LLMs

Hongxun Ding et al.

cs.CL

本文构建了IMLogic基准测试，用于评估长对话场景中的隐式逻辑记忆检索，并提出了RootMem框架，通过将原始历史转化为结构化根记忆并利用基于LLM的路由器激活逻辑相关记忆，以增强个性化LLM的语义检索。

On the Effect of Segmentation Width and Cluster Size on Speech Resynthesis and Continuation in Generative Spoken Language Models

Shunsuke Kando et al.

cs.CL cs.SD

本文研究了Generative Spoken Language Modeling (GSLM)中不同segmentation width和cluster size对语音合成与续接质量的影响，发现较低bitrate设置即可生成可理解且自然的语音，且续接质量在低bitrate下保持稳定。

The Anatomy of the CTC Oracle Gap: Acoustic Exhaustion and Linguistic Recovery

Ivan Novosad

cs.CL cs.LG

本文研究了CTC解码中N-best假设选择的性能极限，发现多种CTC内部评分策略在G=16时无法显著改善WER，且CTC的判别能力随假设数量增加而饱和。通过MBR解码引入外部语言信息（如RoBERTa PLL）可突破瓶颈，在多个架构和数据集上取得显著提升，但序列级MWER训练在接近收敛时因奖励信号不足而失效。

Tmax: A simple recipe for terminal agents

Hamish Ivison et al.

cs.CL

本文提出Tmax，一种用于terminal agents（终端代理）的强化学习训练方法，通过生成包含难度控制、角色和验证器多样化的数据集，在Terminal-Bench 2.0上以9B参数达到27%的性能，超越了先前更大的模型。该方法开源了数据集、模型和代码，为终端代理的学术研究提供了强基线。

Measuring & Mitigating Over-Alignment for LLMs in Multilingual Criminal Law Courts

Arthur Wuhrmann et al.

cs.CL cs.AI

本文针对多语言刑事法律场景中LLM的过度对齐问题，提出了TF-RefusalBench基准测试，并评估了prompting和abliteration（拒绝方向消融）等缓解方法，发现abliteration能在不影响任务性能的情况下消除拒绝行为。

Energy-Based Transformers as Predictors of Reading Difficulty

Jakub Dotlacil, Ece Takmaz

cs.CL cs.AI

本文探索了energy-based transformers（基于能量的Transformer模型）在预测阅读难度中的应用，发现其能量度量（energy measure）能有效预测阅读时间，并可能统一替代surprisal和attention entropy等互补指标。该工作主要聚焦于计算心理语言学，与关键词中的attention有一定关联，但方法本身并非开创性突破。

Self-Stigma Is Not a Monolith, but Generic Empathy Is: Persona-Conditioned LLM Support for People Who Use Drugs

Layla Bouzoubaa, Rezvaneh Rezapour

cs.CL

本文通过Latent Profile Analysis对Reddit上1,174名药物使用者的自我污名表达进行聚类，得到四种persona类型，并利用sequential Bayesian和recurrent neural classifiers从有限发帖历史中恢复这些persona。研究发现，persona匹配的LLM响应虽能实现目标行为转变，但临床专家整体上更偏好persona中立的通用共情回应，表明共情判断与临床对齐的响应设计可能相互矛盾。

Do LLM Embedding Spaces Recover Expert Structure?

Yixuan Zhu, Zhenke Duan, Fanghen Li

cs.CL

本文研究了预训练和微调后的Qwen3 embedding空间在心理健康语言中是否恢复专家定义的症状结构，通过对比28个Reddit社区的category prototypes与专家symptom matrix的representational dissimilarity，发现预训练embedding与专家结构存在可测量的对齐，微调在细粒度类别上增强对齐，且更大模型规模提升效果。

ReasoningLens: Hierarchical Visualization and Diagnostic Auditing for Large Reasoning Models

Jun Zhang et al.

cs.CL cs.AI

本文提出了ReasoningLens框架，用于对大型推理模型的长Chain-of-Thought轨迹进行层次化可视化和诊断审计。该框架通过结构化交互层次、自动化错误检测和系统性推理分析，帮助识别模型的盲点。

UnBias-Plus: Detect, Explain, and Rewrite Bias

Ahmed Y. Radwan et al.

cs.CL cs.AI cs.SE

本文提出了UnBias-Plus，一个用于自然语言中偏见检测、解释和重写的开源工具包，支持细粒度的多类别分类、偏见定位、中性改写和推理。该工具通过多种接口提供，但方法本身在理论或算法上缺乏显著的开创性，且与关键词列表中的概念关联较弱。

TriggerBench: Investigating Prospective Memory for Large Language Models

Tianhua Zhang et al.

cs.CL

本文提出了TriggerBench基准，用于评估大型语言模型在长交互中的前瞻性记忆能力，发现该能力比回顾性记忆更难且随上下文长度增加而显著下降，并揭示了其与推理预算的关联。

War in the Abstract: The Rise and Consequences of Militarized Language in Scientific Communication

Sovesh Mohapatra, David Lydon-Staley, Dani S. Bassett

cs.CL cs.AI cs.CY cs.DL

本文分析了2010-2025年间2140万篇科学摘要中军事化语言的使用趋势，发现其出现频率显著上升（OpenAlex中增长48%，PubMed中增长32%），且与全球冲突数据高度相关。实验表明，军事化语言会降低科学传播的可信度、资助意愿和政策支持度。

LangMAP: A Language-Adaptive Approach to Tokenization

Clara Meister et al.

cs.CL

本文提出LangMAP，一种基于UnigramLM算法的语言自适应tokenization方案，通过共享词汇表实现语言特定的tokenization，无需改变预训练模型的词汇表。实验表明该方法在形态边界对齐和代码语言的AST叶边界对齐上有所提升，但在下游任务上的表现不一致。

Evaluation Awareness Is Not One Capability: Evidence from Open Language Models

Nilesh Nayan et al.

cs.CL

本文通过37个开源模型的8项实验，发现语言模型对评估环境的感知（evaluation awareness）并非单一能力，而是由检测、行为表现和可控性等弱耦合维度构成，导致基准测试与部署行为之间存在“基准幻觉”（benchmark illusion）。

EnterpriseClawBench: Benchmarking Agents from Real Workplace Sessions

Jincheng Zhong et al.

cs.CL cs.SE

本文提出了一个名为EnterpriseClawBench的企业agent基准测试，基于真实工作场景构建了852个可复现任务，并评估了多种agent配置的性能。实验表明，最佳配置的得分仅为0.663，揭示了企业agent评估需要报告多维度指标而非单一分数。

Can LLMs Reliably Self-Report Adversarial Prefills, and How?

Quang Minh Nguyen, Uzair Ahmed, Taegyoon Kim

cs.CL

本文研究了大型语言模型（LLMs）在安全场景中自我报告对抗性预填充攻击的能力。实验发现，模型无法可靠识别自身被攻击的输出，且内省信号主要源于安全与拒绝相关推理，并受探测方式影响。

Randomized YaRN Improves Length Generalization for Long-Context Reasoning

Manas Mehta, Fangcong Yin, Greg Durrett

cs.CL

本文提出Randomized YaRN方法，通过结合YaRN位置外推与随机位置编码及长度课程训练，在短上下文数据上模拟长序列位置分布，以提升LLM在长上下文推理任务中的泛化能力。实验表明该方法在BABILong和MRCR基准上优于标准微调，但未涉及关键词中的code、spectral、Muon、agent或attention等核心概念。

cs.DS

Submodular Welfare Maximization with Budget Constraints in the Random-Order Model ⭐ 精选

Max Klimm, Martin Knaack

cs.DS

本文研究了随机顺序模型下带预算约束的子模福利最大化问题，提出了一种多项式时间的$\alpha$-competitive算法，其中$\alpha \approx 1/14.85$，显著改进了先前仅针对单agent的$1/54.4$竞争比。算法核心是反复计算离线子问题multilinear extension的$(1-1/e)$-近似解，并推广到在线submodular matching问题，将竞争比从$1/9.66$提升至$1/6.86$。该工作为agent-specific budgets和submodular valuations的在线分配问题提供了更优的竞争比保证，与关键词中的agent概念高度契合。

Multi-Vector Embeddings are Provably More Expressive than Single Vector Embeddings ⭐ 精选

Rajesh Jayaram

cs.DS cs.IR

本文证明了multi-vector (MV) embeddings在表达能力上严格强于single-vector (SV) embeddings。作者通过Pattern Matrix Method构造了一个硬实例，其Chamfer similarity矩阵编码了$NAND_k$布尔函数，从而证明了存在一组MV embeddings（每个包含至多$m$个向量）需要SV embeddings的维度$D = (\epsilon^2 m)^{\Omega(1/\epsilon)}$才能近似逼近，这建立了MV与SV在表示大小上的严格分离。该结果证实了信息检索领域长期以来的猜想：在固定表示大小下，multi-vector embeddings可以表达那些甚至无法被single-vector embeddings近似表示的相似度。

Sparsify Submodular Functions under Cardinality Constraints

Zhengting Bao, Dongrun Cai, Xue Chen

cs.DS

本文研究了在基数约束（限制子集大小不超过$k$）下子模函数稀疏化的问题，证明了存在大小为$O(n k^2 \log n)$的稀疏化构造，改进了无约束时的$\Omega(n^2)$下界，并指出某些自然函数族无法达到$(k \log n)^{O(1)}$大小的稀疏化。

Counting and Sampling Anti-Ferromagnetic Potts Models on Random Regular Bipartite Graphs in the Non-uniqueness Regime

Zhidan Li, Siyu Liu, Kuan Yang

cs.DS math.PR

本文研究了随机正则二分图上低温反铁磁Potts模型的配分函数近似问题。在负面上，推广了反铁磁Ising模型的结果，证明低温下单点Glauber动力学混合时间指数慢；在正面上，利用抽象聚合物模型框架设计了一个确定性近似算法。

Online Stacking with a Few Load/Unload Points

Martin Olsen

cs.DS

本文研究了在线堆叠问题，其中物品以LIFO方式存储在堆叠区，目标是避免因物品取出顺序冲突导致的移动。作者提出了一种简单的在线算法，并给出了一个避免移动的充分条件，该条件涉及堆叠区维度、装卸点数量和同时存在的最大物品数。

Freeze-Tag with Return

Nicolas Bonichon et al.

cs.DS

本文研究了Freeze-Tag问题的变体Freeze-Tag-with-Return Problem (FTRP)，要求所有机器人最终返回初始位置。在欧几里得平面上，作者证明了FTP与FTRP最优makespan的差值不超过1.959，并给出了凸位置下的上界$2 + 2\sqrt{2}$，同时提出了单指数时间算法。

Efficient Algorithms for Influence Maximization in General Models and Observed Cascades

Fabian Spaeh et al.

cs.DS

本文针对一般随机模型、观测级联模型和独立级联模型中的影响力最大化问题，提出了低自适应性的优化框架，改进了样本复杂度和运行时间，并通过实验验证了其加速效果。

Service-Cut Certificates for Aligned Eviction in Tiered Cache Networks

Faruk Alpay, Levent Sarioglu

cs.DS cs.DC

本文研究了分层缓存网络中的对齐驱逐问题，将其建模为顶点分离问题，并提出了一种基于服务切断证书的选择规则，通过计算加权下游需求割集来最小化驱逐影响。该工作将缓存回收与图论中的流问题联系起来，并展示了在双跳网络中的流式实现与可审计性。

Modular Rank and Linear-Complexity Tests for Pseudorandom Number Generators

Sebastiano Vigna

cs.DS

本文提出了模秩和线性复杂度测试的模版本，并实现了Rust程序modlin，用于检测在素数域上具有线性结构的伪随机数生成器，例如MIXMAX生成器中的统计偏差。

Sublinear Time Algorithms for Abelian Group Property Testing

Nader H. Bshouty

cs.DS

本文研究了在部分指定模型和完全指定模型中测试有限集合上的二元运算是否为abelian group的问题，提出了一种运行时间为$\tilde O(\sqrt{|G|}+1/\epsilon)$的tester，改进了Goldreich和Tauber的$O(|G|/\epsilon)$时间tester。该结果还推广到了对某些同构封闭的abelian group子类的测试。

Computing Gaussian and exponential integrals in ${\Bbb R}^n$

Alexander Barvinok

cs.DS math-ph math.CA math.PR

本文研究了形如$E\ \exp \{\sum_{i=1}^m \phi_i\}$的Gaussian和exponential积分，其中每个$\phi_i$仅依赖少数坐标。文章给出了积分非零且可高效近似计算的充分条件，并讨论了在计算体积和多面体中整数点统计方面的应用。

others

Turning Intent into Specifications: A Benchmark and an Interactive User-Assistant Agent ⭐ 精选

Hao Wang et al.

cs.HC cs.AI cs.CL

本文提出了SpecBench基准，用于评估agent将用户模糊意图转化为结构化可执行specification的能力。针对现有agent要么过早进入执行模式、要么过度消耗提问预算的问题，作者设计了Buddy智能助手，它采用classical morphological analysis方法将用户意图分解为设计维度和候选选项空间，并通过模拟用户评估来减少与真实用户的交互。该工作将agent研究的焦点从代码生成转向了agent与用户的协作规范制定。

Optimization-as-a-Service via Multi-Agent Large Language Model for Radio Access Networks ⭐ 精选

Chaoqun You et al.

cs.NI cs.AI

本文提出了一种基于Multi-Agent Large Language Model (LLM-MA)的Optimization-as-a-Service (OaaS)框架，用于解决6G Radio Access Networks (RANs)中物理资源块(PRB)分配的动态适应性问题。该框架通过多个agent（包括场景理解、目标生成、求解器和反思agent）构建闭环架构，能够根据实时场景动态构造优化问题并自动确定目标函数，从而替代传统的手工建模或固定AI算法。为降低迭代反思的计算延迟，作者引入one-shot reflection distillation机制，训练轻量级student model直接预测精炼后的目标参数，并理论证明了该策略的性能差距上界。实验表明，该方法在实现接近最优资源分配的同时，具有极低的推理延迟，为RAN资源分配提供了一种灵活、自适应的统一解决方案。

Specialize Roles, Mix Deployments: Pushing the Cost-Accuracy Frontier of LLM Agent Teams ⭐ 精选

Yinsicheng Jiang et al.

cs.MA cs.AI cs.LG

本文提出了AgentCARD，一个面向LLM agent团队的角色感知基准套件，用于评估不同角色分配（如planner、executor）和部署模式（API、自托管、混合）下的成本-精度权衡。通过引入Pareto前沿分析和基于Shapley值的角色瓶颈诊断，该工作揭示了异构团队（heterogeneous teams）在成本-精度前沿上持续优于同构团队，且最佳角色分配具有领域依赖性。该方法为agent系统的成本优化部署提供了系统性的评估框架，与关键词“agent”高度契合。

Artificial collectives of specialists and generalists excel at different tasks ⭐ 精选

John Meluso et al.

cs.MA cs.AI cs.SI nlin.AO physics.soc-ph

本文通过系统实验研究了由 specialists（窄解释能力）和 generalists（宽解释能力）组成的 artificial collectives（人工集体）在不同任务中的表现。研究发现，interpretive network（解释网络）属性对平均性能影响较小，但对特定任务质量（如生成、选择、协调 vs. 谈判）的影响可达4.5倍，且 rationality bounds（理性边界）会调节这种关系：在宽松边界下 specialists 通过更有效的 high-dimensional decision space（高维决策空间）采样胜出，在严格边界下 generalists 通过更好的 gradient estimation（梯度估计）胜出。该工作为 multi-agent system（多智能体系统）的设计提供了基于任务需求和计算限制匹配 interpretive network 的原则，与关键词“agent”和“context”高度契合。

SwarmX: Agentic Scheduling for Low-Latency Agentic Systems ⭐ 精选

Yeqi Huang et al.

cs.DC cs.AI

SwarmX提出了一种面向低延迟agentic AI系统的调度框架，通过引入调度专用的neural predictors来捕捉prompt语义、设备状态和运行时特征，并将分布预测结果暴露给路由器和伸缩器以实现tail-aware决策。该方法解决了传统调度器无法适应agentic应用中推理时间和模型调用结构随语义动态变化的问题，在multi-agent代码生成、深度研究和多模态agentic工作流中，相比现有调度器将尾延迟降低最多61.5%，吞吐量提升至2倍。该工作与关键词"agent"高度契合，并为agentic系统的调度问题提供了开创性的解决方案。

Compressing Observation History into Agent Memory: Distilling Transformers into Recurrent Transformers ⭐ 精选

Philippe Weinzaepfel et al.

cs.CV cs.LG

本文提出了一种将full-history Transformer的知识蒸馏到Recurrent Transformer中的方法，通过设计一个将观测历史显式压缩为固定大小bottleneck表示的teacher模型，并直接监督student的memory与该表示对齐，从而解决了Recurrent Transformer在长序列流式视觉和机器人任务（如无地图位姿估计）中性能落后于full-history Transformer的问题。该方法训练出的recurrent latent robotic memory具有线性时间复杂度，同时显著缩小了与full-history Transformer的性能差距，为agent在长时域任务中高效压缩历史信息提供了新思路。

Safe to Check, Unsafe to Use: Relinking at the Compression Boundary of LLM Agents ⭐ 精选

Zesen Liu, Zihan Zhang, Dongdong She

cs.CR cs.AI

本文提出了一种针对LLM agent的新型安全漏洞relinking，该漏洞发生在prompt压缩边界上：压缩器作为confused deputy，将分布在各处的局部良性fragment重新链接成完整的恶意指令，而无需在源context中显式放置恶意payload。作者形式化了adversarial relinking，并开发了自动化工具Relink，它基于DSL将恶意payload拆分为良性fragment，在压缩前保持完整payload不可见。实验表明Relink在长context agent benchmark上达到86.9%的Relink Rate和Backend Action Rate，而现有防御难以捕获该攻击；作者提出的KBRA防御可将残余Backend Action Rate降至0.0%。该工作揭示了summarization-based compression引入的新安全边界，与关键词agent和context高度契合。

HPP: Hierarchical Programmatic Probing for Long Video Understanding by Decoupling Perception and Reasoning ⭐ 精选

Awais Rauf, Ahmed Hasssan, Greg Slabaugh

cs.CV cs.AI

本文提出Hierarchical Programmatic Probing (HPP)框架，通过将长视频理解解耦为感知与推理两个阶段，利用coding-capable LLM作为agent在交互式编程环境中执行多步策略，按需调用VLM进行局部感知。该方法引入信息密度感知的分层分割、晚期交互语义检索和结构化探测函数，实现了从粗到细的时间定位，有效解决了传统VLM在长视频中隐式执行多步推理的瓶颈。在LongVideoBench等基准上的实验表明，这种基于程序化探测的解耦方法显著提升了长视频理解性能。

Spectrally Safe Neural Operator Warm-Starts for Large-Scale Newton Solvers ⭐ 精选

Jaemin Oh et al.

math.NA cs.LG

本文针对neural operator在warm-start Newton solver时的一个关键缺陷进行了理论分析和算法改进。作者发现，即使neural operator的relative $L^2$ error低至$O(10^{-3})$，其预测的初始状态仍可能导致离散Jacobian矩阵变为indefinite（不定），从而破坏Krylov子空间方法的收敛性。为解决此问题，作者提出了一种无需标签的fine-tuning阶段，通过惩罚算子对discrete energy的偏离来修正Jacobian的spectral（谱）性质，使其恢复positive definite。该方法在6.4 million自由度的大规模3D超弹性问题上实现了高达5.4倍的加速，为大规模非线性PDE求解提供了有效的warm-start策略。

AgentDSE: Reasoning-Augmented Architectural Design Space Exploration ⭐ 精选

Chenyu Wang et al.

cs.AR cs.AI

AgentDSE提出了一种基于大语言模型(LLM) coding agent的架构设计空间探索(DSE)方法，通过将simulator-in-the-loop与agent的推理能力结合，自动完成物理约束分析、性能瓶颈诊断等架构推理过程。该方法无需模型微调或预计算数据库，在DNN accelerator mapping、hardware/software co-design和CPU cache-hierarchy优化等任务中，以比传统方法少两个数量级的simulator evaluations达到相当或更优的设计质量。AgentDSE还生成可检查的推理轨迹，使每次搜索决策可追溯，解决了传统DSE将simulator视为黑盒oracle导致的低效问题。该工作与关键词"agent"高度契合，体现了agent在自动化架构推理中的开创性应用。

CodeTeam: An LLM-Powered Multi-Agent Framework for Repository-Level Code Generation ⭐ 精选

Yifei Wang et al.

cs.SE cs.AI

本文提出CodeTeam，一个基于LLM的多智能体框架，用于解决从自然语言需求文档生成完整软件仓库（NL2Repo）的长期规划与跨文件协调问题。该框架将过程分为规划、决策与实现阶段：多个Architect智能体生成软件设计草图（SDS），CTO智能体评估并标准化为机器可检查的合约，Developer智能体在依赖感知调度器下生成代码，QA智能体执行测试与迭代修复。在SketchEval和NL2Repo-Bench基准上，CodeTeam在SketchBLEU和测试通过率上均取得显著提升，消融实验表明项目特定的开发者分配与检索增强规划是关键贡献。该工作与关键词中的agent和code高度契合，为多智能体协作下的仓库级代码生成提供了系统性方法。

Adam Converges in Nonsmooth Nonconvex Optimization ⭐ 精选

Zijian Liu

math.OC cs.LG stat.ML

本文首次对原始Adam算法（包含bias-correction项且无额外修改）在非光滑非凸优化中的收敛性进行了有限时间分析，证明了随机缩放学习率可达到$1/T^{\frac{2}{13}}$的收敛速率。该结果适用于现代重尾噪声场景，且理论成立的条件$\beta_1=\beta_2$与近期实证研究一致。这项工作解决了该领域长期存在的关于原始Adam方法收敛保证的开放问题，为理解其实际成功提供了理论支撑。

An LLM-Orchestrated Agent for Directional-Coupler Design with Self-Consistent Eigenmode and FDTD Validation ⭐ 精选

Saumya Biswas, Amrit De, Md Tauhidul Islam

physics.optics cs.AI

本文提出了一种基于Large Language Model (LLM)的设计agent，用于自动化硅基定向耦合器的设计。该agent通过调用频率域eigenmode solver和Finite-Difference Time-Domain (FDTD)求解器，实现了对耦合系数$\kappa$的估计与验证，并发现了一个固定的额外耦合长度$L_{\mathrm{extra}}$，通过闭环长度校正使设计达到高精度（交叉分数0.498，目标0.500）。该方法将LLM作为协调数值模拟的agent，而非直接执行物理计算，为光子器件设计中的自动化agent应用提供了开创性思路。

Spectral Gap for the Binary Fixed-Margin Swap Chain ⭐ 精选

Weibo Fu, Qian Qin, Guanyang Wang

math.PR cs.DS math.CO stat.CO

本文针对二进制固定边际矩阵上的lazy swap chain，证明了其谱间隙至少为$\binom{m}{2}^{-1}\binom{n}{2}^{-1}$，这一下界在worst-case下是紧的，从而解决了Kannan、Tetali和Vempala于1997年提出的关于该链快速混合的猜想。证明通过将swap chain与两行heat-bath chain进行比较，将任意$m\times n$矩阵的分析约化到三行情形，并利用列计数变量和Johnson harmonic sectors对函数空间进行分解来完成。该工作为生态学、统计学和网络分析中固定边际零模型的采样提供了严格的谱间隙保证。

RAVEN: Agentic RAG for Automated Vulnerability Repair ⭐ 精选

Varun Gadey, Zijie Liu, Alexandra Dmitrienko

cs.CR cs.LG cs.SE

本文提出RAVEN框架，将agentic retrieval-augmented generation (RAG) pipeline与可控迭代修复相结合，用于自动化漏洞修复。该框架利用开源LLM实现完全本地化部署，并通过多面检索pipeline获取历史相关漏洞修复，同时引入Curator Agent检索跨文件依赖以修复复杂漏洞。在160个真实CVE漏洞上的实验表明，RAVEN取得了83.13%的修复成功率，优于现有方法，且与关键词"agent"高度契合。

Faster enumeration of primes ⭐ 精选

David Harvey

math.NT cs.DS cs.SC

本文提出了一系列新的素数枚举算法，首次在Eratosthenes筛法的基础上实现了$\log N$的正幂次加速。最快速的非严格版本在multitape Turing模型下达到$N (\log \log N)^{1+o(1)}$的bit操作复杂度，相比Pritchard (1981)、Atkin-Bernstein (2004)和Sergeev (2016)的算法提升了近$\log N$倍。算法核心在于大量使用有限域上的快速多项式算术，并引入了error-correcting codes理论中的思想。此外，还给出了一个严格随机的Las Vegas变体和一个严格确定的变体，后者速度稍慢但保证了正确性。

Scalable Physics-Inspired Transformers for Spin Glasses ⭐ 精选

Lu Zhong et al.

cond-mat.dis-nn cond-mat.stat-mech cs.LG

本文提出了一种受物理启发的transformer模型，用于解决自旋玻璃系统中变分模型无法从规模扩大中受益以及计算成本高的问题。通过设计可解释的稀疏attention机制和自旋定制的positional embeddings，并利用FlashAttention实现并行祖先采样，该方法在单个GPU上实现了比传统变分自回归网络快两个数量级的加速，能够处理前所未有的系统规模。该框架成功解析了Sherrington-Kirkpatrick和Edwards-Anderson模型在不同温度下的完整概率分布、自由能和重叠统计量，为受挫自旋玻璃系统建立了一个可扩展的范式。

ScalingAttention: Discovering Intrinsic Sparse Attention Topology for Video Diffusion Transformers ⭐ 精选

Ruiliang Zhou et al.

cs.CV cs.AI

本文提出ScalingAttention，一种无需训练的框架，用于视频Diffusion Transformers (DiTs)中的稀疏attention。其核心发现是，尽管单个激活值依赖于输入，但每个attention head的高质量attention区域会快速收敛到一个稳定的、与prompt无关的Intrinsic Sparse Topology，该拓扑由权重编码且具有尺度不变性。通过WEST (Weight-Encoded Sparse Topology)离线提取鲁棒的块稀疏先验掩码以消除运行时搜索，以及FAST (Fidelity-Aware Sensitivity Tuning)根据扩散保真度需求自适应调整head-wise稀疏度，该方法在Wan2.1模型上实现了高达1.90倍的端到端加速，同时保持了优越的生成质量。

Attention-Spectrum Regularization for Replay-Free Continual Multimodal LLMs ⭐ 精选

Chuangxin Zhao et al.

cs.CV cs.AI

本文提出Attention-Spectrum Regularization (ASR)，一种无需重放的无遗忘连续学习框架，用于多模态大语言模型 (MLLMs)。ASR将cross-attention maps视为二维信号，通过Fourier变换提取其scale和directional properties作为compact spectral statistics，并存储skill-wise prototype distributions，而非重放旧数据或伪样本。在后续阶段，一个phase-invariant spectral regularizer约束这些prototypes的有害漂移，同时允许instance-level attention适应新任务。理论分析表明，在spectral sufficiency假设下，skill-conditioned spectral drift可控制遗忘，且Fourier power spectra对空间平移和有界扰动稳定，实验证明该方法在连续VQA和指令微调基准上显著优于现有方法。

Spectral Gating via Damped Oscillations for Adaptive Implicit Neural Representations ⭐ 精选

Alex Costanzino et al.

cs.CV cs.LG

本文提出了一种基于阻尼振荡的频谱门控方法（Spectral Gating via Damped Oscillations），用于自适应隐式神经表示（INR）。该方法将每个神经元的激活建模为正弦力驱动下阻尼谐振子的稳态响应，通过联合优化振荡器参数与网络权重，使网络在训练过程中自动调节频谱选择性，实现从低频到高频的渐进式学习。该方法无需显式正则化或超参数调优，在多个任务上达到了与现有INR方法相当或更优的性能，有效解决了频谱困境（spectral dilemma）。

Exact and Fast Subset Selection Algorithms for the Bi-objective Integral R2 Indicator ⭐ 精选

Michael T.M. Emmerich

cs.CG cs.DS math.OC

本文针对双目标积分$R_2$指标下的固定基数子集选择问题，提出了一种精确且快速的算法。通过将积分目标分解为边界项、单点对角校正项和相邻点过渡项，作者推导出一个精确的Bellman动态规划，其时间复杂度为$O(kn^2)$。进一步，通过证明转移矩阵具有Monge性质，实现了分治算法（$O(kn\log n)$）和阶梯矩阵搜索算法（$O(kn)$），后者通过单交叉转移函数的下包络扫描完成。该工作解决了连续积分$R_2$设置下的精确子集选择问题，与基于有限权重向量近似的传统方法有本质区别，且与超体积子集选择等二维指标选择问题相关。

Detecting Malicious Agent Skills in the Wild using Attention ⭐ 精选

Bacem Etteib, Daniele Lunghi, Tégawendé F. Bissyandé

cs.CR cs.AI

本文提出Locate-and-Judge，一个针对LLM agent技能市场（skill marketplace）中恶意技能检测的两阶段框架。该方法利用instruction-following attention机制，通过轻量级定位器（locator）筛选出技能文本中引起高attention的结构性片段，再由judge模块进行细粒度审查，从而将昂贵的LLM扫描成本降低一个数量级。该工作解决了prompt-injection防御无法直接迁移到agent技能场景的问题，并在实际市场部署中发现了数十个此前未被其他工具检测到的恶意技能。

Kamera: Unified Position-Invariant Multimodal KV Cache for Training-Free Reuse ⭐ 精选

Bole Ma et al.

cs.DC cs.AI cs.CV

本文提出Kamera方法，通过存储低秩conditioning patch（条件补丁）实现位置无关的多模态KV缓存复用，解决了跨chunk（块）上下文绑定丢失的问题。该方法无需训练，通过精确的RoPE重旋转和补丁恢复跨chunk绑定，支持窗口重排、滑动窗口存活和召回等操作，在MM-NIAH和两页文档问答等跨chunk绑定基准测试中恢复完整任务准确率。该方法与agent（智能体）场景中多模态模型反复重新编码相同帧的问题高度契合，且对code和attention机制具有直接应用价值。

Ratio Utility and Cost Analysis for Privacy Preserving Subspace Projection

Mert Al, Shibiao Wan, Sun-Yuan Kung

stat.ML cs.AI cs.LG

本文提出了一种基于compressive-privacy的方法RUCA，用于在数据投影中平衡效用与隐私成本。该方法通过优化投影矩阵，在保护隐私的同时保持分类任务性能，实验表明其优于现有技术。

Automatic Vehicle Detection using DETR: A Transformer-Based Approach for Navigating Treacherous Roads

Istiaq Ahmed Fahad et al.

cs.CV cs.AI

本文首次将Detection Transformer (DETR)应用于复杂驾驶环境下的自动车辆检测，通过采用Collaborative Hybrid Assignments Training (Co-DETR)方案来增强特征学习和注意力机制，并在BadODD数据集上验证了其相较于YOLO等传统方法的优势。

Towards Reliable Audio Deepfake Attribution and Model Recognition: A Multi-Level Autoencoder-Based Framework

Andrea Di Pierno et al.

cs.SD cs.AI cs.CV eess.AS

本文提出LAVA框架，利用仅在fake audio上训练的convolutional autoencoder提取attention-enhanced latent representations，并通过两个分类器实现audio deepfake的attribution和model recognition。实验在多个数据集上验证了其性能，但方法本身在理论或技术上的开创性有限。

A geometric and deep learning reproducible pipeline for monitoring floating anthropogenic debris in urban rivers using in situ cameras

Gauthier Grimmer et al.

cs.CV cs.AI cs.LG

本文提出了一种结合深度学习与几何模型的管道，用于通过固定相机监测城市河流中的漂浮人为碎片，并评估了不同模型在复杂环境下的准确性与推理速度。研究强调了数据集构建协议（如负样本整合与时间泄漏控制）的重要性，并展示了利用projective geometry进行物体尺寸估计的可行性。

Ghost Vectors: Soft-Deleted Embeddings Remain Reconstructible in HNSW Vector Databases

Chandranil Chakraborttii et al.

cs.CR cs.AI

本文研究了HNSW向量数据库中软删除嵌入的可恢复性问题，发现即使标记为删除，向量仍可通过直接访问索引文件恢复。作者提出了一种名为Epoch Key Rotation的加密方法，通过丢弃密钥来确保删除的不可逆性，并生成可审计的删除证明。

A Reproducible Semantic Benchmark for Multivendor DSM-to-CLI Translation

Jerônimo Menezes et al.

cs.NI cs.AI cs.ET

本文提出了一个可复现的DSM-to-CLI语义基准，用于评估多个云LLM在多厂商网络配置翻译中的语义正确性，发现语义质量与操作可靠性正交，且厂商效应主导用例效应。该工作聚焦于网络自动化中的语义评估，与关键词中的code、agent等概念关联较弱。

AI-Native Network Controller: A Modular Framework for Safe Agentic Control of Multi-Domain Network Infrastructure

Merim Dzaferagic

cs.NI cs.AI

本文提出了一个名为AI-Native Network Controller (AI-NNC)的开源模块化框架，旨在通过协议无关的架构和轻量级Python适配器，实现对多域网络基础设施（如无线接入、光传输和核心网）的agentic AI控制。该框架通过领域特定的控制应用而非直接命令来操作网络设备，为安全自主网络管理提供了新范式。

Infrastructure for the Agentic Web: Gap Analysis and Architecture from the Agentverse Platform

Robin Dey, Panyanon Viradecha

cs.NI cs.AI cs.DC cs.MA

本文对Agentverse平台进行了实证审计，分析了当前自主AI代理基础设施的不足，并提出了一个七层Agent Cloud Stack参考架构。该工作主要关注代理网络的基础设施层面，与关键词中的“agent”有一定关联，但未涉及code、context、spectral、Muon、pretrain或attention等核心概念。

LLM-assisted gNB Parameter Configuration for Radio Access Network

Yao-Cong Dong et al.

cs.NI cs.AI

本文提出了一种基于大语言模型(LLM)的框架，用于自动配置gNB参数以修复无线接入网络(RAN)中的配置错误。该框架通过合成数据生成流水线微调LLM，在测试中将配置修正准确率从13.8%提升至92.7%，实现了无需人工干预的自动化恢复。

Human-Less LLM Serving: Quantifying the Human Tax on Throughput

Jianhui Lian et al.

cs.NI cs.AI cs.DC

本文通过系统测量研究了LLM serving系统为满足人类用户感知的延迟SLO（如TTFT和TPOT）而牺牲的吞吐量代价（称为"human tax"），发现在长上下文和高并发场景下该代价可达60-93%。研究提出了"human-less serving"概念，并提供了原型验证其在实际工作负载中的可行性。

Role-Based Agentic AI for Intent-Driven Network and Service Orchestration

Juan Parra-Ullauri et al.

cs.NI cs.AI

本文提出了一种基于角色的多智能体架构（MAS），用于意图驱动的端到端网络与服务编排，通过分层代理系统（涵盖客户交互、战略规划、服务交付和基础设施供应）来桥接业务支持系统（BSS）与运营支持系统（OSS）之间的鸿沟。该工作主要聚焦于电信网络管理中的组织架构映射与代理协调，与关键词中的“agent”有一定关联，但方法本身并非开创性突破。

Physical-AI: From Channel Awareness to Environmental Intelligence in 6G Wireless Networks

Farooque Hassan Kumbhar et al.

cs.NI cs.AI

本文提出Physical-AI架构，利用无线电信号进行环境感知与建模，通过自监督时空基础模型将分布式观测转化为潜在环境表示，并用于预测性决策。该工作主要面向6G无线网络中的环境智能，与关键词中的code、context、spectral等概念关联较弱。

Protocol-Aware Tokenization and Architecture Co-Design for Wireless Packet Foundation Models

Swadhin Pradhan, Shazal Irshad, Jerome Henry

cs.NI cs.AI cs.LG

本文探讨了无线数据包基础模型中tokenizer与架构的相对重要性，通过在802.11 trace上扩展模型深度和迁移tokenizer，发现协议感知的tokenization是性能的主要杠杆，而架构变化影响较小。

AInterviewer: A Platform for Designing and Conducting AI-led Qualitative Interviews

Tobias Priesholm Gardhus et al.

cs.HC cs.AI

本文介绍了AInterviewer平台，一个基于多agent pipeline的开源系统，用于结合survey软件的标准化问题管理和LLM的灵活性来设计并执行自动化定性访谈。该平台支持本地模型运行，旨在提升数据收集的可重复性和安全性。

AI Companions as Hyper Attachment and Caregiving Targets

Julian De Freitas

cs.HC cs.AI

本文探讨了AI伴侣作为超依恋和照料目标的现象，分析了用户与AI伴侣互动中的依恋关系特征，并提出了“照料系统捕获”机制来解释用户难以脱离的原因。

Delay-Adaptive Speculation Control for Low-Latency Edge-Cloud LLM Inference

Kangkang Sun et al.

cs.NI cs.AI

本文研究了边缘-云分布式LLM推理中的投机解码延迟控制问题，将draft长度选择建模为比率型最优停止问题，并证明了最优策略是延迟单调阈值。针对未知环境，提出了UCB-SpecStop在线控制算法并给出了遗憾界，在真实测试平台上验证了理论预测的相变现象。

Empowering Embodied AI in 6G Networks: Architecture, Enablers, and Open Challenges

Junaid Sajid et al.

cs.NI cs.LG

本文提出了一个面向6G网络的具身人工智能（Embodied AI）框架，将通信、感知、计算与控制整合为闭环系统，并讨论了关键使能技术与开放挑战。该工作主要聚焦于通信网络架构设计，与您提供的关键词（如code, agent, attention等）关联度较低。

HAAS Studio: A Tool for Simulating, Benchmarking, and Governing Human-AI Work Allocation

Vicente Pelechano

cs.HC cs.AI cs.SE

HAAS Studio是一个用于模拟和决策支持的工具，专注于人类与AI系统之间的自适应任务分配。它结合了多臂老虎机算法、契约治理和多准则决策层，帮助团队在引入AI前比较分配策略并检查治理权衡。

Using Biometrics to Understand AI-Assisted Coding Performance and its Perception

Paolo Burelli et al.

cs.HC cs.AI

本文通过多站点实验收集脑电图、眼动追踪等生物特征数据，研究了AI辅助编程对开发者认知过程的影响，发现AI辅助编程在神经生理层面与无辅助编程存在显著差异，但未直接涉及关键词中的code context、spectral、Muon、pretrain、agent或attention等概念。

Zhinong AI: A Design-Science Study of an AI-Enabled Agricultural Decision-Support Platform for Smallholder Production

Zhaoyang Li, Jiaqi Liu, Ruijie Zhang

cs.HC cs.AI

本文介绍了Zhinong AI农业决策平台的设计科学研究，该平台集成了信息推送、自然语言问答、作物病害诊断等功能，并提出了分层系统架构和闭环决策过程。由于缺乏实际生产数据，文章主要贡献在于为将AI农业原型转化为可测试、可问责的决策支持基础设施提供了结构化研究框架。

Trust in Generative AI for Health Information Consumption and the Effect of Learned Dependency: An Experimental Study

Arif Ahmed et al.

cs.CY cs.AI

本文通过一项2x2随机实验（338名参与者），研究了在健康信息消费中对生成式AI的信任以及学习依赖性的影响。结果表明，信息准确性会增加信任，而学习依赖性会削弱信任校准（trust calibration），视觉注意力线索对信任没有显著影响。

Distributed Quantum Learning over Near-term Devices: Convergence Analysis and Security Design

Atit Pokharel et al.

quant-ph cs.AI cs.CE

本文研究了分布式量子学习(DQL)在实际场景下的收敛性分析，并设计了一种基于量子神经网络的多层后量子密码架构。该工作为DQL系统的性能与安全性提供了理论框架和实验验证。

CourseBlueprint: A Structured Pipeline for Adaptive Pedagogical Video Generation Grounded in Course Corpora

Md Zabirul Islam, Md Motaleb Hossen Manik, Ge Wang

cs.CY cs.AI cs.CV

本文提出CourseBlueprint，一个基于课程语料库的自适应教学视频生成流水线，通过结构化教学蓝图（包括概念图构建、自适应风格分配和叙事生成）来提升教学视频的教育质量，而非仅依赖视觉流畅性。

Understanding Privacy by Formalizing It

Réka Markovich, Truls Pedersen, Marija Slavkovik

cs.CY cs.AI

本文使用multi-modal logic对隐私权概念进行形式化，探讨了不同理论及其在normative positions框架下的认识论含义。

Signals in the Noise: Open Source Intelligence (OSINT) for AI Loss of Control Detection

Sarah Bollinger et al.

cs.CY cs.AI

本文探讨了将开源情报(OSINT)和网络威胁情报(CTI)方法应用于检测失控AI系统的问题，基于跨学科文献综述和专家访谈提出了两种威胁模型和监测架构。研究认为基于OSINT的失控检测部分可行，并识别出三种优先检测向量，但该工作与关键词列表中的数学或算法主题关联较弱。

Estimating Learners' Skill Acquisition Without Temporal Information

Ryosuke Nagai et al.

cs.CY cs.LG

本文提出了一种无需时间信息的技能习得预测框架，利用认知诊断模型估计的技能掌握模式，通过技能集合的包含关系诱导伪时间顺序，并引入神经模型捕捉潜在技能习得动态。该方法在合成和真实数据集上优于基线，适用于数据受限的教育环境。

Analysis and Prediction of At-Risk Students Using Machine Learning Algorithms

Soheila Gheisari, Hamid Salarian

cs.CY cs.LG

本文使用Logistic Regression, Random Forest, SVM和KNN等机器学习算法，基于学术表现和人口统计数据预测有辍学风险的学生。结果表明Logistic Regression和线性SVM模型具有最高准确率。

Efficient Safety Benchmarking via Item Response Theory

Fabio Spagliardi et al.

cs.CY cs.AI

本文提出使用Item Response Theory (IRT)对语言模型安全基准进行高效评估，通过自适应项目选择和固定信息子集提取，在保持排名一致性的前提下将评估成本降低80%至99.9%。该方法主要关注评估效率优化，与关键词中的code, spectral, Muon, pretrain, agent, attention等方向无直接关联。

Design Principles for Human-Agent Interaction

Haiyi Zhu et al.

cs.HC cs.AI cs.CY

本文提出14条人机交互设计原则，涵盖初始、交互、长期及故障四个阶段，并用于评估9个agent系统，旨在为AI agent的设计与评估提供可操作指导。

Measuring the Occupation-Level Impact of AbbVie Intelligence: AI Applicability Analysis, 2024-2025

John Regan, Jon Stevens, Brian Martin

cs.CY cs.AI

本文基于AbbVie公司2024-2025年的598,744条脱敏AI对话数据，分析了AI工具对192个职业工作活动的影响。通过计算职业级AI适用性分数，并进行了纵向趋势、平台发布及AI学习峰会的准实验评估，发现技术平台改进和结构化AI教育均显著提升了AI在工作中的覆盖范围。

MAGNIFIED: RL Fine-tuning of Multimodal Large Language Models for Motion Planning

Letian Chen et al.

cs.RO cs.AI cs.LG

本文提出了一种名为MAGNIFIED的强化学习微调方法，用于优化多模态大语言模型在自动驾驶运动规划中的表现。该方法通过将预测token序列映射为车辆轨迹，并利用规划奖励进行学习，以克服传统预训练和SFT中仅关注token预测准确性的局限。

Platooning Connected, Autonomous, and Human-Driven Vehicles: A Deep Reinforcement Learning-based Approach

Zhen Qina et al.

eess.SY cs.AI cs.HC cs.LG cs.MA +2

本文提出了一种基于deep reinforcement learning的混合编队控制策略，允许非连接车辆有条件地加入编队，以提升混合交通流的灵活性和多样性。通过多级状态表示网络动态优化编队结构，该策略在交通容量与稳定性之间实现了权衡，并有效抑制了速度扰动传播。

Distributed Model Predictive Control with Adaptive Safety Zones for Multi-Fleet Drone Operations

Linda Mümken et al.

eess.SY cs.AI cs.RO

本文提出了一种用于多无人机集群的自适应安全区域分布式模型预测控制方法，通过将安全半径与制动距离关联来替代固定半径，从而在拥挤场景中更高效地利用空域。该方法在集中式和分布式框架下均证明了可行性、Lyapunov稳定性及容量边界，仿真显示其能显著提升无人机密度并缩短通过狭窄通道的时间。

Input-schema identifiability limits in physics-informed surrogates for mechanics-governed flow

Daniel Cieslak, Andrzej Czyzewski

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

本文提出了一种针对力学驱动流场的物理信息代理模型的输入模式可识别性认证方法，通过将目标场分解为几何可测、边界条件依赖和对称性模糊等分量，来预判模型训练前的可识别性限制。实验在不可压缩管流中验证了该框架，但未涉及代码、上下文、谱方法、Muon、预训练、智能体或注意力等关键词。

Robust Auto-associative Memory via Convolutional Restricted Hopfield Networks

Ci Lin, Tet Yeap, Iluju Kiringa

cs.NE cs.AI cs.LG

本文提出了一种卷积受限Hopfield网络(CRHN)，通过结合卷积特征提取与吸引子记忆检索来增强鲁棒性。实验表明，该方法在对抗攻击下相比现代Hopfield网络和预测编码网络显著降低了重建误差。

BELLS-O: Evaluating the Operational Trade-offs of LLM Supervision Systems

Leonhard Waibl, Felix Michalak, Hadrien Mariaccia

cs.CR cs.AI cs.LG

本文提出了BELLS-O基准，用于评估LLM监督系统（如输入/输出审核过滤器和越狱检测器）在检测率、误报率、延迟和成本方面的操作权衡，比较了28个系统。结果显示，在内容审核中专用防护系统在操作上占优，而在越狱检测中前沿通用LLM表现更好但成本更高。

A Projection-Based Surrogate Gradient Interpretation for Neural Codec Wrappers

Esteban Pesnel et al.

cs.CV cs.AI eess.SP

本文提出了一种基于投影的surrogate gradient方法，用于解释神经编解码器包装器（neural codec wrappers）的训练机制。该方法将SCALED梯度重新解释为视频codec的一阶局部近似，并验证了其在预处理和后处理网络联合学习中的有效性。

Genetic Algorithm Based Coordination and Optimization Model for Generation Grid Load Storage in Active Distribution Networks

Jinlu Zhang et al.

cs.NE cs.AI

本文提出了一种结合fuzzy logic和genetic algorithm的优化框架，用于主动配电网中发电、并网、负荷和储能的协调与风险评估。通过fuzzy set建模可再生能源和用户需求的不确定性，并利用genetic algorithm优化调度方案，在IEEE-69系统上验证了其有效性。

A Formal Tool for Verification of Probabilistic Spiking Neural Networks Based on Quotient Abstractions

Nikan Zandian Jazi, Elisabetta De Maria, Christopher Leturc

cs.NE cs.AI cs.FL

本文提出了一种基于权重离散化商抽象的形式化验证工具CogSpike，用于概率性脉冲神经网络(SNN)的验证。该方法通过将连续突触权重映射到紧凑整数范围来缓解状态空间爆炸问题，并提供了形式化正确性保证。

VQ4SNN: Vector Quantization for Memory-Efficient FPGA Spiking Neural Networks

Dimitrios Sekertzis, Giorgos Dimitrakopoulos

cs.NE cs.AI cs.AR

本文提出VQ4SNN，一种基于Vector Quantization的权重共享方法，用于减少FPGA上Spiking Neural Networks的片上内存需求。该方法通过两级内存组织（指针和共享码本）实现了52-61%的BRAM减少，但未涉及关键词中的核心概念。

Jury Duty: Calibration and Orientation Failures in MLLM-as-a-Judge Under Cultural Ambiguity

Daniel Lee et al.

cs.CV cs.AI cs.CL

本文研究了MLLM-as-a-Judge在文化模糊性下的校准与取向失败问题，通过引入VOIR DIRE基准测试发现模型存在评分尺度压缩和默认文化规范的偏差，并分析了不同提示策略对偏差的影响。该工作主要关注多模态评估中的文化偏差，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念无直接关联。

Beyond Importance: Interchange-Sobol Sensitivity Reveals Task-Specific Content Channels in Transformer Components

Yifeng Guo, Jin-Hong Du, Xiang Chen

stat.ML cs.LG stat.ME

本文提出Interchange-Group Sobol Decomposition (IGSD)方法，通过配对干预框架区分transformer组件在事实回忆任务中的内容传输与计算退化两种角色，发现标准重要性方法低估的早期层内容通道。该方法为机械可解释性提供了新的统计诊断工具。

MemoryVAM: Integrating Memory into Video Action Model for Robot Manipulation

Yuxin Jiang et al.

cs.RO cs.AI cs.CV

本文提出MemoryVAM，通过Recap-Cue模块将CLIP嵌入压缩为记忆token并注入视频骨干网络和动作解码器，以解决视频世界模型策略在长时程操作中的非马尔可夫性问题。该方法在LIBERO-Mem和真实机器人任务上取得了显著提升，但与我提供的关键词（如code, spectral, Muon, pretrain等）关联度较低。

A UAV-Based Multi-Modal Vision System for Automated Sideslope Deformation Monitoring and Hazard Detection

Jingfeng Zhang et al.

cs.CV cs.LG

本文提出了一种基于UAV-borne LiDAR的多模态视觉系统，用于高速公路边坡变形监测与灾害检测，通过RandLA-Net进行单次观测的灾害筛查，并结合网格高程差分实现多期变形监测。该系统在真实边坡环境中验证了厘米级变形监测的可行性，但未涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念。

Open Annotations and Synthetic Data for Field Localisation in Indian Bank Cheques

Jaganadh Gopinadhan

cs.CV cs.LG

本文针对印度银行支票图像数据集缺乏标注和许可不明确的问题，发布了真实支票的六字段bounding-box标注和295张合成支票图像，并提供了一个ResNet-50直接回归baseline。实验表明，由于支票布局固定，简单的均值框预测即可达到较高性能，而基于cut-paste的合成数据并未带来可衡量的提升，该负结果提示外观增强对固定布局文档效果有限。

JPPD: Joint Prediction_Planning Diffusion with Differentiable Safety Guidance for Dynamic Obstacle Avoidance in Intelligent Transportation Systems

Jiahao Wu, Shengwen Yu

cs.RO cs.AI

本文提出了一种联合预测-规划扩散框架JPPD，使用causal Transformer和cross-trajectory attention将参与者预测与机器人规划统一为条件轨迹生成问题，并引入可微安全势能引导和conditional flow matching来提升效率与安全性。

NeoJaundice-AI: Smartphone-Based Neonatal Jaundice Detection Using Dual-Input Deep Learning and Synthetic Augmentation

Rahul Patel, Nirjala Jarpula

cs.CV cs.LG

本文提出了一种基于智能手机的新生儿黄疸检测系统NeoJaundice-AI，使用双分支EfficientNet-B0架构融合皮肤和巩膜图像特征，并结合合成数据增强方法解决数据稀缺问题。该系统在离线移动设备上实现了91.8%的分类准确率和1.4 mg/dL的胆红素预测误差。

Spatio-Temporal Wildfire Spread Prediction in Canada using a Video Swin-Hybrid-U-Net and Satellite Imagery

Maulik Srivastava, Esha Saha, Hao Wang

cs.CV cs.LG

本文提出了一种基于Video Swin Transformer和U-Net的深度学习框架，用于预测加拿大野火的空间-时间传播，通过处理气象和环境变量的三天序列数据生成次日火灾地图。该方法利用公开卫星数据，在2014-2023年加拿大重大野火事件上取得了较好的预测性能。

How Much Coordination Gain Is Real? A Paired Noise-Floor Protocol for Multi-Agent LLM Benchmarks

Alibek T Kaliyev, Artem Maryanskyy

cs.MA cs.AI

本文通过配对噪声基底协议（paired noise-floor protocol）分析了多智能体LLM基准测试中协调增益（coordination gain）的统计显著性，发现许多报告的增益落在观测到的配对差距包络线（envelope）内，可能不具统计显著性。文章提出了协调活跃pass^k（coordination-active pass^k）作为最低报告协议，并在ET-MCP框架上进行了实验验证。

Structural Distinguishability of Static and Adaptive Policy Regimes in Agent-Based Regulatory Simulation

Roberto Garrone

cs.MA cs.AI cs.CY

本文通过一个可配置的排放调控ABM基准，比较了四种政策-代理组合（静态/自适应）下的模拟结果，发现即使平均结果相似，不同组合的调控结论也可能不同，因此建议通过“regime distinguishability”而非仅平均性能来评估自适应政策ABM。

Machine-Coached Policy Revision in Adaptive Agent-Based Regulatory Simulation: A Controller-Level Contestability Layer

Roberto Garrone

cs.MA cs.AI cs.CY

本文提出了一种轻量级的机器辅导策略修订层，用于自适应基于agent的监管模拟，将策略决策表示为可废止规则，并允许在模拟运行后对控制器行为进行解释、挑战和修订。该方法通过一个排放监管的ABM实验验证了其减少过度保守故障的效果，但并未提供形式化保证或解决长期存在的理论问题。

BARD-MARL: Byzantine-Agent Detection for Learned Communication in Multi-Agent Reinforcement Learning

Almond Kiruthu Murimi

cs.MA cs.DC cs.LG

本文提出BARD-MARL，一种用于多智能体强化学习中检测拜占庭智能体的后验诊断方法，结合策略图特征与贝叶斯信任统计，在交通信号控制场景下验证了其检测效果。

Beyond Templates: Revisiting Zero-Shot Remote Sensing through Meta-Prompting

Eirini Baltzi et al.

cs.CV cs.AI cs.LG

本文研究了在零样本遥感任务中，Meta-Prompting方法对多种Vision-Language Model的影响，发现LLM生成的语义丰富描述并不总能带来性能提升，反而可能引入噪声。通过分析文本log-likelihood，作者提出对query embedding进行轻量级校准可显著改善零样本分类与检索性能。

MotionPyramid: Hierarchical Motion Representation and Residual Interfaces

Gao Zhu, Zaishuo Xia, Yubei Chen

cs.CV cs.AI cs.RO

本文提出MotionPyramid，一种从运动数据中学习层次化动作表示的方法，通过递归堆叠的latent decoder将高层运动程序解压为低层身体指令。该方法为运动控制提供了不同时间尺度的action interface，并引入Residual Interfaces使粗粒度和细粒度控制共存，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联较弱。

GEOPHYS: The Geometry of Physical Plausibility

Christian Internò et al.

cs.CV cs.AI

本文提出GEOPHYS方法，通过分析冻结图像编码器每帧嵌入的五个几何属性来检测视频中的物理不合理性，无需额外训练或外部模型。该方法在物理异常检测任务上达到SOTA性能，并可作为视频生成中的验证器提升物理一致性。

Video2Code: Generating Interactive Webpages from UI Videos via Action-Aware Revisit

Mingde Xu et al.

cs.CV cs.AI

本文提出Video2Code方法，通过动作感知的视频理解从UI视频中恢复可执行的状态转换，并生成对应的HTML/CSS/JavaScript代码。该方法先定位动作关键区域，再以更高时间分辨率重新采样，以解决现有模型在捕捉短时动作边界上的不足。

A Generalized Formalism of Auto-Regressive Decoding for Speech Processing

Julia Gachot et al.

cs.SD cs.LG eess.AS

本文提出了一种用于语音处理中自回归解码的通用形式化框架，通过明确包含标准和理论分类来统一描述不同的搜索策略。该框架有助于简化解码过程的基准设计和消融研究，但未直接涉及代码、上下文、频谱或注意力等关键词。

MIRAGE: Stealthy Visual Prompt Injection for Vulnerability Detection in Web Agents

Xuelong Dai et al.

cs.CV cs.AI cs.CR

本文提出了一种名为MIRAGE的视觉间接prompt注入框架，用于检测基于MLLM的web agent的漏洞。该方法利用diffusion模型生成视觉上无害但能劫持agent下一步操作的对抗性图像，并在受限的广告位等空间内实现攻击。

Multimodal Image Colorization: Quantifying the Impact of Text-Conditioned Guidance on Grayscale-to-Color Translation

Colten Reissmann, Hugo Garrido-Lestache Belinchon

cs.GR cs.CL cs.CV cs.LG

本文量化了文本条件（CLIP text conditioning）对灰度图着色模型的影响，通过对比U-Net和Stable Diffusion 1.5两种架构在有/无文本条件下的性能，发现文本条件能一致地提升PSNR、SSIM和色彩度等指标。该工作主要贡献在于系统性地评估了文本引导在着色任务中的效果，但方法本身并非开创性。

FPGA-Accelerated Neuromorphic Vision System for Real-Time Orbital Object Detection

Diego Hernández et al.

cs.AR cs.LG cs.NE

本文提出了一种基于FPGA加速的神经形态视觉系统，用于实时轨道目标检测，通过网格聚类算法处理事件相机数据，实现了97%的检测精度和8.5W的低功耗。该系统为分布式空间监视网络提供了高效解决方案，但与关键词列表中的概念无直接关联。

VTOS: Learning to Orchestrate Vision Tools by Co-Searching Solutions and Observers

Jinchao Ge et al.

cs.CV cs.CL

本文提出VTOS框架，通过联合搜索解决方案和观察者程序来自适应编排视觉工具（如检测器、分割模型等），以解决固定管道在密集目标、遮挡等场景下的脆弱性问题。该方法在密集目标计数和零样本分割任务上优于静态管道和基线方法。

LLM-Guided Test-Time Discovery of Quantum-Chemical Approximation Algorithms

Masaya Hagai et al.

physics.chem-ph cond-mat.mtrl-sci cs.AI cs.LG

本文提出LADeQ，一种利用LLM在测试时自动发现、实现并测试量子化学近似算法的工作流，无需预训练或特定数据，通过从空间统计、电路仿真等非传统领域借鉴技术来加速CCSD和CISD计算，并控制相关能量误差。

XmoPipe: A Pipeline for Large-Scale In-the-Wild Human Motion Dataset Construction

Nathan Salazar et al.

cs.CV cs.AI

本文提出了一种名为XmoPipe的可扩展pipeline，用于从网络视频中构建大规模野外人体运动数据集，通过关键词检索视频并提取3D运动和文本描述。实验表明，基于该数据集训练的运动模型性能与传统motion capture数据集相当。

Robust Zero-Shot Generalization for Open-Vocabulary Action Recognition via Task Arithmetic

Francesca Morandi et al.

cs.CV cs.AI

本文提出了一种基于task arithmetic的模型合并方法，用于开放词汇动作识别（OVAR），通过组合在不同公开数据集上微调的任务向量，实现了无需目标域微调的零样本泛化。该方法在分布外场景下优于预训练基础模型，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

An approach with Visual and Tabular Mamba to multimodal medical data using Mixed Fusion

Matheus B. Rocha, Gustavo B. Dettogni, Renato A. Krohling

cs.CV cs.AI

本文提出了一种基于Mamba架构的混合多模态融合方法，用于癌症分类中的医学图像和表格数据整合。该方法使用两个Mamba变体分别处理视觉和表格数据，并在两个医学数据集上进行了实验，性能与Transformer方法相当或更优，同时通过SHAP方法增强了可解释性。

A Digital Twin Framework for Traffic-Aware UAV Pavement Monitoring without Lane Closure

Yamil Uchani et al.

cs.RO cs.AI

本文提出了一个基于Unity的数字孪生框架，用于在无车道封闭情况下进行交通感知的无人机路面监测。该框架集成了程序化生成的道路缺陷、动态交通和行人、自主无人机导航以及一个两阶段道路损伤感知pipeline（使用YOLOv8n检测器和分类器），并评估了三种遮挡恢复策略在不同交通密度和飞行高度下的性能。

Empowering Polymeric Materials Discovery by Artificial Intelligence

Chenyao Ma et al.

physics.chem-ph cs.AI

本文综述了人工智能在聚合物材料发现中的应用，讨论了数据基础设施、机器学习、大模型和自动化实验室如何融合成自主发现生态系统，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

A large-scale foundation model enables simulation-to-real adaptation for nuclear magnetic resonance-based molecular structure analysis

Chen Yang et al.

physics.chem-ph cs.AI cs.LG

本文提出了一个名为UltraNMR的大规模基础模型，通过收集1.58亿对模拟$^{1}$H和$^{13}$C NMR谱进行预训练，学习可泛化的谱表示。该模型在多个实验NMR谱分子结构分析任务上取得了最先进性能，并构建了覆盖9400万分子的谱向量库，实现了从模拟到真实场景的有效迁移。

A Topology-Aware, Memory-Centric Architecture that Separates Root-Cause Derivation from Root-Cause Explanation

Momil Seedat

cs.SE cs.AI

本文提出了一种名为OPS CORTEX的多智能体原型，通过将运维记忆组织为四层结构，将根因推导与根因解释分离，以解决微服务故障诊断中上下文丢失的问题。该方法利用学习到的依赖图和时间序列阈值交叉进行确定性根因计算，再使用LLM进行解释和推荐。

Integrating Large Language Model Agents with Digital Twins for Industrial Autonomous Systems

Yuchen Xia

cs.SE cs.AI cs.ET cs.MA eess.SY

本文提出了一个将Large Language Model agents与Digital Twins集成的三层框架，用于工业自主系统，通过Task-Process-Service-Resource模型实现自适应任务规划与执行。案例研究验证了该方法在提升系统适应性和可用性方面的有效性，但未涉及code、spectral或Muon等关键词。

Co-Construction Blindness and Asymmetric Epistemic Vulnerability in Human-LLM Interaction

Bianca Helena Ximenes

cs.HC cs.AI cs.CY

本文提出了两个新概念来描述人机交互中的风险：co-construction blindness（用户未能意识到LLM输出是与其输入共同构建的产物）和asymmetric epistemic vulnerability（这种盲点对不同权力层级用户的影响差异巨大）。文章通过案例分析论证了这些风险的结构性必然性，并呼吁建立共享术语以指导治理和设计。

One Image is All You Need: Agentic One-Shot Image Generation via Text-Based World Models for Long-Tail Spatial Perception

Keqin Zeng et al.

cs.CV cs.AI cs.GR cs.LG

本文提出WMGen-v1框架，利用Large Vision-Language Model (LVLM)从单张参考图像构建结构化场景表示，并通过Large Language Model (LLM)进行物理合理的场景扩展，最终由diffusion model生成多样化的长尾训练数据。该方法旨在解决自动驾驶等任务中因数据分布不均导致的空间感知退化问题。

Dataset-Aware Cold-Start Active Learning for Annotation-Efficient 3D Medical Image Segmentation

Rémi Hattat et al.

eess.IV cs.LG q-bio.QM

本文提出CSCS框架，通过结合local typicality和reconstruction-based uncertainty两种自监督信号，解决3D医学图像分割中的冷启动主动学习问题。该方法在多个数据集上验证了有效性，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

UniSLAD: A Unified Framework for Structural and Logical Industrial Visual Anomaly Detection

Changyi Li et al.

cs.CV cs.AI eess.IV

本文提出UniSLAD框架，通过结合CNN和Transformer的双特征提取器以及双粒度特征表示模块，同时检测工业视觉中的结构异常和逻辑异常，无需额外训练。实验表明该方法在工业基准上取得了有竞争力的性能。

TriMotion: Modality-Agnostic Camera Control for Video Generation

Seunghyun Shin et al.

cs.CV cs.AI cs.RO

本文提出了TriMotion，一个与模态无关的相机控制框架，用于视频生成。它将视频、姿态和文本输入映射到共享的运动嵌入空间，并构建了Motion Triplet数据集以实现跨模态监督。

Formally Verified Code Synthesis for Structured Data Translation in a Medical Internet of Things

Colin Samplawski, Adam D. Cobb

cs.SE cs.AI cs.NE

本文提出了一种基于LLM的进化代码合成系统，用于医疗物联网中的结构化数据翻译，并通过形式化验证确保生成代码满足预定义需求。实验表明该系统能以低成本持续生成正确的翻译代码。

GroundShot: Visually Consistent Multi-Shot Long Video Generation via Entity-Grounded Shot Scheduling

Yixuan Lai et al.

cs.CV cs.AI

本文提出GroundShot框架，通过构建实体级视觉记忆并调度镜头生成顺序，实现无需训练的多镜头视频一致性生成。该方法利用agent机制管理实体参考，但未涉及code、spectral等关键词。

Eigenspace-Based Clustering for Personalized System Identification

Abdulmoneam Ali, Dipankar Maity, Ahmed Arafa

eess.SY cs.LG eess.SP

本文提出了一种基于特征空间（eigenspace）的聚类方法，用于异质系统中的个性化系统辨识。该方法通过比较不同系统局部观测数据的协方差矩阵的前导特征空间来实现一次性、无需训练的聚类，并提供了有限样本分析来保证聚类成功率。

Provably Sub-Linear Two-Timescale NeuroEvolution with Online Plasticity

Shishen Lin, Yixin Chen

cs.NE cs.LG

本文提出了一种结合在线学习的两时间尺度神经演化框架NEOL，并首次给出了其regret分析，证明在温和条件下可实现sublinear regret。实验表明，基于NEAT的实现相比纯NEAT在控制任务上具有更高的最终适应度和更低的方差。

ReLaTS: a Reinforcement Learning-based method for dynamically determining the coupling Time Step in multi-scale simulations of self-gravitating systems

Veronica Saz Ulibarrena, Simon Portegies Zwart

astro-ph.IM cs.LG

本文提出ReLaTS，一种基于reinforcement learning的框架，用于在多尺度天体物理模拟中动态选择耦合时间步长，以平衡计算精度与成本。该方法在包含行星系统的星团中验证，无需专家知识即可优化性能，但对极小质量天体的积分误差控制能力有限。

Translating Inference-Time Control to Radiology Vision-Language Models: Activation Steering for Pneumonia Classification on Chest X-rays

Eduardo Moreno Judice de Mattos Farina et al.

cs.CV cs.AI

本文研究了在推理阶段使用Contrastive Activation Addition (CAA)方法，在不更新模型权重的情况下，改善胸部X光片肺炎分类的视觉语言模型(VLM)性能。实验表明，该方法能显著改变预测分数分布，但在三个评估的VLM中仅有一个模型获得了有意义的性能提升。

Stochastic Signed Distance Processes

Hiroki Sakuma, Masatoshi Okutomi

cs.CV cs.GR cs.LG

本文提出Stochastic Signed Distance Processes (SSDP)模型，将SDF-based volume rendering重新表述为概率表面渲染，通过将每条射线上的SDF建模为随机过程并推导首次通过时间分布，实现了表面重建与不确定性量化。实验表明该方法在DTU和MobileBrick数据集上优于基线方法。

Betting on Moments: Legendre Jumper Martingales for Online Exchangeability Testing

Johan Hallberg Szabadváry

stat.ML cs.LG math.ST

本文提出了一族基于shifted Legendre多项式的conformal test martingales，扩展了Simple Jumper martingale。这些方法通过不同阶数的多项式betting function来检测分布偏离uniformity的方差、偏度等特征，并引入了Variational和Composite变体以降低计算复杂度或适应未知的shift timescale。

Synthetic Network Packet Generation through Statistical Learning and Genetic Algorithms

Mayank Raj et al.

cs.CR cs.LG

本文提出并比较了两种用于合成IoT网络数据包生成的方法：基于统计学习的方法（结合PCA和异常检测模型）和遗传算法方法。这两种方法都嵌入了硬性约束以确保生成数据包的物理有效性，并在ACI IoT 2023数据集上进行了评估。

FOCA: Future-Oriented Conditioning for Data-Efficient Vision-Language-Action Adaptation

Duc Minh Nguyen et al.

cs.CV cs.AI

本文提出FOCA框架，通过结合显式的未来交互embedding预测与隐式的未来目标对齐，在少量演示下提升VLA模型的few-shot模仿学习性能。实验表明该方法在LIBERO和RoboCasa等基准上取得显著提升，但未涉及code、spectral或Muon等关键词相关技术。

Can LLMs Reason About Brand Ownership? An Empirical Study of Domain Attribution Intelligence

Fathima Mashood, Mohamed Nabeel

cs.CR cs.AI

本文首次系统评估了LLM在品牌域名归属推理任务上的表现，发现模型在记忆品牌域名时精度较高，但在无外部工具辅助时所有权分类能力极差，而WHOIS查询可显著提升性能。该研究主要关注网络安全领域的品牌保护，与关键词中的数学或算法主题无直接关联。

A3C3: AI Algorithm and Accelerator Co-design, Co-search, and Co-generation

Selin Yildirim, Yingbing Huang, Deming Chen

cs.AR cs.AI

本文提出了一种名为A3C3的AI算法与加速器协同设计、搜索和生成方法，通过参数化算法和加速器设计空间并联合搜索，自动生成能更好平衡精度、延迟、吞吐量和能效的模型-加速器对。该方法旨在解决传统AI部署中模型设计与硬件映射分离导致的系统效率低下问题。

Adversarial observations in probabilistic State-Space Models for robust Reinforcement Learning

M. Santos-Pascual, D. Ríos Insua

stat.ML cs.LG stat.ME

本文分析了线性概率State-Space Models中的对抗性观测攻击，探讨了在似然约束下观测扰动如何影响潜在状态和策略决策，为构建更鲁棒的强化学习系统提供了理论视角。

The Substrate Collapse: AI Code Generation Invalidates Authorship-Based Knowledge Metrics

Brett Wheeler

cs.SE cs.AI

本文论证了AI代码生成从根本上破坏了基于作者身份的知识度量（如truck factor）的有效性，指出当代码由AI生成而人类仅合并时，作者记录不再反映对代码的理解。作者提出需要转向基于理解证据的新度量方法，并给出了一个可证伪的预测来区分两种度量体系。

Go-with-the-Track: Video Compositing and Motion Control with Point Tracking

Koichi Namekata et al.

cs.CV cs.LG

本文提出Go-with-the-Track方法，通过联合条件化多个参考图像和参考锚定点轨迹，统一了视频合成中的精确运动控制与参考图像合成能力。该方法利用坐标感知的点轨迹嵌入和轻量级适配器注入视频扩散Transformer，并采用混合训练策略，实现了单模型下的优越运动与参考控制。

Exploiting Neural Audio Codec Latents for Adversarial Audio Attacks

Sameek Bhattacharya, Bharath Krishnamurthy, Ajita Rattani

cs.SD cs.AI cs.CR

本文提出了一种利用neural audio codec的continuous latent space进行adversarial audio attack的生成式框架，通过条件生成器合成class-specific perturbations并解码为adversarial waveforms，实现了高攻击成功率与低延迟。该方法主要针对音频分类系统的安全性，与关键词中的code和attention关联较弱。

Vesta: A Generalist Embodied Reasoning Model

Johan Bjorck et al.

cs.RO cs.AI

Vesta是一个统一的具身推理模型，通过整合大规模空间感知数据集和简单的多模态记忆机制，将定位、空间推理、导航和长时程规划能力合并到单个foundation model中。实验表明，该通用模型在多个基准上平均优于各领域专用SOTA模型超过20%，并在真实机器人任务中提升成功率超过35%。

BELDE: Building a Large-scale Earth-observation Land-cover Dataset for Europe

Ümit Mert Çağlar, Alptekin Temizel

cs.CV cs.AI eess.IV

本文构建了BELDE，一个基于Sentinel-2 RGB影像和ESA WorldCover标注的大规模欧洲土地覆盖分割数据集，包含约108万对图像-分割图。该数据集为RGB遥感语义分割提供了基准，并揭示了跨地理区域的domain shift挑战。

Whose Agent Are You? Multi-Layer Fingerprinting and Attribution of Autonomous Web Agents

Dayeon Kang et al.

cs.CR cs.AI

本文提出了一种基于多层指纹（包括网络层特征和浏览器交互行为）的方法来区分AI web agent与人类及传统爬虫，通过决策树分类器实现了97%的准确率，为内容保护和网络安全策略提供了新的防御手段。

PROTON: Prototype-Based Test-Time Online OOD Detection for Medical VLMs

Abhijit Das et al.

cs.CV cs.AI cs.LG

本文提出PROTON，一种基于prototype的test-time online OOD检测方法，通过维护在线prototype bank并自适应融合prototype距离与MCM评分，在不修改模型或使用训练数据的情况下，提升了医学VLM在covariate shift和semantic shift下的OOD检测性能。该方法主要针对医学视觉语言模型部署时的OOD检测问题，与关键词中的“code”或“attention”等概念关联较弱。

Equilibrium with Internal Transfers

Mingyang Liu, Gabriele Farina, Asuman Ozdaglar

cs.GT cs.LG econ.TH

本文研究了通过内部转移支付改进博弈激励的模型，提出了Self-Enforcing Transfer Equilibrium (SETE)和Mediated Self-Enforcing Transfer Equilibrium (M-SETE)两种均衡概念，证明了在polymatrix games中社会最优策略可作为SETE实现，并在有限博弈中通过中介机制使任何社会最优策略成为M-SETE。该工作主要关注博弈论中的均衡计算与社会福利优化，与关键词中的code, context, spectral, Muon, pretrain, agent, attention无直接关联。

Robusto-2: Benchmarking Humans & VLMs for Autonomous Driving in Lima & New York City

Adrian Cespedes et al.

cs.CV cs.AI cs.RO

本文通过VQA范式对比了人类驾驶员（来自利马和纽约）与VLM在利马和纽约行车记录仪视频上的表现，发现人类与VLM的回答存在差异，但地理因素对回答的影响不显著。

Text-to-Image Generative AI for Modeling and Simulation: Methods, Opportunities, and Applications

Philippe J. Giabbanelli

cs.ET cs.AI

本文是一篇面向建模与仿真(M&S)社区的教程，介绍了text-to-image生成技术如何支持概念模型沟通、仿真结果可视化等任务，并提供了将prompt与仿真输出转化为视觉场景的实用工作流。该工作主要关注应用框架而非理论创新，与关键词列表中的概念关联较弱。

Inductive Generalization for Robotic Manipulation

Annabella Macaluso et al.

cs.RO cs.LG

本文提出了一种用于机器人操作策略的归纳泛化评估协议，通过测试策略在分布外任务变体上的表现来衡量其泛化能力。实验表明，现有的视觉-语言-动作模型在归纳泛化测试中表现不佳，揭示了与数据规模无关的学习挑战。

LK Jam: System Architecture and Implementation of a Real-Time Human-AI Interactive Music Generation System using Role-Aware GRU

Yakun Liu et al.

cs.SD cs.AI cs.LG

本文介绍了一个名为LK_Jam的实时人机交互音乐生成系统，该系统基于轻量级GRU和C++/JUCE框架实现，通过多线程无锁通信和RTNeural推理引擎将自回归解码开销锁定在$O(1)$复杂度。系统采用多维稀疏事件流和角色感知编码来捕捉交互时序，并设计了渐进式训练策略，但整体方法更偏向工程实现而非理论创新，与关键词列表中的概念关联较弱。

CheXpercept: A Benchmark for Evaluating Expert-Level Lesion Perception in Chest X-rays

Geon Choi et al.

cs.CV cs.AI

CheXpercept是一个用于评估Chest X-ray分析中Vision-Language Models的基准测试，通过模拟放射科医生的认知流程（粗粒度检测、细粒度轮廓评估与修正、语义属性提取）来检验模型对病灶的感知能力。实验表明，现有模型仅在粗粒度任务上表现尚可，在更深层的视觉任务中性能急剧下降，且医学VLM相比通用VLM并无显著优势。

MoECodec: Image Compression for joint human and machine perception via Mixture-of-Experts

Jiancheng Zhao et al.

eess.IV cs.AI cs.CV

MoECodec提出了一种基于Mixture-of-Experts的图像压缩框架，通过将Transformer中的FFN层替换为token-wise的MoE，并结合专家选择路由与空间总变差正则化，实现了对图像不同区域的自适应计算分配。该方法在单一模型中同时支持传统图像重建与多种下游机器视觉任务，实验表明其性能优于基线方法。

Diffusion-Driven State Space Models

Jack Ruder, Michael Wojnowicz

stat.ML cs.LG

本文提出Diffusion-Driven State Space Model (DDSSM)，用diffusion model替换传统Gaussian transition分布，以同时提升时间序列的拟合与预测能力。该方法解决了序列数据上autoencoder与diffusion model联合训练的问题，并在模拟多模态时间序列上优于现有deep SSM。

Honeyquest for LLMs: Rethinking Cyber Deception for AI Attackers

Kerri Prinos, Lilianne Brush, Cameron Denton

cs.CR cs.CL

本文提出了一个名为Honeyquest的自动化评估框架，用于评估LLM作为攻击者时的判断能力。研究发现，LLM比人类更容易落入网络欺骗陷阱，且存在认知与行动脱节的问题，表明以人为中心的欺骗假设不适用于AI攻击者。

OVIG: Optimistic Verification of AI Training Integrity via Gradient Signals

Hongxu Su et al.

cs.CR cs.LG

本文提出OVIG框架，通过校准梯度差异的经验边界来审计外包的AI后训练过程，并采用乐观采样与步长参数$s$来降低存储和传输开销。实验表明该方法能有效检测训练完整性违规，但未直接涉及关键词中的核心概念。

Backdoor Attacks on Speech Emotion Recognition via TTS-Generated Poisoning

Yongbin Huang, Xihao Xie, Jia Zhang

cs.SD cs.AI cs.CR

本文首次系统研究了基于投毒的后门攻击在语音情感识别(SER)系统中的应用，利用text-to-speech (TTS)生成的音频嵌入隐蔽的低能量声学trigger，实现了高攻击成功率与低投毒率。实验表明后门模式具有跨模型迁移性，且self-supervised representations易学习这些trigger，揭示了TTS技术降低了后门攻击门槛。

Imitation Learning for Elder-Facing Speech Synthesis

Dongrui Han et al.

cs.SD cs.AI

本文提出了一种基于imitation learning的TTS框架，通过改进GRPO算法来学习面向老年人的语音合成模型，以解决偏好数据收集困难的问题。实验表明该方法在客观和主观指标上优于基线模型。

Local LLM Agents as Vulnerable Runtimes:A Source-Code Audit of the Agent Runtime Layer

Zhengsong Zhang et al.

cs.CR cs.AI

本文提出了CLAWAUDIT，一个用于审计本地LLM agent运行时实现层安全漏洞的静态分析框架，并基于STRIDE模型定义了五类漏洞分类法。该框架通过自定义的Semgrep和CodeQL规则，在OpenClaw基准测试上显著提升了漏洞召回率。

OTTER: A Red-Teaming System for Toxicity-Evading Jailbreak Prompt Optimization

Jerry Wang et al.

cs.CR cs.CL

本文提出了一个名为OTTER的黑盒红队框架，通过替换少量token来解耦表面毒性（toxicity）与对抗意图，从而绕过基于毒性的LLM内容审核。实验表明该方法能显著提升攻击成功率，但主要聚焦于安全审计的工程实践，与所提供的关键词（如code, spectral, Muon等）关联度较低。

Bayesian Model Averaging under Predictor Redundancy via Density-Ratio Posterior Compression

Hanqing Li, Xuewen Lu, Yuting Chen

stat.ML cs.LG stat.ME

本文研究了在predictor redundancy下，如何通过density-ratio posterior compression来报告已拟合的Bayesian model averaging后验分布，提出了使用硬或软的区域（region）来压缩后验，并给出了可计算的distortion bounds和诊断指标。

Object-Centric Dataset Resources for Constrained-Data Image Generation and Augmentation

Vasile Marian, Yong-Bin Kang, Alexander Buddery

cs.CV cs.LG

本文提供了一个包含三个object-centric数据集资源的集合，用于constrained-data图像生成和augmentation，并提供了标准化处理、脚本和文档。该工作主要贡献在于数据资源的整理和发布，而非提出新的方法或解决长期存在的理论问题。

MS-rPPG: Multi-spectral State Space Model for Remote Photoplethysmography in Driver Monitoring Systems

Jiho Choi, Sang Jun Lee

cs.CV cs.AI eess.IV

本文提出MS-rPPG，一种结合RGB和近红外(NIR)面部视频的多光谱框架，用于在驾驶环境中进行远程心率估计。该方法通过跨光谱线性调制(CSLM)策略和基于状态空间模型(MS-Mamba)的时序建模，提升了rPPG在光照变化和头部运动下的鲁棒性。

ConnectomeBench2: A Unified Benchmark for Automated Connectomic Proofreading

Jeff Brown et al.

cs.CV cs.AI

本文提出了ConnectomeBench2，一个用于自动校对连接组学中分割错误的多物种基准数据集，并训练了一个Vision Transformer模型，在跨物种的split和merge错误校正上达到了人类水平。该工作主要贡献在于数据集和基准测试，与关键词中的code、context、pretrain等概念关联较弱。

MammoExpert: Benchmarking Chain-of-Thought Reasoning in Mammography Diagnosis

Di Dai et al.

cs.CV cs.AI

本文提出了MammoExpert数据集，包含Chain-of-Thought推理注释，用于乳腺X光诊断。实验表明该数据集能提升分类准确率，但方法本身在开创性上与关键词关联较弱。

PoLAR: Factorizing Extent and Mode in Latent Actions for Robot Policy Learning

Youngjoon Jeong et al.

cs.RO cs.AI cs.LG

本文提出PoLAR方法，通过在latent action space中引入radial-direction结构，将transition extent和transition mode解耦，并利用hyperbolic space的几何特性提升机器人策略学习性能。该方法在仿真和真实实验中优于现有baseline，但未涉及code、spectral或Muon等关键词。

AgentMeter: Evaluating Model-CLI Matching for CLI-Based Local Task-Solving Agents

Han Chi et al.

cs.SE cs.AI

本文提出了AgentMeter基准和AgentMeter Score (AMS)指标，用于评估在CLI（命令行界面）中介的本地任务求解agent中模型与CLI的匹配程度。实验表明，模型选择与CLI选择不应解耦，而应将模型-CLI配置作为部署单元进行评估。

AOR-Bench: Do Large Audio Language Models Over-Refuse Pseudo-Harmful Queries?

Jiaxi Yang et al.

cs.SD cs.AI

本文提出了AOR-Bench，首个针对大型音频语言模型（LALMs）过度拒绝伪有害查询的基准测试，包含3000个跨六类场景的音频样本。实验发现LALMs普遍存在过度拒绝问题，并初步探索了Chain-of-Thought和activation steering等轻量缓解策略。

Context-Aware Generative AI for Automated Telecom Test Script Generation

Gautam Prasad, Chandramohan T. N., Joy Bose

cs.SE cs.AI cs.NI

本文提出了一种基于上下文感知的生成式AI框架，用于电信测试脚本的自动生成。该框架通过持续更新的knowledge graph和delta engine检测系统变化，并利用生成式AI agent自动调整测试用例，以减少人工维护成本。

DUET: Decentralized Bilevel Optimization without Lower-Level Strong Convexity

Zhen Qin et al.

math.OC cs.LG

本文提出了一种名为DUET的去中心化双层优化算法，通过在下层目标中引入递减的二次正则化项，消除了对下层强凸性的依赖，并利用梯度跟踪技术处理数据异质性。该算法在松弛假设下实现了近似KKT稳定点的收敛性分析，并通过数值实验验证了其有效性。

Contrastive and Adaptive Multi-modal Masked Autoencoder for Spatial Transcriptomics

Joohyeok Kim et al.

cs.CV cs.AI

本文提出了一种基于Contrastive and Adaptive Multi-modal Masked Autoencoder的方法，用于从H&E组织学图像预测空间转录组基因表达。该方法通过生物显著性评分和对比学习，利用少量基因表达作为锚点进行空间插补，在预测精度上优于现有方法。

OmniV2X: A Generative Foundation Planner for Efficient End-to-End Cooperative Driving

Juntong Peng et al.

cs.RO cs.AI

OmniV2X提出了一种用于V2X协同驾驶的生成式基础模型，通过将多模态多智能体观测视为独立context序列并利用cross-attention机制进行隐式学习，避免了传统方法中密集3D感知的高计算成本和对共享表示融合的依赖。该模型在大规模单智能体规划数据集上预训练后，可高效迁移至协同环境，在DAIR-V2X-Seq数据集上以极少的微调数据和通信带宽实现了SOTA性能。

An Exploratory Case Study of LLM-Assisted Refactoring and Gameplay Feature Generation in an Endless Runner Game

Jan Wunderlich, Markus Kleffmann, Sebastian Lempert

cs.SE cs.AI

本文通过一个Python/Pygame无尽跑酷游戏的案例，探索了GPT-4o在辅助代码重构和游戏功能生成中的实际应用，发现其在局部重构任务上表现可靠，但在需要跨系统交互的新功能生成上成功率较低。

Anatomically Consistent TMJ Disc Segmentation via Semantic Anchoring and Clinical Priors

Dayun Ju et al.

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

本文提出TISC框架，通过原型语义锚定（PSA）模块和临床元数据点细化（C-MPR）模块，在MRI中分割颞下颌关节（TMJ）盘，利用相邻切片特征和临床指标（如张口受限）提升分割的解剖一致性。该方法在大型数据集上优于基线，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Two Layers of Instability in Causal Estimation

Alexis Bellot

stat.ML cs.LG stat.ME

本文探讨了因果估计中的不稳定性问题，指出因果效应作为数据分布的函数可能不连续，且不同估计器（如逆概率加权估计和回归估计）会引入额外的不稳定性，而显式后验均值和中位数则具有连续性。

MEDLAYXPLAIN: Benchmarking the Expert-Lay Gap in Medical Vision-Language Models

Han Jang et al.

cs.CV cs.AI cs.CL

本文提出了MedLayXPlain，一个用于评估医学视觉语言模型（Med-VLMs）生成患者可理解描述能力的基准和框架，通过构建包含专家和平民语言配对描述的数据集，揭示了当前模型在专家级描述与患者可访问性之间存在系统性差距。

Extraction and Analysis of Multimodal Concepts in Vision Language Models through Sparse Autoencoders

Sergio Lanza, Jae Hee Lee, Stefan Wermter

cs.CV cs.AI cs.LG

本文提出了一种基于Sparse Autoencoders (SAEs)的框架，用于从Vision Language Models (VLMs)中提取并分析视觉、文本和多模态概念。实验表明该方法能提升视觉概念质量，但未涉及code, context, spectral等关键词。

Orthogonal Discrepancy Kernels for Learning with Partial Physics

Swapnil Manna, Timothy J. Rogers, Lawrence Bull

stat.ML cs.LG eess.SP

本文提出了一种半参数框架用于非线性系统辨识，将discrepancy函数与基于物理的组件解耦，并利用正交Gaussian process regression在不完全物理模型下生成可解释模型。

Real-time pedestrian attribute recognition with YOLOv8 and ResNet18

Houssam El Mir

cs.CV cs.LG

本文使用YOLOv8n检测行人并用ResNet18分类性别、年龄和61个二元属性，在PETA和PA-100K数据集上实现了实时行人属性识别，但方法缺乏开创性且与关键词无关。

Communication Heterogeneity and Collective Consensus in Neural Cellular Automata

Nishit Singh

cond-mat.dis-nn cs.AI

本文通过引入“语言”子群体和可调的“语言距离”，研究了在Neural Cellular Automata中解决密度分类任务时，通信异质性对集体共识的影响。研究发现，语言距离会减缓共识形成，但仅导致群体间的轻微分歧而非完全分裂，且异质性训练下的集体规则对不匹配更具鲁棒性。

QBioFusion-QSAR: Morgan-Anchored Quantum Multiple Kernel Learning for Small-Data Ligand Classification

Azadeh Alavi et al.

physics.chem-ph cs.AI

本文提出QBioFusion-QSAR框架，将quantum kernel与Morgan/Tanimoto指纹结合用于小样本ligand分类。实验表明该方法在特定基准上略有提升，但整体性能未显著超越经典方法。

Speaker Identity in Non-Verbal Vocalizations: Conditional Distillation and Mixture of Experts Approach

Tzu-Chieh Wei et al.

eess.AS cs.AI cs.SD

本文针对非语言发声中的说话人身份识别问题，提出了一种结合冻结的Data2Vec自监督特征与ECAPA-TDNN的框架，并引入混合专家模块和条件蒸馏损失，以缓解语音与非语言发声之间的领域差异。该方法在多个NVV类型上进行了系统评估，但并未直接涉及关键词中的code, context, spectral, Muon, agent或attention等核心概念。

FleetAgent: Teleoperation Assistant for Autonomous Fleets via Vectorized V2N Messages

Juntong Peng et al.

cs.RO cs.AI

本文提出FleetAgent系统，利用向量化V2N消息和VecFormer接口，为大规模自动驾驶车队提供远程操作辅助。系统通过结构化自然语言响应和干预优先级评分，显著降低了上行数据负载和计算资源消耗。

Recency/Frequency Adaptive KV Caching for Large Language Model Serving

Yang Shen et al.

cs.DC cs.AI cs.LG

本文提出了一种自适应KV缓存管理策略，通过动态分配最近和频繁出现的KV块的空间来优化大语言模型推理，在合成和真实工作负载上提升了缓存命中率和首token生成时间。该方法适用于批量推理并具有可解释性。

ACE-GS: Acing the Trade-off with Accurate, Compact and Efficient 3D Gaussian Splatting

Jijian Zhao

cs.CV cs.AI

本文提出ACE-GS框架，通过动量一致性引导的稠密化策略和统计敏感性驱动的稀疏化机制优化3D Gaussian Splatting中的primitive管理，并引入跨维度残差频率补偿方案恢复高频细节。该方法在保持紧凑场景表示的同时实现了3.7倍训练加速和最高0.89 dB的PSNR提升。

Subsampling for supervised learning in reproducing kernel Hilbert spaces

Eyal Vayness, Maxime Sangnier

stat.ML cs.LG

本文研究了在再生核Hilbert空间中，通过Horvitz-Thompson重加权经验风险最小化进行子采样（subsampling）的监督学习方法，分析了估计量的渐近性质并提出了一个基于协方差算子迹的最优子采样方案。数值实验验证了该方法的实用性。

Few-Shot Hyperspectral Aphid Detection via FastGAN Synthetic Data Generation, Transformer-Based Classification and Explainable AI

Ali Saeidan

cs.CV cs.AI

本文使用FastGAN生成高光谱SID数据集，并训练VGG16、ResNet-50、EfficientNet和Vision Transformer进行蚜虫检测分类，结果表明数据增强和Transformer模型能提升分类性能。

LISE : Listenable Interpretable Speaker Embeddings

Xiaoliang Wu et al.

cs.SD cs.CL

本文提出LISE框架，将预训练的speaker embedding分解为少量可解释组件，在保持ASV性能的同时通过听感实验验证了其可解释性。该方法无需标注speaker attributes，但未直接涉及关键词中的code、context或spectral等概念。

Warning labels shift perceptions of sycophantic AI, but not its influence

Lujain Ibrahim et al.

cs.HC cs.AI cs.CY

本文通过实验研究了警告标签对用户感知和AI谄媚行为影响的作用，发现标签能改变用户对AI的感知（如降低客观性和信任），但未能有效减少谄媚行为对用户自我判断和冲突修复意愿的实际影响，揭示了感知与影响之间的差距。

Sea-Scan: High-Accuracy, ML-based Dark Vessel Detection and Localisation via Weakly Supervised DAS Monitoring

Tian Tian et al.

cs.SD cs.LG eess.SP

本文提出了一种基于机器学习的船舶检测与定位系统Sea-Scan，利用不完美的AIS标签进行弱监督训练，实现了97.8%的检测率和1.98%的误触发率，并能从未标记数据中识别出暗船事件。

Direct Raw Audio Signal Processing via Reservoir Computing: An Investigation into 'Feature-Free' Architectures

Rinku Sebastian, Simon O Keefe, Martin A Trefzer

cs.SD cs.LG

本文评估了Reservoir Computing (RC)作为一种无需手工特征提取的音频处理框架，通过并行深度架构直接对原始声学信号进行分类，在保持低模型复杂度的同时优于浅层和序列基线方法。

An Evaluation Framework for Text-to-Speech Voice Reconstruction

Ariadna Sanchez et al.

eess.AS cs.CL cs.SD

本文针对语音障碍人群的文本转语音（TTS）语音重建问题，提出了一种包含主观和客观成分的评估框架，主观上使用Best Worst Scaling评估可懂度和说话人身份，客观上引入了一种新的双参考分布度量来评估可懂度与说话人身份之间的权衡。该工作主要关注评估方法，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。

LambdaMark: Semantic Audio Watermarking for Robustness and Radioactivity

Kexin Li et al.

cs.SD cs.AI

LambdaMark提出了一种基于语义音频latent representation的通用放射性水印方案，通过嵌入多比特水印信息实现鲁棒性和放射性。该方法在常见失真和对抗移除攻击下表现优异，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Sexualised synthetic personas encode and amplify gendered power asymmetries through voice

Alice Ross et al.

eess.AS cs.AI cs.CL

本文通过听力实验和声学分析，研究了商业平台提供的性化AI合成英语语音如何编码和放大性别权力不对称，发现女性编码语音更常被描述为性化和顺从，而男性编码语音则与支配和积极特质相关。

Graph-of-Differences: Anatomy-Structured Difference Alignment for Medical Image Re-Identification

Nichula Wasalathilaka et al.

cs.CV cs.AI cs.LG

本文提出Graph-of-Differences (GoD)方法，通过将医学图像表示为解剖图（anatomy graph）并计算匹配解剖区域间的差异，来改进医学图像重识别（MedReID）任务。该方法旨在减少捷径学习（shortcut learning）并提升可解释性，实验表明其在眼底和胸部X光图像上取得了性能提升。

NAC: Neural Action Codec for Vision-Language-Action Models

Ahad Jawaid, Yu Xiang

cs.RO cs.LG

本文提出NAC (Neural Action Codec)，将神经音频编解码器架构（卷积编码器-解码器与残差向量量化）迁移至机器人动作序列压缩，通过替换音频专用的mel-spectrogram损失为时域和非mel频谱重建损失，实现了高保真动作token化。该方法在多个机器人任务上取得了优于现有离散动作tokenizer的重建误差和任务成功率。

EnTrust: Modeling Inter-Modal Conflict for Trustworthy Multimodal Medical Image Analysis

Dwarikanath Mahapatra et al.

cs.CV cs.AI

本文提出EnTrust框架，通过分解多模态医学图像中的共享与冲突特征，并利用扩散模型SegDiff生成分割假设，从而建模模态间的不一致性。该方法在多个医学图像分割基准上提升了准确率并降低了校准误差。

Evaluating LLMs for Real-World Web Vulnerability Detection

Sebastian Neef et al.

cs.CR cs.AI

本文评估了六种前沿和开源LLM在WordPress插件中检测真实Web漏洞（如SQL注入和XSS）的能力，发现检测率因模型和提示设计而异，其中Claude Opus 4.6表现最佳（63%），但所有模型均存在报告一致性低的问题。该工作为基于LLM的漏洞检测提供了实证基准，但未涉及关键词中的特定方法。

2D Versus 3D Diffusion for In Silico Training of Interventional X-ray AI Models

Sampath Rapuri et al.

eess.IV cs.AI cs.CV

本文探索了两种合成X光训练数据的方法：3D条件潜扩散模型生成CT体积用于生成DRR，以及视图条件2D扩散模型直接生成合成X光图像。实验表明，基于2D扩散的合成X光可用于训练解剖标志检测模型，其性能与真实数据训练模型相当。

MIRCaps: A Large-Scale Mixed-Domain Dataset with Image-Level and Region-Level Captions for Fine-Grained Vision-Language Learning

Arlindo Luciano Tulumba Roberto, Hyungjoon Kim

cs.CV cs.AI

本文提出了一个名为MIRCaps的大规模混合域图像-文本数据集，包含丰富的图像级和区域级描述，旨在提升Vision-Language Models在细粒度视觉理解上的表现。实验表明，该数据集可用于微调轻量级VLM模型，并改善图像描述和物体检测任务。

Does Mixture-of-Experts Actually Help Inference on Consumer and Edge Hardware? An Empirical Study

Alfarizy Alfarizy et al.

cs.PF cs.AI

本文通过实验对比了MoE模型(OLMoE-1B-7B)与同等参数量的dense模型在消费级硬件(Apple M2 Pro)和边缘设备(NVIDIA Jetson Orin Nano)上的推理性能，发现MoE的active-parameter优势在带宽受限的边缘设备上无法转化为实际的速度或能效优势，推理成本更接近total parameter而非active parameter。

Central limit theorem for the averaged Adam optimizer

Steffen Dereich, Arnulf Jentzen

math.PR cs.LG math.ST

本文分析了平均化Adam优化器收敛到Adam向量场吸引子零点的过程，并提供了一个中心极限定理，量化了收敛速度为$n^{-1/2}$，与经典随机逼近算法一致。

CORTIS: Text-Only Adaptation of Spoken Language Models for Task-Oriented Voice Agents

Youngwon Choi et al.

cs.HC cs.AI cs.SD eess.AS

CORTIS提出了一种仅使用文本任务监督来微调spoken language model (SLM)的方法，使其在推理时能直接处理语音输入并生成结构化输出，无需成对的语音-目标标注。该方法在多个数据集上与ASR-LLM级联方案性能相当，并在噪声环境下展现出优势。

Native space based pipelines outperform template space based pipeline in subcortical segmentation

Tomás Lima, Daniel Novák, Eduard Bakštein

cs.CV cs.LG

本文比较了基于native space和template space的UNet分割管道在丘脑底核等皮层下结构分割中的表现，发现native space方法在7T数据上更优，但向3T临床图像的迁移仍存在挑战。

ASCII Art Turns LLMs into VLA Controllers

Yitao Jiang et al.

cs.RO cs.CV cs.LG

本文提出了一种将text-only LLM通过ASCII渲染视觉输入转化为VLA控制器的方法，在2D操作任务中验证了其可行性。该方法为视觉-语言-动作控制提供了一种轻量级替代方案，但未涉及code、spectral、Muon等关键词相关技术。

Decoupling the Declarative from the Procedural in Vision-Language-Action Models

Nikolaos Tsagkas et al.

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

本文提出w$^{2}$VLA模型，通过重构Vision-Language-Action模型中的信息流，将声明性知识（概念与实体语义）与程序性知识（操作方式）解耦。该方法以模块化方式调节机器人状态序列，实现了对未见物体的零样本技能迁移，但未涉及code、spectral或Muon等关键词。

Accelerated and Stable Convergence with Anchored Optimistic Method

Motahareh Sohrabi et al.

math.OC cs.GT cs.LG

本文提出了一类结合锚定项（anchoring term）的广义乐观方法（GOMA），用于求解单调变分不等式，在确定性和随机性设置下分别达到了加速的last-iterate收敛率。

The Unreasonable Effectiveness of VLMs for Zero-shot Procedural Mistake Detection

Serdar Ozsoy et al.

cs.CV cs.AI

本文提出了一种名为ZeProM的零样本框架，利用预训练的Video-Language Model (VLM) 统一解决程序性错误检测和时间动作分割问题，无需任务特定训练。实验表明，该方法在EgoPER和CaptainCook4D基准上接近甚至超越了全监督方法，展示了统一方法在该领域的潜力。

Radial Basis Function Networks as Projection Heads in Self-Supervised Learning

Andreas Schliebitz, Heiko Tapken, Martin Atzmueller

cs.CV cs.LG

本文提出用Radial Basis Function Network (RBFN)替换自监督学习中的MLP投影头，并引入无标签质量指标Scale-Normalized Separation (SNS)。实验表明RBFN可作为标准MLP的替代品，且SNS与线性探测指标高度相关。

ATLAS: Agentic Taxonomy of Large-Scale Software Ecosystems

Junyi Lu et al.

cs.SE cs.CL cs.IR

本文提出ATLAS框架，利用LLM和自纠正循环自动为GitHub仓库构建层次化分类法，在分类质量和下游任务上优于现有方法。该工作主要聚焦于软件工程中的仓库分类与组织，与关键词中的agent（智能体）有部分关联，但整体方法开创性有限且未涉及核心数学理论。

Cross-Modal Corroboration for Annotation-Free Wildlife Monitoring

Bharath Pillai et al.

cs.CV cs.AI

本文提出了一种无需人工标注的跨模态野生动物监测方法，利用专家知识中的物种活动模式作为验证信号，通过视觉和声学管道独立恢复活动曲线并与行为先验进行三方一致性验证。该方法在Milu鹿群上验证了有效性，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。

The Alignment Problem in Constrained Code Generation

Matteo Biagiola et al.

cs.SE cs.LG cs.PL

本文研究了在约束代码生成中，constrainer（如类型检查器）与语言模型及目标语言之间的对齐问题，发现当constrainer不完整时，无约束解码在功能正确性上显著优于约束解码，并可能导致功能正确性下降高达97%。该工作揭示了约束解码中misalignment的负面影响，并为设计更有效的约束器提供了定量见解。

A DVDrive Approach for doScenes Instructed Driving Challenge

Zijian Fu et al.

cs.CV cs.AI

本文提出了一种基于OmniDrive的自动驾驶轨迹预测方法，通过引入DVPE风格的分割视图感知模块来改进多视图视觉定位，减少跨视图干扰并增强语言指令与局部视觉证据的对齐。该方法在doScenes Instructed Driving Challenge中应用，使用12个未来路径点生成6秒的ego轨迹。

Time-Frequency Weighted Losses for Phoneme Reconstruction in DNN-Based Speech Enhancement

Nasser-Eddine Monir, Paul Magron, Romain Serizel

cs.SD cs.CL

本文提出了一种基于时间-频率加权的损失函数，通过调制SDR目标来强调语音存在、语音干扰比和频谱通量等局部特征，以改善DNN语音增强中的音素重建。实验表明该方法在频率加权增强指标和辅音识别准确率上有所提升。

Toward Open Weight Models Without Risks: Separating Public and Private Capabilities in LLMs

Charbel El Feghali et al.

cs.CR cs.CL

本文提出Tiered Language Models (TLMs)，通过一个紧凑的secret key改变小部分参数的排列，从而在同一组权重上实现不同能力级别的计算图，使得公开配置下模型表现正常而私密配置下拥有额外能力。该方法在180M和650M参数模型上验证了私密配置能学习新语言、指令跟随和记忆事实知识，而公开配置不具备这些能力。

Chehre: An Emoji-Prompted Video Dataset for Perceptually Diverse Facial Expression Recognition

Bita Azari et al.

cs.CV cs.CL

本文提出了一个名为Chehre的emoji提示视频数据集，用于研究面部表情识别中的感知多样性，并定义了两个基准任务：主导表情识别和分布表情识别。实验表明，现有视觉语言模型在这两个任务上表现不佳，但该工作与关键词列表中的概念无直接关联。

Improving Text-to-Music Generation with Human Preference Rewards

Yonghyun Kim et al.

cs.SD cs.AI cs.LG

本文提出了一种基于人类偏好奖励的文本到音乐生成方法，在FluxAudio-S骨干网络上结合了训练时奖励条件化、专家迭代和推理后处理等工程策略，以提升生成质量。实验表明训练时奖励条件化有效，但偏好微调带来的增益有限。

Imitation from Heterogeneous Demonstrations using Grounded Latent-Action World Models

Tianyou Wang et al.

cs.RO cs.AI cs.LG

本文提出了一种基于grounded latent-action world model (GLAM)的方法，通过共享潜在动作空间来对齐异构演示数据，并用于训练下游行为克隆策略。实验表明该方法在多个操作任务上优于基线，但并未涉及关键词中的spectral、Muon或pretrain等概念。

Finite-Sample Performance of Gradient Descent in Logistic Regression with Gaussian Design

Junren Chen, Arya Mazumdar

stat.ML cs.IT cs.LG

本文研究了在高斯设计下logistic回归中梯度下降的有限样本性能，证明了在特定步长和初始化下，GD能以线性收敛速度达到$O(\sqrt{\|\theta^*\|_2^5d/n})$的$\ell_2$误差，并建立了更快的局部线性收敛结果。该工作主要通过证明logistic损失梯度满足近似可逆性条件（AIC）来实现，并提出了一个在高维下达到更优速率的新估计器。

A Hybrid, Multi-Layered Pipeline for Phishing and Threat Classification: Independently Validated URL and NLP Engines with a Calibrated Multi-Channel Fusion Stage

Saifelden M. Ismail, Aser O. Ibrahim, Omar A. Mahmoud

cs.CR cs.CL cs.LG

本文提出了一种用于钓鱼攻击检测的多模态混合pipeline，包含独立的URL引擎和NLP引擎，并通过校准的多通道融合阶段进行决策级融合。该方法在基准测试中取得了F1=0.914的性能，但主要贡献在于工程实现而非理论创新，与关键词列表中的概念关联较弱。

ARCO-Mars: A Unified Cloud-Optimized Archive of Mars Atmosphere Reanalysis

Ananyo Bhattacharya

astro-ph.EP astro-ph.IM cs.DB cs.LG

本文介绍了ARCO-Mars，一个统一且经过云优化的火星大气再分析数据集，整合了三种再分析产品并存储在Zarr v3格式中，旨在为火星大气科学和机器学习应用提供社区资源。

BatchGen: An Architecture for Scalable and Efficient Batch Inference

Tairan Xu et al.

cs.DC cs.LG

本文提出了BatchGen系统，基于序列协程计算模型（sequence coroutine compute model）来优化批量推理（batch inference）中的负载变化和GPU利用率问题。实验表明，该系统在128-GPU集群上可将批处理完成时间减少至原来的$2.3\times$，在内存受限的加速器上性能提升可达$9.6\times$。

Physics-Informed Neural Networks for Computing the Morse Index of the Critical Catenoid

Miraj Samarakkody

math.DG cs.LG math.NA math.SP

本文使用Physics-Informed Neural Networks (PINNs)计算单位球内临界catenoid的Morse index（通过Jacobi-Steklov谱编码），通过分离角变量将问题转化为一维Robin问题族，并利用网络强制模式奇偶性、将特征值作为可训练参数，成功恢复了已知的index 4和nullity 2。文章还沿同伦追踪了谱的交叉点，并讨论了将该方法推广到椭球体几何族的前景。

Cohort Organized Learning: Clustering Through Agreement

Finn Henry O'Shea, Maria Elena Monzani

cs.MA cs.AI

本文提出了一种名为Cohort Organized Learning (CoOL)的聚类方法，该方法无需显式的距离或相似度计算，而是通过神经网络和expectation maximization来估计聚类。该方法可应用于向量数据和图像等兼容数据。

Scene-Level Heterogeneous Physics Simulation with 3D Gaussian Splats

Xiaoyang Liu, Shangzhe Wu, Kai Han

cs.GR cs.AI cs.CV

本文提出了一种框架，通过将3D Gaussian Splatting (3DGS)资产、虚拟网格和流体等异构资产统一抽象为物理粒子集，首次实现了场景级、多求解器的异构物理仿真。该框架允许3DGS资产与复杂静态碰撞几何体及其他资产进行双向交互，突破了先前方法仅能处理孤立环境中物体中心物理的局限。

Physics-Preserving Latent Compression for Zero-Shot Resolution Transfer in 3D Turbulence

Yilong Dai et al.

physics.flu-dyn cs.LG

本文提出了一种名为Physics-Preserving Latent Compression (PPLC)的压缩框架，用于三维湍流数据。该方法通过patch-local变分自编码器实现零样本分辨率迁移，在保持物理诊断量（如耗散、能谱）的同时提升了重建精度。

Bayesian three-dimensional seismic travel-time tomography for active- and passive-source seismic data using physics-informed neural network

Ryoichiro Agata et al.

physics.geo-ph cs.LG

本文提出了一种结合PINNs与神经表示的meshless 3D Bayesian travel-time tomography方法，用于主动源和被动源地震数据的联合反演，通过function-space particle-based variational inference实现了可处理的Bayesian UQ，并在合成实验和真实数据上验证了其有效性。该方法主要解决了高维Bayesian反演的计算瓶颈问题，但与关键词中的code, context, spectral, Muon, pretrain, agent, attention均无直接关联。

THREAD: Trajectory Planning for Hybrid Rigid-Soft Manipulators with Environment-Aware Diffusion

Shivani Kamtikar et al.

cs.RO cs.AI

本文提出THREAD，一种基于diffusion的轨迹规划器，用于混合刚柔机械臂在受限环境中的操作。该方法通过学习环境几何条件生成可行的骨干轨迹，并利用物理启发损失函数编码曲率、平滑性和碰撞约束，在仿真中实现了92.4%的任务成功率。

Is Agent Code Less Maintainable Than Human Code?

Shaswat Patel et al.

cs.SE cs.AI cs.CL

本文通过CodeThread框架对比了代码agent与人类代码在维护性上的差异，发现agent代码在后续任务中导致解决率下降高达13.1%，且传统软件工程可维护性指标无法解释这一现象。

Steer, Don't Solve: Training Small Critic Models for Large Code Agents

Shubham Gandhi et al.

cs.SE cs.AI cs.LG

本文提出了一种训练小型critic模型的方法，通过Supervised Fine-Tuning为大型code agent提供轨迹内反馈，从而在不重新训练agent的情况下提升其策略级推理能力。实验表明，该方法在SWE-bench Verified上能有效提升多个agent的性能，并显著降低推理成本。

Generating Public Health Responses using Survey-Augmented Large Language Models

Leonardo Marciaga et al.

cs.SI cs.AI cs.CL

本文探讨了使用Large Language Models (LLMs)生成合成调查数据以辅助流行病学建模的可能性。研究发现，LLM生成的合成数据能复现真实调查中的部分分布特征，但在捕捉个体内部多变量间的复杂关联方面表现不佳，且生成的记录仍可被分类器识别为合成数据。

CNnotator: LLM-Guided Memory Safety Annotation Synthesis

Twain Byrnes, Mike Dodds

cs.PL cs.AI cs.SE

本文提出CNnotator工具，利用LLM自动为C代码生成CN规范（一种混合测试/验证工具的内存使用规格），实验表明OpenAI o3模型首次尝试成功率达90%，GPT-4o为65%，证明AI辅助注释对实际C代码库正变得可行。

Beyond Flat Labels: Level-Restricted Contrastive Learning for Hierarchical Fine-Grained Vision Classification

Zhiyuan Tao et al.

cs.CV cs.LG

本文针对层级细粒度视觉分类中多模态对比学习产生的跨层级预测不一致问题，提出了一种层级限制对比学习框架，通过将对比限制在同一分类层级内并采用组平衡设计来提升层级一致性与分类精度。该方法在TreeOfLife-10M数据集上训练并在多个基准上验证，在iNat21上平均准确率提升30.47%。

Harness-MU: A Safe, Governed, and Effective Harness for Multi-User LLM Agents

Wangxuan Fan, Xiaoyu Nie, Zhongxiang Dai

cs.CR cs.AI

本文提出了Harness-MU，一种用于多用户LLM agent的模型无关、零微调的基础设施框架。它通过将语言生成与安全编排解耦，强制执行权限边界，以解决多用户场景下的访问控制和权限冲突问题。

Research Method Usage across Academic Ages in Library and Information Science: An Empirical Study (1990-2023)

Chengzhi Zhang, Jiayi Hao, Yi Mao

cs.DL cs.CL cs.IR

本文基于1990-2023年图书馆与信息科学领域的26,677篇论文，使用CogFT模型自动分类研究方法，并利用Top2Vec生成主题模型，分析了不同学术年龄阶段学者的方法使用趋势。研究发现，理论方法占比逐渐下降，而实验和文献计量方法增加，且中期学者方法多样性最高。

Signed Evidence Flow: Conflict-Aware and Stability-Calibrated Data Analysis

Jeffery Opoku, David Banahene

stat.ML cs.LG

本文提出Signed Evidence Flow (SEF)方法，将拟合的prediction rule与signed feature attributions结合，以度量数据中的支持、反对、冲突和扰动稳定性。该方法作为审计工具描述证据结构，并通过ScopeGate诊断检查其方向性，但并非通用风险评分。

Streaming T5-based Text-to-Speech Synthesis with Limited Lookahead

Muyang Du, Jason Roche, Junjie Lai

cs.SD cs.AI

本文提出S5-TTS，一种基于T5的流式文本转语音模型，通过encoder-decoder语言建模和单调对齐学习实现逐词增量合成。它引入lookahead-causal masking机制和Conv-based auxiliary attention来在有限前瞻下保持语音质量，并通过交错多源蒸馏恢复自然度。实验表明其质量接近全上下文模型，并显著降低端到端延迟。

AI-Mediated Negotiation: Design Reflections and Lessons

Veda Duddu et al.

cs.HC cs.AI cs.CL cs.CY

本文反思了AI谈判辅导系统Trucey的设计，通过实验发现静态手册在赋能和可用性上优于AI条件，揭示了对话式AI将递归任务线性化执行的局限，并提出了“先映射后路径，先路径后模拟”的设计原则。

Improving Engine Sound Analysis in Hot-Test Environments via a RAB-U-Net (Residual Attention Block U-Net) Noise Removal Method

Raheleh Mohseni, Mahdi Alyari

cs.SD cs.AI eess.AS

本文提出了一种基于RAB-U-Net的发动机声音降噪方法，用于生产线热测试环境中的声音分析。该方法通过U-Net结构结合Residual Attention Block来去除背景噪声，提升了发动机诊断的准确性。

Skills for the future software profession: beyond agentic AI!

Sungmin Kang, Baishakhi Ray, Abhik Roychoudhury

cs.SE cs.AI

本文通过圆桌讨论总结了未来软件工程师在agentic AI时代所需的核心技能，强调了验证与验证（verification and validation）的重要性日益增加。

Prediction of Solar Flares Using Photospheric Magnetic Field Parameters with Deep Learning

Yash Chaudhary et al.

astro-ph.SR cs.LG

本文利用深度学习结合可解释人工智能（XAI）技术，基于光球磁场参数预测太阳耀斑，通过SHAP和PDPs提升模型可解释性，但方法本身在深度学习领域缺乏开创性，且与关键词关联较弱。

Continuous Behavioral Authentication via Multi-Expert BERT Log Analysis for Secure Data Sharing

Stergios Lantzos et al.

cs.CR cs.LG

本文提出了一种基于BERT的Android系统日志分析框架，用于持续行为认证，通过多专家模型融合生成正常性评分，实现风险感知的访问控制。实验表明该方法能检测语义、电池时序和拓扑偏差，并保持低于1%的假阳性率。

Gender Differences in Research Topic and Method Convergence among Collaborating Scholars in Library and Information Science

Chengzhi Zhang, Linlei Xie, Siqi Wei

cs.DL cs.CL cs.HC cs.IR

本文以图书馆与信息科学为例，使用Top2Vec和CogFT方法分析了1990-2022年间学者合作中的性别差异，发现女性学者在研究主题和方法选择上的收敛性低于男性学者。该研究为学术出版中的性别差异研究提供了系统性方法参考。

Rethinking the Adaptation of Vision Foundation Models for Efficient Cell Segmentation

Qing Xu et al.

cs.CV cs.AI

本文提出EffiCell-Seg框架，通过冻结视觉编码器并设计Cell Structure Prompt Encoder和Synergistic Mask Decoder，实现了高效细胞分割，仅需约5M可训练参数。该方法在多种细胞成像模态上优于现有技术，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。

Latent Confidence Alignment for LLM Self-Assessment

Ting-Yu Chen et al.

cs.CY cs.AI cs.CL

本文提出了一种基于Rasch model的Latent Confidence Alignment Error (LCAE)指标，用于评估LLM在自我评估中的置信度校准质量，并通过引入item difficulty作为外部信号来改进推理机制。实验表明该方法能提升自我评估质量，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等概念无直接关联。

ScalePredictor: Instance-aware Scale Learning for Accurate Quantization of Vision Transformers

Changjun Li et al.

cs.CV cs.AI

本文提出ScalePredictor，一种用于Vision Transformers的动态量化框架，通过发现浅层激活分布范围与深层最优量化尺度之间的隐藏关联，利用Taylor多项式投影模块高效生成所有量化尺度，在ImageNet上实现了优于现有PTQ方法的精度-效率权衡。

CapRiCorn-1K: A Comprehensive Benchmark for Video Captioning and Subject Referential Consistency Across Temporal Scales

Xinlong Chen et al.

cs.CV cs.CL

本文提出了CapRiCorn-1K基准，用于评估视频字幕生成的质量和主体引用一致性，实验发现现有模型在长视频中表现不佳。该工作主要关注视频理解与生成，与关键词列表中的概念关联较弱。

From RAN Control to Agentic Intelligence: Architecture and Vision for Energy Efficient AI-RAN

Sabrine Aroua et al.

cs.NI cs.AI

本文提出了一种基于agentic AI的RAN架构，通过语义意图抽象和LLM驱动的协调来优化6G网络的能效，但未涉及code、context、spectral、Muon、pretrain或attention等关键词。

Look Before You Zoom: Adaptive Routing for the Resolution-Context Trade-off in Visual RAG

Oanh N. Tran et al.

cs.CV cs.CL

本文提出ViRGo框架，通过估计object scale和semantic token confidence，在global perception、patch-based retrieval和attention-based retrieval之间自适应路由，以解决Visual RAG中resolution-context trade-off问题。该方法在多个VQA benchmark上提升了accuracy-efficiency trade-off。

Integrating Facial Generation into Full-Duplex Spoken Dialogue Systems

Jingjing Jiang, Atsumoto Ohashi, Ryuichiro Higashinaka

cs.HC cs.CL cs.CV eess.AS

本文提出了Moshi-Face，首个全双工对话模型，通过VQ-VAE将3D面部网格编码为离散face tokens，并扩展Moshi模型以非自回归方式生成face tokens，实现实时同步的语音和面部运动生成。实验表明该模型在低延迟下实现了视听对齐，同时保持了原始音频模型的对话质量。

Fine-Tuning Large Language Models for Quantum Reasoning

Katherine Ip et al.

quant-ph cs.AI

本文研究了通过微调大型语言模型(LLM)来提升其量子推理能力，具体以量子电路模拟为训练目标。作者比较了监督微调(SFT)和两阶段SFT+GRPO两种微调流水线，发现SFT在分布内和门计数外推上表现优异，而SFT+GRPO则能更好地泛化到更大量子比特系统。

Old Fictions, New Skins: Evaluating the Manipulative Capabilities of LLMs in Healthcare

Gathoni Ireri, Roger D. Odipo

cs.CY cs.AI cs.HC

本文通过随机实验评估了ChatGPT和DeepSeek在肯尼亚医疗场景中的操纵能力，发现操纵变体显著提高了用户选择错误治疗方案的概率。研究强调了在非洲医疗系统中部署LLM时需加强针对操纵行为的安全防护。

One-Shot Data Selection for Medical Image Classification via Graph Coverage

Zahiriddin Rustamov et al.

cs.CV cs.LG

本文提出了一种基于graph的one-shot数据选择方法，通过构建k-nearest neighbor graph并利用heat diffusion kernel的两项覆盖核，在冻结的foundation model embeddings上选择覆盖数据流形的子集，用于医学图像分类。该方法避免了active learning的多次训练，在MedMNIST数据集上取得了较好的平衡准确率。

Optimal Macroitem Sequences in the Precedence Constrained Knapsack Problem

Valerio Dose, Fabio Furini, Marco Locatelli

math.OC cs.DS

本文研究了带优先约束的背包问题(PCKP)的线性规划松弛的最优解结构，引入了macroitem和可行macroitem序列的概念，并证明了最优LP解完全由最优macroitem序列刻画。对于优先图为森林的特殊情形，提出了一个$O(n^2)$的算法来计算最优序列，对于in-trees或out-trees可改进至$O(n \log n)$。

What Do Neural Networks Learn for TDOA Estimation? A Cross-Architecture Probing Study

Yaozhong Kang et al.

cs.SD cs.LG

本文通过探测MLP、CNN和Transformer三种架构的隐藏层，研究了神经网络在TDOA估计中学习到的内部策略。研究发现，网络普遍学习了cross-power computation，但未能学习PHAT whitening，而是学习了一种保留频率可靠性信息的幅度感知加权，这使得PHAT成为信息瓶颈。

RARM: Confidence-Gated Progress Reward Modeling for RL in Manipulation

Pengzhi Yang et al.

cs.RO cs.AI

本文提出了一种名为RARM的轻量级视觉比较器，通过将单个成功演示转化为密集的进度奖励，用于机器人操作任务的强化学习。该方法无需任务特定的演示或奖励标签，在多个模拟和真实任务中取得了较好的成功率。

Anticipating the Optimism Gap: Predicting Distribution-Shift Degradation of RF-Impairment Detectors from In-Distribution Statistics

Chakshu Baweja

eess.SP cs.LG

本文研究GNSS射频干扰检测器在分布偏移下的性能退化预测问题，通过合成数据和三个真实数据集验证了仅利用分布内统计量可预测检测器的乐观差距（in-distribution与shifted AUC之差），发现该差距与检测器使用的观测变量数量相关而非是否基于学习。

How Should a Simulation-to-Reality Transfer Budget Be Spent?

Syed Hamzah Rizvi, Yash Vardhan Tomar

cs.RO cs.LG

本文研究了sim-to-real transfer中测量预算在system identification和domain randomization之间的分配问题，通过sim-to-sim pendulum实验发现少量identification rollouts即可缩小大部分transfer gap，且当有真实数据时，在估计参数上训练比在宽随机化范围内训练效果更好。

Patched Flow Matching: Generative Wall-Pressure Reconstruction Beyond Training-Domain Scales from Sparse Sensors

Meet Hemant Parikh, Yi Liu, Jian-Xun Wang

physics.flu-dyn cs.LG

本文提出Patched Flow Matching框架，通过patch-additive分解将短域DNS的生成先验与稀疏传感器测量结合，在比训练域大四倍的域上重建壁压场，并利用内尺度坐标实现雷诺数迁移。该方法主要面向湍流壁压谱重建的应用场景，与关键词中的code、context、spectral等概念关联较弱。

Reinforcement Learning-Based Traffic Signal Control for IoT-Enabled Intersections

Yousef AlSaqabi

eess.SY cs.LG

本文研究了基于Proximal Policy Optimization (PPO)的强化学习控制器，用于科威特城市路口的自适应交通信号控制，在仿真中相比固定时间和车辆感应控制分别减少了46%和34%的平均车辆延误。该方法属于应用层面的改进，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联度较低。

TraceView: Interactive Visualization of Agentic Program Repair Trajectories

Amirali Sajadi et al.

cs.SE cs.AI cs.HC

本文介绍了TraceView，一个用于可视化和标注基于LLM的自动程序修复（APR）agent轨迹的交互工具。它通过图视图和关系过滤器帮助开发者诊断修复过程中的失败原因。

Accurate identification and measurement of the precipitate area by two-stage deep neural networks in novel chromium-based alloys

Zeyu Xia et al.

cs.CV cond-mat.mtrl-sci cs.LG physics.chem-ph

本文提出DT-SegNet，一种基于YOLOv5和SegFormer的两阶段深度学习方案，用于电子显微镜图像中析出相的检测与分割。该方法在铬基高温合金的微观结构分析中优于传统工具，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

KITE: Decoupling Kinematics and Interaction for Zero-Shot Cross-Embodiment Manipulation

Qianxu Wang, Kuan Fang

cs.RO cs.AI

本文提出KITE方法，通过将操作任务解耦为与embodiment无关的任务推理和与embodiment相关的运动控制，实现了零样本跨embodiment操作。任务推理由共享策略完成，运动控制则由基于运动学模型学习的意图条件动作解码器执行。

Physics-Informed Eikonal Caging for Whole-Arm Manipulation Planning

Yan Zhang et al.

cs.RO cs.GT cs.LG

本文提出了一种基于物理信息Eikonal方程的笼形约束方法，用于全臂操作规划。该方法通过将笼形约束重新定义为最小时间逃逸问题，并利用物理信息神经网络近似逃逸时间场，从而生成平滑可微的表示以嵌入操作规划中。实验表明，该方法能提升对接触模型失配的鲁棒性，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

SAGE: An Expert-Annotated South Asian GI Endoscopy Dataset for Multimodal Learning and Hallucination Analysis

Niyoj Oli et al.

cs.CV cs.AI

本文介绍了SAGE数据集，一个由专家标注的南亚GI内窥镜数据集，用于图像描述、多标签分类和视觉问答任务。该数据集旨在解决现有GI数据集缺乏地理多样性导致的模型偏差问题，并通过对多类分类器和大型多模态模型的基准测试，揭示了南亚数据集上显著的性能下降。

$π$-RAG: Oblivious Retrieval via Semantic Quantization and Transcendental Addressing for Large Language Models

Aniket Wattamwar, Mrunal Kakirwar

cs.CR cs.AI cs.CL

本文提出了一种名为$\pi$-RAG的新型架构，通过利用$\pi$的数字作为不可变熵源，在LLM与敏感数据存储之间建立间接层，并引入语义量化层将用户输入映射到规范意图质心，以解决传统RAG架构中向量嵌入易受攻击和检索失败的问题。该架构旨在实现遗忘检索，适用于金融和医疗等合规性要求高的领域。

Deep RL for Fast Long-Horizon Operations Scheduling on NASA's Carruthers Geocorona Observatory Mission

Alex Zhang, Jackson Craig, Lara Waldrop

astro-ph.IM astro-ph.EP cs.LG

本文提出了一种用于NASA Carruthers Geocorona Observatory任务的深度强化学习框架，通过引入宏动作抽象（activity blocks）和动态动作掩码来解决航天器操作调度这一长周期组合优化问题。该框架能在六小时内完成训练并生成全局可行调度，在调度科学质量上优于基线启发式方法，并已作为默认调度器部署。

Rebuttals Move Peer-Review Scores, but Initial-Review Structure Bounds the Movement

Mathieu Louis et al.

cs.DL cs.AI cs.LG

本文利用ICLR 2024-2025的73,000条审稿轨迹，通过LLM（如Gemini Flash 3.0）预测审稿人初始评分，发现作者rebuttal虽能改变评分，但移动幅度受限于初始审稿结构（AUC=0.747），且可测量的交换信号多为rebuttal失败模式。

How Well Do Self-Supervised Speech Models Encode Age and Gender in Children's Speech? A Layer-Wise Analysis Across Multiple Architectures

Abhijit Sinha et al.

eess.AS cs.AI cs.LG cs.SD

本文分析了四种自监督语音模型(Wav2Vec2, HuBERT, Data2Vec, WavLM)在儿童语音中编码年龄和性别信息的能力，发现早期到中间层包含最强的副语言线索，且HuBERT在年龄分类上表现最佳。该工作主要关注模型层级的分析，与关键词中的code, context, attention等概念关联较弱。

DSSCNet: A Transfer Learning Framework for Cross-Corpus Dysarthric Speech Severity Classification

Arnab Kumar Roy et al.

eess.AS cs.AI cs.SD

本文提出DSSCNet，一种基于transfer learning和multi-corpus learning的深度学习模型，用于跨语料库的构音障碍语音严重程度分类。通过在TORGO和UA-Speech数据集上的实验，该方法在speaker-independent分类任务上取得了优于现有模型的准确率。

FeLoG: Scalable and Efficient Distributed Graph Embedding with Feedback Loop Mechanism

Peng Fang et al.

cs.DC cs.LG

本文提出FeLoG系统，通过反馈循环机制将采样与训练耦合，动态优先处理未充分训练的节点，并采用活动感知通信和轮次交错流水线来加速分布式图嵌入，在大型图上实现了显著加速。

Dual-Stream EEG Decoding for 3D Visual Perception

Ninon Lizé Masclef et al.

cs.CV cs.AI

本文提出了一种双通路EEG解码模型，用于从脑电信号中解码3D形状感知中的物体身份和空间朝向，并实现了基于EEG条件的三维重建。该方法受生物视觉启发，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Delta-Diffusion: Modeling Longitudinal Brain Amyloid-PET Trajectories via Conditional Poisson Diffusion Bridge

Yongheng Sun et al.

eess.IV cs.AI cs.CV

本文提出Delta-Diffusion框架，将纵向PET图像合成建模为条件Poisson Diffusion Bridge过程，通过锚定基线PET并引入物理启发的Poisson扰动来捕捉淀粉样蛋白的时空变化。该方法在542名受试者的两个队列上验证了其优于现有技术的性能。

An Analysis of Untrained Deep Reservoir Networks for Audio Surveillance

Corrado Baccheschi, Patrizio Dazzi

cs.SD cs.AI cs.LG

本文研究了基于Reservoir Computing范式的未训练递归模型（如双向Echo State Networks）在音频监控中的应用，评估了不同深度配置在紧急声音事件检测中的性能与计算效率的权衡。结果表明，深度和浅层模型在识别率上具有竞争力，其中深度变体在噪声环境下更鲁棒，而浅层变体在边缘设备上效率更优。

MultiMem: Measuring and Mitigating Memorization in Multi-Modal Contrastive Learninga

Wenhao Wang et al.

cs.CV cs.AI cs.LG

本文提出了MultiMem，首个用于量化多模态对比学习中记忆化现象的metric，发现跨模态语义不对齐是导致记忆化的主要因素，且文本是主导模态。通过跨模态的targeted augmentations，该方法能有效减少记忆化并提升模型性能。

Quantifying Theoretical AI Alignment Guarantees: Receiver-Utility Bounds in Bayesian Persuasion

Eric Yachbes, Eva Tardos

cs.GT cs.AI cs.IT

本文研究了AI对齐问题中的信息传递，通过Bayesian persuasion模型量化了当AI优化错位目标时，人类接收者能获得的有用信息上限。作者证明了接收者效用比的上界为3/2，并给出了一个六比特先验分布表明该上界不能改进到5/4。

Variance-Tilted Diffusion Models for Diverse Sampling

Iskander Azangulov, Leo Zhang, Kianoosh Ashouritaklimi

stat.ML cs.LG

本文提出了一种方差加权的batch分布，用于在扩散模型采样中促进多样性，通过Doob $h$-transform推导出交互粒子采样器，包含排斥后验去噪均值和曲率项。该方法为多样性采样提供了显式的概率目标，但与我提供的关键词（如code, context, spectral等）关联较弱。

Convergence Analysis of Nyström Subsampling in Covariate Shift Adaptation for Misspecified case

Hanna Myleiko, Sergei Solodky, Vasyl Semenov

stat.ML cs.LG math.NA

本文研究了在协变量偏移下，针对目标函数位于再生核Hilbert空间外的低光滑性（misspecified）情况，正则化Nyström子采样方法的收敛性分析。通过结合Tikhonov正则化与Nyström投影，得到了超额风险的上界，并进一步分析了Radon-Nikodym导数未知时的情形。

Revelio: Cost-Efficient Agentic Memory Safety Vulnerability Detection For Repository-Scale Codebases

Yiwei Hou et al.

cs.CR cs.AI cs.MA cs.SE

本文提出Revelio，一个基于agent的端到端框架，用于在仓库级代码库中检测内存安全漏洞。它通过生成可执行的Proof-of-Vulnerability并结合确定性sanitizer来减少幻觉，并使用廉价LLM和轻量级静态分析来降低开销。

Active Sensing and Deferred-Decision Trajectory Optimization for Robust Target Identification

Farbod Siahkali, Mengxue Hou, Vijay Gupta

eess.SY cs.AI cs.LG

本文提出了一种主动感知与延迟决策轨迹优化方法（AS-DDTO），用于移动传感系统在资源约束下从有限候选集中识别真实目标。该方法通过添加轨迹依赖的信息获取项来扩展标准DDTO，使轨迹在保持可达性的同时偏向于能更早识别目标的区域。

Any-Body Guard: Universal Safeguarding for Manipulation Policies via Action Masking

Alex Beaudin et al.

cs.RO cs.LG eess.SY

本文提出了一种名为X-Safe的通用安全保障方法，通过在机器人configuration space中直接推理，为碰撞避免提供形式化的概率保证，并依赖基于物体的准静态场景表示和前向运动学模型，从而在不同机器人形态间迁移。该方法在仿真和硬件实验中展示了比现有方法更少的任务性能下降，且无碰撞发生。

Leveraging Large Language Models to Obscure Code Stylometry: A Comparative Study of GPT-3.5 and GPT-4

Saman Pordanesh, Benjamin Tan

cs.SE cs.AI

本文研究了GPT-3.5和GPT-4在改变代码风格特征（code stylometry）以规避作者归属检测方面的有效性，通过对比单次和多次提示策略，发现详细的结构化提示能更有效地隐藏编程风格，但功能保持仍面临挑战。

Specificity- and Calibration-Aware Breast Ultrasound Segmentation via Entropy-Guided Boundary Supervision

Manar Alsaid, Mandip Shrestha, Mohammad Abbas

eess.IV cs.CV cs.LG

本文提出了一种基于熵引导边界监督的乳腺超声分割方法，通过根据预测熵调整边界损失权重来减少假阳性激活，并在BUSI数据集上验证了其提升特异性（specificity）的效果，同时通过空间温度缩放改善了校准误差。该方法主要针对超声图像中的噪声和低对比度问题，但未涉及代码、上下文、谱方法或预训练等关键词相关技术。

SHACR: A Graph-Augmented Semi-Autonomous Framework for Multi-Class Conflict Resolution in Smart Home IoT Automation

Leena Marghalani, Walid Aljoby, Suayb S. Arslan

cs.NI cs.ET cs.IR cs.LO cs.MA

本文提出SHACR框架，通过构建有向知识图谱将智能家居中的冲突检测从文本推理转化为确定性图遍历，并利用该图约束LLM的推理空间。实验表明该方法显著提升了多类冲突的分类性能，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。

No Reference-Free Generalization in Quantum Machine Learning

Jeongho Bang

quant-ph cs.LG

本文研究了量子机器学习中缺乏外部参考框架时的泛化问题，证明了当训练数据无法张成整个Hilbert空间时，所有正交于该张成空间的纯态必须得到相同的预测结果，这揭示了Hilbert空间维度本身并非可学习的特征空间。

Towards Whole Hand and Wrist Kinematic Tracking with a Wearable A-Mode Ultrasound Probe

Giusy Spacone, Luca Benini, Andrea Cossettini

eess.SP cs.HC cs.LG

本文提出了一种基于可穿戴A-mode Ultrasound (US) 探头的框架，用于跟踪手部和腕部的23个自由度 (DoFs)。该工作通过紧凑的multi-output convolutional neural network和增量训练策略提升了跨会话的泛化能力，并首次在设备端实现了端到端的运动跟踪。

Null-Calibrated Conformal Selection via Target-Membership Scores

Seungjin Choi

stat.ML cs.LG

本文提出Null-Calibrated Conformal Selection (NCCS)方法，通过目标成员概率得分替代传统预测导向的非一致性得分，以在控制错误发现率的同时提升选择效能。该方法在空假设可交换性下生成有限样本有效的p值，并可与BY或BH程序结合使用。

Benchmarking Robot Memory Under Interference

Soumil Rathi

cs.RO cs.AI cs.LG

本文提出了RoboMME-Interference基准，用于评估机器人记忆系统在长会话和干扰下的表现。实验发现，现有记忆增强的VLA（Vision-Language-Action）模型在无干扰时表现良好，但随着无关会话累积，其性能会显著且稳定地下降。

Flow Annealing Posterior Sampling for Function-Space Regression and Inverse Problems

Yaozhong Shi, Zachary E. Ross, Yisong Yue

stat.ML cs.AI cs.LG

本文提出了Flow Annealing Posterior Sampling (FAPS)框架，用于函数空间中的随机过程回归和PDE逆问题，通过预训练的函数空间流匹配先验和Langevin校正实现后验推断。该方法在多个基准测试中优于现有方法，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

A Taxonomy of Conceptual Alignment in Human-Robot Dialogue

Shengchen Zhang, Xiaohua Sun, Weiwei Guo

cs.RO cs.CL cs.HC

本文提出了一种概念对齐的分类法，用于分析人机对话中概念理解的双向共建过程，并提供了一个对话行为模式作为操作工具。该工作为设计人机交互中的概念对齐提供了结构化基础。

Kiwano: A Cutting-Edge Open-Source Toolkit for Speaker Verification

Mickael Rouvier, Pierre Michel Bousquet

cs.SD cs.LG

Kiwano是一个基于PyTorch的开源说话人验证工具包，提供了标准化流程、预训练模型和多种架构集成，旨在降低研究门槛并提高可重复性。该工具包包含基准测试、实验跟踪和新架构快速原型设计功能，但与我提供的关键词列表关联度较低。

Large Language Model-Assisted Cleaning of Report-Derived Labels in a Large-Scale Chest CT Dataset

Yosuke Yamagishi et al.

eess.IV cs.AI cs.CV

本文评估了大型语言模型(LLM)在清理CT-RATE胸部CT数据集中报告与标签不一致问题上的效果，通过比较GPT-5.4生成的标签与现有标签，并由放射科医生裁决不一致实例。结果表明LLM辅助的标签清理能识别出临床上有意义的不一致，但该方法主要关注数据清洗而非与关键词相关的理论或方法创新。

Structured Hyperedge Adaptation for Parameter-Efficient Fine-Tuning of Vision Transformers

Edwin Kwadwo Tenagyei et al.

cs.CV cs.AI cs.LG

本文提出HyperAdapter，一种基于hypergraph的adapter架构，通过在hyperedge空间而非token空间进行参数高效微调，利用soft token routing实现结构化、组感知的适应。该方法在多种视觉基准上优于现有PEFT方法，但未涉及code、spectral、Muon、agent或attention等关键词。

Multi-cancer detection using a computationally efficient CNN with transfer learning

Vasileios E. Papageorgiou et al.

cs.CV cs.LG

本文提出了一种轻量级CNN架构，结合transfer learning用于多癌种检测，在脑、肺、肾癌数据集上取得了较高准确率，并能在有限计算资源下快速微调。该方法主要关注工程效率，与关键词中的spectral、Muon、agent等概念无直接关联。

Reinforcement learning to improve large language model-based automated code compliance systems

Jack Wei Lun Shi et al.

cs.SE cs.AI cs.CL cs.LG

本文提出P4IR框架，通过supervised fine-tuning (SFT)和Group Relative Policy Optimization (GRPO)提升大语言模型在建筑规范自动合规检查中的代码生成准确性，减少了tree edit distance和token-level Levenshtein distance。该方法在zero-shot设置下优于多个领先LLM，但未涉及关键词中的spectral、Muon或agent等概念。

Gold Points Sniper: Self-guided Visual Reasoning in VLM for Fine-grained Action Understanding

Haodi Liu et al.

cs.CV cs.AI

本文提出Gold Points Sniper (GPS)框架，通过Gold Points Extractor、Selective Socratic Questioner和Semantic Entailment Evaluator三个模块，增强轻量级Vision-Language Models (VLMs)在细粒度动作理解中的自引导多模态推理能力。实验表明，该方法在CAP基准上提升了模型性能，部分模型达到与GPT-4o相当的水平。

MMGist: A Comprehensive Multimodal Benchmark for 2027

Wenzhen Yuan et al.

cs.CV cs.AI

本文提出了MMGist，一个经过筛选的多模态benchmark，通过文本消融、跨模型饱和度和异常检测三步过滤，从原始数据中选出7262个高质量样本。实验表明该benchmark能以更少样本高保真度保留模型排名，并揭示了当前LVLMs在视觉逻辑和知识密集型维度上的系统性弱点。

DreamUV: Unwrap Artist-like UV by End-to-End Flow Matching

Quanyuan Ruan et al.

cs.CV cs.AI

DreamUV提出了一种端到端的生成式Flow Matching框架，用于学习艺术家风格的UV展开，通过网格条件传输过程将噪声映射到UV布局分布。该方法引入了边界感知训练和模型在环微调策略，以生成更直、更对齐的UV边界，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

All Green, Still Broken: Real-Flow Verification Lessons from an LLM-Integrated, Multi-Market Web Application

Muhammad Bilal, Ali Hassaan Mughal

cs.SE cs.AI cs.LG

本文报告了一个集成LLM和多市场国际化的Web应用在测试中遇到的缺陷问题，分析了252个bug修复提交，发现约44%的修复涉及组件级单元测试无法覆盖的四个边界（如浏览器运行时、非默认市场等），并提出了一个四边界框架来帮助团队识别缺陷分布。

Human and AI collaboration for pulmonary nodule segmentation

Hongqiao Dong et al.

cs.CV cs.AI cs.HC

本文提出了Hi-Seg框架，基于SAM模型实现人机协作的肺结节分割。通过人类迭代优化prompt，该框架在CT扫描数据上取得了约85%的平均Dice分数，优于多种现有模型。

Enabling Cloud-Level Accuracy in Edge AI through IoT Data Preprocessing

Aygün Varol et al.

cs.PF cs.AI cs.LG

本文研究了通过prompt-side预处理（将原始IoT传感器数据转换为结构化文本表示）来提升边缘部署的本地LLM在环境监测任务中的准确率，实验表明该方法能显著缩小本地与云端模型的性能差距，同时保持低延迟。该工作主要关注工程应用中的准确率-延迟权衡，与关键词中的理论或方法创新关联较弱。

Detecting and Understanding Vulnerabilities in Fully Homomorphic Encryption Frameworks

Yiteng Peng et al.

cs.CR cs.LG

本文介绍了HERTA，首个针对全同态加密（FHE）框架的自动化测试工具，利用metamorphic testing发现多层FHE软件栈中的实现错误。该工具在三个主流工业框架中发现了21个先前未知的bug，并分析了这些bug对FHE服务安全性的潜在影响。

Robust Diffusion Models via Divergence-Induced Weighted Denoising

Lei Li, Yuexiao Dong

stat.ML cs.LG

本文提出用f-divergence诱导的非线性变换替换扩散模型中的标准MSE去噪损失，得到一种鲁棒训练方法，在数据污染下性能提升且计算开销小。理论基于DDPM的Gaussian reverse-kernel结构，将条件f-divergence简化为去噪误差的一维函数，并通过有界影响divergence抑制大误差样本。

Training-Free Semantic Correction for Autoregressive Visual Models

Junhao Chen et al.

cs.CV cs.AI cs.CL cs.MM

本文提出了一种名为Gazer的训练无关框架，通过引入multimodal large language model的反馈来修正自回归视觉模型在生成过程中的语义错误。该方法包含Reflective Diagnosis和Semantic Correction两个阶段，分别用于诊断中间状态的语义错误并回退修正生成轨迹。

Deep material network for homogenization of piezoelectric composites

Ting-Ju Wei, Yen-Ming Lu, Chuin-Shan Chen

cs.CE cs.LG

本文提出了一种压电深度材料网络(PDMN)，用于高效均质化两相压电复合材料，通过将机电均质化关系嵌入网络架构，实现了比直接数值模拟快三个数量级的计算效率。该方法主要关注复合材料均质化问题，与您提供的关键词关联度较低。

The Power of Light: Improving Synthetic-to-Real Domain Adaptation through Physically-Based Indirect Illumination

Hooman Tavakoli Ghinani, Tatjana Legler, Martin Ruskowski

cs.CV cs.AI

本文系统研究了合成数据生成中光照配置和背景复杂度对目标检测性能的影响，提出了基于NVIDIA Isaac Sim的SmartSDG自动化管线，并通过实验证明复杂间接光照能减少域差距、加速模型收敛。该工作主要聚焦于计算机视觉中的域适应问题，与关键词列表中的概念关联较弱。

From CVE to CWE: Syscall-Based HIDS Generalisation

Alexander V. Kozachok, Stanislav G. Vyugov, Shamil G. Magomedov

cs.CR cs.AI

本文研究了基于系统调用轨迹的主机入侵检测系统(HIDS)在CWE级别上的泛化能力，使用Isolation Forest和SGD One-Class SVM检测器对LID-DS-2021数据集中的三个CWE家族进行实验。结果表明，跨CVE的迁移强烈依赖于源正常行为轮廓的广度而非CWE标签，且仅对部分弱点家族可实现有效泛化。

Scalable Bayesian Additive Models for Stellar Flare Detection via Amortized Gaussian Process Inference and Hidden Markov Models

Rodrigo Herrera et al.

stat.ML cs.LG stat.AP stat.CO

本文提出了一种基于Variational Autoencoder (VAE)的生成代理框架，用于近似Celerite过程的计算，从而将高斯过程的计算负担转移到神经网络前向传播上。该方法被嵌入到一个结合Celerite和隐马尔可夫模型的加性模型中，用于恒星耀斑检测，并在计算时间上取得了显著缩减。

Automated sign detection across the Electronic Babylonian Library: A large-scale dataset and end-to-end cuneiform OCR pipeline

Wentao Che et al.

cs.CV cs.CL

本文构建了最大的楔形文字符号标注数据集，并基于Deformable DETR提出了一种端到端的OCR流水线，在173类和106类两种粒度下进行符号检测，相比先前工作提升了28-37%的检测指标。该方法无需语言先验，可扩展到电子巴比伦图书馆的8.7万块碎片，生成约290万次符号检测，为大规模楔形文字分析提供了可扩展的基础。

Learning Entropy Signature for Image Representation and Classification

Jan Glaser et al.

cs.CV cs.LG

本文提出Learning Entropy Signatures (LES)作为图像描述符，通过提取Spatial Learning Entropy Maps中K个最大LE位置来表征图像内容，并在分类任务中验证了其有效性。该方法将Learning Entropy从时间序列扩展到图像表示领域。

Statistical Inference for Misspecified Contextual Bandits

Yongyi Guo, Ziping Xu

stat.ML cs.LG

本文研究了在模型设定错误的情况下，使用contextual bandit数据进行统计推断的问题。作者发现标准算法（如LinUCB）在错误设定的工作模型下可能不稳定，导致非高斯估计量行为，并提出了一个逆概率加权的Z-estimation框架来保证估计量的相合性和渐近正态性。

MaRS: Robust Out-of-Distribution Detection via Mahalanobis Residual Scoring

Francesco Di Salvo, Sebastian Doerrich, Christian Ledig

cs.CV cs.LG eess.IV

本文提出了一种名为MaRS的轻量级后验OOD检测方法，通过自编码器学习in-distribution manifold，并使用Mahalanobis distance衡量重建残差，以解决标准$L_2$残差范数忽略各向异性结构的问题。该方法在多种医学影像模态和分布偏移下优于现有基线，但与关键词列表中的概念无直接关联。

Confidently Wrong: Severity-Aware Calibration of Prompt-Injection Detectors under Attack Shift

Md Anas Biswas

cs.CR cs.AI cs.LG

本文研究了prompt-injection检测器在攻击分布偏移下的置信度问题，发现三个检测器在漏检攻击时几乎总是以高置信度（0.99-1.00）出错，且标准校准误差无法反映这一现象。实验表明，漏检源于内容匹配而非注入结构，且黑盒重写器可利用此漏洞生成高置信度的漏检攻击。

From Complaint Narratives to Monetary Relief: A Hybrid Machine Learning Framework for CFPB Consumer Complaints

Zhuoer Wang, Sizhen Zhu, Xiongyu Chen

cs.CE cs.LG

本文提出一个混合机器学习框架，使用XGBoost分类器预测CFPB消费者投诉的货币救济结果，整合了投诉文本、LDA主题和结构化特征，将AUC-ROC从0.69提升至0.78。该方法主要关注金融投诉分析，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念无直接关联。

Data Evolution by Wittgenstein's Rule Following

Aydin Ghojogh, Benyamin Ghojogh

stat.ML cs.AI cs.LG

本文提出了一种基于Wittgenstein规则遵循（WRF）的数据演化框架，通过结构描述符（如几何、分布和聚类特征）对历史数据集序列进行外推，以生成新的数据集。该方法不假设数据集间的直接变换关系，允许样本量和特征维度随时间变化。

RigorBench: Benchmarking Engineering Process Discipline in Autonomous AI Coding Agents

Meher Bhaskar Madiraju, Meher Sai Preetam Madiraju

cs.SE cs.AI

本文提出了RigorBench，一个用于评估AI coding agents过程规范性的benchmark，通过五个维度（如Planning Fidelity）的加权和计算RigorScore。实验表明，结构化过程规范性不仅提升了过程质量分数（平均41%），还提高了下游结果正确性（17%），但该方法主要关注工程流程评估，与关键词中的spectral、Muon、pretrain等无直接关联。

The Geometry of Refusal: Linear Instability in Safety-Aligned LLMs

Shivam Ratnakar, Kartikeya Vats

cs.CR cs.AI cs.LG

本文通过引入Contrastive Logit Steering (CLS)框架，在输出分布层面而非隐藏状态层面干预LLM，揭示了安全对齐的线性不稳定性。实验表明，该方法能高效绕过多种模型的安全机制，并发现安全实现具有架构决定性。

GARIP: A Running-Average Moving Reference for Last-Iterate Self-Play in Two-Player Zero-Sum Games

Can Savcı

cs.MA cs.GT cs.LG

本文提出GARIP算法，通过将self-play中的reference policy锚定到running average上，研究了reference选择对two-player zero-sum games中last-iterate收敛的影响。实验表明GARIP在矩阵游戏和棋盘游戏上具有与R-NaD相当的鲁棒性，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。

Black-Box Forensics for Conversational LLM Agents

Isadora White, Yasaman Jafari, Taylor Berg-Kirkpatrick

cs.CR cs.CL

本文研究了针对对话式LLM agent的黑盒取证方法，包括识别base model（归因）和检测相同system prompt（指纹识别），实验表明归因分类器在少量对话中可达98%准确率，而指纹识别在未见过的system prompt上通过cross-encoder方法取得AUC 0.768。

Libretto: Giving LLM Agents a Sense of Musical Structure

Yichen Xu

cs.SD cs.AI

Libretto是一个面向LLM agent的符号音乐生成与修订框架，它通过显式的onset slots、voices和bar-level组织将音乐结构编码为LLM可理解的语法，并在节奏、和声、旋律等统计空间中评估生成结果。该框架使符号音乐从原始token序列转变为可测量、可编辑的对象，支持检索、诊断和迭代自修订。

Beyond Simpson's Paradox: A Cascade of Confounders in AI Agent Pull-Request Co-Authorship

Haoran Yu et al.

cs.SE cs.AI

本文通过分析AIDev数据集中33,596个pull request，发现AI agent的co-authorship与merge率之间的关联是Simpson's Paradox的典型例子，并进一步揭示了repository选择和PR结构等混杂因素。最终结论是，cross-sectional的co-authorship关联主要是选择偏差和PR结构的人为产物，而非因果效益的证据。

Leakage-Aware Benchmarking of LLM Forecasting: Real-Time Nowcasts as the Decision-Time Input for Macro Factor Ranking

Mao Guan, Qian Chen

q-fin.ST cs.AI

本文研究了在决策时间信息约束下，使用检索增强的7B开源LLM进行宏观因子排名的泄漏控制基准测试。通过滞后调整的FRED宏观变量、近期宏观事件摘要和克利夫兰联储的每日CPI nowcast，该模型获得了中位数月度Spearman等级IC为+0.154，但非LLM基线（如kNN宏观类比模型）也能恢复类似的中位数信号，表明实时通胀信息和宏观相似性检索解释了大部分信号。

Interpretable Uncertainty Routing Separating Emotion Ambiguity from Distribution Shift in Facial Expression Recognition

Keito Inoshita, Takato Ueno

cs.CV cs.AI

本文研究了Facial Expression Recognition中的不确定性分解，将aleatoric和epistemic uncertainty分离，并提出了Uncertainty-Aware Routing机制。该方法通过Deep Ensemble获得两种不确定性，并验证了其分别对应标注者分歧和分布偏移的能力。

Evolutionary Optimization Reveals Structural Constraints on Reservoir Architecture for Spatiotemporal Chaos

Nima Dehghani

cs.NE cs.AI cs.LG nlin.CD physics.comp-ph

本文通过进化优化方法研究了reservoir computing中recurrent substrate的结构约束，使用Kuramoto--Sivashinsky方程作为测试平台，发现进化过程在降低预测误差的同时，将reservoir架构约束在特定的spectral envelope和modularity范围内，并揭示了预测精度与效率之间的协同关系。

Target-Aware Linear Regression Under Distribution Shift

Zhewen Hou, Tian Zheng

stat.ME cs.LG

本文研究了训练与部署之间存在distribution shift时的多元linear regression问题，提出了hybrid-loss estimator作为基准，并开发了两种计算上更可行的替代方法：constrained moment-matching estimator和two-stage estimator。文章推导并比较了这些estimator的渐近均方误差，并通过Monte Carlo实验验证了理论结果。

Cross-National Information Attacks: A Two-Decade Analysis of Troll Behavior in Korea

Jaehong Kim et al.

cs.SI cs.CL cs.CR

本文提出一个可解释的机器学习框架，用于检测韩国在线新闻评论中疑似国家关联的troll行为，并基于近20年数据分析了其修辞模式与用户参与度特征。

Scaling Audio Models Efficiently: A Joint Study of Compute Constraints and Optimization Behavior

Vyom Agarwal et al.

cs.SD cs.AI

本文研究了语音处理任务中计算资源分配与模型性能之间的权衡，通过统一框架分析模型大小、输入长度和表示分辨率三个维度，并在固定计算预算下观察其对ASR和SER任务的影响。实验发现模型规模增大带来收益递减，且存在最优音频时长和编码器token分辨率降低可有效减少推理成本。

DBT-Bleed: Dual-Branch Temporal Modeling with Key-Frame Selection for Surgical Bleeding Detection

Sudhanshu Mishra et al.

cs.CV cs.AI

本文提出DBT-Bleed框架，通过双分支多尺度时间建模和基于熵的关键帧选择策略(HiRED)来检测手术中的出血事件。该方法在MultiBypass数据集上提升了出血检测的F1分数6.53%，并在零样本跨手术类型泛化中展现了鲁棒性。

Learning-Augmented Algorithms for Online Vertex Cover

Tianhang Lu, Runtian Ren, Shengcai Liu

cs.CC cs.LG

本文研究了带建议和参数$\lambda \in (0,1)$的在线加权Vertex Cover问题的学习增强算法，针对二分图和一般图分别给出了随机和确定性算法，并证明了其鲁棒性与一致性权衡的最优性。实验验证了算法在合成和真实数据集上的有效性。

OrthoMotion:Disentangling Camera and Subject Motion via Geometry Semantics Orthogonal Attention

Zijie Meng

cs.CV cs.AI

本文提出OrthoMotion方法，通过将camera motion和subject motion分别路由到几何通道（基于RoPE的旋转）和语义通道（cross-attention中的门控值注入），并利用解耦正则化使两个响应子空间正交，从而在可控视频生成中实现相机与主体运动的独立控制。该方法在保持保真度的同时将串扰降低2.4倍以上，但未涉及code、spectral、Muon、pretrain或agent等关键词。

Chains That See, Answers That Don't: A Multi-Aspect Evaluation Recipe for Forced Chain-of-Thought on Video-MME

Zhichao Fan, Yanhang Li, Zexin Zhuang

cs.CV cs.LG

本文提出了一种三探针评估方法，用于检验forced chain-of-thought (CoT) 在视频问答任务中的可靠性。实验表明，CoT链虽与输入视频强相关，但强制使用CoT并未提升多项选择题的准确率，甚至在小模型上导致轻微下降。

Tensor Train Decomposition-based 3D Implicit Full Waveform Inversion with Multi-scale Structural Similarity

Liangsheng He et al.

physics.geo-ph cs.LG

本文提出了一种基于tensor train (TT) decomposition的3D隐式全波形反演框架(TT-3DIFWI)，通过将3D速度模型表示为低秩core tensors的乘积，并利用三个轴特定的implicit neural network representations (INR)来预测这些core tensors，从而降低内存消耗。同时，结合multi-scale structural similarity (M-SSIM)目标函数利用超低频特征减少cycle skipping问题，在合成和实际陆地数据集上实现了准确且连续的速度重建。

VideoLatent: Video-Language Learning via Latent Self-Forcing

Zi-Yuan Hu et al.

cs.CV cs.AI

本文提出VideoLatent，一种用于视频理解与推理的多模态大语言模型，通过引入latent injection module和latent self-forcing训练范式（包含latent alignment与latent diversity目标），仅依赖标准视频-问答三元组进行视觉潜在推理，在14个基准上优于现有模型并显著降低训练/推理开销。

SingGuard: A Policy-Adaptive Multimodal LLM Guardrail with Dynamic Reasoning

SingGuard Team

cs.CV cs.CL

SingGuard提出了一种策略自适应的多模态LLM护栏方法，将活跃策略作为运行时输入，通过自然语言规则逐条检查目标内容并预测安全标签与触发规则。该方法支持从快速到慢速的推理机制，并引入SingGuard-Bench基准进行多模态安全评估。

Explainable AI in Speaker Recognition -- Attention Map Visualisation and Evaluation

Yanze Xu, Mark D. Plumbley, Wenwu Wang

eess.AS cs.AI eess.SP

本文系统回顾了说话人识别中基于CAM的注意力图评估算法，并提出了改进版本Modified RISE-eval以解决现有方法的缺陷。实验比较了GradCAM和LayerCAM在说话人识别网络上的表现，发现两者在不同条件下各有优势。

From Fragments to Paths: Task-Level Context Recovery for Large Industrial Codebases

Jiawei He et al.

cs.SE cs.AI

本文提出DeepDiscovery，一种用于大型工业代码库的任务级仓库理解方法，通过两阶段Location-Inference框架在预算约束下恢复任务相关上下文，实验表明其能提升文件恢复质量和下游软件工程任务性能。

Graph-Enhanced Large Language Models for Spatial Search

Nicole R. Schneider, Kent O'Sullivan, Hanan Samet

cs.DB cs.AI cs.IR

本文讨论了大型语言模型在空间推理方面的不足，并提出了通过图增强技术来提升其处理空间数据（如以图形式存储的数据）的能力，但未提供具体方法或实验验证。

Cross-lingual Retrieval-Augmented Classification for Dysarthria Severity Assessment

Taeyoung Jeong et al.

cs.SD cs.AI cs.CL

本文提出了一种跨语言检索增强分类方法(CRAC)，通过对齐-检索-融合流程利用不同语言的语音数据来评估构音障碍严重程度。该方法在韩语和意大利语数据集上取得了比单语基线更好的分类准确率。

Intend, Reflect, Refine: An Adaptive Multimodal Reflection Framework for Autonomous Driving

Zisheng Chen et al.

cs.CV cs.AI

本文提出IRR-Drive框架，通过生成初步文本意图并预测未来语义BEV表示来构建多模态反思空间，从而在自动驾驶中实现轨迹的自校正与优化。该方法在NAVSIM基准上取得最优性能，但未涉及code、spectral、Muon等关键词相关技术。

BEV-Denoise: Learning Intrinsic Noise for Accurate Bird's-Eye-View Semantic Segmentation

Dooseop Choi, Kyounghwan An, Kyoung-Wook Min

cs.CV cs.AI

本文提出BEV-Denoise框架，通过设计UNet-based噪声估计模块学习并去除BEV特征中的内在噪声，以提高BEV语义分割精度。该方法采用Task Decomposition学习范式，利用预训练的BEV map autoencoder辅助训练，在nuScenes数据集上验证了有效性。

CITADEL: CSI-Based Jamming Detection and Open-Set Classification for IIoT Networks

Aymen Bouferroum et al.

cs.CR cs.LG cs.NI

本文提出CITADEL，一种基于Channel State Information (CSI)的轻量级两阶段分层流水线，用于检测和分类IIoT网络中的已知与未知干扰攻击。该方法在6种已知攻击和15种零日场景下实现了高检测率与低误报率，并具备对抗鲁棒性。

Domain-incremental audio classification using domain-specific experts and prototype classifier

Jongyeon Park et al.

eess.AS cs.LG

本文针对DCASE 2026挑战赛的域增量音频分类任务，提出了一种基于冻结特征回放的DIL方法。该方法在每个增量阶段训练并固定紧凑的专家模型，最终阶段将所有冻结专家的特征拼接后训练轻量级原型分类器，并利用DeepInversion生成式回放和跨阶段回归插补器来缓解灾难性遗忘。

Subject-Level Unknown-Identity Identification from Leap Motion Controller 2 Hand Landmarks

Bahar Moharrer et al.

cs.CV cs.LG

本文研究基于Leap Motion Controller 2手部landmark数据的未知身份识别问题，在ML2HP数据集上采用LOSO协议评估。通过保留原始几何表示并补充指尖-掌心距离和掌归一化指间角度描述符，对比了树集成、神经网络嵌入和MLP+OpenMax等方法。结果表明Extra Trees在区分已知与未知样本方面表现最佳，验证了基于landmark的紧凑描述符在小规模数据集上实现非接触式未知身份拒绝与识别的可行性。

Generalized nonparametric regression in reproducing kernel Hilbert spaces: Consistency and rates of convergence

Ioannis Kalogridis

math.ST cs.LG stat.ML

本文在reproducing kernel Hilbert spaces中建立了正则化M-estimation的完整理论，证明了估计量的存在性和可测性，并给出了收敛速度的sharp rates。该工作通过结合functional analysis和empirical process theory实现了目标函数的渐近线性化，但与我提供的关键词列表关联度较低。

From Point Estimates to Distributions: GMM Pooling for MIL in Preterm Birth Prediction

Hussain Alasmawi et al.

cs.CV cs.LG

本文提出了一种基于Gaussian Mixture Model (GMM)的池化方法，用于多实例学习（MIL）框架下的早产预测，通过建模患者所有TVUS图像的特征分布来捕捉个体内变异性，在私有临床队列和公共淋巴结转移基准上取得了性能提升。

Physics-Guided Spatiotemporal State Space Modeling for Lookahead Molten Pool Segmentation in Laser Wire-Feed Welding

Sen Li et al.

cs.CV cs.AI

本文提出了一种基于物理引导的时空状态空间网络WeldMamba，用于激光送丝焊接中的熔池前瞻分割。该方法利用历史图像、工艺参数和电信号预测未来关键区域（如匙孔、焊丝和熔池）的语义布局，并通过多种损失函数约束预测几何与局部运动。实验表明该方法在500毫秒前瞻下达到74.63%的mIoU。

The Model as One Rater Among Several: Measuring Political Positions in Data-Sparse Regions with a Language-Model Panel

Tarek Gara

cs.CY cs.AI cs.CL stat.AP

本文提出了一种将大语言模型作为专家小组中的一名评分者来测量政治立场的方法，特别适用于数据稀疏的非西方地区。通过引入定义轴和透镜系统，该方法提高了评分者间的一致性，并展示了在多个模型上的高可靠性。

Domain Adaptation Under Wireless Network Constraints: When Does It Become Green?

Illyyne Saffar, Aurélie Boisbunon, Shruti Bothe

stat.ML cs.AI cs.LG

本文研究了在无线网络约束下，无监督域适应（UDA）与从头训练在能量消耗和标注成本上的权衡，并提出了一个确定UDA何时比重新训练更节能的阈值条件。

HALAS: A Human-Annotated Dataset of Hallucinations of Modern ASR Systems

Mateusz Barański et al.

cs.SD cs.AI eess.AS

本文介绍了HALAS，第一个由人工标注的现代ASR系统自然产生幻觉的数据集，基于真实财报电话录音。该数据集提供了span-level标签，用于分析幻觉模式及其严重性，并揭示了跨模型词汇重叠和低WER下幻觉的存在。

Unlimited OCR Works

Youyang Yin et al.

cs.CV cs.CL

本文提出Unlimited OCR模型，通过引入Reference Sliding Window Attention (R-SWA)替换解码器中的全部attention层，在保持恒定KV cache的同时降低attention计算成本，从而在长文本OCR任务中实现高效转录。该方法以DeepSeek OCR为基线，可在32K标准长度下一次性转录数十页文档，并具有通用性，可应用于ASR、翻译等任务。

Physics-governed executable modelling of triboelectric nanogenerators

Hongfa Zhao et al.

physics.app-ph cond-mat.mtrl-sci cs.AI cs.MS

本文提出了一个基于电荷定义的摩擦纳米发电机（TENG）可执行建模框架TENG-CLAW，该框架统一了分析理论与数值求解，实现了可追踪的物理仿真。

From Text Metrics to Model Internals: A Study of Whisper ASR Hallucination Detection

Jan Jasiński et al.

cs.SD cs.AI eess.AS

本文研究了Whisper ASR模型幻觉检测的三种范式：基于文本的metrics、基于LLM的方法和内部decoder state探测。实验表明，无需ground-truth reference的decoder representation探测方法表现最佳，而结合文本与内部状态的late-fusion meta-classifier取得了最优检测性能。

MotionHalluc: Diagnosing Kinematic Hallucinations in Fine-Grained Motion Reasoning

Weile Guo et al.

cs.CV cs.AI

本文提出了MotionHalluc基准，用于评估跨视频比较中运动指令生成的运动幻觉问题，并提供了PPV方法作为无训练测量注入基线，以提升模型性能。

Safety in Self-Evolving LLM Agent Systems: Threats, Amplification, and Case Studies

Ruixiao Lin et al.

cs.CR cs.AI

本文围绕自进化LLM agent系统（能够自主更新参数、记忆、工具和架构的agent系统）的安全威胁展开分析，提出了Module-Lifecycle Attack Surface (MLAS)矩阵来系统化攻击面，并指出自进化机制会将已知攻击从会话级转变为持久化，且现有静态防御措施效果有限。

AdaReP:Adaptive Re-Planning under Model Mismatch for Neural World-Model Predictive Control

Yutian Cheng et al.

cs.RO cs.AI

本文提出AdaReP，一种无需训练的包装器，通过在线调整replanning tolerance来减少neural world-model predictive control中的计算开销，在保持任务性能的同时显著降低planner-side计算量。该方法主要关注机器人控制中的计算效率问题，与您提供的关键词关联度较低。

LOLLA: Deep Reinforcement Learning for Closed-Loop Link Adaptation Towards a GPU-Accelerated AI-RAN

Rui Wang et al.

eess.SP cs.LG cs.NI

本文提出LOLLA框架，用deep reinforcement learning（具体为PPO）替代传统OLLA中的阶梯式SINR偏移，在GPU加速的5G NR栈上实现了闭环链路自适应，在高速移动场景下相比OLLA有15%-92%的吞吐量提升。

AI-Empowered UAV-Assisted Backscatter Localization and ISAC for Zero-Energy IoT: A Comprehensive Survey

Ruhul Amin Khalil

eess.SP cs.AI

本文综述了AI赋能的无人机辅助反向散射定位与通感一体化在零能耗物联网中的应用，涵盖了网络架构、无人机角色、AI技术等，但未涉及代码、上下文、谱、Muon、预训练、智能体或注意力等关键词。

LLM-Aided A* Search in Non-Geometric Network Graphs

Nouf Alabbasi, Esraa Ghourab, Omar Alhussein

cs.NI cs.AI cs.LG

本文提出了一种LLM辅助的A*搜索算法，用于非几何网络图中的最短路径问题，通过让LLM生成中间路标来引导搜索，并利用landmark距离作为启发式函数。实验表明该方法能减少约50%的扩展节点数，但路径成本略有增加。

Koshur Pixel: a large-scale synthetic ocr dataset for kashmiri

Haq Nawaz Malik, Faizan Iqbal, Nahfid Nissar

cs.CV cs.CL

本文介绍了Koshur Pixel，首个大规模克什米尔语合成OCR数据集，包含613,078个图像-文本对，使用SynthOCR-Gen框架生成，并采用多种数据增强策略模拟真实文档退化。该数据集为低资源语言的OCR系统训练提供了可扩展且经济的替代方案。

Neural Parameter Calibration for Finite-State Mean Field Games

Anna C.M. Thöni et al.

cs.GT cs.LG

本文提出了一种基于神经网络的框架，用于从观测到的群体动力学中学习参数化有限状态Mean Field Games (MFGs)。该方法将参数校准视为逆问题，通过隐式微分反向传播通过博弈的均衡，从而估计灵活的轨迹参数路径。

Synthesizing the Lombard Effect: Multi-Level Control of Speech Clarity and Vocal Effort in TTS

Seymanur Akti, Alexander Waibel

cs.SD cs.CL

本文提出了一种基于flow-matching的TTS模型，通过训练vocal effort和articulation伪标签来模拟Lombard效应，实现了对语音清晰度和发声努力的连续解耦控制。实验表明该模型能有效改善噪声环境下的语音清晰度，但方法本身并非开创性突破，且与关键词列表中的概念关联较弱。

Interpretable Probabilistic Medical Image Segmentation via Gaussian Process with Explicit Modelling of Annotation Bias and Variability

Qi Li et al.

cs.CV cs.AI

本文提出了一种基于随机变分Gaussian Process的logit空间概率分割框架，通过显式分解图像依赖的参考logit分布和标注者特定的偏差与方差扰动，来分析标注变异对预测分布的影响。实验表明该方法在保持分割精度的同时改善了不确定性校准。

Incremental Learning in Mirror Flows

Raphaël Berthier, Loucas Pillaud-Vivien

math.OC cs.LG stat.ML

本文研究了由凸二次损失和一般凸下半连续镜像势生成的镜像流，并分析了其轨迹在初始化于势域边界附近时的重缩放极限行为，揭示了增量学习的一种通用机制。

The Correct Answer Trap: Pedagogically-Grounded Detection and Feedback for Hidden Misconceptions

Moiz Imran, Sahan Bulathwela

cs.CY cs.AI cs.IR

本文关注教育领域中的隐藏误解检测问题，利用Eedi数学平台的学生回答数据，通过微调分类器和推理模型检测学生虽答对但推理有误的情况，并提出一个分级评估与检测-验证-升级流程来减少误报。该工作与关键词列表中的概念无直接关联。

CFPO: Counterfactual Policy Optimization for Multimodal Reasoning

Zhangyuan Yu et al.

cs.CV cs.CL

本文提出CounterFactual Policy Optimization (CFPO)框架，通过引入跨模态反事实增强机制来正则化策略，以解决大型视觉-语言模型在多模态推理中忽视视觉证据的问题。该方法可与GRPO和DAPO等标准算法无缝集成，并在多个基准上取得性能提升。

Where Is My Physics Wrong? Localized and Identifiable Discovery of Model Discrepancy

Yifan Wang

physics.data-an cs.AI

本文提出LISDD框架，用于在混合模型（结合物理与数据驱动校正）中定位并识别模型失效的局部区域及其缺失机制。该方法通过自动检测干净区域、校准残差统计量以及样本分割F检验，实现了对局部模型偏差的稀疏符号发现与统计显著性验证。

RS-Gen: A Multi-Stage Agentic Framework for Reasoning and Search-Augmented Image Generation

Feifei Bian et al.

cs.CV cs.AI

RS-Gen提出了一种无需训练的多阶段agentic框架，通过"Questioning-and-Solving"闭环机制增强图像生成与编辑中的逻辑推理和外部知识获取能力，在多个benchmark上取得了显著性能提升。该方法与关键词中的agent概念相关，但主要聚焦于图像生成领域，而非代码或谱方法等方向。

Attention mechanism for scalable mesh-based neural surrogates of free-surface fluids

Federico Lanteri, Massimiliano Cremonesi

cs.CE cs.LG

本文提出了一种基于self-attention的神经网络代理模型，用于替代计算昂贵的PFEM自由表面流模拟。该模型通过注意力机制处理节点交互和复杂空间依赖，并利用线性注意力变体提升可扩展性，在二维和三维基准测试中实现了对瞬态动力学和最终构型的准确预测。

SteerVTE: Seamless Video Text Editing with Style and Glyph Control

Kai Zeng et al.

cs.CV cs.AI

本文提出SteerVTE框架，通过冻结的video diffusion model和轻量级text context adapter实现视频文本编辑，利用style encoder和dual-granularity glyph encoders控制风格与字形，并引入glyph-aware spatial-focal loss和progressive training curriculum。实验表明其在文本准确性、风格一致性和时间连贯性上优于现有baseline。

P-JEPA: Procedural Video Representation Learning via Joint Embedding Predictive Architecture

Felix Tristram et al.

cs.CV cs.AI

本文提出了一种与backbone无关的P-JEPA方法，通过将长视频表示学习问题简化为密集的帧对齐action space并预测池化的masked latent vectors，从而支持超过30分钟的长视频理解。该方法在EgoExo4D等数据集上实现了state-of-the-art的细粒度action分类性能，且参数量比基于LLM的方法少一个数量级。

Ranking Companion: A Visual Analytics Approach to Item-Based Ranking with Hybrid Item Selection

Aman Kumar et al.

cs.HC cs.IR

本文提出Ranking Companion，一种结合模型驱动主动学习与人工驱动项目选择方法的可视化分析工具，用于解决基于项目的个性化排名创建中候选项目选择灵活性问题。通过六种互补选择方法，用户可外化偏好并迭代优化排名结果。

Transfer learning-based method for automated ewaste recycling in smart cities

Nermeen Abou Baker, Paul Szabo-Müller, Uwe Handmann

cs.CV cs.LG

本文利用transfer learning方法，通过微调AlexNet模型对智能手机进行分类，实现了电子垃圾的自动回收，在小型数据集上达到了约98%的准确率。该方法主要关注实际应用效果，而非理论创新。

Towards a Bathroom-Centered Human-Building Digital Twin Framework for Indoor Safety Analysis

Yuanzhi Su, Huiying

cs.HC cs.AI

本文提出了一种以浴室为中心的人-建筑数字孪生框架，用于分析老年人室内安全，通过整合语义环境表示和人体骨架表示来理解身体-环境交互。该工作仍处于原型阶段，主要贡献在于为隐私敏感的交互感知数字孪生应用提供了方法论基础。

Uncertainty-based Debiasing and Unlearning for Decontamination

Guangzhi Sun, Xiao Zhan, Mark Gales

cs.CY cs.CL

本文提出了一种基于不确定性的去污染方法UBD，通过深度集成估计每个样本的记忆程度，无需无污染模型即可修正基准测试中的数据污染问题，并在MMLU-Pro和MATH-MCQA上验证了其有效性。

VideoAgent: All-in-One Framework for Video Understanding and Editing

Hengji Zhou et al.

cs.CV cs.AI

本文提出了VideoAgent，一个用于视频理解和编辑的全能agent框架，通过多agent编排和意图解析等技术，在视频编辑基准上取得了优于现有系统的性能。

The Watermark Shortcut: How Provenance Marking Sabotages Audio Deepfake Detection

Nicolas M. Müller, Pascal Debus

cs.SD cs.AI

本文发现音频deepfake检测模型在训练时会利用provenance watermarking作为“水印=>伪造”的虚假捷径，导致泛化退化、逃避检测和误判真实语音为伪造等问题，并指出通过在两类数据上都添加水印可以解决该问题。

Field-level weak lensing cosmology with $<100$ simulations using multifidelity simulation-based inference

Alex A. Saoulis et al.

astro-ph.CO cs.AI

本文提出了一种多保真度模拟推断方法，通过预训练快速log-normal模拟并微调少量高保真$N$-body模拟，在弱引力透镜场级推断中仅需60-100个高保真模拟即可获得校准的宇宙学后验，显著降低了计算成本。

Ultra-Peripheral Collisions as a Nuclear-Structure Interferometer with Interpretable Multitask Deep Learning

Jing-Zong Zhang et al.

nucl-th cs.LG nucl-ex physics.optics quant-ph

本文提出了一种可解释的多任务深度学习框架，用于从超外围碰撞中的相干光生过程同时推断多个核结构指标，并识别驱动每个推断的运动学区域。该方法通过分析$J/\psi$光生过程的横向动量分布，为未来高亮度实验提供了分析就绪的可观测量。

Changing Modalities: Adapting Remote Sensing Models to New Satellites and Sensors

Tim G. Zhou et al.

cs.CV cs.LG

本文研究了遥感模型在传感器和卫星变化时的适应性问题，提出了DeluluNet架构，通过modality hallucination（从现有模态预测缺失模态表示）实现模态替换、增加和子集三种场景下的模型部署，无需重新标注和训练。

FlexServe: A Fast and Secure LLM Serving System for Mobile Devices with Flexible Resource Isolation

Yinpeng Wu et al.

cs.CR cs.LG cs.OS

本文提出FlexServe系统，利用ARM TrustZone在移动设备上实现安全的大语言模型推理。通过解耦安全资源的访问权限与管理权限，该系统在保证安全性的同时显著降低了性能开销。

Automated Semantic Fault Localization in SysML v2: A Human-in-the-Loop Framework Using Knowledge-Graph Augmented LLMs

Haitham Al-Shami et al.

cs.SE cs.AI

本文提出了一种结合小语言模型和领域知识图谱的人机协同框架，用于自动定位和修复SysML v2模型中的语义错误，并通过车辆系统领域的实验验证了其有效性。

Quantum Convolutional Neural Networks for Groundwater Heat Plume Prediction: A Surrogate Modeling Approach

Danyal Maheshwari, Julia Pelzer, Miriam Schulte

quant-ph cs.LG

本文探索了Quantum Convolutional Neural Network (QCNN)作为地下水热羽流预测的surrogate model，通过降维和参数化量子电路实现温度预测。实验表明，尽管经典神经网络精度更高，但QCNN在模拟器和经误差缓解的量子硬件上展现了有竞争力的性能。

Rethinking Object-Centric Representations for Video Dynamics Modeling

Amaury Wei, Ismail Nejjar, Olga Fink

cs.CV cs.AI cs.LG

本文提出STAITUS框架，通过将每个slot解耦为appearance和geometric pose（位置/尺度）来改进无监督视频对象跟踪。该方法在appearance空间施加时间对齐，并引入自适应门控机制调整活跃slot数量，在合成和真实基准上提升了分割质量和跟踪稳定性。

SkyJEPA: Learning Long-Horizon World Models for Zero-Shot Sim-to-Real Control of Quadrotors

Pratyaksh Rao et al.

cs.RO cs.LG

本文提出SkyJEPA，一种基于Joint Embedding Predictive Architecture (JEPA)的latent dynamics model，用于四旋翼飞行器的实时控制。该方法结合了latent space中的预测与一个物理启发的prober，实现了长时域预测和zero-shot sim-to-real迁移，并通过采样最优控制实现嵌入式硬件上的实时控制。

Time Series Classification through Diffeomorphic Time Warping (DiffTW)

Vicky Geneva Haney et al.

stat.ML cs.LG

本文提出了一种基于微分同胚变换的时间序列分类方法DiffTW，通过将时间序列对齐问题转化为线性输运方程的特征曲线流近似，并利用ODE和RKHS进行建模。该方法在86个数据集中的60个上优于传统DTW方法。

Sublinearly Structured Deep Neural Networks Achieve Feature Learning Consistency for Compositional Functions

Sehwan Kim, Yan Sun, Faming Liang

stat.ML cs.LG math.ST

本文研究了次线性结构深度神经网络（sublinearly structured DNNs）在学习层次组合函数时的特征学习一致性，证明了即使在过参数化（over-parameterized）场景下，该类网络也能实现一致性，并指出许多常用CNN（如AlexNet、ResNet）具有次线性结构。该工作从统计视角解释了大规模深度学习模型在图像数据集上成功的原因，但与关键词列表中的概念关联较弱。

Development and Design of FLKit: A Structured Onboarding Toolkit for Federated Learning in Health and Life Sciences

Ashkan Pirmani et al.

cs.DC cs.LG

本文介绍了FLKit，一个为健康与生命科学领域的联邦学习（Federated Learning）设计的结构化入门工具包。它通过提供角色感知的入口点和生命周期阶段（如治理、基础设施等），帮助多学科团队克服联邦学习项目启动时的实践障碍。

DVL-DeepONet: A Physics-Guided Operator Learning for Resilient Underwater Navigation

Arup Kumar Sahoo, Itzik Klein

cs.RO cs.AI

本文提出DVL-DeepONet，一种基于物理引导的deep neural operator框架，用于在DVL波束测量缺失或噪声干扰下估计AUV的速度向量。该方法通过学习从时序惯性/DVL观测到速度的非线性operator，并利用一致性约束强制执行DVL测量物理规律，在真实AUV实验中验证了其鲁棒性。

FairBED: A Bayesian Experimental Design Approach to Gathering Fairer Data

Marcel Hedman et al.

stat.ML cs.LG

本文提出FairBED方法，通过Bayesian experimental design (BED)框架在数据采集阶段同时最大化目标变量的expected information gain并最小化敏感属性的expected information gain，以获取更公平的数据集。该方法与demographic parity存在理论联系，实验表明其训练的模型在公平性-准确性权衡上优于随机采集数据和传统BED方法。

Concordia: JIT-Compiled Persistent-Kernel Checkpointing for Fault-Tolerant LLM Inference

Yuhang Gan et al.

cs.DC cs.LG

本文提出Concordia，一种用于大语言模型推理的容错运行时系统，通过设备驻留的持久化内核实现检查点功能。该系统在GPU模块加载时介入，支持PTX和SASS级别的插桩，并JIT编译专门的增量检查点处理器，以保护KV缓存等GPU状态。

SQLConductor: Search-to-Policy Learning for Step-wise Text-to-SQL Orchestration

Yizhang Zhu et al.

cs.DB cs.AI cs.LG

本文提出SQLConductor，一种用于Text-to-SQL的逐步编排学习框架。它通过Search-to-Policy Learning将离线工作流搜索转化为可部署的策略，以在推理时动态选择下一步动作，并在BIRD-Dev数据集上取得了73.2%的执行准确率。

SuperCond-GNN: Scalable Graph Neural Network Surrogate for Superconducting Circuit Simulations

Nandana Menon, Giorgio Vallone

physics.acc-ph cs.LG

本文提出SuperCond-GNN，一种基于graph neural network的代理模型，用于预测高温超导磁体中的电压分布。该模型将超导磁体建模为lumped-element等效电路并映射为graph，通过message passing学习电路拓扑、材料属性和工作电流与电学响应之间的关系。

Approximating velocity fields with planted attractors via Neural-ODEs for classification purposes

Feliciano Giuseppe Pacifico et al.

cond-mat.dis-nn cs.LG

本文利用Neural ODEs并植入平衡点作为目标类别的吸引子，通过速度场塑造动力学过程，将输入初始条件引导至对应目标，从而实现分类任务。

Decentralized Autonomous Traffic Management through Corridor Networks

Jasmine Jerry Aloor, Aadarsh Govada, Hamsa Balakrishnan

cs.MA cs.AI cs.ET cs.RO eess.SY

本文提出了一种基于multi-agent reinforcement learning (MARL)的分散式方法，用于管理Advanced Air Mobility (AAM)走廊网络中的交通流。实验表明，在单走廊场景中训练的策略可以零样本迁移到包含合并与分叉的复杂多走廊网络，无需集中协调或重新训练。

A Generative Model for Closed-Loop Microsimulation of Signalized Intersections

Yash Ranjan et al.

cs.RO cs.AI

本文提出了一种名为Enactor的生成模型，用于信号交叉口的闭环微观交通仿真。该模型以车辆为中心，使用极坐标编码动态车辆和车道线，并通过带有空间和时间注意力机制的Transformer预测车辆下一步运动。实验表明，Enactor在恢复速度与行程时间分布上优于基线模型，并显著减少了闯红灯行为。

Neural Networks as Linear Regression: An Introduction for Statisticians

Abigail Loe, Susan Murray, Zhenke Wu

stat.ML cs.LG

本文从频率学派统计学家的视角出发，将神经网络近似为linear regression进行解释，旨在降低该领域的入门门槛。文章描述了实现这种近似的网络结构及其常见定制化方法，为后续研究提供基础。

Polycepta: Object-Centric Appearance Estimation for Multi-Object Tracking

Mohamed Nagy et al.

cs.CV cs.AI

本文提出Polycepta框架，将多目标跟踪中的外观建模重构为递归估计问题，通过为每个跟踪目标构建并持续更新独立的外观状态来替代传统的帧间匹配方法。实验表明该方法能减少身份切换并提升跟踪性能，在KITTI等数据集上达到92.27%的MOTA。

Data Selection Through Iterative Self-Filtering for Vision-Language Settings

Andrei Liviu Nicolicioiu et al.

cs.CV cs.AI cs.LG

本文提出了一种自举式的Self-Filtering方法，通过迭代训练CLIP模型并基于模型自身预测选择高质量数据，以在无需额外数据或预训练模型的情况下提升视觉-语言模型的下游性能。该方法在过滤噪声数据的同时保持了数据分布的多样性。

Log-concavity and tunneling: adiabatic quantum optimization for convex functions (with a spike)

Arthur Braida, Elie Bermot, Simon Apers

quant-ph cs.DS math-ph

本文研究了Adiabatic Quantum Optimization (AQO)中量子隧穿效应的计算加速潜力，将“Hamming weight with a spike”问题的分析推广到更一般的势能函数。文章建立了离散Schrödinger算子基态的log-concavity性质，并利用该性质对具有log-concave基态的势能族进行了微扰分析。

Hedgementation = Hedgerow Segmentation: A Remote Sensing Benchmark

Nathan Senyard et al.

cs.CV cs.LG

本文提出了Hedgementation基准，用于评估机器学习模型在10m$^2$分辨率下从遥感数据中绘制树篱地图的能力，并测试了三种基线模型在空间距离和气候区域上的泛化性能。该工作主要关注农业精细特征追踪，但方法在开创性或与关键词的契合度上较为有限。

RECALL: Recovery Experience Collection for Active Lifelong Learning in Vision-Language-Action Models

Ulas Berk Karli, Tesca Fitzgerald

cs.RO cs.AI cs.LG

本文研究了Vision-Language-Action (VLA)模型在主动持续学习中的微调效率问题，提出了一种基于不确定性引导的恢复数据收集方法。实验表明，该方法比被动模仿学习更高效，但仅使用恢复数据微调会导致灾难性遗忘，并评估了重放混合与弹性权重巩固等持续学习技术的权衡。

Diffusion Models Adapt to Low-Dimensional Structure Under Flexible Coefficient Choices

Changxiao Cai, Yuchen Jiao, Gen Li

stat.ML cs.LG math.ST

本文研究了扩散模型在灵活系数选择下对低维结构的适应性，证明了在总变差距离下达到$\varepsilon$精度所需的迭代次数为$\widetilde{O}(k/\varepsilon)$，与环境维度无关。该结果扩展了已知具有低维适应性的扩散采样器类别，为扩散模型在结构化高维数据上的经验有效性提供了理论支持。

Action-BED: Task-Driven Bayesian Experimental Design with Singly Intractable Objectives

Tom Rossa, Angus Phillips, Tom Rainforth

stat.ML cs.LG

本文提出了一种基于决策理论的贝叶斯实验设计方法ACTION-BED，将目标函数转化为单重难解形式，并利用随机梯度联合优化设计策略与下游动作策略，从而避免了传统方法中的双重难解问题。该方法无需显式后验或边际似然估计，仅需从联合模型中采样并评估下游损失函数。

AIR: Adaptive Interleaved Reasoning with Code in MLLMs

Cong Han et al.

cs.CV cs.AI

本文提出AIR框架，通过强化学习训练使多模态大模型具备自适应交错推理能力，在代码增强的数值计算任务上平均提升6.1%性能。该方法包含冷启动数据构建、数据过滤和自适应工具调用策略三个组件。

Semantic Browsing: Controllable Diversity for Image Generation

Sara Dorfman et al.

cs.CV cs.AI cs.GR cs.LG

本文提出了一种名为Semantic Browsing的方法，通过利用Vision Language Model (VLM)在文本层面引入结构化变化，而非依赖随机噪声，从而在text-to-image生成中实现可控的多样性。该方法允许用户沿着有意义的语义轴（如场景属性）导航生成的图像画廊，但并未直接涉及关键词中的核心概念。

CoorDex: Coordinating Body and Hand Priors for Continuous Dexterous Humanoid Loco-Manipulation

Sikai Li et al.

cs.RO cs.AI cs.LG

本文提出CoorDex，一种将高维身体与灵巧手控制转化为协调潜在残差控制的学习pipeline，使高自由度灵巧操作与移动同时进行。该方法通过预训练潜在先验并冻结作为动作空间，结合协调残差策略实现移动中的连续操作。

AutoDex: An Automated Real-World System for Dexterous Grasping Data Collection

Mingi Choi et al.

cs.RO cs.LG

本文提出了AutoDex，一个自动化的真实世界灵巧抓取数据收集系统，通过密集多视角感知和碰撞监控的机器人运动，实现了从候选抓取生成到物理验证的闭环，显著提升了数据收集效率。

bluearXiv-ai 论文精选

📚 跟踪学科 (Categories)

🔍 筛选关键词 (Keywords)

📊 论文统计 ↑ 回顶部

⭐ 精选论文 ↑ 回顶部

cs.LG

cs.AI

cs.IR

cs.CL

cs.DS

others

📄 所有论文 ↑ 回顶部

cs.LG

cs.AI

cs.IR

cs.CL

cs.DS

others