bluearXiv-ai - 2026-06-26

📄 所有论文 ↑ 回顶部

cs.LG

The Red Queen Gödel Machine: Co-Evolving Agents and Their Evaluators ⭐ 精选

Alex Iacob et al.

cs.LG cs.AI cs.MA cs.NE

本文提出Red Queen Gödel Machine (RQGM)，一种在非平稳效用下实现递归自我改进的演化框架。该方法通过将搜索组织为固定评估准则的epoch，并在epoch边界更新效用函数，使得在目标演化过程中每个epoch内的自我改进保证依然成立。在可验证的编程任务上，RQGM通过引入互补的agent-as-a-judge代码审查信号，将测试通过率提升至超过先前SOTA，同时使用更少的tokens（1.35x-1.72x）。在科学论文写作与评审、奥林匹克级证明写作与评分等任务中，RQGM通过共演化机制使写作者在多样化agent评审小组中获得1.78x-1.86x更高的接受率，评分者达到9%更高的真实准确率，并纠正了基线评审者对AI生成论文的过度接受偏差。

EVOM: Agentic Meta-Evolution of Actor-Critic Architectures for Reinforcement Learning ⭐ 精选

Boyun Zhang, Chao Wang, Kai Wu

cs.LG cs.AI

EVOM提出了一种基于agent的元进化框架，用于自动发现强化学习中actor-critic架构。该方法将架构搜索建模为双层优化：内层通过低保真度PPO训练权重，外层由LLM驱动的设计agent迭代优化架构程序，该agent完全独立于策略执行和环境控制。实验表明，EVOM在Ant-v4和HalfCheetah-v4上优于手动设计基线及LLM引导的随机搜索方法MLES，消融研究验证了元进化循环和LLM设计agent对最终性能不可或缺。该工作与关键词"agent"高度契合，展示了LLM作为架构设计agent在自动化机器学习中的潜力。

Optimizing CUDA like a Human: Micro-Profiling Tools as Expert Surrogates for LLM-Based GPU Kernel Optimization ⭐ 精选

Jiading Gai et al.

cs.LG

本文提出KernelPro，一个基于LLM的闭环多智能体系统，用于自动生成和迭代优化GPU kernel代码。其核心创新包括：将专家启发式编码为可插拔的micro-profiling tools，将原始硬件指标转化为自然语言反馈；采用基于roofline的两阶段工具调用架构，结合kernel级(ncu)、指令级(SASS)和系统级(nsys)分析；以及领域自适应的Monte Carlo Tree Search (MCTS)策略。在KernelBench上，KernelPro在所有难度级别上均取得state-of-the-art性能，几何平均加速比达2.42x/4.69x/5.30x，并首次在CUDA kernel优化中兼顾能效，实现11.6%的能耗降低。该方法与关键词中的agent高度契合，展示了LLM agent在底层代码优化中的开创性应用。

Localizing RL-Induced Tool Use to a Single Crosscoder Feature ⭐ 精选

Andrii Shportko et al.

cs.LG cs.AI

本文提出Dedicated Feature Crosscoders (DFC)方法，通过将RL微调引入的tool use能力定位到单个crosscoder feature上，实现了对agent行为的细粒度控制。实验表明，在Qwen2.5-3B模型上，DFC的encode-decode重构使RL模型的tool correctness提升\(+31.1 \pm 9.7\)个百分点，并被动地将tool-calling能力迁移到冻结的base模型上（capability spillover）。该方法为理解RL如何重塑语言模型内部表征提供了机制性解释，并实现了无需重训的行为控制，与关键词中的agent高度契合。

HyperDFlash: MHC-Aligned Block Speculative Decoding with Gated Residual Reduction ⭐ 精选

Luxi Lin et al.

cs.LG cs.CL

HyperDFlash提出了一种针对DeepSeek-V4中新型multi-hyper-connection (MHC)架构的块并行推测解码框架。该方法通过两个关键优化解决了MHC残差流与常规drafting设计之间的特征错位问题：一是采用预折叠残差状态作为唯一条件信号以保留多路径结构信息，二是用轻量级门控残差缩减器替代重型线性压缩器，其参数继承自内置超连接头，实现了输入感知的路径聚合且参数量减少三个数量级。实验表明，该方法在数学推理、代码合成和对话基准测试中，在平均接受draft长度和解码加速方面均显著优于原生MTP基线和标准DFlash适配，为高性能推测解码提供了有效的MHC对齐方案。

A Generalization Theory for JEPA-Based World Models ⭐ 精选

Jingyi Cui et al.

cs.LG

本文首次为基于JEPA的世界模型建立了generalization theory。作者将JEPA预训练形式化为一个条件谱图学习问题，并证明其目标等价于对action-conditioned co-occurrence matrix进行低秩分解。基于此，论文建立了JEPA预训练误差与下游规划regret之间的联系，并推导出有限样本的generalization bound。分析揭示了latent dimension在approximation error与sample error之间的固有权衡，为理解latent predictive model相较于输入级预测方法的优势与局限提供了理论洞见。

Autoregressive Boltzmann Generators ⭐ 精选

Danyal Rehman et al.

cs.LG cs.AI

本文提出Autoregressive Boltzmann Generators (ArBG)，一种基于自回归建模的新框架，用于高效采样分子系统的热力学平衡态。ArBG通过摆脱基于normalizing flows的Boltzmann Generators范式，克服了严格可逆性约束导致的表达力限制和计算昂贵的likelihood问题，并利用大型语言模型中的架构实现了更好的可扩展性。实验表明，ArBG在多个基准测试中显著优于flow-based模型，尤其在10残基的Chignolin等较大肽系统中表现突出，同时其训练的132M参数可迁移模型Robin在8残基系统上将零样本能量误差E-W\(_2\)降低了超过60%。该方法为统计物理中的平衡采样问题提供了开创性的解决方案，与关键词中的“attention”和“pretrain”等概念有潜在关联。

Physics-guided Convolutional Neural Network for Domain Growth Prediction in Systems with Conserved Kinetics

Vijay Yadav et al.

cs.LG cond-mat.soft

本文提出了一种基于attention的physics-guided CNN作为surrogate model，用于预测由Cahn-Hilliard equation描述的二元混合物相分离的微结构演化。该模型在长时间演化中保持稳定和准确，并符合Lifshitz-Slyozov domain-growth law。

\chisao{}: A GPU-Native Parallel Optimizer for Multimodal Black-Box Functions via Convergence-Anticonvergence Oscillation

Ira Wolfson

cs.LG math.NA physics.data-an stat.CO

本文提出了一种名为\chisao{}的GPU原生并行优化器，用于多模态黑盒函数的全局优化。它通过收敛-反收敛振荡循环来逃离局部陷阱并冻结确认的模式，在Simon Fraser University基准测试中实现了100%的模式恢复，速度比basin-hopping快34到39倍。

Implementation of reinforcement learning in chemical reaction networks: application to phototaxis as curiosity-driven exploration

Ruyi Tang, Grégoire Sergeant-Perthuis, David Colliaux

cs.LG q-bio.QM

本文提出一个将Partially Observable Markov Decision Process (POMDP)与Chemical-Reaction-Network Ordinary Differential Equations (CRN-ODEs)结合的框架，用于模拟单细胞藻类的趋光性导航行为。该模型将run-tumble交替解释为一种信息获取策略，并通过Inverse Reinforcement Learning (IRL)从实验轨迹中推断行为目标。

Neural Architecture Search for Generative Adversarial Networks: A Comprehensive Review and Critical Analysis

Abrar Alotaibi, Moataz Ahmed

cs.LG cs.AI

本文综述了Neural Architecture Search (NAS)在Generative Adversarial Networks (GANs)设计中的应用，分类比较了不同搜索策略与评估指标，指出进化算法与梯度方法在特定场景下的优势。

KG-TRACE: A Neuro-Symbolic Framework for Mechanistic Grounding in Antimicrobial Resistance Prediction

Naman Garg et al.

cs.LG cs.AI q-bio.QM

KG-TRACE提出了一种神经符号框架，将WHO突变知识图谱作为结构约束集成到神经基因组模型中，通过可学习的认知信任门动态加权神经证据与符号生物学知识。该方法在结核分枝杆菌耐药性预测中实现了高AUROC，并引入了生物学基础比率（BGR）指标来量化神经归因与已知生物学的对齐程度。

Necessary but Not Sufficient: Temperature Control and Reproducibility in LLM-as-Judge Safety Evaluations

Hiroki Tamba

cs.LG

本文通过实验发现，在LLM-as-judge安全评估中，将采样温度设为0并不能保证评估结果的确定性，因为API调用中的种子设置和模型内部机制仍会导致结果波动。文章建议将评估器的不一致性作为评估框架的一级健康指标。

Clue-Guided Money Laundering Group Discovery

Boyang Wang, Jianing Cao

cs.LG

本文提出Clue2Group框架，用于从初始线索逐步恢复洗钱团伙结构，通过构建局部调查上下文并利用GNN估计风险场来整合证据。该方法主要面向反洗钱应用场景，与关键词中的概念关联较弱。

Federated Hash Projected Latent Factor Learning

Jialan He

cs.LG cs.CR

本文提出了一种联邦哈希投影潜在因子模型(FHPLF)，通过将实值梯度矩阵替换为二值梯度矩阵并利用投影汉明距离建模相似性，在联邦学习框架下实现了高效的哈希学习，同时降低了通信开销并增强了隐私保护。实验表明该方法在准确率、效率和隐私保护间取得了良好平衡。

Statistical and Structural Approaches to Algorithmic Fairness

Antonio Ferrara

cs.LG cs.AI stat.ML

本文探讨了算法公平性领域的统计与结构方法，指出现代机器学习系统已演变为影响人类机会的社会技术架构，并识别了当前公平性范式的两个基本局限：依赖确定性点估计进行审计，以及将个体视为孤立实体而忽略结构背景。

Topology-Informed Neural Networks for Flood Detection in Optical and Synthetic Aperture Radar Imagery

Sophia Li et al.

cs.LG

本文利用拓扑数据分析(TDA)提取SEN12-FLOOD数据集中的拓扑描述符，并将其集成到神经网络中，以提升洪水检测的鲁棒性和可解释性。该方法旨在解决光学卫星图像被云层遮挡时的检测难题，但并未在方法或理论上展现出显著的开创性。

A General Framework for Learning Algebraic Properties from Cayley Graphs using Graph Neural Networks

Tal Weissblat

cs.LG math.GR

本文提出了一种基于Graph Neural Network (GNN)的通用框架，用于从有限群的Cayley图中学习其代数性质（如可解性、幂零性等）。实验表明，该框架能成功从图表示中提取代数信息，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。

Fast LeWorldModel

Yuntian Gao, Xiangyu Xu

cs.LG cs.CV cs.RO

本文提出Fast LeWorldModel (Fast-LeWM)，通过将局部单步latent transition model替换为action-prefix prediction，实现了并行预测未来latent状态。该方法在保持与LeWorldModel相当或更优任务成功率的同时，显著降低了规划时间，并缓解了长horizon下的累积latent误差问题。

Dataset Usage Inference without Shadow Models or Held-out Data

Wojciech Łapacz et al.

cs.LG

本文提出了一种无需shadow models或held-out数据的Dataset Usage Inference (DUI)方法，通过生成合成非成员样本并提取多样性成员信号，将DUI转化为mixture proportion estimation问题来估计训练数据比例。该方法在大型图像生成模型上验证了有效性，但与我提供的关键词列表（code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Equivariance and Augmentation for Bayesian Neural Networks

Miaowen Dong, Axel Flinth, Jan E. Gerken

cs.LG

本文研究了贝叶斯神经网络（BNNs）中数据增强与等变性的关系，推导了变分分布达到精确等变性的条件，并提出了三种新的对称化技术（如轨道扩展）以提升数据增强效果。实验表明，所提方法在等变性和整体性能上优于基线。

SSM Adapters via Hankel Reduced-order Modeling: Injection Site Determines Task Suitability in Long-Context Fine-Tuning

Omanshu Thapliyal

cs.LG cs.AI

本文提出了一种基于Hankel降阶模型的SSM适配器（HRM），用于长上下文微调中的参数高效微调。实验表明，HRM在多个长上下文任务上优于LoRA变体，但该方法主要关注序列状态累积任务，与关键词列表中的概念关联较弱。

High-Probability PL-SGD with Markovian Noise: Optimal Mixing and Tail Dependence

Dhruv Sarkar, Aprameyo Chakrabartty, Vaneet Aggarwal

cs.LG

本文研究了在Markovian噪声下满足Polyak-Łojasiewicz (PL)条件的平滑目标的一阶方法。对于轻尾情形，通过lag-blocking论证，将随机梯度下降（SGD）的高概率界从\(\widetilde{O}(t_{mix}^2/k)\)改进到最优的\(\widetilde{O}(t_{mix}/k)\)；对于重尾情形，设计了一种all-samples clipped block方法，并给出了匹配的下界。

Mesh-RL: Coupled subgrid reinforcement learning

Behnam Gheshlaghi, Bahador Rashidi, Shahin Atakishiyev

cs.LG

本文提出Mesh-RL，一种受有限元方法和区域分解理论启发的空间域分解框架，通过将环境划分为重叠子网格并强制执行边界一致的temporal-difference更新，以加速稀疏奖励环境中的值传播。该方法在不修改奖励函数或Bellman算子的前提下，提升了Q-learning、SARSA和Dyna-Q等算法的收敛速度与稳定性。

EMA-FS: Accelerating GBDT Training via Gain-Informed Feature Screening

Yan Song

cs.LG

本文提出EMA-FS方法，通过维护每个feature在boosting迭代中的split gain的exponential moving average，在warmup后仅对历史gain最高的top-K features构建直方图，从而加速GBDT训练。该方法在稠密中高维数据上取得显著加速，但在极端稀疏数据上无提升。

Does Aurora Encode Atmospheric Structure? Latent Regime Analysis and Attribution

Emma Kasteleyn, Ana Lucic

cs.LG physics.ao-ph

本文使用PCA和LRP分析Aurora模型的内部表征，发现其latent space主要按季节周期组织，而非极端风暴事件，且模型能学习到气象一致性和垂直结构。

SOLAR: AI-Powered Speed-of-Light Performance Analysis

Qijing Huang et al.

cs.LG cs.AI cs.AR cs.MA cs.PF

SOLAR是一个自动推导深度学习模型在给定硬件上理论最小执行时间（Speed-of-Light bounds）的框架。它利用LLM将PyTorch和JAX代码转换为中间表示，并通过确定性流程计算多种粒度的性能上界，为优化提供参考。

At the Edge of Understanding: Sparse Autoencoders Trace The Limits of Transformer Generalization

Praneet Suresh et al.

cs.LG

本文通过系统实验研究了预训练transformer在分布外(OOD)输入下的行为，发现OOD输入会导致模型内部产生更多错误概念。作者提出了一种基于机制的微调策略来增强LLM的鲁棒性，并开发了一种推理时诊断工具。

Deterministic Pareto-Optimal Policy Synthesis for Multi-Objective Reinforcement Learning

Aniruddha Joshi, Niklas Lauffer, Sanjit Seshia

cs.LG cs.AI

本文提出了一种基于Chebyshev scalarization的偏好条件Bellman算子，用于在多目标Markov决策过程中计算确定性Pareto最优策略。该方法通过证明算子的包络性质和单调收敛性，确保能恢复整个Pareto前沿的覆盖集，并从中提取确定性策略。

Beyond Feedforward Networks: Reentry Neural Systems as the Fundamental Basis of Subjecthood and Intrinsic Safety of Next-Generation AGI

A. S. Ushakov, Yu. N. Berdinsk

cs.LG cs.AI math-ph

本文提出了一种基于闭环reentry loop的AGI安全架构蓝图，通过数学保证自模型涌现和工具性自我保存，并给出了可计算的S-measure替代Tononi的Phi。该工作提供了完整的Python/NumPy实现和Lean 4形式化证明，但主要聚焦于AGI安全架构设计，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等方向关联度较低。

Otter Weather: Skillful and Computationally Efficient Medium-Range Weather Forecasting

Cristiana Diaconu et al.

cs.LG cs.CE

本文提出了一种名为Otter Weather的高效时空预测模型，用于中程天气预报。该模型在ERA5再分析数据上以1.5°分辨率进行评估，在训练计算量远小于前沿模型的情况下，其确定性版本在24小时预报时效上优于传统NWP基线，概率版本也取得了显著的skill提升。

Rethinking Training & Inference for Forecasting: Linking Winner-Take-All back to GMMs

Qiyuan Wu et al.

cs.LG cs.CV cs.RO

本文指出轨迹预测中常用的WTA损失与GMM模型存在训练-推理不匹配问题，并提出两种无需重训的后处理方法（测试时后验加权合并和单步EM更新）来改善模式概率的排序和预测性能。

DualEval: Joint Model-Item Calibration for Unified LLM Evaluation

Aaron J. Li et al.

cs.LG cs.CL

本文提出了DualEval框架，通过联合校准模型与评估项目（item）来统一静态benchmark和arena-style的LLM评估，在coding、math等四个领域验证了其有效性。该方法主要关注评估框架的统一与校准，与关键词中的code、context、spectral等概念关联较弱。

Embedding Foundation Model Predictions in Discrete-Choice Models with Structural Guarantees

Yingshuo Wang et al.

cs.LG econ.EM

本文提出一种两阶段adapter方法，将tabular foundation model的预测嵌入multinomial logit模型，以在保持经济结构约束（如cost monotonicity）的同时提升预测精度。该方法通过符号约束的最大似然估计和神经网络修正，在多个数据集上实现了准确率提升并保证了理论性质。

Finding the Time to Think: Learning Planning Budgets in Real-Time RL

Aneesh Muppidi et al.

cs.LG

本文研究了实时强化学习中的规划预算选择问题，提出了一种轻量级gating policy来根据状态动态选择规划时间，并在多个实时游戏中验证了其有效性。该方法与关键词中的agent相关，但整体创新性有限，未涉及code、spectral或Muon等核心概念。

A Causal Foundation Model for Structure and Outcome Prediction

Max Zhu et al.

cs.LG

本文提出了TabPFN-CFM，一个基于transformer的因果基础模型，能够从观测数据中同时预测因果结构和结果，并支持Pearl因果层次的所有三个层级。该模型在合成数据上训练，并泛化到真实数据集，在结构和结果预测任务上均优于基线方法。

Epiphany-Aware KV Cache Eviction Without the Attention Matrix

Steven Kolawole, Virginia Smith

cs.LG cs.CL

本文提出了一种名为EpiKV的KV cache eviction方法，通过计算"epiphany score"（直接从forward pass中读取的模型内部表示变化）来替代传统的attention weight评分，从而避免显式构建attention matrix。该方法无需训练或定制kernel，可直接在FlashAttention中使用，在MATH-500和AIME-2024上达到了与最强attention-based baseline相当的性能，并实现了最高2.8倍的速度提升。

When Does Quality-Aware Multimodal Fusion Matter? A Leakage-Safe Diagnostic for Decision-Level Dependence

Jaden Moon, Arvind Pillai, Andrew Campbell

cs.LG eess.AS

本文提出了一种诊断方法，通过置换测试来检验多模态融合中reliability scores是否真正影响模型决策。实验表明，在StressID和CMU-MOSEI数据集上，这些分数与模型预测之间仅存在相关性而非因果性。

Retrieval-Warmed Energy-Based Reasoning: A Five-Arm Ablation Methodology for Diffusion-as-Inference on Structured Reasoning Tasks

Libo Sun et al.

cs.LG cs.AI

本文提出了一种检索预热能量基推理（RW-EBR）方法，通过五臂消融实验（oracle, best-constant, per-query-random, shuffled, aligned）分离了类先验偏差、随机预热和图对齐值重用三种混淆效应。在连通性-2和数独任务上的实验表明，图对齐是性能提升的关键，但该方法与关键词（如code, spectral, Muon等）关联较弱。

What Survives When You Compress a Recursive Reasoner for the Edge?

Pearse Jim et al.

cs.LG

本文研究了递归推理模型在边缘设备上压缩时，量化误差在递归循环中累积导致全局推理能力崩溃的问题，发现朴素压缩（如INT4剪枝）会保留局部预测但破坏全局推理，而逐通道校准的INT4可逆转此现象。

Learning Probabilistic Filters with Strictly Proper Scoring Rules

Eviatar Bach et al.

cs.LG math.DS stat.ML

本文提出了一种基于严格适当评分规则（strictly proper scoring rules）的概率集成滤波器（PSEF），通过训练一个置换不变的transformer映射来近似贝叶斯滤波分布。该方法利用合成状态-观测轨迹进行训练，并在数值实验中展示了处理非线性、非高斯和多模态后验分布的能力。

Multipath Adaptive Gated Bottleneck Latent ODE with Raman Data Fusion for Cell Culture Process Forecasting

Johnny Peng et al.

cs.LG cs.AI cs.CE

本文提出了一种结合Gated Bottleneck Latent ODE与Multi-Path Just-In-Time Fine Tuning的自适应框架，用于哺乳动物细胞培养过程的早期预测。该方法通过融合Raman光谱数据来增强稀疏的离线测量，并生成多条可能的预测路径，在38批次的生物反应器运行数据上取得了优于全局Latent ODE基线的效果。

Theory-Scale Auto-Formalization of Logics for Computer Science

Yuming Feng et al.

cs.LG cs.LO cs.PL

本文提出了一个基于计算机科学逻辑的理论级自动形式化基准LCS-Bench，通过半自动化流程构建了包含大量Lean代码的数据集，并设计了评估协议。实验表明该基准具有挑战性，但未直接涉及关键词中的核心概念。

Sample-efficient Transfer Reinforcement Learning via Adaptive Reward Shaping and Policy-Ratio Reweighting Strategy

Wenjie Huang et al.

cs.LG

本文提出了一种基于自适应奖励塑形和策略比重新加权策略的安全迁移强化学习框架，用于自动驾驶高速公路变道决策。该方法通过教师干预机制和加权优化策略来缓解源域与目标域之间的分布偏移问题，并在实验中提升了安全性和学习效率。

CascadeFormer: Depth-Tapered Transformers Motivated by Gradient Fan-in Asymmetry

Huzama Ahmad, Cao Viet Hai Nam, Se-Young Yun

cs.LG cs.AI

本文提出CascadeFormer和CascadeFlow Pruning两种方法，利用深度Transformer中深层贡献较小的不对称性来提升效率。作者提出Gradient Fan-in Asymmetry (GFA)理论解释该现象，并通过实验提供证据，但方法本身在开创性上有限，且与关键词列表契合度不高。

Can Large Language Models Reliably Code Qualitative Humanitarian Data? A Benchmark Study Against Human Expert Adjudication

Jerome Marston et al.

cs.LG cs.CY

本文评估了46个LLM在编码定性人道主义数据时的可靠性，通过与人类专家标准对比发现，LLM在结构化提示下能达到与人类相当的编码水平，但在识别间接表达的需求和敏感保护问题上存在局限。研究强调LLM可扩展分析能力，但不能完全替代人类判断。

Revisiting Action Factorization for Complex Action Spaces

Timothy Flavin, Sandip Sen

cs.LG

本文对复杂动作空间中的action factorization方法进行了横截面研究，在多个轻量级环境中测试了多种factorization方法（如independent networks, VDN, QPLEX等）与算法（PPO, SAC, DQN）的组合，并引入了VDN-PPO和PPO-MIX等变体。结果表明，Auto-Regressive actions和native continuous SAC性能最高，但计算成本也更高。

SharQ: Bridging Activation Sparsity and FP4 Quantization for LLM Inference

Haoqian Meng et al.

cs.LG cs.AI

本文提出SharQ方法，通过在线稀疏-稠密分解将activation sparsity与FP4 quantization结合，用于LLM推理加速。该方法无需训练或校准数据，在多种模型和格式上验证了有效性，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Empirical Software Engineering TerraProbe: A Layered-Oracle Framework for Detecting Deceptive Fixes in LLM-Assisted Terraform

Manar Alsaid, Chimdumebi Nebolisa, Faris Abbas

cs.LG cs.CR

本文提出了TerraProbe，一个五层oracle框架，用于评估LLM辅助的Terraform安全修复。实验表明，仅依赖静态分析工具（如Checkov）的移除会高估修复成功率，大量修复属于deceptive fixes（欺骗性修复），即通过自动化检查但未真正解决漏洞。

Sketched Linear Contrastive Learning: Approximation, Optimization, and Statistical Scaling

Ziyan Chen, Zhongzhu Zhou, Ding-Xuan Zhou

cs.LG

本文研究了一种在配对Gaussian隐变量设置下的sketched线性对比学习模型，分析了使用全批量经验梯度下降训练双线性对比分数时的风险分解，并推导了关于sketch维度、样本量和优化有效步数的显式缩放律。该工作为对比学习中的缩放行为提供了初步理论步骤。

Discovering Millions of Interpretable Features with Sparse Autoencoders

XinYang He et al.

cs.LG cs.AI

本文介绍了Qwen3-Instruct SAE，一个在Qwen3指令微调模型家族上训练的Sparse Autoencoder套件，覆盖了不同规模模型的关键激活位点。通过评估重建与恢复指标，展示了稀疏性与保真度之间的权衡，并利用拒绝行为引导案例验证了其因果干预能力。

From Weights to Features: SAE-Guided Activation Regularization for LLM Continual Learning

Evan Ning et al.

cs.LG cs.CL

本文提出了一种基于Sparse Autoencoder (SAE)的激活空间正则化方法，用于缓解大语言模型在continual learning中的灾难性遗忘问题。该方法通过SAE特征字典在激活空间中进行正则化，相比传统的权重空间方法（如EWC）更高效且性能更优。

Target-Aware Bandit Allocation for Scalable Surrogate Optimization in Chemical Space

Mohammad Haddadnia et al.

cs.LG

本文提出BOBa框架，通过将action space划分为多个partition并视为multi-armed bandit中的arms，自适应分配计算资源以替代全库surrogate inference，从而在化学空间中实现可扩展的surrogate optimization。实验表明，结合乐观不确定性的bandit策略能有效平衡inference与evaluation的分配，并支持超大规模虚拟筛选。

Zero-Shot Size Transfer for Neural ODEs on Sparse Random Graphs: Graphon Limits and Adjoint Convergence

Mingsong Yan, Zhida Wang, Sui Tang

cs.LG cs.AI math.DS math.NA math.OC

本文研究了稀疏随机图上Neural ODE的零样本尺寸迁移问题，通过引入Graphon Neural Differential Equations作为无限节点极限，证明了GNDE解以\(O((\alpha_n n)^{-1/2})\)的速率收敛到Graphon-NDE解，并分析了离散-优化与优化-离散训练的一致性。实验验证了理论速率及零样本迁移的有效性。

PersistentKV: Page-Aware Decode Scheduling for Long-Context LLM Serving on Commodity GPUs

Muhammad Ahmed

cs.LG

本文提出PersistentKV，一种面向长上下文LLM服务的页感知解码调度引擎，通过按KV-head组映射工作、复用K/V tile并引入紧凑工作队列调度，在commodity GPU上优化了grouped-query attention的解码性能。实验表明，自适应策略在不同batch size和长上下文场景下相比FlashInfer实现了1.063-1.399x的吞吐提升。

Algorithmic Foundations of Deep Learning: Complexity-Theoretic Rates and a Characterization of Universal Approximation

Anastasis Kratsios et al.

cs.LG cs.AI cs.LO math.NA

本文从算法复杂性角度研究前馈神经网络的表达能力，提出神经网络应被视为计算模型而非仅灵活基函数，并证明了若函数可由指定基本门语言上的实值电路计算，则可用具有显式深度、宽度和非零参数边界的神经网络以可比精度计算。该理论为连续函数、Besov类等提供了通用逼近保证，并通过最短路径计算等例子展示了其精度。

Structure Before Collapse: Transient semantic geometry in next-token prediction

Yize Zhao, Isabel Papadimitriou, Christos Thrampoulidis

cs.LG cs.CL

本文研究了next-token prediction语言模型在one-hot训练下如何学习到潜在的语义结构。作者通过合成实验发现，语义几何结构在训练早期短暂出现，但最终会收敛到对称的Neural Collapse状态，并提出了对unconstrained features模型的初步修改。

Batch-Invariant Spectral Intelligence for Robust and Explainable Insect Authentication

Majharulislam Babor et al.

cs.LG

本文提出Batch-Invariant Spectral Network (BISN)，通过可学习的预处理模块和熵正则化对抗目标抑制批次间光谱变化，在昆虫物种认证任务中提升了跨批次鲁棒性，并利用可解释AI验证了模型决策与脂质和蛋白质吸收区域的关联。

Escaping Iterative Parameter-Space Noise: Differentially Private Learning with a Hypernetwork

Naoki Nishikawa, Shokichi Takakura, Satoshi Hasegawa

cs.LG stat.ML

本文提出了一种新的差分隐私学习框架，通过使用在公共数据集上训练的hypernetwork将私有数据集映射到目标模型参数，避免了迭代参数空间噪声。该方法将每个样本嵌入到低维表示中，聚合并扰动后得到差分隐私数据集嵌入，再由hypernetwork生成模型参数，从而显著降低噪声影响。

Reproducibility Study of "AlphaEdit: Null-Space Constrained Knowledge Editing for Language Models"

Ananth K S, Arya Hariharan

cs.LG cs.CL

本文复现了AlphaEdit方法在原始实验设置下的结果，但发现其优势在新模型架构和长序列编辑场景下不成立，且编辑规模增大会导致下游任务性能和安全行为退化。

AIGP: An LLM-Based Framework for Long-Term Value Alignment in E-Commerce Pricing

Chennan Ma et al.

cs.LG cs.AI cs.CL

本文提出AIGP框架，利用LLM结合领域知识和结构化数据生成可解释的定价决策，并通过离线强化学习训练的LTVE模型与DPO对齐长期商业目标。实验在电商平台Tao Factory上验证了GMV、ROI等指标的显著提升。

Reasoning Quality Emerges Early: Data Curation for Reasoning Models

Hongyi Henry Jin et al.

cs.LG

本文提出了一种基于初始推理token的loss来筛选高质量SFT数据的方法，用于提升大语言模型的推理能力。实验表明该方法在token效率上比现有方法提升91%，但方法本身并非开创性突破，且与关键词列表关联较弱。

Quantization in Federated Learning: Methods, Challenges and Future Directions

Farwa Ikram et al.

cs.LG

本文系统综述了联邦学习中的量化方法，从客户端异质性、聚合一致性、非IID鲁棒性等维度构建了分类体系，并分析了量化与客户端漂移、差分隐私等核心行为的交互。该工作将量化定位为影响联邦学习性能与实用性的系统级组件，而非单纯的压缩技术。

Asymptotically Optimal Learning for Parametric Prophet Inequalities

Jung-hun Kim, Anna Grebennikova, Vianney Perchet

cs.LG stat.ML

本文研究了参数化prophet inequalities中的学习问题，针对指数型参数族（如指数分布、Pareto分布等）的i.i.d.奖励，刻画了最优全信息渐近竞争比，并提出了一种基于置信度的动态规划策略，该策略仅利用在线观测即可达到相同的最优渐近竞争比。

GEOALIGN: Geometric Rollout Curation for Robust LLM Reinforcement Learning

Ting Zhou et al.

cs.LG cs.AI

本文提出GEOALIGN方法，通过检测rollout在representation space中的方向不一致性来筛选训练数据，以提升LLM在线强化学习的稳定性。该方法作为轻量级插件，在对话对齐和数学推理任务上优于现有方法。

Decision-Aligned Evaluation of Uncertainty Quantification

Annika Schneider et al.

cs.LG cs.AI stat.ML

本文提出了一种决策对齐的准则，用于评估机器学习中的uncertainty quantification (UQ) 指标与下游决策效用的对齐程度，并指出许多常用指标（如negative log-likelihood）存在错位问题。通过引入prior-weighted utility metrics，作者展示了该方法在实验中比传统指标更能反映实际决策效用，但该工作主要聚焦于评估框架，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等方向无直接关联。

Uncertainty quantification via conformal prediction in data assimilation

Catherine George et al.

cs.LG

本文研究了conformal prediction (CP)在数据同化中的不确定性量化应用，比较了三种CP变体与传统ensemble-based方法在简化大气模型上的表现。结果表明CP方法在特定场景下具有优势，但整体方法创新性有限。

Just how sure are you? Improving Verbalized Uncertainty Calibration in Medical VQA

Eren Senoglu et al.

cs.LG cs.CL cs.CV

本文针对Medical VQA中MLLMs过度自信的问题，提出了一种基于训练的校准框架，通过组合Brier校准项、锚点正则化、对比图文对齐项和KL散度稳定项来微调模型，并采用\(2 \times 2\)因子扰动设计来探测模型对视觉模态的依赖。实验表明该方法在多个基准上显著降低了校准误差并提升了判别能力。

Symplectic Neural Networks for learning Generalized Hamiltonians

Harsh Choudhary et al.

cs.LG

本文提出了一种基于隐式symplectic integrator的Hamiltonian Neural Networks训练方法，通过预测-校正ODE求解器和定点迭代降低计算成本，并利用backward error analysis改进学习到的Hamiltonian的精度。该方法在非可分离混沌系统的系统辨识和能量守恒方面展示了数值优势。

State Representation Matters in Deep Reinforcement Learning: Application to Energy Trading

Jesper Klicks, Sander Vržina, Vincent François-Lavet

cs.LG cs.AI

本文研究了在抽水蓄能套利环境HydroDam中，状态表示对深度强化学习agent性能的影响，通过固定Double DQN agent并比较不同市场特征组合（绝对价格、相对特征、预测特征）来评估。实验表明，结合多种特征族（如绝对+相对+预测）能显著提升策略在跨市场区域的迁移鲁棒性，而单一特征族表现较差。

Finding Stationary Points by Comparisons

Helin Wang et al.

cs.LG cs.DS math.OC quant-ph

本文研究了仅通过比较两个点的函数值大小（comparison oracle）来寻找非凸函数驻点的问题，并提出了一个算法，在函数二阶可导且梯度与Hessian矩阵Lipschitz连续时，使用\(\widetilde O(n^2/\epsilon^{1.5})\)次查询即可找到\(\epsilon\)-驻点。此外，文章还探讨了量子比较oracle模型下的相应算法。

Data-Free Reservoir Features for Efficient Long-Horizon Cold-Start Continual Learning

Augustinas Jučas, Yangchen Pan

cs.LG cs.AI

本文提出CIRCLE方法，使用固定的双向二维reservoir features（一种随机特征提取器）和streaming linear discriminant analysis heads，在无数据回放的情况下解决cold-start class-incremental learning问题。该方法避免了骨干网络训练，在长任务序列上表现优于现有方法，但未涉及code、context、spectral等关键词。

Transformer-Based Classification of Bacterial Raman Spectra with LOOCV

Jamile Mohammad Jafari, Thomas Bocklitz

cs.LG

本文系统评估了基于Transformer的模型在细菌Raman光谱分类中的性能，使用嵌套留一重复交叉验证框架，并与PCA/ICA结合LDA、SVM和随机森林等传统方法进行比较。结果表明Transformer在独立测试重复中持续达到最高分类性能，且对原始光谱无需预处理即可保持鲁棒性。

Heavy-Ball Q-Learning with Residual Weighting Correction

Donghwan Lee

cs.LG cs.AI

本文提出了一种带残差权重修正的heavy-ball Q-learning方法，并基于switched linear system (SLS)表示和joint spectral radius (JSR)理论证明了其收敛性，同时分析了其相对于标准Q-learning的加速条件。该方法还扩展到了线性函数逼近的Q-learning场景。

Cross-Head Attention Uplift Network with Inverse Propensity Score under Unobserved Confounding

Haoran Zhang et al.

cs.LG

本文提出Cross-Head Attention Uplift Network (CHAUN)和Robust Adversarial Inverse Propensity Score (RA-IPS)方法，用于解决uplift modeling中处理组间相似性和未观测混杂下的去偏问题。CHAUN通过共享特征嵌入和交叉头注意力机制动态整合处理组与对照组的表示，RA-IPS则通过对抗优化在不确定集内调整倾向权重以缓解未观测变量带来的偏差。

Kolmogorov Arnold networks (KAN) for aerodynamic prediction: a comparison with MLPs and GNNs

Miguel Jaraiz et al.

cs.LG physics.data-an physics.flu-dyn

本文比较了KAN、MLP和GNN在空气动力学代理建模（预测亚音速和跨音速翼型表面压力分布）中的性能。结果表明，KAN模型性能与MLP相当（略逊一筹），且训练不稳定，而GNN性能最佳但训练时间更长。

fTNN: a tensor neural network for fractional PDEs

Qingkui Ma, Hehu Xie, Xiaobo Yin

cs.LG

本文提出fTNN，一种用于分数阶PDE的确定性tensor neural network子空间方法，通过几何自适应积分分裂和边界奇异性感知的试验函数处理分数阶Laplacian。数值实验表明该方法在精度上优于现有fPINN和Monte Carlo基线。

Stochastic Gradient Optimization with Model-Assisted Sampling

Jonne Pohjankukka, Jukka Heikkonen

cs.LG stat.ME

本文提出了一种模型辅助采样框架，将mini-batch梯度估计视为有限总体抽样问题，通过引入辅助梯度预测模型来构建更高效的梯度估计器，从而降低随机梯度估计的方差。该方法可与现有优化器（如AdamW）集成，在71-86%的实验中提升了性能，尤其在中等规模输入空间上效果显著。

RecallRisk-BERT: A Multi-Task Framework for Post-Report Medical Device Recall Triage

Ali Semih Atalay, Sevgi Yigit-Sert

cs.LG

本文提出RecallRisk-BERT，一个多任务框架，用于对FDA医疗设备召回记录进行自动分类，同时预测召回严重等级和根因类别。该模型结合了PubMedBERT文本表示与结构化特征嵌入，实验表明其在多任务设置下优于单任务基线。

Automating Potential-based Reward Shaping with Vision Language Model Guidance

Henrik Müller, Daniel Kudenko

cs.LG cs.AI cs.RO

本文提出VLM-PBRS框架，利用视觉语言模型(VLM)的偏好反馈来学习potential-based reward shaping中的potential函数，以解决稀疏奖励问题。该方法通过小规模VLM生成图像对偏好标签来训练potential函数，在Meta-World和Franka Kitchen环境中验证了其能提升样本效率并保持最优策略不变性。

Explaining Temporal Graph Neural Networks via Feature-induced Information Flow

Ping Xiong et al.

cs.LG

本文针对事件时序图神经网络(ETGNNs)的可解释性问题，提出了一种基于归一化相关测度(NRM)框架的归因方法，通过分析所有事件相关变量的完整信息流来生成解释。该方法通过模块化分解处理ETGNN的架构复杂性，并在流行病追踪和社交动力学等数据集上验证了其优于现有解释方法。

Graph Neural Networks Applications Across Domains: All Insights You Need

Abderaouf Bahi

cs.LG

本文综述了Graph Neural Networks (GNNs) 在十二个应用领域中的设计选择、架构优势与局限性，并基于Weisfeiler-Leman hierarchy分析了其表达能力。文章指出，异质性(heterophily)和规模(scale)是普遍挑战，且公开排行榜上的架构往往难以实际部署。

The Geometry of Updates: Fisher Alignment at Vocabulary Scale

John Sweeney

cs.LG cs.CL stat.ML

本文提出FisherSketch方法，通过将head Fisher alignment等价为联合激活-误差空间中的kernel mean embeddings之间的cosine，避免了直接计算Fisher矩阵的高昂代价。该方法在共享词汇表的LLM家族中，以流式单次pass估计该cosine，使得在词汇规模下进行源选择成为可能。

Effective Covariance Dynamics in Solvable High-Dimensional GANs

Andrew Bond, Zafer Doğan

cs.LG

本文研究了一个可解的高维生成对抗网络（GAN）模型，其中线性生成器从具有结构化潜在协方差的数据中学习低维子空间。通过将分析扩展到类依赖、相关且非零均值的潜在结构，作者证明了微观训练过程在高维极限下收敛到由有效协方差驱动的确定性常微分方程，并揭示了低秩相关可以提升弱方向的可学习性。

RSPC: A Benchmark for Modeling Stress and Psychiatric Conditions in Digitally Mediated Relationships using Psychiatrist Annotations

Parmitha Vangapandu et al.

cs.LG

本文提出了一个名为RSPC的benchmark，包含由psychiatrist标注的Reddit帖子，用于建模远程关系中的stress和psychiatric conditions。作者在multi-label disorder classification、relational trigger detection和temporal phase prediction任务上评估了多种transformer和large language model，发现不同模型在任务间存在能力差异。

BetXplain: An Explanation-Annotated Dataset for Detecting Manipulative Betting Advertisements on Social Media

MSVPJ Sathvik et al.

cs.LG

本文构建了一个名为BetXplain的标注数据集，用于检测社交媒体上具有操纵性的博彩广告，并分析了其常用策略及对用户心理健康的影响。该工作主要贡献在于提供了带有人工解释的标注数据，但未涉及code、spectral、Muon等关键词相关的方法。

How Good Can Linear Models Be for Time-Series Forecasting?

Lang Huang, Jinglue Xu, Luke Darlow

cs.LG

本文使用Ridge regression作为测试平台，通过搜索context length、local normalization等超参数，发现最优lookback长度具有强烈的序列特异性，且normalization策略倾向于使用学习到的trailing fraction而非整个context。这些优化后的线性模型在多个基准上超越了Transformer、MLP和CNN基线，但方法本身并非开创性，也未直接契合关键词中的spectral、Muon或agent等概念。

Recovering Governing Equations from Solution Data: Identifiability Bounds for Linear and Nonlinear ODEs

Yang Pan, Helmut Bölcskei

cs.LG cs.IT math.CA math.DS

本文引入solution set上的Hausdorff distance作为比较微分方程的自然度量，并建立了从多个解观测中唯一且稳定地识别线性与非线性ODE的可辨识性界，同时给出了样本复杂度的定量分析。

Designing Reward Signals for Portable Query Generation: A Case Study in Industrial Semantic Job Search

Ping Liu et al.

cs.LG

本文针对工业语义招聘搜索中的便携式查询生成问题，提出了一个基于RLAIF的端到端框架，重点研究了奖励信号设计对策略优化的影响。实验表明，通过引入确定性规则奖励基底来修正奖励黑客行为，可显著提升查询质量，但该工作主要聚焦于工程应用而非理论创新。

A Multi-Fidelity Convolutional Autoencoder-Transfer Learning Framework for Guided-Wave-Based Damage Diagnosis Using Large Simulated and Limited Experimental Datasets

Santosh Kapuria, Abhishek

cs.LG

本文提出了一种多保真度卷积自编码器-迁移学习框架，用于基于导波的损伤诊断。该方法利用轻量级物理仿真生成大量合成数据预训练模型，再通过少量实验数据微调，实现了对板状结构中损伤的准确定位与尺寸估计。

Blackwell Approachability and Gradient Equilibrium are Equivalent

Brian W. Lee et al.

cs.LG

本文证明了Gradient Equilibrium (GEQ)与Blackwell approachability在算法意义上是等价的，即两者可以通过黑盒oracle相互转换且无渐近损失。结合已知的approachability、regret minimization与calibration之间的等价关系，该结果将GEQ也纳入这一框架体系。

Beyond the Hard Budget: Sparsity Regularizers for More Interpretable Top-k Sparse Autoencoders

Nathanaël Jacquier, Maria Vakalopoulou, Mahdi S. Hosseini

cs.LG cs.AI

本文提出两种与Top-\(k\) Sparse Autoencoder架构兼容的稀疏正则化器，通过在Top-\(k\)选择前对激活施加\(\ell_1\)惩罚或尺度不变的\(\ell_1/\ell_2\)比率惩罚，在不牺牲重建质量的前提下提升了特征的单义性，并发现硬性架构稀疏与软性稀疏正则化是互补的。

Hallucination in World Models is Predictable and Preventable

Nicklas Hansen, Xiaolong Wang

cs.LG cs.CV cs.RO

本文研究了生成式world model中的hallucination问题，发现其集中在state-action空间的低覆盖区域，并提出了三种hallucination模式及对应的预测信号。通过coverage-aware采样和curiosity奖励，该方法能以少量真实轨迹微调预训练模型，但未涉及code、spectral或Muon等关键词。

Error-Conditioned Neural Solvers

Haina Jiang et al.

cs.LG cs.AI cs.CV math.NA

本文提出了一种名为Error-Conditioned Neural Solvers (ENS)的神经求解器，其核心创新在于将PDE残差场作为网络输入，而非优化目标，从而让网络学习迭代修正自身预测的策略。该方法在多个PDE族上取得了优于传统混合方法的预测精度，尤其在病态系统和分布偏移下表现突出，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Reinforcement Learning without Ground-Truth Solutions can Improve LLMs

Yingyu Lin et al.

cs.LG

本文提出RiVER框架，通过校准的连续奖励（基于执行反馈）训练LLM处理无标准答案的评分优化任务，解决了奖励尺度主导和频率主导问题。实验表明该方法在评分任务上提升性能，但未能显著迁移到精确解基准，与关键词关联较弱。

cs.AI

auto-psych: Automating the science of mind using agent-driven theory discovery and experimentation ⭐ 精选

Ben Prystawski et al.

cs.AI

本文提出auto-psych系统，利用嵌套的agent-driven discovery loops自动生成和验证计算认知科学中的理论。系统通过inner loop（猜想、拟合和批判概率认知模型）与outer loop（设计实验、在线收集人类数据并分析）的协同工作，在合成数据上能快速恢复ground-truth理论，并在人类实验中发现了比文献中现有理论拟合更好的模型。该方法为agent在自动化科学发现中的应用提供了开创性范例，尤其契合关键词中的agent概念。

Radical AI Interpretability ⭐ 精选

Daniel A. Herrmann, Benjamin A. Levinstein

cs.AI cs.LG

本文从哲学上的radical interpretation传统出发，结合mechanistic interpretability的工具，为将AI系统解释为agent（智能体）提供了一个理论框架。核心问题是：给定系统的计算事实，如何求解其beliefs（信念）、desires（欲望）和meanings（意义）。文章强调这些属性是整体性（holistic）约束的，不能孤立地归因，并提出了针对representationalist和interpretationist两种路径的评判标准，为可靠地检测AI系统的欺骗行为等安全目标提供了方法论基础。该工作与关键词“agent”高度契合，并为该领域提供了开创性的理论框架。

SKILL-DISCO: Distilling and Compiling Agent Traces into Reusable Procedural Skills ⭐ 精选

Zhongxin Guo et al.

cs.AI

本文提出SkillDisCo框架，将agent在FSM定义场景中的成功执行轨迹蒸馏为可复用的参数化控制流子图（PFSM subgraphs），并编译为可调用、可执行且可验证的过程性技能。该方法通过识别轨迹间的共享过程结构，将agent的重复任务求解从零开始推理转变为复用已有技能，从而降低推理成本并缩短执行路径。在ALFWorld和WebArena上的实验表明，SkillDisCo能提升任务成功率并减少agent交互轮次，验证了将共享经验表示为可复用执行结构的有效性。该工作与关键词中的agent高度契合，为agent技能复用提供了结构化的新范式。

EGG: An Expert-Guided Agent Framework for Kernel Generation ⭐ 精选

Yaochen Han et al.

cs.AI

本文提出EGG框架，将GPU kernel生成分解为算法结构设计与硬件特定调优两个层次，通过专家优化原则引导LLM决策。该方法设计了一种阶段感知的多agent协作机制，用于管理跨阶段和阶段内的context，确保优化轨迹的稳定性。实验表明，EGG在KernelBench和真实负载上相比PyTorch实现了2.13倍的平均加速，超越了现有基于agent和强化学习的方法。该工作为自动化kernel生成提供了agent驱动的结构化优化范式。

AgentX: Towards Agent-Driven Self-Iteration of Industrial Recommender Systems ⭐ 精选

Changxin Lao et al.

cs.AI cs.CL cs.IR

AgentX是一个面向工业推荐系统的多智能体系统，它通过四个紧密耦合的阶段（Brainstorm Agent、Developing Agent、Evaluation Agent和Harness Evolution层）实现了从假设生成到在线实验的自动化闭环。该系统利用SGPO（Semantic-Gradient Policy Optimization）方法将执行轨迹转化为语义梯度更新，使智能体能够自我进化。AgentX的核心贡献在于将推荐算法的迭代从依赖人工的“手工艺”过程转变为可规模化、自驱动的工业化流程，解决了该领域长期存在的执行瓶颈问题。

A Process Harness for Uplifting Legacy Workflows to Agentic BPM: Design and Realization in CUGA FLO ⭐ 精选

Fabiana Fournier, Lior Limonad

cs.AI

本文提出了一种名为process harness的新机制，用于将遗留工作流提升为Agentic BPM（Agentic Business Process Management），而无需替换底层工作流引擎。为此，作者开发了Task-Decision-Flow (TDF)模型，该模型将LLM推理分解为三种受策略约束的agent类型：TaskAgent、DecisionAgent和FlowAgent，并通过一个名为CUGA FLO的系统实现了该模型。该方法通过策略框架下的agentic autonomy（agent自主性）与确定性工作流执行的结合，为工作流管理领域提供了一种兼顾规范性与灵活性的新范式，与关键词“agent”高度契合。

Detecting and Controlling Sycophancy with Cascading Linear Features

Maty Bohacek et al.

cs.AI

本文提出了一种迭代数据生成pipeline，通过分离与sycophancy行为线性相关的cascading features来检测和控制语言模型中的谄媚倾向。该方法使用线性可分的subspaces进行activation steering，在计算效率和可解释性上优于baseline方法。

Life After Benchmark Saturation: A Case Study of CORE-Bench

Nitya Nadgir et al.

cs.AI

本文以CORE-Bench Hard基准测试为案例，探讨了在基准测试准确率饱和后，如何从效率、可靠性、模型与scaffold的相对重要性等六个维度评估agent性能，并提出了改进的基准CORE-Bench v1.1及分布外任务套件CORE-Bench OOD。

Refusal Lives Downstream of Persona in Chat Models

Viola Zhong, Qirui Li

cs.AI

本文研究了指令微调聊天模型中refusal（拒绝）与persona（人格）在激活空间中的线性方向交互，发现compliant persona（顺从人格）会抑制refusal的表达，且refusal的gating（门控）发生在late-layer（深层）的表达阶段，而非计算阶段。

AlgoEvolve: LLM-driven Meta-evolution of Algorithmic Trading Programs

Dhruv Sharma, Gautam Shroff

cs.AI

本文提出AlgoEvolve框架，利用LLM作为语义变异算子，通过进化算法生成和优化算法交易策略，并引入元进化外循环来改进提示词。该方法在噪声和非平稳的金融领域展示了LLM驱动程序合成的潜力。

Agentic Analysis for Agentic Infrastructure: An LLM-Powered Pipeline for Comparative Governance of DAO and Corporate AI Protocols

Yutian Wang, Luyao Zhang

cs.AI cs.MA

本文提出了一种基于LLM的自动化分析流程，用于比较DAO和公司主导的AI agent协议（如ERC-8004与Google A2A）的治理结构，通过主题建模与多层网络分析揭示了参与不平等与社区碎片化现象。

Knowledge-augmented Agentic AI for Mental Health Medication Information Seeking

Huizi Yu et al.

cs.AI

本文开发了一个基于知识图谱的多agent框架，整合了Reddit、WebMD和FDA不良事件报告系统中的抗抑郁药物信息，利用大语言模型进行实体识别，并区分了患者生成数据与监管报告的证据来源。

Accelerating Skill Assessment in Chess: A Drift-Diffusion-Enhanced Elo Rating System

Tianyuan Zhou, Zhizheng Fu, Tianming Yang

cs.AI

本文提出了一种名为DD-Elo的棋类技能评估框架，通过引入drift diffusion model来整合棋步级别的数据，以加速对棋手技能变化的响应。该方法在理论上证明了与经典Elo系统的偏差有界，但主要贡献在于工程应用而非理论开创性。

Governing Actions, Not Agents: Institutional Attestation as a Governance Model for Autonomous AI Systems

Jakob Salfeld-Nebgen

cs.AI cs.CR

本文提出了一种针对自主AI agent系统的治理模型，通过要求独立认证的证据来约束高风险行动的执行，而非监控其推理过程。该模型允许agent保留规划和推理的自主权，但将执行权限与可验证的预条件绑定，并提供了概念验证实现。

COrigami: An AI Pipeline for Co-Designing Flat-Foldable Visually Recognisable Origami

Tom Zahavy et al.

cs.AI

COrigami是一个端到端的AI驱动pipeline，用于从自然语言生成满足flat-foldability（平面可折叠性）几何约束的折纸crease pattern（折痕图）。它结合了语义骨架生成、base packing求解和强化学习驱动的美学评估循环，作为人类艺术家的协作辅助工具。

The Verification Horizon: No Silver Bullet for Coding Agent Rewards

Binghai Wang et al.

cs.AI cs.CL

本文探讨了编码agent中验证信号的设计挑战，指出随着模型能力增强，验证比生成更难，并分析了测试验证器、rubric验证器等四种奖励构造的局限性。实验表明，固定奖励函数无法随策略能力增长保持有效，验证需与生成器共同进化。

How Do Tool-Augmented LLM Agents Perform on Real-World Energy Analytics Tasks?

David Akinpelu et al.

cs.AI

本文研究了工具增强型LLM agent在真实世界能源市场分析任务中的表现，构建了包含243个专家问题的评估环境，并配备了实时电力市场API等专业工具。实验对比了闭源和开源LLM在能源领域多步推理任务中的能力差异。

What We are Missing in Multimodal LLM Evaluation?

Po-han Li et al.

cs.AI

本文指出现有多模态大语言模型评估基准的局限性，包括缺乏对跨模态信息整合、时空连贯性、物理世界理解等能力的测试，并呼吁开发更全面的评估方法。

OpenFinGym: A Verifiable Multi-Task Gym Environment for Evaluating Quant Agents

Kaicheng Zhang et al.

cs.AI cs.LG

OpenFinGym是一个用于量化金融agent开发的统一gym环境，覆盖预测、市场生成、实时交易和欺诈检测等多个任务，并提供了自动化任务构建pipeline和容器化运行时。该工作主要关注量化金融领域的agent评估平台构建，与关键词中的agent概念有一定关联，但方法本身不具备显著的开创性。

Instruction Bleed: Cross-Module Interference in Prompt-Composed Agentic Systems

Ching-Yu Lin, Yifan Liu

cs.AI cs.IR cs.MA

本文研究了prompt-composed agentic系统中跨模块干扰现象，将其形式化为compositional behavioral leakage (CBL)，并通过实验证明内容通道会产生可检测的配对效应。该工作为agent系统评估提供了操作定义和可复用协议。

Accelerating Returns and the Qualitative Engine for Science

Guojun Liao

cs.AI

本文对Ray Kurzweil的加速回报理论给出了一个简单的数学解释，并指出该理论主要适用于执行性和基础设施能力的指数级增长，而无法解决科学发现中关于定性推理的核心问题。文章将“科学发现的定性引擎”（QES）定位为对这一缺失能力的回应，强调科学发现过程本身是一种值得保存的人类智慧。

Narration-of-Thought: Inference-Time Scaffolding for Defeasible Ethical Reasoning in Large Language Models

Patrick Cooper, Alvaro Velasquez

cs.AI cs.CL cs.CY

本文提出Narration-of-Thought (NoT)方法，通过结构化系统提示将chain-of-thought分解为五个部分，以解决大语言模型在道德推理中的stakeholder collapse和uncertainty suppression问题。实验表明NoT显著改善了推理质量，但该方法与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等概念无直接关联。

Geometry-Aware MCTS for Extremal Problems in Combinatorial Geometry

Luoning Zhang et al.

cs.AI cs.CG cs.LG math.CO

本文提出了一种Geometry-Aware MCTS框架，用于解决组合几何中的极值问题，通过增量更新可行动作空间来严格满足几何约束，并利用几何对称性提升搜索效率。该方法在多个问题上取得了新的最佳已知结果，但与我提供的关键词列表关联度较低。

When Agents Meet Electric Bus Fleet Operations: Pricing Behavior, Trade-offs, and Policy Implications in an Aggregator Framework

Jônatas Augusto Manzolli et al.

cs.AI eess.SY

本文提出一个agentic aggregator框架，将基于优化的电动公交调度模型与监督agent结合，用于协调电动公交车队的充电、V2G和运营调度。通过案例研究分析了不同协调模式下的性能与价值分配，揭示了agent在降低运营复杂性的同时可能从运营商处提取价值的权衡。

Unbiased Canonical Set-Valued Oracles Via Lattice Theory

Jobst Heitzig

cs.AI cs.LG

本文利用Knaster-Tarski不动点定理，在封闭credal set的完备格上定义了最小不动点，为自指概率估计问题提供了一个无偏且自洽的规范集值oracle。该方法将经典的点估计推广到集值情形，并证明了在非表演性问题下退化为经典结果。

Estimating Uncertainty in Classifier Performance with Applications to Large Language Models and Nested Data

Kylie Anglin

cs.AI

本文评估了在文本分类任务中，为性能指标（如recall和precision）估计置信区间的方法，特别关注了样本量小、类别不均衡以及文本嵌套于个体（nested data）的情况。研究发现，Wald区间和基本百分位bootstrap等方法准确性较差，而Agresti-Coull、Wilson、Clopper-Pearson区间以及一种新的伪计数正则化bootstrap方法能提供更准确的覆盖概率。

Data-driven Machine Learning Cannot Reach Symbolic-level Logical Reasoning -- The Limit of the Scaling Law

Tiansi Dong, Mateja Jamnik, Pietro Liò

cs.AI

本文指出数据驱动的机器学习系统（如supervised deep learning和ChatGPT）无法达到符号级别的三段论推理（syllogistic reasoning），原因包括训练数据无法区分所有有效推理类型以及端到端映射引入矛盾目标。实验表明，即使达到100%准确率，模型仍可能给出错误解释，因此无法实现严格的符号逻辑推理。

MKG-RAG-Bench: Benchmarking Retrieval in Multimodal Knowledge Graph-Augmented Generation

Xiaochen Wang et al.

cs.AI

本文提出了MKG-RAG-Bench，一个专门用于评估多模态知识图谱增强生成（MKG-RAG）中检索性能的跨领域基准，通过构建通用和医学领域的多模态知识图谱及对齐的问答数据集来系统评估检索质量。实验表明，有效的多模态检索对端到端MKG-RAG性能至关重要，且检索质量直接决定生成结果。

Clinical Harness for Governable Medical AI Skill Ecosystems

Tianhan Xu, Lei Bao, Yongxiang Wang

cs.AI

本文提出了一种名为Clinical Harness的运行时治理架构，用于注册、编排、保护和监控AI驱动的临床能力，并以骨质疏松症为例展示了知识驱动、数据驱动和物理增强的技能如何支持生命周期护理。该工作主要关注医疗AI系统的工程化治理，而非数学理论或算法创新。

Humans Disengage, Reasoning Models Persist: Separating Difficulty Registration from Deliberation Allocation

Han-yu Wang

cs.AI cs.CL

本文通过对比人类与大型推理模型(LRM)在问题解决中的时间/Token分配模式，发现两者在跨项目难度注册上一致，但在项目内分配上相反：人类在失败时用时更少，而LRM在失败时消耗更多Token。该发现揭示了两种不同的停止策略，但并未直接涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

NeuraDock Visual Cognitive Load Agent Tutorial: A Quality-Gated Open-Source EEG Workflow for Alpha Dynamics and Real-Time Applications

Zhiyuan Xu et al.

cs.AI

本文介绍了NeuraDock Agent，一个用于Alpha动力学和视觉认知负荷分析的开源EEG agent教程，提供了从EEG预处理到实时API调用的完整工作流程。该工作流程强调质量门控，确保下游分析仅在预处理和质量控制后进行。

Boundary-Aware Context Grounding for A Low-Channel EEG Agent

Zhiyuan Xu et al.

cs.AI

本文提出NeuraDock Agent架构，将确定性本地EEG引擎与硬件感知语言层分离，通过allowlisted摘要和版本化context pack限制LLM接收的信息范围，以解决低通道EEG中因稀疏空间覆盖和可变信号质量导致的错误解释问题。系统在数值重复性、故障注入和边界感知基准测试中验证了其可靠性，但未建立临床有效性。

PMDformer: Patch-Mean Decoupling Information Transformer for Long-term Forecasting

Ao Hu et al.

cs.AI cs.LG

本文提出PMDformer模型，通过patch-mean decoupling (PMD)分离趋势与残差形状信息，并设计Trend Restoration Attention (TRA)和Proximal Variable Attention (PVA)模块来改进长序列时间序列预测中的attention机制，实验表明其在多个基准上优于现有方法。

Explainable Ensemble-Based Machine Learning Models for Detecting the Presence of Cirrhosis in Hepatitis C Patients

Abrar Alotaibi et al.

cs.AI cs.LG

本文使用四种ensemble ML模型（Random Forest, Gradient Boosting Machine, Extreme Gradient Boosting, Extra Trees）在埃及丙肝患者数据集上检测肝硬化，其中Extra Trees模型以16个特征达到了96.92%的准确率。该工作主要聚焦于医学诊断应用，未涉及关键词中的理论或方法。

EvoOptiGraph: Weakness-Driven Coevolution via Graph-Based Structural Generation for Optimization Modeling

Qingcan Kang et al.

cs.AI

本文提出EvoOptiGraph框架，通过将MILP表示为属性二分图并应用进化算子生成结构多样的实例，结合两阶段训练（SFT和RLVR）实现数据与模型的共同进化，以提升LLM在优化建模任务中的性能。

A Multi-Level Validation and Traceability Framework for AI-Generated Telescope Scheduling Decisions

Hengchu Xiao, Chuanjun Wang

cs.AI astro-ph.IM

本文提出了一种针对AI生成的望远镜调度决策的多级验证与可追溯推理框架，通过集成数据引用验证、逻辑一致性检查和约束验证来提高决策的可执行性和可靠性。该框架将调度决策表示为原子推理单元及其依赖关系，支持错误定位和事后分析。

Content-Based Smart E-Mail Dispatcher Using Large Language Models

K. Paramesha et al.

cs.AI

本文提出了一种基于Large Language Models的智能邮件分发系统，通过agent框架分析邮件内容并自动路由到对应的WhatsApp群组，旨在提升组织内信息流转效率。该方法主要聚焦于应用层面，未涉及code、spectral、Muon等关键词相关的理论创新。

LLM-based Models for Detecting Emerging Topics in Service Feedback

Mahsa Tavakoli, Ruth Bankey, Cristián Bravo

cs.AI

本文提出了一种结合大语言模型(LLMs)、统计技术和人机协作的方法，用于分析多语言服务反馈中的新兴主题。该方法通过微调量化LLM并引入专家监督，旨在提升公共部门服务质量的检测效率与公平性。

Autoformalization of Agent Instructions into Policy-as-Code

Adam Mondl, Matthew Maisel, John H. Brock

cs.AI cs.CR

本文提出了一种自动形式化pipeline，将agent prompts和自然语言政策文档转化为Cedar Policy Language中的形式化验证策略，在MedAgentBench基准上比手工编码的符号执行覆盖了更多源规范。

NebulaExp-8B: An Empirical Post-Training Pipeline via Full-Scale Ablation Research

Qiaobo Hao et al.

cs.AI

本文提出了一个名为NebulaExp的完全透明的、基于消融实验的后训练pipeline，基于Qwen3-8B-base模型，覆盖了通用指令模型和复杂推理模型两个分支。文章详细描述了数据构建、过滤规则和训练策略，并通过多阶段优化提升了模型在多个benchmark上的平均得分。

Do Safety Guardrails Need to Reason? LeanGuard: A Fast and Light Approach for Robust Moderation

Dongbin Na

cs.AI cs.CL

本文质疑了安全护栏中chain-of-thought推理的必要性，通过训练轻量级双向编码器LeanGuard，证明在相同语料下移除推理步骤不会降低审核准确率，且计算量减少约100倍。该工作主要关注模型效率与鲁棒性，与关键词中的code、context、spectral、Muon、pretrain、agent、attention均无直接关联。

Kalman Prototypical Networks for Few-shot Fault Detection in Combined Cycle Gas Turbines

Mohammed Ayalew Belay et al.

cs.AI

本文提出了一种基于metric-based few-shot learning的Kalman Prototypical Network (KPN)框架，用于联合循环燃气轮机的故障检测。该方法通过将class prototypes建模为动态系统中的潜在随机状态来降低episodic variance，并在模拟数据集上验证了其相较于传统FSL方法的性能优势。

LithoDreamer: A Physics-Informed World Model for Multi-Stage Computational Lithography

Yuqi Jiang et al.

cs.AI

本文提出了LithoDreamer，一个基于物理信息的World Model框架，用于多阶段计算光刻。它将光刻流程建模为决策驱动的多步演化系统，并通过对比变分优化实现可解释的干预优化，在正向演化和逆向规划中取得了最优性能。

A Latent ODE Approach to Spatiotemporal Modeling of Cine Cardiac MRI

David Brüggemann et al.

cs.AI cs.CV

本文提出了一种基于latent ODE的时空模型，用于对cine cardiac MRI进行连续全周期心室运动建模，并通过Cox比例风险模型评估其预测心力衰竭的能力。实验表明该方法在预后性能上优于传统指标，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Socratic agents for autonomous scientific discovery in high-dimensional physical systems

Xianrui Zeng et al.

cs.AI physics.optics

本文提出了一个名为AHOIS的多智能体AI系统，将苏格拉底式诘问嵌入闭环实验，用于高维物理系统中的自主科学发现。该系统在真实的多模光纤光学平台上，无需先验编码方案，自主提出并验证了随机干涉编码假设，并发现了任务自适应稀疏测量策略。

Scientific discovery as meta-optimization: a combinatorial optimization case study

Yuan-Hang Zhang, Chesson Sipling, Massimiliano Di Ventra

cs.AI cs.LG cs.MA

本文提出将科学研究形式化为meta-optimization，通过LLM生成的objective functions进行consensus objective aggregation，以优化算法发现过程，并在3-SAT问题的digital MemComputing machines上取得了显著加速。

ResilPhase: Plug-and-Play Phase Mapping and Noise-Resilient Macro-Trajectory Extrapolation for Diffusion Acceleration

Qicheng Zhao et al.

cs.AI cs.CV

本文针对扩散模型推理加速中的“缓存-预测”方案在高加速比下质量退化的问题，提出了一种名为ResilPhase的即插即用框架。该方法将加速推理重新表述为ODE空间中的稳定宏轨迹外推，通过使用无导数的重心Lagrange外推器来避免导数不稳定性，并引入有界相位映射来抑制振荡误差增长。实验表明，该方法在FLUX.1-dev和HunyuanVideo上实现了高加速比下的最优保真度。

Memory Depth, Not Memory Access: Selective Parametric Consolidation for Long-Running Language Agents

Haoliang Han

cs.AI cs.LG

本文研究了长期运行language agent中的记忆深度问题，提出了loop-drift协议和EVAF机制（一种基于surprise和valence门控的LoRA consolidation机制），实验表明选择性参数consolidation在目标持久性和卸载后恢复方面优于检索系统，但检索在浅层事实回忆上更强。

KARLA: Knowledge-base Augmented Retrieval for Language Models

Francois Crespin, Fabian M. Suchanek, Nils Holzenberger

cs.AI cs.CL

本文提出KARLA方法，通过在token生成过程中训练LLM产生特殊token来触发知识库查询，从而在不重新训练模型的情况下更新事实知识并提高可解释性。实验表明该方法能提升短文本和长文本生成的事实准确性，但与我提供的关键词列表关联度较低。

Computational Analysis of Heart Rate Variability in Healthy Adults

María J. Lado et al.

cs.AI

本文通过计算分析方法评估了40名健康成年人的心率变异性(HRV)指标，包括时域、频域和非线性指数，并探讨了其正态性、稳定性、相关性和可重复性。研究为HRV的临床应用提供了参考，但方法上未涉及关键词中的核心概念。

The Capability Frontier: Benchmarks Miss 82% of Model Performance

Bradley Fowler et al.

cs.AI

本文提出Capability Frontier概念，通过Pareto frontier量化多模型多采样下的最优性能，发现单模型评估低估了82%的LLM能力，并证明查询主题熵增加会扩大oracle路由与最佳单模型间的性能差距。

Context-Aware Synthesis of Optimization Pipelines for Warehouse Optimization

Janik Bischoff et al.

cs.AI cs.SE

本文提出了一个名为CASOP的框架，用于在仓库优化中自动合成和评估上下文相关的算法pipeline，该框架包含模块化算法库、语义数据与算法卡片、问题分类法、pipeline合成器与评估器。

LCAi: Life Cycle Assessment with big data fusion and retrieval-augmented generation-assisted interpretation

Georgios Tsironis, Juan D. Medrano-Garcia, Gonzalo Guillen-Gosalbez

cs.AI

本文提出了一种基于检索增强生成（RAG）的LCA解释框架，通过融合学术、行业、公众和欧盟资助等多视角数据集，结合场景锚定和受控检索合成，为生命周期评估中的不确定性决策提供结构化路径。该框架在意大利苹果生产设施的氢能柴油减排案例中进行了概念验证。

TAVR-VLM: Risk-Conditioned Causal Grounding for Hallucination-Resistant Report Generation

Zhixiang Lu et al.

cs.AI

本文提出TAVR-VLM框架，通过Risk-Conditioned Causal Grounding Attention (R-CGA)机制在TAVR手术规划中减少多模态大模型的诊断幻觉，并在M^3TAVR数据集上取得SOTA性能。该方法主要关注医疗影像报告生成中的因果推理与幻觉抑制，与关键词中的attention有一定关联但契合度不高。

A Pipeline for Generating Longitudinal Synthetic Clinical Notes Using Large Language Models

William Poulett

cs.AI

本文介绍了一个使用Large Language Models生成纵向合成临床笔记的pipeline，通过结合结构化患者生成、半结构化患者旅程模拟和非结构化临床笔记生成来创建数据集，并注重内部一致性和多样性。该工作为临床AI系统的开发提供了合成数据支持，但方法本身在数学或算法上缺乏显著的开创性。

Generative Retrieval via Diffusion Transformer with Metric-Ordered Sequence Training and Hybrid-Policy Preference Optimization

Chenghao Liu et al.

cs.AI

本文提出MO-DiT+HPPO框架，通过metric-ordered序列训练和hybrid-policy偏好优化，解决生成式检索中保持模式同时提升属性指标的问题。该方法在多个属性域上改进了检索性能。

Learning to Recover Task Experts from a Multi-Task Merged Model

Jinwook Jung et al.

cs.AI

本文提出ReTeX框架，通过预测参数偏移来恢复多任务合并模型中的任务专家性能，并利用基于SVD子空间签名的无路由器任务标识符处理未知任务。该方法在视觉和NLP领域恢复了超过95%的个体专家性能，并提升了对未见任务的泛化能力。

Diagnosing Task Insensitivity in Language Agents

Jingyu Liu et al.

cs.AI

本文研究了语言agent在长程任务中的OOD泛化失败问题，发现模型存在任务不敏感性（task insensitivity），即面对相似但不同的任务时倾向于应用训练模式。作者提出Task-Perturbed NLL Optimization作为轻量对比正则化方法，通过显式鼓励action对task instruction的依赖来缓解该问题。

Where Do CoT Training Gains Land in LLM based Agents?

Jingyu Liu et al.

cs.AI

本文研究了在基于LLM的agents中，Chain-of-Thought (CoT)训练的实际增益来源。通过对比prompt actions（无CoT直接预测动作）与CoT actions（使用CoT推理预测动作），发现CoT训练主要提升了模型直接从prompt预测动作的能力，而非增强了CoT推理本身的相对优势。

Look-Before-Move: Narrative-Grounded World Visual Attention in Dynamic 3D Story Worlds

Jiaming Bian et al.

cs.AI cs.CV

本文提出Look-Before-Move框架，通过Semantic Observation Contract和Monte Carlo Viewpoint Search在动态3D故事世界中实现叙事驱动的视觉注意力规划，将观察规范与运动执行分离。实验表明该方法在主体感知和意图一致性上优于基线，但未涉及code、spectral、Muon等关键词。

Einstein World Models

Munachiso Samuel Nwadike et al.

cs.AI cs.CL cs.CV

本文提出Einstein World Models (EWMs)，一种让LLM通过调用world-module生成视觉-时间rollout（场景短时推演）作为可检验假设的推理框架，旨在增强LLM对反事实事件的推理能力。该方法将工具调用扩展至视觉思维实验领域，但未直接涉及关键词中的code、spectral或Muon等核心概念。

Adaptive Utility driven Resource Orchestration for Resilient AI (AURORA-AI)

Rahul Umesh Mhapsekar et al.

cs.AI

本文提出AURORA-AI框架，通过Hamilton-Jacobi-Bellman反馈控制和Lyapunov稳定性监控，在非平稳条件下动态分配计算资源以优化包含公平性、可解释性等指标的全局效用。实验表明该方法在应对突发干扰时恢复速度显著优于静态分配和强化学习基线。

Semantic Early-Stopping for Iterative LLM Agent Loops

Sahil Shrivastava

cs.AI cs.LG cs.MA

本文提出了一种用于多智能体LLM循环的语义早停方法，通过检测连续draft embeddings的余弦距离变化和答案质量改进来替代固定迭代次数上限。该方法在HotpotQA上实现了38%的token节省，但质量门控变体因评估成本过高而效果不佳。

How to evaluate clustering with ground truth?

Pasi Fränti

cs.AI

本文回顾了在有ground truth情况下用于聚类评估的外部有效性指标，重点介绍了基于集合匹配的度量方法，并推荐了Centroid Index (CI)和Pair-set Index (PSI)等指标。

Joint Learning of Experiential Rules and Policies for Large Language Model Agents

Shicheng Ye, Chao Yu

cs.AI

本文提出JERP方法，通过联合更新经验规则池和策略，使LLM agent在交互环境中能更有效地利用累积经验。该方法在AlfWorld和WebShop任务上取得了性能提升，但主要贡献在于agent学习框架的改进，与关键词中的spectral、Muon等概念无关。

OpenRCA 2.0: From Outcome Labels to Causal Process Supervision

Aoyang Fang et al.

cs.AI

本文提出了PAVE协议，用于从故障注入中重建因果传播路径，并构建了OpenRCA 2.0基准，以评估LLM agent在根因分析中的因果推理能力。实验表明，现有LLM在识别因果传播路径时存在“无根据诊断”问题，即虽能定位根因但无法将其与观察到的症状通过验证的因果路径关联。

TOPS: First-Principles Visual Token Pruning via Constructing Token Optimal Preservation Sets for Efficient MLLM Inference

Tinghao Wang et al.

cs.AI

本文从第一性原理出发，将视觉token剪枝问题形式化为构建Token Optimal Preservation Sets，并通过信息论分析提出了三个基本原则：Task Relevance, Information Coverage和Semantic Diversity。基于这些原则，作者提出了一个无需训练且与模型无关的剪枝模块TOPS，在多个MLLM backbone和benchmark上取得了优于先前方法的效果。

Vulnerability of Natural Language Classifiers to Evolutionary Generated Adversarial Text

Manjinder Singh, Alexander E. I. Brownlee, Mohamed Elawady

cs.AI

本文提出GAversary，一种基于Genetic Algorithm的黑盒对抗攻击方法，通过GloVe embeddings改进词替换的语义相似性，在多个数据集上显著降低了目标模型的准确率。该方法虽有效但扰动词数较多且语义相似性略低。

Ask, Don't Judge: Binary Questions for Interpretable LLM Evaluation and Self-Improvement

Sangwoo Cho et al.

cs.AI cs.CL

本文提出了BINEVAL框架，通过将评估标准分解为原子化的binary questions，并由LLM独立回答来生成可解释的多维评分。该方法在多个基准上取得了与强基线相当或更优的结果，并支持基于问题级反馈的prompt优化。

EO-WM: A Physically Informed World Model for Probabilistic Earth Observation Forecasting

Junwei Luo et al.

cs.AI cs.CV

本文提出EO-WM，一个用于多光谱地球观测预测的视频扩散transformer模型，通过物理信息条件框架将气象强迫分解为气候基线、异常和累积应力信号，以改进对极端天气下植被退化的预测。该方法在标准指标上表现有竞争力，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词的核心概念。

Simulation-based inference for rapid Bayesian parameter estimation in epidemiological models: a comparison with MCMC

Alina Bazarova et al.

cs.AI

本文比较了基于模拟的推断(SBI)与MCMC在流行病学模型贝叶斯参数估计中的性能，发现SBI在保持后验分布一致性的同时，显著降低了计算时间。

Prompt Injection in Automated Résumé Screening with Large Language Models: Single and Multi-Injection Settings

Preet Baxi et al.

cs.AI

本文研究了在LLM驱动的简历筛选中，提示注入（prompt injection）策略的有效性，发现当候选人质量同质且注入者稀少时效果显著，但随注入者增多而迅速失效，且在质量异质时可能引发公平性问题。

When Does Combining Language Models Help? A Co-Failure Ceiling on Routing, Voting, and Mixture-of-Agents Across 67 Frontier Models

Josef Chen

cs.AI cs.LG

本文研究了多模型LLM系统（如routing, voting, mixture-of-agents）的增益上限，发现其受限于所有模型在同一查询上同时出错的比率beta，而非常用的平均成对错误相关性rho。通过对67个前沿模型的实验，作者指出在开放式数学和代码任务中，beta被低估，且组合模型在缺乏强查询级routing信号时难以超越单一最佳模型。

Language-Based Digital Twins for Elderly Cognitive Assistance

Mohammad Mehdi Hosseini, Mohammad H. Mahoor, Hiroko H. Dodge

cs.AI

本文提出了一种基于语言的双胞胎框架，利用大语言模型(LLMs)模拟老年人的对话行为，并引入multi-head conditional variational autoencoder (cVAE)评估认知一致性。实验表明该方法在I-CONECT数据集上能保留个体特征，但与我提供的关键词(code, context, spectral, Muon, pretrain, agent, attention)关联较弱。

cs.IR

Reducing Redundancy in Whole-Slide Image Patching for Scalable Indexing and Retrieval

Jialiang Geng et al.

cs.IR cs.AI

本文提出ARReST方法，通过识别并剪除不同组织类别间冗余的antithetical patches来压缩全切片图像索引，在TCGA数据集上实现了3%到60%的存储节省并保持检索性能。该方法主要针对数字病理学中的图像索引与检索效率问题，与所提供的关键词关联度较低。

From Clicks to Intent: Cross-Platform Session Embeddings with LLM-Distilled Taxonomy for Financial Services Recommendations

Dianjing Fan et al.

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

本文提出一个用于金融服务推荐的双重意图预测框架，通过自监督Transformer将原始web点击流编码为session embedding，并利用LLM生成可解释的intent labels。该方法在移动端主页排序和用户转化预测任务上提升了性能，但未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词。

Scoring Is Not Enough: Addressing Gaps in Utility-fairness Trade-offs for Ranking

Shubham Singh, Ian A. Kash, Mesrob I. Ohannessian

cs.IR cs.CY cs.LG

本文指出在排序任务中，仅使用scoring function（评分函数）无法最优地实现utility（效用）与fairness（公平性）之间的trade-off（权衡），并通过反例证明了这一局限性。作为替代，文章展示了semi-greedy post-processing（半贪心后处理）方法能够以可计算的方式接近理想的exhaustive post-processing（穷举后处理）效果。

TileMaxSim: IO-Aware GPU MaxSim Scoring with Dimension Tiling and Fused Product Quantization

Ashutosh Sharma

cs.IR cs.DC cs.PF

本文提出TileMaxSim，一种IO感知的GPU MaxSim评分方法，通过多查询SRAM平铺、维度平铺和融合乘积量化评分，在NVIDIA H100上达到80.2%的峰值HBM带宽，实现82M文档/秒的吞吐量，并作为ColBERTv2/PLAID的即插即用替代方案将延迟从268ms降至1.2ms。该方法与关键词列表中的概念无直接关联。

GPUSparse: GPU-Accelerated Learned Sparse Retrieval with Parallel Inverted Indices

Ashutosh Sharma

cs.IR cs.DC

本文提出了GPUSparse系统，通过GPU并行倒排索引和批量化scatter-add评分算法，实现了与CPU精确评分一致的SPLADE稀疏检索，并在MS MARCO数据集上获得了235倍加速。该方法主要关注工程优化而非理论创新，与关键词列表中的概念关联较弱。

Attributed, But Not Incremental: Cannibalization-Corrected Attribution for Large-Scale Advertising

Donghui Li et al.

cs.IR cs.LG

本文针对大规模广告系统中付费归因与真实增量之间的偏差问题，提出了一种实验校准的归因修正框架，利用增量实验作为因果锚点将稀疏的lift测量转化为每日修正估计，并在结构一致性约束下分配校准后的蚕食量。该方法在TikTok全球市场部署后，将实测蚕食率降低了约15个百分点。

A Shared IPTC Topic Space for Cross-Source Topic Modelling

Din Iskakov et al.

cs.IR

本文提出了一种基于IPTC分类法的共享主题空间框架，通过引导BERTopic将不同语料库的主题映射到统一分类体系，解决了跨源主题比较中的对齐问题。该方法在纽约时报语料上验证了其覆盖率和一致性。

TriPAH: Imbalance-Aware Tri-Prompt Affinity Hashing for Cross-Modal Medical Retrieval

Jiaming Bian et al.

cs.IR cs.MM

本文提出TriPAH框架，通过三提示亲和哈希方法解决跨模态医学检索中的语义碎片化和长尾标签问题。该方法利用本体驱动的患者级提示和轻量级提示-标记混合器实现多粒度对齐，并在三个数据集上取得最优性能。

UniFormer: Efficient and Unified Model-Centric Scaling for Industrial Recommendation

Bo Chen et al.

cs.IR

本文提出UniFormer，一个用于工业推荐系统的统一模型中心缩放框架，通过将建模空间分解为特征和任务空间，并引入基于语义的tokenization方案和多序列cross-attention机制来提升效率与性能。该方法在快手场景的在线A/B测试中取得了用户参与度和交互指标的提升。

TRUST: Item-Calibrated Interval Evidence for Temporal Session-Based Recommendation

Linjiang Guo et al.

cs.IR

本文提出TRUST框架，通过将每个时间间隔相对于对应item的经验分布进行校准，改进了基于时间的session推荐。该方法通过一个评分函数指导全局邻居采样、session图编码和兴趣聚合，实验表明其能作为模型无关方法提升现有推荐器性能。

NOVA: A Verification-Aware Agent Harness for Architecture Evolution in Industrial Recommender Systems

Shaohua Liu et al.

cs.IR cs.SE

本文提出了NOVA，一个用于工业推荐系统架构演进的验证感知agent框架。它通过架构梯度（一种受SGD启发的非可微更新信号）和验证级联来引导架构修改，并采用L1-L4任务级控制来匹配自动化程度与风险。实验表明NOVA能有效减少静默失败并提升在线业务指标。

cs.CL

Nemotron-TwoTower: Diffusion Language Modeling with Pretrained Autoregressive Context ⭐ 精选

Fitsum Reda et al.

cs.CL

本文提出TwoTower，一种将autoregressive context representation与diffusion denoising解耦为两个独立tower的block-wise diffusion language model。该方法使用frozen AR context tower处理clean tokens，并通过cross-attention机制让可训练的diffusion denoiser tower利用该context进行迭代去噪，从而解决了现有方法中单一网络同时承担两种角色导致的容量限制问题。基于Nemotron-3-Nano-30B-A3B模型训练，该方法在保留98.7%的autoregressive baseline质量的同时，实现了2.42倍的生成吞吐量提升，为diffusion language model的pretraining与高效生成提供了新范式。

Erase-then-Delta Attention: Decoupling Erase and Write Addresses in Delta-Rule Linear Attention ⭐ 精选

Xiao Li et al.

cs.CL

本文提出Erase-then-Delta Attention (EDA)，一种用于recurrent memory模型的更新规则。其核心创新在于将擦除（erase）地址与写入（write）地址解耦：在标准的delta-rule corrective write之前，先沿一个独立学习的擦除方向对陈旧记忆进行选择性抑制。该方法在2.5B Dense和25B-A2.8B MoE模型的语言模型预训练中均取得最优性能，并在长达128k context的长上下文评估中保持优势，表明recurrent memory模型不仅应决定写入什么，还应决定擦除哪些陈旧信息。

OPID: On-Policy Skill Distillation for Agentic Reinforcement Learning ⭐ 精选

Shuo Yang et al.

cs.CL

本文提出OPID (On-Policy Skill Distillation)框架，用于解决基于outcome的reinforcement learning在language agent训练中缺乏中间token级监督的问题。该方法从完成的on-policy轨迹中提取层次化skill（episode-level skill和step-level skill），并通过critical-first routing机制选择合适skill注入交互历史，利用旧策略在原始和skill增强上下文下的log-probability shift构造token级self-distillation advantage，与outcome advantage结合进行policy optimization。该工作为agentic reinforcement learning提供了分布匹配的密集监督信号，与关键词“agent”和“context”高度契合。

Information-Aware KV Cache Compression for Long Reasoning ⭐ 精选

Jushi Kai et al.

cs.CL cs.AI

本文提出了一种名为InfoKV的KV cache压缩框架，通过引入信息论信号（token-level predictive uncertainty）来改进传统仅依赖attention weights的token重要性估计。作者定义了Forward Influence指标，发现attention高分token主要影响邻近上下文，而高预测不确定性token对远距离未来上下文有更强影响。InfoKV将熵分数与attention分数结合，在Llama-3.1等模型的长上下文推理任务中优于现有attention-based压缩方法，为长推理场景中的KV cache管理提供了新视角。

Improving General Role-Playing Agents via Psychology-Grounded Reasoning and Role-Aware Policy Optimization ⭐ 精选

Zhenhua Xu et al.

cs.CL

本文提出Psy-CoT框架，将角色扮演agent的推理过程分解为Interaction Perception、Psychological Empathy和Logical Construction三个心理学启发的步骤，使模型从角色profile出发进行动态思考而非简单模仿。针对强化学习中的reward hacking问题，提出Role-Aware Policy Optimization (RAPO)，利用profile-token互信息对梯度进行非对称加权，增强角色特定token在正优势下的信号并抑制其在负优势下的影响。实验表明该方法在多个benchmark上优于现有角色扮演CoT方法和GRPO，为agent的忠实角色扮演提供了心理学基础与策略优化相结合的新范式。

HierBias: Context-Conditioned Hierarchical Media Bias Detection with Multi-Task Type Classification

Kaining Li, Ruichen Yan, Yuxin Dong

cs.CL

本文提出HierBias，一种层次化上下文条件媒体偏见检测器，通过跨句子Transformer聚合器建模文档上下文，并理论证明利用上下文可降低句子级分类的Bayes误差。在BABE和BASIL数据集上，该方法在F1和MCC指标上超越现有最优模型。

Know2Guess: A Contamination-Aware Multi-Zone Benchmark for Knowledge-Boundary Evaluation in Large Language Models

Renwei Meng et al.

cs.CL cs.AI

本文提出了一个名为Know2Guess的多区域benchmark，用于评估大语言模型在知识边界上的回答与放弃回答能力，并考虑了数据污染的影响。该工作主要关注语言模型的评估方法，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）没有直接关联。

Helpfulness Hurts: Domain-Dependent Degradation of Mid-Trained Compassion Values Under Post-Training

Jasmine Brazilek, Juliana Seawell

cs.CL cs.AI cs.CY

本文研究了后训练阶段（post-training）中不同领域数据（helpfulness vs. coding）对预训练阶段植入的动物同情价值观的退化影响，发现helpfulness训练显著降低同情价值观，而coding训练则更好地保留这些价值观，且该效应跨语言一致。

Investigating LLM's Problem Solving Capability -- a Study on Statics Questions

Tanner Culleton, Hung-Fu Chang

cs.CL cs.AI

本文通过模型蒸馏方法从ChatGPT中提取了25个静力学问题，并构建了包含图表和数值变体的数据集，评估了LLM在解决静力学问题时的能力。研究发现，LLM在纯文本问题上表现良好，但引入图表和多步推理后准确率下降，主要困难在于多步推理和视觉信息的持续应用。

Assert, don't describe: Linguistic features that shift LLM reasoning about animal welfare

Jasmine Brazilek, Harper Dunn

cs.CL cs.AI

本文通过词汇匹配的立场对比探针，在动物福利基准上测量了十种语言特征对Llama-3.2-1B模型推理偏好的影响，发现断言性确定性等特征会增强模型对动物福利的支持，而模糊语言等特征则会削弱这一立场。该研究主要关注自然语言处理中的语言特征分析，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念无直接关联。

Context Recycling for Long-Horizon LLM Inference

Derek Thomas

cs.CL cs.AI cs.LG

本文提出了ContextForge系统，通过结构化查询生成、外部memory检索和受控合成来回收context，以减少长对话中的token开销并保持回答质量。在15轮对话基准上的实验表明，该方法在降低token消耗的同时维持了与基线相当的准确性。

Reducing Conversational Escalation in Large Language Model Dialogue with Nonviolent Communication Constraints

Zhixing Sun, Shenghe Xu, Tao Li

cs.CL cs.AI

本文研究了在大型语言模型对话中，通过非暴力沟通约束来减少对话升级（conversational escalation）的问题，使用双智能体模拟框架验证了该方法在冲突场景下的有效性。该工作主要关注对话安全领域，与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。

Low Resource Multimodal Translation of Nepali Spoken Words into Emotion-Conditioned Sign Language Avatars

Jatin Bhusal, Salma Tamang

cs.CL cs.AI

本文提出NEST-V1框架，用于从尼泊尔口语词生成带情感条件的尼泊尔手语虚拟形象。系统使用共享acoustic encoder同时进行语音识别和情感分类，在600个样本上达到81.1%的ASR准确率和79.21%的情感识别准确率，参数效率比独立模型高37%。

Where Larger Models Excel: The Primacy of Constraint-Guided Reasoning

Guan-Yi Lin, Hen-Hsen Huang

cs.CL

本文通过构建AdvCluster框架，分析了大型语言模型在推理任务中优于小型模型的原因，发现其核心优势在于约束引导推理（Constraint-Guided Reasoning），即大型模型能更好地识别、组织并利用显式和隐式约束进行结构化推理。该研究主要关注模型规模与推理能力的关系，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等主题关联较弱。

From Lexicon to AI: A Structured-Data Pipeline for Specialized Conversational Systems in Low-Resource Languages

Siddhant Hitesh Mantri et al.

cs.CL cs.AI

本文提出了一种将结构化语言资源（如Hindi WordNet）转化为专业对话AI系统的流水线方法，通过生成指令-响应对并微调12B参数语言模型，在低资源语言场景下实现了优于通用模型的教学效果。该方法为缺乏大规模语料的语言提供了AI开发替代方案，但未涉及关键词中的code, spectral, Muon, pretrain, agent, attention等概念。

Dynamic-dLLM: Dynamic Cache-Budget and Adaptive Parallel Decoding for Training-Free Acceleration of Diffusion LLM

Tianyi Wu et al.

cs.CL cs.LG

本文提出Dynamic-dLLM框架，通过动态缓存更新和自适应并行解码策略加速Diffusion Large Language Models (dLLMs)的推理，在不需重新训练的情况下提升速度约3倍，但方法主要针对工程优化，未涉及关键词中的核心理论或结构创新。

Thinking Like a Scientist? A Structural Study of LLM-Generated Research Methods

Francesca Carlon et al.

cs.CL cs.AI cs.DL

本文通过对比LLM（GPT-5.1, Gemini 3 Pro, DeepSeek-V3.2）对arXiv计算机科学论文研究问题的回复与论文实际方法，发现LLM在方法建议上存在显著偏差，尤其在模型供应商选择上偏差最大，且整体方法多样性远低于真实论文。研究提示依赖LLM建议而不交叉验证可能缩小研究者的方法论搜索空间。

From Structure to Synergy: A Survey of Vision-Language Perception Paradigm Evolution in Multimodal Large Language Models

Haoxiang Sun et al.

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

本文综述了多模态大语言模型(MLLMs)中视觉-语言感知范式的演化，提出了一个五阶段分类法来追踪其发展历程，并指出了通向通用多模态智能的开放挑战与研究方向。

Phonetic and semantic analyses of spoken corpora of Beijing and Taiwan Mandarin indicate that the neutral tone is a lexical tone

Yuxin Lu, Zhexuan Li, R. Harald Baayen

cs.CL

本文通过分析北京和台湾普通话口语语料库中轻声的phonetic实现，发现轻声与四个lexical tones一样具有自身的tonal target，且双音节词中轻声的pitch contour受首音节声调影响。研究认为轻声本质上是一种lexical tone，并利用contextualized embeddings解释了不同变体间的差异。

Charting the Growth of Social-Physical HRI (spHRI): A Systematic Review Pipeline Augmented by Small Language Models

Mayumi Mohan, Ju-Hung Chen, Alexis E. Block

cs.CL cs.AI cs.DL cs.HC cs.RO

本文探讨了使用小型语言模型（SLMs）辅助社交物理人机交互（spHRI）领域的系统文献综述，发现SLMs虽无法替代人类审稿人，但能以极快速度筛选论文并识别出被遗漏的相关文献，为大规模文献综述提供了可扩展的辅助工具。

ProfileFoundry: A Synthetic Person-Object Substrate for Privacy, Memory, and Tool-Use Evaluation in LLM Agent

Sriram Selvam, Anneswa Ghosh

cs.CL

本文提出了PROFILEFOUNDRY，一个确定性生成器，用于创建10万个合成Person Objects，包含事件、家庭、雇主和关系边等结构化数据，旨在为LLM Agent的隐私、记忆和工具使用评估提供可控的合成数据源。

ConflictScore: Identifying and Measuring How Language Models Handle Conflicting Evidence

Siyi Liu et al.

cs.CL cs.AI

本文提出了ConflictScore，一种用于量化语言模型在处理支持性和矛盾性证据共存时的响应质量的指标，并构建了ConflictBench基准来评估该指标。实验表明该指标能有效检测过度自信的声明并提升真实性。

ProvenAI: Provenance-Native Traces of Evidence in Generated Answers

Mohammad Faizan, Dalal Alharthi

cs.CL cs.AI cs.CR cs.IR

本文提出了ProvenAI框架，用于在多跳问答系统中分解透明度为答案正确性、引用忠实性和文档影响力三个可独立测量的层。该系统在HotpotQA基准上实现了53.53%的答案准确率和71.55%的平均引用忠实性分数，并揭示了引用-影响力差距现象。

AnySimLite: A Lightweight Few-Shot Similarity Encoder for On-Device Speech-Adjacent Classification

Sourav Ghosh et al.

cs.CL cs.SD

本文提出AnySimLite，一种轻量级few-shot similarity encoder，通过结合word-level和character-level channels解决多个speech-adjacent分类任务，在保持低内存占用下达到SOTA或接近SOTA性能。该方法主要面向边缘设备应用，与关键词中的code、context等无直接关联。

Soft Token Alignment for Cross-Lingual Reasoning

Jiayi He et al.

cs.CL

本文提出SOLAR方法，通过将非英语语言的soft-token表示（概率加权的词汇嵌入混合）与英语对齐，来改善多语言大模型的跨语言推理一致性。实验表明该方法在多个推理基准上提升了准确率，并增强了跨语言语义相似性。

Extracting Problem and Method Sentence from Scientific Papers: A Context-enhanced Transformer Using Formulaic Expression Desensitization

Yingyi Zhang, Chengzhi Zhang

cs.CL cs.DL cs.IR

本文针对科学论文中问题与方法句子的提取任务，提出了一种基于公式化表达脱敏的数据增强方法，并设计了一个上下文增强的Transformer模型来减少对特定形式的依赖并丰富句子信息。实验表明该方法在宏F1分数上优于基线模型，但大语言模型基于上下文学习的方法不适用于此任务。

Utilizing Cognitive Signals Generated during Human Reading to Enhance Keyphrase Extraction from Microblogs

Xinyi Yan, Yingyi Zhang, Chengzhi Zhang

cs.CL cs.DL cs.HC cs.IR

本文研究了利用阅读过程中产生的认知信号（包括EEG和眼动追踪特征）来增强微博关键词提取（AKE）的性能。实验表明，EEG信号能带来最大的性能提升，而多模态认知信号之间存在部分互补性，但同时也可能存在冗余或噪声。

Speaking Numbers to LLMs: Multi-Wavelet Number Embeddings for Time Series Forecasting

Defu Cao et al.

cs.CL cs.AI

本文提出TempoWave，一种多小波数字嵌入接口，将连续数值映射为基于多尺度小波系数的逐位嵌入，以改善LLM在时间序列预测中对数值顺序的保持能力。实验表明该方法在多个基准上提升了预测性能。

Comparing BERT Sentence-Pair Classification and Few-Shot LLM Prompting for Detecting Threat and Solution Framing in German Climate News

Raven Adam, David Maier, Marie Kogler

cs.CL

本文比较了两种德语气候新闻句子分类方法：微调BERT模型（deepset/gbert-large）和基于Llama 4 Maverick的少样本LLM提示。实验表明，微调BERT在威胁和解决方案框架检测上F1达0.83，优于LLM的0.78，且上下文信息对分类性能有显著提升。

Temporal Validity in Retrieval Memory: Eliminating Stale-Fact Errors for AI Agents over Evolving Knowledge

Neeraj Yadav

cs.CL cs.AI cs.ET cs.LG

本文指出Retrieval-Augmented Generation (RAG)系统在处理随时间变化的知识时存在结构性问题，即无法区分过时事实与当前事实。作者提出MemStrata，一种通过确定性规则维护时间有效性的检索记忆，在不依赖LLM调用的情况下消除过时事实错误，在演化知识基准上达到0.95-1.00的准确率。

Assessing Post-Reform Changes in Risk Disclosure Quality with a Multidimensional Text Analysis Approach

Nobuhiro Aikawa, Mitsuo Yoshida

cs.CL cs.DL

本文提出了一种结合NLP指标提取、配对检验和相关性分析的多维文本分析方法，用于评估日本2019年披露改革后风险披露质量的变化。研究发现，披露量增加的同时可读性下降，信息结构改善但描述质量停滞。

The Inattentional Gap: Task-Conditioned Language and Vision Models Omit the Safety-Critical Signals They Can Otherwise Report

Kwan Soo Shin

cs.CL cs.AI cs.CV

本文研究了语言和视觉模型在特定任务条件下会抑制报告共现的安全关键信号的现象，即“注意间隙”，并指出这会导致基准安全评估与实际安全表现脱钩。

\textsc{DiARC}: Distinguishing Positive and Negative Samples Helps Improving ARC-like Reasoning Ability of Large Language Models

Yuxuan Yang, Feiyang Li, Yile Wang

cs.CL cs.AI

本文针对ARC类推理任务，提出了一种通过构建正负样本偏好对来提升大语言模型推理能力的方法DiARC，具体包括输出级视觉变换、DSL级规则反转和任务特定规则编辑三种负样本构造方式。实验表明该方法在多个基准上能稳定提升基线模型性能。

Zero-shot Tweet-Level Stance Detection Enhanced by External Knowledge and Reflective Chain-of-Thought Reasoning

Yiju Huang et al.

cs.CL

本文针对零样本推文级立场检测任务，提出KIRP框架，通过整合外部知识图谱与实体重组进行数据增强，并采用反思性Chain-of-Thought推理来提取隐式目标，同时结合立场感知对比学习与三层迭代原型网络以区分“中立”与“无关”标签。实验表明该方法在多个数据集上达到最优性能。

Closing the Quality Gap in Low-Resource Text-to-Speech: LoRA Fine-Tuning of VoxCPM2 for Khmer and Korean

Phannet Pov et al.

cs.CL

本文使用LoRA微调方法对VoxCPM2模型进行低资源语言（高棉语和韩语）的语音合成适配，发现该方法能显著提升高棉语质量（MOS从3.85升至4.23），但对基础模型已表现良好的韩语无增益甚至可能降低质量。

CAT-Q: Cost-efficient and Accurate Ternary Quantization for LLMs

Shigeng Wang et al.

cs.CL cs.AI

本文提出CAT-Q，一种用于大语言模型（LLMs）的后训练三元量化（post-training ternary quantization）方案，通过可学习调制（learnable modulation）和软化三元化（softened ternarization）两个组件，在仅使用512个校准样本的情况下，将1.7B至235B参数的预训练模型高效量化为三元模型，性能优于需大量训练数据的BitNet方法。

SocialPersona: Benchmarking Personalized Profiling and Response with Multimodal Social-Media Context

Qinkai Zhang et al.

cs.CL cs.IR

SocialPersona是一个用于评估多模态大语言模型从社交媒体时间线中推断用户偏好并用于对话的基准测试，包含171名用户的文本、图像和时间戳数据。实验表明模型能识别广泛兴趣领域，但在细粒度、近期兴趣及个性化对话方面表现下降。

Beyond Logical Forms: LLM-Extracted Patterns for Fallacy Classification

Eleni Papadopulos, Firoj Alam, Giovanni Da San Martino

cs.CL cs.AI

本文提出了一种利用Large Language Models从谬误示例及其解释中归纳提取抽象逻辑模式的方法，并将其与上下文语言线索结合用于谬误分类。实验表明该方法在零样本和一样本设置下优于基线，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。

ConvMemory v3: A Validity Context Layer for Conversational Memory via Target-Conditioned Relation Verification

Taiheng Pan

cs.CL cs.IR

本文提出ConvMemory v3，通过一个基于目标条件关系验证的有效性上下文层，检测并呈现对话记忆中可能过时的信息。该方法使用双证据门控机制结合MiniLM和DeBERTa-v3模型，在合成基准上达到较高准确率，并通过真实数据反馈循环实现零样本迁移。

Evaluation Pitfalls and Challenges in Multimedia Event Extraction

Philipp Seeberger et al.

cs.CL cs.LG

本文系统分析了多媒体事件抽取中评估的三大问题：不一致的数据处理、任务假设和过于宽松的评估设置，并通过控制实验证明评估选择会导致性能波动和模型能力高估。

From Vajrayana Tara to Bengali Baul: A Computational Study of Lexical Transmission Across Buddhist, Shakta, and Vaishnava Traditions in Bengal

Joy Bose

cs.CL cs.IR

本文使用TF-IDF字符n-gram向量化和cosine similarity分析，对8至19世纪孟加拉语和梵语宗教文献的词汇关系进行了计算语料库研究，量化了佛教Vajrayana词汇向Shakta Tantra传统的传承。

FBK's Long-form SpeechLLMs for IWSLT 2026 Instruction Following

Zhihang Xie et al.

cs.CL

本文针对IWSLT 2026指令跟随任务，开发了用于短时和长时语音的SpeechLLMs。在长时语音处理中，探索了三种语音分割方法，并引入HIFS评分来评估不稳定的长时生成，实验表明固定30秒分割效果最佳。

Cascaded Multi-Granularity Pruning for On-Device LLM Inference in Industrial IoT

Jinghan Wang et al.

cs.CL

本文提出了一种级联多粒度剪枝框架，通过粗到细的顺序移除层、注意力头和前馈通道，并利用轻量级低秩恢复重新估计组件重要性，以在工业物联网边缘设备上压缩大语言模型。该框架在特定架构上实现了高压缩比，但在违反结构独立性假设的架构上性能显著下降。

Heterogeneous Neural Predictivity from Language Models During Naturalistic Comprehension

Xiao Jia

cs.CL cs.LG

本文使用八种冻结的language model和blocked encoding模型分析了三个神经影像数据集，发现language model特征在自然语言理解过程中可作为有效的神经预测因子，但预测能力是局部化的，不能直接推断共享的神经组织或语言处理计算。

SamaVaani: Auditing and Debiasing Multilingual Clinical ASR for Indian Languages

Subham Kumar et al.

cs.CL cs.AI

本文对多种多语言临床ASR模型在印度语言（Kannada, Hindi, Indian English）上的表现进行了系统审计，发现模型在不同语言和说话者角色/性别间存在显著性能差异。作者提出了一种名为SamaVaani的统一去偏技术，通过公平性感知的微调来同时提升ASR性能和公平性。

GAVEL: Grounded Caption Error Verification and Localization

Zixian Gao, Atsushi Hashimoto, Kuniaki Saito

cs.CL

本文提出了GAVEL任务，用于联合验证、解释和定位图像-文本对中的错误，并构建了相应的数据集和基准。实验表明，即使是强大的闭源模型在该任务上也表现不佳，而有监督基线在grounding和explanation指标上取得了持续改进。

Term-Centric Hierarchy Induction from Heterogeneous Corpora

Elena Senger et al.

cs.CL

本文提出了一种基于term-centric的框架，用于从异构语料库中归纳层次化taxonomy，通过自动术语提取将多源文档映射到共享表示空间，并整合领域先验与数据驱动聚类构建可解释的层次结构。实验表明该方法在跨源一致性和层次质量上优于基于文本或摘要的baseline。

RedVox: Safety and Fairness Gaps in Speech Models Across Languages

Beatrice Savoldi et al.

cs.CL

本文介绍了RedVox，一个基于真实语音的多语言安全与公平性基准，评估了语音模型在非英语环境下的安全漏洞，发现非对抗性条件下仍存在风险且非英语语言中更严重。

Auditing Framing-Sensitive Behavioral Instability in Large Language Models for Mental Health Interactions

Abla Bedoui, Ashley L. Greene, Mohammed Cherkaoui

cs.CL cs.AI

本文研究了大型语言模型在心理健康交互中对不同语境框架（contextual framing）的敏感性，通过控制匹配提示（matched prompts）和分层探针分析（layer-wise probing），发现框架会系统性改变模型的解释性响应倾向，且与行为相关的信息在transformer深度中可解码。该工作为评估对话AI在心理健康场景中的一致性和可信度提供了参考，但未涉及代码、谱方法或预训练等关键词。

ReaORE: Reasoning-Guided Progressive Open Relation Extraction Empowered by Large Reasoning Models

Xin Lin et al.

cs.CL cs.AI

本文提出ReaORE框架，通过粗到细的关系推理进行开放关系抽取，包含关系过滤和关系预测两个阶段，在标准数据集上优于现有方法。

Where Do Models Find Happiness? Emotion Vectors in Open-Source LLMs

Sinie van der Ben et al.

cs.CL cs.AI

本文研究了开源LLM中的emotion vectors，发现valence geometry在不同模型层中的分布模式存在差异，且arousal encoding对生成语料敏感。该工作验证了emotion representations的通用性，但方法本身并非开创性，且与关键词关联较弱。

MinGram: A Minimalist Unigram Tokenizer with High Compression and Competitive Morphological Alignment

Sander Land

cs.CL

MinGram提出了一种简化的Unigram tokenizer训练方法，通过使用BPE种子词汇和Hard EM来替代传统复杂流程，在保持较高压缩率的同时兼顾了形态对齐性能。实验表明该方法在多种语言上优于BPE和标准Unigram，但未涉及关键词中的code、spectral或pretrain等方向。

NuclearQAv2: A Structured Benchmark for Evaluating Domain-Science Competence in Large Language Models

Henry Shaowu Yuchi et al.

cs.CL cs.AI

本文提出了NuclearQAv2，一个用于评估大语言模型在核工程领域知识掌握程度的基准测试，包含约1240个问答对。实验表明模型在事实性问题表现良好，但在定量推理和概念理解方面仍面临挑战。

Towards Explainable Adjudicative Variance: Quantifying Judicial Discretion via Gated Multi-Task Learning

Stanisław Sójka, Felix Steffek, Matthias Grabmair

cs.CL

本文提出了一种Judge-Aware Gated Multi-Task Learning架构，用于在法律判决预测中区分客观案件事实与司法裁量权。该方法通过细粒度结果分类和门控融合机制，在UK Employment Tribunal数据集上取得了优于大规模生成式微调的效果，并提供了可解释的法官嵌入。

The Riddle Riddle: Testing Flexible Reasoning in Large Language Models and Humans

Bella Fascendini et al.

cs.CL

本文提出了"riddle riddle"范式来测试LLM的灵活推理能力，发现LLM在真正谜语上表现优异（84.9%）但在riddle riddle上表现较差（50.7%），而人类则呈现相反模式。研究表明LLM的"推理"可能更多源于记忆检索而非灵活策略选择。

Forecasting With LLMs: Improved Generalization Through Feature Steering

Humzah Merchant, Bradford Levy

cs.CL cs.LG

本文使用sparse autoencoders分析LLM在预测任务中的内部状态，发现与时间感知和前瞻偏差相关的特征，并通过干预时间感知特征来减少前瞻偏差。研究为提升LLM在预测中的泛化能力提供了新视角。

Syntactic Belief Update as the Driver of Garden Path Processing Difficulty

Alan Zhou, Miloš Stanojević, John T. Hale

cs.CL

本文提出了一种基于句法树概率分布更新的方法（Syntactic Belief Update），通过广义Rényi散度衡量花园路径句的加工难度，为心理语言学中的非词汇性预测提供了新视角。

Paved with True Intents: Intent-Aware Training Improves LLM Safety Classification Across Training Regimes

Jeremias Ferrao et al.

cs.CL

本文提出了一种名为AIMS的人类标注数据集，用于研究在安全分类器中显式建模用户意图的效果。实验表明，通过GRPO直接奖励意图一致性可以在多个安全基准上取得最佳平均性能，但该方法主要针对自然语言处理中的安全分类任务，与您提供的关键词（如code, spectral, Muon, agent等）关联度较低。

Compositionality and the lexicon in evolutionary semantics

Fausto Carcassi

cs.CL

本文提出了一个将形式语义学中的组合性原则与进化建模相结合的框架，通过允许词汇意义和组合函数在概念简洁性和交际准确性的压力下共同进化，并将其应用于量化意义的进化研究。

CARVE: Content-Aware Recurrent with Value Efficiency for Chunk-Parallel Linear Attention

Sayak Dutta

cs.CL cs.AI cs.LG cs.NE

本文提出CARVE模型，通过仅在key轴上进行擦除操作，解决了delta-rule架构中三个耦合缺陷，并证明了这对WY-form triangular chunk solver的有效性是必要且充分的。该方法在1.3B参数规模下取得了优于GDN-2的困惑度，并在多个推理基准上达到领先水平。

Bridging Talk and Thought: Understanding Dialogue Dynamics Across Collaborative Problem-Solving Contexts

Zhengyuan Liu et al.

cs.CL cs.AI

本文提出了一个用于分析协作问题解决中对话的概念框架，通过分层编码方案整合认知与非认知过程及元认知调节机制，并在多个数据集上验证了其有效性。该工作主要关注对话动态分析，与关键词中的agent有一定关联，但方法本身缺乏开创性且未解决长期问题。

LMs as Task-Specific Knowledge Bases: An Interpretability Analysis

Amit Elhelo, Amir Globerson, Mor Geva

cs.CL

本文通过行为和机制分析，发现语言模型（LM）以任务特定的方式编码知识，不同查询同一事实的任务可能返回不一致结果，这削弱了将其参数视为统一知识库的类比。

How Surprising Is Historical Italian to Language Models? Tokenization Tax, Comprehension Tax, and a Simple Mitigation

Maria Levchenko

cs.CL cs.DL

本文提出一个诊断框架，将历史语言处理的困难分解为tokenization cost、predictive uncertainty、semantic robustness和context sensitivity四个维度，并在17世纪意大利语、19世纪意大利语和18世纪俄语数据集上评估。结果表明，历史文本存在显著的编码代价和预测困难，但语义表示仍保持鲁棒，且一个简单的时间上下文提示可大幅降低预测不确定性。

Multilingual Reasoning Cascades Need More Context

Arnav Mazumder et al.

cs.CL

本文研究了多语言推理级联中的信息丢失问题，提出了一种无需训练的上下文感知翻译级联方法，通过将原始问题、英文翻译问题和推理轨迹提供给最终翻译模块来改善性能。实验表明，保留原始语言问题对提升开放生成任务效果最为关键。

Beyond Surface Forms: A Comprehensive, Mechanism-Oriented Taxonomy of Indirect Linguistic Encoding for LLM-Based Coded Language Detection

Hamid Reza Firoozfar et al.

cs.CL

本文提出了一种面向机制的间接语言表达（ILE）分类法，用于基于LLM的编码语言检测，通过将分类法融入LLM提示中，在TikTok和Bluesky数据集上取得了优于现有方法的性能。该工作主要关注自然语言处理中的编码语言检测，与关键词中的code和context有一定关联，但方法本身并非开创性突破。

LLM-Based Examination of Eligibility Criteria from Securities Prospectuses at the German Central Bank

Serhii Hamotskyi, Akash Kumar Gautam, Christian Hänig

cs.CL

本文首次将Large Language Models (LLMs)应用于德国央行的证券抵押品资格审核任务，通过生成式Information Extraction流程处理双语且含噪声的招股说明书，并引入LLM-as-a-judge的评估方法。实验表明该方法在文档级审核中达到了91%的精确率。

Empowering GUI Agents via Autonomous Experience Exploration and Hindsight Experience Utilization for Task Planning

Tianyi Men et al.

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

本文提出PEEU方法，通过自主环境探索和事后经验利用来增强多模态GUI agent的任务规划能力，并引入TDHAF框架分析不同任务粒度的组合泛化。实验表明该方法在7B模型上优于更大模型，但未涉及code、spectral、Muon等关键词相关技术。

Mapping Political-Elite Networks in Europe with a Multilingual Joint Entity-Relation Extraction Pipeline

Kirill Solovev, Jana Lasser

cs.CL

本文提出了一种模块化的、完全开源的联合实体关系抽取pipeline，用于从多语言新闻语料中构建带符号的时间知识图谱，通过span-based NER和三级链接映射将提及映射到Wikidata标识符，并使用ontology约束的混合专家模型提取有向、带符号的关系。该pipeline在奥地利和波兰的案例研究中验证了其有效性，为跨国家的计算社会科学提供了可复现的基础。

cs.DS

Fast algorithms for learning a Gaussian under halfspace truncation with optimal sample complexity ⭐ 精选

Haitong Liu et al.

cs.DS cs.LG math.ST stat.ML

本文提出了一种在高斯分布被未知半空间截断（halfspace truncation）下学习该高斯分布的高效算法。通过将截断高斯分布的低阶矩重新解释为相对截断参数（relative truncation parameter）的函数，作者直接恢复了未截断高斯分布的参数，从而避免了传统方法中耗时的投影随机梯度下降（projected stochastic gradient descent）过程。该算法在样本复杂度\(n = \tilde{O}(d^2/\varepsilon^2)\)和运行时间上均达到了最优，与无截断情况下的最优界一致，为截断学习问题提供了“免费”的解决方案。

Structural parameterizations of Geodetic Set on directed (acyclic) graphs

Beaudou Laurent et al.

cs.DS

本文研究了有向（无环）图中测地集问题的结构参数化，给出了基于vertex cover number和reachability diameter的kernel与算法，并证明了若干W[2]-hard与para-NP-hard结果。

Almost Optimal Multiple Source Shortest Paths and Reachability

Barna Saha, Yinzhan Xu, Christopher Ye

cs.DS

本文研究了无向无权图中的多源最短路径(MSSP)和有向图中的多源可达性问题，提出了运行时间为\(\hat{O}(n^{\omega(\sigma, 1, 1)})\)的算法，该结果在SSSP和APSP之间实现了平滑插值，并匹配了矩形布尔矩阵乘法的下界。其核心工具是一种新颖的图分解方法，但该工作与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Fast Enumeration of Minimal Removable Sets in Monotone Systems with Application to Core Collapse Analysis

Kan Shota, Kazuya Haraguchi

cs.DS cs.DM math.CO

本文研究单调系统中最小可移除集(MinRS)的快速枚举问题，并将其应用于k-core的核坍塌分析。作者提出了一种基于单调系统的通用框架，在满足特定性质时可将枚举复杂度降至\(O((n+m)\log n)\)，并证明了标准k-core满足该性质。该工作主要关注枚举算法的效率改进，与关键词列表中的概念关联较弱。

others

CyberChainBench: Can AI Agents Secure Smart Contracts Against Real-World On-Chain Vulnerabilities? ⭐ 精选

Jintao Huang et al.

cs.CR cs.AI

本文提出了CyberChainBench基准，用于评估基于LLM的agent在智能合约安全中的三项互补任务：漏洞检测、利用生成和补丁合成。该基准从DeFiHackLabs的541个真实世界利用事件构建，通过Harbor编排的隔离评估环境让agent与历史区块链状态交互，并利用工具读取代码、追踪交易以及在主网分叉上验证利用。实验发现最佳配置在检测上得分为37.5%，利用上为43.7%，但补丁合成仅为23.4%，揭示了任务难度梯度，且顶级agent（Codex with GPT-5.5）在200个案例中实现了总计5740万美元的利用利润，每案例成本仅2.39美元。该工作为智能合约安全中的agent应用提供了系统化的评估框架，与关键词“agent”高度契合。

Perception, Verdict, and Evolution: Hindsight-Driven Self-Refining Forensics Agent for AI-Generated Image Detection ⭐ 精选

Yangjun Wu et al.

cs.CV cs.AI

本文提出ForeAgent，一种用于AI生成图像检测的agentic forensics框架。其核心创新在于采用Perception-Verdict架构，聚合语义、空间和spectral（频域）特征，并利用MLLM作为verdict模块进行逻辑推理。此外，通过Hindsight-Driven Self-Refining策略实现自我进化，利用ground-truth labels作为hindsight反思失败案例并生成高质量推理轨迹，从而持续提升检测性能。该方法在多个benchmark上达到state-of-the-art，并展现出比GPT-5更一致的因果推理能力。

Chai: Agentic Discovery of Cryptographic Misuse Vulnerabilities ⭐ 精选

Corban Villa et al.

cs.CR cs.AI

Chai提出了一种基于AI的agent系统，用于自动发现和验证密码学误用漏洞。它通过重新思考differential testing技术，利用AI在library级别检测缺陷，并沿着密码学依赖图传播这些缺陷，从而在下游应用中识别出真实的安全问题。该方法在X.509、JWT和SAML库中发现了超过100个漏洞，包括一个影响数十亿设备的SSL库中的关键漏洞，体现了agent在代码安全审计中的开创性应用。

ShareLock: A Stealthy Multi-Tool Threshold Poisoning Attack Against MCP ⭐ 精选

Liwei Liu et al.

cs.CR cs.AI

本文提出了一种针对基于LLM的agent系统的新型多工具阈值投毒攻击框架ShareLock。该方法利用Shamir's threshold scheme将恶意指令分割为多个看似无害的秘密份额，并分布嵌入到不同工具的描述中，从而在实现信息论安全性的同时，能够抵御中等程度的审计检测。通过在服务器更新时植入隐蔽的重构触发器，攻击者可以聚合这些份额以恢复隐藏指令，最终导致系统资产或私有数据的泄露。该工作系统性地分析了多工具协同投毒的风险，并在主流LLM上验证了其超过90%的平均攻击成功率，为agent安全领域提供了新的攻击视角。

Efficient foundation decoders for fault-tolerant quantum computing ⭐ 精选

Ge Yan et al.

quant-ph cs.AI cs.LG

本文提出神经迁移统一框架(NTU)，通过利用可扩展code族共享的代数结构对齐不同code距离下的解码任务，使得在小code上学习的知识能够加速大规模解码器训练。具体实例化为NTU-Transformer，一种基于transformer的神经解码器，在平面surface code和bivariate bicycle code上均展现出优于传统方法的性能，特别是在\([\![625,1,25]\!]\) code上通过迁移适应超越了标准匹配算法。该方法为容错量子计算中foundation decoder的跨距离训练提供了可扩展的解决方案。

DMuon: Efficient Distributed Muon Training with Near-Adam Overhead ⭐ 精选

Vincent Chen et al.

cs.DC cs.LG

本文提出DMuon，一种高效的分布式Muon优化器实现。Muon是一种基于矩阵正交化的优化器，其更新涉及整个权重矩阵，需要昂贵的Newton-Schulz迭代，导致传统分布式训练中开销巨大。DMuon通过将Muon作为即插即用模块集成到现有训练流程中，无需修改框架，在基础模型和大语言模型训练中实现了1.48倍至3.01倍的端到端步长时间加速，并将优化器步长延迟降至接近AdamW水平，解决了Muon优化器在分布式场景下的效率瓶颈。该方法与关键词“Muon”高度契合，且具有显著的开创性和实用性。

Hierarchical Muon: Tiled Newton-Schulz Updates for Efficient Muon Optimization ⭐ 精选

Ziyuan Tang et al.

math.NA cs.LG

本文提出Hierarchical Muon (HiMuon)优化器，通过将动量梯度矩阵划分为\(T \times T\)个tile，并对每个tile独立应用有限Newton-Schulz映射，将全矩阵更新的计算复杂度从\(O(r^2 s K)\)降低至\(O(H W T K)\)。该方法在保持tile内spectral交互的同时丢弃跨tile边界的信息，从而定义了一种局部矩阵函数映射，而非全矩阵更新的收敛近似。实验表明，HiMuon在transformer训练中能保持与全矩阵Muon相近的训练行为，同时显著提升优化器步骤效率。

Benchmarking Open-Weight Foundation Models for Global AI Technical Governance

Jason Hung

cs.CY cs.AI

本文通过基准测试四个开源权重模型在Global AI Dataset v2上的表现，评估了地理偏差对AI治理分析的影响，并采用五类响应分类方案和混合效应逻辑回归方法进行分析。该研究主要关注AI治理中的公平性问题，与关键词中的code, context, spectral, Muon, pretrain, agent, attention无直接关联。

Generative AI and Copyright Infringement: A Legal-Technical Analysis of AI Music Generation Systems Under 17 U.S.C. Title 17

Zuhaib Hussain Butt

cs.CY cs.AI cs.ET cs.SD

本文从法律和技术角度分析了AI音乐生成系统（如Google Gemini）在17 U.S.C. Title 17下的版权侵权问题，重点讨论了歌词复制和声音模仿的法律风险，并指出联邦法律对歌词和旋律保护较强，但对合成声音相似性的保护存在监管空白。

Dream machine -- the next creative economy

Peter Woodbridge, John J. O'Hare

cs.CY cs.AI

本文探讨了生成式人工智能对创意产业的结构性变革，分析了从OpenAI的Sora视频模型发布到政策争议、平台数据及行业动态，提出了Human-AI Agency Continuum框架和“slop ceiling”现象，并讨论了透明度、同意、补偿和以人为本的设计原则。该论文主要关注创意经济的社会与技术影响，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等数学或技术概念无直接关联。

A Multi-Layer AI Framework for Information Landscape Analysis

Maryam Fooladi, Federico Bottino

cs.CY cs.AI

本文提出了一个用于信息混乱背景下信息景观分析的多层AI框架，该框架从来源可靠性、事实结构、框架、偏见等多个维度分析政治和媒体内容，旨在超越简单的二元事实核查，提供对信息环境的结构化表示。

Divergent Recommendations, Convergent Diagnoses: Cross-Provider Failure-Mode Convergence in AI Commercial Recommendation

Will Jack et al.

cs.CY cs.AI

本文研究了ChatGPT和Claude在商业推荐中的分歧与诊断一致性，发现两者推荐品牌的重叠度较低，但在品牌未被推荐时对失败模式的诊断高度一致。该工作主要关注AI推荐系统的行为分析，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等方向无直接关联。

The Governance Inversion Hypothesis: Why More AI Regulation May Produce Less Organisational Control

Victor Frimpong

cs.CY cs.AI cs.HC

本文提出了治理倒置假说(GIH)，解释了在AI监管扩张和技术复杂性增加的条件下，组织可能形式上更受治理但实际对AI系统的操作控制力下降的悖论。该研究基于制度理论等框架，分析了权威碎片化、符号治理扩张等四种机制如何导致这一现象。

The Open Source Economic Index of AI Adoption and Capability

Seamus Somerstep et al.

cs.CY cs.AI cs.LG

本文利用公开的user-LLM聊天数据和O*NET任务构建了一个开源经济指数，以衡量AI在不同职业中的采用率，并基于O*NET任务和MCP服务器生成基准场景来评估AI能力。研究发现金融、计算机科学和艺术领域的采用率最高，且AI能执行高层工作流但在具体工具调用等细节上容易出错。

Dot-Flik: A Scalable Edge AI Architecture for Distributed Insect Monitoring

Mattia Consani et al.

cs.NI cs.AI cs.CV cs.LG

本文提出了一种用于分布式昆虫监测的可扩展边缘AI架构Dot-Flik，通过运动信息帧过滤算法和分层物联网架构，在低成本硬件上实现了实时处理、网络可扩展性和能效提升。该方法主要关注实际部署性能，而非理论创新。

Privacy-Aware Agent Collaboration for Dynamic VR Slice Management in 6G SD-RAN

Khaled M. Naguib et al.

cs.NI cs.AI

本文提出了一种用于6G SD-RAN中VR切片管理的隐私感知多智能体强化学习框架，通过移动性预测和信息瓶颈编码器实现智能体协作，在提升吞吐量和资源效率的同时减少隐私泄露。

Geometric Fairness-Aware Routing for Federated Edge Networks

Ratun Rahman

cs.NI cs.AI

本文提出Geo-FairFed，一种结合hyperbolic graph neural networks (HGNNs)与联邦优化的几何公平感知路由系统，通过在负曲率流形上学习拓扑感知表示并引入基于Jain's fairness index的公平性惩罚项，在动态6G边缘网络中实现了延迟、能耗与公平性的综合提升。

Code evolution for link prediction in complex networks

Alexey Vlaskin, Eduardo G. Altmann

cs.SI cs.LG

本文使用code evolution方法自动生成link prediction算法，在复杂网络上取得了优于人工设计方法的性能，并展示了算法创新潜力。

Multiscale Exit-Join Dynamics: Tactical Consensus and Strategic Coalition Formation

Quanyan Zhu

cs.GT cs.AI

本文构建了一个多尺度联盟形成模型，将战略性的退出与加入决策与联盟内部的战术共识动态相耦合。联盟价值内生地产生于内部信息聚合，而Aumann-Dreze支付、切换摩擦和接受规则则支配着战略重组。该框架引入了一种快慢架构，其中可转移的联盟价值从DeGroot式共识过程中涌现，而联盟结构则通过激励驱动的退出与加入动态演化。

Neural Speaker Diarization via Multilingual Training: Evaluation on Low-Resource Nepali-Hindi Speech

Samip Neupane et al.

cs.SD cs.CL cs.LG

本文研究了低资源尼泊尔-印地语语音的说话人日志任务，通过多语言训练比较了EEND-EDA和DiaPer两种架构，发现基于Perceiver的DiaPer在多种说话人场景下表现更优。该工作主要关注多语言迁移和低资源场景，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。

Unsupervised Memory-Enhanced Video Transformers: Obstacle Detection for Autonomous Agricultural Rover

Théo Biardeau et al.

cs.RO cs.AI

本文提出了一种用于农业机器人的无监督视频异常检测方法VMTAD，利用transformer和记忆模块处理动态场景中的障碍物检测。该方法在油菜籽数据集上取得了较好的检测和分割性能，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等核心概念。

Reinforcement Learning Enables Autonomous Microrobot Navigation and Intervention in Simulated Blood Capillaries

Jannik Drotleff et al.

cs.RO cs.LG physics.bio-ph

本文使用deep RL训练微型机器人在模拟毛细血管网络中的导航策略，考虑了真实流体力学和红细胞动力学，并展示了其执行靶向阻塞与疏通的能力。

LCG: Long-Context Consistent Image Generation with Sparse Relational Attention

Zihao Wang et al.

cs.CV cs.AI

本文提出LCG框架，通过Sparse Relational Attention机制和Routing Consistency Constraint，解决长上下文多图像生成中的一致性问题，并构建了LCCD数据集用于训练和评估。实验表明该方法在提示对齐和角色一致性上优于基线。

LiMoDE: Rethinking Lifelong Robot Manipulation from a Mixture-of-Dynamic-Experts Perspective

Zhihao Gu, Lin Wang

cs.RO cs.AI cs.LG

本文提出了一种名为LiMoDE的两阶段终身机器人操作学习方案，通过动态Mixture-of-Experts结构在预训练阶段学习先验知识，并在任务适应阶段结合冻结专家与新专家实现知识迁移。实验表明该方法在终身学习基准和真实任务中表现有效。

Self-Supervised Tree-level Biomass Estimation in Urban Environments From Airborne LiDAR and Optical Observations

Jose Bermudez et al.

cs.CV cs.LG eess.IV

本文提出了一种基于机载LiDAR和光学影像的城市树木生物量估算框架，利用双流交叉注意力网络和规则生成的伪标签进行树冠分割，并通过冠面积-高度幂律模型估算地上生物量，在加拿大安大略省810 km²区域实现了无需人工标注的冠级生物量制图。

The Role of Input Dimensionality in the Emergence and Targeted Control of Adversarial Examples

Nasrin Malekzadeh Goradel et al.

stat.ML cs.CR cs.LG

本文通过理论分析和实验验证，研究了输入维度在对抗样本生成与目标控制中的作用，发现高维几何特性使得对抗样本更易构造，且目标攻击与无目标攻击所需的扰动差距随维度增加而缩小。该工作主要关注对抗样本的几何解释，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等主题无直接关联。

Interpreting "Interpretability" and Explaining "Explainability" in Machine Learning in Physics

Rikab Gambhir, Luisa Lucie-Smith, Jesse Thaler

physics.data-an astro-ph.GA cs.LG hep-ph

本文回顾了机器学习在物理学中的可解释性(interpretability)与可说明性(explainability)概念，讨论了它们在模型透明度与科学内容映射上的权衡，并强调了这些应被视为有意的建模选择而非固有属性。

Graph Isomorphism and Representation Theory

Joshua A. Grochow, Jacob Urisman

cs.CC cs.DS math.CO math.RT

本文引入了一种基于置换不变多项式向量空间（separating modules）来区分图同构类型的方法，受几何复杂度理论启发。文章分析了该方法在不同复杂度度量下的能力，并将其与Weisfeiler-Leman算法等经典方法进行了比较。

Lacuna: A Research Map for Machine Learning

Martin Weiss et al.

cs.DL cs.AI cs.IR

Lacuna是一个利用LLM将机器学习论文和元数据转化为结构化摘要、概念和研究方向的研究地图工具，并提供了多种接口。它在文献检索和报告生成任务上相比OpenScholar等基线方法取得了更好的性能。

A multi-task spatiotemporal deep neural network for predicting penetration depth and morphology in laser welding

Sen Li et al.

cs.CV cs.AI

本文提出了一种多任务时空深度神经网络，用于预测激光焊接中的熔透深度和焊缝形态，通过融合焊池图像和焊接参数实现了高精度预测。该方法在熔透状态预测上达到99.35%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。

TEMPO-Diffusion: Temporally Exposed Malicious Poisoning of Diffusion Models

William Aiken et al.

cs.CR cs.AI

本文提出TEMPO-Diffusion，一种针对扩散模型的时序后门攻击框架，通过将恶意分布偏移限制在时序、分布内暴露中实现隐蔽攻击，并引入CALISA交通标志数据集进行实验验证。该方法主要关注攻击场景的实用性，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

Tailor Made Embeddings for Quantum Machine Learning

Aldo Lamarre, Dominik Šafránek

quant-ph cs.CV cs.LG

本文提出了一种用于量子机器学习的变分自编码器框架，学习经典数据的任务特定量子嵌入，能将高维数据集压缩到13-qubit表示中，并在IBM量子硬件上验证了其稳定性。该方法在MNIST分类任务上取得了接近经典神经网络的准确率，但主要贡献在于量子嵌入的压缩与重构，而非解决长期存在的理论问题或与我提供的关键词高度契合。

Parametric Generalized Adaptive Moment Features (PG-AMF) for Bearing Fault Diagnosis and Machine Health Monitoring

Rajeev Kumar

eess.SP cs.AI

本文提出了一种参数化自适应特征提取框架PG-AMF，用于滚动轴承故障诊断，通过从振动信号中学习多种互补特征表示并融合多传感器信息，在基准数据集上相比传统方法提升了分类性能。该方法主要关注特征工程与工业监测应用，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联度较低。

Axon: A Synthesizing Superoptimizer for Tensor Programs

Akash Kothari et al.

cs.PL cs.CL cs.PF

本文提出Axon，一个用于张量程序的合成超优化器，通过程序合成自动生成目标指令并探索语义等价的程序变体以选择最优性能的内核。它利用SMT保证变换的语义正确性，并优化tiling和算子融合以减少内存流量。

Hybrid privacy-aware semantic search: SVD-truncated document geometry and CKKS-encrypted query reranking under a restricted threat model

Sergey Kurilenko

cs.CR cs.AI cs.IR

本文提出了一种混合隐私感知语义搜索方法，通过SVD截断和秘密旋转保护文档向量，并使用CKKS同态加密保护查询重排序，在受限威胁模型下平衡了安全性与效率。该方法在百万文档规模上保持了亚秒级延迟和排名质量，但文档保护依赖于经验性混淆而非密码学原语。

Staying VIGILant: Mitigating Visual Laziness via Counterfactual Visual Alignment in MLLMs

Xi Xiao et al.

cs.CV cs.CL cs.LG

本文提出VIGIL框架，通过最大化视觉输入与生成响应之间的mutual information来缓解多模态大模型中的视觉懒惰问题。该方法在幻觉和推理基准上优于现有对齐方法，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Sampling sea state using a diffusion model

Jiarong Wu, Bertrand Chapron, Laure Zanna

physics.ao-ph cs.AI

本文提出了一种基于diffusion model的生成式模型，用于全球海况估计，该模型以长时间序列的全球风场为条件，直接采样海况的复杂条件分布，避免了自回归时间步进。相比传统数值谱波模型，该方法在计算上实现了显著加速，并能有效预测bulk variables及Stokes drift等衍生量。

CoStream: Composing Simple Behaviors for Generalizable Complex Manipulation

Haonan Chen et al.

cs.RO cs.AI

本文提出了CoStream框架，通过组合基于foundation models的语义行为、预测行为和反应行为，在共享的\(SE(3)\)接口上实现复杂操作任务，展示了从简单行为组合中涌现复杂操作能力。

Play2Perfect: What Matters in Dexterous Play Pretraining for Precise Assembly?

Tyler Ga Wei Lum et al.

cs.RO cs.AI

本文提出Play2Perfect框架，通过任务无关的play pretraining学习可复用的操作先验（如抓取、手内重定向），再微调用于精密装配任务。实验表明该方法比从零开始的RL训练样本效率高33倍，并实现了零样本sim-to-real迁移。

AXLE: A Cloud Infrastructure for Lean 4 Theorem Proving Utilities

Jimmy Xin et al.

cs.LO cs.AI

AXLE是一个为Lean 4定理证明工具设计的云基础设施，提供14种元编程工具，支持严格的证明验证、声明元数据提取、语义源码操作等。它通过多租户云部署实现了高吞吐量和请求隔离，已处理超过5亿次请求，但并未直接涉及关键词中的核心概念。

WatchAct: A Benchmark for Behavior-Grounded Robot Manipulation

Baiqi Li et al.

cs.RO cs.AI cs.CV

本文提出了WatchAct基准，用于评估机器人基于观察人类行为视频进行推理和操作的能力，包含3000个长时域实例和四个能力域。实验表明，当前最先进的系统在该基准上表现不佳，最佳流水线在仿真中成功率仅为16.3%。

Closing the Loop to Discover Psychological Theories with an Automated Cognitive Scientist

Akshay K. Jagadish et al.

q-bio.NC cs.AI

本文介绍了AutoCog，一个利用大语言模型agent自动生成、测试和迭代认知理论的系统，在决策领域成功发现了已知和新的决策策略。该系统通过闭环实验验证了其有效性，但与我提供的关键词（如code, context, spectral, Muon, pretrain, attention）关联度较低。

Listening Like a Judge: A Music-Aware Framework for Automatic Singing Performance Evaluation

Neelam Saini, Sourav Ghosh

cs.SD cs.LG

本文提出了MusicJudge框架，通过结合歌词正确性与音高-节奏保真度的多模态分析来评估歌唱质量，并引入了Modality-Guided LoRA改进ASR微调。实验表明该方法与人类专家判断具有较好一致性。

Active Adversarial Perturbation-driven Associative Memory Retrieval for RGB-Event Visual Object Tracking

Xiao Wang et al.

cs.CV cs.AI cs.LG

本文提出APRTrack框架，通过层次化对抗扰动模拟模态和空间退化，并设计足迹引导的通道校准Hopfield检索模块进行历史信息补偿，以提升RGB-Event跟踪在目标缺失和模态退化下的鲁棒性。

A probabilistic framework for online test-time adaptation

Daniel Corrales, David Ríos Insua

stat.ML cs.LG

本文提出了一个用于在线测试时自适应问题的概率框架，基于state-space modelling架构，在训练和测试分布可能存在差异的情况下，对参数学习、时间演化、先验调整和预测进行建模。

3D Spatial Pattern Matching

Nicole R. Schneider et al.

cs.DB cs.AI cs.IR

本文首次将spatial pattern matching问题从2D扩展到3D，定义了3D空间模式匹配的广义问题，并提出了一个基于subgraph matching的算法来处理3D距离关系。作者还发布了两个3D空间模式匹配数据集（一个合成数据集和一个来自德国汉堡的真实3D建筑数据集），并提供了基线实验结果。

Adaptive Evaluation of Out-of-Band Defenses Against Prompt Injection in LLM Agents

Praneeth Narisetty et al.

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

本文总结了针对LLM agents的间接prompt injection的out-of-band防御策略，将其归类为经典完整性保护（Biba）和reference monitoring的实例，并指出这些防御仅在静态benchmark上验证，缺乏adaptive evaluation。作者在AgentDojo上对Progent防御进行了独立复现，使用Qwen2.5-7B模型，结果显示该防御将平均攻击成功率从25.8%降至4.2%，但结论有限且未涉及更强的white-box攻击。

An Empirical Study of LLM-Generated Specifications for VeriFast

Wen Fan et al.

cs.SE cs.AI cs.LO cs.PL

本文评估了使用LLM为基于separation logic的静态验证器VeriFast生成specifications的能力，实验覆盖303个C函数和多种prompt方法。结果表明LLM能较好保持代码功能行为，但验证成功率较低（31.4%），主要错误源于对SL验证器领域知识的缺乏。

Evaluation-Strategy Gap in Fault Diagnosis of Deep Learning Programs

Sigma Jahan

cs.SE cs.AI cs.LG

本文研究了深度学习程序故障诊断中评估策略的差异，发现跨程序评估与程序内评估之间存在0.190的平衡准确率差距，并分析了曲率特征和优化器特征在不同程序上的表现差异。

Mean-Field PhiBE: Continuous-Time Mean-Field Reinforcement Learning from Discrete-Time Data

Erhan Bayraktar et al.

math.OC cs.LG

本文针对连续时间平均场控制问题，提出了一种从离散时间数据中学习连续时间策略的无模型方法。该方法通过引入Mean-Field PhiBE (MF-PhiBE) 将离散时间转移信息整合到Wasserstein空间上的连续时间PDE中，并证明了其值函数逼近误差为\(\Delta t\)阶。

VoiceTTA: Enhancing Zero-Shot Text-to-Speech via Reinforcement Learning-Based Test-Time Adaptation

Tianxin Xie et al.

cs.SD cs.AI

本文提出VoiceTTA，一种基于reinforcement learning的test-time adaptation方法，通过优化learnable prefixes来提升zero-shot TTS模型对罕见说话风格的模仿能力。该方法在inference阶段使用GRPO优化style rewards和speaker similarity，实验表明其优于现有baseline。

From Hallucination to Grounding: Diagnosing Visual Spatial Intelligence via CRISP

Zhixing Li, Yinan Yu

cs.CV cs.AI

本文提出CRISP评估范式，通过metric 3D Scene Graphs和oracle干预协议诊断视觉空间智能中的感知-推理脱节问题，揭示了闭源模型在利用隐式结构表示上的缺陷。

Compiler-Driven Approximation Tuning for Hyperdimensional Computing

Xavier Routh et al.

cs.PL cs.CL cs.PF

本文提出了ApproxHDC框架，用于在Hyperdimensional Computing (HDC)工作负载中自动识别和应用领域特定的近似优化。该框架扩展了HPVM-HDC编译器基础设施，支持在CPU、GPU及模拟ReRAM和PCM加速器等异构硬件后端上进行可重定向编译，并通过高效搜索找到高影响力的近似配置。

SpaceRipple: Lightweight Semantic Delivery for Mission-Oriented LEO Earth Observation Satellite Networks

Ziyi Yang et al.

cs.CV cs.AI cs.GR

本文提出SpaceRipple框架，用于面向任务的LEO地球观测卫星网络中的轻量级语义传输。该框架通过自适应压缩和元数据生成减少星间流量，并利用边缘计算卫星恢复表示并提取任务相关语义信息，实验表明其在有限带宽下实现了良好的重建质量和语义检测性能。

scBench-Long: Verifiable Benchmarking of Long-Horizon Single-Cell Biology

Ian Diks et al.

q-bio.GN cs.AI

本文提出了scBench-Long，一个用于评估AI agent在长周期单细胞生物学任务中从原始数据恢复科学结论能力的benchmark，包含21个评估任务。实验表明，当前最强模型在该benchmark上的通过率仅为25.4%，揭示了现有方法在复杂科学推理上的局限性。

Adversarial Diffusion Across Modalities: A Fusion Survey of Attacks, Defenses, and Evaluation for Text, Vision, and Vision-Language Models

Abrar Alotaibi, Moataz Ahmed

cs.CR cs.CL

本文综述了跨模态（文本、图像、视觉-语言模型）的对抗性扩散攻击与防御，将四个独立的研究轨道整合为一个统一框架，并提出了六类扩散角色分类法和五维评估体系。文章重点分析了LLM侧文献的五类常见弱点，并给出了开放问题与研究议程。

IDEA: Insensitive to Dynamics Mismatch via Effect Alignment for Sim-to-Real Transfer in Multi-Agent Control

Chenlong Liu et al.

cs.RO cs.AI

本文提出了一种用于多智能体控制的sim-to-real迁移方法，通过将策略学习提升到语义抽象层面并结合动作同步机制，来降低对动力学模型失配的敏感性。实验表明该方法在训练效率和真实场景成功率上优于主流迁移方法。

Latent Diffusion Posterior Sampling with Surrogate Likelihood Guidance for PDE Inverse Problems

Yuanzhe Wang, Alexandre M. Tartakovsky

cs.CE cs.LG

本文提出了一种用于PDE反问题的潜在空间扩散后验采样方法(L-DPS)，通过结合VAE、潜在扩散模型和可微神经代理，在高维参数空间中实现近似贝叶斯推断，并降低了计算成本。该方法在达西流反问题中验证了其准确性和鲁棒性。

HiLSVA: Design and Evaluation of a Human-in-the-Loop Agentic System for Scientific Visualization

Kuangshi Ai, Patrick Phuoc Do, Chaoli Wang

cs.HC cs.AI cs.GR

HiLSVA是一个用于科学可视化的人机协同agent系统，通过计划优先的多agent架构和人类监督来支持混合主动工作流，实验表明混合主动交互能提升任务完成度和用户控制，但存在执行效率与人类监督之间的权衡。

Agents That Know Too Much: A Data-Centric Survey of Privacy in LLM Agents

Nada Lahjouji, Ashwin Gerard Colaco

cs.CR cs.AI

本文从数据中心的视角综述了LLM agent的隐私风险，分类讨论了agent接触的数据源、隐私风险及治理机制，并指出了现有基准测试的不足。

FracEvent: Event-Camera Simulation via Fractional-Relaxation Pixel Dynamics

Langyi Chen et al.

cs.CV cs.LG eess.IV

本文提出FracEvent，一种通过分数阶松弛像素动力学模拟事件相机像素级生命周期的仿真器，用于生成更精确的事件流。实验表明该方法在事件流比较和下游任务（如图像重建和光流估计）中优于现有基线。

Generating Special Triangulations with Transformers

Charles Arnal et al.

hep-th cs.LG math.AG

本文使用transformer模型，通过适当的编码方案，生成4D reflexive polytopes的fine, regular, and star triangulations (FRSTs)，这些三角剖分与弦论中的光滑Calabi-Yau三维流形相关。模型可通过自训练改进，为Calabi-Yau流形分类提供新工具。

LAMP: Lane-Aligned Motion Primitives for Feasible Trajectory Prediction

Sangjin Han et al.

cs.RO cs.AI

本文提出LAMP框架，使用VQ-VAE学习与lane topology对齐的motion primitives，并通过feasibility-aware intention selector过滤不可达意图，以提升轨迹预测的可行性和多样性。实验表明该方法在保持预测精度的同时优于基线。

TGHE: Template-based Graph Homomorphic Encryption for Privacy-Preserving GNN Inference in Edge-Cloud Systems

Ngoc Bao Anh Le et al.

cs.CR cs.AI

本文提出TGHE框架，利用交易图中局部计算树的模板现象，通过将结构相同的ego-graph打包到共享CKKS密文中实现SIMD并行加密推理，解决了现有HE-based GNN系统在大规模动态图上计算成本过高的问题。该方法在DGraphFin数据集上取得了显著加速，但主要针对金融图场景，与关键词中的概念关联较弱。

Disco-LoRA: Disentangled Composition of Content, Style, and Motion for Multi-concept Video Customization

Xuancheng Xu, Gengyun Jia, Bing-Kun Bao

cs.CV cs.AI

本文提出Disco-LoRA框架，通过两阶段解耦策略（Content-Style和Content-Motion子任务）实现视频中内容、风格和运动的联合控制，并利用Z-score统计正则化协调不同LoRA的权重分布。该方法在multi-concept video customization任务上取得较好效果，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention无直接关联。

Learning Motion Feasibility from Point Clouds in Cluttered Environments

Sajid Ansari et al.

cs.RO cs.AI

本文研究了从原始RGB-D点云数据中学习7-DOF机械臂在杂乱场景中的运动可行性预测问题，并构建了包含270万抓取可行性标签的大规模基准数据集。作者对比了MLP、体积CNN和点云Transformer三类架构，其中基于点云Transformer的GRASPFC-PTX模型在未见物体上达到0.996的AUROC，且预测速度显著快于基于采样的运动规划器。

DroidBreaker: Practical and Functional Problem-Space Attacks on Machine-Learning Android Malware Detectors

Christian Scano et al.

cs.CR cs.LG

本文提出DROIDBREAKER框架，通过细粒度的problem-space操作（如注入API调用、权限和URL）来攻击机器学习Android恶意软件检测器，并引入语义保持的功能性测试来确保修改后的APK行为不变。该方法在保持构建安全性的同时实现了高逃避率，但主要聚焦于对抗性攻击而非关键词中的code、context或pretrain等方向。

MLFFM-SegDiff: A Multi-Level Feature Fusion Diffusion Model for Skin Lesion Segmentation

Jingjun Gu et al.

eess.IV cs.AI cs.CV

本文提出了一种基于扩散模型的皮肤病变分割方法MLFFM-SegDiff，通过引入双路径U-Net编码器和多级特征融合模块来改进跨层特征交互和边界细节恢复，在多个数据集上取得了优于现有方法的性能。

State-Specific Respiratory Signatures for Affective and Stress Recognition: Interpretable Respiratory Markers, Autocorrelation Lags, and Compact CNN Models

Andrei Velichko, Mehmet Tahir Huyut

eess.SP cs.LG q-bio.QM

本文利用WESAD数据集中的呼吸信号，通过结合一维卷积神经网络（1D-CNN）和手工设计的呼吸特征（包括呼吸时序、变异性、波形统计、谱/时频描述符以及自相关/非线性可预测性描述符），研究了情感与压力识别中的可解释呼吸标记。实验表明，原始信号CNN模型在压力检测任务上表现最佳（准确率96.72%），而可解释特征模型在冥想等非压力状态识别上更具优势。

Robust Onion: Peeling Open Vocab Object Detectors Under Noise

Priyank Pathak et al.

cs.CV cs.AI

本文通过引入受控合成视觉退化，对Open Vocabulary Object Detectors (OV-ODs) 进行了分层鲁棒性分析，揭示了特征坍塌是导致性能下降的主要原因，并发现鲁棒性主要由图像域而非标注决定。最后，作者提出了一种轻量级NN & TK0方法，以极少的可训练参数提升了模型在真实噪声场景下的鲁棒性。

ProtoKV: Streaming Video Understanding under Delayed Query with Summary-State Memory

Le Tu Ngoc Minh, Jinyeong Lim, Dongsu Han

cs.CV cs.LG

本文提出ProtoKV，一种用于流式视频理解的恒定内存方法，通过将远距离历史压缩为固定容量的summary state（摘要状态）来缓解延迟查询下的关键线索丢失问题。该方法在保持较低查询时延的同时提升了长延迟场景下的准确率。

Anatomy-Guided Residual Motion Diffusion for Controllable 4D Cardiac MRI Synthesis

Yiheng Cao et al.

cs.CV cs.AI

本文提出了一种用于4D心脏MRI合成的可控生成框架，通过半监督VAE和级联潜在扩散模型分离解剖结构与时间动态，实现了基于临床先验的静态解剖生成和残差运动估计。该方法在跨厂商泛化实验中提升了分割性能，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接契合。

LearniBridge: Learnable Calibration of Feature Caching for Diffusion Models Acceleration

Xuyue Huang et al.

cs.CV cs.LG

本文提出LearniBridge，一种用于扩散模型特征缓存的可学习校准机制，通过轻量级LoRA更新来桥接多个时间步，以减少高加速比下的误差累积。该方法在图像和视频生成任务上实现了显著加速，但与我提供的关键词列表关联度不高。

MIRROR: Novelty-Constrained Memory-Guided MCTS Red-Teaming for Agentic RAG

Inderjeet Singh et al.

cs.CR cs.AI cs.LG

本文提出了MIRROR框架，用于多模态agentic RAG系统的红队测试，通过记忆引导的Monte Carlo tree search和显式新颖性约束来生成攻击候选。该方法在多个攻击面上取得了较高的攻击成功率，但主要聚焦于安全测试而非核心数学理论创新。

ReasonCLIP-58M: Visually Grounded Commonsense Reasoning Supervision for CLIP

Sicheng Zhang et al.

cs.CV cs.AI

本文提出ReasonCLIP-58M，一种持续预训练框架，通过两阶段策略将大规模推理监督集成到CLIP模型中，以增强其视觉基础常识推理和组合推理能力。该方法构建了互补数据集和基准，并证明结构化推理监督能提升CLIP视觉表征的表达能力。

NaviCache: Test-Time Self-Calibration Caching for Video Generation

Zheqi Lv et al.

cs.CV cs.AI cs.MM

本文提出NaviCache，一种用于视频扩散模型的测试时自校准缓存方法。它将特征演化重新概念化为惯性导航系统问题，通过双状态估计架构自适应跟踪特征变化比率及其潜在漂移，实现有误差界的计算跳过。

Fortress and Gatekeeper: Theorizing Transitive Trust in Third-Party Cybersecurity Risk Governance

Yijun Chen, Misita Anwar

cs.CR cs.AI cs.CY

本文通过分析2025年OpenAI-Mixpanel安全事件，提出了“传递信任”概念和“Fortress and Gatekeeper”框架，用于解释第三方网络安全风险治理中的信任与委托问题，但未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词。

Scalable Message-Passing Quantum Graph Neural Networks in the Weisfeiler-Leman Hierarchy

Snehal Raj et al.

quant-ph cs.LG

本文提出了一种可扩展的量子图神经网络框架，通过消息传递实现置换等变性，并位于Weisfeiler-Leman层次结构的指定层级。该框架支持在小图上预训练以缓解训练问题，并在多达56量子比特的模拟中验证了其性能。

Accelerated sampling using SamAdams variable timesteps and position-adaptive Langevin dynamics

Benedict Leimkuhler, Peter A. Whalley

math.NA cs.LG stat.CO

本文提出了一种基于SamAdams自适应时间步长和位置自适应Langevin dynamics (PAL)的加速采样方法，通过结合这两种技术并利用回文积分器实现单次力评估。该方法在Rosenbrock势等模型上展示了比固定步长积分更快的混合速率，但未涉及代码、上下文或谱方法等关键词。

Bridging Vision and Language Concepts through Optimal Transport Semantic Flow

Chenyang Zhang et al.

cs.CV cs.AI

本文提出OTF-CBM模型，通过最优传输理论将视觉与语言概念的对齐建模为动态跨模态传输过程，而非静态投影。该方法利用逆最优传输学习语义代价，并执行非平衡最优传输流匹配来建模视觉块与文本概念间的语义转换，从而提升分类准确性与概念忠实度。

Tractography-Driven Synthetic Data Generation for Fiber Bundle Segmentation in Tracer Histology

Kyriaki-Margarita Bintsi et al.

cs.CV cs.LG

本文提出了一种基于合成数据增强的框架，用于自动分割猕猴示踪组织学中的纤维束，利用离体dMRI tractography生成2D图像补丁进行训练，并与真实数据混合训练2D U-Net。实验表明该方法在减少3倍手动标注数据的同时达到了与现有技术相当的性能。

Confidence-Aware Tool Orchestration for Robust Video Understanding

Yangfan He, Yujin Choi, Jaehong Yoon

cs.CV cs.AI

本文提出Robust-TO框架，通过为每个视频帧分配可信度分数来解决视频推理中的“盲目信任问题”，并利用agent机制组织多种视觉感知工具进行证据融合。实验表明该方法在多种视频理解基准上优于现有基线。

Risk-Aware Selective Multimodal Driver Monitoring with Driver-State World Modeling

Daosheng Qiu et al.

cs.RO cs.AI

本文提出了一种成本感知的选择性推理框架，用于自动驾驶中的多模态驾驶员监控，通过轻量级RGB-生理学生模型和门控机制在快速预测与安全干预间权衡，并探索了驾驶员状态世界建模模块以预测未来误差和行动成本。实验表明该方法在降低不安全错误率的同时保持了低延迟，但存在校准漂移问题。

A Deterministic Control Plane for LLM Coding Agents

Padmaraj Madatha

cs.SE cs.AI cs.CR

本文针对LLM编码代理的配置管理问题，提出了一种确定性控制平面Rel(AI)Build，通过内容寻址、权限分级和锁文件等机制来管理代理定义，但方法本身并非开创性且与关键词契合度较低。

Jailbreaking for the Average Jane: Choosing Optimal Jailbreaks via Bandit Algorithms for Automatically Enhanced Queries

Prarabdh Shukla et al.

cs.CR cs.CL cs.LG

本文提出了一种基于multi-armed bandit框架的jailbreak攻击策略，用于高效学习针对LLM的最优攻击方法，并构建了FrankensteinBench基准测试集。实验表明该方法在多个开源模型上取得了高达97%的攻击成功率，且增加查询复杂度能进一步提升攻击效果。

Scaling Multi-Reference Image Generation with Dynamic Reward Optimization

Wenwang Huang et al.

cs.CV cs.AI

本文提出了OmniRef-Bench基准和DyRef两阶段训练框架，用于解决多参考图像生成(MRIG)中模型性能随参考图像数量增加而下降的问题。DyRef通过监督微调结合动态奖励优化（包括难度感知优势加权和判别性奖励缩放）来提升模型在复杂MRIG场景下的表现。

Geometric Gradient Rectification for Safe Open-Set Semi-Supervised Learning

Jiahe Chen et al.

cs.CV cs.LG

本文提出了一种名为Geometric Gradient Rectification (GGR)的插件框架，用于开放集半监督学习。该方法通过将监督梯度作为锚点，将冲突的辅助梯度投影到可容许的梯度空间区域，从而在梯度层面而非样本层面解决模型训练中的权衡问题。

XMSE-Aware Adaptive Empirical Bayes Estimation

Minghao Chen, Jiale Zheng

stat.ML cs.AI cs.LG eess.SY stat.ME

本文提出了一种XMSE感知的自适应经验贝叶斯估计方法，通过混合最大似然估计和经验贝叶斯收缩来改善核不匹配时的性能，并给出了闭式最优混合权重及有限样本下的理论保证。该方法在仿真和基准测试中表现出对正则化收益的保留和对核误设的鲁棒性。

In-Context Model Predictive Generation: Open-Vocabulary Motion Synthesis from Language Models to Physics

Xiaomeng Fu et al.

cs.RO cs.AI

本文提出ICMPG框架，将语言模型规划与物理仿真反馈结合，通过上下文感知生成和模型预测生成两个模块，实现从文本描述到物理合理的人体运动合成。该方法在语义保真度和物理真实性之间取得平衡，无需任务特定的策略重训练。

Enabling self-supervised learned primal dual with Noise2Inverse

Antti Sällinen et al.

eess.IV cs.LG math.OC

本文提出了一种自监督的CT重建方法N2I-LPD，将Noise2Inverse框架与Learned Primal-Dual算法结合，无需ground-truth数据即可训练。实验表明该方法在低剂量和稀疏角度场景下优于传统方法和U-Net。

Event-Aware Instructed Assistant for Referring Video Segmentation

Jinyu Liu et al.

cs.CV cs.AI

本文提出EVIS方法，通过可学习的Event Query将视频分解为简单事件，并结合Object-Pixel-Hybrid Learning实现层次化视频理解，用于解决referring video segmentation任务。该方法在多个基准上验证了有效性。

RolloutPipe: Overlapping Pipelined Rollout and Training in Disaggregated On-Policy LLM Reinforcement Learning

Rongjian Chen et al.

cs.DC cs.LG

本文提出RolloutPipe框架，通过完全组流水线（CGP）和前沿组调度（FGD）技术，在解耦的on-policy LLM强化学习系统中重叠rollout生成与策略训练阶段，在保持on-policy正确性的同时缩短训练时间并降低训练器空闲率。

Inverse Design of Compact and Wideband Inverted Doherty Power Amplifiers Using Deep Learning

Han Zhou et al.

eess.SP cs.AI cs.AR eess.SY

本文利用深度学习（CNN和GA）逆向设计了一种紧凑宽带的倒置Doherty功率放大器，通过像素化合路网络实现了负载调制、阻抗匹配等功能。实验结果表明该设计在1.9-2.5 GHz频段内具有较高的效率和输出功率。

On-board Remote-Sensing Foundation Models for Unsupervised Change Detection of Disaster Events

S. Ramírez-Gallego

cs.CV cs.AI

本文提出了一种基于ResNet (RSFM) + FPN的无监督变化检测方法，用于在轨遥感卫星自主检测灾害事件。该方法通过分析连续轨道间潜在空间的语义偏移来识别异常，无需训练即可实现高效的高分辨率映射。

The Spec Growth Engine: Spec-Anchored, Code-Coupled, Drift-Enforced Architecture for AI-Assisted Software Development

Hartwig Grabowski

cs.SE cs.AI

本文提出了Spec Growth Engine框架，通过spec graph和Spine context assembler解决AI编码代理中的context explosion和spec-code drift问题，但方法主要基于现有软件工程原则的组合，缺乏开创性。

Parametric Open Source Games

Aleksandar Todorov, Jesse ten Napel, Alexander Müller

cs.GT cs.AI cs.LG

本文提出了一种参数化开源游戏框架，作为程序均衡的连续模拟，其中玩家选择参数向量并通过语义映射转化为混合动作。该框架建立了均衡存在性结果，并展示了参数化如何重塑学习动态和均衡结构。

Beyond Global Divergences: A Local-Mass Perspective on Bayesian Inference

Hanli Xu, Fengxiang He, Sarat Moka

stat.ML cs.AI cs.LG

本文通过引入Mass Index和正则化扩展KL散度(RE-KL)两种工具，从局部质量视角研究了贝叶斯推断中全局目标(如KL散度)未直接捕捉的局部行为，并证明了局部小球质量在两种KL方向下的不等式关系。实验提供了对局部行为的受控说明。

Inherited Circuits, Learned Semantics: How Fine-Tuning Creates Evasion Vulnerabilities Invisible to Standard Evaluation

Ryan Fetterman

cs.CR cs.AI

本文研究了LLM在安全分类微调后产生的规避漏洞，发现微调会继承并集中基础模型中的注意力路径，导致模型在规范测试中表现良好，但在PowerShell别名替换等变换下失效。

Proof of the Density Threshold Conjecture for Pinwheel Scheduling

Akitoshi Kawamura

cs.DM cs.DS math.CO

本文证明了Pinwheel调度问题中密度阈值猜想的一个部分结果，即所有密度不超过5/6的实例都是可调度的。证明通过将问题推广到分数周期，并借助计算机搜索有限实例集来完成。

Application of LLMs to Threat Assessment of Foreign Peacekeeping Missions

Gerhard Backfried et al.

cs.CR cs.AI

本文提出了一种利用Large Language Models (LLMs)进行外国维和任务威胁评估的新方法，结合了跨学科风险模型与OSINT媒体收集。实验表明，自动提取的威胁结果与人类判断在核心方面具有高度一致性。

Safe Autoregressive Image Generation with Iterative Self-Improving Codebooks

Yunqi Xue et al.

cs.CV cs.AI

本文提出了一种迭代自改进的codebook方法，用于提升自回归图像生成模型的安全性。该方法利用模型自身识别不安全图像，并通过构建有害空间和自适应微调来消除有害映射，从而迭代提升模型安全性。

Learning to Fold: prizewinning solution at LeHome Challenge 2026 (1st place online, 2nd offline)

Ilia Larchenko

cs.RO cs.AI cs.LG

本文描述了一种用于双手机器人折叠衣物的解决方案，通过强化学习循环改进了视觉-语言-动作策略，并整合了AWR与RECAP等现有RL方法以及分布式训练和模拟到现实的工程优化。

HarmVideoBench: Benchmarking Harmful Video Understanding in Large Multimodal Models

Jiajun Wu et al.

cs.CV cs.CL

本文提出了HarmVideoBench，一个用于评估大语言模型对有害视频多层次理解的基准测试，包含1379个视频和4137道选择题。该基准从三个层次（可观察证据、片段内含义、片段外推理）评估模型，并引入BCR方法通过动态检索上下文来提升性能。

From Celebrities to Anyone: Characterizing AI Nudification Content, Technology, and Community Dynamics on 4chan

Chi Cui, Yixin Wu, Yang Zhang

cs.CY cs.AI cs.CV cs.HC

本文研究了4chan平台上AI生成非自愿色情内容(SNEACI)的社区动态，发现目标从名人转向普通人(占55.8%)，且开源模型(如Stable Diffusion和Wan)主导了内容生产，揭示了该生态系统的运作机制。

Advancing Omnimodal Embodied Agents from Isolated Skills to Everyday Physical Autonomy

Junhao Shi et al.

cs.RO cs.AI

本文提出OmniAct框架，通过分层异步架构整合多模态语义规划器、自适应分层记忆和异步视觉抢占引擎，以解决非结构化环境中持久化embodied agent的统一编排问题。该框架在40项真实世界长时任务中提升了端到端成功率，并实现了近恒定的token消耗。

E-TTS: A New Embodied Test-Time Scaling Framework for Robotic Manipulation

Wen Ye et al.

cs.RO cs.AI

本文提出了E-TTS框架，通过历史感知的迭代精炼和视觉-语言验证器，统一了机器人操作中的推理与动作缩放。该方法利用历史缓冲区存储上下文信息，并引入闭环反馈机制以提升推理效率与环境适应性。

Ribbon: Scalable Approximation and Robust Uncertainty Quantification

Graham Gibson et al.

stat.ML cs.LG

Ribbon通过influence function线性化近似Dirichlet重加权bootstrap的不确定性量化，避免了重复模型重拟合，并在合成回归、MNIST分类等基准上展示了竞争性的预测性能和改进的校准效果。该方法与Laplace近似和稳健sandwich协方差估计渐近等价，但未涉及code、context、spectral等关键词。

Generative Models on Analog Hardware with Dynamics

Yu-Neng Wang, Sara Achour

cs.ET cs.LG

本文提出Analog Interaction Systems (AIS)框架，用于在模拟硬件（如耦合振荡器）上实现生成模型，并设计了时变分段参数和隐藏物理状态两种机制来缩小与神经网络基线的表达差距。通过Wasserstein GAN训练和稀疏低比特量化，该方法在MNIST和Fashion-MNIST上实现了优于此前模拟生成模型的FID分数，并显著降低了能耗。

AI Healthcare Chatbots as Information Infrastructure: A Large-Scale Study of User-Reported Breakdowns

Muhammad Hassan et al.

cs.HC cs.AI

本文通过分析超过15000条用户评论，研究了59个AI医疗健康聊天机器人应用中的用户报告故障，识别出访问障碍、用户体验问题和计费支持等三类主要故障。研究将AI医疗健康聊天机器人视为信息基础设施，强调了访问、可用性和信任方面的失败对用户的影响。

Understanding Domain-Aware Distribution Alignment in Budgeted Entity Matching

Nicholas Pulsone, Gregory Goren, Roee Shraga

cs.DB cs.AI cs.LG

本文研究了低资源领域感知实体匹配方法BEACON在不同数据约束和监督水平下的表现，通过一系列实验分析了分布对齐的作用和算法选择对性能的影响。

When are likely answers right? On Sequence Probability and Correctness in LLMs

Johannes Zenn, Jonas Geiping

stat.ML cs.LG

本文研究了LLM中序列概率与正确性之间的关系，发现序列概率在固定数据集内能预测正确性，但通过调整解码方法或超参数提高序列概率并不能可靠地提升准确性。

DanceOPD: On-Policy Generative Field Distillation

Wei Zhou et al.

cs.CV cs.CL cs.LG

本文提出DanceOPD框架，用于flow-matching模型的on-policy生成场蒸馏，通过将每个样本路由到单一能力场并训练velocity MSE目标，以统一text-to-image、局部编辑和全局编辑等多能力。实验表明该方法能改善多能力组合，但未涉及code、context、spectral等关键词。

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.CL

cs.DS

others

📄 所有论文 ↑ 回顶部

cs.LG

cs.AI

cs.IR

cs.CL

cs.DS

others