bluearXiv-ai 论文精选

2026-07-01
返回首页 论文统计 精选论文 所有论文

📚 跟踪学科 (Categories)

🔍 筛选关键词 (Keywords)

📊 论文统计 ↑ 回顶部

cs.LG
87
cs.AI
75
cs.IR
7
cs.CL
57
cs.DS
13
others
152
总计
391

⭐ 精选论文 ↑ 回顶部

cs.LG

Gradient Smoothing: Coupling Layer-wise Updates for Improved Optimization ⭐ 精选
Haoming Meng, Anton Sugolov, Vardan Papyan
cs.LG cs.AI
On the Convergence of Self-Improving Online LLM Alignment ⭐ 精选
Xudong Wu et al.
cs.LG cs.AI stat.ML
Evil Spectra: How Optimisers can Amplify or Suppress Emergent Misalignment ⭐ 精选
Jason R. Brown, Patrick Leask, Lev McKinney
cs.LG cs.AI
ECHO: Prune to act, trace to learn with selective turn memory in agentic RL ⭐ 精选
Zijun Xie et al.
cs.LG cs.AI
Geometry-Preserving Orthonormal Initialization for Low-Rank Adaptation in RLVR ⭐ 精选
Ruijia Zhang et al.
cs.LG cs.AI
Sequential RC-TGAN: Generating Relational Time Series with Spectral Envelope Loss ⭐ 精选
Mohamed Gueye et al.
cs.LG
TRIAGE: Role-Typed Credit Assignment for Agentic Reinforcement Learning ⭐ 精选
Yuanda Xu et al.
cs.LG cs.AI

cs.AI

Contrastive Reflection for Iterative Prompt Optimization ⭐ 精选
Derek Koh et al.
cs.AI
Why Solve It Twice? Hierarchical Accumulation of Skills for Transfer-Efficient ML Engineering ⭐ 精选
Yongbin Kim, Yashar Talebirad, Osmar R. Zaiane
cs.AI cs.LG cs.MA
Beyond the Library: An Agentic Framework for Autoformalizing Research Mathematics ⭐ 精选
Arshia Soltani Moakhar et al.
cs.AI
AI-Assisted Discovery of Convex Relaxations via Dual Agents ⭐ 精选
Sungyoon Kim, Mert Pilanci
cs.AI
Agentic RAG-VLM: Affordance-Aware Retrieval-Augmented Generation with Self-Reflective Planning for Robotic Grasping ⭐ 精选
Tao Chen et al.
cs.AI
Long-term Traffic Simulation via Structured Autoregressive Modeling ⭐ 精选
Lingyu Xiao, Zexin Feng, Xintao Yan
cs.AI cs.RO
Agentic-Ideation: Sample Efficient Agentic Trajectories Synthesis for Scientific Ideation Agents ⭐ 精选
Keyu Zhao et al.
cs.AI
Embodied CAD: Solver-Grounded LLM Agents for Parametric B-Rep Assembly Modeling ⭐ 精选
Fumin Liu et al.
cs.AI
ReGRPO: Reflection-Augmented Policy Optimization for Tool-Using Agents ⭐ 精选
Binjie Zhang, Mike Zheng Shou
cs.AI
ACE: Pluggable Adaptive Context Elasticizer across Agents ⭐ 精选
Ning Liao et al.
cs.AI

cs.CL

Using AI Agents to Automate Black-Box Audits of Personalization Algorithms at Scale ⭐ 精选
Alessandro Morosini et al.
cs.CL cs.CY cs.LG cs.SI

cs.DS

Sensitivity Lower Bounds via Locally Testable Codes ⭐ 精选
Yuichi Yoshida, Zihan Zhang
cs.DS

others

ADAPT: Attention Dynamics Alignment with Preference Tuning for Faithful MLLMs ⭐ 精选
Zhiyuan Yao et al.
cs.CV cs.AI cs.CL cs.MM
Scaling Storm-Resolving Atmospheric AI Simulation to the Entire Planet ⭐ 精选
Zeyuan Hu et al.
physics.ao-ph cs.CE cs.LG
The Decomposition Is the Fingerprint: Per-Component Identity for Agent Skills ⭐ 精选
Hongliang Liu, Yuhao Wu, Tung-Ling Li
cs.CR cs.CL cs.LG
Random Reshuffling Dominates Stochastic Gradient Descent ⭐ 精选
Zijian Liu
math.OC cs.LG stat.ML

📄 所有论文 ↑ 回顶部

cs.LG

Gradient Smoothing: Coupling Layer-wise Updates for Improved Optimization ⭐ 精选
Haoming Meng, Anton Sugolov, Vardan Papyan
cs.LG cs.AI
本文提出了一种名为Depth-wise Gradient Augmentation的通用优化范式，其核心是Gradient Smoothing方法族，通过沿深度维度对优化器（如SGD, Adam, Muon）产生的逐块更新进行平滑变换（如局部Window Smoothing算子），以利用深度神经网络中跨层的结构化关系。该方法在语言模型预训练、LLM推理的后训练强化学习、扩散模型以及Vision Transformer图像分类等多种任务中，一致地提升了优化与泛化性能，且计算开销极小。这项工作为利用跨深度结构进行优化提供了新框架，其简洁性与广泛适用性使其在Muon等优化器相关的预训练场景中具有潜在价值。
On the Convergence of Self-Improving Online LLM Alignment ⭐ 精选
Xudong Wu et al.
cs.LG cs.AI stat.ML
本文针对Self-Improving Alignment (SAIL)算法在在线LLM对齐中的收敛性问题，指出其标准目标函数因Hessian矩阵性质不佳而不保证强凹性。作者提出正则化目标SAIL-RevKL，通过引入reverse KL divergence penalty来改善优化景观，并证明该目标在有限参数空间内满足Polyak-Lojasiewicz (PL) condition。理论贡献包括建立全局收敛保证并实现近线性样本复杂度，实验验证其在MuJoCo和LLM对齐任务上优于原始SAIL。
Evil Spectra: How Optimisers can Amplify or Suppress Emergent Misalignment ⭐ 精选
Jason R. Brown, Patrick Leask, Lev McKinney
cs.LG cs.AI
本文发现，在LLM的fine-tuning过程中，optimiser的选择是导致Emergent Misalignment (EM) 严重程度的关键因素，其影响远超模型规模或家族。通过分析loss-alignment关系，作者指出Muon optimiser通过隐式地正则化LoRA adapter的singular value分布（使其更均匀）来更好地保持alignment。基于此，作者提出了一种spectral regularization方法，通过添加额外的loss项来鼓励更平坦的singular value spectrum，从而显著缓解了Adam和Lion等易产生EM的optimiser带来的对齐问题，且对训练损失影响极小。
ECHO: Prune to act, trace to learn with selective turn memory in agentic RL ⭐ 精选
Zijun Xie et al.
cs.LG cs.AI
ECHO提出了一种选择性turn-memory框架，通过source-indexed reconstruction机制解决长程agent任务中历史信息坍缩和可追溯学习问题。该方法将每个环境交互回合压缩为紧凑记忆记录，并基于这些记录重构有界policy context，同时利用选中的source indices将成功答案的奖励信号反向传播至支持该答案的证据和选择动作。在BrowseComp-Plus基准上，ECHO以更少的交互轮次和轨迹量达到43.4%的留出准确率，显著优于GRPO和SUPO基线，并在多目标QA、代码生成等任务上展现出零样本泛化能力。该工作为agentic RL中的context管理和credit assignment提供了新的范式。
Geometry-Preserving Orthonormal Initialization for Low-Rank Adaptation in RLVR ⭐ 精选
Ruijia Zhang et al.
cs.LG cs.AI
本文针对RLVR（Reinforcement Learning with Verifiable Rewards）场景下LoRA（Low-Rank Adaptation）的初始化问题，提出了一种保持几何结构的正交初始化方法。理论分析表明，正交初始化能使LoRA输出与全参数微调之间的差距最小化，并据此设计了RLPO和RLMO两种新变体。实验证明，该方法在数学推理基准上稳定了RLVR训练，性能优于标准LoRA，并解释了PiSSA和MiLoRA在RLVR中表现不佳的原因。该工作为低秩适应在强化学习场景下的初始化提供了统一的理论分析框架。
Sequential RC-TGAN: Generating Relational Time Series with Spectral Envelope Loss ⭐ 精选
Mohamed Gueye et al.
cs.LG
本文提出Sequential RC-TGAN，一种用于生成关系型时间序列的生成对抗网络框架。其核心创新在于引入基于Spectral Envelope Theory的可微损失函数，使生成器能通过反向传播直接优化对潜在周期结构的保留，并利用Variational Gaussian Mixture Model (VGM)将这一频域正则化扩展到连续时间序列。为解决评估标准缺失问题，作者通过模拟具有已知理论spectral envelope的分类时间序列构建基准，并提出了Spectral Density Divergence和Spectral Envelope Divergence两个新指标。实验表明，该方法在复现循环模式和长期季节性方面显著优于现有系统。
TRIAGE: Role-Typed Credit Assignment for Agentic Reinforcement Learning ⭐ 精选
Yuanda Xu et al.
cs.LG cs.AI
本文提出TRIAGE，一种面向agentic reinforcement learning的角色类型化信用分配框架。该方法通过一个结构化judge将agent的每个segment（动作片段）分类为decisive progress、useful exploration、no-progress infrastructure或regression，并基于角色标签映射为固定的segment-level process rewards，从而修正了标准GRPO中仅使用最终verifier outcome信号的两个主要盲点：惩罚失败轨迹中的有用探索，以及奖励成功轨迹中的冗余或倒退动作。理论分析表明，角色条件化信用是仅从角色标签可表达的最优segment-level校正，能降低advantage estimation error并实现更低方差的policy gradients。在ALFWorld、Search-QA和WebShop上的实验显示，TRIAGE在成功率上优于GRPO和多种基线，并能减少环境交互步数，其增益主要来自对成功轨迹内regression的可靠检测。
Joint discovery of governing partial differential equations from multi-source datasets by competitive optimization
Hao Xu et al.
cs.LG physics.comp-ph
本文提出了一种名为MCO-PDE的竞争优化框架，用于从多源数据集中联合发现共享的偏微分方程。该框架通过训练独立神经网络代理并采用软竞争加权机制来聚合全局系数，结合遗传算法进行结构搜索，从而识别控制方程的函数形式和参数。
Accelerometry-Derived Digital Biomarkers for Cardiometabolic Risk: A Population-Representative Tabular Benchmark with Uncertainty Quantification
Federico Felizzi
cs.LG cs.AI stat.ML
本文基于NHANES 2003-2006数据构建了一个用于心血管代谢风险预测的tabular benchmark，评估了ridge regression、XGBoost和TabPFN v2三种方法在预测HbA1c、triglycerides和CRP上的表现，并应用split conformal prediction进行uncertainty quantification。该工作主要关注tabular learning在临床数据上的实际应用与公平性评估，与关键词中的spectral、Muon、pretrain、agent、attention等概念无直接关联。
From Search to Synthesis: Training LLMs as Zero-Shot Workflow Generators
Gan Luo et al.
cs.LG cs.AI cs.CL
本文提出MetaFlow，将workflow生成视为meta-learning问题，通过两阶段训练（监督微调与强化学习）使LLM能零样本生成任务级解决方案。该方法在问答、代码生成和数学推理任务上表现良好，但未涉及spectral、Muon等关键词相关技术。
Why Do Few-Step Text Latents Fail When Image Latents Work? Non-Commitment at Sharp Categorical Readouts
Zhongyao Wang
cs.LG cs.AI
本文研究了确定性少步生成在连续文本隐空间上失败的原因，指出问题源于几何特性而非训练或缩放缺陷：平滑的确定性映射无法在尖锐的分类读出前解决离散分支选择。通过理论分析和诊断指标（DABI和CCI），作者证明了连续文本解码器会放大边界对齐的扰动，而图像解码器则不会，并提出了两种规避机制（分类承诺和随机重注入）。
Hierarchical Global Attention (HGA)
Woernle Frank, Fedosov Vladimir, Grinenko Artemiy
cs.LG cs.AI
本文提出Hierarchical Global Attention (HGA)，一种用于预训练长上下文transformer的即插即用稀疏注意力方法。它通过分层两级路由机制，先检索相关chunk再细化选择，使得在有限GPU内存下支持64K token上下文成为可能。
ReactionAtlas: Ab origine exploration of chemical reaction networks with machine learning
Stefan Gugler et al.
cs.LG physics.chem-ph
本文提出ReactionAtlas，一种利用机器学习生成模型和DFT训练的力场从少量种子分子出发自动构建化学反应网络的方法，无需手工规则。该方法发现了约47,000个反应和12,000种化合物，并成功应用于前生命化学中的formose循环研究。
Revocable Learned State via Process Sidecars
John Sweeney
cs.LG cs.CL cs.CR
本文提出了一种名为process sidecars的两系数编辑族，用于在语言模型的安全训练阶段后撤销已学习的记忆，通过近似未来AdamW安全训练过程的割线来修正记忆方向。该方法在多个模型上验证了其有效性，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
Predictable GRPO: A Closed-Form Model of Training Dynamics
Rajat Ghosh et al.
cs.LG stat.ML
本文通过构建一个基于第一性原理的降阶模型，为Group Relative Policy Optimization (GRPO)的训练动力学提供了封闭形式的解析描述。该模型将经验性的单指数饱和律作为过阻尼极限纳入其中，并预测了群大小不变性、稳定性阈值等可验证现象。虽然方法具有理论深度，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等主题关联度较低。
Mind the Residual Gap: Probabilistic Downscaling under Real-World Bias
Yujin Kim, Nidhi Soma, Sarah Dean
cs.LG cs.CE
本文针对概率降尺度任务中均值-残差框架存在的偏差和欠分散问题，提出ReMatch方法，通过在低维PCA空间中使用optimal transport对齐训练与测试时的残差分布，从而改善校准性能。实验在合成数据和真实HRRR-ERA5风场降尺度任务上验证了其有效性。
Partition-Guided Distance Saliency: Bridging Decision and Objective Spaces in Many-Objective Optimization
Cláudio Lúcio do Val Lopes, Flávio Vinícius Cruzeiro Martins, Elizabeth Fialho Wanner
cs.LG cs.NE
本文提出了一种名为Partition-Guided Distance Saliency (PGDS)的XAI框架，用于多目标优化问题。该框架通过代理模型学习决策空间到目标空间的几何距离映射，并自动划分目标区域以识别局部“支配点”，从而量化每个决策变量对解位置的影响。
A Stationary-Distribution Theory for Triplet-Based Plateau Search in Random Forest Ensemble-Size Selection
Andrey A. Dukhovny, Andrey M. Lange
cs.LG cs.AI math.PR stat.ML
本文为随机森林中基于三元组搜索的集成大小选择过程建立了平稳分布理论，将中心集成大小建模为生灭Markov链并推导了其平稳分布。该工作将这一调参过程解释为随机过程而非确定性停止规则。
A Transferable Learned Temporal Prior for Transmission Reconstruction and Decision-Relevant Uncertainty in Real Outbreak Labels
Md Ahsan Karim
cs.LG q-bio.QM
本文提出了一种可迁移的时序先验方法，用于疫情传播重建中的标签不确定性量化，在ANDV和mpox数据集上验证了其优于基线方法的性能。该方法通过逻辑回归模型学习疾病家族的时序模式，并展示了保留不确定传播边对干预优先级的影响。
Behavior Cloning is Not All You Need: The Optimality of On-Policy Distillation for Noisy Expert Feedback
Ved Sriraman et al.
cs.LG cs.AI stat.ML
本文提出一个带噪声的专家模型来解释为何在线模仿学习（如on-policy distillation）在实践中优于离线方法（如supervised fine-tuning）。作者证明在噪声专家反馈下，离线学习的样本复杂度会随horizon指数增长，而在线方法则能实现多项式依赖，从而为语言模型训练中OPD优于SFT提供了理论依据。
Personalizing Marketplace Policies with Competing Objectives and Constrained Experiments: Evidence from a Job Marketplace
Yufei Wu, Zhen Yan
cs.LG stat.AP stat.ME
本文针对双边就业市场平台，提出了一种个性化免费价值阈值的集成框架，通过集成混合排序模型和处理效应外推方法，在满足参与度约束的同时提升了目标指标。该工作主要解决了实验受限和多目标竞争下的个性化政策设计问题，但方法本身在理论或技术上的开创性有限。
Quality-Aware Modulation for Diffusion Transformers
Luke Budny, Yuhong Guo, Kevin Cheung
cs.LG
本文提出Quality Representation Module (QRM)，一个轻量级transformer模块，通过学习质量感知表示来调整DiT中的adaptive LayerNorm调制，从而提升生成图像质量。该方法不改变采样过程或扩散主干，实验表明其能带来一致的图像质量改进。
Physics-informed Conditional Normalizing Flows for Angles-only Cislunar Orbit Determination
Walther Litteri, Massimiliano Vasile
cs.LG astro-ph.EP astro-ph.IM cs.AI
本文利用conditional normalizing flow对cislunar环境中的angles-only orbit determination问题进行建模，通过条件密度估计从短弧观测中推断初始状态的概率分布，并采用非线性最小二乘优化进行精化。
Multistage Defer Trees for Hybrid Interpretability: If at First You Can't Succeed, Tree Again
Zakk Heile et al.
cs.LG stat.ML
本文提出Multistage Defer Trees，通过一系列稀疏决策树序列处理大部分样本，并将少数困难样本推迟至后续树或黑箱模型，旨在平衡准确率与可解释性。该方法在单棵树不足以胜任的场景下扩展了准确率-可解释性边界，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。
Estimating Supply Incrementality in Two-sided Marketplaces: A Causal Machine Learning Approach
Yufei Wu, Daniel Schmierer, Dan Zylberglejd
cs.LG econ.EM stat.AP stat.ME
本文研究双边市场中额外供给对交易量的因果效应，结合double/debiased machine learning与hierarchical Bayesian框架，利用地理空间相似性度量构建特征，在Airbnb数据上验证了方法的有效性。
Offline Reinforcement Learning for Fluid Controls: Data-based Multi-observational Policy Extraction
Deepak Akhare et al.
cs.LG
本文提出了一种用于流体控制的离线强化学习框架，通过数据驱动的策略提取和基于Point Attention的传感器位置条件架构，解决了在线RL需要大量交互和传感器配置变化需重新训练的问题。该方法在Kuramoto-Sivashinsky方程和Navier-Stokes方程控制的翼型流动问题上展示了有效性。
OTCache: Optimal Transport for Geometry-Aware Caching in Diffusion Models
Huanlin Gao et al.
cs.LG cs.AI
本文提出OTCache，一种无需训练的扩散模型加速框架，通过最优传输（Optimal Transport）思想预测缓存调度策略。该方法在低NFE（函数评估次数）场景下优于现有基于图的缓存方法，并在多个模型上实现约4倍加速。
Teaching LLMs to Recommend and Defer in Underrepresented Epilepsy Care
Shreyas Rajesh et al.
cs.LG
本文提出MANANA框架，用于在资源受限的乌干达儿科癫痫护理中，让LLM基于非结构化临床笔记推荐抗癫痫药物方案。该方法通过非参数prompt学习从少量患者数据中学习本地处方指南，并引入贝叶斯prompt平均来生成处方概率和基于不确定性的延迟决策信号，在独立测试集上提升了top-3处方准确率。
Warp RL: Reshaping Base Policy Distributions for Dynamics Adaptation
Ethan Hirschowitz, Fabio Ramos
cs.LG cs.RO
本文提出Warp RL方法，用可逆的状态条件变换替代传统的additive residual correction来适应机器人策略的dynamics shift。该方法通过monotonic rational-quadratic spline flows重塑base policy的动作分布，在ManiSkill3任务中表现优于residual correction。
Knowledge Distillation from Large Reasoning Models to Compact Student Models: A Case Study on the John O Bryan Mathematics Competition
Gaurab Baral et al.
cs.LG cs.AI
本文研究了从大型推理模型DeepSeek-R1向紧凑学生模型Qwen2.5-7B的知识蒸馏，使用John O'Bryan数学竞赛的历史题目构建Chain-of-Thought训练语料，并通过LoRA微调。实验表明蒸馏后学生模型准确率提升约4.76%，且响应长度对数学推理质量有显著影响。
Fora: From Weight-Space to Function-Space Protection in Capability-Preserving Fine-Tuning
Rui Zhou, Tianci Xie
cs.LG
本文提出FORA方法，通过估计输入激活协方差的主方向来构建函数空间投影，以在微调中保护大语言模型已有能力。该方法将权重更新分解为高容量分支和窄谱通道，实验表明其优于基于权重空间的投影方法。
Explaining Machine Learning and Memorization with Statistical Mechanics
Robin Theriault
cs.LG cond-mat.stat-mech
本文使用统计力学的数学工具研究了人工神经网络和机器学习中的对抗攻击与隐式低维学习问题，重点分析了dense associative memory (DAM)和restricted Boltzmann machines (RBM)两类模型在数据拟合中的学习与记忆程度。
Visualizing High-Dimensional Graph Embeddings via Informed Multi-View Projections
Ya Ji et al.
cs.LG
本文提出了一种通过在高维空间中嵌入graph并搜索优化美学和可读性指标（如edge crossings和angular resolution）的2D视角来可视化graph的方法，并引入了可微分的edge crossings替代函数。该方法在数值实验中优于标准2D布局，并通过交互系统DataFly展示了隐藏的结构模式。
Can Tabular In-Context Learners Generalize to Biomolecular Property Prediction?
Davy Guan et al.
cs.LG q-bio.QM stat.ML
本文研究了TabPFN3和TabICL等tabular foundation models在生物分子性质预测任务中的表现，发现这些基于因果图合成表格预训练的in-context learner在蛋白质适应度回归任务上表现良好，但在小分子分类任务中性能主要取决于分子表示的选择。
A Bayesian Filtering Approach for Learning Lagrangian Dynamics from Noisy Measurements
Kundan Kumar, Shreya Das, Simo Särkkä
cs.LG eess.SP
本文提出了一种基于Bayesian filtering的方法，从含噪部分测量中学习物理系统的Lagrangian动力学，通过将能量参数化为神经网络并利用Gaussian-approximation-based Bayesian filters联合学习参数和状态。该方法在pendulum和Duffing oscillator示例上验证了有效性，并与传统Lagrangian neural networks进行了比较。
PPT-Eval: A Benchmark for Computer-Use Agents on PowerPoint Tasks
Apurva Gandhi et al.
cs.LG cs.AI
本文提出了PPT-Eval基准，包含120个PowerPoint任务，用于评估计算机使用agent在幻灯片创建和编辑中的表现。该基准设计了基于rubric的评估框架以处理多解性和部分进展问题，实验显示现有agent（如Claude-4.5-Opus）的成功率仅为45%。
ComplianceGate: Classifier-Gated Multi-Tier LLM Routing for Inference in Regulated Industries
Abhishek Dey
cs.LG cs.AI cs.CL
本文提出了一种基于classifier-gated的多层LLM路由架构ComplianceGate，通过预推理分类器将查询按复杂度和数据敏感性路由到不同规模和地理位置的模型，以在受监管行业中实现合规性和成本效率。实验显示该方法在延迟、成本和吞吐量上均有显著提升。
AETDICE: Unified Framework and Offline Optimization for Nonlinear Multi-Objective RL
Woosung Kim et al.
cs.LG cs.AI
本文提出了AETDICE框架，通过聚合-期望-变换（AET）分解统一了非线性多目标强化学习中的两种范式（SER和ESR），并利用DICE密度比估计在增广状态空间中实现了离线优化。该方法解决了非线性MORL中长期存在的策略碎片化问题。
Transformers as Bayesian In-Context Experimenters: Smoothness-Adaptive Efficient ATE Estimation
Jiachun Li, David Simchi-Levi
cs.LG cs.AI
本文提出了一种基于transformer的贝叶斯上下文实验者，通过模仿贝叶斯后验Neyman教师来学习自适应分配策略，用于平均处理效应的有效估计。该方法利用注意力机制和投影梯度下降实现非参数方差估计，并通过混合专家transformer处理未知的平滑性。
ISM:Self-Improving Strategy Memory for Continual Mathematical Reasoning
Prakhar Dixit, Tim Oates
cs.LG
ISM提出了一种名为Intelligent Schema Memory (ISM)的自进化记忆增强系统，通过维护一个紧凑的策略模式库来提升冻结大语言模型在持续学习中的数学推理能力。该方法在MATH-Hard和OlympiadBench上优于被动检索和反思基线，但未涉及code、spectral、Muon或agent等关键词。
Probing Memorization of Tabular In-Context Learning
Francesco Capano, Jonas Böhler
cs.LG cs.CR
本文提出ICLMEM框架，用于探测大型表格模型（LTM）在上下文学习（ICL）中的参数记忆现象。通过零信息多项选择上下文和受控微调设置，实验发现记忆信号在特定条件下（如低基数任务、单任务微调）存在但较弱，在现实训练条件下基本消失。
Learning Gaussian Graphical Models from a Glauber Trajectory Without Mixing
Eric Shen et al.
cs.LG stat.ML
本文研究从单条Glauber dynamics轨迹（而非独立同分布样本）中学习\(d\)-稀疏Gaussian graphical model的结构。作者提出了一种多项式时间算法，通过估计条件方差、设计局部边检验以及使用基于中位数的鲁棒估计器，实现了不依赖于混合时间的轨迹长度保证。
TDGT: A Tabular Data Generation Toolkit supporting adaptive GPU-accelerated Bayesian mixture models, diffusion-based models, and latent-space generative modeling
Vasileios C. Pezoulas et al.
cs.LG cs.AI
TDGT是一个用于合成表格数据生成和保真度评估的Web工具包，提出了自适应贝叶斯混合合成器(ABMS)算法及其变体VAE-ABMS和GPU加速版本。该工具包集成了多种生成策略和评估指标，在医疗、社会经济和网络安全数据集上展示了生成保真度。
The Calibration Turn in AI-Assisted Research: A Conceptual and Methodological Framework for Evidence-Licensed Claims
Hongmin Li
cs.LG
本文提出了一个用于AI辅助研究中“证据许可声明”的概念与方法框架，将研究过程建模为五个算子，并区分了不同语义类型。该工作主要聚焦于科学研究的哲学与方法论层面，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接技术关联。
Revisiting the Volume Hypothesis
Ari Pakman, Lior Kreimer, Yakir Berchenko
cs.LG
本文通过Replica Exchange Wang-Landau算法估计二元网络中训练和测试准确率的联合状态密度，研究了梯度学习与随机采样训练在泛化性能上的差异。结果表明，随着训练数据规模增大，梯度学习相对于随机采样的泛化优势逐渐减弱，为“体积假说”中的矛盾现象提供了一种解释。
Sequential sparse Gaussian process quantile regression
Hugo Nicolas, Olivier Le Maître
cs.LG stat.ML
本文提出了一种基于Laplace近似的稀疏Gaussian process分位数回归方法，通过引入诱导变量和方差分解来降低计算成本。该方法在基准问题上验证了近似精度和自适应策略的有效性，但未涉及关键词中的code、context或spectral等概念。
Probabilistic Inversion with Flow Matching
Baldur Paulwitz, Stefan Buske
cs.LG math.PR physics.geo-ph
本文使用Flow Matching（一种生成式AI技术）进行地球物理中的概率反演，通过将其数学理论适配到概率反演框架，并在简单2D速度模型和OpenFWI数据集上验证了该方法。
Patch-PODiff-ViT: Structured Latent Diffusion with Patchwise POD for Super-Resolution and Uncertainty Quantification
Onkar Jadhav et al.
cs.LG
本文提出Patch-PODiff-ViT，使用patchwise Proper Orthogonal Decomposition (POD)作为固定的线性正交基来定义latent space，替代了传统的非线性autoencoder，从而在低维结构化latent space中实现扩散模型，用于super-resolution和uncertainty quantification。该方法在多个图像数据集上实现了参数更少、内存更低的强重建性能，并能够通过线性decoder解析地传播不确定性。
Deep Reinforcement Learning for Spacecraft Attitude Control During Atmospheric Re-Entry
Alexander Fabisch et al.
cs.LG
本文探索了深度强化学习在航天器再入大气层姿态控制中的应用，通过动力学随机化增强泛化能力，并与传统PID控制器进行对比。实验表明混合控制器在特定操作包络内具有更好的跟踪性能和鲁棒性。
Safe Online Learning via Smooth Safety-Structured Policy Composition
Hongpeng Cao et al.
cs.LG cs.RO
本文提出AutoSafe，一种将结构化安全监控直接集成到动作生成过程中的策略架构，旨在实现安全在线强化学习中性能驱动与安全保护行为之间的平滑过渡。实验在连续控制基准和物理倒立摆系统上验证了该方法在保持学习连续性的同时提供强安全保证。
Expected Gain-based Escalation in Vertical Federated Learning
Mohamad Mestoukirdi, Vincent Corlay
cs.LG
本文研究了垂直联邦学习中的选择性升级策略，通过期望增益评分决定是否调用高成本的第二轮融合过程，以在通信开销和预测准确性之间取得平衡。该方法利用校准的池化后验和类别可靠性估计构建可解释的路由器，无需额外训练路由网络。
Dualformer: Efficient Feature Extractor for Complex-valued Blind Communication Signal Analysis
Yurui Zhao et al.
cs.LG eess.SP
本文提出了一种名为Dualformer的双通道神经网络架构，通过参数共享机制处理复值信号的实部和虚部，用于盲通信信号分析任务（如自动调制识别）。实验表明该方法在多个任务上优于传统模型，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等核心概念。
Calibrating the Evaluator: Does Probability Calibration Mitigate Preference Coupling in LLM Agent Feedback Loops?
Zewen Liu
cs.LG cs.AI cs.CL
本文研究了在LLM agent的feedback loops中，通过probability calibration（概率校准）来缓解evaluator preference coupling（评估者偏好耦合）现象。实验表明，校准后的TTRL方法能有效降低耦合系数和Jensen-Shannon divergence，但该方法主要关注agent与evaluator的交互，与关键词中的spectral、Muon、pretrain等概念关联较弱。
Resolving superposition in AI for interpretability and cross-modal alignment in patient-neuronal images
Jisung Park et al.
cs.LG cs.AI cs.CV q-bio.QM
本文利用sparse autoencoders (SAEs)解决AI可解释性中的superposition问题，并引入Gromov-Wasserstein optimal transport (GW-map)实现患者神经元图像与scRNA-seq数据的跨模态对齐，为空间生物学提供了可扩展的基础。
Mixture-of-Control: State-Aware Fine-Tuning for Transformer-based Models
Duc Anh Nguyen et al.
cs.LG cs.AI
本文提出Mixture-of-Control (MoC)框架，通过将block-wise control states视为sparse mixture-of-experts中的专家，在transformer微调中实现跨block的局部与全局控制信号自适应整合。该方法在保持内存与计算效率的同时，优于现有state-based fine-tuning方法。
Contextual Slate GLM Bandits with Limited Adaptivity
Tanmay Goyal, Sukruta Prakash Midigeshi, Gaurav Sinha
cs.LG stat.ML
本文研究了在有限自适应条件下的contextual slate bandit问题，其中奖励由Generalized Linear Model (GLM)生成。作者提出了两种算法B-SlateGLinCB和RS-SlateGLinCB，分别适用于批处理和罕见切换设置，并证明了其regret界与非线性参数\(\kappa\)无关。
Zero-Shot Quantization for Object Detectors using Off-the-Shelf Generative Models
Hyunho Lee et al.
cs.LG
本文提出GoodQ框架，利用现成的生成模型为object detector的zero-shot quantization任务构建训练集，通过信息密集提示、分布感知选择和教师引导降噪策略，在低比特量化（如W4A4）上取得最优性能。该方法主要关注量化训练中的噪声与数据分布问题，与关键词中的code、context、spectral等概念关联较弱。
TabPATE: Differentially Private Tabular In-Context Learning Without Public Data
Dariush Wahdany et al.
cs.LG
本文提出TabPATE方法，通过将私有上下文分割给多个teacher模型并聚合其标签，在无需公共数据的情况下为表格数据的in-context learning提供差分隐私保护。该方法在多个基准测试中有效降低了成员推理攻击的成功率。
Constrained Online Convex Optimization without Slater's Condition
Kihyun Yu, Junehee Lee, Dabeen Lee
cs.LG math.OC
本文提出了一种用于约束在线凸优化的primal-dual框架，通过引入自适应正则化器来稳定对偶更新过程，从而在无需Slater条件的情况下，为随机约束和对抗损失场景提供了\(O(\sqrt{T})\)的期望regret和\(O(\sqrt{T}\log T)\)的期望约束违反界。
Fork-Think with Confidence
Zena Al-Khalili et al.
cs.LG cs.CL
本文提出Fork-think with confidence方法，在单个推理路径中利用模型置信度识别分叉点，然后采样多个连续路径并聚合生成最终响应。该方法在三个模型和三个推理基准上相比并行思考减少了最多30%的token消耗和57%的运行时间，性能相当或更优。
RaBitQCache: Rotated Binary Quantization for KVCache in Long Context LLM Inference
Wenhao Li et al.
cs.LG cs.CL
本文提出RaBitQCache框架，利用随机旋转二值量化（rotated binary quantization）和二进制-INT4算术来高效估计attention权重，以加速长上下文LLM推理中的KV cache稀疏访问。该方法通过无偏代理分数实现自适应Top-p检索，并设计了硬件感知的异步流水线来掩盖开销。
Beyond the Expressivity-Trainability Paradox: A Dynamical Lie Algebra Perspective on Navigating Barren Plateaus in Quantum Machine Learning
Kung-Ming Lan
cs.LG quant-ph
本文从Dynamical Lie Algebra (DLA)角度分析了量子机器学习中的“表达性-可训练性悖论”，指出无结构参数化量子电路（PQC）的Hilbert空间容量是导致Barren Plateaus (BPs)的数学原因，并通过对称性约束DLA增长来保证可训练性。
Introduction to Stochastic Differential Equations for Generative Machine Learning: A Variational Perspective
Ole Winther et al.
cs.LG
本文从变分视角出发，对生成式机器学习中使用的随机微分方程进行了自包含的介绍，推导了ELBO，并将扩散模型、score matching和flow matching视为该变分框架的特例。
Robustness of neural networks to random noise perturbations of their inputs
Mark Levene, Martyn Harris
cs.LG cs.NE
本文研究了训练好的神经网络对输入随机噪声扰动的鲁棒性，提出了一个基于高概率的鲁棒性度量，该度量能给出网络均方误差的上界，并将神经网络视为黑盒进行计算。实验在多个真实数据集上验证了该方法的有效性，并引入了鲁棒性曲线来进一步分析数据内部及之间的鲁棒性。
Calibration, Not Compilation: Detecting and Repairing Misspecified Probabilistic Programs Written by Language Models
Jian Xu et al.
cs.LG
本文探讨了语言模型生成的probabilistic programs（如NumPyro、Stan或Pyro）的统计正确性问题，提出用Bayesian workflow（包括posterior predictive checks、simulation-based calibration、sampler diagnostics等）作为校准验证器，而非传统的编译或单元测试。实验表明，校准方法在检测和修复统计错误上显著优于单元测试，但该工作与关键词中的code、context、spectral、Muon、pretrain、agent、attention等主题关联较弱。
Improving Certified Robustness via Adversarial Distillation
Matteo Melis, Jesus Martinez Del Rincon, Vishal Sharma
cs.LG cs.AI
本文提出AD-CERT方法，通过结合adversarial distillation与Interval Bound Propagation (IBP)上界来改进certified training，在多个鲁棒性基准上取得最优certified performance。该方法在logit空间蒸馏对抗信息，相比特征空间蒸馏可提升certified accuracy达5.40个百分点。
When to Truncate a Feature Ranking: A Residual-Overlap Stopping Rule for Subset Selection
Jesus S. Aguilar-Ruiz
cs.LG cs.AI
本文针对监督特征选择中特征排序的截断问题，提出了一种基于残差重叠的停止规则。该方法通过Bhattacharyya系数衡量类条件分布间的边际分离度，并利用残差乘积重叠阈值选择特征子集，在高维基因组数据上验证了其有效性。
Diffusing Blame: Task-Dependent Credit Assignment in Biologically Plausible Dual-Stream Networks
Yutaro Yamada et al.
cs.LG cs.NE
本文提出了一种基于Dale原则的双流兴奋/抑制网络中的误差扩散方法，通过模数误差路由扩展了其应用范围，并在MNIST和CIFAR-10分类任务以及强化学习任务中验证了性能。该方法引入了层特异性sigmoid宽度等创新，但整体方法在理论或性能上未达到显著的开创性突破。
Nonlinearity-Aware LoRA: Structured Gate Adaptation under Low-Rank Constraints
Shuai Yuan et al.
cs.LG
本文针对自门控Transformer前馈网络，指出低秩适配（LoRA）的更新不仅改变投影特征，还会影响非线性门控的选择权重，导致“选择错位”问题。为此，作者提出NA-LoRA，通过基于导数的时序重要性掩码和激活特定的步长缩放规则来优化门控通道的更新，在语言模型微调和视觉-语言迁移任务上提升了性能。
FedXDS: Leveraging Model Attribution Methods to counteract Data Heterogeneity in Federated Learning
Maximilian Andreas Hoefler, Karsten Mueller, Wojciech Samek
cs.LG cs.AI
本文提出FedXDS方法，首次将XAI（可解释AI）中的feature attribution技术用于联邦学习，通过识别任务相关特征实现客户端间的选择性数据共享，以缓解数据异质性导致的性能下降。实验表明该方法在准确率和收敛速度上优于现有方法，并提供了隐私保护的理论保证。
Addressing Over-Refusal in LLMs with Competing Rewards
Taeyoun Kim, Aviral Kumar
cs.LG
本文提出了一种名为SEAR的方法，通过将安全推理过程建模为对抗优化问题，使用dense rewards训练单个模型在chain-of-thought中同时扮演推理和回答角色，以缓解语言模型中的过度拒绝现象。该方法鼓励模型探索有害推理但最终输出安全回答，从而在不牺牲安全性的前提下减少对无害提示的拒绝。
Policy Optimization Achieves Data-Dependent Regret Bounds in MDPs with Unknown Transitions
Mingyi Li, Taira Tsuchiya, Kenji Yamanishi
cs.LG stat.ML
本文研究了在线episodic tabular Markov decision processes中，在未知transition kernel下的policy optimization问题。作者基于optimistic follow-the-regularized-leader框架，通过设计新的optimistic \(Q\)-function estimator和data-dependent transition bonus，实现了first-order、second-order和path-length regret bounds，并识别出一个不可避免的transition-dependent complexity项。
Bridging the Gap Between Latent and Explicit Reasoning with Looped Transformers
Ying Fan, Anej Svete, Kangwook Lee
cs.LG cs.CL
本文提出LOTUS方法，使用looped Transformer在隐空间中并行执行多步推理，并通过在隐状态上施加交叉熵损失来监督推理过程。该方法在3B参数规模下首次弥合了隐式CoT与显式CoT的性能差距，同时将推理延迟降低2.5-6.9倍。
Relational and Sequential Conformal Inference for Energy Time Series over Graphs via Foundation Models
Keivan Faghih Niresi, Alice Cicirello, Olga Fink
cs.LG stat.ML
本文提出STOIC框架，将graph-based forecasting与tabular foundation model的zero-shot calibration能力结合，用于energy time series的conformal inference。该方法通过STGNN生成point forecasts，再将spatial-temporal residuals转化为tabular representation进行in-context learning，以提供更可靠的uncertainty estimates。
Low-dimensional topology of deep neural networks
Junyu Ren, Lek-Heng Lim
cs.LG math.GT
本文通过将每层宽度限制为\(\mathbb{R}^3\)，研究了前馈网络、ResNet和transformer等分层模型如何改变低维拓扑不变量（如linking number）。结果表明，在改变linking number的能力上，ResNet的跳层连接与transformer的注意力机制同样强大，且均强于使用单调激活的前馈网络。
Review Residuals: Update-Conditioned Residual Gating for Transformers
Kyle Kramer
cs.LG cs.CL
本文提出了一种名为Review Residuals的残差连接改进方法，通过引入一个基于当前状态和更新值的门控机制来缩放每个子层的更新。实验表明该方法在较大模型规模下（590M和1B参数）显著优于标准残差连接，但在小规模下无明显优势。
Interface-Aware Neural Newton Preconditioning for Robust Cohesive Zone Model Simulations
Zhangyong Liang, Huanhuan Gao
cs.LG math.NA
本文提出了一种Interface-Aware Neural Newton Preconditioner (IA-NNP)，用于改善Cohesive Zone Model (CZM)模拟中因界面软化导致的Newton迭代收敛困难问题。该方法通过神经网络学习状态依赖的界面修正，作为预处理步骤作用于活跃界面变量，并保留了原始牵引-分离法则。实验表明，该方法在多个基准测试中提升了困难增量步的收敛性，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
Making Sense of Touch from the Child's View for Contrastive Learning
Max Whitton et al.
cs.LG
本文提出了一种针对婴儿触觉事件的结构化编码系统，并构建了一个包含26.4万个两秒触觉事件片段的数据集，用于预训练发展性模型以探索触觉在婴儿视觉概念学习中的作用。
Signed-Permutation Coordinate Transport for RMSNorm Transformers
John Sweeney
cs.LG cs.CL stat.ML
本文研究了RMSNorm Transformer中残差流的符号-置换规范（signed-permutation gauge）问题，指出仅使用置换对齐（permutation-only alignment）对于RMSNorm模型是不完整的，并引入了符号边缘化匈牙利匹配（sign-marginalized Hungarian matching）来改进坐标传输。文章通过实验展示了该方法在恢复跨运行坐标、传输工具（如稀疏自编码器和情感控制向量）以及保持训练状态方面的优势，但整体方法更侧重于工程实践而非理论开创性，且与关键词列表中的概念关联较弱。
Amplifying Membership Signal Through Chained Regeneration
Wojciech Łapacz, Stanisław Pawlak
cs.LG cs.AI
本文提出MADreMIA框架，通过链式再生迭代过程增强生成模型的成员推理和数据集推断攻击信号，利用记忆样本在迭代中更高的连贯性和更慢的退化特性来区分成员与非成员数据。该方法适用于多种模态和模型家族，无需影子模型训练。
Radial Suppression Accelerates Algorithmic Generalization: A Geometric Analysis of Delayed Generalization
Srijan Tiwari, Aditya Chauhan, Manjot Singh
cs.LG cs.AI
本文通过几何分析研究了神经网络在算法任务中记忆先于泛化的延迟现象，发现径向膨胀是导致该延迟的关键因素。作者提出一种径向惩罚方法，通过约束激活到超球面来加速泛化，在模算术和加法任务上验证了效果。
Surrogate Fidelity: When Can Open LLMs Explain Closed Ones?
Philippe Chlenski et al.
cs.LG
本文研究了开放LLM能否作为封闭LLM的代理解释器，发现预测层面的保真度会高估归因层面的保真度，即模型在答案上一致时可能在推理原因上存在分歧。
CoMet: Context and Multiplicity Decomposition for Multimodal Uncertainty Estimation
Sanghyuk Chun et al.
cs.LG cs.CV
本文提出CoMet方法，通过将多模态大语言模型的不确定性分解为context-specific项和multiplicity-specific项，并训练轻量级后验模块进行估计，从而在不依赖自回归生成或重复采样的前提下实现高效的不确定性估计。实验表明该方法在多个基准上优于现有基线。
FedLAB: Traceable Semantic Codebooks for Federated Multimodal Graph Foundation Learning
Zekai Chen et al.
cs.LG
本文提出FedLAB框架，通过构建类型化的分层语义codebook来组织多模态图知识，并在联邦设置下进行预训练，以在保护隐私的同时实现可追溯的语义表示学习。该方法在多个基准测试上取得了优于现有基线的性能。
SemRF: A Semantic Reference Frame for Residual-Stream Dynamics in Language Models
Jian Gu et al.
cs.LG cs.CL
本文提出SemRF（Semantic Reference Frame），一种基于锚点的形式化框架，用于分离语言模型中残差流的语义测量与动态变化。通过固定锚点并定义伪逆绑定，该方法将残差计算转化为深度方向的语义轨迹，并引入Voronoi图分析层间运动与边界。该工作为理解语言模型内部计算提供了新的分析视角，但未直接涉及代码、上下文、谱方法或预训练等关键词。
AdaJEPA: An Adaptive Latent World Model
Ying Wang et al.
cs.LG cs.AI
本文提出AdaJEPA，一种自适应潜在世界模型，通过在模型预测控制闭环中进行测试时自适应来应对分布偏移。该方法利用观测到的状态转移作为自监督信号，在规划过程中持续更新模型，无需额外专家演示。
QVal: Cheaply Evaluating Dense Supervision Signals for Long-Horizon LLM Agents
Sergio Hernández-Gutiérrez et al.
cs.LG cs.AI cs.CL
本文提出了QVal，一个无需训练的测试平台，用于直接评估LLM agent在长程任务中的密集监督信号质量。它通过衡量信号与参考策略的Q-value对齐程度来比较不同方法，发现简单的prompting基线优于许多现有方法。

cs.AI

Contrastive Reflection for Iterative Prompt Optimization ⭐ 精选
Derek Koh et al.
cs.AI
本文提出Contrastive Reflection框架，用于agentic IR工作流中的迭代prompt优化。该框架通过对比失败行为与邻近成功案例的结构化traces，让Teacher LLM提出针对性prompt编辑，并仅在验证性能提升时接受修改。在HotpotQA检索增强QA任务上，该方法将exact-match准确率从51.4%提升至60.4%，优于仅使用失败案例或随机证据的变体，并与MIPROv2（59.4%）和GEPA（57.0%）等现代prompt优化器相当。该工作为IR agents提供了可解释的优化循环，使prompt修复过程更可检查且基于验证驱动。
Why Solve It Twice? Hierarchical Accumulation of Skills for Transfer-Efficient ML Engineering ⭐ 精选
Yongbin Kim, Yashar Talebirad, Osmar R. Zaiane
cs.AI cs.LG cs.MA
本文提出HASTE，一种分层多agent系统，通过将跨竞赛知识组织为全局、领域和竞赛特定三个scope tiers，并利用LLM驱动的抽象在层级间传递技能，解决了ML工程agent在每次竞赛中冷启动浪费计算资源的问题。实验表明，在MLE-Bench Lite基准上，分层加载技能相比扁平加载实现了更高的奖牌率（77.3% vs 62.5%）并节省了52%的优化迭代次数，且随着技能积累，agent保留的修改比例从42%提升至85%。该方法在agent领域具有开创性，通过知识组织部分替代了模型强度和计算预算，与关键词“agent”高度契合。
Beyond the Library: An Agentic Framework for Autoformalizing Research Mathematics ⭐ 精选
Arshia Soltani Moakhar et al.
cs.AI
本文提出了一种基于agent的autoformalization框架，利用通用coding LLM将研究级数学论文自动翻译为Lean 4可验证代码。其核心创新在于一个orchestrator管理的多agent pipeline，能够动态扩展超出Mathlib库范围的新type definitions，并通过novel Auxiliary Lemma technique验证这些定义，从而解决了现有库无法覆盖前沿数学概念的长期问题。该框架在PutnamBench和五篇STOC论文上成功形式化了主要定理和证明，其中两篇的证明无需任何axiom，展示了agent在复杂数学形式化任务中的强大能力。
AI-Assisted Discovery of Convex Relaxations via Dual Agents ⭐ 精选
Sungyoon Kim, Mert Pilanci
cs.AI
本文提出了一种基于LLM agent的自动化研究框架，用于发现非凸优化问题的凸松弛（convex relaxation）以改进下界。该框架包含一个编码agent（coding agent）负责提出有效的紧化约束，以及一个理论agent（theory agent）负责验证约束并搜索反例，最终通过严格的区间算术（interval arithmetic）验证对偶可行点（dual-feasible point）来保证下界的可靠性。在Tao等人研究的第一自相关不等式（\(C_{6.2}\)）和Erdős最小重叠常数（\(C_{6.5}\)）上，该方法将认证下界分别从\(1.28\)提升至\(1.2937\)和从\(0.379005\)提升至\(0.37912\)，展示了agent在自动发现数学不等式紧化约束方面的潜力。
Agentic RAG-VLM: Affordance-Aware Retrieval-Augmented Generation with Self-Reflective Planning for Robotic Grasping ⭐ 精选
Tao Chen et al.
cs.AI
本文提出Agentic RAG-VLM框架，通过引入Hierarchical Affordance-Aware RAG (HAA-RAG)编码物体的类型、材质、脆弱性和可抓取区域等四维affordance描述符，替代了传统基于视觉相似性的object matching方法。该框架还包含Scene Graph Constraint Reasoner用于从VLM感知中构建空间关系图并调整抓取参数，以及一个具有14种failure taxonomy和三级自适应重试的Agentic Self-Reflective Pipeline实现闭环抓取优化。在12任务基准上，该方法相比纯VLM方法取得了53.3个百分点的绝对提升，证明了affordance-aware retrieval、scene graph reasoning和agentic recovery对于鲁棒操作的重要性。
Long-term Traffic Simulation via Structured Autoregressive Modeling ⭐ 精选
Lingyu Xiao, Zexin Feng, Xintao Yan
cs.AI cs.RO
本文提出RosettaSim框架，通过将scene topology、agent states和spawning intents投影为结构化的autoregressive stream，利用LLM的attention机制和motion tokens与自然语言的分布一致性，实现了长期交互式traffic simulation。该方法在Waymo Open Sim Agent Challenge上取得了state-of-the-art性能，并引入Retrieval-based Traffic Evaluation (RTE)以解决长期rollout中agent对应关系衰减的问题，其与标准metrics的相关性(\(r=0.83\))优于现有方法(\(r=0.74\))。
Agentic-Ideation: Sample Efficient Agentic Trajectories Synthesis for Scientific Ideation Agents ⭐ 精选
Keyu Zhao et al.
cs.AI
本文提出Agentic-Ideation框架，通过Oracle-Guided Data Synthesis策略，利用参考idea作为oracle guidance引导multi-agent系统高效重构逻辑推理和工具调用路径，解决了科学构思领域中agentic trajectory数据合成成本过高的问题。该方法定义了包含三种外部工具和三种认知工具的comprehensive tool space，并在训练时对工具执行结果采用masking strategy，使模型专注于decision-making logic。实验表明，该方法在整体质量上比SOTA workflow-based baseline提升11.91%，并将高质量数据合成的sample efficiency提升超过10倍，与关键词"agent"高度契合。
Embodied CAD: Solver-Grounded LLM Agents for Parametric B-Rep Assembly Modeling ⭐ 精选
Fumin Liu et al.
cs.AI
本文提出Embodied CAD框架，将LLM agent与精确的几何求解器（solver）相结合，用于参数化B-Rep装配建模。该agent通过从分层的L0-L4 CAD技能库中迭代选择动作，将其解析为类型化几何操作并在CAD后端执行，利用求解器反馈进行规划、修复和学习，从而解决了传统LLM生成CAD脚本时缺乏几何约束验证的问题。该方法结合了动作语法约束、确定性参数解析以及基于求解器奖励的监督预热和GRPO风格优化，在机械、工业设备和模具装配任务上实现了高可执行率。这项工作为agent在需要精确物理或几何约束的代码生成任务中提供了新的范式。
ReGRPO: Reflection-Augmented Policy Optimization for Tool-Using Agents ⭐ 精选
Binjie Zhang, Mike Zheng Shou
cs.AI
本文提出ReGRPO (Reflection-augmented Group Relative Policy Optimization)框架，用于增强tool-using agents的鲁棒性。该方法通过构建Reflection-of-Thought三元组 (ErrorType, Evidence, FixPlan) 进行warm-start SFT，并利用group-relative advantages在局部轨迹中联合优化reflection tokens和corrective actions，同时引入reflection-cost项以减少不必要的反思。实验表明，在相同backbone和tool suite下，ReGRPO在GTA和GAIA基准上持续优于强开源baseline，为agent的故障恢复与反思学习提供了新范式。
ACE: Pluggable Adaptive Context Elasticizer across Agents ⭐ 精选
Ning Liao et al.
cs.AI
本文提出了一种名为Adaptive Context Elasticizer (ACE)的即插即用模块，用于解决基于LLM的agent在处理长轨迹时固定context window的局限性。ACE通过一个无损的消息维护层存储每个历史步骤的原始消息和压缩抽象，并利用一个context编排层根据当前任务状态为每个步骤动态分配弹性类型（raw, abstract, drop），实现了可逆的context管理。该方法在ReAct, DeepAgent, WebThinker和MiroFlow四种agent框架上均优于截断和摘要基线，为agent的context管理提供了具有开创性的弹性化方案。
What Drives Interactive Improvement from Feedback?
Bartłomiej Cupiał et al.
cs.AI
本文通过受控的学生-教师协议，在多个数学和推理任务上研究了自然语言反馈对多轮交互提升的影响，发现自我反馈带来的提升有限，而外部教师反馈的效果取决于学生利用反馈的能力。
How Can AI Find My Model? A Model-Finding Experimental Study Considering Data Formats, Embeddings, and Retrieval Strategies
Jhon G. Botello et al.
cs.AI
本文实验研究了数据表示、transformer-based embedding模型和检索策略对基于自然语言查询的仿真模型发现性能的影响，使用recall@5和nDCG@5等指标评估了不同查询类型下的表现。结果表明数据表示和reranking方法对模型发现效果有显著影响，但该工作主要聚焦于应用层面的实验对比，未涉及关键词中的核心理论或方法创新。
BayesBench: Evaluating LLM Belief Trajectories Under Multi-Turn Evidence Accumulation
Ankur Samanta et al.
cs.AI
本文提出了BayesBench基准，用于评估大语言模型在多轮对话中更新信念的理性程度，实验发现模型在推断隐变量时表现随规模提升，但将推断用于下游预测时存在差距。
When Does Learning to Stop Help? A Cost-Aware Study of Early Exits in Reasoning Models
Zhe Dong, Fang Qin, Manish Shah
cs.AI cs.CL cs.LG
本文研究了推理语言模型中的早停策略，通过提出LearnStop方法，在固定预算检查点利用在线特征预测前缀正确性。实验表明，学习式停止在自由形式数学任务上能改善固定预算前沿，但在多项选择和极难任务中，简单的标量规则更具竞争力。
Beyond expert users: agents should help users construct preferences, not just elicit them
Irena Saracay, Ludwig Schmidt, Carlos Guestrin
cs.AI
本文提出CoPref模型，基于信息经济学中的Search-Experience-Credence框架，形式化用户如何通过与agent的对话构建偏好。在CoShop基准测试中，评估了五个前沿模型，发现即使经过五轮交互，agent的准确率也未超过56%，失败原因在于agent未能有效帮助用户扩展对自身需求的知识。
Investigating Multi-Agent Deliberation in Law
Cor Steging, Ludi van Leeuwen, Tadeusz Zbiegień
cs.AI
本文研究了基于LLM的多智能体协商方法在法律推理任务中的应用，提出了两种受法庭程序和法律论证启发的新框架。实验表明多智能体框架与基线模型性能相当但答案差异显著，在某些需要多角度批判性思考的问题上表现更好。
RoPoLL: Robust Panel of LLM Judges
Anish Acharya, Kris W Pan, Brian Verkhovsky
cs.AI cs.LG cs.MA math.OC math.PR
本文研究了LLM评估中陪审团机制的鲁棒性问题，提出RoPoLL方法，用几何中位数替代传统聚合函数以抵抗有偏污染。实验表明该方法在多种攻击下优于标准PoLL，但未涉及代码、谱方法或预训练等关键词相关技术。
AgRefactor: Self-Evolving Agentic Workflow for HLS Compatibility and Performance
Yang Zou et al.
cs.AI cs.AR
本文提出AgRefactor，一个基于LLM的多智能体工作流，用于将软件代码重构为HLS兼容程序。它通过自进化记忆系统和自动化重构工具，在多个基准测试上提升了性能，但方法本身并非开创性突破，且与关键词列表中的概念关联较弱。
Neuro-Bayesian-Symbolic Residual Attention Shallow Network: Explainable Deep Learning for Cybersecurity Risk Assessment
Nicolaie Popescu-Bodorin, Madeleine Togher
cs.AI cs.LG
本文提出了一种名为NBS-RASN的混合神经架构，用于开源生态系统中的可解释网络安全风险评估。该浅层网络通过编码领域知识和因果推理，在保持可解释性的同时学习复杂风险模式，并产生可分解的风险评分。
HyPOLE: Hyperproperty-Guided Multi-Agent Reinforcement Learning under Partial Observation
Arshia Rafieioskouei et al.
cs.AI cs.LO cs.MA
本文提出了HyPOLE框架，将hyperproperties（特别是HyperLTL时序逻辑）的规范能力引入部分可观测的多智能体强化学习（MARL）中，并结合CTDE技术合成去中心化策略。在SMAC等基准上的实验表明其性能优于基线方法。
AgentBound: Verifiable Behavioral Governance for Autonomous AI Agents
Anuj Kaul, Qianlong Lan, Pranay Gupta
cs.AI
本文提出了AgentBound框架，用于为自主AI agent提供可验证的行为治理，通过授权、行为宪法和站点合约的保守组合决策模型来评估动作，并生成加密治理收据以实现问责。该工作主要关注agent系统的运行时治理，与关键词中的agent概念相关，但方法本身并非开创性突破。
When Regulation Has Memory: Hysteresis and Control Burden in Artificial Agency
Veronique Ziegler
cs.AI
本文通过一个自适应不确定性调节的计算模型，研究了人工agent在目标变化时控制负担的历史依赖性。模拟显示，调节增益会形成可重复的hysteresis loop，表明达到相同目标所需的控制量取决于agent是朝向还是远离更苛刻的regime。该工作强调了评估agent时不仅要看其是否保持稳定，还要考虑其所需的调节努力。
A Three-Phase Foundation Model for Tax-Aware Personalized Portfolio Management
Ramin Pishehvar
cs.AI
本文提出一个三阶段深度强化学习系统用于个性化投资组合管理，通过自监督预训练、MoE架构和LoRA微调解决现有金融RL中的ticker锁定、目标单一和用户模型静态问题。
Beyond Compilation: Evaluating Faithful Natural-Language-to-Lean Statement Formalization
Ke Zhang et al.
cs.AI cs.CL cs.LO
本文研究了自然语言到Lean定理证明的形式化忠实性问题，通过结合编译检查、跨模型语义判断和人工校准，发现编译通过率与语义忠实度之间存在显著差距。实验表明，现有模型在忠实形式化方面表现有限，并分析了专家草稿、上下文搜索和Lean细化反馈等干预措施的效果。
LabGuard: Grounding Natural-Language Laboratory Rules into Runtime Guards for Embodied Laboratory Agents
Jingpu Yang et al.
cs.AI
本文提出了LabGuard，一个将自然语言实验室规则转化为可执行运行时监控的安全套件，用于提升具身实验室智能体的安全性。它通过定义中间表示、构建标注基准和映射工具，将规则编译为运行时监控器，在控制器边界处应用以减少不安全事件。
OpenLife: Toward Open-World Artificial Life with Autonomous LLM Agents
Atsushi Masumori et al.
cs.AI
本文提出OpenLife框架，利用LLM agents在开放世界中模拟人工生命，通过持久记忆、工具使用和预算代谢等机制，展示了从反应性到自发性行为的涌现。该方法与关键词中的agent概念相关，但整体创新性有限，未解决该领域长期存在的核心问题。
MultiUAV-Plat: An LLM-Oriented Platform, Benchmark and Framework for Multi-UAV Collaborative Task Planning
Sheng Zhang et al.
cs.AI cs.MA cs.RO
本文提出了MultiUAV-Plat，一个面向LLM agent的多无人机协同任务规划平台和基准测试，并设计了Agent4Drone框架。该工作主要贡献在于为LLM驱动的多无人机自主性研究提供了可复现的评估基础，但方法本身在理论或算法上缺乏显著的开创性。
DDIAgents: Mechanism-Conditioned Context Flow for Drug-Drug Interaction Prediction
Zhenqian Shen et al.
cs.AI
本文提出DDIAgents，一个基于机制条件的多agent框架，用于药物-药物相互作用预测。它通过动态知识编排来减少无关信息并生成可解释的推理，在多个基准上优于现有方法。
Revealing Safety-Critical Scenarios for UTM via Transformer
Huaze Tang et al.
cs.AI
本文提出将UTM系统漏洞发现建模为sequence modeling问题，使用transformer-based RL架构生成安全关键测试场景，通过attention机制建模系统状态关系并预测最优动作。实验表明该方法在漏洞发现效率上比专家引导测试提升8倍。
The Past Is Prologue: A Plug-in Controller for Selective Updates in Sequentially Evolving LLM Memory
Zihan Chen et al.
cs.AI
本文提出Janus，一种即插即用的memory controller，用于决定是否接受LLM agent在序列任务中的memory update。该方法通过Memory Momentum Trigger和混合评估集来筛选更新，在多个数据集上提升了平均准确率。
Scenario Generation for Testing of Autonomous Driving Systems Using Real-World Failure Records
Anjali Parashar, Chuchu Fan
cs.AI cs.RO
本文提出了一种利用真实世界事故记录（NHTSA ADS crash records）和LLM（Large Language Model）生成自动驾驶系统测试场景的pipeline，在Metadrive模拟器上验证了其生成场景的多样性和准确性。该方法主要关注自然语言格式的历史记录与测试约束的结合，与关键词中的“spectral”、“Muon”、“pretrain”等概念关联较弱。
Cross-Domain Feature Expansion for Tabular Medical Data via Knowledge Graphs Injection
Mengying Zhou et al.
cs.AI cs.ET
本文提出MedKGTab框架，通过注入SPOKE biomedical knowledge graph并结合row-column dual-attention mechanism，从已有的tabular medical data中推断未收集的biomedical features。该方法在cross-domain feature expansion任务上优于现有模型，但未涉及code、context、spectral等关键词。
ClawArena-Team: Benchmarking Subagent Orchestration and Dynamic Workflows in Language-Model Agents
Kaiwen Xiong et al.
cs.AI
本文提出了ClawArena-Team基准，用于评估单一LLM作为管理者编排子agent的能力，通过41个多模态场景和Subagent-Management Score (SMS)进行度量。实验发现管理瓶颈在于权限授予而非感知，且成本与管理质量解耦。
HealthAgentBench: A Unified Benchmark Suite of Realistic Agentic Healthcare Environments for Challenging Frontier AI Agents
Qianchu Liu et al.
cs.AI cs.CL cs.CV
本文提出了HealthAgentBench，一个包含54个医疗任务的benchmark suite，用于评估AI agent在真实医疗工作流中的表现。实验发现最强agent Codex GPT-5.5仅达到约42%的成功率，表明该benchmark具有挑战性。
Towards Inclusive Mobility Modeling: Characterizing and Evaluating Elderly Trajectory Patterns in Urban Systems
Zhengxuan Wang, Haohan He, Mengying Zhou
cs.AI cs.CY
本文利用2016-2020年Jersey City的Citi Bike数据，定量分析了老年人在城市移动数据中的代表性不足问题，发现老年人具有更局部的活动空间和更低的移动熵等结构性差异。通过对比一阶Markov chain和微调后的Qwen3-4B模型在不同人口统计训练集下的表现，证明了以多数群体主导的数据训练会系统性地扭曲对老年人移动行为的建模。
Thinking Before Retrieving: Robust Zero-Shot Composed Image Retrieval via Strategic Planning and Self-Criticism
Gunho Jung et al.
cs.AI
本文提出PEC-CIR框架，通过Planner-Executor-Critic多阶段推理结构将查询构建分解为约束提取、候选生成和自评估步骤，以改进零样本组合图像检索中的语义失真问题。该方法在训练-free场景下通过显式评估候选查询来减少生成错误传播。
Delta-JEPA: Learning Action-Sensitive World Models via Latent Difference Decoding
Zhenghao Zhang et al.
cs.AI
本文提出Delta-JEPA，通过Latent Difference Action Decoder (LDAD)在latent displacement上重建动作，以解决joint-embedding world model中表示对动作不敏感的问题。该方法在视觉连续控制任务中提升了基于rollout的规划性能，但未涉及code、spectral或Muon等关键词。
Spatial Reasoning via Modality Switching Between Language and Symbolic Representation
Shreya Rajpal, Tanawan Premsri, Parisa Kordjamshidi
cs.AI
本文研究了在多跳文本-空间推理任务中，通过将语言描述转换为几何感知的模态（如grid布局）来提升LLM性能，并引入了一种基于可信度和复杂度的切换度量来决定何时进行模态转换。实验表明，从自然语言推理切换到grid表示可将性能提升高达42%。
Benchmarking Large Language Models on Floating-Point Error Classification
Lisa Taldir et al.
cs.AI
本文构建了InterFLOPBench基准测试集，评估了14种LLM在静态代码中检测和分类六类浮点错误（如cancellation、overflow等）的能力。实验表明，最新模型在整体F1-score上表现良好，但对underflow和cancellation等细微数值现象的识别仍存在困难。
HistoriQA-ThirdRepublic: Multi-Hop Question Answering Corpus for Historical Research, Parliamentary Debates from the French Third Republic (1870-1940)
Aurélien Pellet, Julien Perez, Marie Puren
cs.AI
本文提出了一个面向法国第三共和国历史的多跳问答数据集HistoriQA-ThirdRepublic，包含1782个需要跨来源综合和时间推理的复杂问题，旨在评估检索增强和大型语言模型在历史研究领域的表现。该数据集与历史学家合作构建，其方法论可推广至其他语言和语料库。
CryoACE: An Atom-centric Framework for Accurate and Automated Model Building in Cryo-EM
Minzhang Li et al.
cs.AI
CryoACE提出了一种以原子为中心的重建范式，通过直接在原子坐标处采样density features并迭代优化，替代了昂贵的voxel convolution，用于从cryo-EM density maps中自动构建蛋白质原子模型。该方法在静态基准上优于现有baseline，并能首次在无需预建静态结构的情况下揭示原子级动态构象。
Optimization Algorithms for Joint OFDM Waveform Design and RIS Configuration in 6G Networks: From Convex Relaxation to Foundation Models
Ahmet Kaplan
cs.AI
本文综述了6G网络中联合OFDM波形设计与RIS配置的优化算法，将78篇相关工作分为四类范式，并指出缺乏标准化基准和跨论文比较的可行性。文章总结了基于ML的方法在谱效率与推理速度上的优势，并提出了六个开放挑战。
Smart charging of large fleets of Electric Vehicles: Independent Multi-Agent Reinforcement Learning approaches
Xavier Rate et al.
cs.AI
本文比较了两种独立多智能体强化学习方法（contextual combinatorial bandits和policy gradient algorithms）用于优化大规模电动汽车的分散式充电调度，在基于真实光伏发电数据的动态电价下评估了不同拥塞水平和异构agent群体的性能。
World-Model Collapse as a Phase Transition
Xinyuan Song, Zekun Cai
cs.AI
本文通过大规模grid search实验，在确定性任务族中研究了长程语言agent的隐式world model在参数变化时是否会出现类似相变的突然崩溃现象，发现存在一个从稳定到崩溃的相变边界，且更强的模型只能平移该边界而无法消除这一定性转变。
Wisdom Of The (AI) Crowd: Investigating Artificial Swarm Intelligence In Large Language Models
Justin Brenne, Christian Meske
cs.AI
本文通过实验研究了大型语言模型(LLM)在人工群体智能中的表现，发现模型内和模型间的聚合策略能显著降低估计误差，并观察到LLM在评估不确定性时具有元认知意识。该研究为组织决策中部署LLM群体提供了实践见解，但与关键词列表中的概念关联较弱。
Xiaomi-GUI-0 Technical Report
Wanxia Cao et al.
cs.AI
本文介绍了Xiaomi-GUI-0，一个用于真实移动环境的原生多模态GUI agent，通过真实设备闭环训练和评估，在公共基准和内部测试中取得了较好性能，但方法本身在agent领域内并非开创性突破，且与关键词契合度不高。
Learning to Select, Not Relearn: Hard-Routed Mixtures of Reasoning LoRAs
Seyed Alireza Molavi et al.
cs.AI cs.LG
本文提出Hard-Routed MoR-LoRA框架，通过硬top-1路由和straight-through estimator组合冻结的reasoning LoRA专家，在保持专家行为的同时减少可训练参数。实验表明该方法在多领域适应中优于软路由混合基线。
BP-TTA: Balanced and Prototype-Guided Test-Time Adaptation in Dynamic Scenarios
Shaoyang Huang et al.
cs.AI
本文提出了一种名为BP-TTA的测试时自适应方法，通过结合批次平衡采样和原型引导适应，同时处理动态场景中的类别不平衡和持续域偏移问题。该方法利用高置信度历史实例构建平衡批次，并维护演化中的类原型以约束模型更新，实验表明其在动态测试流中优于现有方法。
Ask the World Before Acting: Budgeted Environment Probing for World-Model Calibration
Xinyuan Song, Zekun Cai
cs.AI
本文研究了一种预算受限的环境探测机制，用于校准语言智能体的世界模型。作者提出\method方法，通过结构化信念表在任务执行前进行有选择的探测，以修复程序性信念和空间信念的漂移，从而减少终端世界模型误差。
CDR-Bench: Evaluating Faithful Execution of Compositional, Order-Sensitive Data Refinement Recipes
Yuchen Huang et al.
cs.AI cs.CL
本文提出了CDR-Bench基准，用于评估LLM在组合性和顺序敏感的数据精炼任务中的忠实执行能力。实验发现现有LLM在组合设置下性能显著下降，且无法可靠处理顺序敏感的配方。
Who Determines the Meaning of an Emotion? Affective Sovereignty as an Epistemic Consequence of Measurement Limits
Keito Inoshita
cs.AI
本文从测量论角度探讨情感AI中“情感意义”的最终解释权问题，定义了意义分布及其不可约不确定性，并指出在个体实例上该不确定性无法被充分覆盖，从而提出“情感主权”规范。该文主要涉及情感AI的伦理与认识论，与关键词中的code、context、spectral、Muon、pretrain、agent、attention均无直接关联。
CSTrader: A Testbed for Language-Grounded Trading in a Community-Driven Virtual Asset Market
Yao Shi et al.
cs.AI cs.CE
本文提出了CSTrader，一个用于社区驱动的虚拟资产市场（如CS2皮肤市场）的多agent框架，通过整合异构信号并使用多个专业agent进行技术分析、流动性、事件和反向情感分析，最终生成交易决策。实验表明，该框架在波动市场中优于传统模型和简单LLM基线，验证了语言驱动市场作为语言到行动研究基准的潜力。
CLOUDADV: Decision-Aligned Instance Sizing with Zero-Shot Foundation Models under Drift
Jack Bell et al.
cs.AI
本文提出CLOUDADV系统，利用zero-shot time-series forecasting和LLM为云虚拟机提供实例大小建议，在非平稳环境下降低开销。实验表明该方法可减少约52.9%的模拟成本，但主要贡献在于工程应用而非理论创新。
One Reflection Is Not Enough: Self-Correcting Autonomous Research via Multi-Hypothesis Failure Attribution
Jie Ma et al.
cs.AI cs.CV
本文提出SAGE框架，通过多假设失败归因机制将实验失败恢复转化为结构化因果诊断，并采用基于实际测量值的约束报告机制提升科学诚实性。实验表明该方法在多个基准上优于传统反思范式，但未涉及代码、上下文、谱方法或注意力机制等关键词。
Surprise as a Signal for Plasticity and Metacognition
Louis Mouchon
cs.AI cs.LG
本文研究了基于预测误差信号的两种系统：一种用于持续学习中的可塑性门控与记忆巩固，另一种用于视觉语言模型中的元认知行为调节。实验表明，该信号能有效区分已知与新颖概念，并在少样本学习和知识回忆任务中取得较好效果。
Design and Implementation of Agentic Orchestrations and Orchestration of Agents
Stefanie Rinderle-Ma et al.
cs.AI
本文提出了一个agentic orchestration的分类框架，并给出了不同场景实现的定性决策标准与定量评估指标，通过一个预测性光感场景展示了这些方法。
A time-series classification framework for individual-level absenteeism prediction under severe class imbalance
Kwong Ho Li, Matthew Roughan, Wathsala Karunarathne
cs.AI
本文提出了一种基于Time Series Classification (TSC)的框架，用于在严重类别不平衡下预测个体缺勤，通过将历史出勤序列与未来缺勤标签分离实现前瞻性预测。实验分析了Binary Focal Loss和Geometric Mean损失函数，并评估了LSTM、CNN和LSTM-FCN等深度学习架构的性能。
Modality-Driven Search with Holistic Trace Judging for ARC-AGI-2
Johan Land
cs.AI cs.CL cs.LG
本文提出了一种基于多模态搜索和整体判断的ARC-AGI-2求解器，通过将文本、图像和代码通道作为独立搜索算子生成候选解，并利用长上下文prompt进行整体比较，在基准测试上取得了领先性能。该方法与关键词中的"code"和"context"有一定关联，但整体创新性有限，主要是在现有框架上的工程改进。
Which Tokens Matter? Adaptive Token Selection for RLVR with the Relative Surprisal Index
Outongyi Lv et al.
cs.AI
本文针对RLVR中token选择策略的矛盾观点，提出了基于信息论的Relative Surprisal Index (RSI)指标，该指标耦合了token的熵与选中概率。通过RSI Selection (RSI-S)方法过滤token，在AIME和AMC基准测试上提升了模型准确率，但方法本身与关键词列表中的概念关联较弱。
Scientific Explanations in Health Sciences: Causality, Trust, and Epistemic Adequacy
Martina Mattioli, Marcello Pelillo
cs.AI
本文从科学哲学与可解释AI的交叉视角，批判性地审视了健康科学中解释的概念，并论证了因果性、信任与认知充分性对医学XAI设计的重要性。文章为医学AI的解释性提供了哲学基础，但未涉及代码、谱方法或预训练等具体技术。
Think in English, Answer in Korean: Efficient Adaptation of Multilingual Tool-Using Agents
Utsav Garg et al.
cs.AI cs.LG
本文提出LuckyStar 111B模型，通过preamble conditioning和强化学习等方法，在多语言工具使用场景下提升数学推理与函数调用能力，但方法在理论或长期问题上缺乏开创性突破。
FARS: A Fully Automated Research System Deployed at Scale
Qiong Tang et al.
cs.AI
FARS是一个全自动的AI-for-AI研究系统，能够自主生成并推进研究项目，在首次大规模部署中产出了166篇覆盖67个细粒度AI/ML主题的完整论文。该系统通过阶段特定agent协调工作，但主要关注自动化研究流程而非特定数学方法或关键词中的技术。
Arena-T2I Hard: Benchmarking and Improving Faithfulness with Dependency-Aware Checklist
Yuanhao Ban et al.
cs.AI
本文提出了Arena-T2I Hard基准测试，用于评估text-to-image模型在复杂prompt下的faithfulness，并引入了一种dependency-aware checklist reward方法，通过将prompt分解为DAG形式的yes/no问题来改进训练信号。该方法在faithfulness与aesthetics之间取得了更好的权衡，但与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念无直接关联。
A Self-Evolving Agentic System for Automated Generation and Execution of Biological Protocols
Yankai Jiang et al.
cs.AI
本文提出了ProtoPilot，一个用于自动化湿实验协议生成与执行的多智能体系统，并构建了相应的基准测试与评估框架。该系统通过分层验证、多智能体编排和运行时更新的技能库，将生物协议转化为可执行的代码，并在实验中取得了较高的通过率。
Evo-PI: Aligning Medical Reasoning via Evolving Principle-Guided Supervision
Xianda Zheng et al.
cs.AI
本文提出Evo-PI框架，通过将推理原则作为可演化的语言监督信号来指导多模态大模型的推理过程，并在医学视觉问答任务中验证了其有效性。该方法通过原则与模型行为的协同进化实现动态对齐，但与我提供的关键词列表关联度较低。
RAISE: LLM-based Automated Heuristic Design with Robust Adversary Instance Search
Fei Liu et al.
cs.AI
本文提出RAISE框架，将受限对抗实例搜索集成到基于LLM的进化搜索循环中，以解决自动化启发式设计在分布偏移下的鲁棒性问题。实验表明该方法在在线装箱等问题上能维持稳定性能。
Large Databases Need Small, Open-Weight Language Models
Parker Glenn, Alfy Samuel
cs.AI cs.DB
本文探讨了在大型数据库中使用量化开源语言模型替代闭源API的可行性，通过系统优化实现了成本降低390倍和延迟降低3.8倍，但未涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等核心概念。
Creating Intelligence: A Computational Foundation for AGI
Peter Overmann
cs.AI
本文提出了一种基于set theory和hyperdimensional computing的AGI计算框架，使用稀疏二进制数据而非连续权重，通过subset pattern matching实现联想记忆。该工作主要关注认知架构的理论构建，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联较弱。
Adaptive Cluster-First Route-Second Decomposition for Industrial-Scale Vehicle Routing
Oguzhan Karaahmetoglu, Hyong Kim
cs.AI
本文提出了一种基于大语言模型(LLM)的自适应聚类优先-路径其次(CFRS)分解方法，用于解决大规模带容量约束的车辆路径问题(CVRP)。该方法将分解过程建模为迭代决策，利用LLM作为高层决策者来动态应用聚类、平衡和细化算子，在包含多达50万客户的实例上展示了良好的可扩展性和鲁棒性。
An Agentic AI Framework to Accelerate Scientific Discovery in Plant Phenotyping
Renan Souza et al.
cs.AI
本文提出了一个端到端的agentic AI框架，用于加速植物表型分析中的科学发现，通过Co-Scientist Agent和Compute Agent的协作，将分析时间从数天缩短至秒级。该框架主要关注系统架构和交互流程，而非提出新的数学方法或解决长期存在的理论问题。
Harnessing Textual Refusal Directions for Multimodal Safety
Moreno D'Incà, Massimiliano Mancini, Nicu Sebe
cs.AI cs.CV cs.LG
本文研究了多模态大语言模型的安全性问题，提出了一种名为MARS的轻量级无训练方法，通过利用从LLM骨干网络中提取的文本拒绝方向来增强多模态安全性，无需多模态安全数据。该方法通过激活重中心化、几何信任区域内的自适应缩放和最优层选择来纠正模态不对齐。
TreeAgent: A Generalizable Multi-Agent Framework for Automated Bias Labeling in Forestry via Compiled Expert Rules and Vision-Language Models
Shiyi Chen et al.
cs.AI cs.MA
本文提出一个名为TreeAgent的多智能体系统，将专家决策树与Vision-Language Models (VLMs)结合，用于林业遥感中的树高偏差自动标注。该系统通过Decoupled Declarative Decision (D3)框架实现零修改泛化，在降低标注成本的同时保持了可解释性。
Self-Study Reconsidered: The Hidden Fragility of Learning from Self-Generated QA
Ekaterina Alimaskina et al.
cs.AI cs.LG
本文研究了从自生成QA对中学习语言模型的脆弱性，发现生成过程会偏向于文档中的显著区域和指令式文本，导致训练信号有偏。作者提出通过固定问题目标和过滤指令式片段来缓解这些问题。
PolicyGuard: From Organizational Policies to Neuro-SymbolicCompliance Review Engines
Sameer Malik, Ayush Singh, Amar Prakash Azad
cs.AI cs.LG cs.LO cs.SC
PolicyGuard提出了一种神经符号框架，将组织政策转化为可执行的审查引擎，通过LLM回答局部提取问题并结合符号规则评估文档合规性。该方法在NDA合规审查中验证了其可维护性和可测试性，但未涉及关键词中的code、spectral或Muon等概念。
AxDafny: Agentic Verified Code Generation in Dafny
Benjamin Breen et al.
cs.AI
本文提出了AxDafny，一个基于verifier引导的agentic代码生成框架，用于在Dafny中生成可执行代码和证明工件。实验表明，该方法在基准测试上显著提升了验证成功率，但未涉及spectral、Muon或pretrain等关键词。

cs.IR

Towards Critical IR Theories and Practices
Bhaskar Mitra
cs.IR cs.CY
本文呼吁信息检索领域采纳批判理论框架，以替代当前主流的自由主义视角，从而更明确地定义社会福祉并指导研究实践。文章强调以非支配为目标的理论基础，但未涉及关键词中的具体技术概念。
GenPage: Towards End-to-End Generative Homepage Construction at Netflix
Lequn Wang et al.
cs.IR
GenPage提出了一种端到端的生成式方法，用单个transformer替代Netflix主页推荐的多阶段流水线，将用户和请求视为prompt并自回归生成整个多行主页。该方法在离线实验中表明，丰富prompt比扩大模型容量带来更大提升，且RL后训练能增加主页多样性。
One Retrieval to Cover Them All: Co-occurrence-Aware Knowledge Base Reorganization for Session-Level RAG
Shivam Ratnakar et al.
cs.IR cs.AI
本文针对session-level RAG场景，提出了一种基于共现感知聚类的知识库重组方法，通过离线重组和查询时扩展候选集来提升单次检索对多轮会话的覆盖率。实验表明该方法在WixQA数据集上显著提升了会话覆盖率并压缩了知识库规模。
Unsupervised Data-Efficient Cross-Modal Retrieval with Global-Neighborhood Alignment Hashing
Runhao Li et al.
cs.IR cs.CV
本文提出了一种名为Global-Neighborhood Alignment Hashing (GNAH)的无监督跨模态哈希方法，通过原型锚定全局对齐和对比随机邻域对齐模块，在少量图像-文本对下将视觉-语言基础模型的语义结构压缩到二值Hamming空间，缓解了过拟合问题。实验表明该方法在数据受限场景下优于现有无监督方法。
ShopX: A Foundation Model for Intent-to-Item Fulfillment in Agentic Shopping
Jiacheng Chen et al.
cs.IR cs.AI cs.CL
本文提出ShopX，一个将意图理解、执行规划和基于语义ID（SID）的物品空间操作统一到单一foundation model中的框架，用于agentic shopping场景。它通过模型原生的物品履行框架减少了代理编排与物品空间执行之间的信息损失，并在淘宝生产日志上验证了其有效性。
An Open-Source Tool for Reproducible Freeway Network Extraction from OpenStreetMap
Drew Miller, Cathy Wu
cs.IR
本文介绍了一个从OpenStreetMap提取高速公路网络的开源工具，将其转换为紧凑的station-referenced表示，以支持可复现的高速公路仿真。该工具解决了OSM数据中的路径选择、车道分类等常见问题，并通过在加州奥兰治县的部署验证了其效率与准确性。
GR2 Technical Report
Yufei Li et al.
cs.IR cs.AI
本文提出了GR2 (Generative Reasoning Re-Ranker)框架，将LLM应用于工业推荐系统的重排序阶段，通过语义ID tokenizer、推理蒸馏和基于可验证奖励的强化学习来提升性能。该方法在工业规模流量上取得了显著提升，但主要贡献在于推荐系统领域，与关键词中的code, spectral, Muon, agent, attention等概念关联较弱。

cs.CL

Using AI Agents to Automate Black-Box Audits of Personalization Algorithms at Scale ⭐ 精选
Alessandro Morosini et al.
cs.CL cs.CY cs.LG cs.SI
本文提出了一种利用生成式AI agents作为行为引擎进行黑盒审计的新框架，通过为每个agent固定persona（基于人口和政治调查数据）并实验性扰动平台可见信号（如年龄、性别），实现了对个性化算法的反事实审计。作为案例研究，作者在2024年美国大选后于X平台部署了1120个agents，收集超过20万次内容曝光，发现算法推送相比时间线推送放大了有毒、极化、政治和右倾内容，且放大程度因用户意识形态而异。该工作为算法审计提供了可扩展且因果可控的新工具，与关键词“agent”高度契合。
A Single Rewrite Suffices: Empirical Lessons from Production Skill Description Optimization
Yangqiaoyu Zhou et al.
cs.CL cs.AI
本文研究企业AI agent中技能描述优化问题，通过自动化pipeline将人工调优时间从120分钟降至3.8分钟，并发现单次LLM重写即可获得大部分性能提升。该工作主要聚焦工程实践而非理论创新，与关键词中的agent相关但缺乏开创性。
Indi-RomCoM: Code-Mixed Benchmark for Evaluating LLMs on Romanized Indic-English Instructions
Avisha Das et al.
cs.CL cs.AI
本文提出了Indi-RomCoM基准，用于评估LLM在罗马化印地语-英语混合指令上的表现，发现模型性能随混合密度增加而下降，且推理任务比检测任务退化更少。该工作主要关注多语言评估，与关键词中的code和context有一定关联，但方法上缺乏开创性。
When Calibration Rankings Reverse: Accuracy-Controlled Evaluation for Fair Comparison of LLMs
Zhichao Yang et al.
cs.CL
本文指出，使用全局校准指标（如Expected Calibration Error和Brier Score）比较不同大语言模型的校准性能时，会因模型准确率差异而产生混淆。为此，作者提出了ACE框架，通过三种互补视角（Instance-Aligned, Distribution-Aligned, Candidate-Aligned）实现准确率控制下的公平校准比较。
When transformers learn "impossible" languages, what do they learn?
Ram Janarthan, Coleman Haley, Sharon Goldwater
cs.CL cs.AI
本文研究了transformer语言模型在"不可能"语言上的表现，发现模型在语法敏感性上仅表现出渐进退化，但在生成能力上存在显著缺陷，这为语言模型行为与人类语言不可习得性之间的联系提供了可能的解释。
Test-Time Verification for Text-to-SQL via Outcome Reward Models
Mattia Tritto et al.
cs.CL cs.AI cs.DB
本文提出GradeSQL框架，通过自动生成候选SQL并基于执行结果标注来训练Outcome Reward Models (ORMs)，用于Text-to-SQL任务的测试时验证。实验表明，基于ORM的Best-of-N选择策略在BIRD和Spider基准上优于基于执行成功率的Best-of-N和Majority Voting方法。
Multilingual Polarization Detection Using Transformer-Based Models with Class Weighting and Threshold Tuning
Aaron Bundi Anampiu
cs.CL
本文使用基于Transformer的模型（RoBERTa-base和AfroXLMR-base）结合class-weighted loss和per-label threshold tuning，处理多语言在线极化检测中的标签不平衡问题，在SemEval-2026任务上取得了有竞争力的F1分数。
Training Therapeutic Judges and Multi-Agent Systems for Human-Aligned Mental Health Support
Mizanur Rahman et al.
cs.CL cs.AI cs.MA
本文提出一个用于心理健康支持的框架，包含TheraJudge（基于偏好优化的治疗评估器）和TheraAgent（多智能体系统），通过将评估作为控制信号来改进LLM的回复质量。实验表明该方法在临床评估上表现良好，但未涉及code、context、spectral、Muon、pretrain、attention等关键词。
Beyond Clean Text: Evaluating Encoder and Decoder Robustness for Bangla Event Detection in Noisy Text
Tanvir Ahmed Sijan et al.
cs.CL
本文针对孟加拉语事件检测任务，评估了encoder-only模型（如BanglaBERT）和decoder-only大语言模型（如Llama 3）在噪声文本（包括ASR转录和拼写错误）下的鲁棒性。实验发现encoder模型在干净文本上表现更好但噪声下性能下降严重，而decoder-only模型更具鲁棒性，且模型规模扩大和混合训练能缩小两者差距。
Bridging Scientific Heritage: An Arabic--Russian Parallel Corpus and LLM Benchmark for Sustainable Knowledge Transfer
M. K. Arabov
cs.CL
本文构建了一个约27,000句对的阿拉伯语-俄语混合平行语料库，并基于mT5-base、NLLB-200和Qwen2.5-7B等模型进行fine-tune，评估了科学文本翻译性能。结果表明，领域特定的fine-tune优于few-shot prompting，该工作旨在促进阿拉伯语与俄语科学社区间的知识交流。
Linguistic Distancing on Social Media: Indicators of Emotion Regulation Across Age Groups
Daniela Teodorescu, Saif M. Mohammad, Alona Fyshe
cs.CL
本文研究了社交媒体文本中语言距离（linguistic distancing）作为情绪调节指标随年龄变化的规律，通过分析大量社交媒体数据验证了语言距离随年龄增长而增加的假设。该工作与心理学中情绪调节随年龄改善的结论一致，但未涉及code、context、spectral等关键词相关方法。
From Propositional to Perceptual Asymmetry: Extending Frictive Policy Optimization to Asymmetric Partial Information Dialogue
Yifan Zhu, Kyeongmin Rim, James Pustejovsky
cs.CL
本文扩展了Frictive Policy Optimization (FPO)框架，从命题不对称（propositional asymmetry）到感知不对称（perceptual asymmetry），通过跨语料库分析和LLM探测，验证了在非对称部分信息对话中，从参与者各自信息视角评估摩擦函数（friction functional）的有效性，并提出了标注改进方案。
Measuring Judgment Quality in Natural-Language Explanations: Evidence from Forecasting Tournaments
Christopher W. Karvetski et al.
cs.CL econ.GN
本文提出了一种基于LLM的Explanation Quality Markers (EQMs)方法，用于从自然语言解释中提取判断质量信号，并在预测竞赛数据中验证了其与预测准确性的相关性。该方法在预测层面优于传统文本分析方法，但主要贡献在于评估而非解决长期存在的理论问题。
Wait, am I Being Fair? Characterizing Deductive Stereotyping and Mitigating It with Fair-GCG
Naihao Deng et al.
cs.CL cs.AI
本文识别了大型语言模型中的一种失败模式“演绎刻板印象”，即模型将群体统计规律应用于个体案例，并提出了一个推理时注入框架Fair-GCG来发现有效的注入短语以缓解该问题。实验表明该方法能提升多个公平性基准的性能并泛化到更大模型。
CORTEX: Token-Level Hallucination Detection in RAG via Comparative Internal Representations
Kazuaki Furumai et al.
cs.CL
本文提出CORTEX，一种用于检索增强生成（RAG）的token级幻觉检测方法。该方法通过比较有无检索文档时LLM的内部表示来识别未基于文档的token，并利用文档信息的传播减少误报。
Truth or Sophistry? LoFa: A Benchmark for LLM Robustness Against Logical Fallacies
Xudong Shen et al.
cs.CL
本文提出了LoFa基准，用于评估大语言模型在面对逻辑谬误时的鲁棒性，通过多智能体流水线构建事实问题与谬误论证的配对，并引入多轮辩论框架和LFR@k指标来量化模型的抗谬误能力。实验揭示了不同模型在不同类型谬误下的脆弱性差异。
A Semantic-Layer-Mediated Agent for Natural Language to SQL over Heterogeneous Enterprise Databases
Ha Jeong Kim, Saksonita Khoeurn, Ye Ji Yoon
cs.CL
本文提出了一种基于语义层的NL2SQL agent，通过中间表示SMQ将语义意图与物理SQL执行解耦，并在Spider2-snow基准上取得了94.15%的执行准确率。该方法主要关注企业数据库的NL2SQL任务，与关键词中的agent有一定关联，但方法本身并非开创性突破。
Reference-Based Prosody and Rhythm Evaluation for Spoken Dialogue Systems
Ashish Hallur et al.
cs.CL cs.SD eess.AS
本文提出了一种基于参考的韵律与节奏评估方法，通过匹配对话状态下的声学指标（如\(F_0\)、语速等）来评估语音对话系统的输出，旨在提高评估的可解释性。该方法使用Seamless Interaction数据集构建匹配参考，并定义了百分位偏差协议，作为感知评估的补充。
Exploring the relationship between team institutional composition and novelty in academic papers based on fine-grained knowledge entities
Ziling Chen et al.
cs.CL cs.DL cs.IR
本文通过提取论文中的细粒度知识实体（方法、数据集、工具、指标），研究了自然语言处理领域中团队机构组成（学术、产业、混合）与论文新颖性的关系。研究发现，产学研混合团队比纯产业团队更易产生新颖论文，且不同团队类型关注的新颖性组合类型存在差异。
Building a Multimodal Dataset of Academic Paper for Keyword Extraction
Jingyu Zhang et al.
cs.CL cs.DL cs.HC cs.IR
本文构建了一个包含1000个样本的学术论文多模态数据集，每个样本包含文本、图像、音频和关键词。实验表明，融合论文文本、图像文本和音频文本可以有效提升关键词提取性能。
Triospect: A Three-Dimensional Framework for Robust Statistical AI-Generated Text Detection Against Diverse Attacks
Guangsheng Bao et al.
cs.CL cs.AI
本文提出Triospect检测框架，通过引入内容（核心思想）和表达（风格元素）两个额外视角来增强AI生成文本检测的鲁棒性，实验表明该方法在多种攻击下显著优于现有基线。
When Reranking Hurts: Uncertainty-Based Gating for Few-Shot Reranking
Orian Dabod, Amir Cohen, Gabriel Stanovsky
cs.CL cs.AI
本文挑战了少样本选择中重排序总能提升性能的假设，提出了一种基于模型不确定性的无训练门控重排序方法。该方法通过决定是否对少样本示例进行重排序，在8个LLM和多个数据集上实现了15%-80%的计算成本降低，同时平均性能提升高达2%。
What Counts as an Error? Dual-Reference Benchmarking for Atypical ASR
Hawau Olamide Toyin, Srinivasan Umesh, Hanan Aldarmaki
cs.CL cs.HC
本文研究了非典型语音识别中两种有效转录参考（逐字转录和意图转录）对ASR模型评估的影响，通过基准测试11个模型发现不同参考标准会导致性能排名差异。
SeKV: Resolution-Adaptive KV Cache with Hierarchical Semantic Memory for Long-Context LLM Inference
Amirhossein Abaskohi et al.
cs.CL
SeKV提出了一种分辨率自适应的语义KV cache方法，通过熵引导的语义跨度组织和GPU-CPU内存层次结构来减少长上下文LLM推理中的GPU内存占用，同时保持token级重建能力。该方法在多个基准测试中平均提升5.9%性能并减少53.3%的GPU内存，但与我提供的关键词（如code, spectral, Muon等）关联度较低。
TAG-DLM: Diffusion Language Models for Text-Attributed Graph Learning
Lingjie Chen et al.
cs.CL cs.LG
本文提出TAG-DLM，将masked diffusion language model与图结构结合，通过拓扑attention mask实现图上的message passing，从而统一处理text-attributed graph上的文本和图拓扑。实验表明该方法在节点分类和链接预测任务上优于现有baseline。
Gated Multi-Graph Fusion via Graph Attention Networks for Alzheimer's Disease Detection
Jinyu Li et al.
cs.CL cs.AI
本文提出了一种多视图门控图注意力网络，通过ASR转录语音构建语义、依存和共现图，并利用自适应门控融合机制整合这些视图，在ADReSSo数据集上达到90.00%的准确率。该方法主要关注阿尔茨海默病检测，与关键词中的attention概念有一定关联，但整体创新性和领域契合度一般。
Can LLMs Imagine Moral Alternatives Beyond Binary Dilemmas?
Jongchan Choi et al.
cs.CL cs.AI cs.LG
本文研究了大型语言模型（LLMs）在道德困境中能否超越二元选项想象替代方案，构建了MoralAltDataset数据集并评估了LLMs生成的替代方案质量。结果表明，折中替代方案常被偏好，且LLMs生成的替代方案在结构性和伦理性标准上表现良好，但存在与实用可行性之间的权衡。
Probing Stylistic Appropriation using Large Language Models: An Evaluation Framework for Copyright Infringement under EU Law
Noah Scharrenberg, Chang Sun
cs.CL cs.AI
本文提出了PSALM框架，利用LLM作为裁判来评估文本生成中的风格挪用问题，该框架基于欧盟版权法中的实质性相似标准，通过十个评估维度（如写作风格、叙事结构等）检测模型输出是否侵犯版权。实验表明，微调后的模型在非逐字记忆的抽象叙事模式上也表现出系统性风格挪用，而现有的去学习技术只能部分缓解这一问题。
When the Database Fails: Prompting LLM Dialogue Agents for Safe Recovery in Task-Oriented Dialogue
Mohammad Alijanpour Shalmani, Alale Rezvani Boroujeni, Jiann Shiun Yuan
cs.CL
本文研究了任务导向对话中LLM在数据库调用失败时的安全恢复问题，提出了一种基于轻量级prompt的引导重试策略，在MultiWOZ和SGD数据集上减少了50%和42%的幻觉。该方法无需重新训练，但残余幻觉仍较显著。
LOPA: Enhancing Spoken Language Assessment via Latent Ordinal Prototype Alignment
Hong-Yun Lin et al.
cs.CL cs.MM
本文提出了一种名为LOPA的基于latent prototype的正则化方法，用于口语评估任务，通过引入ordinal geometric prior来建模语言习得的序贯结构。该方法结合Semantic-Anchored Layer Routing (SALR)从冻结的Whisper编码器中提取多深度表示，在无需大语言模型微调的情况下达到了与十亿参数系统相当的性能。
BlockPilot: Instance-Adaptive Policy Learning for Diffusion-based Speculative Decoding
Hao Zhang et al.
cs.CL
本文指出扩散式投机解码中固定推理块大小的假设是次优的，并提出BlockPilot，一种从预填充表示中预测最优块大小的实例自适应策略。该方法将块大小选择建模为轻量级策略学习问题，仅需一次预测即可无缝集成，在Qwen3-4B上实现了5.92的接受长度和4.20倍的加速。
Linguistic Bias Mitigation for Spoofing Detection via Gradient Reversal and A Variational Information Bottleneck
Anh-Tuan Dao et al.
cs.CL cs.LG
本文针对语音欺骗检测中的语言偏差问题，提出了一种基于教师-学生对抗学习与Variational Information Bottleneck的框架，通过梯度反转抑制语言信息，在多个数据集上降低了等错误率。该方法主要关注语音领域，与关键词中的code、context、spectral等概念关联较弱。
Clinically Structured Rank-Gated LoRA for Cross-Benchmark Medical Question Answering
Yining Huang
cs.CL
本文提出BiRG-LoRA，一种用于医学问答的rank-gated LoRA方法，通过biaxial gate根据输入问题选择稀疏的rank atoms子集，并控制adapter更新强度。在多个医学基准上，该方法以更少的可训练参数取得了优于MoELoRA和vanilla LoRA的性能，但方法本身与关键词列表中的概念关联较弱。
Revising RVL-CDIP: Quantifying Errors and Test-Train Overlap
Stefan Larson et al.
cs.CL cs.CV
本文对RVL-CDIP文档分类数据集进行了系统性错误分析，发现其中包含12%的标签错误和约35%的训练-测试重叠，并通过修正这些错误生成了新的数据集变体。实验表明，修正标签错误能提升分类准确率，但去除重复数据反而导致性能下降。
Team MKC at CLPsych 2026: Capturing and Characterizing Mental Health Changes through Social Media Timeline Dynamics
Kyomin Hwang et al.
cs.CL cs.AI
本文提出了一个基于LLM的pipeline，用于对社交媒体上按时间顺序排列的用户帖子进行心理健康分析，实现了帖子级别评估和用户级别时间建模的统一框架。
Building an ASR Solution for Training and Assessing Children's Reading
Yacouba Diarra et al.
cs.CL cs.SD
本文介绍了一个针对班巴拉语儿童阅读的自动语音识别系统，通过端到端流程（包括数据收集、模型微调和课堂验证）构建，比较了Soloni和QuartzNet两种架构的性能。该系统在孤立基准测试上显著降低了词错误率和字符错误率，并发现重复阅读对QuartzNet有较大提升但对Soloni增益有限。
FinPersona-Bench: A Benchmark for Longitudinal Psychometric Stability of Autonomous Financial Agents
Muhammad Usman Safder et al.
cs.CL cs.AI
本文提出了FinPersona-Bench基准，用于评估自主金融agent在长期部署中因Mandate Salience Decay (MSD)导致的指令失效问题，通过合成市场模拟验证了不同agent在三种失败模式下的行为退化。
AutoTrainess: Teaching Language Models to Improve Language Models Autonomously
Zhaojian Yu et al.
cs.CL
本文提出了AutoTrainess，一个用于自主训练语言模型的LM agent系统，通过将训练操作封装为agent-computer interfaces来提升训练效率和可靠性。实验表明其在PostTrainBench上优于纯CLI基线，但方法主要聚焦于工程实现而非理论创新，与关键词中的agent概念有一定关联但契合度有限。
Robust Text Watermarking for Large Language Models via Dual Semantic Embeddings
Jonas Schäfer, Cezary Pilaszewicz, Gerhard Wunder
cs.CL cs.CR
本文提出了一种名为DEW的语义水印方案，通过结合token级和上下文嵌入来增强大语言模型生成文本的鲁棒性，并利用信号处理方法和伪随机矩阵投影来隐藏水印。实验表明该方法在释义和翻译攻击下仍能保持较好的检测性能。
CLExEval: A Human-in-the-Loop Framework for Qualitative Evaluation of LLM Clinical Reasoning
Ajmal M. et al.
cs.CL
本文提出了CLExEval框架，通过人类专家参与和渐进式信息遮蔽来评估LLM的临床推理能力，揭示了模型在信息稀缺时准确率大幅下降、知识检索失败以及推理与输出不一致等失败模式。该工作主要关注临床评估中的幻觉问题，与关键词中的code、spectral、Muon、pretrain、agent、attention等方向无直接关联。
Tone-Conditioned Curriculum Learning for Low-Resource Bantu Speech Recognition
Kesego Mokgosi et al.
cs.CL
本文针对6种Southern Bantu语言的低资源语音识别问题，提出了一种基于tone-conditioned的curriculum learning框架，结合混合难度评分和门控适配器。实验表明不同模型在不同语言上表现各异，没有单一模型适用于所有语言。
Moral Safety in LLMs: Exposing Performative Compliance with Puzzled Cues
Mohammadamin Shafiei, Shuyue Stella Li, Yulia Tsvetkov
cs.CL cs.CY
本文揭示了LLM在道德安全评估中的“表演性服从”现象，即模型在明确给出人口统计标签时表现公平，但需从上下文中推断相同身份时公平性显著下降。作者提出Cue Visibility Gap指标来区分真实与表演性道德安全，但未涉及代码、谱方法或预训练等关键词。
Overview of the TalentCLEF 2026: Skill and Job Title Intelligence for Human Capital Management
Luis Gasco et al.
cs.CL
本文介绍了TalentCLEF 2026挑战赛的第二版，包含职位-简历匹配和技能-职位匹配两个任务，旨在推动自然语言处理在人力资本管理中的应用。该挑战吸引了大量团队参与，但未涉及关键词中的code, spectral, Muon, pretrain, agent, attention等核心概念。
Cross-lingual Relation Extraction with Large Language Models: Zero-Shot, Few-Shot, and Fine-Tuned Evaluation on Romanian
Dragos-Mitrut Vasile et al.
cs.CL cs.AI
本文研究了使用大型语言模型（LLM）进行跨语言关系抽取（Relation Extraction），具体针对罗马尼亚语在零样本、少样本和微调设置下的表现。通过将英文基准数据集翻译为罗马尼亚语并评估Gemma 4 31B模型，发现微调能显著提升性能，但较小的编码器模型（如Romanian BERT）在计算效率上更具优势。
Seeing Is Not Sharing: Some Vision-Language Models Overestimate Common Ground in Asymmetric Dialogue
Nan Li, Albert Gatt, Massimo Poesio
cs.CL cs.AI
本文研究了视觉语言模型(VLMs)在非对称对话中是否能够区分潜在共享信息与已建立共享信息，发现提供地图图像会提升整体性能但导致模型过度预测对齐，表明模型将地图内容视为共同理解的证据，而非通过对话历史追踪grounding过程。
Adapting Foundation ASR Models to Dysarthric Speech: A Case Study
Christian Huber, Laura Kernahan, Alexander Waibel
cs.CL
本文通过微调Whisper等foundation ASR模型，针对构音障碍语音进行个性化适配，使用TEQST工具收集数据并部署移动应用，将词错误率降至9.7%。实验表明，个性化微调能显著提升模型在非标准语音上的实用性，但LoRA适配和Qwen3-ASR在此场景下表现较差。
STEB: Style Text Embedding Benchmark
Rafael Rivera Soto, Anna Wegmann, Cristina Aggazzotti
cs.CL cs.AI cs.LG
本文提出了STEB (Style Text Embedding Benchmark)，一个用于标准化风格嵌入评估的开源基准测试，包含96个数据集和7种语言。实验发现语义嵌入在风格任务中表现不佳，且没有一种风格嵌入在所有任务中普遍最优。
CHERRY: Compressed Hierarchical Experts with Recurrent Representational Yield
Dohyeon Kwon, Youngjin Park
cs.CL cs.AI
本文研究了三种互补技术以提升语言模型的训练效率：选择性监督与逐token效率、深度压缩与循环恢复、以及压缩专家的融合。这些方法在CHERRY-1.8B韩语基础模型上进行了验证，但实验范围有限（单一模型族、韩语数据、基于loss的指标），且与关键词列表中的概念关联较弱。
Explicit Fuzzy Logic in the Feed-Forward Layer: Self-Forgetting Quantifiers Discover Legible Grammatical-Licensing Detectors
Mark Oskin
cs.CL cs.LG
本文提出了一种在Transformer的feed-forward层中引入显式模糊逻辑的方法，通过使用否定能力的FFN（NC-FFN）和序列量词（soft existential和soft proportion）来增强模型的可解释性。实验表明，该方法在语言建模任务中与GELU基线性能相当，并使FFN层中的单元能够被解读为语法许可检测器。
Theory of Mind and Persuasion Beyond Conversation: Assessing the Capacity of LLMs to Induce Belief States via Planning and Action
Ben Slater et al.
cs.CL
本文提出NCP-ExploreToM框架，评估LLM通过非对话式行动（如移动物体）诱导其他agent信念状态的能力。实验发现GPT-5在约80%任务中表现优于人类，但所有模型在诱导错误信念时表现更差，揭示了agentic场景下社会推理能力的进展与局限。
LuxEmo: Expressive Text-to-Speech Corpus for Luxembourgish
Nina Hosseini-Kivanani, Sandipana Dowerah
cs.CL
LuxEmo是一个为卢森堡语构建的21小时情感语音语料库，包含4种情感类别，通过半自动流程从广播节目中提取并验证。该工作主要关注低资源语言的语音技术，与关键词列表中的概念无直接关联。
DigitalCoach: Communication and Grounding Gaps in Human and Agentic Computer Use Coaching
Meng Chen et al.
cs.CL
本文介绍了DigitalCoach数据集，包含72个人类专家-新手计算机使用指导会话，并评估了当前模型在指导人类使用软件时的表现，发现模型在提供解释、错误诊断和视觉上下文理解方面与人类存在差距。
Scalable Behaviour Cloning on Browser Using via Skill Distillation
Kaisen Yang et al.
cs.CL
本文提出了一种通过技能蒸馏（skill distillation）将用户浏览轨迹转化为自然语言技能的方法，用于可扩展的浏览器agent行为克隆，并构建技能图以避免技能无限积累。该方法旨在利用互联网用户的集体行为来提升agent的决策能力。
Generative Skill Composition for LLM Agents
Xinyu Zhao et al.
cs.CL
本文提出SkillComposer方法，将LLM agent的技能组合形式化为结构化技能序列预测问题，通过约束自回归解码器联合预测技能子集、数量和顺序，在SkillsBench基准上提升了任务成功率。
When LLMs Read Tables Carelessly: Measuring and Reducing Data Referencing Errors
Yuqing Yang et al.
cs.CL cs.AI
本文系统评估了大型语言模型在表格任务中的数据引用错误（DREs），发现所有测试模型（1.7B至20B参数）均存在此类错误。通过引入基于critic的数据引用检测，结合过滤和拒绝采样，可将答案准确率提升至12.0%，并训练了一个轻量级4B参数critic模型用于检测DREs。
Reinforcement Learning with Metacognitive Feedback Elicits Faithful Uncertainty Expression in LLMs
Gabrielle Kaili-May Liu et al.
cs.CL cs.AI
本文提出了一种基于元认知反馈的强化学习（RLMF）方法，用于提升大语言模型（LLM）在置信度表达上的忠实校准能力，通过自判断质量优化偏好排序并选择高价值训练数据。实验表明该方法在保持准确性的同时显著改善了模型对自身不确定性的表达，但未涉及代码、上下文、谱方法、Muon优化器、预训练、智能体或注意力机制等关键词相关的内容。
Introspective Coupling: Self-Explanation Training Tracks Behavioral Change Despite Fixed Supervision
Zifan Carl Guo et al.
cs.CL cs.AI cs.LG
本文研究了语言模型在生成解释时是否能够忠实反映其内部行为，发现使用固定counterfactual explanations训练时，模型产生的解释往往更符合自身当前行为而非训练目标，这种现象在多个任务中表现稳健。

cs.DS

Sensitivity Lower Bounds via Locally Testable Codes ⭐ 精选
Yuichi Yoshida, Zihan Zhang
cs.DS
本文提出了一种将任意locally testable code (LTC)转化为CSP（约束满足问题）灵敏度下界的通用框架。通过实例化\(c^3\)-LTC，证明了对于可满足的Max E3LIN2，任何\((1-\varepsilon)\)-近似算法都具有\(\Omega(n)\)的灵敏度，显著改进了此前仅对一般实例成立的\(\Omega(n^\delta)\)下界。该结果通过标准归约进一步导出最大团和最大\(k\)-覆盖问题的灵敏度下界，并揭示了近似算法在稳定性与近似比之间的根本性权衡。
Algorithms and complexity for geodetic sets on interval and chordal graphs
Dibyayan Chakraborty et al.
cs.DS cs.DM
本文研究了在chordal graphs和interval graphs上寻找最小geodetic set的计算复杂度。对于chordal graphs，证明了该问题是固定参数可解的；而对于interval graphs，则证明了其NP-hardness，解决了Ekim等人提出的一个公开问题。
Optimal-Time Contextual Pattern Matching in Compressed Space
Gonzalo Navarro, Francisco Olivares
cs.DS
本文研究了在压缩空间下进行最优时间上下文模式匹配的问题，利用对称CDAWG结构实现了\(O(m+occ)\)的最优时间，并改进了线性空间的距离敏感加权祖先数据结构。
Practical Linear-Time Computation of Smallest Suffixient Sets
Francisco Olivares, Gonzalo Navarro
cs.DS
本文提出了一种线性时间、单遍扫描的suffixient array构建算法，并给出了实际实现，实验表明其在大型文本集合上具有较好的空间/时间权衡。
Planar Embedding of Okamura-Seymour Quasimetrics in Polynomial Time with an Application to Distributed SSSP
Hung Le, Hector Tierno, Shuang Yang
cs.DS
本文通过线性规划实现了Chen和Tan的Okamura-Seymour拟度量存在性证明的算法化，首次给出了多项式时间平面嵌入算法，并应用于分布式CONGEST模型中平面有向图的\((1+\epsilon)\)-近似单源最短路径问题，将轮复杂度从\(\widetilde{O}(D^2)\)改进至\(\widetilde{O}(D)\)。
Constant-factor approximation of maximum distance-2 independent set in graphs of bounded merge-width
Maël Dumas
cs.DS cs.DM
本文针对有界radius-2 merge-width图类，给出了最大距离-2独立集问题的常数因子近似算法，并指出该结果与支配集问题的近似算法相关，但方法基于LP且与关键词列表关联较弱。
Graph Scheduling with Group Completion Times
Lars Rohwedder, Leander Schnaars
cs.DS math.OC
本文研究了图调度问题，旨在最小化加权组完成时间之和，通过扩展Coflow Scheduling的迭代舍入方法到一般图情形，得到了一个渐近紧的\((2+\epsilon)\)-近似比。该工作主要依赖于一般匹配中的奇集不等式和多图边着色理论。
Directed Low Diameter Decomposition for Structured Digraphs
Shinwoo An, Arnold Filtser
cs.DS
本文研究了有向图中的低直径分解(LDD)问题，证明了pathwidth为\(\mathsf{pw}\)的有向图存在\((O(\mathsf{pw}), \Delta)\)-LDD，改进了先前指数级的构造结果；同时，通过改进quasipartition构造的分析，将treewidth为\(\mathsf{tw}\)的图的Directed Non-Bipartite Sparsest-Cut LP松弛的integrality gap上界从\(O(\mathsf{tw}\log^2 n)\)降至\(O(\mathsf{tw}\log n)\)。
Orienting Unrooted Binary Networks Faster: Focus on the Generator
Jannik Schestag, Norbert Zeh
cs.DS
本文针对无根网络定向为特定类有根系统发育网络的问题，提出了两种基于网络level \(\ell\)的固定参数可处理算法框架，通过枚举生成树或直接猜测网状结构位置来改进运行时间，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
Token sliding independent set reconfiguration on graphs with few $P_4$'s
Lucia Busolini, Mario Valencia-Pabon
cs.DS math.CO
本文研究了Token Sliding规则下的独立集重配置问题，针对\(P_4\)-tidy图和\((q,q-4)\)-图这两类推广了cographs的图族，提出了一个多项式时间算法。该工作扩展了已知可解图类的范围，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。
Tight bounds for clique-packing parameterized by clique-width
Narek Bojikian, Stefan Kratsch
cs.DS
本文研究了\(d\)-Clique Packing问题在clique-width参数化下的复杂度，给出了\(n^{O(k^{d-1})}\)时间的算法，并基于ETH证明了\(n^{o(k^{d-1})}\)时间的下界，同时证明了该问题的W[1]-hardness。
Improved Algorithms for Bounded-Degree (Subset) Traveling Salesman Problems
Jongseo Lee, Jaehyeok Kwak, Hyung-Chan An
cs.DS
本文针对有界度旅行商问题（BDTSP）及其子集版本，提出了改进的双准则近似算法。通过引入新引理，算法在成本近似比上匹配了Christofides-Serdyukov算法，并将有界度TSP的加性度违反降低至+2。对于子集路径版本，首次给出了具有加性度违反的双准则近似算法。
The online monotone array completion problem
Vishesh Jain, Dylan King, Clayton Mizgerd
cs.DS math.PR
本文研究了一个在线单调数组填充问题，其中玩家需将[0,1]上的独立样本依次放入数组并保持非递减顺序，目标是最小化填满数组的期望时间。文章确定了最优期望完成时间的主项为\((1/2+o(1))n\log n\)，并给出了一个达到该上界的确定性策略。

others

ADAPT: Attention Dynamics Alignment with Preference Tuning for Faithful MLLMs ⭐ 精选
Zhiyuan Yao et al.
cs.CV cs.AI cs.CL cs.MM
本文提出ADAPT框架，通过直接干预MLLM生成过程中的text-to-image cross-attention dynamics来缓解幻觉。核心贡献包括：从早期解码中提炼cross-attention visual anchor以提供稳定空间定位，设计attention-supervised inference机制在线检测并纠正attention drift，以及提出Visual Attention Guidance DPO将偏好对齐到视觉上合理的响应。实验表明该方法在多个幻觉基准上将幻觉率降低40%-60%，与关键词“attention”高度契合。
Scaling Storm-Resolving Atmospheric AI Simulation to the Entire Planet ⭐ 精选
Zeyuan Hu et al.
physics.ao-ph cs.CE cs.LG
本文提出了STRATA (Storm-resolving Tile-based autoRegressive Atmosphere Transformer Architecture)，这是首个用于全球风暴解析大气动力学的自回归AI模拟器。该方法通过在小空间tile上训练模型，利用10分钟时间尺度上大气动力学的局部性，并结合3D patch embedding、局部3D neighborhood attention以及创新的Stereographic Rotary Position Embedding (StereoRoPE)实现网格不变编码，从而在仅17天的高分辨率数据上实现了稳定的24小时全球模拟。STRATA在能量效率上比传统物理模型提升约50倍，为公里级全球大气模拟提供了高效且可扩展的AI解决方案，与关键词中的attention和context高度契合。
The Decomposition Is the Fingerprint: Per-Component Identity for Agent Skills ⭐ 精选
Hongliang Liu, Yuhao Wu, Tung-Ling Li
cs.CR cs.CL cs.LG
本文提出了一种基于多bank SimHash的紧凑局部敏感指纹方法，将agent技能分解为prompt、code和tools三个组件分别生成指纹，并通过Hamming距离进行常数时间比较。该方法在4,950对比较中达到0.974的AUC，且仅需120字节签名，显著优于传统加密哈希。核心创新在于保持每个组件的独立身份（per-component triple），从而能够识别技能家族（如通过paraphrase或refactoring的变体），同时区分独立的多语言重实现。该工作为agent技能注册表提供了结构化的身份轴（lineage），与行为验证互补，而非替代安全判决。
Random Reshuffling Dominates Stochastic Gradient Descent ⭐ 精选
Zijian Liu
math.OC cs.LG stat.ML
本文首次证明了在光滑凸优化中，对于任意合理的步长和任意有限轮数，Random Reshuffling (\(\textsf{RR}\)) 的收敛速度严格优于经典 Stochastic Gradient Descent (\(\textsf{SGD}\))。该工作解决了该领域长期存在的公开问题，即此前理论要求步长必须小于与数据点数\(n\)成反比的阈值，导致\(\textsf{RR}\)的理论最优速率在轮数较少时反而劣于\(\textsf{SGD}\)，这与实际经验严重不符。通过建立新的收敛分析框架，作者消除了这些限制，为\(\textsf{RR}\)的实践优势提供了坚实的理论支撑。
Seven-dimensional Trajectory Reconstruction for VAMOS++
M. Rejmund, A. Lemasson
physics.ins-det cs.LG nucl-ex
本文为VAMOS++磁谱仪开发了一种七维轨迹重建方法，利用人工深度神经网络将反应位置坐标纳入重建过程，以克服传统点状束流相互作用体积假设的局限性。该方法在薄靶实验数据上展示了质量分辨率的改进，并讨论了未来在体积气体靶中的应用前景。
Analysis of Atomic Charge State and Atomic Number for VAMOS++ Magnetic Spectrometer using Deep Neural Networks and Fractionally Labelled Events
M. Rejmund, A. Lemasson
physics.ins-det cs.LG nucl-ex physics.atom-ph physics.data-an
本文利用deep neural networks对VAMOS++磁谱仪中的atomic charge state和atomic number进行分析，通过少量精确标记事件训练网络，将分析时间从数月缩短至数小时。该方法主要关注实验数据分析效率的提升，与关键词中的spectral有一定关联但契合度不高。
Surrogate-Gated Generation and Foundation-Model Embeddings for Bayesian Materials Design
Sk Md Ahnaf Akif Alvi et al.
cond-mat.mtrl-sci cs.AI
本文提出了一种基于surrogate-gated generation的贝叶斯材料设计工作流，在生成模型（如MatterGen、CrystalFlow、ADiT）与昂贵oracle之间插入Gaussian process acquisition gate，以固定预算筛选候选结构。实验表明，该方法在仅使用约五分之一oracle调用量的情况下，性能接近穷举oracle的约9%以内，且ranking-based selection优于任意选择。
ASR-Agnostic Multimodal Spectrotemporal Modeling for Early Dementia Detection
Chukwuemeka Ugwu, Oluwafemi Richard Oyeleke
cs.SD cs.AI cs.CL eess.AS
本文提出了一种ASR无关的多模态频谱时间建模方法用于早期痴呆检测，直接处理Mel频谱图，通过提取频谱时间位移场和CNN-ConvGRU声学嵌入的交叉注意力融合来捕捉认知衰退的数字生物标志物。实验表明多模态融合的价值依赖于语料库，在某些情况下甚至不如单模态模型。
Cross-Modal Hierarchical Fusion for from Multi-Sensor Ground Observation
Xinze Zhang
cs.CV cs.AI
本文提出AtmoFuseNet框架，通过融合多视角天空相机图像与毫米波云雷达等地面仪器数据，重建云微物理场的4D估计。该方法使用cross-modal hierarchical aggregation和conditional variational refinement等模块，在特定站点数据上取得了优于现有基线的性能。
MediEncoder: Nonlinear Representation Learning for High-Dimensional Causal Mediation Analysis
Shi Bo, Debarghya Mukherjee, AmirEmad Ghassami
stat.ME cs.LG math.ST stat.ML
MediEncoder提出了一种基于coupled encoder-decoder架构和cross-factor network的非线性表示学习框架，用于高维causal mediation analysis。该方法通过联合学习低维covariate和mediator表示，并利用cross-fitted efficient influence function估计natural direct and indirect effects，在模拟和实际数据中优于传统降维方法。
Qualified Educational Capacity Planning under Heterogeneous Student Support Needs: A Synthetic Benchmark and Decision-Support Framework
Carlos Eduardo Sanoja, Oscar Enrique Moreno Mayz
cs.CY cs.AI
本文提出了一个针对教育支持服务中合格能力规划问题的合成基准与决策支持框架，通过构建包含异质性需求、资格衰减与培训消耗的随机服务系统模型，比较了多种控制策略（如服务优先、静态保险、滚动时域混合整数规划等）。核心发现是，当新需求的培训时间在控制器反应范围内时，闭环控制器通过即时资格获取表现最优，否则静态保险策略更优。
Can Physician Expertise Improve Machine Learning Identification of Delirium?
Xinyu Qin et al.
cs.CY cs.AI cs.LG
本文提出了一种以用户为中心的交互式机器学习框架，用于谵妄检测，结合了医生引导的特征优化和可解释建模，在多个医院数据上验证了其性能优于自动化基线方法。
AI Transparency: Governance Compliance or Stakeholder Requirements?
Muneera Bano, Didar Zowghi
cs.CY cs.AI
本文从需求工程视角分析了澳大利亚政府机构发布的92份AI透明度声明，发现虽然结构合规普遍存在，但透明度校准不均，提出了“透明度幻觉”概念，指出合规性并不等同于对高风险、低控制利益相关者的充分透明度。
The Consistency Dilemma in LLMs: Generator-Evaluator Agreement and Vulnerability to Mistakes
Marina Mancoridis, Zoë Hitzig
cs.CY cs.AI
本文提出generator-evaluator self-consistency这一新指标，用于衡量LLM在生成和评估自身输出时应用概念的一致性。实验发现，在临床场景中，自一致性更高的模型反而更容易出现已验证的错误，揭示了LLM中的一致性困境。
Toward AI-Resilient Assessment in Computer Science Courses in an AI-Native World
Anshumali Shrivastava
cs.CY cs.AI
本文针对计算机科学课程中AI辅助评估的问题，提出了一个基于Pareto surplus的评估框架，允许学生自由使用AI，但通过衡量其超越AI基线的能力来评分。该框架通过定义任务、可执行评估器和AI基线，为评估提供了形式化基础，并讨论了实际应用中的扩展问题。
Mapping the Artificial Intelligence Divide in Africa: Infrastructure, Accessibility and Capacity
Abayomi O. Agbeyangi, Jose M. Lukose
cs.CY cs.AI
本文从基础设施、可访问性和人力能力三个角度，实证分析了非洲大陆在人工智能领域面临的“AI鸿沟”，指出其物理基础设施落后、数据成本高及语言模型代表性不足等制约因素，并基于当地初创企业和大学的积极趋势为政策制定者提供了建议。
AI for Quality Assurance in the Operating Room
Pietro Mascagni et al.
cs.CY cs.AI
本文探讨了将AI应用于手术室质量保证的框架，通过分析内窥镜视频数据来识别解剖结构、手术动作和不良事件，旨在提升手术质量评估的自动化水平。
Agentic AI Enhances Physician Trust in Clinical Decision Making
Zhiling Yan et al.
cs.CY cs.AI
本文研究了医生对agentic AI（一种在推理过程中自主调用外部工具并展示中间步骤的AI范式）的信任度，通过实验发现医生对agentic模型的认知和行为信任显著高于非agentic基线，但仍存在对错误输出的过度依赖问题。
Improving Survey Participation in Low-Literacy Populations Through Value-Sensitive Conversational AI
Raj Gaurav Maurya
cs.CY cs.AI cs.HC
本文通过对比多种调查方式（包括传统纸质、网络问卷和基于conversational AI的问卷），发现结合价值敏感设计的conversational AI能显著提高低识字率人群的问卷完成率，为包容性数据收集提供了实证支持。
ELEVATE: Designing Human-Centered GenAI Virtual Tutors for Scalable and Inclusive Education
Lorenzo Stacchio et al.
cs.CY cs.AI
本文提出了ELEVATE框架，用于开发由GenAI驱动的虚拟化身导师，该框架采用本地优先执行模型，支持多模态交互，并设计了学生、教师和AI核心的三层架构。该系统在真实教育场景中进行了原型验证，可在标准PC和智能手机上运行，旨在提供可扩展、隐私保护且包容的AI辅导方案。
Estimating the Effect of Timing on Coupon Effectiveness
Deddy Jobson
stat.AP cs.AI cs.LG
本文提出一个基于因果推断的框架，利用“自然随机对照试验”来估计优惠券发放时机对用户转化效果的影响，无需进行专门的AB测试。该框架通过分析用户与平台交互的关键时间点，验证了在用户旅程关键时刻发放优惠券更有效的假设。
Explainable Artificial Intelligence For The Detection and Characterisation of Stage B Heart Failure
Ahmed M Salih et al.
cs.CY cs.LG
本文综述了可解释人工智能（XAI）在检测B期心力衰竭中的应用，指出SHAP是最常用的方法，但XAI的应用存在不一致性，且缺乏对性别和种族亚组的分析。
Emergent Culture in Minimal LLM Systems
Simon Jones, Sabine Hauert
cs.NE cs.AI cs.CL cs.MA nlin.AO +1
本文研究最小LLM系统（仅包含三个agent，无外部上下文和最小提示）中的涌现文化现象。通过引入共享衰减文本存储和进化压力，观察到agent自发合作并生成复杂文化产物，但方法本身并非开创性且与关键词关联较弱。
Local Pheromone Network: Sparse Local Learning with Multi-Scale Synaptic Trails, Consolidation, and Replay
Xingcheng Fu, Xianjun Chen, Zhihao Li
cs.NE cs.AI
本文提出了一种名为Local Pheromone Network的稀疏局部学习网络原型，其训练不依赖自动微分，而是通过类似Hebbian规则的局部更新和pheromone痕迹机制实现。该方法在合成回归、分区记忆和冲突记忆等任务上进行了初步实验，展示了局部学习的能力。
Listening Between the Lines: Joint Learning of ASR Embeddings and LLM-Augmented Linguistics for Dementia Detection
Olivier Jiyoun Jung, Jonghyeon Park, Myungwoo Oh
eess.AS cs.AI cs.LG q-bio.QM
本文提出了一种结合Whisper的acoustic representations和LLM增强的linguistic features的多模态框架，用于通过语音分析检测痴呆症。该方法在ADReSS和ADReSSo数据集上取得了较好的F1分数，但整体方法较为常规，未涉及关键词中的核心概念。
Criticality-Constrained Iterative Pruning for Energy-Efficient Spiking Neural Networks via Combined Importance Scoring
Muhammad Hamza
cs.NE cs.LG
本文提出了一种名为Criticality-Constrained Quadratic Pruning (CQP)的迭代剪枝方法，用于在脉冲神经网络（SNN）中实现节能部署。该方法通过融合权重幅度和代理梯度临界性来构建重要性指标，并解决了现有方法中分数掩码二值化导致的精度损失问题。实验表明，CQP在MNIST数据集上以90%稀疏度达到95.6%的准确率，并通过结合权重稀疏化和时间截断实现了73%的推理能耗降低。
Locker-based Truck-Drone Routing with Integrated Considerations of Pickups, Deliveries, and No-Fly Zones
Xuanyu Liu et al.
cs.RO cs.AI cs.LG physics.soc-ph
本文提出了一种基于locker的卡车-无人机协同配送问题(LTDRP-PDNF)，综合考虑了取货、送货和禁飞区约束。作者将路径构建建模为Markov Decision Process，并设计了一个两阶段深度强化学习神经启发式算法，其中第一阶段用attention-based encoder和Bidirectional Gated Recurrent Unit decoder求解卡车路径，第二阶段结合策略迁移与混合调度启发式构建完整路径。实验表明该方法在多数情况下优于元启发式和神经启发式基线，且计算时间极短。
ALM2Vec: Learning Audio Embeddings for Universal Audio Retrieval with Large Audio-Language Models
Fengjie Lu et al.
cs.SD cs.AI eess.AS
ALM2Vec从预训练的大规模audio-language models中提取universal audio embeddings，用于跨域和跨任务的audio retrieval。它通过引入natural-language instructions实现了instruction-aware retrieval，在标准benchmark上表现competitive。
Position: Vision-Language-Action Models Cannot Be Verified to Perform Physical Reasoning
Taozhao Chen, Ian Manchester, Huaming Chen
cs.RO cs.AI
本文指出基于Vision-Language-Action (VLA)系统的机器人操作性能提升，通常被归因于语义泛化支持物理动作决策，但这一假设在当前评估协议下无法被独立验证。作者通过将VLA策略分解为语义映射和物理动作决策，论证了任务成功率这一主流指标无法区分这两种能力来源，并提出了通过引入受控变量来分别测量语义和物理泛化的评估设计方向。
Unsupervised Thermodynamics of Molecular Diffusion Models: Action-Operator Semantics and Auditable Free-Energy Readout
Wenjie Xi
physics.chem-ph cond-mat.stat-mech cs.AI
本文提出了一个action-operator框架，将分子扩散模型与热力学联系起来，通过定义基态action和微扰算子，使得模型能够从端点系综中读取自由能差。该方法在丙氨酸二肽和配体-口袋扰动任务上验证了有效性，但整体上属于对现有扩散模型的热力学解释与扩展，而非开创性方法或解决长期问题。
A Coherence Law for Trainability in Noisy Equivariant Quantum Neural Networks
Hassan Ugail, Newton Howard
quant-ph cs.AI cs.LG math-ph
本文研究了带噪声的U(1)-equivariant量子神经网络的可训练性，发现gradient的存活由causality和coherence共同决定，并提出了一个基于sector coherence的training law。该工作主要关注量子计算中的噪声问题，与您提供的关键词（如code, context, spectral等）关联度较低。
Citation Discipline in Spec-Driven Development: A Cross-Model Empirical Study of Output Determinism and Automated Hallucination Detection in LLM-Generated Code
Subham Panda
cs.SE cs.AI
本文通过跨模型实证研究，比较了三种Spec-Driven Development框架（traceSDD, Spec Kit, OpenSpec）在LLM生成代码中的输出确定性与自动幻觉检测率，发现引用标注会以确定性换取可验证性，且该权衡在不同模型架构间具有一致性。
DSIP: A Dynamic Coordination Planner for Signal-Free Intersections using Diffusion-Model-Based Multi-Agent Motion Planning
Qian Hu et al.
cs.RO cs.AI
本文提出DSIP框架，利用diffusion model进行多智能体运动规划，将无信号交叉口管理从离散相位控制转为连续轨迹优化。实验表明该方法在中等至高密度交通下能显著降低平均延迟并保持较高速度。
Modeling Cell-Cycle-Aware Single-Cell Drug Perturbation Responses
Dingping Zhao, Jie Lin
q-bio.QM cs.AI
本文提出了scCycleMol框架，用于预测单细胞药物扰动后的转录响应和细胞周期状态变化。该模型通过可学习的细胞周期头（circular G1/S/G2M phase targets）从预测的表达中提取监督信号，在SciPlex3基准上相比ChemCPA等基线提升了表达预测和细胞周期相位准确性。
ViTL: Temporal Logic-Guided Zero-Shot Natural Language Navigation via Vision-Language Models
Kaier Liang, Hengde Dai, Cristian-Ioan Vasile
cs.RO cs.CL cs.LG
本文提出ViTL框架，利用LLM将自然语言指令编译为LTL公式并转换为DFA，以协调多通道价值地图并触发动态重规划，同时引入方向性分数从VLM中提取每个前沿方向的得分，实现了零样本长时域自然语言导航任务。该方法主要针对机器人导航中的时序约束问题，与关键词中的agent和attention关联较弱。
LUMOS: A Semantic Operating-System Layer for Accessibility-Grounded AI Agents
Yogeswar Reddy Thota
cs.OS cs.AI cs.CV
LUMOS提出了一个语义操作系统层，将可访问性元数据转换为AI agent可读的结构化蓝图，使LLM能通过可访问性引导的观察-行动循环与系统交互，从而减少对截图和OCR的依赖。该方法主要关注agent与操作系统的交互接口优化，与关键词中的agent概念有一定关联。
BEST-RQ-2: Contextualize-Then-Predict, a Two-Step Approach for Self-Supervised Audio Representations
Ludovic K. Tuncay, Etienne Labbé, Thomas Pellegrini
cs.SD cs.AI cs.LG eess.AS eess.SP
本文提出了BEST-RQ-2，一种自监督音频表示学习方法，通过将掩码预测分解为contextualize-then-predict两步（先由ViT context encoder处理未掩码区域，再由轻量级predictor预测掩码区域），在保持推理计算量不变的前提下，在X-ARES和XARES-LLM基准上取得了优于单阶段baseline的迁移性能。
An AI-Based Solution for Secure Service Provisioning in IoT
Marco Arazzi et al.
cs.CR cs.AI
本文提出了一种基于Deep Reinforcement Learning和Federated Learning的IoT安全服务提供框架，通过智能体学习动态环境中的安全约束并利用Behavioral Fingerprinting计算服务提供者的可靠性评分，以选择最合适的智能对象。实验表明该方法在资源受限设备上具有可扩展性，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
Understanding and Evaluating Claw-like Agent Security Through a Computer-Systems Lens
Peizhi Niu et al.
cs.CR cs.AI
本文从计算机系统视角分析Claw-like AI agent的安全问题，类比操作系统、应用程序和扩展组件，并构建SafeClawArena基准测试，发现当前防御措施不足，攻击成功率最高达70%。
Diffusion-warm sampling of the XY model enables fast thermalization at scale
Sehmimul Hoque, Roger Melko, Pooya Ronagh
quant-ph cond-mat.dis-nn cs.LG
本文提出了一种使用diffusion model对具有连续对称性的自旋系统进行可扩展采样的技术，并将其应用于XY模型。实验表明，该方法通过在小尺寸晶格上训练温度条件化的diffusion model，能够生成大尺寸晶格上的准确样本，并显著减少热化时间。
Detecting Audio Deepfakes on the Edge:Lightweight SSL-Based Detection in a Browser Plugin
Octavian Pascu et al.
eess.AS cs.AI
本文提出了一种基于自监督学习的轻量级音频深度伪造检测模型，并将其部署为浏览器插件，在保证隐私的同时实现了比基线模型AASIST更高的准确率和更快的推理速度。
Security--Fidelity Tradeoffs: The Hidden Cost of Prompt Injection Defense
Mitchell Hermon et al.
cs.CR cs.AI
本文研究了LLM防御间接prompt注入时的安全-保真度权衡，发现现有防御主要通过抑制不可信文本来抵抗注入，但这会损害翻译、文档编辑等需要保留文本的任务。作者构建了SecFid基准来同时衡量安全性和保真度，实验表明没有模型或防御能同时达到两个目标，且安全指标单独报告会隐藏其代价。
AI-Generated PowerShell Malware: An Experimental Framework and Dataset
Luciano Pianese et al.
cs.CR cs.AI
本文提出了一个实验框架来评估LLM生成的PowerShell恶意软件，包括一个用于动态分析的新型沙箱方法，并构建了一个人工标注的真实PowerShell恶意软件数据集。研究发现LLM生成的恶意软件与真实恶意软件在触发的操作系统恶意事件上具有高度相似性。
Separation Capacity of Scattering Networks
Konstantin Häberle, Helmut Bölcskei
stat.ML cs.IT cs.LG math.CV
本文通过Cover的函数计数理论分析了散射网络（scattering networks）作为特征提取器的分离容量（separation capacity），扩展了Cover的框架并给出了分离容量的新表述，进而识别了影响该容量的网络构建块因素。
Information Terra: A Narrative-Anchored Semantic-First Projection of Document Embeddings
Brian Keith-Norambuena, Fausto German, Chris North
cs.HC cs.CL cs.IR
本文提出了一种名为Information Terra的文档嵌入可视化方法，通过将文档嵌入投影到地球仪上，利用用户选择的端点文档定义经纬度，从而展示叙事进展和主题偏差。该方法在540篇关于古巴抗议的文章语料上进行了演示，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联不大。
$\texttt{bucket-graph-spprc}$: an extensible C++ library for the shortest path problem with resource constraints
Simon Spoorendonk
math.OC cs.DS cs.MS
本文介绍了一个名为\(\texttt{bucket-graph-spprc}\)的开源C++库，用于求解带资源约束的最短路径问题（SPPRC）。该库实现了基于桶图的标记算法，并提供了多种内置资源与SIMD加速，在性能上优于现有开源工具PathWyse。
The Label Imitation Game: Turing Test Network for Zero-Shot Pseudo-Label Pruning
Brent A. Griffin, Jason J. Corso
cs.CV cs.AI cs.LG
本文提出了一种名为Label Imitation Game (LIG)的框架，通过训练一个任务无关的Turing Test Network (TTN)来在零样本场景下修剪伪标签中的错误。该方法利用对抗性询问机制，在数据集全局上下文中评估伪标签质量，并在多个视觉-语言模型上提升了标签准确性。
A Systematic Approach to Multi-Agent AI from Advanced Regulatory Control Theory: Safe and Auditable LLM Operator Agents for Process Control
Idelfonso B. R. Nogueira, Sigurd Skogestad
eess.SY cs.LG
本文提出了一种基于Advanced Regulatory Control (ARC)理论的多智能体系统框架，将每个反馈回路映射为一个专门的LLM operator agent，并通过MIN/MAX selector网络和orchestrator agent解决冲突。该方法在奶牛场通风控制案例上进行了评估，验证了其安全性和可审计性，但主要贡献在于将控制理论应用于LLM agent的架构设计，与关键词中的agent概念有一定关联，但整体创新性有限。
Dynamic Prediction of Alternating Recurrent Events via Neural Network
Abigail Loe, Susan Murry, Zhenke Wu
stat.ML cs.LG stat.AP
本文针对交替复发事件（如行为科学中的事件序列）的动态预测问题，开发了一个基于神经网络的在线预测框架，通过逆概率加权伪观测处理相关观测和删失数据，并在模拟和医学住院医师情绪预测中展示了良好性能。
Curvature-Guided Module Localization for Low-Rank Detoxification of Backdoored Large Language Models
Arash Raftari et al.
cs.CR cs.AI
本文提出了一种基于曲率引导的模块定位方法，用于对后门大语言模型进行低秩解毒。该方法通过激活修补和Fisher/K-FAC曲率分析定位触发行为相关模块，并仅对关键模块进行低秩修复，在保持良性行为的同时抑制恶意响应。
Structure-Regularized Interpretable TCR-Epitope Prediction
Jiarui Li et al.
q-bio.BM cs.CE cs.LG
本文提出TCR-SRIM模型，结合protein language model嵌入与可解释的contact prototypes来预测TCR-表位结合，在TCR-XAI基准上取得先进性能。研究还评估了生成结构对模型学习的影响，发现预测结构会导致不准确的相互作用模式。
How Human Feedback Shapes AI-generated Community Notes
Soham De et al.
cs.CY cs.AI
本文分析了X平台上的Collaborative Notes系统，其中AI生成的草稿通过人类反馈进行迭代改进。研究发现，事实性修正和额外上下文建议最常被采纳，而主观政策判断很少被采纳，且人类反馈能提升笔记的有用性，但协作笔记的采用率仍低于纯人类或纯AI笔记。
Budget-Adaptive Routing: Skipping the Weak When the Strong Answers Anyway
Wei Geng, Nitinder Mohan, Jörg Ott
cs.NI cs.AI cs.DC
本文提出了一种预算自适应路由方法，用于边缘-云推理协作，通过一个轻量级的弱跳过估计器（0.153 GFLOPs）从原始像素中提取路由信号，并基于离线调优的阈值在弱跳过与弱条件放置之间动态选择，以在不同卸载预算下追踪准确率上界。该方法在PASCAL VOC上实现了高达19.1 ms的每帧延迟降低，并在某些计算量远小于强模型的情况下取得了比强模型峰值mAP高1.7个百分点的性能。
Conditional Tropical Cyclogenesis Rates via Rare-Event Sampling in a Neural Weather Emulator
John S. Schreck et al.
physics.ao-ph cs.LG
本文使用Forward Flux Sampling (FFS)与神经天气模拟器结合，估计了热带气旋生成率，通过分解路径和条件概率解决了稀有事件采样问题，但方法在创新性和与关键词的契合度上一般。
SGD at the Edge of Stability: Stochastic Stabilization with Large Learning Rates
Konstantinos Emmanouilidis et al.
stat.ML cs.LG math.OC
本文研究了SGD在多类交叉熵损失下的边缘稳定性行为，证明了大学习率下SGD的随机性会导致动态在曲率主导的振荡和稳定下降之间交替，但SGD能自稳定并保证最佳迭代收敛。
ShardNet: Training Neural Controllers with Hard, Non-Convex Constraints
Long Kiu Chung, Shreyas Kousik
eess.SY cs.LG
ShardNet提出了一种神经网络架构，通过可微分的投影层严格强制执行多面体约束的并集，从而在闭环系统中实现前向不变的安全控制器合成。该方法将安全性嵌入网络结构，使性能优化与安全保证解耦，并在双积分器基准上实现了100%的安全率。
Motion Planning in Compressed Representation Spaces
Lukas Lao Beyer, Sertac Karaman
cs.RO cs.AI cs.LG
本文提出一种将深度学习与基于搜索的规划算法统一起来的生成式框架，通过训练高压缩比的autoencoder获得具有层次化离散token的latent space，并直接在该空间中执行搜索以完成motion planning任务。该方法在nuPlan和Waymo数据集上验证了其灵活性和有效性，但未涉及code、spectral或Muon等关键词相关技术。
Learning Where to Look: A Reinforcement Learning Framework for Robust Micro-Ultrasound Prostate Cancer Detection
Mohammad Mahdi Abootorabi et al.
cs.CV cs.AI cs.LG
本文提出Prost-RL框架，将微超声前列腺癌检测重构为策略驱动的空间推理问题，通过强化学习策略生成空间注意力图以辅助解码。该方法在693名患者的6607个活检核心数据上取得了优于基线的检测性能，但整体方法更偏向医学图像应用，与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）契合度较低。
ElemeNet: Multiscale Molecular Machine Learning with Uncertainty Quantification Across the Periodic Table
Jacob W. Toney et al.
physics.chem-ph cs.LG
ElemeNet是一个统一的分子机器学习软件包，支持元素1-100的分子表示，集成了E(3)-equivariant和transformer等架构，并内置了不确定性量化功能。该工具通过命令行界面降低了使用门槛，在有机、无机等化学数据集上取得了有竞争力的性能。
Loc2Repair: A Framework for Evaluating the Impact of File-Level Issue Localization in Repo-Level LLM Repair
Mohammad Nour Al Awad, Sergey Ivanov
cs.SE cs.AI
本文提出了Loc2Repair框架，用于解耦仓库级代码修复中的文件定位与补丁生成环节，并通过实验表明显式的文件级定位能一致性地提升修复成功率并降低平均耗时。
Hierarchical Clustering As a Novel Solution to the Notorious Multicollinearity Problem in Observational Causal Inference
Yufei Wu et al.
stat.ME cs.LG stat.AP
本文提出使用hierarchical clustering（层次聚类）方法解决观测因果推断中的多重共线性问题，通过聚合具有相关性的地理单元数据来缓解变量间的共线性，并以市场营销中的广告渠道效果评估为例进行验证。该方法虽具实用性，但创新性有限，且与关键词列表中的概念关联较弱。
Certified Speculative Execution for Untrusted AI Agents
Chenyu Zhou et al.
cs.CR cs.LG
本文提出了一种名为Certificate-Gated Prefix Acceptance (CGPA)的认证推测执行框架，用于在硬约束顺序决策系统中整合不可信AI agent（如frozen LLM）的快速推理与可信求解器的可行性保证。该方法通过可信验证器拒绝违规转移、保形校准的价值边界控制遗憾预算，实现了安全性、遗憾和速度的解耦。
LLM-Driven Personalities for Decision Making in Emergency Simulations
Stefano Calzolari et al.
cs.GR cs.AI
本文探讨了在紧急疏散模拟中使用大语言模型（LLM）驱动虚拟人类决策，并融入OCEAN人格特质。实验表明，基于语言提示的人格特征显著影响agent行为，增强了模拟环境的真实性和多样性。
Learning Video Dynamics with Predictive Differentiable Rendering
Yujin Tang et al.
cs.CV cs.AI
本文提出Predictive Differentiable Rendering (PDR)框架，通过引入基于2D Gaussian表示的PredGS适配器和CUDA加速的可微分渲染器predgsplat，将离散像素空间的视频预测转化为连续表示学习，以解决MSE损失导致的预测模糊问题。该方法在多个基准上提升了细节保留和视觉保真度，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。
Online TT-ALS for Streaming Tensor Decomposition with Incremental Orthogonalization
Hiroki Takeda, Yuto Miyatake, Daisuke Furihata
math.NA cs.CV cs.LG
本文提出了一种用于流式数据的Online TT-ALS算法，通过增量正交化约束实现了核心张量的高效精确更新，并证明了该约束能保证目标函数单调递减和时间平滑性。该方法在计算复杂度上实现了从二次到线性的降阶，并在视频质量指标上优于现有在线方法。
Dynamic Gaussian Processes and the Vanilla-SPDE Exchange
Rui-Yang Zhang et al.
stat.ML cs.LG stat.CO stat.ME
本文提出Vanilla-SPDE Exchange方法，利用标准Gaussian process (GP)推断与SPDE公式之间的等价性构建混合方案，以降低时空GP推断的计算复杂度。该方法通过复杂度分析和数值实验展示了计算效率的提升。
Beyond But-for Test: Counterfactual Explanation in Abstract Argumentation via Actual Causality (Extended Version)
Siyi Liu, Muyun Shao, Beishui Liao
cs.LO cs.AI
本文针对抽象论证中的反事实解释问题，引入了一个基于干预的反事实推理框架，通过将论证接受条件编码为方程并定义干预算子，超越了传统的but-for测试。该方法能够处理更精细的反事实条件，并在Preemption和Overdetermination等论证结构中正确识别原因。
Usage frequency and application variety of research methods in library and information science: Continuous investigation from 1991 to 2021
Chengzhi Zhang, Liang Tian, Heting Chu
cs.DL cs.CL cs.IR
本文使用机器学习方法分析了1991至2021年间LIS领域的研究方法使用频率与应用多样性，发现研究策略从概念性转向实证性，研究主题从系统中心转向用户中心。
Seeing Through Multiple Views: Parameter-Efficient Fine-Tuning via Selective Neurons for Consistent Radiology Report Generation
Yucheng Chen et al.
cs.CV cs.AI
本文提出View-PNDF框架，通过检测和微调对特定视图敏感的神经元，实现多视图X光影像的视图一致性报告生成，并利用LLM整合视图报告。该方法在参数高效微调下提升了报告质量，但未涉及code、spectral、Muon等关键词。
What Probing Reveals about Autonomous Driving: Linking Internal Prediction Errors to Ego Planning
Hyeonchang Jeon et al.
cs.RO cs.AI cs.LG
本文通过线性探测和定向扰动方法，研究了自动驾驶策略中内部预测误差与自我规划之间的联系，发现即使策略在闭环模拟中表现良好，在近碰撞事件中仍可能缺乏对周围车辆运动的及时预测能力。
SkillSpotter: Pose-Aware Multi-View Skilled Action Detection and Grading in Ego-Exo Videos
Björn Braun, Christian Holz
cs.CV cs.AI cs.LG
本文针对Ego-Exo视频中的技能动作检测与分级任务，提出了SkillSpotter架构，通过自适应时间抑制、门控3D人体姿态融合和双向跨视角attention三个模块，在Ego-Exo4D基准上显著提升了检测与分级性能。该方法主要关注多视角视频理解与动作质量评估，与关键词中的attention有一定关联。
UniSAE: Unified Speech Attribute Editing on Speaker, Emotion and Low-Level Content via Discrete Phonetic Posteriorgram Modelling
Chuanbo Zhu et al.
cs.SD cs.AI cs.CL eess.AS
UniSAE提出了一个统一的语音属性编辑框架，通过离散音素后验图（DPPG）表示将语音内容分解为离散token，支持说话人、情感和内容的多粒度编辑。该方法使用自回归内容transformer和扩散声学解码器实现属性编辑，但与我提供的关键词列表关联度较低。
MSNN-LINet: Cross-Modal Learning via Continuous Linear Integration
Gabriel Clinger
cs.CV cs.LG
本文提出了一种名为LINet的多流神经网络，用于RGB-D场景分类。它通过引入线性积分卷积（LIConv2d）算子，在每一层实现连续的跨模态学习，并采用渐进式模态dropout来防止路径坍塌。该方法在SUN RGB-D数据集上取得了优于先前从头训练方法的性能。
A Modular Vision-Language-Action Robotics Framework for Indoor Environments
Anindya Jana et al.
cs.RO cs.AI
本文提出了一种用于室内环境的模块化视觉-语言-动作机器人框架，通过环境建图、问题处理和导航模块实现自然语言指令驱动的自主任务。系统利用OwlViT嵌入构建语义体素地图，并结合Vision-Language Model对用户指令进行分类与执行。
PruneGround: Plug-and-play Spatial Pruning for 3D Visual Grounding
Duc Cao Dinh et al.
cs.CV cs.AI cs.CL
本文提出PruneGround框架，通过语言引导的空间剪枝（LGSP）和多视角描述重构（MCDR）来减少3D视觉定位中的计算开销，并利用LLM-Grounder在剪枝区域进行定位。该方法在多个基准上取得最优结果，但主要贡献在于工程化整合而非理论创新。
LLM-Powered Interactive Robotic Action Synthesis from Multimodal Speech, Gestures, and Music
Snehasis Banerjee, Ranjan Dasgupta
cs.RO cs.AI
本文提出了一种利用LLM从多模态输入（语音、手势、音乐）合成机器人动作的框架，通过将处理后的输入送入LLM生成动作序列。该方法侧重于交互的自然性，但与我提供的关键词（如code, spectral, Muon, pretrain, agent, attention）关联度较低。
An Empirical Study of Security Calibration in Large Language Models for Code
Mohammed Latif Siddiq, Md. Nafiu Rahman, Joanna C. S. Santos
cs.SE cs.CR cs.LG
本文通过实验评估了GPT-4o-mini、Gemini-2.0-Flash和Qwen3-Coder-Next在代码生成中的安全校准（即模型对生成代码安全性的置信度与实际安全性的一致性），发现模型普遍存在过度自信，且功能校准比安全校准更差。
MIRTH: Mutual-Information Reasoning with Temporal Hubs for Vision-Language-Action Agents
Hao Sun et al.
cs.RO cs.AI
MIRTH提出了一种基于互信息推理的VLA（Vision-Language-Action）agent框架，通过双尺度temporal memory hubs和并行action解码来提升机器人控制性能。该方法在LIBERO仿真和真实机器人平台上取得了SOTA结果，但与关键词中的code, spectral, Muon, attention等概念关联较弱。
Probe Choice Changes Canary-Memorization Verdicts: Three Post-Hoc Disagreement Case Studies in a Text-Dominant LoRA-Tuned Autoregressive Testbed
Zhichao Fan, Zexin Zhuang, Yanhang Li
cs.CR cs.LG
本文通过在一个Qwen2.5-VL-7B canary testbed上审计一个固定前缀窗口的mean-NLL memorization probe，报告了三种事后不一致案例，指出该probe可能因窗口截断、非秘密漂移或欠训练基线而产生误判，并建议使用全跨度secret NLL、span-localised decomposition和behavioural exact-recall等指标来提升评估可靠性。
Distilling Temporal Coherence into 2D Networks for Transrectal Ultrasound Prostate Video Segmentation
Dong Yeong Kim et al.
cs.CV cs.AI
本文提出了一种用于经直肠超声前列腺视频分割的时序一致性学习框架，通过将时序信息蒸馏到2D网络中，在保持单帧推理效率的同时提升分割的时序一致性。该方法利用置信度加权的时序一致性目标和双尺度原型对齐模块，在无需密集视频标注的情况下实现了实时分割。
Machine Learning-based Feedback Linearization Control of Quadrotor Subject to Unmodeled Dynamics
Amos Alwala, Gabriel da Silva Lima, Wallace Moreira Bessa
cs.RO cs.LG eess.SY
本文提出了一种基于机器学习的反馈线性化控制框架，使用Gaussian RBF神经网络在线补偿四旋翼飞行器的未建模动力学，并通过Lyapunov理论保证了闭环稳定性。仿真与实物实验表明，该方法在轨迹跟踪任务中相比基线控制器有性能提升。
Information-Aided DVL Calibration
Zeev Yampolsky, Itzik Klein
cs.RO cs.AI
本文提出了一种信息辅助校准(IAC)方法，用于在GNSS信号不可用环境下校准DVL的scale factor和misalignment errors，通过改进传统Kalman filter方法提升了导航精度。实验表明该方法在GNSS可用和不可用场景下分别实现了最高20%和35%的精度提升。
MNAR-$k$-means: A $k$-means Clustering for Data Missing Not at Random with Magnitude-Decaying Probability
Xin Guan
stat.ML cs.LG
本文针对MNAR（非随机缺失）数据中缺失值随绝对值大小呈衰减概率的场景，提出了一种基于插补值大小约束的\(k\)-means聚类方法，并通过交替最小化算法优化损失函数。该方法在理论上证明了估计聚类中心的一致性，实验表明其能有效改善聚类结果并降低中心估计偏差。
SwiftAudio: Data-Efficient Caption-Only Distillation for One-Step Text-to-Audio Diffusion-based Generation
Binh Mai et al.
cs.SD cs.AI cs.MM eess.AS
本文提出SwiftAudio，一种用于一步式文本到音频生成（TTA）的框架，通过仅使用文本描述（caption）从预训练的扩散teacher模型中进行蒸馏，避免了配对音频数据的需求。该方法将Variational Score Distillation (VSD)适配到音频领域并引入时间平滑正则化，在仅约45K文本描述上训练即可实现接近多步扩散系统的性能。
Learning from Failure: Inference-Time Self-Improvement for Computer-Use Agents
Xueqiao Sun et al.
cs.CV cs.AI cs.CL cs.CY cs.LG
本文提出了一种针对computer-use agent的failure-driven self-improvement方法，通过LLM诊断失败模式并生成代码补丁来提升agent性能，在OSWorld基准上将OpenCUA-72B模型的成功率从42.3%提升至48.9%。该方法与关键词中的agent概念相关，但方法本身并非开创性，且未涉及code、context、spectral等核心关键词。
CLIMB: Centroid-Based Hierarchical Memory for Online Continual Self-Supervised Learning
Julien Lefebvre, Stefan Duffner, Mathieu Lefort
cs.CV cs.AI
本文提出CLIMB方法，通过结合基于centroid的分层记忆库和知识蒸馏，解决在线持续自监督学习中的表示漂移问题。该方法在Split CIFAR-100和Split ImageNet-100上优于现有OCSSL方法。
Minimizing Quantized Semantic Age of Information (QSAoI) in Foundation Model-Based Semantic Communications
Huanyu Zhang et al.
eess.SP cs.AI
本文提出了一种名为Quantized Semantic Age of Information (QSAoI)的新指标，用于在有限块长(FBL)机制下权衡语义通信的时效性和效率，并基于此设计了一个联合优化混合精度量化(MPQ)策略和物理块长的框架。该工作主要关注语义通信中的资源分配问题，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
CSO-LLM: Class Subspace Orthogonalization for Post-Training Backdoor Detection and Trigger Inversion in LLMs
Zhengxing Li et al.
cs.CR cs.AI cs.LG
本文提出了一种针对LLM的后门检测与触发器反转框架CSO-LLM，核心是类子空间正交化方法，通过连续优化和离散贪婪搜索两种方式实现检测与反转。该方法在多个LLM分类任务上表现出较好的检测性能，但未涉及代码、谱方法或预训练等关键词相关领域。
From Idea to Prototype in an Afternoon: Scaffolded, AI-Assisted Rapid VA Prototyping
Gennady Andrienko, Natalia Andrienko
cs.HC cs.AI cs.LG
本文介绍了一种利用Artifact-Transform Workflow Language (ATWL)作为脚手架，结合AI助手快速实现可视化分析原型的方法。作者通过一个具体案例展示了从想法到原型仅需一个下午，并总结了脚手架设计、专家知识注入以及使用方式对原型质量的影响。
3D HAMSTER: Bridging Planning and Control in Hierarchical Vision Language Action Models through 3D Trajectory Guidance
Dongyoon Hwang et al.
cs.RO cs.AI
本文提出3D HAMSTER框架，通过为VLM增加深度编码器和密集深度重建目标，直接预测3D轨迹作为下游策略的引导，解决了2D引导在3D空间中产生几何失真的问题。实验表明该方法在多种条件下优于现有基线。
Beyond Binary Instrument QA: Probing Instrument Grounding in Music Audio-Language Models
Yujun Lee et al.
cs.SD cs.AI eess.AS
本文通过OpenMIC衍生的诊断基准序列，评估了音乐音频语言模型在乐器接地（instrument grounding）任务中的表现，发现高准确率可能源于基准捷径而非鲁棒音频理解，并揭示了模型存在选项位置偏差、易混淆乐器错误和时间响应偏差等问题。
Domain-Decomposed Randomized Neural Networks for Partial Differential Equations in Unbounded Domains
Haixin Wang et al.
math.NA cs.LG
本文提出了一种域分解随机神经网络框架，用于求解无界域上的偏微分方程，通过将近场和远场子网络耦合来避免截断误差，并利用线性最小二乘系统求解输出层系数。该方法在Poisson和含时Schrödinger方程上展示了准确性，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
PGUDA: Pressure-Guided Unsupervised Domain Adaptation with Cross-Modal Knowledge Distillation for sEMG-Based Gesture Recognition
Yurui Liu et al.
eess.SP cs.AI
本文提出了一种基于压力信号引导的无监督域适应框架PGUDA，通过跨模态知识蒸馏将压力信号的稳定语义迁移至sEMG信号，以解决手势识别中跨主体和跨会话的特征分布差异问题。实验表明该方法在标签效率上具有优势，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。
From Materials Database to Materials Bank: Assetizing Data for AI Driven Materials Innovation
Chenyao Ma et al.
cond-mat.mtrl-sci cs.AI physics.chem-ph
本文提出了一种面向工业化的Materials Bank概念，作为传统材料数据库之上的价值过滤与资产化层，通过多维BankCard框架将数据转化为标准化资产。该工作主要聚焦于材料数据管理与AI驱动的创新流程，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。
Stage-Transition Dense Reward Modeling for Reinforcement Learning
Yang Yang et al.
cs.RO cs.AI
本文提出Stage-Transition Dense Reward (STDR)框架，利用语义理解从专家视频中推断任务阶段结构，为强化学习提供密集奖励信号。该方法通过阶段转换反馈和阶段内进度反馈提升样本效率，并在多个机器人操作任务上验证了有效性。
Direction-Magnitude Decomposition for Low-Rank Matrix Optimization: Faster Convergence and Saddle-to-saddle Dynamics
Yudong Wei et al.
math.OC cs.LG
本文提出了一种名为direction-magnitude decomposition (DMD)的统一框架，用于解决低秩矩阵优化中的Burer-Monteiro (BM) formulation问题。该方法通过将优化变量分解为方向和幅度两部分，在目标秩未知时仍能提升优化效率，并证明了其在矩阵分解问题上的理论优势。
Visual Semantic Entropy: Do Vision Language Models Recognize Visual Ambiguity?
Ta Duc Huy et al.
cs.CV cs.AI cs.CL
本文提出Visual Semantic Entropy (VSE)方法，通过仅扰动图像并固定文本查询来探测视觉变化，从而衡量视觉语言模型对视觉模糊性的不确定性。实验表明VSE在多个VQA基准上优于现有基于输出多样性的熵方法。
Temporal Preservation over Processing: Diagnosing and Designing Spatiotemporal Single-Stage Video Detectors
Karam Tomotaki-Dawoud et al.
cs.CV cs.AI
本文提出TemporalLens诊断框架和YOLO-3D架构，用于分析单阶段视频目标检测器是否真正利用时间上下文。通过扰动实验发现，时空模型能从前帧恢复预测而堆叠2D模型会崩溃，并证明保留骨干网络中的时间深度是性能提升的关键因素。
DA-Studio: An Agentic System for End-to-End Data Analysis
Yizhe Liu, Shaolei Zhang, Ju Fan
cs.DB cs.AI
DA-Studio是一个基于LLM的端到端数据分析系统，它通过agent驱动的多步工作流，在沙盒环境中执行代码并展示中间结果。该系统主要关注数据分析流程的自动化与可检查性，与关键词中的agent概念有一定关联。
UniTac: A Unified Multimodal Model for Cross-Sensor Tactile Understanding and Generation
Jiahang Tu et al.
cs.RO cs.AI
UniTac提出了首个统一多模态模型用于跨传感器触觉理解与生成，通过双层级表示编码传感器和物体属性，并设计了触觉理解与生成任务。该方法在触觉领域具有创新性，但与关键词列表中的概念关联较弱。
Von Mises Based Uncertainty Quantification for Closely Spaced Automotive Radar Targets
Vinay Kulkarni, V. V. Reddy
eess.SP cs.AI math.PR
本文研究了基于von Mises分布的集成方法和基于正态逆伽马分布的深度学习框架在汽车雷达DOA估计中的不确定性量化，比较了它们在分布内和分布外条件下的性能表现。
Robustness of Robotic Manipulation: Foundations and Frontiers
Yifei Dong et al.
cs.RO cs.AI
本文对机器人操作鲁棒性进行了系统性研究，给出了形式化定义，并从概率和控制理论角度建立了通用框架，综述了感知、规划、控制等领域的鲁棒性机制与评估方法。
Falsification, Not Exposure: An Internally Preregistered Placebo-Controlled Decomposition of Self-Repair Feedback in Frozen Small Code Models
Mehmet Iscan
cs.SE cs.CL cs.LG
本文通过安慰剂对照实验，分解了冻结小代码模型在自我修复反馈中的效果，发现反馈的价值主要来自与外部可执行反例的比较（证伪），而非重新暴露于失败代码。实验在HumanEval+/MBPP+数据集上使用0.5B-1.5B模型进行，盲重采样比裸代码重试有显著提升，但指令效果不显著。
Improving multichannel speech enhancement through accurate room-acoustic simulations
Georg Götz et al.
eess.AS cs.AI cs.LG cs.SD
本文研究了不同保真度的房间声学模拟对多通道语音增强性能的影响，通过对比基于几何声学与波动声学的训练数据，发现高保真模拟能显著降低词错误率。该工作主要关注声学模拟的物理精度，与关键词中的code、context、spectral等概念关联较弱。
CVE-TTP KG: Knowledge Graph Linking Software Vulnerabilities to Attack Behaviors
Basant Agarwal et al.
cs.CR cs.AI
本文构建了一个CVE-TTP Knowledge Graph，将软件漏洞(CVE)与MITRE ATT&CK框架中的攻击行为(战术和技术)相连接。通过使用Transformer-based模型(如CySecBERT)进行行为分类和关系抽取，该方法在技术分类上达到87.71%的macro F1-score，并最终将结果集成到Neo4j图数据库中。
FLARE-AI: Flaw Reporting for AI
Shayne Longpre et al.
cs.CY cs.AI
本文针对AI系统缺陷报告生态系统的碎片化问题，审计了12个现有报告系统并识别出5个设计挑战。基于此分析及来自32个组织的49位专家反馈，提出了一个名为FLARE-AI的开源缺陷报告系统，旨在通过标准化和互操作性简化报告流程。
Mitigating Positional Leakage in 3D Masked Autoencoders for Robust Representation Learning
Xu Yan et al.
cs.CV cs.AI
本文针对3D点云自监督学习中的masked autoencoding范式，指出其decoder过度依赖positional information导致语义表示学习弱化的问题，并提出MPL-MAE框架，通过recalibrated positional embedding module和gated positional interface module来缓解positional leakage，从而提升representation quality。
Temperature Field Reconstruction of Tungsten Monoblock Divertor on EAST using Physics-aware Neural Operator Transformer
Zikang Yan et al.
cs.CV cs.AI cs.LG
本文提出了一种Physics-aware Neural Operator Transformer (PNOT)用于EAST装置上钨单体偏滤器温度场的实时重建，通过图注意力机制和物理感知算子模块建模热扩散过程，并采用Sobolev正则化损失约束物理一致性。该方法在保持物理一致性的同时提升了预测精度。
Localized Conformal Prediction for Image Classification with Vision-Language Models
Clément Fuchs, Tim Bary, Benoît Macq
cs.CV cs.LG
本文探讨了局部化conformal prediction在视觉-语言模型图像分类中的应用，发现直接使用余弦相似度无法改善非局部基线，并提出一种简单的非线性变换来减小平均集合大小。
DPPE: Rethinking Camera-Based Positional Encoding for Scaling Multi-View Transformers
Shun Kenney, Teppei Suzuki
cs.CV cs.AI
本文发现基于相机的positional encoding在缩放多视图Transformer训练时，由于将rotation和translation存储在value vector的相同维度导致识别不确定性，从而造成性能瓶颈。为此，作者提出Decoupled Pose Positional Encoding (DPPE)，通过显式解耦rotation和translation来提升训练可扩展性，并在novel view synthesis任务上验证了其稳定性和泛化能力。
ZEBRA: Zero-Shot Entropy-Regularized Prompt Learning for Base-to-Novel Generalization in Audio-Language Models
Asif Hanif, Mohammad Yaqub
cs.SD cs.AI
本文提出ZEBRA框架，通过融合zero-shot logits与prompt-learning logits并引入self-entropy regularization，缓解了Audio-Language Models在base-to-novel generalization中的性能下降问题。实验表明该方法能有效缩小基类与新类之间的准确率差距。
From Failure to Alignment: A Requirements Engineering Framework for Machine Learning Systems
Amel Bennaceur et al.
cs.SE cs.LG
本文提出一个名为REAL的需求工程框架，用于开发与利益相关者需求对齐的机器学习系统，该框架通过整合数据、模型和系统的需求，并利用失败来驱动需求探索。文章以自动驾驶为例展示了该框架的有效性，但未涉及代码、上下文、谱方法或预训练等关键词相关技术。
Comparative Analysis of Machine Learning based Intrusion Detection in Realistic IoT Networks
Rana Alharbi, Chuadhry Mujeeb Ahmed
cs.CR cs.AI
本文使用Gotham2025数据集，比较了五种机器学习算法（包括Random Forest和Deep Neural Network）在IoT网络入侵检测中的性能，发现Random Forest分类器表现最佳，F1-score达到0.99。该工作主要聚焦于实际IoT网络中的入侵检测应用，未涉及关键词中的核心概念。
Token-Sparse Medical Multimodal Reasoning via Dual-Stream Reinforcement Learning
Kaitao Chen et al.
cs.CV cs.AI
本文提出了一种双流强化学习框架ViToS，用于医学多模态推理中的视觉token剪枝。该方法通过交叉反馈顺序优化解决耦合策略学习问题，在多个医学基准上减少了视觉token数量并提升了推理性能。
On Optimal Data Splitting for Split Conformal Prediction
Sayan Das et al.
math.ST cs.LG stat.ML
本文研究了split conformal prediction中训练集与校准集的最优数据划分比例问题，通过理论分析推导了在对称和非对称情形下最小化预测区间长度的最优分割比，并在线性回归、非参数回归和神经网络等常见回归设定中给出了具体结果。
Preserve the Hard, Regenerate the Rest: Uncertainty-Guided Synthetic Training Data Augmentation with Diffusion Models
Nikolai Röhrich et al.
cs.CV cs.AI cs.LG
本文提出了一种基于不确定性引导的合成上下文增强策略，利用扩散模型生成新图像上下文，同时保留原始标签的有效性。该方法通过基线分割器的预测熵识别不确定区域，仅对互补视觉上下文进行修复，并在微调时仅对原始像素计算损失，从而提升语义分割性能。
Learning Structurally Consistent Representations for Multi-View Radar Semantic Segmentation
Ali Zia et al.
cs.CV cs.AI
本文提出了一种用于多视角雷达语义分割的统一高阶结构对齐框架，通过可学习超图捕获雷达回波间的高阶依赖关系，并利用Unbalanced Optimal Transport对齐不同视角的特征，最后用自适应注意力机制融合互补视角。该方法在CARRADA和RADIal基准上取得了改进，但未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词中的核心概念。
Automating Cause-Effect Specification with Knowledge Graphs and Large Language Models
Javal Vyas, Milapji Singh Gill, Mehmet Mercangöz
eess.SY cs.AI
本文提出一个结合Knowledge Graph和Large Language Model的语义AI框架，用于自动化生成过程控制中的cause-and-effect逻辑。该方法通过知识图谱表示过程结构，并利用LLM生成安全描述和SWRL规则，以减少人工工作量。
A Tutorial on Autonomous Fault-Tolerant Control Using Knowledge-Grounded LLM Agents
Javal Vyas et al.
eess.SY cs.AI cs.MA
本文探讨了如何利用基于知识的大语言模型（LLM）agent实现过程工厂的自主容错控制，提出了一个将LLM作为约束性监督规划器的框架，并通过外部验证器确保提议的安全性。文章设计了三个应用维度（恢复模式、验证策略和部署约束），并提供了两个可执行的Python环境作为案例研究。
Intrinsic decomposition and editing of 3D Gaussian splats
Alexandre Lanvin et al.
cs.GR cs.AI
本文提出了一种将3D Gaussian splatting表示的radiance field进行intrinsic decomposition的方法，将图像颜色分解为diffuse albedo和shading等独立成分，并支持用户通过编辑单张图像的albedo来修改纹理，从而在任意视角下重新渲染出具有合理光照的场景。
A Lifecycle and Application-Stack Survey of Large Language Model Vulnerabilities: Attacks, Risks, Defenses, and Open Problems
Seyed Bagher Hashemi Natanzi, Bo Tang
cs.CR cs.AI cs.GT cs.LO
本文通过生命周期和应用栈的视角，系统化梳理了大语言模型（LLM）系统的安全漏洞，将攻击组织为八个阶段（如数据收集、预训练、推理等），并分析了各阶段的攻击能力、安全目标及防御措施。该综述强调了信任边界失效、非可信数据如何变为可执行指令等核心安全问题，但并未提出具体的新方法或解决长期存在的难题。
Sparsity-Inducing Divergence Losses for Biometric Verification
Dimitrios Koutsianos et al.
cs.CV cs.AI
本文提出了一种用于生物特征验证的Q-Margin损失函数，通过在\(\alpha\)-divergence框架中引入概率化的margin惩罚，以替代传统的几何margin方法。该方法在面部和说话人验证任务上取得了有竞争力的性能，并能在低误接受率下提升效果，同时利用稀疏性实现高效训练。
WorldRoamBench: An Open-World Benchmark for Long-Horizon Stability of Interactive World Models
Ting-Bing Xu et al.
cs.CV cs.AI
本文提出了WorldRoamBench，一个用于评估交互式世界模型（IWM）在长时程交互中稳定性的开放世界benchmark，从动作、视觉、物理和记忆四个维度设计了新的评估指标。实验表明现有模型在所有这些维度上均无法达到令人满意的表现。
Histogram-constrained Image Generation
Haoming Liu et al.
cs.CV cs.AI cs.LG
本文提出了一种名为Histogram-constrained Image Generation (HIG)的控制机制，通过将用户指定的分布约束（如颜色直方图）建模为optimal transport问题，在扩散模型的采样过程中施加显式引导，从而实现对生成图像的精确分布控制。该方法在控制粒度上介于文本提示和ControlNet等密集条件之间，展示了在图像生成中实现灵活且可解释的分布控制的能力。
RCT: A Robot-Collected Touch-Vision-Language Dataset for Tactile Generalization
Jingbo He, Michael Färber, Roberto Calandra
cs.RO cs.AI cs.CL cs.CV
本文介绍了RCT数据集，一个机器人收集的触觉-视觉-语言数据集，包含29,279个触觉帧，用于研究触觉感知在未见材料上的泛化能力。实验表明，接触序列的划分对评估结果有显著影响，且模型在未见材料上的性能较差，揭示了触觉泛化仍是机器人感知领域的核心挑战。
Look But Don't Touch with Sparse Autoencoders for Unlearning in Diffusion Models
Enrico Cassano et al.
cs.CV cs.AI
本文研究了sparse autoencoders (SAEs)在diffusion models中用于概念擦除和引导时的局限性，发现直接干预其latent space会导致严重的视觉伪影。作者提出了一种基于检测的替换方法，利用SAE激活作为语义检测器来识别目标对象区域，并用不含该对象的patch embeddings进行替换，从而获得更干净的擦除效果。
WIDER-FAIR: An Annotated Version of the WIDER-FACE Dataset for Fairness Evaluation
Maxime Moussi et al.
cs.CV cs.LG
本文基于WIDER-FACE数据集构建了WIDER-FAIR，手动标注了人脸的感知种族和性别，用于评估人脸检测模型的公平性。实验表明，模型对黑人个体的检测性能显著较低，且从训练中排除该群体会加剧公平性差异。
Is Natural Always Appropriate? Investigating Naturalness and Appropriateness Across Different Domains for TTS Evaluation
Dominika Woszczyk et al.
eess.AS cs.LG
本文探讨了文本转语音(TTS)系统中“自然度”与“适切性”在不同应用领域(如AI助手、朗读、表演等)中的感知差异，发现TTS性能并非通用，而是依赖于目标领域，需要上下文感知的评估。
JL1-CC&QA: Extending the JL1-CD Benchmark with Change Captioning and Question Answering
Ziyuan Liu et al.
cs.CV cs.AI
本文在JL1-CD数据集基础上，通过多模态大语言模型生成与人工验证的三阶段流程，构建了包含变化描述和变化问答的遥感变化理解多任务基准JL1-CC&QA，旨在弥补传统变化检测仅输出像素级分割掩码的语义鸿沟。
Distributed Property Testing with (Quantum) Carrier Pigeons: Tight Bounds on State Certification
Kenny Chen
quant-ph cs.DS
本文研究了分布式量子态验证问题，其中多个节点向中心节点发送有限通信以区分未知态与已知态。作者在允许经典和量子通信的设定下给出了无条件下界，并证明了公开随机币模型下界是紧的，同时在仅允许量子通信的私有随机币模型中给出了几乎紧的上界。
A Technical Typology of AI Systems in Public Administration
Jonathan Rystrøm et al.
cs.CY cs.AI
本文提出了一种针对公共管理中AI系统的技术分类法，将AI系统分为五类，并通过对91篇高引论文的编码分析，发现多数研究存在技术精度不足的问题。该工作主要关注公共管理领域的分类与评估，与关键词中的agent、code等概念关联较弱。
Decoupling Trust in Byzantine CRDTs: Fine-grained Post-Compromise Handling without Breaking Causality
Amos Brocco
cs.DC cs.DS
本文提出了一种在Byzantine CRDT系统中解耦身份信任与内容信任的细粒度信任模型，通过确定性重建允许replica选择性包含或排除更新，同时保持causal consistency。该方法旨在处理后妥协场景中恶意参与者的更新，但未直接涉及code、context、spectral等关键词。
SpikeLogBERT: Energy-Efficient Log Parsing Using Spiking Transformer Networks
Thuan Bui et al.
cs.CV cs.CL
本文提出SpikeLogBERT，一种基于spiking transformer架构的日志解析方法，通过知识蒸馏从BERT模型学习语义表示，并利用spike驱动的稀疏计算降低能耗。实验表明该方法在HDFS数据集上达到高解析精度，同时显著减少理论能耗。
Breaking Failure Cascades: Step-Aware Reinforcement Learning for Medical Multimodal Reasoning
Junha Jung et al.
cs.CV cs.AI
本文提出MRPO算法，通过引入step-wise process rewards来惩罚早期推理错误，以解决医疗多模态推理中的级联失败问题。该方法在多个backbone上提升了VQA性能，但与我提供的关键词列表关联度较低。
Real-Time Source-Free Object Detection
Sairam VCR et al.
cs.CV cs.AI
本文针对自动驾驶等场景下的实时目标检测问题，提出了一种基于YOLOv10的无源域适应方法RT-SFOD。该方法通过双头伪标签融合（DHF）和多尺度自适应表示多样化损失（MARD）来提升域适应性能，在保持高吞吐量和低参数量的同时取得了更优的检测精度。
Bridging Local Observation and Global Simulation in Closed-Loop Traffic Modeling
Ziyan Wang et al.
cs.RO cs.AI
本文提出CRAFT框架，通过自监督故障发现和偏好引导的测试时对齐，缓解了自回归交通模拟器在从局部观测训练到全局闭环部署时的上下文不匹配问题。该方法无需重新训练基础模拟器即可减少碰撞和交通违规。
Z-1: Efficient Reinforcement Learning for Vision-Language-Action Models
Lang Cao et al.
cs.RO cs.AI
本文提出Z-1框架，通过Group Relative Policy Optimization (GRPO)策略对flow-based Vision-Language-Action (VLA)模型进行强化学习后训练，在RoboCasa任务上提升了成功率。该方法主要关注机器人操作中的策略优化，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
Belief Contraction in Dynamic Epistemic Logic
Gaia Belardinelli, Snow Zhang
cs.LO cs.AI
本文针对动态认知逻辑中的信念收缩问题，在标准Kripke模型上直接定义了一种信念收缩机制，并给出了相应的公理化。该工作主要关注逻辑框架的完备性，但与我提供的关键词列表关联度较低。
Modal CEGAR-tableaux with RECAR and resolution-based SAT-shortcuts
Rajeev Goré, Cormac Kikkert
cs.LO cs.AI
本文研究了两种扩展CEGAR-tableaux的方法，使用RECAR和基于模态resolution定理证明器KSP的SAT-shortcuts。实验表明，基于KSP的方法在可满足问题上优于单独使用CEGAR-tableaux或KSP，但方法本身并非开创性突破。
Better Understanding, Understanding Better
Yu Wei
cs.LO cs.AI
本文提出了一种比较性的认知逻辑框架，通过引入层级索引的理解模态和比较连接词，形式化地刻画了不同智能体对命题理解程度的差异。该工作为理解逻辑提供了语义模型和公理化系统，但与我提供的关键词列表关联较弱。
Attend, Transform, or Silence: Operator-Level Visual Skipping for Efficient Multimodal LLM Inference
Zhaoyang Luo et al.
cs.CV cs.AI
本文从答案可观测性角度发现多模态大模型中视觉token的更新存在冗余，提出了一种算子级别的视觉token跳过框架，通过选择性跳过冗余的attention或FFN算子来加速推理，在多个模型和基准上实现了效率与精度的良好平衡。
Accelerating Conformal Prediction via Approximate Leave-One-Out
Jiachen Cong, Jingbo Liu
stat.ML cs.LG
本文提出使用近似留一法(approximate leave-one-out)加速conformal prediction的计算，通过理论证明和模拟验证了该方法在保持覆盖率和效率的同时显著降低运行时间。
MVP-Nav: Multi-layer Value Map Planner Navigator
Wenyuan Xie et al.
cs.RO cs.AI cs.CV
本文提出MVP-Nav，一种仅依赖RGB感知的零样本目标导航框架，通过3D基础模型将2D语义实例投影为3D有向边界框来重建物理占用，并引入多层价值图（MVM）统一高层语义推理与低层物理约束，在无深度传感器的情况下实现了先进的导航性能。
FlexViT: A Flexible FPGA-based Accelerator for Edge Vision Transformers
Hubert Dymarkowski et al.
cs.AR cs.CV cs.DC cs.LG
本文提出FlexViT，一种基于FPGA的灵活加速器，用于在边缘设备上高效推理Vision Transformer模型。它通过硬件-软件协同设计和运行时im2col变换，将全连接层和卷积层统一映射到INT8 GEMM引擎，并采用双模式数据流和深度优先平铺策略来优化性能。
LeCropFollow: Latent Space Planning for Navigation in Unstructured Crop Fields
Felipe Tommaselli et al.
cs.RO cs.AI
本文提出LeCropFollow，一种用于农业机器人导航的视觉框架，通过自监督语义热图提取器和MBRL规划器在latent manifold中优化轨迹，避免了显式几何建模。实验表明该方法在非结构化作物行中与基线性能相当，但在种植间隙中显著减少了语义失败。
MECoBench: A Systematic Study of Multimodal Agent Collaboration in Embodied Environments
Qingyun Liu et al.
cs.MA cs.AI cs.CL cs.CV
本文提出了MECoBench，一个用于评估多模态agent在具身环境中协作能力的benchmark，包含多种任务、协作结构和模式。实验表明协作能提升任务完成度，但收益受协调复杂度影响，且通信对协作增益至关重要。
Semantic Leakage and Privacy Preservation in Relay-Assisted Semantic Communications
Yalin E. Sagduyu et al.
cs.NI cs.CR cs.IT cs.LG eess.SP
本文研究了中继辅助语义通信系统中的隐私泄露问题，发现中继节点即使无法访问原始数据也能推断语义信息。为此提出了一种迭代对抗训练框架，通过交替优化中继窃听与合法系统来保护隐私。
LUNA: Learning Universal 3D Human Animation Beyond Skinning
Peng Li et al.
cs.CV cs.AI
本文提出LUNA，一种无需Linear Blend Skinning (LBS)的通用神经动画模型，通过transformer-based motion regressor将多种2D控制（如图像、关键点）直接映射为3D Gaussian变形，并利用混合监督（hybrid supervision）在有限拟合数据和大规模无标签视频上训练。该方法在视觉保真度上可与基于LBS的方法媲美，并支持零样本跨身份泛化。
Evaluation of Population Initialization Methods for Genetic Programming-based Symbolic Regression
Lukas Kammerer et al.
cs.NE cs.LG
本文比较了遗传编程符号回归中三种随机初始化方法与穷举符号回归初始化方法的效果，发现不同初始化方法对最终Pareto前沿的精度和复杂度没有显著影响，初始优势在几代后即消失。
Automated Background Swapping for Robustness against Spurious Backgrounds
Cesar Roder, Kajetan Schweighofer
cs.CV cs.LG
本文提出AutoBackSwap方法，通过辅助网络分离前景与背景并合成完整背景来增强训练数据，以减少分类器对虚假背景特征的依赖。该方法在多个图像分类任务中优于先前方法，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。
FLORA: A deep learning approach to predict forest attributes from heterogeneous LiDAR data
Emilie Vautier, Clément Mallet, Cédric Vega
cs.CV cs.AI
本文提出FLORA框架，利用octree-based backbone和late-fusion gating机制，从异质LiDAR点云中预测森林属性。该方法在法国国家森林清查数据上训练，对异质采集条件具有鲁棒性，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
Freeform Preference Learning for Robotic Manipulation
Marcel Torne et al.
cs.RO cs.AI cs.LG
本文提出Freeform Preference Learning (FPL)方法，通过让人类标注者提供自然语言偏好轴（如速度、安全性）上的成对偏好，学习一个语言条件化的reward model，并训练reward-conditioned policy以优化多个维度。实验表明，FPL在长时域操作任务中优于稀疏奖励和二元偏好方法，但未涉及code、spectral、Muon、pretrain或attention等关键词。

- 数据来源 Data Source: arXiv.org

- 本网页的内容由 bluearXiv-ai 自动生成。实际抓取的是 arXiv 中 "new" 页面的数据，即最近的有所在分类论文变动的一天的数据。

- 感谢 arXiv 提供的服务。评论和精选由 AI 生成，不代表任何人对论文本身的看法。精选依赖于论文与给定关键词的匹配度。

- 计数基于主学科，不计重数。

- This webpage is automatically generated by bluearXiv-ai.

- The data actually captured is from the "new" page, that is, the data of the most recent day when there were changes in corresponding subjects.

- Thanks for services prodived by arXiv. Comments and selection of good papers are generated by AI, not showing anyone's point of view about those papers.

- The selection also depends on the matched-degrees between papers and given keywords.

- The counters are based on main subject, not counting multiplicities.

↑