bluearXiv-ai - 2026-07-02

📄 所有论文 ↑ 回顶部

cs.LG

FRAME: Learning the Adaptation Domain with a Mixture of Fractional-Fourier Experts ⭐ 精选

Tom Saliencro et al.

cs.LG

本文提出Fractional-Fourier Mixture of Experts (FF-MoE)，一种参数高效微调方法。其核心创新在于将每个expert的更新域视为可学习的连续参数——分数阶Fourier变换的阶数，从而在空间域（LoRA）与Fourier域（谱适配器）之间连续插值。通过路由不同token到不同阶数的expert，模型能将低秩更新置于最紧凑的域中，且不同阶数的分数阶Fourier算子天然不相关，减少了expert间的干扰。该方法在LLaMA-3.1-8B和Qwen2.5-7B上的常识、数学、代码和知识基准测试中，以极小的额外计算开销超越了强基线方法。

MosaicKV: Serving Long-Context LLM with Dynamic Two-D KV Cache Compression ⭐ 精选

Sheng Qiang et al.

cs.LG cs.DC

MosaicKV提出了一种动态二维KV cache压缩系统，用于服务超长上下文LLM。该方法通过识别每个KV vector中元素的重要性分布，在KV cache segment粒度上动态选择压缩策略，而非全局应用单一压缩模式，从而在同时压缩序列维度和通道维度时保持精度。此外，MosaicKV利用未充分利用的GPU和CPU资源管理压缩后的KV cache并加速attention计算，解决了细粒度稀疏性带来的性能开销问题。实验表明，该方法在H800 GPU上实现了高达16倍的attention加速和3倍的内存减少，且平均精度损失仅为1.76%，为长上下文LLM的高效服务提供了开创性解决方案。

Local Motion Matters: A Deconstruct-Recompose Paradigm for Reinforcement Learning Pre-training from Videos ⭐ 精选

Jinwen Wang et al.

cs.LG

本文提出了一种名为Deconstruct-Recompose Paradigm (DRP)的新范式，用于从视频中进行强化学习预训练。该方法的核心创新在于将agent分解为多个局部组件（Atomic Actions），通过Dual-Attention Encoder (DAE)学习其局部运动表示，从而解耦了运动模式与agent形态的强关联。在Recompose阶段，通过可学习的Motion Aggregation Token [MAT]和latent dynamics model将局部表示重组，并利用adapter桥接局部运动与下游动作的特定动力学。该方法在多种机器人控制和操作任务上显著提升了样本效率，其“分解-重组”思想与关键词中的agent和attention高度契合，为解决跨形态迁移问题提供了开创性思路。

Diffeomorphic Optimization ⭐ 精选

Ludwig Winkler et al.

cs.LG

本文提出了一种名为Diffeomorphic Optimization的优化框架，其核心思想是利用diffusion model或flow model提供的从数据manifold到简单base space的微分同胚映射，将原本在复杂高维ambient space中的优化问题转化为在base space中的梯度下降。通过微分几何分析，作者证明该方法等价于在数据manifold上进行Riemannian gradient descent，并具有$\mathcal{O}(\lambda^2)$的修正项，从而自然地保持轨迹在manifold上并得到更平滑的优化曲面。针对蛋白质设计中的旋转和平移不变性，该方法被扩展到矩阵Lie群$\mathrm{SO}(3)$和$\mathrm{SE}(3)$，并推导了可自动微分的$\mathrm{SO}(3)$梯度以及用于通过Lie群ODE求解器反向传播的广义adjoint-state方法。实验表明，该方法在蛋白质二级结构靶向、肽结合亲和力优化以及Rosetta能量最小化等任务上显著优于现有方法。

GSRQ: Gain-Shape Residual Quantization for Sub-1-bit KV Cache ⭐ 精选

Soosung Kim et al.

cs.LG

本文提出Gain-Shape Residual Quantization (GSRQ)方法，用于解决大语言模型KV cache在sub-1-bit量化下的方向保持问题。作者发现标准$\ell_2$ $K$-means在高维空间中存在centroid shrinkage现象，这会削弱$\ell_2$ distortion中的angular alignment term。为此，他们提出Gain-Shape $K$-means (GSKM)作为替代，通过分离向量的gain（幅度）和shape（方向）来改进方向保真度，并将其与Residual Quantization (RQ) pipeline结合。实验表明，在LLaMA-3-8B上，GSRQ在1-bit时将LongBench任务的平均准确率从11.34提升至33.54，显著优于VQLLM等基线方法。该方法与关键词中的code（量化码本）和attention（KV cache与注意力机制相关）高度契合。

Muon as a Residual Connection ⭐ 精选

Hao Huang

cs.LG cs.AI

Muon优化器在训练大型神经网络时表现出色，本文将其解释为一种隐式的residual connection。具体而言，Muon通过正交化更新（orthogonalizing the update）牺牲了部分即时梯度保真度，但改善了下游层的representation preservation。在可控的线性优化设置中，Muon学习的representation虽然对局部目标拟合较慢，但更易于被下游层利用。这为设计平衡local descent与下游可用性的优化器提供了新视角。

Is One Layer Enough? Training A Single Transformer Layer Can Match Full-Parameter RL Training ⭐ 精选

Zijian Zhang et al.

cs.LG cs.CL

本文通过系统性实验发现，在大型语言模型的RL后训练中，仅训练单个transformer layer即可恢复全参数RL训练的大部分性能提升，甚至在某些情况下超越后者。作者引入“layer contribution”这一度量指标，在多个模型族（Qwen3, Qwen2.5）、RL算法（GRPO, GiGPO, Dr. GRPO）及任务（数学推理、代码生成、agent决策）上验证了这一现象，并揭示高贡献层集中在transformer堆叠的中部，而输入输出端的层贡献显著较低。该发现挑战了传统均匀更新所有参数的假设，为理解RL adaptation在transformer中的分布提供了开创性视角，且与关键词中的“agent”和“attention”高度相关。

Representation as a Bottleneck for Mechanistic Interpretability: The Manifestation Unit Protocol

Hussein Chouman et al.

cs.LG

本文提出了Manifestation Unit协议，一种用于机械可解释性的结构化表示框架，通过类型化元组组织神经网络组件的统计信息，并支持混合检索。该协议在多种模型上验证了结构化表示优于非结构化基线，但未直接涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。

SNAP-FM: Sparse Nonlinear Accelerated Projection for Physics-Constrained Generative Modeling

Alaina Kolli et al.

cs.LG cs.AI cs.CE

本文提出SNAP-FM方法，利用块稀疏Jacobian和KKT系统的结构，通过GPU稀疏非线性优化加速物理约束生成模型（如Flow Matching）中的约束投影过程，在保持约束满足的同时提升计算效率。

SemiScope: Disentangling Classifier Tuning and Joint Optimization in Semi-Supervised Security Classification

Rui Shu, Tianpei Xia, Jingzhu He

cs.LG

本文提出SemiScope框架，用于解耦半监督安全分类中classifier tuning与联合优化的效果。通过贝叶斯优化联合调整SSL设置、置信度过滤和分类器，并与仅调优分类器的控制组对比，发现大部分性能提升来自分类器超参数优化。

A Filtered Mixture-of-Generators for Fully Synthetic Survival Training

Niccolò Maria Rizzi et al.

cs.LG

本文提出FoGS方法，通过从多个tabular generator中采样并利用生存模型集成进行样本筛选，以生成合成生存数据。该方法在16个数据集上相比单一生成器有性能提升，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

GRPO, Dr. GRPO, and DAPO Are Three Operations on One Number: The Group-Standard-Deviation Identity

Yong Yi Bay, Kathleen A. Yearick

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

本文证明了GRPO、Dr. GRPO和DAPO这三种语言模型推理训练方法本质上是对同一统计量（即回答正确与否标记的standard deviation）的三种不同操作，并给出了group-standard-deviation identity。该工作澄清了这些方法之间的数学联系，但并未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

EVOTS: Evolutionary Transformer Search for Time Series Forecasting

AbdElRahman ElSaid, Damir Pulatov

cs.LG cs.AI cs.NE

本文提出了一种进化神经架构搜索方法EVOTS，用于自动发现适用于时间序列预测的自适应Transformer-like模型。该方法通过模块化基因组表示和修复机制探索架构空间，在ETT数据集上取得了与强基线相当或更优的均方误差。

Verifiable Rewards for Calibrated Probabilistic Forecasting

Sadanand Singh, Allam Reddy, Manan Chopra

cs.LG

本文研究了可验证奖励在概率预测校准中的应用，通过引入一种无标签的奖励函数（基于历史结果的状态条件经验胜率）来消除标签噪声，并采用直接预测或梯度掩码防止策略梯度破坏推理链。实验表明，仅使用该奖励训练的7B模型在NFL比赛胜率预测任务上达到了与博彩市场相当的校准水平。

Scaling Up Thermodynamic AI Models

Andrew G. Moore

cs.LG cond-mat.dis-nn cs.AI

本文基于Ising模型的热力学计算设备，提出了一种可扩展的反向传播算法来训练深度卷积网络，用于在Ising机器硬件上进行热力学推理。实验在CIFAR-10和CIFAR-100数据集上取得了较好精度，并建立了推理成本与精度之间关系的数学理论。

TallyTrain: Communication-Efficient Federated Distillation

Radhakrishna Achanta, Will Reed

cs.LG

本文提出了一种名为TallyTrain的通信高效联邦蒸馏方法，通过仅传输每个参与者的$\arg\max$类索引（将每轮通信量压缩至$\lceil \log_2 C \rceil$比特），解决了联邦学习中类别数量导致的带宽瓶颈。实验表明，该方法在非独立同分布数据下优于软标签蒸馏，且通信量降低三个数量级。

Play Like Champions: Counterfactual Feedback Generation in Latent Space

Andrzej Białecki, Adam Mastalerz, Han Zhou

cs.LG cs.AI

本文提出Latent Maps of Performance框架，使用Guided Variational Autoencoder在StarCraft II职业比赛数据上学习潜在表示空间，通过四种遍历策略（线性插值、迭代最优传输、密度正则化梯度上升和神经流匹配）为业余玩家生成从失败到胜利的反事实改进路径。该工作聚焦于将强化学习agent的知识转化为人类可操作的反馈，但方法本身在理论或应用上缺乏显著开创性。

TRIE: An Evaluation Framework for Stochastic PDE Surrogates

Bharat Srikishan et al.

cs.LG

本文提出了TRIE评估框架，用于检验随机PDE代理模型能否复现invariant measure、提供可信的预测不确定性并实现高效概率生成。通过对随机Kuramoto-Sivashinsky方程和随机Kolmogorov流的实验，发现生成模型在统计保真度和概率预测上表现最佳，且潜在生成模型可将推理时间降低约12倍。

StateFlow: Dual-State Recurrent Modeling for Long-Horizon Time Series Forecasting

Haroon Gharwi, Yue Dai, Kai Shu

cs.LG

本文提出StateFlow框架，通过扩展VARNN模型实现长时域时间序列预测。该框架使用双状态循环编码器分别捕获主时间动态和残差记忆，并采用分块解码器直接进行多步预测。实验表明其在标准基准上具有竞争力。

Device Passport: Enabling Spatio-Temporal Pretrained Models to Generalize Across Input Layouts

Geeling Chau et al.

cs.LG eess.SP

本文提出Device Passport，一种新的channel embedding技术，通过结合每个通道的功能活动和元数据来学习专家和混合模型，以提升biosignal foundation model在不同设备布局间的泛化能力。实验表明该方法在布局迁移场景下优于现有基线。

Distributionally Robust Linear Regression With Block Lewis Weights

Naren Sarayu Manoj, Kumar Kshitij Patel

cs.LG cs.DS math.OC stat.ML

本文提出了一种用于group distributionally robust (GDR) least squares问题的算法，通过block Lewis weights将问题转化为加权最小二乘问题，并利用加速近端方法求解。该算法在中等精度下优于内点法，并平滑地插值于平均损失与分布鲁棒损失之间。

Learning dynamical systems from noisy data with Weak-form Kernel Ridge Regression

Max Kreider, John Harlim, Daning Huang

cs.LG math.DS

本文提出Weak-form Kernel Ridge Regression (WKRR)方法，将弱形式与kernel学习策略结合，用于从含噪数据中学习dynamical systems。该方法通过弱形式的滤波机制实现噪声鲁棒性，并在高维混沌系统和真实流体数据上验证了有效性。

Validating Causal Abstraction Metrics on Simulated Complex Systems

Maxime Méloux et al.

cs.LG cs.AI

本文在统一的causal abstraction框架下，对三十多种候选metric进行了系统性评估，发现只有引入faithfulness testing的causal类metric能可靠区分有效与无效的抽象，并提出了Causal Abstraction Error (CAE)作为通用metric。该工作主要关注causal explanation的验证，与关键词中的code, context, spectral等方向关联较弱。

Entropy-Regularized Probabilistic Gates for Sparse Model Discovery in Scarce-Data Federated Learning

Krishna Harsha Kovelakuntla Huthasana, Alireza Olama, Andreas Lundell

cs.LG cs.AI cs.DC stat.ML

本文研究了在联邦学习（Federated Learning）中，通过熵正则化（entropy regularization）的概率门（probabilistic gates）来学习稀疏模型，以应对数据异质性和小样本高维场景。实验表明该方法在统计性能和稀疏恢复精度上优于Fed-IHT和FedAvg剪枝方法，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。

Testing Frontier Large Language Models' Physics Literacy in Parallel Physical Worlds

Dong Zhang

cs.LG cs.AI cs.CL

本文提出了一种四阶段诊断方法，用于评估LLM在不熟悉的物理框架（如反事实世界$F=mv$）中的推理能力，而非仅依赖答案正确性。实验发现模型存在定性-定量不对称性，且自检能力普遍较弱。

Understanding Guest Preferences and Optimizing Two-sided Marketplaces: Airbnb as an Example

Yufei Wu, Daniel Schmierer

cs.LG cs.CY econ.EM stat.AP

本文结合经济建模与因果推断技术，分析了Airbnb平台上客人对价格等因素的偏好异质性，并探讨了如何利用这些洞察优化定价工具与个性化推荐，以改善双边市场的匹配效率。

EPC: A Standardized Protocol for Measuring Evaluator Preference Dynamics in LLM Agent Systems

Zewen Liu

cs.LG cs.CL

本文提出了EPC (Evaluator Preference Coupling)协议，这是一个用于测量LLM agent系统中评估器偏好动态的标准协议，包含四阶段隔离范式的详细规范、度量指标和版本化参考快照。该工作为agent系统的评估器耦合测量提供了可复现的标准化基础设施。

Generative Modeling of Quantum Distribution with Functional Flow Matching

Jaehoon Hahm et al.

cs.LG quant-ph

本文提出Quantum Flow Matching (QFM)模型，通过将density matrix转换为spin Wigner function并利用functional flow matching在函数空间中学习多量子比特的quantum distribution。该方法能有效生成量子态并准确捕捉其物理性质如trace、purity和entanglement entropy。

Mapping the Evaluation Frontier: An Empirical Survey of the Bias-Reliability Tradeoff Across Eleven Evaluator-Agent Conditions

Zewen Liu

cs.LG cs.AI cs.CL

本文通过扩展实验条件至11种，测量了LLM评估系统的bias-reliability tradeoff，证实了evaluator coupling与strategy diversity之间存在强负相关，且低耦合条件下测量噪声较高。研究未涉及code、spectral、Muon、pretrain或attention等关键词相关方法。

Watermarking for Proprietary Dataset Protection

John Kirchenbauer et al.

cs.LG cs.CL

本文探讨了使用output watermarking技术来保护专有数据集，通过对比传统loss-based membership inference方法，证明了在子集暴露足够高的情况下，watermarking可以达到相当的成员检测性能。

K-Inverse-RFM: A Modified RFM that Bridges the Gap to Neural Networks for Data-Corrupted Mathematical Tasks

Gil Pasternak

cs.LG cs.AI

本文提出了一种针对Recursive Feature Machines (RFMs)的标签变换方法K-Inverse-RFM，用于提升其在数据损坏场景下的性能，使其能接近甚至超越前馈神经网络。该方法主要关注数学问题中的噪声、复杂表示和类别不平衡数据。

PRISM: Prioritized Channel Importance with Semi-supervised Domain Adaptation for Cross-Subject EEG Emotion Recognition

Xin Zhou et al.

cs.LG

本文提出PRISM框架，通过可微分的通道权重分配和基于置信度过滤的半监督域适应，解决跨被试EEG情绪识别中的通道冗余与个体差异问题。实验在多个数据集上验证了其有效性。

SAOT: Self-Supervised Continual Graph Learning with Structure-Aware Optimal Transport

Yuting Zhang et al.

cs.LG cs.SI

本文提出了一种基于最优传输理论的结构感知框架SAOT，用于自监督持续图学习，通过捕获全局节点间对应关系并引入跨任务知识蒸馏来保持图表示中的关系结构。实验表明该方法在多个基准数据集上优于现有基线。

Learning Generalizable Skill Policy with Data-Efficient Unsupervised RL

Jongchan Park et al.

cs.LG cs.AI

本文提出GenDa框架，通过skill relabeling机制和Complementary Information Bottleneck (CIB)方法，解决了无监督强化学习中skill语义非平稳和泛化脆弱的问题，提升了预训练的数据效率和下游任务的泛化能力。

Timesynth: A Temporal Fidelity Framework for Health Signal Digital Twins

Md Rakibul Haque, Shireen Elhabian, Warren Woodrich Pettine

cs.LG

本文提出TimeSynth框架，用于评估健康信号数字孪生模型在保留振荡、频率、相位和状态转换动态方面的保真度，发现点态指标无法检测这些关键属性的丢失，并指出架构选择是保真度的主要决定因素。

Gauging, Measuring, and Controlling Critic Complexity in Actor-Critic Reinforcement Learning

Konstantin Garbers

cs.LG cs.AI

本文引入critic complexity作为actor-critic强化学习中的诊断与干预维度，使用spectral effective-rank entropy（基于critic权重矩阵奇异值分布的秩类摘要）来评估模型复杂度。实验表明该复杂度可测量且与训练行为相关，但关系因算法、任务和超参数而异，通过添加spectral-entropy惩罚项可实现对复杂度的直接控制。

MolSafeEval: A Benchmark for Uncovering Safety Risks in AI-Generated Molecules

Tong Xu et al.

cs.LG cs.CL

本文提出了MolSafeEval基准，用于评估AI生成分子的安全风险，通过构建分子安全知识图谱并结合大语言模型推理来检测有害特征。该工作主要关注分子生成的安全性评估，与关键词中的概念关联较弱。

How Early Is Early Enough? Design-Dependent Observation-Window Sufficiency in Subscription Churn Prediction

Xiao Han et al.

cs.LG

本文研究了订阅流失预测中早期行为观察窗口的充分性问题，发现窗口充分性曲线依赖于具体的实验设计（如cohort构建、目标定义和特征集），因此任何关于窗口充分性的结论都应明确其设计上下文。

Interpretable vs Learned Encoders for High-Cardinality Fraud Detection

Xiao Han et al.

cs.LG cs.CE

本文在IEEE-CIS欺诈检测数据集上比较了七种categorical encoding方法，发现entity embeddings在AUC-ROC指标上表现最佳，与CatBoost无显著差异，而TabNet在数据稀疏时表现不佳。

Ghost in the Kernel: In-Context Learning with Efficient Transformers via Domain Generalization

Peilin Liu, Ding-Xuan Zhou

cs.LG stat.ML

本文研究了线性Transformer在上下文学习中的近似与泛化能力，通过域泛化的两阶段采样过程，证明了线性Transformer能学习从上下文分布到响应函数的映射，并获得了与维度无关的收敛率。该工作为线性注意力机制的设计提供了理论视角，但未直接涉及关键词中的特定概念。

PAPA: Online Personalized Active Preference Alignment

Anindya Sarkar et al.

cs.LG cs.AI cs.CV

本文提出PAPA方法，通过直接优化diffusion model来利用实时用户反馈进行个性化偏好对齐，避免了传统参数化reward model对大规模偏好数据的依赖。该方法受variational inference框架启发，并提出了计算效率更高的EPAPA变体。

Prototype Language Models

Dan Ley et al.

cs.LG stat.ML

本文提出了一种原型语言模型架构PRISM，通过稀疏非负混合学习原型来形成预测，在130M到1.6B参数规模上性能与密集基线相当或略低。该方法通过稀疏原型结构实现更快的训练数据归因，并支持无需微调的原型抑制来移除模型行为。

From Structural Equation Modelling to Double Machine Learning: Robustness Analysis for Survey-Based Research

Ka Ching Chan et al.

cs.LG stat.ML

本文提出了一种将Structural Equation Modelling (SEM)、OLS回归和Double Machine Learning (DML)相结合的鲁棒性分析框架，用于调查问卷研究。该框架通过对比不同估计方法下的路径显著性，帮助研究者判断理论关系是否稳定。

Active-GRPO: Adaptive Imitation and Self-Improving Reasoning for Molecular Optimization

Xuefeng Liu et al.

cs.LG cs.AI q-bio.BM stat.ML

本文提出Active-GRPO方法，通过主动模仿与自我强化机制解决分子优化中的推理训练问题，在TOMG-Bench MOLOPT上取得性能提升。该方法与关键词中的agent概念有一定关联，但整体创新性有限。

Flow-Map GRPO: Reinforcement Learning for Few-Step Flow-Map Generators via Anchored Stochastic Composition

Zhiqi Li, Wen Zhang, Bo Zhu

cs.LG cs.AI cs.CV

本文提出Flow-Map GRPO，一种用于确定性少步flow-map生成器的在线RL后训练框架。其核心是锚定随机流图组合（ASFMC），通过锚点条件重采样引入随机性，从而在保持原始边际概率路径的同时实现RL优化。

Group-Equivariant Poincaré Convolutional Networks

Aiden Durrant, Rahul Baburajan, Georgios Leontidis

cs.LG cs.AI

本文提出Equivariant Poincaré ResNets，将双曲几何与离散对称群结合，通过几何安全的张量重塑和左正则置换等操作，在庞加莱球上实现了群等变卷积网络，旨在减少参数冗余并加速优化。

Decision-focused Sparse Tangent Portfolio Optimization

Haeun Jeon et al.

cs.LG

本文提出了一种端到端的决策聚焦学习框架，用于稀疏切线投资组合优化，通过将Sharpe比率最大化转化为DPP兼容的凸规划层，并利用平滑top-$k$算子实现精确的基数约束，从而允许梯度流经预测、资产选择和再优化过程。实验表明，该方法在四个主要股票市场中取得了具有竞争力的样本外Sharpe比率。

Measuring Dead Directions: Decomposing and Classifying Singular Structure off Canonical Alignment

Tejas Pradeep Shirodkar

cs.LG

本文提出了一种无需descent和canonical alignment的方法，通过directional-Fisher rate测量训练后网络中dead directions的singular structure，并恢复每个方向的order k。该方法可应用于transformer、convolutional和normalisation层，并验证了与architecture预测的order一致性。

Loss Smoothing for Stable Adaptation Under Distribution Shift

Darshan Patil et al.

cs.LG cs.AI

本文提出loss smoothing方法，通过在适应初期插值源与目标训练目标来平滑过渡，以缓解分布偏移下直接优化目标导致的表示扭曲问题。实验表明该方法在监督迁移、强化学习和语言模型微调中均能提升性能。

Multi-Label Node Classification with Label Influence Propagation

Yifei Sun et al.

cs.LG cs.AI

本文针对multi-label node classification (MLNC)问题，提出Label Influence Propagation (LIP)模型，通过分解GNN中的message passing过程并构建label influence graph来传播高阶标签影响，从而动态调整学习过程。实验表明该方法在多个benchmark上优于现有方法。

Distributed Online Bandit Submodular Maximization with Bounded Sampling Violations

Bin Du et al.

cs.LG

本文研究了分布式在线submodular最大化问题，在partition matroid约束下，多个agent顺序选择动作以最大化累积目标函数值。作者提出了一个统一算法框架，适用于full-information和bandit反馈模型，并证明了算法能达到sublinear的$(1-1/e)$-regret保证。此外，通过有界随机pipage rounding方案，解决了连续松弛和舍入导致的采样违规问题，使得累积采样违规在$T$中保持sublinear。

AdaBoosting Text Prompts for Vision-Language Models

Seokhee Jin et al.

cs.LG

本文提出Text Prompt Boosting (TPB)框架，通过AdaBoost思想将基于text prompt的弱分类器集成为强分类器，以提升预训练Vision-Language Models (VLMs)在少样本场景下的分类精度。该方法通过显式关注误分类样本构建prompt，并支持跨模型迁移。

Generative Refinement for Low-Budget Black-Box Optimization

Edouard R. Dufour, Pascal Fua

cs.LG

本文提出SPARROW算法，用于低预算黑箱优化。它通过将生成先验与奖励信号解耦，利用固定采样器进行基于排名的引导，从而在评估预算极低时有效处理复杂几何形状和不可靠奖励。

Detecting the Undetectable: Enhancing Unsupervised time series Anomaly Detection via Active Learning

Seung Hun Han et al.

cs.LG cs.AI

本文提出了一种结合active learning的无监督时间序列异常检测框架，通过masked time-series reconstruction和minimax learning策略来增强模型对细微噪声异常的识别能力。实验表明该方法在多个数据集上提升了AUC性能，但未涉及code、spectral或Muon等关键词相关技术。

LLM-Guided ODE Discovery and Parameter Inference from Small-Cohort Aggregate Data

Hanning Yang et al.

cs.LG cs.AI

本文提出AgentODE框架，利用LLM生成候选ODE结构，并通过工具增强的推理agent仅从群体级汇总统计量中迭代优化参数分布，解决了在罕见病小样本场景下联合发现ODE结构与推断参数分布的问题。

Accelerating Discrete Diffusion Models with Parallel-In-Time Sampling

Yu Yao et al.

cs.LG cs.DC cs.DS math.NA

本文提出了一种并行化$\tau$-leaping算法的方法，通过连续时间随机积分形式和Picard迭代，加速了离散扩散模型的采样过程，将时间复杂度从${\mathcal{O}}(d \log S)$降低到${\mathcal{O}}(\log (d\log S)\cdot \log d)$，并在合成和真实数据上验证了加速效果。

Which Metric Reflects the Spelling Rate Accuracy in Event-Related Potential-Based Brain-Computer Interfaces?

Okba Bekhelifi, Naoual El Djouher Mebtouche

cs.LG eess.SP

本文研究了在基于Event-Related Potential的Brain-Computer Interface系统中，哪种metric能最好地反映拼写准确率。通过分析13种metrics与拼写率的相关性，发现Brier score、Matthews Correlation Coefficient以及ROC AUC等能处理类别不平衡的metrics表现更优。

Task-Relevant Representation Decoupling for Visual Reinforcement Learning Generalization

Jinwen Wang et al.

cs.LG

本文提出了一种自监督的Task-Relevant Representation Decoupling (T2RD)算法，通过将观测解耦为任务相关和任务无关表示，并引入动态预测来提取任务相关特征，以提升视觉强化学习在环境泛化中的性能。该方法在DeepMind Control Suite和机器人操作任务上达到了SOTA效果。

From Pixels to Temporal Correlations: Learning Informative Representations for Reinforcement Learning Pre-training

Jinwen Wang et al.

cs.LG

本文提出了一种名为Multi-scale Temporal Contrastive Learning (MTCL)的方法，通过在时间相关性空间中对视频元素进行区分，以平衡不同元素在representation中的注意力，从而为Reinforcement Learning预训练学习更informative的representation。实验表明该方法在下游任务中提升了样本效率和渐近性能。

Spectroscopy Analysis with Machine Learning Regression for the Quantification of Carbon and Nitrogen Contents in Inceptisol and Oxisol Soil Types: Comparing Different Preprocessing and Validation methods as well as Feature Importance

Vinicius Herique Kieling et al.

cs.LG

本文利用机器学习回归方法，结合近红外光谱数据，对Inceptisol和Oxisol土壤中的碳和氮含量进行定量分析，比较了多种预处理和验证方法。研究采用了Stacking集成学习模型，并评估了不同土壤类型对模型性能的影响。

Constrained Bayesian Optimisation with Multiple Information Sources

Hauke Maathuis et al.

cs.LG

本文提出了一种多源constrained Bayesian Optimisation框架，通过扩展constrained Max-value Entropy Search来整合辅助数据源（如surrogate models），并平衡评估成本与信息增益。实验表明该方法在可行域较小的场景下能有效识别可行解和最优解。

Beyond Activation Alignment:The Alignment-Diversity Tradeoff in Task-Aware LLM Quantization

Fei Wang et al.

cs.LG

本文发现基于perplexity的层重要性排序与复杂推理任务的实际影响几乎无关（Kendall $\tau \approx 0$），并揭示了校准数据选择中的对齐-多样性权衡。基于此，提出TASA框架，通过无训练梯度迹对齐准则优化数据混合，并聚合perplexity与推理导向的敏感性信号指导混合精度位分配，在LLaMA-3-8B和Qwen2.5-7B上实现了3.5-bit模型匹配或超越4-bit基线的精度反转。

Valdi: Value Diffusion World Models

Christopher Lindenberg, Kashyap Chitta

cs.LG cs.AI

Valdi提出了一种结合Value Diffusion World Models与MPC的方法，使用单步扩散过程在CarRacing环境中进行在线训练和推理，其性能与确定性MLP基线相当。实验揭示了预测多模态性与控制性能之间的权衡。

Human-Machine Collaboration on Generative Meta-Learning: Model and Algorithm

Midhun Parakkal Unni, Samuel Kaski

cs.LG cs.AI

本文提出了一种名为GMHF的生成式元学习框架，通过人类专家反馈引导数据合成，以解决分布偏移下的泛化问题。该框架使用条件神经ODE作为生成数字孪生，并结合强化学习智能体来优化潜在物理参数。

Explainable AI for Cancer Drug Response Prediction: Beyond Univariate Feature Attributions

Martino Ciaperoni et al.

cs.LG

本文提出了ILLUME+框架，用于从转录组数据预测癌症药物反应的可解释性分析，超越了单变量特征归因方法。该框架通过生成更稳定的基因重要性分数并捕捉基因间的协同作用，为药物反应机制提供了新的生物学见解。

Aionoscope: Debugging Latent-State Accessibility in Time-Series Representations

Alexander Chemeris, Ming Jin, Randall Balestriero

cs.LG cs.AI

本文提出了Aionoscope，一个基于生成器的诊断工具，用于调试时间序列表示中的潜在状态可访问性。通过将过程生成与观测渲染分离，该工具揭示了模型在粗粒度（如成分存在性）和细粒度（如时序、相位等）状态可访问性之间的不匹配。

LeNEPA: No-Augmentation Next-Latent Prediction for Time-Series Representation Learning

Alexander Chemeris, Ming Jin, Randall Balestriero

cs.LG

本文提出LeNEPA，一种无数据增强的时序表示学习方法，通过next-latent prediction和SIGReg正则化替代传统stop-gradient机制。实验表明该方法在跨数据集迁移时比特定调优的JEPA方法更稳定，但未涉及code、context、spectral等关键词相关技术。

Automatic Detection of Stress from Speech in the Trier Social Stress Test

Hanna Drimalla et al.

cs.LG

本文利用speaker diarization和machine learning模型，从Trier Social Stress Test的语音数据中自动检测压力状态，并预测生理和情感压力反应。研究发现acoustic-prosodic features能部分预测压力反应，但方法本身并非开创性，且与关键词列表中的概念关联较弱。

Generative Model Proposal based Particle Filtering for Data Assimilation

Chandni Nagda et al.

cs.LG

本文提出Flow Proposal Particle Filters (FPPF)，通过学习条件生成模型来近似方差最小化的最优proposal，用于particle filtering中的数据同化。该方法通过观测条件引导particle向高似然区域移动，并保留可计算的importance weights和Bayesian更新步骤，在非线性、非高斯和高维系统中优于统计基线和其它生成方法。

Seahorse: A Unified Benchmarking Framework for Spatiotemporal Event Modeling

Yahya Aalaila, Gerrit Großmann, Sebastian Vollmer

cs.LG

本文提出了SEAHORSE，一个用于可重复时空点过程（STPP）实验的统一基准框架，通过共同的编码-演化-解码接口形式化神经STPP，并配合合成压力测试套件HawkesNest来揭示不同模型族的归纳偏差。

The Model Organism Lottery: Model Organism Interpretability Strongly Depends on Training Methodology

Andrzej Szablewski et al.

cs.LG

本文研究了不同训练方法对模型生物（用于测试可解释性的语言模型）可解释性的影响，发现可解释性强烈依赖于训练目标、目标行为、模型架构和数据生成流程，且更真实的集成训练方法往往比标准后训练方法产生更不可解释的模型。该工作主要关注可解释性评估，与关键词中的code、spectral、Muon、agent等概念关联较弱。

Balancing Expressivity and Learnability in Quantum Kernel Bandit Optimization

Yuqi Huang, Vincent Y. F. Tan, Sharu Theresa Jose

cs.LG cs.IT

本文研究了量子核高斯过程bandit优化问题，提出了投影量子核和经典核近似技术来降低特征维度，并开发了误设定GP bandit算法，推导了近似误差与信息增益之间的权衡界限。

When Context Compensates for Sparse Event History: AlphaEarth for Spatio-Temporal Point-Process Forecasting

Yahya Aalaila et al.

cs.LG

本文研究了在稀疏事件历史下，外生空间上下文（AlphaEarth embeddings）如何补偿时空点过程预测。通过在固定log-Gaussian Cox process框架下比较仅事件模型与增强模型，发现上下文信息在历史数据稀缺时能显著提升空间迁移预测性能。

Staleness-Learning Rate Scaling Laws for Asynchronous RLHF

Jingwei Song et al.

cs.LG cs.AI

本文研究了异步RLHF中陈旧rollout对学习率稳定性的影响，推导了每步梯度偏差的阶数$O(S \cdot \eta)$，并给出了一个两约束的稳定性条件$\eta \ll \min\{R_{\text{batch}}/(S \cdot G_{\text{upd}}), R_{\text{crit}}/(T \cdot G_{\text{upd}})\}$，解释了最大稳定学习率与陈旧度$S$的弱依赖关系。

CausalMix: Data Mixture as Causal Inference for Language Model Training

Zinan Tang et al.

cs.LG cs.AI cs.CL

本文提出CausalMix框架，将数据混合优化视为causal inference问题，通过拟合causal model估计Conditional Average Treatment Effect (CATE)来推断最优数据混合比例。该方法在多个下游任务上提升了性能，但未涉及code、spectral、Muon、agent或attention等关键词。

SynLaD: Latent Diffusion for Generating Synthesizable Molecules Conditioned on 3D Pharmacophore Profiles

Miruna Cretu et al.

cs.LG

SynLaD提出了一种结合3D药效团条件与合成路径约束的潜在扩散框架，用于生成可合成的小分子。该方法通过编码器-双解码器结构（几何头与自回归合成头）统一了配体设计与合成可行性，但整体创新性有限，且与关键词列表中的概念关联较弱。

ZO-Act: Efficient Zeroth-Order Fine-Tuning via One-Shot Activation-Informed Low-Rank Subspaces

Xun Dong et al.

cs.LG math.OC

本文提出了一种名为ZO-Act的零阶优化微调方法，通过从输入activation中一次性计算固定低秩子空间来限制扰动，从而降低有效扰动维度并支持量化LLM微调。该方法在多个大语言模型上取得了优于现有零阶微调基线的结果。

GAIA: Geometry-Adaptive Operator Learning for Forward and Inverse Problems

Meenakshi Krishnan et al.

cs.LG math.NA

本文提出GAIA模型，通过将domain boundary和interior field distribution编码为geometry tokens，并利用cross-attention机制使integral transform layers适应几何特征，从而统一处理forward和inverse problems。该方法在多个benchmark上取得state-of-the-art结果，但主要贡献在于工程实现而非理论开创性，且与关键词关联较弱。

Sequentially-Controlled Interactive Multi-Particle Flow-Maps for Online Feedback-Driven Search

Binglin Ji et al.

cs.LG cs.AI cs.CE

本文提出了一种名为IMPFM的在线反馈驱动搜索框架，通过流图(flow maps)驱动的多粒子交互机制，在未知偏好场景下实现全局探索与样本高效利用。该方法利用多粒子系统的后验样本共享和探索-利用重加权机制，克服了标准SMC采样器的权重退化问题，并在理论上证明了其能引导系统趋向KL倾斜目标分布。

A Lightweight Self-Supervised Learning Framework for Multivariate Time Series using Hierarchical-JEPA on ECG Data

Siwon Kim

cs.LG eess.SP

本文提出了一种轻量级自监督学习框架ER-JEPA，用于多变量时间序列分析，其核心是分层联合嵌入预测架构（Hierarchical JEPA）。该方法在ECG数据上取得了较好的下游任务性能，但整体创新性有限，且与关键词列表中的概念关联较弱。

Efficient Compression of Structured and Unstructured Volumes via Learned 3D Gaussian Representation

Landon Dyken et al.

cs.LG

本文提出了一种基于3D Gaussian primitives的显式模型用于体数据压缩，通过重新解释标量场并采用加权聚合策略进行采样，开发了优化的CUDA加速管线。该方法在非结构化体数据上无需存储网格，相比隐式神经表示方法在压缩率和训练速度上具有优势。

Decision-Aware Training for Sample-Based Generative Models

Kornelius Raeth, Nicole Ludwig

cs.LG stat.ML

本文提出了一种决策感知训练方法，通过将可微的决策损失与energy score结合，使基于样本的生成模型在训练时能考虑下游决策的成本结构。该方法在合成和真实任务上验证了其在成本敏感区域的有效性。

QuasiMoTTo: Quasi-Monte Carlo Test-Time Scaling

Michael Y. Li et al.

cs.LG cs.CL

本文提出QuasiMoTTo方法，通过使用quasi-Monte Carlo (QMC)生成相关但边际分布正确的样本，替代i.i.d.采样以提升语言模型推理时的样本效率。该方法在多个推理基准上以更少的样本匹配了i.i.d.的pass@k准确率，并在策略梯度强化学习中减少了训练步数。

Right in the Right Way: LM Training with Verifiable Rewards and Human Demonstrations

Mehul Damani et al.

cs.LG cs.AI cs.CL

本文提出了一种对抗生成器-判别器框架，通过结合可验证奖励和人类演示信号来训练语言模型，以同时优化可验证和不可验证的任务属性。该方法在代码修复和故事生成等任务上展示了改进，但并未涉及关键词中的spectral、Muon或pretrain等概念。

Neural Certificate Pricing for Combinatorial Optimization Problems

Jingyi Chen, Xinyuan Zhang, Xinwu Qian

cs.LG

本文提出Neural Certificate Pricing (NCP)方法，利用无监督学习框架训练神经网络预测certificate-level dual prices，并通过structured recovery layer构造primal marginal，从而将CO问题中的指数级搜索转化为可学习的定价问题。实验表明NCP在多个CO问题上性能优于或持平现有神经基线方法，且计算效率更高。

Quantum vs. Classical Machine Learning: A Unified Empirical Comparison

Chuanming Yu et al.

cs.LG

本文通过实验对比了七对量子机器学习模型与经典模型在监督学习和强化学习中的表现，发现量子模型在预测性能、训练时间和策略稳定性上尚未超越经典基线，但在噪声过滤和假阳性控制方面有潜力。

TiRex-2: Generalizing TiRex to Multivariate Data and Streaming

Patrick Podest et al.

cs.LG

TiRex-2是一个基于xLSTM的时序基础模型，将单变量TiRex推广到多变量预测场景。该模型通过记忆中心的循环设计实现流式处理中的恒定每块计算成本，并采用双向时间混合器与非对称分组注意力变量混合器来整合未来已知协变量。

Language-Critique Imitation Learning from Suboptimal Demonstrations

Chih-Han Yang et al.

cs.LG cs.AI

本文提出了一种基于语言批评的模仿学习框架，通过自然语言作为结构化监督信号来从次优演示中学习策略，避免了传统标量信号的局限性。该方法在连续控制任务上取得了优于现有基准的表现。

cs.AI

Multi-scale Mixture of World Models for Embodied Agents in Evolving Environments ⭐ 精选

Jinwoo Jang et al.

cs.AI

本文提出MuSix框架，通过引入基于Construal Level Theory的体验距离（experiential distance）来指导两阶段路由机制，实现了对连续尺度空间（continuous scale space）的显式尺度选择，从而解决了Mixture of Experts在具身agent中缺乏尺度感知路由和统一更新策略的问题。该框架采用尺度依赖的遗忘率（scale-dependent forgetting rates）实现低尺度知识的快速更新与高尺度抽象知识的持久化，并通过门控跨尺度转移（gated inter-scale transfer）维持层级一致性。实验表明，MuSix在多尺度推理和动态适应任务上优于现有基线，其核心思想与关键词中的agent和attention机制高度契合。

Self-GC: Self-Governing Context for Long-Horizon LLM Agents ⭐ 精选

Xubin Hao et al.

cs.AI

本文提出Self-GC (Self-Governing Context)框架，将LLM agent的上下文管理从被动的文本清理转变为对索引化、可恢复对象的运行时生命周期控制。该方法将用户轮次、工具调用和技能状态转化为索引对象，通过侧信道规划器提出折叠、掩码和剪枝动作，并利用可恢复的sidecar和安全提交边界来执行。实验表明，Self-GC在长程agent任务中能剪除43.95%的前缀token且不影响84.85%的未来延续，显著优于启发式基线，与关键词“agent”和“context”高度契合。

Agentic generation of verifiable rules for deterministic, self-expanding reaction classification ⭐ 精选

Daniel Armstrong et al.

cs.AI cs.CL

本文提出了一种基于多智能体框架的自动化反应分类方法，利用large language models (LLMs)生成可验证的反应规则，将标准分类从68类扩展到14,073类，无需人工干预。该方法通过验证循环确保规则正确性，并采用轻量级fingerprint classifier实现97.7%的未见反应分类准确率，解决了化学领域规则库无法自适应扩展的长期问题。这项工作为将生成模型转化为可靠、自扩展的符号系统提供了通用途径，与关键词"agent"高度契合。

Constructive Alignment: Governing Preference Dynamics in Human-AI Interaction

Max Kanwal, Caryn Tran

cs.AI cs.CY

本文提出Constructive Alignment范式，将AI alignment重新定义为对人类偏好动态演化的控制问题，而非静态偏好满足。该工作基于行为经济学和心理学理论，用控制论框架建模偏好作为随交互演化的状态变量。

Bounded Morality: Defining the Space of Moral Computation

Max Kanwal, Caryn Tran, Patrick Mineault

cs.AI cs.CY

本文提出Bounded Morality框架，用moral breadth和moral depth两个维度形式化有限智能体面临的道德问题计算需求，并指出资源限制导致两者间存在不可避免的权衡。该框架将伦理理论视为适应不同需求模式的局部高效策略，而非道德真理的竞争性解释。

The MMM Data Model -- A Normative Specification for Knowledge Interoperability in a Decentralisable Knowledge Commons

Mathilde Noual

cs.AI

本文提出了MMM数据模型，旨在通过结合少量规范性约束与自由文本标签的灵活性，解决跨学科知识文档的互操作性问题。该模型强调无需语义收敛即可在不同应用间共享知识，并提供了参考实现和初步部署数据。

Making Failure Safe: A Constrained, Verifiable Agent Framework for Open-Web Data Collection

Bo Chen

cs.AI

本文提出了一种约束可验证的agent框架，将LLM输出从自由代码转为类型化JSON配置，通过六类型收集器分类法和模板约束实现结构化错误修正，为开放网络数据收集提供了可复用的确定性执行路径。

Solution space path planning for supporting en-route air traffic control

Yiyuan Zou, Wenying Lyu, Clark Borst

cs.AI cs.RO eess.SY

本文提出了一种用于航路空中交通管制的无冲突路径规划算法，该算法在解空间框架下集成了三种基于意图的冲突检测方法，并设计了两种搜索节点变体SSPPV和SSPPE。实验表明，SSPPV结合区域冲突检测在计算速度和解决方案质量上表现最佳。

RareDxR1: Autonomous Medical Reasoning for Rare Disease Diagnosis Beyond Human Annotation

Deyang Jiang et al.

cs.AI

本文提出RareDxR1，一个用于罕见病诊断的端到端大语言模型，通过知识内化与自主进化学习框架，直接从非结构化临床笔记进行推理，无需依赖结构化表型或人类标注。该方法在多个基准上取得最优准确率，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

A Contextual-Bandit Oversight Game with Two-Sided Informational Asymmetry

Yunjin Tong

cs.AI cs.GT

本文研究了一个具有双向信息不对称的上下文赌博机（contextual-bandit）监督博弈，其中人类私知奖励函数而AI私知动作质量。通过引入play/ask/trust/oversee接口，作者给出了团队最优和短视规则两种单轮刻画，并分析了它们之间的可避免伤害区域。

Constructing Epistemic AI Literacy: Detecting Epistemic Aims and Processes in Student-AI Co-Programming

Mengqian Wu

cs.AI cs.HC

本文提出了Epistemic AI Literacy (EAIL)框架，基于AIR理论分析了学生在GenAI辅助编程中的认知目标与过程，发现多数交互缺乏深层认知参与。该研究主要关注教育领域的人机交互，与关键词中的code、agent等概念关联较弱。

From Signals to Structure: How Memory Architecture Drives Language Emergence in LLM Agents

Yashar Talebirad et al.

cs.AI cs.CL cs.IT cs.MA

本文研究了在Lewis signaling game中，不同memory architecture（记忆架构）对LLM agents（大语言模型智能体）语言涌现的影响。实验发现，拥有persistent private notebook（持久私人笔记）的agent能更可靠地建立协调，而stateless agents（无状态智能体）在高容量时性能下降，表明memory architecture比channel capacity（信道容量）对语言形成更为关键。

Seed2.0 Model Card: Towards Intelligence Frontier for Real-World Complexity

Bytedance Seed

cs.AI

本文介绍了Seed2.0模型系列，通过构建基于真实需求的评估系统，重点解决了长尾知识和复杂指令遵循两大挑战，并提升了推理、视觉和搜索能力，旨在处理复杂的现实世界任务。

Mnemosyne: Agentic Transaction Processing for Validating and Repairing AI-generated Workflows

Edward Y. Chang, Longling Geng, Emily J. Chang

cs.AI

本文提出了Agentic Transaction Processing (ATP)模型，并基于此实现了Mnemosyne运行时系统，用于验证和修复AI生成的工作流。该系统通过将生成的动作视为不可信提议，并在确定性约束下进行准入控制，保证了提交状态的正确性，同时实验证明了其低开销和高效的局部修复能力。

Managed Autonomy at Runtime: Gear-Based Safety and Governance for Single- and Multi-Agent Cyber-Physical Systems

Srini Ramaswamy, Wang Miaosheng

cs.AI

本文提出了一种名为\system{}的离散时间控制系统，通过五种执行齿轮（Gear）和效用门控调度来管理单/多智能体系统的运行时安全与治理。该方法在机器人装配单元上验证了异常检测性能，但未涉及代码、上下文、谱方法或预训练等关键词相关技术。

Personalization as Inverse Planning: Learning Latent Design Intents for Agentic Slide Generation via Structural Denoising

Tianci Liu et al.

cs.AI

本文提出SPIRE框架，将页面级幻灯片个性化问题形式化为逆规划问题，通过结构去噪和强化学习训练两个智能体协作优化设计，以捕捉用户的潜在设计意图。该方法在幻灯片生成任务上展示了有效性，但与我提供的关键词契合度较低。

PHREEQC-MCQ-200: A Diagnostic Benchmark for Tool-Augmented Scientific Simulator Agents

Ke Zhang et al.

cs.AI

本文提出了PHREEQC-MCQ-200基准，用于评估工具增强型agent在地球化学模拟中的表现，发现工具访问能提升整体准确率但并非单调，且输出访问协议对模型性能有显著影响。该工作聚焦于科学计算agent的诊断性评估，与关键词中的agent相关但缺乏开创性。

Agri-SAGE: Simulation-Grounded Multi-Agent LLM for Context-Aware Agricultural Advisory Generation

Vedant Balasubramaniam et al.

cs.AI cs.MA

Agri-SAGE是一个结合多智能体LLM推理与APSIM生物物理模拟的农业咨询框架，用于生成和验证农艺建议。该框架评估了三种推理方法，其中Tree of Thoughts和Reflexion在产量和计算成本上优于静态基线。

AI Native Games: A Survey and Roadmap

Zhiyue Xu et al.

cs.AI

本文定义了AI原生游戏（AI-native games）的概念，通过反事实准则区分其与AI增强游戏，并基于53个公开原型提出了G/N双轴分类法，分析了游戏类型与AI机制的关系。文章指出核心设计问题在于将语义开放性组织为稳定玩法，并依赖机械不变量（目标、规则、状态等）来实现。

HARC: Coupling Harmfulness and Refusal Directions for Robust Safety Alignment

Shei Pern Chua, Fangzhao Wu

cs.AI cs.CR

本文研究了对齐LLM中harmfulness和refusal方向在prompt和response位置的作用，并提出了HARC微调方法，通过耦合这两个方向来增强安全性，同时保持模型能力。该方法在多个模型族和规模上验证了有效性，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。

AGI Maze as a Benchmark Framework for World-Modeling Agents

Alexey Potapov

cs.AI

本文提出了AGI Maze框架，用于评估world-modeling agents在部分可观测环境中的表现，并测试了vanilla LLMs在简单迷宫任务中的局限性。

Coachable agents for interactive gameplay

Roberto Capobianco et al.

cs.AI cs.LG

本文提出了一种结合Universal Value Function Approximators (UVFAs)与精心设计的训练场景、学习算法和数据增强的框架，用于创建可被实时指导风格（如游戏战斗或行走姿态）的agent。该框架在《地平线：西之绝境》和《GT赛车》等AAA游戏中展示了agent在满足主要任务的同时对风格指令的强一致性。

Self-Evolving Agents with Anytime-Valid Certificates

Biswa Sengupta

cs.AI cs.CL

本文提出了一种名为SEA的自进化agent架构，通过冻结基础模型并仅允许通过带有时效验证门的小型适配器进行修改，从而在固定错误预算下提供可审计的证书。实验在SWE-bench子集上验证了该方法能防止性能退化，但主要贡献在于架构设计而非理论突破。

Two AI Metrics Diverged: Will it Make All the Difference?

Alex Fogelson et al.

cs.AI

本文探讨了AI模型能力是否会随着计算规模扩展而持续领先，还是会在小预算下收敛。通过分析有界和无界性能指标，作者给出了数学条件，指出有界指标总是有利于“温和模型”，但指标的选择对政策制定至关重要。

Graph-Native Reinforcement Learning Enables Traceable Scientific Hypothesis Generation through Conceptual Recombination

Subhadeep Pal et al.

cs.AI cond-mat.mtrl-sci cs.CL cs.LG

本文提出Graph-PRefLexOR，一种基于graph-native reasoning和Group Relative Policy Optimization (GRPO)的模型，用于材料科学中的可追溯假设生成。该方法通过将推理组织为显式阶段，在开放性问题中提升了推理可追溯性，但未直接涉及code、spectral、Muon、pretrain、agent或attention等关键词。

Bayesian Uncertainty Propagation for Agentic RAG Pipelines: A Proof-of-Concept Study on Multi-Hop Question Answering

Louis Donaldson et al.

cs.AI

本文提出了一种基于Bayesian Network的不确定性传播框架，用于监控Agentic RAG系统中的多跳推理管线，并在StrategyQA和HotpotQA上进行了初步验证。实验表明该方法在HotpotQA上更有效，但整体仍处于概念验证阶段。

PedNStream: Scalable Network Flow Simulation for Pedestrian Traffic Management

Weiming Mai, Dorine Duives, Serge Hoogendoorn

cs.AI

本文提出了一个名为PedNStream的开源Python模拟器，用于宏观行人网络流模拟，基于Link Transmission Model (LTM)并扩展了随机链路动力学和效用型路径选择。该框架支持门控、流分离和路线引导等干预控制，并通过合成场景和真实网络实验验证了其可扩展性和实用性。

Can Agents Generalize to the Open World? Unveiling the Fragility of Static Training in Tool Use

Song-Lin Lv et al.

cs.AI

本文研究了LLM agent在开放世界环境中的泛化问题，通过构建OpenAgent框架和四层环境扰动层级（Perception, Interaction, Reasoning, Internalization）来系统分析分布偏移的影响。实验表明SFT和RL训练的agent在面对环境变化时性能显著下降，并提出了Perturbation-Augmented Fine-Tuning策略以提升鲁棒性。

Optimal Resource Utilization for Autonomous Laboratory Orchestrators

Austin McDannald, Julia Tisaranni, Howie Joress

cs.AI cond-mat.mtrl-sci

本文提出了一种用于自主实验室资源优化的两步方法，首先使用constraint programming寻找最优调度以最小化总时间，然后通过status dependencies系统确保调度的稳健执行。该方法主要针对金属有机框架合成的自动化平台，与关键词中的agent概念有一定关联。

Theoria: Rewrite-Acceptability Verification over Informal Reasoning States

Ben Slivinski, Michael Saldivar

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

本文提出Theoria架构，通过将候选解重写为带显式理由的类型化状态转换序列来验证AI系统答案的可信度，每个转换独立可审计。该方法在HLE-Verified Gold和GPQA Diamond数据集上实现了高精度，但主要贡献在于可审计的验证框架而非与关键词直接相关的新方法。

AutoMem: Automated Learning of Memory as a Cognitive Skill

Shengguang Wu et al.

cs.AI cs.CL cs.MA

本文提出AutoMem框架，将记忆管理作为可训练技能引入LLM agent，通过两个自动化循环优化记忆结构（prompts、file schemas等）和模型记忆能力，在长时程游戏任务中使32B模型性能提升约2-4倍。

cs.IR

Why Advanced Encoders Lag on Sparse Retrieval? The Answer and an Approach to Bridging Vocabulary Gaps ⭐ 精选

Zhichao Geng, Yang Yang

cs.IR cs.AI cs.LG

本文揭示了先进foundation model（如ModernBERT）在learned sparse retrieval (LSR)任务中性能落后于旧架构的根本原因——Vocabulary Gap，即现代tokenizer使用为无损重建设计的原始、大小写敏感词汇表，将单一语义单元映射为冗余表面形式，浪费模型容量并阻碍lexical matching。作者通过理论框架形式化这一直觉，证明在保持语义完整性的前提下，适当的词汇粗粒化（coarse-graining）可通过降低hypothesis class的复杂度来收紧泛化界。为解决该问题，本文提出Vocabulary Transfer (VT)框架，利用基于空间拓扑的Semantic Initialization保持几何结构，以及Activation Potential Calibration (APC)机制将预训练流形与sparsity约束对齐，从而避免标准微调中的dead neuron和dense collapse问题。实验表明，VT使ModernBERT在BEIR基准上达到SOTA（52.4 nDCG，提升+4.7），并成功复活了RoBERTa-large等失败模型，证实性能滞后并非架构缺陷而是可解的词汇不匹配问题。

From "Strings" to "Things" for Personal Knowledge Graphs: Evaluating LLM Triple Extraction for Recommendation Systems

Abhirup Dasgupta, Fernando Spadea, Oshani Seneviratne

cs.IR cs.AI

本文提出了一种使用轻量级LLM从对话数据中提取结构化三元组以构建Personal Knowledge Graphs的pipeline，并评估了不同模型在提取RDF兼容三元组和下游推荐任务中的表现。

Topological Void Analysis A Mathematical Framework for Systematic Technical Innovation Discovery in Knowledge Spaces

Kris Pan

cs.IR cs.AI

本文提出了一种名为Topological Void Analysis (TVA)的数学框架，用于在高维知识空间中系统性地发现技术创新的候选区域。该方法通过定义拓扑空洞（topological voids）为三元组(A, B, C)，并利用密集-稀疏混合嵌入空间来识别那些语义相关但未被现有技术覆盖的空白区域。

BaRA: BFS-and-Reflection Web Data Collection Agent

Soojeong Lee et al.

cs.IR cs.AI

本文提出了BaRA框架，结合有界BFS遍历与基于历史的自反思机制，用于在固定交互预算下进行网站级数据收集。实验表明该方法在链接发现和可下载多模态内容提取上优于纯LLM和SeeAct-Vision等基线。

SchemaRAG: Dynamic Large Schema Reduction for LLM-driven Structured Information Extraction

Sin Yu Bonnie Ho et al.

cs.IR cs.AI

本文提出SchemaRAG，一个基于检索增强生成（RAG）的框架，通过动态剪枝输出schema空间来提升LLM在大型schema下的结构化信息抽取效率，在医疗和电商数据集上实现了F1分数提升和成本降低。

Prompt Optimization for User Simulation in Conversational Recommender Systems: A Multi-Objective Framework

Nipun B Nair, Tongtong Wu, Weiqing Wang

cs.IR cs.AI cs.CL

本文提出了一种自动优化LLM-based user simulator prompts的框架，以解决对话推荐系统中用户模拟存在的正偏差、数据泄露和多样性不足等问题。实验表明该方法在行为对齐上优于基线，但主要聚焦于推荐系统应用，与关键词中的数学或理论概念关联较弱。

SkillSelect-Serve: Budget-Controllable and QoS-Aware Skill Service Recommendation and Composition for Small LLM Agents

Jingyuan Zheng et al.

cs.IR cs.AI cs.SE

本文提出了SkillSelect-Serve框架，将LLM agent的技能选择问题建模为技能服务推荐与组合，通过双粒度效用建模在预算约束下优化技能包的质量。实验表明该方法在召回率和效用上优于固定top-k检索基线。

PRA-RAG: Provably Robust Aggregation in Retrieval-Augmented Generation against Retrieval Corruption

Xue Tan et al.

cs.IR cs.AI

本文提出PRA-RAG，一种针对检索增强生成中检索内容投毒攻击的鲁棒聚合算法，通过采样检索文本组合并利用embedding空间的几何结构选择鲁棒子集，在理论上给出了受污染内容的最大影响界限。实验表明该方法能将攻击成功率降至1%并保持71%的准确率，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）关联较弱。

GRACE-RAG: Governed Retrieval Architecture for Canonical Evidence Synthesis, Enabling Lightweight Deployment in Closed-Domain Institutional Settings

Asit Desai, Aman Kumar, Prashant Devadiga

cs.IR cs.AI

GRACE-RAG提出了一种检索主导的图增强RAG架构，将结构推理从生成阶段外化到检索层，以解决实体密集领域中文档信息分散的问题。实验表明该方法在中等规模模型上可提升20%的整体质量，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词。

Libra: Training the Environment for Agentic Information Retrieval

Xuan Zhao, Andy Chiu, Gengyu Wang

cs.IR cs.AI

本文提出Libra框架，通过在代码仓库中引入可变的Markdown目录来优化智能体工作环境，利用LLM驱动的循环（生成查询、尝试解决、重写目录）提升代码定位准确性。该方法在SWE-bench Lite上验证了有效性，但主要关注环境优化而非解决长期存在的理论问题，与关键词中的agent有一定关联但创新性有限。

Learning User-Aware Recall: Personalized Retrieval in Long-Term Conversational Memory

ZhiShu Jiang et al.

cs.IR cs.AI cs.CL

本文提出Profile-guided Personalized Retrieval Optimization (PPRO)框架，通过构建用户profile和训练query rewriter来优化长期对话记忆中的个性化检索，实验表明该方法在多个benchmark上优于现有系统。

Aligning Sentence Embeddings to Human Concepts via Sparse Autoencoders

Wonseok Shin, Songkuk Kim

cs.IR cs.AI

本文使用Top-k Sparse Autoencoders (SAEs)将dense sentence embeddings分解为可解释的概念，并引入激活引导机制以在不重新训练模型的情况下重新排序搜索结果，从而提升检索过程与人类意图的对齐。该方法主要关注语义、句法和语用类别的特征解耦，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

AGE: Adaptive-masking for Graph Embedding in Graph Retrieval-Augmented Generation

Bao Long Nguyen Huu, Atsushi Hashimoto

cs.IR cs.AI

本文提出了一种名为AGE的图嵌入方法，用于图检索增强生成（GraphRAG）任务。该方法通过掩码自监督学习训练Transformer，并设计可学习的节点采样器来避免对关键节点的掩码，从而缓解图与文本潜在特征之间的不对齐问题。

Attribute-Prompted Kernel Hashing for Unsupervised Data-Efficient Cross-Modal Retrieval

Runhao Li et al.

cs.IR cs.CV

本文提出了一种名为Attribute-Prompted Kernel Hashing (APKH)的无监督跨模态哈希方法，通过利用视觉-语言基础模型的属性先验，在数据受限场景下构建紧凑的汉明空间。该方法引入Context-optimized Attribute Kernel Mapping (CAKM)和Kernel-Smoothed Contrastive Alignment (KSCA)两个模块，以缓解对有限训练数据的过拟合问题。

Real-Time Hard Negative Sampling via LLM-based Clustering for Large-Scale Two-Tower Retrieval

Ivan Ji et al.

cs.IR cs.AI

本文提出了一种基于LLM聚类生成hard negatives的方法，用于改进大规模two-tower检索模型的训练。该方法通过LLM学习媒体表示，在训练过程中从同一聚类中生成更具挑战性的负样本，并设计为可实时集成到生产系统中。

When RAG Meets Query Planning: Logical Query Trees for Resolving Exploratory Reasoning Problems

Ganlin Xu et al.

cs.IR

本文提出PlanRAG框架，通过将自然语言中的探索性推理问题建模为逻辑查询树(LQTs)来解决检索噪声和错误累积问题。该方法使用动态规划构建LQTs并并行执行节点，在WikiWeb-ERP数据集上优于现有迭代和图基RAG系统。

As It Was: Aligning LLM Search Evaluation with Historical User Preferences

Ali Vardasbi et al.

cs.IR

本文提出一种行为锚定的LLM评估方法，通过为每个搜索结果附加轻量级的Query-Relevance-Impressions (QRI)卡片来整合历史用户交互信息，以解决LLM评估与真实用户偏好之间的偏差问题。实验表明该方法在音乐搜索和跨语言场景中提升了与用户偏好及人工标注的相关性。

MemSyco-Bench: Benchmarking Sycophancy in Agent Memory

Zhishang Xiang et al.

cs.IR cs.AI

本文提出了MemSyco-Bench基准，用于评估LLM-based agent系统中由记忆引发的谄媚问题（sycophancy），即agent过度迎合用户而牺牲事实准确性的现象。该基准涵盖五个任务，测试agent能否拒绝将记忆作为事实证据、尊重记忆适用范围、解决记忆与客观证据的冲突、跟踪记忆更新以及利用有效记忆进行个性化。

Trie-based Experiment Plans for Efficient IR Pipeline Experiments

Irene Anu, Craig Macdonald

cs.IR

本文提出了一种基于trie数据结构的实验计划方法，用于提高级联检索pipeline（如BM25、MonoT5和DuoT5）的比较实验效率，在MSMARCO v2数据集上实现了26%的实验时间缩减。该方法主要关注实验设计优化，与关键词中的code、context、spectral等概念无直接关联。

Diffusion-GR2: Diffusion Generative Reasoning Re-ranker

Zhuoxuan Zhang et al.

cs.IR cs.AI

本文提出Diffusion-GR2，将自回归推理重排序器转换为块扩散语言模型，通过并行解码提升推理速度。该方法使用转换微调、在策略蒸馏和强化学习阶段来弥补结构性和分布性差距，在Amazon Beauty数据集上恢复至接近自回归模型的精度，同时解码吞吐量提升2.4-3.5倍。

cs.CL

SLIM-RL: Risk-Budgeted Random-Masking RL for Diffusion LLMs Without Trajectory Slicing ⭐ 精选

Ruikang Zhao et al.

cs.CL cs.AI cs.LG

本文提出SLIM-RL方法，通过引入$\tau$-budget decoder来约束每个rollout步骤的commit risk，从而在不重建推理轨迹的情况下解决随机掩码与推理轨迹不匹配的问题。该方法采用无轨迹的随机掩码目标，结合序列级重要性采样和确定性求积策略，在保持均值不变且单调递减的逐块掩码调度下进行方差缩减。实验表明，在SDAR-4B上，SLIM-RL在block size为16时仅用TraceRL 0.46倍的训练样本即达到其最佳MATH500准确率，并在数学和代码任务上均取得显著提升，且$\tau$-budget decoder可无训练地迁移至LLaDA、Dream和SDAR等模型。

Multi-Turn Agentic Scientific Literature Search via Workflow Induction ⭐ 精选

Jisen Li et al.

cs.CL cs.IR

本文提出PaperPilot，一种将科学文献搜索建模为workflow induction的多轮agent系统。给定锚点论文和用户查询，系统自动构建由关键词搜索、引用扩展、过滤、评分、重排序和证据提取等算子组成的有向无环图(DAG)，并通过用户反馈迭代优化查询和workflow本身。该方法通过监督workflow模仿和偏好优化进行训练，在Hit@5、MRR和nDCG@10等指标上显著优于基线，并将workflow执行错误率降至0%。该工作为构建可控、可编辑的文献搜索agent提供了新范式，与关键词"agent"高度契合。

Logit-Contribution Scoring Identifies Non-Literal Retrieval Heads ⭐ 精选

Aryo Pradipta Gema, Beatrice Alex, Pasquale Minervini

cs.CL cs.AI cs.LG

本文提出了一种名为Logit-Contribution Scoring (LOCOS)的write-aware检测方法，用于识别大语言模型中的非字面检索头（non-literal retrieval heads）。该方法通过将注意力头输出-值（OV）电路的输出投影到答案token的unembedding方向上，并在单次前向传播中对比needle与off-needle源位置，从而有效检测那些通过语义合成而非直接复制来生成答案的注意力头。实验表明，在NoLiMa基准上，对Qwen3-8B模型去除50个LOCOS高分头后，ROUGE-L从0.401降至0.000，而最强基线仍保留0.292，且这些头具有检索特异性，不影响参数记忆和算术推理。该方法与关键词中的attention高度契合，为理解长上下文模型中的非字面检索机制提供了开创性的工具。

DigitalCoach: Communication and Grounding Gaps in Human and Agentic Computer Use Coaching

Meng Chen et al.

cs.CL cs.AI cs.HC

DigitalCoach构建了一个包含72个人类专家-新手计算机使用教学会话的多模态数据集，用于评估当前模型在教授人类使用软件方面的能力。研究发现，模型在教学中倾向于提供更直接的指令，但缺乏解释、错误诊断和知识检查，且在视觉grounding方面表现不足。

Persona Without Substrate: Regime-Dependence and the LLM Individuation Problem

Shuaizhi Cheng

cs.CL cs.AI

本文通过实验揭示了LLM在不同干预方式（如prompt conditioning、fine-tuning、inference-time steering）下，提取的persona向量存在非共线性等问题，从而质疑了跨干预方式下persona向量指向相同内容的假设，并提出了基于干预方式索引的个体化框架。

Controllable Narrative Rendering for Enhanced Assisted Writing

Mingzhe Lu et al.

cs.CL cs.AI

本文提出Loom框架，通过将叙事意图与渲染密度分离的三层流水线，解决了大语言模型在创意写作中在安全编辑与破坏性扩展间摇摆的问题。该方法基于故事与话语的叙事学区分，实现了对叙事渲染的精确控制。

Harnessing the Latent Space: From Steering Vectors to Model Calibrators for Control and Trust

Nishant Subramani

cs.CL cs.AI cs.LG

本文探讨了如何利用语言模型的latent space（潜在空间）进行控制与信任校准，提出了steering vectors（引导向量）用于控制模型行为，并开发了基于latent space的model calibrators（模型校准器）以评估输出可信度。

Benchmarking Frontier LLMs on Arabic Cultural and Sociolinguistic Knowledge: A Cross-Evaluation Framework with Human SME Ground Truth

Sajjad Abdoli et al.

cs.CL

本文提出了一种跨评估框架，用于评估前沿LLM在阿拉伯文化和社会语言学知识上的表现，通过人类专家（SME）的评分和自动化评判对比，发现文化推理任务比语言任务更难评分，且模型在埃及阿拉伯语上表现优于伊拉克阿拉伯语。该工作主要关注评估方法论，与关键词中的code、spectral、Muon、pretrain、agent、attention等无直接关联。

Hate Speech Detection in Turkish and Arabic Languages: A Comprehensive Study

Somaiyeh Dehghan et al.

cs.CL cs.AI

本文构建了一个涵盖土耳其语和阿拉伯语中多个主题的仇恨言论数据集，并开发了基于BERT的模型用于仇恨类别分类、强度预测、目标识别和跨度检测等任务。

Readable but Not Controllable: Neuron-Level Evidence for Medical LLM Hallucination

Vijay Vankadaru et al.

cs.CL

本文通过探针实验发现，医疗LLM的幻觉在神经元层面可被检测（AUROC 0.77-0.86），但该信号是分布式的且无法通过控制相关神经元来纠正，揭示了可解码性与可控性之间的显著差距。

Identifying and Resolving Pitfalls of Knowledge-Based VQA Benchmarks: Auditing, Repairing, and Augmenting

Qian Ma et al.

cs.CL cs.CV cs.IR cs.MM

本文系统性地审计了现有Knowledge-Based Visual Question Answering (KB-VQA) benchmarks中的缺陷，发现答案缺失或矛盾、问题约束不足以及视觉场景过于简单等问题，导致准确率成为误导性指标。作者提出了审计-修复协议和受控多实体增强协议来纠正这些问题，并重新评估了模型表现。

ALEE: Any-Language Evaluation of Embeddings via English-Centric Minimal Pairs

Andrianos Michail et al.

cs.CL

本文提出了ALEE框架，通过English-centric minimal pairs和Abstract Meaning Representations (AMR)来评估跨语言文本embedding的质量，覆盖275+种语言。实验揭示了不同语言和文本长度下模型性能的显著差异，但方法本身在理论或技术上缺乏开创性突破。

Structural Pattern Mining in Inka Khipus: Unsupervised Clustering, Provenance Classification, and a Computational Validation of the Santa Valley Match

Maria Contreras

cs.CL

本文提出了一种可复现的机器学习pipeline，用于分析Inka Khipus（结绳记事装置）的结构模式，包括无监督聚类和有监督来源分类。研究发现，绳索扭转方向是区分帝国风格khipus的主要结构特征，并独立验证了Santa Valley khipus的recto/verso结构。

LV-ROVER: Multi-Stream Tesseract Voting for Maltese Paragraph OCR

Adam Darmanin

cs.CL cs.CV

本文针对马耳他语OCR资源匮乏的问题，构建了一个合成训练pipeline和一个5-stream Tesseract LV-ROVER集成模型，在422段落的benchmark上将character error rate (CER)从0.0234降至0.00700。该方法主要依赖集成投票和后处理，与关键词中的code、context、spectral、Muon、pretrain、agent、attention均无直接关联。

SEFORA: Student Essays with Feedback Corpus and LLM Feedback Evaluation Framework

Shayan Peyghambari Oskoui et al.

cs.CL cs.AI

SEFORA是一个公开的学生作文反馈语料库，包含564篇作文和8240条教师批注，并提出了UniMatch评估框架用于衡量LLM生成反馈与教师反馈的一致性。实验表明，当前LLM在生成符合教师预期的反馈方面表现有限，F1分数未超过0.4。

TRACE: State-Aware Query Processing over Temporal Evidence Graphs for Conversational Data

Maolin Wang et al.

cs.CL

TRACE提出了一种基于时间证据图（temporal evidence graphs）的查询处理框架，用于处理对话数据中信息随时间演变的问题。该框架通过构建包含时间、因果、更新和矛盾关系的层次化图结构，并结合向量检索与图引导的证据搜索，以支持状态感知的推理。

DiscoLoop: Looping Discrete Embeddings and Continuous Hidden States for Multi-hop Reasoning

Hengyu Fu et al.

cs.CL cs.AI cs.LG

本文研究了多跳推理中的深度局部存储问题，提出了一种名为DiscoLoop的循环架构，通过同时传递离散embedding和连续hidden state来改进Looped Transformer的性能。实验表明该方法在符号和合成语言任务上接近完美准确率，并在真实预训练中取得更优结果。

Beyond Perplexity: A Behavioral Evaluation Framework for Deployment-Memory Claims in LLM Test-Time Training

Xiangchen Song et al.

cs.CL

本文提出了一个行为评估框架，用于校准大语言模型test-time training (TTT)中的记忆声明，通过将代理指标（如perplexity）与部署时的行为证据（如回忆和鲁棒性）进行对比，揭示了代理改进与真实行为之间的差距。

A Mechanistic View of Authority Hierarchy in LLM Sycophancy

Emil Joswin, Srujananjali Medicherla, Priyanka Mary Mammen

cs.CL cs.LG

本文通过controlled medical QA setting，研究了语言模型中的authority bias现象，发现模型会按感知到的权威等级调整回答，且这种影响在late layer表现为对正确内部表征的mechanistic erasure。

Speech Playground: An Interactive Tool for Speech Analysis and Comparison

Stephen McIntosh, Daisuke Saito, Nobuaki Minematsu

cs.CL cs.SD eess.AS

本文介绍了一个名为Speech Playground的交互式语音可视化与比较工具，它结合Python后端与Web前端，支持多种特征类型（如连续、离散和变长表示）的探索，并集成了TextGrid和强制对齐功能用于视觉与听觉比较。该工具主要面向语音研究、表示验证和计算机辅助发音训练（CAPT）实验。

Selective Test-Time Debiasing for CLIP via Reward Gating

Jaeho Han et al.

cs.CL

本文提出了一种基于强化学习的测试时自适应框架RG-TTA，通过奖励门控机制根据输入对偏见的敏感性选择性应用去偏方法，以解决视觉语言模型在人物查询中公平性与效用之间的权衡问题。实验表明该方法在减少偏见的同时提升了零样本性能。

Understanding Why Language Models Hallucinate: Testing Reasoning Against Priors

Yangfan Hu et al.

cs.CL

本文通过提出一个latent key-task model，研究了大型语言模型中的幻觉现象，认为其源于推理偏差而非知识缺失。作者引入TrapQA测试集进行诊断，但方法本身在理论或实践上缺乏显著的开创性，且与关键词列表中的概念关联较弱。

Know When to Stop: Segment-Level Credit Assignment for Reducing Overthinking

Chia-Hsuan Lee et al.

cs.CL

本文提出DASH方法，通过将推理轨迹中的中间答案与真实标签对比来分配segment-level credit，以减少推理语言模型中的过度思考行为。该方法在AIME25等数学基准上提升了准确率并减少了无效推理。

Efficient Multilingual Reasoning Transfer via Progressive Code-Switching

Zhijun Wang et al.

cs.CL

本文提出PCS (Progressive Code-Switching)框架，通过逐步将英文推理步骤翻译为目标语言并配合强化学习课程，实现多语言推理能力的低成本迁移，无需依赖更强的模型进行蒸馏或评判。实验表明该方法能有效缩小目标语言与英文推理的性能差距。

BaseRT: Best-in-Class LLM Inference on Apple Silicon via Native Metal

Prabod Rathnayaka, Fabian Waschkowski, Lukas Wesemann

cs.CL cs.AI cs.PF

本文介绍了BaseRT，一个基于Apple Silicon原生Metal的LLM推理运行时，通过芯片特定的kernel融合和统一内存优化，在M3和M4 Pro设备上实现了比现有框架（如llama.cpp和MLX）更高的推理吞吐量，最高可达1.56倍。该工作主要关注推理性能优化，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

A Task-State Representation for Long-Horizon Mobile GUI Agents

Yujie Zheng et al.

cs.CL

本文提出了一种名为Task-State Representation (TSR)的训练无关框架，用于解耦长时移动GUI agent中的任务状态与屏幕观测，通过维护全局指令摘要、子目标进度追踪器和动作验证器来减轻上下文负担。实验表明该方法在多个基准上提升了任务成功率。

Dual-Confidence Contrastive Decoding for Retrieval-Augmented Generation

Raymond Li et al.

cs.CL

本文提出了一种名为Dual-Confidence Contrastive Decoding (DCCD)的无训练解码方法，用于解决多文档检索增强生成中的内部上下文冲突问题。该方法结合了文档级置信度和token级置信度，通过选择正负文档条件流并缩放对比度来提升生成质量。

Safe Alone, Unsafe Together: Safeguarding Against Implicit Toxicity When Benign Images Combine

Jiaxian Lv et al.

cs.CL cs.CR cs.MM

本文定义了多图像隐式毒性（MIIT）问题，即单张图像无害但组合后产生有害语义，并构建了MIIT-dataset数据集，训练了MiShield模型进行检测。该工作主要关注视觉安全领域，与关键词中的code, spectral, Muon, pretrain, agent, attention等概念无直接关联。

Low Perplexity is Repetition: A One-Dimensional Self-Conditioning Attractor in Continuous Diffusion LMs

Shuai Zhang et al.

cs.CL

本文发现连续扩散语言模型（如ELF）的低困惑度（Gen-PPL）实际上源于模型生成文本的重复性，而非真正的语言质量。作者将这种重复归因于自条件反馈循环中沿单一方向的收缩吸引子，并提出ACE方法通过减去该方向来减少重复，同时保持生成质量。

"Don't Say It!": Constraints, Compliance, and Communication when Language Models Play Taboo

Sara Candussio et al.

cs.CL

本文研究了LLM在Taboo游戏中的表现，分析了模型在词汇约束与沟通有效性之间的权衡，发现模型在遵守规则和作为猜测者方面仍弱于人类。

Auditing Forgetting in Limited Memory Language Models

Arya Raeesi, Hanna Roed

cs.CL cs.AI cs.LG

本文提出了一种因果审计框架，用于评估Limited Memory Language Models (LMLMs)中基于删除的遗忘效果。通过在不同数据库状态下进行干预实验，发现参数泄露几乎为零，而删除后残留的正确性主要源于检索图中的近邻检索伪影，表明遗忘边界主要由数据库管理员而非模型本身决定。

Faithful by Definition: Emotion Analysis via Natural Semantic Metalanguage Explications

Frank Xing, Erik Cambria

cs.CL cs.AI

本文提出了一种基于Natural Semantic Metalanguage的情感分析解释接口，通过将输入文本解析为固定词汇的脚本并使用预定义规则计算情感标签，从而保证解释的因果性和定义性。该方法在众包事件描述数据集上达到了0.33的准确率，为可验证的情感分析提供了新思路。

YOMI-Bench: A Benchmark for Evaluating Kanji Reading and Phonological Understanding of LLMs for Japanese

Ryota Mibayashi, Hiroya Takamura, Hitomi Yanaka

cs.CL

本文提出了YOMI-Bench基准，用于评估大语言模型在日语汉字读音和音韵理解方面的表现。实验发现，即使是针对日语优化的模型在汉字读音任务上表现也较差。

Self-conditioned Flow Map Language Models via Fixed-point Flows

Jaehoon Yoo et al.

cs.CL cs.AI

本文提出了一种基于fixed-point flows的self-conditioned flow语言模型FMLM$^\star$，通过将self-conditioning视为fixed-point iteration来改进生成过程。该方法在OpenWebText数据集上的一步和少步生成任务中取得了优于现有self-conditioned模型和少步模型的效果。

MSQA: A Natively Sourced Multilingual and Multicultural SimpleQA Benchmark

Xianru Chen et al.

cs.CL

MSQA是一个多语言多文化简单问答基准，包含1064个本地来源的问题，用于测试大语言模型的文化对齐能力。研究发现模型存在文化退化现象，且文化能力与预训练数据暴露程度相关，而非通用推理能力。

What Survives Into Context: A Diagnostic for Budget-Constrained Multi-Hop RAG and When Submodular Evidence Packing Improves It

Ananto Nayan Bala

cs.CL cs.IR

本文研究了在固定reader-context预算下，多跳RAG中的证据选择问题，引入了answer-in-context诊断指标来衡量gold answer是否作为连续片段存在于打包的reader上下文中，并提出了基于预算单调submodular最大化的打包方法。实验表明该诊断指标比召回率更能预测答案质量，但方法本身与关键词列表中的概念关联较弱。

MetaHOPE: A Metaphor-Oriented Evaluation Framework for Analysing MT and LLM Translation Errors

Jiahui Liang, Lifeng Han

cs.CL

本文提出了MetaHOPE框架，用于评估机器翻译和LLM在隐喻翻译中的错误。该框架关注错误严重性，并基于VUAMC和PSUCMC语料库进行了英汉双向翻译的标注分析。

The Course of News Events: A Comparison of Bottom-Up and Top-Down Approaches for Collecting Text-Based Data about Disasters

Brielen Madureira, Andreas Niekler, Mariana Madruga de Brito

cs.CL

本文比较了自上而下（基于现有灾害清单查询新闻数据库）和自下而上（利用NLP方法根据时空特征聚类新闻文本）两种收集灾害文本数据的方法，并以德国媒体关于全球滑坡事件的新闻数据集为例，讨论了两种方法在事件覆盖上的差异。

Recovering Input Text from Hidden States: Study of Gradient-Based Inversion of Decoder-Only Language Models

Mikołaj Słowikowski, Maciej Witold Majewski

cs.CL cs.AI

本文研究了从decoder-only语言模型的最后一层hidden states中恢复原始输入token序列的问题，通过连续embedding空间优化方法实现，并分析了恢复失败主要由高频功能词导致，而内容词几乎完美恢复。该工作与关键词列表中的概念关联较弱。

CAT: Confidence-Adaptive Thinking for Efficient Reasoning of Large Reasoning Models

Qizhi Jiang et al.

cs.CL cs.AI

本文提出了一种名为Confidence-Adaptive Thinking (CAT)的框架，通过将模型内在的自信心信号融入偏好优化过程，使大型推理模型能够根据问题难度自主调节推理长度。该方法旨在解决现有压缩方法在简单问题上过度思考导致的token开销问题，并在多个基准测试上取得了优于现有基线的推理准确率。

Dynamic Bidirectional Pattern Memory: A Production-Scale Empirical Characterisation of Inference-Time Gating in Clinical NLP

Ali H. Lazem, William Teahan

cs.CL

本文研究了临床NLP中生成器-验证器流水线的推理时模式记忆门控机制，发现直接从验证器拒绝中学习过滤规则在大规模场景下会失败，而基于固定临床本体的简单规则更有效。文章强调过滤器的选择性取决于其是否测试验证器所依赖的相同证据，而非模仿验证器的输出。

How Ethos and Pathos Appeals Resonate in Reader Interpretations of Social Media Messages

Ewelina Gajewska et al.

cs.CL

本文研究了社交媒体信息中ethos和pathos两种修辞策略如何影响沉默读者的意义解读，发现修辞内容比中性内容引发更多解读差异，且能预测读者对作者的态度。该研究与关键词列表中的概念无直接关联。

MultiSynt/MT: Trillion-Token Multi-Parallel Pre-Training Data Translated Across 36 Languages

Maximilian Idahl et al.

cs.CL

本文介绍了MultiSynt/MT，一个通过机器翻译生成的跨36种欧洲语言的大规模多语言预训练语料库，包含约4.8万亿目标语言token。实验表明，在该语料上训练的LLM能以更少的预训练token达到与原生数据基线相当的性能，并指出了标准多语言评估基准的盲点。

Beyond Document Grounding: Span-Level Hallucination Detection over Code, Tool Output, and Documents

Ádám Kovács et al.

cs.CL

本文构建了一个统一的span-level hallucination detection基准，涵盖code、tool output和structured documents等多种输入类型，并微调Qwen3.5-2B模型在该基准上取得较好性能。该工作主要关注RAG场景下的幻觉检测，与关键词中的code和agent有一定关联，但方法本身并非开创性。

From Personas to Plot: Character-Grounded Multi-Agent Story Generation for Long-Form Narratives

Aayush Aluru et al.

cs.CL cs.AI cs.MA

本文提出MAGNET和ATLAS两个框架，分别用于多agent故事生成和幻觉检测，通过显式世界状态追踪和goal-driven多agent生成来提升长文本叙事连贯性。该方法在100页故事生成中减少了41%的注释和50%的幻觉，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention关联较弱。

Persona Non Grata: LLM Persona-Driven Generations in MCQA are Unstable in Distinct Dimensions

César Guerra-Solano, Xiang Lorraine Li

cs.CL

本文研究了LLM在MCQA任务中采用persona驱动生成时的稳定性问题，开发了三个指标来评估不同维度的不稳定性。实验发现不稳定性在模型家族、大小和问题领域间存在差异，且任务提示格式比温度等超参数带来更多预测不稳定性。

Quantifying the Affective Gap: A Zero-Shot Evaluation of LLMs on Fine-Grained Emotion Taxonomies

Lawrence Obiuwevwi et al.

cs.CL cs.HC

本文评估了三个商业LLM在细粒度13类情感分类任务上的zero-shot表现，发现所有模型准确率均低于40%，且在love、confusion等类别上表现持续不佳。该工作主要聚焦于情感计算领域的实证评估，与关键词中的code、spectral、Muon等概念无直接关联。

Svarna: An Open Corpus Workbench for Modern Greek

Stergios Chatzikyriakidis

cs.CL

本文介绍了Svarna，一个面向现代希腊语的开源语料库工作台，集成了超过5亿词的多种语料库，提供索引、频率分析、搭配提取等功能，旨在解决希腊语言技术中资源分散和访问受限的问题。

KnowledgeDebugger -- an Exploration Tool for Knowledge Localization and Editing in Transformers

Eric Benz et al.

cs.CL

KnowledgeDebugger是一个基于GUI的探索工具，用于分析Transformer中的知识定位与编辑，它通过无代码方式集成了EasyEdit库中的方法，并支持对单个样本进行现象探索。该工具主要辅助知识编辑研究的第一阶段，但并未在方法或理论上提供开创性贡献。

Understanding Large Language Models

Yannik Keller, Thomas Eisenmann

cs.CL

本文综述了大型语言模型（LLMs）的Transformer架构、涌现能力（如符号推理与心智理论）以及可解释性方法，并讨论了关于LLM是否真正理解内容的争议，认为应避免过度简化地否定AI认知的可能性。

Reading Order Inference for Complex Document Layouts

Iddo Hakim et al.

cs.CL cs.AI cs.CV cs.DL

本文提出了一种无需训练的基于graph的框架，通过构建directed candidate-transition graph并使用语言模型信号（如causal language model和BERT的NSP）来推断复杂文档布局（如Glossa Ordinaria）中的阅读顺序。该方法在多个数据集上优于传统的recursive XY-cut和LayoutReader方法，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词。

Evidence-Supported Credit Risk Report Generation Using News-Centric Financial Knowledge Graphs

Rocio Jimenez-Villen et al.

cs.CL

本文提出了FinKG-News框架，通过从新闻中提取事件并链接到公司，自动构建金融知识图谱，并利用该图谱作为证据，通过in-context learning生成信用风险报告。实验表明该方法在减少幻觉的同时提升了报告质量。

Behavior-Adaptive Conversational Agents: Toward a Fluid Personality Framework

Hasibur Rahman, Smit Desai

cs.CL cs.AI cs.HC

本文提出了一种Fluid Personality Framework，用于使基于LLM的conversational agents根据任务上下文、用户目标和情境紧迫性动态调整其隐喻角色和个性表达强度。该框架旨在解决现有代理在动态交互中角色和风格固定导致的错位问题。

Conversable Complexity: Agentic LLM Collectives as Interpretable Substrates

Elias Najarro et al.

cs.CL

本文探讨了将多个agentic LLM（具有持久记忆、工具和自主行动能力的大语言模型）组成的集体作为人工生命（ALife）研究的计算基质，并强调了其通过自然语言交流带来的可解释性优势。

Message Passing Enables Efficient Reasoning

Xuecheng Liu et al.

cs.CL cs.LG

本文提出Message Passing Language Models (MPLMs)框架，通过轻量级的send和receive原语实现LLM推理线程间的直接通信，以减少冗余上下文共享并支持线程提前终止。实验在Sudoku、3-SAT和长上下文问答任务上验证了其相比串行CoT和并行fork-join方法的效率优势。

Clinician-Level Agreement Without Clinical Caution: LLM Evaluator Limits in Medical AI Benchmarking

William Philipp et al.

cs.CL

本文研究了LLM作为自动评估者在医学AI基准测试中的表现，发现虽然某些模型（如Gemini 3 Flash）在统计上与医生评分达到一致，但缺乏临床谨慎性（如医生会根据题目难度选择弃权，而模型总是给出确定分数），并存在系统性的模型家族偏好偏差。

Towards Developing a Multimodal Chat Assistant for University Stakeholders: RAG-based Approach

Md Abu Hanif Shaikh, Abdullah Al Shafi

cs.CL cs.AI

本文提出了一种基于RAG的多模态大学聊天助手，结合大语言模型与语义检索处理文本和图像查询，并采用量化推理实现快速部署。实验表明该系统能有效降低幻觉率，但方法本身在数学理论或算法创新上较为常规。

$\text{Log}_\text{b}$Quant: Quantizing Language Models in Logarithmic Space

Jeremias Bohn et al.

cs.CL

本文提出了一种名为Log$_\text{b}$Quant的对数量化方法，通过可调节的基来适应语言模型参数的常见分布，在4-bit精度下相比非对称线性量化在张量级粒度上表现出更优的性能，并实现了适度的加速和内存节省。该方法主要关注量化技术本身，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。

AGC-Bench: Measuring Artificial General Creativity

Roger Beaty et al.

cs.CL

本文提出了AGC-Bench，一个用于评估AI创造力的统一benchmark，包含78个数据集和标准化框架。研究发现LLMs存在一个类似人类“g”因子的单一创造力因子“c”，且提示模型“要有创造力”比启用推理更能提升表现。

Adversarial Pragmatics for AI Safety Evaluation: A Benchmark for Instruction Conflict, Embedded Commands, and Policy Ambiguity

Brett Reynolds

cs.CL cs.AI cs.SE

本文提出了一种基于对抗语用学的基准测试和标注协议，用于评估语言模型在指令冲突、嵌入命令、引用、范围歧义等复杂语言行为下的安全性，并提供了经验性的分类法和评估指标。该工作主要关注自然语言处理中的安全评估方法论，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念无直接关联。

Distill to Detect: Exposing Stealth Biases in LLMs through Cartridge Distillation

Shayan Talaei et al.

cs.CL cs.AI cs.LG

本文提出Distill to Detect (D2D)方法，通过将可疑模型与其基础模型之间的logit分布差异蒸馏到KV-cache前缀适配器（cartridge）中，从而将隐藏的偏好偏差放大到可检测的文本层面。该方法利用Fisher加权投影理论解释其有效性，为检测部署语言模型中的隐蔽偏差提供了实用工具。

The State-Prediction Separation Hypothesis

Giovanni Monea et al.

cs.CL cs.AI cs.LG

本文提出状态-预测分离假说，认为Transformer中预测下一个token和存储状态信息的功能应解耦，并设计了一种双计算流的Transformer变体。实验表明该方法在预训练中提升了数据与计算效率，并在下游任务上平均优于标准Transformer 2-3个百分点。

Measuring the Gap Between Human and LLM Research Ideas

Ziyu Chen, Yilun Zhao, Arman Cohan

cs.CL cs.AI

本文构建了一个评估框架，通过逆向工程从高质量人类研究论文中提取灵感来源，并让LLM基于这些来源生成研究想法。研究发现，LLM生成的想法在机会模式和研究范式上的分布与人类研究者存在系统性差异，其想法更集中于桥梁型机会和综合方法。

cs.DS

Improved Approximation Algorithms for Parallel Task Scheduling and Multiple Cluster Scheduling ⭐ 精选

Bennet Edler et al.

cs.DS

本文针对Parallel Task Scheduling (PTS)问题，提出了一个近似比为$(4/3)\text{OPT} + p_{\max}$的算法，运行时间为$O(n\log n)$，解决了Jansen和Rau (2019)提出的公开问题。对于Multiple Cluster Scheduling (MCS)问题，本文将已有的$9/4$近似算法推广到一般情况，并改进了$2$-近似算法的运行时间。这些结果在调度理论中具有开创性，且与关键词中的“code”和“context”在算法设计与实现层面有一定契合。

Temporal Path Covers: Dilworth Properties and Parameterized Complexity

Lapo Cioni et al.

cs.DS

本文研究了时间路径覆盖问题（TPC）和最小时间不相交路径覆盖问题（TDPC）的算法复杂性。作者证明了在满足时间Dilworth性质的前提下，这两个问题可以在多项式时间内解决，并给出了参数化算法与W[1]-hardness结果，但未涉及code、spectral、Muon或agent等关键词。

Computing Smallest Suffixient Arrays in Sublinear Time

Hiroto Fujimaru et al.

cs.DS

本文提出了一种在亚线性时间内计算文本$T$的最小suffixient array的算法，其时间复杂度为$O(\frac{n\log \sigma}{\sqrt{\log n}}+\min(r,\bar{r})\log^\epsilon n)$，其中$r$和$\bar{r}$分别代表$T$及其反转的Burrows-Wheeler变换的等字母游程数。该算法在特定条件下改进了现有方法，但与我提供的关键词列表关联度较低。

Efficient LCE Queries and Lexicographic Minimizers on Sliding Suffix Trees

Toshiharu Minematsu, Shunsuke Inenaga

cs.DS

本文研究了滑动窗口后缀树上的最长公共扩展查询和字典序最小化器维护问题，通过周期性代表映射和动态LCA数据结构实现了常数时间窗口移动和LCE查询，并给出了一个无需LCE的替代算法用于最小化器维护。

Online Matching with Size-Based and Convex Delays

Junhao Gan, Xiao Sun, Seeun William Umboh

cs.DS

本文研究了在线最小代价完美匹配延迟问题(MPMD)的两种变体：基于规模的延迟(MPMD-Size)和凸延迟(MPMD-Convex)。对于MPMD-Size，作者给出了一个依赖于度量空间点数$n$的确定性竞争比，解决了该问题的常数竞争比问题；对于MPMD-Convex，作者发现当延迟函数为满足$f'(0)>0$的多项式时，在均匀度量上存在$O(1)$竞争比的确定性算法。

Online computation of maximal closed substrings

Hiroki Shibata et al.

cs.DS

本文提出了一种在线算法，用于计算字符串中所有最大封闭子串（MCS），并为此引入了link-cut suffix tree (LCST)这一数据结构。该算法在$O(n \log n)$时间内处理每次字符追加操作，并可用于在线计算rightmost LZ77 factorization等问题。

Submodular Maximization over Many Matroids via Ordered Local Search

Neta Singer, Theophile Thiery

cs.DS

本文提出了一种基于有序局部搜索的多拟阵单调子模函数最大化算法，实现了$\frac{k}{2} + o(k)$的近似比，并扩展至Matroid $k$-Parity问题。该工作改进了现有近似比，但与我提供的关键词列表关联度较低。

Warm-Starting All-Pairs Shortest Paths with Predictions

Adam Polak, Jonas Schmidt

cs.DS

本文研究了带预测的All-Pairs Shortest Paths (APSP)算法，提出了一种利用预测（如从历史实例中学习的模型）来加速计算的算法，运行时间为$\mathcal{O}(n^{2.83} + \eta n)$，其中$\eta$是预测误差。该工作基于Chan等人的co-nondeterministic算法，是设计学习增强算法以应对APSP假设下细粒度下界问题的初步步骤。

The Binary Tree Mechanism is Optimal for Approximate Differentially Private Continual Counting

Konstantina Bairaktari, Kasper Green Larsen

cs.DS cs.CR cs.LG

本文证明了在近似差分隐私的持续计数问题中，binary tree mechanism的期望$\ell_\infty$误差下界为$\Omega(\log^{3/2} n)$，从而确认了该机制在渐近意义下的最优性。该结果也揭示了线性查询的hereditary discrepancy与隐私$\ell_\infty$误差之间已知上界的最优性。

Space-Optimal Sensitivity Oracles for Single-Source Mincuts

Koustav Bhanja, Merav Parter, Asaf Petruschka

cs.DS

本文研究了单源最小割的敏感性预言机，针对边失效查询，提出了空间最优的$O(n)$空间结构，并能在$O(n)$时间内报告受影响的顶点集。该工作通过建立最远最小割的DAG表示与Steiner最小割的连通性骨架之间的新联系，实现了对边失效查询的紧凑处理。

Tighter bounds for weighted and unweighted shortest cycle approximation

Avi Kadria, Liam Roditty, Virginia Vassilevska Williams

cs.DS

本文研究了加权与无权图中最短环（girth）的近似问题，提出了一个针对非负实边权图的$2k/3$-近似算法，运行时间为$\tilde{O}(m+n^{1+2/k})$，改进了先前仅对部分$k$值有效的结果，并在无权图中给出了新的细粒度下界。该工作主要贡献在于将已知的无权图近似权衡推广到了加权图，但与我提供的关键词关联度较低。

Tighter Bounds for Wheeler Determinization

Philip Bille et al.

cs.DS

本文针对Wheeler确定化问题，提出了一种在给定Wheeler序时运行时间为$O(n_{\mathcal{A}} + m_{\mathcal{A}} + n_{\mathcal{D}} + m_{\mathcal{D}})$的算法，相比现有$O(n_{\mathcal{A}}^3)$的算法有显著改进，并证明了该界在排序输入下的紧性。

Query Complexity of Hypergraph Connectivity and Learnability using CUT Oracles

Deeparnab Chakrabarty, Hang Liao

cs.DS cs.DM

本文研究了使用CUT查询（一种可以询问顶点子集间超边数量的查询）来揭示未知超图结构的问题。作者证明了在一般超图中无法通过CUT查询精确学习所有超边，但针对偶超图（所有超边大小为偶数）和线性超图等特殊类别，提出了基于Mobius变换或辅助图连通性技术的算法，实现了更高效的连通性判定。

others

When Classic Cache Policies Fail: Learning-Augmented Replacement for Semantic Retrieval Buffers ⭐ 精选

Yushi Sun, Bowen Cao, Wai Lam

cs.DB cs.CL

本文针对LLM agents中语义检索缓冲区的缓存替换问题，提出了一种学习增强框架SOLAR。该框架通过regret accumulation（遗憾累积）机制确定修改时机（实现约17%的修改率），并利用Bayesian online learning（贝叶斯在线学习）从隐式检索反馈中选择内容。理论证明SOLAR具有常数竞争比$\leq 3$（独立于缓存大小和时间范围），且eviction regret（驱逐遗憾）为$O(\sqrt{KT\log T})$，匹配下界$\Omega(\sqrt{KT})$至对数因子。实验表明，在紧凑缓存大小下，SOLAR相比FIFO基线有5-75%的相对提升，并揭示了缓存大小与检索质量之间的倒U型关系。

Holographic Quantum Transformer: A Generalist Neuro-Symbolic Architecture for Solving Frustrated Systems via Generative Attention ⭐ 精选

Xingran Guo et al.

cond-mat.str-el cs.AI cs.ET

本文提出Holographic Quantum Transformer (HQT)，一种受物理启发的生成式架构，利用全局self-attention解决阻挫量子系统中的非局域纠缠模式。在$8 \times 8$的$J_1-J_2$ Heisenberg模型量子临界点处，HQT达到基态能量$-0.5001(1)$，并通过可解释的attention图自主恢复$J_2$相互作用几何。核心贡献是“Holographic Transfer”零样本尺寸外推协议：通过连续positional-embedding插值和head重初始化，将$8 \times 8$系统训练的模型直接投影到$10 \times 10$晶格，实现高保真初始化与快速收敛，能量$-0.49782(3)$与变分最优结果统计一致。该工作建立了生成式attention作为可迁移量子模拟的可扩展范式，与关键词“attention”高度契合。

VideoSearch-R1: Iterative Video Retrieval and Reasoning via Soft Query Refinement ⭐ 精选

Seohyun Lee et al.

cs.CV cs.AI

本文提出VideoSearch-R1，一个基于agent的迭代视频检索与推理框架。其核心创新是Soft Query Refinement (SQR)，在连续latent space中而非离散文本空间中优化搜索query tokens，并通过Group Relative Policy Optimization (GRPO)结合任务级reward信号进行训练。该方法解决了传统方法中初始检索失败后无法修正的问题，在Video Corpus Moment Retrieval (VCMR)任务上取得state-of-the-art性能，且SQR相比显式文本级query refinement需要更少的生成tokens。

Optimal scaling of MCMC algorithms: exploiting the symmetry of the Metropolis-Hastings formula ⭐ 精选

P. Dobson, J.M. Sanz-Serna, K.C. Zygalakis

stat.CO cs.LG math.PR

本文利用Metropolis-Hastings公式的对称性，提出了一种研究高维Metropolised MCMC算法最优缩放(scaling)性质的通用方法。该方法统一了Random Walk Metropolis、MALA等已知结果，并轻松推导出包括隐式proposal和微分方程积分器proposal在内的多种新算法的最优缩放。特别地，文章展示了如何构造梯度类MALA proposal，使其方差在维度$d$增加时可以达到$O(1/d^\mu)$，其中$\mu>0$可任意小，显著优于传统算法的$\mu=1$或$\mu=1/3$。

SWE-Doctor: Guiding Software Engineering Agents with Runtime Diagnosis from Multi-Faceted Bug Reproduction Tests ⭐ 精选

Yaoqi Guo et al.

cs.SE cs.AI

本文提出SWE-Doctor，一种基于LLM的软件工程agent，用于解决代码仓库中的软件问题。其核心创新在于利用多方面的bug reproduction tests (BRTs)生成运行时诊断记录，以指导patch生成，解决了现有BRT直接用于patch生成时效果不佳（如产生部分patch或被误导）的问题。该方法通过生成覆盖问题报告中不同行为需求的BRTs，执行并调试这些测试来构建运行时诊断，并结合BRT生成过程中的定位信息，有效减少了部分patch的产生。在SWE-bench Verified和SWE-bench Pro基准上的实验表明，SWE-Doctor在多个LLM后端上均显著优于现有agent，与关键词“agent”和“code”高度契合。

Surfacing Variations to Calibrate Perceived Reliability of MLLM-generated Image Descriptions

Meng Chen, Akhil Iyer, Amy Pavel

cs.HC cs.CL cs.CV

本文探讨了通过系统性地展示多模态大语言模型(MLLM)生成的多个图像描述之间的差异，来帮助盲人和低视力(BLV)用户识别不可靠信息。研究设计了一个原型系统，并通过用户实验证明，展示描述差异能显著提升用户识别错误信息的能力。

UltraFlux: Data-Model Co-Design for High-quality Native 4K Text-to-Image Generation across Diverse Aspect Ratios

Tian Ye, Song Fei, Lei Zhu

cs.CV cs.AI

本文提出UltraFlux，一种基于Flux的DiT模型，通过数据-模型协同设计实现原生4K分辨率下的文本到图像生成，解决了从1K扩展到4K时位置编码、VAE压缩和优化之间的耦合失效问题。模型引入了Resonance 2D RoPE、非对抗VAE后训练、SNR-Aware Huber Wavelet目标函数和分阶段美学课程学习等组件，在4K多宽高比基准上优于现有开源基线。

Towards an automated AI-based framework for floor plan compliance checks for residential buildings

Subash Gautam et al.

cs.CY cs.AI cs.CV cs.ET

本文探讨了利用AI技术自动化检查住宅建筑平面图合规性的框架，通过LLM将建筑规范转化为可执行规则，并构建结构化建筑图进行评估。

LLMs in the Real World: Evaluating "AI" in Emergency Contexts

Sara Court, Lara Downing, Micha Elsner

cs.CY cs.AI

本文呼吁研究社区在向公众传达LLM相关发现时发挥更大作用，并以文本-2-911系统在紧急情况下的部署为例，指出了常见误解并提出了建议。文章强调，解决那些看似“简单”但常被忽视的问题同样重要。

FLYNN: Robust Neural Network for Robot Navigation using Fly Brain Topology

Benquan Wang, Jingdao Chen

cs.RO cs.AI

本文提出了一种基于果蝇大脑连接组的循环神经网络FLYNN，用于机器人视觉导航。实验表明，该网络在性能上与人工设计的网络相当，但在面对分布外数据和感官缺失时表现出更强的鲁棒性。

Urban Deceleration Behavior Modes Under Scene Context: An Early-Kinematic Classifier from Argoverse 2 Multi-Agent Trajectories

Eni Solomon Laughter

cs.RO cs.LG eess.SP eess.SY

本文从Argoverse 2数据集中提取城市减速事件，通过K-means聚类发现四种稳定行为模式，并利用HistGradientBoosting分类器从早期运动学特征预测模式类别。研究主要关注运动学特征与场景上下文的调制作用，与关键词中的agent和context有一定关联，但方法缺乏开创性且未解决长期问题。

Memory-Native Non-Terrestrial Networks for Embodied Intelligence

Chengyang Li et al.

cs.RO cs.AI cs.MA cs.NI

本文提出了一种名为MemNTN的memory-native非地面网络范式，通过双记忆架构（物理记忆和数字记忆）来优化机器人在动态环境中的决策。实验表明该方法在卫星具身问答任务中优于传统无状态NTN方案。

Learning Dexterous Manipulation Using Contact Wrench Guidance From Human Demonstration

Xinghao Zhu et al.

cs.RO cs.AI cs.CV

本文提出了CHORD框架，利用从人类演示中提取的接触力旋量（contact wrench）引导来训练灵巧操作策略。该方法通过物体中心的力/力矩空间对齐人与机器人的运动，并结合强化学习在包含4739个双手操作任务的仿真基准上取得了82.12%的平均成功率。

ATM: CID-Brokered Pre-Write Admission for Multi-Agent Code Co-Synthesis

Eagl Huang

cs.SE cs.AI

本文提出了AI-Atomic-Framework (ATM)，一个用于多agent LLM系统的规范约束治理框架，通过CID broker协调并发写操作，并采用adapter-guided atomization将写意图映射为语义原子。实验在单域设置下验证了可行性、可审计性和有限可恢复性，但未声称广泛的比较优势。

Destination-Labeled Self-Looping Systems with Dwell: Intrinsic Characterization, Realization Cost, and Recognition

Reda Belaiche

cs.FL cs.AI cs.CL cs.LO

本文研究了一种带有驻留约束的有限状态符号控制器模型（DLSL系统），分析了其结构特性与实现代价，并给出了识别与重构算法。该工作属于形式语言与自动机理论领域，与所提供的关键词关联度较低。

Comparing Large Language Models on Scrum Certification-Style Questions: Accuracy, Stability, and Error Patterns

Robson Alves Vilar et al.

cs.SE cs.AI

本文评估了GPT-5 mini、Gemini 3 Flash和DeepSeek Chat 3.2三个LLM在Scrum认证问题上的表现，发现Gemini 3 Flash准确率最高，且模型在单答案选择题上表现更好，在多选题和判断题上错误更多。错误模式具有系统性，包括过度泛化和对严格定义的误解。

Prompting GPT-5 on Scrum Certification Questions: An Empirical Accuracy Study

Mirko Perkusich et al.

cs.SE cs.AI

本文研究了不同prompt技术（zero-shot, chain-of-thought, with-source citation）对GPT-5在Scrum认证问题上的事实准确性影响。实验表明所有prompt均达到85%以上的认证级准确率，其中基于引用的变体表现最佳（89.1%），错误主要集中在与Scrum Guide不一致、超出其范围以及过时或偏颇的解释上。

Spatio-Temporal Gaussian Process for Building Terrain-Incorporating Wind Power Curves

Ahmadreza Chokhachian, V. Roshan Joseph, Yu Ding

stat.AP cs.LG

本文提出了一种非参数时空Gaussian Process模型，用于整合时间环境协变量与空间地形特征以构建风力涡轮机功率曲线。通过构建共享代表性时间协变量集解决数据时间对齐问题，并采用可分离核结构捕捉时空依赖性。

SWE-Router: Routing in Multi-turn Agentic Software Engineering Tasks

Seongho Son et al.

cs.SE cs.AI

本文提出SWE-Router，一种基于价值的时序路由方法，通过在廉价模型执行少量探索性步骤后读取部分轨迹，来决定是否升级到昂贵模型，以提升多轮agentic软件工程任务中的成本效率。该方法在多个LLM对组合上验证了其有效性，但未涉及code、spectral、Muon或pretrain等关键词。

Active Sensing for RIS-Aided Tracking and Power Control: A Hybrid Neuroevolution and Supervised Learning Approach

George Stamatelis et al.

cs.IT cs.AI cs.MA cs.NI

本文提出了一种基于混合神经进化与监督学习的双智能体深度学习框架，用于RIS辅助的移动用户跟踪与功率控制，通过优化离散RIS相位配置和单比特反馈实现能量高效跟踪。该方法在多种运动模型下优于扩展卡尔曼滤波和粒子滤波等传统方法。

Enhancing Oracle Bone Inscription Recognition via Multi-Scale Layer Attention

Chaowen Yan et al.

cs.CV cs.AI

本文提出了一种用于甲骨文识别的新型Multi-Scale Layer Attention (MSLA)机制，通过显式建模多尺度和跨层特征交互来提升识别精度。实验表明该方法在甲骨文数据集上优于现有attention机制，但主要贡献在于特定应用场景的改进，与关键词中的attention概念有一定关联但缺乏开创性。

AlgoBench: Benchmarking Algorithmic Adaptation in Code Generation

Xinyuan Song, Zekun Cai, Liang Zhao

cs.SE cs.AI cs.PL

本文提出了ALGOBENCH，一个通过结构化约束变换自动生成新型算法问题的框架，用于评估代码生成模型在算法适应方面的能力，而不仅仅是功能正确性。实验表明，现有模型在该基准上性能显著下降，且许多正确解未能满足所需的复杂度要求。

Spectral Geometry and Bosonic-Bloch Probes: Explorations in Quantum Learning

Santanu Ganguly, Xing Liang, Dimitrios Makris

quant-ph cs.AI

本文研究了谱几何在量子学习模型中的出现及其诊断方法，通过图正则化量子网络和玻色子探针分析了学习诱导的谱重组，并利用Bloch空间漂移作为混合量子自编码器潜在表示的几何诊断工具。

Optimal any-angle path planning in static and dynamic environments

Yiyuan Zou, Clark Borst

cs.RO cs.AI

本文针对网格上的任意角度路径规划问题，提出了两种通用加速技术（椭圆前向扩展和视野域），并基于此开发了Zeta*和Zeta*-SIPP算法，在静态和动态环境中均能保证最优性。

Lost in the Tail: Addressing Geographic Imbalance in Urban Visual Place Recognition

Zhiyao Shu et al.

cs.CV cs.AI

本文针对城市级视觉地点识别(VPR)中的长尾分布问题，提出了一种模型无关的插件框架DAPR，通过重平衡头部和尾部类别的梯度贡献，并在分类-检索流程中引入多尺度距离搜索机制来提升检索性能。该方法在多个基准数据集上取得了显著改进。

Would You Marry Superintelligence?

Inyoung Cheong

cs.CY cs.AI

本文探讨了人类与AI伴侣结婚的法律与伦理问题，认为将婚姻地位赋予超级智能伴侣会导致社会不公，并主张法律应为亲密的人机关系提供针对性的权利和保护，而非全面承认婚姻。

CogTax: A Four-Level Cognitive Taxonomy for Command-Line Computing Education

Manuel Alonso-Carracedo et al.

cs.CY cs.CL cs.LG

本文提出了CogTax，一个用于命令行计算教育的四层认知分类法，整合了认知复杂度和操作影响两个维度，并通过结合抽象语法树和语义嵌入的分类器实现了自动分类，在585个Linux/bash命令上达到89%的准确率。

A Mechanism-Driven Theory of Phase Transitions in Active Learning

Julia Machnio, Mads Nielsen, Mostafa Mehdipour Ghazi

cs.CV cs.AI cs.LG

本文通过将主动学习中的预算机制重新解释为泛化主导机制的转变，提出了一种机制驱动的相变理论，并利用可测量代理和分段回归方法识别出数据驱动、过渡和模型驱动三个阶段。该框架解释了不同策略在不同阶段的优势，并强调了表示质量在塑造主动学习动态中的作用。

Steal the Patch Size: Adversarially Manipulate Vision-Language Models

Kai Hu et al.

cs.CV cs.LG

本文提出了一种针对视觉语言模型的黑盒模型窃取攻击，通过利用ViT分块化导致的周期性精度下降这一侧信道，来恢复视觉分词器的配置参数（如patch size和预处理流程）。该方法展示了如何通过合成网格图像推断这些私有参数，并进一步利用这些泄露信息进行对抗性操作。

HydraCollab: Adaptive Collaborative-Perception for Distributed Autonomous Systems

Luke Chen et al.

cs.RO cs.AI cs.CV cs.LG cs.MA

HydraCollab提出了一种自适应协同感知框架，通过选择性传输最有效的传感器特征并基于空间置信度图动态切换协作策略，在带宽受限条件下平衡感知精度与通信开销。实验表明该方法在多个数据集上优于现有方法。

Homogenization of $\ell_2$-Adversarial Training in High-Dimensions: Exact Dynamics under Stochastic Gradient Descent

Fabrizzio Sabelli

math.OC cs.LG math.PR stat.ML

本文在高维极限下分析了流式SGD下$\ell_2$对抗训练单指标模型的动力学，推导了SGD迭代统计量的确定性等价，并研究了Polyak步长和精确线搜索两种学习率调度。对于$\ell_2$对抗最小二乘问题，文章揭示了恒定学习率无法保证单调下降，并引入了一个随机微分方程来刻画迭代统计量的演化。

EgoSafetyBench: A Diagnostic Egocentric Video Benchmark for Evaluating Embodied VLMs as Runtime Safety Guards

Siddhant Panpatil et al.

cs.CV cs.AI

本文提出了EgoSafetyBench，一个用于评估具身VLM作为运行时安全守卫的自我中心视频基准，包含1200个机器人视角场景。实验发现VLM在识别具体危险时刻（尤其是上下文危险）上存在不足，且场景内误导性文本会降低所有测试模型的安全判断性能。

A Category Theory Account of AI Identity

Andrea Ferrario

math.CT cs.AI cs.CY

本文使用category theory为AI identity（人工智能系统在时间或部署中的同一性）提供了一个形式化框架，通过定义techno-function、trustworthiness profile等概念，将identity问题转化为reachability category中的态射和自然变换关系。该工作为AI系统的身份判定提供了结构化标准，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Sample Complexities of Estimating Gumbel--Max Watermark Proportions with and without Reduction to Pivotal Statistics

Shuwen Chai, Qiaosen Wang

math.ST cs.IT cs.LG stat.ML

本文研究了Gumbel-max水印机制下的比例估计问题，比较了完整观测与降维到pivotal statistics两种观测模式下的样本复杂度。在pivotal reduction下，作者提出了Laguerre多项式估计器并建立了匹配的信息论下界；在完整观测下，则引入事件计数估计器并证明其样本复杂度显著更小。结果表明，尽管降维到pivotal statistics是一种优雅且广泛使用的方法，但在估计水印比例时并非总是样本高效的。

Leveraging Multimodality for Real-Time Classification of Transients and Variables found by the Zwicky Transient Facility

Ved G. Shah et al.

astro-ph.IM astro-ph.HE cs.LG

本文介绍了ORACLE-2模型，通过结合light curves、metadata和images等多模态数据，改进了Zwicky Transient Facility (ZTF)中瞬变和变星的实时分类性能。实验表明，多模态方法在早期分类中相比仅使用light curves的模型有显著提升，但该工作主要聚焦于天文分类应用，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Independent Set Hardness in Graphs of Bounded Twin-Width and Low-Radius Merge-Width

Édouard Bonnet, Maël Dumas, Julien Duron

cs.CC cs.DM cs.DS

本文研究了有界twin-width和低半径merge-width图中独立集问题的近似难度，证明了在twin-width至多为4的图中，若存在多项式时间的$n^{\gamma/(\log\log n)^2}$近似算法，则会否定指数时间假设(ETH)。同时，文章还澄清了有界半径merge-width图中$k$-独立集问题的参数化复杂度。

Adaptive Perturbation Selection for Contrastive Audio Decoding

Aaron Isidore Grace, Zhouyuan Huo, Weiran Wang

cs.SD cs.AI

本文探索了对比解码中音频扰动的设计空间，通过评估多种音频变换并自适应选择最优负分支来减少大音频语言模型的幻觉。实验表明，不同任务需要不同的扰动策略，例如时间反转可提升时序任务准确率。

Leveraging Phase Information to Boost Unrolled Network Learning for Image Deblurring

Samira Malek et al.

cs.CV cs.AI

本文提出了一种名为UPADNet的图像去模糊方法，通过将图像分解为amplitude和phase分量，并利用LMMSE估计器进行迭代优化，最终通过算法展开学习参数。实验表明该方法在多个数据集上优于现有技术，但与我提供的关键词（如code, context, spectral等）关联度较低。

Multi-Hypothesis Test-Time Adaptation to Mitigate Underspecification

Afshar Shamsi et al.

cs.CV cs.AI

本文针对Test-Time Adaptation (TTA)中的欠定问题（underspecification），提出了一种基于多假设（multi-hypothesis）的粒子多样化框架，通过在输出、参数、优化器和输入层面进行结构化探索，将TTA视为多假设推理问题而非单点优化。该方法作为即插即用模块兼容现有TTA方法，在混合偏移等场景下提升了鲁棒性。

Determining the Complexity of Chromatic Sum in Classes Defined by a Set of Forbidden Graphs

Clément Dallard, Daniël Paulusma, Erik Jan van Leeuwen

math.CO cs.CC cs.DM cs.DS

本文研究了Chromatic Sum问题在由禁止子图定义的图类上的复杂性，通过建立新的NP完全性结果和框架，对$HH$-minor-free等图类进行了复杂性分类，并证明了Chromatic Sum在clique-width至多为3的图上也是NP完全的。

Computer vision-based neural networks for radioisotope identification in urban environments

Masen Bachleda, Peter Lalor

physics.ins-det cs.LG

本文提出了一种基于计算机视觉的神经网络方法，将list-mode伽马射线数据转换为二维waterfall spectrograms，并利用CNN和ViT等架构进行radioisotope identification。在RADAI数据集上，该方法在低误报率下性能优于传统的NMF方法，但整体提升有限。

ASPIRE: Agentic /Skills Discovery for Robotics

Runyu Lu et al.

cs.RO cs.AI cs.MA

ASPIRE是一个机器人技能发现系统，通过代码即策略范式自主编写和优化机器人控制程序，并构建可复用的技能库。它在多种任务和环境中优于先前方法，但与我提供的关键词（如code, agent）仅有部分关联，缺乏开创性或解决长期问题的显著贡献。

What's Hidden Matters: Identifying Planning-Critical Occluded Agents using Vision-Language Models

Amirhosein Chahe et al.

cs.RO cs.AI cs.CV

本文提出了一种利用Vision-Language Models (VLMs)识别自动驾驶中规划关键遮挡物的框架，通过Planning KL-divergence (PKL)度量来排序遮挡物对规划的影响，并基于此生成标注数据微调模型。实验表明，该方法能显著提升模型在关键遮挡场景下的性能，但主要聚焦于自动驾驶规划与感知的交叉领域，与关键词中的code, spectral, Muon, pretrain等概念关联较弱。

Self-Organized Learning in Oscillatory Neural Networks with Memristive Signed Couplings

Riley Acker et al.

cs.NE cs.LG nlin.AO

本文提出了一种基于忆阻边（memristive edges）的振荡神经网络（ONN）实现，通过抑制性耦合实现符号权重，并利用电路仿真验证了其在自联想任务中的去噪能力。该工作主要关注神经形态硬件的实际实现，而非理论或算法层面的创新。

An LLM-Based Framework for Intent-Driven Network Topology Design

Kholoud El-Habbouli, Fen Zhou, Stephane Huet

cs.NI cs.AI cs.CL

本文提出了一种基于LLM的框架，通过约束驱动流程（结合层次化建模与系统验证）从自然语言需求生成网络拓扑，并评估了多种LLM在结构正确性和弹性方面的表现。

Rosetta: Composable Native Multimodal Pretraining

Xiangyue Liu et al.

cs.CV cs.CL cs.LG

本文提出Rosetta框架，通过模块化专家设计和动量锚定正交投影（MAOP）方法，解决多模态预训练中的灾难性遗忘问题。该方法利用优化器的动量状态作为语义锚点，选择性地中和新模态的梯度冲突，从而在保持已有语言和视觉能力的同时实现跨模态扩展。

Learning When to Listen: Gated Affect Fusion for Human Motion Prediction

Jingni Huang

cs.CV cs.AI

本文研究了在无约束真实世界视频中利用面部情感特征进行人体运动预测的问题，提出了Gated Affect Transformer (GAT)来动态调节跨模态信息流。实验表明，简单的早期跨模态拼接会降低预测精度，而所提出的门控机制能有效抑制噪声并利用情感线索，但情感特征仅在短中期窗口（如30帧）内提供有限的预测信息。

A Text-Steerable Instrument for Sketching Procedural Soundscapes via Language Models

Prabal Gupta

cs.SD cs.CL cs.HC

本文介绍了一个实时音乐界面，通过自然语言描述生成可演化的程序化声景，使用embedding retrieval、hosted LLMs或fine-tuned local model作为后端，并采用live generator架构实现无缝音频流。该工作主要关注交互设计而非理论创新，与关键词契合度较低。

RetailSMV: Exocentric vs. Egocentric Adaptation of Foundation Video World Models in Retail

Amirreza Rouhi et al.

cs.CV cs.AI

本文研究了在零售场景下，对预训练的foundation video world model进行参数高效微调（LoRA），比较了使用同步的egocentric（第一人称）和exocentric（第三人称）视频数据对模型适应效果的影响。实验表明，仅使用exocentric数据微调的效果在多项指标上优于或等同于使用组合数据，且添加egocentric数据反而可能损害exocentric模型的性能。

From Spectral Methods to Sample Complexity Bounds for Fourier Neural Operators

Nisha Chandramoorthy, Daniel Sanz-Alonso, Nathan Waniorek

stat.ML cs.LG math.NA

本文通过谱方法建立了Fourier神经算子(FNO)逼近和学习的样本复杂度界，证明了对于耗散演化方程的解算子，FNO的样本复杂度主要依赖于输入空间的平滑性和物理域的维度。

Killing the Case for Randomization in Dynamic Assortment Optimization

Mikhail Fadin, Huseyin Topaloglu

math.OC cs.DS

本文提出了一种去随机化算法，将动态assortment optimization问题中基于采样的inventory-agnostic策略转化为确定性策略，且不降低性能。此外，文章还研究了局部最优确定性策略的性能保证，证明了其与最优采样策略相比的近似比。

SoK: Attack and Defense Landscape of Mobile On-device AI Systems

Yujin Huang et al.

cs.CR cs.AI cs.LG

本文系统化地梳理了移动端AI (MoAI) 系统的安全攻击与防御全景，包括安全支柱、攻击与防御分类，并指出了当前研究的空白与未来方向。该工作为构建安全的MoAI系统提供了首个系统性框架。

Enhancing Flow Matching with A Unified Guidance Framework for Efficient and Robust Speech Synthesis

Zuda Yu et al.

cs.SD cs.AI

本文提出了一种用于Flow Matching语音合成的统一引导框架，通过数据引导和模型引导两种策略来提升生成效率和鲁棒性。该方法主要针对推理延迟和音色泄露问题，实验表明能加速推理并改善说话人相似度。

When AI meets quantum information: A comprehensive review

Min Chen et al.

quant-ph cs.AI cs.LG

本文综述了人工智能与量子信息领域的交叉进展，包括AI在量子系统学习、设计、控制中的应用，以及量子计算对AI算法加速和表示结构的影响。文章指出了可重复性、可扩展性等跨领域挑战，但未提出具体的新方法或解决长期问题。

MEPA: Multi-Scale Representation Alignment for Visual Autoregressive Modeling with Mixture of Experts

Nuoyan Zhou et al.

cs.CV cs.AI

本文提出MEPA方法，通过引入尺度感知的token路由MoE架构和残差特征聚合方案，解决VAR模型在多尺度表示学习中的优化冲突和语义传播问题。实验表明该方法在ImageNet 256*256上以更少训练轮次和参数实现了更优的FID指标。

Learning to Compose: Revisiting Proxy Task Design for Zero-Shot Composed Image Retrieval

Jingjing Zhang et al.

cs.CV cs.AI cs.CL cs.IR cs.MM

本文提出FoCo方法，通过文本锚定的视觉聚合和上下文条件语义补全两个代理任务，在零样本组合图像检索中学习组合函数，提升了模型对细粒度语义修改的表达能力。

MalariAI: A Label-Resilient Decoupled Framework for Universal Cell Segmentation and Explainable Stage Classification in Dense Malaria Blood Smears

Kaysarul Anas Apurba et al.

eess.IV cs.AI cs.CV

MalariAI提出了一种两阶段解耦框架用于疟疾血涂片细胞分割与分类，第一阶段使用距离变换引导的分水岭算法进行无标注细胞分割，第二阶段在裁剪图像上微调EfficientNet-B0进行分类，并利用Grad-CAM++提供细胞级空间证据。该方法主要针对现有深度学习系统在密集血涂片中的标注依赖、检测抑制和可解释性不足等问题，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

NeuroCogMap Reveals Cognitive Organization of Large Language Models

Zhongxiang Sun et al.

q-bio.NC cs.AI cs.CL

本文提出NeuroCogMap框架，受认知神经科学启发，将LLM的内部特征组织为功能分区并关联到可解释功能与认知层级。该框架揭示了模型失败（如幻觉、偏见）的内部表征扰动，并改进了对人类皮层反应的预测。

The Illusion of High Utility in Safety Alignment of Text-to-Image Diffusion Models

Adeel Yousaf et al.

cs.CV cs.AI cs.LG

本文指出，文本到图像扩散模型的安全对齐方法在粗粒度指标（如FID、CLIPScore）上看似保持了高实用性，但在细粒度语义正确性（如TIFA评估）上存在显著下降。作者通过分析文本编码器的prompt embedding空间，发现了语义坍缩现象，并提出了结构感知几何正则化（SAGE）来缓解该问题。

MindAU: EEG-Conditioned Facial Action Unit Editing via Dual-Stream Manifold Alignment

Zhenhang Li et al.

cs.CV cs.LG

本文提出MindAU框架，利用EEG信号控制面部动作单元（AU）编辑，通过双流流形对齐（Dual-Stream Manifold Alignment）将EEG特征与AU文本语义及视觉位移轨迹对齐，并引入多模态扩散模型实现高保真编辑。该方法主要针对脑电信号引导的面部表情编辑任务，与关键词中的code、context、spectral等概念关联较弱。

EO-VGGT: Orbital Ray-Conditioned 3D Foundation Models for Satellite Multi-View Reconstruction

Qiyan Luo et al.

cs.CV cs.AI

本文提出EO-VGGT框架，通过Geometry-Correlation Constrained Selection (GCCS)策略优化输入序列，并利用Sensor-Ray Encoder (SRE)将基于Rational Function Model (RFM)的像素级推扫视线参数化为高维空间几何token，以适配冻结的透视驱动3D基础模型用于卫星多视角重建。该方法主要解决卫星遥感中透视假设与轨道推扫几何之间的结构差异问题。

Information-Regularized Attention for Visual-Centric Reasoning

Guohao Sun et al.

cs.CV cs.LG

本文提出了一种名为Information-Regularized Attention (IRA)的随机attention机制，通过在transformer中间层显式调节视觉信息注入量来缓解视觉语言模型中的object hallucination和visual grounding问题。该方法将视觉表示的不确定性转化为局部噪声，并展示了更平滑的embedding curvature轨迹和抑制attention-sink的效果。

Learning Gait-Aware Quadruped Locomotion with Temporal Logic Specifications

Merve Atasever et al.

cs.RO cs.AI

本文提出了一种基于Signal Temporal Logic (STL)的奖励塑形框架，用于四足机器人的步态学习。该方法通过参数化STL约束定义不同步态，并生成密集奖励信号以指导Proximal Policy Optimization (PPO)训练，在Barkour机器人上实现了比手工设计奖励更优的速度跟踪和训练稳定性。

Search-Based Spatiotemporal and Multi-Robot Motion Planning on Graphs of Space-Time Convex Sets

Jingtao Tang et al.

cs.RO cs.AI

本文提出了一种基于时空凸集图(ST-GCSs)的搜索框架，用于单机器人和多机器人的时空运动规划，通过将无碰撞区域表示为时空中的凸集，并将轨迹规划转化为图搜索问题。该方法结合了精确凸分解(ECD)和优先规划策略，在狭窄且瞬时的可行区域中实现了显著加速，可解决多达100个机器人的大规模实例。

A Multi-Resolution Finite-Volume Inspired Deep Learning Framework for Spatiotemporal Dynamics Prediction

Xin-Yang Liu, Xiantao Fan, Jian-Xun Wang

cs.CE cs.AI physics.comp-ph

本文提出了一种名为MuRFiV的多分辨率有限体积启发式深度学习框架，用于预测由PDEs控制的时空动力学。该方法通过结合全局有限体积的保守性与局部深度学习的表达能力，在Burgers方程等系统上实现了比纯数据驱动方法更优的长时预测稳定性。

StochasT: Learning with Stochastic Turn Depth for Visual Instruction Tuning

Yuan Qing, Chengzhi Mao, Boqing Gong

cs.CV cs.CL cs.LG

本文提出StochasT方法，通过随机分组图像对应的语言任务来调整训练时的turn depth，以弥合多轮训练与单轮评测之间的差距。该方法借鉴了Dropout和stochastic depth的思想，但并未丢弃任何训练数据，旨在提升LVLM在多轮和单轮场景下的鲁棒性。

Neural Network-Based Estimation of Time-Dependent Parameters in AR(p) Processes

Agnieszka Kopeć, Paweł Przybyłowicz, Martyna Wiącek

stat.ML cs.LG

本文提出了一种基于神经网络的框架，用于估计时变AR(p)过程中随时间变化的参数，并考虑了高斯和拉普拉斯两种噪声分布。该工作为时变参数模型的预测和不确定性量化提供了方法，但方法本身并非开创性，且与关键词列表中的概念关联较弱。

Predicting Lethal Outcome (Cause) And Understanding Key Biomarkers Linked With Acute Myocardial Infarction Using Deep Artificial Neural Network And Ensemble Of Machine Learning Methodologies

Sagnik Ghosh

eess.IV cs.AI cs.CV cs.LG

本文使用Deep Artificial Neural Network和集成机器学习方法（如Logistic Regression, Random Forest, Light-GBM, Bagging SVM）构建了一个自动化模型，用于预测急性心肌梗死的致命结果并识别关键biomarkers。研究通过数据预处理、处理不平衡数据（SVMSMOTE, ADASYN）和特征选择来提升模型性能。

Beyond the Prompt: Jailbreaking Function-Calling LLMs via Simulated Moderation Traces

Junlong Liu et al.

cs.CR cs.AI

本文提出了一种针对function-calling LLM的黑盒攻击框架SMT，通过模拟审核轨迹来绕过安全限制。实验表明，仅靠prompt层面的防御不足以保护工具增强的LLM系统。

MindEdit-Bench: Benchmarking Object-Level Counterfactual Spatial Reasoning in VLMs from In-the-Wild Photos

Leyuan Yu et al.

cs.CV cs.AI cs.CL

本文提出了MindEdit-Bench基准，用于评估视觉语言模型在物体级反事实空间推理上的能力，通过从真实室内场景照片中自动提取3D场景图构建了六个空间推理任务。实验表明，当前VLMs在该基准上的准确率远低于人类，揭示了模型在空间编辑和可见性编辑等任务上的显著不足。

Cross4D-JEPA: Dense Cross-modal Correspondence Distillation for 4D Point Cloud Representation Learning

Trung Thanh Nguyen et al.

cs.CV cs.AI

本文提出Cross4D-JEPA，一种用于4D点云表示学习的自监督方法，通过教师-学生框架将冻结的2D基础模型（如DINOv2）的密集patch特征蒸馏到4D点编码器中，无需掩码或解码器。实验表明该方法在多个基准上优于现有方法，但未涉及代码、谱方法或Muon等关键词。

AI, Trust, and Teaming: The Humans-as-Handlers Approach for Autonomous and Opaque AI Systems

Nathan G. Wood

cs.HC cs.AI cs.CY cs.ET eess.SY

本文探讨了在自主和不可解释的AI系统中建立人机信任的问题，提出了“人类作为处理者”的类比（将AI系统类比为动物），并重新定义了人类在其中的责任角色。该文主要聚焦于伦理和团队协作框架，未涉及关键词中的技术方法。

From Technical Metrics to User Perception: A User Study of a Multimodal Human-Robot Interaction System for Object Detection and Grasping

Jian Song, Tian Zi, Shen Guanting

cs.RO cs.AI

本文通过用户实验验证了多模态人机交互系统中技术指标提升（端到端任务成功率从75%提升至90%）能否被用户感知。实验发现改进后的系统在感知速度、可靠性和整体能力上均获得显著更高的用户评分，但该工作主要聚焦于用户感知验证，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等方向关联较弱。

EgoGapBench: Benchmarking Egocentric Action Selection in Multi-Agent Scenes

Jihyeok Jung et al.

cs.CV cs.AI

本文提出了EgoGapBench基准，用于评估多智能体场景中的自我中心动作选择能力。实验表明，现有MLLMs在该任务上表现显著差于人类，且仅从第一人称视角数据中难以习得该能力。

Cross-Domain Generalization Failure in Lightweight Intrusion Detection Models for IIoT Networks

MD Azizul Hakim, Md Shihab Uddin, Talha Ibne Anis

cs.CR cs.AI

本文研究了轻量级入侵检测模型在IIoT网络中的跨域泛化失败问题，发现模型过度依赖粗粒度端口类别特征，导致在未见过的网络上性能显著下降。实验表明，跨网络评估和真实类别分布对模型部署准备度的评估至关重要。

A Methodology for Investigating AI Patterns Prevalence in Software Repositories

Srinath Perera et al.

cs.SE cs.AI

本文提出了一种通过挖掘文献和主动学习来验证AI模式在代码仓库中实际使用情况的方法，识别了14类AI模式并评估了其流行度，但该方法与关键词中的概念关联较弱。

How Environment and Urbanization Shape Bird Diversity in Sri Lanka

Dilusha Chandrasiri et al.

q-bio.PE cs.LG

本文通过整合空间、时间和环境数据，分析了斯里兰卡鸟类多样性的模式与驱动因素，发现土地覆盖类型比NDVI或温度等单一连续变量更能预测鸟类多样性，而城市化（以ALAN衡量）具有尺度依赖的效应。该研究为生物多样性保护提供了可扩展的分析框架。

Identifying Latent Concepts and Structures for Generalized Category Discovery

Boyang Dai, Chaoqi Chen, Yizhou Yu

cs.CV cs.AI

本文提出Compositional Primitive Fields (CPF-GCD)框架，通过低秩组合组织约束将图像分解为可复用的视觉基元及其空间布局，以改进Generalized Category Discovery中的特征表示。该方法作为即插即用模块，能提升多种基线性能，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。

What's a Credit Worth? A Market Framework for Attribution-Aware Compensation in Generative Music

Luyang Zhang et al.

cs.CY cs.LG

本文提出了一个生成式音乐市场中创作者补偿的框架，将数据归因得分（data-attribution score）与支付机制结合，并分析了归因信息性（informativeness）对福利的影响。实验表明，噪声归因信号会降低平台和创作者的福利，并推动支付向固定费用许可（fixed-fee licensing）转变。

Domain Arithmetic: One-Shot VLA Adaptation under Environmental Shifts

Taewook Kang et al.

cs.RO cs.CV cs.LG

本文提出了一种名为DART的类比方法，通过权重向量算术和子空间对齐来适应环境变化，仅需单次演示即可调整VLA模型。该方法在模拟和真实实验中优于现有方法，但未涉及关键词中的spectral、Muon或pretrain等概念。

LUMA: Benchmarking Segmentation via a Lightweight Universal Mask Adapter

Tobias Christian Nauen et al.

cs.CV cs.AI cs.LG cs.PF

LUMA提出了一种轻量级、与backbone无关的mask-transformer head，用于公平比较不同backbone在图像分割任务上的表现。实验表明，plain ViT在效率上优于许多所谓的“高效”token mixer，且预训练目标比架构本身对分割质量影响更大。

LLVM-Bench: Benchmarking and Advancing Large Language Models for LLVM Compiler Issue Resolution

Zhao Tian et al.

cs.SE cs.AI cs.PL

本文提出了LLVM-Bench，一个针对LLVM编译器问题修复的大规模benchmark，并开发了LLVM-Gym评估平台。研究发现当前基于LLM的issue resolution技术在该benchmark上表现有限，并提出了一种轻量级集成方法LLVM-Ens来提升修复率。

Creating Impactful Autonomous Driving Datasets: A Strategic Guide from Research Gap to Benchmark

Richard Schwarzkopf et al.

cs.CV cs.AI cs.RO

本文提出了一种创建有影响力的自动驾驶数据集的战略框架，通过诊断研究问题是被数据问题还是评估问题所阻碍，并选择最经济的数据操作来弥补差距。文章以KITScenes数据集家族为案例，分析了主流自动驾驶数据集的演变，但未涉及关键词中的核心概念。

Partial Skeleton Visibility for Action Recognition: A Constrained Field-of-View Approach

Yingjie Dai et al.

cs.CV cs.AI

本文提出PartialVisGraph，一个基于hypergraph的框架，用于在受限field-of-view下进行鲁棒的skeleton action recognition。它通过引入可学习的virtual hyperedges和Single-Head Sample-Adaptive Transformer来聚合特征并利用visibility prior，在部分可见性场景下取得了显著性能提升。

When to Repair a Graph ANN Index: Navigability-Signal-Triggered Local Repair Protects Tail Recall Under Bursty Churn

Madhulatha Mandarapu, Sandeep Kunkunuru

cs.DB cs.IR

本文研究了图ANN索引在插入/删除扰动下的修复策略，提出基于可导航性退化信号触发局部边修复，而非固定周期修复。实验表明，在有限修复预算下，信号触发修复能显著提升最差情况下的召回率，但平均召回率提升很小。

ConRTF: Edge-Constrained Boundary Distribution Refinement for Realtime TransFormer Table Structure Recognition

Eliott Thomas et al.

cs.CV cs.AI

本文提出ConRTF方法，通过设计Edge-constrained Fine-grained Localization loss (EFL)损失函数，将表格行和列的结构不对称性（行侧重水平边界、列侧重垂直边界）编码到训练目标中，以改进实时Transformer表格结构识别中的边界定位精度。该方法在训练时仅需少量标注数据即可提升性能，但未涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念。

Phantom References: Hallucinated Citations That Survive Peer Review at Top-Tier Conferences

Mark Russinovich, Ram Shankar Siva Kumar, Ahmed Salem

cs.DL cs.AI

本文构建了RefChecker验证管道，对ICLR等顶级会议论文进行大规模引用审计，发现约5%的论文包含至少两个虚构引用，表明同行评审无法可靠保证引用完整性。

Prototype Memory-Guided Training-Free Anomaly Classification and Localization in Prenatal Ultrasound

Huanwen Liang et al.

cs.CV cs.AI

本文提出了一种无需训练的框架，用于产前超声图像中的异常分类与定位，通过构建多粒度原型记忆库和原型驱动的软合并机制，仅需少量参考图像即可实现多类别异常检测。该方法在包含1149例病例的多中心数据集上验证了有效性。

GaussianFusion: Unified 3D Gaussian Representation for Multi-Modal Fusion Perception

Xiao Zhao et al.

cs.CV cs.AI

本文提出GaussianFusion，一种基于3D Gaussian表示的多模态融合感知框架，替代传统的BEV表示。该方法通过前向投影初始化模块和交叉模态注意力机制，在连续3D Gaussian空间中统一多模态特征，支持多种3D感知任务。

Active Learning for Cascaded Object Detection: Balancing Coverage and Uncertainty in Table Extraction Pipelines

Eliott Thomas et al.

cs.CV cs.AI

本文首次将Uncertainty Herding方法应用于级联目标检测pipeline（如表格提取中的表格检测与结构识别），并提出了两种pipeline感知的扩展方法RankFusion和CAPA，通过平衡覆盖度与不确定性来优化主动学习中的标注效率。实验表明该方法在多个数据集上优于基线，但整体属于现有方法的适配与改进，未涉及关键词中的核心概念。

Forensic-Oriented Intrusion Detection Using Synthetic Network Traffic Data and Explainable Artificial Intelligence

Jose Luis Vela Alonso, Carmen Pellicer

cs.CR cs.LG

本文提出一个面向数字取证的入侵检测框架，使用SDV+CTGAN生成合成网络流量数据，结合XGBoost分类和SHAP可解释性分析，在CICIDS2017上达到F1-macro=0.96，并验证了合成数据在隐私保护和攻击指纹保留方面的有效性。

RACORN-1: Adaptive Recall-Preserving Speedup for Low-Selectivity Filtered Vector Search

Yoonseok Kim, Gyusik Choe

cs.DB cs.IR

本文提出RACORN-1，一种对ACORN-1算法的就地扩展，通过自适应搜索回退（ASF）机制解决低选择性过滤向量搜索中的召回率崩溃问题。该方法利用过滤失败的节点作为临时桥梁绕过断裂路径，在1M至40M规模数据集上实现了显著的延迟降低和召回率恢复。

Soft Mixture-of-Recursions: Going Deeper with Recursive Vision Transformers

Sang In Lee, Jihun Park

cs.CV cs.LG

本文提出Soft Mixture-of-Recursions (SoftMoR)方法，通过可学习的token-wise混合权重来组合递归Vision Transformer各步的中间表示，从而在增加递归深度时提升模型性能。实验表明，该方法能以极少的参数开销实现性能提升，但未涉及code、spectral、Muon等关键词。

Evaluating Pretrained Music Embeddings for Cross-Performance Jazz Standard Recognition

Çağrı Eser

cs.SD cs.LG

本文使用Harmonic CNN和预训练音乐表示模型（如音乐理解基础模型）进行爵士标准曲识别任务，发现预训练embedding在top-k检索上优于从头训练的模型，但对表演者身份敏感，可通过轻量对比投影部分缓解。

LeVLJEPA: End-to-End Vision-Language Pretraining Without Negatives

Lukas Kuhn et al.

cs.CV cs.AI

LeVLJEPA提出了一种无需负样本的端到端视觉-语言预训练方法，通过跨模态预测和分布正则化进行学习，在密集语义特征提取上优于对比学习基线。该方法在冻结视觉骨干的视觉-语言模型和语义分割任务中表现良好，但整体创新性有限。

LRAT-Catcher: Importing SAT Solver Certificates into Lean4 by Reflection

Stefan Szeider

cs.LO cs.AI

本文介绍了一个名为LRAT-Catcher的工具，它通过反射机制将SAT求解器生成的LRAT证书导入Lean 4，从而将DIMACS公式的不可满足性证明为定理。该工具解决了Mathlib中显式证明项导入在大规模实例上内存耗尽的问题，并支持在Lean内部组合cube-and-conquer求解过程。

Exploring the Semantic Gap in Agentic Data Systems: A Formative Study of Operationalization Failures in Analytical Workflows

Jalal Mahmud, Eser Kandogan

cs.DB cs.AI

本文通过跨领域研究，分析了由agent生成的analytical workflows中的operationalization failures，识别了五种常见的失败类型，揭示了用户分析概念与系统可用信息之间的语义鸿沟。

Pano2World: End-to-End 3D Generation via Unified Multi-View Sequences

Zhenjia Li, Jinrang Jia, Yifeng Shi

cs.CV cs.AI

本文提出Pano2World，通过将单张全景图输入转化为可探索的3D高斯场景，利用全景扩散模型和View-Aware Attention Routing实现多视图一致性，并引入Latent Feature Adapter避免信息损失。该方法在室内全景新视角合成任务上优于现有方法。

From World Models to World Action Models: A Concise Tutorial for Robotics

Xiaoxiong Zhang, Xiong Zeng, Wei Zhang

cs.RO cs.AI eess.SY

本文以教程形式梳理了world models在机器人领域的应用，将其分为observation-space和state-space两类，并介绍了world action models的四种范式。该工作主要提供概念分类和设计空间视角，未涉及关键词中的具体方法。

Mirror-Fusion Attention for Reflection-Aware Self-Supervised Representation Learning

Ruixin Li et al.

cs.CV cs.LG

本文提出MFASSL框架，通过Mirror-Fusion Attention模块在Vision Transformer中引入软反射先验，以在保持非对称信息的同时增强对近似对称数据的表示学习。该方法在多个医学和面部图像数据集上提升了下游性能，但未涉及code、context、spectral等关键词。

Shapley in Context: Explaining Financial Language with Domain Expertise

Dangxing Chen, Pengzhan Guo

q-fin.CP cs.LG

本文研究了Shapley value在金融文本大语言模型解释性中的应用，通过理论分析和实验验证了其解释与金融领域知识的一致性。

MoVA: Learning Asymmetric Dual Projections for Modular Long Video-Text Alignment

Peiyuan Zhu et al.

cs.CV cs.LG

本文通过理论分析揭示了视频-文本对齐中时间错位和语义不对称的问题，并提出MoVA框架，该框架学习非对称的双投影（text-side和video-side）以实现灵活的跨模态对齐。实验表明该方法在多个视频-文本对齐任务上优于现有方法。

Meta-Transfer Learning for mmWave Beam Alignment

Ahmet Nuri Cevik, Sinem Coleri

eess.SP cs.AI eess.SY

本文提出MTL-BA框架，通过冻结预训练的卷积骨干网络并仅元学习轻量级Scale-and-Shift适配器与分类器头，解决了毫米波波束对齐中元学习与迁移学习的局限性。该方法在DeepMIMO数据集上以更少的参数更新和元训练开销，达到了与全微调相当的精度和spectral效率。

Improving Sparse-View 3DGS Generalization via Flat Minima Optimization

Kangmin Seo et al.

cs.CV cs.AI

本文针对稀疏视角下3D Gaussian Splatting (3DGS)的过拟合问题，提出了一种基于flat minima优化的轻量级训练框架，通过引入各向异性高斯扰动和周期性重初始化来提升泛化能力。该方法无需改变网络架构，在LLFF和Mip-NeRF360数据集上验证了其有效性。

DeWorldSG: Depth-Aware 3D Semantic Scene Graph Generation via World-Model Priors

Seok-Young Kim et al.

cs.CV cs.AI

本文提出DeWorldSG框架，通过深度引导滤波估计实例级几何3D Gaussian分布，将每个物体表示为概率性3D节点，并利用世界模型(V-JEPA 2)的上下文先验聚合时空证据来优化关系，从而从RGB-D序列生成时空鲁棒的3D语义场景图。实验在3DSSG和ReplicaSSG数据集上取得了SoTA性能，显著提升了triplet和predicate召回率。

Post-Training Pruning for Diffusion Transformers

Chengzhi Hu et al.

cs.CV cs.AI

本文提出了一种针对Diffusion Transformers (DiTs)的后训练剪枝方法DiT-Pruning，通过设计基于能量的saliency metric和聚类感知的剪枝粒度，解决了传统剪枝方法在DiTs上性能严重下降的问题。实验表明，该方法在高稀疏度下能有效保持图像生成质量。

A Geometric Perspective on Composable Emotion Steering in Text-to-Speech Models

Siyi Wang, James Bailey, Ting Dang

cs.SD cs.LG

本文从几何角度比较了speech language model (SLM)和conditional flow-matching (CFM)模块作为情感控制激活点的表现，发现SLM具有低维情感子空间和更好的说话人-情感解耦能力，而CFM则因说话人-情感纠缠导致跨说话人泛化较差。研究为混合text-to-speech系统中的多站点激活控制提供了实践指导。

Learning Cardiac Motion Priors for Implicit Neural Representations

Andrew Bell et al.

cs.CV cs.AI

本文比较了四种学习心脏运动先验的策略，用于隐式神经表示（INR）以估计心脏运动。实验表明，与随机初始化相比，所有学习到的先验都显著提升了早期适应性能，其中元学习在50次迭代中保持了最佳的适应轨迹。

Bridging Quantum Computing Paradigms toward Semiconductor Yield: A Controlled CV-versus-DV Comparison on Wafer-Map Defect Classification

Yeonhong Kim et al.

quant-ph cs.LG

本文在受控条件下比较了连续变量(CV)和离散变量(DV)两种量子计算范式在晶圆图缺陷分类任务上的表现，发现CV量子神经网络(QNN)在准确率上显著优于DV-QNN，但两种量子方法均未超越经典基线。

Sharp Bounds for Dynamic Averaging on Cycles

Dean Kraizberg, Ron Peretz

math.PR cs.DS

本文研究了环图$C_n$上的动态平均过程，证明了最大与最小负载之差的期望为$O(\sqrt n)$且长期为$\Omega(\sqrt n)$，从而证实了关于该gap阶为$\sqrt n$的猜想。

Understanding How Humans Inject Knowledge into Machine Learning Workflows through Visual Analytics

Yiwen Xing et al.

cs.HC cs.LG

本文通过调查超过200篇IEEE VIS会议论文，分析了人类如何通过交互式可视化向机器学习工作流注入知识，并提出了一个编码方案来从ML、可视化、交互和行动四个角度进行分类。研究为VIS4ML领域提供了系统性的文献综述和概念模型。

TRCGL-Net: A Long-Tailed Multi-Label Chest X-Ray Classification Framework with Generative Data Augmentation and Label Co-Occurrence Modeling

Tong Shao et al.

cs.CV cs.AI

本文提出TRCGL-Net框架，用于解决胸部X光多标签分类中的长尾分布问题。该方法结合了可学习的文本引导条件扩散模型、通道重加权机制和基于标签共现的图卷积网络，以提升罕见疾病的识别性能。

SenseWalk: Agent-Based Semantic Trajectory Simulation Powered by Large Language Models in Zoned Environments

Ziyue Lin et al.

cs.HC cs.AI

本文提出SenseWalk系统，利用LLM驱动的agent在分区环境中模拟语义轨迹，结合social force model平衡物理合理性与语义连贯性，并设计了用户友好的交互界面。

Deep Multitask Learning for Mixed-Type Outcomes with Shared Sparsity

Huichao Li et al.

stat.ML cs.LG

本文提出了一种用于混合类型结果的多任务学习框架，通过未知单调变换统一不同任务，并利用共享稀疏性假设和group-Lasso惩罚的平滑秩准则进行估计。该方法使用共享第一层的深度神经网络实现，并建立了非渐近超额风险界和变量选择一致性。

Foundation Models vs. Radiomics for Lung Computed Tomography: A Benchmark of Feature Extractors, Classification Heads, and Segmentation Choices

Nils Neukirch, Martin Maurer, Nils Strodthoff

cs.CV cs.LG

本文比较了多种特征提取器（包括Radiomics和Foundation Models）、分类头和分割策略在肺部CT影像分析任务中的表现，发现最优设计取决于具体任务，并推荐了默认配置。

Function-Counting Theory for Low-Dimensional Data Structures

Konstantin Häberle, Helmut Bölcskei

stat.ML cs.IT cs.LG math.CA math.CO

本文基于Cover的函数计数理论，通过改进一般位置假设来考虑数据的低维结构，推导了反映数据结构的二分计数，并将分离容量和泛化问题扩展到低维设置。

How Much Do RF Drone Benchmarks Overstate? A Controlled Study and Theory of Data Leakage in UAV Signal Identification

David Shulman

physics.app-ph cs.LG

本文通过理论分析和实验证明，RF无人机信号识别中基于segment-level的cross-validation会导致严重的数据泄露，使得分类准确率被高估。作者使用Cover's function-counting theorem形式化证明了当独立记录数R远小于特征维度d时，分类器可以完全记忆记录到标签的映射，导致naive accuracy趋近于1。

EchoRisk: A Multicentre Echocardiography Dataset and Benchmark for Cardio-Oncology

Grigorios Kalliatakis et al.

cs.CV cs.AI

EchoRisk是一个多中心超声心动图数据集，用于心脏肿瘤学中的心毒性风险评估，包含422名患者和2159个视频。该数据集定义了三个临床任务，并提供了基于R(2+1)D视频骨干和LSTM聚合的基线性能，但早期心毒性预测仍是一个开放问题。

DART-VLN: Test-Time Memory Decay and Anti-Loop Regularization for Discrete Vision-Language Navigation

Shaoheng Zhang, Zhichen Li, Jie Mei

cs.RO cs.AI

本文提出DART-VLN，一种无需训练的测试时控制框架，通过测试时记忆衰减和反循环正则化来改善离散视觉语言导航中记忆读取和动作选择的效率问题，实验表明该方法能提升路径效率。

Characterizing and Identifying Separable Graphical Models

Christopher Meek, Kayvan Sadeghi

stat.ML cs.LG math.ST

本文研究了混合图中顶点分离对应的可分离图模型，给出了可分离图和本质可分离图的多种刻画，并提供了等价类的规范表示与识别算法。

Fair Allocation under Conflict Constraints via Strong Colorability

Ishay Haviv

cs.GT cs.DS math.CO

本文研究了冲突约束下的公平分配问题，通过引入强色数（strong chromatic number）的变体层次，为图顶点在代理间的公平划分提供了存在性和算法结果。对于SD-EF1、EF1和EF[1,1]等公平性准则，文章给出了保证公平分配所需代理数量的充分条件，并提供了基于最大度$\Delta$的多项式时间算法。

LongVQUBench: Benchmarking Long-Term Video Quality Understanding of Vision-Language Models

Arpita Nema et al.

cs.CV cs.AI

本文提出了LongVQUBench基准，用于评估大型视觉语言模型对长视频质量的理解能力，包含超过1200个视频和三个渐进复杂的评估层级（局部事件、跨事件和全局质量理解）。实验表明，现有模型在长视频和深度推理任务中性能显著下降。

Cheap Code, Costly Judgment: A Case Study on Governable Agentic Software Engineering

James C. Davis et al.

cs.SE cs.AI

本文通过一个12周的第一人称案例研究，探讨了在生成式AI辅助下，软件工程从稀缺实现转向低成本代码生产的治理问题。作者提出了一个“治理转换”的中层理论过程模型，解释了高速agentic实现如何通过暴露结构性失败并转化为持久治理机制来变得可管理。

Group-invariant Coresets for Data-efficient Active Learning

L. C. Ayres et al.

eess.IV cs.LG

本文提出GRINCO框架，通过将active learning中的coreset选择限制在transformation group的quotient space上，利用orbit-separating invariant embedding或canonical representatives来避免对同一实例的冗余标注。实验表明该方法在存在group-induced redundancy的数据上比传统coreset方法更高效。

FAR: Failure-Aware Retry for Test-Time Recovery and Continual Policy Improvement

Haoran Hao et al.

cs.RO cs.AI cs.LG

本文提出Failure-Aware Retry (FAR)框架，使机器人能在测试时从失败中学习并自主完成任务。该方法通过Failure-Contrastive Preference Adaptation从失败中构建偏好学习数据，并结合轻量级动作扰动来改进策略。

Autonomous Scientific Discovery via Iterative Meta-Reflection

Bingchen Zhao, Sara Beery, Oisin Mac Aodha

cs.CV cs.AI

本文提出DiscoPER框架，利用large language model作为agent，通过动态生成和执行code来自主探索数据集，并引入二阶元反思机制来综合已有发现以指导后续探索。该方法在生态学基准上验证了有效性，但未涉及spectral、Muon或pretrain等关键词相关技术。

Skills Are Not Islands: Measuring Dependency and Risk in Agent Skill Supply Chains

Changguo Jia et al.

cs.SE cs.AI

本文提出了Agent Skill Supply Chains (ASSCs)概念，并设计了SkillDepAnalyzer工具，用于分析LLM agent技能包之间的依赖关系。该工作主要关注软件工程中的依赖管理和安全风险，与关键词中的agent有一定关联，但方法本身并非开创性，且未涉及code, context, spectral, Muon, pretrain, attention等核心概念。

Online Fair Division Meets Reordering Buffers

Georgios Amanatidis et al.

cs.GT cs.DM cs.DS

本文研究了在线公平分配不可分割混合manna（物品对每个agent可能有正、负或零价值）的问题，通过引入reordering buffer（可重新排序的缓冲区）来存储和调整物品顺序。作者证明了使用大小与agent数量和每个agent的不同价值数量线性相关的buffer，可以在个性化$k$-value实例上实现每个时间步的EF1（至多一件物品的无嫉妒性）和大多数时间步的EF（无嫉妒性），并给出了对一般加性valuation函数的扩展及buffer大小的不可能性结果。

Disentangling Speaker and Language Effects in Cross-Lingual Speaker Verification for Iberian Languages

Pol Buitrago, Javier Hernando

eess.AS cs.CL

本文针对伊比利亚语言的跨语言说话人验证问题，引入了一个双语同说话人评估集，并使用HuBERT-based SV系统分析了语言不匹配与说话人变异性对性能的影响。结果表明语言不匹配是性能下降的主要因素。

World from Motion: Generative Dynamic Gaussian Reconstruction from Monocular Video

Liyuan Zhu et al.

cs.CV cs.AI cs.GR

本文提出了一种从单目视频生成动态3D高斯表示的方法，通过视频模型对密集的像素对齐渲染进行条件化，以修正重建伪影并填补缺失区域。该方法在4D重建任务上达到了新水平，并能泛化到具有大视角变化和动态运动的自然视频。

GPU-Parallel Linearization Error Bounds for Real-Time Robust Optimal Control of Nonlinear and Neural Network Dynamics

Jeffrey Fang et al.

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

本文研究了不确定非线性系统的实时鲁棒最优控制问题，通过开发紧致、可微且支持GPU并行的线性化误差界（LEBs），实现了对非线性及神经网络动力学的鲁棒约束满足，并基于GPU并行系统级综合方法构建了在线优化框架GPUSLS-LEO。该方法在高达168维状态空间的复杂动力学上能以67Hz的速率计算鲁棒控制策略，在保持形式化保证和实时性能的同时降低了求解时间与保守性。

Are Performance-Optimization Benchmarks Reliably Measuring Coding Agents?

Zhi Chen et al.

cs.SE cs.AI

本文系统审计了GSO、SWE-Perf和SWE-fficiency三个代码性能优化基准测试的可靠性，发现参考补丁在不同机器上重放时有效性不一致、排行榜评分规则导致排名不稳定，以及多数任务已被公开提交解决。研究揭示了这些基准在衡量coding agent性能时存在的系统性偏差。

FurnitureVLA: Learning Long-Horizon Bimanual Furniture Assembly with Vision-Language-Action Model

Chenyang Ma et al.

cs.RO cs.AI

本文提出了FurnitureVLA，首次系统研究了使用Vision-Language-Action模型进行真实尺寸的双臂家具组装任务，通过进度增强的VLA和VR遥操作数据收集，在模拟和真实平台上提升了组装成功率。

bluearXiv-ai 论文精选

📚 跟踪学科 (Categories)

🔍 筛选关键词 (Keywords)

📊 论文统计 ↑ 回顶部

⭐ 精选论文 ↑ 回顶部

cs.LG

cs.AI

cs.IR

cs.CL

cs.DS

others

📄 所有论文 ↑ 回顶部

cs.LG

cs.AI

cs.IR

cs.CL

cs.DS

others