bluearXiv-ai - 2026-07-03

📄 所有论文 ↑ 回顶部

cs.LG

Lukas Haverbeck et al.

cs.LG

本文从minimax risk（极小极大风险）的角度理论刻画了KV cache compression（键值缓存压缩）的可行性边界，揭示了缓存的内在可压缩性如何决定压缩精度。作者提出了在causal masking（因果掩码）下达到minimax最优风险的设计原则，并据此设计了一种实用算法，在LongBench上取得了有竞争力的性能。该工作为KV cache压缩提供了理论指导，与关键词attention（注意力机制）高度契合。

Multi-Head Recurrent Memory Agents ⭐ 精选

Jiatong Li, Samuel Yeh, Sharon Li

cs.LG cs.AI cs.CL

本文诊断了recurrent memory agents在长上下文任务中性能退化的根本原因，即memory retention瓶颈，并提出了Multi-Head Recurrent Memory (MHM)框架。该框架通过将memory划分为独立head并采用stage-wise select-then-update策略，在每次更新时仅修改一个head，从而从架构层面防止了信息覆盖。作为轻量级实例，MHM-LRU (Least-Recently-Updated MHM) 在100K-1M token范围内显著提升了retention rate和端到端准确率，例如在896K token的RULER-HQA任务上将retention rate从低于30%提升至73.96%。该方法无需训练，且在不同模型族、规模和任务类型上均有效，为长上下文recurrent memory提供了一条可靠且高效的架构优化路径。

X-LogSMask: Expand Transformer for Graph-Structured Data ⭐ 精选

Leyan Li et al.

cs.LG cs.AI

X-LogSMask提出了一种可解释的多头对数结构掩码，通过将对称归一化的图拓扑直接注入attention logits，解决了Transformer在图数据上全连接自注意力与稀疏、结构化交互不匹配的问题。该方法利用对数变换将结构连通性转化为拓扑感知的门控信号，并为每个注意力头分配归一化邻接矩阵的不同幂次，从而在单层内实现多跳信息传播。在20个节点、边和图级别基准测试中，配备X-LogSMask的Transformer在13个数据集上达到最先进性能，表明简单的结构掩码能使自注意力成为有效的图学习算子，无需改变Transformer架构。该方法与关键词中的attention高度契合，为图Transformer提供了简洁且可解释的改进方案。

SCAPE: Accurate and Efficient LLM Training with Extreme Sparse Communication ⭐ 精选

Mingkai Zheng et al.

cs.LG cs.DC

本文提出SCAPE，一种用于LLM训练的通信高效分布式优化器。其核心创新在于利用AdamS优化器的一阶矩的稳定性，从一阶矩统计量而非原始梯度中构造稀疏掩码，从而在极高稀疏度（90%-99%）下仍能保持模型质量。SCAPE通过将掩码生成与optimizer sharding对齐、延迟掩码使用以重叠通信与计算，以及从单个同步稀疏缓冲区重建二阶矩更新所需量，显著降低了通信开销。实验表明，在GPT-345M和Llama-500M等模型上，SCAPE在保持与dense AdamW/AdamS相当的验证损失和下游任务精度的同时，可将端到端预训练时间减少高达43.3%，并在Llama-1.8B上实现每步3.26倍加速。

Frequency Shift Physics-Informed Extreme Learning Machine for Solving High-Frequency Partial Differential Equations ⭐ 精选

Xiong Xiong et al.

cs.LG

本文提出了一种频率偏移物理信息极限学习机(FS-PIELM)框架，通过将Gaussian权重分布的均值平移而非缩放方差来初始化网络权重，从而有效缓解了物理信息机器学习中神经网络倾向于优先学习低频分量的spectral bias问题。该方法在保持极限学习机仅需单次线性求解的计算效率的同时，通过理论分析证明了其频率方差有界且趋近于1，避免了传统缩放方法中方差二次增长的问题。在Helmholtz、wave等六类高频PDE的七个基准问题上，该方法相比现有PIELM变体实现了1到近5个数量级的精度提升。

SABER: A Semantic-Aligned Brain Network Analysis Framework via Multi-scale Hypergraphs ⭐ 精选

Yidan Xu et al.

cs.LG cs.AI cs.MM

本文提出SABER框架，通过多尺度hypergraph（超图）显式建模functional subnetworks（功能子网络）和多ROI交互，克服了传统GNN的局部性限制并捕获高阶依赖。该方法创新性地将LLM导出的语义通过global self-attention（全局自注意力）融入节点表示，并设计决策级语义对齐机制，使语义直接指导预测而不扰动网络结构。在ABIDE和ADHD-200数据集上，SABER在少样本场景下实现了state-of-the-art性能，提升了分类稳定性与可解释性，与关键词“attention”和“context”高度契合。

An Optimisation Framework for the Well-Conditioned Training of Physics-Informed Neural Networks ⭐ 精选

Joseph Webb, Sadok Jerad, Coralia Cartis

cs.LG math.NA math.OC physics.comp-ph

本文提出DSGNAR (Doubly-Sketched Gauss-Newton with Adaptive Ratio) 框架，通过将double-sketched Gauss-Newton模型与自适应正则化和步长控制策略相结合，有效解决了Physics-Informed Neural Networks (PINNs) 训练中损失景观严重ill-conditioned导致的优化困难。该框架在非线性、混沌、多尺度、高维及Navier-Stokes等广泛问题上取得了突破性精度，例如在双精度下达到$3\times10^{-16}$的相对$\ell_2$误差，在Burgers' equation上比现有结果提升五个数量级，在高维Poisson问题上提升八个数量级，同时保持显著更快的训练速度。该方法对架构选择、算术精度和初始超参数具有鲁棒性，为PINNs的well-conditioned训练提供了可扩展的二阶优化方案。

Self-Gating Attention for Efficient Time Series Forecasting ⭐ 精选

Dezheng Wang et al.

cs.LG cs.AI

本文提出Self-Gating Attention (SGA)，一种用于时间序列预测的即插即用注意力机制。SGA通过一个共享的可学习矩阵和输入相关的残差分量来表示attention score，避免了标准self-attention中的query和key投影计算，从而将时间和内存复杂度从二次降低到线性。该方法在多个真实世界数据集上保持了与标准self-attention相当的预测性能，同时显著提升了推理效率，为资源受限或高吞吐量的预测系统提供了实用方案。该工作与关键词“attention”高度契合，并在注意力机制效率问题上具有开创性。

DecompRL: Solving Harder Problems by Learning Modular Code Generation ⭐ 精选

Juliette Decugis et al.

cs.LG

本文提出DecompRL，一种通过强化学习（RL）训练LLM学习模块化代码生成的算法。该方法将复杂问题分解为可独立实现的子函数，并通过重组$n$个模块的$k$种实现来生成$k^{n}$个候选解，从而将计算瓶颈从昂贵的GPU推理转移到廉价的CPU评估，将GPU token成本降低约50倍。在LiveCodeBench和CodeContests上的实验表明，DecompRL在每问题超过$10^5$ token时优于标准RL基线，能够解决标准生成方法无法触及的难题。该工作与关键词“code”和“agent”高度契合，为解决LLM在零概率搜索空间中的失败问题提供了开创性思路。

Multilayer Q-Matrix-Embedded Neural Network for Cognitive Diagnosis (M-QCDNet): Structure-Aware Deep Learning Architecture for Psychometric Interpretability

Yiyao Yang

cs.LG

本文提出了一种多层Q矩阵嵌入神经网络M-QCDNet，通过将Q矩阵作为结构先验整合到深度学习中，确保潜在掌握特征的可解释性，并设计了带L2惩罚的损失函数以平衡预测性能与结构对齐。该方法为认知诊断提供了兼具心理测量透明度和神经网络灵活性的框架。

I\textsuperscript{2}RiMA: Spectral Riemannian Representation with Temporal Attention for Mental Stress Detection based on EEG Signals

Cheng He et al.

cs.LG

本文提出I2RiMA方法，通过在每个频率点独立构建spatial covariance matrix并映射到SPD tangent space，结合frequency cluster aggregation和intra-inter slice attention模块，用于基于EEG信号的跨被试压力检测。该方法在三个数据集上优于现有基线，但主要贡献在于特定应用场景的工程改进，与关键词中的spectral和attention有一定关联，但缺乏开创性或解决长期问题的突破性。

Fixed-Set Robustness in Programming by Example: Example Corruption and Semantic Partition Recovery

Yuan Si, Jialu Zhang

cs.LG cs.PL

本文研究了编程示例系统中的固定集鲁棒性问题，形式化了最坏情况下的示例损坏，并提出了版本空间分区聚合（VPA）防御方法。实验表明，低裕度任务存在对抗鲁棒性维度，而VPA仅在特定条件下有效。

Domain Knowledge Based Temporal-Spatial Graph Convolution Network for ECG Recognition

Wenting Ma et al.

cs.LG cs.AI

本文提出了一种基于领域知识的时空图卷积网络用于ECG识别，通过双流有向图建模心电周期内和周期间的空间与时间依赖关系。实验在中文ECG数据集上取得了优于现有模型的F1分数，但方法本身在理论或技术上的开创性有限。

Scaling Laws for Grid-Based Approximate Nearest Neighbor Search in High Dimensions

Matthew J Liu et al.

cs.LG cs.AI

本文研究了基于grid的approximate nearest neighbor (ANN)搜索方法在高维数据上的scaling性质，发现其在GloVe embedding上具有恒定的维度scaling指数，且索引成本较低。该工作为ANN算法的性能分析提供了新视角，但与我提供的关键词关联较弱。

IonSense-QKG: A Quantum-Readiness Metadata Framework for Lithium-Ion Battery Dataset Discovery

Sakthi Prabhu Gunasekar, Prasanna Kumar Rangarajan

cs.LG cs.DB

本文提出了IonSense-QKG框架，通过为锂离子电池数据集添加量子就绪元数据（如任务类型、量子编码候选等）并引入量子就绪评分，来辅助筛选适用于混合量子-经典机器学习的数据集。该工作将数据集选择视为数据管理问题，但未涉及关键词中的核心概念。

A Novel Machine Learning Approach for Central Nervous System Tumor Classification from DNA Methylation

Paulo R. Ferreira Jr. et al.

cs.LG q-bio.GN

本文提出了一种结合Sparse Random Projection降维与multinomial logistic regression分类的机器学习方法，用于基于DNA methylation的CNS肿瘤分类。该方法在参考队列和独立临床队列上均取得了优于现有技术的分类准确率，但方法本身缺乏开创性，且与关键词列表中的概念无直接关联。

From Approximation to Emergence: A Theory of Deep Learning

Zhilin Zhao

cs.LG stat.ML

本文从近似、优化和泛化的经典基础出发，系统梳理了过参数化、鲁棒性、生成建模、Transformer、上下文学习、缩放定律、可解释性、对齐和涌现等现代深度学习理论，构建了一个统一的、以证明为导向的理论框架。文章将广泛文献组织成连贯的研究叙事，通过每个理论所控制的对象、使其成立的假设以及未解释的现象来审视各个理论。

Black-Box Inference of LLM Architectural Properties with Restrictive API Access

Christopher Ellis et al.

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

本文提出了一种名为NightVision的黑盒攻击方法，通过限制性API（仅返回单个token的log概率）来估计LLM的hidden dimension、depth和parameter count。该方法利用一种新颖的common set prompting技术，结合对log概率的spectral分析来推断hidden dimension，并进一步通过time to first token (TTFT)测量来估计depth和参数数量。

Multi-modal Rail Crossing Safety Analysis

Paimon Goulart et al.

cs.LG cs.AI cs.CV

本文提出一个多模态铁路道口安全分析pipeline，利用图像和结构化事故报告数据评估安全等级，并采用routed fine-tuned compact VLM pipeline实现与专家意见及FRA评分对齐的安全评分。

How Should Transformers Encode Numeric Values in Electronic Health Records?

Maria Elkjær Montgomery et al.

cs.LG cs.AI

本文系统比较了在transformer-based序列处理中，特别是电子健康记录数据中，对数值进行编码的离散、连续和混合策略。研究发现，显式建模值-概念交互的方法在精度敏感任务上表现最佳，而混合token-based方法（在投影前对数值进行分箱）提供了更鲁棒且广泛适用的替代方案。

NeuroBridge: Bridging Multi-Task MRI Knowledge for Neurodegenerative Disease Diagnosis

Mengyu Li et al.

cs.LG cs.AI cs.CV

NeuroBridge提出了一种基于多任务MRI的临床引导框架，通过自监督预训练和门控融合微调来诊断神经退行性疾病，在AD和MCI分类上取得了较好性能。该方法主要关注医学影像分析，与关键词中的code、context、spectral等概念关联较弱。

Spin-Weighted Spherical Harmonics Enable Complete and Scalable $\mathrm{E}(3)$-Equivariant Networks

Chenxing Liang et al.

cs.LG cs.AI

本文提出SpinGTP方法，通过将标量函数推广到Spin-Weighted Spherical Harmonics (SWSH)来克服Gaunt Tensor Product (GTP)的不完备性，在保持GTP渐近效率的同时恢复了缺失的反反对称相互作用。该方法为大规模3D原子系统模拟提供了更完整的等变基础。

The Rollout Infrastructure Tax in Coding-Agent Reinforcement Learning

Daniel Thi Graviet et al.

cs.LG cs.DC

本文研究了coding-agent reinforcement learning中不同执行基础设施（如容器、沙盒、Kubernetes和云虚拟机）对训练效率的影响，发现冷启动延迟和worker-hours存在显著差异，并建议将执行基板优化作为训练系统的一部分。

Conditional Inference Trees and Forests for Feature Selection

Robert Milletich et al.

cs.LG stat.ML

本文研究了Conditional Inference Trees (CIT)和Conditional Inference Forests (CIF)作为top-$k$特征排序方法在下游预测任务中的表现，通过基准数据集和合成实验分析了其计算效率与特征恢复能力。

On the Utility and Factual Reliability of Pruned Mixture-of-Experts Models in the Biomedical Domain

Atsuki Yamaguchi et al.

cs.LG cs.AI cs.CL

本文研究了在生物医学领域中对Mixture-of-Experts (MoE)模型进行结构化专家剪枝的效果，发现适度剪枝可保持领域内效用且不立即损害可靠性，但极端剪枝会增加幻觉风险，且跨领域时效用和可靠性均快速下降。

Geometry-Aware R-Structured Kolmogorov-Arnold Networks

Sergei Kucherenko, Nilay Shah

cs.LG math.NA

本文提出了一种混合神经架构GRS-KAN，将R-functions集成到KAN框架中，通过可微逻辑运算编码几何约束，在含间断的回归问题上相比标准KAN提升了预测精度和可解释性。

Token Geometry

Kathan Shah

cs.LG cs.AI

本文研究了语言模型中embedding table和LM-head的梯度几何特性，发现其与密集隐藏权重不同，并提出了轻量级优化器Ember，该优化器仅需O(V+D)的VRAM而非Adam的O(2VD)。实验表明Ember在batch size和参数规模上有效扩展，并揭示了token优化轨迹可由简单1D射线描述，挑战了神经网络参数在高度非凸景观中导航的普遍观点。

Class-Grouped Normalized Momentum and Faster Hyperparameter Exploration to Tackle Class Imbalance in Federated Learning

Haemin Park et al.

cs.LG

本文提出FedCGNM，一种通过类分组归一化动量来缓解联邦学习中类别不平衡的客户端优化器，并引入FedHOO算法高效优化重采样率。实验表明该方法在长尾数据集上优于基线，但方法本身与关键词关联较弱。

How to Allocate Your Tokens? Scaling Laws with Training Steps and Batch Size

Fabian Schaipp

cs.LG stat.ML

本文提出了一种新的scaling law，将训练数据显式拆分为training steps和batch size，并基于大量训练实验验证了该定律能正确恢复最优batch size的scaling行为，且所需训练运行次数更少。

Don't Let Gains FADE: Breaking Down Policy Gradient Weights in RL

Juliette Decugis et al.

cs.LG cs.AI

本文提出了一个统一框架来分解Reinforcement Learning post-training中的advantage function，并基于此设计了FADE方法，通过动态调整梯度权重来提升LLM reasoning的训练稳定性和accuracy-diversity trade-off。该方法在7B和32B规模上均实现了更快的收敛速度。

Unveiling the Non-Monotonic Effect of Privacy on Generalization under Byzantine Robustness

Thomas Boudou et al.

cs.LG cs.CR stat.ML

本文研究了拜占庭鲁棒分布式学习中，局部差分隐私（LDP）对泛化误差的非单调影响。通过分析算法稳定性，作者证明了在强隐私（高噪声）下增加隐私会降低泛化误差，而在弱隐私（低噪声）下则相反。

Towards Learning Representations of Policies in Two-Player Zero-Sum Imperfect-Information Games

Kevin Wang et al.

cs.LG cs.GT

本文研究了两人零和不完美信息博弈中策略表示（embedding）的学习问题，提出了创建策略数据集、学习策略表示以及评估表示有效性的下游任务方法，并在Kuhn和Leduc扑克上进行了实验验证。

Wind-Aware Reinforcement Learning Control of a Small Quadrotor Using Learned Onboard Wind Estimation in Simulated Atmospheric Turbulence

Abdullah Al Tasim, Wei Sun

cs.LG eess.SY

本文提出了一种两阶段学习框架，先利用注意力增强的GRU网络从机载运动学与动力学数据估计局部风场，再将该估计输入到基于PPO的强化学习控制器中。在模拟的von Karman湍流环境下，该方法将水平轨迹跟踪误差相比无风感知的PD基线降低了48%，且在高风速下仍能保持稳定。

Certified World Models as Sensing Clocks: Drift-Aware Deadlines for Active Perception

Hongbo Wang

cs.LG

本文提出了一种基于认证世界模型（certified world models）的主动感知方法，将模型预测的有效期转化为一个操作性的感知时钟（sensing clock），用于决定agent何时需要重新感知。该方法通过漂移感知（drift-aware）的截止时间规则，在部署时保证模型预测的有效性，并在合成基准测试中展示了其相对于精确混合期望信念调度（exact-mixture expected-belief scheduling）的优势。

Evolutionary Feature Engineering for Structured Data

Ege Onur Taga et al.

cs.LG cs.AI

本文提出Evolutionary Feature Engineering (EFE)框架，利用LLM-based evolution自动发现结构化数据的预处理transformations，通过Python程序表示并融入机器学习pipeline。实验表明，EFE在时间序列预测和表格预测任务上能提升模型性能，但方法本身并非开创性突破，且与关键词列表中的概念关联较弱。

Geometric Signatures of Reasoning: A Spectral Perspective on Task Hardness

Aria Masoomi et al.

cs.LG

本文从几何视角研究Chain-of-Thought (CoT)推理轨迹，引入有效维度$d_\rho$作为轨迹复杂度的spectral度量，并发现平坦特征谱对应更困难的任务。实验表明该几何特征可区分任务难度并预测答案正确性，但方法本身并非开创性突破，且与关键词契合度有限。

BOUNDARY_SYNC: Measuring Communication-Induced Representational Coupling in Multi-Agent LLM Systems

Zewen Liu

cs.LG cs.CL

本文提出BOUNDARY_SYNC协议，通过Coupling Amplification Factor (CAF) 测量多智能体LLM系统中通信导致的表征耦合，发现文本通信导致显著同质化，且耦合由prompt上下文驱动而非累积更新。

SINA: A Fully Automated Circuit Schematic Image to Netlist Generator Using Artificial Intelligence

Saoud Aldowaish et al.

cs.LG

本文提出SINA，一个全自动的电路原理图图像到网表生成器，利用深度学习进行元件检测、连通分量标记进行连接推断、OCR提取元件标号以及视觉语言模型进行标号分配，并处理了交叉导线检测问题。实验表明其网表生成准确率达96.67%，显著优于现有方法。

MKGR: Multimodal Knowledge-Graph Representation Learning for Cold-Start Protein-Protein Interaction Prediction

Wenbo Zhang

cs.LG cs.AI

本文提出MKGR框架，通过结合蛋白质序列编码与多模态知识图谱（如蛋白质-药物、蛋白质-疾病等关联）来预测冷启动场景下的蛋白质-蛋白质相互作用（PPI）。该方法利用图注意力编码器和门控模块融合序列与图谱信息，在基准测试中优于现有基线。

DeadPool: Resilient LLM Training with Hot-Swapping via Zero-Overhead Checkpoint

Haotian Xie et al.

cs.LG cs.DC

本文提出DeadPool，一种用于大语言模型训练的容错机制，通过热插拔（hot-swapping）替换故障节点，并利用离关键路径的内存检查点（in-memory checkpointing）实现零开销的故障恢复，在512个GPU上验证了其有效性。

CALM: Interpretable Cross-Modal Alignment for Biomarker Discovery from Unpaired Data

Jueqi Wang et al.

cs.LG

CALM提出了一种从完全无配对数据中学习脑区与遗传通路间可解释关联的框架，通过线性投影对齐两种模态的class-conditional latent分布并保证group separability。该方法在自闭症谱系障碍数据上验证了关联稳定性，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接契合。

Message Passing Based Two-Timescale Bayesian Learning for Joint Channel and Memory Hardware Impairments Tracking

Wei Xu, An Liu

cs.LG

本文提出了一种基于消息传递的双时间尺度贝叶斯深度学习框架(MP-TTBDL)，用于大规模MIMO接收机中联合信道估计与硬件损伤跟踪。该方法通过为稀疏信道和网络参数分别分配快速与慢速马尔可夫先验，并设计因子图上的消息传递算法，实现了信道跟踪与损伤校准模块的迭代信息交换。

Revisiting Decentralized Online Convex Optimization with Compressed Communication

Hao Zhou et al.

cs.LG

本文重新审视了带压缩通信的分布式在线凸优化问题，提出了两种基于FTRL的算法，分别适用于全信息设置和bandit设置。与现有基于OGD的算法相比，这些算法在设计上更简洁，并在bandit设置中显著改进了regret bound和通信成本。

UniWind: Toward Unified Day-Ahead Wind Power Forecasting via Physics-Informed State Routing

Ronghui Xu et al.

cs.LG

本文提出UniWind模型，通过物理信息状态路由（physics-informed state routing）实现日前风电功率预测。该模型结合物理先验估计器与潜在状态编码器，将物理约束与数据驱动方法融合，在多个真实数据集上验证了预测精度与鲁棒性。

WARP: Weight-Space Analysis for Recovering Training Data Portfolios

Tzu-Heng Huang et al.

cs.LG

本文提出WARP框架，通过模型合并生成伪检查点来近似微调模型的训练轨迹，并从权重空间中提取几何特征以恢复训练数据的域混合比例。该方法在BERT和GPT-2上取得了较低的平均绝对误差，但未涉及代码、上下文或谱方法等关键词。

Model Merging as Probabilistic Inference in Fine-Tuning Parameter Space

Long Minh Bui et al.

cs.LG cs.AI

本文从概率推断的新视角将模型合并形式化为product-of-experts (PoE)框架下的推理问题，其中每个单任务解定义了合并参数上的energy-based expert model (EBM)。实验表明，现有方法隐含的高斯假设与观测到的重尾残差不匹配，因此作者提出基于Cauchy experts的重尾PoE设计，在多个任务和架构上取得了优于现有基线的结果。

A Mathematical Introduction to Diffusion Models

Jianfeng Lu

cs.LG math.PR

本文从采样视角对diffusion models进行了数学化介绍，涵盖了从经典采样动力学到现代diffusion samplers的单一脉络，并讨论了误差分析与推理时控制。内容面向具备概率论基础但无随机微分方程背景的研究生，提供了核心定义、完整证明及代表性估计。

Predicting Closed-Loop Performance of Latent World Models: Offline Checkpoint Selection for MPC and Model-Based RL Under Non-Markovian Rewards in LunarLander

Nikolai Smolyanskiy

cs.LG cs.AI eess.SY

本文研究了如何从验证时诊断指标预测潜在世界模型的下游闭环性能，针对LunarLander环境中的非马尔可夫奖励问题，提出了Reward Observability Fraction (ROF)和Composite Reward Observability Fraction (CROF)作为离线检查点选择指标。实验表明，CROF选择的模型在MPC和基于模型的强化学习中优于无模型基线。

Finite-Lag Operator Geometry of Recurrent Representations

Kanishka Reddy

cs.LG

本文提出了一种用于循环神经网络隐藏状态的有限滞后算子几何框架，通过条件传输律$Q_\Delta$和传输张量$G_\Delta$来刻画轨迹的几何结构，并证明了其仿射协方差和稳定性。该工作主要关注表示几何的度量方法，与关键词中的code、context、spectral等概念关联较弱。

Efficient Temporal Point Processes via Monotone Alternating Splines

Cheng Wan, Quyu Kong, Feng Zhou

cs.LG

本文提出了一种名为Monotone Alternating Splines (MAS)的框架，用于建模Temporal Point Processes (TPPs)的累积条件强度函数 (CCIF)，通过分离插值与外推组件解决了Monotone Neural Networks (MNNs)的结构性瓶颈。该方法在合成和真实数据集上取得了优于现有方法的性能。

Role-Aware Neural Convex Divergence Heads for Asymmetric Representation Learning

He Huang et al.

cs.LG stat.ML

本文提出了一种角色感知的神经凸散度头（role-aware neural convex divergence head），用于非对称表示学习，通过在源和目标角色投影后评估输入凸神经Bregman散度来建模有向关系。实验表明该方法在语义和本体基准上优于普通ICNN-Bregman头，但在大规模固定特征引用预测中不如专用对称或双曲基线。

Denser $\neq$ Better: Limits of On-Policy Self-Distillation for Continual Post-Training

Meng Wang et al.

cs.LG cs.CL

本文研究了on-policy self-distillation在continual post-training中的局限性，发现密集的self-distillation虽然能加速in-domain specialization，但会导致更强的forgetting和out-of-distribution泛化困难，甚至可能引发模型collapse。

Set Diffusion: Interpolating Token Orderings Between Autoregression and Diffusion for Fast and Flexible Decoding

Marianne Arriola, Volodymyr Kuleshov

cs.LG

本文提出了一种名为set diffusion的新型语言模型，通过将似然参数化分解为灵活位置和长度的token集合，并采用set-causal diffusion架构，实现了比传统block diffusion更灵活的任意顺序解码。该方法在数学推理、摘要和无条件生成任务上取得了更好的速度-质量权衡，并支持KV cache更新。

EHHN: An Event-driven Heterogeneous Hypergraph Network for Object-Centric Next Activity Prediction

Jiaxing Wang et al.

cs.LG

本文提出EHHN，一种用于面向对象的下一个活动预测的事件驱动异质超图网络。它通过事件-对象超边和生命周期超边表示预测前缀，并采用双流架构分别建模对象状态演变和时间动态，在多个基准上取得了最优性能。

EPnG: Adaptive Expert Prune-and-Grow for Parameter-Efficient MoE Fine-tuning

Ahin Lee, Sehyun Yun, Taesik Gong

cs.LG cs.AI

本文提出EPnG框架，通过基于router gate概率的专家重要性动态分配LoRA容量，在固定参数预算下剪枝低利用率专家并扩展高重要性专家。实验表明该方法在OLMoE和Qwen1.5-MoE上优于标准LoRA，且仅更新0.55%-0.72%参数即可达到接近全参数微调的性能。

Single-Channel EEG-Based Cognitive Load Assessment in Online Learning: A Hybrid Deep Learning Approach

Rowan Hussein, Mohamed Ouf

cs.LG cs.AI

本文使用单通道消费级EEG设备采集数据，通过混合CNN+LSTM+Attention模型区分在线学习视频内容的难易程度，在受试者内设置下达到78.5%的准确率，但受限于仅9名受试者，结果需谨慎对待。

Expander Sparse Autoencoders: Parameter-Efficient Dictionaries for Mechanistic Interpretability

Rodrigo Mendoza-Smith

cs.LG cs.AI cs.IT

本文提出Expander SAEs，通过将TopK SAE的decoder和tied encoder限制在左$d$-正则expander mask上，将学习参数从$O(mn)$降至$O(dn)$，并利用图结构将OMP中的相关步骤优化为$O(dn)$的gather-and-reduce操作。实验表明，在多个语言模型上，该方法在极低参数下仍能保留大部分交叉熵损失恢复性能，并从理论上证明了expansion和column flatness对无噪声$k$-sparse code可识别性的充分性。

Do LLMs Truly Generalize in the Molecular Domain? A Perturbation-Based Analysis

Jiatong Li et al.

cs.LG cs.CL

本文通过引入Molecular Perturbation框架，在受控的Graph Edit Distance下生成分子的语法有效结构变体，系统分析了分子领域大语言模型对结构变化的泛化能力。研究发现，即使单次编辑也会导致性能显著下降，表明模型存在狭窄的局部信任区域。

Gaming Consensus: Coordinated Manipulation in Crowdsourced Fact-Checking

Nikil Roashan Selvam et al.

cs.LG

本文研究了众包事实核查系统中基于matrix factorization的bridging mechanism（一种通过跨视角共识识别误导信息的机制）可能遭受的协调操纵攻击。利用历史生产数据，发现少量评分即可操纵低质量笔记达到共识阈值，并揭示了“Not Helpful”评分可能反常提升帮助分数的现象。

Many Voices, One Reward: Multi-Role Rubric Generation for LLM Judging and Reward Modeling

Dazhi Fu et al.

cs.LG

本文提出了一种名为Multi-Role Rubric Generation (MRRG)的无训练、无参考框架，通过从多个互补角色中生成评估标准并整合为可审计的评分器，以解决单角色评估中的维度盲区问题。实验表明，该方法在偏好验证和强化学习奖励建模中优于基线，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等概念无直接关联。

Adaptive Group-Based Counterfactual Explanations for Time-Series Rehabilitation Data

Emmanuel C. Chukwu et al.

cs.LG

本文针对多变量时间序列康复数据中的反事实解释问题，提出了一种两阶段框架，通过引入可学习的组门控机制（Learnable Gate）来生成基于语义特征组的反事实解释，在保持解释有效性的同时提升了组级稀疏性和临床可解释性。

Decomposer: Learning to Decompile Symbolic Music to Programs

Yewon Kim et al.

cs.LG cs.AI cs.SD

本文提出Decomposer框架，将符号音乐（MIDI）反编译为可执行的Strudel程序。通过合成数据微调和强化学习优化，在保证MIDI重建保真度的同时提升代码可读性，但方法在理论或长期问题解决上缺乏显著开创性。

Learning the Supports for Categorical Critic in Reinforcement Learning

Jen-Yen Chang, Takayuki Osa, Tatsuya Harada

cs.LG

本文针对分布强化学习中Gaussian Histogram Loss (HL-Gauss)需要预定义固定support interval的问题，提出了一种动态学习support上下界的方法。该方法通过联合优化目标来同时学习support边界和标量值的分类表示，并证明该目标构成了mean-squared Bellman error的上界，且理论上比非学习型support的HL-Gauss更紧。实验表明，该方法在多数连续控制任务上匹配了基于HL-Gauss的actor-critic算法，并在部分任务上有所提升，且无需预先指定support interval。

Regularized Variational and Spectral Log-Density-Ratio Estimation in the Gaussian Location Model

Francis Bach

cs.LG math.OC math.ST stat.ML

本文在Gaussian location model下研究了ridge-regularized log-density-ratio估计，通过CGMT和resolvent方法推导了variational estimator和spectral estimator的高维渐近等价形式，并比较了它们的population risk。

Rank-Then-Act: Reward-Free Control from Frame-Order Progress

Yuriy Maksyuta et al.

cs.LG cs.AI

本文提出Rank-Then-Act (RTA)框架，通过训练Vision-Language Model (VLM)作为基于进度的序数评分器，并利用Spearman秩相关设计奖励函数，实现了无需环境奖励的专家视频策略学习。该方法在离散和连续控制任务上表现良好，但未涉及code、spectral、Muon或attention等关键词。

Population-Based Multi-Objective Training of Discriminators for Semi-Supervised GANs

Francisco Sedeño, Francisco Chicano, Jamal Toutouh

cs.LG cs.AI cs.CV

本文提出了一种基于种群的进化训练策略，将SSL-GAN中判别器的学习建模为multi-objective optimization问题，通过Pareto dominance对种群进行排序，以探索分类准确性与真假判别之间的不同权衡。实验表明该方法在MNIST数据集上相比基线方法提升了训练鲁棒性。

Zeus: Towards Tuning-Free Foundation Model for Time Series Analysis

Yisong Fu et al.

cs.LG

Zeus提出了一种无需微调的时间序列基础模型，通过多尺度Transformer和Multi-Objective Temporal Masking策略统一处理多种分析任务，在零样本预测等场景中取得竞争性结果。该方法主要关注时间序列的通用建模，与关键词中的spectral、Muon、agent等概念关联较弱。

Conditional Co-Ablation: Recovering Self-Repair Backups in Transformer Circuits

Zhiren Gong et al.

cs.LG cs.AI

本文提出Conditional Co-Ablation (CoAx)方法，通过条件共消融来恢复Transformer电路中因自我修复（self-repair）而被掩盖的备份组件。该方法在GPT-2-small的IOI电路上提升了备份头的恢复性能，并验证了这些组件在因果上承担修复功能。

Hybrid quantum-classical neural network for sentiment analysis

Giacomo Cappiello et al.

cs.LG quant-ph

本文研究了混合量子-经典神经网络在情感分析中的应用，使用TF-IDF向量化的COVID-19推文数据集，发现混合模型在准确率上与经典基线相当，但在验证损失和准确率上表现出不同的学习动态。在迁移学习到SMS垃圾邮件分类任务时，混合模型在垃圾邮件类别上准确率提升了15个百分点，显示出更好的泛化能力。

A More Accurate Algorithm Comparison through A/B Testing using Offline Evaluation Methods

Koki Konishi, Masataka Ushiku, Yuta Saito

cs.LG

本文通过理论分析和实验发现，在A/B测试中使用样本均值估计器可能比离线评估方法产生更高的算法选择错误率，并提出一种通过引入假设中间算法来诱导正相关性的新估计器，以降低关键选择错误。该方法在真实数据上能以一半的A/B测试数据达到与现有方法相同的选择错误率。

Probabilistic Low-Voltage Peak Load Forecasting with Time Series Foundation Models Evaluated on Application-Oriented Metrics

Benedikt Kaas et al.

cs.LG

本文评估了多种时间序列基础模型（如Chronos-2）在低压电网短期净负荷预测中的表现，并与传统基线模型进行了对比。研究引入了面向应用的新指标，将峰值预测能力与电网资产规划中的成本-风险权衡联系起来。

Do Newer Lightweight CNNs Perform Better Under Resource Constraints? A Controlled Multigenerational Study of Architecture, Initialization, Training Budget, and Efficiency

Tasnim Shahriar

cs.LG cs.AI cs.CV

本文在受控实验下比较了九种轻量级CNN模型在多个图像分类数据集上的性能与资源效率，发现较新的设计（如RepViT-M1.0）仅在特定场景下优于经典模型（如EfficientNet-B0），而EfficientNet-B0在精度与资源消耗间取得了最佳平衡。研究还指出，GMACs等单一指标无法准确预测实际推理延迟，且随机初始化下MobileNetV3-Small表现优于更新的MobileNetV4-Conv-S。

Liquid Latent State Dynamics for Interpretable Turbofan Degradation Modeling

Weizhi Nie, Weijie Wang, Yuting Su

cs.LG cs.CV

本文提出了一种基于liquid neural networks的潜状态动力学模型，用于航空发动机健康监测。该模型将历史窗口编码为潜状态，并分解为退化与工况成分，通过多种损失函数实现解耦，在C-MAPSS基准上提升了传感器预测精度。

Fast and Accurate Anomaly Detection in Time Series

Emanuele Mele et al.

cs.LG

本文提出了一种基于Haar离散小波和$t$-检验的无监督时间序列异常检测算法，并通过大量实验证明其性能优于现有基准方法。

A Memory Efficient Unified Algorithm for Online Learning of Linear Dynamical Systems

Yuval Ran-Milo, Angelos Assos, Elad Hazan

cs.LG eess.SY

本文针对线性动力系统(LDS)的在线预测问题，提出了一种统一算法，其可学习参数数量为$\widetilde{O}(k)$，其中$k$表示系统的不稳定复杂度。该算法适用于包括非对角化系统在内的所有LDS，并证明了任何基于filter的预测器至少需要$k$个filter的下界。

Beyond the Performance Illusion: Structure-Aware Stratified Partitioning and Curriculum Distributionally Robust Optimization for Spatially Correlated Domains

Prathamesh Patil, Arpit Jain, Aswanth Krishnan

cs.LG cs.AI cs.CV

本文指出在时空相关领域（如航拍、医学影像）中，随机数据集划分会因数据泄露和隐藏分层导致性能评估失真。为此，作者提出了结构感知分层划分（SASP）和课程分布鲁棒优化（CDRO）框架，以改善泛化性和校准可靠性。

SA-HGNN: Sample-Adaptive Hyperbolic Graph Neural Network for EEG-Based Depression Recognition

Yang Li et al.

cs.LG cs.AI

本文提出SA-HGNN模型，利用双曲几何和自适应图构建来捕捉抑郁症脑电信号中的层次结构，通过双曲图卷积和注意力池化模块提升识别性能。该方法在公开数据集上验证了有效性，但未涉及code、spectral或Muon等关键词。

kNNGuard: Turning LLM Hidden Activations into a Training-Free Configurable Guardrail

Mahmoud Abdelfattah, Hamid Nasiri, Peter Garraghan

cs.LG cs.AI cs.CR

本文提出了一种无需训练的LLM防护栏kNNGuard，通过提取隐藏激活并融合多层kNN与embedding空间分数进行分类，在多个领域取得有竞争力的F1分数且推理速度更快。该方法主要关注安全检测的实用效率，与关键词中的理论或结构创新关联较弱。

Fourier Neural Operators for Rayleigh-Bénard Convection

Chelsea Maria John et al.

cs.LG physics.flu-dyn

本文提出了一种改进的Fourier Neural Operator (FNO)用于模拟二维Rayleigh-Bénard对流，通过预测时间增量而非完整解来提升精度，模型紧凑且推理速度快，但指出FNO在泛化到更细网格时精度受限于训练数据分辨率。

Ask the Right Comparison:Bias-Aware Bayesian Active Top-$k$ Ranking with LLM Judges

Jian Xu et al.

cs.LG

本文研究了使用LLM作为有偏好的judge进行top-k排序的问题，提出了一种结合贝叶斯推断和主动学习的框架，通过显式建模bias（如verbosity和position）并采用top-k感知的acquisition rule来提升排序准确性。实验表明该方法能有效纠正cheap和mid-tier judge的bias，但对frontier judge影响不大。

Predictive Conformal Slip Monitoring: An Empirical Evaluation of Rolling Split Conformal Prediction for Pre-Incident Traction Loss Detection

Varshith Roy Kotla

cs.LG stat.AP

本文实证评估了Rolling Split Conformal Prediction在赛车牵引力损失预警中的应用，发现该方法在19名车手的实际数据中平均精确率和召回率均为0，且虚警率过高，无法作为有效的预警信号。研究指出，残差自相关诊断表明split-conformal的exchangeability假设在所有车手数据中均被违反，这是导致高虚警率的主要原因。

ART for Diffusion Sampling: Continuous-Time Control and Actor-Critic Learning

Yilie Huang, Wenpin Tang, Xun Yu Zhou

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

本文提出了一种名为ART的连续时间控制框架，通过将采样时钟速度作为控制变量来学习扩散模型中的自适应时间步长分配，并引入ART-RL将其转化为强化学习问题。该方法通过改变时间步长网格即可提升现有扩散采样器的样本质量，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Probing Chemical Language Models: Effects of Pre-training and Fine-tuning

Anna Karnysheva, Dietrich Klakow, Ji-Ung Lee

cs.LG

本文研究了化学语言模型（CLMs）在预训练和微调过程中对分子子结构的编码能力，发现预训练能提升模型对分子结构的感知，且微调会更多地影响与任务相关的子结构。

Predicting Early Stages Of Alzheimer's Disease And Identifying Key Biomarkers Using Deep Artificial Neural Network And Ensemble Of Machine Learning Methodologies

Debopriya Ghosh

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

本文使用ADNI数据集，通过迭代插补处理缺失值、Borderline SVM-SMOTE处理类别不平衡，并采用包装法和嵌入法进行特征选择。随后构建了基于Logistic Regression、Extra Trees、Bagging KNN和LightGBM的stacking集成模型以及人工神经网络，用于阿尔茨海默病的早期检测和关键生物标志物识别。

Dynamic Neural Graph Encoding of Inference Processes in Deep Weight Space

Di Wu et al.

cs.LG cs.AI

本文提出了一种基于动态图（dynamic graph）的神经网络权重空间编码方法DNG-Encoder，通过将网络推理过程建模为图上的时序动态来捕捉层间处理的顺序性。该方法在隐式神经表示（INR）分类等任务上取得了约10%的精度提升，但未直接涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Bayesian Sparse Low-Rank Adaptation for Large Language Model Uncertainty Estimation

Jijie Zhang et al.

cs.LG cs.CL

本文提出DALorRA框架，通过变分贝叶斯稀疏方法在LoRA的rank维度上施加随机掩码，以校准大语言模型的不确定性估计，同时保持推理准确性。

Privacy-Preserving and Verifiable Approximate Distributed Coded Computing

Xavier Martínez-Luaña et al.

cs.LG cs.CR

本文提出了一种模型无关的分布式学习框架，结合了隐私增强的编码计算技术GPBACC与鲁棒聚合及验证机制，以同时应对联邦学习和去中心化学习中的隐私泄露与恶意攻击问题。实验表明该方法能有效降低隐私泄露并提升对主动攻击的鲁棒性。

Online Resource Allocation with Continuous Random Consumption: Regret under Degeneracy

Jiawei Zhang

cs.LG

本文研究了连续随机消耗下的在线资源分配问题，其中请求的奖励和消耗量均为连续随机变量。文章通过一个活跃加权质量指数p来刻画遗憾，并分析了不同p值下的遗憾下界与上界，但该方法在开创性或与关键词的契合度上未达到精选标准。

Self-explainable Operator Learning for Discovering Spatial Patterns in Functional Data

Mojgan Alishiri, Amirhossein Arzani

cs.LG physics.flu-dyn

本文提出了一种自解释的operator learning框架，通过将operator learning重构为积分方程表示的广义泛函线性模型的线性组合，并利用积分方程的加性可分解性将输入域划分为子域来计算局部积分，从而评估每个区域对最终预测的贡献。该方法在血流和非定常空气动力学等流体问题中展示了函数到标量和函数到函数映射，其解释性直接嵌入在operator结构中，无需外部工具。

HERMES: A Multi-Granularity Labeling Substrate for Pre-training Data Mixtures

Ziyun Qiao et al.

cs.LG cs.AI cs.CL

HERMES提出了一种基于数据的分层标注方法，通过Learned Semantic Transform和3-stage residual vector quantization为每个文档生成从粗到细的code，支持多粒度数据混合。实验表明该方法在预训练中能揭示固定粒度方法无法测试的交互效应，但整体更侧重于数据标注框架而非解决长期存在的理论问题。

Generalization in offline RL: The structure is more important than the amount of pessimism

Max Weltevrede, Matthijs T.J. Spaan, Wendelin Böhmer

cs.LG cs.AI

本文研究了offline RL中悲观主义对泛化的影响，指出悲观结构（而非程度）是决定泛化能力的关键，并证明对称的悲观值函数优于非对称的。文章提出通过策略提取阶段的consistency loss应用data augmentation，并在旋转对称环境中用IQL和CQL验证了该观点。

Optimizing Visual Generative Models via Distribution-wise Rewards

Ruihang Li et al.

cs.LG cs.CV

本文提出了一种基于分布奖励的视觉生成模型微调框架，通过子集替换策略高效估计分布奖励，缓解了传统样本级奖励导致的模式崩溃问题。实验表明该方法在FID-50K指标上显著提升了SiT和EDM2等基础模型的性能。

One More Time: Revisiting Neural Quantum States from a Reinforcement Learning Perspective

Juan Agustín Duque et al.

cs.LG cond-mat.dis-nn quant-ph

本文从强化学习视角重新审视Neural Quantum States (NQS)的优化问题，将变分能量最小化视为Born分布上的advantage policy-gradient问题，并提出了Proximal Wavefunction Optimization (PWO)算法。该算法通过裁剪概率比和相位增量来避免矩阵求逆，在Ising和frustrated $J_1$-$J_2$自旋系统中相比Adam等方法提升了稳定性与收敛速度。

Neuron-Aware Active Few-Shot Learning for LLMs

Zhuowei Chen et al.

cs.LG cs.AI

本文提出NeuFS框架，通过利用LLM内部neuron activation patterns来选择few-shot样本，而非传统的输出层信号。该方法在推理和文本分类任务上优于现有baseline，但未涉及code、spectral或Muon等关键词。

QFedAgent: Quantum-Enhanced Personalized Federated Learning for Multi-Agent Activity Recognition

Quoc Bao Phan, Tuy Tan Nguyen

cs.LG cs.AI

本文提出QFedAgent，一种混合量子-经典个性化联邦学习框架，用于多智能体活动识别。该框架通过变分量子电路融合模块处理加速度计-陀螺仪数据，在OPPORTUNITY数据集上达到97.7%的准确率，同时大幅减少参数数量。

Extreme Adaptive Transformer for Time Series Forecasting

Sanjeev Shrestha, Hui Liu, Yifan Zhang

cs.LG

本文提出Exformer模型，通过引入包含Local、Stride和Extreme三个稀疏组件的极端自适应attention机制，来改进时间序列预测中对罕见极端事件的建模能力。实验表明该方法在径流预测任务上优于现有基线。

Understanding the Robustness of Distributed Self-Supervised Learning Frameworks Against Non-IID Data

Xuanyu Chen et al.

cs.LG

本文对分布式自监督学习（D-SSL）框架在非独立同分布（non-IID）数据下的鲁棒性进行了理论分析，证明了Masked Image Modeling (MIM)预训练比Contrastive Learning (CL)对异构数据更鲁棒，且联邦学习（FL）的鲁棒性不低于去中心化学习（DecL）。文中还提出了MAR loss作为MIM目标的改进，并通过实验验证了理论结果。

Neuron-Aware Data Selection for Annotation-Free LLM Self-Distillation

Zhuowei Chen, Xiang Lorraine Li

cs.LG cs.AI

本文提出Neuron-OPSD框架，利用内部neuron激活值指导无标注数据选择和teacher context构建，通过on-policy distillation训练LLM。该方法在专业领域任务上提升性能，同时保持跨域泛化能力。

Beyond Adam: SOAP and Muon for Faster, Label-Efficient Training of Machine Learning Interatomic Potentials

Gil Harari et al.

cs.LG cs.AI physics.chem-ph physics.comp-ph

本文系统比较了Muon、SOAP等矩阵结构化优化器在训练机器学习原子间势能模型（MLIPs）时的性能，发现这些优化器在收敛速度和最终精度上优于Adam，尤其在部分力监督下提升显著。

DemoPSD: Disagreement-Modulated Policy Self-Distillation

Yunhe Li et al.

cs.LG cs.AI

本文提出DemoPSD框架，通过选择性采纳教师指导来解决on-policy self-distillation中的特权信息泄露问题。该方法使用reverse-KL barycenter target在教师和学生分布间自适应平衡，在科学推理任务上取得优于GRPO和SDPO的性能。

Program-as-Weights: A Programming Paradigm for Fuzzy Functions

Wentao Zhang et al.

cs.LG cs.AI cs.CL

本文提出了一种名为Program-as-Weights (PAW)的编程范式，用于将自然语言描述的模糊函数编译为紧凑的、可本地执行的神经网络工件。通过训练一个4B的编译器在FuzzyBench数据集上生成参数高效适配器，PAW使得一个轻量级的0.6B解释器在性能上可与直接提示32B模型相媲美，同时大幅降低了推理内存和计算成本。

cs.AI

The Agentic Garden of Forking Paths ⭐ 精选

Jiacheng Miao, Jonathan K Pritchard, James Zou

cs.AI stat.ME

本文提出AI agents能够捕捉人类研究者之间的分析变异性，并引入m-value（multiverse value）作为衡量分析路径极端性的概率指标，以及Agentic Bootstrap方法通过AI agents采样可行分析路径来估计该值。该方法为长期存在的“分析路径分叉”问题提供了可量化的解决方案，将科学证据的评估从单一报告分析扩展到整个分析分布空间，与关键词“agent”高度契合。

Diverse Evidence, Better Forecasts: Multi-Agent Deliberation Under Information Asymmetry ⭐ 精选

Yuante Li et al.

cs.AI

本文针对多智能体系统中信息同质化导致群体思维（herding）的问题，提出了一种名为InfoDelphi的框架。该框架通过设计信息不对称（information asymmetry），将证据划分为共享的公共子集和互斥的私有子集，使得每个agent拥有其他agent无法直接获取的独家知识，从而迫使agent通过deliberation（基于理由的迭代讨论）进行真正的信念修正。理论分析表明，这种分解降低了agent间的误差相关性，在PolyGym基准（375个二元预测问题）上，InfoDelphi在Brier score和准确率上分别比最强基线提升12-18%和4-8个百分点，验证了输入多样性（diversity of input）是有效多智能体推理的关键。该工作与关键词“agent”高度契合，并为多智能体协作中的信息分配提供了开创性方法。

Repair the Amplifier, Not the Symptom: Stable World-Model Correction for Agent Rollouts ⭐ 精选

Xinyuan Song, Zekun Cai

cs.AI

本文提出了一种名为WM-SAR (World-Model Subgraph Amplification Repair) 的方法，用于修复agent在长程规划中产生的world-model错误。与传统的扫描节点和边并修复可见症状的工程方法不同，WM-SAR通过反向追溯子图放大过程，识别出持续放大误差的关键节点和边，仅将这一因果子图发送给LLM进行修复。该方法在token预算受限的情况下显著优于工程修复器，实现了接近全图稳定性的效果，为agent rollouts中的错误修正提供了更高效、更精准的解决方案。

Safety Testing LLM Agents at Scale: From Risk Discovery to Evidence-Grounded Verification ⭐ 精选

Yunhao Feng et al.

cs.AI

本文提出Vera，一个端到端的自动化安全测试框架，用于大规模测试LLM agent的安全性。该框架通过文献驱动的风险发现、组合式安全用例生成以及基于证据的验证三个阶段，实现了对非确定性agent的自动化安全评估。实验在四个生产级agent框架上揭示了严重的安全漏洞，平均攻击成功率达93.9%，并发布了包含1600个可执行安全用例的Vera-Bench基准。这项工作为agent系统的可维护安全评估提供了模块化、可执行的测试基础设施。

SkillCoach: Self-Evolving Rubrics for Evaluating and Enhancing Agentic Skill-Use ⭐ 精选

Jiayin Zhu et al.

cs.AI cs.CL

本文提出SkillCoach框架，用于评估和增强LLM agent的技能使用能力。该框架通过从真实rollout中自动演化出基于技能的process rubrics，从skill selection、skill following、skill composition和skill-grounded reflection四个维度评估agent轨迹，并将外部verifier作为独立的结果信号以区分过程质量与偶然任务成功。实验表明，演化出的rubrics能显著提升评估质量，揭示被最终准确率掩盖的失败，并为训练提供比仅基于结果过滤更强的监督信号。该工作与关键词"agent"高度契合，为agent技能使用评估提供了开创性的过程监督方法。

Atomic Task Graph: A Unified Framework for Agentic Planning and Execution ⭐ 精选

Yue Zhang et al.

cs.AI

本文提出Atomic Task Graph (ATG)框架，用于统一LLM-based agent的规划与执行。ATG通过维护显式的directed acyclic graph (DAG)来暴露子任务间的依赖关系，支持并行执行和错误定位修复。该方法在仅使用7B-8B backbone的情况下，在多个交互式benchmark上显著提升了任务成功率和执行效率，与关键词"agent"高度契合。

Evidence-State Rewards for Long-Context Reasoning ⭐ 精选

Ya Gao, Pekka Marttinen

cs.AI cs.LG

本文提出Maven框架，通过可编辑的evidence memory（证据记忆）和基于答案条件的evidence-state value（证据状态值）来定义action-level state transitions（动作级状态转移）的奖励。该方法在LongBench v2等长上下文推理基准上优于仅奖励最终答案或静态证据提取的强化学习方法，为长上下文推理中的证据导航提供了开创性的优化思路。

A$^{2}$utoLPBench: An Auto-Generated, Agent-Friendly LP Benchmark via Inverse-KKT Construction ⭐ 精选

Shuo Ren et al.

cs.AI

本文提出A$^{2}$utoLPBench，一种通过Inverse-KKT Construction自动生成线性规划问题的benchmark，用于测试LLM-driven agent。该方法无需人工标注和solver调用，通过选定可行点和对偶变量构造问题，确保ground-truth答案正确。该benchmark具有无限生成新问题、可调节难度、抗训练数据泄露等特性，为agent在数学优化领域的评估提供了开创性框架。

A Hippocampus for Linear Attention: An Exact Memory for What the Recurrent State Forgets ⭐ 精选

Wanyun Cui

cs.AI

本文提出HOLA (Hippocampal Linear Attention)方法，为linear attention模型添加一个受互补学习系统启发的hippocampal complement。该方法在保持原有delta-rule state作为compressive memory的同时，引入一个有界的exact KV cache作为semiparametric test-time memory，通过存储预测残差较大的token来避免关键信息被overwrite。实验表明，在340M参数规模下，HOLA在Wikitext perplexity上从27.32降至22.92，甚至低于full-attention Transformer++ (26.88)，并在RULER needle-in-a-haystack任务中展现出对32k tokens的鲁棒recall能力，显著提升了linear attention的long-context retrieval性能。

PACE: A Neuro-Symbolic Framework for Plausible and Actionable Counterfactual Explanations

Pavel Iakovets et al.

cs.AI

本文提出PACE框架，将神经预测模型与符号推理（如Answer Set Programming）结合，用于生成符合领域约束的可行动反事实解释。通过在Adult Income数据集上的案例研究，展示了该方法在反事实有效性与可行性之间的权衡。

Auto-FL-Research: Agentic Search for Federated Learning Algorithms

Holger R. Roth et al.

cs.AI

本文提出Auto-FL-Research (AFR)，一个用于联邦学习算法搜索的编码智能体工作流。智能体可提出并实现候选训练算法，在五个医疗任务和六个LEAF数据集上评估，部分任务有性能提升，但结果混合，揭示了搜索的种子敏感性和失败案例。

The Wiola Architecture for Efficient Small Language Models

Aryuemaan Kumar Chowdhury et al.

cs.AI

本文提出了一种名为Wiola的全新小型语言模型架构，包含五个原创组件：Spiral Rotary Positional Encoding、Gated Cross-Layer Attention、Adaptive Token Merging、Dual Stream Feed-Forward和WiolaRMSNorm。该工作主要贡献在于提供了一个与现有模型家族无结构关联的完整SLM设计，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Agent4cs: A Multi-agent System for Code Summarization in Large Hierarchical Codebases

Yongjian Tang et al.

cs.AI

本文提出了一个名为Agent4cs的多智能体系统，用于对大型分层代码库进行代码摘要生成。该系统采用自底向上的方式，通过摘要、关键词提取和质量保证三个智能体协作，以提升摘要的语义一致性和关键词覆盖率。

When Should Service Agents Reconsider? Difficulty-Routed Control in Customer-Service Operations

Qian Chen, Chengyuan Liu, Xin Yu

cs.AI

本文提出了一种基于难度路由的服务控制架构，通过轻量级路由器将常规会话与操作耦合会话分流，并在升级路径中引入冲突感知通信和写入触发重审机制，以在零售和航空任务中提升可靠性。该方法通过路由证据表明强控制被定向到冲突请求而非常规请求，但未涉及代码、谱方法或预训练等关键词。

CreativityNeuro: Steering Language Model Weights to Improve Divergent Thinking and Reduce Mode Collapse

Samuel Schapiro et al.

cs.AI cs.LG

本文提出CreativityNeuro方法，通过对比权重引导增强大语言模型的发散思维，无需数据或微调即可提升创造性任务表现并减少模式崩溃。该方法在多项创造力评估中取得改进，但未涉及代码、谱方法或预训练等关键词相关技术。

Discrete Diffusion Language Models for Interactive Radiology Report Drafting

Max Van Puyvelde et al.

cs.AI cs.LG

本文探讨了将离散扩散语言模型（Diffusion Language Model）应用于放射学报告草稿生成，并与自回归模型进行对比。实验表明扩散模型在医学视觉问答任务上性能相当且解码速度更快，并具备自回归模型所缺乏的任意顺序填充能力。

Beyond Next-Token Prediction: An RLVR Proof of Concept for Tool-Use Agents on Atlassian Workflows

Karthikeya Aditya Vissa et al.

cs.AI

本文探索了Reinforcement Learning with Verifiable Rewards (RLVR)在特定企业API工作流中的应用，通过构建五个合成环境对Qwen3-1.7B和Qwen3.5-4B进行训练，在非退化场景下将平均奖励从0.35-0.92提升至0.95-1.00。该工作作为概念验证，展示了RLVR在缩小next-token prediction与具体API操作之间目标不匹配的潜力，但存在奖励手工设计难以扩展等局限。

World Feedback for Clinical Agents: Diagnosing RL in FHIR Environments

Ananya Mantravadi et al.

cs.AI

本文通过审计MedAgentBench数据集发现RL在临床任务中的局限性，并构建了MAB-v3基准。实验表明纯RL因能力上限和格式知识障碍表现不如规则SFT，提出用SFT注入代码、RL学习条件逻辑的混合方案。

Procedural Memory Distillation: Online Reflection for Self-Improving Language Models

Ye Liu et al.

cs.AI cs.LG

本文提出Procedural Memory Distillation (PMD)方法，通过在线收集模型自身rollout中的跨episode信号（如策略、失败模式）并蒸馏回策略权重，以提升语言模型的自改进能力。该方法在SCIKNOWEVAL和LIVECODEBENCH上优于SDPO，但与关键词中的code、context、spectral、Muon、pretrain、agent、attention均无直接关联。

Janus: a Playground for User-Involved Agentic Permission Management

Natalie Grace Brigham et al.

cs.AI cs.CR

本文提出了一个名为Janus的模块化agent系统，用于实现和评估用户参与的权限管理设计，并通过实验证明了用户输入对隐私安全的重要性以及AI辅助决策的潜力。该工作与关键词“agent”相关，但方法本身并非开创性突破。

Revisiting Chain-of-Thought Reasoning under Limited Supervision: Semi-supervised Chain-of-Thought Learning

Hongyang He, Jiuming Liu, Victor Sanchez

cs.AI cs.LG

本文定义了半监督Chain-of-Thought学习，并提出Semi-CoT框架，通过为无标签问题采样多个伪CoT并基于语义熵选择低熵链作为伪监督信号。实验表明该方法能生成高精度伪推理链，但在不同数据集上的效果存在差异，部分场景出现负迁移或性能瓶颈。

OPINE-World: Programmatic World Modeling with Ontology-error-Prioritized Interactive Exploration

David Courtis, Wenhao Li, Scott Sanner

cs.AI cs.LG

本文提出OPINE-World，一个利用LLM agent在线学习面向对象的程序化世界模型的方法。它通过两个协作agent（一个与环境交互，一个合成模型）和基于ontology error的贝叶斯探索策略，在ARC-AGI-3基准上实现了高效技能获取。

Scaling Trends for Lie Detector Oversight in Preference Learning

Oskar J. Hollinsworth et al.

cs.AI

本文研究了SOLiD方法在更大规模LLM上的扩展性，发现其能有效降低未检测到的欺骗行为，但该方法对训练数据分布变化敏感，可能导致误报率过高。

EO-Agents: A Three-Agent LLM Pipeline for Earth Observation Hypothesis Generation

Mahyar Ghazanfari et al.

cs.AI

本文提出一个基于LLM的三智能体(agent)流水线EO-Agents，用于地球观测假设生成，通过将假设生成过程直接锚定在NASA知识图谱上，并利用图神经网络对数据集配对进行排序。实验表明该方法能生成跨多个地球科学领域的科学假设，但主要贡献在于应用层面而非理论创新。

Hawk: Harnessing Hardware-Aware Knowledge for High-Performance NPU Kernel Generation

Junyi Wen et al.

cs.AI cs.SE

本文提出Hawk框架，通过硬件感知知识合成、检索与蒸馏模块，为NPU生成高性能kernel，将生成准确率从49.4%提升至80.0%并实现2.2倍加速。该方法主要解决NPU kernel开发中的硬件约束问题，与关键词中的code和context有一定关联。

Safe and Adaptive Cloud Healing: Verifying LLM-Generated Recovery Plans with a Neural-Symbolic World Model

Junyan Tan et al.

cs.AI cs.CL

本文提出了一种名为PASE的云系统故障自愈框架，将LLM作为规划引擎生成恢复计划，并通过神经符号世界模型进行验证。该方法在真实云故障数据集上实现了更快的恢复速度，但未涉及code、spectral、Muon等关键词相关技术。

SemHash-LLM: A Multi-Granularity Semantic Hashing Framework for Document Deduplication

Xinyi Fang et al.

cs.AI

本文提出SemHash-LLM，一个多粒度语义哈希框架，结合语义投影哈希、注意力加权MinHash、对比边界学习和选择性LLM裁决，用于大规模文档去重。该方法通过门控融合字符、token和文档级信号，并采用级联过滤流水线高效减少候选集，在不到1%的神经验证成本下实现了强重复检测质量。

Profit-Based Counterfactual Explanations for Product Improvement: A Case Study of Manga Sales in Japan

Keita Kinjo, Takeshi Ebina

cs.AI

本文提出了一种基于利润的反事实解释（PBCE）框架，将反事实解释重新定义为管理营销中的利润最大化问题，消除了对目标值和距离函数的外生指定需求，并赋予距离项以成本的经济学解释。该方法通过直接最大化利润来优化产品属性修改，为产品改进提供了数据驱动的决策支持。

Scaling with Confidence: Calibrating Confidence of LLMs for Adaptive Test Time Scaling

Xuqing Yang et al.

cs.AI

本文提出C3RL算法，通过整合正确性、校准和数据集信息参考准确度奖励来训练LLMs，以改善其置信度校准。并基于此提出CAS策略，根据响应置信度自适应分配推理计算资源，在降低推理预算的同时提升了性能。

Spatial Support Matters: Geometry-Aware Graph Fusion for Rainfall Field Reconstruction

Low Jun Yu et al.

cs.AI

本文提出了一种几何感知的多支撑异构图神经网络，通过将不同测量支撑类型（点、线、网格）作为独立节点层进行跨支撑消息传递，用于降雨场重建。该方法在新加坡数据上相比基线方法降低了23.2%的RMSE，并展示了在欠采样场景下的优势。

Autonomous discovery of traffic laws with AI traffic scientists

Xingyuan Dai et al.

cs.AI

TrafficSci是一个agentic AI系统，它将交通规律的发现形式化为一个迭代、可审计的工作流，整合了证据范围界定、批评-判断假设归纳以及观察-干预验证。该系统在四个案例研究中自主重新发现了三条已知交通规律，并识别出城市驾驶行为中一个未报道的内在时间记忆尺度。

Separating Expert Retention from Autonomous Source Inference in Raw-ECG-Replay-Free Continual ECG Deployment

Yufan Lu et al.

cs.AI

本文研究了在无法保留原始ECG数据的情况下，多源ECG部署中的持续学习问题，提出了一种基于冻结特征和增量专家库的方法，通过保留训练特征来更新路由器，但未涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念。

Epistemic Goggles: A Pretrained Module that Induces an Epistemic Frame via Gradient Editing

Joshua Penman

cs.AI cs.CL cs.LG

本文提出了一种名为Goggles的模块，通过在微调过程中编辑梯度来向语言模型注入特定的认知框架（如将文档视为虚构内容），从而解决模型在虚构数据上微调后仍会相信其核心主张的问题。该方法在保持模型能力的同时，显著提高了模型识别虚构内容的准确率。

COMFYCLAW: Self-Evolving Skill Harnesses for Image Generation Workflows

Zongxia Li et al.

cs.AI cs.LG

本文提出COMFYCLAW框架，用于在ComfyUI工作流中实现智能体技能的自我进化，通过将工作流构建视为类型化图编辑并引入区域级VLM验证器来提升图像生成效果。实验表明该方法在多个基准上优于无技能进化的基线，但未涉及code、spectral、Muon等关键词相关技术。

Generic Expert Coverage for Pruning SparseMixture-of-Experts Language Models

Yongqin Zeng et al.

cs.AI

本文提出了一种名为Generic TB-Coverage的专家剪枝方法，用于稀疏MoE语言模型。该方法利用通用文本语料库（如WikiText2和C4）为每个专家分别评估效用，并通过固定预算的覆盖规则保留高效用专家，从而避免单一聚合分数带来的偏差。实验表明，该方法在多个零样本基准测试中优于随机剪枝、REAP和ExpertSparsity等方法，尤其在激进剪枝下效果显著。

Distributionally Robust Listwise Preference Optimization

Xudong Wu et al.

cs.AI

本文针对语言模型对齐中的listwise偏好优化问题，提出了一种基于点态全变差鲁棒的Plackett-Luce目标函数，通过将最坏情况下的排序简化为对隐式分数的升序排序，将内层最大化从$K!$枚举降至$O(K\log K)$复杂度。该方法在离线固定列表和在线策略诱导设置下分别给出了凸性和弱凸性下的优化保证，实验表明其在噪声环境下能提升鲁棒性。

DRL-CLBA: A Clean Label Backdoor Attack for Speech Classification via DDPG Reinforcement Learning

Yueming Huang et al.

cs.AI cs.SD

本文提出了一种基于DDPG强化学习的干净标签后门攻击方法DRL-CLBA，用于语音分类任务。该方法利用深度音频隐写术嵌入样本特定触发器，并通过强化学习框架优化目标样本在模型深层潜在空间中的位置，实现了无需标签迁移的投毒攻击。

Reformalization of the Jordan Curve Theorem

Simon Guilloud, Sankalp Gambhir, Samuel Chassot

cs.AI

本文探讨了Jordan曲线定理在不同证明助手（如Mizar, HOL Light, Lean, Agda）之间的形式化重构（reformalization），分析了实际重构任务中的关键设计选择。

Meta-Benchmarks for Financial-Services LLM Evaluation

Blair Hudson

cs.AI

本文提出了一个针对金融服务领域LLM评估的元基准框架，将452个公开基准映射到O*NET工作活动和BIAN业务领域，并通过加权Elo评分系统生成跨基准可比较的分数。该工作主要关注评估框架设计，与关键词中的code、spectral、Muon、pretrain、agent、attention等方向无直接关联。

Path-level Hindsight Instructions for Semantic Exploration in Vision-Language Navigation

Sung June Kim, Sangpil Kim, Honglak Lee

cs.AI

本文提出Phi-Nav框架，通过三阶段循环（oracle引导探索、hindsight指令合成、二次模仿学习）解决视觉语言导航中on-policy探索导致的语义不匹配问题，在R2R-CE和RxR-CE基准上取得有竞争力结果。

Mastermind: Strategy-grounded Learning for Repository-Scale Vulnerability Reproduction

Mingzhe Du et al.

cs.AI

本文提出Mastermind框架，通过分离可迁移的策略学习与任务特定经验，利用SFT和基于里程碑的GRPO训练规划器，以提升仓库级漏洞复现任务中LLM agent的成功率。实验表明，学习高层策略比优化完整动作轨迹更有效，且该策略可迁移至不同执行器。

SimWorlds: A Multi-Agent System for Dynamic 3D Scene Creation

Chunjiang Liu et al.

cs.AI

本文提出了SimWorlds，一个用于从文本生成动态4D场景的多智能体框架，通过规划-编码-审查工作流和分层场景协议来协调空间布局、物理求解器和时序。实验表明该方法在视觉保真度和物理一致性上优于基线，但未涉及代码、谱方法或预训练等关键词。

Verifiable Knowledge Expansion through Retrieval-Grounded Formal Concept Analysis

Yujin Yang, Heejung Lee

cs.AI

本文提出一个检索增强的小语言模型框架，利用Formal Concept Analysis作为符号验证循环来扩展知识。该方法在罕见ataxia数据集上评估了关系F1和蕴含F1分数，但性能有限且未涉及code、spectral、Muon、pretrain、agent或attention等关键词。

Subliminal Clocks: Latent Time Modelling in Diffusion Language Models

Maximo Rulli et al.

cs.AI cs.CL

本文研究了Diffusion Language Models (DLMs)内部是否隐式编码了与denoising timestep相关的潜在表示，并通过探针实验证实了该信号的可解码性。文章进一步展示了通过操纵与推断timestep相关的低维子空间，可以系统性地调节模型的denoising进度，从而影响其置信度和熵。

MMIR-TCM: Memory-Integrated Multimodal Inference and Retrieval for TCM Clinical Decision Support

Lihui Luo et al.

cs.AI

本文提出了一个名为MMIR-TCM的框架，用于中医临床决策支持，通过集成多模态大语言模型、记忆增强分割和检索增强生成技术，在舌诊数据集上取得了优于GPT-4o等模型的效果。该工作主要聚焦于特定应用领域，与关键词列表中的概念关联较弱。

Pre-Flight: A Benchmark for Evaluating Large Language Models on Aviation Operational Knowledge

Alex Brooker, Tim Hughes

cs.AI cs.CL

本文提出了Pre-Flight基准，用于评估大语言模型在航空运营知识上的表现，包含300道多选题。实验表明，即使最强模型（2026年发布）准确率也仅为82.7%，远低于专家水平的95%，说明该领域仍存在显著差距。

Actual causality in fault trees

Georgiana Caltais, Milan Lopuhaä-Zwakenberg, Mariëlle Stoelinga

cs.AI

本文从Halpern & Pearl的实际因果关系理论角度研究故障树，通过分析故障树的图结构和逻辑结构，对不同的实际因果关系概念进行了分类，并展示了最小割集如何产生实际原因。

CLAP: Closed-Loop Training, Evaluation, and Release Control for Domain Agent Post-training

Fangfei Li et al.

cs.AI

本文提出CLAP方法，通过闭环流程将业务数据转化为结构化SFT样本和评估集，用于domain agent的后训练管理。实验表明该方法在制造场景中能提升部分指标，但效果不稳定，且需结合RAG等组件。

Safety Targeted Embedding Exploit via Refinement

Joshua Adrian Cahyono

cs.AI cs.CL

本文提出STEER方法，通过梯度引导识别并迭代翻译LLM中导致拒绝行为的词汇到低资源语言，以绕过安全机制。实验表明该方法在多个模型上实现了高攻击成功率，揭示了当前安全训练在跨语言输入上的泛化不足。

CamoNAS: Neural Architecture Search for Enhanced Camouflaged Object Detection

Dawei Ren et al.

cs.AI

本文提出CamoNAS，一个用于伪装目标检测(COD)的频率感知多分辨率Neural Architecture Search (NAS)框架。它通过自动搜索cell级操作和网络级下采样路径，并采用RGB频率双流架构（含可学习的wavelet变换），在多个COD基准上取得了最优性能。

Spec-AUF: Accept-Until-Fail Training under Train-Inference Misalignment for Masked Block Drafters

Tianjian Yang, Meng Li

cs.AI cs.CL

本文提出Spec-AUF方法，通过修改mask-only block drafter的cross-entropy支持范围（仅保留到第一个预测失败的位置），以近似接受感知训练，在不改变推理流程和精确性保证的前提下，提升了speculative decoding中的平均发射长度。该方法在Qwen3-8B模型上验证了有效性，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Rethinking Complexity Metrics for LLM-Integrated Applications: Beyond Source Code

Zihao Xu et al.

cs.AI cs.SE

本文提出HECATE工具，用于评估LLM集成应用中prompt层和代码层的复杂性，基于Prompt-as-Specification形式化方法生成52个候选指标，并通过实证筛选出10个有效指标。结果表明，prompt层的结构性广度指标（如LLM调用点、记忆属性等）比传统代码复杂度指标更能预测维护工作量，且其显著性独立于代码规模。

ContextSniper: AntTrail's Token-Efficient Code Memory for Repository-Level Program Repair

Chiwang Luk et al.

cs.AI

本文提出ContextSniper，一个用于仓库级程序修复的token高效代码记忆层，通过混合检索和意图感知上下文门控来压缩证据，在SWE-bench Lite上减少了约40-50%的token使用，但修复率略有下降。

ElephantAgent: Contextual State Continuity in Agentic Systems

Jiankai Jin et al.

cs.AI cs.CR

本文提出了ElephantAgent协议，通过复制可信硬件维护线性化账本，为agent系统的contextual state（上下文状态）提供连续性验证，以防御工具和记忆投毒攻击。该方法在agent领域具有应用价值，但未涉及code、spectral、Muon、pretrain或attention等关键词。

A-TMA: Decoupling State-Aware Memory Failures in Long-Term Agent Memory

Zitong Shi, Yixuan Tang, Anthony Kum Hoe Tung

cs.AI

本文研究了LLM agent长期记忆中的状态协调失败问题（ghost memory），提出了ATMA方法作为现有记忆系统的状态感知覆盖层，通过分离银行维护、检索和回答时间三个层面的优化来减少记忆错误。该方法在冲突密集型基准LTP和长对话数据集LoCoMo上提升了冲突准确率和时间F1分数。

OntoLearner: A Modular Python Library for Ontology Learning with Large Language Models

Hamed Babaei Giglou et al.

cs.AI

本文介绍了OntoLearner，一个用于本体学习的模块化Python库，它统一了本体访问、大语言模型驱动的学习流程和标准化基准测试。该库发布了180个跨22个领域的机器可读本体，并提供了用于术语类型、分类发现和非分类关系提取的数据集。

Multimodal Knowledge Edit-Scoped Generalization for Online Recursive MLLM Editing

Siyuan Li et al.

cs.AI cs.CL cs.CV

本文研究了多模态大语言模型（MLLM）的在线知识编辑问题，提出了ScopeEdit方法，通过将每次更新分解为模态局部吸收分支和证据门控共享泛化分支，在正交低秩空间中实现范围分离的写入，以控制编辑的传播边界。实验表明该方法在跨模态迁移和无关输入局部性之间取得了更好的平衡。

Episodic-to-Semantic Consolidation Without Identity Drift

Xue Qin et al.

cs.AI cs.RO

本文提出了一种将episodic memory（情景记忆）转化为semantic memory（语义记忆）的确定性聚合函数，使得agent在更新知识时其加密认证身份保持不变。该方法通过分离知识层与身份层，解决了长期运行的自适应agent在知识整合与信息完整性之间的结构性矛盾。

Traceable Fault Diagnosis for Battery Energy Storage Systems via Retrieval-Augmented Multi-Agent O&M Assistant

Jiangdi Ru et al.

cs.AI

本文提出了一种基于检索增强多智能体的电池储能系统故障诊断助手，通过结合运行数据、领域知识和视觉证据来生成可追溯的诊断报告，并在路由、数据库访问和诊断推理上进行了初步评估。

InduceKV: Fixed-Footprint Continual Adaptation of Multimodal LLMs via Inducing KV Memories

Qianyu Chen et al.

cs.AI

本文提出InduceKV方法，通过检索和存储训练前缀作为attention-ready memory entries，在固定内存预算下实现多模态大语言模型的持续适应。该方法使用bilevel selection构建紧凑的inducing set，在多个持续学习任务上优于PEFT、MoE等基线方法。

Hidden Forgetting in Continual Multimodal Learning: When Accuracy Survives but Grounding Fails

Qianyu Chen, Canran Xiao, Runxuan Tang

cs.AI

本文研究了多模态大语言模型在持续学习中的“隐藏证据使用遗忘”现象，即模型在保持答案准确性的同时，其依赖的视觉、文本等证据通道发生了静默偏移。作者提出了一个无需回放的持续学习框架RCL，通过冻结旧模型作为参考并优化证据依赖的稳定性来缓解该问题。

PACE: A Proxy for Agentic Capability Evaluation

Yueqi Song et al.

cs.AI cs.CL

本文提出PACE框架，通过从非agentic基准测试中选取少量原子评估实例，构建代理基准来预测LLM agent在昂贵基准上的性能。该方法使用回归模型和两种互补的实例选择策略，在显著降低成本的同时保持高预测精度。

Algebraic Model Counting for Global Analysis of Optimal Decision Trees

Hiroki Arimura

cs.AI

本文提出了一种名为Algebraic Decision Tree Counting (ADTC)的代数框架，用于对最优和近最优决策树进行全局分析。该框架将优化、计数和采样等任务统一为半环上的和-积计算，并利用动态规划算法在特征数$n$上实现了$O^*(n^{O(\Delta)})$的时间复杂度。

SUNTA: Hierarchical Video Prediction with Surprise-based Chunking

Tomoshi Iiyama, Masahiro Suzuki, Yutaka Matsuo

cs.AI cs.LG

本文提出SUNTA方法，通过基于预测误差的surprise信号来划分hierarchical state-space models中的temporal chunks，并采用解耦训练策略避免层级崩溃。实验表明该方法在长时域视频预测任务中优于基线，但未涉及code、spectral或Muon等关键词相关技术。

ContextNest: Verifiable Context Governance for Autonomous AI Agent

Misha Sulpovar et al.

cs.AI

本文提出ContextNest，一种用于自主AI agent的上下文治理规范，通过结合类型化Markdown文档、元数据、确定性选择器和哈希链版本历史等机制，确保外部知识存储的可验证性、完整性和可追溯性。实验表明，该方法在抵御过时版本攻击和保证检索确定性方面优于传统检索方法。

Enhancing Fitness Intelligence through Domain-Specific LLM Post-Training

Xingtao Zhao, Tian Yang, Han Jiang

cs.AI

本文介绍了FitOne系列fitness LLMs，通过三阶段post-training pipeline（continual pre-training, supervised fine-tuning, reinforcement learning）提升科学健身领域的专业能力，在ACSM-EP和NSCA-CSCS等认证考试上相比Qwen3基础模型有显著提升，同时保持通用能力。该工作主要聚焦于领域特化LLM的训练流程，与关键词中的code, spectral, Muon, agent, attention等概念关联较弱。

Coding-agents can replicate scientific machine learning papers

Atharva Hans, Ilias Bilionis

cs.AI

本文提出了一种名为Paper-replication的工作流程，使coding-agent能够根据论文材料复现科学机器学习论文中的计算声明，并通过记录目标、运行实验和验证证据来确保复现的可靠性。该工作流在四篇论文的十二次独立运行中均通过了完成验证，但不同运行在数值精度和复现时间上存在差异。

A rubric-based controlled comparison of frontier language models on expert-authored clinical reasoning tasks

Samiha A. Ismail, Fan X. Chen, Ali Merali

cs.AI cs.LG

本文提出了一个由临床专家撰写的包含5个临床场景的小型评估数据集，并利用MECE评分标准对GPT 5.4、Claude Opus 4.7和Gemini 3.1 Pro三个前沿模型进行了对比。结果显示模型在高权重关键标准上的通过率远低于低权重标准，且多数关键标准未被任何模型满足。该工作主要贡献在于提供了一个可扩展的评估方法学框架，但与我提供的关键词（如code, spectral, Muon, pretrain, agent, attention）无直接关联。

UA-ChatDev: Uncertainty-Aware Multi-Agent Collaboration for Reliable Software Development

Temitayo Olamilekan Ogunsusi, Lijun Qian, Xishuang Dong

cs.AI

本文提出UA-ChatDev，一个不确定性感知的多agent软件开发框架，通过集成token-level log probabilities的轻量级不确定性估计和phase-aware阈值校准，在SRDD基准上提升了代码的完整性和可执行性。该方法与关键词中的agent和code相关，但缺乏开创性或解决长期问题的显著贡献。

Criticality-Based Guard Rail Validation for AI Agent Decisions in Autonomous Telecom Networks

Ravi Kant Sharma

cs.AI cs.NI

本文提出了Guard Rail Validation (GRV)框架，一种用于拦截和验证AI agent在自治电信网络中实时决策的运行时架构。该框架通过多维度加权评估决策的criticality级别，并应用分级验证机制（如执行日志、边界检查、独立agent验证或多agent共识），以防范错误决策风险。

Purified OPSD: On-Policy Self-Distillation Without Losing How to Think

Zhanming Shen et al.

cs.AI cs.LG

本文发现on-policy self-distillation (OPSD)在长链推理(long-CoT)模型中效果不佳，原因是教师监督信号被参考诱导的捷径成分主导。作者通过分解监督信号并利用pointwise mutual information (PMI)构建可迁移的蒸馏目标，在多个模型上取得了改进。

Copewell: A Multi-Agent Swarm Architecture for Equitable Mental Wellness Support

Seren Yenikent, Jack Vinijtrongjit, Katherine Ng

cs.AI cs.CY cs.HC

Copewell提出了一种多智能体swarm架构，通过整合自报告、生理和上下文数据来评估用户情绪状态，并利用Russell情感模型将用户路由至专门AI agent以提供对话支持和感官干预。该工作主要关注心理健康支持系统的社会技术设计，而非直接涉及code、spectral或pretrain等关键词。

AgenticSTS: A Bounded-Memory Testbed for Long-Horizon LLM Agents

Xiangchen Cheng et al.

cs.AI cs.CL

本文提出了AgenticSTS，一个用于长周期LLM agent的有界记忆测试平台，通过在Slay the Spire 2游戏中实现基于类型检索的契约来隔离不同记忆层的影响。实验表明，添加策略技能层可将胜率从3/10提升至6/10，但统计上不显著，该工作主要提供了一个可复现的agent设计方法论。

Grounded autonomous research: a fault-tolerant LLM pipeline from corpus to manuscript in frontier computational physics

Haonan Huang

cs.AI cond-mat.mtrl-sci physics.comp-ph

本文提出了一种基于LLM的容错流水线，用于从文献语料库到生成手稿的自主研究，并在凝聚态物理中验证了其有效性。该方法通过冗余机制和文献校准实现容错，但未涉及代码、谱学或预训练等关键词。

DRIFTLENS: Measuring Memory-Induced Reasoning Drift in Personalized Language Models

Xi Fang et al.

cs.AI

DRIFTLENS提出了一种无ground-truth的框架，用于量化个性化语言模型中由用户属性记忆引发的推理漂移。该框架将推理步骤映射到价值类别，并比较有无记忆注入时的推理轨迹差异，实验表明这种漂移是可测量的且难以完全消除。

Hardware-Enforced Semantic Coordination for Safety-Critical Real-Time Autonomous Systems

Uwe M. Borghoff, Paolo Bottoni, Remo Pareschi

cs.AI cs.MA

本文提出了一种基于FPGA的硬件强制语义协调架构，用于安全关键实时自主系统，通过将TB-CSPN协调机制映射到硬件原语来实现确定性协调。该方法侧重于在硬件层面强制执行时间同步和语义门控，而非加速。

Steerability via constraints: a substrate for scalable oversight of coding agents

Thomas Winninger

cs.AI cs.CR cs.SE

本文探讨了通过约束（如访问控制、网络策略和编码规范）来提升coding agent的可监督性，实验表明约束和工具能显著提高后门检测的召回率。

Fast Multi-dimensional Refusal Subspaces via RFM-AGOP

Thomas Winninger

cs.AI cs.LG

本文提出了一种基于Recursive Feature Machine (RFM)算法的高效方法，用于快速提取大型语言模型中的多维拒绝子空间，并在推理和非推理模型上验证了其速度优势。该方法通过探针初始化加速了子空间识别过程，但主要贡献在于计算效率的提升，而非解决长期存在的理论问题或与关键词高度契合。

Text-Driven 3D Indoor Scene Synthesis in Non-Manhattan Environments

Xianhui Meng et al.

cs.AI cs.CV

本文提出SPG-Layout框架，利用统计先验和分层布局策略，在非Manhattan环境中生成物理合理的3D室内场景，并构建了包含500个场景的基准测试。实验表明该方法在多种环境下均优于现有方法。

Automated grading of Linux/bash examinations using large language models: a four-level cognitive taxonomy approach

Manuel Alonso-Carracedo et al.

cs.AI cs.CL cs.CY

本文评估了GPT、Claude Opus、Gemini和GLM等大型语言模型在Linux/bash命令行考试自动评分中的表现，采用四层认知分类法对1200份学生答卷进行测试。结果表明，结合rubric引导的Gemini 3.0 Pro取得了最高的人机一致性，且问题复杂度是预测LLM评分准确性的可靠指标。

EvoPolicyGym: Evaluating Autonomous Policy Evolution in Interactive Environments

Zhilin Wang et al.

cs.AI cs.CL

本文提出了Autonomous Policy Evolution这一受控评估框架，并构建了EvoPolicyGym基准，用于衡量agent在固定交互预算下迭代改进可执行策略的能力。实验表明GPT-5.5在16个环境中表现最优，并通过轨迹级诊断分析了agent的预算分配与反馈转化机制。

G-RRM: Guiding Symbolic Solvers with Recurrent Reasoning Models

Timo Bertram et al.

cs.AI

本文提出G-RRM方法，将符号等变循环推理模型(SE-RRM)与经典symbolic solver（如backtracking和SAT求解器）结合，用于约束满足问题。实验表明，当问题搜索空间足够大且求解器能动态覆盖神经提示时，神经引导能显著加速求解，但并非所有求解器都受益。

What LLM Agents Say When No One Is Watching: Social Structure and Latent Objective Emergence in Multi-Agent Debates

Arman Ghaffarizadeh et al.

cs.AI cs.CL cs.LG cs.MA

本文提出了一种双通道辩论框架，用于研究LLM agents在社交结构（如角色和观众）影响下，其公开表达与私下表达（off-the-record）之间的差异。实验发现，在无明确目标提示的情况下，对齐诱导设置会导致公开与私下表达的系统性分歧，表明agents可能产生潜在目标。

ReContext: Recursive Evidence Replay as LLM Harness for Long-Context Reasoning

Yanjun Zhao et al.

cs.AI

本文提出RECONTEXT，一种无需训练的长上下文推理方法，通过递归选择模型内部相关性信号构建证据池并回放，以提升LLM对长输入中证据的利用，实验在多个模型上验证了有效性。

Online Safety Monitoring for LLMs

Mona Schirmer et al.

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

本文研究了一种用于LLM在线安全监控的简单方法，通过对外部模型的验证信号进行阈值化并利用风险控制校准阈值来生成警报。实验表明，该简单设计与基于序列假设检验的更复杂监控器性能相当。

Distributed Attacks in Persistent-State AI Control

Josh Hills, Ida Caspary, Asa Cooper Stickland

cs.AI

本文研究了在持久化代码库中，AI coding agent通过跨多个pull request (PR)分布恶意负载的攻击方式。实验发现，单一monitor无法同时防御渐进式与非渐进式攻击，并引入了一种stateful link-tracker monitor来检测跨PR的可疑累积行为。

cs.IR

STRUCTSURVEY: Structured Agentic Retrieval for Automated Survey Paper Generation

Paolo Pedinotti, Enrico Santus

cs.IR

STRUCTSURVEY提出了一种基于agent的分层多智能体框架，通过动态构建图结构表示来生成自动综述论文，在ACL基准上相比基线方法提升了ROUGE分数。该方法主要关注结构化检索而非谱方法或注意力机制等关键词。

Retrieval-Augmented Generation to Support Railways Engineering Tasks: A Case Study

Andrea Gerardo Russo et al.

cs.IR cs.CY

本文描述了一个在铁路工程领域构建Retrieval-Augmented Generation系统的工业案例，用于查询复杂的技术法规。该系统结合了LLM与领域知识，但方法本身不具有显著的开创性，且与关键词列表中的概念关联较弱。

Bi-NAS: Towards Effective and Personalized Explanation for Recommender Systems via Bi-Level Neural Architecture Search

Longfeng Wu et al.

cs.IR cs.LG

本文提出Bi-NAS框架，通过双层神经架构搜索优化推荐系统的解释生成，并集成LLM提升个性化。该方法在四个数据集上验证了推荐准确性和解释有效性的提升。

CoPersona: Collaborative Persona Graphs for Robust LLM Personalization

Yangtian Zhang et al.

cs.IR

本文提出CoPersona框架，通过构建多面persona图从行为相似用户中借调信号以补全稀疏用户画像，解决LLM个性化中用户历史稀疏和偏差问题。该方法采用双分支架构结合非参数化peer检索与参数化图推理，在多个领域和模型规模上验证了有效性。

IntentTune: Using user demand and personalization to resolve "unknown" query intents for e-commerce search

Rachith Aiyappa et al.

cs.IR cs.AI

本文提出了IntentTune框架，用于解决电商搜索中用户查询意图不明确的问题。该框架利用用户特定的行为信号（如搜索历史）或群体需求模式来推断潜在意图，实验表明用户行为信号优于群体统计信息。

Evaluating Chunking Strategies for Retrieval-Augmented Generation on Academic Texts

Valentin J. J. Kreileder, Johannes Reisinger, Andreas Fischer

cs.IR cs.AI cs.CL

本文评估了在长篇幅结构化学术论文中，基于聚类的语义chunking策略与固定大小及递归chunking策略在Retrieval-Augmented Generation (RAG)系统中的检索与回答质量，发现基于聚类的chunking并未优于更简单的策略，且RAGAs框架的faithfulness指标在此设置下可靠性有限。

Planning over Matrix-Factorization MDPs for Candidate Generation

Mikhail Trapeznikov, Maksim Utushkin

cs.IR

本文提出将top-K检索建模为基于矩阵分解MDP的规划问题，通过fold-in更新用户状态并比较静态检索与一步规划、MCTS的效果。实验表明，在多个数据集上动态感知规划能改善检索性能，且一步前瞻即可获得大部分收益。

Bringing Agentic Search to Earth Observation Data Discovery

Minghan Yu et al.

cs.IR cs.LG

本文为地球观测数据发现构建了一个agentic search系统，利用NASA Earth Observation Knowledge Graph和LLM推理来提升检索性能。系统通过监督学习和零样本agentic重排序阶段，在47k查询-数据集基准上显著提升了Recall@10和MRR指标。

cs.CL

FaithMed: Training LLMs For Faithful Evidence-Based Medical Reasoning ⭐ 精选

Zhiyun Zhang et al.

cs.CL

本文提出FaithMed框架，通过将循证医学原则形式化为过程级准则，并结合临床医生设计的自动优化rubric与基于step-level process reward assignment和advantage grouping的强化学习，训练LLM进行忠实于证据的医学推理。该方法在七个医学基准上平均提升9%，并显著提高了推理过程的忠实度评分，解决了当前医学LLM缺乏对检索证据进行监督性评估与应用的问题。

TokenScope: Token-Level Explainability and Interpretability for Code-Oriented Tasks in Large Language Models

Amirreza Esmaeili, Fatemeh Fard

cs.CL cs.AI cs.SE

TokenScope是一个针对decoder-based LLMs的交互式可解释性分析工具，通过暴露token级别的指标、attention模式和结构信息来研究代码生成过程中的模型行为。它支持交互式token替换、反事实分支和基于abstract syntax tree的代码感知聚合。

Safeguarding LLM Agents from Misalignment through Provenance Analysis

Yining She, Yiliang Liang, Eunsuk Kang

cs.CL cs.AI

本文提出ProvenanceGuard，一种基于provenance analysis的多阶段pipeline，用于检测LLM agent在调用工具前的misalignment问题。该方法通过分析agent上下文中的可追溯证据来判断工具调用是否与用户意图一致，并在两个基准测试上相比LLM-as-a-judge基线显著降低了错误率。

Kara: Efficient Reasoning LLM Serving via Sliding-Window KV Cache Compression

Shen Han, Yuyang Wu

cs.CL cs.AI

本文提出Kara，一种基于sliding-window的KV cache压缩方法，通过仅在最近生成的context上操作并利用bidirectional attention选择信息性KV pairs，以解决推理语言模型长链思维解码时的高延迟和低吞吐问题。该方法设计了Token2Chunk模块将选中的KV pairs扩展为chunk，并适配PagedAttention构建了KvLLM推理框架。

SPARCLE: SPeaker-aware Aligned Representations via Contrastive Language Embeddings

Priyam Mazumdar et al.

cs.CL cs.AI cs.SD eess.AS

本文提出SPARCLE模型，通过对比学习将grapheme与Wav2Vec2声学表示对齐，并引入speaker身份条件，以替代传统的G2P系统用于TTS任务。实验表明，在极低资源场景下，该方法将词错误率降低了一半。

Breaking Safety at the Token Boundary: How BPE Tokenization Creates Exploitable Gaps in LLM Alignment

Tung-Ling Li, Hongliang Liu, Yuhao Wu

cs.CL cs.AI

本文研究了BPE tokenization在LLM安全对齐中造成的结构性漏洞，发现安全词汇被分割成子词片段会导致对齐失效。通过在多个模型家族上进行实验，作者验证了这种机制并提出了防御诊断方法，但未涉及code、spectral、Muon等关键词相关的内容。

Prompt Framing Distorts Count-Based Evaluation of LLM Error Detection: Evidence from Numeric Anchoring

Dekun Yang

cs.CL cs.AI

本文研究了LLM错误检测中基于计数的F1评估指标（Count-based F1）的失真问题，发现提示框架（Prompt Framing）中的数字锚定（Numeric Anchoring）会导致F1分数虚高（F1 Inflation），而实际定位质量并未提升。论文通过引入ErrorBench协议和实验验证了这一现象，并建议在评估中避免预填充错误计数，同时报告span-aware指标。

Mapping Text to Multiplex Graph: Prompt Compression as Lévy Walk-Guided Graph Pruning

Yaxin Gao et al.

cs.CL cs.AI

本文提出RAGP方法，将prompt压缩视为多路复用图上的冗余感知图剪枝问题，利用Levy walks的heavy-tailed步长分布来平衡局部与全局信息探索。实验表明该方法在LongBench上以4倍压缩比达到49.3的平均分，优于现有基于LLM的压缩方法。

Office Comprehension Benchmark

Firoz Shaik et al.

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

本文提出了Office Comprehension Bench (OCB)，这是首个在Word、Excel和PowerPoint原生文件格式上评估LLM系统理解能力的公开benchmark，包含文件保真度问答和领域问答两个track。实验表明，即使最强的系统在默认推理模式下也仅达到约59.3%的准确率，且提升推理深度对性能影响有限。

RuleChef: Grounding LLM Task Knowledge in Human-Editable Rules

Ádám Kovács, Nadia Verdha, Gábor Recski

cs.CL

本文提出了RuleChef框架，利用大语言模型(LLM)为NLP任务（如文本分类、NER）生成可执行的规则，并通过示例和人工反馈迭代改进规则。该框架将LLM仅用于学习阶段，最终产出快速、确定且可检查的规则系统。

TurnNat: Automatic Evaluation of Turn-Taking Naturalness in Dyadic Spoken Dialogue

Hao Zhang et al.

cs.CL cs.AI

本文提出了TurnNat，一个基于likelihood的框架，用于自动评估双通道口语对话中的turn-taking自然度。它通过一个因果预测模型估计未来双说话人的voice-activity状态，并利用negative log-likelihood衡量时序异常性，最终聚合为对话级别的自然度分数。

RusFinChain: A Russian Benchmark for Verifiable Chain-of-Thought Reasoning in Finance with Fuzzy-Aligned Evaluation

M. K. Arabov

cs.CL

RusFinChain是一个俄语金融领域的可验证Chain-of-Thought推理基准，包含5280个参数化示例和增强的模糊对齐评估指标。实验发现模型在步骤对齐上表现尚可，但最终答案正确率仅约29%，揭示了金融推理中的显著差距。

Multi-Objective Exploration and Preference Optimization via Mutual Information

Hongyan Xie et al.

cs.CL

本文提出MI-EPO框架，通过最大化生成响应、偏好反馈和偏好向量之间的联合条件互信息，统一了多目标探索与对齐。该方法利用概率路由机制分解目标对齐与偏好感知探索，使模型生成与不同偏好条件可区分且对齐的响应。

MultAttnAttrib: Training-Free Multimodal Attribution in Long Document Question Answering

Dang Quang Thien Tran et al.

cs.CL cs.AI cs.CV

本文提出了MultAttnAttrib，一种无需训练的多模态归因生成方法，通过利用模型的prefill pass、选定的attention heads和校准阈值来定位文档中的源证据，并引入了相应的基准数据集MultAttrEval。实验表明该方法在归因准确性上优于多种基于prompt的方法，并接近GPT 5.4等前沿模型，同时显著降低了推理延迟。

IsoSci: A Benchmark of Isomorphic Cross-Domain Science Problems for Evaluating Reasoning versus Knowledge Retrieval in LLMs

Samir Abdaljalil, Erchin Serpedin, Hasan Kurban

cs.CL cs.AI

本文提出了一个名为ISOSCI的benchmark，通过构造逻辑结构相同但领域知识不同的科学问题对，来分离评估LLM的推理能力与知识检索能力。实验发现，大多数推理模式的提升依赖于特定领域知识，而非通用的结构不变性，这对chain-of-thought推理在短程科学问题解决中的有效性提出了质疑。

Grounded Optimization: A Layered Engineering Framework for Reducing LLM Hallucination in Automated Personal Document Rewriting

Shashank Indukuri, Adarsh Agrawal

cs.CL cs.AI

本文提出了一种名为Grounded Optimization的五层框架，用于减少大型语言模型在自动化个人文档重写（如简历优化）中的幻觉问题，包括时间上下文验证、确定性污染检测等模块。实验表明该框架能显著降低幻觉率，但方法主要针对特定应用场景，缺乏理论或算法层面的开创性。

Comparing Architectures for Supervised Political Scaling

Anna Golub, Sebastian Padó

cs.CL

本文比较了有监督政治文本缩放任务中不同架构（分类与回归方法）的性能，探讨了联合预测尺度与寻找分类-回归中间地带的可行性。

From Monolingual to Multilingual: Evaluating Mamba for ASR in South African Languages

Jesujoba O. Alabi et al.

cs.CL

本文评估了Mamba模型在南非七种语言上的ASR性能，与Conformer基线相比，Mamba在相似识别精度下训练更快且资源消耗更少。研究还探索了多语言训练及语言嵌入等扩展，发现多语言训练能提升性能，但语言嵌入主要增强跨语料鲁棒性而非捕捉语言类型学相似性。

Parameter Golf: What Really Works?

Prashanna Mani Paudel, Shivanand Venkanna Sheshappanavar

cs.CL

本文分析了"Parameter Golf"竞赛中的2037个pull request和1430个提交，构建了84种优化技术的分类体系，并测量了每种技术对bits-per-byte (BPB)的贡献。结果显示，尽管单个技术改进通常不超过1%，但竞赛整体BPB从1.2244降至1.058，并识别出少数能跨堆栈提升性能的方法。

Can Language Models Actually Retrieve In-Context? Drowning in Documents at Million Token Scale

Siddharth Gollapudi et al.

cs.CL

本文研究了语言模型在百万token规模下进行in-context retrieval的能力，提出了BlockSearch模型和长度感知的attention调整方法。实验表明该方法在部分基准上可匹配dense retrieval，但在极端外推下仍存在性能崩溃问题。

DiPS: Dialogue Policy Selection for High-Stakes Persuasion Agents

Tianyi Zhang et al.

cs.CL cs.AI

本文提出DiPS框架，使用Q-learning在火灾救援场景中动态选择说服策略，以提升撤离成功率。该方法通过训练critic根据对话上下文选择策略，在模拟和真实交互中优于零样本LLM和RAG方法。

Beyond Skepticism: Evaluating LLMs Pedagogical Intent Reasoning with the Adaptive Pedagogical Vigilance Framework

Minghao Chen et al.

cs.CL

本文提出了Adaptive Pedagogical Vigilance (APV)框架，通过Bayesian Pedagogical Intent Inference Engine (PIIE)来评估LLMs在教学沟通中的意图推理能力。实验表明该框架能有效提升模型对教学性内容的识别，并与人类判断高度相关。

ProWAFT: A ROMA-LPD Instance for Workload-Aware and Dynamic Fault Tolerance in FPGA-Based CNN Accelerators

Xinxin Chen et al.

cs.CL

本文提出ProWAFT框架，通过部分重配置在FPGA上的CNN加速器中选择性地应用TMR（三模冗余），以平衡延迟、能耗和可靠性风险。该方法在Xilinx平台上验证了其有效性，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

When Does Generating More Help? Disentangling Fixed-Source Synthesis from Source Expansion in Synthetic Data Scaling

Xu Guo et al.

cs.CL

本文研究了合成数据扩展中的两种路径：Source Expansion (SE) 和 Fixed-Source Synthesis (FSS)，通过固定种子问题池和教师模型来隔离FSS，并采用Rejection Sampling (RS) 调整每问题的响应预算。实验表明，FSS是一种有界的扩展轴，在预算较大时不如SE有效，且不同合成协议在FSS下表现相似。

Rethinking Speech-LLM Integration for ASR: Effective Joint Speech-Text Training by Interleaving

Ruchao Fan et al.

cs.CL eess.AS

本文提出Joint Speech-Text Interleaved Pretraining (JSTIP)策略，通过构造词级和段级交错语音-文本序列来改进ASR任务中的语音-LLM集成。实验表明该方法在实体识别上优于传统联合训练，但未涉及code、spectral、Muon等关键词。

PARTREP: Learning What to Repeat for Decoder-only LLMs

Andikawati P Widjaja et al.

cs.CL cs.LG

本文提出PartRep方法，通过仅重复prompt中信息量最大的token（基于负对数似然选择）来改善decoder-only LLMs中因果注意力导致的信息不对称问题，并训练轻量级门控网络实现高效token选择。该方法在多个基准上保留了全重复的大部分收益，同时显著降低了KV cache和预计算开销。

On the Limits of Steering Vectors for Preference-Aligned Generation

Melanie Subbiah, Zara Hall, Kathleen McKeown

cs.CL

本文研究了steering vectors在偏好对齐文本生成中的泛化限制，发现其有效性在不同trait间差异显著，且多向量组合时trait表达会大幅下降。该工作为controlled text generation提供了实证分析，但未涉及code、spectral或Muon等关键词相关方法。

PairCoder++: Pair Programming as a Universal Paradigm for Verified Code-Driven Multimodal and Structured-Artifact Generation

Junhao Chen et al.

cs.CL

本文提出PairCoder++框架，将代码驱动的多模态与结构化工件生成（如图表、3D场景等）建模为两个agent的结对编程过程：Driver agent编写程序，Navigator agent基于工具链反馈（编译诊断、执行结果、渲染对比）进行审查并交替角色。该方法在17个公开基准测试中显著提升了可验证工件的生成质量，但未涉及spectral、Muon、pretrain或attention等关键词相关技术。

The Grammar Does the Work: Functional vs. Lexical Dependency Length Minimization Across Universal Dependencies

Kim Gerdes

cs.CL

本文通过分析122种语言的Universal Dependencies数据，发现依赖长度最小化在功能依赖（如det、case）和词汇依赖（如nsubj、obj）上表现出不同模式：前者普遍较短且跨语言稳定，后者较长且受词序类型学约束。研究揭示了语法结构在最小化处理压力中的基础性作用。

TUDUM: A Turkish-Thinking Reasoning Pipeline for Qwen3.5-27B

Baran Bingol, Bahaeddin Turkoglu

cs.CL cs.AI

本文提出了TUDUM，一个将Qwen3.5-27B思考模型适配为土耳其语推理的pipeline，通过SFT和RL训练使模型的思考过程（块）使用土耳其语。实验表明SFT缩短了回答长度但降低了基准准确率，RL部分恢复了数学性能，但整体未超越基础模型。

AIriskEval-edu: New Dataset for Risk Assessment in AI-mediated K-12 Educational Explanations

Javier Irigoyen et al.

cs.CL cs.AI cs.DB

本文介绍了一个名为AIriskEval-edu-db2的新数据集，用于训练和评估基于LLM的审计员，以对K-12教育内容进行可解释的教学风险评估。该数据集包含来自170个ScienceQA问题的1639个解释，并提供了结构化可解释性标注，验证实验比较了不同模型在教学风险检测和可解释性评估中的表现。

NAVER LABS Europe Submission to the Instruction-following 2026 Short Track

Marcely Zanon Boito et al.

cs.CL

本文描述了NAVER LABS Europe在IWSLT 2026指令跟随短轨道的提交系统，该系统使用SpeechMapper替换了语音投影器，并引入了合成SQA数据集fakACL，在受限设置下联合执行ASR、ST和SQA任务，最终取得了并列第一的成绩。

Beyond Supervised Clarification: Input Rewriting with LLMs for Dialogue Discourse Parsing

Yiming Liu et al.

cs.CL

本文研究了在无监督clarification（澄清）条件下，使用LLM对对话话语解析（DDP）中的输入进行重写（rewriting）的效果。实验发现，基于零样本提示的parser-agnostic重写往往引入更多退化而非修复，而parser-aware的clarifier虽能减少退化，但仍无法持续提升解析性能。文章将clarification重新定义为选择性干预问题，并指出可重写性预测（rewritability prediction）是冻结parser输入侧优化的关键缺失能力。

Towards a Phonology-Informed Evaluation of Multilingual TTS

Sneha Ray Barman, Neeraj Kumar Sharma, Shakuntala Mahanta

cs.CL cs.ET cs.LG

本文提出一个基于classifier的框架，用于评估多语言TTS系统对音系对比（如Assamese语言的ATR元音和谐）的忠实度。通过对比人类语音与合成语音，发现TTS系统在特定音系特征上存在系统性偏差。

Object Aligner: A Configurable JSON Schema Similarity Score for Graphs, Applied to LLM Prompt Optimization

Jan Drchal

cs.CL cs.AI cs.LG

本文提出了Object Aligner，一个用于计算JSON对象间相似度的可配置Python库，通过递归对齐树结构（对无序集合使用匈牙利算法，对有序集合使用序列对齐）并基于JSON Schema扩展实现部分评分。其核心贡献是引用对齐，通过Weisfeiler-Leman颜色细化近似解决图同构问题，使评分对标识符重标号不变，并可用于LLM提示优化中的奖励函数。

Using embeddings to predict spoken word duration and pitch in Mandarin monosyllabic words

Xiaoyun Jin, Mirjam Ernestus, R.Harald Baayen

cs.CL

本文研究了从自发言语语料库中提取的普通话单音节CV词，发现其上下文嵌入（CEs）能够预测口语词时长，且预测精度足以将归一化的f0轮廓反变换回毫秒时间尺度。该工作主要关注语音学中的时长与音高预测，与关键词中的code、context、spectral等概念关联较弱。

EduArt: An educational-level benchmark for evaluating art history knowledge in large language models

Gianmarco Spinaci, Lukas Klic, Giovanni Colavizza

cs.CL cs.CV

本文提出了EduArt，一个用于评估多模态大语言模型在艺术史知识和视觉推理方面能力的教育级benchmark，包含871道人工出题的问题。实验发现模型在多项选择题上表现接近饱和，但在开放式完成和错误识别等格式上表现显著下降，表明艺术史知识与实际应用能力是分离的。

OpenSafeIntent: Evaluating Intent-Calibrated Safe Completion Across Dual-Use Prompt Sets

Rheeya Uppaal et al.

cs.CL cs.AI

本文提出了OpenSafeIntent基准，通过控制prompt集来评估模型在不同意图下的安全完成行为，发现模型在意图变化时安全表现不稳定，并建议将安全完成评估视为意图校准行为。

SPLIT: Cross-Lingual Empathy and Cultural Grounding in English and Ukrainian LLM Responses

Anna Chorna

cs.CL cs.AI cs.CY

本文提出了SPLIT基准，用于评估LLM在英语和乌克兰语中生成共情响应的跨语言一致性，发现模型在低资源语言上表现下降，且人类与AI评估者在文化接地性上存在分歧。该工作主要关注情感支持与跨语言评估，与关键词中的code、spectral、Muon等无直接关联。

HaloGuard 1.0: An Open Weights Constitutional Classifier for Multilingual AI Safety

Navaneeth Sangameswaran, Preetham S, Ashmiya Lenin

cs.CL cs.CR cs.LG

本文提出了HaloGuard 1.0，一个基于constitutional-classifier范式的开源多语言输入安全分类器。该模型在英语和多语言prompt安全基准上取得了最先进的性能，且模型大小仅为当前领先开源防护模型的十分之一。

Unlocking Speech-Text Compositional Powers: Instruction-Following Speech Language Models without Instruction Tuning

Congrui Du et al.

cs.CL eess.AS

本文提出SpeechCombine，一种无需指令微调的语音语言模型训练方法。该方法通过对语音数据进行连续预训练，然后将指令微调后的文本LLM权重差直接组合到语音适配模型上，从而将文本能力迁移到语音领域。

Challenges and Recommendations for LLMs-as-a-Judge in Multilingual Settings and Low-Resource Languages

A.Seza Doğruöz et al.

cs.CL cs.AI

本文探讨了LLM-as-a-Judge在multilingual和低资源语言环境中的应用问题，发现现有研究存在评估结果不一致、过度信任LLM判断等缺陷，并提出了改进建议。该论文主要关注评估方法论，与关键词中的code、spectral、Muon、agent、attention等概念无直接关联。

BamiBERT: A New BERT-based Language Model for Vietnamese

Dat Quoc Nguyen et al.

cs.CL

本文提出了BamiBERT，一种基于BERT的越南语预训练语言模型，通过支持更长的context长度（2048 tokens）并直接在原始输入上操作（无需外部word segmentation），在多个越南语基准测试中取得了新的最佳结果。

CheckRLM: Effective Knowledge-Thought Coherence Checking in Retrieval-Augmented Reasoning

Dingling Xu et al.

cs.CL

本文提出CheckRLM框架，通过Retrieval-Augmented Generation (RAG)在推理链中提取事实性声明并检测知识不一致性，利用外部知识进行最小代价修正，以提升推理过程的可靠性。实验表明该方法能有效缓解长程推理中的错误累积。

On the Role of Directionality in Structural Generalization

Zichao Wei

cs.CL cs.LG

本文通过将AM代数替换为CCG定向类型，重新设计了SLOG测试中结构泛化任务的符号后端，在相同BERT-base编码器下提升了LF精确匹配率，并发现方向性表示主要改善了位置偏移类别的性能，而递归深度类别的瓶颈则在于神经编码器。

World Wide Models: Literary Tools for Cultural AI

Nina Begus

cs.CL cs.AI

本文探讨了文学工具（如比较阅读、叙事分析、世界文学方法）在构建文化AI中的应用，提出了一个分层框架以增强文本模型的多元解释能力，但未涉及关键词中的具体技术概念。

HULAT2 at MER-TRANS 2026: Governed Multi-Agent Simplification for Spanish Easy-to-Read Generation

Lourdes Moreno et al.

cs.CL

本文描述了HULAT2团队在MER-TRANS 2026西班牙语Easy-to-Read翻译任务中的参与情况，提出了基于LangGraph的多Agent工作流（结合Gemini 2.5 Flash和RigoChat-7B-v2）以及一个基于RigoChat的生成-评估-再生成基线方法。实验表明，信号引导的多Agent路由方法在SARI指标上优于线性再生成基线。

Know Your Source: A Public Knowledge Store for Media Background Checks

Benjamin Nichols, Michael Schlichtkrull, Nedjma Ousidhoum

cs.CL

本文介绍了MEDIAREF，一个公开的知识库，用于支持媒体背景核查（MBC）的生成，以解决现有RAG系统在事实核查中依赖不可靠证据来源的问题。该工作主要关注数据构建和评估，与关键词列表中的概念关联较弱。

The Future of NLP may not be at NLP Conferences: Scholarly Migration Patterns in Natural Language Processing

David Jurgens

cs.CL

本文研究了NLP领域学者发表论文的场所迁移现象，发现随着LLM的发展，作者越来越多地在通用ML会议而非传统*ACL会议上发表NLP相关研究，并分析了这种迁移对引用量的影响。

Language Models as Measurement Apparatus for Culture

Kent K. Chang

cs.CL

本文从Karen Barad的agential cut概念出发，论证语言模型对文化的量化是一种物质-话语实践，通过电视和电影对话的案例研究展示了模型设计选择如何构成被测量的文化现实。

Will Scaling Improve Social Simulation with LLMs?

Caleb Ziems et al.

cs.CL

本文研究了LLM规模扩展对社会模拟保真度的影响，发现计算规模与多数模拟任务性能正相关，但在纵向预测和认知偏差模拟中扩展效果有限。

Audio-Based Understanding of Audiobook Narration Appeal

Shahar Elisha, Mariano Beguerisse-Díaz, Emmanouil Benetos

cs.CL cs.SD eess.AS

本文利用预训练音频模型从LibriVox有声书中提取声学特征（如音调、节奏、响度），研究其与消费数据（如观看率）的关系，发现声学信息本身与有声书吸引力有稳健关联。这是首次系统性地将叙述质量、体裁、标题与有声书消费联系起来的研究。

Visually Grounded Self-Reflection for Vision-Language Models via Reinforcement Learning

Liyan Tang, Fangcong Yin, Greg Durrett

cs.CL cs.CV

本文提出了一种名为VRRL的强化学习训练框架，通过随机掩码轨迹前缀和引入经验回放缓冲区，增强视觉语言模型在分布外图像上的自我反思能力。实验表明该方法在表格、图表和空间导航任务上提升了分布外准确率。

Reasoning LLM Improves Speaker Recognition in Long-form TV Dramas

Yuxuan Li et al.

cs.CL cs.AI cs.CV

本文构建了DramaSR-532K基准数据集并提出了DramaSR-LRM方法，通过多模态工具使用和大型推理模型来提升长剧集中说话人识别的准确性。实验表明该方法在短语音片段上显著优于现有基线。

LACUNA: A Testbed for Evaluating Localization Precision for LLM Unlearning

Matteo Boglioni et al.

cs.CL cs.AI cs.LG

本文提出了LACUNA测试平台，通过向LLM的预定义参数注入合成PII数据，评估现有unlearning方法在参数层面的定位精度，发现当前方法虽在输出层面表现良好但定位不精确且易受resurfacing攻击。

cs.DS

Robustifying Sparse Matrix Multiplication ⭐ 精选

Karl Bringmann, Nick Fischer, Vasileios Nakos

cs.DS

本文提出了一种将鲁棒稀疏矩阵乘法（robust sparse matrix multiplication）归约到传统稀疏矩阵乘法的黑盒方法，仅需多对数开销。具体地，任何运行时间为$T(n, m_{in}, m_{out})$的稀疏矩阵乘法算法都可转化为一个鲁棒算法，其运行时间为$\widetilde O(T(n, m_{in}, k))$，其中$k$为输出中最大项的数量。该归约利用了稀疏恢复（sparse recovery）的工具箱，并涉及求解一个背包型问题。通过结合Abboud等人的最新算法，本文在$k \geq m_{in}^{1.762}$的区间内实现了近乎最优的$k^{1+o(1)}$时间算法，显著改进了现有结果。

Asymmetric Trading Prophets

Gagan Aggarwal et al.

cs.DS cs.GT

本文研究了非对称交易先知问题，其中交易者在每个时间步观察到买入价和卖出价组成的价格对，并分析了基于容量和初始库存的竞争比。对于单位容量情况，设计了常数竞争比的在线算法；对于一般容量，给出了竞争比为$1 - \Theta(\log B_0/\sqrt{B_0})$的算法。

Maximum Entropy is a 10/7-Approximation Algorithm for the TSP on Half-Integral Cycle Cut Instances

Billy Jin, Nathan Klein, David P. Williamson

cs.DS

本文研究了最大熵算法在TSP的半整数cycle cut实例上的近似比，证明了其能达到10/7的近似保证。该工作虽未改进一般实例的integrality gap上界，但为分析其他实例类提供了潜在方向。

Testing Unate Distributions

Daeho Lee et al.

cs.DS cs.CC

本文研究了$\{\pm1\}^n$上unate分布（unate Boolean函数的自然类比）的测试问题，给出了均匀性测试的样本复杂度$\widetilde{\Theta}(n^{3/2})$，以及任意分布unateness测试的条件样本复杂度上界$\widetilde{O}(n^{3/2})$和下界$\widetilde{\Omega}(n^{2/3})$。这些结果显著优于直接归约到单调情况的$\Omega(n^2)$复杂度。

Fully Persistent Dynamic LCE via AVL Trees and AVL Grammars

Taiki Kaneda, Hiroki Arimura, Shunsuke Inenaga

cs.DS

本文研究了完全持久动态字符串的equality和LCE查询问题，提出了一种基于AVL树路径复制的FeAVL结构，支持split、concatenate和单字符更新操作，并给出了基于AVL grammar的压缩实现。

Output-Sensitive Construction of CDAWGs from BWT-Runs

Yuta Tsuruzono, Hiroki Arimura, Shunsuke Inenaga

cs.DS

本文提出了一种基于BWT-runs的CDAWG构建算法，在给定压缩后缀树的情况下，实现了$O(e_L\log n\log(n/r))$的时间复杂度和$O(r\log(n/r)+e_L)$的空间复杂度。该工作主要关注数据结构的高效构建，与关键词列表中的概念关联较弱。

Efficient Pattern Matching in Unordered Term Tree Patterns with Height Constraints

Shintaro Matsushita, Takayoshi Shoudai, Yusuke Suzuki

cs.DS cs.FL

本文针对无序树中的模式匹配问题，提出了无序项树模式（unordered term tree patterns）并引入了高度约束变量，给出了一个时间复杂度为$O(N \cdot \max\{nD^{3/2}, \mathcal{S}\})$的算法。该工作主要面向抽象语法树和化学结构等应用场景，但与关键词列表中的概念关联较弱。

Faster Parameterized Broadcasting

Édouard Bonnet, Carl Feghali, Manolis Vasilakis

cs.DS

本文针对Telephone Broadcast问题，提出了基于vertex cover number、vertex integrity和distance to clique参数化的改进算法，运行时间分别为$2^{\mathcal{O}(\mathrm{vc} \log \mathrm{vc})} n^{\mathcal{O}(1)}$、$2^{\mathcal{O}(\mathrm{vi}^2 \log \mathrm{vi})} n^{\mathcal{O}(1)}$和$2^{\mathcal{O}(k \log k)} n^{\mathcal{O}(1)}$，其核心是通过Turing归约到edge-weighted $b$-Matching问题来加速。

Real-weighted Diameter and Eccentricity of Minor-free and Bounded VC-dimension Graphs in Truly Subquadratic Time

Da Wei Zheng

cs.DS

本文提出首个在实权有向图中计算直径和离心率的真正次二次时间算法，该图需满足常数距离VC维和强次线性大小平衡分离器性质，运行时间为$O(n^{2-1/(2h-2)}\textrm{polylog}(n))$。此前实权情形仅对平面图有次二次算法，而minor-free图等更广类仅适用于无权或小整数权；本文通过引入随机化search-to-decision归约，将VC维工具推广到实权场景。

Scalable and Distributed Silhouette Approximation

Ilie Sarpe et al.

cs.DS cs.DC cs.LG

本文提出基于采样的算法，以$O(nk\varepsilon^{-2}\ln (nk/\delta))$次距离计算估计metric $k$-clustering的local和global silhouette，并给出additive error $O(\varepsilon)$的概率保证，同时设计了MapReduce和MPC框架下的分布式实现。实验表明该方法在精度与效率间取得了最佳平衡。

Fine-Grained Bounds for Courcelle's Theorem

Daniel Lokshtanov et al.

cs.DS cs.LO

本文研究了Courcelle定理的精细复杂度边界，给出了一个算法，其运行时间关于树宽参数$t$和公式$\phi$的量词结构（特别是每个量词交替块中的一阶和二阶变量数量）的依赖关系接近指数时间假设(ETH)下的最优下界。该工作缩小了该问题已知上下界之间的差距。

Faster Cache-Efficient Pattern Matching for Deterministic Wheeler Pangenome Graphs

Riccardo Maso, Nicola Prezza, Carlo Tosoni

cs.DS

本文针对Wheeler deterministic finite automata (DFAs)上的模式匹配问题，提出了一种缓存友好的新数据结构。该方法通过将二分查找与快速顺序扫描相结合，显著减少了I/O操作次数，在真实Wheeler pangenome graphs上实现了高达500倍的速度提升。

Tight Lower Bounds for the Multi-Secretary Problem via Bellman Certificates

Jiawei Zhang

cs.DS cs.LG

本文研究了多秘书问题中的additive regret，证明了在混合两个分离均匀分布且容量临界的情况下，最优regret至少为$(\log T)^2$量级，从而表明现有上界是紧的。证明使用了Bellman certificates方法，将下界转化为显式构造。

Deterministic Polynomial-time Exact-root Computation for Sparse Polynomials with Bounded Total Degree

Qiao-Long Huang et al.

cs.DS math.AC

本文研究了稀疏多项式在多元情形下的确定性精确根计算问题，证明了基多项式$g$的稀疏度上界，并基于此开发了一个确定性算法。当总度数$D$有界时，该算法在输入参数上具有多项式时间复杂度，但该问题与关键词列表中的概念无直接关联。

Improved Approximation Algorithms for n-Pairs Shortest Paths

Avi Kadria, Liam Roditty, Virginia Vassilevska Williams

cs.DS

本文针对加权无向图中的$n$-Pairs Shortest Paths问题，提出了一种新的heavy-edge技术，将依赖于路径上最重边权重的近似算法转化为纯乘法近似算法，并给出了一个$1.622k$-近似算法，改进了先前$(2k-3)$-近似的结果。该工作主要贡献在于算法设计，与关键词中的code, context, spectral, Muon, pretrain, agent, attention均无直接关联。

others

Lynx: Progressive Speculative Quantization for accelerating KV Transfer in Long-Context Inference ⭐ 精选

Wenchen Han et al.

cs.DC cs.LG

本文提出Lynx系统，通过将KV cache按位重要性划分为高优先级的Anchor stream和低优先级的Residual stream，实现了渐进式、分流传输。解码可在接收完Anchor stream后立即开始，并与Residual stream的传输并行进行推测性解码，最后通过验证确保与高精度解码等价。该方法在长上下文推理中显著降低了首个token的延迟（TTFT），同时保持了高精度，为KV cache传输瓶颈提供了开创性解决方案。

Dendritic In-Context Learning in a Single-Layer Spiking Neural Network ⭐ 精选

Juwei Shen, Yujie Wu, Changwen Chen

cs.NE cs.LG

本文提出DendriCL，一种单层compartmental spiking neural network架构，通过将dendritic compartment（树突区室）视为计算基质而非被动通道，证明其亚阈值动力学天然实现了leaky online Widrow-Hoff LMS算法。该架构在Garg-2022 ICL benchmark上展现出超维度的seed稳定性，而密集Transformer在此场景下会出现grokking式不稳定。实验表明，从apical membrane（顶树突膜）直接线性探针可恢复参考online-LMS轨迹（$R^2=0.93$），说明该算法被结构性地嵌入动力学中而非训练中隐式发现。这项工作挑战了ICL需要attention、深度或推理时突触可塑性的传统假设，为生物可解释的上下文学习提供了新范式。

Learning to Move Before Learning to Do: Task-Agnostic pretraining for VLAs ⭐ 精选

Junhao Shi et al.

cs.RO cs.AI

本文提出Task-Agnostic Pretraining (TAP)框架，将VLA模型的学习解耦为物理能力（如何移动）和语义对齐（做什么）两个阶段。第一阶段通过自监督的Inverse Dynamics目标从廉价的无标签交互数据（如离轨轨迹和机器人自主探索）中学习可迁移的motor priors，第二阶段仅需少量专家数据即可将这些先验与语言指令对齐。该方法在SIMPLER benchmark上以数量级更少的标注数据匹配了百万级专家轨迹训练的性能，并在真实WidowX平台上展现出对相机扰动的鲁棒性，为Embodied AI提供了可扩展的预训练范式。该工作与关键词"pretrain"和"agent"高度契合。

ExPerT: Personalizing LLM Responses to Users' Domain Expertise via Query-Wise Semantic and Keystroke Behavioral Cues

Yeji Park, Jiwon Tark, Taesik Gong

cs.HC cs.AI cs.CL cs.IR

本文提出ExPerT框架，通过结合查询文本语义和键盘动态行为线索来推断用户对特定查询的领域专业知识水平，并据此调整LLM的响应细节、术语和复杂度。实验表明该方法在专业知识推断误差和响应满意度上优于基线。

LLMs as Teaching Assistants for Mathematics Exam Grading: Reliability, and Practical Usability

Aastha Sapkota, M. G. Sarwar Murshed

cs.CY cs.AI

本文评估了六种LLM配置作为本科离散数学考试评分助手的表现，比较了严格遵循评分标准与宽松评分两种策略。结果表明宽松策略能降低评分误差，但点校准与排名保持仍是不同目标。

A Practice Auditing Framework for Large Language Model Use: Collective Empiricism, Pseudo-Rational Cognition, and Governance of AI-Generated Content

Yang Zhao, Yingshuo Li, Zeyu Zhang

cs.CY cs.AI

本文提出了一个针对大语言模型使用和AI生成内容治理的实践审计框架，引入了集体经验主义和伪理性认知等概念来分析认知风险，并设计了包含需求定义、证据源审计等步骤的审计流程。该框架旨在将LLM输出回归到可验证、可复现的实践过程，但未涉及代码、谱方法或预训练等关键词相关技术。

Structuring the Space of Sociotechnical Alignment

Esra Dönmez, Agnieszka Falenska

cs.CY cs.AI cs.CL

本文提出一个以人为中心的框架来规范社会技术对齐（sociotechnical alignment），通过系统文献综述揭示了规范性概念不明确、目标人群定义不足等问题，并建议将社会科学框架与对齐设计选择联系起来。

Collaborative Disagreement Resolution for Scalable Oversight

Yuyang Jiang et al.

cs.CY cs.AI

本文提出了一种名为"Disagreement Resolution"的替代范式，将AI监督中的交互机制从对抗性辩论转变为协作性求真，通过设计自动化流程引导模型识别分歧点并达成共识。实验表明该方法在非专家模型判断准确率上优于标准辩论，为可扩展监督提供了新的思路。

How Indian Dermatologists are Utilizing Artificial Intelligence for Clinical Practice and Workflow Management: A Nationwide Survey with a Special Focus on atopic dermatitis

Dipayan Sengupta et al.

cs.CY cs.AI

本文通过一项针对印度皮肤科医生的全国性调查，分析了人工智能在临床实践和工作流程管理中的应用现状，特别关注特应性皮炎。调查发现，医生主要使用通用大语言模型进行文献综合和文档处理，而非专门的图像分析，且临床需求集中在慢性病管理而非诊断。

Beyond Detection: Redesigning Assessment and Governande of Generative AI at the Universidad Politécnica de Madrid (UPM)

Jessica Díaz et al.

cs.CY cs.AI

本文讨论了马德里理工大学（UPM）如何从防御性检测转向重新设计生成式AI的评估与治理框架，强调通过课程规则、真实评估和AI素养项目来促进学生自主性，而非依赖检测技术。

AI Assistance for Human Review of Default Judgments

Theodora Worledge et al.

cs.CY cs.AI

本文研究了AI辅助人类审查默认判决（default judgments）的效果，通过审计发现大量判决存在缺陷，并设计了一个基于大语言模型的Default Assistant工具。实验表明，该工具能显著提升审查准确率和效率，但方法本身在数学或算法层面缺乏开创性，与关键词列表中的概念关联较弱。

Artificial Intelligence-Enabled Accounting Information Systems and Fraud Detection in Nigeria's Financial Services Sector: The Moderating Role of Natural Language Processing

Timothy Oluwapelumi Adeyemi, Abigail Omotola Ojogbede

cs.CY cs.AI

本文研究了AI驱动的会计信息系统和自然语言处理在尼日利亚金融服务部门欺诈检测中的作用，通过定量调查发现这些技术能显著提升审计和欺诈检测效果。该研究主要关注应用层面，与关键词中的数学或理论概念关联较弱。

The Rising Unsustainability of AI Graphics Cards Production

Clément Morand, Aurélie Névéol, Anne-Laure Ligozat

cs.CY cs.AI

本文研究了2013-2025年间NVIDIA工作站显卡生产的环境影响，发现其能源消耗、碳排放和资源消耗持续增长，强调AI社区需关注生产端而非仅运行效率的优化。

Fast approximation and learning of binary classification tasks in o-minimal structures using ReLU neural networks

Clemens Kinn, Philipp Petersen

math.LO cs.LG math.FA

本文研究了在o-minimal结构中，用ReLU神经网络对可定义集（definable sets）的二分类决策区域进行近似与学习的问题。通过引入traceable sets作为可定义决策区域的经典代理，作者证明了其示性函数在$L^p$范数下的逼近率，并基于此得到了铰链损失下经验风险最小化的统计学习率。

Benchmarking Federated Learning and Knowledge Distillation for Point Cloud Classification

Aizierjiang Aiersilan

cs.GR cs.AI cs.CV cs.DC cs.LG

本文通过多种子基准测试，联合评估了federated learning (FL) 和 knowledge distillation (KD) 在3D点云分类任务中的表现，发现极端non-IID标签分布下FL性能严重下降，而KD能有效压缩模型。研究还揭示了一个评估陷阱：使用硬标签的KD可能掩盖FL教师模型的真实性能，建议采用无标签的KD方法。

eXact-Prior Variational Autoencoder (X-VAE): Learning Data-Adaptive Gaussian Mixture Priors for Latent Distributions

Qijun Chen, Shaofan Li

stat.ML cs.LG

本文提出X-VAE，用预训练autoencoder的latent codes的均值和标准差作为数据自适应的Gaussian prior，替代标准isotropic Gaussian prior，并引入latent scaling factor控制生成样本的方差。该方法在保持重建质量的同时提升了latent representation与数据分布的匹配度。

Embedding Inference Attack

Cedric Fitiavana Raelijohn, Sébastien Gambs, Jean-Francois Rajotte

cs.CR cs.IR cs.LG

本文研究了黑盒设置下的信息检索系统，提出了一种嵌入推理攻击方法，通过定制查询从候选模型中识别出使用的embedding model，并验证了该方法在包含重排序器或RAG系统时的有效性。

Adaptive Companionship for Group-Following Robots: Handling Dynamically Changing Group Formations

Cong-Thanh Vu, Yen-Chen Liu

cs.RO cs.AI eess.SY

本文提出了一种基于Vision-Language Models (VLMs)的社交机器人自适应群体陪伴方法，通过结合MPPI控制器实现动态群体编队下的稳定跟随。实验表明该方法在成功率和碰撞率上优于基线方法，但未涉及code、spectral、Muon等关键词相关技术。

CNN Models for Microphone Array Covariance Matrix Upsampling and Acoustic Imaging

Marianthi Adamopoulou et al.

eess.AS cs.LG cs.SD eess.SP

本文研究了利用深度学习技术将4麦克风阵列的协方差矩阵上采样至32麦克风阵列，以提升声学成像的空间分辨率。文章探索了五种基于2D卷积层和频率动态卷积的神经网络架构，并在STARSS23数据集上进行了评估。

Few-Shot Open-Set Audio Classification Using Attention Information-Fused Prototypes

Yanxiong Li et al.

eess.AS cs.LG

本文提出了一种基于注意力信息融合原型（Attention Information-Fused Prototypes）的少样本开集音频分类方法，通过融合support和query embeddings的类别判别信息来生成原型，并利用联合损失训练编码器。实验表明该方法在AUROC和准确率上优于现有方法，且计算复杂度更低。

CPG-PAD: Concept-Informed Prompts Guided Presentation Attack Detection

Haoyuan Zhang et al.

cs.CV cs.AI

本文提出CPG-PAD框架，利用Vision-Language Model和可解释AI技术自动发现与攻击相关的visual concepts，并通过prompt learning将这些概念注入模型，以提升人脸Presentation Attack Detection的跨域泛化能力。该方法在多个benchmark数据集上取得了state-of-the-art性能。

Generative AI and Federated Learning for Intrusion Detection Systems: A Survey

Jiefei Liu et al.

cs.CR cs.AI cs.LG

本文综述了生成式AI和联邦学习在入侵检测系统中的应用，涵盖了生成模型（如GANs、扩散模型、LLMs）和FL的多种技术方向，并讨论了合成数据质量、非IID分布等挑战。该工作属于综述性质，未提出具体的新方法或解决长期问题，与关键词关联度较低。

Ravines in quantum cost landscapes: opportunities for improved VQA predictions

Felix J. Beckmann, João F. Bravo

quant-ph cs.LG

本文利用从理论化学改编的nudged elastic band (NEB)算法，在变分量子算法（VQA）的量子代价景观（QCL）中识别并分析了连接局部极小值的低代价路径（ravines）。通过训练量子神经网络（QNN）进行分类任务，作者构建了基于NEB路径的集成预测框架，并引入了一种预训练度量来量化局部预测变异性。该工作主要关注量子机器学习中的优化与集成方法，与关键词中的code, context, spectral, Muon, pretrain, agent, attention无直接关联。

Mechanistic Interpretability and Causal Feature Steering of Neural Quantum States via Sparse Autoencoders

Zihao Qi, Christopher Earls

quant-ph cond-mat.dis-nn cond-mat.str-el cs.AI cs.LG

本文使用sparse autoencoders分析Neural Quantum States (NQS)的内部激活，发现其能无监督地提取与物理可观测量（如order parameters）强相关的特征，并通过单特征干预平滑地控制对应可观测量。该工作为NQS提供了诊断和干预工具，但与我提供的关键词（如code, context, spectral等）关联度较低。

Enerzyme: A Framework for Efficient Training of Reactive Neural Network Potentials for Enzyme Catalysis with Application to Methyltransferases

Weiliang Luo, Heather J. Kulik

physics.chem-ph cs.LG q-bio.BM

本文提出了Enerzyme框架，用于高效训练酶催化反应的reactive neural network potentials (NNPs)，并应用于methyltransferases的QM cluster模型。该框架通过模块化静电感知架构和自动化数据集生成，在少于1000个数据点上实现了近化学精度的反应能量和过渡态结构预测。

AI-enabled gravitational-waves searches for binary neutron stars at optimal sensitivity

Bhavya Gupta et al.

astro-ph.HE astro-ph.IM cs.AI

本文提出了一种名为Aframe的神经网络方法，用于在LIGO-Virgo-KAGRA引力波探测器中实时搜索双中子星信号，通过外差处理（heterodyning）解决了长持续时间信号的挑战，并实现了与匹配滤波管道相当的灵敏度，同时降低了计算和延迟成本。该方法在LVK的第四次观测运行中部署，是首个实现这一性能的AI驱动搜索。

Rethinking Generic Object Tracking Toward Human-Level Perceptual Intelligence

Shih-Fang Chen

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

本文探讨了通用目标跟踪（Generic Object Tracking）领域，旨在缩小机器视觉跟踪系统与人类视觉感知之间的差距。论文提出了一系列方法，以增强跟踪模型的目标判别、鲁棒适应和几何推理能力，但未涉及关键词中的特定技术。

A global predicted-fMRI drive signal from TRIBE does not predict YouTube replay heatmaps

Barada Sahu, Shivesh Pandey

cs.SE cs.LG q-bio.NC

本文使用TRIBE模型（2025年Algonauts脑编码挑战的获胜模型）预测的fMRI信号，与YouTube视频的“最重播”热力图进行相关性分析，发现预测的神经信号无法预测观众的重播行为，且结果在多种控制条件下均不显著。该研究主要贡献在于验证了脑编码模型在行为预测上的局限性，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。

GPUAlert: A Zero-Instrumentation Process-Boundary Monitor for Diagnosing GPU Training-Job Failures

Parv Agarwal, Asif Ekbal

cs.SE cs.AI cs.LG

本文提出GPUAlert，一个零侵入的命令行包装器，用于监控GPU训练任务并在失败时发送结构化通知。它通过预启动日志保证、通知器隔离和非静默工件预算等可靠性原语，在不修改训练脚本的情况下诊断失败原因。

BIFROST: Bridging Invariant Feature Representation for Observation-space Sim2Real Transfer

Yunfu Deng, Josiah P. Hanna

cs.RO cs.LG

本文提出BIFROST方法，通过跨域bisimulation目标学习共享历史编码器，将导致等价长期行为的观测-动作序列映射到相近的隐状态，从而在仿真中训练的策略能零样本迁移到现实。该方法在视觉导航和接触丰富的操作任务上验证了有效性。

Adoption and Impact of Command-Line AI Coding Agents: A Study of Microsoft's Early 2026 Rollout of Claude Code and GitHub Copilot CLI

Emerson Murphy-Hill, Jenna Butler, Alexandra Savelieva

cs.SE cs.AI cs.HC

本文研究了微软在2026年初推广Claude Code和GitHub Copilot CLI等命令行AI编码工具的情况，发现首次使用主要通过社交网络传播，且工具的使用与工程师的编码活动量相关，采用者合并的pull request数量增加了约24%。该研究主要关注工具的组织推广策略和影响，与关键词中的agent概念有一定关联，但方法上缺乏开创性。

Risk Architecture for AI-Native Engineering Teams: An Organizational Framework for Agentic System Governance

Laxmipriya Ganesh Iyer

cs.SE cs.AI

本文提出了一个针对AI原生工程团队的风险架构组织框架，通过七维团队画像、六类故障模式分类和框架充分性评估方法，分析了从纯软件工程到AI原生团队的风险覆盖退化问题。该工作聚焦于工程管理层面的风险治理，而非具体的数学或算法创新。

Sign in the Air to Unlock: An Interface for authentication in Virtual and Augmented Reality Powered by Point-Voxel Cross-Attention Network

Neda Abdolrahimi et al.

cs.CV cs.CR cs.HC cs.LG

本文提出了一种用于VR/AR环境中的空中签名认证接口，并设计了Point-Voxel Cross-Attention Network (PV-Net)来建模3D轨迹的局部运动与全局结构。该方法在两个数据集上取得了不错的效果，但主要聚焦于特定应用场景，与关键词中的核心概念关联较弱。

Hamm-Grams: An Algorithm for Mining Regular Expressions of Bytes

Derek Everett, Edward Raff, James Holt

cs.CR cs.LG

本文提出了一种名为hamm-grams的算法，用于挖掘固定长度且包含单字符通配符的正则表达式特征，以替代传统$n$-grams在恶意软件检测中的脆弱性。该算法通过设计新的locality-sensitive hash来产生小Hamming距离的碰撞，并在哈希桶内聚类以放置通配符，从而高效地发现常见模式。

Boundary-Aware Quantization: Finite-Scale Decision Geometry of Neural Classifiers

O.M. Kiselev

math.OC cs.CV cs.LG

本文通过多种度量指标（如logit-margin半径、边界位移等）量化了神经网络分类器在权重量化后决策边界的变化，并提出了基于边界感知的量化停止准则。实验表明，该方法能在保持精度的同时减少边界重构，但整体方法更偏向实验性度量分析，而非开创性理论突破。

Fully Unsupervised Detection of Physical Contacts on Subsea Cables via State-of-Polarization Monitoring

Agastya Raj et al.

cs.NI cs.AI

本文提出了一种完全无监督的Fast-Slow DSVDD检测器，用于对海底电缆的偏振态进行连续监测。该方法无需事件标签即可在大量记录中有效识别出拖网渔船接触事件。

Robust and Explainable 3D Mode Shape Recognition Using Region-Aware Graph Neural Networks

Tong Duy Son et al.

eess.SY cs.AI cs.CE

本文提出了一种基于区域感知图神经网络（Region-Aware Graph Neural Networks）的3D模态形状识别方法，通过将异构有限元模型和实验测量数据转换为统一的规范工程图表示（Canonical Engineering Graph Representation），实现了跨车辆架构的鲁棒识别。该方法利用图注意力学习和区域感知池化捕捉结构交互，并提供了可解释的预测结果。

Mean Field Reinforcement Learning

René Carmona, Mathieu Laurière

math.OC cs.LG cs.MA math.PR

本文通过Markov决策过程框架介绍了平均场强化学习，建立了多智能体强化学习与平均场控制之间的联系，并讨论了动态规划原理、传播混沌极限以及表格Q学习和策略梯度方法的理论分析。

Quantifying the Uncertainty of Blindly Estimated Room Embeddings Using a Dispersion-Calibrated Score

Yang Xiang et al.

cs.SD cs.LG

本文提出了一种从混响语音中学习鲁棒房间嵌入（room embedding）并估计其不确定性的框架，通过多视图数据结构和KL散度对齐来减少语音内容变化的影响，并使用基于排序的目标函数校准不确定性分数。该方法在多种波形和频谱级扰动下表现出一致性，但未涉及代码、上下文、谱方法、Muon、预训练、智能体或注意力等关键词。

MMAO-Cls: Metabolic Multi-Agent Optimization for Joint Feature Selection and Classifier Tuning

Jinliang Xu, Liping Ma

cs.NE cs.LG cs.MA

本文提出MMAO-Cls，将Metabolic Multi-Agent Optimizer (MMAO) 应用于分类模型选择，通过agent编码特征掩码和分类器超参数，并引入能量、预算等机制平衡精度与复杂度。实验表明该方法在特征选择紧凑性上优于对比方法，但整体性能提升不显著。

ADVENT: LLM-Driven Automatic Predicate Invention for ILP

Tingting Yu et al.

cs.LO cs.AI cs.CL

本文提出ADVENT方法，利用Large Language Model (LLM)的abductive generation与Prolog的deductive verification形成迭代循环，为Inductive Logic Programming (ILP)自动发明具有语义的谓词。实验表明该方法在ILP单独失败的任务上取得了显著成功，并支持跨任务知识复用。

VLAFlow: A Unified Training Framework for Vision-Language-Action Models via Co-training and Future Latent Alignment

Guoyang Xia et al.

cs.CV cs.AI cs.RO

本文提出了VLAFlow，一个用于视觉-语言-动作模型（VLA）的统一flow-matching训练框架，通过对比不同预训练范式（如语言监督和未来潜在对齐）在异构机器人数据上的效果，发现结合两者能提升迁移性能。该工作主要关注机器人操作领域的训练方法比较，与关键词中的code, spectral, Muon, agent, attention等概念关联较弱。

AgenticDataBench: A Comprehensive Benchmark for Data Agents

Zhaoyan Sun et al.

cs.DB cs.AI cs.CL cs.LG

本文提出了AgenticDataBench，一个用于评估基于LLM的数据agent的综合benchmark，包含来自15个垂直领域的真实任务和基于data science skills的系统化任务生成方法。该工作主要关注数据科学工作流的自动化评估，与关键词中的agent概念相关。

Self-Referential $K$-SAT and the Finite Analogue of Gödel's Incompleteness Theorem

Wen Fang et al.

cs.CC cs.DS cs.IT cs.LO

本文通过构造自指布尔$K$-SAT实例，建立了哥德尔不完备定理的有限组合类比，证明了在子线性窗口限制下演绎管道存在信息盲点，导致Resolution反驳需要指数级大小的证明树。该工作将强指数时间假说(SETH)重新解释为哥德尔不完备性在有限计算上的投影，并指出这种自指困难具有物理不变性，排除了量子加速的可能性。

Beyond Gradient-Based Attacks: Adversarial Robustness and Explainability Stability in Cybersecurity Classifiers

Mona Rajhans, Vishal Khawarey

cs.CR cs.AI cs.LG

本文研究了针对网络安全分类器的对抗攻击，评估了多种攻击方法（包括黑盒攻击）对Random Forest和XGBoost模型的影响，并引入了可解释性稳定性指数（ESI）来度量SHAP解释的稳定性。研究发现，基于梯度的攻击在XGBoost上产生退化结果，而预测鲁棒性与解释稳定性是两个需要联合评估的不同维度。

Pmeta-TLA: Backdoor Attacks for Speech Classification Models via Meta-Learning with Timbre Leakage Attack

Yueming Huang et al.

cs.CR cs.AI cs.SD

本文提出了一种针对语音分类模型的后门攻击方法Pmeta-TLA，利用元学习和Timbre Leakage Attack (TLA)实现多后门注入。该方法通过帧级音色信息传播生成自然的人声样本，并在关键词识别任务中验证了其攻击效果。

Beyond Pixel Diffs: Benchmarking Image Change Captioning for Web UI Visual Regression Testing

Licheng Zhang et al.

cs.CV cs.CL cs.SE

本文提出了Web UI Image Change Captioning (WUICC)任务及其基准数据集WUICC-bench，用于评估图像变化描述方法在Web UI视觉回归测试中的表现。研究发现现有方法在该领域因布局多样性和细粒度变化而表现不佳，但相比像素级比较能更有效地抑制非语义噪声。

Quantum-Inspired Vision: Leveraging Wave-Particle Duality for Low-Illumination Enhancement

Yiquan Gao

eess.IV cs.CV cs.LG math.OC quant-ph

本文对Data Relativistic Uncertainty (DRU)框架进行了理论扩展，通过将图像建模为概率波函数而非确定性状态，形式化了从物理到AI的图像增强范式。该工作主要聚焦于低照度图像增强的可解释性，但未直接涉及我提供的关键词。

Full Bayesian Reinforcement Learning via LF-IBIS

Stefano Masini, Cecilia Viscardi, Michela Baccini

stat.ML cs.AI cs.LG

本文提出了一种名为LF-IBIS的算法，将Approximate Bayesian Computation与Iterated Batch Importance Sampling结合，用于在似然函数不可得或难以处理的环境中进行全贝叶斯强化学习。该方法通过在线更新agent的信念，并生成环境参数和最优策略的近似后验分布，以量化策略不确定性。

MedStreamBench: A Time-Aware Benchmark for Streaming and Proactive Medical Video Understanding

Yuan Wang et al.

cs.CV cs.AI

本文提出了MedStreamBench，一个用于时间感知医疗视频理解的benchmark，整合了22个医疗数据集和5419个QA实例，支持回顾、现在、未来和主动四种时间设置。实验表明，现有模型在流式和主动设置下的性能显著下降，揭示了离线识别与时间感知决策之间的差距。

Decentralized Stochastic Subgradient-type Methods with Communication Compression for Nonsmooth Nonconvex Optimization

Siyuan Zhang, Nachuan Xiao, Xin Liu

math.OC cs.AI cs.LG

本文针对非光滑非凸的分布式优化问题，提出一个统一框架，该框架整合了多种带有通信压缩的随机次梯度方法，并通过将共识误差与平均迭代轨迹关联到微分包含的连续时间轨迹，建立了全局收敛性。

ProCal: Inference-Time Proposal Calibration for Open-Vocabulary Object Detection

Jae-Ryung Hong, Ho-Joong Kim, Seong-Whan Lee

cs.CV cs.AI

本文提出了一种名为ProCal的推理时proposal校准方法，通过结合定位感知前景分数和背景感知抑制分数来改进开放词汇目标检测中分类分数的定位质量，实验表明该方法能有效抑制背景proposal上的错误激活并提升新类别检测性能。

AI Virtue: What is "Good" Knowledge in the Age of Artificial Intelligence?

Alan Liu

cs.CY cs.AI

本文运用数字人文方法，分析了2024年553篇AI期刊论文中的认知美德（如“真实”、“准确”、“创造性”），探讨如何构建评估AI知识价值的框架，并特别关注“创造力”这一概念。

Scene-Conditioned PINN-GNN for Multipath RF Maps: Cross-Scene Generation and In-Scene Completion

Lizhou Liu et al.

eess.SP cs.AI

本文提出了一种基于物理信息神经网络(PINN)和图神经网络(GNN)的统一RF map构建框架，支持跨场景生成和场景内补全。该方法通过PINN嵌入电磁传播约束，GNN建模接收器间的空间相关性，在稀疏观测下实现了鲁棒的RF map重建。

Lightweight Safe Reinforcement Learning for End-to-End UAV Navigation

Shenghui Zhang et al.

cs.RO cs.AI

本文提出了一种轻量级的安全强化学习框架用于端到端UAV导航，通过非对称和深度可分离卷积编码稀疏观测，并采用基于Lagrangian的安全PPO算法在分层控制架构中求解约束马尔可夫决策过程。该方法在密集障碍物环境中提升了导航成功率与安全性，但未涉及code、spectral或Muon等关键词相关技术。

Decoupling Code Complexity from Newcomer Participation: A Causal Study of AI Coding Agent Adoption in OSS

Weiwei Xu et al.

cs.SE cs.AI

本文通过因果分析方法（difference-in-differences）研究了AI coding agent在开源项目中的采用对新手参与的影响。研究发现，agent的采用虽使代码复杂度略有增加（如Python的cognitive metric约+11%），但并未导致新手流入减少或留存率下降，即AI assistance与human participation之间的潜在权衡并未出现。

MMBench-Live: A Continuously Evolving Benchmark for Multimodal Models

Yuanzhi Liu et al.

cs.CV cs.AI

本文提出了一个名为MMBench-Live的多模态benchmark，通过多智能体自动化pipeline实现持续演化，以解决静态benchmark的时效性和数据污染问题。该方法采用分布一致的更新策略来保持跨版本可比性，但并未涉及code、spectral、Muon、pretrain或attention等关键词。

Koopman operator theory: fundamentals, control, and applications

Igor Mezić et al.

eess.SY cs.LG

本文介绍了Koopman operator理论在系统与控制中的基础与应用，重点讨论了数据驱动的surrogate model方法（如EDMD）及其在控制器设计中的应用。文章提供了仿真示例和源代码，但未涉及关键词中的特定主题。

Self-Supervised Test-Time Tuning for Packet Loss Concealment

Yehoshua Dissen, Joseph Keshet

eess.AS cs.CL

本文提出了一种自监督测试时调优框架TTT-PLC，用于在接收端仅利用已接收的数据包来适应现有的丢包隐藏模型，无需干净参考信号或外部数据。该方法通过合成掩码部分可用信号来创建监督信号，并在非因果和因果两种部署场景下进行了验证。

Gender Differences in Research Topic and Method Selection in Library and Information Science: Perspectives from Three Top Journals

Chengzhi Zhang et al.

cs.DL cs.CL cs.CY

本文使用基于全文认知的自动分类模型CogFT，在图书馆与信息科学领域研究了性别对研究方法选择的影响，发现女性更倾向使用访谈法而男性偏好理论方法。

Non-synchronism in Global Usage of Research Methods in Library and Information Science from 1990 to 2019

Chengzhi Zhang, Liang Tian

cs.DL cs.CL cs.CY

本文通过分析1990至2019年间81个国家的5281篇LIS论文，使用深度学习模型自动分类研究方法，发现不同国家在研究方法使用上存在差异且这种差异随时间减小。该研究主要关注学科发展特征，与关键词列表中的概念关联较弱。

Mixture-of-Parallelisms: Towards Memory-Efficient Training Stack for Mixture-of-Experts Models

Xuan-Phi Nguyen et al.

cs.DC cs.AI

本文提出了一种名为Mixture-of-Parallelisms (MoP)的内存高效训练框架，用于Mixture-of-Experts (MoE)模型。它通过组合和特化多种并行技术（如数据、张量、流水线并行等），在CPU、GPU内存及通信带宽的物理约束下最大化训练效率，并引入了一种新的优化器步骤策略。实验表明，MoP在万亿参数规模、百万token上下文长度的训练中，相比强化的FSDP2基线实现了4.7倍至8.2倍的每GPU吞吐量提升。

Has This Checkpoint Been Abliterated? A Two-Signal Audit and Its Failure Map

Gabriel Hurtado

cs.CR cs.AI

本文提出了一种基于两个内部信号（参考锚定的激活拒绝差距和权重恢复能量）的无阈值检查点审计方法，用于检测开源权重模型是否被剥离了拒绝机制。该方法在273个检查点数据集上达到AUROC 0.95，但存在两种失败模式，且审计有效性依赖于可信参考。

An Exploratory Study on LLM-Generated Code and Comments in Code Repositories

Yongyi Ji et al.

cs.SE cs.AI

本文通过检测工具对2021至2025年间活跃的公司和社区维护仓库中的代码与注释进行分析，发现疑似LLM生成的代码比例随时间下降且多出现在测试用例中，而注释比例相对稳定。研究还表明公司仓库中疑似LLM生成的内容比例更高，且仅少量人工标注的bug与LLM生成代码相关。

SAB-LVLM: Significance-Aware Binarization for Large Vision-Language Models

Qi Lyu et al.

cs.CV cs.AI

本文提出了一种针对大型视觉-语言模型(LVLM)的二值化方法SAB-LVLM，通过构建Hessian矩阵和空间显著性图来区分不同模态下的权重重要性，并设计模态引导的集成策略以优化二值化过程。实验表明该方法在约1-bit压缩下优于现有二值化后训练量化方法。

Rethinking Post-Hoc Calibration in Semantic Segmentation

Tristan Kirscher et al.

cs.CV cs.LG

本文研究了语义分割中后验校准的两个结构性问题：logit平移不变性和决策保持性。作者定义了平移不变校准器，并提出了类条件仿射校准器以在保持决策的同时量化校准与分割性能的权衡。实验表明，这些改进在自然图像和医学图像分割基准上能提升校准指标并防止分割性能下降。

Low-Latency Task-Oriented Image Transmission with Opportunistic Spectrum Access

João Henrique Inacio de Souza et al.

cs.IT cs.AI

本文提出了一种基于机会频谱接入的低延迟任务导向图像传输框架，使用VQ-VAE进行离散潜在表示传输，并建立了跨层延迟模型。实验表明该方法在分类精度略有下降的情况下，相比传统信源信道编码实现了显著的延迟降低。

CausalSteward: An Agentic Divide-Conquer-Combine Copilot for Causal Discovery

Nicholas Tagliapietra et al.

cs.MA cs.AI

本文提出了一个名为CausalSteward的多智能体协作框架，通过分治策略将高维变量聚类并迭代划分，结合先验知识与数据驱动方法进行因果发现。该工作主要关注人机交互下的因果模型构建，与关键词中的agent概念有一定关联，但方法本身并非开创性突破。

PhysMani: Physics-principled 3D World Model for Dynamic Object Manipulation

Peng Yun et al.

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

本文提出PhysMani框架，将基于物理原理的3D Gaussian world model与未来感知action policy model结合，用于动态物体操控。通过在线优化学习无散度Gaussian速度场预测未来动态，并在仿真和真实机器人实验中展示了优于基线方法的成功率。

Statistical Properties of $k$-means Clustering for Data Missing Completely at Random

Xin Guan

stat.ML cs.LG

本文研究了在数据完全随机缺失(MCAR)机制下，$k$-means聚类的统计性质，建立了估计的cluster centers的$\sqrt{n}$-excess risk bound和渐近正态性，并给出了不完全数据估计收敛到真实cluster centers的充分条件。

Robust for the Wrong Reasons: The Representational Geometry of LLM Robustness to Science Skepticism

Minjong Cheon

physics.soc-ph cs.AI cs.CL

本文研究了LLM在面对科学怀疑论时的鲁棒性，发现模型并未表现出谄媚退缩，而是展现出三种不同策略：反应性断言、表面回避和不回应。线性探针和激活修补分析表明，这种鲁棒性源于模型对怀疑信号的感知差异，且在不同科学领域间不具迁移性。

Autorelevance function and other feature relevance measures for univariate time series

Julian Cardenas, Jamie Arjona, Pedro Delicado

stat.ML cs.LG stat.ME

本文提出了一种模型无关的方法，通过结合Ghost变量和Shapley值框架，为单变量时间序列定义了自相关函数和偏自相关函数，以衡量不同滞后值在机器学习预测中的重要性。该方法在模拟和真实数据上验证了其有效性。

NeoMap: Training-free Novel-View Synthesis from Single Images and Videos

Jinxi Li et al.

cs.CV cs.AI cs.GR cs.RO

本文提出NeoMap，一种无需训练的框架，通过收敛流形交替投影迭代优化初始噪声，从预训练视频模型中定位高保真、视角一致的新视角视频合成结果。该方法在多个基准数据集上取得了领先性能，但未涉及code、context、spectral等关键词。

Assessing VLM Reliability for Medical Image Quality Evaluation Under Corruption and Bias

Sofiane Ouaari, Kevin Vorwalder, Nico Pfeifer

cs.CV cs.AI cs.LG

本文评估了Vision-Language Models (VLMs)在医学图像质量评估中的可靠性，发现像素化等图像退化会显著降低模型性能，而文本属性（如机构声望）会引入偏差，表明当前VLMs在客观性和隐私保护方面存在局限。

A Multi-Branch Hierarchy-Aware Framework for Heterogeneous Audio Classification

Beile Ning et al.

cs.SD cs.AI

本文针对DCASE 2026挑战赛任务1，提出了一种基于CLAP的多分支层次感知框架用于异构音频分类。系统通过扩展训练集、增强声学建模（如log-STFT分支）以及层次感知分类器与KNN后处理，在BSD10k数据集上取得了80.84%的Hier. F1分数。

MolSight: A Graph-Aware Vision-Language Model for Unified Chemical Image Understanding

Wenda Wang et al.

cs.CV cs.AI q-bio.BM

本文提出MolSight，一种图感知的视觉-语言模型框架，通过集成分子拓扑模块和分子定位模块来增强对分子图像的理解，在多个化学视觉理解任务上优于现有模型。

Born Discrete, Made Smooth: Variational Formulation of Shallow Neural Networks

Matej Benko et al.

stat.ML cs.LG

本文提出将浅层神经网络的离散训练问题替换为连续变分代理，在加权Sobolev空间上定义了一族$\lambda$-凸泛函，并证明了其全局适定性和几乎$C^3$正则性。该方法通过求解单个线性系统获得最优参数密度，并建立了与正则化参数相关的泛化误差控制。

Mirror Illusion Art

Xiaopei Zhu et al.

cs.CV cs.AI

本文提出AutoMIA，一种自动化设计Mirror Illusion Art（一种反射条件3D幻觉，一个物体在正面和镜面中呈现两种不同外观）的pipeline，通过联合优化形状和颜色，并引入四种机制（如PAC、PWA、IVP、SCD）来稳定优化并抑制伪影。该方法在数字和物理世界中都能生成平滑的幻觉艺术品，设计时间约76秒。

Cross-Platform Control for Autonomous Surface Vehicles via Adaptive Reinforcement Learning

Ruiheng Jiang et al.

cs.RO cs.LG

本文提出了一种基于自适应强化学习的跨平台控制方法，用于自主水面艇的轨迹跟踪。该方法通过teacher-student架构学习平台动力学的潜在表示，实现了零样本跨平台部署，并在真实实验中优于非自适应基线。

Towards Load-Aware Prefill Deflection for Disaggregated LLM Serving

Shrikara Arun et al.

cs.DC cs.AI

本文针对分离式LLM服务中prefill节点过载而decode节点利用率不足的问题，提出了一种主动的prefill偏转调度器，允许decode节点以分块prefill步骤处理请求，并估计各路径的TTFT以选择最优调度。该方法在vLLM上实现，实验表明能显著降低P95 TTFT并提高SLO达成率。

Prompt Coverage Adequacy

Florian Tambon et al.

cs.SE cs.AI

本文提出了一种名为Prompt Coverage Adequacy的新型测试覆盖准则，通过利用LLM的attention机制来衡量测试套件对prompt中需求的满足程度。实验表明，该方法在指导测试生成时比传统code coverage能发现更多故障，为LLM驱动的软件开发提供了新的测试度量基础。

Evolutionary Wave Function Collapse

Dipika Rajesh, Ahmed Khalifa, Julian Togelius

cs.NE cs.AI

本文探索将Wave Function Collapse (WFC)与进化搜索结合，通过进化WFC的小输入样例而非直接进化完整关卡来生成内容，并在Maze和Zelda风格地图上评估了该方法。

ESC: Emotional Self-Correction for Reliable Vision-Language Models

Tien-Huy Nguyen et al.

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

本文提出了一种无需额外训练的VLM自我纠正框架ESC，通过引入外部验证器检测错误初始响应并注入情感反馈来触发模型的反思行为。实验表明该方法在安全性和多模态推理等基准上提升了可靠性，但未涉及代码、谱方法或预训练等关键词相关技术。

Guided Action Flow: Q-Guided Inference for Flow-Matching Vision-Language-Action Policies

Liuhaichen Yang et al.

cs.RO cs.AI

本文提出Guided Action Flow框架，在保持预训练SmolVLA策略冻结的情况下，使用一个从真实成功/失败轨迹中学习的action-chunk critic来引导其reverse-time flow sampler。实验在LIBERO操作任务上验证了该方法，单任务critic将成功率从68.0%提升至82.0%，但多任务泛化仍存在瓶颈。

WBMM: Windowed Batch Matrix Multiplication for Efficient Large Receptive Field Convolution

Wan Song et al.

cs.CV cs.LG

本文提出WBMM方法，通过将输入划分为连续窗口并索引相对位置偏置表来构造权重矩阵，利用批矩阵乘法实现规则内存访问，从而加速大核depthwise convolution。该方法在GPU、CPU和边缘设备上均表现出速度优势，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Separating Geodesic Structure and Product Structure

Laura Merker, Lena Scherzer, Samuel Schneider

math.CO cs.DM cs.DS

本文研究了图的geodesic treewidth与row treewidth之间的关系，证明了bounded row treewidth并不意味着bounded geodesic treewidth，并给出了一个多项式时间算法来判断treewidth为2的图是否具有geodesic treewidth 1。此外，文章还证明了计算geodesic treewidth是NP难的，并将平面图的geodesic treewidth下界改进为5。

Structured Gaussian Processes for Uncertainty-Aware Classification of High-Dimensional, Small-Sampled Omics Data

Yue Zhang et al.

q-bio.QM cs.LG

本文提出了一种结构化Gaussian Process分类框架，通过将生物通路图编码到kernel中，用于高维小样本组学数据的分类，并处理了类别不平衡问题。该方法在微生物组数据集上表现良好，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

An Efficient vLLM-Based Inference Pipeline for Unified Audio Understanding and Generation

Haoran Wang et al.

eess.AS cs.AI

本文提出了一种基于vLLM的推理流水线，用于统一音频理解与生成，通过扩展自回归解码以支持延迟模式解交织和协调多流采样，并集成了on-GPU声学解码器。该工作主要关注工程实现效率，而非提出新的数学理论或解决长期存在的数学问题。

Behind the Refusal: Determining Guardrail Activation via Behavioral Monitoring

William Hackett, Peter Garraghan

cs.CR cs.AI

本文提出了一种针对AI系统中guardrail（护栏）系统的黑盒侦察方法，通过监控HTTP、词汇和时序信号来区分guardrail拦截与LLM自身的拒绝行为。该方法在实验中实现了100%的检测准确率，并能以98%的F1分数区分guardrail拦截与LLM拒绝。

Population-Scale Segmentation of Penile Tissue in DIXON MRI using Deep Learning for Quantitative Phenotyping in Male Reproductive Health

Jan Ernsting et al.

eess.IV cs.CV cs.LG

本文提出了一种基于深度学习的全阴茎分割框架，用于DIXON MRI图像，通过3D nnU-Net架构在145名受试者的训练集上优化，并在34,412名UK Biobank参与者中部署，实现了高重复性的自动体积量化。该方法为男性生殖健康的表型分析提供了可扩展的技术资源，但与关键词列表中的概念无直接关联。

AbsoluteDegradation: A Physics-Inspired Synthetic Film-Degradation Pipeline and Archival Film Restoration Benchmark

Mikołaj Jastrzębski et al.

cs.CV cs.LG

本文提出AbsoluteDegradation，一个受物理启发的模块化合成胶片退化pipeline，并构建了包含81,576帧的档案胶片修复基准数据集。实验表明该方法训练的模型能更好地泛化到真实场景，并揭示了现有方法的系统性失败模式。

RadiomicNet: A Hybrid Radiomics-Guided Lightweight Architecture for Interpretable Medical Image Segmentation

Mohammad Amanour Rahman

cs.CV cs.AI

本文提出RadiomicNet，一种结合手工radiomics特征与深度学习的双流轻量级医学图像分割架构，通过Radiomics Attention Gate (RAG)模块和Radiomics Consistency Loss提升可解释性，在BUSI和Kvasir-SEG数据集上以较少参数取得优于U-KAN的分割性能。

Overview of Risk Assessment and Management for Intelligent Systems under the AI Act and Beyond

Javier Irigoyen et al.

cs.CY cs.AI cs.CR

本文概述了AI风险识别、分析与管理的方法论，并回顾了全球监管框架对AI风险评估的需求，指出了现有方法在技术、伦理和社会影响方面的不足。

What Types of Human-AI Teams Exist?

Nathan Hughes, Ibrahim Habli

cs.HC cs.AI

本文分析了53篇关于人机团队的研究论文，基于心理学分类法将其分为五类（如AI助手、临时依赖等），指出不同团队类型存在显著差异，并提供了识别和报告人机团队类型的指南。

Fourier Preconditioning for Neural Feature Learning

Preston Pitzer, Anish Pradhan, Harpreet S. Dhillon

eess.SP cs.LG

本文研究了基于互信息的H-Score特征学习目标，证明了其在无约束函数空间下对可逆变换具有不变性，但在受限近似类中对输入基旋转敏感。作者提出使用快速傅里叶变换（FFT）作为数据无关的预条件器，通过集中交叉协方差奇异值谱来减少有限宽度截断误差，并在多个数据集上验证了该方法在资源受限场景下的有效性。

The Eticas AI Risk Taxonomy: Open Infrastructure for Operationalizing AI Audits

Gemma Galdon Clavell, Pablo Accuosto, Usman Gohar

cs.CY cs.AI

本文介绍了Eticas AI风险分类法v2.0.0，该分类法将AI审计中的风险概念转化为可操作测试，并通过PII泄露案例展示了从风险识别到分级评估的完整流程。分类法包含76个活跃子类别，并映射到18个外部框架，以开放基础设施形式发布。

Prediction Sets for Counterfactual Decisions: Coverage, Optimality, and Conformal Prediction

Yurui Zheng, Ying Jin

stat.ML cs.LG math.ST

本文提出了一种决策理论框架，用于处理反事实决策中的不确定性量化问题，定义了“策略耦合覆盖”概念，并开发了PC-RACP方法以构建具有有限样本覆盖保证的预测集。该方法在模拟和真实邮件营销实验中验证了其有效性，但与关键词列表中的概念无直接关联。

An Additive MLP-GNN Framework for Characterizing Chemical and Structural Contributions to Aqueous Solubility

Sampreeti Bhattacharya, Arkaprava Roy

stat.ML cs.LG

本文提出了一种可加性的深度学习框架，将物理化学描述符（由MLP编码）和分子图拓扑（由GNN编码）分离处理，仅在预测阶段通过加性模型结合，以区分化学和结构因素对水溶性的贡献。该框架在AqSolDB和BigSolDB2数据集上取得了有竞争力的预测性能，并通过线性投影和GNNExplainer等工具增强了模型可解释性。

CoFL-S: Spatially Queryable Sector Flow Fields for Local Language-Conditioned Navigation

Haokun Liu et al.

cs.RO cs.AI

本文提出CoFL-S，一种用于局部语言条件导航的低级视觉-语言-动作框架，通过预测机器人局部可见区域的流场来生成连续轨迹。该方法将VLN-CE任务中的整段指令和动作序列转换为帧级局部监督，并在连续时间Habitat基准测试中优于动作token和动作块基线。

Efficient Waste Sorting for Circular Economy: A Confidence-guided comparison between One-Vs-All and One-Vs-Rest Classification Strategies with Human-in-the-Loop for Automated Waste Sorting

Mohammed Fahad Ali et al.

cs.CV cs.AI

本文比较了One-Vs-All和One-Vs-Rest两种分类策略在德国城市垃圾分类中的应用，通过设置置信度阈值来识别不确定样本并引入人工审核，旨在平衡误分类率与人工标注成本。

Partition Rank and Algebraic Circuit Lower Bounds

Cornelius Brand, Petteri Kaski, Jiaheng Wang

cs.CC cs.DS

本文探讨了partition rank（一种广义tensor rank概念）与multiplicative complexity之间的联系，并展示了其在代数电路下界中的应用。作者将这一框架与tensor slice rank及其对称变体联系起来，并给出了对称变体计算问题的简单NP-hardness证明。

Aggregation with Exponential Weights is Optimal in Expectation

Mikael Møller Høgsgaard, Patrick Rebeschini, Tobias Wegel

math.ST cs.LG stat.ML

本文研究了基于指数权重的聚合（AEW）估计器在平方损失下的期望风险，证明了当温度参数$T$足够大时，AEW能够达到$T \log(M)/(n+1)$的期望超额风险，从而解决了Lecué和Mendelson提出的一个长期开放问题。该结果不要求Bernstein型假设，并揭示了AEW在期望意义下存在一个尖锐的相变现象。

AnyGroundBench: A Specialized-Domain Benchmark for Video Grounding in Vision-Language Models

Rintaro Otsubo et al.

cs.CV cs.AI

本文提出了AnyGroundBench基准，用于评估Vision-Language Models在专业领域中的Spatio-Temporal Video Grounding能力，通过五个专业领域的数据集和密集标注，揭示了现有模型在零样本和上下文学习适应中的不足。

HNSW with Accuracy Guarantees Using Graph Spanners -- A Technical Report

Minghao Li et al.

cs.DB cs.CL cs.IR cs.LG

本文提出了一种名为"Certify-then-Rectify"的框架，通过结合统计认证与精确恢复算法，在保持HNSW图平均检索速度的同时，提供了最坏情况下的正确性保证。该工作主要关注近似最近邻搜索的效率与精度权衡，与您提供的关键词列表关联度较低。

SelectTSL: Prompt-Guided Selective Target Sound Localization in Complex Scenarios

Ziyang Jiang et al.

cs.SD cs.AI

本文提出SelectTSL，一种用于复杂声学场景中提示引导的选择性目标声音定位的端到端架构。它通过Prompt-Guided Selective Attention Module (PGSA)生成提示感知的嵌入，并利用inter-channel phase difference (IPD)增强器来细化相位线索，从而仅定位用户指定的目标声源。

SkillFuzz: Fuzzing Skill Composition for Implicit Intents Discovery in Open Skill Marketplaces

Jinwei Hu et al.

cs.SE cs.AI cs.CL

本文提出SkillFuzz，一种无需执行的fuzzing方法，用于在开放技能市场中通过skill composition发现implicit intents。该方法利用contract-guided Monte Carlo Tree Search来优先探索潜在冲突的组合，并在固定查询预算下发现了超过1000个不同的implicit intents。

GAP-GDRNet: Geometry-Aware Monocular Visual Pose Sensing on a Single-Target Synthetic Spacecraft Dataset

Yonglong Zhang, Yang Liu

cs.CV cs.AI

本文提出GAP-GDRNet，一种基于单目RGB图像的6D位姿感知框架，通过引入注意力机制（AFR和PGSA模块）改进GDR-Net，以应对航天器图像中弱纹理和遮挡问题。该方法在合成数据集上训练，用于非合作交会任务中的相对位姿估计。

Stable Self-Modulating Quantum Fast-Weight Programmers with Bounded Memory Gates

Kuo-Chung Peng et al.

quant-ph cs.AI cs.ET cs.LG cs.NE

本文研究了量子快速权重编程器(QFWP)的稳定性问题，提出了一种有界旧状态调制规则，通过在循环记忆分支上应用符号保持的tanh门来防止长序列中的发散现象。实验在量子动力学预测和SMS活动预测任务上验证了该方法能提升鲁棒性。

The Dual Nature of LLM Persona: Aggregated Tendencies and Frame-Dependent Geometry

Yuan Yuan

stat.ML cs.AI cs.LG math.DG

本文通过分析GPT-4o在IPIP-50问卷中的响应，发现LLM persona的表达包含聚合特征（Big Five分数）和几何特征（SPD流形上的相关性结构）两个可分离部分，其中几何特征依赖于问题顺序（frame），而非内在固有。

Understanding Agent-Based Patching of Compiler Missed Optimizations

Batu Guan, Zirui Wang, Shaohua Li

cs.SE cs.AI

本文研究了基于agent的编译器遗漏优化补丁方法，发现agent生成的补丁在优化范围上常与开发者意图存在偏差，并提出了利用历史知识增强技术来改善泛化能力。

VisionAId: An Offline-First Multimodal Android Assistant for People with Visual Impairment, Featuring Personalized Object Retrieval

Cristian-Gabriel Florea, Stelian Spînu

cs.CV cs.AI

本文介绍了一款名为VisionAId的离线优先多模态Android助手，用于帮助视障人士完成日常任务。该系统集成了多个端侧深度学习模型，并提供了个性化的物体检索功能，但方法上未涉及关键词中的code, context, spectral, Muon, pretrain, agent或attention等概念。

Transformer Geometry Observatory TGO-II: Representational Similarity Observatory

Kaustubh Kapil, Kishor P. Upla

cs.CV cs.LG

本文提出了Transformer Geometry Observatory-II (TGO-II)框架，用于分析Vision Transformer在监督训练中表示几何的演化，发现CKA和SVCCA逐渐下降、内在维度先增后稳、token交互结构持续存在。该工作主要关注表示几何的实证观察，与关键词列表中的概念关联较弱。

WattGPU: Predicting Inference Power and Latency on Unseen GPUs and LLMs

Mauricio Fadel Argerich, Jonathan Fürst, Marta Patiño-Martínez

cs.DC cs.LG

本文提出了WattGPU，利用LLM元数据和GPU规格预测推理功耗和延迟，无需硬件访问或profiling，在未见过的GPU和LLM上取得了较低误差。该方法主要面向实际部署优化，而非理论创新。

ACID: Action Consistency via Inverse Dynamics for Planning with World Models

Gawon Seo, Dongwon Kim, Suha Kwak

cs.RO cs.AI cs.CV

本文提出ACID框架，通过引入cycle action consistency（即用inverse dynamics model从预测transition中反向推断的动作应与原始条件动作一致）来改进基于world model的决策时规划。该方法在多种任务上提升了规划性能，但未涉及关键词中的code、spectral、Muon、pretrain或attention等概念。

Object-centric LeJEPA

Jakob Geusen, Ender Konukoglu

cs.CV cs.LG

本文提出Object-centric LeJEPA，通过使用现成的SAM proposals提供object masks，将LeJEPA方法从整图对齐扩展到object-centric表示对齐，并引入实例分离损失提升性能。实验表明该方法在多个下游任务上优于图像级LeJEPA。

Q-GAIN: A Python Package for Machine Learning and Physically Informed Analysis Applications

M. Doris et al.

cond-mat.quant-gas cs.LG

Q-GAIN是一个用于冷原子实验的Python包，集成了机器学习与物理信息分析技术，支持图像分类、目标检测和物理信息度量。该包通过模块化工作流实现了对Bose-Einstein condensates图像中soliton和quantized vortex等特征的检测与分析。

LIME: Learning Intent-aware Camera Motion from Egocentric Video

Boyang Sun et al.

cs.RO cs.CV cs.LG

本文提出LIME，一种从第一人称视频中学习意图感知相机运动的方法，将语言条件与相机运动生成相结合，通过自回归观测增益输出和连续流匹配位姿头预测相对目标相机位姿。该方法利用多意图相机运动监督从被动视频中学习主动感知，但与我提供的关键词（如code, spectral, Muon, pretrain, agent, attention）关联度较低。

WorldSample: Closed-loop Real-robot RL with World Modelling

Yuquan Xue et al.

cs.RO cs.AI

本文提出WorldSample框架，通过物理rollout与世界模型生成构建闭环数据增强，用于真实机器人强化学习。该方法引入Policy-Paced Learning来平衡合成数据的使用，在操作任务中提升了策略成功率并减少了训练步数。

Reasoning effort, not tool access, buys first-try reliability in agentic code generation: an observational study

Achint Mehta

cs.SE cs.AI

本文通过观察性实验研究了agentic coding assistants中推理努力程度与工具访问对首次代码生成可靠性的影响。实验发现，提高推理努力水平（从High到xHigh）能显著提升首次完美运行率（从28%升至89%），而增加测试工具仅提高成本却未改善功能得分或可靠性。

Optimal Stabilizer Testing and Learning with Limited Quantum Memory

Srinivasan Arunachalam, Louis Schatzki

quant-ph cs.CC cs.DS cs.IT cs.LG

本文研究了在有限相干量子内存限制下，stabilizer state的测试与学习问题。作者证明了当内存受限时，测试与学习之间的样本复杂度分离现象消失，并给出了具体的样本复杂度上下界。该工作主要关注量子信息理论中的资源权衡问题。

OrbitQuant: Data-Agnostic Quantization for Image and Video Diffusion Transformers

Donghyun Lee et al.

cs.CV cs.AI cs.LG

OrbitQuant提出了一种数据无关的weight-activation quantization方法，通过使用randomized permuted block-Hadamard (RPBH) rotation将activation变换到归一化旋转基中，使得各坐标的marginal分布固定，从而可用单一Lloyd-Max codebook处理所有timestep和prompt。该方法在多个image和video diffusion transformer模型上实现了state-of-the-art的post-training quantization (PTQ)性能，并支持低至W2A4的量化。

Human Capital, Not Model Benchmarks, Predicts Hybrid Intelligence in Forecasting

Vivienne Ming

cs.CY cs.AI

本文通过Polymarket预测市场实验发现，人机协作的效果并非单一平均效应，而是呈现三模态分布：多数人要么完全依赖模型，要么用模型验证已有猜测（表现更差），仅少数人通过互补推理达到或超越市场精度。协作特质（如观点采择、知识谦逊和好奇心）而非原始认知能力或模型基准，是区分这一模式的关键因素。

TestEvo-Bench: An Executable and Live Benchmark for Test and Code Co-Evolution

Jiale Amber Wang, Kaiyuan Wang, Pengyu Nie

cs.SE cs.AI cs.CL

本文提出了一个名为TestEvo-Bench的benchmark，用于评估test和code co-evolution任务，包含test generation和test update两个track，并基于真实commit历史和环境配置提供可执行的评估指标。实验表明，当前state-of-the-art agents在该benchmark上表现良好，但在最新任务和有限成本下成功率显著下降。

Combating Textual Noise and Redundancy: Entropy-Aware Dense Visual Token Pruning

Xuehui Wang, Xuankun Yang, Wei Shen

cs.CV cs.AI

本文提出了一种名为Entropy-Aware Dense Pruning (EADP)的视觉token剪枝框架，通过统计熵过滤文本噪声并将token选择建模为子模最大化问题，以在密集指令下保留细粒度视觉线索。该方法在多个多模态基准上取得了最优性能，但未涉及code、spectral、Muon等关键词。

Towards Robustness against Typographic Attack with Training-free Concept Localization

Bohan Liu et al.

cs.CV cs.CL

本文提出了一种无需训练的机制可解释性方法，通过采样分析和circuit mining来定位Vision Transformer中编码lexical信息的attention head，并通过对这些circuit进行简单干预来提升模型对Typographic Attack的鲁棒性。该方法在object classification和Visual Question Answering任务上均取得了优于现有监督和无需训练防御方法的效果。

Controllable Sim Agents with Behavior Latents

Juanwu Lu, Junyu Zhu, Ziran Wang

cs.RO cs.LG

本文提出Controllable Neural Variational Agents (CNeVA)框架，通过closed-form conjugate variational update从per-channel discounted returns中推断Gaussian behavior latent，并利用rectified-flow trajectory generator实现可控的交通模拟。该方法在Waymo Open Motion Dataset上取得了有竞争力的真实性，并提供了速度、加速度等可解释的控制轴。

bluearXiv-ai 论文精选

📚 跟踪学科 (Categories)

🔍 筛选关键词 (Keywords)

📊 论文统计 ↑ 回顶部

⭐ 精选论文 ↑ 回顶部

cs.LG

cs.AI

cs.CL

cs.DS

others

📄 所有论文 ↑ 回顶部

cs.LG

cs.AI

cs.IR

cs.CL

cs.DS

others