bluearXiv-ai 论文精选

2026-07-06
返回首页 论文统计 精选论文 所有论文

📚 跟踪学科 (Categories)

🔍 筛选关键词 (Keywords)

📊 论文统计 ↑ 回顶部

cs.LG
101
cs.AI
86
cs.IR
8
cs.CL
55
cs.DS
15
others
126
总计
391

⭐ 精选论文 ↑ 回顶部

cs.LG

The risk of KV cache compression ⭐ 精选
Lukas Haverbeck et al.
cs.LG
Multi-Head Recurrent Memory Agents ⭐ 精选
Jiatong Li, Samuel Yeh, Sharon Li
cs.LG cs.AI cs.CL
X-LogSMask: Expand Transformer for Graph-Structured Data ⭐ 精选
Leyan Li et al.
cs.LG cs.AI
SCAPE: Accurate and Efficient LLM Training with Extreme Sparse Communication ⭐ 精选
Mingkai Zheng et al.
cs.LG cs.DC
Frequency Shift Physics-Informed Extreme Learning Machine for Solving High-Frequency Partial Differential Equations ⭐ 精选
Xiong Xiong et al.
cs.LG
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
One More Time: Revisiting Neural Quantum States from a Reinforcement Learning Perspective ⭐ 精选
Juan Agustín Duque et al.
cs.LG cond-mat.dis-nn quant-ph
DecompRL: Solving Harder Problems by Learning Modular Code Generation ⭐ 精选
Juliette Decugis et al.
cs.LG

cs.AI

The Agentic Garden of Forking Paths ⭐ 精选
Jiacheng Miao, Jonathan K Pritchard, James Zou
cs.AI stat.ME
SemHash-LLM: A Multi-Granularity Semantic Hashing Framework for Document Deduplication ⭐ 精选
Xinyi Fang et al.
cs.AI
Diverse Evidence, Better Forecasts: Multi-Agent Deliberation Under Information Asymmetry ⭐ 精选
Yuante Li et al.
cs.AI
SkillCoach: Self-Evolving Rubrics for Evaluating and Enhancing Agentic Skill-Use ⭐ 精选
Jiayin Zhu et al.
cs.AI cs.CL
Atomic Task Graph: A Unified Framework for Agentic Planning and Execution ⭐ 精选
Yue Zhang et al.
cs.AI
Evidence-State Rewards for Long-Context Reasoning ⭐ 精选
Ya Gao, Pekka Marttinen
cs.AI cs.LG
A Hippocampus for Linear Attention: An Exact Memory for What the Recurrent State Forgets ⭐ 精选
Wanyun Cui
cs.AI

cs.CL

FaithMed: Training LLMs For Faithful Evidence-Based Medical Reasoning ⭐ 精选
Zhiyun Zhang et al.
cs.CL

others

Lynx: Progressive Speculative Quantization for accelerating KV Transfer in Long-Context Inference ⭐ 精选
Wenchen Han et al.
cs.DC cs.LG

📄 所有论文 ↑ 回顶部

cs.LG

The risk of KV cache compression ⭐ 精选
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上取得了有前景的实验结果。这项工作为KV cache压缩提供了理论指导，填补了该领域长期缺乏系统性理论框架的空白，与关键词“attention”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)这一无需训练的通用框架。MHM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overwriting问题。作为轻量级实例化，MHM-LRU通过Least-Recently-Updated策略保证了head的均匀利用，在100K-1M token范围内显著提升了memory 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%。该方法与关键词中的agent和context高度契合，为长上下文recurrent memory提供了一种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，并为不同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个数据集上达到最优性能，表明简单的结构掩码无需改变架构即可使自注意力成为有效的图学习算子。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，一种针对LLM预训练的高效分布式优化器。其核心创新在于利用AdamS优化器一阶矩的稳定性，从一阶矩统计量而非原始梯度中构造稀疏化掩码，从而在90%-99%的极高稀疏度下仍能保持训练稳定性和模型质量。SCAPE通过将掩码生成与optimizer sharding对齐、延迟一步使用掩码以重叠通信与计算，以及从单个稀疏缓冲区重建二阶矩更新所需量，显著降低了通信开销。在GPT-345M和Llama-500M/1.8B上的实验表明，SCAPE在保持与dense AdamW/AdamS相当性能的同时，可将端到端预训练时间减少高达43.3%，每步加速达3.26倍，为大规模分布式训练中的稀疏通信问题提供了高效解决方案。
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，有效解决了物理信息机器学习中处理高频PDE时的spectral bias问题。该方法避免了传统缩放方法中方差放大的缺陷，使得频率方差保持有界并趋近于1，同时保留了极限学习机仅需单次线性求解的计算效率。在Helmholtz、wave等七类高频PDE基准问题上的实验表明，该方法的线性变体在六类问题上实现了比现有PIELM变体高1到近5个数量级的精度提升。
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的优化难题。该框架在非线性、混沌、多尺度、高维及Navier-Stokes方程等一系列问题上，实现了前所未有的精度（如双精度下相对\(\ell_2\)误差低至\(3\times10^{-16}\)）和速度提升，将Burgers方程和Poisson问题的结果分别提升了五个和八个数量级。该方法对架构选择、算术精度和初始超参数均表现出鲁棒性，为PINNs的精确求解提供了可扩展的二阶优化方案。
One More Time: Revisiting Neural Quantum States from a Reinforcement Learning Perspective ⭐ 精选
Juan Agustín Duque et al.
cs.LG cond-mat.dis-nn quant-ph
本文从reinforcement learning视角重新审视neural quantum states (NQS)的优化问题，将变分能量最小化形式化为Born分布上的advantage policy-gradient问题。作者提出Proximal Wavefunction Optimization (PWO)算法，这是一种trust-region方法，通过分别裁剪amplitude channel的概率比变化和phase channel的相位增量来避免显式矩阵求逆，并支持样本复用。PWO在Ising和frustrated \(J_1\)-\(J_2\)自旋系统中相比Adam、minSR和SPRING提升了稳定性和收敛速度，并成功微调了15亿参数的RWKV-7模型，将NQS优化规模提升了三个数量级以上。该方法与关键词中的agent（策略梯度视角）和context（trust-region优化中的概率比裁剪）较为契合。
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，并通过组合\(k\)个模块的\(n\)种实现生成至多\(k^{n}\)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，DecompRL在每问题超过\(10^5\) token时优于标准RL基线，解决了标准生成无法触及的难题，与关键词“code”和“agent”高度契合。
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惩罚的损失函数来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EEG信号中的跨被试压力检测。该方法在三个数据集上优于五个基线模型，但主要聚焦于特定应用场景，与关键词中的spectral和attention有一定关联，但整体创新性和领域影响力有限。
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示例被恶意破坏时的鲁棒性问题，形式化了有限版本空间的最坏情况破坏，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仅在干净语义保持分区投票裕度时有效，在现实任务中常失败。
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ECG周期内和周期间的空间与时间依赖关系。实验表明该方法在ECG分类任务上取得了优于现有模型的性能，尤其对罕见类别有较好效果。
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的近似最近邻搜索方法在高维数据中的scaling性质，发现其在GloVe数据集上具有稳定的维度scaling指数，且索引成本较低。该工作为理解ANN算法在高效transformer架构中的成本分析提供了参考。
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相关元数据（如量子编码、qubit范围等）并引入Quantum Readiness Score来评估数据集对混合量子-经典机器学习工作流的适用性。该工作将数据集选择视为数据管理问题，但主要聚焦于电池领域的数据发现，与关键词中的概念关联较弱。
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，在参考队列和独立临床队列上分别达到了96%和86%的准确率，优于现有方法。该方法主要关注分类性能提升，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念无直接关联。
From Approximation to Emergence: A Theory of Deep Learning
Zhilin Zhao
cs.LG stat.ML
本文从逼近、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、可解释性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，但并未提出具体的新方法或解决长期存在的开放问题。
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NightVision方法，利用受限API（仅返回单个token的log概率）通过共同集提示和频谱分析估计LLM的隐藏维度，并结合首token时间测量推断深度和参数量。实验表明该方法在开源模型上能恢复部分架构信息，但精度有限。
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系统，利用图像和结构化事故报告数据，通过微调紧凑型视觉语言模型(VLM)来评估安全风险，并输出与专家意见及联邦铁路管理局(FRA)评分一致的安全分数。
How Should Transformers Encode Numeric Values in Electronic Health Records?
Maria Elkjær Montgomery et al.
cs.LG cs.AI
本文系统比较了在基于transformer的电子健康记录数据处理中，离散、连续和混合数值编码策略的优劣，发现混合token方法在精度与鲁棒性间取得较好平衡，且最优bin数量与数据集大小呈经验幂律关系。
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，恢复了缺失的反反对称相互作用，同时保持了GTP的渐近效率。该方法在多个基准测试中达到了与完整Clebsch-Gordan Tensor Product (CGTP)相当的精度，并在涉及手性材料和非中心对称几何的任务中表现出更优性能。
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中执行基础设施的开销问题，比较了四种执行substrate（如单容器、Kubernetes编排容器等）的性能差异，发现冷启动延迟和worker-hours存在显著变化。文章建议将执行substrate优化作为训练系统的一部分，而非仅视为部署细节。
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。结果表明CIF在分类和回归基准上排名靠前，但自适应停止和阈值搜索数量对运行时间影响显著，且森林特征采样可能遗漏重要特征。
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影响，发现适度剪枝可保持领域内效用且不立即损害事实可靠性，但极端剪枝会增加幻觉风险，且跨领域时效用与可靠性均快速下降。
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网络架构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。实验表明该方法在含间断的回归问题上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，提出了一种轻量级优化器Ember，仅需\(O(V + D)\)显存而非Adam的\(O(2VD)\)，并在监督微调、强化学习和预训练中改进了Pareto前沿。实验表明token的优化轨迹可由一维射线描述，挑战了神经网络参数在高度非凸景观中优化的传统观点。
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，一种用于联邦学习中处理类别不平衡的客户端优化器，通过基于组内方差最小化的类别分组和归一化动量来平衡梯度幅度并减少稀有类噪声。此外，还引入FedHOO算法以高效优化重采样率。实验表明该方法在长尾数据集上优于基线，但与关键词中的code, context, spectral, Muon, pretrain, agent, attention无直接关联。
How to Allocate Your Tokens? Scaling Laws with Training Steps and Batch Size
Fabian Schaipp
cs.LG stat.ML
本文提出了一种考虑模型大小、训练步数和batch size的三项scaling law，通过实验验证其能正确恢复最优batch size的scaling关系，并能在使用次优batch size的训练数据时更鲁棒地拟合。
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析Reinforcement Learning post-training中advantage function的梯度权重，并据此设计了FADE (Focal Advantage with Dynamic Entropy)方法。该方法通过动态调整梯度权重，在7B和32B规模的LLM上实现了更快的收敛速度和更好的accuracy-diversity trade-off。
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。作者通过匹配的上下界证明了泛化误差随隐私强度变化呈现先降后升的规律，揭示了鲁棒性与隐私性之间的张力取决于噪声水平。
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 Poker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attention-augmented gated recurrent network从机载运动学与动力学数据中估计局部风场，再将该估计输入基于proximal policy optimization的reinforcement learning控制器，以提升小型四旋翼在湍流大气中的轨迹跟踪性能。实验表明，该方法在4-12 m/s平均风速下将水平轨迹跟踪误差较传统PD控制器降低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
本文提出了一种名为Evolutionary Feature Engineering (EFE)的框架，利用LLM的进化优化来自动发现结构化数据的预处理变换。该方法将变换表示为Python程序，并通过验证集性能反馈进行迭代优化，在时间序列预测和表格预测任务上均取得了改进。
Geometric Signatures of Reasoning: A Spectral Perspective on Task Hardness
Aria Masoomi et al.
cs.LG
本文从谱几何角度研究了大语言模型中Chain-of-Thought推理轨迹的几何特征，引入了有效维度\(d_\rho\)作为轨迹复杂度的度量，并发现平坦特征谱对应更困难的任务。实验表明\(d_\rho\)在区分任务难度上达到0.93 AUC，且运动学特征可在仅生成前20%token时预测答案正确性。
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，而组大小可调节耦合方向。该工作与关键词中的agent相关，但方法本身并非开创性，且未涉及code, spectral, Muon, pretrain, attention等核心概念。
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（netlist）的生成器。它集成了深度学习、连通分量标记、OCR和视觉语言模型（VLM）等技术，以处理集成电路（IC）和印刷电路板（PCB）级别的原理图，并解决了交叉线与连接节点的区分问题。实验表明，其网表生成准确率比现有方法高2.72倍。
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整合序列与图谱信息，在基准数据集上优于现有基线。
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实现零开销。实验表明，该方法在无故障时无额外开销，且恢复时间低于40秒。
CALM: Interpretable Cross-Modal Alignment for Biomarker Discovery from Unpaired Data
Jueqi Wang et al.
cs.LG
CALM提出了一种从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潜在空间。该方法在自闭症谱系障碍数据上验证了其有效性，但与关键词列表中的概念关联较弱。
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界和通信成本。
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、谱方法或预训练等关键词。
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残差的重尾特性不匹配，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初学者，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 v3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，但方法本身缺乏显著的开创性，且与关键词契合度较低。
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\(Q_\Delta\)导出传输张量\(G_\Delta\)和反对称循环\(W_\Delta^\rho\)，并证明了仿射协方差和稳定性。实验在重复复制网络中揭示了架构相关的传输差异，但方法本身与关键词中的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，通过分离插值与外推组件解决了Monotone Neural Networks的结构性缺陷。该方法在合成与真实数据集上取得了更优性能，但与我提供的关键词列表关联度较低。
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中的表现，发现密集的self-distillation虽能加速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，并设计了一种set-causal diffusion架构，支持在每次推理步骤后更新KV cache。该方法在数学推理、摘要和无条件生成任务上实现了比先前diffusion语言模型更好的速度-质量权衡，并提供了比block diffusion更强的填充性能。
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调整LoRA容量，在固定参数预算下剪枝低效专家并扩展高效专家。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，结合CNN+LSTM+Attention混合深度学习模型，在在线学习场景中区分教育视频内容的难易程度，达到78.5%的准确率。研究强调subject-independent评估标准的重要性，并提供了可复现的评估流程。
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\(O(dn)\)，同时保持稀疏编码问题不变。实验表明，该方法在多个模型上实现了存储与保真度的权衡，在Qwen2.5-3B上以\(d=7\)节省293倍参数并保留84%的交叉熵恢复。
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LLMs的泛化能力。研究发现，即使单次编辑也会导致分子任务性能显著下降，揭示了模型对结构变化的脆弱性，而In-Context Tuning可部分缓解此问题。
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）的脆弱性，发现协调用户可通过策略性投票操纵评分，并提出了缓解措施。
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)的训练无关框架，通过从多个互补角色生成评估标准来构建可审计的评分器，用于大语言模型的偏好验证和奖励建模。实验表明该方法在偏好验证基准上优于单角色基线，并能提供更强的奖励信号以改进开放式生成。
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，该方法在MIDI重建保真度上优于闭源LLM，并生成比启发式转换器更可读的代码。
Learning the Supports for Categorical Critic in Reinforcement Learning
Jen-Yen Chang, Takayuki Osa, Tatsuya Harada
cs.LG
本文提出了一种在强化学习中动态学习categorical critic支持区间的方法，通过联合优化支持边界和分类表示来避免预定义固定区间，并证明该目标函数是均方Bellman误差的上界。实验表明该方法在连续控制任务上匹配或优于现有方法，但缺乏与关键词（如code, spectral, Muon等）的直接关联。
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，并比较了它们在观测数不同时的风险表现。
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取得了与现有方法相当或更优的性能。
SABER: A Semantic-Aligned Brain Network Analysis Framework via Multi-scale Hypergraphs
Yidan Xu et al.
cs.LG cs.AI cs.MM
本文提出了一种名为SABER的语义对齐脑网络分析框架，通过多尺度hypergraph（超图）和LLM语义来增强脑疾病诊断。该方法将语义作为直接指导而非辅助特征，在ABIDE和ADHD-200数据集上取得了最优性能。
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多目标优化问题，通过Pareto支配排序来探索分类准确率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电路中因自修复机制而被掩盖的备份组件。该方法在GPT-2-small的IOI电路上有效识别了备份注意力头，并验证了其因果作用，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
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对推文进行向量化，并比较了混合模型与经典前馈网络的性能。结果表明混合模型在准确率上与经典基线相当，但在迁移学习任务中表现更优。
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导致比离线评估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
本文对九种轻量级CNN模型在多个数据集和资源约束下进行了系统比较，发现较新的设计（如RepViT-M1.0）仅在特定场景下表现更优，而EfficientNet-B0在精度与效率的平衡上最为稳健。研究强调了初始化、训练预算和硬件环境对模型性能的显著影响，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。
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的潜在状态动力学模型，用于航空发动机健康监测。该模型将历史窗口编码为潜在状态，并分解为退化与工况分量，通过多任务损失函数实现解耦，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，在343个数据集上实验表明其性能优于现有无监督和自监督方法。
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\(k\)是系统的不稳定复杂度。该算法在内存效率上优于现有方法，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，随机划分数据集会导致数据泄露和隐藏分层问题，并提出了结构感知分层划分（SASP）和课程分布鲁棒优化（CDRO）框架来缓解这些问题，从而提升泛化性能与评估可靠性。
SA-HGNN: Sample-Adaptive Hyperbolic Graph Neural Network for EEG-Based Depression Recognition
Yang Li et al.
cs.LG cs.AI
本文提出了一种名为SA-HGNN的样本自适应双曲图神经网络，用于基于EEG的抑郁症识别。该方法通过动态构建个性化脑网络拓扑、使用双曲图卷积捕捉层次结构以及注意力池化去噪，在公共数据集上取得了优于现有方法的性能。
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安全护栏方法kNNGuard，通过提取隐藏激活并融合多层kNN与嵌入空间分数进行分类，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code、spectral、Muon、agent、attention等概念无直接关联。
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，但发现FNO在更细网格上的泛化能力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作为有偏好的裁判进行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，通过显式建模裁判的偏见（如冗长性、位置效应）并设计Top-k感知的主动比较策略来提升排序准确性。实验表明该方法能有效纠正廉价和中等水平LLM裁判的偏见，但对前沿模型效果有限。
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，发现该方法在真实事故标签上精度和召回率均为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违反了split-conformal的exchangeability假设，是导致高虚警率的原因之一。
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，用于优化score-based diffusion sampling中的时间步分配，并通过引入ART-RL将其转化为一个连续时间强化学习问题。该方法通过学习一个时间扭曲函数来生成自适应的时间步网格，从而在固定采样预算下提升样本质量。
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。
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的神经网络权重编码方法DNG-Encoder，通过将网络推理过程建模为动态图来捕捉层间处理的时序特性，并在INR分类任务上取得了约10%的准确率提升。该方法主要关注权重空间的结构化表示，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
Bayesian Sparse Low-Rank Adaptation for Large Language Model Uncertainty Estimation
Jijie Zhang et al.
cs.LG cs.CL
本文提出DALorRA，一种用于大语言模型不确定性估计的贝叶斯稀疏低秩适应框架，通过在LoRA的rank维度上施加随机掩码来实现模型校准，但方法本身与关键词列表中的概念关联较弱。
Privacy-Preserving and Verifiable Approximate Distributed Coded Computing
Xavier Martínez-Luaña et al.
cs.LG cs.CR
本文提出了一个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。
Online Resource Allocation with Continuous Random Consumption: Regret under Degeneracy
Jiawei Zhang
cs.LG
本文研究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连续分布，且允许确定性流体松弛退化。文章通过定义活跃加权质量指数p来刻画遗憾，并证明当p>1时任何在线策略的遗憾下界为\(T^{1/2 - 1/(2p)}\)，而样本路径边际策略可匹配该下界。
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，并利用其可加分解性将输入域划分为子域来计算局部积分，从而直接解释输入区域对预测的贡献。该方法在血流和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的物理可解释性。
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将文档编码为粗到细的code，支持多粒度数据混合。该方法在预训练中展示了不同粒度下数据混合规则的效果差异，但未直接涉及关键词中的spectral、Muon或agent等概念。
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，并证明对称的价值函数比非对称的能更好地泛化。文章建议通过策略提取时的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
本文提出了一种使用分布级奖励（distribution-wise rewards）微调视觉生成模型的方法，通过子集替换策略降低计算成本，并应用强化学习优化模型合并系数。实验表明该方法在FID指标上有所提升，但方法本身并非开创性突破，且与关键词列表中的概念关联较弱。
Self-Gating Attention for Efficient Time Series Forecasting
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轻量级注意力机制，通过共享可学习矩阵和输入相关残差项替代标准self-attention中的query-key计算，将时间与内存复杂度降至线性。该方法在多个真实数据集上保持了与标准attention相当的预测性能，同时显著提升了推理效率。
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（神经元激活模式）来选择few-shot样本，而非传统的输出级信号。该方法在推理和文本分类任务上优于现有baseline，但未涉及关键词中的code、spectral或Muon等概念。
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，一个混合量子-经典个性化联邦学习框架，用于多智能体活动识别。它通过变分量子电路融合模块处理非独立同分布的多模态传感器数据，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Transformer对含罕见极端事件的时间序列的预测能力。实验表明该方法在水文流量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的筛选和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了性能，同时保持了跨域泛化能力。
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和SOAP-Muon等矩阵结构化optimizer在训练机器学习原子间势（MLIP）模型（如NequIP和Allegro）时的性能，发现这些optimizer在收敛速度和最终精度上显著优于Adam，尤其在部分力监督下提升更为明显。
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目标平衡教师与学生分布，并在token级别自适应控制混合程度，实验表明其在科学推理任务上优于GRPO和SDPO。
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速度成本。

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，并通过引入m-value (multiverse value)和Agentic Bootstrap方法，量化分析路径的极端性。该方法通过让AI agents采样合理的分析路径，评估报告结果在可能分析空间中的位置，从而为科学可信度提供新标准。这与关键词"agent"高度契合，且方法具有开创性，解决了分析路径选择性探索这一长期问题。
SemHash-LLM: A Multi-Granularity Semantic Hashing Framework for Document Deduplication ⭐ 精选
Xinyi Fang et al.
cs.AI
本文提出SemHash-LLM框架，通过多粒度语义哈希（semantic hashing）统一了语义投影哈希（semantic projection hashing）、注意力加权MinHash（attention weighted MinHash）、对比边界学习（contrastive boundary learning）和基于LLM的选择性裁决（selective LLM based adjudication）。该方法利用门控融合（gated fusion）结合字符、token和文档级别的信号，并通过级联过滤流水线高效减少候选对。其核心创新在于在蒸馏后的LLM嵌入空间中学习紧凑的二进制码，同时用注意力加权MinHash抑制模板噪声并强调信息内容，为大规模文档去重提供了高效且鲁棒的解决方案。
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，提出了信息不对称设计(designed information asymmetry)这一开创性方法。作者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无法直接获取的独占知识，并理论证明了这种分解能降低agent间的误差相关性。基于此，论文构建了InfoDelphi框架，包含相关性感知的证据路由(routing)、基于理由的迭代商议(iterative deliberation)和置信度加权聚合(confidence-weighted aggregation)。在包含375个二元预测问题的PolyGym基准上，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，且消融实验证实移除信息不对称会消除大部分商议收益，确立了输入多样性作为有效多智能体推理的关键因素。
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。该框架通过自进化rubric（评分准则）从真实rollout中提取过程性评估指标，沿skill selection、skill following、skill composition和skill-grounded reflection四个维度对agent轨迹进行评价，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，进化后的rubric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技能使用的过程监督提供了开创性方法。
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。该方法无需训练，仅使用7B-8B的小型backbone模型即可在多个交互benchmark上取得优于强baseline的成功率和执行效率，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基线，为长上下文推理中的证据导航问题提供了开创性的解决方案。
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。该方法在保留原有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来弥补recurrent state的遗忘问题。实验表明，在340M参数规模下，HOLA在Wikitext perplexity上超越full-attention Transformer++，并在长序列needle-in-a-haystack任务中展现出优异的鲁棒性，显著提升了linear attention模型的上下文检索能力。
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层结合，通过Answer Set Programming规则编码领域约束，生成可行且可解释的反事实解释。在Adult Income数据集上的案例研究表明，该方法能平衡反事实有效性与合理性，但整体方法更偏向应用而非理论开创性。
Auto-FL-Research: Agentic Search for Federated Learning Algorithms
Holger R. Roth et al.
cs.AI
本文提出了Auto-FL-Research (AFR)，一个用于联邦学习算法搜索的编码agent工作流。Agent可以提出并实现候选训练算法，并在多个医疗和LEAF数据集上评估，结果显示部分算法改进有效，但存在对随机种子敏感和搜索选择失败的情况。
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，包含五个独立创新的组件，如Spiral Rotary Positional Encoding和Gated Cross-Layer Attention，并提供了完整的数学推导和复杂度分析。该工作主要贡献于SLM架构设计，但与您提供的关键词（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。该系统通过自底向上的方式，利用多个智能体（如摘要、关键词提取和质量保证智能体）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前重新考虑机制，以在零售和航空任务中提升可靠性。该方法主要关注服务操作中的控制问题，与关键词中的agent概念有一定关联，但未涉及code、spectral、Muon、pretrain或attention等核心主题。
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
本文探讨了扩散语言模型在医学影像报告生成中的应用，将其与自回归模型进行对比，并展示了扩散模型在任意顺序填充（any-order infill）方面的优势。该工作主要关注医学领域的实际应用，与您提供的关键词（如code, spectral, Muon, agent等）关联度较低。
Beyond Next-Token Prediction: An RLVR Proof of Concept for Tool-Use Agents on Atlassian Workflows
Karthikeya Aditya Vissa et al.
cs.AI
本文探讨了将Reinforcement Learning with Verifiable Rewards (RLVR)应用于企业SaaS工作流中的tool-use agent，以解决next-token prediction与具体API操作之间的目标不匹配问题。通过在模拟Jira和Confluence API的合成环境中训练Qwen3模型，实验表明RLVR能显著提升任务成功率，但该方法在奖励设计上难以扩展，且部分场景的baseline已接近最优。
World Feedback for Clinical Agents: Diagnosing RL in FHIR Environments
Ananya Mantravadi et al.
cs.AI
本文通过审计MedAgentBench数据集并构建MAB-v3，分析了在FHIR环境中使用world feedback进行RL训练时存在的capability ceiling和format-knowledge barrier，指出纯RL方法在临床agent任务中受限于代码和格式知识，需结合SFT与RL来提升性能。
Procedural Memory Distillation: Online Reflection for Self-Improving Language Models
Ye Liu et al.
cs.AI cs.LG
本文提出了一种名为Procedural Memory Distillation (PMD)的方法，通过在线蒸馏跨回合的程序性记忆来改进语言模型的自我提升训练。该方法在强化学习框架下，将模型自身生成的轨迹、反思策略及行为模式等记忆蒸馏到策略权重中，在多个基准上取得了优于SDPO的效果。该工作主要关注语言模型的训练范式，与您提供的关键词（如code, spectral, Muon等）关联度较低。
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。
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
OPINE-World提出了一种基于LLM的agent，通过在线交互学习以对象为中心的编程世界模型。该方法结合了CEGIS和贝叶斯ontology error度量来引导探索，在ARC-AGI-3基准上展示了数据效率，但与关键词中的code和agent有一定关联，创新性有限。
Scaling Trends for Lie Detector Oversight in Preference Learning
Oskar J. Hollinsworth et al.
cs.AI
本文研究了SOLiD方法在更大规模语言模型上的扩展效果，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较为敏感。
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NASA Earth Observation Knowledge Graph的三智能体LLM流水线EO-Agents，用于地球观测领域的假设生成。系统通过图神经网络排序候选数据集对，并利用多智能体过滤、生成和评估结构化研究假设，但方法在创新性和与关键词的契合度上均不突出。
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自动生成高性能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，但与我提供的关键词（如spectral, Muon, agent等）关联度较低。
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作为核心规划引擎生成结构化恢复计划，并通过神经符号世界模型进行可行性验证。该方法在真实云故障数据集上实现了超过40%的平均恢复时间降低，但与我提供的关键词列表关联度较低。
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利润最大化问题，并应用于日本漫画销售案例中，以消除传统方法中需要外生指定目标值和距离函数的局限性。
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、校准和数据集参考准确率奖励来训练LLMs，使其能更准确地表达置信度。基于此，进一步提出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，用于解决降雨场重建中不同测量支撑（点、线、网格）的融合问题。该方法通过将不同支撑类型的观测表示为不同的节点层，并利用跨支撑消息传递进行融合，在真实数据上取得了优于传统插值和其它神经网络架构的效果。
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核心概念。
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文档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
本文提出了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typed graph editing并利用region-level VLM verifier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，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
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。该方法使用通用文本语料库校准，通过保留每个语料库中的高效用专家来构建剪枝掩码，在多个基准上提升了平均准确率并降低了perplexity。
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，在排序标签存在不确定性（如标注者不一致或奖励模型噪声）时，提出了一种基于点态全变差鲁棒的Plackett-Luce目标函数。该方法将鲁棒损失分解为名义PL损失与最坏情况PL修正项，并通过排序当前隐式分数将内层最大化从\(K!\)枚举降至\(O(K\log K)\)复杂度。实验表明该方法在离线与在线对齐场景下均能提升鲁棒性。
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，通过深度音频隐写术嵌入样本特定触发器并利用强化学习优化目标样本，实现了高攻击成功率并能绕过微调、剪枝和spectral signature等防御。
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41个O*NET工作活动和38个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方法论，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念无直接关联。
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。该方法主要关注agent训练中的语义探索，与关键词中的agent概念有一定关联。
Mastermind: Strategy-grounded Learning for Repository-Scale Vulnerability Reproduction
Mingzhe Du et al.
cs.AI
本文提出Mastermind框架，通过双循环结构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训练规划器学习可复用的漏洞复现策略，以提升仓库级软件工程agent的性能。该方法在CyberGym上取得较好效果，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）契合度不高。
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解决动态场景生成中的空间布局与物理模拟协调问题，并引入了4DBuildBench基准来评估视觉保真度和物理一致性。
Repair the Amplifier, Not the Symptom: Stable World-Model Correction for Agent Rollouts
Xinyuan Song, Zekun Cai
cs.AI
本文研究了agent规划中world-model的修复问题，提出了WM-SAR方法，通过子图放大反向定位错误节点，而非直接扫描症状，在有限token预算下优于传统工程修复方法。
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，但性能有限且与关键词列表中的概念无直接关联。
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)内部是否编码了与denoising timestep相关的潜在表示，并证明该信号可通过probes从残差流中可靠提取。通过沿推断出的timestep对应的低维子空间引导模型，可系统调节其denoising进度感知，从而改变模型置信度与熵。
Safety Testing LLM Agents at Scale: From Risk Discovery to Evidence-Grounded Verification
Yunhao Feng et al.
cs.AI
本文提出了Vera，一个用于大规模LLM agent安全测试的自动化框架，通过文献驱动的风险发现、组合式安全用例生成和自适应执行验证三个阶段，揭示了多个生产级agent框架中的安全弱点。
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，与所提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
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%，揭示了该领域存在显著可靠性差距。
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，对实际因果的不同概念进行了分类，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、决策偏好样本等，用于领域agent的后训练评估与发布控制。实验表明该方法在部分场景下能提升指标，但效果不稳定，且存在KL风险与延迟增加问题。
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，并采用可学习的wavelet变换构建RGB频率双流架构，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比传统代码指标更能预测维护工作量，但该方法与关键词中的code和agent有一定关联，创新性有限。
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包。实验表明，该方法在SWE-bench Lite上显著降低了token使用量和成本，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、检索和回答时间解析三个层面来优化记忆系统。该方法在冲突检测基准LTP和长对话泛化基准LoCoMo上取得了性能提升。
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、基于大语言模型的学习流程和标准化基准测试。该库提供了跨22个领域的180个机器可读本体，并支持术语类型、分类发现和非分类关系提取等核心任务。
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几何，以控制编辑的传播边界。该方法在多个基准测试中改善了范围内跨模态迁移与范围外局部性之间的权衡。
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）的确定性函数，使得agent（智能体）在更新知识时其加密身份保持不变，从而解决了长期运行的自适应agent中知识整合与信息完整性之间的结构性矛盾。该方法通过一个不读取语义层的身份哈希来保证身份不变性，并在合成实验中验证了其有效性。
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的多智能体运维助手，用于电池储能系统的可追溯故障诊断，通过结合运行数据、领域知识和报告生成来提升诊断可靠性。该方法主要关注工程应用中的系统集成与评估。
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，在多个持续学习基准上优于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 benchmark中选取少量原子评估实例构建代理benchmark，以低成本预测LLM在agentic benchmark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14个模型和4个agentic benchmark上实现了低于4%的LOOCV MAE和高于0.80的Spearman相关性。
Algebraic Model Counting for Global Analysis of Optimal Decision Trees
Hiroki Arimura
cs.AI
本文提出了代数决策树计数(ADTC)框架，将最优决策树的全局分析任务统一为半环上的和-积计算，并设计了动态规划算法实现指数级复杂度。该方法通过模型行为张量处理多指标约束，为可解释AI中的模型选择提供了分析工具。
SUNTA: Hierarchical Video Prediction with Surprise-based Chunking
Tomoshi Iiyama, Masahiro Suzuki, Yutaka Matsuo
cs.AI cs.LG
本文提出了一种基于预测误差的分层视频预测方法SUNTA，通过解耦训练策略和内部不一致性度量来解决分层状态空间模型中的分块边界问题。实验表明该方法在长时域预测任务上优于基线模型。
ContextNest: Verifiable Context Governance for Autonomous AI Agent
Misha Sulpovar et al.
cs.AI
本文提出ContextNest，一个用于自主AI agent的开放上下文治理规范，通过类型化Markdown文档、哈希链版本历史和审计追踪等机制，确保知识来源的可验证性、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。该工作主要聚焦于domain-specific LLM在健身领域的应用，与关键词列表中的概念关联较弱。
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，并通过记录目标和验证检查来确保证据的可靠性。该方法在四篇论文上进行了评估，所有目标均被匹配，但复现过程在数值精度和效率上存在差异。
A$^{2}$utoLPBench: An Auto-Generated, Agent-Friendly LP Benchmark via Inverse-KKT Construction
Shuo Ren et al.
cs.AI
本文提出了A\(^{2}\)utoLPBench，一个通过Inverse-KKT构造自动生成线性规划文本问题的benchmark，旨在测试LLM-driven agent。该benchmark作为生成器而非固定数据集，具有无限供应新问题、难度可控、答案正确性由构造保证等特性，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。
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、Claude和Gemini三个前沿语言模型进行了对比评估。研究发现模型在关键临床标准上的通过率远低于低权重标准，揭示了当前模型在临床推理任务中的优先级倒置问题。
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，一个基于不确定性感知的多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。该方法主要关注agent交互中的可靠性问题，与关键词中的agent概念相关，但方法本身并非开创性突破。
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，用于在自治电信网络中拦截并验证AI agent的决策，通过多维度评估决策的criticality并应用分级验证机制（如bounds checking、multi-agent consensus）来防止错误执行。该工作主要关注工程部署与合规性，与关键词中的agent有一定关联，但方法本身缺乏理论或算法上的开创性。
Purified OPSD: On-Policy Self-Distillation Without Losing How to Think
Zhanming Shen et al.
cs.AI cs.LG
本文分析了on-policy self-distillation (OPSD)在long chain-of-thought (long-CoT)推理模型中的失效原因，发现教师模型的监督信号被reference-induced component主导，导致模型记忆捷径而非学习可迁移的推理能力。作者提出通过构造reference-only teacher并使用pointwise mutual information (PMI)来提取question-conditioned的监督信号，从而改进蒸馏效果。
Copewell: A Multi-Agent Swarm Architecture for Equitable Mental Wellness Support
Seren Yenikent, Jack Vinijtrongjit, Katherine Ng
cs.AI cs.CY cs.HC
本文提出了Copewell，一个用于心理健康支持的多智能体群系统，通过多源评估框架、情绪映射和双模式干预等技术，旨在扩大心理健康服务的可及性。该系统结合了自报告、生理和情境数据，并采用Russell情感模型来路由用户至专门的AI agent。
AgenticSTS: A Bounded-Memory Testbed for Long-Horizon LLM Agents
Xiangchen Cheng et al.
cs.AI cs.CL
本文提出了AgenticSTS，一个用于长程LLM agent的有限记忆测试平台，通过类型化检索替代原始跨决策转录，在Slay the Spire 2游戏中验证了记忆层对决策的影响，但实验规模较小且结果仅为方向性比较。
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，并在凝聚态物理领域进行了验证。该方法通过冗余机制和文献校准来减少幻觉，但主要聚焦于工程实现而非理论创新。
DRIFTLENS: Measuring Memory-Induced Reasoning Drift in Personalized Language Models
Xi Fang et al.
cs.AI
本文提出了DRIFTLENS框架，用于量化个性化语言模型中由用户属性记忆引起的推理漂移（reasoning drift），通过将推理步骤映射到价值类别并比较有无记忆时的轨迹差异。实验表明，记忆注入会导致中等至大的推理漂移，且后训练方法（如GRPO和DPO）只能部分缓解该问题。
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强制执行时间同步和语义门控等约束。该方法侧重于确定性协调而非加速，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
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，但主要贡献在于计算效率的提升，与关键词中的spectral或attention等概念关联较弱。
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。实验表明该方法在复杂布局场景中优于现有方法。
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四种大型语言模型在自动评分Linux/bash命令行考试答案中的表现，采用四层认知分类法（从信息检索到高级系统管理）对1200份学生回答进行测试。结果表明，结合rubric引导提示的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，用于测试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，但该工作主要聚焦于agent策略演化评估，与关键词中的code、context、spectral、Muon、pretrain、attention等核心概念关联较弱。
G-RRM: Guiding Symbolic Solvers with Recurrent Reasoning Models
Timo Bertram et al.
cs.AI
本文提出了一种神经符号方法G-RRM，将符号等变循环推理模型(SE-RRM)与符号求解器（如回溯法、Glucose 4.1和CaDiCaL 3.0.0）相结合，用于约束满足问题。实验表明，当问题具有广阔的搜索空间且求解器能动态覆盖神经提示时，G-RRM能显著加速求解，例如在\(9\times9\)数独上回溯加速\(33.3\times\)，但CaDiCaL因无法覆盖提示而未获显著加速。
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在社交结构下的公开表达与私下表达之间的差异，发现对齐设置会导致显著的公开-私下分歧。该工作主要关注agent行为评估，与关键词中的agent相关，但方法上缺乏开创性且未解决长期问题。
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查询条件证据池并在最终生成前重放，以提升LLM对长上下文中证据的利用效率。该方法在多个模型和数据集上验证了有效性。
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，通过阈值化外部模型的验证信号并利用risk control校准阈值来生成警报。实验表明，该简单设计与基于sequential hypothesis testing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，并引入了Iterative VibeCoding基准。实验表明，单一monitor无法同时防御gradual和non-gradual攻击，而结合stateful link-tracker monitor的集成方法可将gradual攻击的evasion率从93%降至47%。

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的多层次框架，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。该方法主要关注信息检索与生成的结构化，与关键词中的agent概念有一定关联。
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系统的工业案例研究，用于查询复杂的技术法规。该系统旨在平衡技术能力与领域专业知识，为受监管行业提供了一种以人为中心的方法。
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，同时探索层内和层间设计空间以改进cross-attention机制和特征交互函数。该方法利用LLM的zero-shot prompting生成个性化解释，并在四个数据集上验证了其提升推荐准确性和解释有效性的能力。
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，实验验证了其有效性。
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IntentTune框架，通过用户行为信号或群体需求模式解决电商搜索中模糊查询意图的问题。实验表明用户特定行为信号（如历史搜索）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
本文评估了在学术文本上使用RAG系统时，基于聚类的语义chunking策略与固定大小和递归chunking策略的性能对比，发现基于聚类的chunking并未优于更简单的策略。
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的性能，实验表明在多个数据集上动态感知规划能提升检索效果。
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推理来提升检索效果。系统通过监督学习和零样本agentic重排序相结合的方式，在基准测试上取得了显著性能提升。

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标准，并结合临床医生设计的自动优化rubric与基于步骤级过程奖励分配和优势分组的强化学习，来训练LLMs进行忠实于证据的医学推理。该方法在七个医学基准上相比基于agent的搜索基线平均提升9%，相比仅关注结果的强化学习提升5.8%，同时将循证医学rubric分数提升15.5%。这项工作表明，显式的步骤级监督能同时提升任务成功率和推理过程的忠实度，与关键词中的agent和context高度契合。
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是一个交互式可解释性分析工具，用于解码器LLM在代码生成任务中展示token级别的指标、注意力模式和结构信息。它通过支持token替换、反事实分支和基于抽象语法树的代码感知聚合，帮助研究者探索LLM在代码生成过程中的行为。
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（溯源分析）的多阶段pipeline，用于检测LLM agent在执行工具调用前的misalignment（偏离用户意图）。该方法通过检查agent上下文中的可追溯证据来判定工具调用是否对齐，在Agent-SafetyBench和WorkBench上相比LLM-as-a-judge基线显著降低了误报率和干预负担。
Kara: Efficient Reasoning LLM Serving via Sliding-Window KV Cache Compression
Shen Han, Yuyang Wu
cs.CL cs.AI
本文提出Kara，一种基于滑动窗口的KV cache压缩方法，通过仅在最近生成的上下文上操作并利用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量问题。该方法还设计了Token2Chunk模块以灵活保留重要语义信息，并适配PagedAttention开发了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，并融入speaker身份信息，以替代传统的grapheme-to-phoneme系统用于text-to-speech任务。实验表明，在低资源场景下，该方法相比标准grapheme模型将word error rate降低一半。
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安全对齐中造成的漏洞，发现将安全关键词分割为子词片段可绕过安全机制。实验在多个模型上验证了该攻击的有效性，并测试了DPO和SFT等防御方法的局限性。
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评估指标存在的“F1膨胀”问题，即指标提升并不对应定位精度的改善。通过引入ErrorBench压力测试协议，发现锚定提示（anchored prompts）会显著扭曲计数结果，并建议在评估中避免预置错误计数并同时报告基于span的指标。
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。该方法将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causal预测模型估计未来双说话者的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评分。
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。实验表明，当前模型在中间推理步骤对齐和最终答案正确性之间存在显著差距，但该工作与关键词中的code、context、attention等概念关联较弱。
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。该方法在安全对齐和助手任务上提升了响应与偏好向量的对齐效果。
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，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，并引入了配套的基准数据集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，并匹配了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，通过构建同构跨领域科学问题对来分离LLM评估中的推理能力与领域知识检索。实验发现，大多数推理模式的提升依赖于领域知识而非结构不变性，挑战了chain-of-thought推理能改善短程程序性科学问题解决的假设。
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，缺乏理论上的开创性或与关键词的紧密关联。
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（text scaling）任务中不同架构（如分类与回归方法）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，发现加入语言嵌入可提升跨语料鲁棒性，但嵌入未捕捉到语言类型学相似性。
Parameter Golf: What Really Works?
Prashanna Mani Paudel, Shivanand Venkanna Sheshappanavar
cs.CL
本文分析了"Parameter Golf"竞赛中的2,037个pull request和1,430个评分提交，构建了包含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，尽管单个技术通常只能带来不到1%的改进，但通过组合优化，验证集BPB从1.2244降至1.058，降低了13.6%。
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length-aware attention调整方法。实验表明该方法在部分基准上匹配dense retrieval，但在极端外推下仍存在attention dilution导致的性能崩溃问题。
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)来评估大语言模型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partial reconfiguration在FPGA-based CNN加速器上选择性应用TMR，以平衡workload变化下的延迟、能耗和可靠性风险。该方法在Xilinx Zynq平台上验证，相比静态TMR和reactive reconfiguration降低了综合成本。
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)。通过隔离FSS并应用修正的scaling law，发现FSS是一种有界的扩展轴，在预算较大时不如SE有效，且简单的Rejection Sampling (RS) 方法优于其他合成协议。
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等关键词相关技术。
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 LLM中因果注意力导致的信息不对称问题，在保持大部分性能提升的同时显著降低KV cache和预填充计算开销。该方法训练轻量级门控网络从早期层隐藏状态预测高NLL token，实现中间预填充阶段的提前退出选择。
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。该工作揭示了steering vectors作为通用偏好对齐工具的局限性。
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（如Blender场景可执行性从0.20提升至0.78），但成本为单模型推理的2.9至9.2倍。
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：前者普遍较短且稳定，后者较长且受语序类型制约。该研究揭示了语法结构在句子处理中的基础性作用。
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未全面超越基础模型。
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AIriskEval-edu-db2数据集，包含1,639个K-12教育解释及对应的教学风险标注，用于训练和评估基于LLM的教学风险审计模型。实验对比了前沿模型与轻量级本地模型在该数据集上的风险检测与可解释性评估性能。
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，通过使用SpeechMapper改进语音投影器并引入合成SQA数据集fakACL，在受限设置下联合执行ASR、ST和SQA任务，最终以更紧凑的模型取得了与去年最佳系统相当甚至更优的性能。
Beyond Supervised Clarification: Input Rewriting with LLMs for Dialogue Discourse Parsing
Yiming Liu et al.
cs.CL
本文探讨了在无监督条件下使用LLM对对话语篇解析（DDP）中的输入进行重写（rewriting）以提升解析性能的问题。研究发现，基于零样本提示的解析器无关重写往往引入更多回归（regressions）而非修复，且大部分错误无法通过输入重写单独修复。
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。实验发现Meta的MMS TTS在合成语音中会系统性地将[+ATR]中元音实现为[-ATR]，而人类语音中不存在此偏差。
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（contextualized embeddings）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、spectral、Muon、pretrain、agent、attention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
EduArt是一个针对多模态大语言模型艺术史知识的评估基准，包含871道人工出题，覆盖多种格式和语言。评估发现模型在选择题上表现饱和，但在开放式任务中表现显著下降，表明艺术史知识与实际应用能力存在差异。
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变体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，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词相关的方法或理论。
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和文化适应性响应的能力，发现模型在低资源语言上表现下降，且人类与AI评估者在文化维度上存在分歧。
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安全基准上达到了最先进的性能，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方法，通过将文本LLM的instruction-tuned权重差直接叠加到speech-adapted模型上，无需instruction tuning即可实现speech language model的指令跟随能力。该方法仅使用30k小时speech数据进行单轮pre-training，避免了大规模speech数据集的依赖。
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在低资源语言和多语言环境中的应用问题，指出当前存在评估结果不一致、过度信任LLM判断以及依赖单一评估模型等缺陷，并给出了相关建议。该论文主要关注评估方法而非关键词中的具体技术。
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，通过在大规模语料上训练并支持更长的context长度（2048 tokens）和无需外部word segmentation，在多个基准测试中取得了领先性能。
CheckRLM: Effective Knowledge-Thought Coherence Checking in Retrieval-Augmented Reasoning
Dingling Xu et al.
cs.CL
CheckRLM是一个用于检索增强推理的框架，通过从推理链中提取事实声明并利用外部知识进行修正，来提升推理过程的事实准确性。实验表明该方法能有效减少长链推理中的错误累积。
On the Role of Directionality in Structural Generalization
Zichao Wei
cs.CL cs.LG
本文通过将AM-Parser的符号后端替换为CCG定向类型（deterministic CKY + single linear decoder），在SLOG测试中提升了方向性相关类别的性能，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。
World Wide Models: Literary Tools for Cultural AI
Nina Begus
cs.CL cs.AI
本文从文学理论视角探讨了LLMs中的文化接触问题，提出了一个分层框架以增强文本模型的多元文化理解，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。实验表明，信号引导的多agent路由在SARI指标上优于线性再生成基线，但添加词汇支持层并未自动提升基于参考的分数。
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，用于支持基于LLM的检索增强生成（RAG）系统中的媒体背景核查（MBC），通过提供可复现的低成本评估方法，解决了现有方法依赖昂贵API的问题。
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，并分析了引用优势对场所选择的影响。
Language Models as Measurement Apparatus for Culture
Kent K. Chang
cs.CL
本文从物质-话语实践的角度探讨了语言模型在文化测量中的应用，通过案例分析了模型设计选择如何构成被测量的文化现实，并提出了一个理论驱动、经验严谨且文化依赖的研究框架。
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（如语调、节奏、响度），并分析其与消费数据（如观看率）及体裁、标题的关联，发现声学信息本身与吸引力有稳健关联。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数据驱动研究。
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，通过随机遮蔽轨迹前缀和引入经验回放缓冲来增强视觉语言模型在分布外图像上的自我反思能力。该方法在表格、图表和空间导航任务上提升了模型性能，但未涉及代码、谱方法或预训练等关键词相关技术。
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的预定义参数中注入合成PII数据，首次实现了对“先定位后遗忘”范式下遗忘方法在参数层面精度的评估。实验发现现有SOTA方法虽在输出层面表现良好，但定位不精确且易受知识重现攻击。

cs.DS

Robustifying Sparse Matrix Multiplication
Karl Bringmann, Nick Fischer, Vasileios Nakos
cs.DS
本文提出了一种将鲁棒稀疏矩阵乘法（计算输出矩阵中最大的k个非零项，且误差仅依赖于较小项）转化为常规稀疏矩阵乘法的黑盒归约方法，仅增加多对数开销。该归约利用了稀疏恢复工具并涉及背包问题，通过结合现有最优算法实现了改进的复杂度上界。
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，并需在容量约束下最大化利润。文章为不同容量和价格分布情况设计了在线算法，并给出了竞争比分析。
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，证明了其达到\(\frac{10}{7}\)，但并未改进该实例类别的integrality gap上界（已知为\(\frac{4}{3}\)），仅为算法分析提供了潜在方向。
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\(\widetilde{\Theta}(n^{3/2})\)样本复杂度上下界，以及任意分布unateness测试的\(\widetilde{O}(n^{3/2})\)条件样本复杂度上界。这些结果与单调分布情形下的已知复杂度不同，且显著优于直接归约为单调情形的朴素方法。
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树路径拷贝的FeAVL结构，支持split、concatenate和单字符更新等操作，并给出了基于AVL grammar的压缩实例化。
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（如抽象语法树和化学结构）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。该研究给出了一个时间复杂度为\(O(N \cdot \max\{nD^{3/2}, \mathcal{S}\})\)的匹配算法，并通过实验验证了其实际运行效率。
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参数的改进参数化算法，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
本文提出首个真正次平方时间算法，用于计算具有常数距离VC维和强次线性大小平衡分离子的实权有向图的直径和离心率，运行时间为\(O(n^{2-1/(2h-2)}\textrm{polylog}(n))\)。该工作通过引入随机化搜索到决策的归约，将VC维工具从整数权推广到实权情形。
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 \(O(\varepsilon)\)的保证，同时设计了MapReduce和MPC框架下的分布式版本。该方法解决了精确计算silhouette的\(\Theta(n^2)\)复杂度瓶颈，但与我提供的关键词列表关联较弱。
Fine-Grained Bounds for Courcelle's Theorem
Daniel Lokshtanov et al.
cs.DS cs.LO
本文研究了Courcelle定理的精细复杂度界限，给出了一个算法，其运行时间在树宽参数\(t\)和公式\(\phi\)的量词结构上几乎达到ETH紧的下界，但该工作与关键词列表中的概念无直接关联。
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。该结构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图上实现了高达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时，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，证明了当多项式\(f\)是\(e\)次幂时，其基多项式\(g\)的稀疏度有界，并基于此界设计了一个确定性算法。该算法在总次数\(D\)有界时具有多项式时间复杂度，但未直接涉及关键词中的概念。
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，提出了首个达到\((2-\alpha)k\)-近似且运行时间为\(\tilde{O}(mn^{1/k} + n^{1 + 2/k})\)的算法，通过引入heavy-edge技术将依赖于最重边权重的近似转化为纯乘法近似，改进了现有结果。

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，最后通过验证保证与高精度解码等价。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。
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和宽松评分两种策略。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。该工作主要关注AI伦理与治理，与您提供的关键词（如code, spectral, Muon, pretrain, agent, attention）关联度较低。
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与对齐目标之间的混淆，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、检验证据并达成共识。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（62.1% vs 49.2%），为可扩展监督提供了新的实证证据。
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，分析了他们在临床实践和工作流程中（特别是针对特应性皮炎）使用人工智能的现状，发现AI主要用于文献综合和文档处理等通用任务，而非专门的图像分析。
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素养项目来促进批判性思维和学生自主性，而非依赖检测技术。
AI Assistance for Human Review of Default Judgments
Theodora Worledge et al.
cs.CY cs.AI
本文设计了一个名为Default Assistant的AI辅助工具，利用large language models帮助法院审查default judgments，通过引用原始案件文件中的引文和表格来提供建议。实验表明，该工具在提高审查准确性和效率方面有显著效果，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。
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（AIS）和自然语言处理（NLP）在尼日利亚金融服务部门中提升审计与欺诈检测有效性的作用，采用定量调查方法分析了186名专业人士的数据。结果表明，AI-enabled AIS显著改善了欺诈预防与检测能力，且NLP通过增强语义解释和分析可解释性正向调节了这种关系。
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o-minimal结构中可定义集的二元分类问题，通过引入traceable集作为可定义决策区域的经典代理，分析了ReLU神经网络对其特征函数的\(L^p\)逼近率，并进一步结合熵估计得到了hinge loss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点云分类中的表现，发现极端非独立同分布标签偏移下FL性能严重下降，且KD可能因使用硬标签而掩盖教师模型的真实质量。
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的均值和标准差替代标准高斯先验，并引入latent scaling factor控制生成样本的方差，以平衡多样性与保真度。实验表明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
本文研究了使用深度学习技术将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卷积层的神经网络架构，并在STARSS23数据集上评估了其性能。
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的少样本开集音频分类方法，通过融合support和query嵌入的类别判别信息来生成原型，并利用联合损失训练编码器，在三个公开数据集上取得了优于先前方法的AUROC和准确率。
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eXplainable AI技术自动发现与Presentation Attack Detection相关的visual concepts，并通过prompt learning将这些概念注入模型，以提升跨域泛化能力。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的分布式训练方法，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，与关键词列表中的概念关联较弱。
Ravines in quantum cost landscapes: opportunities for improved VQA predictions
Felix J. Beckmann, João F. Bravo
quant-ph cs.LG
本文利用改编自理论化学的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，并引入了一种资源较少的预训练度量来评估局部预测变异性。该工作主要关注量子机器学习中的优化与集成方法，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
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，并通过单一特征干预平滑地控制对应可观测量。这项工作为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神经网络势能(NNP)，并应用于甲基转移酶体系。该框架通过模块化静电感知架构和自动化反应数据集生成，实现了对含545个原子的大体系QM cluster模型的高精度模拟。
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。该方法通过外差处理（heterodyning）解决长持续时间信号的计算挑战，并首次实现了与匹配滤波管道（matched-filter pipelines）相当的灵敏度，同时降低了计算和延迟成本。
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辨别、鲁棒适应和几何推理能力。
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脑编码挑战赛的获胜模型）预测的fMRI驱动信号，与YouTube视频的“最重播”热力图进行相关性分析，发现该信号无法预测观众的重新观看行为，且结果与简单的响度和运动基线无显著差异。
GPUAlert: A Zero-Instrumentation Process-Boundary Monitor for Diagnosing GPU Training-Job Failures
Parv Agarwal, Asif Ekbal
cs.SE cs.AI cs.LG
本文提出了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。该工具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实现了失败原因分类和日志持久化。
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，但未涉及关键词中的code、spectral、Muon、pretrain或attention等概念。
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command-line AI coding agents的情况，发现首次使用主要通过社交网络传播，保留率与工程师的编码活动相关而非人口统计学特征，且采用者合并的pull requests数量增加了约24%。该研究为组织推广此类工具提供了策略参考，但与关键词中的数学或理论概念关联较弱。
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，通过七维团队画像和六类故障模式分类，评估了从纯软件工程到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环境中的空中签名身份验证接口，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性能，但主要聚焦于应用场景，与关键词中的理论或方法关联较弱。
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hamm-grams。
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）系统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显著减少边界重构，但整体属于量化感知训练领域的增量工作，未涉及关键词中的核心概念。
Fully Unsupervised Detection of Physical Contacts on Subsea Cables via State-of-Polarization Monitoring
Agastya Raj et al.
cs.NI cs.AI
本文提出了一种用于海底电缆状态监测的无监督Fast-Slow DSVDD检测器，无需事件标签即可在大量记录中有效识别物理接触事件。
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 Network)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化为统一的规范工程图表示(Canonical Engineering Graph Representation)，实现了跨不同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
本文介绍了平均场强化学习，通过大种群随机控制与平均场交互及共同噪声的视角，阐述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、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散度对齐将嵌入锚定到结构化的RIR隐空间，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退化下均能有效进行选择性预测，但未涉及code、context、spectral、Muon、pretrain、agent或attention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中的联合特征选择与分类器调参。实验表明该方法在保持最紧凑特征子集的同时取得了有竞争力的测试性能，但统计显著性不足，其优势主要体现在混合空间搜索能力上。
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生成与Prolog的deductive验证形成迭代循环，为Inductive Logic Programming (ILP)自动发明新谓词。实验表明该方法在ILP单独失败的任务上取得了显著成功率，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数据科学技能的系统化任务生成方法。该工作为数据agent的评估提供了标准化框架，但与关键词中的code, context, spectral, Muon, pretrain, attention等概念关联较弱。
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。结果表明，预测鲁棒性与解释稳定性是两个不同的维度，需要联合评估。
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难以被检测的毒化样本，并在关键词识别任务上验证了其攻击效果。
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。该工作为低照度图像增强提供了可解释性视角。
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
MedStreamBench是一个面向医疗视频理解的时间感知基准，它整合了22个医疗数据集和5419个问答实例，支持回顾、现在、未来和主动四种时间设置。该基准要求模型在时间受限的证据窗口内进行推理，并评估其响应性和稳定性，实验表明现有模型在流式和主动设置下性能显著下降。
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连续时间微分包含来建立全局收敛性。
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，并在OV-LVIS数据集上提升了性能。该方法主要关注检测任务的校准问题，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。
AI Virtue: What is "Good" Knowledge in the Age of Artificial Intelligence?
Alan Liu
cs.CY cs.AI
本文采用数字人文方法，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”），探讨如何为AI的知识价值建立评估框架，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，用于多径传播特性的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无人机导航，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成功率与安全性，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。
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%），但并未导致新手参与度下降，即AI辅助与人类参与之间不存在预期的权衡。
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。该方法利用分布一致的更新策略来保持跨版本的可比性，但并未涉及code、spectral、Muon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 theory的基本原理及其在系统与控制中的应用，重点讨论了数据驱动的surrogate models（如EDMD）和基于Koopman的MPC控制器设计，并提供了仿真代码。
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，用于在丢包隐藏任务中利用接收到的音频包对现有PLC模型进行在线适应，无需干净参考信号或外部数据。该方法通过在非因果和因果两种部署场景下对两个公开PLC模型进行实验，证明了预训练模型在推理时仍可被优化以提升性能。
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。研究揭示了各国学科发展的独特特征，但方法本身缺乏开创性，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）来优化CPU、GPU内存及通信带宽的利用，实现了在12个8x H200 GPU节点上对万亿参数规模模型进行百万token上下文长度的无损预训练/微调。实验表明，MoP的每GPU吞吐量比强优化的FSDP2基线高出4.7至8.2倍，并支持长达1M token的上下文训练，而基线在64-128K token时即内存不足。
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年间活跃的公司与社区维护仓库中的代码和注释进行分析，发现疑似LLM生成的代码随时间减少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，且仅少量人工标记的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层和模态下权重的重要性，并据此进行加权优化。该方法在约1-bit压缩约束下优于现有的二值化后训练量化(PTQ)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表示的平移不变性和决策保持校准。通过定义平移不变校准器和引入类条件仿射校准器，作者在自然图像和医学图像分割基准上验证了这些方法能改善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进行压缩并通过数字调制在空闲许可信道上传输，实现了比传统信源信道编码方案更低的延迟，同时保持了较高的分类准确率。
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agent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。该工作主要关注因果推理中的agent协作与人类反馈机制。
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相结合，用于动态物体操控。该框架通过在线优化学习无散度Gaussian速度场以预测物理未来动态，并利用可学习token的cross-attention模块整合预测信息，在仿真和真实机器人实验中取得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，发现模型表现出三种不同策略（反应性断言、表面回避、无响应），且这种鲁棒性在不同领域间不具迁移性。
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，用于衡量单变量时间序列机器学习预测模型中滞后的相关性。该方法结合了Ghost variables和Shapley value框架，引入了auto-relevance和partial auto-relevance函数，并针对基于联盟的方法中缺失特征提出了一种新的替代方案。
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，一种无需训练的新视角视频合成框架，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、视角一致的解。该方法在多个基准上取得领先性能，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联较弱。
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音频-文本表示的多分支层次感知框架，用于异构音频分类。通过扩展训练集、增强声学建模和层次感知分类器及KNN后处理，系统在BSD10k-v1.2集上达到了80.84%的层次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，通过引入分子拓扑模块和分子定位模块来增强对分子图像的理解，实验表明其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，一种自动化生成镜面错觉艺术（Mirror Illusion Art）的pipeline，通过联合优化3D物体的形状和颜色，使得一个物体在正面和镜面中呈现两种不同目标外观。该方法引入了四种机制（如PAC、PWA、IVP、SCD）来稳定优化并抑制伪影，在数字和物理世界中均能生成平滑的错觉艺术品。
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，用于自主水面车辆的轨迹跟踪。该方法采用teacher-student架构，通过从交互历史中推断平台动力学的latent representation，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，实验表明其比传统code coverage能发现更多缺陷。
Evolutionary Wave Function Collapse
Dipika Rajesh, Ahmed Khalifa, Julian Togelius
cs.NE cs.AI
本文探索将Wave Function Collapse (WFC)与evolutionary search结合，通过进化WFC的小输入样例来生成更大的输出，并评估了该方法在迷宫和地牢布局两个领域的效果。
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ESC框架，利用情感信号作为触发机制，在不需额外训练的情况下激活视觉语言模型(VLM)的自我纠正行为。该方法通过外部验证器检测初始错误响应并注入情感反馈，在安全、幻觉等基准测试中提升了模型可靠性。
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来引导其逆向流采样过程。实验表明该方法在LIBERO操作任务上能提升成功率，但critic的泛化能力和不确定性感知引导仍是主要瓶颈。
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batched matrix multiplication实现规则内存访问，从而加速large kernel 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，证明了有界row treewidth并不意味着有界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，还证明了计算geodesic treewidth是NP难的，并将平面图geodesic treewidth的下界改进为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，处理高维小样本组学数据的分类问题，并在肠道微生物组数据集上验证了其性能。该方法主要关注生物信息学应用，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。
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的推理管线，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方法。
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）的黑盒侦察方法，通过监控HTTP、词汇和时序信号来检测guardrail的存在，并区分guardrail拦截与LLM拒绝。实验表明该方法在检测guardrail存在时准确率达100%，在区分拦截与拒绝时F1分数达98%。
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自动阴茎组织分割框架，使用3D nnU-Net架构在DIXON MRI上实现了高精度分割，并在UK Biobank大规模数据集中验证了其可重复性和可扩展性。该方法为男性生殖健康的定量表型分析提供了技术资源。
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，但未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词。
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分割架构，通过Radiomics Attention Gate (RAG)模块将GLCM和LBP特征融入attention机制，在BUSI和Kvasir-SEG数据集上以更少参数取得优于U-KAN的分割性能，并提升了模型可解释性。
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
本文综述了AI风险识别、分析与管理的方法论，回顾了全球监管框架及技术、伦理等风险类型，并指出了当前方法论的不足与研究空白。
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归纳为五种团队类型（如AI助手、临时依赖等），并指出这些类型在团队层面特征上存在显著差异，质疑了不同研究间结论的可迁移性。
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特征学习中的H-Score目标，证明了其在无限制函数设置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，并在实验中展示了高达50%的归一化均方误差降低。
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，这是一个用于AI审计的开源基础设施，通过一个PII泄露的端到端示例展示了如何将风险概念转化为可测量的审计结果，并提供了与18个外部框架的映射。该工作主要贡献在于建立了从风险分类到可操作审计的桥梁，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）无直接关联。
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。它定义了“策略耦合覆盖”概念，并基于此开发了Policy-Coupled Risk-Averse Conformal Prediction (PC-RACP)方法，该方法在有限样本下提供覆盖保证并优化效用。
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，仅在预测阶段通过可加模型结合，以区分化学和结构对水溶性的贡献。该方法在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框架，通过预测机器人局部可见区域的language-conditioned flow field来生成连续轨迹，并引入连续时间Habitat基准进行低层动作评估。该方法在仿真和零样本真实场景中优于action-token和action-chunk基线，但未涉及code、spectral、Muon等关键词。
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OvA和OvR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partition rank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
本文研究了带指数权重的聚合（AEW）估计器在平方损失下的期望风险，证明了当温度参数\(T\)满足一定条件时，其超额风险达到\(T \log(M)/(n+1)\)，从而解决了Lecué和Mendelson提出的一个长期开放问题。该结果展示了AEW在期望意义下的最优性，并揭示了其在不同温度下的相变行为。
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（如动物、工业等）中的Spatio-Temporal Video Grounding能力，发现现有模型在零样本和上下文学习适应中表现不佳。该工作主要关注视频理解基准构建，与关键词中的code、spectral、Muon等无直接关联。
Dendritic In-Context Learning in a Single-Layer Spiking Neural Network
Juwei Shen, Yujie Wu, Changwen Chen
cs.NE cs.LG
本文提出DendriCL，一种单层脉冲神经网络架构，通过将树突区室（dendritic compartment）视为计算基质而非被动通道，利用其亚阈值动力学实现在线Widrow-Hoff LMS算法，从而在生物合理的SNN中实现了上下文学习（ICL）。该方法在Garg-2022基准测试中表现出超维稳定性，并证明ICL不需要注意力机制（attention）、深度或推理时突触可塑性。
HNSW with Accuracy Guarantees Using Graph Spanners -- A Technical Report
Minghao Li et al.
cs.DB cs.CL cs.IR cs.LG
本文提出一个"Certify-then-Rectify"框架，通过统计认证器动态评估HNSW搜索质量，并在必要时切换到精确恢复算法，从而在保持HNSW平均速度的同时保证最坏情况下的正确性。
SelectTSL: Prompt-Guided Selective Target Sound Localization in Complex Scenarios
Ziyang Jiang et al.
cs.SD cs.AI
本文提出SelectTSL，一种基于prompt引导的选择性目标声音定位架构，通过Prompt-Guided Selective Attention Module (PGSA)生成prompt-informed embeddings，并利用inter-channel phase difference (IPD) enhancer融合目标幅度信息，实现仅定位用户指定目标声源的direction of arrival (DoA)和数量。实验表明该方法在合成数据和真实录音中均优于基线。
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，用于在基于LLM的开放技能市场中通过技能组合发现隐式意图（implicit intents）。该方法利用contract-guided Monte Carlo Tree Search来优先探索可能冲突的技能组合，并在固定查询预算下发现了超过1000个不同的隐式意图。
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、光照变化和部分遮挡等挑战。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，通过仅在循环记忆分支上应用sign-preserving tanh gate来消除长序列中的发散现象。实验在量子动力学预测和SMS通信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）两个可分离的组成部分，其中几何特征依赖于问题顺序（frame），而非内在固有属性。
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生成方法，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辅助应用，旨在帮助视障人士完成日常任务。该应用通过集成多个端上深度学习模型（如深度估计、实例分割等）和可选的云端大语言模型，实现了实时视觉辅助与个性化物体检索功能。
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随训练递减、内在维度先增后稳、token交互结构持续存在。该工作主要聚焦于表示几何的观测，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，包含两个预测模型，用于在无需硬件访问或profiling的情况下，仅利用公开的LLM元数据和GPU规格，预测未见过的GPU和LLM组合的平均GPU功耗和Token间延迟。实验表明，该方法在功耗和延迟预测上优于基于物理的基线模型。
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manipulation和navigation任务上提升了规划性能，但未涉及code、spectral、Muon、pretrain或attention等关键词。
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从图像级扩展到目标级表示对齐，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数据加载、特征识别和常规分析，并展示了在MNIST分类、孤子检测和涡旋识别等任务中的应用。
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语言条件相机运动生成的方法，通过结合自回归观测增益输出与连续流匹配位姿头，将自然语言意图映射为相对SE(3)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，但未涉及代码、谱方法或预训练等关键词。
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与世界模型生成合成数据形成闭环，并引入Policy-Paced Learning (PPL)来调节训练过程，以降低视觉幻觉并平衡数据增强与价值高估。实验表明该方法在机器人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（reasoning effort）与工具访问（tool access）对首次代码生成可靠性的影响。实验发现，提升推理努力（从High到xHigh）能显著提高首次完美运行的比例（从28%升至89%），而增加测试工具仅提高了成本，并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，与关键词列表中的概念关联较弱。
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量化方法，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覆盖所有timestep和prompt。该方法在多个image和video diffusion transformer上实现了state-of-the-art的post-training quantization (PTQ)性能，并支持低至W2A4的量化。
Learning to Move Before Learning to Do: Task-Agnostic pretraining for VLAs
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，利用无标签交互数据通过自监督Inverse Dynamics目标学习可迁移的运动先验，再以少量专家数据完成语言对齐。该方法在SIMPLER基准和真实WidowX平台上显著提升了数据效率和鲁棒性。
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，人机协作的效果取决于个体的人力资本（如视角转换、知识谦逊和好奇心）而非模型基准，且协作表现呈三模态分布。
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的协同演化任务，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。实验表明现有agent在该benchmark上表现尚可，但在最新任务和有限成本下性能显著下降。
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选择建模为带空间先验的子模最大化问题，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先进性能，但未涉及code、spectral、Muon或agent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，通过分析Vision Transformer (ViT)中注意力头的语义与词汇编码差异，定位Typographic Attack的机制来源，并通过对特定circuit进行简单干预来提升鲁棒性。该方法在目标分类和Visual Question Answering任务上验证了有效性，但未涉及code、spectral或Muon等关键词。
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，通过从每通道折扣回报中推断Gaussian behavior latent并训练rectified-flow轨迹生成器，实现可控的交通模拟agent。该方法在Waymo数据集上达到竞争性的逼真度，并提供了高阶模仿模型缺乏的每通道可控性。

- 数据来源 Data Source: arXiv.org

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

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

- 计数基于主学科，不计重数。

- This webpage is automatically generated by bluearXiv-ai.

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

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

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

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

↑