bluearXiv-ai - 2026-07-10

📄 所有论文 ↑ 回顶部

cs.LG

Jet-Long: Efficient Long-Context Extension with Dynamic Bifocal RoPE ⭐ 精选

Haozhan Tang et al.

cs.LG cs.AI

本文提出Jet-Long，一种无需微调的零样本长上下文扩展方法，通过动态双焦Rotary Position Embedding (RoPE) 同时保持短上下文保真度和长上下文外推能力。该方法结合局部RoPE忠实窗口与自适应缩放因子的远程窗口，并利用包含-排除attention合并与即时RoPE校正旋转实现高效推理，在H100上长上下文预填充吞吐量可达FA2的$1.39\times$。实验表明，Jet-Long在Qwen3系列模型上显著优于现有基线，并适用于混合attention架构（如Jet-Nemotron），为长上下文部署提供了超参数鲁棒的解决方案。

Linear Attention Architectures: Mechanisms, Trade-offs, and Cross-Layer Routing ⭐ 精选

Tommaso Cerruti et al.

cs.LG cs.AI

本文系统比较了softmax attention与四种线性attention架构（DeltaNet, Gated DeltaNet, Kimi Delta Attention, Gated DeltaNet-2），用统一的recurrent-memory notation揭示了它们在表达力、memory decay、擦除/写入控制等方面的差异。在350M参数、15B token的实验中，Kimi Delta Attention结合Muon优化器取得了最低的验证损失，而纯Gated DeltaNet堆叠在训练吞吐量上最优。文章还提出了Cross-Layer Value Routing (CLVR)机制，通过将下层delta-rule的写入值路由到上层hidden stream，在DeltaNet和Gated DeltaNet上均实现了验证损失的改善，为线性attention的跨层信息流动提供了新思路。

Provably Optimal Learning Algorithms for Assistance Games ⭐ 精选

Nivasini Ananthakrishnan et al.

cs.LG cs.AI cs.GT

本文研究了在线assistance games（一种informed agent与uninformed agent交互优化共同reward的博弈框架）的变体，首次提出了可证明高效的learning algorithms。作者定义了assistance regret（累积效用与最优联合策略的差距），并设计了decentralized algorithms，实现了$\widetilde{O}(T^{3/4})$的$(1-1/e)$-近似regret率，且运行时间在状态和动作空间大小上多项式有界。此外，通过共享随机串在pseudo-decentralized setting中达到了$\widetilde{O}(T^{1/2})$的最优regret率（对数因子内）。该工作为agent交互中的长期优化问题提供了理论最优解，与关键词“agent”高度契合。

Modular Pretraining Enables Access Control ⭐ 精选

Ethan Roland et al.

cs.LG

本文提出了一种名为gradient-routed auxiliary modules (GRAM)的预训练方法，通过在神经网络中添加模块并选择性更新它们来诱导能力专业化，从而在推理时通过移除模块来近似于在过滤数据上训练的模型。该方法在合成故事和涉及病毒学、网络安全、核物理及专业代码等现实双用途数据上进行了评估，实验表明GRAM能有效禁用目标能力同时保留其他能力，并且在微调下抵抗能力恢复的效果优于事后遗忘。此外，从50M到5B参数的Chinchilla最优缩放分析显示，GRAM与数据过滤之间的差距在移除能力上随规模扩大而增大，但在保留能力上保持较小，且其训练成本与支持的能力配置文件数量无关，在5个配置文件的设置下比数据过滤降低了5倍成本。该方法与关键词中的pretrain和code高度契合，为解决AI双用途困境中的访问控制问题提供了开创性方案。

Spectral Analysis of Dueling Q-Learning ⭐ 精选

Donghwan Lee

cs.LG cs.AI

本文针对dueling Q-learning算法进行了谱分析，通过将Q函数分解为value function和advantage function，推导了确定性dueling Q-learning的精确切换线性系统表示，并给出了采样随机版本的有限时间期望误差界。该工作为未正则化、未投影的常数步长递归提供了收敛性保证，揭示了value和advantage更新在Q函数的action-common和action-differential分量上具有不同增益的机制。这一分析深化了对dueling架构学习效率的理论理解，与关键词中的“spectral”方法高度契合。

MPFlow: Learning Budgeted Max-Flow Optimization on the Lightning Network with Deep Graph Reinforcement Learning ⭐ 精选

Harrison Rush et al.

cs.LG

本文针对Bitcoin Lightning Network中的流动性放置问题，提出了一种基于深度图强化学习的预算约束最大流优化方法。作者将问题形式化为在图上选择$k$条边添加以最大化$s$-$t$最大流的组合优化问题，并设计了一个轻量级agent，该agent结合了message-passing策略网络与proximal policy optimization (PPO)及action masking。通过一种hub-exclusion课程训练策略（从训练子图中移除网络中的顶级hub），该agent学会了基于容量感知的放置策略而非简单的hub连接。在真实Lightning Network快照上的实验表明，该方法在最大流目标上持续优于强启发式基线，并已在生产环境中部署，执行了4640次通道开放决策。

Latent Memory Palace: Reasoning for Control as Autoregressive Variational Inference ⭐ 精选

Chuning Zhu et al.

cs.LG cs.RO

本文提出Latent Memory Palace (LMP)方法，将控制策略中的推理形式化为自回归变分推断。该方法通过构建自回归latent分布，并推导出latent-space reinforcement learning技术来优化其variational lower bound，从而在连续控制任务中实现可解释且自适应的测试时计算分配。LMP-$\pi$在仿真和真实世界任务中表现优异，同时LMP-$\texttt{tok}$作为变长动作tokenizer显著提升了自回归策略的性能，为通过变分推断视角理解控制中的latent推理提供了新框架。

Towards the Explainability of Temporal Graph Networks via Memory Backtracking and Topological Attribution

Yazheng Liu et al.

cs.LG cs.AI

本文提出了一种通过拓扑归因树和记忆回溯树来解释Temporal Graph Networks (TGNs)预测的方法，利用LRP（Layer-wise Relevance Propagation）确保事件贡献与模型logits一致，并设计了优化目标来识别重要事件。实验表明该方法在多个时序图数据集上优于现有基线。

Who Gets Missed in the Tail? Thresholded Subgroup Underdiagnosis in Long-Tailed Chest X-ray Classification

Ha-Hieu Pham et al.

cs.LG cs.CV

本文研究长尾胸部X光分类中阈值化亚组漏诊问题，通过诊断阶梯方法分析模型从评分到决策的转换，发现稀有标签公平性依赖于发现、亚组和操作阈值的联合作用，而非仅标签频率或排序指标。

LLT: Local Linear Transformer for PDE Operator Learning

Oded Ovadia, Eli Turkel

cs.LG cs.AI math.NA

本文提出了一种用于PDE operator learning的Local Linear Transformer (LLT)架构，通过结合linear global attention与local spatial mixing来提升计算效率。实验表明，LLT在多种PDE问题（如弹性、塑性、Darcy flow等）上取得了有竞争力的相对$L_2$误差，并在结构化网格上相比Transolver实现了1.8至2.5倍的训练加速。

ReCoLoRA: Spectrum-Aware Recursive Consolidation for Continual LLM Fine-Tuning

Wentao Lu

cs.LG cs.AI cs.CV

本文提出ReCoLoRA，一种用于大语言模型持续微调的谱感知递归整合框架。该方法通过递归分解当前有效权重来初始化新任务的低秩适配器，从而缓解任务序列中的灾难性遗忘问题。

Omni-Sleep: A Sleep Foundation Model via Hierarchical Contrastive Learning of CNS--ANS Dynamic

Zhoujie Hou et al.

cs.LG cs.AI

Omni-Sleep提出了一种基于CNS/ANS生理分层的睡眠基础模型，通过层次化对比学习（包括子系统内一致性、子系统间同步和掩码时序建模）来学习多模态PSG信号的表示。实验表明其在睡眠分期和多疾病分类任务上优于现有基础模型，但方法本身在关键词（如code, context, spectral, Muon, pretrain, agent, attention）上并无直接契合或显著开创性。

Uncertainty-gated selection for block-sparse attention

Thomas Rossi

cs.LG cs.CL

本文提出一种不确定性门控选择机制，用于改进block-sparse attention中的top-k截断策略。该方法通过测量每个query在top-k选择中的决策置信度，在置信度低时动态增加保留的block数量，从而减少信息丢失。实验表明，该方法在多个长上下文语言模型上提升了召回率，并接近dense attention的精度。

SHIFT: Survival Prediction from Incomplete and Heterogeneous Genomic Data

Muhammet Sami Yavuz et al.

cs.LG cs.AI q-bio.GN

本文提出SHIFT模型，利用masked self-attention和feature-availability mask直接从缺失的genomic数据中预测生存概率，无需test-time imputation。该方法在多个外部验证集上展现了良好的泛化能力，但并未涉及code、context、spectral、Muon、pretrain或agent等关键词。

Architecture Generalization with MetaNCA

Meet Barot, Daniel Berenberg, Sina Khajehabdollahi

cs.LG cs.AI

本文提出Meta Neural Cellular Automata (MetaNCA)框架，通过学习局部规则在计算图上迭代更新任务网络的权重，无需反向传播。该框架使用基于linear attention的Weight Transformer架构，能在MNIST和CIFAR-100上为MLP、CNN和ResNet生成权重，并泛化到未见过的网络架构。

LiST: Lipschitz Scaling Training for Robust and Calibrated Neural Networks

Arthur Chiron et al.

cs.LG stat.ML

本文提出LiST (Lipschitz Scaling Training)方法，通过迭代调整全局Lipschitz常数来同时优化神经网络的accuracy、robustness和calibration。该方法在CIFAR-10/100和Tiny-ImageNet上验证了有效性，但与我提供的关键词列表契合度较低。

Selective Left-Shift: Turning Test-Time Compute and Difficulty-based Curation into Training Data for Low-Resource Code Generation

Didula Samaraweera, Anjana Supun, Srinath Perera

cs.LG

本文提出了一种三阶段pipeline，通过将推理时的计算左移为离线数据合成，并利用SFT和RLVR训练，以解决低资源编程语言（如Julia）的代码生成问题。该方法在MultiPL-E和LiveCodeBench上取得了性能提升，但整体方法更偏向工程组合而非理论开创性。

A Transdiagnostic Space of Disorder Like Phenotypes in Reinforcement Learning Agents

Hari Prasad

cs.LG cs.AI

本文通过强化学习agent中的认知评估信号操控，模拟了七种心理障碍（如焦虑、躁狂等），并发现这些障碍在二维情感空间中自组织，且不同障碍对治疗干预的反应模式不同。该研究为计算精神病学提供了可控的测试平台，但与关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联较弱。

Image classification via a quantum-inspired strategy involving a mixture of experts

Kumari Jyoti, Rohith Babu, Apoorva D. Patel

cs.LG quant-ph

本文提出了一种混合经典-量子框架的图像分类策略，使用量子振幅编码和局部酉操作进行卷积，并通过多个专家处理同一图像。该方法在MNIST和Fashion-MNIST数据集上表现优于单个专家，但未涉及关键词中的code、context或spectral等概念。

The Importance of Encoder Choice:A Tabular-Image Study

Ilia Koloiarov et al.

cs.LG

本文首次评估了在图像-表格多模态学习中使用先进表格模型作为编码器的效果，并解决了In-Context Learning模型在嵌入训练和测试实例时因需要标签而带来的挑战。研究强调了编码器选择在多模态学习中的重要性。

Scalable and Trustworthy Earth Observation Foundation Models

Syed Usama Imtiaz, Mitra Nasr Azadani, Nasrin Alamdari

cs.LG

本文综述了遥感基础模型（RSFMs）的设计原则，指出由于EO数据受测量物理和决策约束，模型需要领域特定的适应。文章通过两个案例（物理引导的光谱掩码和强化学习）说明了领域引导原则，并强调下一代模型应关注模态感知迁移和物理合理的表示。

Trustworthy Machine Learning through the Lens of Combinatorial Optimization: Survey and Research Perspectives

Thibaut Vidal, Julien Ferry

cs.LG math.OC

本文综述了组合优化在可信机器学习中的应用，包括模型训练、解释性、鲁棒性、公平性和隐私保护等任务，强调了CO方法相比启发式方法能提供全局保证和形式化证书。文章指出可扩展性仍是主要挑战，但求解器和混合算法的进展预示着CO在可信ML中的角色将日益重要。

Unlocking Temporal Generalization in Hamiltonian Video Dynamics Models

Eli Laird, Corey Clark

cs.LG

本文研究了Hamiltonian Generative Networks (HGN)在非保守系统中的时间泛化问题，分析了其在训练步长外预测失败的原因，并提出了针对性的修复策略。

Principled Analysis of Deep Reinforcement Learning Evaluation and Design Paradigms

Ezgi Korkmaz

cs.LG cs.AI

本文分析了深度强化学习中评估与设计范式的理论基础，指出算法性能排名与数据规模之间不存在单调关系，并通过大规模实验证明现有范式可能导致错误结论。

Graph-Regularized Deep Learning for EEG-Based Emotion Recognition with Psychologically-Grounded Label Structure

Dongyang Kuang et al.

cs.LG cs.AI

本文提出了一种图正则化深度学习框架，用于基于EEG的情绪识别，通过将情绪视为图节点并利用维度情绪理论定义边来建模情绪间的心理依赖关系。该框架集成了三种正则化策略（Graph Label Smoothing、基于Graph Laplacian的Commuting distance、Sliced Wasserstein Distance），在SEED-IV和SEED-V数据集上提升了分类准确率并减少了心理上不合理的误分类。

A law of robustness for two-layer neural networks with arbitrary weights

Yitzchak Shmalo

cs.LG math.PR stat.ML

本文证明了Bubeck, Li和Nagaraj关于两层神经网络鲁棒性的猜想：对于任意权重的两层网络，若拟合含噪标签，其Lipschitz常数至少为$\sqrt{n/m}$量级。该证明通过函数空间覆盖替代参数空间覆盖，并利用刚性引理控制规范kink的系数，但该方法在$d=2$时失效。

Predicting Pseudo-nitzschia harmful algal blooms along the Portuguese Coast using satellite-derived predictors

Ayman Bnoussaad et al.

cs.LG

本文利用卫星数据构建了一个时空机器学习框架，用于预测葡萄牙海岸Pseudo-nitzschia有害藻华的发生，并评估了不同模型和特征配置的预测能力。研究主要关注环境与生物变量的预测效果，未涉及关键词中的核心概念。

Explaining Near-Zero Hessian Eigenvalues Through Approximate Symmetries in Neural Networks

Marcel Kühn, Bernd Rosenow

cs.LG cond-mat.dis-nn

本文通过分析神经网络参数化中的连续对称性，解释了训练损失Hessian矩阵中大量近零特征值的来源，认为这些特征值对应于弱破缺的伪Goldstone模。作者在深度线性网络中构造了精确零模的特征向量，并展示了ReLU非线性如何弱破缺这些对称性，从而在两层ReLU学生-教师模型和CIFAR-10训练的网络中验证了该机制。

When Does Continual Learning Require Learning

Anne Harrington et al.

cs.LG

本文从空间（新领域）和时间（数据漂移）两个维度重新定义了continual learning问题，并提出了一个统一的评估协议，比较了多种方法（如prompt-based、distillation、context compression和online RL）在LLM上的表现。研究发现不同环境变化模式需要不同的更新行为，但未涉及code、spectral、Muon或pretrain等关键词。

NFTR: From Provable Mode-Averaging to Geodesic Subgoal Selection in Offline Goal-Conditioned RL

Erdemt Bao, Xing Lei, Jun Chen

cs.LG

本文提出NFTR方法，使用conditional Normalizing Flow替代Gaussian policy，并通过triangle slack score修正AWR权重，以解决离线goal-conditioned RL中subgoal selection的optimistic bias和mode collapse问题。该方法在deterministic MDP中保证geodesic上的triangle slack为零，并在stochastic dynamics下保持保守上界。

Physics-Informed Machine Learning Under Small-Data Constraints: Lessons from Abrasive Waterjet Milling

Sarah Grewe, Jörg Frochte

cs.LG

本文针对物理主导的加工过程中小数据集（n=155）的机器学习建模问题，通过磨料水射流铣削实验，比较了不同数据清洗策略、评估方法和物理信息集成方式对模型性能的影响。研究发现，高斯过程（Gaussian Process）变体在此场景下表现最优，而基于残差学习的物理信息集成方式对树模型有害，且贝叶斯超参数调优对多阶段混合管道不利。

Optimal Learning Rate Scaling Depends on Data in Deep Scalar Linear Networks

Yedi Zhang et al.

cs.LG

本文研究了深度标量线性网络中梯度下降的最优学习率缩放问题，发现该缩放依赖于数据而非深度，数据无关的缩放规则无法跨深度迁移。在数据依赖的最优缩放下，学习动态与数据无关且对深度弱依赖，实现了跨深度的恒定线性收敛率。

Distributed Sketching on Data Partitions for OLS Regression

Luyuan Yang et al.

cs.LG

本文研究了在数据分区上进行分布式sketching的OLS回归方法，通过将大数据的sketches分布到多台机器上分别构建并平均OLS估计量。结果表明，当子集协方差之间的差异较小时，该方法的额外损失与对整个数据集进行sketching的已知损失相当。

Multimodal Unlearning Across Vision, Language, Video, and Audio: Survey of Methods, Datasets, and Benchmarks

Nobin Sarwar et al.

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

本文对多模态遗忘（multimodal unlearning）在视觉、语言、音频和视频领域的方法、数据集和基准进行了系统综述，提出了一个统一的分类法以比较不同模型架构和模态间的遗忘强度、保留能力、效率等权衡。该工作为多模态基础模型中的选择性知识移除提供了系统性的视角。

Efficient Safety Alignment of Language Models via Latent Personality Traits

Mohamed Amine Merzouk et al.

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

本文提出了一种名为Latent Personality Alignment (LPA)的方法，通过仅使用66条与人格心理学相关的无害语句进行对抗训练，来替代传统的显式拒绝有害内容的安全对齐方法。该方法在HarmBench基准上实现了接近零的攻击成功率，且训练过程轻量高效，在单个GPU上数分钟即可完成。

path_boost: A Python Package for Interpretable Graph-Level Prediction using Path-Based Gradient Boosting

Claudio Meggio, Johan Pensar, Riccardo De Bin

cs.LG cs.AI

本文介绍了path_boost，一个用于图结构数据可解释监督学习的Python包，实现了基于路径的梯度提升算法PathBoost。该算法通过迭代选择并扩展预测性路径来构建加性预测模型，支持回归和二元分类任务，并在分子性质预测等任务上进行了验证。

Evaluating the Generalizability of Foundation Models for Extreme Environmental Events: Case Study of California Wildfire PM2.5

Yongcan Huang, Li Jiang, Ze Yu Liu

cs.LG physics.ao-ph

本文系统比较了六种时间序列Foundation Model（TSFM）与全训练Baseline（LSTM, BiLSTM, Transformer）在加州野火PM$_{2.5}$极端事件预测上的表现。结果表明，BiLSTM在所有指标上优于所有Foundation Model，且零样本TSFM仅略优于简单持久性模型，挑战了大型预训练模型在环境预测中普遍占优的假设。

KronQ: LLM Quantization via Kronecker-Factored Hessian

Donghyun Lee et al.

cs.LG

KronQ提出了一种基于Kronecker-Factored Hessian近似的后训练量化方法，通过引入梯度协方差来改进LLM的量化过程。该方法在双向非相干处理和混合精度分配上进行了优化，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Collate: Collaborative Neural Network Learning for Latency-Critical Edge Systems

Shuo Huai et al.

cs.LG cs.DC

本文提出Collate框架，通过动态归零-恢复方法调整本地模型架构，并设计原型校正联邦聚合方案，在满足多个边缘系统延迟约束的同时提升模型精度。实验表明该方法在延迟约束下平均提升1.96%-3.09%的准确率。

PGD-NO: A Neural Operator with Precomputed Geometry Decomposition for 3D Million-scale Physics Simulations

Weiheng Zhong et al.

cs.LG

本文提出PGD-NO，一种通过预计算几何分解来解耦特征提取与求解查询的neural operator，旨在解决3D百万级物理模拟中单节点显存瓶颈问题。该方法将几何编码的计算开销转移到确定性预计算阶段，并利用迭代几何分解算法提取几何tokens，实现了线性内存可扩展性。

Rethinking Small VLM Quantization: From Component-Wise Analysis to Hardware-Aware Edge Deployment

Hyeju Shin et al.

cs.LG

本文在Jetson Orin NX和AGX平台上系统评估了小型VLM（视觉语言模型）的组件级量化，发现量化敏感性主要由结构范式（MoE vs. dense）决定，且SigLIP编码器在特定硬件上存在延迟问题，INT4量化虽降低VRAM但会因反量化开销减慢生成速度。

What to Keep, What to Forget: A Rate--Distortion View of Memory Compaction in LLMs and Agents

Ashwin Gerard Colaco, Nada Lahjouji

cs.LG

本文从率失真视角统一审视了大语言模型和智能体中不同层面的记忆压缩问题，包括KV cache、prompt、状态和智能体记忆。文章提出了一个统一的压缩目标和七轴分类法，并指出各层压缩都依赖注意力权重或近因性作为保留信号，且存在相似的失败模式。

An exact information theory of generalization phase transitions in Bayesian diffusion models

Henry Hunt, Mason Kamb, Surya Ganguli

cs.LG cond-mat.dis-nn

本文提出了一种可解析的贝叶斯信息受限扩散(BIRD)模型，通过信息论方法分析了扩散模型在有限训练数据下的泛化与记忆相变边界。该模型在空间局部信息限制下，发现生成过程接近记忆化边缘，揭示了信息限制在高维生成中规避维度灾难的作用。

Who Analyses the Analyser? Self-Validating LLM Hazard Analysis with Constitutional Meta-STPA

Samuel Tetteh et al.

cs.LG cs.AI

本文提出了一种名为Constitutional Meta-STPA的LLM辅助安全分析工具，通过让工具对自身进行STPA分析来生成治理原则，并形式化了constitution-marginal coverage operator。该方法主要关注AI安全工具的自我验证，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联较弱。

Reinforcing the Generation Order of Multimodal Masked Diffusion Models

Yidong Ouyang et al.

cs.LG cs.AI stat.ML

本文提出了一种通过GRPO学习生成顺序控制模块的方法，用于优化多模态掩码扩散模型在文本到图像生成和多模态理解中的性能。实验表明该方法在GenEval和VLMEvalKit基准上分别取得了4.08%和4.85%的相对提升。

Towards Efficient Large Language Model Serving: A Survey on System-Aware KV Cache Optimization

Jiantong Jiang et al.

cs.LG cs.AI cs.CL

本文从系统行为视角综述了面向大语言模型服务的KV cache优化技术，将其组织为执行调度、放置迁移和表示保留三个维度，并分析了跨行为协同设计。该工作为理解现代LLM服务基础设施中的KV cache设计提供了系统化基础。

When Thinking Hurts: Epistemic Signals in the Reasoning Chains of Visual Language Models

Mayank Singal

cs.LG cs.AI

本文研究了thinking-mode视觉语言模型(VLM)中推理链的熵行为，发现思维链熵在预测答案可靠性方面优于传统的答案熵，并展示了结构化弃权机制可显著提升准确率。该工作主要关注VLM的uncertainty quantification，与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。

Cross-Modal Generative Framework for Signal Translation from Fetal-Maternal Electrocardiograms to Fetal Doppler Waveforms

Tongli Su et al.

cs.LG eess.SP

本文提出了一种跨模态生成框架，结合dilated convolution和cross-modal attention，从胎儿/母体心电图信号合成胎儿Doppler包络波形。实验表明该方法能有效降低频谱误差和心率误差，但方法本身并非开创性，且与关键词关联较弱。

Deep Learning Method for Stationary Distribution of Reflected Brownian Motion

Jim Dai, Zhanhao Zhang

cs.LG cs.AI

本文利用深度学习框架，基于basic adjoint relationship (BAR)学习高维reflected Brownian motion (RBM)的Laplace transform，以近似其stationary distribution。该方法通过设计损失函数和采样过程，在已知精确解的高维实例上实现了近乎完美的预测。

Stochastic Order Learning: An Approach to Rank Estimation Using Noisy Data

Chaewon Lee, Seon-Ho Lee, Chang-Su Kim

cs.LG

本文提出了一种名为stochastic order learning (SOL)的框架，用于处理带噪声标签的排序估计问题，通过将每个实例与多个可能排序相关联来建模标签不确定性。该方法在多种数据集上验证了其有效性，但未涉及关键词列表中的核心概念。

Vanilla SGD with Momentum Survives Heavy-Tailed Noise: Convergence Analysis without Gradient Clipping or Normalization

Ryusei Yamada, Naoki Sato, Hideaki Iiduka

cs.LG

本文研究了vanilla SGD及其动量变体在heavy-tailed noise下的收敛性，证明了无需gradient clipping或normalization也能获得收敛保证，但收敛速率劣于经过裁剪或归一化的SGD变体。

Contrastive Order Learning: A General Framework for Ordinal Regression

Chaewon Lee et al.

cs.LG

本文提出了一种名为ConOrd的对比学习框架，用于ordinal regression（序数回归）任务，通过引入基于rank差异的soft affinity和disparity权重来建模样本对间的序数关系。实验表明该方法在面部年龄估计等任务上取得了不错的效果。

Workload-Preserving Differentially Private Synthetic Data for Causal Inference via Maximum-Entropy Calibration

Amir Asiaee, Kaveh Aryan

cs.LG

本文提出了一种用于因果推断的差分隐私合成数据方法，通过最大熵校准来保持工作负载，并引入了因果工作负载和Causal-AIM自适应选择器。该方法在严格隐私预算下对因果估计更有效，但整体上属于对现有差分隐私合成数据技术的改进，而非开创性突破。

DeepPySR -- A Symbolic Regression Framework with Dynamic Pruning, Pareto Selection, and Hierarchical Composition for Real-World Scientific Discovery

Fuling Chen et al.

cs.LG

本文提出DeepPySR符号回归框架，通过动态变量剪枝、指数Pareto选择和层次化组合策略，在多个生物医学和社会科学数据集上提升了可解释公式的发现性能。

Understanding Layer Patching in Model Size Interpolation

Sara Kangaslahti et al.

cs.LG

本文研究了模型尺寸插值中的层补丁（layer patching）问题，将寻找最优层子集建模为有向无环图中的最短路径问题，并提出了基于KL散度的贪心算法KLPatch。实验表明，简单的顺序补丁策略在实践中表现良好，而KLPatch能进一步逼近最优解。

Open-ended Multi-agent Autocurricula via Visual Inspection of Policies with Multi-modal LLMs

Lorenzo Pantè, Andrea Fanti, Roberto Capobianco

cs.LG cs.AI

本文提出了一种名为VIP (Visual Inspection of Policies)的方法，利用Video Language Model (VLM)直接通过记录策略行为的视频来评估任务难度，从而为多智能体强化学习生成开放式课程。实验在StarCraft Multi-Agent Challenge (SMAC)上验证了该方法比仅依赖文本或标量分数的方法更有效。

PIT-SUN: A Deployable Empirical Marginal Transform Framework with Expectation-Consistent Recovery for Regression in Recommender Systems

Mingyu Zhao et al.

cs.LG

本文提出PIT-SUN框架，通过经验边际变换和期望一致恢复方法，解决推荐系统中重尾、零膨胀和多模态目标下的回归问题。该方法使用概率积分变换定义有界正态分数坐标，并通过逆分位数查找和方差控制恢复基来估计原始空间条件期望，在合成数据、公开基准和工业数据集上验证了有效性。

RhyMix: A Lightweight Adaptive Multi-Rhythm Network for Long-Term Time Series Forecasting

Sumit Satishrao Shevtekar, Chandresh Kumar Maurya

cs.LG cs.AI

本文提出了一种名为RhyMix的轻量级自适应多节奏网络，用于长期时间序列预测。该模型通过并行双路径架构（循环路径和多尺度时序卷积路径）及自适应门控机制，在12个数据集中的10个上取得了最优性能，且参数量仅约40K。

Structure Learning on Clustered Data

Ryan Thompson, Matt P. Wand, Veerabhadran Baladandayuthapani

cs.LG stat.ME stat.ML

本文针对聚类数据中的DAG结构学习问题，提出了一种结合固定效应与随机效应的混合模型框架，通过可微图耦合机制保证图的非循环性，并给出了可证明收敛的一阶优化方法。该方法在理论上证明了模型的可识别性与渐近一致性，实验表明其能检测到其他方法遗漏的依赖关系。

An interpretable Good--Turing restart criterion for k-means++

Renato Cordeiro de Amorim

cs.LG stat.ML

本文提出了一种基于Good-Turing估计的k-means++重启准则GTRC，通过概率边界自适应地决定何时停止重启，在36个数据集上达到了与固定重启次数相当的聚类质量，但重启次数会根据数据难度自适应变化。

CASL-VAE: Learning Structured Latent Variables from Unpaired Data for Semi-supervised Clustering and Paired Sample Generation

Sai Spandana Chintapalli, Pratik Chaudhari, Christos Davatzikos

cs.LG

CASL-VAE提出了一种深度对比潜变量模型，通过将变分分解为连续公共因子和层次化显著因子，从非配对数据中学习结构化潜变量，用于半监督聚类和配对样本生成。该方法在神经影像数据上验证了其恢复亚型和生成配对样本的能力。

Classifier Chain-based Pathological Test Recommendation

Abu Rafe Md Jamil, Nayan Malakar

cs.LG

本文提出了一种基于Classifier Chain (CC)技术的病理测试推荐系统，将测试推荐视为多标签分类问题，并利用Logistic Regression等算法在自定义数据集上实现了高准确率。研究还使用SHAP进行可解释性分析，以验证模型推荐与医学知识的一致性。

Learning $\mathsf{AC}^0$ under Locally Sampleable Graphical Models

Weiming Feng et al.

cs.LG cs.DS

本文研究了在局部可采样图模型下学习$\mathsf{AC}^0$电路的问题，通过模拟并截断经典Glauber dynamics，建立了一种新的Gibbs分布低度近似方法，从而避免了先前工作中对多项式增长条件的要求。该框架为任意有界度图上的二自旋系统（如hard-core模型和Ising模型）提供了拟多项式时间学习器。

Write-Protected Discrete Bottlenecks for Language-Grounded World Models: A Structural Limitation and Sufficient Fix

Jiayi Fang

cs.LG

本文研究了语言与离散符号世界模型接口中的结构性问题，发现基于Gumbel-softmax的离散bottleneck在语言梯度注入下会崩溃，并提出了一种包含梯度截断、无梯度语义通道和DP-Means聚类三层的修复方案，在多个实验中实现了高语义绑定准确率。该工作主要关注特定架构的局限性，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联较弱。

ArtMine: Discovering and Formalizing Artistic Processes

Kaustubh Kumar et al.

cs.LG cs.AI

本文提出了ArtMine框架，用于从碎片化的历史证据中发现并形式化艺术创作过程。该框架通过Peircean溯因推理代理将异构证据转化为结构化表示，并利用生成式AI进行自我优化，但方法本身在数学或算法层面缺乏显著的开创性，且与关键词列表中的概念关联较弱。

AutoAnchor: Stable Diffusion Unlearning Using Cross-Attention as a Manifold Surrogate

Siyuan Wen, Jiahao Zeng, Ningning Ding

cs.LG stat.ML

本文针对扩散模型中的unlearning问题，提出了一种名为AutoAnchor的两阶段框架，通过引入cross-attention consistency loss作为manifold proximity的高效代理，自动合成流形近端锚点，从而在理论上形式化了不稳定unlearning问题并提升了性能。实验表明该方法在概念移除和非目标效用上均有显著改进。

Certified Interventional Fidelity: Anytime-Valid, Adaptive Evaluation of Causal Claims in Mechanistic Interpretability

Amir Asiaee

cs.LG

本文提出Certified Interventional Fidelity (CIF)，一种为因果可解释性评估提供统计保证的框架，通过将报告量写为因果estimand并构造置信区间与置信序列，实现了对干预实验结果的适应性评估。该方法在MNIST和GPT-2 Small上验证了其有效性，但与关键词列表中的概念关联较弱。

Self-Adaptive Anomaly Detection with Reinforcement Learning and Human Feedback in Connected Vehicles

Matthias Weiß et al.

cs.LG cs.AI

本文提出了一种面向联网车辆的自适应异常检测框架，结合了factorized deep Q-network与self-attention机制来选择检测器，并引入human-in-the-loop重训练策略。实验表明该方法在概念漂移场景下优于单一检测器，但整体方法更偏向工程集成而非理论创新。

Eigenvalue Calibration for Semantic Embeddings of Large Language Models

Sebastian G. Gruber et al.

cs.LG

本文提出了一种针对大语言模型语义嵌入特征值的校准框架，通过将LLM与语义嵌入解释为density matrix predictors，并应用temperature scaling来校准特征值。实验表明当前LLM存在系统性过度自信问题，但该方法主要关注不确定性量化，与关键词中的spectral有一定关联但创新性有限。

Dynamics of Gradient Descent with Large Step Size Near a Manifold of Flat Minima

Lachlan Ewen MacDonald, René Vidal

cs.LG math.DS math.OC

本文研究了梯度下降法在平坦极小值流形附近使用大步长时的动力学行为，将先前关于孤立平坦极小值的理论推广到向量值输出和流形情形。通过解决奇异偏微分方程等挑战，作者建立了该设置下的规范形式与收敛定理，并应用于深度矩阵分解问题。

Beyond Backpropagation: Monte Carlo Method Can Train Deep Neural Networks

Hong Zhao

cs.LG stat.ML

本文提出了一种基于Monte Carlo方法的梯度-free训练算法，通过随机扰动参数并保留降低loss的变异来训练深度网络，在MNIST和Tiny Shakespeare等任务上验证了可行性。该方法无需batch normalization或residual connections，但主要作为BP的补充视角，与关键词中的spectral、Muon、pretrain等概念关联较弱。

Predicting Male Fertility Using Machine Learning: A Semen Parameters Based Analysis with the VISEM Dataset

Shahnawaz Qureshi et al.

cs.LG cs.AI

本文使用LazyPredict框架在VISEM数据集上测试了超过40种机器学习算法，发现Nearest Centroid分类器在基于精液参数预测男性生育力方面准确率最高，达到94.2%。该研究展示了机器学习在辅助生殖健康诊断中的潜力。

MatBind: A Shared Embedding Space for Multimodal Materials Characterization

Le Yang et al.

cs.LG

本文提出MatBind框架，通过对比学习将晶体结构、粉末X射线衍射、电子态密度和文本四种材料模态对齐到统一嵌入空间，以晶体结构为物理锚点实现跨模态检索。该方法展示了多模态数据融合的可行性，但与我提供的关键词列表关联度较低。

Frequency-Domain Multi-Modality Transportation Modeling

Jiewen Deng et al.

cs.LG

本文提出了一种频域多模态交通建模方法FreMo，通过Modality-Wise Frequency Filter和Frequency-Guided Synergy Integrator分别实现模态内频谱精炼与跨模态频率选择性融合，以解决多模态交通预测中不同模态频谱特性差异及交互不均的问题。实验表明该方法在多个真实数据集上优于现有基线。

Ensemble Diversity Optimization for Subjective Supervision

Xia Cui, Ziyi Huang, N. R. Abeynayake

cs.LG cs.CL

本文提出Ensemble Diversity Optimization (EDO)方法，通过Gumbel-Softmax松弛和符号化多样性正则化器联合优化集成权重与校准，在主观NLP任务中降低交叉熵并提升概率校准，但方法本身并非开创性突破且与关键词关联较弱。

Systematic Evaluation of Learning Rate Scheduling Strategies Across Heterogeneous Architectures

Hafsa Mateen, Radu Timofte, Dmitry Ignatov

cs.LG cs.CV

本文系统评估了30种神经网络架构在CIFAR-10上使用25种学习率调度策略的效果，发现调度器的选择高度依赖于架构，其中CosineAnnealingWarmRestarts和CyclicLR表现优于基本衰减策略。

Stop Guessing When to Stop Testing: Efficient Model Evaluation with Just Enough Data

Ofir Arviv et al.

cs.LG

本文提出了一种自适应评估框架，将sequential testing（序贯检验）与针对模型评估的停止准则相结合，以在固定样本量评估中平衡效率与可靠性。该方法在Open VLM Leaderboard上实现了高达80%的计算成本降低，但未涉及关键词中的code、spectral、Muon或attention等核心概念。

CAAD: Causality-Aware Multivariate Time Series Anomaly Detection via Multi-Scale Alignment and Structural Causal Consistency

Xin Wang et al.

cs.LG

本文提出CAAD框架，将多变量时间序列异常检测重新定义为通过外生变量对Granger因果一致性的持续验证。该方法利用多尺度对齐和基于梯度的矩阵来监测因果关系的破坏，并在工业数据集上取得了优于现有方法的性能。

Contravariance Theory: Strong Alignment for Minimal Solutions to Hard Tasks

Dan Yamins, Aran Nayebi

cs.LG q-bio.NC

本文通过理论分析证明了在足够困难的任务中，任意两个最小DNN解之间的表示对齐会从弱对齐（基于affine mapping）自动升级为强对齐（privileged axes的对齐），并沿着网络层级向上传播。该工作为NeuroAI领域提供了关于网络比较度量选择不敏感性和趋同进化必然性的形式化理论支撑。

Spectral Stability of Pseudoinverse-Based Extreme Learning Machine

Bich Van Nguyen, Ngoc Anh Khong

cs.LG math.SP

本文从谱角度研究了基于Moore-Penrose pseudoinverse的Extreme Learning Machine (ELM)的数值稳定性，指出最小singular value和condition number分别控制输出权重的扰动放大和隐藏层不稳定性，并比较了SVD与迭代方法的性能差异。

Robust Bayesian Decision Making under Adversarial Uncertainty

Haripriya Harikumar et al.

cs.LG

本文研究了在对抗性不确定性下的鲁棒贝叶斯决策制定，提出了一种考虑最坏情况意外效应的序贯实验设计方法，通过形式化对抗性鲁棒最优决策并推导出贝叶斯实验设计准则，旨在提升决策的稳定性而非名义最优性。实验表明，该方法相比传统决策感知设计能产生更稳定可靠的决策。

Federated Deep Learning for Privacy-Preserving Cardiovascular Disease Risk Prediction

Hyunho Mo et al.

cs.LG cs.HC

本文提出了一种联邦深度学习框架，用于在保护隐私的前提下进行心血管疾病风险预测，通过整合两个异质性队列（Lifelines和Rotterdam Study）的数据，证明了联邦训练相比本地训练能提升预测性能（C-statistic有所提高）。该方法主要关注实际应用中的隐私保护与数据异质性挑战，但并未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。

Steering Neural Network Training through Interpretable Constraints Based on Partial Dependence

Yann Claes, Pierre Geurts, Vân Anh Huynh-Thu

cs.LG

本文提出了一种基于partial dependence的神经网络训练引导方法，通过约束模型对特定特征的平均响应来融入先验知识。实验表明该方法在回归问题（如动力系统预测）中能提升模型性能和data efficiency，但方法本身与关键词列表中的概念关联较弱。

BiSCo-LLM: Lookup-Free Binary Spherical Coding for Extreme Low-Bit Large Language Model Compression

Yuantian Shao et al.

cs.LG

本文提出BiSCo-LLM框架，通过将局部权重块映射到单位超球面并二值化为球面编码，实现无需显式codebook的极端低位LLM压缩。该方法结合残差编码与逐类恢复蒸馏，在2比特权重预算下平衡了压缩率与模型性能。

Multi-Modal, Multi-Environment Machine Teaching for Robust Reward Learning

Ali Larian et al.

cs.LG cs.AI

本文研究了多环境多模态的机器教学在逆强化学习中的应用，提出了一种分层教学算法，通过选择信息丰富的环境并策略性地查询低成本的反馈来学习鲁棒的奖励函数。实验表明该方法在泛化到未见环境时优于均匀教学基线。

Secure Decentralized Federated Learning via Gossip and Virtual Voting

Amirhossein Taherpour, Xiaodong Wang

cs.LG cs.DC

本文提出gspDAG-FL，一种基于gossip和虚拟投票的去中心化联邦学习框架，通过拓扑DAG和Hashgraph式投票实现模型更新的最终性，并抵御拜占庭攻击。实验表明该方法在减少协调瓶颈的同时保持了学习质量。

EdgeRefine: Privacy-Utility Balance for Graphs via Jaccard Sampling under Edge Differential Privacy

Wenxiu Ding et al.

cs.LG

本文提出EdgeRefine框架，通过Jaccard相似性估计边存在概率并基于隐私预算$\epsilon$进行自适应边采样，以在边级别差分隐私下平衡图数据的隐私与效用。实验表明该方法在节点分类和图表征任务中优于现有隐私保护方法，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等概念。

Resample or Reroute? Budget-Aware Test-Time Model Selection for Large Language Models

Teng-Ruei Chen

cs.LG

本文研究了在有限预算下为大语言模型进行测试时模型选择的问题，提出了一个在线重采样或重路由（RoR）分配策略，通过估计每单位成本的边际正确性来在重采样和重路由之间分配预算。实验表明该策略在成本-质量Pareto前沿上优于多种基线方法，但该方法主要关注模型路由与采样策略的权衡，与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

A Practical Investigation of Training-free Relaxed Speculative Decoding

Guoxuan Xia, Luka Ribar, Paul Balanca

cs.LG cs.AI

本文探讨了无需训练的宽松推测解码（relaxed speculative decoding）技术，通过统一现有方法并在当代设置下进行基准测试，为从业者提供了经验发现。研究表明，与无损推测解码不同，宽松方法需要仔细评估能力，且许多方法依赖于作为良好语言模型的草稿模型。

Deep Learning for Joint Narrowband Interference Cancellation and Soft Demodulation in OFDM Systems

Emmanouil Kavvousanos, Francky Catthoor, Vassilis Paliouras

cs.LG eess.SP

本文提出一个统一的深度学习框架，用于OFDM系统中的联合窄带干扰消除与软解调。该框架包含NBI-CNet和LLR-CNet两个模块，分别用于干扰参数估计和残差白化，以解决传统方法中的延迟与误差问题。

Super Weights in LLMs and the Failure of Selective Training

Shreyas Subramanian, Adewale Akinfaderin, Akarsha Sehwag

cs.LG

本文研究了LLM中"Super Weights"（个别对模型性能影响极大的参数）的重要性，发现单独训练这些参数会导致模型性能下降至随机水平，而随机选择相同数量的参数进行训练反而能提升性能。结果表明参数的重要性并不等同于其可训练性，有效的微调需要依赖整个层的结构化分解而非针对个别重要权重。

Dimensionality Reduction Meets Network Science: Sensemaking on UMAP's kNN Graph

Duen Horng Chau et al.

cs.LG cs.AI cs.DS cs.HC

本文指出UMAP在降维过程中内部构建的kNN图（k-nearest-neighbor graph）常被忽视，并展示了在该图上应用PageRank、k-core decomposition和clustering coefficient等标准graph algorithm，可以增强对高维数据的理解。实验表明这些基于graph的分析方法在代表性点选取和密度聚类等任务上具有竞争力。

SLORR: Simple and Efficient In-Training Low-Rank Regularization

David González-Martínez, Shiwei Liu

cs.LG cs.AI

本文提出SLORR，一种简单且无需状态的训练时低秩正则化框架，通过基于Hoyer稀疏度量和核范数的变体直接正则化原始权重矩阵，以提升模型的可压缩性。该方法在ImageNet-1K和LLM预训练中验证了有效性，但未涉及code、context、spectral、Muon、agent或attention等关键词。

cs.AI

Infinity-Parser2 Technical Report ⭐ 精选

Zuming Huang et al.

cs.AI

本文提出Infinity-Parser2，一个用于端到端文档解析的大型多模态模型。其核心贡献包括：构建了一个可扩展的数据合成管线（Infinity-Doc2-5M），生成了500万样本的双语语料库；引入了一个可验证的多任务reward系统，通过联合Reinforcement Learning在八个共同训练的目标（如文档解析、表格解析、数学公式解析等）上进行优化。该模型在olmOCR-Bench和ParseBench上达到了state-of-the-art性能，并提供了针对低延迟和高精度场景的两个变体（Flash和Pro）。

Agentic Neural Architecture Search ⭐ 精选

Seokhoon Jeong, Mijung Kim, Taehwan Kim

cs.AI

本文提出AgentNAS，一种将Large Language Model (LLM)与Neural Architecture Search (NAS)相结合的agent框架。该方法利用LLM生成高质量的种子架构，并将其分解为带有可互换模块插槽的"slotted architecture"，从而自动为传统NAS定义有界的、任务特定的搜索空间，无需人工设计。在17个跨模态任务上，AgentNAS在11个任务上达到了新的最优结果，消融实验证实了LLM生成与NAS搜索两种机制的互补性。该工作为自动化机器学习中的agent驱动架构设计提供了开创性范式。

Remember When It Matters: Proactive Memory Agent for Long-Horizon Agents ⭐ 精选

Yifan Wu et al.

cs.AI cs.CL

本文提出了一种主动记忆机制（Proactive Memory Agent），用于解决长程任务中智能体（agent）因轨迹增长而导致的“行为状态衰减”（behavioral state decay）问题。该方法引入一个独立的记忆智能体，与未修改的动作智能体并行运行，从近期轨迹中更新结构化记忆库，并决定是否注入基于记忆的提醒，从而实现对决策的主动干预。实验表明，该模块在Terminal-Bench 2.0和$\tau^2$-Bench上显著提升了pass@1指标，且选择性干预策略优于被动记忆暴露等基线方法。该工作为长程智能体中的记忆管理提供了新的范式，与关键词中的agent高度契合。

Context Graphs for Proactive Enterprise Agents

Avinash Kumar

cs.AI cs.LG

本文提出Context Graph用于构建主动式企业agent，通过Delta Detection Engine监控状态变化和Proactivity Scorer排序候选信息，实现从被动响应到主动推送的转变。实验表明该方法在合同管理、事件响应等场景中显著降低了信息呈现延迟。

AI-integrated models for assessing agricultural resilience

Joshua R. Waite et al.

cs.AI

本文开发了一个AI驱动的工具，将经济模型(GTAP)与生物物理模型(APSIM)集成，用于分析农业供应链冲击，使政策制定者能够通过自然语言查询评估跨学科影响。

Adversarial Social Epistemology for Assemblies of Humans and Large Language Models

Mihnea C. Moldoveanu, Joel A.C. Baum

cs.AI cs.SI

本文提出了一种对抗性社会认识论（ASE）框架，用于分析人类与大型语言模型在密集互动交流中的信息扭曲与信任破坏机制，并讨论了审计与补救方法。该工作主要聚焦于社会认识论与交流现象，与关键词中的技术概念关联较弱。

Aligning Clinical Needs and AI Capabilities: A Survey on LLMs for Medical Reasoning

Qi Peng et al.

cs.AI

本文综述了大型语言模型在医学推理中的应用，从临床和计算两个角度分析了其能力层级和推理模式，并评估了18个模型在五个能力层级上的表现。

Alignment Plausibility: A New Standard for Assuring AI in Healthcare

Gwydion Williams, Sara Zannone, Bilal A Mateen

cs.AI

本文提出了一种名为"alignment plausibility"的监管概念，通过类比生物合理性来评估AI系统在医疗健康中的安全性，并主张将LLM的对齐组织为三个层次：明确的价值规范、嵌入价值的训练以及部署中的监督。该工作主要关注AI安全框架的理论构建，与关键词中的具体技术概念关联较弱。

Idiobionics: The Unification of Privacy and Intelligent Robotic Prostheses

Kwesi Afari Darfoor, Patrick M. Pilarski, Bailey Kacsmar

cs.AI cs.CR cs.HC cs.RO

本文提出了idiobionics这一新研究方向，旨在系统研究智能仿生假肢中的隐私问题，并初步展示了潜在的对抗攻击示例。该工作主要定义了概念框架并列出开放问题，但未涉及关键词中的具体技术。

VectorizationLLM: Smart Vectorization Based AI Assistant

Ryan Duke

cs.AI cs.CY

本文介绍了一个基于Google开源LLM的专用大语言模型VectorizationLLM，用于辅助学生学习MATLAB中的向量化、傅里叶分析和微分方程等概念。该模型采用RAG知识库和系统提示架构，旨在提供教学指导而非直接给出答案。

A Graph Neural Network Model for Real-Time Gesture Recognition Based on sEMG Signals

Pragatheeswaran Vipulanandan, Kamal Premaratne, Manohar Murthi

cs.AI

本文提出了一种基于Graph Neural Network的实时手势识别方法，利用sEMG信号构建肌肉激活模式的graph network，在8电极Myoband数据上达到99%分类准确率，平均处理时间48ms。该方法在实时性上优于现有技术，但未涉及code、spectral或pretrain等关键词。

Agentic AI and Retrieval-Augmented Models in Straight-Through Underwriting

Robert Richardson et al.

cs.AI cs.LG

本文探讨了agentic AI和RAG在直通核保中的应用，比较了单LLM基线、朴素RAG和多智能体Agentic RAG三种流程，发现Agentic RAG在多步推理和缺失信息场景下表现最佳。

Feedback Manipulation Regularization: Enabling Offline Agent Alignment for Imitation Learning

Benjamin Poole, Minwoo Lee

cs.AI cs.HC cs.LG

本文提出Feedback Manipulation Regularization (FMR)方法，利用评估性反馈作为修正信号来改进imitation learning策略的对齐性。该方法在Safety Gymnasium环境中验证了有效性，能显著降低misalignment，并在数据有限时保持鲁棒性。

Nigeria Machinery: A Low-Resource Industrial Dataset with a Domain-Grounded Reasoning Layer

Gospel Bassey, Vincent Fakiyesi

cs.AI

本文发布了尼日利亚机械使用与故障数据集（89条记录，28个指标），并介绍了一种从稀疏数值构建chain-of-thought推理示例的方法，旨在提升语言模型在工业领域的数值推理能力。该数据集规模较小，主要作为参考和种子数据，不涉及code、spectral、Muon等关键词相关技术。

Persona Cartography: Charting Language Model Personality Traits in Weight Space

Luke Baines et al.

cs.AI cs.LG

本文提出了一种将大语言模型的行为模式（persona）映射到OCEAN人格框架的方法，通过训练low-rank adapters来放大或抑制特定人格特质，并验证了这些adapter在多个模型上的单调性、可加性以及对安全相关行为的影响。该方法为模型编辑与安全性评估提供了新的视角，但与我提供的关键词（如code, spectral, Muon, pretrain, agent, attention）关联度较低。

Evaluating the Effect of Frame Rate in Sequence-Based Classification of Autism-Related Self-Stimulatory Hand Idiosyncrasies

Raunak Mondal, Peter Washington

cs.AI cs.CV cs.LG

本文研究了基于视频的自闭症相关自我刺激行为分类中帧率的影响，使用LSTM和GRU模型在SSBD数据集上测试不同采样间隔，发现每15帧采样时准确率最高（GRU达98.75%）。同时评估了多种数据增强策略，为数据稀缺的临床视频行为分类提供了架构选择和采样率指导。

Concretized Proposition Prompting Resolves Composition-Knowledge Dichotomy in Large Language Models

Changhun Lee et al.

cs.AI

本文提出Concretized Proposition Prompting (CPP)框架，通过显式具体化与问题相关的命题来提升LLMs的推理性能，在医学和数学基准上表现良好，但方法本身并非开创性突破，且与关键词列表关联较弱。

From Prompts to Contracts: Harness Engineering for Auditable Enterprise LLM Agents

Joongho Ahn, Moonsoo Kim

cs.AI cs.CL cs.SE

本文提出了一种harness-engineering方法，将企业LLM应用从原型转化为可审计的agent架构，通过将确定性行为迁移到代码、manifest和schema中，并围绕可替换的composition boundary进行验证。实验表明，该方法在保持安全性的同时，优于仅依赖prompt或外部guardrail的方案。

A safety-oriented hypothetico-deductive framework for AI-assisted differential diagnosis

Fan Ma et al.

cs.AI

本文提出了AegisDx，一个面向安全的假说-演绎临床推理框架，通过协调多个LLM组件并设置验证门控来生成鉴别诊断并筛查高风险疾病。实验表明，该框架在多个数据集上的诊断准确率和安全性评分均优于独立LLM，为AI辅助诊断提供了更安全的决策支持。

When LLMs Agree, Are They Right? Auditing Self-Consistency and Cross-Model Agreement as Confidence Signals

Kaihua Ding

cs.AI

本文通过大规模实验（53个runner，265,000个样本）研究了LLM-as-judge系统中一致性（包括self-consistency和cross-model agreement）与正确性的关系，发现一致性并非可靠的正确性指标，其有效性依赖于模型层级和计算资源分配等条件。

Persuasion Attacks Can Decrease Effectiveness of CoT Monitoring

Jennifer Za et al.

cs.AI cs.LG

本文研究了对抗性说服攻击对CoT监控有效性的影响，发现监控者访问agent的CoT推理反而会增加对违规行为的批准率。为此，作者提出了一种结合不同模型家族的事实核查监控框架，能显著降低对违规行为的批准。

PARA-PV: Physics-Aware Retrieval-Augmented PV Prediction Based on Frozen Foundation Model and Distribution Shift Correction

Hang Fan et al.

cs.AI

本文提出PARA-PV框架，通过物理感知检索增强学习、冻结时间序列基础模型校准和分布偏移校正，实现光伏功率预测。该方法结合历史轨迹检索与物理约束损失函数，提升预测准确性。

CausalDS: Benchmarking Causal Reasoning in Data-Science Agents

Andrej Leban, Yuekai Sun

cs.AI cs.CL cs.LG

CausalDS是一个用于评估数据科学智能体中因果推理能力的基准测试，它通过生成基于结构因果模型(SCM)的合成数据来构建任务，涵盖Pearl因果阶梯的三个层次。该基准主要关注因果推理与数据科学工作流的结合，与关键词中的agent概念有一定关联，但方法本身并非开创性，且未涉及code、spectral、Muon、pretrain或attention等核心主题。

Answer Set Programming Energised! End-to-End Neurosymbolic Reasoning and Learning with ASP and Energy Based Models

Jakob Suchan et al.

cs.AI

本文提出了一种基于Answer Set Programming (ASP)与Energy Based Models (EBM)模块化集成的神经符号推理与学习方法，支持在连续隐空间中进行联合优化，并在视觉问答和多目标跟踪基准上进行了评估。

Overthinking: Amplifying Reasoning Weights to Extract Learned Secrets

Jack Hopkins, Dipika Khullar, Fabien Roger

cs.AI

本文提出了一种名为"overthinking"的方法，通过放大推理模型的权重差异来提取语言模型中的隐藏信息。实验表明该方法能更频繁地揭示训练中获得的秘密或意外行为。

ASMR: Agentic Schema Generation for Ship Maintenance Report Writing

Sohrab Namazi Nia et al.

cs.AI cs.MA

本文提出ASMR，一个用于船舶维修报告自动schema生成的模块化agent框架，包含Field Generation Agent和Structural Optimizer Agent两个专用agent，通过多粒度聚类和强化学习生成紧凑且信息丰富的schema。

A First-Principles Theory of Slow Thinking and Active Perception

Hongkang Yang et al.

cs.AI cs.CL cs.LG

本文提出了一种名为"active lifting"的理论框架，通过概率分布在观测空间和隐空间上的提升与投影，为慢思考（slow thinking）和主动感知（active perception）提供了数学形式化描述。该理论推导了慢思考大语言模型的设计、训练与推理过程，并涉及表示层次与采样层次等概念。

Playing ZendoWorld: Challenging AI Agents on Active Visual Concept Induction

Sophia Koehler et al.

cs.AI cs.CV

本文提出了ZendoWorld环境，用于评估AI agent在视觉概念归纳中的主动推理能力，发现VLM-based agent在主动实验设计上表现不佳，且人类与AI在复杂规则归纳上存在差距。

AutoPersonas: A Multi-Timescale Loop Engine for Open-Ended Persona Evolution

Mengchen Li

cs.AI cs.CL cs.HC

本文提出AutoPersonas框架，通过多时间尺度循环引擎解决长期persona agent的self-locking问题，将环境事件、观察和persona状态分离，并引入证据驱动的吸收机制。实验表明该方法能降低重复性并保持身份连续性，但未涉及code、spectral、Muon或attention等关键词。

Compete Then Collaborate: Frontier AI Teachers Build a Verifiable Curriculum to Improve a Coding Student Beyond Imitation

Miseong Shawn Kim

cs.AI

本文提出了一种“竞争-协作”框架，让多个前沿AI教师（如Claude、Codex-GPT等）通过基于执行的评判（unit tests和stdin-stdout检查）进行排名，然后协作构建可验证课程来训练学生模型（Qwen2.5-Coder）。实验发现，在标准问题上教师表现饱和，但竞争性难题能区分排名；然而，学生端结果并不依赖教师排名，且模仿学习（SFT）会降低已有能力的学生表现，而基于可验证奖励的强化学习（RLVR）能提升学生表现。

MentalHospital: A Virtual Environment for Evaluating Psychiatric Clinical Encounters

Yuming Yang et al.

cs.AI

本文提出了MentalHospital，一个基于LLM的虚拟精神科临床评估环境，通过S.O.A.P.工作流和标准化病人模拟完整诊疗过程，并开发了MentalEval评估器。实验表明，即使最强LLM在客观精神科能力上仍落后临床医生37.28个百分点。

Different Teachers, Different Capabilities: Sub-1B On-Device Distillation for Structured Text Enrichment

Vinay Kumar Chaganti

cs.AI cs.CL

本文研究了将大型语言模型（8B参数）的文本结构化提取能力蒸馏到小型设备端模型（0.6B参数）的效果。实验发现，推理型教师模型能提升学生的摘要质量，而管理型管道则能传递标签多样性，但不同教师模型在不同子任务上各有优劣，最终提供了一个按字段路由的设备端富化方案。

PolyUQuest: Verifiable Structure-Aware Web RAG over Heterogeneous Graphs

Ying Liu et al.

cs.AI

本文提出了PolyUQuest，一个基于异质图的结构感知Web RAG框架，通过统一页面间的超链接拓扑、页面内的DOM层次结构和跨页面的实体关系知识来增强检索。系统使用两级路由器将查询分派到三种检索模式，并确保每个答案都可验证。

Understanding Axes of Difficulty For Long Context Tasks Via PredicateLongBench

Siddhartha Jain, Ameya Velingker

cs.AI

本文提出了PredicateLongBench基准，通过要求模型在长输入中识别满足给定谓词的最长连续子序列，来系统性地测试长上下文推理能力。该基准沿多个难度轴（如谓词类型、序列长度等）评估模型，并提供了合成和真实两种数据生成管道。

Psychological Competence as a Missing Dimension in AI Evaluation

Marcos Economides et al.

cs.AI

本文提出将心理能力作为AI评估中缺失的维度，并基于行为科学和人类-AI交互研究构建了概念框架，但未提出具体基准或方法。

INTENT: An LSTM Framework for Vehicle Intention Prediction in Intersection Scenarios with Comprehensive Ablation Analysis

Logine M. Zaki, Catherine M. Elias

cs.AI cs.LG cs.RO

本文提出INTENT框架，使用LSTM模型在交叉路口场景中提前2秒预测车辆意图（直行、左转或右转），并在InD数据集上通过消融实验达到99.71%的准确率。该工作主要聚焦于特定应用场景的工程实现，未涉及关键词中的核心概念。

Blind-Spots-Bench: Evaluating Blind Spots in Multimodal Models

Matteo Santelmo et al.

cs.AI

本文提出了一个名为blind-spots-bench的基准测试，通过收集对人类简单但对AI模型困难的任务（如字符串操作或画五条腿的狗）来暴露多模态模型的盲点。实验发现，闭源前沿模型在部分任务上显著优于开源模型，且所有模型在某些任务上均表现不佳。

MobiDiff: Semantic-Aware Multi-Channel Discrete Diffusion for Human Mobility Data Generation

Rongchao Xu et al.

cs.AI

本文提出MobiDiff，一种用于人类移动数据生成的端到端离散diffusion框架，通过直接对多通道语义骨架进行去噪来生成数据，避免了传统方法中的插值和潜在轨迹构建步骤。该方法在三个真实数据集上验证了生成保真度、隐私保护和效率，但与我提供的关键词列表关联较弱。

FedOPAL: One-Shot Federated Learning via Analytic Visual Prompt Tuning

Lingyu Qiu et al.

cs.AI

本文提出FedOPAL框架，通过视觉提示调整（visual prompt tuning）和局部近端约束（local proximal constraints）来修正非独立同分布数据下的特征分布，从而满足分析式联邦学习（analytical federated learning）的理论假设。实验表明该方法在保持零服务器端训练成本的同时，达到了与迭代方法相当的精度。

Towards Mechanistically Understanding Why Memorized Knowledge Fails to Generalize in Large Language Model Finetuning

Lu Dai et al.

cs.AI cs.CL

本文研究了LLM微调中记忆知识无法泛化的问题，提出了“Knowing-Using Gap”概念，并通过自修补干预技术（self-patching）发现记忆表征可能存在于内部但未被路由到计算有效层，从而解释了这一现象。

Game Theory Driven Multi-Agent Framework Mitigates Language Model Hallucination

Runzhe Liu et al.

cs.AI

本文提出G-Frame框架，利用Bayesian和team game原理构建多agent系统，通过结构化推理合成高质量语料来训练轻量级LLM，在科学领域减少幻觉并提升性能。

OmniFood-Bench: Evaluating VLMs for Nutrient Reasoning and Personalized Health Advice

Qian Jiang et al.

cs.AI

本文提出了OmniFood-Bench基准，用于评估大型视觉语言模型在营养推理和个性化健康建议方面的能力，揭示了模型在视觉感知与物理量估计之间存在显著的“语义-物理鸿沟”。该工作主要关注食品领域的应用评估，与关键词中的核心概念关联较弱。

Applying JEPA-Style Predictive Learning to JA4-Derived Network Fingerprints

Javier Izquierdo, Aygul Zagidullina

cs.AI

本文探索了将JEPA风格的预测学习应用于JA4网络指纹，使用Transformer模型在混合数据集上训练，并通过kNN探针评估表示质量。实验表明该方法能生成有用的嵌入，但未涉及code, context, spectral, Muon, pretrain, agent, attention等关键词。

Drift-Aware Temporal Graph Rewiring (DATGR) for Adaptive Semantic Modeling in Biomedical Text

Bharathwaj Vijayakumar, Sahana K. Varadaraju

cs.AI

本文提出了一种Drift-Aware Temporal Graph Rewiring (DATGR)框架，通过基于logistic update rule动态更新co-occurrence graph的边权重来建模biomedical text中的概念演化。该方法在BIOMRC数据集上提升了link-prediction的AUROC，但整体方法较为工程化，缺乏理论上的开创性。

AI-guided stimuli discovery and generation to optimize facial emotion perception studies in autism

Kushin Mukherjee et al.

cs.AI cs.LG

本文利用AI模型（人工神经网络和生成对抗网络）来发现和生成面部表情刺激，以优化自闭症与神经典型成人在情绪感知上的行为差异研究，但该方法与关键词列表中的概念关联较弱。

CommuniWave:A Machine Learning Model for Quantifying the Degree of Temporary Informal Behavior in Urban Communities

Hongye Yang, Shien Liu, Zhihao Xie

cs.AI

本文提出CommuniWave模型，结合行为捕捉网络、YOLOv10模型和随机森林评估模型，从街道视频中量化城市社区的临时非正式行为程度（DIB），以支持动态监测和精细化决策。

SHAP-Weighted Cross-Modal Expert Fusion for Emotion and Sentiment Recognition: Evidence and Limits

Adis Alihodzic, Selma Skopljakovic Hubljar

cs.AI

本文重新审视了基于XAI的自适应融合方法(\xgaf)，通过TreeSHAP归因幅度为单模态和跨模态专家分配样本级权重，并重点分析了当专家特征维度不等时SHAP归因缩减的影响。实验表明，sum-abs缩减能保留总归因质量，在MELD和CMU-MOSEI数据集上接近甚至略优于早期融合，且主要增益来自跨模态专家（尤其是三模态专家）的加入。

Towards Precision Therapy in Hepatocellular Carcinoma: A Clinical-Reasoning LLM for Risk Stratification and Treatment Guidance

Peng Cui et al.

cs.AI

本文提出了HCC-STAR，一个用于肝细胞癌风险分层和治疗指导的临床推理大语言模型，通过读取电子病历叙事文本，输出基于风险评分的分期、治疗建议和生存估计。该模型在12家医院的多中心队列中表现优于现有指南和GPT-5等模型，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词。

The complexities of patient-centred conversational artificial intelligence

João Matos et al.

cs.AI cs.CL

本文分析了2053个真实患者与聊天机器人的对话，发现用户的沟通模式和情绪表达差异很大。研究开发了一个患者模拟器，并评估了四种大语言模型在紧急程度评估中的表现，指出沟通风格会显著改变分诊结果。

Formal Mechanisms for Market Stability in Self-Interested Agent Societies: A Marketplace Simulation Study

Eugene Ng Yi Sheng, Bingquan Shen

cs.AI

本文通过多agent市场模拟实验，研究了在自利agent社会中维持市场稳定的形式机制，发现Mediation机制在对抗性攻击下表现最佳，但未涉及code、spectral、Muon或attention等关键词相关方法。

SolarChain-Eval: A Physics-Constrained Benchmark for Trustworthy Economic Agents in Decentralized Energy Markets

Shilin Ou, Yifan Xu, Luyao Zhang

cs.AI

本文提出了SolarChain-Eval，一个用于评估去中心化能源市场中可信经济agent的物理约束benchmark。它将市场治理建模为Markov Decision Process，并引入LLM-based Planner/Auditor层来提升可审计性，实验揭示了utility与safety之间的权衡。

The Illusion of Equivalency: Statistical Characterization of Quantization Effects in LLMs

Baha Rababah, Cuneyt Gurcan Akcora, Carson K. Leung

cs.AI

本文指出后训练量化（post-training quantization）在LLM中仅用accuracy和perplexity评估的不足，引入correctness agreement这一决策级metric来量化base model与量化变体间的行为差异，并发现中度量化下即使任务性能看似保留，行为分歧仍会出现。

Workflow as Knowledge: Semantic Persistence for LLM-Mediated Workflows

Emanuele Quinto, Carlo Andrea Rozzi, Francesco Zanitti

cs.AI cs.PL cs.SE

本文提出了一种受Lisp启发的概念模型，将workflow定义、实例和推理记录表示为持久化知识对象，并区分了确定性计算（derive）与LLM判断（infer）。该工作为workflow的可检查性和可恢复性提供了初步概念框架，但形式化语义仍待未来研究。

AUTOPILOT VQA: Benchmarking Vision-Language Models for Incident-Centric Dashcam Understanding

Siddharth Damodharan et al.

cs.AI cs.CV

本文提出了AUTOPILOT-VQA，一个面向行车记录仪视频的视觉问答基准，用于评估Vision-Language Models在安全关键驾驶场景中的推理能力。该基准覆盖天气、交通环境、事故可避免性等多种类别，旨在推动更可解释和鲁棒的自动驾驶系统发展。

Using AI-based Learning Assistants in Higher Education: A Large-Scale Descriptive Analysis

Kristina Schaaff, Quintus Stierstorfer, Valerie Heckel

cs.AI cs.HC

本文基于77,543名学生的客观日志数据，对AI学习助手Syntea在高等教育中的使用模式进行了大规模描述性分析，发现其使用情况因性别、年龄、学习领域等因素而异。该研究为教育聊天机器人的实际使用提供了实证基础，但方法上缺乏开创性，且与关键词列表中的概念关联较弱。

Ideas Have Genomes: Benchmarking Scientific Lineage Reasoning and Lineage-Grounded Idea Generation

Yifan Zhou et al.

cs.AI

本文提出了IdeaGene-Bench (IG-Bench)基准，用于评估AI系统在科学lineage推理和基于lineage的想法生成方面的能力。该基准通过Idea Genome对象和GenomeDiff记录来建模科学思想的继承与演化，实验表明当前最强的LLM系统在此任务上表现有限。

cs.IR

BACH: A Bayesian Admixture of Contrastive Heads for Multi-Interest Two-Tower Retrieval

Quoc Phong Nguyen et al.

cs.IR cs.LG

本文提出BACH方法，将多兴趣双塔检索建模为用户对兴趣头的贝叶斯混合，通过变分推断进行拟合。该方法缓解了路由崩溃问题，并在多个基准上提升了检索性能。

DaV-Gen: End-to-End Generative Retrieval via Draft-and-Verify

Meng Zhao, Chunmei Liu, Qinyong Wang

cs.IR

本文提出DaV-Gen，一种基于“Draft-and-Verify”机制的端到端生成式检索框架，旨在统一搜索和推荐系统的多阶段级联架构。该方法通过联合训练对比损失和融合损失，使模型同时具备高效候选生成和精细验证的能力，从而在推理时兼顾速度与精度。

H3D: Benchmarking Unsupervised Text Hashing for Fine-Grained Document Deduplication

Qianren Mao et al.

cs.IR

本文提出了H3D，一个用于细粒度文档去重的无监督文本哈希基准，评估了多种非学习哈希方法（如MinHash、SimHash）和基于BGE嵌入的语义哈希方法，在CSFCube和RELISH数据集上比较了排序质量、效率和鲁棒性。结果表明，词法和结构指纹在近重复匹配中表现较好，而语义敏感表示在内容改写下能更好保持相似性但计算成本更高。

Conversational Retrieval and On-the-Fly Knowledge Modeling of Historical Penitentiary Repression Records

Paula Font Solà, Adrià Molina Rodríguez, Josep Lladós

cs.IR cs.DL

本文提出了一种面向历史数字图书馆的文档分析系统，通过图结构存储专家或检索产生的事实，支持对话式检索与动态知识建模，以增强对文档集合的整体理解。

Log-Insight: Automating Microservice Incident Diagnosis via Neuro-Symbolic Log Analysis

Carlos Garcia-Hernandez et al.

cs.IR

本文提出Log-Insight系统，通过符号化日志分析流水线（采样、模式聚类、统计异常排序等）将海量日志压缩为紧凑证据，再交由LLM生成根因假设报告，在华为生产环境中实现高效微服务故障诊断。该方法主要解决LLM处理大规模日志时的上下文溢出和领域幻觉问题，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Improving Ad-hoc Search Effectiveness for Conversational Information Retrieval via Model Merging

Ahmed Rayane Kebir, Jose G. Moreno, Lynda Tamine

cs.IR cs.CL

本文提出了一种无需额外训练的模型合并策略（Model Soup和Slerp），用于将ad-hoc检索模型与对话检索模型合并，以提升对话信息检索中的ad-hoc搜索效果，并缓解灾难性遗忘问题。实验表明该方法在零样本条件下NDCG@3提升高达15%。

cs.CL

DeepSearch-World: Self-Distillation for Deep Search Agents in a Verifiable Environment ⭐ 精选

Xinyu Geng et al.

cs.CL

本文提出了DeepSearch-Evolve，一种基于自蒸馏(self-distillation)的agent训练框架，并构建了DeepSearch-World这一确定性且可验证的环境。该环境包含420K多跳QA任务，支持进度验证、反思和失败恢复等关键认知行为，使得agent无需依赖更强模型的蒸馏即可通过迭代生成、过滤和微调实现自我进化。实验表明，在BrowseComp、GAIA和HotpotQA等基准上，该方法取得了有竞争力的性能，为长程web agent的可扩展自我进化提供了有效途径。

MASTE: A Multi-Agent Pipeline for Zero-Shot Aspect Sentiment Triplet Extraction ⭐ 精选

Ao Hong et al.

cs.CL

MASTE提出了一种基于multi-agent pipeline的零样本Aspect Sentiment Triplet Extraction方法，将ASTE任务分解为四个顺序阶段，每个阶段由专门的agent处理不同的子任务（如aspect识别、opinion提取、sentiment分类等），并显式依赖前序输出。该方法无需任何训练数据或微调，在多个基准上显著优于零样本和chain-of-thought基线，缩小了与全监督方法的差距。其核心创新在于利用agent范式将复杂序列生成任务解耦，实现了对LLM backbone的通用性，与关键词“agent”高度契合。

WebSwarm: Recursive Multi-Agent Orchestration for Deep-and-Wide Web Search ⭐ 精选

Xiaoshuai Song et al.

cs.CL cs.AI cs.MA

WebSwarm提出了一种递归式多agent编排框架，用于解决深度与广度交织的复杂网络搜索任务。该方法通过动态实例化agentic search nodes，每个节点耦合局部目标与搜索模式，并支持递归委派子节点，从而在推理过程中联合构建任务分解、递归扩展与agent协作。实验表明，WebSwarm在深度、广度及混合搜索任务上均优于单agent与多agent基线，为agent系统在复杂信息检索中的应用提供了新范式。

Unveiling Public Opinion: A Study of Sentiment Analysis Using LSTM and Traditional Models

Atiq Ur Rehman

cs.CL

本文比较了LSTM与传统机器学习模型（如logistic regression, random forest等）在Twitter情感分析任务上的表现，实验表明LSTM在捕捉文本的context和sequential特征方面优于传统方法。

From Solvers to Research: Large Language Model-Driven Formal Mathematics at the Research Frontier

Eric Jiang et al.

cs.CL cs.AI

本文是一篇立场论文，系统回顾了AI for Mathematics领域在数据集、自动形式化和证明合成方面的进展，并指出现有系统在处理开放、未明确定义的数学研究问题时存在根本局限。文章呼吁从预定义问题求解器转向能够进行严格形式推理的数学研究agent，并为此提出了未来的战略路线图。

How Do I Know What to Say Next? Barenholtz's Autogenerative Theory as an Enrichment of Harrisean Integrationism

J. Mark Bishop, Stephen J. Cowley

cs.CL cs.AI

本文探讨了Barenholtz的自生语言理论如何补充Harris的整合主义语言学，为语言的前瞻开放性、符号连续性及历史整合档案提供结构性解释，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention无直接关联。

Scalable and Culturally Specific Stereotype Dataset Construction via Human-LLM Collaboration

Weicheng Ma, John Guerrerio, Soroush Vosoughi

cs.CL

本文提出了一种人机协作的标注框架，用于构建西班牙语刻板印象数据集EspanStereo，通过LLM生成候选刻板印象并由本地文化标注者验证，以捕捉不同西班牙语国家的文化特定偏见。该工作为多语言刻板印象评估提供了可扩展的方法，但与关键词列表中的概念无直接关联。

When Debiasing Backfires: Counterintuitive Side Effects of Preprocessing-Based Stereotype Mitigation

Yahan Zheng et al.

cs.CL

本文研究了基于预处理的刻板印象缓解方法（如去偏语料库训练）在NLP中的副作用，发现这些方法在减少目标群体刻板印象的同时，可能意外增加其他无关人口群体的刻板印象或反刻板印象，且标准基准测试常忽略这些变化。通过attention-rollout分析，作者指出这些副作用与attention流的大幅变化无关，并呼吁在评估中考虑副作用。

A Multi-cluster Boundary Learning Method for Out-of-Scope Intent Detection via MiniLM Embedding

Yihong Xu, Mingyu Kang, Linyuan Lü

cs.CL cs.AI

本文提出了一种基于MiniLM嵌入的多簇边界学习方法，用于在one-class分类框架下检测超出范围意图，通过学习训练话语的嵌入边界来拒绝域外话语。实验在多个数据集上取得了最优性能，但方法本身并非开创性，且与关键词列表关联较弱。

When Implausible Tokens Get Reinforced: Tail-Aware Credit Calibration for LLM Reinforcement Learning

Xiuyi Lou et al.

cs.CL cs.AI cs.LG

本文针对LLM强化学习中均匀credit assignment导致低概率tail token被错误强化的问题，提出Tail-Aware Credit calibration (TACO)方法，通过计算tail-risk score来校准positive credit，抑制不可靠token的更新。实验表明TACO在多个benchmark上优于GRPO基线，并提升了训练稳定性。

A Reliability Assessment of LALM Audio Judges for Full-Duplex Voice Agents

A. Sayyad et al.

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

本文评估了Gemini模型作为音频裁判在双工语音代理对话中的可靠性，通过对比人类评分员在多个维度上的表现，发现LALM（Large Audio Language Model）在某些维度上能与人类评分高度一致，但在其他维度上存在差异。文章强调了模型替换需要重新验证校准，并指出LALM在成本上远低于人工评分。

Hallucination Self-Play: Bootstrapping Reinforced Detector via Evolved Generator

Shiping Yang et al.

cs.CL cs.LG

本文提出Hallucination Self-Play (HSP)框架，通过将detector作为reward model训练generator生成更难检测的hallucination数据，再反过来优化detector，从而在RAGTruth benchmark上提升小模型的faithfulness检测能力。该方法与关键词中的code、context、spectral、Muon、pretrain、agent、attention均无直接关联。

From Execution to Education: A Bloom-Aligned Framework for Measuring Educational Control in LLMs

Yi Zhang, Julia Rayz

cs.CL cs.CY

本文提出了一个基于Bloom分类法的框架，用于衡量LLM在教育场景中的控制能力，即调整任务认知需求的能力。通过在编程任务上的实验，发现模型在提高认知需求方面表现良好，但在降低认知需求方面存在困难。

Tool-Making and Self-Evolving LLM Agents in Low-Latency Systems

Kalle Kujanpää et al.

cs.CL cs.LG cs.SE

本文提出了一种agentic tool-making pipeline，通过将重复的SOP步骤编译为预验证的工具，替代了LLM agent在每次请求时重新生成代码的推理循环，从而降低了延迟并提高了可靠性。该方法在Fulfillment Center报警诊断系统中部署，实验表明工具调用将p50延迟降低了42%，错误率降低了53%。

Can We Trust LLM's Logic? Quantifying Uncertainty, Coherence, and Robustness via a Graph-Based Framework

Riccardo Revalor, Jalees Rehman, Debjit Pal

cs.CL cs.AI

本文提出了GRAPHEVAL框架，通过图结构将LLM推理中的不确定性量化问题重新定义为推理保真度问题，并引入GRCS指标来评估语义-结构一致性。该方法在解码策略和对抗性测试中展示了推理拓扑的鲁棒性，但未直接涉及代码、谱方法或预训练等关键词。

Structured Pruning of Large Language Models via Power Transformation and Sign-Preserving Score Aggregation with Adaptive Feature Retention

Ryota Kobayashi et al.

cs.CL cs.AI

本文针对大型语言模型的结构化剪枝，提出了一种结合幂变换、符号保持分数聚合和自适应特征保留的方法，以解决非结构化剪枝技术AFR在结构化剪枝中遇到的分数分布不匹配、符号信息丢失和异常值影响等问题。实验表明该方法在保持与结构化剪枝相当的推理加速效果的同时，能维持与原始非结构化剪枝相近的模型精度。

PLURAL: A Global Dataset for Value Alignment

Dhruv Agarwal et al.

cs.CL cs.AI cs.CY

本文提出了PLURAL数据集，基于综合价值观调查构建了约50万个偏好三元组，用于提升大语言模型对不同国家价值观的对齐能力。该工作主要关注价值观对齐的数据资源构建，与关键词中的code、spectral、Muon、agent、attention等概念无直接关联。

What LLM Forecasters Know but Don't Say: Probing Internal Representations for Calibration and Faithfulness

Raphaël Sarfati et al.

cs.CL cs.AI

本文研究了大型语言模型在预测任务中的内部表征，通过训练representation-pooling probes来改善校准性能，并利用证据消融和干扰注入评估chain-of-thought推理的忠实性。结果表明，内部表征比推理过程更能反映模型的实际预测行为，且预测在推理开始前就已基本确定。

Holographic Neural PCFG for Unsupervised Parsing

Ryosuke Yamaki et al.

cs.CL cs.LG

本文提出Holographic Neural PCFG (Hol-PCFG)，通过将PCFG规则评分建模为语法符号嵌入间的代数关系（使用circular correlation），在无监督成分句法分析任务上取得了六种语言的最优性能，同时大幅减少了参数数量。该方法主要贡献在于为无监督解析提供了更紧凑、可解释的规则评分形式，但与关键词列表中的概念无直接关联。

COBART: Controlled, Optimized, Bidirectional and Auto-Regressive Transformer for Ad Headline Generation

Yashal Shakti Kanungo et al.

cs.CL cs.AI cs.LG

本文提出了一种基于BART微调与prefix control tokens的广告标题生成方法COBART，通过控制生成标题长度来适应不同广告格式，并优化了CTR和Rouge-L指标。该方法在现有基线基础上取得了性能提升，但未涉及关键词中的code、spectral、Muon、agent或attention等核心概念。

COALA: Robust Contextualized Speech-augmented Language Modeling for ASR via Contrastive Regularizer and Biasing Score Estimation

Jhih-Rong Guo et al.

cs.CL

本文提出COALA框架，通过将speech-augmented language model的latent representation映射到discriminative space来量化音频与候选实体间的匹配强度，并解决多目标话语训练崩溃问题。该方法在LibriSpeech基准上展示了contextual biasing性能的提升。

ICDAR 2026 HIPE-OCRepair Competition on LLM-Assisted OCR Post-Correction for Historical Documents

Maud Ehrmann et al.

cs.CL cs.AI cs.IR

本文介绍了ICDAR 2026 HIPE-OCRepair竞赛，该竞赛旨在评估LLM辅助的历史文档OCR后校正能力。竞赛使用多语言数据集，要求参赛者在不访问原始图像的情况下，对历史报纸和印刷品中的噪声OCR转录进行校正，并采用面向检索的评估方法。

LEXIC: Lightweight Eye-tracking eXtension via Injected Complexity

Sumin Lee et al.

cs.CL cs.AI cs.HC cs.LG

本文提出LEXIC方法，通过向gaze-only模型注入GPT-2 surprisal、词频和词长等预计算词级难度信号，以提升阅读理解的预测性能。实验在EyeBench基准上显示，两种注入机制（直接拼接和残差机制）在Unseen Text任务上带来AUROC提升，但整体改进有限且存在架构边界。

SQuaD-SQL: Efficient Text-to-SQL with Small Language Models via LLM-Guided Knowledge Distillation

Wangyu Wu et al.

cs.CL cs.CV

本文提出SQuaD-SQL方法，通过LLM引导的知识蒸馏和合成数据生成，使小型语言模型在Text-to-SQL任务上接近大型语言模型的性能，同时显著提升推理速度和降低内存占用。该方法在WikiSQL数据集上达到86.9%的执行准确率，为资源受限环境下的Text-to-SQL应用提供了高效替代方案。

Hidden Decoding at Scale: Latent Computation Scaling for Large Language Models

Aiwei Liu et al.

cs.CL

本文提出Hidden Decoding方法，通过在序列长度维度上扩展计算（将每个token扩展为n个流并保留中间流的key-value cache作为context），在不增加Transformer层数的情况下提升LLM性能，并引入Stream-Factorized Attention降低计算成本。实验在100B+ MoE规模上验证了该方法作为固定backbone的scaling路径的有效性。

Diarization-Guided Qwen-ASR Adaptation for Multilingual Two-Speaker Conversational Speech

Hao Wu et al.

cs.CL

本文描述了一个为MLC-SLM 2026挑战赛设计的模块化多说话人对话语音识别系统，结合了说话人日志前端和微调的Qwen3-ASR模型，通过监督微调、LoRA和强化学习提升性能。

Best-of-$N$ TTS Evaluation is Confounded by ASR Family Alignment

Taehyung Yu, Seongjae Kang

cs.CL cs.AI cs.LG cs.SD

本文发现Best-of-N TTS评估中，ASR验证器与评估器若属于同一模型家族会引入评估偏差，并提出跨家族排序集成方法以缓解此问题。

XALPHA: A Memory-Driven AI Quant Researcher for Hypothesis-to-Code Alpha Discovery

Fengyuan Liu et al.

cs.CL

本文提出了XAlpha，一个基于记忆驱动的AI量化研究员系统，通过多源研究记忆系统和宏-微-跨脑架构，将因子挖掘从孤立生成转变为闭环研究过程，并在CSI300数据集上验证了其有效性。

TypeProbe: Recovering Type Representations from Hidden States of Pre-trained Code Models

Giuliano Gorgone, Fausto Carcassi

cs.CL cs.AI cs.PL

本文通过探针方法研究了预训练代码模型隐状态中的类型表示，发现跨语言类型表示在无类型代码中也能出现，且隐状态能线性编码函数应用的结果类型。该工作为代码模型的可解释性提供了新视角，但方法本身并非开创性突破。

Grounded Event Extraction from SEC 8-K Filings with a Fine-Grained Taxonomy

Rian Dolphin et al.

cs.CL q-fin.GN

本文提出一个两阶段系统，用于从SEC 8-K文件中提取细粒度事件标签。系统首先通过模糊n-gram验证将标签锚定到原文引用，然后对引用进行质量评分，在292,984份文件中生成了601,088个可追溯的事件标签。

Echoes Across Vietnam's Highlands, Delta, and Coast: A Multilingual Corpus for Cham, Khmer, and Tay-Nung

Anh Trac Duc Dinh et al.

cs.CL

本文介绍了CKTN，首个针对越南少数民族语言Cham、Khmer和Tay-Nung的多语言语料库和基准测试，包含44,367篇文档和2400万子词token。作者提出了一种脚本感知的适应方法，通过词汇增强和校准的替换token预训练来减少多语言编码器中的碎片化问题，并揭示了词汇重叠检索作为评估信号的局限性。

Large-Language-Models-as-a-Judge in Theory-Agnostic Adaptive Metric-Alignment for Prototypical Networks in Personality Recognition

Jing Jie Tan et al.

cs.CL cs.AI cs.HC cs.RO cs.SI

本文提出JAM框架，利用Attention-Pooled Graph Prototypical Network和LLM-as-a-Judge机制，在理论无关的条件下实现个性识别中的自适应度量对齐，通过跨理论协调统一异构数据集。该方法主要针对个性识别领域，与关键词中的code、context、spectral、Muon、pretrain、agent、attention关联度较低。

Prompt Compression via Activation Aggregation

Thibaud Ardoin et al.

cs.CL cs.LG

本文提出了一种通过激活聚合（Activation Aggregation）压缩prompt的方法，利用学习到的加权和将指令prompt中的任务相关信息压缩为单个activation vector，并注入到LLM的早期层以替代原始token序列。该方法在保持准确率下降低于2%的同时，揭示了LLM激活空间中的跨层兼容性和语义信息可量化恢复的结构特性。

When Synthetic Speech Is All You Have: Better Call GRPO

Shashi Kumar et al.

cs.CL cs.AI

本文研究了在隐私受限领域（如银行）中，使用合成语音（TTS）进行LLM-based ASR（基于大语言模型的自动语音识别）适应的问题。作者提出使用Group Relative Policy Optimization (GRPO)替代传统的supervised fine-tuning (SFT)，实验表明GRPO能显著降低词错误率（WER），其改进源于对模型行为（如stopping calibration和attention对齐）的优化，而非底层表示的改变。

Detecting Ladder Logic Bombs in IEC 61131-3 PLC Programs using ESBMC-PLC+: A Formal Verification Approach with Trigger Synthesis

Pierre Dantas, Lucas Cordeiro, Waldir Junior

cs.CL cs.AR

本文提出ESBMC-LLB工具，通过将PLC程序中的函数块逻辑建模为形式化验证问题，使用ESBMC-PLC+引擎检测梯形逻辑炸弹（LLB）。该方法利用k-induction提供无界证明，并通过有界模型检查恢复触发条件，在公开数据集上实现了高检测率。

Two Axes of LLM Abstention: Answer Correctness and Question Answerability

Benedikt J. Wagner

cs.CL cs.AI

本文研究了LLM在拒绝回答时的两个独立维度：答案正确性与问题可回答性。实验发现，传统的单一置信度阈值无法区分这两种情况，而隐藏状态线性探针能检测到模型自身无法报告的可回答性问题。

Cross-seed explainability using Procrustes-conditioned Joint End-to-end Top-K Sparse Autoencoders

Bendegúz Váradi, Zoltán Kmetty

cs.CL

本文提出了一种Procrustes条件化的联合端到端Top-K稀疏自编码器，用于从独立训练的BERT模型中提取跨种子的通用特征，通过正交Procrustes旋转对齐激活空间并联合训练，在三个基准数据集上实现了比事后对齐基线更高的特征通用性（Pearson r $\geq$ 0.70）。

When the Judge Changes, So Does the Measurement: Auditing LLM-as-Judge Reliability

Zongyou Yang, Yinghan Hou, Xiaokun Yang

cs.CL cs.AI

本文研究了LLM作为评判者时，因评估器更换导致的评分不一致问题，通过实验比较了不同规模模型和API版本间的评分差异，并分析了位置偏差、冗余性偏差等影响因素。

It Takes a MAESTRO To Prune Bad Experts

Palaash Goel, Ayush Maheshwari, Tanmoy Chakraborty

cs.CL

本文提出MAESTRO框架，通过将autoregressive expert activation trajectories建模为Ergodic Markov chains，为MoE语言模型设计了一种结构化剪枝方法。该方法利用stationary distributions编码跨层依赖，在50%压缩率下平均性能保持优于基线方法10.61%。

DominoTree: Conditional Tree-Structured Drafting with Domino for Speculative Decoding

Saw S. Lin, Jyh-Shing Roger Jang

cs.CL

本文提出DominoTree，一种无需训练的推测解码方法，通过结合Domino的条件性非因子化修正与最佳优先树搜索来构建草稿树，并利用GPU原生的CUDA图构建器实现高效推理。实验表明该方法在多个基准上相比自回归解码和现有方法取得了更高的加速比和接受长度。

UltraX: Refining Pre-Training Data at Scale with Adaptive Programmatic Editing

Xinlong Zhao et al.

cs.CL cs.AI

本文提出UltraX，一个用于大规模预训练数据的函数调用式精炼框架，通过引入插入操作并构建可靠的程序监督生成流水线，实现了细粒度的实例级编辑。实验表明，UltraX在多个语料库上取得了平均最佳性能，并展现出更强的数据效率和精炼可靠性。

Do You Need a Frontier Model as a Citation Verifier? Benchmarking Rubric LLMs for Deep-Research Source Attribution

Ethan Leung et al.

cs.CL

本文研究了在深度研究系统中，使用不同LLM作为引用质量验证器的校准问题，通过对比8个现成LLM在源相关性和事实支持两个维度上的表现，发现较便宜的模型（如GPT-5-mini）在源相关性上表现最佳，而所有模型在事实支持上统计上无显著差异。结果表明，标量F1分数会掩盖方向性偏差，校准引用验证器并不需要最昂贵的模型。

Validity of LLMs as data annotators: AMALIA on authority

Manuel Pita

cs.CL cs.AI cs.CY

本文研究了葡萄牙国家语言模型AMALIA-9B在标注道德基础“权威”时的有效性，发现其与人类编码者的一致性虽高，但通过分解提示词（decomposition）测试表明，模型可能依赖表面相关性（如对权威人物的道德愤怒）而非理论构造本身，因此其有效性存疑。该研究为单一反例，未对模型整体下结论。

UniClawBench: A Universal Benchmark for Proactive Agents on Real-World Tasks

Zhekai Chen et al.

cs.CL

本文提出了UniClawBench，一个用于评估真实世界中主动agent的benchmark，基于五种基础模型能力设计了400个双语任务，并使用Docker容器和闭环评估策略进行测试。该工作主要关注agent的评估框架，与关键词中的agent相关，但方法本身并非开创性突破。

cs.DS

Optimal Sparsifiers for Abelian Cayley Graphs ⭐ 精选

Arpon Basu et al.

cs.DS math.CO

本文针对任意有限abelian group $G$上的Cayley graph $\mathcal{G}$，证明了存在一个仅含$O(\log |G|)$个生成元的加权Cayley graph，可作为$\mathcal{G}$的spectral sparsifier，且该界是最优的。作为推论，对$G = \mathbb{F}_2^n$，该结果直接给出了$\mathbb{F}_2$-linear code的$O(n/\varepsilon^2)$大小的code sparsifier，改进了Khanna等人（SODA'24）的工作。证明受Reis和Rothvoss关于$\ell_1$-sparsifier的构造启发，将问题归结为对某个自然凸体体积的下界估计，该体积界通过character symmetry的初等论证得到。

Domination and Coverage Problems under Vulnerability Constraints

Ioannis Sigalas et al.

cs.DS

本文研究了在脆弱性约束下的支配和覆盖问题，定义了$k$-Max DRVV、DSV和VCVE等变体，并提出了基于Red-Blue Set Cover归约的近似算法，其中对VCVE问题给出了最优的2-近似比。

Homomorphism Indistinguishability Beyond Graphs: Relational Weisfeiler--Leman and Hypertree Width

Panagiotis Aivasiliotis et al.

cs.DS

本文提出了$k$-RCR算法和$k$-HyperOWL算法，将Weisfeiler--Leman (WL)算法的同态不可区分性刻画从图推广到一般关系结构，证明了$k$-RCR的不可区分性等价于从广义hypertreewidth不超过$k$的结构出发的同态计数相等，并给出了$k$-HyperOWL的计算复杂度。

Approximation Algorithms for Matroidal Prerequisite Systems

Robert P. Streit, Vijay K. Garg

cs.DS cs.DM

本文引入了matroidal prerequisite systems (MPS)这一约束结构，其中poset指定先决条件而matroid决定条件是否满足，并针对其可行词上的加性最大化与submodular最大化问题设计了近似算法，其近似比由poset中主理想的matroid rank和最大matroid connectivity决定。

Primal-Dual Online Algorithms for the Parking Permit Problem

Christian Coester, Alex Turoczy

cs.DS

本文使用primal-dual方法重新研究了Parking Permit Problem (PPP)，得到了简单且性能更优的在线算法，并给出了近乎匹配的下界。该工作直接处理问题结构，避免了以往因归约导致的competitive ratio退化。

Locally Approximating the Top Eigenvector of Bounded Entry Matrices

Nicolas Menand, Erik Waingarten

cs.DS

本文提出了一种局部计算算法，用于近似对称矩阵$A$的top eigenvector，其预处理复杂度为$\tilde{O}(1/\varepsilon^4)$，每坐标查询复杂度为$\tilde{O}(1/\varepsilon^2)$，并应用于稠密图模型中的sparsest-cut和max-cut问题。

Computing over Data Streams using Catalytic Space

Ripley Becker et al.

cs.DS

本文提出了一种带有催化内存（catalytic memory）的流计算模型，该辅助工作空间在计算结束时必须恢复初始状态。文章展示了催化空间在数据流算法中能显著节省空间，并给出了精确计算频率矩（frequency moments）的多遍算法，以及将其应用于图流中诱导子图计数的例子。同时，文章证明了在单遍流计算中，催化内存不会带来额外的计算能力。

Algorithms and Indexing Lower Bounds for Variable String Matching

Estéban Gabory

cs.DS

本文研究了广义退化字符串（GD）的匹配与索引问题，给出了一个$\tilde{\mathcal O}(N\sqrt m)$时间的匹配算法，并基于SETH和k-Clique猜想证明了索引查询时间的下界。这些结果将GD匹配问题置于次二次复杂度边界上，并揭示了弹性退化字符串（ED）索引中active-prefix查询的瓶颈地位。

others

TTHE: Test-Time Harness Evolution ⭐ 精选

Jun Nie et al.

cs.SE cs.LG

本文提出Test-Time Harness Evolution (TTHE)，将LLM agent的可执行harness（即构造context、调用工具、验证中间结果和恢复失败的执行程序）作为测试时优化的状态。TTHE在评估过程中维护一个候选harness种群，通过agentic proposer基于执行轨迹进行推理，并由judge根据执行导出的代理信号提交改进的harness，整个过程无需gold labels或任务特定监督。该方法在text-to-SQL、competitive programming、software engineering等任务上显著提升了固定ReAct-style baseline harness的性能，将LLM agent的测试时适应重新定义为对可执行控制程序的演化，并识别出执行导出代理可靠性是实现鲁棒无监督agent改进的核心挑战。该工作与关键词中的agent高度契合，为agent的测试时适应提供了开创性的程序演化框架。

Prismata: Confining Cross-Site Prompt Injection in Web Agents ⭐ 精选

Corban Villa et al.

cs.CR cs.AI

Prismata提出了一种针对web agent的跨站prompt injection攻击的防御方法。该方法通过动态信任推导为页面内容生成权限标签，并基于经典完整性模型提供结构约束保证，确保标签错误只能导致权限降低且误标有界。Prismata通过内容遮蔽和限制agent能力实现机械约束，无需开发者标注即可支持长尾网站，在保持良性任务效用的同时显著降低了攻击成功率。该工作与关键词"agent"高度契合，并解决了web agent安全领域的关键问题。

TRACE: A Two-Channel Robust Attribution Watermark via Complementary Embeddings for LLM-Agent Trajectories ⭐ 精选

Zheng Gao et al.

cs.CR cs.AI cs.LG

TRACE提出了一种针对LLM agent轨迹日志的双通道鲁棒水印方法，解决了现有水印在攻击者拥有日志完全读写权限时无法可靠归因的问题。该方法通过叠加一个基于局部内容密钥的选择通道（确保动作选择分布无失真且抗删除）和一个基于日志骨架密钥的计数通道（抗重写），实现了对删除和重写攻击的同时鲁棒性。理论证明每个决策至少贡献一半熵作为水印信号，且擦除两个通道会迫使转售商破坏轨迹。在ToolBench和ALFWorld上的实验表明，TRACE在保持与未加水印agent相同成功率的同时，选择通道在长程轨迹上达到接近z=100的检测分数，且在70%步骤删除下仍可检测，计数通道在任意强度的LLM重写下保持不变。该工作与关键词中的agent高度契合，并为agent轨迹的版权保护提供了开创性方案。

Cognitive-structured Multimodal Agent for Multimodal Understanding, Generation, and Editing ⭐ 精选

Feng Wang et al.

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

本文提出了一种Cognitive-structured Multimodal Agent，通过引入Episodic Visual Memory和模块化决策机制（包括Perceptual Abstraction Engine、Cognitive Retrieval Engine和Multimodal Executive Controller），解决了长程多模态对话中视觉token爆炸和跨轮引用不可靠的问题。该方法在20轮对话中实现了91.4%的检索准确率，超越了32B基线模型，并将每轮推理时间从23.1秒降至12.7秒。该工作与关键词"agent"高度契合，为长程多模态agent提供了一种比单纯扩大参数规模更高效、可扩展的结构化范式。

SMetric: Rethink LLM Scheduling for Serving Agents with Balanced Session-centric Scheduling ⭐ 精选

Jiahao Wang et al.

cs.DC cs.AI

本文针对LLM agent场景下的请求调度问题，提出了一种名为SMETRIC的平衡会话中心调度方法。该方法的关键洞察在于，通过利用agent工作负载中会话内请求的局部性，仅对每个会话的第一个请求进行负载均衡路由，而后续请求则采用缓存感知方式调度，从而在不牺牲大部分KV$缓存重用的情况下实现集群负载均衡。SMETRIC使用会话轮次信息作为调度指标，该指标可从用户输入中高效准确地获取，使调度器保持无状态和简洁。实验表明，该方法在预填充-解码共置和分离架构下，分别将集群TPS提升了10-16%和2-34%，同时改善了每token延迟。

Statistical inverse learning problems with random observations

Abhishake Rastogi, Tapio Helin, Nicole Mücke

math.ST cs.LG stat.ML

本文综述了统计逆问题在随机实验设计下的最新进展，涵盖了线性和非线性逆问题，并讨论了谱正则化、投影正则化及凸罚正则化等方法，利用reproducing kernel Hilbert spaces结构在统计学习框架下建立了样本量的minimax收敛率。

Mixing of Glauber Dynamics on High Overlap Gibbs Measures

Afonso S. Bandeira, Ahmed El Alaoui, Almut Rödder

math.PR cond-mat.dis-nn cs.DS math.ST

本文研究了具有大外场的二次Gibbs测度下Glauber dynamics的快速混合性，通过重叠条件控制相关矩阵并利用随机定位方法得到谱间隙下界，从而证明多项式时间混合。该结果直接应用于Sherrington-Kirkpatrick模型，但与我提供的关键词列表关联度较低。

SPL: Orchestrating Workflows with Declarative Deterministic-Probabilistic Composition

Wen G. Gong

cs.PL cs.CL

SPL是一种声明式语言，统一了deterministic和probabilistic计算模式，通过GENERATE/EVALUATE和SOLVE/ASSERT等原语在单一specification中组合LLM调用与符号计算工具。实验表明其在多模型与多求解器环境下可实现82-93%的机器验证正确率，但主要贡献在于工作流编排而非与关键词直接相关的理论创新。

Collective Intelligence with Foundation Models

J. de Curtò, I. de Zarzà

cs.MA cs.AI cs.CL

本文提出了一个基于foundation models的多智能体框架，通过solver、critic和aggregator agents的协作来提升推理质量。实验表明，模型异构性（而非框架结构或冗余采样）是性能提升的关键因素，在多个科学领域上实现了step-wise准确率的显著改进。

A Self-Supervised Approach for Minimal-Annotation Hydroacoustic Data Exploration

Pierre-Yves Raumer et al.

cs.SD cs.LG

本文提出了一种基于Masked AutoEncoder (MAE)的自监督探索pipeline，用于处理低频水声数据。该方法通过预训练重建任务提取spectrogram的patch-level表示，并利用UMAP和HDBSCAN进行聚类，以识别水声模式。

The Regularization Parameter: Sparse Precision Matrix Estimation

Aryan Eftekhari et al.

stat.ML cs.LG

本文提出了一种用于稀疏precision matrix估计的闭式正则化参数，通过分析$\ell_1$正则化高斯极大似然估计的最优性条件采样分布来避免交叉验证，并在合成与真实数据上实现了与交叉验证相当的估计精度和更快的运行速度。

SASGeo: Stability-Aware Semantic Map Localization for GNSS-Denied UAVs -- A Framework and Synthetic Proof of Concept

Natalia Trukhina, Vadim Vashkelis

cs.RO cs.CV cs.LG

本文提出SASGeo框架，通过语义栅格对齐和关系图证据等方法，为GNSS受限无人机提供绝对位置修正。实验在受控扰动下验证了结构化语义几何可区分位置，但未涉及实际飞行导航验证。

Distributionally Faithful Imputation via Positive Semi-Definite Kernel Density Estimation

Andrea Basteri, Carlo Ciliberto, Alessandro Rudi

stat.ML cs.LG

本文提出了一种基于正半定核密度估计的插补方法，将缺失数据下的密度估计转化为凸优化问题，并通过牛顿内点法求解，在理论上证明了统计一致性。该方法在合成和真实数据集上的初步实验显示了与流行基线方法相当的分布准确性。

DreamCharacter-1: From 3D Generative Foundation Models to Product-Ready Character Generation

Weizhe Liu et al.

cs.CV cs.AI

本文提出DreamCharacter-1，一个轻量级后适应框架，通过几何后训练、纹理后训练和推理加速三个组件，将预训练的3D基础模型校准为高保真、可生产的3D角色生成模型。实验表明该方法在视觉质量和结构鲁棒性上优于现有方法。

From Triggers to Emotions: A CPM-Grounded Appraisal Multi-Agent for Dynamic Emotional Evolution in Persona-Based Dialogue

Jingyao Cai et al.

cs.MA cs.AI

本文提出了一种基于Component Process Model (CPM)的多智能体框架CPM-MultiAgent，用于在基于角色的对话中建模动态情感演化。该框架通过情感触发提取和CPM协作评估来更新角色的情感状态，实验表明其能有效模拟情感敏感角色扮演中的情感变化。

GradInf: Gradient Estimation as Probabilistic Inference

Gaurav Arya et al.

cs.PL cs.LG

本文提出GradInf系统，通过将梯度估计问题转化为概率推理问题，利用耦合与分解操作实现梯度估计器的自动构建。该方法基于信息流类型系统支持高阶概率程序的变换，但未直接涉及代码、上下文、谱方法等关键词。

Shift & Drift: A Zero-Shot Benchmark for Generalizable and Robust Autonomous Driving Motion Planning

Alessandro Canevaro et al.

cs.RO cs.AI cs.LG

本文提出了Shift & Drift基准，用于评估自动驾驶运动规划器在语义分布偏移和状态分布漂移下的泛化性与鲁棒性，发现模仿学习方法在分布外场景中表现不佳，而强化学习方法退化更平缓。

Kime-Representation Formulations of Three Open Problems in the Foundations of Classical Mechanics: Uncertainty, Invariant Entropy, and Directional Degrees of Freedom

Ivo D. Dinov

math-ph cs.AI physics.comp-ph

本文在复时间（kime）表示下，对经典力学基础中的三个开放问题（不确定原理、不变熵和方向自由度）给出了数学自洽的表述。它通过kime锥与单自由度相空间的辛等同，证明了尖锐的熵不确定关系和非正则不确定关系，并讨论了多自由度下的聚合界。

False Confidence: Automated Labels Confound Fairness Audits in Cervical Spine Segmentation

Linus Juni, Aasa Feragen, Aditya Parikh

eess.IV cs.CV cs.CY cs.LG

本文研究了颈椎MRI分割中的公平性审计问题，发现使用自动生成的silver labels（机器生成的标签）作为参考会引入偏差，导致对模型公平性的误判。实验表明，silver labels会高估模型性能并扭曲公平性结论，因此审计时应使用专家标注的gold labels。

Multi-agent Autoformalization of Tensor Network Theory

Sirui Lu, Erickson Tjoa, J. Ignacio Cirac

quant-ph cs.AI

本文提出了一种基于多agent大语言模型的工作流，用于理论物理中的自动形式化，并以矩阵乘积态基本定理的形式化作为演示。该工作流通过结构化蓝图和人工审查协调多个agent，自主完成了形式化过程，并生成了张量网络和量子信息库。

CTA-Pipelining: A Latency-Oriented Spatial Scaling Method for Multi-GPU Systems

Tingkai Liu et al.

cs.DC cs.LG

本文提出CTA-pipelining，一种面向多GPU共享内存系统的延迟优化空间扩展方法，通过在Cooperative Thread Array级别利用依赖关系实现跨GPU的并发执行。实验表明，该方法在MLP操作的2层GEMM上相比micro-batching和Tensor Parallelism分别降低延迟最多31.8%和29.6%。

Functional and Secure Code Generation with Task Vectors

Felix Wang et al.

cs.SE cs.CR cs.LG

本文提出SecVecCoder方法，利用task vectors（任务向量）对coding LLM（代码生成大语言模型）的权重进行线性操作，以同时提升生成代码的功能性与安全性，无需后处理调整。实验表明该方法在CodeGuard+基准上显著提高了可信代码的生成率，且解码延迟几乎无增加。

Time-to-Collision Based Dynamic Obstacle Avoidance Using Pretrained Vision Models for Robots in Unstructured Environments

Erik Jagnandan et al.

cs.RO cs.AI cs.CV eess.IV

本文提出了一种基于预训练视觉模型和碰撞时间(TTC)的动态避障方法，利用UniDepth进行单目深度估计，并通过SuperPoint和SuperGlue进行特征跟踪以计算TTC。该方法完全在真实数据上运行，避免了sim-to-real迁移问题，在M3ED数据集上验证了有效性，但整体方法在创新性和与关键词的契合度上较为常规。

Closed-Loop Dynamic Validator Node Scaling in Private Substrate Blockchains Using Takagi-Sugeno Fuzzy Inference

Thandile Nododile, Ayinde M. Usman, Clement N. Nyirenda

cs.CR cs.AI

本文提出了一种基于Takagi-Sugeno模糊推理的闭环动态验证节点缩放方法，用于私有Substrate区块链。该方法通过读取实时区块链参数（如区块生成时间、区块大小和活跃节点数）输出效率评分和缩放建议，并在10节点网络上验证了其能自主调整验证节点数量，相比阈值基线方法具有更稳定的缩放行为。

Mechanistic Interpretability of LLM Jailbreaks via Internal Attribution Graphs

Anupam Wagle et al.

cs.CR cs.AI

本文提出了一种基于内部计算图（internal computation graphs）的机制性框架，用于诊断大语言模型（LLM）在面对对抗性提示和越狱攻击时的脆弱性。通过构建并对比干净提示与攻击提示下的计算图，该方法揭示了攻击如何抑制安全相关组件、引入攻击特定特征并重路由计算路径，从而将描述性归因推进至因果诊断。

Validating LLMs in social science: Epistemic threats and emerging norms

Meera Desai, Dallas Card, Abigail Z. Jacobs

cs.CY cs.CL

本文系统分析了社会科学领域使用LLM作为测量工具时的验证实践，发现验证方法不一致且有限，并提出了更稳健的验证策略。

Adversarial Decoys: Misdirecting Attention-Based Defenses in ViT

Giulia Marchiori Pietrosanti, Giulio Rossolini, Giorgio Buttazzo

cs.CV cs.AI

本文提出了一种针对Vision Transformer (ViT)的对抗性诱饵（adversarial decoys）攻击方法，通过独立优化的图像块来转移注意力机制的防御，从而绕过基于注意力分数的检测。实验表明该方法能有效降低防御效果，但未解决长期存在的根本问题，且与关键词契合度较低。

The Memory Wall of Green Software: Empirical Energy Evaluation of Memento Design Pattern

Imane Jriri, Tarik Houichime, Younes El Amrani

cs.SE cs.CL

本文通过RAPL接口实验评估了Memento设计模式在10 MB到200 MB状态规模下的能耗表现，对比了直接基线、全快照和差分增量策略。研究发现差分策略在中规模状态时能耗降低65.8%，但在200 MB时因垃圾回收抖动和非线性功耗尖峰导致“内存墙”问题，算法优化被完全抵消。

DeepSWE: Measuring Frontier Coding Agents on Original, Long-Horizon Engineering Tasks

Wenqi Huang et al.

cs.SE cs.LG

DeepSWE是一个包含113个原创、长周期软件工程任务的benchmark，用于评估coding agent。它通过从零编写任务和手工验证器，避免了现有benchmark（如SWE-bench）中因训练数据泄露和测试用例不完善导致的问题。

fog: Expressing Motion and Emotion through Function Composition of AI-Generated Code

Vivian Liu, Lydia Chilton

cs.HC cs.CL

本文介绍了fog框架，通过函数组合实现AI生成代码中的运动与情感表达，并验证了其在Heider-Simmel风格动画中的有效性。该工作主要关注人机交互与代码生成，与关键词中的code有一定关联，但整体方法缺乏开创性且未解决长期问题。

Beyond Thermal Imaging: Inferring Thermophysical Properties from Time-Resolved Thermal Observations

Chenghao Xu, Malcolm Mielle, Olga Fink

cs.CV cs.AI

本文提出ThermoField框架，通过可微热传导模拟统一热场景重建与热物理参数估计，利用neural fields表示空间变化的热扩散率等属性，并受场景几何与热传导物理约束。该方法能从时间分辨热观测中联合重建几何、估计热物理参数并预测热演化。

Expressivity and Statistical Trade-offs in Diffusion Policy Learning

Viet Vu et al.

stat.ML cs.LG math.OC

本文研究了diffusion policy在强化学习中的表达能力和统计权衡，通过drift Lipschitz budget $K$量化了近似误差与统计复杂度之间的平衡，并给出了有限样本下的性能界。

A Quantum Reservoir Architecture for Chaotic Forecasting and a Test of Whether Its High Dimension Helps

Tushar Pandey

quant-ph cs.LG

本文提出了一种量子reservoir computing架构用于混沌系统预测，并设计了一种诊断方法（通过同步增长预测问题和reservoir规模）来检验高维特征空间是否真正有效。实验表明，在时空链和浅水模型上，量子reservoir能保持稳定误差，而经典baseline在某些情况下更强。

3100 Opinions on Code Review in an AI World: Building Causal Theory from Practitioner Discourse

Shyam Agarwal et al.

cs.SE cs.AI

本文通过分析3,100篇灰色文献（工程博客和Reddit帖子），构建了一个关于AI代码审查的因果理论模型，包含26个construct和67个关系。研究发现，AI agent对代码审查的影响方向取决于团队的专业知识和审查流程设计，而非AI本身。

Who Broke the System? Failure Localization in LLM-Based Multi-Agent Systems

Yufei Xia et al.

cs.CR cs.AI cs.IR cs.LG cs.MA

本文提出AgentLocate框架，用于定位LLM-based multi-agent系统中导致执行失败的agent和最早决策步骤。该方法结合LLM-based judging机制与多视角验证，通过confidence-aware策略聚合评估结果，并利用轻量级fine-tuning提升归因质量。

SpO$_2$ Predictor-Guided Stage-Wise Time-Frequency Reconstruction of Low-Quality Dual-Wavelength PPG for Oxygen Saturation Estimation

Zequan Liang et al.

eess.SP cs.AI cs.LG

本文提出了一种SpO$_2$预测器引导的分阶段时频重建框架，用于低质量双波长PPG信号，通过结合时域波形损失和短时傅里叶变换(STFT)频域损失来恢复信号，并利用预训练的SpO$_2$预测器作为约束以保留血氧信息。实验在公开和私有数据集上验证了该方法在SpO$_2$估计上的有效性。

Reaction-network reasoning with frontier models for experimentally confirmed catalyst-selectivity hypotheses

Sutanay Choudhury et al.

physics.chem-ph cs.AI

本文提出了一种基于frontier language models的人类-AI协同推理框架，通过严格约束模型对显式反应网络进行推理，从复杂化学图中提取可验证的催化剂选择性假设。该框架在CO2电还原反应中识别了乙酸生成路径的关键物理控制杠杆，并指导合成了铜-铁氧化物催化剂，使乙酸选择性提升三倍。

Unit-Independent Low-Rate Wrist GSR Processing for Stress Detection Using Phasic nSCR Features

Zequan Liang et al.

eess.SP cs.LG

本文提出了一种与单位无关的低速率腕部GSR处理流程，通过提取每分钟皮肤电反应次数(nSCR/min)作为压力检测特征，并验证了其在TSST任务中的有效性。该方法主要关注信号处理流程的工程实现，未涉及关键词中的核心概念。

Beware What You Autocomplete: Forensic Attribution of Backdoored Code Completions

Anjun Gao et al.

cs.CR cs.AI cs.IR cs.LG

本文提出了CodeTracer框架，用于在代码补全系统中将后门攻击产生的恶意输出归因到特定的微调数据。该方法通过提取行为指纹并利用LLM推理来识别不安全逻辑，在多种攻击场景下展现了高准确率和鲁棒性。

FedTR: Federated Learning Framework with Transfer Learning for Industrial Visual Inspection

Vikash Sathiamoorthy et al.

cs.CV cs.LG

本文提出FedTR，一种结合transfer learning的federated learning框架，用于工业视觉检测中的标签缺陷识别。该方法先在公开数据集上预训练模型，再在分布式私有数据上微调，实验表明其性能接近集中式训练。

APIVOT: Adaptive Planning with Interleaved Vision-Language Thoughts

Emily Jin et al.

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

本文提出APIVOT，一种基于VLM的机器人规划器，通过自适应交错语言和视觉思维来推理长期任务中的语义结构和几何可行性。该方法在空间受限的厨房任务中优于通用VLM和先前规划框架，但未涉及code、spectral或Muon等关键词。

DKDNet: Dual Knowledge and Data-Driven Network for Cross-Domain Automatic Modulation Classification

Shuang Wang et al.

eess.SP cs.AI

本文提出了一种双知识数据驱动网络(DKDNet)，用于跨域自动调制分类，通过分析多种信号先验并设计多表示特征编码器和动态轻量融合单元，实现了跨域特征对齐与分类。实验验证了先验选择的合理性及方法的优越性。

Aleena: Alignment Agent for Research Software Engineering Collaborations

Kshitij Dani et al.

cs.SE cs.AI

本文介绍了Aleena，一个用于研究软件工程协作的开源生命周期对齐agent，它利用GitHub作为共享协作平台，将多模态利益相关者交互转化为结构化项目记录，以跟踪决策连续性。该工作主要关注软件工程协作中的对齐问题，与关键词中的agent概念相关，但方法本身并非开创性且未解决长期存在的数学问题。

RadioDiff-v2: Generative Angular Radio Maps for Multi-Beam Selection and Localization

Xiucheng Wang, Junxi Huang, Nan Cheng

cs.IT cs.LG eess.SP

本文提出RadioDiff-v2，一种基于flow matching的双分支一维diffusion transformer，用于从几何信息预测angular power spectrum (APS)，以解决6G网络中的波束选择和接收器定位问题。该方法通过感知-失真框架和确定性传输的归纳偏置，在零样本测试中优于所有基线。

LDFE: Laplacian Decoupled Feature Enhancement Block for Dual-Stream CNN-based RGB-IR Object Detection

Wenhao Dong et al.

cs.CV cs.AI

本文提出LDFE模块用于双流CNN的RGB-IR目标检测特征融合，通过Laplacian Pyramid分解、GS2E和LC2E模块分别处理全局与局部特征的降噪与融合，在多个数据集上提升了检测精度。该方法主要关注多模态特征融合，与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

ConRad: Efficient Conformal Prediction for Radiomics

Matt Y. Cheung, Ashok Veeraraghavan, Guha Balakrishnan

eess.IV cs.CV cs.LG physics.med-ph stat.AP

本文提出ConRad框架，利用预测mask、输入图像和边界不确定性等协变量，为放射组学特征构建自适应conformal prediction区间，在保持覆盖保证的同时提升区间效率。

PS4: Proxy-Supervised Joint Training for Real Target Speaker Extraction

Wanyi Ning et al.

cs.SD cs.AI

本文提出PS4框架，通过构建大规模语料库和代理监督联合训练策略（结合ASR交叉熵、说话人相似度等损失）来优化BSRNN模型，用于真实对话混合语音中的目标说话人提取。该方法在REAL-T挑战中取得第二名，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Securing Autonomous Vehicle Systems via Twin-Aware Federated Reinforcement Learning

Zifan Zhang et al.

cs.CR cs.DC cs.LG cs.NI

本文提出了一种名为SecAgg的防御框架，通过集成digital twins和基于历史聚合参数的机制来增强联邦强化学习系统在自动驾驶场景中的鲁棒性，并提供了理论收敛性保证。该方法主要针对安全关键场景中的投毒攻击，但与我提供的关键词（如code, context, spectral等）关联度较低。

Generalization Theory for Through-the-Wall Radar Human Activity Recognition

Weicheng Gao

cs.IT cs.LG eess.SP

本文为穿墙雷达人体活动识别建立了一个泛化分析框架，通过定义源域风险、目标域风险等概念并推导统一的目标域泛化界，从理论上解释了结构化分布偏移对识别性能的影响。

ProsMAE: Multi-Source MAE Pretraining for ISUP Grade Classification

Anna Jung et al.

cs.CV cs.AI cs.LG

本文提出ProsMAE框架，利用多源WSI（Whole Slide Image）数据对Masked Autoencoder进行预训练，以学习组织病理学表示，并迁移至ISUP分级任务。实验表明其性能优于vanilla MAE基线，但方法本身在预训练范式上缺乏显著开创性，且与关键词关联较弱。

MuScriptor: An Open Model for Multi-Instrument Music Transcription

Simon Rouard et al.

cs.SD cs.LG

本文提出MuScriptor，一个用于多乐器音乐转录的开源模型，通过合成数据预训练、真实音频微调和强化学习后训练来提升性能，并引入乐器存在条件以定制转录结果。

Out of Sight: Compression-Aware Content Protection against Agentic Crawlers

Xuefei Wang

cs.CR cs.AI

本文提出CAPE框架，通过向文本注入不可见扰动来利用agent的context compression机制实现内容保护，在保持人类可读性的同时诱导信息丢失。该方法在多种压缩设置下提升了信息损失率，并展示了向LangGraph和GitHub Copilot等实际agent工作流的迁移能力。

LEEVLA: Seeing What Matters in Latent Environment Evolution for Vision-Language-Action

Qi Lyu et al.

cs.CV cs.AI

本文提出LEEVLA架构，通过引入drift-guided dynamic prioritization (DGDP)和structured feature flow generation (SFFG)机制，在vision-language-action (VLA)模型中显式引导对任务关键区域的关注，并建模latent world representation的结构化演化，从而提升复杂动态场景下的机器人动作映射性能。

Leveraging Color Naming for Image Enhancement

David Serrano-Lozano et al.

cs.CV cs.AI

本文提出NamedCurves+方法，利用Color Naming概念和tone curves进行图像增强，通过transformer block处理局部变化，在图像修饰、色调映射和曝光校正任务上优于现有方法。该方法提升了可解释性和用户交互性，但与我提供的关键词列表中的概念关联较弱。

MLQENABLER: Enabling Secure Machine Learning Queries over Encrypted Database in Cloud Computing

Xu Zhou, Haoyang Chen, Xinyu Lei

cs.CR cs.LG

本文提出MLQENABLER方案，通过索引辅助方法在加密数据库上实现安全的机器学习查询，在保证可接受安全性的同时仅造成轻微性能损失。

TMI: Text-to-Image Meets Image-to-Image for Complementary Data Synthesis to Boost Long-Tailed Instance Segmentation

Hyeonseop Song, Seokhun Choi, Hoseok Do

cs.CV cs.AI

本文提出了一种混合数据合成方法TMI，结合text-to-image生成与context-aware image-to-image编辑，用于提升长尾实例分割性能。该方法通过T2I分支提供类别多样性，并引入VRAIN编辑器在自然场景中插入高置信度实例，从而增强对稀有类别的监督。

Benchmark Evaluation of Feredated Learning on Multi-organ Images

Junbin Mao et al.

cs.CV cs.LG

本文提出了MobenFL基准，整合了20种FL算法和22个医学影像数据集，覆盖12个关键器官，从性能、效率和隐私保护等多个维度评估联邦学习在医学影像中的应用效果。

Closing the Null Space: Guidance-Aware Quantization for Classifier-Free Diffusion

Abdullah Al Shafi, Sumaiya Rahim Suma

cs.CV cs.LG

本文指出在classifier-free guidance扩散模型的量化中，现有方法忽略了条件/无条件双分支结构，导致分支漂移陷阱。作者提出Guidance-Aware Mixed Precision (GAMP)方法，通过直接校准引导预测并基于贪心背包分配比特来避免该问题。

Multi-Agent Firewall Architecture for Privacy Protection of Sensitive Data in Interactions with Language Models

Hugo García Cuesta, Pablo Mateo Torrejón, Alfonso Sánchez-Macián

cs.CR cs.AI cs.MA

本文提出了一种面向LLM交互的开源隐私保护防火墙架构，采用多智能体管道结合确定性检测器与LLM语义分析来防止数据泄露。该架构通过浏览器扩展和代理实现全流量拦截，并在异构环境中平衡计算成本与检测深度。

From Legacy Documentation to OSCAL: An MCP-Based Agent Pipeline for Threat-Informed Continuous Compliance in Critical Infrastructure

Lea Roxanne Muth, Marian Margraf

cs.CR cs.AI

本文提出了一种基于MCP的多agent pipeline，将自然语言系统描述转换为NIST OSCAL格式的知识图谱和审计工件，用于关键基础设施的持续合规管理。该方法在合成场景中实现了高CVE召回率，但核心在于将错误转移到资产提取阶段，使剩余风险可见且适合人工审查。

GitLake: Git-for-data for the agentic lakehouse

Weiming Sheng et al.

cs.DB cs.AI

本文提出了GitLake系统，将Git版本控制概念应用于数据湖仓（lakehouse），支持分支、合并等操作，使AI代理（agent）能在隔离分支上工作，并通过原子合并发布结果。系统基于Iceberg快照实现，并报告了生产实践中的经验教训。

Bayesian Experimental Design via Score Matching

Angus Phillips, Gavin Kerrigan, Tom Rainforth

stat.ML cs.LG

本文提出了一种通过score matching解决贝叶斯实验设计中期望信息增益双重难解问题的方法，将策略学习与score近似分离以降低计算成本。该方法在实验中训练了多个竞争性策略，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Prediction-Powered Active Testing

Kianoosh Ashouritaklimi et al.

stat.ML cs.LG

本文提出Prediction-Powered Active Testing (PPAT)框架，通过将无偏LURE估计器与预测驱动的控制变量结合，在主动测试中利用黑盒模型预测来降低风险估计的方差，并推导了相应的自适应采样规则。实验表明PPAT在表格回归和图像分类任务中优于现有方法，能以更少标签实现更窄的置信区间。

FSD-VLN: Fast-Slow Dual-System Modeling for Aerial Long-Horizon Vision-Language Navigation

Xueke Zhu et al.

cs.RO cs.AI

本文提出FSD-VLN，一种用于无人机长程视觉语言导航的快慢双系统架构，通过解耦语义推理与低延迟飞行控制，利用慢流提取语义先验和快流（Diffusion Transformer）生成一致动作，在仿真中提升了导航成功率并降低了延迟。该方法与关键词中的agent和attention有一定关联，但创新性主要体现在系统架构而非核心理论突破。

Tubular Neighbourhoods of Pfaffian Sets and Applications to Neural Networks

Paul Lezeau, Martin Lotz

math.AG cs.LG

本文研究了Pfaffian集的光滑超曲面的管状邻域体积，给出了依赖于Pfaffian格式的边界，并将其应用于分析具有Pfaffian激活函数的神经网络分类器鲁棒性条件数的概率分布尾部。

On the Role of Conversational Timing in Synthetic Training Data for ASR

Máté Gedeon, Péter Mihajlik

eess.AS cs.AI cs.SD

本文研究了合成对话数据中对话时序（如停顿和重叠）对自动语音识别（ASR）系统性能的影响，通过参数化时序分布并使用贝叶斯优化探索其四维参数空间。结果表明，重叠时长与词错误率负相关，而停顿时长与词错误率正相关，但该工作主要聚焦于ASR训练数据设计，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念无直接关联。

WCog-VLA: A Dual-Level World-Cognitive Vision-Language-Action Model for End-to-End Autonomous Driving

Xuerun Yan et al.

cs.CV cs.AI

本文提出了一种名为WCog-VLA的双层世界认知视觉-语言-动作模型，用于端到端自动驾驶。该模型通过语义层的Game-CoT推理和生成层的ADDT扩散Transformer来提升驾驶的主动性，并在NAVSIM基准上取得了SOTA性能。

Revisiting One-Zero and Two-Zero Neutrino Mass Textures in Light of Recent Oscillation and Cosmological Data

Haruto Kitagawa et al.

hep-ph cs.LG

本文利用最新的中微子振荡和宇宙学数据，重新审视了中微子质量矩阵的一零和二零纹理结构，通过分析不同约束下的可行性，发现某些纹理结构已被排除，而允许的结构对中微子质量总和、有效电子中微子质量等参数给出了不同的预测。

On Exploring Input Resolution Scaling For Anytime LiDAR Object Detection

Ahmet Soyyigit, Shuochao Yao, Heechul Yun

cs.RO cs.LG

本文提出了一种用于LiDAR点云3D目标检测的任意时间计算方法，通过动态调整输入分辨率来平衡执行延迟和结果效用。该方法仅需部署单个DNN模型，并引入了一个截止时间感知调度器来预测不同分辨率下的执行时间，从而在自动驾驶场景中实现无碰撞导航。

Joint Discrete-Continuous Flow Matching for Open-Vocabulary Inverse Design of Multilayer Optical Coatings

Zhiyi Li et al.

physics.optics cs.LG

本文提出IrisFlow，一个基于query的开放词汇flow-matching框架，用于多层光学涂层的逆设计。它通过离散和连续flow matching分别处理材料序列和厚度，在224个任务上表现良好，并成功制造了四种彩色冷却器。

Token-Flow Firewall: Semantic Runtime Auditing for Persistent AI Agents

Puji Wang et al.

cs.CR cs.CL

本文提出TokenWall，一种针对持久化AI agent的运行时语义防火墙框架，通过在token流（包括memory updates, tool arguments等）上进行边界感知的语义审计来拦截不安全行为。实验表明该方法在CIK-Bench上能将攻击成功率降至12.5%，同时保持97.4%的良性可执行通过率。

Swapping Faces, Saving Features: A Dual-Purpose Pipeline for Pedestrian Privacy in ITS

Roba H. Farouk, Catherine M. Elias

cs.CV cs.AI cs.RO

本文提出一个五阶段pipeline，通过face swapping技术保护行人隐私，同时保留面部属性以维持数据可用性。实验比较了Roop和Ghost-v2两种face-swapping模型，发现Roop在平衡隐私保护与数据可用性方面表现更优。

DrugGen 2: A disease-aware language model for enhancing drug discovery

Ali Motahharynia et al.

q-bio.QM cs.AI cs.LG

本文提出了一种名为DrugGen-2的疾病感知生成模型，通过微调GPT-2并引入疾病本体与靶点序列作为条件，以提升药物分子设计的有效性。实验表明，该方法在生成分子的新颖性、多样性和结合亲和力上优于基线模型，但未涉及code、spectral、Muon或agent等关键词相关技术。

Track2Map: Online Deformable SLAM with Motion-Aware Pose Optimization in Robotic Surgery

Tianyi Song et al.

cs.CV cs.AI

本文提出Track2Map，一种用于机器人辅助微创手术的在线3D Gaussian Splatting SLAM方法，通过联合优化相机轨迹和可变形场景表示，解决了缺乏或噪声相机先验时的3D重建问题。该方法利用密集2D点轨迹进行变形初始化，并基于轨迹统计区分相机运动与场景变形，在StereoMIS数据集上展示了优于现有SLAM方法的性能。

FPGN: Redefining Ultra-Fast Programmable Gate-based Neural Acceleration with Differentiable LUTs

Jiawei Liang et al.

cs.AR cs.LG

本文提出FPGN框架，通过硬件对齐的可微LUT公式和流式硬件架构，将LUT原生神经网络的理论潜力转化为高性能FPGA加速器，实现了比传统FPGA BNN加速器最高205倍的延迟降低。该方法主要关注FPGA加速的工程优化，与您提供的关键词（如code, context, spectral等）关联度较低。

EgoWAM: World Action Models Beyond Pixels with In-the-Wild Egocentric Human Data

Baoyu Li et al.

cs.RO cs.AI

本文研究了世界动作模型（WAM）在从第一人称人类数据到机器人操作任务迁移中的作用，通过对比Pixel、DINO和3D motion flow等不同world representation，发现DINO和3D flow能显著提升泛化性能。该工作主要聚焦于机器人学习中的迁移问题，与关键词中的agent有一定关联，但方法本身并非开创性突破。

ADORN: Adaptive Drift handling for Open RAN using Reinforcement Learning

Ashit Kumar Subudhi et al.

cs.NI cs.AI

本文提出了一种基于Q-learning的自适应重训练方法，用于解决Open RAN中的动态流量漂移问题。该方法将重训练决策建模为Markov Decision Process (MDP)，并利用Reinforcement Learning (RL) agent学习平衡预测精度与计算成本的策略。

Statistical Efficiency and Inference of Quantile Distributional Reinforcement Learning

Zijie Cheng, Yang Peng, Zhihua Zhang

stat.ML cs.LG

本文从统计效率角度研究了基于分位数的分布强化学习，分析了分位数投影分布贝尔曼方程诱导的固定点估计量，并建立了非渐近误差界和渐近分布理论。该工作为分布策略评估提供了理论支撑，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Predicting Viticulture Potential through an Ensemble of U-Net and a Geospatial Foundation Model

Jorge Ignacio Perez, Hwaai Kang Kee, Lucas Rassbach

cs.CV cs.LG

本文使用U-Net与地理空间基础模型Prithvi-2.0的集成方法，基于遥感数据预测法国南部的葡萄栽培潜力，在ImageCLEF AI4Agri 2026竞赛中取得第二名。该方法主要关注农业应用，与关键词中的spectral和pretrain有一定关联，但缺乏开创性或解决长期问题的贡献。

Spatio-Temporal Scheduling Prediction Under Backhaul Delay for Resilient Coordinated Beamforming

Prashant Kumar Singh et al.

cs.NI cs.AI

本文提出了一种基于Spectral Temporal Graph Neural Network (StemGNN)的两阶段预测框架，用于解决分布式5G网络中回程延迟导致的协调波束赋形性能下降问题。该方法通过预测未来用户调度状态来替代过时信息，在60用户、64天线的三小区大规模MIMO场景下，实现了87.57%的调度预测准确率，并恢复了57-73%的由延迟引起的和速率损失。

VEGAS: Human-Aligned Video Caption Evaluation via Gaze

Shenghui Chen et al.

cs.CV cs.AI cs.HC

本文提出VEGAS，一种无需训练的metric，利用test-time gaze来评估video caption与观众注意力的对齐程度。它通过cross-modal信息论方法量化caption与观众focus的匹配，并在egocentric activities和instructional slides数据集上验证了其有效性。

The Context Access Divide: Interaction-Level Architecture as a Complementary Dimension of Agentic Inequality

Masahiro Fujita

cs.CY cs.AI

本文提出“Context Access Divide (CAD)”概念，指出在AI agent使用中，系统能否自主检索用户知识库（Dynamic Context Retrieval）与需要用户手动附加上下文（Manual Attachment）之间存在结构性不平等，并用基于fan effect的概率模型形式化了这一差异。该工作主要关注AI交互层面的不平等维度，与关键词中的“context”和“agent”有一定关联，但方法上缺乏开创性且未解决长期问题。

High-Dimensional Procrustes Matching via Tree Counts

Xiaochun Niu, Tselil Schramm, Jiaming Xu

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

本文研究了高维Procrustes匹配问题，通过计算特定“宽”树的加权计数，提出了一种多项式时间算法，在常数相关条件下实现精确恢复。该算法在高维$d\ge \mathrm{polylog}(n)$时成功，并给出了信息论下界。

DocMaster: A Hierarchical Structure-Aware System for Document Analysis

Ziqi Chen et al.

cs.DB cs.AI

DocMaster是一个层级结构感知的文档分析系统，它通过将文档解析为保留原始布局的层级文档树，并构建结构感知的语义索引，来提升文档过滤和深度问答任务的性能。该系统提供了一个交互式Web界面，支持用户上传文档集合、构建多视图语义索引，并通过自然语言条件进行文档筛选和后续问答。

VocaDet: Sample-Driven Open-Vocabulary Object Detection and Segmentation via Visual Tokenization and Vector Database Retrieval

ZhiXin Sun

cs.CV cs.AI

本文提出VocaDet框架，通过将视觉特征转化为离散visual tokens并存储在vector database中，实现无需模型重训练的样本驱动开放词汇目标检测与分割。该方法利用DINOv3提取特征并生成多粒度visual tokens，通过检索匹配进行目标定位，但未涉及code、context、spectral等关键词相关技术。

Structural Bottlenecks on Frequency Representation in End-to-End Audio Models

Nicole Cosme-Clifford

cs.SD cs.LG

本文通过理论分析和实验，指出端到端音频模型中的strided convolutional encoders存在两个结构性瓶颈：将时频基元混叠为等价类，以及限制学习滤波器的频率分辨率。作者提出了一种轻量级后处理干预方法GLRF，在保持重建质量的同时改善了频率局部化表示。

Potential Functions as Types

Harrison Grodin et al.

cs.PL cs.DS

本文在Calf类型理论中融合了物理学家和银行家的视角，通过断裂与粘合定理将类型视为抽象函数与势函数的融合，并构造了Giralf类型系统以支持信用和借记的自动成本分析。

ImputeViz: A Visual Analytics Dashboard for Diagnosing Missing Data and Comparing Imputation Methods

Aitik Dandapat et al.

cs.HC cs.LG

本文介绍了ImputeViz，一个用于诊断缺失数据并比较插补方法的可视化分析仪表板，集成了MICE、Random Forest、XGBoost、kNN等方法，并提出了地理信息增强的gKNN变体。该系统通过热图、分布诊断等协调视图帮助分析者理解缺失模式（如MCAR/MAR），并支持跨方法比较与结果评估。

When Structured Sparse Autoencoders Learn Consistent Concepts Across Modalities

Weiduo Liao, Yunqiao Yang, Ying Wei

cs.CV cs.AI cs.LG

本文提出了一种结构化稀疏自编码器（$S^2AE$），通过在视觉模态中引入基于Transformer attention相似性和空间邻近性的分组结构稀疏正则化，以解决视觉-语言模型中概念不一致的问题。该方法在保持高重构保真度的同时，提升了语义对齐和表征效率。

ProjAgent: Procedural Similarity Retrieval for Repository-Level Code Generation

QiHong Chen, Aaron Imani, Iftekhar Ahmed

cs.SE cs.AI cs.IR

ProjAgent提出了一种基于过程相似性（procedural similarity）的检索方法，用于仓库级代码生成，通过将目标函数分解为中间推理步骤并利用agentic workflow检索相似过程行为的仓库函数。该方法结合了传统语义检索和静态分析反馈循环，在REPOCOD基准上取得了41.14%的Pass@1，但未涉及spectral、Muon或pretrain等关键词。

LTM: Large-scale Terrain Model for Wildfire-prone Landscapes

Xiao Fu et al.

cs.CV cs.LG

本文提出了一种多模态重建框架LTM，利用过时的Digital Elevation Models (DEMs)作为几何先验，通过物理基础的像素-像素对齐实现图像与DEM数据的融合，以低成本生成高保真深度图。该方法在计算效率和重建精度上优于现有技术，为野火易发区域的大规模地形建模提供了可扩展的解决方案。

Pose-to-Biomechanics: Bridging 3D Human Pose Estimation and Biomechanical Attribute Prediction

Ayda Eghbalian, Kevin Desai

cs.CV cs.AI cs.LG

本文提出BioModule，一个轻量级的时间transformer模块，可附加在任何3D人体姿态估计器之后，从标准17关节骨架预测生物力学属性。通过构建Human3.6M与Human3.6Mplus的对齐数据集进行训练，该模块实现了从视觉姿态估计到生物力学分析的桥梁作用。

ARDY: Autoregressive Diffusion with Hybrid Representation for Interactive Human Motion Generation

Kaifeng Zhao et al.

cs.GR cs.CV cs.LG cs.RO

本文提出了一种名为ARDY的流式生成框架，用于交互式3D人体运动生成。它采用混合表示（结合显式根特征与潜在身体嵌入）和两阶段自回归transformer去噪器，通过在线文本提示和灵活的运动学约束实现高保真运动生成。

Algorithmic Expert Aggregation

Wei Tang, Hanrui Zhang

cs.GT cs.DS

本文研究了如何将多个贝叶斯专家的校准预测聚合为一个新的校准预测专家，通过将校准专家形式化为简化形式的信息结构，并利用Blackwell优势度量预测分布的细化程度。文章刻画了可构造的输出专家与可观测线性信息之间的关系，并给出了算法复杂性结果：随机输出专家存在高效算法，而确定性输出专家在计算上是困难的。

MulTTiPop: A Multitrack Transcription Dataset for Pop Music

Nathan Pruyne et al.

cs.SD cs.LG

本文提出了MulTTiPop数据集，包含572段流行音乐片段及其对应的多轨MIDI录音，用于评估自动音乐转录模型。通过元数据匹配和手动对齐节拍构建数据集，实验表明现有模型在该数据集上表现有限。

Score Accuracy Along the Forward Diffusion Does Not Certify Numerical Stability in Diffusion Sampling

Yiwei Zhou

stat.ML cs.LG math.NA math.PR

本文研究了forward diffusion过程中score matching误差与反向采样数值稳定性之间的关系，通过构造反例表明即使forward-marginal $L^2$误差任意小，Euler-Maruyama离散化也可能导致所有Wasserstein距离发散。文章还给出了一个针对紧支撑数据的正结果，即对denoiser进行投影可恢复矩有界性和Wasserstein收敛性。

OpenCoF: Learning to Reason Through Video Generation

Xinyan Chen et al.

cs.CV cs.AI

本文提出了OpenCoF框架，包含OpenCoF-17K数据集和Wan-CoF模型，用于通过视频生成实现Chain-of-Frame推理。实验表明该框架在视频推理基准上优于基线，并探索了视觉和文本推理token对时空推理的贡献。

bluearXiv-ai 论文精选

📚 跟踪学科 (Categories)

🔍 筛选关键词 (Keywords)

📊 论文统计 ↑ 回顶部

⭐ 精选论文 ↑ 回顶部

cs.LG

cs.AI

cs.CL

cs.DS

others

📄 所有论文 ↑ 回顶部

cs.LG

cs.AI

cs.IR

cs.CL

cs.DS

others