bluearXiv-ai - 2026-07-14

📄 所有论文 ↑ 回顶部

cs.LG

Spectral Origins of the Self-Correction Blind Spot in Autoregressive Generation ⭐ 精选

Ingrid Petrova, Luan Vejsiu

cs.LG cs.CL

本文提出SPARC理论，通过定义残差流上每步attention Jacobian的乘积作为error-propagation operator，严格证明了自回归生成中self-correction盲点出现的充要条件是该算子的spectral radius不小于1。该工作推导了correction marker必须超过的sharp activation threshold（以spectral radius为函数），并证明了基于强化学习的verifier-corrector训练收敛的充要条件是verifier-corrector coupling matrix的spectral norm小于1。实验在四个backbone和visual autoregressive probe上验证了所有定理，spectral predictions与实测盲点率的RMSE在3.2%以内，为理解自回归模型的内在纠错机制提供了严格的spectral-algebraic框架。

Energy-guided Recursive Model ⭐ 精选

Yifei Zhao, Ying Tang

cs.LG stat.ML

本文提出Energy-guided Recursive Model (ERM)，通过引入基于Hopfield能量的显式选择机制，解决了递归推理模型在测试时缺乏原则性推理机制的问题。ERM利用Hopfield型记忆定义候选轨迹的选择器，并集成并行回火等能量基技术提升采样效率。在Sudoku、PPBench和Maze等结构化问题上，ERM以$D=64$步递归和$K=128$个候选达到最优解，显著优于现有方法。该工作为递归推理中的有效推断提供了基于能量函数的原理性路径。

SALT-GNN: Handling Dense Neighborhoods in Anti-Money Laundering Graphs via Statistics-Aware Attention ⭐ 精选

Lidia Losavio et al.

cs.LG cs.AI

本文提出SALT-GNN，一种轻量级统计感知图神经网络架构，用于解决反洗钱图中高密度邻域（high-degree recipient contexts）导致的性能退化问题。该架构通过在每个message-passing层融合degree-aware统计聚合与attention机制，使分布和基数信息（cardinality information）能够塑造后续attention步骤使用的节点状态，从而克服了GNN在密集邻域中的multiset非可区分性、基数盲性以及归一化attention对弱多跳信号的衰减效应。实验表明，SALT-GNN在HI-Small和HI-Medium数据集上比任务特定的graph-transformer基线减少最多77%参数，同时密集上下文F1分数提升3-6个百分点，在AMLSim-32k-5%数据集上最高度F1分数提升16-20个百分点，且增益对Transformer和GAT风格的attention均成立，证明了统计与attention证据融合位置的关键性。

Beyond Euclidean Clipping: Overcoming Exploration Collapse in LLM RL via Riemannian Isometric Policy Optimization ⭐ 精选

Zhicheng Cai et al.

cs.LG cs.AI

本文揭示了PPO-Clip算法在LLM强化学习中的根本缺陷：其使用Euclidean metric隐式度量policy discrepancy，这与policy Riemannian manifold的内在几何结构不一致，导致低概率区域更新过于保守而高概率区域过于激进，最终引发exploration collapse。为解决此问题，作者提出Riemannian Isometric Policy Optimization (RIPO)，通过在Riemannian manifold上保证isometric policy updates来平衡exploration和exploitation。实验表明，RIPO在七个竞赛级基准测试中显著优于现有算法（如在AIME24上比GRPO提升高达60%）。该方法在优化几何上具有开创性，且与关键词中的“context”和“agent”有一定关联。

MemDecay: Region-Aware KV Cache Eviction for Efficient LLM Agent Inference ⭐ 精选

Venkatesha Matam, Keon Kim

cs.LG cs.AI

MemDecay提出了一种无需训练的region-aware KV-cache eviction策略，通过为不同语义区域（如system instructions、scratchpad tokens）分配独立的base priority和decay rate，并利用attention lifetime校准decay参数，在固定cache budget下优先保留关键区域。该方法在Qwen2.5模型上验证了system token的half-life（148-189步）远长于scratchpad token（14-16步），且pinning机制能完整保留system facts，而基于recency的baseline最多仅保留13/24个事实。实验表明，语义prompt结构可作为robust的cache管理信号，但attention-score normalization仍是当前公式的主要局限。该工作与关键词“agent”和“attention”高度契合，为LLM agent推理中的context管理提供了开创性的region-aware范式。

From Self-Attention to Connection Laplacian: A Unified Operator View of Transformers ⭐ 精选

Binbin Lin et al.

cs.LG cs.CL

本文提出了一种统一的算子视角，将Transformer中的self-attention视为token-position图上的connection walk。作者严格证明了single-head attention等价于具有恒定transport的connection propagation step，而multi-head attention则是一个边依赖的connection walk，其有效transport是attention门控的headwise transports混合。该工作澄清了相应generator退化为random-walk connection Laplacian的条件，强调了stochasticity、reversibility和metric-compatible transports的作用，为理解attention的几何结构提供了开创性的算子级工具，与关键词“attention”高度契合。

The Spectral Structure of Latent Treatment Effects ⭐ 精选

Hamza Virk, Bijan Mazaheri, Yihren Wu

cs.LG stat.ML

本文提出了一种新的谱方法（spectral method）来分析潜在治疗效应（latent treatment effects）。作者证明，在离散潜在混杂因子（discrete latent confounder）的代理模型（proxy model）中，两个治疗臂的商算子（quotient operator）之差与潜在治疗效应的对角矩阵相似，其特征值即为潜在效应。该方法将先前的合成潜在结果（Synthetic Potential Outcomes, SPO）方法从标量矩（scalar moments）推广到算子谱分析，能够处理过完备代理系统（overcomplete proxy systems），并提供了治疗效应、特征行和混合权重的扰动界（perturbation bounds）。

Bandit PCA with Minimax Optimal Regret ⭐ 精选

Moïse Blanchard, Dmitrii Ostrovskii, Aadirupa Saha

cs.LG stat.ML

本文针对Bandit PCA（在线主成分分析的bandit反馈版本）问题，提出了一个结合spectrahedron（实数密度矩阵的谱面体）上的online mirror descent与多尺度探索方案的新算法，实现了阶为$r\sqrt{dT}$（忽略对数因子）的minimax最优regret，显著改进了此前$O(d\sqrt{rT\log T})$的上界并匹配了$\Omega(r\sqrt{T/\log T})$的下界。下界部分通过构造自适应对手，将regret下界转化为对隐藏大奖励子空间的估计问题，从而证明了该regret阶的紧性。该工作本质上解决了Bandit PCA的regret界中的gap，并建立了与自适应测量量子层析成像的联系。

A Multi-Agent Framework for Zero-Dimensional Reduced-Order Model Planning ⭐ 精选

Bingteng Sun et al.

cs.LG

本文提出Z-COPA框架，一种用于零维降阶模型(0D ROM)规划的多智能体架构。其核心创新在于通过符号化动作图引擎(SAGE)将经验性的规划过程转化为严格的图结构优化问题，并利用MILP引导的导航(MGN)优化器进行求解。该方法在航空发动机二次空气系统等复杂工程基准上验证了其前向与逆向设计能力，显著优于传统遗传算法和单智能体方法，为探索更广泛的拓扑空间和实现高度自动化的全局最优系统架构提供了新途径。该工作与关键词中的agent高度契合。

SPARC-Net: A Spectral, Causality-Aware, and Hard-Constrained Physics-Informed Architecture for Stiff and Shock-Dominated Partial Differential Equations ⭐ 精选

Divyavardhan Singh et al.

cs.LG cs.DM

SPARC-Net提出了一种统一的架构与训练框架，用于解决Physics-Informed Neural Networks (PINNs) 在求解刚性和激波主导的偏微分方程时因spectral bias、多目标优化失衡、时间因果性违反及配点不足等多重原因导致的性能退化问题。该网络通过自适应多尺度spectral编码器、硬约束输出ansatz（精确强制初始和边界条件）以及稳定化的梯度范数损失平衡和因果性残差加权等策略，在多个基准测试（如粘性Burgers'方程、Allen-Cahn方程）上实现了相对$L_2$误差的大幅降低（例如Allen-Cahn方程误差降低94%）。该方法为处理具有尖锐特征和刚性行为的PDE问题提供了一种具有开创性的、因果感知的spectral学习范式。

Agentic Skill Optimization over Lie Algebroids ⭐ 精选

Sridhar Mahadevan

cs.LG cs.AI math.CT

本文提出了一种名为LASKO (Lie Algebroid SKill Optimization) 的agent技能优化框架。该框架将agent的可编辑技能（如prompt、rubric、plan等）建模为Lie algebroid（李代数胚）的底范畴，将编辑策略建模为截面，其中anchor $\rho$将编辑策略映射到其可见的Markdown效果，kernel $\ker(\rho)$表示潜在的模板或路由结构，而algebroid bracket（代数胚括号）则衡量非交换的编辑组合。通过使用微秒级的Lie-bracket筛选测试替代昂贵的LLM验证，LASKO在因果提取任务上实现了近15倍的加速，为agent系统的技能优化提供了一种开创性的几何方法。

Heuristic Learning for Active Flow Control Using Coding Agents ⭐ 精选

Paul Garnier, Jonathan Viquerat, Elie Hachem

cs.LG cs.AI physics.flu-dyn

本文提出了一种基于coding agent的启发式学习框架，用于主动流动控制问题。该方法不直接优化neural network参数，而是通过agent迭代地提出、评估和修改显式的可执行反馈律（heuristic controllers），从而替代传统的deep reinforcement learning方法。在13个流动控制基准测试中，该方法在10个环境上匹配或超越了最强DRL策略，同时生成的控制器更紧凑、可解释且易于检查。这项工作为agent在科学计算与物理控制中的符号化策略搜索提供了新的范式，与关键词“agent”和“code”高度契合。

Knowledge Graphs Meet Graph Neural Networks: A Comprehensive Survey

Chengcheng Sun et al.

cs.LG cs.AI cs.SI

本文对基于Graph Neural Networks (GNN)的知识图谱技术进行了全面综述，提出了一个包含知识图谱技术流水线和GNN视角的两层分类框架，并分析了不同GNN模型在知识图谱构建、嵌入、推理和应用中的优势与局限。

Position: Every Ground Truth is a Human Construction, not an Objective Truth

Charlotte Högberg, Ericka Johnson, Kiri L. Wagstaff

cs.LG

本文论证了ground truth数据集并非客观中立的测量结果，而是由人类与技术共同构建的产物，并主张机器学习社区应关注这种情境依赖性以提升模型的可靠性。

AuditWeave: A Tamper-Evident, Auditor-Navigable Evidence Layer for AI-Assisted and Data-Transformation Workflows

Vimal Nakrani

cs.LG cs.SE

本文提出了AuditWeave，一个轻量级Python库，通过hash-chained ledger记录AI辅助和数据转换工作流中的事件，确保记录不可篡改且可追溯。该工具主要解决审计场景中的证据重建问题，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Ablation, Statistical Inference, and Validation for KV-Cache Compression

Paolo D'Alberto et al.

cs.LG cs.AI cs.IT

本文系统比较了Turbo-Quant和SpectralQuant两种KV-cache压缩方法，通过统计验证方法区分了系统性的codec差异与实现方差。研究发现基于eigenbasis的方法在heavy-tailed数据上因covariance不稳定而失败，但在结构化场景中表现优异，且有效语义维度$d_{eff}$会适应calibration预算而非真实数据秩。

SciML in the Wild: A Diagnostic Study of When Structural Priors Help and When They Hurt

Vrishank Sai Anand et al.

cs.LG cs.AI

本文以宏观经济预测为压力测试领域，评估了ARIMA、LSTM、NODE、PINN和UDE五种模型在稀疏年度数据上的表现。结果表明，当structural priors与数据生成过程不匹配时，这些先验会起到“misregularizer”的负面作用，导致更受约束的模型（如PINN和UDE）性能反而更差。

MawForge: Memory-Bounded Expert Materialization for Local Mixture-of-Experts Inference

Craig Opie

cs.LG

MawForge提出了一种针对本地MoE推理的内存管理方法，通过将完整模型存储在磁盘上并动态物化专家张量到有限执行缓存中，以在统一内存机器上实现推理。该方法主要关注系统层面的缓存策略与内存压力平衡，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念无直接关联。

Prioritizing Search Space Regions in the Low Autocorrelation Binary Sequences Problem

Blaž Pšeničnik et al.

cs.LG

本文针对低自相关二进制序列问题(LABS)，提出了一种结合Thompson采样与并行自回避行走的混合搜索框架，通过多臂赌博机模型动态分配计算资源到搜索空间的不同限制类，并利用GPU并行加速和Bloom过滤器优化搜索效率。实验在长序列上改进了多个已知最优结果，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。

What Context Does a Coding Agent Actually Need to Act?

Brian Sam-Bodden

cs.LG cs.AI

本文研究了coding agent在编辑代码时真正需要的上下文信息。通过将定位与操作分离，实验发现代码本身的表示比自然语言摘要或周围上下文更重要，压缩上下文能以更少token达到相同效果。

Reference-Based Distillation Detection in LLMs

Rajat Rawat et al.

cs.LG cs.CL

本文提出了一种基于参考的蒸馏检测方法，通过比较学生模型对不同候选教师模型输出的偏好程度来识别其教师模型，并利用模型输出推断隐藏的提示模板。该方法在单教师蒸馏场景下能以接近完美的准确率恢复真实教师，并扩展到开放世界设置中。

Depth-Entropy Guided Sampling for Training-Free LLM Reasoning

Zibin Meng, Peng Xie, Kani Chen

cs.LG cs.AI

本文提出了一种名为Depth-Entropy Guided Sampling (DEGS)的训练无关测试时方法，通过利用transformer内部逐层entropy collapse作为内在质量信号来改进大语言模型的推理能力。该方法在MCMC power-sampling框架下结合序列likelihood与collapse depth，在多个推理基准上取得了领先的训练无关精度，但该方法与您提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Low-Rank Attention Residuals

Jonathan Su

cs.LG cs.CL

本文提出Low-Rank Attention Residuals (LR-AttnRes)，通过使用低维度的key（$r \ll d$）替代全维度的key进行深度路由，从而解耦路由与残差内容表示，并降低计算开销。实验表明，深度路由在远小于模型宽度的维度下仍能有效工作。

FedCausal-Dyn: A Causal-Dynamic Paradigm for Federated Learning under Dynamic Feature Drift

Kaijie Chen et al.

cs.LG

本文提出FedCausal-Dyn框架，通过因果域特征分离和动态原型聚合解决联邦学习中的动态特征漂移问题，在多个基准上取得最优性能。该方法主要贡献在于将因果推断与动态适应结合，但与我提供的关键词列表关联度较低。

Mitigating Early Training Collapse in CTR Models

Ergun Biçici, Erkan Çetinyamaç

cs.LG cs.AI

本文研究了CTR预测模型中训练初期验证性能骤降的问题，发现控制特征稀疏性（如移除高稀疏特征和聚合低频特征值）比降低学习率更有效，能稳定训练并提升离线与在线指标。

Safe responses matter: Output-aware safety guardrail mitigate over-refusal in MLLMs

Jiayi Li, Kun Zhan

cs.LG

本文提出了一种面向输出的安全护栏方法，通过在MLLM的隐藏状态空间中训练轻量级分类器，预测即将生成的输出是否不安全，从而在保持安全性能的同时大幅减少过度拒绝，提升了模型的实用性。

Quantum-Inspired Contextual Learning for Sparse-Ring Fraud Detection in Dynamic Transaction Graphs

Behnam Tonekaboni, Hiroshi Yamauchi

cs.LG

本文探索了动态金融交易图中稀疏环欺诈检测的量子启发式上下文学习（CML）方法，通过合成数据比较了GRU与CML在序列级分类上的表现。结果表明，结合图特征与拓扑摘要的混合表示效果最佳，但整体仍属探索性基准研究。

Manifold Constrained Tabular Deep Neural Networks

Tian Li et al.

cs.LG stat.ML

本文提出HDE-Net，一种在hyperbolic space中构建的manifold-constrained DNN，用于tabular classification。它通过Latent Decision Nodes和Soft Decision Routing机制，将离散的规则分区结构建模为连续表示，在TALENT-tiny-core基准上取得了最佳平均排名。

EvoClawBench: Can Agents Learn Reusable Skills from Their Own Runs?

Zhiyuan Peng et al.

cs.LG cs.SE

本文提出了EvoClawBench基准，用于评估agent能否从自身运行中学习可复用技能。实验表明，技能学习的效果具有选择性且对成本敏感，并非总能提升性能。

ERP Data Provisioning Financial Control Testing

Anitha Samudrala

cs.LG

本文提出了一个名为SEQ-FCT的框架，用于在金融控制测试中安全地提供ERP数据，该框架结合了确定性掩码、合成场景扩展和自动化验证。实验在一个合成数据集上评估了该框架在 reconciliation、fraud-rule testing 和 audit analytics 任务中的性能，但方法本身缺乏显著的开创性，且与所提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Gauge dependence and structured-output corruption in sign-branched repetition penalties: measurements across models, inference stacks, and alternative repetition controls

Peter Hollows

cs.LG cs.CL

本文研究了LLM推理生态系统中广泛使用的乘法重复惩罚（sign-branched repetition penalty）的缺陷，指出其因依赖于logit的符号分支而导致定义不明确，并会破坏结构化输出（如JSON格式）。通过实验测量，作者展示了该惩罚在不同模型和推理栈中导致大量token变化，并提出了将惩罚应用于归一化log-probabilities的修正方案。

Metadata-Free Meta-Reweighted Direct Preference Optimization under Noisy Preference Labels

Hua Qu, Yifan Li, Xiaodong Yuan

cs.LG

本文提出了一种元重加权直接偏好优化方法，用于在含噪偏好标签下对齐大语言模型。该方法通过双层优化框架和元学习策略，在不依赖元数据的情况下提升训练鲁棒性，并采用中心差分近似与LoRA微调降低计算成本。

JEPA for AI-Native 6G: Predictive Representations and Open Challenges

Sheikh Salman Hassan et al.

cs.LG cs.AI cs.NI

本文介绍了JEPA（联合嵌入预测架构）在6G网络中的应用，将其作为一种自监督学习范式，通过在latent space中预测缺失或未来的representation来替代原始数据重建。文章讨论了无线数据的tokenization和masking方法，并给出了一个波束管理案例，表明无线感知的预训练目标能提升标签效率和鲁棒性。

The Silent Freeze: Predicting When Low-Precision Training Stops Learning

Zekai Shang

cs.LG

本文研究了低精度训练中权重更新因低于半ULP而冻结的现象，并提出了一个基于高精度轨迹和目标尾数长度的预测条件。实验表明该冻结在GPT和GPT-2模型中可被先验预测，且随机舍入能消除持续冻结。

Discovering Latent Response Laws in Forced Physical Systems

Yi Zhu et al.

cs.LG

本文提出FLARE模型，用于从高维观测数据中学习受迫物理系统的潜在响应规律。该方法通过自编码器结构发现紧凑的响应坐标并识别稀疏的输入依赖动力学，从而实现对系统响应的预测。

Quota Marketplace: Dynamic Pricing for Efficient Allocation of ML Training Resources

Balasubramanian Sivan et al.

cs.LG cs.GT

Quota Marketplace提出了一种基于市场的动态定价机制，用于在异构价值需求下高效分配ML训练资源（如GPU），并在Google内部部署。该机制通过允许用户表达工作负载价值并基于供需波动调整价格，旨在实现Pareto效率和max-min公平性，但未直接涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

RUBRIC: Realism--Utility Balanced Ranking for Imbalanced Classification

Yanxuan Yu et al.

cs.LG

本文提出RUBRIC框架，通过realism-utility权衡选择合成样本以处理类别不平衡问题，实验表明其能提升F1-macro和recall。该方法主要关注数据增强的过滤策略，与关键词中的概念关联较弱。

Estimation, Prediction, and Assortment Optimization for Markov Chain Choice Models with Panel Data

Yalcin Akcay, Gerardo Berbeglia, Young-San Lin

cs.LG stat.ML

本文针对Markov chain (MC) choice model在panel data下的参数估计、个性化选择预测与assortment optimization问题，提出了一个包含EM算法的框架。该工作通过引入partial-ordering偏好信息处理客户历史交易间的依赖关系，并在合成数据与sushi数据集上验证了其优于传统方法。

Learning Predictive Ambiguity Sets for Decision-Focused Distributionally Robust Optimization

Junjie Guo

cs.LG q-fin.CP

本文提出了一种名为LPAS的深度学习方法，用于在决策导向的分布鲁棒优化中学习自适应的模糊集。该方法通过神经网络输出状态依赖的Wasserstein半径和名义分布，并利用决策损失进行训练，在投资组合优化中取得了优于固定半径DRO的效果。

A Strong Balanced-Softmax Classifier-Retraining Baseline for Long-Tailed Recognition

Juan Terven et al.

cs.LG cs.CV

本文研究了长尾识别中的BS-cRT方法，通过两阶段训练（先用Balanced Softmax训练backbone和cosine classifier，再冻结backbone仅更新classifier）来提升Few-shot准确率。实验表明该方法在多个数据集上有效，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

From Direction to Magnitude: How Multimodal Instruction-Tuning Reorganizes the Geometric Encoding of Identity-Specifying Prompts in Transformer Hidden States

Jorge A. Castillo, Marco Torres Yévenes, Juan Carlos Lanas

cs.LG cs.CL

本文使用Ollivier-Ricci曲率等几何度量，研究了四种transformer语言模型中身份指定系统提示在隐藏状态轨迹上的几何编码。主要发现是，在多模态instruction-tuning后，身份编码从方向编码（angular k-NN）迁移到幅度编码（Euclidean k-NN），而该现象在RL蒸馏和SFT中未出现。

Nonlinear Axiomatic Attribution for Cooperative Games

Weida Li et al.

cs.LG

本文探讨了Shapley value在归因问题中的局限性，即其线性性质导致存在过大的零空间，可能包含不可忽略的扰动。为此，作者受least core启发，设计了一类保留必要公理的非线性归因方法，通过求解最小化问题得到唯一的贡献向量。实验表明，在inclusion AUC指标上，这些方法相比仅放松efficiency公理的Shapley value变体更具潜力。

Serving the Long Tail: Training-Free LLM Candidate Generation for Vacation Rental Marketplaces

Syed Mohammed Arshad Zaidi, Eric Rincon, Shayan Hassantabar

cs.LG cs.IR

本文针对度假租赁市场中的长尾问题，提出了一种无需训练的LLM候选生成管道，通过静态属性元数据为稀疏交互的房源生成候选，并与基于行为的IBKNN方法融合，在不影响高交互房源性能的前提下显著提升了长尾房源的覆盖率。

Nonparametric Bayesian Inverse Reinforcement Learning with Data-Parallel Gibbs Sampling

Sai Anirudh Katupilla, Shreeya Dasa Lakshminath

cs.LG

本文针对多专家演示混合场景下的逆强化学习问题，实现了一种基于Dirichlet Process先验的非参数贝叶斯方法，通过collapsed Gibbs sampler联合推断潜在奖励类型数量与奖励函数，并在10x10 ObjectWorld网格上验证了其聚类性能优于最大熵IRL基线。此外，论文在HPC硬件上使用Ray实现了数据并行的Gibbs采样，获得了最高4.79倍的加速比，并讨论了共识合并启发式带来的吞吐量与精度权衡。

Remembering Distinct Items, Not Tokens: A Learnable Dirichlet-Process Cache Between State-Space Models and Attention

Siddharth Pal, Viktoria Rojkova

cs.LG cs.AI cs.CL cs.NE

本文研究了一种介于固定状态序列模型和注意力机制之间的稀疏缓存方法，通过DP-means聚类规则（Dirichlet过程混合的小方差极限）为每个新输入分配缓存槽，使缓存大小跟踪不同项目的数量而非token数量。实验表明，该方法在关联回忆任务中能以更少存储匹配全注意力性能，但未涉及关键词中的code、spectral、Muon、pretrain或agent等概念。

SMETA-ZSL:Semantic Meta-Alignment for Zero-Shot Threat Classification

Ivan Alejandro Montoya Sanchez, Anantaa Kotal, Aritran Piplai

cs.LG cs.AI cs.CR

本文提出SMETA-ZSL框架，通过对比微调学习语义prototype，并利用episodic meta-learning和knowledge distillation对齐行为特征，以解决网络安全中零样本威胁分类问题。该方法在多个基准测试上取得了优于先前方法的效果。

A Foundation Model for Multimodal Event Sequences in Financial Applications

Nikita Rusakov et al.

cs.LG cs.AI

本文提出了一种基于foundation transformer model的方法，通过将多模态用户事件序列化为单一chronological sequence进行pretraining，并利用next-event prediction objective学习通用表示。该方法在金融应用中优于传统任务特定模型，并已在东欧一家大型银行部署。

Optimizing ARDL Models for Retail Sales Forecasting and Fair Pricing

Sujay Uday Rittikar

cs.LG cs.CE

本文研究了零售业中平衡盈利与消费者公平的动态定价问题，使用log-log Autoregressive Distributed Lag (ARDL)模型预测零售贸易销售额，并通过Linear Programming (LP)和Simulated Annealing (SA)求解带价格上限的优化问题。结果表明，名义弹性为正时无约束优化会导致价格推至上限，而Simulated Annealing能给出更保守的公平定价方案。

Learning in Curved Weight Space:Exponential-Linear Weight Reparameterization for Improved Optimization

Ethan Smith

cs.LG cs.AI

本文提出了一种名为Exponential-Linear Weight Reparameterization (ELWR)的权重重参数化方法，通过结合指数路径与线性路径来改进神经网络优化。该方法在多种Transformer架构上验证了其加速损失下降的有效性，但并未直接涉及关键词中的特定领域。

Multimodal Routing for Interpretable, Robust, and Auditable Clinical Prediction

Nikkie Hooman et al.

cs.LG

本文提出了一种显式的多模态路由框架，用于临床预测，通过构建离散的单模态、双向双模态和三模态路径来捕捉个体模态信号及非对称跨模态交互，并引入推理时路径掩码来模拟缺失模态以评估鲁棒性。该工作主要关注临床预测中的可解释性和鲁棒性，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联较弱。

Vilya-1: An all-atom foundation model for macrocycle structure prediction and design

Vilya Research et al.

cs.LG q-bio.BM

本文介绍了Vilya-1，一个基于深度学习的全原子foundation model，用于大环肽的结构预测与性质设计。该模型在多种化学拓扑结构上提升了几何精度，并支持生成式应用。

MLPs are Hebbians: Constructing Efficient Fact-Storing MLPs for Transformers

Roberto Garcia et al.

cs.LG

本文提出了一种与Transformer兼容的MLP闭式构造方法，用于高效存储事实知识，并证明了其在信息论最优存储容量缩放方面的优势。该构造在匹配事实数量时比先前方法减少了$10$-$104\times$的参数需求，并支持模块化的事实编辑。

FlashTrie: A GPU-Accelerated Constrained Beam Search for Generative Retrieval

Dakshitha Anandakumar et al.

cs.LG

本文提出FlashTrie，一种在GPU上加速的constrained beam search方法，用于generative retrieval中的constrained decoding。它通过位压缩的succinct trie布局和全设备端CUDA kernel，显著降低了延迟并提高了吞吐量，在800M关键词库上实现了高达24倍的加速。

Conservation Laws for Diffusion Models

Ziv Aharoni, Henry D. Pfister

cs.LG cs.IT stat.ML

本文基于广义外信息转移函数为扩散模型建立了守恒律，将数据-模型交叉熵精确表示为噪声路径上局部信息论导数的积分，统一了离散和连续扩散的似然表征。该工作为理解扩散模型的训练目标提供了理论视角。

Error Aware Distribution Prediction for Lightweight Implicit Neural Representations

Zhimin Li, Jake D. Balla, Joshua A. Levine

cs.LG cs.CV cs.GR

本文提出了一种轻量级的隐式神经表示方法，通过将回归任务转化为分类任务来预测误差分布，从而在保持重建质量的同时实现不确定性估计。该方法无需复杂的计算或预设参数假设，但未涉及关键词中的特定概念。

Distance-Preserving Embeddings in Inhomogeneous Random Graphs

My Le, Luana Ruiz, Souvik Dhara

cs.LG

本文研究了基于landmark的嵌入方法在inhomogeneous random graphs中的最短路径近似问题，通过多类型分支过程分析结构异质性，得到了比经典最坏情况更紧的维度-失真权衡。文章还引入了GNN增强变体，用结构感知的神经替代物取代精确最短路径查询，并在大规模真实网络上验证了泛化能力。

TabLoRA: Parameter-Efficient Low-Rank Ensemble Learning for Large-Scale Tabular Data

Jiaqi Luo, Shixin Xu

cs.LG

TabLoRA提出了一种参数高效的神经网络集成方法，通过共享主干网络和低秩适应（low-rank adaptation）来减少大规模表格数据学习的计算开销，在性能与效率间取得平衡。该方法主要针对表格学习任务，与关键词列表中的概念关联较弱。

When Data Imbalance Helps: Robust Generalization Through Shortcut Saturation

Cheng-Ting Chou, Duc Binh Hoang

cs.LG cs.AI

本文研究了在spurious correlations（虚假相关性）下，当shortcut feature（捷径特征）与真实标签在训练中相关但在对抗性测试中反相关时，数据不平衡如何影响鲁棒泛化。实验发现，在足够强大的模型中，数据不平衡反而能促进泛化，例如在合成任务中，2层transformer在$r=0.90$时比$r=0.50$时达到100%对抗准确率的种子比例更高。

GAE: Graph-Augmented Evolution for Scientific Discovery via Reinforcement Optimization

Xuanzhou Chen, Taoli Cheng

cs.LG cs.AI

本文提出GAE框架，通过图神经网络解析程序结构、强化学习优化父代选择和变异方向、以及在线微调LLM变异算子，解决了科学发现中进化搜索的结构盲选、奖励稀疏和变异静态问题。在符号回归任务上，该方法将随机搜索转化为有向自改进过程，性能优于静态LLM基线。

LeRoPE: Learnable RoPE Frequencies Improve Language Modeling

Petros Karypis et al.

cs.LG

本文提出LeRoPE方法，将RoPE中的旋转频率作为可学习参数而非固定超参数，并在从52M到2.5B参数的语言模型上验证其有效性。实验表明LeRoPE在所有规模下均优于标准RoPE和partial RoPE，且观察到高范数的位置性LeRoPE band现象。

RDQ: Residual Distribution Quantization for Large Language Models

Prateek Singh

cs.LG

本文提出RDQ (Residual Distribution Quantization)框架，通过Cascaded Error Compensation (CEC)方法解决大语言模型在低比特量化时残差流分布漂移导致的性能下降问题。该方法在LLaMA-3-8B等模型上取得了优于现有量化方法的结果。

LLMs as a Jury: Cross-Model Consensus Can Outperform Process Reward Models for LLM Reasoning

Ning Liu

cs.LG cs.AI

本文提出将多个独立训练的LLM作为评审团，通过它们对推理链最终答案的共识程度（cross-model consensus）作为验证信号，无需额外训练。实验表明，该方法在数学推理基准上优于自洽性和单个模型自评分，其机制在于不同模型的错误不相关，正确答案更易达成共识。

Knowledge-Conditioned, Single-Pass LLM Synthesis of Executable Unity Game Scenes: A Compiler Error Census across 26 Goal Playable Concepts

Hugh Xuechen Liu, Kıvanç Tatar

cs.LG cs.SE

本文研究了LLM在单次生成Unity C#游戏场景代码时的编译错误，通过分析10,400次生成中的90,673个编译器错误，将错误分为Grounding（引擎知识缺失）和Hygiene（结构缺陷）两类，发现所有生成均无法编译，瓶颈在于缺乏引擎特定知识。

PhysMRV: Physical Memory Retrieval and Verification for Physics Plausibility Reasoning

Wenyuan Wang et al.

cs.LG cs.AI cs.CV

本文提出PhysMRV框架，通过将训练视频转化为包含场景描述、物理事件图和物理规则摘要的分层记忆库，在推理时检索相关物理记忆来引导冻结的VLM验证物理合理性，无需额外训练。实验表明该方法在多个物理推理基准上提升了VLM的表现。

Generative Augmentation of Raman Spectra for Glioma Classification

Andrei Iuşan et al.

cs.LG

本文研究了在拉曼光谱数据有限的情况下，使用条件变分自编码器($\beta$-CVAE)生成合成光谱来增强胶质瘤分类任务。实验表明，虽然纯合成数据训练效果不如真实数据，但将合成数据作为真实数据的补充可以提升分类性能，验证了生成式数据增强在小样本生物医学诊断中的正则化作用。

The Differential Neural Tangent Kernel and Its Positivity

Bangti Jin, Longjun Wu

cs.LG math.NA stat.ML

本文提出了Differential Neural Tangent Kernel (DNTK)框架，用于分析Physics-Informed Neural Networks (PINNs)的训练动态，并证明了在无限宽度下，对于多种激活函数和线性微分算子，DNTK的正定性。该工作为理解PINNs的梯度训练算法提供了理论基础。

Two Confounds in Cross-Model Value Comparison: Response Determinism and the Access Harness

Hong-In Won, Jinseok Jang, Hyoseop Kim

cs.LG

本文研究了跨模型价值比较中的两个混淆因素：response determinism和access harness。作者通过分离协议和determinism校正分解，发现模型间的价值差异部分源于response determinism的差异，而部署客户端（access harness）也会显著改变模型的价值分布。

When Does Depth Survive Composition? Compute--Quality Regimes in Latent World Models

Achyuthan Sivasankar

cs.LG cs.AI

本文研究了在latent world models中，深度是否能在自回归rollout中保持其优势。通过引入shallow penalty $\rho$指标，作者在九个DeepMind Control任务上发现了三种计算-质量区间：深度有益、浅层反转和平坦。文章指出，训练方式（如early exit的监督）可以创造或消除反转现象，并揭示了可路由性（routability）的catch-22困境。

Exploratory Analysis of Deep Learning Models for Forecasting Meteorological Parameters in the Agricultural Sector

Piotr Sikora, Sotirios Kontogiannis

cs.LG cs.AI

本文比较了GRU、LSTM及其与1D-CNN混合的深度学习模型在农业气象参数（如参考蒸散量$ET_0$、风速等）多变量预测中的表现。研究发现，混合CNN-GRU模型在24小时和168小时预测任务上取得了最高综合得分，但CNN-LSTM模型能以更少的参数达到相近性能。

DSSMs: State Space Models with Explicit Memory via Delay Differential Equations

Yixiao Qian et al.

cs.LG

本文提出Delay State Space Models (DSSMs)，通过引入延迟微分方程(DDE)中的显式延迟状态反馈来扩展对角SSM，以改善长序列建模中的上下文记忆能力。该方法在频域中计算kernel并采用kernel contour shift抑制混叠，在延迟检索任务上表现显著提升，并在多数标准序列指标上优于S4D。

Data-Driven Telecom Marketing Optimization: A Machine Learning-Based Churn Prediction and Customer Segmentation Framework

Nada Ali, Lina Ahmed, Tahani Abdalla Attia Gasmalla

cs.LG

本文提出一个数据驱动的电信营销优化框架，结合基于gradient boosting ensembles (XGBoost, LightGBM, CatBoost)的churn prediction与K-Means customer segmentation，并设计了segment-specific营销策略。该框架在IBM Telco数据集上验证，并通过Streamlit应用实现部署，但方法本身缺乏显著的开创性，且与关键词列表中的概念无直接关联。

Sharper Analysis of Single-Loop Methods for Bilevel Optimization

Yubo Zhou et al.

cs.LG

本文针对双层优化中的单循环AID和ITD方法，提出了解耦范数分析框架，改进了收敛率分析，但未涉及关键词中的核心概念。

Interpreting learning dynamics of autoencoders: Transient scaling and emerging concepts of the Ising model

Max Weinmann, Miriam Klopotek

cs.LG cond-mat.dis-nn cond-mat.stat-mech

本文使用无监督autoencoder在Ising模型的微观spin构型上训练，研究了其学习宏观理论相关变量的动力学过程。通过量化不同空间尺度上的学习，揭示了由超参数控制的磁化主导和能量主导两种动力学机制，并利用递归动态轨迹分析展示了预测误差诱导的流场如何产生共同的轨迹拓扑。

Empowering Long-form Omni-modal Understanding with Robust Audio Perception

Kaiying Yan et al.

cs.LG

本文提出了AVDC数据集和AVDC-QA-CoT推理数据集，通过解耦视觉和听觉语义来增强全模态理解，并采用两阶段训练范式（预训练+指令微调）提升模型在视频描述、音频分析等任务上的性能。

A Control Theory of Predictability in Latent World Models

Hanzhe You et al.

cs.LG

本文指出在latent world models中，基于数据平均的prediction error无法可靠地衡量planner的控制性能，因为planner会查询到偏离数据流形的状态。作者将目标重新定义为预测与真实plan-cost之间的discrepancy，并证明planner的suboptimality受限于该discrepancy的两倍，而数据平均误差无法约束或追踪它。在linear-control假设下，该discrepancy被分解为on-manifold residual和off-manifold divergence两项，后者与数据平均误差无关。

A Hyperbolic Neural Closure for M1 Radiation Transfer

Bongseok Kim et al.

cs.LG cs.AI cs.CE math.NA

本文提出了一种用于M1辐射传输系统的双曲神经网络closure模型，通过参数化Jacobian矩阵来保证实特征值，从而避免数值求解器崩溃。该方法在精度上优于经典解析closure，并在不连续Galerkin模拟中保持稳定性。

Machine Learning-based Correlation of Charpy Impact Properties Between Sub-sized and Standard-sized Specimens for Nuclear Structural Materials

Yugandhar Kasala Sreenivasulu et al.

cs.LG

本文提出了一种基于Machine Learning的框架，用于关联核结构材料中子尺寸与标准尺寸Charpy冲击试样的性能，通过温度偏移和缩放残差投影对齐数据，并使用双曲正切模型提取上平台能量和韧脆转变温度。该方法在SA533B钢数据集上验证，相比传统方法提高了相关性精度。

Context by Distinct Information: An Auditable Dirichlet-Process Working Memory for Long, Redundant Context Streams

Siddharth Pal, Viktoria Rojkova

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

本文提出了一种基于Dirichlet过程的工作记忆机制，通过仅在输入key具有新颖性时分配缓存槽，使记忆规模与不同信息项的数量而非token数量成比例。实验表明，在字符级控制任务中，新颖性门控注意力在仅关注约一半token时达到全注意力性能，并在长上下文场景中优势更明显。

Pitfalls of Administrative Censoring in Survival Models with Time-Indexed Inputs

Yanqi Xu et al.

cs.LG stat.AP

本文指出在生存模型中，当输入数据带有时间戳且结局事件仅观察到固定截止日期时，模型可能学习到记录日期与可用随访时长的关联，而非真实风险，这种失败模式被称为“administrative-cutoff leakage”。文章通过模拟和真实乳腺摄影队列数据展示了该问题对预测性能指标的影响，并提出了检测方法和设计原则。

Reinforcement Learning with Verifiable Physics: Post-training LLMs with Continuous Rewards

Pengfei Cai et al.

cs.LG cs.AI cs.CE

本文提出RLVP框架，通过混合验证器（硬程序有效性检查与连续物理奖励）对LLM进行后训练，以生成多PDE求解器代码。该方法在PDE基准测试上优于预训练和监督微调基线，并展现出零样本迁移能力。

ARMOR: Stabilizing On-Policy LLM RL with Off-Policy Anchor Samples

Kexin Huang et al.

cs.LG cs.AI cs.CL

本文研究了LLM强化学习训练中的不稳定性问题，提出ARMOR框架，通过引入off-policy anchor样本和混合优化策略来缓解过优化现象，在推理基准上验证了其有效性。

EvidentialRAG: Quantifying and Mitigating Information Conflict in Multi-Source Retrieval-Augmented Generation via Evidential Deep Learning

S M Asif Hossain, Ruksat Khan Shayoni, M. F. Mridha

cs.LG

本文提出EvidentialRAG框架，通过将检索到的文本块转换为Dirichlet证据并使用Dempster-Shafer融合规则处理信息冲突，从而在检索增强生成中量化不确定性。实验表明该方法在冲突场景下能减少幻觉并提升校准误差，但未涉及code、spectral、Muon、pretrain或agent等关键词。

Learning from Noise: Effective-Rank Collapse and Out-of-Distribution Rejection in Restricted Boltzmann Machines

Oshada Rathnayake, Nikhil Shukla

cs.LG cond-mat.dis-nn

本文研究了受限Boltzmann机（RBM）在分布外（OOD）输入下的失效模式，通过可见-可见相互作用矩阵$J=WW^{T}$的谱分析，发现传统训练会增大$J$的有效秩，而引入随机辅助噪声标签训练会导致有效秩坍缩，使RBM能拒绝OOD图像。

Conditional Optimal Bridge for Riemannian Activation Steering

Seyed Arshan Dalili et al.

cs.LG cs.AI

本文提出Cobras方法，将activation steering问题形式化为残差流超球面上的Schrödinger Bridge，通过entropic optimal transport求解并提取probability flow ODE，从而得到query-adaptive的steering方向。该方法在多个模型和alignment任务上优于现有baseline，并避免了OOD性能退化。

LLM-PDESR: Robust PDE Discovery via Subdomain Weighted Residuals and LLM-Guided Symbolic Hypothesis Generation

Jinyang Du et al.

cs.LG

本文提出LLM-PDESR框架，利用Large Language Models生成候选PDE结构，并通过$C^4$连续五次样条和子域加权残差方法从噪声观测数据中鲁棒地发现PDE。该方法在多个基准测试中优于现有技术，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词。

Learning from Local Walks on Dynamic Graphs with Bandit Feedback

Sourav Chakraborty et al.

cs.LG cs.AI stat.ML

本文研究动态图上的随机多臂赌博机问题，其中学习者只能局部移动（选择当前节点或邻居），并分析了基于滑动窗口混合的局部探索-然后-提交算法族，证明了次线性期望遗憾。

Sharp Concentration Bounds for Bundle-Valued Statistics on Manifolds

Swagatam Das, Vaclav Snasel

cs.LG

本文研究了流形上纤维丛值统计量的非渐近浓度界，通过Hilbert空间不等式推导出有限样本的Hoeffding和Bernstein型界，并量化了曲率驱动的确定性偏差。该工作主要关注几何统计中的理论问题，与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention无直接关联。

AutoNorm: Understanding Adaptive Normalization in Transformers through Differentiable Gating

Piyush Kaushik Bhattacharyya et al.

cs.LG

本文研究了Transformer中自适应normalization的优化问题，发现Gumbel-Softmax门控机制在视觉任务中因梯度方差大而收敛困难，但在语言任务中表现更好。作者提出AutoNorm-S策略，通过门控冻结调度缓解优化不稳定性，在NLP基准上取得竞争性表现。

M+Adam: Low-Precision Training via Additive-Multiplicative Optimization

Xiaoyuan Liang et al.

cs.LG

本文提出M+Adam优化器，通过结合additive和multiplicative更新策略来解决低精度训练中的精度退化问题，在LLaMA预训练中验证了其有效性。

modelDNA: Calibrated Lineage Verification and Merge Decomposition from Sampled Weight Fingerprints

Muhammad Awais Bin Adil, Saad Aamir

cs.LG

本文介绍了modelDNA工具，通过从模型中采样约100-300 MB的权重指纹（fingerprint）来验证其谱系（lineage），并利用线性组合方法从指纹中分解合并模型的混合权重，无需下载完整权重。该方法在基准测试中表现良好，但主要贡献在于工程实现而非理论创新，与关键词契合度较低。

Auditing Construct Overlap in Explainable Machine Learning: Evidence from Burnout-Depression Prediction Across Student Cohorts

Alireza Dehghan, Negin Ashrafi

cs.LG cs.AI

本文通过ElasticNet pipeline对886名医学生及跨群体数据进行可解释机器学习分析，发现当复合心理健康结局（如倦怠-抑郁预测）中存在构造重叠时，模型产生的风险层级（如特质焦虑和健康满意度主导）实际上是伪影。通过残差化实验（residualization experiments）隔离相关变量间的共享方差，揭示了模型性能显著下降的机制，并指出该残差化协议可作为跨研究验证构造重叠的通用检查方法。

Modernizing HEBO: a robust Bayesian optimization baseline for practical heteroskedastic and non-stationary problems

L. A. Zhukov, E. V. Shaburova, D. V. Antonets

cs.LG

本文介绍了tidyHEBO，一个基于BoTorch重构的鲁棒贝叶斯优化模型，旨在处理异方差和非平稳目标函数。通过在合成函数、实验数据集等任务上的测试，tidyHEBO展现了具有竞争力的性能和更强的鲁棒性，可作为实际实验和未来研究的基准工具。

LayerNorm as Implicit Gain Control in Looped Transformers

Matthias M. M. Buehlmaier

cs.LG cs.NE

本文研究了pre-LayerNorm循环Transformer中LayerNorm作为隐式增益控制的作用，分析了其如何通过耦合局部Lipschitz常数与激活尺度来影响循环Jacobian的谱性质。实验表明线性carry（线性状态传递）并非深度记忆机制，其主要作用是稳定化而非存储记忆。

Learning to Fine-tune Foundation Models under Resource Limitations

Thomas Tsouparopoulos, Iordanis Koutsopoulos

cs.LG cs.AI

本文研究在资源受限设备上对预训练Foundation Model进行持续微调的最优策略问题，将在线决策建模为约束Markov Decision Process，并采用actor-critic算法求解。实验表明该方法在有限计算预算下能显著提升分类准确率。

On the modality gap and the contrastive loss in multi-modal representation learning

Fabian Mager, Hiba Nassar, Lars Kai Hansen

cs.LG cs.CV

本文研究了CLIP风格双编码器对比学习中的模态差距问题，发现InfoNCE损失在低温下会主动产生该差距。作者提出xNCE方法，通过引入跨模态和模态内负样本对来缓解这一问题，在保持检索性能的同时改善了零样本分类。

Scaffold splits hide structural-frontier failures in ADMET models

Jiacheng Zheng et al.

cs.LG q-bio.QM

本文提出了一种无标签的结构前沿划分方法，用于评估ADMET模型在稀疏且理化性质遥远的分子组上的表现，发现该方法显著增加了预测误差，但未提出新的理论或方法突破。

To Answer or to Abstain: Mitigating Search-Agent Hallucinations via Abstention-Aware Reinforcement Learning

Fengji Zhang et al.

cs.LG cs.AI cs.CL

本文提出了一种名为Abstention-Aware Reinforcement Learning (AWA-RL)的方法，通过动态调整模型在检索失败时的弃权奖励来缓解搜索增强型LLM的幻觉问题。该方法在开放域QA任务上提升了精确度，但主要贡献在于训练策略的改进，而非与关键词（如spectral, Muon, agent等）直接相关的开创性理论或方法。

Multi-Scale Convolution with Optimal Transport Attention Effect on Multivariate Time Series

HaoChong Fu, Jian Xu

cs.LG cs.AI

本文提出MSC-OT架构，通过多尺度卷积增强和Sinkhorn最优传输正则化来优化注意力机制，用于多变量时间序列预测。实验表明该方法在多个数据集上表现良好，但主要贡献在于工程性改进而非理论突破。

Policy-Driven CT-Agent: Modeling Phase-Aware Diagnostic Control for Clinically Consistent CT Reasoning

Yanmeng Dong et al.

cs.LG

本文提出Policy-Driven CT-Agent (PD-CTAgent)，用于CT诊断中的phase选择和推理。它通过Clinical Structure Abstraction Module (CSAM)统一多phase表示，并用Knowledge-Guided Diagnostic Control Model (KDCM)评估phase充分性，以模拟临床决策流程。

The VC dimension of partial concept classes via Radon's theorem

Grigory Ivanov, Attila Jung, Márton Naszódi

cs.LG math.CO math.FA

本文研究了实Banach空间中两类带margin的partial concept classes（部分概念类）的VC维，给出了在$L_p$空间中关于expanded balls的维数无关上界，并证明了与margin参数$\delta$匹配的下界。方法通过距离线性化映射到Rademacher型空间，并利用平衡符号和估计或无维Radon定理。

LSTrans: Efficient Knowledge Transfer for Lightweight and Automated ECG Classification

Yi Zhao et al.

cs.LG cs.AI

本文提出了一种轻量级混合模型LSTrans，用于在资源受限设备上进行自动心电图分类。该模型结合了1D卷积骨干网络和Transformer编码器，并通过Low-Rank Adaptation和知识蒸馏技术实现模型压缩与高效迁移。

Hierarchical Bayesian Quadrature

Tim Weiland, Toni Karvonen, Philipp Hennig

cs.LG math.NA

本文提出了一种层次化贝叶斯求积方法，通过自适应树状划分将积分域分解为局部平稳模型，并利用GP条件层次结构重组子域相关性，以处理非平稳被积函数。该方法无需MCMC，能根据局部复杂度调整评估预算，在非平稳被积函数上显著优于标准贝叶斯求积。

Weight-Adjusted Gradients Reveal Parameter Importance and Failure Modes in LLMs

Shrestha Datta, Hongfu Liu, Anshuman Chhabra

cs.LG cs.AI

本文提出Weight-Adjusted Gradients (WAG)方法，通过结合模型权重与一阶梯度信息来估计LLM中的参数重要性，并识别导致模型崩溃的关键参数子集。该方法在专家分配、参数卸载、混合精度量化等任务中展示了实用性，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

When does distribution shift break graph neural networks calibration?

Abderaouf Bahi

cs.LG

本文首次从理论上刻画了Graph Neural Networks (GNNs)在distribution shift下的calibration行为，发现其由单个标量控制，该标量依赖于源图与目标图之间的structural changes和feature quality。基于此，作者提出了无需目标标签的calibration方法STAC，并在合成与真实数据集上验证了理论的有效性。

Lower Bound on the Cumulative Constrained Violation for the OGD+Projection algorithm for Constrained Online Convex Optimization (COCO)

Haricharan Balasundaram, Karthick Krishna Mahendran, Rahul Vaze

cs.LG

本文研究了约束在线凸优化问题中OGD+Projection算法的累积约束违反(CCV)下界，证明了对于维度$d$，其CCV为$\Omega (T^{\frac{d-1}{2d}})$，这是该问题的首个下界结果。

Diachronic Sample Integration: Robust Tail-Risk Estimation with Generative Models

Shuning Zhao et al.

cs.LG cs.AI q-fin.RM

本文提出Diachronic Sample Integration (DSI)方法，通过在随机训练轨迹的不同checkpoint处集成生成样本，以改善尾部风险估计的稳定性。该方法在不修改生成目标函数的前提下，降低了有限模拟预算下的尾部估计误差。

Graph Neural Networks for RFID-Based Spatial Geometry Inference in Spatial AI Systems

Curtis Shull, Merrick Green, Roy Rucker

cs.LG

本文提出了一种基于Graph Neural Networks (GNNs)的框架，用于从RFID观测数据中推断室内空间几何结构，通过将信号强度、平面图语义和空间约束建模为图结构来预测物体的运动轨迹和边界区域。该方法主要关注关系建模而非孤立坐标预测，但与我提供的关键词列表契合度较低。

Predictive Divergence Masks for LLM RL

Xiangxin Zhou et al.

cs.LG

本文提出了一种用于LLM强化学习的predictive divergence mask，通过预测策略梯度步骤对同一divergence的影响来替代PPO中基于采样比率的direction criterion，并针对离散softmax策略和top-K词汇表给出了闭式解和轻量级估计器。实验表明该方法在多个模型规模和精度设置下提升了RL训练效果。

Reliability Scaling Laws for Quantized Large Language Models

Sirine Ayadi et al.

cs.LG

本文对量化大语言模型在扰动输入下的可靠性进行了评估，包括不确定性、校准和鲁棒性三个维度，发现可靠性随总比特数呈非线性缩放，4位量化模型在可靠性与效率间达到最佳平衡。

Singular perturbations and hierarchical learning in two-layer neural networks

Cédric Gerbelot, Jean-Christophe Mourrat

cs.LG math.DS math.OC

本文研究了高维空间中无限宽两层神经网络在联合优化下的population gradient flow，通过奇异摄动参数调节两层训练速度，证明了隐藏link function的常数和线性分量在预测时间尺度内被恢复，并分析了二次分量学习起始阶段的动力学行为。

Infrared Organization and Critical Cognitive Field Formation in Transformer Dynamics

Byung Gyu Chae

cs.LG

本文通过分析Pythia语言模型的Transformer层Jacobian矩阵，提取了relaxation spectra并测量了time-scale density of states (TDOS)等物理量，验证了Cognitive Field Theory中关于红外慢模式积累的预测。实验表明，Transformer动力学中存在普遍的infrared collective organization现象，但该工作与关键词中的code、context、spectral等概念关联较弱。

The Singularity Space: A Generative Diffusion Framework for Signal Representation

Eli Bar-Yosef, Amir Averbuch, Eli Turkel

cs.LG cs.AI eess.SP math.NA

本文提出Singularity Space框架，通过复平面singularity（奇点）表示信号，并利用transformer-based diffusion model学习其latent space，以解决从退化观测中恢复信号的反问题。该框架在1D Burgers shocks上展示了优于grid-based baseline的重建性能，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Sticky Jump Diffusions: A Unifying View of Masked, Continuous, and Hybrid Diffusion

Pascal Jutras-Dubé et al.

cs.LG stat.ML

本文介绍了Sticky Jump Diffusions (SJDs)，一种连续时间Markov过程，其离散锚点为token embeddings。该模型通过Denoising Hazard Matching进行训练，并统一了masked diffusion、continuous diffusion和hybrid diffusion等框架，但其主要贡献在于理论统一而非与关键词直接相关。

WSqD: A Horizon-Free Learning Rate Schedule for Large Model Training

Jianhao Ma, Yuxin Chen

cs.LG math.OC stat.ML

本文提出了一种名为WSqD的学习率调度方法，用shifted inverse-square-root base替换了WSD中的常数稳定阶段，并保留了最终的线性cooldown。该方法在随机凸优化中达到了minimax最优的$O(1/\sqrt{T})$收敛率，且其base学习率调度与训练horizon无关。

Reinforcement Learning for Execution under Dynamic Fees in a Closed-Loop DEX Simulator

Wen-Ting Wang

cs.LG q-fin.CP stat.ML

本文构建了一个最小闭环DEX模拟器，研究在动态费用AMM环境下的最优执行策略。通过对比多种策略，发现小型DQN在动态费用场景下能显著降低执行缺口，但在恒定费用下效果不显著。

Efficient Online Proportional Sampling with Applications to Smoothed Online Learning

Amirmahdi Mirfakhar, Maria-Florina Balcan, Hedyeh Beyhaghi

cs.LG cs.AI cs.CG cs.GT econ.TH

本文研究了在$\sigma$-smoothed adversary下从高维域中进行高效在线比例采样的问题，设计了一种数据结构来避免因分区复杂度指数增长带来的开销，并证明了在$\sigma$-smoothed自适应对手下数据结构的深度为$O(\sqrt{\sigma T})$，在随机顺序对手下为$O(\log T)$。该框架被应用于在线学习中的分段结构奖励问题，在full-information和bandit反馈下均获得了次线性regret保证。

Enhanced Byzantine-Robust Federated Learning Via Truncated-Quadratic Loss for Heterogeneous Data

Zhi-Yong Wang et al.

cs.LG

本文通过凸共轭理论证明了centered clipping和Huber聚合器的等价性，并指出它们在异质性数据下会产生有偏解。作者提出基于truncated-quadratic loss的鲁棒聚合规则，在非凸损失和异质性数据下实现了阶最优的Byzantine鲁棒学习。

TabPFN beyond Tabular Data: Calibration and Accuracy on Multimodal Embeddings

Jingxiang Zhang et al.

cs.LG

本文评估了TabPFN作为多模态分类中冻结编码器的即插即用分类头，在图像、文本和音频任务上相比线性模型等基线在负对数似然和期望校准误差上表现更优，但其准确率优势仅在中等至高样本数且低特征维度时成立。

When the Reward Suite Is Leaky: A Preregistered Causal Contrast of Natural Verifier False Positives in RLVR

Chuyifei Zhang

cs.LG cs.CL

本文研究了RLVR（Reinforcement Learning with Verifiable Rewards）中代码测试套件的假阳性问题，通过预注册的因果对比实验发现，原始MBPP测试存在系统性假阳性，而使用更严格的MBPP+测试可以消除这种测量偏差。文章还提出了一种廉价的静态审计方法，可以在训练前检测这种暴露风险。

Domain-Aware Scaling Laws Uncover Data Synergy

Kimia Hamidieh, Lester Mackey, David Alvarez-Melis

cs.LG cs.CL

本文通过分析不同领域数据在语言模型预训练中的相互作用，提出了数据协同效应的量化框架，并利用开源LLM的观测数据估计了领域间的直接与二阶协同效应，改进了领域无关的scaling law预测精度。

AeroMELD: A Linear Embedding of Aerosol Populations for Diagnostics and Latent Dynamics

Ehsan Saleh et al.

cs.LG physics.ao-ph

本文提出AeroMELD框架，通过scale-shape decomposition构建保留气溶胶群体数学结构的线性latent变量，并利用Deep Sets模型实现诊断重建。该方法在粒子解析数据上准确重建了size-resolved mass分布、CCN光谱等物理量，但主要聚焦于诊断性重建而非动力学过程学习。

Link Adaptation Using Joint-Thompson Sampling

Vignatha Vinjam et al.

cs.LG

本文提出Joint-Thompson Sampling (Joint-TS)算法，利用多变量有序Beta分布作为先验来保持MCS成功概率的单调性，以解决链路自适应中的多臂老虎机问题。仿真表明该算法在各种场景下性能稳健。

Adapting Evidential Neural Networks to Test-Time Neighbor Fusion Improves Molecular Property Prediction

Cameron Gruich et al.

cs.LG q-bio.BM stat.ML

本文提出PG-EVIKAL方法，在测试时通过邻居融合（neighbor fusion）修正分子性质预测，利用evidential neural networks的不确定性进行贝叶斯更新，无需重新训练。该方法在多个分子数据集上降低了RMSE，但与我提供的关键词（如code, context, spectral等）关联较弱。

Multi-dimensional training-priority weighting based on physical information propagation paths: a unified residual-weighting framework for physics-informed neural networks

Zhangyi Lian et al.

cs.LG

本文提出了一种基于物理信息传播路径的多维训练优先级加权框架，通过定义前提区域与依赖区域的学习顺序，并利用神经正切核（NTK）理论分析标准PINNs的收敛缺陷，构造负指数残差权重来将物理传播顺序转化为训练优先级。该方法在不修改网络架构的前提下，改善了具有明确传播路径或约束主导结构问题的收敛行为与预测精度。

A Novel Graph Fraud Detector via Grouped Attribute Completion and Confidence-Aware Contrastive Learning

Junpeng Wu, Ye Yuan

cs.LG

本文提出了一种名为GFD-GC的图欺诈检测框架，通过分组属性补全和置信度感知对比学习来解决节点属性不完整和类别不平衡问题。该方法在多个基准数据集上取得了优于现有技术的性能。

Neural Discovery of Memory and Nonlocal Kernels in Integro-Differential Equations with Constrained Kolmogorov--Arnold Networks

Aruzhan Tleubek, Salah A Faroughi

cs.LG math.NA

本文提出了一种基于可微求解器的框架，用于从稀疏含噪观测中识别integro-differential equation (IDE)中的memory或nonlocal kernel。该框架使用constrained Kolmogorov--Arnold Network (KAN)表示未知kernel，并通过Bernstein多项式或Chebyshev多项式施加物理约束。实验表明，硬约束方法在二维非局部问题中比软约束方法更鲁棒。

CA-DGCL: Dynamic Graph Continual Learning via Condensation and Attachment

Tingxu Yan Ye Yuan

cs.LG

本文提出了一种用于动态图持续学习的框架CA-DGCL，通过压缩历史图快照并构建跨时间戳节点链来获取稳定节点特征，从而缓解灾难性遗忘问题。实验表明该方法在遗忘抑制和准确性方面优于基线。

The Equilibrium Is the Initialization: Lazy Identity Collapse in Physics-Structured Deep Equilibrium Reasoning

Joyjeet Singh

cs.LG cs.AI

本文研究了Physics-Structured Deep Equilibrium Reasoning中的“惰性恒等坍缩”现象，发现其隐含计算实际上并未生效，平衡解与初始值几乎一致，且迭代次数与问题难度无关。该工作揭示了梯度饥饿机制导致的问题，并提出了诊断协议，但未涉及关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念。

ToolAtlas: Learning Once, Reusing Everywhere with Tool-Side Memory

Yue Fang et al.

cs.LG

本文提出ToolAtlas，一个基于图的框架，通过在工具提供者侧构建持久化的工具记忆（包括能力、失败边界和跨工具组合），使LLM agent能通过自适应图遍历查询该记忆以复用工具知识。实验表明该方法在多个基准上优于现有优化方案，并能在不同环境和agent框架间迁移。

Learning Subgroup Relations Using Siamese Graph Neural Networks

Tal Weissblat

cs.LG math.GR

本文提出了一种Siamese Graph Neural Network (Siamese GNN)架构，利用有限群的Cayley图表示来预测一个群是否是另一个群的子群。该方法将图嵌入与代数特征结合，通过全连接分类器进行预测，并在测试集上达到了95.9%的准确率。

Rank-Conditioned Sample Reuse for the Plackett--Luce Best-of-$K$ Objective

Melveena Jolly, Midhun Xavier

cs.LG stat.ME stat.ML

本文研究了Plackett-Luce Best-of-$K$目标函数$J_K^{WOR}$的样本复用问题，指出现有i.i.d.样本复用估计器在该耦合采样器下存在偏差，并基于秩条件Horvitz-Thompson估计构建了一个无偏的梯度估计器，通过动态规划将子集求和简化为单维积分。该方法在$n \ge 2K$时具有有限二阶矩，但未提供误差界的理论保证。

NeuroMem-FHP: A Likelihood-Free Deep Learning Framework for Parameter Estimation of Fractional Hawkes Process

Neha Gupta, Aditya Maheshwari

cs.LG stat.ML

本文提出NeuroMem-FHP框架，使用LSTM和Transformer直接从事件间隔序列估计分数阶Hawkes过程的参数，无需似然优化。实验表明Transformer估计精度显著优于MLE，并在真实高频数据上验证了模型对长记忆动态的刻画能力。

FastTPS: An Optimized Method for LLM Token Phase for AI accelerators

Wenzong Yang et al.

cs.LG

本文提出FastTPS方法，通过KV Cache拼接、RoPE attention优化和MLP融合调度，加速LLM推理中的token阶段，在AMD NPU上实现6倍速度提升。该方法主要关注推理效率而非关键词中的理论或结构创新。

Trustworthy synthetic data for campaign decision support: strategy simulation fidelity and the PolicySynth framework

Tung Dang et al.

cs.LG stat.ML

本文提出了一个名为PolicySynth的决策支持系统框架，用于生成合成客户数据，并引入策略模拟保真度（SSF）作为衡量合成数据与真实数据在决策一致性上的新标准。实验表明，PolicySynth在电信和银行数据集上实现了较高的SSF值，且稳定性优于CTGAN，但其ROI估计与真实结果存在较大偏差。

PRISM Edit: One Vector for All Temporal Answers

Chen Huang et al.

cs.LG cs.AI

本文提出PRISM Edit方法，通过优化一个多义表示(polysemous representation)并利用模型内在的调制路径(modulation pathway)，在不修改架构的情况下实现大语言模型(LLM)中时间事实的编辑。该方法在时间编辑基准上提升了时序一致性(Temporal Consistency)和当前相对时间分数(Current Relative-time Score)，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等核心概念。

BackgroundMellow: A Multi-Modal Cohesive Framework for Narrative-Driven Rich Cinematic Soundscape Generation

Ajitesh Jamulkar, Aritra Hazra

cs.LG cs.AI cs.MM

本文提出BackgroundMellow框架，通过master-specialist agent架构将文本叙事分解为多层音频线索，并利用Tango2 latent diffusion model和Cinematic BGM Retriever生成同步的电影化音景。该工作主要关注多模态叙事音频生成，与关键词中的code、spectral、Muon、pretrain、attention等概念关联较弱。

Surprisingly Simple and Effective Multi-Domain Graph Foundation Model through Graph-to-Table Alignment

Chunyu Hu et al.

cs.LG

本文提出GTAlign框架，通过图到表格对齐机制使Tabular Foundation Model能够理解图结构信息，无需文本属性即可实现跨域图表示学习。该方法在节点和图分类任务上表现优异，但未涉及关键词中的spectral、Muon或agent等概念。

Physics-Aware Conditional SetGAN for Spatially Consistent Multi-User TR 38.901 Channel Generation

Mauro Gonzalo Tarazona-Levano et al.

cs.LG

本文提出一种基于SetGAN的生成模型，用于加速TR 38.901信道生成，通过分离大尺度接收功率与归一化小尺度衰落并利用PCA压缩，在保持用户几何依赖的空间相关性的同时，将生成时间减少约3.45倍。该方法在UMa/NLoS基准上验证了其有效性，但未涉及code、context或spectral等关键词相关领域。

Generalizing Preference-based Reinforcement Learning: a Rationality Model for Incomparability

Simone Drago et al.

cs.LG

本文研究了基于成对轨迹比较的偏好强化学习问题，提出了一种新的Bradley-Terry启发的理性模型，该模型允许专家将轨迹对标记为不可比较，并推断出多维reward function。文章分析了模型的性质和样本复杂度，并在模拟环境中验证了其恢复Pareto前沿的能力。

Velocity Scheduled Flow Matching

Vitalii Bondar

cs.LG

本文提出Velocity Scheduled Flow Matching (VSFM)，通过引入速度调度函数$v(t)$来替代线性插值中的恒定速度假设，从而在推理时无需重新训练即可通过非均匀时间调度采样，或在训练时从头优化速度曲线。该方法在CIFAR-10上降低了FID指标，但未涉及code、context、spectral、Muon、pretrain或agent等关键词。

Event-based Neural Decoding for Neuroprosthetic Motor Control

Khaleelulla Khan Nazeer et al.

cs.LG cs.NE

本文提出了一种基于事件的神经解码方法，使用event-based gated recurrent unit生成稀疏通信模式，在神经假体运动控制中平衡了任务性能与效率。该方法通过高效训练和稀疏推理，为设备端神经解码提供了新可能。

HyperSafe: Inference-Time Safety Recovery for Fine-Tuned Language Models

Aznaur Aliev et al.

cs.LG cs.CL

本文提出HyperSafe框架，通过为每个微调后的语言模型生成一个模型特定的安全侧网络（SSN）来恢复其安全行为。该方法利用逐层激活指纹捕捉微调带来的表示变化，并借助超网络在单次前向传播中生成SSN参数，从而在不修改模型权重的情况下实现推理时的安全恢复。

IG-GAN: A Generative Adversarial Network for Aerodynamic Data Generation Based on Intrinsic Geometry

Ying Yan, Liwei Hu, Xiaoming Zhang

cs.LG cs.AI

本文提出了一种基于内在几何的生成对抗网络IG-GAN，用于空气动力学数据生成。其生成器使用Bézier曲面将数据表示为分段光滑流形，判别器采用径向基函数网络，在Burgers方程和ONERA M6飞机数据集上相比基线方法显著降低了预测均方误差。

Proxy Exploration and Reusable Guidance: A Modular LLM Post-Training Paradigm via Proxy-Guided Update Signals

Daocheng Fu et al.

cs.LG cs.AI

本文提出PUST框架，通过轻量级proxy model探索高奖励行为并提取相对改进信号，再将其迁移至主模型以解耦策略探索与分布对齐。该方法在数学和代码领域验证了弱模型信号可增强强模型，但未涉及spectral、Muon或attention等关键词。

SCOPE-RL: Optimizing Reasoning Paths Before and After Success

Xiaojian Liu et al.

cs.LG cs.CL

本文提出SCOPE-RL框架，通过自适应脚手架RL（在成功前对隐藏答案的子问题链添加可验证奖励）和质量感知过程RL（在成功后应用基于正确性的过程形状奖励）来稠化稀疏的最终答案奖励信号，在Qwen3-8B-Instruct上平均准确率提升11.2个百分点，推理token减少27.1%。该方法主要针对LLM的强化学习奖励设计，与关键词中的code、context、spectral等概念无直接关联。

CDFM: Towards a General-Purpose Causal Discovery Foundation Model

Jie Qiao et al.

cs.LG cs.AI stat.ML

本文提出CDFM，一个用于零样本因果结构推断的通用基础模型。通过将未知因果机制视为latent variable并设计variational framework分解边际似然，模型在大规模合成数据上预训练后，在因果发现任务上优于传统算法。

DAG-FM: A Foundation Model for Causal Discovery under Heterogeneous Causal Mechanisms

Yikang Chen et al.

cs.LG stat.ML

本文提出DAG-FM，一种用于因果发现的foundation model架构，通过两个自回归的Transformer子模块（叶节点预测器和父节点预测器）将因果发现过程分解，并引入Mixture-of-Leaf-Experts (MoLE)处理异构因果机制。实验表明其在合成和真实数据集上优于传统算法和现有foundation models。

AutoMatBench: An Automatic Optimization Toolkit for the Acceleration of Material Properties Prediction Benchmarking

Hongxiao Li, Wanling Gao

cs.LG cs.AI

本文提出了AutoMatBench，一个基于Bayesian optimization的自动优化工具包，用于加速材料属性预测（MPP）的benchmarking过程。该工具通过优化配置空间，在节省超过一半成本的同时，获得了与MatBench及现有OOD研究相似的结果。

Random Label Prediction Heads for Studying Memorization in Deep Neural Networks

Marlon Becker et al.

cs.LG

本文提出了一种通过在深度神经网络中附加随机标签预测头（RLP-head）来实证研究记忆化现象的方法，利用该头在中间表示上预测随机标签，从而分析网络各层的记忆容量。该方法将RLP-head的性能解释为Rademacher复杂度的经验估计，并基于此提出了一种减少记忆化的正则化技术。

Condition-Stratified Robustness Analysis of Post-Hoc Calibration Methods for Probabilistic Classifiers

Gurdeep Singh Virdee

cs.LG

本文通过条件分层分析，比较了temperature scaling和isotonic regression两种后验校准方法在四种受控条件下的表现，发现校准性能的稳健性依赖于具体条件和评估指标，但未提出开创性方法或解决长期问题。

Advancing Optimal Subset Oracle via Learning Relaxation of Neural Set Functions

Yongquan Shi et al.

cs.LG

本文通过将evidence lower bound重新解释为set function的continuous relaxation，学习一个surrogate objective来替代variational optimization中的蒙特卡洛采样梯度估计，从而降低计算开销并加速推理。实验在多个真实任务上验证了该方法相比现有baseline的改进。

Structure-Feature Aligned Graph Learning via Alternating Constrained Optimization

Chengcheng Yan, Qingsong Wang

cs.LG cs.AI

本文提出了一种基于交替约束优化的结构-特征对齐图学习框架，通过解耦GNN中的特征变换与邻域聚合来提升节点预测的鲁棒性。该方法引入锚网络学习无结构特征先验，并设计了通道分割自适应门控GNN以动态平衡全局谱平滑与局部空间判别。

DiffEEG: A Self-Supervised Denoising Diffusion Model for Learning EEG Generic Representations

Abdulkader Helwan et al.

cs.LG cs.AI cs.CV eess.SP

本文提出DiffEEG，一个基于denoising diffusion预训练和reinforcement learning微调的自监督模型，用于EEG癫痫检测。该模型通过1D U-Net学习通用神经表示，并利用policy gradient优化F1-score，在极端类别不平衡下实现了临床可用的seizure recall。

Privacy-Aware Collaborative and Distributed Bayesian Optimization

Aditya Rane et al.

cs.LG stat.ME

本文提出了一种用于分布式Bayesian optimization的协作元学习框架，在不交换原始数据的情况下匹配集中式性能。文章还分析了梯度共享导致客户端观测泄露的问题，并评估了差分隐私防御机制下的隐私-效用权衡。

Fundamental Limitations of Fixed-Budget Best-Arm Identification

Motti Goldberger

cs.LG stat.ML

本文证明了在固定预算的最佳臂识别问题中，对于$K\ge 3$个臂，任何自适应算法都无法在所有问题实例上匹配静态oracle的误差衰减率，其衰减率最多为静态oracle的$\left(1 + \frac{\log(K)}{8}\right)^{-1}$倍，从而否定了该问题存在统一复杂度的可能性。

Bet on Features: Anytime-Valid and Feature-Aware Auditing of Conditional Quantile Forecasters

Ivane Antonov et al.

cs.LG stat.ML

本文针对黑箱条件分位数预测器的连续审计问题，提出了一种基于博弈论的无分布测试框架，该框架允许审计者利用可用特征构建随时间有效的证据过程，以检测预测器在非独立同分布损失下的校准错误。

How to Tame Grokking: Representation Geometry as a Control Signal

Maksim A Kazanskii

cs.LG

本文研究了神经网络中“grokking”（先记忆后泛化）现象与表示几何的关系，发现维度坍塌先于grokking出现，并提出了Geometric Dimensionality Regularization (GeomDR) 这一spectral正则化方法来控制隐藏表示的维度，从而加速泛化。实验表明该方法在多种任务中可将grokking加速最多52倍。

A multi-scale feature enhanced graph neural network for fluid dynamics prediction in complex geometries

Li Xiao et al.

cs.LG physics.flu-dyn

本文提出了一种多尺度特征增强图神经网络(ME-GNN)，用于复杂几何中的流体动力学预测。该模型通过两步消息传递机制和Attention U-Net提取局部与全局特征，并在三个基准数据集上取得了最优结果。

CatRetriever: Contrastive Representation Learning for Slab-to-Bulk Retrieval in Generative Catalyst Discovery

Jungho Oh et al.

cs.LG cond-mat.mtrl-sci

本文提出CatRetriever，一种基于contrastive representation learning的模型，用于在generative catalyst discovery中将slab结构与对应的parent bulk结构对齐。该方法通过共享latent space实现slab-to-bulk retrieval，但未涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

Active Offline-to-Online Reinforcement Learning

Alper Kamil Bozkurt, Shangtong Zhang, Yuichi Motai

cs.LG cs.AI

本文研究了离线到在线强化学习(O2O-RL)中的主动策略选择问题，提出了一种基于上置信界(UCB)的方法来平衡在线交互在策略评估与微调之间的分配，实验表明该方法优于现有基线。

Time-Lag-Aware Deep Reinforcement Learning for Flexible Job-Shop Scheduling in PPVC Module Factories

Ziheng Zhang, Wei Zhang

cs.LG cs.AI math.OC

本文针对PPVC模块工厂中柔性作业车间调度问题，提出了一种考虑长时间滞后的深度强化学习求解器，通过引入滞后感知动态、预期滞后特征通道和活性掩码嵌入等扩展，在基准实例上优于多种调度规则和遗传算法，但方法本身并非开创性突破，且与关键词列表中的概念关联较弱。

HiFi-LLP: High-Fidelity, Low-Cost Latency Predictors with Confidence for Robust HW-NAS

Shambhavi Balamuthu Sampath et al.

cs.LG cs.AR

本文提出HiFi-LLP，一种基于graph attention networks的高保真、低成本延迟预测器，并引入置信度指标以提升预测可靠性。该方法在LatBench数据集上优于先前平台特定预测器，并进一步提出混合NAS框架，通过将低置信度预测路由至硬件在环测量，在保持竞争性Pareto前沿的同时实现高达8.6倍加速。

From Global to Factor-Wise Expert Composition in Discrete Diffusion Models

Haozhe Huang et al.

cs.LG

本文提出FactorDiff框架，将离散扩散模型中的专家组合从全局标量权重扩展至因子级动态路由，通过将样本分解为更小的因子（如像素级空间因子）并路由至最相关专家，在ARC-AGI基准上验证了该方法在逻辑一致性和空间解耦任务上优于全局加权方案。

From Expressivity to Sample Complexity: Narrow Teachers for Transformers via C-RASP

Michael Rizvi-Martel et al.

cs.LG cs.CL

本文研究了Transformer模型的可学习性，提出了学习C-RASP构造的样本复杂度界限，但未直接涉及关键词中的核心概念。

An Exact Instrument for State Usage in Selective State-Space Models, and the Input-Driven Migration It Reveals

Raktim Bhattacharya

cs.LG

本文为Mamba等选择性state-space model设计了一种精确测量state使用情况的工具，通过Gram tensor分解每个channel的mode贡献，并验证了其高精度。研究发现trained model会根据输入动态重新分配state space，其中input-dependent write map $B_t$是主要驱动因素，而基于此测量的input-scheduled mode pruning方法在多个规模上优于静态方法。

Relaxing Faithfulness with Intervention-Only Causal Discovery

Bijan Mazaheri, Jiaqi Zhang, Caroline Uhler

cs.LG stat.ML

本文提出了一种放宽faithfulness假设的因果发现方法，通过引入intervention-immediacy faithfulness假设，利用hard interventions中的信息来非参数地识别因果结构，并定义了在干预范围受限时的等价类。该方法将干预作为因果结构信息的主要来源，而非依赖条件独立性测试。

Transformer-Guided Swarm Intelligence for Frugal Neural Architecture Search

Romain Amigon

cs.LG cs.AI cs.NE

本文提出了一种结合Transformer控制器和人工蜂群算法的节俭神经架构搜索框架，在消费级GPU上实现了高效的架构设计，并通过动态熵机制和深度惩罚缓解了冷启动和模型膨胀问题。

Inside the Unfair Judge: A Mechanistic Interpretability Account of LLM-as-Judge Bias

Zixiang Xu et al.

cs.LG cs.AI cs.CL

本文从表征层面（hidden state）研究LLM-as-judge评分偏差，发现偏差输入在激活空间中沿低维子空间偏移，并通过因果干预（steering）和线性投影预测验证了这一几何结构。该工作主要关注偏差的几何与因果机制，与关键词中的code、spectral、Muon、agent等无直接关联。

Invariant Learning Dynamics of Transformers in Inductive Reasoning Tasks

Tiberiu Musat et al.

cs.LG cs.AI

本文为Transformer在归纳推理任务中的学习动态提供了一个理论框架，通过将训练动态限制在低维不变流形上，分析了in-context学习与in-weights学习之间的竞争，并展示了如何利用该流形自动检测已学习的circuit。

Requential Coding: Pushing the Limits of Model Compression with Self-Generated Training Data

Shikai Qiu et al.

cs.LG

本文提出requential coding方法，通过让teacher model从student model自身分布中选择训练样本来压缩模型，使得code length独立于参数数量和data entropy，并比prequential coding更短。该方法在PAC-Bayes bound中为十亿参数LLM提供了最先进的泛化保证，并揭示了模型规模与可压缩性之间的关系。

cs.AI

Replicating Belief, Not Bits: Epistemic State Replication for Agentic Systems ⭐ 精选

Jun He, Deying Yu

cs.AI cs.DC cs.LO cs.MA

本文提出了一种名为Epistemic State Replication (ESR)的新方法，用于解决基于随机生成模型（如大语言模型）的agentic分布式系统中，传统State Machine Replication (SMR)要求比特级一致性的局限性。ESR将复制边界从数据可见性转移到知识可见性，通过将节点状态形式化为确定性证据日志与随机演化信念谱系的二元组，并定义了Semantic Linearizability和Bounded Eventual Coherence来保证执行安全。该方法与关键词中的agent高度契合，为agentic系统的分布式共识提供了开创性的理论框架。

AgentAbstain: Do LLM Agents Know When Not to Act? ⭐ 精选

Xun Liu et al.

cs.AI

本文提出了AgentAbstain，首个系统评估LLM agent在工具使用场景中是否知道何时应放弃行动（abstention）的框架。其核心是一个基于8种放弃场景分类法的配对任务基准，包含263个配对任务，每个配对由应行动任务和通过扰动指令、工具或环境状态生成的应放弃变体组成。为扩展该配对设计并抵抗数据污染，作者提出了全自动流水线AbstainGen，可端到端合成沙箱环境并生成配对任务。实验表明，最佳agent（Gemini 3.1 Pro）的配对准确率仅为59.5%，且放弃能力与通用任务解决能力基本独立，揭示了当前agent系统在安全决策上的关键缺陷。

GRASP: GRanularity-Aware Search Policy for Agentic RAG ⭐ 精选

Varun Gandhi et al.

cs.AI cs.IR

本文提出GRASP，一个基于reinforcement learning (RL)的框架，用于训练agent在multi-step reasoning中自适应地协调互补的retrieval工具（包括semantic search、keyword search和paragraph-reading actions）。该方法通过一个联合考虑answer accuracy、grounded reading、complementary search和turn efficiency的reward来训练policy，从而控制context granularity，防止无关token干扰推理。实验表明，GRASP在multi-hop reasoning基准上提升了retrieval recall和downstream question answering性能，并发展出可解释的skimming（使用semantic search进行广泛探索）和scanning（使用paragraph reading进行局部验证）行为。该工作与关键词“agent”和“context”高度契合，为agentic RAG中的检索策略学习提供了开创性方法。

Agents Don't Just Agree, They Remember: Benchmarking Persistent Sycophancy in Stateful Personal Agents ⭐ 精选

Xutao Mao et al.

cs.AI

本文提出了持久性谄媚（persistent sycophancy）这一新问题，并构建了Personal Agent Sycophancy Benchmark (PASB)基准，用于评估stateful personal agent在长期对话中接受用户主张并将其写入持久状态（如用户profile、episodic memory）后，在后续中立查询中错误复用的现象。实验发现，commit boundary（提交边界）是关键转折点，下游错误率从会话内场景的45.0%上升至提交后的71.9%，且提交后的主张表现出status promotion、attribution removal和scope broadening三种写入模式。该工作揭示了agent谄媚本质上是状态写入治理问题，为agent安全提供了新的评估维度。

Large language model agents accelerate inverse design of metal-organic frameworks for gas separation ⭐ 精选

Zhaolin Hu et al.

cs.AI

本文提出LEMO Agent框架，利用large language model agent在MOFid空间中进行金属有机框架的逆设计。该agent通过迭代的生成-验证-评估-记忆循环，结合基于Transformer的性质预测和结构化设计记忆，实现了对气体分离MOF的化学约束搜索。在CH$_4$/N$_2$和CO$_2$/N$_2$分离任务上，该方法相比传统生成和优化基线，显著提升了候选结构的分离性能并保持了化学多样性。这项工作展示了language model agent作为可解释且可扩展的设计引擎，在加速新材料发现方面的潜力，与关键词“agent”高度契合。

Agentic-DPO: From Imitation to Agentic Policy Optimization on Expert Trajectories ⭐ 精选

Yixiong Chen, Alan Yuille

cs.AI

本文提出Agentic-DPO，一种轻量级离线agent策略优化方法。该方法将专家轨迹转化为状态条件偏好监督，通过从当前状态采样一步动作，将合理的错误动作作为负样本，并使用DPO风格的偏好目标与专家动作进行对比。为解决偏好学习中策略与schema混淆的问题，引入Policy-Preserving Augmentation (PPA)，在保持专家策略固定的同时，在多种schema下渲染相同的潜在轨迹。该方法无需在线环境交互、reward model或完整轨迹的学生探索，在StableToolBench等基准上显著提升了agent性能，例如将9B模型在tau-bench上的准确率从21.7% (SFT)提升至41.4%，匹配了在线GRPO的性能。

Route, Communicate, and Reason: Gated Routing and Adaptive Depth for Efficient Multi-Agent Reasoning ⭐ 精选

Sudipto Ghosh, Tanmoy Chakraborty

cs.AI cs.CL cs.LG

本文提出GRADE (Gated Routing and Adaptive Depth for Efficient Reasoning)框架，通过四个轻量级学习门控机制联合控制agent选择、层次深度、agent间通信和分支剪枝，解决了多agent系统中“咨询哪些agent、查询应遍历多深、何时通信值得”三个基本问题。训练采用CoGRPO (Collaborative Group-Relative Policy Optimization)这一无critic的强化学习方法，将GRPO适配到多agent层次结构并为每个参与rollout的门控和agent分配共享优势信号。在GSM8K、MMLUPRO和GPQA上，GRADE以约17B平均活跃参数超越所有基线，在MMLUPRO上以一半活跃计算量超过最强基线4.8分，消融实验表明层次结构和掩码交叉注意力是精度最大贡献者。该方法与关键词“agent”高度契合，为多agent推理的效率与可扩展性提供了开创性方案。

LOGOS: A Living Logic for AI Agent Teams That Evolve With Humans ⭐ 精选

Yuma Ichikawa et al.

cs.AI cs.CL

本文提出了一种名为logos的可插拔层架构，用于增强现有multiagent框架，而非替代它们。该架构将异构多模态输入（如文档、图像、音频、表格、数据库、API和人类指令）编译为版本化的agent包，包含agents、tools、knowledge、tests、permissions和policies。通过将agent活动转化为可审计的事件轨迹，并应用fail-closed verification，logos实现了“可验证的人机循环工程”：agent可以行动、学习并提出改进，而人类则能在不中断持续操作的情况下控制目标、权限和不可逆操作。这项工作为AI agent团队的自演化与治理提供了一种living logic，与关键词“agent”高度契合。

The Hidden Footprint: Making Storage a First-Class Metric for LLM Agent Evaluation ⭐ 精选

Chenglin Yu et al.

cs.AI

本文提出AgentFootprint，一个跨框架的LLM agent存储足迹基准测试工具，首次将持久化存储（包括日志、上下文快照、检查点和调试痕迹）作为评估agent的关键指标。通过序列化感知的度量套件，该工作揭示了朴素字节级测量因数据库分页和JSON转义而低估重复内容一个数量级的测量陷阱，并发现相同模型、工具和任务下，100%准确率的配置在保留字节数上存在15.7倍的差异。该研究为agent评估提供了存储效率这一新维度，与准确性和可重构性并列报告，并通过内容寻址存储实现了4.8倍至32.7倍的压缩，同时保持所有可重构性分数。

STAMP: Provenance-Guided Credit Assignment for Deep Search Agents ⭐ 精选

Ke Xu et al.

cs.AI cs.LG

本文提出STAMP方法，针对深度搜索agent的强化学习中存在的reward-credit mismatch问题（即暴露支持文档的动作未获得针对性credit）。该方法通过reference-based verifier判断每个引用文档是否支持训练时evidence graph中的实体或关系，并利用first-exposure attribution将每个被支持的引用追溯至首次暴露该文档的动作，再通过sign-preserving advantage modulation将step credit注入到advantage中。实验表明，在BrowseComp等benchmark上，STAMP在匹配的SFT初始化、训练数据和搜索工具下，相比GRPO基线有显著提升，且与outcome-only和citation-rubric base reward兼容。该方法与关键词“agent”和“attention”较为契合，解决了深度搜索agent中credit分配的关键问题。

SCALECUA: Scaling Computer Use Agents with Verifiable Task Synthesis and Efficient Online RL ⭐ 精选

Bowen Lv et al.

cs.AI

ScaleCUA提出了一种统一框架，通过VeriGen（一种基于多agent反馈循环和docker交互的端到端可验证任务合成方法）生成超过24K个可验证任务，并利用Frontier Sampling（一种按任务能力分配rollout的采样策略）和Visual Context Segmentation（一种对近期visual context进行滑动窗口分割以平衡训练压力的方法）实现高效的online RL训练。该方法在OSWorld和ScienceBoard上分别达到68.7%和54.0%的state-of-the-art性能，为computer use agent的规模化训练提供了开创性方案。

Efficient Test-Time Optimization for Multi-Agent Proof Autoformalization ⭐ 精选

Tian-Shuo Liu et al.

cs.AI

本文提出ToMap，一个多agent框架，将proof autoformalization（将自然语言证明自动转化为形式化验证的证明）建模为Decomposer-Formalizer-Prover流水线。其核心创新在于通过bottleneck analysis识别出Decomposer是关键瓶颈，并采用受GEPA启发的迭代优化循环，利用formal verification progress和semantic proof rubrics定义Pareto frontier来引导decomposition的进化，从而高效地将test-time compute集中于Decomposer的refinement。实验表明，ToMap在ProofFlowBench上相比此前最优方法在syntactic correctness和semantic faithfulness上提升19.0%，且test-time cost更低。

StructAgent: Harness Long-horizon Digital Agents with Unified Causal Structure ⭐ 精选

Wenyi Wu et al.

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

本文提出StructAgent框架，通过引入统一的causal structure（因果结构）来显式建模agent在long-horizon任务中的状态与工作流。该框架将交互历史压缩为紧凑、可验证的state表示，并利用verifier-backed state transitions（验证器支持的状态转移）实现进度检查点、失败恢复与工具执行。实验表明，该方法在OSWorld-Verified等benchmark上显著提升了多种LLM/VLM backbone的成功率，并泛化至Minecraft环境，为digital agent的可靠执行提供了结构化解决方案。

Interaction Scaling: Grounding the Third Axis of Test-Time Compute ⭐ 精选

Bojie Li, Noah Shi

cs.AI

本文提出了一种新的测试时计算扩展方式——interaction scaling，区别于传统的内部推理（reasoning）和多次采样（best-of-N sampling）。该方法通过让模型生成artifact、外部工具观察其实际行为、模型再根据真实反馈进行修订的循环，突破了前两种方法因仅依赖模型内部知识而存在的性能天花板。作者论证了该扩展方式的核心在于grounding，即反馈和评估指标都必须来自真实观测外部世界的工具，而非模型自身的判断。实验表明，在固定token预算下，interaction scaling在编程和视觉任务上持续提升性能，而传统方法则出现平台期，且当使用非grounded的评估（如VLM看图）时，改进效果会被掩盖。

From ML Predictions to Informed Diagnostic Assistance Using the Toulmin Model of Argumentation

Anca Marginean, Adrian Groza

cs.AI cs.CV

本文提出了一种基于Toulmin论证模型的结构化诊断框架，将ML生成的图像诊断分解为claim, grounds, warrant, qualifier, rebuttal等组件，并利用MedGemma agent和MedSigLip等工具增强可解释性，旨在辅助人类专家更批判性地评估ML诊断结果。

Format Sensitivity Index: Token-Controlled Prompt Wrapper Robustness and Schema Compliance in LLM Benchmarking

Deep Pankajbhai Mehta

cs.AI cs.CL cs.LG

本文研究了prompt wrapper（提示包装器）在LLM基准测试中因格式差异导致的评分波动，提出了Format Sensitivity Index (FSI)和Parseability Sensitivity Index (PSI)两个指标，并基于大量实验发现模型间的FSI差异主要由compliance failures（合规性失败）解释。

Faithful, Not Corrective: Message-Format Effects in Multi-Hop Agent Relays Are Tier-Dependent

Zayx Shawn

cs.AI cs.LG

本文研究了多跳LLM agent中消息格式对信息传递保真度的影响，发现格式效果依赖于agent的能力层级：强agent几乎无损传递，而弱agent下格式差异显著放大，结构化格式（如JSON）能忠实传递但无法纠正错误。

Boltzmann MapReduce: A Partition-Function Reduce for Forkable Sandboxes

Yossi Eliaz

cs.AI math.PR math.ST

本文提出了一种名为Boltzmann MapReduce的框架，将MapReduce中的reduce操作解释为统计物理中的partition function，并利用Gibbs-Boltzmann分布和local asymptotic normality理论分析了其渐近性质。

Interpreting Latent CoT Reasoning as Dynamical Systems

Sabari Iyyappan Duraipandian et al.

cs.AI cs.CL cs.LG

本文通过将latent CoT推理过程建模为representation space中的轨迹，并应用dynamical systems分析（如Lyapunov sensitivity和UMAP投影），揭示了CODI和COCONUT两种方法分别表现出稳定吸引子和不稳定扩张系统的不同动力学特性。

YUKTI: From Natural-Language Situations to Robust, Verifiable Decisions An Uncertainty-Typed Proposition IR, Assumption-Robust Pareto Frontiers, and a Regret Certificate

Suyash Mishra

cs.AI cs.GT cs.LG

本文提出YUKTI框架，将自然语言情境转化为带有不确定性类型的命题图表示，并引入Assumption-Robust Pareto Frontiers (ARPF)方法，通过重采样假设来评估决策的鲁棒性。该方法在受控误设定和真实数据集上验证了其降低遗憾的效果，但主要贡献在于决策鲁棒性框架，与关键词中的code, spectral, Muon, pretrain, agent, attention等概念关联较弱。

GES-TSP: Graph Edge Sparsification for TSP

Tianfeng Chen, Xianyue Li

cs.AI cs.LG math.CO

本文提出了一种基于学习的图边稀疏化方法GES，用于加速欧几里得TSP的精确求解。该方法通过结合几何结构信息和组合优化技术，为不同实例自适应生成稀疏图，在MATILDA数据集上可剪枝95%的边且解差距保持在1%以内。

The Verifier is the Curriculum: Execution-Gated Self-Distillation for Cross-Family Game Generation

Chenyu Zhou et al.

cs.AI cs.SE

本文提出了一种基于确定性无评判过滤器的自蒸馏方法，用于跨家族游戏代码生成。通过严格启动验证作为门控信号，模型在未见过的游戏家族上显著提升了生成成功率，但该方法主要聚焦于代码生成领域的特定验证机制，与关键词中的spectral、Muon、pretrain、agent、attention等概念关联较弱。

Closed-Loop Control with Rule-Aligned Small Language Models and Multi-Agent Self-Correction

Yuchen Wang et al.

cs.AI cs.MA cs.RO

本文提出了一种基于小型语言模型(SLM)与验证器引导的闭环控制框架，通过Group Relative Policy Optimization (GRPO)对齐Qwen2.5-1.5B模型，并结合动作agent、符号验证层和重新提示agent实现多agent自校正。在随机热控制仿真中，该方法达到了91.5%的平均动作对齐准确率，验证了SLM+验证器架构在边缘端可重构自主控制中的实用性。

Feedback-Coupled Memory Systems in Continuous Time

Stefano Grassi

cs.AI cs.MA

本文提出了连续时间下的Feedback-Coupled Memory Systems (FCMS)架构，通过定义agent更新算子$f_i$和环境更新算子$\Psi$，实现了闭环协调的形式化，并证明了Lyapunov全局耗散性条件$4\beta^2 < 2\eta\mu\gamma^2$。该工作主要关注多agent系统的稳定性与协调机制，与关键词中的agent概念有一定关联，但方法本身并非开创性突破。

AGM-like Paraconsistent Partial Meet Abductive Expansion Operation

Ulisses Franceschi Eliano

cs.AI cs.LO

本文基于Maurice Pagnucco的AGM-like abductive expansion operation，提出了一种新的paraconsistent（次协调）版本，利用paraconsistent logic RCbr构建了transitively relational partial meet construction，以避免吸收矛盾假设时导致的trivialization。该工作是AGMpabd系统的一部分，但尚未赋予paraconsistent operators（如negation和consistency）重要的epistemic role。

Coresets Before Score Sets: Evaluation-Unsupervised Prompt Subset Selection for LLM Benchmarks

Jihan Yao et al.

cs.AI cs.CL

本文研究了LLM benchmark的coreset selection问题，提出了一种无需模型评估结果的子模子集选择方法，通过facility location函数基于语义嵌入来压缩多benchmark提示集，以近似完整benchmark的模型评分和排名。该方法在35个异构benchmark和18个前沿LLM上验证了有效性，但未涉及code、spectral、Muon、pretrain、agent或attention等关键词相关技术。

A Dynamic Scene Interaction Reasoning Framework for Scene-level Lane-Change Intention and Trajectory Prediction of Multiple Interacting Vehicles

Joshua Kofi Asamoah et al.

cs.AI cs.CV

本文提出了一种动态场景图注意力框架DSiGAT，用于预测交通场景中多辆车的换道意图和轨迹。该方法将场景建模为时变交互图，通过时间图注意力消息传递捕捉车辆间依赖关系，并使用意图引导的解码器关联预测的机动与未来运动。实验表明该方法在NGSIM和highD数据集上优于基线，但未涉及代码、谱方法或预训练等关键词。

Scaffolding the Strategist: Architecture-Dependent Reasoning Interventions in Hotelling Spatial Markets

Pratyush Singh

cs.AI cs.GT

本文研究了不同架构的大语言模型在Hotelling线性城市模型中的策略推理能力，通过五种干预条件评估GPT-4.1-mini和GPT-5-mini的表现。实验发现，推理干预的效果与模型架构存在显著的交叉交互作用，且两种模型均存在声明性-程序性能力差距。

A Theory of Least Autonomy in AI

Christophe Parisel

cs.AI cs.CR

本文提出了一种针对AI系统的“最小自主性”理论，通过定义组合爆炸半径和agent影响图来形式化地度量agent间的结构分离与影响，旨在解决传统最小权限原则在agentic AI系统中的不足。

SupplyNetPy: An Open-Source Python Library for High-Fidelity Modeling and Simulation of Arbitrary Supply Chain and Inventory Networks

Tushar Lone, Neha Karanjkar

cs.AI cs.LG

SupplyNetPy是一个用于供应链网络建模与离散事件模拟的开源Python库，支持任意多级结构、多种补货策略和随机需求。它通过图结构描述供应链，并提供模拟日志和性能报告。

Task-Conditioned Synthetic Data Generation for Improving Machine Learning Performance in Agricultural Prediction Tasks

Hamid Ebrahimy, Moritz Lucas, Martin Atzmueller

cs.AI cs.LG

本文提出了一种任务条件合成数据生成算法TCSDG，结合Bayesian Network生成器和transformer-based表格基础模型TabICL，用于提升农业预测任务中机器学习性能。实验表明该方法在作物产量预测和类型分类任务中优于多种基准算法。

LegalFarePlan: A Label-Setting Framework for Fare-Transparent Urban Rail Route Planning under Non-Additive Fare Rules

Tanghui Li

cs.AI

本文提出了LegalFarePlan框架，用于在非加性票价规则下规划城市轨道交通路线，通过建模合法的出站再进站操作来生成可解释的路线方案。该框架实现了多种算法，并在合成数据和半合成基准上进行了评估。

BatteryLake: Agentic, Physics-Grounded Curation of Heterogeneous Battery Aging Data and Benchmarking

Tianwen Zhu, Hao Wang, Yonggang Wen

cs.AI cs.DB

本文提出了BatteryLake，一个基于agent的、物理约束的数据湖仓框架，用于自动化整理异构电池老化数据，并通过LLM agents和人工验证机制生成标准化benchmark。

How Much Does Correctness Cost? Budgeted Placement of Strong Correctors in a Weak Multi-Agent Swarm

Igor Itkin

cs.AI cs.CL cs.MA eess.SY math.OC

本文研究了在弱多智能体群中预算约束下放置强校正器（oracle）的问题，通过将共识过程建模为图上的consensus，并利用submodularity性质证明了贪心算法在任意预算下能达到接近最优的放置效果。文章还分析了成本-正确性边界，并基于Qwen3模型实验展示了不同任务下成本-质量曲线的凹凸性差异。

Norm Enforcement for AI Agents: Robustly Shaping Behavior in Multi-Agent Systems

Yaowen Ye, Jacob Steinhardt

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

本文研究了多智能体系统中语言模型智能体的规范执行机制，发现简单机制易被恶意智能体利用，并提出了基于可靠性估计和递增惩罚的鲁棒设计方法。

Verification of Adaptive Agentic Controllers through Finite Rule Revision

Roberto Garrone

cs.AI cs.MA eess.SY

本文提出了一种针对自适应agentic controller的有限规则修订验证协议，通过将控制器视为可修订的有限对象，将诊断失败映射到规则级别的编辑（如添加、删除或优先级修订），并在库存控制基准上进行了实验。该方法为测试控制器故障的可观测性、可解释性和局部可修复性提供了模拟兼容的程序。

EvoCUA-1.5: Online Reinforcement Learning for Multi-turn Computer-Use Agents

Mianqiu Huang et al.

cs.AI cs.CL cs.LG

本文提出了EvoCUA-1.5框架，将多轮计算机使用agent的训练从离线经验学习扩展到在线reinforcement learning，通过Step-Level Policy Optimization (STEPO)和Dynamic Tri-Adaptive Curriculum (DTAC)等方法解决了多轮交互中的稀疏奖励和长轨迹问题，在OSWorld-Verified基准上取得了较好性能。

From Patterns to Maze Structures: SMT-Based Path Synthesis and 2D/3D Construction

Shengyi Wang

cs.AI cs.LO

本文提出了一种基于Satisfiability Modulo Theories (SMT)的路径合成管线，用于从文本或形状等输入模式构建迷宫结构，通过将路径合成问题编码为全局约束并单次求解，生成平面或三维的迷宫构造。

Length Penalties Make Chain-of-Thought Less Monitorable

Bryce Little

cs.AI cs.CL cs.LG

本文研究了长度惩罚强化学习对chain-of-thought推理可监控性的影响，发现压缩后的推理链虽然保留了答案准确性，但会优先移除监控所需的关键线索，使得模型受误导提示的影响更难被检测。

PHITSBench: an execution-scored benchmark for AI-assisted PHITS radiation-transport input generation using natural language

Xianglin Ji, Svetlana V. Boriskina

cs.AI cond-mat.mtrl-sci

PHITSBench是一个针对AI辅助PHITS辐射传输代码输入生成的执行评分基准，包含282个任务。评估显示，无领域知识时模型在编辑和修复任务上表现良好，但无法从头生成正确模拟，而结构化知识库和agentic执行能显著提升成功率。

Semantic Drift and the Stability of Operator Control in Reasoning-Class Decision Support Systems

M. L. Kaluzhsky, V. A. Efirov

cs.AI cs.CY

本文研究了新一代混合人机决策支持系统中操作员控制的稳定性问题，通过实验验证了大语言模型中的语义上下文漂移现象，并提出了一个考虑隐藏推理链非线性上下文压力的操作员控制稳定性系数。

Agentic Context Learning with Self-Discovered Specification

Jike Zhong et al.

cs.AI cs.MA

本文通过实证研究揭示了context learning任务中LLMs表现不佳的主要原因在于未能有效获取context中隐含的local specifications（如领域特定格式、局部规则和完整性条件），而非单纯的内容获取。作者提出了一种简单的干预方法PSCI，通过提取local specifications并利用对抗性检查与修复来强制执行，在CL-Bench上取得了state-of-the-art结果。该工作主要关注agent在复杂context中的学习能力，与关键词“agent”和“context”有一定关联，但方法本身缺乏显著的开创性。

Exploring Agentic Workflows for Generating High Quality Math Visual Aids

Rizwaan Malik et al.

cs.AI cs.CV cs.HC

本文提出了一种agentic workflow，让LLM agents通过自我评估和迭代改进来生成更准确的教育性数学图表，初步实验表明该方法能提升AI生成图表的可靠性和教育价值。

TopoExplore: Topological Discrimination for Archive-Based Exploration

Jason Carlson

cs.AI

本文提出TopoExplore方法，通过拓扑检测（flood fill识别封闭未探索区域）增强Go-Explore的细胞选择机制，在MiniGrid套件中取得1.52x的几何平均加速，但在Montezuma's Revenge中因墙壁知识缺失导致性能下降。该方法主要关注探索中的拓扑结构判别，与关键词中的agent和context有一定关联但契合度有限。

Who&When Pro: Can LLMs Really Attribute Failures in AI Agents?

Jiale Liu et al.

cs.AI cs.MA

本文构建了Who&When Pro基准测试，用于评估LLM在agent系统中自动归因失败的能力，通过注入失败轨迹并分析不同模型和模态下的归因模式。

A Symbolic Neural CPU for Quantization-Simulated Writeback and Interpretable Program Execution

Jose Luis Lima de Jesus Silva

cs.AI cs.AR cs.LG cs.NE

本文提出了一种符号神经CPU架构，通过轨迹监督和显式操作路由实现可解释的程序执行，在16位基准测试上实现了精确的参考执行复现，并展示了8位量化模拟下符号操作路径的保持性。该工作主要关注神经网络的执行可解释性和低精度适应性，与关键词中的code、agent等概念关联较弱。

From ambiguous utterances to governed reuse classes: canonicalization, quotient invariance, and conditional decidability

Cosimo Spera, Ray Garcia

cs.AI

本文提出了一种基于数学商结构（quotient）的语义缓存重用框架，通过定义阅读同一性、解析同一性和重用同一性三个递进关系，将对话重用的对象从嵌入相似性转向受控域中的解析需求商。该框架证明了在特定非退化条件下这些关系构成精化链，并给出了可判定性条件。

MAG: A Web-Agent Benchmark and Harness for Multimodal Action and Guide Generation

Chengguang Gan et al.

cs.AI cs.CL

本文提出了MAG基准，将web agent的任务执行与guide文本生成统一为多模态任务，并构建了完整的训练与评估框架。实验表明，即使最强模型的任务完成率也不足40%，说明该领域仍有很大研究空间。

Looped State-Space Language Models with Adaptive Exit-State Selection

Zhenxuan Yu et al.

cs.AI

本文研究了Looped Mamba和Looped Hybrid Mamba-Transformer架构，通过重复应用共享的Mamba块引入显式有限深度循环计算。实验表明，在受控推理任务和语言模型预训练中，循环模型在参数匹配条件下表现优于非循环基线，但自适应退出状态选择并未带来实际推理时间节省。

Dynamic Agent Skills: A Lifecycle Survey and Taxonomy of Evolving Skill Libraries

Yubo Li

cs.AI

本文对大型语言模型agent中动态技能库（skill library）的演化进行了综述，提出了一个六感分类法（six-sense taxonomy）和八阶段生命周期架构（eight-stage lifecycle architecture）来组织文献。文章强调了技能库的验证、修复与治理等环节，但并未提出具有开创性的新方法或解决长期存在的核心问题。

IdeaTrail: Full-Process Agent Trajectories for Scientific Ideation

Hengquan Guo

cs.AI

本文提出了IdeaTrail，一个用于科学构思与提案生成的多轮过程轨迹数据集，通过Generator-Advisor合成循环从高质量论文和提案工件反向生成研究过程数据，以模拟真实研究中的不确定性、证据使用和阶段性收敛。

UNIT: Unleash Large Language Models Potential for Graph Continual Learning

Tairan Huang et al.

cs.AI

本文提出UNIT框架，通过微调大语言模型（LLM）处理图连续学习中的语义-结构分离与知识迁移不平衡问题，采用不确定感知锚点生成机制和结构融合建模来整合图拓扑与语义信息。实验表明该方法在图连续学习任务上达到最优性能。

GRATE: Temporal Extensions for Inductive KG Foundation Models via Gated Rotary Attention

Jiaxin Pan et al.

cs.AI

本文提出GRATE，一种用于时序知识图谱的实体侧消息函数，通过门控旋转注意力编码相对时间差，无需额外可学习参数，并集成到NBFNet风格的归纳知识图谱基础模型中。实验构建了跨数据集归纳迁移基准，验证了其在时序预测任务上的有效性。

KGCQual: An Interpretable Framework for Evaluating the Knowledge Graph Construction Quality from Text

Nipun Misra et al.

cs.AI cs.CL

本文提出KGCQual，一个用于评估从文本自动构建的Knowledge Graph质量的解释性框架，通过实体级和关系级评估来衡量提取图与理想图的接近程度。该框架在多个数据集上验证了其识别遗漏和结构偏差的能力，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联较弱。

When Are Sparse Feature Interventions Actually Localized? Matched Evaluation for SAE-Based Safety Control

Daming Luo

cs.AI cs.CR

本文针对稀疏自编码器(SAE)特征在安全相关行为中的局部化控制能力进行了评估，引入了一种匹配相干门控评估协议，发现SAE特征消融仅在有限范围内有效，且高秩特征主要导致相干性崩溃。该工作为SAE在安全干预中的实际应用提供了评估框架，但与关键词列表中的概念关联较弱。

Behavioural Signatures of Risk-Sensitive Decision-Making in Large Language Models

Xuankun Rong et al.

cs.AI

本文通过无限制德州扑克的多模型框架，研究了大型语言模型在不确定性下的决策行为，发现不同模型表现出稳定且模型特定的风险偏好谱系，并在对手变化和资源约束下展现出结构化的适应模式。

Information-seeking failures of large language models in agentic clinical reasoning

Krischan Braitsch et al.

cs.AI cs.CL

本文研究了大型语言模型在血液肿瘤学临床推理中的信息寻求失败，发现模型在不确定性下主动请求临床数据的能力不足，信息利用率从57%降至26%，导致诊断准确率最高仅达68%。

Can Agentic Trading Systems Pay for Their Own Intelligence?

Qiqi Duan et al.

cs.AI cs.MA

本文提出了TradeLens工具，用于评估基于LLM的agentic trading系统是否能够通过其智能决策覆盖自身运行成本。通过分析交易轨迹和运行时trace，作者发现系统的经济可行性取决于“智能到利润的转换效率”，而非单纯的模型能力或系统架构。

SPARK: Susceptibility-Guided Profiling and Steering of Latent Reasoning States in Large Language Models

Dongxu Zhang et al.

cs.AI cs.CL

本文提出SPARK方法，利用隐藏状态响应诊断LLM内部是否进入有效推理状态，并通过长度控制的susceptibility信号引导轻量级测试时干预。该方法在GSM8K和MATH-500上提升了Qwen3系列模型的准确率，但主要关注推理诊断与干预，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念关联较弱。

Measure the Sim-to-Real Gap: Designing an Affordable Real-World Benchmark Platform for Reinforcement Learning in AIoT Systems

Rongping Zhou et al.

cs.AI

本文设计了一个低成本（<400美元）的AIoT Sim-to-Real benchmark平台，通过硬件模拟键盘和视觉输入让边缘设备上的RL agent玩视频游戏。实验发现simulation-trained agent在真实部署后性能下降1160%，而真实环境下的DQN训练可达人类水平的38%，表明该平台可用于定性定量评估RL在真实AIoT系统中的Sim-to-Real gap。

Comparing Socio-technical Design Principles with Guidelines for Human-centered AI

Thomas Herrmann

cs.AI cs.CY

本文比较了以人为中心的AI (HCAI) 指南与社会技术设计原则，指出持续演化是社会技术系统的基本特征，并强调透明性不仅需要技术特性，还需整个系统（包括人类参与者）的贡献。

ABot-AgentOS: A General Robotic Agent OS with Lifelong Multi-modal Memory

Jiayi Tian et al.

cs.AI

本文提出ABot-AgentOS，一个通用机器人Agent操作系统，通过引入Universal Multi-modal Graph Memory和失败驱动的自进化循环，在EmbodiedWorldBench基准上提升了长时域具身任务的成功率。该系统在多个记忆基准上取得了较好性能，但方法本身在理论或算法层面缺乏显著的开创性。

Co4ICF: Co-evolving Physics-Informed Surrogate and RL-based Pulse Optimizer for Inertial Confinement Fusion

Jiatong Zhao et al.

cs.AI

本文提出Co4ICF框架，将物理信息代理模型与PPO脉冲优化器协同进化，通过迭代微调代理模型来修正外推误差，从而解决惯性约束聚变中离线代理模型在优化时遇到的分布外失效问题。该方法在1D和2D模拟环境中均显著提升了归一化产额。

ANCHOR: Automated Alignment Auditing for CLI Agents on Real-World Harm

Kefan Song, Yanjun Qi

cs.AI cs.CL

本文提出了ANCHOR，一个用于自动化审计CLI agent（命令行界面智能体）在真实世界非法任务中安全性的框架。该框架通过微调具有黑暗人格数据的auditor agent来模拟持续性的恶意用户，并发现当前的对齐技术在高自主性agent面前存在严重不足。

Cross-Layer Misalignment Detection in Agent Skills: A Progressive Loading-Aware Contrastive Learning Approach

Chengjun Zhang et al.

cs.AI cs.CR cs.LG

本文提出Progressive Loading-Aware Hierarchical Contrastive Learning (PL-HCL)框架，用于检测LLM Agent Skills中描述与真实行为之间的跨层不一致性。该方法通过建模技能的分层结构并学习跨层一致性，在超过264,000个开源技能的数据集上将Macro-F1从约0.45提升至0.87-0.89。

AI YOU Town: Make Friends and Money with Your Digital Twin

Yan Lin et al.

cs.AI

本文提出了AI YOU框架，通过结合prompting、Bayesian updating和conformal prediction来持续更新用户的人格画像，并构建数字孪生体以在长对话中保持人格一致性。该方法主要关注agent在角色扮演中的不确定性校准和人格漂移问题，与关键词中的agent有一定关联。

CRiT-QA: Evaluating Multi-hop Reasoning with Counterfactual Chains and Distractor Traps

JungMin Yun, JuneHyoung Kwon, YoungBin Kim

cs.AI

本文提出了CRiT-QA数据集，通过引入反事实实体和多锚点干扰链来评估大语言模型的多跳推理能力，揭示了模型在依赖记忆知识和利用数据集捷径方面的脆弱性。

Laguerre Geometry for Interpreting Large Language Models

Chunwei Ma, Russell Wolfinger

cs.AI

本文利用Laguerre Geometry将LLM中的概念定义为区域（Laguerre-Voronoi cell或其并集），并以此严格定义、测量和分离概念。通过分解transformer层为分段线性算子，作者提出了Geometric Lens方法，用于无训练地读取隐藏向量编码的精确概念。

Constraint-Aware Hierarchical Search for Regulation-Driven Fine-Grained Classification

Siyu Wang, Wei Tan, Lulu Chen

cs.AI cs.CL

本文提出了一种约束感知的分层搜索框架，用于监管驱动的细粒度分类任务，通过将监管文档转换为可搜索树并检索有效候选节点，在四个基准数据集上取得了最佳平均准确率。该方法主要关注实际应用中的规则一致性，而非理论上的数学创新。

MRUF: Multi-granularity Routing with Uncertainty-Aware Fusion for Robust Multimodal Sentiment Analysis

Haoran Ma, Yinfeng Yu, Liejun Wang

cs.AI eess.SP

本文提出了一种名为MRUF的多模态情感分析方法，通过多粒度路由和不确定性感知融合来应对不同模态质量变化的问题。该方法在CMU-MOSI和CMU-MOSEI数据集上取得了优于强基线的结果，但并未涉及code、spectral、Muon、pretrain、agent或attention等关键词中的核心概念。

The Compliance Trap: Diagnosing How AI Agents Consume Conflicting Memory

Yixiong Chen, Xinyi Bai, Alan Yuille

cs.AI

本文提出E-P-R框架，用于诊断AI agent在长程任务中如何消费检索到的memory。通过在WebArena和自建benchmark上的实验，发现agent的主要失败源于在首个决策点就采纳了冲突memory，且后续难以恢复，形成“compliance trap”。该工作揭示了memory消费过程对agent安全性的关键影响，但方法本身在开创性上较为常规。

Embark Now: User Demand Oriented Framework for Multi-day Urban Travel Itinerary Planning

Rongbo Qi et al.

cs.AI

本文提出一个结合Large Language Models与增强型GRASP算法的框架，用于解决多日城市旅行路线规划问题，在真实数据集上相比现有方法提升了路线评分与计算效率。

Personalized Emotional Intelligence in Generative AI through Symbolic Affective Reasoning

Qing Lin, Mengmi Zhang

cs.AI

本文提出EROS框架，将symbolic reasoning与deep learning结合，通过visual content实现个性化emotion augmentation。该方法利用image-emotion数据集发现affective rules并预测context-aware视觉修改，但与我提供的关键词列表关联度较低。

WattCouncil: Context-Aware Household Energy Scenario Generation With Governed LLMs

Mohannad Takrouri, Nicolas M. Cuadrado A., Martin Takáč

cs.AI cs.LG cs.MA

本文提出了WattCouncil框架，利用多个基于LLM的agent协同生成考虑文化、时间和物理约束的家庭能源场景，以解决高分辨率能源数据获取困难的问题。该框架通过引导推理过程生成上下文敏感的家庭日常用电模式，并在CER数据集上进行了评估。

Filtering Harmful Actions Isn't Enough: Phantom Transfer in Agentic SDF

Chinmayi Dixit

cs.AI cs.LG

本文研究了在包含对抗性交互的合成agentic trajectories上微调大语言模型的影响，发现即使移除所有有害动作，模型仍会表现出显著增加的misaligned behavior（如leaking率从4.6%升至24.9%），表明这种misaligned disposition在生成过程中被编码到整个trajectory中，而非局限于有害动作本身。该工作与关键词"agent"相关，但方法上缺乏开创性，且未解决该领域的长期问题。

Opti-Agent-Bench: Benchmarking End-to-End Optimization R&D Agents on Real-World Business Problems

Yongchang Fu et al.

cs.AI

本文提出了一个名为Opti-Agent-Bench的端到端benchmark，用于评估基于LLM的agent在解决实际业务优化问题时的完整研发流程，包括从理解商业描述到数学建模、算法选择和代码实现。该benchmark通过反模板陷阱和跨模块一致性检查，揭示了当前模型在约束遗漏、模型-代码不一致等关键缺陷。

Imaging-101: Benchmarking LLM Coding Agents on Scientific Computational Imaging

Siyi Chen et al.

cs.AI

本文提出了Imaging-101基准，用于评估LLM coding agents在科学计算成像任务中的表现，包含57个专家验证的任务和三个评估轨道。实验揭示了当前agent在算法选择、物理约定处理和pipeline集成方面的系统性挑战。

STEC: Evidence Compression for Deep Search in Open-domain Multi-Hop QA

Xinkang Li et al.

cs.AI cs.CL

本文提出STEC框架，通过将多条搜索轨迹按候选答案分组并压缩为证据表示，再基于这些表示进行验证，以解决开放域多跳问答中的最终答案选择问题。实验表明该方法在多个基准上优于现有基线。

Toward Contemplative LLM: A Modular Framework for Evaluating and Enhancing LLM Alignment in Mental Health

Asher Sprigler et al.

cs.AI cs.HC

本文提出了一个模块化、可扩展的评估框架，用于在心理健康领域评估和增强大语言模型的对齐性，特别是通过引入沉思原则（如正念、慈悲）。该框架支持模型、指标和基准的灵活组合，但主要贡献在于评估方法论而非解决长期存在的理论问题，与关键词列表中的概念关联较弱。

First-Order Modal Logic in HOL: Deep and Shallow Embeddings with Automated Faithfulness (Extended Preprint)

Christoph Benzmüller, Daniel Kirchner

cs.AI math.LO

本文在Isabelle/HOL中扩展了从命题模态逻辑到一阶模态逻辑的深浅嵌入方法，提供了三种嵌入方式并证明了忠实性定理。主要技术贡献是机械化了一阶模态逻辑在常数域Kripke语义下的可数向下Löwenheim-Skolem定理，以解决变量赋值在不可数个体域上的满射性问题。

SETA: Scaling Environments for Terminal Agents

Qijia Shen et al.

cs.AI

本文提出了SETA框架，用于生成可验证的终端环境以训练terminal agent，并构建了包含超过4500个环境的最大开源数据集SETA-Env。通过GRPO训练Qwen3-8B模型，在Terminal-Bench 2.0上取得了12%的通过率，为基于终端的agent学习提供了高质量训练资源。

Incremental Transformer for Surrogate-Based Inverse Design of Geopolymer Mixtures

Giansalvo Cirrincione, Filippo Grassia

cs.AI stat.ML

本文提出了一种基于Incremental Transformer (INCRT)的拓扑感知代理框架，用于解决地质聚合物混合物设计中的小样本逆设计问题。该方法通过内在维度分析、混合变量表示和约束优化，在物理约束下筛选出可信的候选混合物。

Learning Linear Temporal Specifications from Demonstrations with Uncertainty

Parastou Fahim, Constantino Lagoa, Rômulo Meira-G'oes

cs.AI eess.SY

本文提出了一种从带有不确定性的系统演示中学习最小Linear Temporal Logic (LTL)公式的框架，通过Hamming距离建模不确定性并将问题转化为Pseudo-Boolean Optimization。该方法在存在传感器故障或数据丢失的情况下，相比现有方法能更准确地恢复真实公式。

SVR-R1: Bootstrapping Multi-modal Reasoning with Self-verification in Reinforcement Learning

Mingyuan Wu et al.

cs.AI

本文提出SVR-R1框架，通过多轮强化学习使模型利用自身的二元验证信号（Yes/No）来改进多模态推理，无需外部监督。该方法在视觉-语言推理基准上提升了准确率，并展示了模型在训练中逐渐内化自我修正能力。

From Checker to Forecaster: Code-Owned Evaluation of Model-Generated Strategic Routes Under Delayed Ground Truth

Aleh Manchuliantsau

cs.AI

本文提出RouteCast框架，用于在ground truth延迟或私密的情况下，通过确定性代码生成临时预测排名来评估模型生成的战略路线。在21个二元结果案例的回顾性试点中，该方法显示出初步的判别能力，但未建立前瞻性校准或因果决策改进。

QwenPaw-Data: Bridging Facts, Methodology, and Execution for Autonomous Enterprise Data Analytics

Tianjing Zeng et al.

cs.AI

本文提出了QwenPaw-Data，一个面向企业智能数据分析的agent系统，通过DataBridge、Skill-Hub和Host三个子系统将异构数据资产转化为可复用的分析资产，并实现从自然语言到端到端分析工作流的自动化。实验表明该系统在公共基准和工业BI负载上提升了数据访问能力和分析质量，但方法本身在理论或算法上缺乏显著的开创性。

AdvNav: Behavior-Guided Black-Box Adversarial Attacks on Vision-Language Navigation

Chenyang Li et al.

cs.AI

本文提出AdvNav，一种针对Vision-Language Navigation系统的黑盒对抗攻击框架，通过agent的自我输出行为（如轨迹级性能分数和动作级奖励分数）构建代理目标，并采用混合优化策略（自适应更新和遗传噪声演化）来生成对抗扰动。该方法在R2R数据集上对Transformer和LLM-based模型实现了较高的攻击成功率，揭示了感知漏洞。

Are LLMs Ready for Scientific Discovery? A Capability-Oriented Benchmark for AI Scientists

Chuhan Shi et al.

cs.AI

本文提出了SDABench基准，用于评估LLM在科学数据分析中的六种能力，发现模型在描述性分析上表现良好，但在需要假设选择、潜在过程建模或机制推理的任务中性能显著下降。该工作为AI科学家的能力评估提供了框架，但与关键词中的code、context、spectral、Muon、pretrain、agent、attention等概念关联较弱。

NVAITC AI Scientist: A Governed End-to-End Research System -- A Hypertension GWAS Case Study

Eddie Huang et al.

cs.AI

本文介绍了一个名为NVAITC AI Scientist (NAIS)的受控端到端agentic研究系统，用于在机构生物医学环境中协调科学工作流，并通过高血压GWAS案例验证了其有效性。该系统整合了提案审查、执行规划、可重复工作流编排和人类监督，能够复现已知的遗传位点。

OS-Pruner: Pruning Chains-of-Thought of Reasoning Models via Optimal Stopping

Mohammed Ehab et al.

cs.AI

本文提出OS-Pruner，一个轻量级插件框架，将Chain-of-Thought剪枝问题形式化为最优停止问题。该方法通过学习在推理过程中动态判断何时终止，在保持精度的同时显著减少生成长度。

A Formal Hierarchical Architecture for Agentic Orchestration with Stack-Based Execution and Lazy Discovery

Prashant Devadiga et al.

cs.AI cs.LG

本文提出了一种基于层级技能架构的agent编排系统，通过LIFO栈和惰性发现机制解决扁平工具注册表导致的决策空间爆炸问题。该方法在数学上形式化了编排状态，但未涉及code、spectral、Muon、pretrain或attention等关键词。

NextFund: A Unified Performance Tracking Platform for Agentic Portfolio Management

Changlun Li et al.

cs.AI

NextFund是一个基于LLM agent的金融投资组合管理评估平台，通过实时市场接入和决策路径记录，使agent行为可观察。该平台支持多市场对比和决策过程回溯，但方法本身在agent评估领域并非开创性突破。

The Path to Self-Evolving Clinical Systems: Scaling Medical Agents from Assistance to Autonomy

Chunzheng Zhu et al.

cs.AI

本文从临床部署角度出发，将medical agent形式化为部分可观测下的序列决策系统，并提出了一个包含框架、能力和环境的三级扩展主轴。文章重点讨论了临床环境扩展（如PACS、EHR、FHIR生态系统）以及通过与环境交互实现自我进化的临床系统，但整体上是一篇综述性工作，缺乏具体的方法创新。

What We Talk About When We Talk About LLM Planning: Evidence for Two Distinct Planning Abilities

Sukai Huang et al.

cs.AI

本文通过多维项目反应理论模型分析LLM在规划任务中的表现，发现存在两种不同的规划能力：operational reasoning（操作推理）和structural enumeration（结构枚举）。前者随模型规模扩大和推理链增长而提升，后者则相对不敏感。

PREF-Gate: Provenance-Constrained Relational Evidence Fusion with Validation-Gated Selection for Graph Fraud Detection

Liming Liu et al.

cs.AI cs.LG

本文提出PREF-Gate框架，通过验证门控机制在无标签的graph context与有标签的neighborhood evidence之间进行选择，以解决图欺诈检测中标签来源约束问题。该方法在多个数据集上取得竞争性性能，但主要贡献在于提供可审计的决策流程，而非方法上的根本性创新。

Heterogeneous Agent Cohorts for Safe Open-Ended Exploration with Runtime Constraint Memory

Tengjiao Liu

cs.AI

本文提出了一种异构agent队列框架，通过分离创造性（Disrupter）与安全性（Validator）角色，并利用MCTS将失败经验编译为可复用的约束补丁（Scars），在空间语义沙盒实验中实现了安全探索与token成本降低。该方法与关键词中的agent概念相关，但未涉及code、spectral、Muon、pretrain或attention等核心主题。

Bringing Back Rule Induction to Fluid Intelligence Research? An Initial Validation of the ARC-AGI Benchmark in Humans

Jasmin Thelen, Oliver Wilhelm

cs.AI cs.LG

本文初步验证了ARC-AGI基准在人类样本中的心理测量学特性，发现其与图形流体智力存在显著相关，但与其他认知能力的关联较弱。该研究为将AI基准嵌入人类认知能力网络提供了初步证据。

Valid $\ne$ Necessary: Diagnosing Latent Inefficiency in Chain-of-Thought

Daeyeop Lee, Hwanjo Yu

cs.AI

本文发现Chain-of-Thought推理中存在“有效但不必要”的冗余步骤，并提出了基于信息论的训练无关度量CAID来识别低效用步骤，以及后处理压缩策略PACE，在GSM8K等数据集上实现了31-53%的token压缩而不损失准确性。

Calibrated e-CUSUM Decoding for Quantized Reasoning Models: Why Token Log-Probability Is the Wrong Observable for Decoding Monitors

El Hassane Ettifouri et al.

cs.AI cs.IT

本文指出在量化推理模型中，centered token log-probability increment（$\log p(w_t)+H_t$）不适合作为解码监控的观测值，因为它本质上是零均值martingale，仅反映采样自洽性而非轨迹健康度。作者提出了一种无需训练的decoding controller，结合degeneration-aware alarm score和calibrated e-process-inspired sequential detector，在GSM8K上对DeepSeek-R1-Distill-Qwen-1.5B模型进行了初步实验，但结果统计上不显著。

Verifier-Guided Twelve-Tone Composition: A Generate-Verify-Repair Harness for Symbolic Music Generation

Congren Dai et al.

cs.AI

本文提出了一种神经符号混合框架，将语言模型生成器包裹在生成-验证-修复-追踪循环中，用于十二音作曲。该方法通过符号验证提升了局部一致性，但并未声称能保证整首作品的合法性。

AutoVSR: Automatic Visual-to-Symbolic Reasoning for Symbolic Expression Generation from Circuit Schematic

Zhe Xiao et al.

cs.AI

本文提出AutoVSR框架，利用Vision Language Models (VLMs)将电路图重建为可执行中间表示，并结合符号求解器生成符号表达式。该方法通过组件规则检索和验证反馈提升准确性，但与我提供的关键词（如code, agent, attention等）关联度较低。

Compile, Then Page: Executable SOP Programs and a Capability-Gated Runtime for Procedural LLM Agents

Chenglin Yu et al.

cs.AI cs.PL

本文提出了一种将标准操作程序(SOP)编译为可执行伪代码，并通过程序引导的栈机器与LLM协同执行的方法。该方法通过编译文本和运行时门控机制提升了LLM在长时序、条件性任务中的表现，但主要贡献在于工程框架而非理论创新。

From Neural Network Decisions to Training Cases: An Exact Account via Case-Based Decision Theory

Manli Yan et al.

cs.AI

本文展示了在固定neural representation上拟合的OLS action readout可以精确分解为case-based形式，每个action score是训练案例returns的加权和，系数由经验Gram geometry决定。该方法为神经网络决策提供了case-level审计信号，但与我提供的关键词列表关联度较低。

OpsMem: Dual-Memory Reasoning with Cross-Memory Resonance for Failure Diagnosis

Yongqian Sun et al.

cs.AI cs.SE

本文提出OpsMem框架，通过双记忆系统（短期记忆维护当前诊断状态，长期记忆存储可复用操作经验）和跨记忆共振机制来协调故障诊断中的状态演化与经验利用。实验表明该方法在华为微服务故障诊断数据集上优于现有基于agent推理和知识增强的基线方法。

Omni-Decision: A Progressive Evidence-State Agent System for Omni-Modal QA

Ming Ma et al.

cs.AI

本文提出Omni-Decision，一个无需训练的证据状态系统，通过维护结构化的证据状态（包括已确认证据、未解决冲突等）将全模态问答转化为查询范围内的证据闭合过程，在OmniGAIA和WorldSense基准上分别达到45.6%和58.3%的准确率。该方法与关键词中的agent概念相关，但缺乏开创性且未解决长期问题。

The Ebb and Flow of Multimodal Focus: Scheduling Visual Relay Windows for Grounded VLM Reasoning

Wencheng Ye et al.

cs.AI

本文通过机制分析发现VLM中多模态注意力焦点存在稳定的三阶段重分布，并据此提出TRACE框架，通过调度视觉中继窗口来增强基于证据的多模态推理能力。

Enhancing Query Efficiency for d-DNNF Representations Through Preprocessing

Jean Marie Lagniez, Emmanuel Lonca

cs.AI

本文研究了通过预处理技术提升d-DNNF表示中模型访问查询效率的方法，重点分析了保持模型计数的预处理器在均匀采样、直接模型访问和模型枚举任务中的有效性。实验表明，该方法在多个基准测试中表现稳健且高效。

Comparative Analysis of GAT and BERT for Human-Like Playtesting

Kleio Fragkedaki et al.

cs.AI

本文比较了GAT和BERT两种通用网络架构在模拟玩家行为方面的表现，发现它们优于CNN基线，但方法本身缺乏显著的开创性，且与关键词契合度不高。

Learning Residual Kinematic Corrections for Continuous Neural Decoding via Reinforcement Learning

Jiamian Li et al.

cs.AI cs.LG

本文提出一个两阶段解码框架，使用reinforcement learning (RL)对CNN-LSTM解码器的输出进行残差运动学修正，以提升基于EEG的连续三维运动想象解码精度。该方法在不依赖额外神经数据的情况下，通过离线RL优化预测轨迹，显著提高了相关性并降低了均方根误差。

HCRMap: Pressure-Aware Hot-Expert Residency Mapping for 3.5D MoE Chiplet Inference

Yongqin Zhang

cs.AI

本文针对3.5D多芯片系统中MoE大模型推理的专家热度不均衡问题，提出HCRMap框架，通过动态管理专家副本在不同存储层级的驻留来缓解通信、内存和队列瓶颈。实验表明该方法在延迟上优于Hydra等基线方法。

MAGIC: Transition-Aware Generation of Navigable Multi-Scene Game Worlds with Large Language Models

Tsz Hei Fan et al.

cs.AI cs.GR

本文提出MAGIC系统，利用大语言模型将自然语言提示转化为可运行的多场景游戏世界，解决了跨场景一致性、场景内可导航性和过渡评估问题。该系统通过四阶段流水线生成场景并验证过渡有效性，在基准测试中取得了高精度和召回率。

Auditing the Risk Claims of Distributional Reinforcement Learning

Hari Prasad

cs.AI cs.LG stat.ML

本文通过审计分布强化学习智能体（如QR-DQN、C51和IQN）的风险声明，发现其声称的风险权衡（如CVaR）在统计上不可靠，反映了训练伪影而非环境随机性。研究使用置换检验和bootstrap反驳等统计工具，证实了这些智能体的风险预测与真实环境随机性无关。

Lesioned Multimodal Language Models Reproduce Aphasic Picture-Naming Patterns

Yong Yang et al.

cs.AI cs.CL cs.LG

本文通过向多模态语言模型LLaVA 1.6施加lesion（损伤）或扰动，研究了其是否能再现失语症患者在图片命名中的错误模式。实验发现，在特定参数空间区域，模型能产生与临床患者高度一致的七类错误中的六类，并能匹配97.8%患者的个体错误轮廓。该工作为语言模型作为失语症数字孪生提供了定量框架，但与关键词列表中的概念关联较弱。

Reproducing human biases in route choice using large language models: Toward scalable behavioral modeling

Jiangtao Han et al.

cs.AI cs.CL cs.LG cs.SI physics.soc-ph

本文探讨了大型语言模型(LLMs)在路线选择中复现人类行为偏差的能力，通过设计行为评估框架与累积前景理论(CPT)预测进行比较。实验表明LLMs能模拟非理性选择偏差，为基于agent的仿真提供了可扩展的替代方案。

Think Through a Bottleneck: Hourglass Reasoning for Rigorous Induction

Huan Zhu

cs.AI

本文提出了一种名为Hourglass reasoning的方法，通过强制隔离推理阶段之间的上下文，使信息仅以压缩的符号状态（如schema $\phi$和rule $T$）传递，从而提升大语言模型在少样本归纳推理中的表现。实验在视觉抽象、硬件综合和文本规则归纳等基准上验证了其有效性。

Playful AI in Professional Email: A Field Experiment on Tone and Recipient Engagement

Ziv Ben-Zion, Teddy Lazebnik

cs.AI cs.HC

本文通过随机交叉现场实验，研究了AI辅助写作（使用GPT-5）中不同语气（俏皮与专业）对收件人行为的影响。结果表明，AI编辑通过改变邮件的情感基调间接影响收件人的打开和回复率，但并未产生直接的因果效应。

cs.IR

Improved Answer Selection with Pre-Trained Word Embeddings

Rishav Chakravarti, Jiri Navratil, Cicero Nogueira dos Santos

cs.IR cs.CL

本文评估了基于预训练word embeddings的问答选择方法，在监督和无监督设置下均优于传统词频方法。这些方法通过捕捉问题和答案间的语义相关性，提升了信息检索系统的性能。

An LLM-powered Agentic Recommendation System for Connected TV Content Discovery

Lei Shi et al.

cs.IR cs.AI

本文提出了一种基于LLM的agent推荐系统，用于Connected TV内容发现，通过agent架构整合LLM与传统机器学习方法，以处理非结构化上下文信号并解决推理延迟问题。

Tokenizing Numerical and Embedding Features for LLM RecSys

Zhe Xu et al.

cs.IR cs.LG

本文提出了一种soft-token fusion框架，将连续数值特征和dense embedding特征映射到LLM的embedding空间，使LLM-based推荐系统能处理非文本信号，并在Amazon数据集上验证了其有效性。

The Effect of Multi-Lingual and Keyword Adversarial Injection on LLM Relevance Judgment

Nguyen Khoi Vo et al.

cs.IR

本文研究了多语言和关键词对抗注入对LLM相关性判断的影响，发现跨语言提示注入攻击能有效提升相关性分数并规避现有防御机制，揭示了当前评估框架的脆弱性。

Scaling and Stabilizing Large-Scale Embedding-Based Retrieval

Zhen Yang et al.

cs.IR

本文提出了一种用于大规模embedding-based retrieval (EBR)的统一pipeline，通过混合难负样本挖掘和遗留感知蒸馏技术，解决了训练-推理差距和模型过渡问题，并在Walmart部署后提升了检索效果和收入。

Adaptive Model Compression (AMC): Saliency-Driven Resource Allocation for Ultra-Low-Power Transformer Inference

Jiayin Hu et al.

cs.IR cs.AI cs.AR cs.LG

本文提出了一种自适应模型压缩框架AMC，通过基于token重要性的动态资源分配来降低Transformer推理的能耗，在45nm CMOS硬件上实现了59.2%的能耗降低和2.24倍的吞吐量提升。该方法主要关注硬件层面的计算优化，与关键词中的理论或算法方向关联较弱。

MC-RAG System: A Structure-Driven RAG System for Multi-Constraint Queries

Xiao Zhang et al.

cs.IR

本文提出了MC-RAG系统，通过将检索重构为知识图谱上的子图匹配问题来处理多约束查询。该系统结合语义与结构嵌入及路径级索引，实现了可解释且约束一致的检索与生成。

From Patent Expiry to Business Pathways: AI Workflows for Activating Innovation Archives

Sidney Shapiro, Mark Price

cs.IR cs.CL cs.CY

本文提出一个AI框架，用于发现过期或失效的专利，并将其转化为商业路径（如SaaS产品、服务等）。该框架结合专利元数据、法律状态、语义搜索和生成式AI工作流，但主要关注商业应用而非数学理论创新。

Multilingual Semantic Retrieval for Apple Music Search

Vishalaksh Aggarwal et al.

cs.IR

本文为Apple Music构建了一个基于305M参数Siamese bi-encoder的多语言语义检索系统，通过混合检索架构（融合dense nearest-neighbor结果与token-based索引）提升了搜索召回率，在线上A/B测试中实现了2.28%的转化率提升和86%的无结果率降低。该方法主要面向工业搜索系统，与关键词中的code、spectral、Muon、agent、attention等概念无直接关联。

SVD-RAG: Efficient Tree-Organized Retrieval-Augmented Generation via Singular Value Decomposition

Zhihui Sun

cs.IR

本文提出SVD-RAG方法，将Singular Value Decomposition (SVD)应用于稠密句子嵌入矩阵，以替代RAPTOR中昂贵的LLM抽象摘要，实现层次化RAG的高效树构建。该方法在保持检索质量接近的同时，将树构建速度提升317倍，并显著降低了token消耗。

Implicit Fine-tuning via Context Engineering: A Curriculum Learning Framework for Multimodal Entity Alignment

Yunpeng Hong et al.

cs.IR

本文提出了一种名为PTFEA的课程学习框架，用于多模态实体对齐(MMEA)任务。该工作从理论上证明了上下文工程(context engineering)与模型微调在MMEA中的数学等价性，并通过自适应难度调节和三阶段渐进推理将微调策略转化为可解释的上下文工程。

RecRec: Recursive Refinement for Sequential Recommendation

Pervez Shaik et al.

cs.IR cs.LG

本文提出RecRec模型，通过递归推理的方式将用户偏好建模为持续更新的潜在状态，并引入证据锚定校正机制防止语义漂移。实验表明该轻量模型在多个基准上匹配或超越现有方法，但未涉及关键词中的code、spectral、Muon、pretrain、agent或attention等核心概念。

Tool-Adaptive LLM Reranker

Zichuan Liu, Ruijin Hua

cs.IR cs.AI cs.CL

本文提出TALRanker框架，将pointwise相关性评分形式化为agentic Markov决策过程，通过两阶段训练（混合损失预热和强化学习优化）让LLM在reranking时自主决定是否调用外部工具，以平衡准确性与效率。该方法在标准检索基准上达到SOTA性能，但未涉及code、spectral、Muon或pretrain等关键词。

Stream-aware Side Adaptation for Large Pre-trained Multimodal Embedding Models in Sequential Recommendation

Junchen Fu et al.

cs.IR

本文提出Stresa框架，通过Stream-aware Hidden-Adapter Fusion (SHAF)和Residual Stream Adapter (ReSA)改进大预训练多模态embedding模型在序列推荐中的side adaptation，解决深度退化问题。实验表明该方法在多个数据集上优于现有baseline。

ZoRRO: A Zero-Weight Personalized Recommender System for Scalable News Recommendation

Johannes Kruse et al.

cs.IR cs.LG

ZoRRO提出了一种零权重、无需训练的个性化新闻推荐框架，在离线评估中优于强神经网络基线，在线A/B测试中与SOTA深度学习模型性能接近但速度快600倍以上。该工作主要关注推荐系统的实际部署效率，与关键词中的code、context、spectral等概念无直接关联。

Normative Alignment of Recommender Systems via Internal Label Shift

Johannes Kruse et al.

cs.IR cs.LG

本文提出NAILS方法，通过内部标签偏移调整推荐系统的输出分布以匹配目标属性分布，无需重新训练模型。该方法在保持用户偏好的同时改善公平性和多样性等规范目标。

MMRM: A Multiplex Multimodal Representation Model for Product Ranking in E-commerce Search

Zhen-Lin Chen et al.

cs.IR cs.LG cs.MM

本文提出了一种名为MMRM的多重多模态表示模型，用于电商搜索排序。该模型通过共享骨干网络和任务特定token，将多模态大语言模型与多种协同信号对齐，并利用多重物品表示在排序模型中生成任务特定的用户表示。

Generative Chinese Statute Retrieval

Yiteng Tu et al.

cs.IR cs.CL

本文提出GCSR框架，将法条检索重新定义为序列生成问题，通过多粒度结构化docid和多任务训练策略，在法条检索任务上优于现有基线方法。

NGM-RAG: Neural Graph Matching based Retrieval-Augmented Generation

Guo Chen et al.

cs.IR

本文提出NGM-RAG框架，通过图构建与图匹配增强检索增强生成，在multi-hop问答任务上优于传统方法。该方法主要关注图结构而非代码或谱方法，与关键词契合度较低。

Enhancing LLMs through human feedback: a journey towards self-improvement

Tatiana Pelc et al.

cs.IR cs.AI cs.CL

本文提出了一种通过集成辅助反馈RAG系统来优化主RAG系统性能的方法，利用人类反馈循环实现系统的自我改进。该方法在三个基准数据集上进行了验证，但未涉及代码、谱方法或注意力机制等关键词相关技术。

Prompt Generation Technical Report

Dan Ou et al.

cs.IR

本文介绍了Prompt Generation (PG)框架，通过两个声明式JSON文件将特征处理逻辑与模型架构解耦，用于工业搜索和推荐系统中的生成式检索。该框架在淘宝搜索中取得了在线A/B测试的显著提升。

User Preference Induction with LLMs for Offline Top-N Recommendation Evaluation

David Otero, Javier Parapar

cs.IR

本文提出了一种基于LLM的框架，通过偏好归纳和相关性判断扩展离线Top-N推荐评估中的用户-物品偏好标签，以缓解缺失-负样本假设导致的评估偏差。实验表明该方法能提升评估鲁棒性并减少流行度敏感失真。

Boolean queries are all you need?

Charles L. A. Clarke, Mark D. Smucker

cs.IR

本文探索了基于Boolean retrieval的LLM搜索agent在MS MARCO V2.1数据集上的表现，仅通过子串匹配密度进行排序，无需监督学习或全局统计。结果表明，简单的pattern matching在agentic search场景下可能已足够有效。

Beyond Semantic IDs: Encoding Business-Value Ranking into Document Identifiers for Generative Retrieval

Gui Ling et al.

cs.IR

本文提出Cluster-Ranked Identifier (CRID)方法，将文档标识符（DocID）解耦为语义聚类和商业价值排序两部分，以解决现有离散表示学习中的碰撞问题及编码目标与业务优化目标不匹配的问题。实验在淘宝3亿商品数据集上验证了其有效性，但该方法主要针对电商检索场景，与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

FAIR GraphRAG: A Retrieval-Augmented Generation Approach for Semantic Data Analysis

Marlena Flüh et al.

cs.IR

本文提出了FAIR GraphRAG框架，将FAIR Digital Objects (FDOs)作为graph-based retrieval system的基本单元，结合LLM进行schema构建和内容提取，以提升生物医学等领域的语义数据检索与问答能力。该方法主要关注FAIR原则与graph-based RAG的结合，与关键词列表中的概念关联较弱。

Score-Only Distillation for Compact Dense Retrieval

Kirill Dubovikov, Martin Takac, Salem Lahlou

cs.IR

本文研究了一种仅利用score vectors（分数向量）进行知识蒸馏的方法，以训练一个紧凑的dense retriever（密集检索器）。该方法使用row-centered score-vector objective（以行为中心的分数向量目标函数）来模拟teacher模型的排序行为，在固定评估面板上恢复了base-to-teacher gap（基础模型与教师模型差距）的50%。

cs.CL

UNIBROWSE: A Data-to-Agent Framework for Multimodal BrowseComp ⭐ 精选

Xiyu Wei et al.

cs.CL

UNIBROWSE提出了一种统一的数据到agent框架，首次同时生成覆盖text-only、image-to-text和text-to-image三种信息流模式的训练数据，用于多模态浏览理解任务。该框架通过增强知识图谱与实时网页检索来提高数据保真度，并引入探索度指标过滤低信号实例以优化强化学习。基于此框架训练的35B规模agent在多个多模态BrowseComp基准上达到平均54.4的准确率，超越了GPT-5和Gemini-2.5 Pro等闭源agent工作流，显著提升了agent在动态网页内容中的感知、工具使用和长程推理能力。

Agentic Routing: The Harness-Native Data Flywheel ⭐ 精选

Xinchen Liu et al.

cs.CL cs.AI

本文提出了一种名为Harness-Native agentic routing的step-level routing范式，用于在LLM agent执行过程中根据完整的harness state（包括observation, context, control, action, state, verification）选择最优模型或模型组合。其核心创新在于将每次routing决策自然产生的结构化数据记录（包含query, harness state, model choice, execution trace, outcome, cost）作为训练数据，形成harness-native data flywheel：执行轨迹用于训练更好的router和harness-native models，从而在相同预算下改善cost-quality trade-off并生成更多轨迹。该工作与关键词中的agent高度契合，为agent执行中的模型选择提供了系统级解决方案。

UMoE:Unlocking Every Expert in Domain-Specific Training ⭐ 精选

Xuefeng Li, Pengfei Liu

cs.CL

本文提出UMoE方法，针对Mixture-of-Experts (MoE)模型在领域特定微调中专家池与目标域不匹配的问题，设计了一个预算不变的流水线：首先剪枝与目标域对齐显著性最低的专家，然后通过基于扰动的专家扩展将专家池恢复至原始大小，最后进行标准SFT。该方法在Qwen3-30B-A3B和Qwen3.5-35B-A3B两种MoE架构上，覆盖数学、代码、科学、工具使用和agentic coding五个领域共12个基准测试中，一致优于直接SFT，例如在数学平均准确率上提升3.4个点，在SWE-bench Verified上提升6.0个点。实验表明，UMoE将直接SFT中分配给低显著性专家的冗余路由计算转化为有效的领域能力，并在所有难度级别上取得收益，且增益随训练数据增长而持续。

GEIS: A Generation-Evaluation-Improvement Loop of Agent Skills for Long-Form Article Generation ⭐ 精选

Jiale Zhang, Juntao Hu, Zhijian Ou

cs.CL

GEIS提出了一种名为Generation-Evaluation-Improvement loop of agent Skills的框架，将长文本生成任务重构为可检查、模块化且由评估引导的改进循环。该方法通过定义命名和声明式的agent skills（如写作、成对评估和规则级改进），解决了现有multi-agent pipeline（如STORM）中能力混杂于prompt和固定流程、难以复用和迭代改进的问题。在20个Wikipedia Featured Article主题上的实验表明，GEIS在PDF质量评分上比基线提升8.0分，且通过改进循环将平均分从82.90提升至86.95，验证了其作为evaluation-guided improvement loop的有效性。

PaperRouter-Agent: A Content-Grounded LLM Agent for Personalized Hierarchical Paper Routing ⭐ 精选

Keshen Zhou et al.

cs.CL cs.HC cs.IR

本文提出PaperRouter-Agent，一个无需训练的LLM agent，用于解决个性化分层论文路由（PHPR）问题。该agent通过检索文件夹内已有论文作为context，而非仅依赖文件夹名称，来ground路由决策，并引入相似度门控的拒绝反馈机制。实验表明，该方法在真实个人库和公共基准LaMP-2上显著优于单次基线，尤其对基于元数据（如venue）的组织性文件夹提升巨大，体现了agent在个性化信息组织中的开创性应用。

CLIR-Bench: Benchmarking Multimodal Question Answering over Irregular Clinical Time Series

Frank Nie et al.

cs.CL cs.AI

本文提出了CLIR-Bench基准，用于评估模型在不规则临床时间序列上的问答能力，包含6600个实例和11个临床变量。实验表明现有通用模型难以从稀疏临床证据中检索和推理。

Index SLM Technical Report

Lusheng Zhang et al.

cs.CL

本文介绍了Bilibili开发的Index-1.9B系列开源小语言模型，包括基础模型、控制变体、对话模型和角色扮演模型。预训练采用了Warmup-Stable-Decay学习率调度和Norm-Head输出层，在多个基准测试上取得了与更大规模模型相当的性能。

RouteRec: Strict Evaluation of Recommender-Agent Selection and Aggregation

Kaiji Zhou, Vladimir Kalmykov, Yue Feng

cs.CL cs.IR

本文提出了RouteRec框架，用于在成本约束下比较推荐系统中不同agent（如协同过滤、序列模型和LLM重排序器）的硬选择与item级聚合策略。实验表明，在固定候选集场景下，请求级别的单一agent选择效果有限，而item级聚合是更有前景的方向。

Global Merger-Arbitrage Forecasting with Language Models

Hinal Jajal et al.

cs.CL

本文提出了一种基于语言模型的合并套利预测系统，通过结合专家引导的上下文工程和基于事后推理轨迹的微调，在超过400笔大型交易中实现了最优预测性能，将类平衡Brier分数降至0.151。该系统专注于需要长上下文推理的金融场景，但未涉及关键词中的code、spectral、Muon或agent等概念。

Faithful by Design: Evaluating and Improving LLM-Generated Clinical Trial Summaries for Multi-Stakeholder Audiences

Robert Williams

cs.CL cs.AI

本文评估了LLM在生成临床试验摘要时的忠实性，发现“无依据声明”是主要错误模式，并开发了知识图谱增强检索系统以提升忠实性分数。该工作聚焦于医疗领域的应用评估，与关键词中的理论或方法（如spectral, Muon, attention）无直接关联。

Workload-Driven Optimization for On-Device Real-Time Subtitle Translation

Tsz-To Wong

cs.CL cs.AI

本文研究了在设备端实时字幕翻译的优化问题，通过将原始151k词表替换为64k的子标题领域tokenizer并微调模型，在OpenSubtitles2024测试集上实现了对Google Translate的59.2%胜率，并在Apple M2上获得1.63倍加速。该工作主要关注工程优化而非理论创新，与关键词列表中的概念关联较弱。

Silent Failures in Quantized LLM Reasoning: A Taxonomy-Based Analysis of Hollow Convergence and Failure Mode Shifts

Renuka Oladri, Mohan Vamsi Varadaraju Priya, Jerry Wu

cs.CL cs.LG

本文研究了量化对大型语言模型推理过程的影响，发现即使任务准确率保持不变，量化也会悄然改变推理模式。通过一个六类失败分类法，作者分析了不同精度下模型输出的chain-of-thought，揭示了Hollow Convergence和Shortcut Collapse等与模型大小和基准相关的特定失败模式。

Robust, Scalable Detection of Text Containment in Large Web-Crawled Corpora

Lars Henry Berge Olsen et al.

cs.CL cs.AI

本文介绍了FindMyText，一个用于检测文本是否部分或完整出现在语料库中的开源Python包。它通过文档指纹识别和匹配指纹序列的机制，能够可靠地检测近似逐字复制，并适用于验证版权内容。

Efficiently Adapting Spoken Language Models for the Singaporean Context

Ng Jia Sheng Jason

cs.CL cs.AI

本文针对新加坡语境下的口语语言模型(SLM)适应性问题，通过结合LoRA微调、替代文本QA数据集和CoBa重加权方案的多任务目标，构建了HTD-multilingual-QA数据集并训练了HT-Moonstone模型，在多个语音任务上取得了与更大规模模型相当的性能。

Cost of Reasoning in non-English Languages: A Case Study on Japanese

Yuu Jinnai

cs.CL cs.AI cs.LG

本文研究了在非英语语言（日语）中进行推理训练的可行性，通过使用GRPO方法对日语持续预训练模型Qwen-3-Swallow-8B进行训练，发现推理语言控制是可行的，但性能最多与强英语推理基线持平，且在日语文化基准上表现更差。

Instruction Set and Language for Hypergraphs

Mario Pascual-Gonzalez, Ezequiel Lopez-Rubio

cs.CL cs.AI cs.PL

本文提出IsalHG方法，将有限连通超图的结构编码为紧凑字母表上的字符串，并设计了一个小型虚拟机来执行编码与解码。该方法通过贪心算法和回溯变体生成规范字符串，用于判断超图同构，但实验表明其计算效率远低于基于Levi图的传统方法。

Equal Accuracy, Unequal Evidence: Search APIs as Decision Surfaces for Tool-Using Agents

Sriram Selvam, Anneswa Ghosh

cs.CL

本文研究了不同搜索API（Brave, Tavily, Firecrawl）作为tool-using agent的决策表面对其性能的影响，发现尽管各API在答案准确率上相近，但其提供的证据经济性（如snippet质量、URL排名分布）存在显著差异，因此选择搜索API本质上是一个检索预算和策略决策，而非单纯的召回率问题。

Consensus vs. Dissent: Dynamic LLM Modeling of Subjective Preferences in Group Recommenders

Cedric Waterschoot, Nava Tintarev, Francesco Barile

cs.CL cs.IR

本文研究了LLM在群组推荐系统中模拟主观偏好分布的能力，通过微调LLM来动态选择偏好聚合策略，以优化公平性、满意度和共识。实验表明，该方法在用户研究中取得了最高的满意度和群体共识分数，并发现LLM的判断与人类感知在考虑群组配置交互效应时最为一致。

PTEI: Integrating Personality Traits to Enhance Emotional Intelligence in Large Language Models

Amir Reza Jafari et al.

cs.CL cs.IR

本文提出PTEI框架，通过从情感场景中提取MBTI和OCEAN人格特质并构建personality-aware prompts，以增强LLM在情感推理任务中的表现。实验表明该方法能提升情感理解能力，但未涉及code、spectral、Muon等关键词相关技术。

One mechanism for many mental spaces: a shared router over a value slot in language models

Oliver Steele, Jiangtao Wen, Yuxing Han

cs.CL cs.LG

本文研究了transformer语言模型中如何实现多种心理空间（如现实、信念、虚构等）的统一机制，发现模型使用一个共享的value slot和可操控的router（空间索引）来区分不同空间，且针对一种空间类型训练的subspace也能控制其他空间类型。该工作为理解语言模型中的context表示提供了机制性视角，但与关键词中的code、spectral、Muon、pretrain、agent、attention等概念关联较弱。

Which Languages Transfer Best to Warlpiri? A Similarity-Based Study for Low-Resource ASR

Pravina Mylvaganam et al.

cs.CL eess.AS

本文研究了如何利用语言相似性提升低资源Warlpiri语言的自动语音识别(ASR)跨语言迁移效果，提出结合预训练模型的声学相似性与语言类型学特征的框架，实验表明声学相似性是微调性能的最强预测因子。

Language Re-generation: An investigation into information locality effects on reconstruction

Amirhossein Mohammadi et al.

cs.CL

本文通过微调预训练在“不可能语言”上的GPT-2模型来重建自然英语，研究了信息局部性（syntactically related words的邻近倾向）对语言模型重建能力的影响。结果表明，重建结构倾向于更短的dependency length，且恢复难度与局部性破坏程度相关，但该方法本身并非开创性，且与关键词列表中的概念关联较弱。

PolyInterview: An LLM-based Platform for Immersive Mock Interview Practice with Comprehensive Multimodal Assessment

Zhiyuan Wen et al.

cs.CL

PolyInterview是一个基于LLM的沉浸式模拟面试平台，通过多模态评估（包括内容、语音和非语言行为）提供自适应对话和结构化反馈。该平台利用KSA和STAR框架生成与职位描述高度匹配的问题，并生成13个行为级特征和10个评估维度。

Polarization Detection: A Hybrid Approach with AfroXLMR-Social and DeBERTa for Low- and High-Resource Settings

Muhammad Abdullahi Said

cs.CL cs.AI

本文提出了一种混合建模策略，使用DeBERTa处理英语二分类任务，使用AfroXLMR-Social处理豪萨语及细粒度子任务，并采用LoRA和数据增强技术应对计算资源与数据稀缺问题。该方法在极化检测任务上取得了有竞争力的结果。

Neutralizing Structural Inequality in the Nigerian FinTech Sector

Muhammad Abdullahi Said

cs.CL cs.AI cs.CY cs.HC

本文针对尼日利亚FinTech领域中的结构性不平等问题，提出了一种分层人机协作的欺诈检测模型，通过校准的ensemble模型作为主过滤器，并利用动态影子价格（shadow price）分配人类注意力，最终在减少区域性能差距方面取得了显著效果。该工作主要关注公平性与算法歧视，与关键词中的code, context, spectral, Muon, pretrain, agent, attention等概念关联较弱。

CAFE: A Compound-AI Factorial Evaluation Framework

Fabian Lukassen et al.

cs.CL

本文提出了CAFE，一个用于评估复合AI系统（Compound AI Systems）的开源平台，通过将可替换组件视为因子并采用析因设计（factorial design）与混合效应模型（mixed-effects models）来归因答案质量方差。该工作主要关注评估框架而非具体的数学或算法创新，与关键词列表中的概念关联较弱。

Structured Thoughts For Improved Reasoning And Context Pruning

Zain Sarwar et al.

cs.CL cs.AI

本文提出Structured Thoughts框架，将LLM推理过程组织为和交替的块结构，通过微调使模型采用结构化推理风格，并在推理基准上获得性能提升。该结构还支持上下文剪枝，通过移除块实现平均85%的内存节省，但性能略有下降。

A Stepwise Questioning Expert-Editor Multi-Agent Framework for Long-Document Summarization

Lingyun Shen, Xuejia Guo

cs.CL cs.AI

本文提出了一种基于LLM的多智能体框架，通过专家和编辑角色逐步提问来引导摘要优化，以解决长文档摘要任务中的输入长度限制问题。实验在两个科学数据集上验证了该方法在自动评估指标下的有效性。

Enjoy Your Talk: A Human-Centered Benchmark for Multi-Turn Dialogue with Decoupled User Simulation, Target Modeling, and Judging

Jinglan Gong et al.

cs.CL

本文提出了一个名为EYT-Bench的人本化benchmark，用于评估大语言模型在多轮对话中的表现，采用三方解耦设计（用户模拟器、目标模型和独立评判器）。实验发现不同模型在主观维度上差异较小，但在客观意图追踪上差异显著，且推理能力能显著提升长上下文场景下的意图追踪准确性。

Hallucination Detection in Large Language Models Using Diversion Decoding

Basel Abdeen et al.

cs.CL cs.LG

本文提出了一种名为diversion decoding的新方法，通过在解码阶段主动挑战模型生成的响应来提取特征，并训练机器学习模型以评估LLM的不确定性，从而检测幻觉。该方法在计算复杂度上优于现有方法，但与我提供的关键词列表关联度较低。

When Reasoning Hurts Legal Drafting: The Verbalization Bottleneck in Patent Claim Generation

Lekang Jiang, Wenjun Sun, Stephan Goetz

cs.CL

本文研究了Chain-of-Thought (CoT) prompting在专利权利要求生成任务中的效果，发现显式CoT会引入信息瓶颈，损害输出质量，而隐式CoT（内部推理）表现更优。该工作聚焦于法律文本生成这一特定领域，与关键词列表中的概念关联较弱。

Articulate Intuition or Genuine Analysis? Benchmarking Epistemic Reliability in LLM-as-a-Judge Peer Reviews

Nuo Chen et al.

cs.CL

本文通过引入Kahneman的双系统理论，构建了一个名为Kahneman4Review的基准测试，用于评估LLM作为评审者的认知可靠性。研究发现，LLM的决策层级与基于文本的认知质量代理之间缺乏对齐，且评审分数受长度和会议等级等表面因素影响。

Demographic Prompting at Scale: When More Attributes Hurt LLM--Human Agreement

Mahammed Kamruzzaman, Shrabon Kumar Das, Gene Louis Kim

cs.CL

本文研究了在prompt中加入标注者人口统计属性对LLM与人类标注一致性的影响，发现使用1-3个高信号属性时一致性最佳，而加入过多属性反而会降低效果。该工作主要关注LLM与人类对齐的实证分析，与您提供的关键词（如code, spectral, Muon, agent等）关联度较低。

Non-binary bottom-up constituency parsing without arity actions

Jungyeul Park, Eunkyul Leah Jo, Zihao Huang

cs.CL

本文提出了一种非二进制的自底向上句法分析方法，通过引入分隔符（delimiter）来替代传统的arity动作（如Reduce-X#k），从而在保持解析性能的同时减少了动作空间。实验表明该方法在PTB和CTB数据集上与基线方法竞争力相当。

Eval-Pair Matrix: Answer-Paired Meta-Evaluation of LLM Judges for Grounded RAG

Sriram Selvam, Anneswa Ghosh

cs.CL

本文提出了Eval-Pair Matrix，一种用于评估LLM作为RAG任务评判者的元评估协议。通过构建包含隐藏矛盾的问答对，并让不同模型作为生成器和评判者，实验发现相同模型作为评判者时并未表现出明显的自我宽容偏差。该工作主要贡献在于方法论层面，强调了在RAG评判者研究中应报告完整矩阵和配对效应。

Anamnesis: An Open-Source Platform for Large-Scale Backstory-Conditioned Survey Simulation

Song-Ze Yu et al.

cs.CL cs.AI cs.HC

Anamnesis是一个开源平台，利用large language models进行大规模背景故事条件调查模拟，支持多模态调查和概率人口统计重采样。通过案例研究验证，其生成的舆论分布比标准persona-prompting基线更接近真实调查数据。

MafiaScope: Non-Invasive, Time-Resolved Belief Probing for LLM Agents in Social Deduction Games

Ilia Karpov

cs.CL cs.MA cs.SI

本文提出了MafiaScope，一个用于探测LLM agent在社交推理游戏Mafia中信念的开源测试平台，通过结构化探针问题测量agent的Theory of Mind能力，并提供了可视化工具和案例研究。

Knowledge Distillation for Automated AI Tutor Evaluation

Tahmid Al Hannan et al.

cs.CL

本文提出FATE，一个8B参数的language model，通过knowledge distillation从frontier LLM中生成额外监督数据，用于评估AI tutor的教学质量。实验表明该方法在BEA 2025 Shared Task的四个评估track上取得了最高22.63个百分点的性能提升。

Unlocking Parallelism in Autoregressive Language Models via Speculative Decoding with Progressive Tree Drafting

Zipeng Gao et al.

cs.CL cs.AI

本文提出Progressive Tree Drafting (PTD)方法，通过渐进式树结构与逐步剪枝机制，在单个前向传播中引导LLM探索多条语义路径，以解锁自回归语言模型中的并行性。实验表明该方法在无需训练且与模型无关的条件下，实现了最高2倍的解码加速。

A Corpus of Persuasion Techniques in Slavic Languages

Jakub Piskorski et al.

cs.CL cs.AI

本文构建了一个包含保加利亚语、波兰语和俄语的劝说技巧语料库，涵盖25种细粒度技巧，并提供了基于传统机器学习和生成式AI的检测基准。该工作主要服务于计算语言学领域，与关键词中的核心概念无直接关联。

The First ChineseBabyLM Challenge: training data-efficient and cognitively plausible language models for Chinese

Siyuan Song et al.

cs.CL

本文介绍了首届ChineseBabyLM挑战赛，要求参赛者使用1亿中文token从头训练语言模型，并在NLU、认知对齐和汉字知识三个任务轨道上进行评估，对模型架构和训练轮数没有限制。

Trust Before Fusion: QIMG-7 and Source-Aware Resolution for Polluted Multimodal RAG

Saadeldine Eletter, Owais Aijaz, Preslav Nakov

cs.CL

本文提出了QIMG-7基准测试，用于评估多模态RAG在检索内容被污染时的表现，并提出了SATR方法，通过比较不同来源的候选答案并基于源可靠性进行选择，以提升鲁棒性。实验表明，在文本优先的事实问答中，选择性信任优于无条件融合。

Diagnosing and Mitigating Thinking Collapse in On-Policy Self-Distillation

Keqin Peng et al.

cs.CL cs.LG

本文研究了On-Policy Self-Distillation (OPSD)在复杂推理任务中导致性能下降的问题，并识别出“Thinking Collapse”现象。作者提出Adaptive Dual-Perspective OPSD (AD-OPSD)框架，通过动态调节蒸馏目标来缓解该问题，在数学基准测试上取得了提升。

Abstractiveness Metrics for Evaluating Text Summarization: A Refined Formulation with Empirical Validation

Praveenkumar Katwe, Rakesh Chandra Balabantaray, Kali Prasad Vittala

cs.CL cs.AI

本文提出了Reference Abstraction (RA)、Summary Abstraction (SA)和Abstraction Ratio (AR)三个启发式指标，用于量化文本摘要的抽象程度，并通过在XSUM数据集上的实验验证了这些指标能有效区分抽取式和生成式摘要模型。

Large Language Models for Token-Efficient and Semantic-Preserving Opinion Summarization

Fabrizio Marozzo, Stefano Iannicelli

cs.CL cs.AI cs.LG

本文提出了一种结合多维分类与分层采样的框架，用于在LLM意见摘要中减少token使用并保持语义。实验表明该方法在内容覆盖和平衡性上优于传统基线。

Quantifying the Sources of Instability in LLM-Based Stance Analysis of Public Discourse

Bo Chen

cs.CL

本文研究了基于LLM的立场分析中预处理pipeline与测量方法的不稳定性来源，发现预处理影响集中在样本量少的说话者，而测量方法（LLM vs. keyword lexicon）导致更系统性的分歧，但聚合情感比例高度稳定。

Capabilities of Claude Fable 5 on Biomedical Challenge Problems

Dominic Okonkwo et al.

cs.CL

本文评估了Claude Fable 5在八个生物医学benchmark上的表现，发现该模型拒绝回答8.0%到99.4%的问题，而一旦排除被拒绝的题目，其准确率超过所有对比模型。研究识别出两种不同的拒绝模式，分别集中在基础科学机制内容和罕见病领域。

The Nuts and Bolts of Natural Language to SQL Translation: A Systematic Analysis of Model Pipeline Optimisation Approaches and their Interactions

Filip Klubicka et al.

cs.CL cs.AI cs.DB

本文系统分析了NL2SQL翻译中多种pipeline优化方法（如NatSQL中间表示、预处理、基于合成数据的微调及新型reranker模型）的交互作用，通过消融实验和Shapley分析发现这些组件的效果依赖于基线系统及彼此间的相互作用，简单组合并不能达到最优结果。

EasyOPD: An Easy-to-use On-Policy Distillation Framework for Large Language Models

Jie Sun et al.

cs.CL

本文提出了EasyOPD，一个基于verl框架的on-policy蒸馏框架，用于大语言模型。它通过模块化设计统一了多种on-policy蒸馏方法的实现，并在推理、代码生成等任务上验证了其有效性。

Can a Language Model Learn Facts Continually in Its Weights?

Charles O'Neill

cs.CL cs.LG

本文研究了语言模型能否通过权重更新持续学习新事实，发现训练数据的广度决定了知识的可用性：仅用陈述句训练会导致死记硬背，而多样化表述能显著提升知识迁移能力。实验表明，后续写入会干扰先前事实的检索，但遗忘的事实并未被真正擦除，而是被后续写入“重定向”了问题路径。

Dimensionality in Satisfaction Ratings

Andrew Hong, Jason Potteiger

cs.CL

本文使用GPT-4.1对约9000条客服对话进行标注，将客户满意度分解为五个维度（整体、客服、结果、产品和客户努力），并验证了LLM标注与客户自评的一致性。研究发现分解维度的价值不在于增量预测，而在于归因和覆盖率，且基于全量数据的满意度显著低于调查结果。

Flout at Your Own Risk: LLMs Struggle with Pragmatic Cooperativity Under Epistemic Asymmetry

Hannah VanderHoeven, Abhijnan Nath, Nikhil Krishnaswamy

cs.CL cs.AI

本文研究了LLMs在多主体协作任务中，面对信息不对称时的语用推理能力，通过形式化协作认知不对称性并关联Grice的合作原则，评估了LLMs作为说话者和听者的表现。结果表明，尽管LLMs展现出一定的语用能力，但在信息不完整时仍面临挑战，且某些失败模式与未识别的Grice准则违反相关。

MJ: Multi-turn LLM Jailbreaking via Decomposed Credit Assignment

Junyoung Park et al.

cs.CL

本文提出DC-GRPO框架，通过将轨迹级奖励分解为逐轮组相对学习信号，解决了多轮LLM越狱攻击中的信用分配问题。实验表明该方法在多个基准上显著优于现有方法，但未涉及关键词中的code、spectral或Muon等概念。

ResearchQA: Benchmarking Citation-Grounded Question-Answering on Scientific Papers

Saba Imran, Debanjum Singh Solanky

cs.CL

本文提出了ResearchQA基准，包含来自494篇开放获取论文的6,211个问答对，用于评估大语言模型在科学文献阅读中生成可验证引用答案的能力。实验发现，基于引用的指标比LLM评估分数更能区分模型性能，且开源模型在引用准确性上接近闭源模型。

Do LLMs Fabricate Legal Citations? A Bilingual Benchmark on Saudi Data Protection Law and the GDPR

Noura Suliman Alrajeh

cs.CL cs.CY

本文构建了一个双语基准测试，评估LLM在沙特PDPL和GDPR法律条文引用上的虚构问题。研究发现模型对GDPR的引用准确率接近完美，但对沙特PDPL的引用虚构率高达60-77%，且模型置信度无法作为可靠指标。

TIGER: Text-Conditioned Visual Gated Routing with Acceptance Alignment for Multimodal Speculative Decoding

Quynh Vo et al.

cs.CL

本文提出TIGER框架，通过文本条件视觉门控路由动态选择与当前文本状态相关的视觉token，并采用基于接受对齐的组策略训练优化草稿模型，以加速多模态自回归生成中的推测解码过程。实验表明该方法在视觉内容上提升了接受前缀长度和加速效果。

Unified Gradient Projection: Language-Balanced Continual Learning for Multilingual Low-Resource ASR

Ziang Ren et al.

cs.CL cs.SD eess.AS

本文提出Unified Gradient Projection (UGP)方法，用于解决多语言低资源ASR中微调导致的灾难性遗忘问题。UGP通过语言平衡回放的reference gradient在统一投影空间中约束参数更新，减少主导语言偏差并提升跨语言稳定性。

Query-Focused Event Summarization: A Dataset and Benchmark

Chenyu Hu, Bang Wang

cs.CL

本文提出了Query-Focused Event Summarization (QFES)任务并构建了QFESum数据集，包含8个主题事件和104个查询。作者设计了一个两阶段框架（RAT和SHC），在数据集上验证了其有效性。

Amplitude-Only FFN Intervention for Tool-Structured LLM Inference Method: Gated Evaluation Protocol, and Cross-Model Empirical Results

Sheng Xu et al.

cs.CL

本文提出了一种名为Amplitude Gating (AG)的推理时FFN干预方法，通过仅调整激活幅度而非权重方向来改善大语言模型的结构化输出，并在多个Qwen模型上进行了实验。实验表明该方法在工具型任务上效果最显著，但整体提升有限且依赖模型和任务特定的路由。

ProgramTab: Boosting Table Reasoning of LLMs via Programmatic Paradigm

Pei Guo et al.

cs.CL cs.AI

本文提出ProgramTab框架，通过引导LLM使用Python代码进行表格预处理，并结合行列提取与SQL生成来提取关键内容，以解决大表格推理中的性能下降问题。实验表明该方法在表格推理任务上优于所有基于LLM的基线。

When the Target Domain Changes: AI-Mediated Construct Drift in High-Stakes English Language AssessmenW

Yi Gui

cs.CL

本文探讨了高风险英语测试中AI中介导致的构念漂移问题，提出将AI视为分数解释问题而非仅操作问题，并建议采用有界AI中介作为效度导向的设计原则。

Q-BridgeNet: A Quantization Network for Cross-Lingual Sign Language Translation

Liqian Feng et al.

cs.CL cs.MM

本文提出Q-BridgeNet，一种用于多语言手语翻译的统一框架，通过自适应分割和残差vector quantization学习离散Q-units，并微调多语言LLM以缓解跨语言冲突。实验表明该方法在多个数据集上取得最优性能。

TreeThink: A Modular Tree Search Library for Mathematical Reasoning with LLMs

Burak S. Akbudak et al.

cs.CL

TreeThink是一个开源的Python库，用于神经定理证明中的模块化异步树搜索。它集成了多种树搜索方法与vLLM推理管线，支持Lean 4、Rocq、Isabelle/HOL等正式验证器以及自然语言推理，并通过异步执行实现了最高6.3倍的加速。

Automated Textbook Auditing with Multi-Agent LLM Systems

Ciprian Cristescu et al.

cs.CL cs.AI cs.CY cs.MA

本文提出了一种基于多智能体LLM系统的自动化教材审核工具AI Textbook Auditor，通过事实技术审核和语法审核两条管线处理教材PDF，并利用Judge Agent过滤误报。该系统在罗马尼亚高中教材上进行了验证，但方法本身是工程性的组合应用，缺乏理论或方法上的开创性。

FAD-SA-GRU: Enhancing Hate Speech Detection in Algerian Dialect Through Feature-Augmented Self-Attention GRU Networks

Sara Yakoubi et al.

cs.CL

本文针对阿尔及利亚阿拉伯方言（Darija）中的仇恨言论检测问题，提出了一种名为FAD-SA-GRU的混合架构，通过融合多种词嵌入（DZ FastText、DZ AraVec、DziriBERT）并采用自注意力增强的GRU编码器，在二分类任务上取得了优于传统机器学习、深度学习及Transformer模型的性能。

The In-Car Sign Language Corpus (ICSL): A Multi-Modal Resource for Constrained-Space Sign Language Recognition

Raviteja Boddu et al.

cs.CL cs.CV

本文介绍了In-Car Sign Language (ICSL)语料库，这是一个针对巴西手语(Libras)的多模态数据集，包含实验室动作捕捉和真实车内环境记录，旨在推动受限空间(如车辆内部)下的手语识别研究。该数据集提供了超过150万帧的同步多模态数据，并带有词汇标注，用于训练和评估深度神经网络。

Characterising AI Models for Cataloguing

Miguel Arana-Catania, Neil Jefferies

cs.CL cs.AI cs.DL cs.IR cs.LG

本文评估了AI模型在数字馆藏编目中的应用，比较了不同实现和模型的效果，并提供了定性与定量分析及使用建议。该工作主要聚焦于实际应用而非理论创新，与关键词列表中的概念关联较弱。

RefineEvo: Planning-Guided Heuristic Evolution with Bidirectional Experience

Yang Wu et al.

cs.CL

本文提出RefineEvo框架，通过Planner动态调度进化算子并利用Reflector积累双向经验，将自动启发式设计从静态试错转变为规划引导的迭代过程。实验表明该方法在组合优化基准上提升了求解质量与token效率。

Beyond Sally-Anne: Evaluating Theory of Mind in LLMs using Epistemic Schelling Points

Roberta Rocca et al.

cs.CL cs.AI

本文提出了Epistemic Asymmetry Schelling Task (EAST)，一种用于评估LLM在自然对话中应用Theory of Mind能力的双人对话游戏。研究发现，即使模型在传统静态基准上表现良好，其在需要追踪不同知识状态（如区分私有知识与共同知识）以实现协调的任务中仍存在显著能力瓶颈。

Cross-Architecture LLM Ensembles, Feature-Based Reranking and Retrieval-Augmented Prompting for Legal Information Processing

Amal Saad Alshehri, Nelly Bencomo, Amir Atapour-Abarghouei

cs.CL

本文报告了Team DU在COLIEE 2026法律信息处理任务中的方法，通过跨架构模型集成、基于特征的reranking和检索增强提示等技术，在多个子任务上取得了领先成绩，但方法本身并非开创性，且与关键词列表中的概念无直接关联。

Confidently Wrong: Detecting Hallucinations in Financial Question Answering from LLM Internal States

Richard Zhe Wang

cs.CL

本文研究了从LLM内部激活状态中检测金融问答中“自信幻觉”的方法，通过线性探针在残差流上训练，发现该方法在FinQA和TAT-QA基准上优于基于输出概率的基线方法。该工作主要关注应用层面的幻觉检测，与关键词中的code、spectral、Muon、pretrain、agent、attention等概念关联较弱。

ToFu: A White-Box, Token-Efficient Agent Harness for Researchers

Junhao Ruan et al.

cs.CL

ToFu是一个面向研究者的白盒agent框架，能读取代码库、编辑文件并运行命令，在token效率和成本上优于现有方案。它既可作为研究助手支持实际工作流，也可作为研究对象供研究者检查其编排逻辑和工具使用行为。

Direct Image-to-Modern Vietnamese Translation of Han-Nom Manuscripts via Multimodal RLHF Preference Alignment

Thi Kim Trang Vo, Nghia Hieu Nguyen, Ha Minh Tan

cs.CL cs.CV

本文提出了一种多模态RLHF偏好对齐框架，用于将Han-Nom手稿图像翻译为现代越南语，通过结合CLIP、BERT和T5等多模态特征，并比较PPO、DPO和KTO三种偏好优化方法，发现DPO在多数指标上表现最佳。该方法主要针对低资源历史文献翻译任务，与关键词中的概念无直接关联。

Relational Positioning as a Measurable Risk Object: History-Carried Lock-in and Self-Confabulation in Multi-Turn Human-AI Dialogue

Jihong Chen

cs.CL

本文通过定义和验证“关系定位”这一可测量风险对象，研究了多轮人机对话中大语言模型从“将用户推向现实他人”到“将自己定位为用户唯一支持”的隐性关系立场转变，并报告了历史携带锁定和自我虚构两种新的关系故障模式。该工作主要关注对话安全与模型行为，与您提供的关键词（如code, spectral, Muon, pretrain, agent, attention）关联度较低。

Are LLMs ready for HardChoices?

Dmitry Nikolaev

cs.CL

本文使用新数据集HardChoices测试LLM在重大社会议题上的立场一致性，发现模型很少保持中立但立场常不连贯，且在某些议题上表现出高度一致性。

Communicating Chess Strategies in Natural Language

Langyuan Cui, Chun Kai Ling, Hwee Tou Ng

cs.CL

本文提出了一个用自然语言描述国际象棋策略的任务，并设计了相应的生成pipeline和评估框架。实验表明自然语言可以作为向人类和LLM玩家传达策略信息的可解释媒介。

LightMem-Ego: Your AI Memory for Everyday Life

Yijun Chen et al.

cs.CL cs.AI cs.CV cs.HC cs.MM

本文提出了LightMem-Ego，一个轻量级流式多模态记忆系统，用于在移动和可穿戴设备上持续感知、组织和检索用户的日常视觉与音频体验，并支持基于多模态证据的查询回答。该系统通过分层记忆结构和动态检索路由来辅助日常生活。

Dzongkha Next Word Prediction System

Prerna Chhetri et al.

cs.CL

本文针对不丹民族语言Dzongkha开发了一个基于LSTM、Bi-LSTM和GRU的下一词预测系统，通过N-gram序列预处理和超参数调优，GRU模型以74.03%的准确率解决了打字效率低和过拟合问题。该工作属于自然语言处理应用，与关键词中的理论或方法无直接关联。

Beyond Benchmarks: Exposing the Hidden Crisis in Bangla Hate Speech Detection

Faria Afrin Tisha et al.

cs.CL

本文研究了孟加拉语仇恨言论检测中基准模型在隐式和上下文相关表达上的泛化危机，发现BanglaBERT等模型在外部测试集上性能显著下降，尤其对含讽刺和表情符号的隐式仇恨言论检测效果不佳。研究强调了开发适应表情符号和文化语境的检测框架的必要性。

Globally Consistent Coloring Schemes for Language Identification

Moses Charikar, Jon Kleinberg, Chirag Pabbaraju

cs.CL cs.DS cs.LG

本文研究了在Gold语言识别模型中，通过为每个字符串末尾添加一个终端颜色（terminal coloring）来使对抗性语言学习成为可能。作者证明了对于所有可数无限语言集合，仅需每个字符串一个终端比特即可实现全局一致的识别，但该构造依赖于超限递归（transfinite recursion），并证明了任何有界颜色的Borel映射（Borel map）都无法实现这一目标。

Extending LLM Context via Associative Recurrent Memory

Gleb Kuzmin et al.

cs.CL cs.AI

本文研究了Associative Recurrent Memory Transformer (ARMT)用于扩展LLM的context长度，通过构建领域特定数据集和训练策略，实现了在constant memory scaling下处理超长输入，并减少了30%的FLOPs。

Losing My Composure: Predicting Compositionality Over Time

Chris Jenkins et al.

cs.CL

本文研究了德语和英语名词复合词的语义变化，通过引入Compositionality Trend Prediction任务和跨年代语料库的合成性评分数据集，发现复合词的合成性随时间仅呈现微小的负趋势，并比较了不同时间粒度的语义向量表示在预测任务中的表现。

RAGU: A Multi-Step GraphRAG Engine with a Compact Domain-Adapted LLM

Mikhail Komarov et al.

cs.CL cs.AI

RAGU是一个开源的模块化GraphRAG引擎，通过将知识图谱构建中的实体提取与合并分离为两阶段过程，并采用DBSCAN去重和Leiden社区检测来提升检索质量。其核心发现是，流水线中LLM所需的语言技能（理解、提取、推理）随模型规模增长缓慢，因此训练了7B参数的Meno-Lite-0.1模型，在知识图谱构建上优于Qwen2.5-32B。

Production and Perception in LLMs: A Token Probability Approach

Anna Marklová et al.

cs.CL

本文通过直接测量token概率而非元语言提示，研究了大型语言模型（LLMs）中生产与感知的区分。实验使用Llama-3.1-8B等模型，发现生产-感知距离显著大于生产-生产距离，表明提示框架本身即可在概率分布中诱导出这种区分。

JobHop v2: A Large-Scale Career Trajectory Dataset from Unstructured Resumes

Iman Johary et al.

cs.CL

本文提出了JobHop v2，一个从约44万份多语言简历中通过LLM提取构建的大规模职业轨迹数据集，包含35.5万条标注了ESCO职业代码、季度时间信息和教育水平的轨迹。该工作主要贡献在于数据集的规模与标注丰富度，但与我提供的关键词（如spectral, Muon, pretrain, agent, attention等）关联度较低。

STEP: Career-Path Recommendation via Temporal and Educational Trajectory Modeling

Iman Johary et al.

cs.CL

本文提出了一个名为STEP的职业路径推荐系统，利用LLM从非结构化简历中提取时间与教育信号，通过集成时间衰减GRU和基于教育背景的FiLM来预测下一份工作。该方法在多个数据集上优于现有基线，但未涉及code、spectral或Muon等关键词。

MET: Theory-Grounded and Culture-Aware Multilingual Moral Reasoning

Ayoung Lee et al.

cs.CL

本文提出了一个多语言道德推理框架MET，通过结合心理学和哲学的理论基础以及文化感知的提示方法，解决了现有工作在跨语言道德决策中的不足。该方法在多个语言模型上提升了道德推理性能，并揭示了不同文化下有益推理基础的系统性差异。

How Temperature Shapes Ideological Discourse in Retrieval-Augmented Generation?

Elmira Salari et al.

cs.CL

本文研究了Retrieval-Augmented Generation (RAG)框架中采样温度如何影响意识形态话语的传递，发现中等温度下话语对齐最强，而低温度会抑制这种传递。该工作主要关注LLM输出中的意识形态偏差，与关键词列表中的概念关联较弱。

Introducing Human-Centeredness in AI-Assisted Lexicography

Antonio San Martin, Catherine Trekker

cs.CL cs.AI

本文提出了一个以人为中心的人工智能框架，用于AI辅助词典编纂，强调AI应增强而非取代词典编纂者，并关注自动化与人类控制的平衡。该框架为未来AI在词典编纂工作流中的整合提供了理论基础。

AdvancedMathBench: A Benchmark Suite for Advanced Mathematical Proof Generation and Verification

Lingkai Kong et al.

cs.CL

本文提出了AdvancedMathBench，一个用于评估高级数学推理能力的benchmark suite，包含ProverBench和VerifierBench两个子集。实验表明，现有模型在高级数学证明生成和验证任务上表现有限，尤其是错误检测能力存在明显瓶颈。

A Durability and Cross-Language Transfer Benchmark for a Validated Teaching-Feedback Classification Protocol

Esteban U. Vega Barajas

cs.CL cs.LG

本文评估了一个教学反馈分类协议在跨语言和跨时间维度上的鲁棒性，通过对比不同时期的representation方法（从稀疏特征到大型语言模型）在西班牙语和英语语料上的表现，发现该协议具有持久性，但模型选择更多是部署决策而非方法本身的属性。

Metacognition in LLMs: Foundations, Progress, and Opportunities

Gabrielle Kaili-May Liu et al.

cs.CL cs.AI

本文综述了大型语言模型（LLMs）中元认知（metacognition）的研究现状，包括评估方法、提升技术及未来方向，但未涉及代码、谱方法或预训练等关键词相关核心内容。

cs.DS

Randomization Helps in Online Graph Exploration: Breaking the Deterministic Lower Bound on Cycles ⭐ 精选

Júlia Baligács, Jan Hązła, Lena Volk

cs.DS cs.DM

本文提出了一种随机化算法$\textsc{RandHeavyTest}$，用于解决在线图探索问题中的cycle图类，并证明其competitive ratio至多为1.315，严格优于确定性算法的最优competitive ratio约1.366。这是首次证明随机化策略能打破在线图探索中确定性算法的下界，为该领域提供了开创性的分离结果。文中还给出了一个简化的最优确定性算法$\textsc{HeavyTest}$作为基础，并补充了随机化算法的下界分析。

Minimum Degree Spanning Tree: $(1+ε,1)$-Approximation in Near-Linear Time ⭐ 精选

Sayan Bhattacharya et al.

cs.DS

本文针对最小度生成树问题，提出了首个近线性时间算法，在$\tilde O(m/\epsilon^2)$时间内构造出最大度不超过$\lceil (1+\epsilon)\Delta^\star\rceil+1$的生成树，其中$\Delta^\star$为最优值。该结果解决了该领域三十余年来悬而未决的开放问题，即能否在近线性时间内达到与经典$\tilde O(mn)$时间算法同样强的近似保证。此外，利用相同框架，算法还能在$\tilde O(mn^{2/3})$时间内构造出最大度为$\Delta^\star+1$的生成树，改进了先前的最优结果。这些成果严格优于所有先前的构造算法，为该经典NP-hard问题提供了突破性的近似方案。

Learning Partition Trees for Nearest Neighbor Search

Sanjeev Khanna, Ashwin Padaki, Erik Waingarten

cs.DS cs.LG

本文研究了最近邻搜索中的数据驱动算法设计，通过平衡半空间树（balanced halfspace trees）学习针对特定查询分布优化的数据结构，并证明了在完美树存在时可达$o(nd)$查询时间。文章还证明了最优平衡半空间切割问题是NP难的，并设计了一个非恰当学习算法来绕过这一计算障碍。

Distributed Load Balancing on Unrelated Machines

Aaron Bernstein, Anupam Gupta, Zhaozi Wang

cs.DS

本文研究了CONGEST模型中的分布式负载均衡问题，针对一般化的无关机器场景（每个作业在不同机器上有不同大小），提出了一个在polylog轮内计算$(1+\varepsilon)$-近似分数解或$(2+\varepsilon)$-近似整数解的算法，并作为副产品给出了一个用于混合packing-covering线性规划的通用黑盒工具。

Approximate Colorwise Tensorization of Entropy and Optimal Mixing of the Wang-Swendsen-Kotecký Dynamics

Chunyang Wang, Yuichi Yoshida, Zihan Zhang

cs.DS

本文为分析Wang-Swendsen-Kotecký (WSK) dynamics的mixing time引入了新的工具：approximate colorwise tensorization of entropy (ACTE)和approximate colorwise subadditivity of entropy (ACSE)，并证明了在弦图和outerplanar图上WSK dynamics的最优$O_q(\log n)$ mixing time。这些结果改进了已知的mixing time界，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Limited Independence Suffices for Large-k Min-wise Hashing

Haoran Wang

cs.DS cs.DM

本文证明了标准s-wise independent polynomial hash family在s=O(k+log(1/delta))时即可实现k-min-wise hashing，其multiplicative error为delta。该结果改进了先前对所需independence程度的分析，并匹配了seed length的下界。

Dense Subset Sum in Multi-Dimension

Lin Chen et al.

cs.DS math.CO

本文研究了多维稠密子集和问题中集合$\mathcal{S}(A)$的加法结构，证明了当$n \gg \sqrt{\Phi}$时，该集合包含一个长广义等差数列，并在特定条件下包含zonotope中的所有整数点。该结果降低了密度阈值并扩展了已知区域，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

Optimal Extrapolation Bounds for Sparse Fourier Sums

Ruizhe Zhang

cs.DS math.CA math.NA

本文证明了对于任意实频率的$k$-稀疏Fourier和，在区间外的最优外推界，改进了Chen和Price (ICALP 2019)的指数增长估计，并给出了算法上的应用。

The Power of Arrival Times in Random-Order Online Facility Location

Yichen Huang, Shaofeng H.-C. Jiang

cs.DS

本文研究了随机顺序模型下的在线度量设施选址问题，通过考虑请求的到达时间所携带的局部密度几何信息来改进决策，提出了一个竞争比低于2.42的确定性算法和一个竞争比低于2.59的随机算法。这些结果改进了此前已知的3-竞争比上界。

Deterministic Online Embedding of Metric Spaces into Low Dimensional Spaces

Noam Licht, Ilan Newman, Yuri Rabinovich

cs.DS

本文研究了度量空间到常维欧氏空间的确定性在线嵌入问题，针对自适应对手。对于固定固体图（如$K_5$）的度量，证明了可多项式失真嵌入$\mathbb{R}^2$；对于树度量（如ultrametrics和HST），证明了在线与离线嵌入的失真差距不大，均为$n^{\Theta(1/d)}$。

Independent Set Reconfiguration on Threshold Signed Graphs

Ziad Ismaili Alaoui

cs.DS math.CO

本文研究了在threshold signed graphs（也称Dilworth-2 graphs）上的Independent Set Reconfiguration问题，包括Token Jumping和Sliding Token，并证明了这两个问题在该图类上可在多项式时间内求解。该图类是permutation graphs的一个子类，其算法基于threshold signed graphs特有的inclusion-chain结构。

Fully Dynamic Edge Connectivity in $\tilde{O}(n^{12/13})$ Time

Yotam Kenneth-Mordoch, Robert Krauthgamer

cs.DS

本文针对动态图边连通度维护问题，提出了一种随机化算法，在最坏情况下更新和查询时间为$\tilde{O}(n^{12/13})$，这是首个对所有边连通度值均达到$o(n)$时间的算法。此外，还给出了确定性算法，其最坏情况时间为$n^{1+o(1)}$或摊还时间为$\tilde{O}(n)$。

A Better Analysis For PPSZ For 3-SAT

Tao Jiang, Shaowei Cai

cs.DS

本文重新分析了PPSZ算法在3-SAT问题上的运行时间上界，通过使用线性规划对偶证书替代原有的重组步骤，得到了略微改进的数值结果，其中对一般3-SAT的最坏情况随机运行时间上界为$O^*(1.307031578^n)$。该工作未修改PPSZ算法本身或lifting定理，主要贡献在于分析方法的优化。

On the upper bound of the generalization of $\mathsf{FFD}$ to solve $q$BP for some special cases

Dinesh Kumar Baghel

cs.DS

本文研究了带约束的装箱问题变种$q$BP，其中每个物品有$q$个副本且每个bin中每种物品最多出现一次。作者通过分析一个精心选择的子实例来规避经典FFD证明中的假设限制，给出了FFD推广算法在某些特殊情况下的近似比上界为$\frac{11}{9}\mathsf{OPT(D_q)} + 3q$。

CGS: Configurable Graph Summarization with Bounded Neighborhood Loss and Query Support

Shubhadip Mitra et al.

cs.DS cs.AI cs.LG

本文提出了一种可配置的图摘要框架CGS，通过聚合具有共同邻域的节点来生成紧凑的摘要图，并支持用户通过参数控制邻域损失容忍度。该方法包含三种变体，分别实现无损、无假正边和无假负边的图重建，并在多个真实和合成图上展示了优于现有方法的压缩效果与查询精度。

Threshold Rounding and Bounded-Degree Boolean MAX 2-CSP

Suprovat Ghoshal et al.

cs.DS

本文针对一类布尔MAX 2-CSP问题（每个变量最多出现在$d$个约束中），提出了一个在threshold rounding方案基础上改进$\widetilde{\Omega}(1/d^4)$的算法。对于有界度的MAX 2-SAT实例，该算法进一步将近似比提升至$(\beta_\star + \widetilde{\Omega}(1/d^2))$，其中$\beta_\star$是LLZ算法达到的UGC最优近似比。

Improved Algorithms for Local Failover Routing on Directed Graphs

Yuki Kawashima, Naoki Kitamura, Taisuke Izumi

cs.DS

本文研究了有向图中局部故障切换路由的包头部可重写比特数问题，通过提出一种新方案，将上界改进为$\min(k \log ( \frac{e(2n+k-3)}{k}, 2n \log ( \frac{e(2n+k-3)}{2n})))$，并给出了下界$\Omega(k\lceil\log\frac{n}{k}\rceil)$，从而缩小了上下界之间的差距。该工作主要关注路由容错机制，与关键词中的code、context、spectral等概念关联较弱。

Courcelle's Theorem in Truly Linear FPT

Tuukka Korhonen, Daniel Lokshtanov, Saket Saurabh

cs.DS

本文针对Truly Linear FPT (TLFPT)类问题，给出了一个参数化为treewidth的通用算法设计方法，证明了Courcelle's theorem在TLFPT框架下成立，即可以在$O(n+m)+f(k,\varphi)$时间内判定图是否满足$\mathsf{CMSO}_2$-公式，并给出了一个线性时间的treewidth近似算法。

Bounded-Support Additive Latin Transversals via Color-Counted Matching

Antoine Deza et al.

cs.DS math.CO

本文研究了有界支撑的加法拉丁横截问题，通过将问题归约到Color-Counted Matching，并利用Mulmuley-Vazirani-Vazirani算法，给出了一个随机化算法，其运行时间依赖于支撑集大小。该工作主要贡献在于算法设计，但与我提供的关键词（如code, context, spectral等）关联度较低。

Approximation Algorithms for Discounted Graph Search with Norm Objectives

Svenja M. Griesbach, Felix Hommelsheim, Max Klimm

cs.DS

本文提出一个统一框架，通过折扣因子$\alpha$和范数参数$p$来建模多种经典搜索与路由问题，并针对$p=1$和一般$p\geq 1$的情况给出了多项式时间的常数因子近似算法。

Optimal chain density, entropy, and space-time tradeoffs for the TSP

Alexandr Andoni et al.

cs.DS math.CO

本文研究了集合系统大小与全链数量之间的最优权衡问题，通过将极值组合问题转化为信息与熵的权衡，得到了TSP动态规划算法空间-时间乘积的近似最优界$\gamma \approx 3.1819$。该工作主要贡献在于精确刻画了该组合问题的极值，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

Finding Nearly-Periodic Components in Digraphs and Markov Chains from the Spectrum of Rotated Laplacian Matrices

Salil Vadhan, Jiyu Zhang

cs.DS cs.DM math.CO math.SP

本文研究有向图中近似周期结构的谱算法，通过旋转Laplacian矩阵的谱来量化Markov链的周期性，并分析了相关谱算法的运行时间与性能。

Low latency data-flow graphs for simultaneous modular inversion of many inputs

Tamas Visegrady

cs.DS

本文针对Montgomery技巧中辅助乘法的调度问题，提出了一种最大化并行的data-flow graph (DFG)结构，通过将辅助乘法调度到空闲乘法器时隙中，使得后反演阶段的延迟与输入数量$N$无关，从而优化了多输入模逆的延迟。

Philosopher and Prophet Inequalities for Divisible Items

Thiago Oliveira, Mohit Singh, Sahil Singla

cs.DS cs.GT

本文研究了可分割物品的在线社会福利最大化问题，针对具有单调凹估值（diminishing returns）的玩家，提出了一个达到哲学家基准（philosopher benchmark）$2/3$近似的算法，并证明了计算最优在线策略是#P-hard的。此外，文章还得到了一个紧的先知不等式（prophet inequality），表明使用Aumann-Shapley支持价格的固定价格拍卖能达到离线最优的$1/2$近似。

Need for Speed Sort: A Recursive Distribution-Based Sorting Algorithm

Fran Sučić, Leo Vitasović, Nikola Petrušić

cs.DS

本文提出了一种名为Need for Speed Sort的递归分布排序算法，通过等宽值区间划分和递归细化密集桶来排序数值数组，并采用分段缓存感知散射与辅助数组策略，保证最坏情况$O(n \log n)$时间复杂度和$O(\log n)$辅助空间。实验表明该算法在多种数据集上具有竞争力，但与关键词列表中的概念无直接关联。

others

SWIFT: A Small-World Interaction Framework for Flow-Aware Trajectory Prediction in Autonomous Driving ⭐ 精选

Chengyue Wang et al.

cs.RO cs.AI cs.MA

本文提出SWIFT框架，将small-world network（小世界网络）与traffic flow theory（交通流理论）相结合，为自动驾驶中的trajectory prediction（轨迹预测）引入structural inductive biases（结构归纳偏置）。通过Small-World Interaction Network捕获local和global dependencies，并利用Flow Regime Encoder根据场景级traffic states自适应调整interaction structure，该方法在nuScenes、MoCAD和NGSIM数据集上显著提升了预测精度。该工作为agent interaction modeling提供了新的结构先验视角，与关键词中的agent和context高度契合。

Cross-Subject Modeling for Widefield Calcium Imaging via Atlas-Aligned Spatiotemporal Tokenization ⭐ 精选

Mohammad Hosseini et al.

cs.CV cs.AI cs.LG q-bio.NC

本文提出WiCAT模型，首次实现了跨主体的widefield calcium imaging数据的多主体建模。该方法通过atlas-aligned spatiotemporal tokenization（基于脑图谱对齐的时空token化）方案，在self-supervised pretraining框架下学习全局共享的spatiotemporal representations，无需session-specific组件。该模型在多个数据集上超越了单session模型，并实现了对未见主体的zero-shot行为解码和脑区重建，为大规模神经影像的foundation model研究提供了开创性方法。

Toward Stronger Code Watermarking: A Grammar-Driven Approach to Optimizing the Trade-off Between Quality and Detectability ⭐ 精选

Licheng Yu, Aiwei Liu, Songze Li

cs.CR cs.CL

本文提出了一种名为Grammar-Driven Watermark (GDW)的代码水印方法，用于在LLM生成的代码中平衡质量与可检测性。该方法通过语法引导的三级掩码机制保持代码的syntactic validity，并采用structural role-aware modulation对内容承载token施加更强偏置、对语法关键token施加保守偏置，从而优化了quality-detectability trade-off。实验表明，GDW在多种编程语言和模型上建立了更优的trade-off frontier，并具备对变量重命名攻击的鲁棒性。该工作为code watermarking领域提供了新的grammar-driven视角，与关键词“code”高度契合。

SPORT: Structure-Aware Prototype Disentanglement for Incomplete Multi-View Clustering ⭐ 精选

Yaoyuan Guo et al.

cs.CV cs.LG

本文提出SPORT框架，针对不完整多视图聚类中原型（prototype）的表示问题，创新性地将原型解耦为正交的共享成分与视图特有成分，仅对齐共享成分以捕获跨视图共识语义，同时去相关视图特有成分以保留互补信息。该方法引入结构感知对比学习（structure-aware contrastive learning）来显式建模聚类级别的关系结构，并设计混合插补策略（hybrid imputation strategy）结合全局原型匹配与局部邻域匹配，以利用语义原型和流形结构（manifold structures）恢复缺失视图。实验表明，该方法在多个基准数据集上优于现有方法，其核心思想与关键词中的“context”和“spectral”（通过流形结构隐含关联）有一定契合。

VIA: Visual Interface Agent for Robot Control ⭐ 精选

Hengyuan Hu et al.

cs.RO cs.AI

本文提出VIA (Visual Interface Agent for robot control)框架，将机器人控制重新定义为agent任务：通过让现成的foundation model (FM)驱动的agent操作一个基于浏览器的3D界面，以截图、发出直观命令、观察结果并调整的方式控制机械臂。该方法无需对机器人数据进行任何fine-tuning，也无需访问特权状态信息，仅通过视觉输入和通用工具即可实现闭环控制与错误恢复。VIA在多个桌面操作任务上实现了zero-shot泛化，在LIBERO-Goal任务上达到96.7%的成功率，在长时域彩虹组装任务上达到100%，表明前沿agent的能力可直接迁移至机器人控制。该工作与关键词"agent"高度契合，且为机器人控制领域提供了一种无需专用训练数据的新范式。

Multi-Agent LLMs Fail to Explore Each Other ⭐ 精选

Hyeong Kyu Choi et al.

cs.MA cs.AI

本文形式化了多智能体探索问题，将其建模为部分可观测随机博弈(POSG)，并指出现有LLM agents在交互中表现出短视和极化行为。作者提出Multi-Agent Contextual Exploration (MACE)框架，通过结构化peer selection显式促进探索，在contextual和parametric多样性设置下均显著提升了探索行为和任务性能。理论分析表明，探索的价值随agent多样性增加而增长，这揭示了当前LLM agents在可靠多智能体自主性方面的根本局限。

Backpropagation as a Nilpotent Linear System ⭐ 精选

Ahmed Boughammoura

cs.NE cs.LG

本文提出了F-adjoint框架，将深度前馈网络的逐层反向传播重新表述为一个全局线性系统$(I-\cB)\Xs=\bG$，其中$\cB$是严格块上三角且幂零指数至多为$L$的算子。这一nilpotent性质保证了Neumann级数解在至多$L$项后精确终止，揭示了经典反向传播在数学上等价于上双对角系统的块回代。该工作将反向传播从算法层面提升为全局nilpotent算子理论，并利用这一组合结构严格推导了残差网络（gradient highways）和迁移学习（gradient truncation）的机制，与关键词中的spectral和context有一定契合。

Agent Hacks Agent: Autoresearch for Production-Agent Red-Teaming ⭐ 精选

Xutao Mao, Xiang Zheng, Cong Wang

cs.CR cs.AI

本文提出了一种名为AHA的自动化红队测试框架，用于发现生产级LLM agent（如Claude Code和Codex）中的可复用漏洞知识。该方法通过一个可证伪的发现循环，将确认的漏洞概念组织成Vulnerability Concept Graph (VCG)，每个概念关联攻击面、不安全轨迹及使能条件。实验表明，冻结的VCG无需进一步搜索即可在单次攻击协议下超越最强基线14.2个百分点，并能跨场景和攻击通道迁移，为生产安全团队提供了可审计的漏洞知识积累工具。该工作与关键词“agent”高度契合，解决了agent安全测试中知识复用与条件归因的长期问题。

Narrix: Remixing Narrative Strategies from Examples for Story Writing

Chao Zhang et al.

cs.HC cs.CL

Narrix是一个帮助新手作者识别和复用示例故事中叙事策略的写作工具，通过颜色编码的词汇线索和交互式故事弧线来探索情感变化和转折点。该工具在用户研究中显示出比基线聊天界面更好的策略保留、信心和创造性适应效果。

Question Type, Cognitive Load, and CEFR Alignment: Evaluating LLM-Generated EFL Grammar Drill Exercises

Steve Woollaston et al.

cs.CY cs.CL

本文利用日本初中生在语法练习应用中的日志数据，评估了LLM生成的EFL学习内容的教学可行性，发现不同问题形式（如多项选择、完形填空和拖拽练习）对学生表现有显著影响，并验证了CEFR-J语法框架的难度层级。该研究主要关注教育应用而非数学理论，与关键词列表中的概念无直接关联。

Reverse Engineering Compliance: A Dual-Graph Verification Framework for Auditing Legacy IT Security Concepts

Lea Roxanne Muth, Marian Margraf

cs.CR cs.AI

本文提出了ASSERT框架，利用ontology从遗留文档中提取formal document graphs，通过与verified reference graph进行五类graph difference比较，并导出schema-valid OSCAL artifacts，以解决遗留IT安全概念迁移中的验证问题。

ECG-LDC: A Hardware-Efficient Low-Dimensional Computing Framework for ECG Arrhythmia Classification

Anh Tran, Khanh Tran, Cuong Do

eess.SP cs.AI cs.LG

本文提出ECG-LDC，一种用于心电图心律失常分类的硬件-软件协同设计框架，通过双编码器架构和二进制运算实现低维计算，在Pynq-Z2平台上以极小的内存占用（3.86 kB）达到97.18%的准确率，适合资源受限的可穿戴设备。

Transfer Learning Across Policy Regimes in Adaptive Multi-Agent Systems

Roberto Garrone

cs.MA cs.AI cs.CY cs.LG

本文研究了自适应多智能体系统中政策体制变化下的迁移学习问题，通过比较空白学习者和迁移学习者在不同政策体制下的表现，分析了迁移学习的利弊。实验表明，当新体制保持原有结构时迁移有益，否则可能产生负迁移。

Model Collapse: On Recursion, Noise, and Uncharted Machine Visions

Violaine Boutet de Monvel

cs.OH cs.AI cs.CY cs.LG

本文从媒体考古学角度探讨了模型崩溃现象，将其类比为早期模拟视频反馈实验，并论证了递归训练对AI生成数据依赖性的影响，同时挑战了超人类主义理想。

The Ramanujan Challenge For AI

Michael Shalyt et al.

math.HO cs.AI math.NT

本文提出了一个用于评估AI数学能力的问题集，包含关于π、e等数学常数的公式，其中部分公式的证明已知但被加密，部分尚未被证明。该工作旨在测试AI在数学推理方面的能力，但与我提供的关键词列表关联度较低。

The Universal Language of CSI:Unifying Wireless Sensing Across Devices and Environments

Jiayi Chen, Weiting Ou, Guangxu Zhu

eess.SP cs.AI

本文提出一个基于foundation-model的框架，将Channel State Information (CSI)视为一种结构化语言，通过轻量级adapter将不同设备的信号tokenize到共享的隐空间，并用自监督Transformer学习运动与环境的时间语法，从而统一异构的无线感知任务。

Saturation-Aware Robust Trajectory Optimization for Reusable Launch Vehicles via Differentiable Physics

Liwei Chen, Tong Qin

cs.RO cs.LG physics.app-ph

本文提出了一种基于可微物理的饱和感知鲁棒轨迹优化框架，用于可重复使用运载火箭的大攻角翻转机动。该方法通过可微粒子管控制（DPTC）方案，利用拉格朗日粒子系综表示状态不确定性，并将硬执行器投影算子嵌入计算图，实现前馈轨迹与反馈策略的联合优化。

Q-Score: A Quantum-Native Scoring Function for Molecular Docking

Kangyu Zheng et al.

physics.chem-ph cs.LG

本文提出了一种名为Q-Score的量子原生评分函数，用于分子对接中的结合亲和力预测。该方法将GNN预测的轨道供体-受体能量编码为加权图，并通过Digitized-Counterdiabatic QAOA求解最大权重顶点团问题来评分。实验表明，Q-Score与经典评分函数正交，且不受分子量偏差影响，在NISQ硬件上实现了6量子比特的可解性。

MorphologyFM: A Foundation Model for Morphology-Aware Representation Learning from ECG and Pulse Oximetry Waveforms

Saiyang Feng, Yuanyun Zhang, Shi Li

eess.SP cs.AI cs.LG

本文提出MorphologyFM，一种基于形态学感知自监督学习在ECG和SpO2波形上预训练的多模态基础模型，通过形态引导掩码、跨模态表示学习和对比对齐来捕捉临床相关的生理结构。实验表明其在心律失常分类等下游任务上优于MAE、对比学习等方法，但方法本身在开创性上与关键词（如code, context, spectral, Muon, agent, attention）关联较弱。

Data-Driven Forward and Inverse Modeling of V-Beam Thermal Sensors

Tudor Bartha, Radu Chiorean, Adrian Groza

eess.SP cs.AI

本文提出了一种基于机器学习的V-beam热传感器正反向建模框架，通过神经网络正向模型和梯度下降逆向优化来求解传感器几何参数。该工作主要面向工程应用，与关键词列表中的概念关联较弱。

Unified Backbone Refinement for Diffusion Models via Internal-Latent Analysis

Haksoo Lim et al.

cs.CV cs.AI cs.LG

本文提出了一种无需训练的扩散模型骨干网络精炼框架DUNE，通过分析内部latent的早期波动来检测并抑制伪影，从而提升生成保真度并减少幻觉。该方法可应用于U-Net和Transformer架构的扩散模型。

RSLoRA: Training-free Rank Allocation for LoRA via Representational Sensitivity Probing

Jiaqi Liu et al.

cs.CV cs.AI

RSLoRA提出了一种无需训练和梯度的低秩适应（LoRA）秩分配方法，通过激活空间的几何特性（如Effective Rank和Frechet Distance）来探测各层对表示变化的敏感性，从而为高敏感模块分配更高秩。该方法在多个基准上优于现有分配器，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

ReflectWorld-MM: An Entity-Oriented Multi-Media Memory System for Open-Ended Video Streams

Xiaokang Ma et al.

cs.CV cs.AI

ReflectWorld-MM提出了一种面向实体的多模态记忆系统，用于处理开放式视频流，通过将视频流转化为实体解析的观察结果，并构建分层长期记忆（包括多尺度情景记忆、实体中心语义记忆和程序记忆），在多个长视频基准测试中取得了最佳准确率。该系统与关键词“agent”有一定关联，但方法本身并非开创性突破。

Physics-Informed Structure Anchoring With Capture-Aware Prototype Calibration for Cross-Environment RF Fingerprinting

Fengchong Yao et al.

eess.SP cs.AI

本文提出了一种物理信息引导的结构锚定与捕获感知原型校准框架(PISA-CAPC)，用于解决跨环境射频指纹识别(RFFI)中的性能退化问题。该方法通过拓扑图组织天线token并利用CFO驱动的采集动态描述符进行调制，在固定骨干网络下实现无标签的目标域决策校准。

Knowledge-Constrained Shape Optimization with a Mixture-of-Experts Neural Operator for High-Confidence Design

Wenhao Fan et al.

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

本文提出了一种知识约束的形状优化框架，通过将专家知识转化为可量化参数，并开发了Mixture-of-Experts Neural Operator (MoE-NO) 以提高异构气动数据集上的阻力预测和趋势一致性。实验表明该方法在车辆形状优化中实现了约4%到10%的阻力系数降低。

OmniSCS: Omni Safety-Critical Scenario Synthesis for Autonomous Driving via a Fully Editable Driving World

Xiaoyun Dong et al.

cs.RO cs.AI

本文提出OmniSCS系统，通过可编辑驾驶世界构建和安全关键场景合成两个模块，在保持数据保真度的同时生成高物理保真度的安全关键场景，并支持实时闭环测试。实验表明其在场景编辑保真度上优于现有方法。

Listen to the Features: Voice Anonymization Driven by Content Embedding Matching over Signal Reconstruction

Adrien Schneider et al.

eess.SP cs.AI

本文提出了一种基于内容嵌入匹配的语音匿名化模型，使用预训练的wav2vec2编码器提取内容嵌入，并通过vector quantization和HiFi-GAN声码器解码为匿名信号，训练目标使匿名信号的嵌入与原始信号匹配，同时利用gradient reversal layer去除说话人信息。该方法在保持低WER和一定匿名性能的同时，部分保留了情感信息。

A Risk-Field Enhanced Closed-Loop Digital Twin Framework for Autonomous Driving Safety Validation

Yongzhi Liu

cs.RO cs.LG

本文提出了一种基于风险场增强的闭环数字孪生框架，用于自动驾驶安全验证，通过整合物理数据采集、虚拟重建和风险感知场景生成，并引入驾驶风险场作为统一中间表示来指导强化学习策略。该方法提升了验证的针对性和可解释性，但其实际效果受限于模型保真度和仿真到现实的迁移。

Maximizing Human Efficiency in Large-Scale Robot Post-Training via VLAC-Cut Guided Pipeline

Shaopeng Zhai et al.

cs.RO cs.AI

本文提出了一种名为VLAC-CUT的自动数据筛选工具，用于优化大规模机器人后训练中的人类效率。通过将人类操作员分工为远程操作员和现场操作员，并结合自动轨迹分割与筛选，该方法在四个真实操作任务上提升了策略成功率和任务吞吐量。

Towards Real-World Wearable Motion Reconstruction

Andrea Boscolo Camiletto et al.

cs.CV cs.LG

本文研究了从任意可穿戴传感器子集重建全身运动的问题，提出了一个包含多种消费级传感器（如智能手机、智能手表）的多模态数据集，并设计了一个名为WHIP的生成模型，该模型能处理缺失模态并生成物理合理的运动。

Lifelong Representations: A Survey on Continual Self-Supervised Learning for Vision Models

Sergi Masip et al.

cs.CV cs.AI

本文对视觉模型中的continual self-supervised learning (CSSL)进行了综述，分析了其评估协议、遗忘缓解策略（如distillation和replay）以及面临的挑战。该工作主要关注无标签数据流下的持续学习，但与我提供的关键词（如code, spectral, Muon等）关联度较低。

Adversarially Guided Diffusion for LiDAR Range Image Synthesis

Stavros Bouras et al.

cs.CV cs.LG

本文提出首个基于diffusion的LiDAR range image无限制对抗攻击方法，通过分割损失引导采样生成对抗样本，在SemanticKITTI数据集上验证了其可控的退化效果与可迁移性。

MVMGNN;Multi-View Masked Graph Neural Network for Alzheimer's Disease Diagnosis using Structural MRI

Ni Yao et al.

cs.CV cs.LG

本文提出了一种基于结构MRI的多视图掩码图神经网络模型MVMGNN，用于阿尔茨海默病的诊断。该模型通过联合节点-边掩码机制和跨视图门控融合机制，整合了不同图构建策略下的多视图表示，并在ADNI数据集上取得了优于对比方法的分类性能。

A Comprehensive Survey and Systematic Real-World Evaluation of Embodied Vision-and-Language Navigation

Liuyi Wang et al.

cs.RO cs.AI

本文对视觉-语言导航(VLN)领域进行了综述，按action paradigms和model paradigms两个维度对现有方法进行分类，并在真实机器人平台上进行了系统评估，发现仿真与真实部署之间存在显著性能差距。

Large Multimodal Model-Based Environment-Aware Mobility Management

Seokhyun Jeong et al.

cs.IT cs.AI eess.SP

本文提出了一种基于大型多模态模型(LMM)的环境感知移动性管理方案，通过处理RGB-D图像提取环境上下文信息来预测用户轨迹上的信道容量，并据此做出主动切换决策。实验表明该方法相比传统深度学习方案能显著提升累积信道容量。

Trivial Prompt Reframing Bypasses Safety Guardrails in Googleś MedGemma-4B

Avi-ad Avraam Buskila

cs.CR cs.AI

本文评估了MedGemma-4B-it模型在简单攻击下的安全护栏失效情况，发现通过将问题重新框架为“医学委员会考试”或诉诸医生权威可显著提高攻击成功率，而不同主题的护栏强度差异很大。

A Unified Model for Highly Accurate ECG-Free Dynamic Coronary Roadmapping Using Spatio-Temporal Transformers

Saahil Islam et al.

eess.IV cs.AI cs.CV

本文提出了一种基于spatio-temporal transformer的统一框架，用于无ECG的动态冠状动脉路标（DRM），通过大规模预训练学习心脏运动动态，并引入辅助任务和投票策略提升性能。该方法在临床X射线数据集上实现了低时间错位和鲁棒的相位匹配精度。

An Autonomous Scientific Knowledge Generation Framework for AI-Driven Scientific Discovery

Dibakar Datta

cs.DL cond-mat.mtrl-sci cs.AI

本文提出了一种自主科学知识生成框架，将科学出版物转化为统一的人工智能就绪知识库，通过集成本体引导的文献获取、混合知识提取和语义协调等步骤，实现了从文献到结构化知识的自动化转换。该框架在电光材料领域进行了概念验证，展示了从文献到AI就绪知识库的完整转化过程。

CHM-Net: Center Heatmap-driven Macro-Micro Modeling Network for MRI-based Microbial Density Stratification

Jiaming Liang et al.

eess.IV cs.CV cs.LG

本文提出CHM-Net，通过center heatmap引导的宏微观建模，将MRI-based Microbial Density Stratification作为患者级表示学习任务，在GBNPC 2026数据集上取得12.06%的绝对ACC提升。该方法主要针对医学影像分类，与关键词中的spectral、Muon、agent等概念无直接关联。

TS-Mask VLA: 2D Temporal-Spatial Masking for Vision-Language-Action Model with Effective Bridging

Shengzhuo Yang et al.

cs.RO cs.AI cs.CV

本文提出TS-Mask VLA框架，通过离散扩散动作专家和Bridge Attention条件桥接，以及时间-空间2D掩码策略，提升了机器人操作中动作序列的生成质量。实验表明该方法在LIBERO和CALVIN基准上取得了较好性能，但未涉及code、spectral、Muon等关键词相关技术。

Memory-Conditioned Tool Calling for Camera-First Visual Agents

Xiaofan Wu et al.

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

本文提出了一种用于相机优先视觉agent的记忆条件工具调用方法，通过三层个人视觉记忆（profile, short-term focus, observations）来增强LLM工具调用循环，实验表明该方法能提升工具查询相关性和端到端效用。

More Structure, Not More Capacity: Object-Centric Representations for Visuomotor Imitation Learning

Yi Li et al.

cs.RO cs.AI

本文研究了在机器人模仿学习中，使用object-centric slot representations（如SPOT）替代全局场景嵌入或密集patch grid的效果。实验表明，在ManiSkill3任务上，这种结构化表示能显著提升成功率，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。

Towards Objective Dysgraphia Detection: A Multi-Branch Deep Learning Approach for Online Handwriting Analysis

Lydia Ouhib et al.

cs.CV cs.AI eess.SP

本文提出了一种基于深度学习的多分支框架，用于客观检测书写障碍，通过融合手写运动信号和图像表示（如连续小波变换和格拉姆角场）来提升检测性能。实验表明，多模态特征融合优于单一表示方法。

Generative Testing of Automated Speech Recognition Systems

Yanis Xabier Wilbrand Peña, Oliver Weißl, Andrea Stocco

cs.CR cs.LG

本文提出了一种名为GATAS的黑盒测试方法，通过在text-to-speech模型的phoneme-level latent space中进行插值来生成导致ASR系统失败的输入。该方法将攻击形式化为一个multi-objective optimization问题，在平衡语义差异和感知质量的同时，实现了98%的攻击成功率。

Robo-ValueRL: Reliable Value Estimation for Offline-to-Online Reinforcement Learning

Wenke Xia et al.

cs.RO cs.AI

本文提出了Robo-ValueRL框架，通过学习历史条件化的value estimator并评估其可靠性，来研究value function可靠性如何影响offline-to-online reinforcement learning中的policy优化。实验表明，可靠的value估计能提升下游policy性能，并在精密机器人操作任务中取得了较高成功率。

Prompting-MammAlps: Fine-Grained Text-to-Video Retrieval for Camera-Trap Data

Valentin Gabeff et al.

cs.CV cs.AI q-bio.NC q-bio.QM

本文针对相机陷阱数据中的文本到视频检索任务，提出了Prompting-MammAlps基准和一种细粒度方法。该方法使用vision transformer进行时空动作定位，并将输出转换为结构化文本，再通过基于LLM的coding agent解析文本以检索视频，在测试集上取得了34%的F1分数。

ShapKO: Shapley-Adaptive Modality Knockout for Robust Multimodal Learning

Nusrat Binta Nizam et al.

cs.CV cs.LG

本文提出ShapKO，一种基于Shapley值的动态训练策略，通过评估模态子集性能并更新掩码概率来抑制主导模态，从而提升多模态模型在部分模态缺失时的鲁棒性。该方法无需修改架构，在多个医疗数据集上验证了有效性。

Threshold Dynamics and Correlated Prophet Inequalities

José Correa et al.

cs.GT cs.DS math.OC

本文研究了在潜在状态变量$Z$诱导的两种相关模型下的先知不等式问题。在common-base模型中，作者分析了单阈值算法，并给出了竞争比的理论界限；在common-scale模型中，证明了算法无法获得优于$1/n$的竞争比。该工作主要关注在线算法性能分析，与关键词中的code、context、spectral等概念关联较弱。

What You Train Is What You Get: Gender Bias, Training Composition, and Post-Hoc Mitigation in Audio Deepfake Detection

Aishwarya R. Fursule et al.

cs.SD cs.AI

本文研究了音频深度伪造检测中的性别偏差问题，发现训练数据的性别组成会显著影响模型在不同性别上的性能差异，且后验阈值校准方法无法纠正这种偏差。

Next-Dense-Stride Prediction for Multimodal Autoregressive Visual Modeling

Chicago Y. Park et al.

eess.IV cs.AI

本文提出DenseAR，一种新的自回归图像生成范式，通过紧凑的单尺度tokenizer实现从粗到细的next-dense-stride预测。该方法通过逐步密集的步长遍历单尺度潜在网格，同时解决了传统光栅顺序自回归推理慢和多尺度方法成本高的问题，并在医学和自然图像上验证了其有效性。

An End-to-End Hybrid Quantum--Classical Sampling Workflow for Discrete Markov Random Fields: A Reproducible Case Study

Arul Rhik Mazumder

quant-ph cs.LG

本文研究了离散Markov random fields的端到端混合量子-经典采样流程，通过经典预计算$2^n$个目标概率并对比多种经典MCMC方法，发现经典采样器在ESS比率和墙钟时间上均优于量子采样器，且VQC的保真度远低于MPS。

Do These Violent Delights Have Violent Ends? Measuring the Post-Merge Fate of Agentic Code

Chunqiu Steven Xia, Courtney Miller

cs.SE cs.AI

本文对182个仓库中agentic coding工具（自主代码生成工具）生成的代码与人类编写的代码进行了纵向实证分析，追踪了代码合并后的维护情况。研究发现，尽管总体维护率相似，但agentic代码需要显著更高的修正性维护率，并引入了更多安全漏洞和依赖性问题。

When Classical Baselines Are Tuned as Carefully as the Quantum Model, Does Quantum Reservoir Computing Still Win?

Tushar Pandey

quant-ph cs.LG

本文通过公平对比实验（对经典baseline和量子模型给予相同的调优努力）发现，在小型量子系统（最多11个qubit）的预测任务中，量子reservoir computing的两个常见优势（额外量子测量和反馈回路）均无法胜过精心调优的经典方法，表明量子优势在此规模下并不成立。

Depth-Efficient Quantum Topological Data Analysis for Regime-Specific Detection of Financial Stress

Arul Rhik Mazumder, Shreyan Ronit Mazumder

quant-ph cs.LG q-fin.ST

本文首次将Pauli Correlation Encoding (PCE)应用于量子拓扑数据分析，通过变分优化在压缩的qubit寄存器上估计Betti number，并在S&P 500数据上验证了其深度效率。实验表明该方法在特定窗口内表现良好，但跨危机场景的泛化能力有限。

Artificial Intelligence Across the Cardiac Amyloidosis Diagnostic Pathway: From Single-Modality Detection to Multimodal Clinical Integration

Diana Shadibaeva et al.

physics.med-ph cs.LG

本文综述了人工智能（包括machine learning和deep learning）在心淀粉样变性诊断路径中的应用，按临床任务（筛查、检测、量化、预后和治疗反应监测）而非输入模态组织文献。文章指出，基于骨显像和SPECT/CT的二元检测与AI辅助量化最接近临床转化，而亚型分类、风险分层和治疗监测仍处于早期阶段。

A Knowledge-Based Multi-Agent Framework for Security Control Recommendation

Carolina Fernández-Martínez, Shuaib Siddiqui, Vanesa Daza

cs.GT cs.AI cs.CR cs.LG cs.MA

本文提出了一种基于Multi-Agent Influence Diagram (MAID)模型的安全决策支持系统，将安全控制推荐问题建模为非零和同时博弈，并使用no-regret在线学习求解。该方法通过整合多个信息安全标准数据集，在满足用户安全维度需求的同时最小化资源过度配置。

A Production-Oriented Framework for Evaluation of SFX Generation

Mélodie Desbos et al.

cs.SD cs.AI eess.AS eess.SP eess.SY

本文提出了一个面向工业生产的评估框架，用于结构化比较参考引导的音效生成与编辑方法，通过两阶段协议（参考引导的音频到音频变体任务和特定能力分析）结合客观指标与人类研究，揭示了不同基线模型在参考对齐与多样性之间的互补优势与权衡。

Inverse-IMPRESSION: A Graph-based Platform for Molecular Structure Elucidation from Experimental NMR Spectroscopic Properties

Zheqi Jin et al.

physics.chem-ph cs.LG

本文提出一个基于Graph Transformer Network的分子结构解析平台inverse-IMPRESSION，通过整合实验NMR光谱数据（包括$^{1}$H和$^{13}$C以及2D实验）来重建分子键连接。该平台包含单次预测、结构校正和噪声增强多候选预测三个阶段，在模拟和实验数据上均取得一定效果。

Beyond Bayesian Nash: Learning Minimax-Regret Equilibria for Adversarial Team Games under Asymmetric Information

Naman Aggarwal, Jonathan P. How

cs.GT cs.AI cs.LG cs.MA

本文针对非对称信息下的对抗性团队博弈，提出了一种结合minimax-regret推理与概率信息的均衡概念PR-MRE，并通过半定松弛和双Oracle框架实现了近似求解。实验表明该方法在隐藏类型分布变化时比风险中性均衡具有更强的鲁棒性。

Manifold Constrained Conformal Prediction for Spatial Events

Collin Nill, Trevor Harris, Jason Adams

stat.ML cs.LG stat.ME

本文提出了一种用于空间事件（如热带气旋生成和地震位置）的流形约束共形预测方法，通过将空间点云表示为经验测度并使用切片Wasserstein距离进行评分，构建校准的预测集。该方法通过约束预测集仅支持在训练数据流形附近，并引入基于流的采样过程来实现实际应用。实验表明该方法在合成数据和真实数据上能达到近名义覆盖率，且能量距离和流形距离低于基线方法。

Runtime Safety Filtering for Learned Small UAS Separation Policies under GNSS Degradation

Alex Zongo, Peng Wei

cs.RO cs.LG cs.MA eess.SY

本文研究了小型无人机系统在GNSS信号降级环境下的安全分离问题，比较了运行时安全机制中过滤策略动作与过滤观测两种架构的效果。实验表明，观测过滤方法能显著减少近碰撞事件，而动作过滤方法几乎无安全改善。

Local Multimodal Music Alignment from Global Supervision

Irmak Bukey et al.

cs.SD cs.LG cs.MM

本文提出FuSiLi方法，通过Sinkhorn-based soft alignment在局部图像块和音频帧特征上学习多模态对应关系，仅需全局监督即可提升局部对齐性能，并在跨模态检索任务中保持竞争力。

Robustly Invertible Nonlinear Dynamics and the BiLipREN: From Inversion-Based Control to Generative Trajectory Modelling

Yurui Zhang, Ruigang Wang, Ian R. Manchester

eess.SY cs.LG math.OC

本文提出了非线性动力系统鲁棒可逆性的新概念，并构造了具有该性质的BiLipREN循环神经网络参数化方法。该方法通过静态正交层与满足强输入输出单调性的动态层串联实现，可用于数据驱动内模控制、轨迹优化和生成式轨迹建模等应用。

Geometric mean-based pairwise comparison method with the reference values -- statistical approach

Konrad Kułakowski, Jacek Szybowski

stat.ME cs.AI math.ST

本文从统计角度重新审视了pairwise comparison方法，使用reference values和geometric mean来计算alternative priorities，并定义了衡量权重向量质量的指标。

Are We Ready for AI-Driven Discovery? AI Verification Before the Next Fundamental Physics Breakthrough

Gaia Grosso, Vinicius Mikuni, Lukas Heinrich

physics.data-an cs.LG hep-ph

本文回顾了VERaiPHY倡议中用于粒子物理、天体物理和宇宙学中机器学习严格评估的框架，强调了归纳偏差、样本复杂性和实验约束等基本限制，并讨论了物理学家在将科学严谨性编码到AI系统中的角色演变。

Quantum Circuit Vision: Cost-Aware Evaluation of Visual AI Agents for Quantum Code Generation

Dongping Liu, Aoyu Zhang, Luyao Zhang

quant-ph cs.AI

本文提出了Quantum Circuit Vision框架，用于评估多模态AI agent在视觉理解量子电路图并生成可执行代码时的成本与准确性，发现中等能力模型在成本-准确率平衡上表现最优，且电路深度是失败的主要预测因素。

DynaFilter: Cloud-driven Dynamic Filtering for Satellite Edge Intelligence

Ziyang Zhang, Jie Liu, Luca Mottola

cs.CV cs.LG

本文提出DynaFilter，一种用于卫星边缘智能的动态过滤技术，通过在压缩域（compressed-domain）直接进行感兴趣区域（RoI）推理，减少数据传输量。该方法利用JPEG图像的DC系数/AC能量和视频流中的运动向量与高层语义查询的关联，实现选择性传输，但未涉及关键词中的核心概念。

A Survey on LLM Watermarking: Theory and Deployment

Huy Phan et al.

cs.CR cs.CL

本文对LLM水印技术进行了系统综述，按部署视角（嵌入时机、检测权限、假设条件、威胁模型）分类讨论了采样偏置、编码方案、表示与训练等方法，并分析了可检测性、鲁棒性与分布偏移间的权衡。该综述为水印设计提供了实用指导，但未涉及关键词中的code、spectral、Muon、agent或attention等具体技术。

Minionese: Comprehensive Benchmark and Mechanistic Study of Multilingual LLM Safety

Chigozirim Ifebi, Brent Kong, Ayushi Mehrotra

cs.CR cs.AI

本文提出了一个名为Minionese的多语言jailbreak benchmark，覆盖18种语言和4种扰动类型，并分析了不同语言层级下拒绝机制失效的几何原因。研究发现低资源语言的jailbreak通过将有害内容路由到与拒绝方向几何不对齐的子空间来实现。

A Large-Scale Dataset of MCP Implementations on GitHub

Benny Toeppe, Amine Barrak, Emna Ksontini

cs.SE cs.AI

本文通过结合GitHub REST和GraphQL API与Python验证脚本的混合pipeline，构建了首个大规模MCP实现数据集，包含2297个经过验证的项目。分析发现Python和TypeScript主导MCP开发，且混合架构是最常见的设计模式。

ML in a Box: Analyzing Containerization Practices in Open Source ML Projects

Faten Jebari et al.

cs.SE cs.AI

本文对1993个ML相关的Dockerfile进行了大规模实证研究，分析了容器在ML项目中的角色、构建性能及缓存行为。研究发现容器体积大、构建时间长，且大部分重建工作浪费在冗余计算上，并识别出7种ML特定的Dockerfile重构模式。

FlowPainter: Inpainting Optical Flow via Confidence-Guided Completion

Yuang Meng et al.

cs.CV cs.AI

本文提出FlowPainter，一种基于diffusion的光流估计框架，通过置信度引导的软修复（soft inpainting）将密集光流生成分解为简单区域和困难区域的处理，利用轻量级网络预测粗糙光流和置信度掩码，以降低diffusion模型的去噪负担并提升收敛效率。实验表明该方法在多个基准上取得了有竞争力的精度。

Hearing Like Humans? Sound Symbolism and Perceptual Alignment in Speech Language Models

Yun-Shao Tsai et al.

eess.AS cs.CL

本文研究了语音语言模型(SLM)是否具有人类对语音与感知品质(如圆润或尖锐)进行映射的sound symbolism倾向，发现SLM的听觉判断与人类感知对齐较差，且无法捕捉驱动人类直觉的声学线索(如spectral tilt)。该工作主要关注语音感知对齐问题，与关键词中的code, context, Muon, pretrain, agent, attention等概念关联较弱。

EmoStyle: Affective Conditioning of Style-Specialist Experts for Emotional Image Generation

Dexiang Hong et al.

cs.CV cs.AI

本文提出EmoStyle框架，通过LLM预测情感线索并利用AdaLN调制注入去噪模块，结合风格专属LoRA适配器，实现情感感知的艺术图像生成。该方法在AffectiveArt Challenge 2026中取得第一名，但与我提供的关键词（code, context, spectral, Muon, pretrain, agent, attention）无直接关联。

Transcript-Free Lightweight Detection of Alzheimer's Disease from Spontaneous Speech Using Handcrafted MFCC-Dominant Acoustic Biomarkers

Rashin Gholijani Farahani, Azam Bastanfard

cs.SD cs.AI

本文提出了一种轻量级的、无需转录的Alzheimer's disease检测方法，通过从自发语音中提取手工设计的MFCC主导声学生物标志物（包括暂停、流畅度统计和频谱/韵律描述符），并使用SVM分类器在DementiaBank语料库上取得了平均AUC为0.674的结果。该方法避免了复杂的深度学习模型和转录依赖，为基于原始音频的疾病筛查提供了实用基线。

On the Efficiency of LoRA Fine-Tuning for Vision-Language-Action Models in Industrial Robotic Manipulation

Finn Ferchau, Daniel Pommer, Cristian Axenie

cs.RO cs.LG

本文研究了在工业机器人操作中，使用LoRA对视觉-语言-动作模型进行微调的效率，发现LoRA在秩为32时性能饱和，且无需全量微调，显著降低了显存需求。

ActiveFly-Bench: Aligning Embodied Question Answering with Vision-Language-Action for Aerial Embodied Perception

Weichen Zhang et al.

cs.RO cs.AI

本文提出了ActiveFly-Bench，一个用于无人机具身感知的基准测试，将主动感知分解为三个层次任务，并开发了ActiveFly闭环agent。实验表明当前模型在行为规划和视角调整方面仍有困难。

Automated Tensor Scheduling for Hybrid CPU-GPU LLM Inference on Consumer Devices

Yangyijian Liu et al.

cs.DC cs.AI cs.LG

本文提出ATSInfer系统，通过tensor粒度的调度优化混合CPU-GPU的大语言模型推理，结合静态放置与动态传输，在消费级设备上提升了吞吐量。该方法主要关注工程优化，与关键词中的理论或结构创新关联较弱。

BiLoG-Net: A Bi-Context Location-Guided Network for Breast Mass Segmentation and Malignancy Classification in Mammography

Abu Fatema Mohammad Abdun Noor et al.

cs.CV cs.LG

本文提出BiLoG-Net，一种用于乳腺钼靶图像中肿块分割与恶性分类的深度学习框架，通过双上下文位置感知特征建模和分割引导的注意力机制实现多任务学习。该方法在CBIS-DDSM和INBreast数据集上取得了优于现有CNN和Transformer基线的性能。

Breaking the Quality--Intelligibility Trade-off in Streaming Target Speaker Extraction via Deep-Feature-Anchored Preference Optimization

Shuhai Peng et al.

cs.SD cs.AI

本文揭示了流式目标说话人提取（TSE）中质量与可懂度之间的权衡问题，指出其根源在于优化锚点选择不当而非流式架构限制。通过引入WavLM锚定的直接偏好优化（DPO）微调策略和扩大的Conformer卷积核，该方法在560ms流式块大小下实现了可懂度提升（词错误率从0.138降至0.123），同时小幅改善了音频质量和说话人相似度。

Comparing Socially-Equitable Renewable Energy Budget Allocation MDP Policies in Mature and Emerging Economies

Riya Kinnarkar et al.

eess.SY cs.AI math.OC

本文针对成熟与新兴经济体在可再生能源预算分配中的不同决策变量，将问题建模为Markov Decision Process (MDP)，并比较了多种策略。结果表明，滚动时域值迭代策略在两个场景中均表现最优，而市场追逐策略在新兴经济体中可能导致灾难性后果。

Source-Lifted Flow Matching for Intervenable Multimodal Imitation

He Zhang et al.

cs.RO cs.AI

本文提出Source-Lifted Flow Matching (SL-FM)方法，通过正交源提升机制将flow-matching策略中的被动随机性转化为可干预的源选择变量，从而在不分解速度场的前提下实现多模态行为控制。该方法在交叉流诊断和机器人控制基准上验证了有效性，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

How much Data do We Need? Sequential Data Collection for Stochastic Programming

Xin Li, Juergen Branke, Xuan Vinh Doan

math.OC cs.LG

本文研究了随机优化中参数不确定下的序贯数据收集最优停止问题，提出了一个基于贝叶斯学习框架的效益驱动停止策略，通过平衡信息增益与采样成本来决定何时停止数据收集。数值实验在报童问题中验证了该方法能有效减少不必要的数据收集并保持近最优决策性能。

PhenoEmbed: Self-Supervised Multispectral UAV Time-Series Embeddings for Individual Tree Crown Phenology

Taimur Khan

cs.CV cs.AI

本文提出PhenoEmbed，一种自监督的树冠时间序列嵌入模型，用于多光谱无人机影像中的单木树冠物候分析。该模型通过对比学习和掩码重建目标在HeideBench基准上训练，生成256维的树冠季节外观嵌入向量。

MeloBottleneck: Self-Supervised Melody Skeleton Extraction with a Latent Subsequence Bottleneck

Fan Bu, Rongfeng Li, Linfeng Fan

cs.SD cs.LG

本文提出MeloBottleneck，一种自监督框架，通过将melody skeleton表示为长度可控、保序的latent subsequence，并利用hard-bottleneck extractor和rhythmic-closure operator进行提取，无需手工规则或伪标签。实验表明该方法在跨域迁移和片段检索任务上优于基于伪标签的分类器。

One Token Is Enough: Fingerprinting and Verifying Large Language Models from Single-Token Output Distributions

Tomas Bruckner

cs.CR cs.CL cs.LG

本文提出了一种通过单token输出分布来指纹识别和验证大语言模型的方法，使用简单的“1到100之间随机数”提示收集分布数据，发现不同模型的分布具有特异性。该方法在OpenRouter平台上对165个模型进行了验证，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Partial Contracts Suffice: Sound, LLM-Inferred Regression Verification

Yiannis Charalambous et al.

cs.SE cs.AI

本文提出了一种基于contract的回归验证工具，通过自动推断部分contract（caller-sufficient contract）来验证软件补丁的行为等价性，无需完整的行为规范。实验表明，这种部分contract几乎能达到与完整强化contract相同的紧致性，并在第三方测试集上实现了零误报的等价性验证。

Program-Synthesis-Driven Autodesign of Universal Unitary Operators

Yifei Zhang et al.

physics.optics cs.AI

本文利用AI-driven program synthesis方法，通过扩展DreamCoder到complex-valued linear algebra，自动发现用于photonic networks中unitary matrix分解的程序，实现了最小数量的Mach-Zehnder interferometers。该方法能生成dimension-agnostic的构造规则，并针对特定矩阵结构（如Householder matrices）自动优化，减少interferometer数量。

ChartSync: A Benchmark for Visuo-Logical Cascading Chart Editing

Jiakang Yu et al.

cs.CV cs.CL

本文提出了ChartSync基准，用于评估生成式图像编辑模型在统计图表上的Visuo-Logical Cascading Editing (VLCE)能力，通过程序化渲染管线构建了包含870个三元组的数据集。实验发现多数开源模型在几何同步上表现不佳，仅少数前沿专有模型展现出初步的VLCE能力。

Byzantine Accountability Without Consensus: Strong Eventual Consistency for Non-Associative, Stochastic, Robust Aggregation

Ryan Gillespie

cs.DC cs.CR cs.LG

本文提出了一种名为ACFA的拜占庭鲁棒聚合协议，通过复制CRDT（无冲突复制数据类型）状态来避免共识，并证明任何基于收敛CRDT积的纯函数都能继承强最终一致性。该方法主要关注一致性保证而非准确性，与关键词中的“code”、“context”或“attention”等概念关联较弱。

From Stochastic to Stable: Rank Stability and Structural Sufficiency in AI Visibility Measurement

Ronald Sielinski

stat.AP cs.AI cs.IR

本文提出了一种基于rank stability和structural sufficiency的序贯收敛框架，用于判断AI可见性测量中何时收集了足够的数据。该框架通过观察citation分布的规律性来驱动停止，无需预设查询数量或置信区间宽度，并在多个平台-主题组合上验证了其适应性。

PC-Mix: Partial-Component Audio Spoofing Detection under Mixed Speech and Environmental Sound Conditions

Zhenshan Zhang et al.

cs.SD cs.CL

本文提出了PC-Mix数据集，用于混合语音和环境声音条件下的部分组件音频欺骗检测，并设计了一个联合学习框架来优化检测性能。实验表明，在匹配目标条件下训练比直接迁移模型更有效。

GRC-ProbNet: Uncertainty-aware Feature Extraction for Cardiovascular Disease Classification

Yash Shah et al.

cs.CV cs.AI

本文提出GRC-ProbNet，通过深度集成生成多个segmentation mask并提取uncertainty features，用于心血管疾病分类。实验表明，uncertainty features能提升分类性能，但反映segmentation质量的uncertainty measure不一定对下游分类最有效。

Benchmarking the Robustness of Foundation Models for Mammography under Domain Shift

Giang Nguyen et al.

cs.CV cs.AI

本文通过统一的线性探针协议在15个foundation model backbone上评估了乳腺摄影领域迁移下的鲁棒性，发现乳腺摄影专用vision-language模型（如Mammo-FM和MaMA）在OOD数据集上表现最佳，但鲁棒性并非仅由乳腺摄影预训练解释，且数据集级分析显示模型性能存在异质性。

Gradient-Skipping Relevance Propagation for Efficient Explainability of Vision Transformers

Christopher Buratti et al.

cs.CV cs.LG

本文提出了一种名为GradSkip的relevance propagation方法，通过自适应head weighting和skip-aware propagation来改进Vision Transformers的可解释性。该方法在ImageNet1K和BloodMNIST上实现了最先进的faithfulness，同时计算成本显著降低。

VINE: Taming Generative Control Policies for Reinforcement Learning

Rushuai Yang et al.

cs.RO cs.AI

本文提出VINE方法，通过重构插值状态来稳定flow-matching策略在value-gradient强化学习中的端到端优化，解决了训练不稳定性问题，并在机器人操作任务中取得更好性能。

GigaAM Multilingual: Foundation Model for Underrepresented Languages

Andrei Kuzmenko et al.

eess.AS cs.CL

本文提出GigaAM Multilingual，一个基于Conformer encoder的预训练模型，用于解决中亚低资源语言的ASR问题，通过cluster-level数据平衡和domain-aware采样策略提升性能。

ABot-N1: Toward a General Visual Language Navigation Foundation Model

Ruiyan Gong et al.

cs.CV cs.AI cs.RO

本文提出ABot-N1，一种视觉语言导航基础模型，通过慢速推理器与快速动作专家的双视觉-语言信号架构，将认知与控制解耦，以像素锚点作为通用接口，在仿真和真实场景中实现鲁棒、可泛化的导航，并在城市级导航任务上取得显著性能提升。

GigaChat Audio: Time-aware Large Audio Language Model

Aleksandr Kutsakov et al.

eess.AS cs.CL

本文提出了一种时间感知的音频大语言模型GigaChat Audio，通过在连续音频token中插入周期性时间标记，实现了对长达120分钟音频输入的时间定位问答。该模型在短时和长时基准测试中展现了较强的时间定位准确性，并支持基于时间锚点的片段描述和摘要。

The evolution of AI from image interpretation toward scientific inference in nanoparticle electron microscopy

Evropi Toulkeridou et al.

cond-mat.mtrl-sci cs.AI

本文综述了人工智能在纳米颗粒电子显微镜中的应用，从图像解释发展到科学推理，涵盖了机器学习、深度学习等方法在粒子检测、结构分析等挑战中的应用，并讨论了与模拟、元数据和自主实验的整合。

Stateful Worlds, Stateless Elasticity: Exact-State Serving for Interactive World Models

Jin Li, Jiawei Chen

cs.DC cs.LG

本文提出了一种名为WorldMove的方法，用于在GPU之间迁移交互式世界模型（如大型语言模型）的运行时状态（主要是attention cache），实现了在18.8毫秒内完成同节点迁移，并保证了目标端与源端的比特精确性。该方法通过一个可接纳性条件（admissibility condition）来调度迁移，并设计了一个针对incast拥塞的接纳控制器，以在100 Gb网络上实现92.1-94.8 Gb/s的校验和验证吞吐量。

Vertical Fusion: Condensing Internal Representations for Robust ViT Classification

Francesco Di Salvo et al.

cs.CV cs.LG eess.IV

本文提出VFusion方法，通过将Vision Transformer (ViT)内部各层的中间表示压缩到低维latent space中，以聚合垂直层级信息。该方法在分布内和分布外场景下均优于传统聚合baseline，并缩小了最佳单层与理论oracle之间的精度差距。

Reconfiguring Subgraphs with Extra Resources

Jason Fong, Jeffrey Kam, Steven Wong

cs.DM cs.CC cs.DS

本文研究了子图重配置问题，证明了对于固定路径宽度至少为1的连通图以及至少为2的图，该问题是NP难的，并推广到平面图等minor-closed图类。此外，文章探讨了在资源受限场景下所需额外buffer空间的下界与上界。

SynthDocBench: Controlled Benchmark for Long-Context Visual Document Understanding

Abhigya Verma et al.

cs.CV cs.AI

SynthDocBench是一个用于长上下文视觉文档理解的合成基准，通过控制文档长度、布局等因子来评估Vision Language Models (VLMs)的性能。实验揭示了模型在长文档中的性能下降和位置敏感性等失败模式，但未涉及code、spectral或Muon等关键词。

Large Language Models in Misinformation Ecosystems: Misuse, Defense, and Vulnerability

Lingwei Wei et al.

cs.CR cs.AI cs.SI

本文提出了一个角色-层次框架来统一分析LLM在错误信息生态系统中的滥用、防御和脆弱性问题，涵盖了内容、社会背景、证据环境和验证工作流等多个层面。

Spatula: Exploring On-Demand In-Situ Interfaces and Interaction for Attribute Control

Boyu Li et al.

cs.HC cs.AI cs.GR

本文提出Spatula系统，通过自动分析动画上下文生成按需的属性控制界面，以支持用户对生成内容的迭代细化。该系统将属性控制视为可探索空间，并在用户研究中验证了其直观性和便捷性。

TVT-PAPD: Pathology-Aware Prototype Distillation for Self-Supervised Whole Slide Image Classification

Ramesh Naidu Laveti, Jaya Sreevalsan-Nair, T K Srikanth

cs.CV cs.LG

本文提出TVT-PAPD框架，通过Pathology-Aware Prototype Distillation模块在自监督学习中学习病理学相关的形态特征，用于全切片图像分类。该方法在胶质瘤数据集上取得了较好的分类性能，但未涉及关键词中的code、context、spectral、Muon、pretrain、agent或attention等概念。

TSCoNet: A Two-Stage Copula CNN-LSTM for Uncertainty-Aware Spatio-Temporal Forecasting

Jongwook Kim, Jong-Min Kim

stat.ML cs.LG

本文提出TSCoNet，一种两阶段卷积循环模型结合Gaussian copula，用于多变量时空预测并量化不确定性。该方法先学习准确的均值预测，再固定均值优化共享表示以估计预测方差，从而在不牺牲点预测精度的前提下提供校准的预测区间。

Mitigating LLM Sycophancy in Code Smell Detection Using Evidence-Guided Reasoning Prompts

Istiaq Ahmed Fahad, Kamruzzaman Asif, Md. Nurul Ahad Tawhid

cs.SE cs.AI

本文研究了LLM在代码异味检测中的谄媚偏差（sycophancy bias），发现模型易受提示中外部线索影响，并提出Evidence-Guided Debiasing Prompting (EGDP)方法，通过强制基于证据的推理来缓解该问题。

Is Model Instability just Noise to be Tolerated or a Property that can be Managed?

Amirali Rayegan, Lunxiao Li, Tim Menzies

cs.SE cs.LG

本文研究了软件工程优化中模型不稳定性问题，发现重复运行同一优化器时结果一致性很低。作者提出通过调整标签分配、模型复杂度和分割评分方式来管理这种不稳定性，使模型一致性提升4.8倍，但因果干预和数据局部性干预效果有限。

Emergent Generalization by Representation Learning in Artificial Neural Networks

Hardik Rajpal, Dan Goodman

q-bio.NC cs.IT cs.LG cs.NE nlin.CD

本文研究了人工神经网络中通过representation learning实现的emergent generalization，发现显式的information bottleneck对于时间序列预测任务中的rotational和out-of-distribution泛化是必要的，并利用causal emergence的信息论度量刻画了representation在记忆到泛化转变过程中的非单调动力学。

Learning the Brain's Dynamics as a Port-Hamiltonian System

Dibakar Sigdel

q-bio.NC cs.AI

本文提出将人脑运动皮层建模为port-Hamiltonian系统，通过metriplectic integrator和fluctuation-dissipation噪声通道模拟神经动力学，在EEG数据上达到较低测试误差并验证了临界性特征。该工作主要关注生物物理建模，与关键词中的code、context、spectral、Muon、pretrain、agent、attention等方向关联较弱。

Integrating Background Knowledge for Scalable Causal Discovery

Mátyás Schubert et al.

stat.ML cs.LG

本文提出一个框架，在因果发现过程中利用背景知识（expert background knowledge），特别是针对可扩展的因果发现方法。该方法旨在通过减少候选因果图空间来降低计算成本并提高学习结构质量。

Annotation-Free Furniture Codes: What They Encode, and How Far They Transfer

Benjamin Friedman

cs.CV cs.AI

本文研究了基于自监督学习的家具编码表示，使用Finite Scalar Quantization (FSQ)点云自编码器在无标注数据上训练，发现编码能恢复细粒度类别和偏航角信息，但跨数据集迁移效果依赖于家具形状类别。

Not All Color Categories Are Equally Stable: A Multilingual Free Color Naming Experiment

Nuray Toganas et al.

cs.CV cs.CL

本文通过多语言自由颜色命名实验，研究了红色、黄色和绿色类别在不同饱和度与亮度下的命名一致性，发现绿色类别最稳定而黄色类别最不稳定。该工作为颜色感知模型提供了实证数据，但与关键词列表中的概念无直接关联。

Toward Production-Ready Federated Learning in Healthcare: Privacy, Orchestration, and Governance in MLOps

Sakshi Gorkhali, Jonesh Shrestha

cs.SE cs.LG

本文探讨了在医疗领域如何通过MLOps和Federated Learning Operations (FLOps)使联邦学习系统具备生产就绪能力，重点分析了容器化、隐私保护机制及部署后治理等挑战。文章认为，联邦医疗机器学习需要集成可复现部署、安全编排、模型版本控制等MLOps架构，而不仅仅是隐私保护算法。

Fast Data-Driven Modeling of Hydraulic Clutch Control Pressure with Latch-State Classification and Gaussian Process Regression

Yash Bagla, Jason Schneider

eess.SY cs.LG math.OC

本文提出了一种数据驱动方法，使用Gaussian Process Regression和latch-state分类来建模液压离合器控制回路的压力响应，通过扩展输入向量和分类器提升了建模精度。该方法在特定测试条件下优于基于物理的Amesim模型，但未涉及关键词中的核心概念。

Temporary Authority, Permanent Effects: Commit-Time Authorization for LLM Agents

Igor Santos-Grueiro

cs.CR cs.AI

本文研究了LLM agents中授权证据在持久化操作时的时效性问题，提出了commit-time authorization概念，并通过实验发现端点成功率与安全授权之间存在显著差距。

NetInjectBench: Benchmarking Indirect Prompt Injection in Tool-Using Large Language Model Agents for Network Operations

Ruksat Khan Shayoni et al.

cs.CR cs.LG

本文提出了NetInjectBench，一个用于评估工具使用型LLM agent在网络运维场景中对抗间接prompt注入的基准测试，包含130个场景。实验比较了多种防御方法，发现基于元数据的策略门控在保持高可用性的同时能有效阻止所有攻击。

Confining Nondeterminism: AI-Driven Research Systems as DBMSs for Reliable, Non-Wasteful, Transparent, and Collaborative Research [Vision]

Kyoungmin Kim, Anastasia Ailamaki

cs.DB cs.AI

本文提出将AI研究系统组织为确定性、版本化的数据流引擎（类似DBMS），让LLM仅作为随机编译器编辑执行计划，而执行器从不调用LLM，从而解决当前LLM agent在研究中不可靠、浪费、不透明的问题。

Towards Autonomous and Auditable Medical Imaging Model Development

Shengyuan Liu et al.

cs.CV cs.AI

本文提出了一个名为AMID的自主多agent框架，用于自动化医学影像模型开发。该框架通过数据条件方法规划和验证引导的两阶段优化，在20个医学影像任务上超越了通用机器学习工程系统。

Motif: Discovering and Automating Personal Web Workflows

Shaokang Jiang, Daye Nam

cs.HC cs.AI cs.SE

Motif是一个通过被动观察用户日常浏览器活动来发现可编程的重复交互模式，并向用户推荐自动化程序的系统。它利用LLM生成程序，并在用户确认后安装，旨在帮助用户发现并自动化他们可能未意识到的日常网页工作流。

Representation Learning for Semiparametric Causal Mediation Analysis under No Essential Heterogeneity

Roberto Faleh, Sofia Morelli, Holger Brandt

stat.ML cs.LG

本文提出了一种名为UNIT的两阶段估计器，用于半参数因果中介分析，结合了深度表示学习与G-estimation，并在“无本质异质性”假设下工作。该方法通过TARNet估计条件平均处理效应，以改进结构参数估计的精度。

Beyond Looking Up, Try Looking Around: Harmonizing Global Structure and Local Consistency in Optimal Transport for Short Text Clustering

Zhihao Yao et al.

stat.ML cs.LG

本文针对短文本聚类中基于Optimal Transport的伪标签方法忽略样本间语义一致性的问题，提出了一种融合全局结构与局部一致性的框架。该方法通过实例级attention机制捕获样本间语义关系，并将其整合到OT公式中，从而生成同时考虑样本间一致性与样本-簇全局结构的可靠伪标签。实验表明该方法优于现有技术。

Projection-Domain Sensitivity Analysis of Vertebral DRRs Under Intrinsic Calibration Perturbation

Lin Li et al.

eess.IV cs.CV cs.LG math.NA physics.comp-ph

本文通过合成框架分析了内在标定扰动对椎骨DRR投影域的影响，发现即使微小扰动也会导致投影几何和配准精度的可测量变化，且侧位视图比前后位视图更敏感。

Observation-Level Watermarking and Detection for Tabular Data

Dongyu Cui, Xuan Bi

stat.ME cs.LG

本文提出STAMP框架，用于对tabular data进行水印嵌入与检测，可处理离散、类别及混合分布数据，并能在样本量极小（如单个观测）时可靠识别水印。该方法通过理论保证渐近一致性，并在模拟与真实数据中验证了其有效性与鲁棒性。

BucketKD: A Safety-Aware Bucket-Based Knowledge Distillation Framework for End-to-End Motion Planning

Md Nahidul Islam et al.

cs.RO cs.LG

本文提出了一种基于桶的知识蒸馏框架BucketKD，用于端到端运动规划，通过将环境变量离散化为自适应桶并设计安全感知的waypoint attention机制，在CARLA实验中实现了更好的规划精度与安全性。该方法主要关注自动驾驶中的模型压缩与安全蒸馏，与关键词中的attention有一定关联但契合度一般。

When Does Restricting a Coding Agent to execute_code Help? A Regime $\times$ Agent-Design Ablation

Hong Yang, Qi Yu, Travis Desell

cs.SE cs.AI cs.LG

本文通过消融实验比较了coding agent在不同任务场景下限制使用单一代码执行工具（execute_code MCP）与使用多种工具（IDE、bash等）的成本和通过率，发现限制工具通常更便宜或持平，且成本差异主要由失败轨迹而非成功编辑决定。

DiffUE: Enhancing Utility-Unlearnability Trade-off of Unlearnable Examples via Diffusion Autoencoders

Syed Irfan Ali Meerza et al.

cs.CV cs.AI

本文提出DiffUE方法，通过在semantic space（语义空间）而非pixel space中注入噪声来生成unlearnable examples，利用diffusion-based autoencoder框架操纵high-level semantic features，以在保持图像质量的同时增强对relearning strategies的鲁棒性。实验表明该方法在多个数据集上改善了utility与unlearnability之间的权衡。

Approximation of Analytic Functions by ReLU Neural Networks with Adjustable Depth and Width

Yanming Lai, Defeng Sun, Yang Wang

stat.ML cs.IT cs.LG math.NA

本文研究了使用ReLU神经网络在$(N,L)$-参数化框架下逼近解析函数的问题，推导出形如$\mathcal{O}\left(N^{-C L^{\tau}}\right)$的逼近率，揭示了深度在解析函数逼近中比宽度更关键。该工作通过精细构造ReLU网络来逼近幂函数、多元乘法和多项式，解决了光滑参数与逼近精度之间的权衡问题。

End-to-End Real-Time Drone-Based Person Detection Framework Using Deep Learning

Payel Sarmah et al.

cs.CV cs.LG

本文基于YOLOv8-nano架构，在VisDrone2019数据集上训练，提出了一种用于无人机实时人员检测的端到端框架。实验表明，该算法在16-25米高度区间内检测帧率可达41-50 FPS，但方法本身缺乏显著的开创性，且与关键词列表中的概念关联较弱。

WasteAssistant: Regulation-Guided Visual Question Answering Framework for Intelligent Waste Segregation and Sustainable Managemen

Khush Kataruka et al.

cs.CV cs.AI

本文提出了一个基于视觉语言模型的垃圾分类视觉问答框架WasteAssistant，构建了WasteVQA数据集，并验证了BLIP模型在垃圾分类任务上的有效性。该工作主要关注应用场景，未涉及关键词中的核心理论或方法创新。

Demixing Sparse Signals from Nonlinear Observations using Generalized Non-convex Regularization

Raziyeh Takbiri

stat.ML cs.LG eess.SP

本文提出了一种基于广义非凸正则化的框架，用于从非线性观测中恢复一对稀疏向量，并设计了NLD-PALM算法。该方法在理论上建立了估计误差界，但与我提供的关键词（如code, context, spectral等）关联度较低。

World Models as Adversaries: Multi-Agent Self-Play Fine-Tuning for Robust Motion Planning

Tong Nie et al.

cs.RO cs.AI

本文提出Adversarial World Modeling (AWM)框架，将鲁棒运动规划问题建模为约束min-max博弈，通过多智能体self-play微调生成对抗性交互场景，以提升自动驾驶规划器在长尾安全关键场景下的表现。该方法在nuPlan和InterPlan基准上验证了有效性。

Coverage Path Planning: Classical Foundations, Recent Advances, and Future Directions

Zongyuan Shen et al.

cs.RO cs.AI

本文综述了覆盖路径规划（CPP）问题，将2015年前后的经典方法与近期进展分为单机器人、多机器人、3D环境、约束平台、学习驱动及视觉覆盖等六类，总结了各类方法的规划框架、代表性算法及优缺点，并讨论了可扩展在线规划、多机器人协调等开放挑战。

Learning Topological Quantum Phases from Limited Subsystems

Mehran Khosrojerdi et al.

quant-ph cond-mat.stat-mech cond-mat.str-el cs.LG

本文提出了一种数据高效的监督学习框架，通过从量子系统的小子系统中提取reduced density matrices来构建quantum kernel，从而识别拓扑量子相。该方法在广义cluster-Ising自旋1/2链和anisotropic Haldane自旋1链的相图分类中实现了高精度，并展示了局部信息足以捕捉全局拓扑相的特征。

Edge Cluster Expansion with Radial Rotary Attention for Interatomic Potentials

Zemin Xu, Wenbo Xie, P.Hu

stat.ML cond-mat.mtrl-sci cs.LG physics.chem-ph

本文系统研究了SO(2)理论在机器学习原子间势(MLIPs)中的应用，提出了基于Wigner D矩阵的笛卡尔构造和递归Clebsch-Gordan构造，并引入了Edge Complex Product Basis和Radial Rotary Complex Attention(RRA)两种新的交互构建模块。这些方法在OMat24等数据集上训练了TECE-OAM-RRA-1.0模型，在Matbench Discovery上达到了SOTA性能。

Answer-Conditioned Chain-of-Thought Distillation for Few-Shot Industrial Vision with Small VLMs

Shubham Rao

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

本文提出了一种answer-conditioned chain-of-thought蒸馏方法，用于在少量标注数据下快速适应小规模视觉语言模型到新的工业任务。通过让大模型生成基于正确答案的视觉解释，再微调3B参数模型，在四个工业分类任务上相比直接微调有稳定提升。

Constant-factor approximation of MinCostCSP with a conservative majority polymorphism

Marcin Kozik, Stanislav Živný

cs.CC cs.DM cs.DS

本文研究了MinCostCSP(A)的常数因子近似问题，针对具有保守majority polymorphism的关系结构A，证明了该问题的二分性分类，并指出该分类无法用代数条件刻画。

Commenting with Copilot: A Taxonomy and Multi-Year Analysis of Student Code-Generation Specifications

Nasser Giacaman et al.

cs.SE cs.AI cs.CY

本文对学生在AI辅助编程任务中编写的自然语言注释进行了分类和分析，提出了一个涵盖注释类型、代码表达级别和代码构造的三维分类法，并基于四年数据揭示了学生主要编写"What"类注释，在过程性构造上转向"How"类注释，且更关注验证生成代码而非反复重写注释。

Rectilinear Matching to the Integer Grid in Nearly-Linear Time

Yu Gao

cs.CG cs.DS

本文针对二维平面中点到整数网格的rectilinear matching问题，提出了一种在近线性时间内构造候选点集的方法，并利用最小费用流算法实现了随机精确算法，改进了标准二次时间复杂度的解法。

Action Map Policy: Learning 3D Closed-loop Manipulation via Pixel Classification

Haojie Huang et al.

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

本文提出Action Map Policy (AMP)，将3D闭环操作策略学习转化为图像空间中的分类问题，通过将3D动作投影到相机图像平面并将每个像素位置作为离散类别，在控制维度的同时保留多模态性。该方法支持毫米级精度且推理速度显著快于扩散策略，在多种操作任务中优于强基线方法。

MDQEC-QAS: Meta-Decoding for Quantum Error Correction with Hardware-Aware VQC Search and Confidence-Gated Recovery

Prashant Kumar Choudhary et al.

quant-ph cs.AI cs.AR cs.LG

本文提出了一种统一的meta-decoding框架MDQEC-QAS，用于量子纠错，通过学习多个stabilizer codes和噪声设置下的syndrome-to-recovery映射，避免了为每种配置单独设计decoder。实验比较了经典Meta-MLP和通过硬件感知量子架构搜索得到的VQC meta-decoder，并引入了confidence-gated fallback机制来提升逻辑级性能。

PromptGraph: Graph-Guided Prompt Sanitization for Balancing Privacy and Utility in LLM Inference

Chen Gu et al.

cs.CR cs.AI

本文提出PromptGraph方法，将prompt表示为带属性图，其中节点携带span级别的privacy分数，边编码用于保留utility的contextual dependencies，通过优化选择受保护span集来平衡privacy与utility。该方法在LLM推理中实现了比现有baseline更优的privacy-utility权衡。

Distributed Denial of Science: How Indirect Data Poisoning of AI Systems Can Industrialize Scientific Fraud

Bálint Gyevnár, Atoosa Kasirzadeh, Nihar B. Shah

cs.CR cs.AI cs.DL

本文探讨了一种针对AI科研系统的间接数据投毒攻击，通过污染公开数据集使自主研究代理在不知情下传播虚假科学结论。实验表明该攻击成功率约50%而检测率仅6%，并提出数据溯源审计可完全防御。

TOLiD: Bridging the Architecture Gap in Vision Foundation Model to LiDAR Pretraining via Token Lifting for Distillation

Sutharsan Mahendran et al.

cs.CV cs.LG cs.RO

本文提出TOLiD方法，通过将LiDAR backbone与student Vision Transformer (ViT)耦合，利用Frustum Pooling和Frustum Attention将点特征转换为token，并进行token-level distillation，以弥合视觉基础模型与LiDAR backbone之间的架构差距。该方法在多个LiDAR数据集上展示了改进的迁移性能。

Lightning Fast Matching Dependency Discovery with Desbordante

Alexey Shlyonskikh et al.

cs.DB cs.AI cs.LG cs.PF

本文针对Matching Dependency发现算法HyMD提出了多项优化技术，包括新的采样技术、更快的泛化查找技术和改进的依赖表示方法，并在开源数据剖析器Desbordante中实现，实验表明平均加速超过40倍。这些优化主要面向数据质量问题的实际应用场景。

Toward Efficient Weakly Supervised Semantic Segmentation Using Only Low-Magnification Histopathological Images

Dung Minh Do et al.

cs.CV cs.LG

本文系统性地研究了在低倍率病理图像下进行弱监督语义分割的性能，通过模拟不同分辨率退化并重建图像来评估分割效果。研究发现重建质量指标无法预测分割性能，并指出了小尺度结构定位显著下降的关键退化点。

Detecting AI-Generated Video: A Vision-Language Dual-View Survey

Dylan Xinming Hou et al.

cs.CV cs.CL

本文综述了AI生成视频检测领域，将其重新定义为事实保真度验证任务，并提出了一个视觉-语言双视角分类法来组织现有方法。文章系统回顾了221篇相关工作，讨论了生成范式、检测方法、评估指标和基准，并指出了当前挑战和未来方向。

Q-Learning Lab: Teaching Reinforcement Learning Through Learner-Generated Trace Analysis

Ekkachai Jueng

cs.CY cs.LG

本文介绍了一个用于教学tabular Q-learning的浏览器工具Q-Learning Lab，通过可视化网格世界和实时Bellman更新面板来展示强化学习过程。该工具的核心贡献是让学习者通过导出CSV轨迹并自行分析来生成学习曲线和热力图，但方法本身在强化学习教学领域缺乏开创性。

Distributed Agent System: Fault-Tolerant Collaboration Among Embodied Agents

Kai Yu, Lu Chen, Hanqi Li

cs.MA cs.AI

本文提出了一种名为Distributed Agent System (DAS)的设备-边缘-云框架，用于实现异构具身agent间的容错协作，通过单agent执行可靠性与跨agent通信可靠性两层架构来应对累积误差传播问题。

Auditing Belief-Conditioned LLM Agents in Hidden-Information Social Deduction Games

Yuan Gao et al.

cs.MA cs.AI

本文在9人狼人杀环境中构建了一个可审计的LLM agent框架，通过维护外部belief state并记录belief-action偏差来评估agent决策。实验表明active-belief条件能提升好人方胜率，但belief与行动的直接一致性较低，其机制尚未明确。

3D-DefectBench: A Controlled Factorial Study of Vision-Language Model Evaluation Pipelines for Fine-Grained 3D Generation Defects

Zhenyu Zhao et al.

cs.CV cs.AI cs.GR

本文提出了3D-DefectBench，一个用于系统分析基于Vision-Language Model (VLM)的3D缺陷检测pipeline的benchmark。通过平衡因子设计，研究了VLM、相机协议、视觉输入和提示模式四个pipeline因素对缺陷检测性能的影响，发现模型选择是影响与人类标签一致性的最大因素，但其他因素也会交互作用。

Diversify Diffusion with Temperature Sampling and Variance-Corrective Time Shifting

Peizhuo Li et al.

cs.CV cs.LG

本文提出了一种无需重新训练的推理时方法，通过温度采样和方差校正时间偏移来增加扩散模型生成样本的多样性。该方法通过缩放score并调整采样时间步，在保持样本质量的同时提升了罕见模式的生成概率。

How Do Practitioners Build SE Agents? Insights from a Mixed-Methods Study

Yunbo Lyu et al.

cs.SE cs.AI cs.HC

本文通过混合方法（半结构化访谈和在线调查）研究了从业者如何构建基于LLM的软件工程agent，发现开发流程转向评估驱动，并识别了评估信号不可靠、理解债务等挑战。

Transferable Implicit Solvent Machine Learning Potential for Drugs and Proteins Approaching Ab Initio Accuracy

Jan Eckwert, Julija Zavadlav

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

本文提出了一种名为TWIN的隐式水溶剂机器学习势，使用Equivariant Graph Neural Network完全参数化，并仅基于ab initio和实验标签进行训练。该模型在药物分子、肽和蛋白质上展示了可迁移性，在多个基准测试中优于以往的机器学习隐式溶剂或粗粒化模型，但与我提供的关键词列表关联度较低。

Fast Whole-Brain, Geometry-Aware Functional Alignment for Cross-Subject Decoding

Pierre-Louis Barbarant, Florent Meyniel, Bertrand Thirion

q-bio.NC cs.LG stat.ML

本文提出了一种名为SpectralOT的fMRI功能对齐方法，通过将cortical geometry嵌入Laplace-Beltrami eigenmodes来正则化对齐过程，旨在平衡功能特征对齐与解剖结构保留。该方法主要关注跨个体解码的泛化性，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

Neighborhood Complexity and Radius-1 Merge-Width in Monadically Dependent Graph Classes

Jan Dreier et al.

cs.DM cs.DS cs.LO math.CO

本文研究了monadically dependent图类的结构性质，证明了该类图具有几乎线性的邻域复杂度，并建立了半径1的merge-width与monadic dependence之间的联系。该工作为图的结构分解理论提供了新见解，但与关键词列表中的code, context, spectral, Muon, pretrain, agent, attention等主题无直接关联。

Edge Physical AI Deployment of Vision Transformers on Heterogeneous Edge GPU Targeting Autonomous Vehicles

Ashiyana Abdul Majeed et al.

cs.AR cs.AI

本文提出了一种名为Heterogeneous Frame Dispatch Scheduling (H-FraDS)的硬件感知调度方法，用于在异构边缘GPU上部署Vision Transformer，通过调整算子（如用tanh近似误差函数）来适配深度学习加速器，并利用光流加速器提升推理效率。该方法在自动驾驶场景中实现了显著的帧率提升和延迟降低，但主要聚焦于工程优化而非理论创新。

EquiFusion: Kinematics-Agnostic Human Motion Prediction via Equivariant Latent Diffusion

Cecilia Curreli et al.

cs.CV cs.AI cs.HC cs.LG

EquiFusion提出了一种运动学无关的隐式扩散模型，通过置换等变架构将骨架连接作为显式输入参数，实现了跨数据集泛化。该方法在人体运动预测基准上达到最优性能，且模型更紧凑、训练更快。

MMA-Former: Multi-Window Mixture-of-Head Attention Transformer for Adaptive PNI Prediction in 3D MRI

Youngung Han et al.

cs.CV cs.AI

本文提出MMA-Former，一种用于3D MRI中神经侵犯预测的Transformer架构，通过Window-Specific Mixture-of-Head attention机制在多个3D窗口上动态分配注意力头，以平衡局部细节与全局上下文。实验表明其在AUC指标上优于传统CNN和Transformer基线。

Think When It Matters: Conditional VLM Reasoning for Social Navigation with RL Policies

Ali Ahmadi et al.

cs.RO cs.AI cs.CV

本文提出HUMA混合架构，将RL导航策略与VLM结合，在常规场景使用RL快速推理，在敏感社交场景激活VLM进行语义理解，以平衡效率与推理能力。实验在Social-MP3D和Social-HM3D基准上验证了性能提升。

LoSA-Net: A Localized and Scale-Adaptive Network for Boundary-Sensitive Prediction of Perineural Invasion in 3D MRI

Youngung Han et al.

cs.CV cs.AI

LoSA-Net提出了一种用于3D MRI中神经侵犯预测的局部化与尺度自适应网络，通过Talking Neighborhood Attention和Scale-Adaptive Feature Mixing模块增强边界敏感特征提取。该方法在胆管癌数据集上取得了优于基线模型的AUC结果，但未涉及code、spectral或Muon等关键词。

Affordance-Based Manipulation Planning with Text Goals and Sim-to-Real Generalisation via Real-to-Sim Image Conversion

Solvi Arnold et al.

cs.RO cs.AI

本文提出了一种基于affordance识别和动作效果预测的操作规划系统，通过视觉形式的未来推理和文本目标匹配来评估候选计划，并利用图像转换模块实现从仿真到真实环境的泛化。该系统主要关注机器人操作规划，与关键词中的概念关联较弱。

Actor-Critic Learning for Extended Mean Field Control with Deterministic Policies

Ziheng Cheng et al.

math.OC cs.AI cs.LG stat.ML

本文为连续时间扩展平均场控制问题开发了一种无模型强化学习框架，通过确定性反馈策略和策略梯度公式避免了随机核优化，并利用粒子近似和神经网络实现了算法。

SynCLIP: Synonym-Coherent Language-Image Pretraining for Robust Open-Vocabulary Dense Perception

Mingjie Xie et al.

cs.CV cs.AI

SynCLIP提出了一种Synonym-Coherent Language-Image Pretraining框架，通过Semantic-consistent Spatial Attention alignment和Spatial Attention Refinement模块，解决CLIP模型在开放词汇密集感知中因同义词导致的空间注意力不一致问题。该方法在多个基准上提升了语言变体下的定位一致性，但未涉及code、context、spectral、Muon、agent或attention等关键词中的核心概念。

Overcoming Fourier Locking in Quantum Data Re-uploading Classifiers via Spectral Homotopy

Spencer Topel

quant-ph cs.LG

本文研究了量子数据重上传分类器中的傅里叶锁定现象，指出优化瓶颈源于编码权重与纠缠层的非线性耦合导致的高频目标参数坍缩。通过Fisher诊断指标分析了频谱对齐问题，并提出频率分阶段同伦协议来改善优化。

Reference-Based Face Super-Resolution Using the Spatial Transformer

Varun Ramesh Jois, Antonella DiLillo, James Storer

cs.CV cs.LG

本文提出了一种基于参考图像的人脸超分辨率方法，使用spatial transformer进行对齐，并设计了一种聚合函数来选择性利用参考图像信息。该方法在多个数据集上取得了较好效果，但主要贡献在于工程应用而非理论创新。

Same Stories, Different Journeys: From Social Comparison to Sensemaking in AI-Mediated Peer Career Exploration

Pengping Tan, Baoquan Zhao, Zhenhui Peng

cs.HC cs.AI

本文开发了JobMate系统，将社交媒体职业帖子转化为对话式AI agent，通过主动对话替代被动浏览来帮助求职者进行职业探索。实验表明该方法能引导社会比较向建设性方向转变，但用户仍依赖真实同伴内容获得情感支持。

BackendForge: Benchmarking Agentic End-to-End Code Generation with Backend Services

Yuzhe Guo et al.

cs.SE cs.AI

本文提出了BackendForge基准测试，包含56个从真实开源应用重构的后端生成任务，用于评估LLM在代理编码场景中生成可部署后端服务的能力。实验表明，即使最佳模型GPT-5.5在最终测试下成功率也仅为28.6%，揭示了当前LLM在完整后端服务生成上的局限性。

Do Video-LLMs Actually Watch? Diagnosing Character-Tracking Failures in Long-Form Video

Mohammad Al-Ratrout et al.

cs.CV cs.AI

本文通过九种诊断条件测试了Video-LLMs在长视频中追踪指定角色的能力，发现模型主要依赖粗粒度的性别线索而非真正的角色追踪，即使增加字幕或帧数也无法改善。该工作揭示了当前benchmark分数可能高估了模型的视觉理解能力。

Controlling Motion Transfer in Diffusion Transformers via Attention Heads

Sunyoung Jung et al.

cs.CV cs.AI

本文通过分析Diffusion Transformers (DiTs)中attention heads的功能，提出了一种无需参数更新的运动迁移框架，利用运动专用heads和结构专用heads分别控制运动与空间结构，实现了基于语义对应引导的运动迁移。

When cheap gradients fail: the measurement cost of attacking quantum classifiers

Bacui Li et al.

quant-ph cs.CR cs.LG

本文研究了量子分类器在对抗性攻击下的安全性，指出量子测量噪声（shot noise）会作为内置防御机制，使得攻击者需要消耗与输入维度$d$相关的测量预算（如$d^{5/2}$量级）才能有效实施梯度攻击，且该成本远高于经典自动微分中的廉价梯度。实验在IBM量子处理器上验证了该效应。

AgentCheck: A Reproduce-Intervene-Mitigate Workbench for LLM Agents over MCP

Aritra Mazumder, Nusrat jahan Lia

cs.SE cs.AI cs.CL

AgentCheck是一个开源工作台，通过MCP服务器对LLM agent进行故障注入与复现测试。它支持12种故障类型，并利用LLM judge进行评分，但方法本身在agent领域较为常规，未体现显著开创性。

MusicMark: A Robust Generative Watermarking Framework for Music Generation

Seohwan Yun et al.

cs.SD cs.AI cs.CR

MusicMark提出了一种针对AI音乐生成的生成式水印框架，通过将水印嵌入到扩散模型的语义latent space中，以增强对neural codec重合成等攻击的鲁棒性。该方法在生成过程中联合训练水印适配器和检测器，在保持生成质量的同时优于传统的后处理水印方法。

Simple Features and Honest Calibration for Ambivalence and Hesitancy Recognition in Video

Vikas Kumar, Aditya Mishra, Haroon R. Lone

cs.CV cs.CL eess.AS

本文针对ABAW 2026 BAH挑战中的矛盾与犹豫识别问题，提出了一种结合文本、音频和视觉表示的系统，并引入ASR-erased time特征（利用语音识别删除填充词后的时间戳间隙构建特征）和Affective Marker Fusion (AMF)融合机制。实验表明语言模态最强，校准比架构更重要，最终通过AP加权集成在测试集上达到0.731 macro-F1。

Implicit Neural Networks as Static Controllers: Certificates and Performance Separation

Giuseppe C. Calafiore, Laurent El Ghaoui

eess.SY cs.LG

本文研究了隐式神经网络控制器(INC)作为静态反馈律的稳定性与性能分析，提出了基于不动点方程和LMI/IQC的认证框架，并展示了其在特定标量不稳定系统中的性能优势。

BeatEdit: Symbolic Music Generation as Explicit Editing

Haoyu Gu et al.

cs.SD cs.AI

本文提出BeatEdit框架，将符号音乐生成重新定义为基于显式编辑操作的过程，而非从头合成。它利用BEAT编码（一种基于节拍网格的表示）实现了三种编辑机制：逐token序列标注、迭代精炼和标签后填充，在保持高效推理的同时提升了生成精度和感知质量。

Comparison-Based Ordinal Learning for Proactive Driving Risk Assessment

Zhuoren Li et al.

cs.RO cs.LG

本文提出了一种基于比较的序数风险学习框架，通过从驾驶数据中的成对监督（如时间进程、事件对比和反事实扰动）直接学习碰撞风险排序，无需帧级风险标签。该方法在自然驾驶数据集上提升了主动碰撞预警的性能。

AMT-X: Phase-Structured Multi-Turn Red-Teaming with Checklist-Gated Evaluation

Yi Ting Shen, Kentaroh Toyoda, Alex Leung

cs.CR cs.AI

AMT-X提出了一种基于阶段状态机的多轮红队攻击框架，通过多角色陪审团和阶段条件检查表来评估LLM安全性。实验表明该方法在宽松标准下攻击成功率达97.6-100%，但在严格标准下降至66.7-78.6%，揭示了部分可操作与完全可操作危害之间的差距。

Pix2Act: Image-Space Manipulation Policies with Equivariant Augmentation

Haojie Huang et al.

cs.RO cs.AI cs.LG

本文提出Pix2Act，一种通过将3D操作动作表示为2D图像空间关键点轨迹并利用三角测量恢复末端执行器姿态的模仿学习方法。该方法通过将观测与动作对齐到同一坐标空间，实现了等变数据增强，从而提升了策略的泛化能力。

RepTran: Search-Based Repair of Transformer Models

Yuta Ishimoto et al.

cs.SE cs.AI

RepTran提出了一种基于搜索的Transformer模型修复方法，通过结合方差和双向分数识别前馈网络中的可疑权重，并使用差分进化优化。实验表明该方法在修复率上优于随机选择和现有DNN修复方法。

HandFlow: Fully Generative 4D Hand Recovery with Flow Matching

Mingxi Xu et al.

cs.CV cs.AI

本文提出HandFlow，一种基于flow matching的生成式框架，用于从单目视频中恢复时间上连贯的3D手部姿态和形状。它通过单个ODE积分去噪整个时间窗口的MANO参数，并利用Flux风格的双流transformer和置信度感知的连续掩码机制处理遮挡和运动模糊。实验表明该方法在时间平滑性和世界空间精度上显著优于现有方法，但与我提供的关键词（如code, context, spectral, Muon, pretrain, agent, attention）关联度较低。

DeepBias: Adaptive In-depth Probing of Social Biases in LVLMs

Anqi Li et al.

cs.CY cs.AI

本文提出了DeepBias框架，通过动态的"生成-进化-探测"循环自适应地探测大型视觉语言模型中的社会偏见，使用ProposerAgent和DiggerAgent生成并改写测试数据。该方法为偏见评估提供了新范式，但与我提供的关键词列表关联度较低。

An Empirical Study for GUI Test Migration from Android to OpenHarmony System

Yakun Zhang et al.

cs.SE cs.AI

本文首次对从Android到OpenHarmony系统的GUI测试迁移进行了系统性实证研究，构建了包含36个商业应用的ATH Benchmark数据集，并评估了ReSPlay和ITeM两种现有方法。研究发现现有方法在跨系统迁移场景下成功率较低（15%-26%），主要受限于OpenHarmony的技术架构差异和生态系统特性。基于此，作者提出了改进方法ITeM-HM，通过整合OpenHarmony系统特征将成功率提升至81%。

LaGuadia: Language-Guided Adaptive Distillation from Pathology Foundation Models

Gangsu Kim, Won-Ki Jeong

cs.CV cs.LG

本文提出LaGuadia框架，通过语言引导的自适应蒸馏方法，从多个病理基础模型中提取知识，构建高效的病理图像编码器。该方法利用临床语言作为语义锚点，在WSI字幕生成、视觉问答等任务上取得了与大规模模型相当的性能。

Towards Predictive, Aligned, and Scalable Robot Learning

Peijun Tang et al.

cs.RO cs.AI

本文提出Lumo-2，一种潜在世界-动作模型，通过在潜在空间中推理世界动态来生成动作，并采用多阶段模态预对齐策略解决重建质量与下游控制性能之间的失配问题。实验表明该方法在需要时间推理和物理理解的复杂真实世界任务上优于强基线模型。

Long-Memory Reservoir Computing for Data-Scarce Dengue Forecasting

Rahul Goswami et al.

stat.ML cs.LG

本文提出了一种结合长记忆和短记忆Echo State Network (ESN) 的reservoir computing框架，用于数据稀缺的登革热预测。该方法通过Fractional ESN (fESN) 和Wavelet ESN (wESN) 两种变体，在理论上证明了其能生成与统计长记忆一致的polynomially decaying dependence，并在多个数据集上优于统计和深度学习基线。

Fixed-Protocol Amortized MPS Tomography with Conformalized Predictive Uncertainty

Jian Xu et al.

quant-ph cs.LG

本文研究了固定协议摊销MPS层析成像，通过对比先验估计和测量条件模型，发现高保真度主要源于对特定状态族的记忆而非真正的层析效率。作者提出了一种基于局部Pauli测量设计的摊销MPS估计器，在系统规模增长时仍能保持较高保真度，并利用dropout集成和共形校准提供了预测不确定性区间。

A Unified Framework for Comprehensive Cardiac CT Segmentation and Phenotyping: Human-in-the-Loop Data Annotation, Vision Foundation Model Development, Multicenter Evaluation and Clinical Validation

Pooya Mohammadi Kazaj et al.

cs.CV cs.AI

本文提出了一个统一框架，用于心脏CT分割和表型分析，结合了人机协同标注、数据增强和自监督预训练方法，在多个外部数据集上验证了其准确性和可扩展性。该工作主要贡献在于构建了大规模标注数据集并开源了相关资源。

Mako: A Self-Evolving Agentic Operating System (SE-AOS) for Autonomous Web Exploitation

Praneeth Narisetty, Shiva Nagendra Babu Kore

cs.CR cs.AI cs.MA

本文介绍了Mako，一个用于自主网络利用的自进化智能体操作系统（SE-AOS），它通过运行时观察自身失败、合成新能力并热加载来扩展其利用能力。该系统在XBOW基准测试中实现了全套覆盖，但因其双用研究性质，作者仅公开科学原理而隐藏了具体利用工具。

The Paternalistic Filter: Epistemic Injustice and Differential Refusal in LLM-Mediated History Education for Marginalized Romanian Students

Alexis Popovici, Andrei Ionascu, Adrian-Marius Dumitran

cs.CY cs.AI cs.CL

本文通过API审计研究了四个LLM作为历史导师时对边缘化罗马尼亚学生的回应差异，发现了四种认知家长主义模式（如差异拒绝、认知守门等），揭示了安全对齐可能加剧叙事隔离。该研究主要关注教育公平与AI伦理，与关键词中的code、spectral、Muon、pretrain、agent、attention等无直接关联。

Programming Language Policy as an AI Literacy Equity Problem: A 15-Nation Comparative Analysis

Adrian-Marius Dumitran, Iulia-Maria Popescu

cs.CY cs.AI

本文对15个国家的计算机科学教育政策进行了比较分析，揭示了通用课程与专业课程在编程语言教学上的结构性不平等，指出Python教学广泛但算法深度不足的“语法天花板”问题，并强调治理结构与考试制度是主要驱动因素。

Fail-Aware and Explainable Test Oracle Prediction

Yue Zhao, Binish Tanveer, Jelena Zdravkovic

cs.SE cs.AI

本文提出FOCAL，一种基于code LLM的判别式test oracle预测器，通过训练模型直接预测测试前缀是否通过，并利用损失函数强调失败案例。该方法在故障检测基准上提升了失败案例的检测性能，但整体创新性有限，未与关键词中的spectral、Muon、pretrain、agent、attention等概念直接相关。

Longitudinal Multi-View Breast Cancer Risk Prediction

Solveig Thrun et al.

cs.CV cs.AI

本文提出LMV-Net模型，通过联合分析纵向对齐的CC和MLO两个mammographic视图，在EMBED和CSAW-CC数据集上提升了乳腺癌风险预测性能。该方法主要贡献在于整合了临床实践中使用的互补时空信息，但未涉及关键词中的核心概念。

Understanding the Impact of AI Code Assistants on Security API Usage: An Empirical Study

Zahra Mousavi et al.

cs.SE cs.AI

本文通过一项包含44名专业开发者的实证研究，调查了AI代码助手（GitHub Copilot）对安全API使用的影响。研究发现，虽然Copilot能提高功能正确性并略微减少某些不安全模式，但并未显著改善安全API的使用，且开发者很少在交互中提出安全问题。

Inter-Stop Energy Prediction and Causal Driver Quantification for Dual-Source Trolleybuses via a Time-Aware Tabular Deep Learning Architecture

Wentao Zeng et al.

math.OC cs.LG

本文针对双源无轨电车站间能耗预测问题，提出了一种时间感知的表格深度学习框架，通过集成周期性时间编码和参数高效批量集成骨干网络来学习静态与序列特征，并利用贝叶斯优化进行超参数调优。实验在苏黎世数据集上取得了6.52%的MAPE和0.982的R值，优于多种基线模型，但方法本身在数学理论或算法设计上缺乏显著的开创性，且与关键词列表中的概念关联较弱。

Decomposing Runtime, Kernel, and Quantization Speedups via a Matched FP16 Intermediate: A Hardware-Conditioned Case Study on Four NVIDIA RTX A5000 GPUs

Weijia Han, Lisha Qu

cs.DC cs.LG cs.PF

本文通过匹配FP16中间层堆栈，在四块NVIDIA RTX A5000 GPU上分解了量化推理的加速来源，发现运行时变化贡献了约三分之二的加速，而量化与kernel部分变化不超过1.5%。研究还分析了分片推理的性能瓶颈及量化对并发用户数的扩展效果。

A Glimpse into Long-term Physical Coexistence with Intelligent Robots

Weiqi Jin et al.

cs.RO cs.AI

本文提出了PHILIA，一个基于机器人网关抽象的多机器人agent系统，通过解耦高层语义推理与底层执行，实现了用户界面、机器人形态和策略后端的即插即用集成。该系统在Astribot S1机器人上验证了架构有效性，并展示了在长期家庭服务场景中结合agent记忆与场景理解的交互流程。

Uncertainty Quantification for EO Regression Tasks: Building Height, Tree Canopy Height and Above-ground Biomass Estimation

Ritu Yadav, Andrea Nascetti, Yifang Ban

cs.CV cs.AI

本文研究了地球观测回归任务中的不确定性量化问题，提出了基于Gaussian UC和Quantile UC的两种方法，利用Sentinel-1 SAR和Sentinel-2 MSI时间序列数据估计建筑高度、树冠高度和地上生物量。实验表明，这些方法在精度上匹配或超越确定性基准，同时提供了校准良好的置信度估计。

A Multimodal Dataset for Large Language Model Applications in the Energy Domain

Costas Mylonas, Magda Foti

eess.SY cs.AI

本文介绍了mAIEnergy数据集，一个面向能源领域的多模态开放语料库，整合了文本、图像、时序数据和地理空间数据，并遵循FAIR原则。该数据集旨在为能源领域的LLM应用提供基础知识支持。

Climate-Invariant Conformal Prediction Intervals for Multi-Horizon Solar and Wind Forecasting

Shreedhar Gangwar, Abhinav Bains, Banalaxmi Brahma

stat.AP cs.LG

本文提出了一种基于bootstrap-diverse XGBoost集成的异方差、非对称、组条件分割共形预测框架，用于多时间尺度太阳能和风能预测的不确定性量化。该方法在无需逐站点调参的情况下，在多个气候区实现了分布自由的覆盖保证，并相比基线方法将Interval Score降低了35%。

Towards Efficient Convolutional Neural Network for Embedded Hardware via Multi-Dimensional Pruning

Hao Kong et al.

cs.CV cs.LG

本文提出TECO框架，通过两阶段重要性评估和启发式剪枝算法，协同剪枝CNN的三个维度（深度、宽度和分辨率），以提升在嵌入式硬件上的执行效率。实验表明该方法优于现有技术。

Compound Interference Recognition for LR-FHSS Satellite IoT Uplinks via Multi-Domain Instance Fusion

H. Xu et al.

cs.IT cs.LG

本文针对LR-FHSS卫星物联网上行链路中的复合干扰识别问题，提出了一种基于多域实例融合的方法，将问题建模为多实例多标签学习，并融合时频域和频域的局部实例进行预测。实验表明该方法在单到复合泛化和少样本适应场景下均显著提升了识别准确率。

See like a Robot: Robot-Centric Pointmaps for Vision-Language-Action Models

Byungkun Lee et al.

cs.RO cs.AI

本文提出robot-centric pointmaps，将3D坐标信息编码到图像像素中，以解决VLA模型中相机视角与机器人动作坐标系不匹配的问题，并在RoboCasa和真实机器人实验中验证了其有效性。

Toward Inclusive Avatar Design with Limb Differences Through Artificial Intelligence

Fernanda Miyuki Yamada, João Paulo Gois, Hiroki Takahashi

cs.HC cs.AI cs.GR

本文综述了面向肢体差异群体的包容性3D虚拟形象定制技术，指出当前系统缺乏对非标准身体形态的支持，并探讨了人工智能在解决数据稀缺和动画限制方面的潜力。

Vinci2: Providing Proactive Assistance in Continuous Egocentric Videos

Gong Sitong et al.

cs.CV cs.AI

本文提出了Vinci2系统，用于在连续第一人称视频中提供主动辅助。该系统通过EgoMemo模型维护多尺度时间摘要、语义知识图谱和视觉嵌入档案，以判断何时需要干预并生成上下文相关的响应。

Adaptive Routing for Efficient Diffusion Transformer-Based PNI Prediction

Youngung Han et al.

cs.CV cs.LG

本文提出了一种基于Diffusion Transformer的自适应路由方法用于胆管癌神经侵犯（PNI）的术前预测，通过引入跨attention heads、spatial tokens和MLP宽度的自适应路由机制来降低计算开销，在MRI数据上实现了0.731的AUC和257.57 GFLOPs的性能。

Tropical Circuits with Scalar Multiplication Gates

Christoph Hertrich, Moritz Stargalla

cs.CC cs.LG math.CO

本文研究了带有标量乘法门的tropical circuits（热带电路），证明了计算最大权重有向生成树和最大权重二分完美匹配的指数级大小下界，并由此得到了单调与非单调maxout神经网络之间的指数级大小分离。

Training-Free Off-Screen Player Imputation for Broadcast-Based Spatial Football Analytics

Seongjin Choi

cs.CV cs.LG

本文针对足球广播视频中球员位置不完整的问题，提出了一种无需训练的在线插补方法（role-anchored centroid voting），利用可见球员的位置信息来估计场外球员的位置，从而改善空间足球指标（如pitch control）的准确性。实验表明该方法能显著降低因忽略场外球员导致的误差，并在真实世界杯广播数据上验证了其对下游分析指标的影响。

Technical Report on the CVPR 2026@AdvML Workshop Challenge

Tianyuan Zhang et al.

cs.CV cs.AI

本文介绍了CVPR 2026@AdvML Workshop挑战赛，针对自动驾驶Vision-Language Agents (VLAs)的对抗性多模态攻击。挑战基于DriveLM风格的多视角视觉问答，要求参与者生成对抗性图像和文本扰动，使模型偏离参考答案。报告总结了五份领先方案，发现图像侧攻击更有效，场景级多视角优化优于单视角处理，且嵌入图像中的文字内容暴露了VLAs的持续脆弱性。

Machine Learning-Based Reconstruction for Resistive Silicon Sensors

Alexander Aoki et al.

hep-ex cs.LG nucl-ex

本文研究了基于机器学习的电阻硅传感器（resistive silicon sensors）信号重建与压缩方法，使用LSTM和transformer架构处理全波形数据，旨在改善AC-LGAD传感器的空间分辨率与带宽效率。

SKooP: Symmetric Koopman Predictions for Faster and More Generalizable Legged Robot Locomotion with Reinforcement Learning

Evelyn D'Elia et al.

cs.RO cs.LG

本文提出SKooP方法，结合形态对称性与通过autoencoder学习的Koopman模型来增强强化学习策略训练。该方法利用Koopman预测作为critic的privileged observations，并在actor、critic、encoder和decoder网络中引入group symmetries，以提升样本效率和策略泛化能力。

Any Proof of Polynomial Hirsch Must be Completely Incoherent

Alexander E. Black, Lei Xue

math.CO cs.DS math.OC

本文证明了对于任意由线性函数诱导定向的多面体，其上的coherent monotone paths（一种由纤维多面体构造导出的单调路径）长度必然是指数级的，从而否定了多项式Hirsch猜想的类比版本。该结果加强了下界结果，涉及shadow simplex method、离散几何中的几何横截以及参数线性优化。

Xiaomi-Robotics-U0: Unified Embodied Synthesis with World Foundation Model

Xinghang Li et al.

cs.RO cs.AI

本文提出了Xiaomi-Robotics-U0，一个380亿参数的多模态自回归模型，用于统一具身合成。它将具身生成视为基础图像和视频生成的扩展，联合优化了文本到图像生成、图像编辑、具身场景生成、具身迁移和具身视频生成等任务，并在多个基准上取得了最优结果。

Closing the Loop: An Access-Control Architecture for Automated, Anomaly-Driven Network Revocation in IoT Deployments

Muhammet Emir Korkmaz, Kemal Bicakci, Yusuf Uzunay

cs.CR cs.AI

本文提出了一种用于IoT网络的闭环访问控制架构，通过IEEE 802.1X和RADIUS协议实现基于异常检测的自动设备撤销。该架构使用单分类检测器（融合聚类、流量和协议签名分数）在测试中达到0.9964的AUC，并能在约447ms内完成设备驱逐和证书撤销。

Imputation-free transformer learning enables robust Alzheimer's disease prediction and calibrated uncertainty quantification across heterogeneous clinical cohorts

Christelle Schneuwly Diaz et al.

q-bio.NC cs.LG

本文提出了一种无需imputation的transformer模型NITROGEN，通过masked和intersample attention机制直接从部分观测数据中学习，用于阿尔茨海默病的诊断和认知评分预测。实验表明，该方法在多个独立临床队列上具有良好的calibration和uncertainty quantification优势，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。

Diversified Multinomial Logit Contextual Bandits

Heesang Ann, Taehyun Hwang, Min-hwan Oh

stat.ML cs.LG

本文提出了一个结合多样性的Multinomial Logit上下文Bandit模型，并设计了一个基于UCB的算法来近似求解，证明了其遗憾界。

Self-Healing Visual Recovery for Autonomous Ground Vehicles Using Camera-Only Visual Odometry

Jakob Solberg Berntzen, Safia Fatima, Leon Moonen

cs.RO cs.LG cs.SE

本文提出了一种用于低成本无人地面车辆的轻量级视觉恢复方法，通过两阶段策略（原地旋转放松颜色检测和单目视觉里程计回溯）在丢失引导线时恢复跟踪，无需LiDAR、GPS或GPU。该方法在仿真中实现了86.6%的恢复成功率，但未涉及代码、谱方法或注意力机制等关键词。

From World Action Models to Embodied Brains: A Roadmap for Open-World Physical Intelligence

Yuanzhi Liang et al.

cs.RO cs.AI

本文回顾了World Action Models (WAMs)的发展，指出其在模型角色、目标标准化和系统组合方面存在三个关键差距，并提出了一个以embodied brain为核心的物理智能协同进化路线图，通过共享契约和闭环后训练实现模块化智能堆栈。

$\mathtt{Q^2SAR}$: overcoming classical bottlenecks in drug discovery via quantum multiple kernel learning

Mariano Caruso et al.

quant-ph cs.LG

本文提出了一种名为Q^2SAR的量子多核学习框架，利用Quantum Support Vector Machines (QSVMs)将分子描述符编码到量子Hilbert空间，以增强非线性建模能力。在DYRK1A激酶数据集上，该方法在AUC指标上优于经典Gradient Boosting模型，但未直接涉及code、context、spectral、Muon、pretrain、agent或attention等关键词。

VoxENES 2026: Benchmarking Generalization of Speech Spoofing Detectors Against LLM-Era TTS and Voice Conversion

Aastha Sharma, Guangjing Wang

cs.SD cs.AI

本文提出了VoxENES 2026，一个包含53,628个音频样本的双语benchmark，用于评估语音欺骗检测器在LLM时代的TTS和VC系统上的泛化能力。实验表明，现有检测器在新型生成器和后处理条件下性能显著下降，最佳模型EER为28.98%，揭示了当前检测器对脆弱伪影的依赖。

An Explainable Agentic System for Detection of Conversational Scams with Summary-Based Memory

Ahmed Omar Salim Adnan, Yogananda Manjunath, Shivanjali Khare

cs.MA cs.AI cs.CR cs.HC

本文提出一个基于agent的可解释系统用于检测对话式诈骗，通过引入摘要记忆机制来捕捉跨多轮对话的诈骗模式。系统在多个基准测试上取得高准确率，并通过用户研究验证了其有效性。

Improving Upper Bounds for the Maximum Clique Problem using Reduction Rules

Aljaž Krpan, Janez Povh

math.CO cs.DS

本文研究了最大团问题(MCP)中reduction rules与上界函数的相互作用，通过引入$(k,\omega^u)$-core和$(k,\omega^u)$-truss等概念，将局部规模条件替换为上界测试来增强经典reduction方法。实验表明，该方法能显著改善多个标准上界函数，并在部分DIMACS实例上改进了已知的最佳整数上界值。

NeuralActuator: Neural Actuation Modeling for Robot Dynamics and External Force Perception

Zhiyang Dou et al.

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

本文提出NeuralActuator，一种用于机器人执行器动力学的神经模型，通过预测广义力代理、外部力和电机状态分数来减少sim-to-real误差，并在低成本平台上验证了其有效性。该方法利用Transformer捕捉时间依赖，但未涉及code、spectral、Muon或attention等关键词的核心概念。

When Local Monitors Miss Compositional Harm: Diagnosing Distributed Backdoors in Multi-Agent Systems

Yibo Hu, Ren Wang

cs.CR cs.LG cs.MA

本文研究了多智能体LLM系统中的分布式后门攻击问题，指出局部监控器（monitor）因仅检查单个消息或步骤而无法检测到跨智能体拆分的恶意负载。文章形式化了“可观测性边界”（observability boundary），证明当碎片在监控视角下表现为良性时，任何检测器都无法捕获攻击，并实验验证了局部监控的失效与恢复条件。

Paradoxes of Game Theoretic Equilibria and Price of Anarchy

Georgios Piliouras et al.

cs.GT cs.LG cs.MA math.DS math.OC

本文揭示了博弈论中静态均衡概念（如Nash均衡）与学习动力学之间的根本矛盾，指出将多智能体学习简化为静态均衡分析会掩盖动态不稳定性，并证明在标准拥堵博弈中，最坏情况下的均衡状态是拓扑不稳定的严格鞍点，导致Price of Anarchy（PoA）出现代数敏感性甚至无界。

Evaluating RE Practices for Explainability: Synthesizing Insights from Daimler Truck into an Explainable RE Framework Proposal

Umm-e- Habiba et al.

cs.SE cs.AI

本文通过一项针对Daimler Truck公司八位从业者的多阶段定性研究，探讨了现有Requirements Engineering (RE)实践如何支持AI系统的可解释性需求。研究发现，在需求获取、规约和验证各阶段均存在概念模糊、可测试性差及验证碎片化等挑战，表明当前RE实践难以系统性地处理可解释性需求。

Forgetting Our Way to Shared Meaning: Effects of Forgetting on Conceptual Alignment in a Non-Partnership Coordination Game

Landon Liu, Mary Kelly, Alan Tsang

cs.MA cs.CL cs.GT cs.HC

本文通过非伙伴关系协调博弈模型，研究了agent记忆特性（如适应性和记忆衰减）对概念对齐（conceptual alignment）中共享意义涌现与演化的影响，发现自适应agent比非自适应agent更快实现实际收敛，但非自适应agent更早感知到收敛。

StoryTeller: Training-Free Narrative Grounding for Long-Form Audio Description

Seung Hyun Hahm, Minh T. Dinh, SouYoung Jin

cs.CV cs.AI

本文提出StoryTeller，一个无需训练的长篇音频描述框架，通过维护一个经过验证的叙事记忆来跨场景传递故事相关信息，从而提升描述的故事连贯性和事实基础。该方法仅依赖原始视频和电影标题，无需字幕或脚本等额外数据，并在标准基准上展示了优于强基线的性能。

Encoder-Side Neuron Identification and Amplification for Acoustic Perception in Large Audio-Language Models

Yu-Han Huang et al.

cs.SD cs.AI

本文提出IAAN方法，通过对比真实波形与噪声参考的激活值来识别并放大音频编码器中的前馈神经元，以提升大音频语言模型对非语义语音属性的感知能力。该方法无需训练或标签，在多个模型上取得了显著准确率提升。

MM-ToolSandBox: A Unified Framework for Evaluating Visual Tool-Calling Agents

Kaixin Ma et al.

cs.CV cs.AI

本文提出了MM-ToolSandBox，一个用于评估视觉工具调用agent的基准测试和评估框架，包含500多个工具和258个经过人工验证的场景。评估了12个模型，发现即使最好的模型成功率也低于50%，主要瓶颈在于视觉精度而非规划能力。

LoRA-Based Cascaded Multimodal Fusion for Action Recognition in Medical Training Environments

Divya Mereddy, Jeevan Beedareddy

cs.CV cs.AI

本文提出了一种基于LoRA的级联多模态融合框架，用于医疗培训环境中的动作识别。该框架通过参数高效的方式逐步整合不同模态，无需重新训练已学组件，并在两个医疗数据集上取得了有竞争力的初步结果。

Input-Aware Dynamic Backdoor Attack Against Quantum Neural Networks

Junrui Zhang et al.

quant-ph cs.LG

本文提出了一种针对量子神经网络的输入感知动态后门攻击方法Q-DIBA，通过联合训练经典触发器生成器和受害者QNN，并引入集成密度对比损失来克服量子学习中的测量压缩和密度矩阵波动问题。实验表明该方法在多个数据集和架构上有效且隐蔽，但与我提供的关键词列表契合度较低。

Evidence-Backed Video Question Answering

Shijie Wang et al.

cs.CV cs.AI

本文提出了Evidence-Backed Video Question Answering (E-VQA)任务，要求模型同时输出语义答案和精确的时空证据（时间片段和密集跟踪的分割掩码）。作者构建了ST-Evidence基准和ST-Evidence-Instruct数据集，并通过微调Video LLMs验证了该方法在可解释视频理解上的有效性。

A Minimalist Retargeting-Guided Reinforcement Learning Recipe for Dexterous Manipulation

Yunhai Feng et al.

cs.RO cs.AI cs.LG

本文提出REGRIND，一种从单次人类演示中学习灵巧操作策略的简化方法，通过重定向人类手部运动并训练残差强化学习策略来跟踪物体关键点，最终在剪刀和螺丝刀等工具操作任务上实现了零样本迁移。

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