本文提出一种新的神经网络量化方法，通过学习量化感知的线性路径来寻找低损失子空间的中点，从而在不使用直通估计器或显式离散化的情况下实现与量化感知训练相当的性能。

本研究评估了多模态大语言模型（MLLM）在辅助AI任务中的表现，包括货币识别、场景文本问答和多语言视觉内容阅读。研究者构建了NetraLink系统，使用头戴式GoPro采集真实世界第一人称数据，并创建了相应基准测试。结果揭示了当前MLLM在视觉感知和语言交互方面的优势与局限。

视觉故事生成要求图像序列与叙述提示对齐且角色外观一致。现有免训练方法依赖结构化提示（每句重复完整描述），不符合自然叙述。FreeStory通过实体引导的特征复用，在自由形式提示下保持角色一致性，并引入FreeStoryBench基准，在单/多角色故事中均达到领先水平。

Wan-Streamer 是一个原生流式、端到端的交互基础模型，专为低延迟、全双工信视听交互设计。它在一个Transformer中统一建模语言、音频和视频的输入输出，使用块因果注意力实现增量流式，无需依赖外部模块。模型侧响应延迟约200毫秒，总交互延迟约550毫秒，支持亚秒级双工信视听通信。

Chorus II 提出一种跨请求稀疏性重用框架，通过复用历史请求的稀疏注意力掩码来避免在线掩码预测，可选的特征重用和引导增强进一步保持生成质量，实现2.16倍加速。

Yuvion VL是一系列专为内容和AI安全设计的多模态大语言模型，通过将安全性视为对抗性和多模态问题，构建了围绕对抗鲁棒性的完整管道。其数据构建采用自动化对抗感知合成与多阶段质量控制；训练采用三阶段流程，包括风险概念跨模态对齐的继续预训练、生产级安全任务的指令后训练以及增强可解释性的推理后训练。创新性地引入困惑-对比微调框架，通过挖掘模型特定困惑并构建多图像对比组，强制区分细粒度视觉语义元素。同时推出YVRE基准集，包含多样化的安全评估。实验表明Yuvion VL-32B在安全性能上领先于同类开源和闭源模型，同时保持通用能力。

本文提出了一种噪声感知边界增强生成学习（NBGL）框架，用于超声散斑抑制。该框架由散斑抑制分支和边界增强分支组成，并引入噪声感知交互权重生成（NIWG）模块，通过3D拉普拉斯滤波和中位数绝对偏差估计自适应调节噪声水平。在141个3D经阴道超声数据集上的实验表明，NBGL在六个噪声级别上均优于现有方法。

本研究开发了一个涵盖认知、情感和行为领域的自我污名编码本，并分析了Reddit上药物使用者的帖子。结果显示，自我污名普遍存在，且行为指标往往先于核心指标出现，挑战了传统的渐进模型。

大语言模型在代码生成方面的进步引发了关于作者身份、评估完整性和软件信任的担忧。SemEval-2026任务13子任务A将检测定义为对代码片段的二元分类，特别关注跨未见编程语言和领域的分布外泛化。研究提出了一种SALSA风格的方法，即单次自回归大语言模型结构化分类，将每个类别映射到专用输出标记，并训练模型在结构化响应中发出单标记标签。通过平衡采样、参数高效微调和保守训练，系统在官方排行榜上取得了OOD F1=0.789，大幅超越CodeBERT基线（F1=0.305）。

随着学术投稿量的激增，传统同行评审面临可扩展性极限。该综述系统分析了基于大语言模型（LLM）的科学同行评审，聚焦于评语生成与评分预测两大核心功能。文章构建了包括提示工程、监督学习、检索增强和对齐优化在内的建模方法分类体系，并综合了现有基准的实证结果。除性能指标外，文章还揭示了提示注入、数据投毒、检索漏洞和奖励破解等鲁棒性风险，这些风险可能使自动化评审流程遭受策略性操纵。从数据挖掘视角，作者指出了主观分歧建模和跨领域泛化等关键开放挑战。该综述将自动化同行评审重新定义为高风险、多目标的决策问题，为开发鲁棒、透明且可信的AI辅助科学评估系统提供了路线图。

一项新研究引入了一个包含32,534份真实GCSE模拟考试双评分学生回答的数据集，涵盖五个科目328道题，包括手写内容。测试发现，现成的大型语言模型与考官评分的一致性非常高，顶级模型的一致性甚至超过考官之间的一致性。模型在主观任务如英语作文评分以及处理复杂手写数学试卷方面表现出色，且一致性不受模型大小显著影响，为自动化评分提供了经济有效的解决方案。

Dustin是一种专为长上下文场景设计的稀疏验证框架，通过结合草稿模型的预测信号与目标模型的歷史注意力，仅对关键token进行验证，显著加速推测解码中的KV缓存加载瓶颈。在Qwen2.5-72B上，32k序列长度下自注意力加速27.85倍，端到端解码加速9.17倍，精度损失可忽略。

arXiv最新研究揭示了语言模型中“检测”与“控制”行为方向之间的几何差异。研究发现，虽然模型可以完美检测幻觉（AUC=1.0），但检测方向与引起拒绝的方向余弦仅为0.12，表明检测不等于可控性。该差距在不同模型和规模中普遍存在，且源于预训练阶段。旋转15度可部分缓解这一差距。

提出一种利用误差感知TF-IDF检索的框架来纠正ASR系统中的幻觉错误，在波斯语FLEURS数据集上显著提升了词错误率。

AgentOdyssey 是一个新颖的评估框架，通过程序化生成开放式文本游戏来测试代理在持续学习环境中的能力。该框架挑战了传统机器学习假设，将学习与推理交织在整个部署过程中，并评估代理的世界知识获取、情景记忆、探索能力、动作多样性和模型成本。实验表明，即使最强的代理也远低于人类水平，其中短期记忆机制能显著提升性能。

一项新研究表明，一群维基百科编辑者通过仅125次编辑，就能显著影响大语言模型在动物福利话题上的行为。研究使用梯度归因方法追踪了这些编辑的影响，发现维基百科中动物福利相关的编辑内容在模型对相关查询的响应中占据主导地位。

针对自动语音识别（ASR）系统在命名实体、否定词等关键语义标记上残留的声学相似性错误，研究人员提出G-SPIN框架，将声学图建模与上下文语言理解相结合，利用图神经网络生成候选词集，掩码语言模型评分，最终由大语言模型重排序，实现轻量级、模块化的推理时纠错。

MacroLens是一个全新的多任务基准，涵盖2021-2026年间4,416只美国小盘和微盘股。它整合价格、会计数据、宏观经济序列、SEC文件和新闻，旨在解决金融时间序列评估中四大假设违反问题。基准包含七个任务、1,130个宏观经济事件，评估了19种方法，并进行了特征消融实验。

研究发现，全息记忆模型在知识图谱零样本组合查询中表现不佳，其根源在于容量和干扰效应，而非绑定代数本身。

一篇新论文提出了一种监督强化学习（SRL）框架，用于协调分布式能源资源（DERs）。该方法先在演示数据上通过监督学习预训练策略，然后通过离线和在线强化学习进行微调，即使在低质量数据下也能显著优于基准方法。

该论文研究具有已知群对称性的潜在世界模型的信任视界认证。通过分割共形乘法因子校准原始视界曲线，实验表明准确等变性可将校准后的信任视界曲线沿群轨道传输，使得滚动误差和信任视界在轨道上恒定。在2D和3D实验中，等变模型在单校准区域内获得安全且非空洞的轨道有效证书，而非等变基线需要额外代价。证书是保守的分布审计，而非全局可达性保证。

本研究探讨了一个表示学习问题：物理世界模型在学习潜在表示后，守恒定律是否仍可被认证。作者提出“认证视野”的概念，即从可测量的模型缺陷出发，预先保证模拟轨迹在物理不变量水平集上保持的步数。核心创新在于认证对象是解码后的物理不变量，而非学习到的潜在哈密顿量或标量见证。通过分解表示、读出和潜在动力学缺陷的预算，并引入单调对齐桥，该框架在保守系统上进行了测试，发现不同的几何先验表现各异：硬规范辛结构在已知相坐标下视野最长，但无法跨越学习图表；而受控Lipschitz对齐的软不变量在学习表示设置中表现良好。像素认证可在读出稳定的子管道中恢复，开普勒问题则暴露了几何边界。

本文提出了一种用于二元少样本分类的饱和指数，帮助决定何时停止收集标注样本。该指数基于类内协方差的有效秩，可在无测试标签的情况下计算。实验表明该指数与准确率增益高度相关，并定义了探索、过渡和饱和三个阶段。作为停止规则，AUC达到0.752，同时可用于诊断表征不足问题。

本调查将工业LLM的持续学习重新定义为版本化生态系统中的闭环更新与发布问题，识别出三大核心挑战（适应性侵蚀、能力传承断裂、可持续性约束），并提出五项生命周期设计原则，评估了各原则的成熟度并勾勒出实际部署蓝图。

本文提出一种在部署设备上直接执行轻量级神经架构搜索（NAS）的方法，以找到最佳的小型神经网络分析传感器实时数据。该方法特别适用于人机界面，可根据用户变化重新设计网络。在意大利手语数据集（ISL）和CWRU数据集上的验证表明，在树莓派4上，该NAS在减少RAM占用的同时提升了准确率。

一篇新论文展示了人类与AI如何协同工作，将模糊的研究直觉转化为具体的数学发现。该案例研究聚焦于符号嵌入量子算法，这是量子线性代数中的基础原语。AI系统AIM在扩展直觉、比较候选公式和连接已知恒等式方面发挥了关键作用，但最终的科学判断（如选择研究方向、拒绝无效近似、优化实现）始终由人类做出。作者认为，人类-AI共同发现工作流最有价值的是作为研究伙伴，而非独立的定理证明器。

麻省理工学院和微软的研究人员开发了一种名为 Murakkab 的系统，用于优化 AI 代理工作流的设计和部署。该系统让开发者用自然语言描述意图，自动选择最佳模型、工具和硬件配置，并动态调整以满足用户对速度或成本的要求。测试显示，与传统方法相比，Murakkab 仅需约35%的计算资源、27%的能耗和不到25%的成本，同时保持性能。

swarm-test 是一个多智能体 AI 系统的静态可靠性测试工具，无需实时 LLM 调用即可识别级联故障、单点故障和上下文泄漏等问题，并提供 Swarm 评分和交互式报告。

参议员伯尼·桑德斯提出《美国人工智能主权财富基金法案》，通过对大型AI公司征收一次性50%的股票税，创建约7万亿美元的公共基金。该基金由独立委员会管理，每年将5%的价值分配给美国人。桑德斯认为，AI依赖公共知识和纳税人资助的研究，因此公众应享有股权。尽管该概念获得两党支持，但批评者指出50%的税收可能抑制资本形成，并引发治理和过早分红等问题。

Artificial Analysis 推出了全新的语音到语音指数，综合评估原生语音模型的性能，包括语音推理、对话动态和代理能力。OpenAI GPT-Realtime-2 (High) 以77.2%的总分领先，xAI Grok Voice Think Fast 1.0 (75.7%)紧随其后。Deepslate Opal 响应最快，而 Gemini 3.1 Flash 成本最低。