本文提出DiffusionVS，一种基于扩散策略的视觉伺服方法，通过条件去噪生成相机速度，采用在线训练增强泛化能力。仿真成功率近100%，物理实验成功率93%，并可集成到现有视觉伺服网络中提升性能。

3D场景图（3DSG）作为空间AI的强大表示，结合了几何基础与语义及关系抽象，在机器人学和计算机视觉中广泛应用。然而，该领域碎片化严重，不同社区采用不同公式、构建流程和评估协议，难以比较方法、识别共同假设和评估稳健部署的挑战。本综述统一批判地审视3DSG，重点讨论开放挑战和未来方向，包括节点边属性、层次结构、动态表示和可负担性扩展，并回顾构建方法、下游应用和评估策略。

WorkBenchMark是一个基于乐高得宝的机器人装配基准测试，受RoboCup智能制造联盟启发。它提供400个任务，分为四个复杂度等级，并提出了一个开源词汇感知的‘拆解式装配’基线解决方案。基于规划的流水线在所有等级上均优于现代视觉-语言-动作方法。该基准、仿真环境和基线实现将公开发布。

研究人员构建了名为Robotroller的机器人，可操作Atari CX40+控制器，并开发了Atari Devbox设备，在屏幕上渲染游戏画面和奖励信号。整个系统（Physical Atari）结合了现成摄像头和台式电脑，可用于研究物理世界中的强化学习算法。系统设计注重稳健性（所有运动通过轴承实现，软件高频监控舵机状态）和易用性（使用廉价现成组件和3D打印零件），总成本低于1000美元，可连续运行数周无机械故障。实验验证了强化学习算法可直接在机器人上学习，并表明学习与部署之间的微小分布偏移会显著降低策略性能，凸显了设备端自适应的重要性。

研究者提出TeleMorpher，一种基于扩散模型的一键式框架，用于视频中同步运动与位置编辑。该方法通过分离主角与背景、利用运动先验进行姿势变形，并引入新的评估指标，实现了更可控和精确的编辑。实验表明，在真实场景视频和TaiChi数据集上，TeleMorpher在定量和定性评估中均优于现有方法。

本文提出了一种学习异步调度的方法，用于多表示潜扩散模型。通过调度校正的目标函数和快速联合探针，学习凸且单调的调度参数。在ImageNet 256x256上，仅用200个epoch达到FID 1.05（匹配800个epoch的SFD-XL），600个epoch达到FID 1.02（超越1B参数的SFD-XXL）。无引导设置下也取得显著提升。

GB-LSR提出了一种固定网格的局部频谱表示方法，用于连续图像重建。该方法采用单个可训练的全局带宽参数，在所有图像块间共享，从而简化模型并降低计算成本。在标准本机重建基准测试中，GB-LSR的PSNR比LIIF、LTE和WIRE等方法高出2.8-3.6 dB，而推理成本仅为最慢基线的四分之一。在超分辨率任务中，GB-LSR在4倍放大时比LIIF-RDN快1.44倍，比LTE-SwinIR快3.25倍。此外，一种无需局部集成平均的变体实现了1.77倍加速和35%的内存减少，而PSNR几乎没有变化。

语言指导的视觉嵌入（LIVE）方法利用语言作为高级指导，在推理时动态生成任务中心的嵌入表示，无需针对特定任务重新训练。该方法在MMVP基准上减少了34个点的视觉幻觉，在视觉问答上超越了参数数量大数个数量级的视觉-语言模型，并能泛化到未见过的指令和任务。

Mix-QVLA是一种任务证据感知的混合精度后训练量化框架，专门针对视觉-语言-动作（VLA）模型设计。它通过评估量化对任务相关证据的保留程度，动态调整各层精度，在保证高精度的同时大幅降低内存占用和提升推理速度。在LIBERO基准上，该框架将OpenVLA-OFT模型从15.4 GB压缩至4.1 GB，成功率达96.3%，推理速度提升1.52倍。

本文提出PerceptionDLM，一种优化用于高效并行区域感知的多模态扩散语言模型。该模型利用扩散语言模型的并行解码特性，通过高效提示和结构化注意力掩码实现多掩码区域的同时感知，显著提升推理效率。同时构建了ParaDLC-Bench基准以评估并行区域描述能力。实验表明，该模型在保持区域描述竞争力的同时，大幅提升了多区域感知的速度。

一种名为ImageWAM的新方法用图像编辑替代视频生成进行机器人动作预测，性能更优且计算成本大幅降低。

LooseControlVideo是一种新颖的框架，通过稀疏定向3D框作为“模块化”代理，实现直观且富有表现力的文本到视频生成控制。该方法在Wan 2.2骨干网络上微调，使用DNOCS编码处理3D尺寸、方向和深度排序遮挡，支持局部细化而不破坏全局场景。在nuScenes、HO-3D和BEHAVE基准测试中，它在轨迹误差、刚体运动一致性和遮挡准确率上显著优于现有方法。

LEAP是一种针对视觉Transformer（ViT）特征知识蒸馏的训练课程，通过将教师的中间特征图作为逐步困难的序列目标，让学生先构建基础表示再处理高层抽象。实验表明，该方法在ImageNet-100上ViT-S达到90.1%准确率，提升12.24%，并在ImageNet-1K上实例检索任务提升3.84%和7.75%，同时节省25.1%的训练FLOPs和21%的训练时间。

研究人员推出了首个十亿参数级别的胸部X光片生成基础模型，拥有超过13亿参数，在包含120万张X光片和临床专家指导元数据的异构数据集上训练了1.6万亿tokens。该模型支持对多个患者亚群、采集视图和十余种病理的可控生成与编辑，生成的X光片在临床专家看来与真实图像无异，显著提升了合成逼真度。

该论文提出基于自函数向量的贝叶斯方法，直接估计上下文学习中的随机不确定性，并设计严格评估协议分离随机与认知不确定性。实验表明，该方法比现有方法更可靠地衡量LLM预测的不确定性，可用于幻觉检测等可信赖应用。已被ACL 2026接收。

一项新的全面综述对35种手语的120个数据集进行了索引，识别出模态不平衡、标注粒度和手语者偏差等关键挑战。作者介绍了一种标准化的24字段手语数据表，并发布了公共GitHub仓库，以促进手语技术的可重复研究。

提出LUCID方法，结合注意力分数、知识图谱语义和结构信息，通过图神经网络检测LLM在知识图谱推理中的幻觉，在九个数据集上达到最先进性能。

研究人员提出了因果归因剪枝（CAP），这是一种无需训练的方法，通过测量注意力头对推理任务的因果影响来识别关键注意力头，从而指导细粒度权重剪枝。在ARC-Challenge上，CAP在20%稀疏度下相比Wanda取得了高达61%的相对准确率提升，并在中等稀疏度下持续表现更好。

本文揭示了查询位置对扩散大语言模型中上下文学习的关键影响，源于注意力流中的空间“近因效应”。作者提出平均置信度指标和无需训练的Auto-ICL自适应路由策略，动态优化查询放置，在多种任务中实现接近最优的性能。

一项新研究针对LLM在硬件设计中的错误提出分类法，揭示在VerilogEval基准上准确率上限为90.8%，由不可解功能错误导致。对齐技术仅教会模型编译，而非推理。

本研究通过微调七个大型语言模型（4B-671B参数）在阿拉伯语上，并评估对闪语族和非闪语族的零样本阅读理解，发现没有证据表明存在闪语特异性的迁移。表现弱的模型在所有语言上都有显著提升，而强基线模型则仅有边际提升。思维链消融实验进一步表明，这些机制主要解决的是任务格式对齐而非跨语言知识迁移。

本研究探讨使用Google的Gemini和Gemma大型语言模型（LLM）自动检测PubMed中报告EQ-5D数据的文献。提出一个多阶段框架，整合少量样本提示、权重集成和软堆叠元分类器。在专家标记的数据集上评估了9个LLM，其中gemini-2.5-pro、gemma-3-12b和gemma-3-27b的加权集成获得了0.74的加权F1分数和0.74的准确率，优于单个模型。集成方法提高了精确率与召回率的平衡，软堆叠方法提供了更高的可靠性和可解释性。结果表明，基于集成的LLM设置是自动化生物医学研究筛选的可靠且可扩展的方法。

室性心动过速是一种危及生命的心律失常。起搏标测用于识别消融靶点。cAPM利用持续学习跨多个VT转移知识，减少所需起搏点。在模拟中，cAPM以4.5个起搏点实现了81%的定位准确率，而现有方法需要13.7个起搏点仅达到38%。

强化学习自我对弈虽能以低成本训练自动驾驶策略，但易产生与人类驾驶习惯不符的“异类”行为。新方法将少量人类演示（仅30分钟）作为正则化目标，结合最小安全目标奖励，训练出的策略能与人类轨迹协调，训练时间仅15小时（单GPU），数据量仅为模仿学习的1/2500。

估计分布算法（EDA）通过概率分布采样避开手工算子设计，但此前未推广至稀疏参数空间。本文提出多变量零膨胀高斯分布（ZIG）作为EDA的采样分布，联合优化稀疏模式与活跃值，无需分层或手工阈值。理论证明参数可识别，并给出实用估计器。在Lunar Lander基准测试中，ZIG-EDA比密集高斯EDA、手工稀疏进化算法和特设稀疏EDA收敛更快、最终回报更高，且仅用少量活跃参数。

该研究基于双参数威布尔框架分析Transformer权重分布，揭示了AdamW训练中权重尺度参数λ的增长、过冲和松弛行为。通过AdamW更新的三力分解（对齐力、注入力、衰减力），发现对齐力主导上升阶段，贡献88-94%的力预算。饱和时对齐力与衰减力接近平衡。研究还提出了样条位移方法，从稀疏检查点恢复对齐力，准确率达92-94%。峰值λ随训练数据相干性变化，表明数据依赖的权重尺度增长成分。

信息格学习（ILL）通过交替投影信号到分区格并提升所选规则，学习可解释的信号规则。当信号为概率质量函数时，ILL学习的概率规则具有自然的概率图模型解释。分区诱导确定性商变量，规则即该商变量的边际分布。规则集是抽象概念上的边际约束集合。一般提升是满足约束的所有联合分布的可行族，而特殊提升选择最大无知重建，通过L2均匀性原理实现，与最大熵密切相关。在香农熵提升下，相同约束产生对数线性因子图，其因子由学习到的抽象概念索引。信息格本身不是贝叶斯网络，其边编码抽象概念的细化与粗化，而非条件依赖。因此，ILL应被视为可解释的基于约束的商变量因子图的结构学习。

本文分析了用于3D MRI合成的扩散模型Med-DDPM在NVIDIA三代GPU架构上的性能瓶颈，并提出了TF32 Tensor Core和3D channels-last布局两种优化方法，实现了高达100倍的性能提升且不降低合成质量。

一项新研究提出SPSD（情感保留语义蒸馏），一种边缘端流水线，通过4-bit量化的小语言模型在用户提示传输到云端LLM之前进行压缩，平均每次调用节省99.9个输入token，同时保持响应质量在非劣效性范围内。该方法有望降低云计算能耗。

本文提出Gated Uncertainty-Aware Routing for Distillation (Guard)框架，解决时间序列基础模型在科学应用中由于分布偏移和计算成本高的问题。通过上下文路由器和不确定性门控温度机制，从多个预训练模型中提取知识，训练轻量级预测器，在气象学、生态系统碳通量、土壤湿度和能源网格等气候关键领域显著降低RMSE。