该论文提出了一种基于持续学习的控制框架，使模块化软体机器人能够在不遗忘先前知识的情况下，逐步适应形态变化。实验验证了其在仿真和真实机器人上的有效性。

EvoPlan是一个神经符号框架，融合了LLM的流畅性和经典PDDL规划器的可执行性与安全性保证。它包含三个核心部分：从演示数据中离线挖掘全局信号时序逻辑（STL）约束的过程、进化PDDL规划器以及约束执行循环。所有LLM调用均使用本地开源模型，无需云依赖。在Bench2Drive、HA-VLN-CE和ALFWorld基准测试中验证了有效性。

这篇综述总结了2017年至2026年间183篇关于视觉语言动作（VLA）模型的研究，涵盖VLA架构、训练方法、动作表示、双臂协调（2022-2026）、无人机导航与控制（2017-2026）、语言基础及记忆与世界模型等七个维度。研究表明，针对双臂VLA开发的协调策略、训练方法和动作表示可迁移至无人机系统，并提出了14个未来研究方向。

本文提出CILC系统，利用安全多方计算（SMPC）检测多智能体SLAM中的闭环候选，无需交换明文全局描述符，从而防止被入侵智能体的数据泄露。实验表明，该方法在视觉和激光雷达全局描述符上均能实时运行，并有效缓解信息泄露。

RoboSnap是一个从真实到模拟的框架，仅凭一张RGB图像即可生成可用于仿真的场景。其核心是分层设计：碰撞感知的前景资产用于机器人稳定交互，而3D高斯泼溅视觉层保留逼真的背景外观。在DROID场景和真实机器人任务上的实验表明，RoboSnap能够可靠地重放轨迹，支持任务特定的合成数据生成，并提供有意义的模拟-真实相关性。此外，还引入了DROID-Sim数据集，包含564个真实世界场景。

NativeMEM通过原生记忆压缩将历史帧压缩为单个标记，无需外部记忆模块，显著提升了长时域机器人操作的成功率（模拟环境达84%，真实环境达98.7%），且仅需20%的训练数据。

Pelican-VLA 0.5是一个统一的视觉-语言-动作（VLA）模型，将视觉语言理解、未来帧生成和动作预测集成在单一架构中。通过引入可学习的推理槽，模型实现了注意力级别的泛化，无需对象注释、分割掩码或任务特定微调，其动作路径即可聚焦于指令相关对象和接触区域。该能力在未见场景和不同机器人实体中均保持有效，显著优于其他开源VLA基线。

本文提出ProMoE-FL框架，通过构建全局客户端感知的原型库并采用原型条件专家混合模型，有效解决了多模态联邦学习中的模态缺失问题。在四个公开胸部X光数据集上的实验证明，该方法在同质和异质设置下均显著优于现有最先进方法。

视频扩散模型虽生成质量高，但计算成本高昂。现有少步蒸馏技术加速推理，却忽略了不同噪声水平下的计算需求差异。本文提出一种后训练加速框架，将动态结构稀疏化直接融入蒸馏过程，联合优化去噪步骤与模型稀疏性，将预训练模型转化为紧凑、步骤特定的混合模型（MoM）。通过渐进训练策略和输出滚动机制解决联合优化不稳定性，并开发专用推理引擎。在Wan-14B模型上，该方法在4步蒸馏基础上额外减少24%的每步FLOPs，实现1.2倍实际加速，相比50步教师模型达到30倍加速，同时保持竞争性生成质量。

SpaR3D-MoE是一个端到端框架，通过自适应时空流形采样和几何归纳混合专家模型，仅从稀疏RGB输入实现3D空间推理。在VSI-Bench上以63.5的平均分超越最强基线7.8分，路线规划和相对方向任务分别提升35.4%和51.4%。

本文介绍了NLPCC 2026的难度感知医学教学视频问答（DA-MIVQA）共享任务。该任务在前几年挑战的基础上，根据问题所需证据的类型和复杂度明确区分问题难度。包含三个赛道：单视频难度感知时间答案定位、难度感知视频语料库检索、视频语料库难度感知时间答案定位。数据集来自公共医学教学频道，涵盖急救、紧急响应、康复、护理和通用医学教育等场景，并带有难度标注。文章介绍了任务动机、数据集构建、评估协议、参与概览、比赛结果和代表性系统。

该研究探讨反事实公平（CF）与群体公平（GF）在图像分类中的关系。通过构建新数据集并利用高质量图像编辑方法，发现CF不必然导致GF，存在与敏感属性相关但不由其引起的潜在属性G。提出反事实知识蒸馏（CKD）方法减少对G的依赖，从而使满足CF的模型也能满足GF。

线段检测是视觉SLAM、3D重建和工业检测的关键模块。现有深度学习方法虽精度高，但最小模型也需数兆字节内存，超出低成本MCU的容量。本文研究亚兆字节预算下的最大可达精度，提出MiLSD——针对MCU约束设计的检测器，系统比较紧凑全卷积骨干网络中的三种输出表示，发现所提出的F-Clip中心-长度-角度公式在小模型规模下学习效率最高。8位量化可保持全精度性能，而4位量化导致显著退化，尤其角度回归，量化感知训练仅能部分恢复损失。在1兆字节激活预算下，结合亚像素解码、测试时增强和轻量验证器，MiLSD将ShanghaiTech Wireframe上的sAP10从10.6（25k参数，0.25 MB）提升至24.1。本文不试图与GPU级解析器竞争，而是绘制了嵌入式视觉系统中不同表示、位宽、容量和后处理策略下的精度-内存权衡图。

本文提出LipSSD，一种受Lipschitz约束的单次多框检测器（SSD），通过架构设计本身提高对抗鲁棒性。在Pascal VOC数据集上，对抗训练后的LipSSD在未见攻击下mAP@50提升最多15点，并在LARD和KITTI等安全关键数据集上保持清洁性能的同时提升鲁棒性。

本研究微调两种潜扩散模型（Protogen v3.4和Stable Diffusion v1.4），在精心标注的高分辨率乌洛斯纹样数据集上生成文化一致且新颖的设计。定量评估表明Protogen v3.4在视觉保真度和多样性上显著优于Stable Diffusion v1.4，并揭示了保真度-多样性权衡。推荐引导尺度5-9作为最佳平衡范围。研究表明，精心微调的生成式AI可在保持风格和象征完整性的同时支持非物质文化遗产的创意复兴。

CoFINN是一种物理信息深度学习框架，用于预测可压缩流场，它将有限体积守恒物理直接嵌入训练过程，优于传统数据驱动CNN和经典物理信息方法。在跨声速翼型流动预测中，可将阻力预测误差降低高达34%，平均约15%，尤其在数据有限时表现出色。

该论文提出一个统一的深度学习流程，集成语义分割、回归严重性估计和疾病分类，用于植物病害严重性量化。在苹果叶病害分割数据集上，U-Net（MobileNetV2）达到98.20%像素精度、0.70 mIoU和99.41%检测精度，每张图像处理时间仅14.7毫秒，适合实时应用。严重性指数与专家标注高度相关（r=0.968），证明了系统在自动化作物监测和决策支持中的可靠性。

本文提出一个结合正则化回归、重复交叉验证R平方及其重采样标准差、以及信度上限和设计上限的评估框架，用于从文本嵌入预测项目心理测量参数。在数学题库和医学执照基准测试中的应用表明，项目难度可高度预测，而区分度和伪猜测参数受限於信度上限而非文本信号强度。研究强调重复交叉验证和尺度无关指标的重要性。

该研究分析了多教师同策略蒸馏在工具调用场景中导致过度调用的问题，并提出Soft Clamp方法，通过逐令牌发散校准减少过度调用，同时保持决策准确性。

该研究提出黎曼均值池化（RMP）方法，通过从编码器的解析雅可比矩阵中提取逐令牌拉回度量，并在对称正定（SPD）流形上用Fréchet均值聚合，来捕捉句子级分类信号。在CoLA、CREAK、RTE数据集上，RMP优于欧氏均值池化，而在消除词汇伪像的FEVER-Symmetric上表现随机。消融实验表明，即使随机初始化的编码器结合Fréchet聚合也能在多数数据集上超过欧氏池化，表明增益主要来自几何聚合。

LLM在测试时通过额外计算提升推理能力，但现有方法大多孤立处理每个问题。MILES框架通过逐步扩展的模块化记忆单元和可学习选择头，实现跨问题的经验积累，在准确性和效率之间取得更优平衡。

本文提出了一种多因子评分框架，从准确性、简洁性、事实一致性、可读性和连贯性五个维度综合评估大语言模型的响应质量，并配备图形用户界面进行结果可视化。在TruthfulQA数据集上的评估显示，主流LLM在推理任务中表现突出（综合得分最高0.6104），但在处理复杂事实和歧义方面存在普遍局限。该框架透明、可扩展，未来将支持多语言评估。

研究表明，大型语言模型（LLMs）系统性地将非裔美国人英语（AAE）改写为标准美式英语（SAE），即使上下文是AAE。作者提出了一个端到端框架来审计和减轻这种偏见，包括条件方言组不变性（cDGI）和激活引导技术。他们还发布了最大的真实AAE平行语料库REAL-AAE。

本研究提出一种基于梯度的通用语音到文本对齐方法，无需训练或模型修改，适用于任何可微分的自动语音识别（ASR）模型，包括CTC、transducer、注意力编码器-解码器和语音大语言模型。该方法在输入网格上进行对齐，比传统的编码器网格更精确。在16个模型上的评估表明，它能提供可用的对齐结果，尤其在流式模型上优于原生对齐，但每个令牌需要一次反向传播计算。

该论文提出了一种利用强化学习策略梯度方法对Transformer掩码语言模型进行优化，从而自动生成电商广告标题的方案。该方法通过联合考虑卖家想要推广的多个产品来生成标题，并证明在重叠指标和质量审核上优于现有的Transformer和LSTM+RL方法。审核表明，模型生成的标题在语法和创意质量上均超过人工提交的标题。

大型语言模型（LLM）在医学问答基准测试中取得了可喜成果，但受到幻觉和官方指南快速演变的限制。检索增强生成（RAG）通过将回答基于明确维护的语料库来降低这些风险，但端到端性能关键取决于检索配置和超越多项选择格式的评估。研究将PubHealthBench扩展为检索增强设置，系统评估检索和生成选择，发现混合检索持续改进召回率和排序质量，且提供检索上下文能显著提高多项选择准确性。引入基于评分标准的LLM作为评判器评估自由形式回答，并与人工标注进行验证。

本文提出一种多模态方法，利用自动语音识别和机器翻译生成文本转录，并通过跨模态变压器整合音频与多语言文本特征，显著提升情感极性分类性能。同时，通过知识蒸馏将多模态模型的能力迁移至纯音频模型，在不增加推理计算开销的情况下提升其性能。

提出TSF框架，利用大型语言模型构建任务语义场，无需在线LLM推理，通过激活变量语义提升时间序列预测性能，平均MAE降低6.4%，参数增加仅1.8-3.0k。

该研究探讨了注意力机制中得分矩阵的谱特性如何受位置编码影响。通过分析七个预训练模型，发现RoPE下的前词头具有旋转谱，而绝对位置编码和ALiBi则不然。动态分析表明谱特征在行为之后出现，因果实验显示没有谱通道是必需的，但移除会延迟学习。

Inertia-1是一个完全开源的可穿戴运动基础模型探索项目，利用超过1820万小时的加速度计数据，系统研究了数据、模型和训练选择对下游任务的影响。在15个数据集上的评估展示了其泛化能力，为可穿戴运动表示学习提供了实用指南。