本文提出EVC-Mamba，一种基于学习的架构，利用车载传感器数据生成虚拟速度传感器，用于惯性测量单元（IMU）漂移校正，无需额外硬件。该方法结合选择性状态空间模型和证据深度学习，提供带有不确定性量化的速度估计，并通过误差状态扩展卡尔曼滤波器减少位置漂移。实验表明，其定位精度在10%以内，支持在边缘硬件上以40Hz实时部署。

该研究提出一种基于神经网络的迁移学习框架，用于软体鳍驱动水下机器人的动力学建模。通过自动编码器域自适应方法，将大型机器人（源域）上训练的模型适配到小型机器人（目标域），无需标注数据即可实现精确的体坐标系速度状态估计，展示了在形态相似平台间高效跨机器人动力学迁移的潜力。

本文提出PRML2混合框架，结合卡尔曼滤波与机器学习，通过可微卡尔曼滤波器实现端到端物理正则化学习，从而利用车载传感器进行本体车辆定位。在公开数据集上，PRML2展现出卓越的定位精度和实时能力，并引入了低摩擦条件下的新型数据集，为降级感知环境中的鲁棒低成本定位提供了解决方案。论文已被IROS 2026接收。

本文提出一种控制感知的最优轨迹规划框架，显式考虑机器人动力学和驱动力矩，通过中点线性化策略提高大位移近似精度。在非线性UR5上的仿真表明，该方法相比经典方法显著降低跟踪误差、矫正力矩和闭环执行成本，证明运动学平滑性并不保证动态效率。

本文提出HIOcc层次化室内占用基准和GEM-Occ高斯证据记忆框架，通过将局部几何预测转化为瞬态证据并融合到持久层级记忆中，实现了从单视角到建筑级别的语义占用映射，在多个数据集上提升了预测稳定性与可扩展性。

MECo-WAM通过在训练中注入动作相关的4D几何先验，提升了机器人操作性能，且不增加推理成本。方法包括多专家协同训练、衰减4D读取掩码注意力和动作感知时态几何蒸馏。在LIBERO和RoboTwin 2.0上分别达到98.2%和92.6%成功率。

本文提出一种基于四元数平均的自适应互补滤波器（QAACF），用于足部安装的AHRS的行人航位推算，通过Markley四元数平均融合传感器数据并自适应调整权重，实现了低RMSE和低计算成本。

FaceMesh2HPO是一个框架，用于分类与人类表型本体（HPO）对齐的面部表型描述符，以支持临床诊断。该研究利用124名临床医生对10种疾病（107个HPO术语）的标注，结合非综合征对照组，从2D图像生成3D面部网格（478个地标），并训练了基于层级PointNet的级联分类与特征消除管道。最佳模型（结合3D网格、面部轮廓和人口统计学元数据）的AUROC在0.55至0.89之间，父节点性能优于叶节点。外部验证显示不同疾病泛化能力存在差异。结果表明，3D面部几何的层级建模可实现可解释的、本体链接的表型分类，但在稀有叶节点上的性能仍有限，需要改进数据多样性和特征选择策略以增强鲁棒性和临床实用性。

本文提出一种无需训练的方法，利用预训练的生成式图像模型和视觉语言模型，从3D对象的多视图图像中提取语义部分，并将其抽象为超二次曲面基元。该方法不包含可学习参数，具有类别无关和方向不变性，在HumanPrim和Toys4K数据集上取得了最低的Chamfer距离，平均每个对象使用5-9个基元。研究表明，当前精度瓶颈在于部分分割而非基元拟合。

研究人员提出MuCoDi框架，通过对比蒸馏将多个病理学基础模型（PFM）的冻结图块嵌入压缩到轻量级边缘编码器中。基于RepViT的MuCoEdge学生模型在保持接近教师性能的同时，将模型大小减少数个数量级，在Raspberry Pi 5上实现高达605倍的单切片加速。

本文提出一种渲染感知的贝叶斯3D高斯泼溅框架，通过Normal-Inverse-Wishart后验跟踪高斯几何，实现原生不确定性估计和主动视图选择。在固定预算的主动视图任务中，该方法相比基线在PSNR上提升0.453 dB，LPIPS降低0.0146，且95%覆盖误差减少约17倍，训练成本仅为深度集成的三分之一。

该研究揭示了视觉数据中天然存在的统计信号，这些信号可像后门触发器一样被利用，而无需恶意插入。通过分析ImageNet，作者发现了与特定标签强相关的模式，并通过统计控制去除了随机相关性，证明这些信号能直接且可预测地改变模型预测。这些统计对手比通用损坏更具针对性，且在不同模型架构间可迁移，表明漏洞源于数据集结构和分布而非单一模型的特性。该研究建议将虚假结构视为潜在的对抗攻击面。

Light-Omni是一种多模态智能体框架，通过双上下文状态（全局状态和参数化潜在状态）实现无需迭代推理的反射式视频理解，在多个基准测试中超越M3-Agent，速度提升12.1倍，GPU内存效率提升2.6倍，并可作为现有多模态大语言模型的记忆系统。

Ground3D-LMM是一个统一模型，输入点云和可选RGB图像，支持具有明确点定位和度量输出的3D空间对话。它定义了3D接地测量任务，并基于ScanNet构建了包含250万问答对的大型数据集，为接地且度量感知的3D对话理解建立了强基线。

本文提出一种仅需单摄像头和单光源的视线估计方法，通过引入虚拟光源和虚拟光斑，利用瞳孔与光斑距离关系进行估计，性能可接受但略低于双光源系统。

该研究提出了一个任务驱动的评估框架，将深度感知的合成雾生成、图像恢复、目标检测和追踪集成到统一流程中。研究发现，雾会显著降低检测和追踪性能，而包含雾的训练数据能最一致地提升鲁棒性。

本文介绍了CanvasAgent，一种工具增强的多模态智能体，能够通过多轮交互编排多种视觉工具以完成复杂的图像创建和编辑任务。同时，作者提出了CanvasCraft数据集，包含14万条可执行轨迹和1万条强化学习任务规范。该智能体首先通过监督微调学习推理-动作轨迹，然后利用混合奖励的组相对策略优化进行优化，在推理过程中动态调整工具选择。实验证明，该方法在最终图像质量和轨迹行为上均表现出色。

NAVER LABS团队复现了其IWSLT 2025指令跟随流水线，并针对IWSLT 2026共享任务（受限条件、短音频轨道）进行调整，采用SeamlessM4T-v2-large作为语音编码器、Qwen3-4B-Instruct作为LLM主干。保留了三阶段方法：投影器对齐、纯文本LoRA预训练和多模态融合。此外，团队从提供的语料库构建了10万个涵盖十种语音中心任务类型的合成指令跟随示例。主要模型在EN-ZH语音翻译上达到COMET 0.781，在MCIF基准的英语SQA上达到BERTScore-F1 0.346。

BaFCo是一个专为孟加拉语表单理解设计的基准数据集，包含200份多页复杂孟加拉国政府表单，覆盖农业、教育、银行和土地管理等领域，定义了26种细粒度实体类型和5种粗粒度实体类型。评估显示当前多模态大语言模型在定位精细表单实体方面存在局限性。

本研究重新评估了语言模型困惑度与自动语音识别词错误率之间的传统线性关系，发现现代端到端ASR系统由于内置语言建模能力，这一关系不再成立。论文探讨了外部语言模型对当前系统的改进效果、困惑度与WER在对数空间中的线性假设、编码器上下文长度的影响，以及大型语言模型困惑度与标准神经语言模型趋势的一致性。此外，通过分析注意力编码器-解码器系统中的内部语言建模，发现ILM减法会改变观测到的关系，强调了解码器内部语言模型在评估外部语言模型质量时的重要性。

ResonatorLM是一种新型机制，用物理启发的因果共振函数替代注意力机制，将token序列视为一维潜场。在6M参数模型上，训练和预填充速度随序列长度增加，解码速度在32K token时达到标准Transformer的6.47倍，WikiText准确率从55.32%提升至61.31%。该论文已被ICANN 2026接收。

新研究表明，大型语言模型（LLM）的提示鲁棒性在客观问题和主观问题之间存在显著差异，且这种差异受到模型、数据集和提示变化类型的影响。研究人员警告称，不应将LLM对主观问题的回答视为其价值观或信念的直接反映。

新研究通过交叉对称化方法分离了LLM在道德困境中的“是-否”偏差成分，发现前沿模型的内在道德立场近乎格式不变，而克劳德模型存在显著的顺序偏差和词汇拉动，GPT-5.5和Gemini则几乎为零。该偏差随扩展推理而缩小，且并非朝向拒绝，而是跟随表面印刷。

一项新研究揭示，大型语言模型（LLM）在从众基准测试中的表现，很大程度上并非源于社会影响，而是由于重复的错误答案本身。研究者通过移除明确说话者后发现，模型在66.5%的情况下仍会改变正确答案，而单纯的重复提问只有10.3%的更改率。这表明现有基准混淆了说话者存在与重复文本两种线索，建议先测量无说话者基线。

本文提出了一种基于算法信息论的结构序列分析方法，核心是Ladderpath方法，提取语言序列中重复子结构的嵌套和层次关系，并定义了三种距离度量。结合k-近邻分类器，这些距离在分布内、分布外和少样本文本分类任务中表现优异，尤其在分布外和低资源设置下优于gzip和BERT。

该论文对KIVI、TurboQuant、SnapKV和CaM等KV缓存优化技术进行了工作量感知的基准测试，评估了它们在Llama-3.1-8B-Instruct和Mistral-7B-Instruct-v0.3模型上的多文档问答、单文档问答、少样本学习和摘要任务中的表现。结果表明，压缩率本身并不能很好地预测端到端性能。KIVI4提供最稳定的质量，SnapKV在长上下文吞吐量方面表现最佳，而CaM在特定问答任务上取得显著提升，但对工作负载敏感。该研究强调了根据工作负载选择KV缓存机制的必要性。

一项研究考察了人格提示在迭代“分或抢”游戏中对大型语言模型智能体的影响。实验使用四个开源模型与虚拟人类交互，发现合作行为占主导，但模型和人格类型显著影响策略。

该论文提出SCISE框架，通过社区感知采样和约束结构熵解决图聚类中的结构孤立问题。包括结构熵社区约束算子（SECC）、社区感知采样扩展（CSampE）和结构对比学习（StructCL）三个模块。在六个基准数据集上，SCISE显著优于现有方法。

香港浸会大学的研究人员提出了一种新的距离度量与聚类算法，用于处理包含名义属性和有序属性的类别数据。该工作统一处理两类属性，并保留有序值间的顺序关系，通过联合学习距离权重和数据划分避免次优解，经实验验证性能优于现有方法。

本文提出AdaStop框架，将DNN测试建模为成本-收益决策过程，通过估计边际故障发现率并在其低于阈值时自动停止标注，在仅使用9%-31%标注预算的情况下发现65%-84%的故障，显著降低了测试成本。