该论文提出 VisCurate，一个基于实际执行而非文本描述来整理视觉技能库的框架与基准。它通过共享探测集给技能对分配六种行为关系，在注入缺陷的测试中避免误合并并恢复过半可合并技能对，并在真实未整理库中发现大量冗余和未经证实的等价声明。

该论文提出一种无需训练的视频生成控制方法，利用预训练视频扩散模型，通过两阶段流程按粗略布局控制物体位置与运动，在轨迹准确度和视觉质量上优于先前工作。

该论文提出 FiLM-CAM，一种通过密钥驱动的特征级线性调制（FiLM）实现条件访问控制的图像水印方案。只有持有正确密钥的一方可可靠地嵌入、提取甚至移除水印，错误密钥则会导致解码失败。该方法与多种水印编解码骨干网络兼容，论文已被 NeurIPS 2026 接收。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：arXiv:2610.30340v1 Announce Type: new Abstract: We introduce Foundation4D, a unified feed-forward model for geometry estimation, 3D detection, semantic occupancy, and Gaussian reconstruction from multi-camera driving video. A shared backbone uses factorized spatiotemporal attention to efficiently combine observations across cameras and time. Our video inference pipeline uses pose graph optimization to refine camera trajectories and assembles object tracks across input windows. We also develop a data annotation pipeline and release PAI-Foundation4D, a benchmark with dense depth and semantic occupancy labels for 1,253 driving clips. With benchmark-specific fine-tuning, Foundation4D achieves the lowest depth AbsRel on Waymo and nuScenes, the highest detection mAP…

arXiv 新论文 MoRE 提出一种运动正则化编码方法，从单张图像生成带关节的铰接式3D物体。该方法以坐标对齐的关节直线编码消除原点任意性，并通过将解码出的关节用于驱动3D锚点、与其运动进行对比来监督表示学习，从而把关节属性重建与由此产生的运动绑定。在 PartNet-Mobility 与 ACD 数据集上，该方法在部件包围盒一致性、铰接状态几何与视觉相似度上优于对比基线，关节预测的轴、原点与范围误差也低于 ArtiLatent。

该论文提出“指代式4D高斯泼溅”（R4DGS）任务，旨在动态4D场景中根据自然语言表达定位目标，涵盖随时间变化、多目标、需要推理以及无目标或干扰性表达等情况；作者同时发布结构化查询标注基准R4D-Bench-QA，并提出基于4DGS的统一框架ReferGaussian，通过EntityBank与多模态大模型实现无需场景特定语义优化的免训练指代推理。

Meta 研究团队（论文作者含 Chao-Yeh Chen、Tiffany Chen、Umar Iqbal 等项目负责人）发布 EgoHand，一个面向第一人称（自我中心）视频的单目三维手部重建模型。该模型在 1400 万张图像上训练，数据集融合了合成数据、野外视频与多相机动作捕捉；采用 SOMA-Hand 参数化表示，并以 Transformer 编码器处理 2D 手部裁剪图，同时引入相机线索与辅助 2D 分支以提升几何一致性和图像对齐。在 HOT3D、ARCTIC 与 H2O 上的零样本评测显示其泛化能力突出，关节位置、根节点平移与加速度误差均低于对比基线，推理延迟约 9.69 毫秒；盲测用户偏好研究也显示其重建手部姿态优于 Apple EgoDex 与 Ropedia Xperience-10M。模型与源码以 OpenMDW 许可证开放，允许免费商用。

一篇 arXiv 论文研究在弱标签条件下对山地自行车跳跃动作进行动作质量评估（AQA）。该研究使用 95 段仅含二分类（技术好或差）标注的实地拍摄片段，结合冻结的 V-JEPA 2 视频特征与二维姿态及运动测量，预测二分类分数并提出纠正提示。在五折交叉验证中，完整评分器取得 AUROC 0.768 和平均精度 0.812，但作者强调这些属于探索性结果，尚不能证明评分与骑手无关，也无法证明反馈可靠。

该论文提出MemPlan框架，将大语言模型的角色从长程规划器转变为语言与符号规划之间的受约束桥梁：固定PDDL领域，并在每一步利用解析出的观测、候选假设和交互记忆重建PDDL问题，通过正负记忆引导规划器并排除已被反驳的假设，在TextWorld、ALFWorld与Robotouille上提升了任务完成率和步骤效率，同时显著降低在线token开销。

该论文针对低资源语言西西里语的机器翻译，重建了基于双语期刊《Arba Sicula》PDF的平行语料提取流程，并将其移植到无Perl的现代实现中。研究比较了从零训练的小型Transformer与经低秩微调的预训练NLLB模型，发现预训练模型明显更优，分阶段训练对译入西西里语的提升大于译出；但多语适配器会损害未训练方向的表现。

来自 arXiv 的一项新研究提出 CiteResolve 基准（包含 423 条真实世界幻觉引用，并按来源可恢复性标注）以及 CiteAnchor 来源感知接地框架。该框架针对不同来源类型调整检索与字段级核验，并分别判断引用是否有效以及能否定位唯一来源。在现有检测基准上，CiteAnchor 配合 GPT-5.6 Luna 取得 0.841 的 F1 值，配合开放权重骨干模型取得 0.784，分别比同类基线高 7.9 和 36.8 个百分点；在 CiteResolve 上端到端任务成功率分别为 74.7% 和 70.7%，比对应的网络搜索基线高 16.3 和 65.3 个百分点。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：arXiv:2610.30349v1 Announce Type: new Abstract: LLMs are increasingly consulted for moral judgment. We aim to improve performance on such tasks by rewarding good arguments, on the premise that arguing well increases the likelihood of judging well. We train a reinforcement learning policy initialized from a state-of-the-art language model in a self-judged tournament with masked thinking: the generated arguments are judged pairwise on argument quality by the policy itself. As an empirical basis, we extract authentic dilemmas from classic novels, using a logic solver to verify that each constitutes a conflict. We show that our judge rates argument quality like human annotators, and the policy then adopts the language register that it rewards. Testing on the extern…

该论文提出 AQL-Lite 框架，将高质量数据筛选流程与部分参数持续预训练相结合，以更低成本把多语言大模型适配到现代标准阿拉伯语。在 1B token 预算下，经 AQL 精炼的数据使四项基准平均提升 3.51 分，而直接用原始网络文本预训练则毫无增益；在 5B token 对照实验中，AQL-Lite 以约一半的实际耗时取得全参数持续预训练 94% 的收益（均值 73.19 对 73.58），并在所有基准上优于仅训练适配器的方案。扩展到 40B 现代标准阿拉伯语 token 并经过百万条指令微调后，所得 12B 模型在 OALL v2 七项基准套件上取得 75.3 分。

一项分析2020至2025年间1158篇同行评审论文的研究发现，尽管低资源语言相关出版物从每年52篇增至415篇，增长却集中在已被充分代表的语言上。作者提出语言包容性框架（LIF），从研究增长、代表性扩展、代表性连续性和分布公平性四个维度衡量包容性，结果显示没有任何地区在四个维度上均表现良好。

一篇新论文提出 FusionEval 基准，用于系统评测大语言模型的模型融合方法。该基准构建受控的专家模型池，覆盖数学、代码、科学、指令遵循与工具使用等领域，并在八个公开基准上同时衡量能力保留情况与计算成本，揭示免训练融合方法虽能保住推理能力，却会显著削弱工具使用能力。

该论文提出 TauIndianBankBench，一个面向印度零售银行业务的行动导向基准，包含 1,000 个任务，用于评估基于语言模型的助手的流程遵循能力。研究发现，若只检查对话结束时的最终记录，各模型有 6.5%–12.0% 的会话会被误判为成功，尽管助手跳过了必要步骤或做出了未经请求的更改。

来自 arXiv 的一篇论文（Lighthouse）介绍了据称首个用于探索美国民权时期历史的数字助手，其数据来自南卡罗来纳州。该系统采用神经符号方法，将大语言模型与基于规则的符号求解相结合，以可信度和降低用户潜在伤害为核心设计原则；同时接入超过 1.8 万份一手资料，并通过事实性问题和主观问题（后者以专家共识为“金标准”）进行评估。

arXiv 新预印本提出 baseVultra 循环单元，将稠密循环计算预算从门变换重新分配给候选生成：用单个 H×H 候选生成矩阵替代多个循环门矩阵，门控仅保留 O(H) 对角交互。在 TinyShakespeare 字符级语言建模上，其验证损失为 1.594，优于同参数量 LSTM（1.604）和 GRU（1.616），稠密循环矩阵向量计算量约为 GRU 的 54%；但在更大的 text8 基准上仅与全门控单元持平，形式语言探针上的优势也只在隐藏状态容量受限时出现，H 增大后消失。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：arXiv:2610.30231v1 Announce Type: new Abstract: Visual mathematical reasoning can fail before reasoning begins: when a vision-language model (VLM) misreads a diagram, subsequent reasoning proceeds from false premises. This perceptual bottleneck is especially pronounced in smaller models, while accurate textual descriptions can substantially narrow the gap to larger models. Because obtaining such descriptions at inference requires additional annotation or model calls, we propose minimal-edit corrective on-policy distillation. Using reference figure descriptions and verified reference solutions as training-only information, a teacher scores incorrect student rollouts under a minimal-edit objective, and only teacher-disfavored tokens contribute to the corrective l…

一篇新的arXiv论文指出，通常以队列平均值报告的医疗AI模型隐私风险可能掩盖个体患者严重暴露的情况。作者在四种模态、六个临床数据集上训练了7,789个模型，测量逐患者级别的成员推断风险，发现无论训练配置如何变化，风险最高的患者群体基本保持稳定。他们据此提出一种轻量级四模型筛查工具，可在训练生产模型之前识别高风险患者。

一篇 arXiv 论文比较了四种模型压缩技术，将其应用于旋转机械预测性维护的卷积神经网络，并在九类异构计算平台上评测。知识蒸馏表现最佳：推理速度提升逾 90%，平衡 F 值为 91.22%，模型体积缩减 98.9%，且性能下降极小。

该论文提出 GANet，一种仅 0.001M 参数的轻量级分组等变注意力网络，可识别 38 类植物病害，在 PlantVillage 数据集上达到 99.99% 准确率，并在树莓派 4b 和 Jetson Nano 上分别以 5 FPS 和 11 FPS 运行，面向低功耗设备的实时病害监测。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：arXiv:2610.30223v1 Announce Type: new Abstract: Large language models are increasingly used in competitive programming, and their outputs are sensitive to how a prompt is phrased. Prior work has compared prompt strategies for accuracy on competitive programming, but not for runtime speed, and has not situated the results against human performance. In an exploratory study of one prompt in each of nine styles on GPT-5.5 across three accuracy tasks from the International Olympiad in Informatics (IOI) and two NP-hard speed tasks, we found that no single prompt was best: the strongest prompt depended on the task type and on whether results were summarized by the mean or the median, suggesting that, at least for these tasks, prompt style should be matched to the obje…

arXiv 新论文指出，用重建或对比学习目标训练的多模态健康记录表示，无法保证保留因果识别所需的信息；作者证明仅依赖协变量的目标函数无法证明表示充分，并提出一套结合交叉拟合双稳健估计器与表示不足诊断的工作流。

研究人员提出潜空间互连协议（LIP），通过独立训练的连接器把蛋白质和小分子专家模型的内部表示直接映射进大语言模型内部状态，从而绕过以文本等多模态格式传递信息的瓶颈。他们在冻结的Gemma 3与Kimi K2.6上验证了跨领域零样本迁移和组合能力，同时指出当前LLM尚未针对专家表示进行原生训练，可靠理解与推理仍是主要局限。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：arXiv:2610.30211v1 Announce Type: new Abstract: Knowledge tracing (KT) models can estimate item parameters through an item response decoder trained solely for next-response prediction, yet predictive accuracy does not guarantee parameter recovery. We study 2PL, GPCM, and NRM decoders paired with LSTM, Transformer, and DKVMN encoders. Response-model derivatives show why discrimination and option slope updates depend directly on the scale and spread of estimated ability. Affine logit identities show how item-dependent shifts and rescaling in estimated ability are absorbed into item parameters without changing response probabilities. In simulations, difficulty, mean threshold, and correct-option intercept recovery remain high under shuffled order across representa…

该论文提出一种基于先验预条件前向算子奇异值结构的谱框架，可将M/EEG源成像中线性高斯贝叶斯反演的后验协方差精确分解为数据信息分量与不确定性认知分量，从而区分可通过更好测量减少的不确定性与由传感几何决定的不可约不确定性。

这篇被 NeurIPS 2026 接收的论文提出 MoEZip，一种专门为稀疏混合专家（MoE）大语言模型设计的 KV 缓存压缩方法。现有压缩技术在稠密 Transformer 上效果不错，却忽略了 MoE 特有的问题：驱逐 KV 条目会改变生成答案时被激活的专家，从而损害生成质量。MoEZip 利用基于路由分布 Fisher 信息矩阵的新指标衡量专家路由对扰动的敏感度，并与注意力权重结合进行感知路由的打分，同时组合针对稠密与稀疏 MoE 架构的驱逐策略。在仅保留 10% KV 缓存的激进压缩下，它在 LongBench 和 RULER 上平均较当前最优基线分别提升 +24 和 +20 分，相当于 2.3 倍和 4.9 倍的分值。

来自 arXiv 的一篇新论文提出 Fig（Finding Interactions in Games），这是一个智能体系统，能对游戏环境施加有针对性的干预，从而主动引出多智能体模型的特定社会行为，如合作、欺骗与背叛。实验显示，在 Fig 生成的合法场景中，模型平均在 45.2% 的回合里尝试了目标行为；在与对照组游戏匹配比较时，干预使尝试率平均提高 10.9%。

一篇新论文提出受控的 LLM 对 LLM 辩论框架，研究模型在长期对话中如何相互影响彼此的观点。研究发现，同模型交互通常缩小观点差距，跨模型交互则扩大差距，且笼统的“说服”指令并不能可靠地提升影响力。