本文提出有序动作令牌化（OAT）方法，通过将连续机器人动作块映射为有序离散令牌，同时实现高压缩、完全可解码和有组织令牌空间，在超过60个任务中展现了强策略性能和推理灵活性。

GRACE 提出一种无梯度方法，用 MPPI 控制引导预训练的扩散策略，从而在部署时满足不可微的安全约束，例如二值碰撞检测、关节限制和黑盒执行代价。该方法在仿真中优于扩散式和采样式基线，并在真实 7 自由度机械臂上稳定避开障碍。

这篇综述论文系统梳理了机器人学习中进度奖励建模的研究现状，提出一个统一框架，从模型接口、信号构建方法以及数据与基准三个层面组织该领域，旨在解决现有研究缺乏共享框架、难以比较的问题。

该论文提出一种利用生成式AI将文本提示转化为多样化人体动作序列的框架，使机器人无需真实世界数据即可学习多种任务执行方式，并在四个仿真场景中验证了其适应复杂动作变化的能力。

研究者提出ISPCloak，一种免优化的对抗攻击框架：先把AI生成图像反演到RAW域，再注入真实相机的泊松-高斯传感器噪声并执行正向ISP重建，使伪造图像带上硬件级物理指纹，从而大幅削弱现有深度伪造检测器的识别能力。该论文已被ACM MM 2026接收。

本文提出语义高斯分配变换器（SAGFormer），通过显式分配固定数量的高斯体素来解决3D语义占据预测中的分配瓶颈问题，提升了预测效果和语义一致性。

该研究提出了一种可复现的流程，利用1米分辨率NAIP RGB影像绘制农田范围与可见边界。基于37个场景的5698个256×256样本，残差U-Net在测试集上达到Dice 0.9234，并通过冻结的SAM 3分支以逻辑或融合进一步提升困难地块的精度。最终产品是语义农田范围层，而非地籍地块图，适用于现有田块图层缺失地区的农业监测。

该论文提出SCALE框架，通过将多层版图几何序列化为结构化文本，以自监督方式训练语言模型重建被掩码的多边形，再结合自然语言规则约束与高温采样生成易违规版图变体，并借助工业级签核DRC工具标注数据来微调DRC-VLM，从而为局部DRV修复提供规则感知的几何指导。在100个真实sub-2nm案例上，该方法将现有智能体的求解率提升12%至25%，最高达97%。

最近的条件视频生成模型能够将深度图等3D引擎渲染结果转换为逼真视频，但在长时间自回归生成中，当相机重访之前位置时，由于KV缓存已清空，会出现不一致的外观。本文提出一种无需额外训练的方法，利用3D引擎提供的对应关系：时间对应检索历史潜在块作为闭环记忆，空间对应通过相机姿态和深度重投影引导注意力，从而在保持视频质量的同时显著提升重访一致性。在TartanAir和TartanGround数据集上的实验表明，该方法优于现有无训练基线。

研究者提出 Trans-Unet 框架，先将 3D 点云数据转换为 2D 网格域，再结合 CNN 与自注意力机制进行 U 型混合建模，从而高效学习高分辨率点云特征，准确预测由有限元脑补丁生长模型生成的大脑表面折叠模式。实验表明该方法在保真度和精度上均优于现有方法。

一项 arXiv 预印本研究考察了人脸识别系统搜索图库规模对目击者照片列队辨认准确率的影响。研究发现，图库越大，目击者做出错误辨认的可能性越高，而且他们对自己错误辨认的信心也越强。该研究对将这类图像用于照片列队、以及仅凭列队结果作为逮捕合理依据的做法提出了质疑。

本文提出一种紧凑的分割框架RIBR，将隐式神经表示作为风险路由的残差校正，而非无约束的全掩码预测器，在九个超声数据集上以较少参数实现了更优的宏观平均表现和更低的边界误差。

大型视觉语言模型（LVLM）在视觉推理任务中仍然脆弱。现有基准主要关注符号数学或科学问题以及简单的视觉任务，缺乏对复杂视觉推理和逻辑一致性的评估。本文提出ConVBench，一个复杂的视觉推理基准，每个图像配有两个逻辑等价的问题，涵盖六个类别。同时定义逻辑一致性和鲁棒准确性两个评估指标。进一步提出ConVLM，通过基于GRPO的强化学习结合新颖的一致性奖励来改进LVLM推理，有效利用自动生成的逻辑等价问答对和双重奖励设计。

Oxygen-TryOn 是一个专为虚拟试穿打造的时尚原生基础模型。它不依赖通用图像编辑器，而是通过自建数据引擎和三阶段训练流程，支持多参考单品、自由多件组合、全身与半身场景，并在保持人物身份和单品外观一致性的同时，达到单件与多件试穿的最先进水平。

本研究首次系统性地探讨了大型语言模型在生成文档播客时的忠实度问题，提出catch-n-repair框架以检测和重写不忠实内容，实验表明该方法有效提升忠实度。

Gabeen Kim 等人提出基于检索增强生成（RAG）的历史文献修复框架 ARI，将预训练大语言模型的隐式知识与显式检索到的外部历史背景结合，专门解决依赖外部知识才能推断的专有名词复原难题。在韩语历史文献上的实验显示，该方法在普通字符与命名实体修复上均显著优于基线，并通过专家评估验证了其实用价值。论文已被 ACL 2026 Findings 接收。

一项500次训练实验表明，在容量充足时，训练数据质量对闭卷问答准确率的影响远大于LoRA秩、学习率和架构选择。单次数据整理可将准确率从57.7%提升至85.7%，且内化适配器在延迟和召回率上均优于BM25-RAG基线。

研究人员提出 Copyright-Bench 基准，用于评估 LLM 智能体在商业任务中是否遵守版权法。实验发现智能体在有公共领域替代品时仍选择受版权保护的内容，且开放权重模型在特定用户偏好和时间压力下违规率上升。

Khondo是首个针对孟加拉国政府表单文档包分割的基准，涵盖双语言（孟加拉语-英语）和视觉原生页面图像，包含五种拼接方案和14个行政领域。零样本评估显示多模态大语言模型在聚类页面方面表现良好，但在恢复原始页面顺序上存在困难，页面顺序重构成为关键挑战。

这项初步研究使用自然语言自编码器（NLA）探测Qwen2.5-7B-Instruct模型在处理哥伦比亚西班牙语和英语提示时，是否在内部表征哥伦比亚身份、社会经济地位或刻板印象相关信息。研究采用30个提示（15对匹配的西班牙语-英语对），涵盖显性哥伦比亚线索、隐性哥伦比亚线索和中性对照，并报告描述性比率和定性证据，而非统计显著效应。

arXiv 上新发表的一篇 cs.CL 论文提出 Humanly——一个把写作过程本身变成证据的写作平台。用户可配置写作环境，平台记录写作活动与站内 AI 辅助情况，并将完整会话打包为带配置感知异常行为审查的密封写作证书，可服务于课程作业、同行评审和个人认证等场景。用户研究表明它对不同角色都有帮助，红队测试表明其打字检测器能区分人工打字与自动化打字。

一项新研究系统比较了专家分配与自动分配的MeSH术语作为分类器特征用于系统综述筛选，发现明显的差异高度依赖于评估设计，对基准解释具有启示意义。

这篇论文提出了一种基于共识的大语言模型（LLM）评估框架，通过让多个LLM对彼此的匿名输出进行投票排名，计算相对智能指数（RII），以衡量模型间的相对偏好，而非绝对正确性。研究发现，不同模型在某些领域存在一致的偏好模式，但该结果反映的是模型间的一致性，而非客观正确性或人类判断。该方法为存在多个有效答案的场景提供了一种可扩展的、模型驱动的比较评估方法。

研究人员发现多模态大语言模型（MLLMs）在内容理解与安全防御之间存在“风格不一致性”：模型能稳健理解任何视觉风格的内容，但防御机制易被特定风格触发绕过。基于此，他们提出对抗性风格优化（ASO），一种即插即用模块，通过GRPO代理微调图像编辑模型，叠加优化的风格修改以放大现有视觉越狱攻击。实验表明ASO显著提升了最先进攻击的攻击成功率（ASR），证实了风格偏差是红队测试MLLMs的可扩展向量。论文已被CVPR 2026接收为口头报告。

本文提出 DUQFL-Prox，一种基于深度展开局部优化的漂移稳定量子联邦学习框架。针对异构客户端数据与含噪量子优化导致的客户端漂移和不公平问题，该方法采用自适应展开 SPSA 更新与近端项约束，并由轻量控制器学习逐步优化参数。在金融欺诈检测与基因组分类任务上的实验表明，该方法在稳定性、泛化性和客户端公平性方面优于标准 QFL 基线。

本文提出将调整速度作为非平稳强化学习的安全约束，通过预测环境变化与学习系统恢复能力的匹配程度来提前干预，在非平稳驾驶环境实验中减少了与上下文变化对齐的短期安全违规。

该研究将多步潜在一致性权重λ作为诊断工具，探索其对视频预测器和世界模型中潜在动力学几何结构的影响。在Moving-MNIST上，提高λ显著降低潜在膨胀和预测误差，但在动作条件化的环境中无此效果，表明其作用域有限。通过随机强迫律统一了不同领域的曲线。

本文提出了一种基于联合嵌入预测架构（JEPA）的目标无关控制框架，用于偏微分方程。该框架使用小型2D ViT编码器和基于动作的潜在动态模型进行离线训练，无需奖励或下游目标，随后冻结并由模型预测路径积分控制器重复使用。研究发现，在控制目标可用时，将其应用于明确的物理可观测性（如动能）比在潜在空间中最小化欧几里得距离更有效。在PDE Control Gym 2D Navier-Stokes基准测试中，动能探针规划将原生奖励从-12.08±0.86提升至-10.90±0.91，并将最后四分之一的速率场RMSE从0.0765降低至0.0692。在三个故意保留的不同非周期目标上，动能规划将晚期场RMSE降低了53%。该框架还支持通过直接调节动能来实现稳态配置的稳定化控制，平均相对误差为2.7%。

新论文研究拟蒙特卡洛（QMC）权重初始化在元强化学习中的应用。在相似未见任务上，该方法比正交初始化收敛更快，但在不相似任务上正交初始化更优。

该论文指出常用合成表格数据评估指标对列间依赖关系基本不敏感，并提出一种依赖感知的保真度诊断方法，将XGB-C2ST分解为边缘、依赖以及数值-类别交叉分量。研究发现，主流流匹配生成器TabbyFlow/EF-VFM确实存在真实依赖差距，且该差距无法通过增加模型容量或简单后处理修正来消除，根源在于缺乏直接的依赖监督。