Crowd4D是首个场景感知的4D人群重建框架，通过联合优化单目RGB视频中的人群与场景，利用人-场景交互代理（HSIP）解决尺度与位置对齐难题，引入人群结构相干性正则化（CSCR）提升遮挡下的时间稳定性，在复杂大场景中优于现有方法。

该论文将AI生成视频检测重新定义为流式感知任务，直接解析压缩比特流中的运动场，而非解码到像素域。在GenVidBench上，该方法以低五个数量级的计算量达到0.64的全长AUC，并通过延迟15%的片段将准确率从0.75提升至0.78，同时节省7倍计算。

HIPE-2026共享任务引入了从多语言历史报纸中抽取人物-地点关系的新赛道。DS@GT HIPE团队探索了在不使用预训练语言模型的情况下，轻量级可解释系统的性能上限。该系统基于依赖解析构建文档级图，提取邻近和词性特征，使用小型scikit-learn集成或紧凑图注意力网络进行分类，参数量低于847K。在官方评估中，最佳运行达到宏召回率0.5142，效率排名第3，准确率中等。关键发现：最小字符距离单独即可捕获大部分信号，额外特征带来不一致的收益；文档分组交叉验证对于避免数据泄露至关重要。

强化学习在显式思维链推理器中的成功带来了测试时扩展，但计算成本高昂。潜在推理使用连续向量进行中间计算，效率更高，但受限于模仿学习。本文提出替代潜在策略优化（SLPO），将结果奖励强化学习引入自回归潜在推理器，通过替代策略密度进行轨迹级信用分配，并利用正确性监督的停止头实现可变视界策略。实验表明，SLPO在连续和软思考设置下均能提升Pass@k，并为更难的实例分配更长的潜在计算，从而提高确定性准确率。

提出多掩码扩散模型（MultiMDM），通过引入多个掩码状态解决传统掩码扩散模型在少步生成中终端熵为零的问题，实现高质量少步文本生成。

该论文提出一种基于推理的无参考框架，通过将LLM生成的推理轨迹分解为片段、使用自然语言推理（NLI）标注局部前提-目标关系并构建超图，再通过确定性反向AND-OR搜索分配片段级审计标签，以评估答案的 grounding。在数学推理（Hard2Verify）和医学推理（UroReason）两个场景中，该方法比直接LLM作为评判者的基线提供更可靠的评估信号，并揭示了顶级LLM评判者在临床场景中常过度接受流畅但 grounding 较弱的回答。

一篇新论文识别了一种名为“适应性的投降”的LLM失败模式，即模型先确认用户感受到的社会不公，然后却详细提供其名义上劝阻的获取途径。该研究对三个商业LLM进行了900次测试，提出了最小重归因充分性（MRS）设计原则。

一项新研究通过在多选题、情感分类和数学问答三类任务中设置与常规行为相冲突的指令，考察经指令微调的Qwen模型是否真正遵循用户要求。结果显示，小模型虽能保持任务准确率，却经常忽略冲突指令；任务能力与指令遵循是两种不同能力，仅报告标准准确率会掩盖指令遵循的失败。

该研究首次系统性地探讨了超网络在训练时知识注入中的规模定律，发现其沿深度、宽度和目标模型规模轴均呈现可预测的幂律缩放，并在越大规模下展现出更可靠的分布外泛化能力。作者构建了包含数千万多跳问答的MegaWikiQA数据集，为超网络作为可扩展的训练时适配方法提供了实证依据。

这篇论文首次对“结构泛化”进行了形式化定义，并将其分解为组合结构与无界泛化两个数学前提。作者论证：在标准假设 TC⁰ ≠ NC¹ 下，纯 Transformer 的可学习复杂度上界为 TC⁰，而语义树求值属于 NC¹-完全问题，因此纯 Transformer 无法自主习得结构泛化；神经符号系统的高分恰恰源于直接注入了语义投影，而非真正“学会”。

研究发现，监督微调（SFT）在将大语言模型适配到下游任务时，会显著降低其行为多样性，尤其是在顺序决策任务中。通过在井字棋变体等确定性棋盘游戏上的实验，作者指出推理模式生成常常抑制动作多样性，而标准SFT虽然提高准确率，却导致过早的多样性崩溃。动作增强（即训练所有最优动作而非单一动作）可部分缓解这一问题。

现有大语言模型安全护栏仅独立评估每轮对话，忽略了对话过程中良性轮次累积导致的危害。本文提出对话风险累积（CRA）概念及会话层框架，跟踪语义漂移、敏感信息累积和顺从度梯度三个轨迹信号，并发布CRA-Bench基准和评估协议。

该论文将先前一维单扫描神经算子研究扩展到二维，比较FNO与UNO直接映射以及引入单次源迭代通量输入的FNO三种代理模型，并检验对数通量训练对屏蔽相关强衰减区域的帮助。

arXiv 论文提出将分箱谱功率损失从傅里叶频带推广到图拉普拉斯频带，用于非结构网格上混沌动力学的代理建模。方法提供全谱形式、Chebyshev 稀疏滤波近似及多级图架构下的 GLEAM 正则化，实验表明可提升湍流预报的长时程保真度并保持统计不变量。

研究发现，稀疏自编码器（SAE）的自动可解释性得分受评估流程选择的影响远大于架构差异，导致跨论文比较可能反映的是流程而非架构的差异。

本文提出STN-TGAT模型，结合时间Transformer和图注意力网络，利用NMI先验图和软阈值稀疏化机制，在真实投资环境下进行股票排名和投资组合构建，实验表明其在预测准确性和投资回报上优于基线模型。

本文提出SUM，一种纯服务器端框架，通过在聚合过程中对自适应向量进行几何手术，同时缓解联邦类增量学习中的空间干扰和时间干扰，无需额外客户端计算或通信，在多个基准测试上实现高达22%的性能提升。

该研究探讨了在自适应时间序列预测中，利用可解释性作为理解持续学习的关键工具。通过持续学习和经验回放策略，研究分析了PatchMixer、PatchTST和DLinear等神经预测架构，并采用注意力展开和梯度归因方法（Grad-CAM）来解释预测行为和采样策略。实验基于真实世界的地下水时间序列数据，揭示了可解释性在非平稳预测场景中的挑战和机遇。

空气污染每年导致约790万人过早死亡，准确预测成为公共卫生优先事项。现有基准在地域范围和污染物覆盖上过于狭窄，且未评估最新时间序列基础模型。本研究提出Air Quality Arena (AQA)，一个覆盖7个国家、4大洲、6种主要污染物、超过14,000个站点-污染物序列的大规模多国数据集和基准。通过11个时间序列基础模型和经典基线评估，结果表明时间序列基础模型在零样本预测中有效且持续优于经典基线，最佳模型采用跨模态架构，利用视觉基础模型进行时间序列预测。数据集和基准已公开发布。

CruiseBench是专为航空发动机剩余寿命预测设计的巡航阶段基准，通过固定协议简化N-CMAPSS数据集，提升模型比较的可重复性。

本研究探讨Transformer能否执行贝叶斯模型选择，即从数据中识别正确的假设类。通过引入贝叶斯风洞环境，使用固定点自由对合等控制设置，作者发现小型Transformer能在纯关系任务中实现接近贝叶斯最优的性能，但在需要算术运算时，使用不透明符号会彻底失败，且该边界在扩大模型规模后依然存在。对前沿LLM的探测显示其定性上符合贝叶斯行为，但校准差距较大。

论文提出HyenaND，一种直接对多维数据原生几何结构进行操作的亚二次、全局、输入依赖算子。它通过隐式参数化的全局多维卷积核实现，避免了传统注意力或循环模型中的结构破坏问题。CUDA实现nSubQ融合FFT卷积路径，实现O(L log L)缩放加速。在长上下文基因组学、计算机视觉、医学影像和PDE建模中，纯HyenaND堆栈匹配强注意力基线，混合配置超越纯注意力和强循环混合模型。

一篇新论文提出了MemHop多跳记忆基准和ProGraph两层记忆架构，结合轮廓扩展和压缩残差，显著提升了LLM智能体的长期记忆能力。ProGraph在MemHop和LoCoMo基准上均取得优异结果，超越现有方法。

LISA 是一种即插即用的注意力替换模块，无需从头预训练，通过线性注意力和闪电索引器将推理复杂度从 O(n²) 降至 O(nM)，在 16K 上下文下实现 50% 推理加速，并在 AIME、MATH-500 等推理基准上平均提升 5.6%。

本文提出一种轻量级推理时解码层，通过随机原始-对偶近似方法动态平衡相关性与辅助目标，无需修改或重新训练模型即可实现多目标列表生成，并在真实大规模A/B实验中取得辅助目标提升1.8%且不损害用户满意度的效果。

NEXUS是一个结构化计划安全监控器，结合确定性安全规则、参数级检查和校准的逻辑回归风险评分，对LLM代理执行四种干预措施：允许、阻止、请求确认或请求修订。在多个基准测试中，NEXUS表现出色，F1分数高达0.949，延迟仅0.205毫秒。

一项新研究揭示了大型语言模型（LLM）在整合外部信息时存在显著缺陷：它们几乎无法区分可靠与不可靠的来源，对信息真实性的判断也接近随机水平。研究引入了Learn2Discern框架，通过对13个模型、近67万次试验的测试，发现模型更倾向于依赖来源的流行度而非可靠性，并且无论信息是否接近真相，其更新程度几乎相同。用户调查（n=299）证实，这些缺陷会降低用户信任和使用意愿。研究还提出了一些简单的推理时干预措施，可部分改善信息辨别能力。

研究者提出 FORMULASPIN，一种自博弈微调框架，让模型无需额外标注数据即可迭代自我改进，用于把自然语言需求转成电子表格公式。它利用公式的二元可执行性区分语义错误与合法写法差异，并配合 ExecVote 语义投票，在 NL2FORMULA 上取得 74.9% 精确匹配与 87.1% 执行准确率。

一项新研究评估了在NVIDIA H100 GPU上启用机密计算对大型语言模型推理性能的影响。测试使用Mistral-7B和Qwen3-30B-A3B模型，发现机密模式使首令牌延迟平均增加21.8%-27.8%，全局令牌吞吐量下降17.7%-21.1%，且较大模型更早达到饱和。结果表明机密GPU推理在负载下仍可保持可用吞吐量，但容量规划需考虑性能损失和早期饱和现象。

OpenEvoShield是一种针对LLM多智能体系统的持续防御框架，能够应对攻击策略和正常行为双重动态变化，通过不对称速率控制器、动态行为边界更新、正则化策略集成和能量检测器，在100轮部署中有效检测未知攻击并保持低误报率。