本文提出NativeMEM，一种具备长期且实时更新记忆的视觉-语言-动作（VLA）策略。其核心是原生记忆压缩，复用VLA自身的视觉编码器将每个历史帧压缩为单个token，显著提升长时程任务成功率，同时保持低延迟与高数据效率。

Pelican-VLA 0.5 是一个统一的视觉-语言-动作模型，将视觉语言理解、未来帧生成与动作预测整合到单一架构中。它无需物体标注、分割掩码、注意力监督或任务微调，就能在动作通路上聚焦与指令相关的物体及接触区域，这种能力可迁移到未见场景和未见机器人本体，且明显强于其他开源 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。

本文通过构建新数据集，实证发现图像分类中反事实公平（CF）并不蕴含群体公平（GF），与表格数据上的先前结论相反；理论分析表明这源于与敏感属性相关但非其导致的潜在属性G，并提出反事实知识蒸馏（CKD）来缓解对G的依赖，从而在CF模型上实现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 将有限体积守恒物理嵌入 CNN 代理模型的训练过程，在跨声速翼型流动预测中显著提高气动力精度，极限攻角下阻力误差最多降低 34%。

该论文提出一个整合语义分割、回归式严重度估计与病害分类的深度学习流水线，用感染叶面积比例将胁迫严重度分为四级，并在苹果树叶片病害分割数据集上对比四种模型。U-Net（MobileNetV2）取得最优表现：像素准确率98.20%、mIoU 0.70、检测准确率99.41%，每张图推理仅14.7毫秒，适合实时使用；其计算的严重度指数与专家标注高度相关（r=0.968，R²=0.937）。

该研究提出一个评估框架，结合对题目文本嵌入的正则化回归、带重采样标准差报告的重复交叉验证R方，以及两个性能上限：由参数标准误导出的信度天花板和由基于模拟的统计效力校准导出的设计天花板。应用于EEDI数学题库和BEA 2024医疗执照基准后，研究发现题目难度可从文本高度预测，而区分度和伪猜测参数则较难预测；但相对于天花板评估显示，这种表观层级源于目标信度而非文本信号强度。此外，单次训练测试划分可将R方虚高0.1至0.15。

一项新研究揭示，多教师在线策略蒸馏中，局部 token 级信号的不成比例影响会导致学生模型从“该直接回答”偏移到“过度调用工具”，并提出 Soft Clamp 方法校准每个 token 的散度来缓解该问题。

一篇 arXiv 新论文提出黎曼均值池化（RMP）：从学习到的编码器解析雅可比矩阵中提取逐 token 的回拉度量，再在对称正定（SPD）流形上用 Fréchet 均值聚合，以探究句级分类信号是否存在于上下文嵌入的黎曼几何中。

MILES是一种新框架，通过动态扩展的模块化步骤级记忆和基于正确性优化的选择机制，使LLM在测试时能积累可复用经验，并在准确率与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。

一项新研究揭示，六种主流指令微调大模型（14B至70B）会系统性地将非裔美国人英语（AAE）改写为标准美式英语，即使上下文本身是AAE。研究者提出审计框架cDGI和基于激活引导的免训练缓解方法，可将偏见降低5至20倍，并发布了迄今最大的真实AAE平行语料库REAL-AAE。

这篇论文提出一种通用的基于梯度的语音-文本对齐方法，无需训练或修改模型即可为任何可微分 ASR 模型生成词级时间边界，并在十六个模型上进行了评估。

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。

研究人员将包含7929个问题的PubHealthBench基准扩展到检索增强设置，系统评估了稠密、稀疏和混合检索策略以及多种生成模型，发现混合检索能持续提升召回率和排序质量，而检索质量是提升公共卫生问答可靠性的关键杠杆。

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。

一项 arXiv 研究从静态、动态与因果三个层面分析注意力头的非对称算子谱结构，发现 RoPE 下的前词元头呈现旋转性谱特征，而学习式绝对位置与 ALiBi 则表现为非旋转的、内容式的谱结构；这种谱特征是电路形成后塑造出的指纹，而非功能出现前的蓝图。

Inertia-1 利用超过 1820 万小时的加速度计数据，系统研究了可穿戴运动基础模型的全生命周期设计，并在 15 个数据集上评估了人体活动识别、步态冻结检测和疾病预测等任务，为运动表示学习提供了开放、实用的指南。

联邦学习中标签偏斜导致客户端漂移并降低全局精度。合成数据增强可以缓解这一不平衡，但完全类别平衡需要大量计算成本。本文提出FedEAS策略，根据客户端本地标签分布为每个客户端分配熵自适应每类生成预算，联合决定生成数量和样本分配方向。总生成预算由各客户端预算动态确定，而非预先固定。FedEAS在减少94.1%生成预算的同时恢复了完全类别平衡的大部分精度增益，在相同总预算下，在CIFAR-10和CIFAR-100上比均匀分配方法性能提升高达18.82%。

STAGformer是一种高效的时空代理图变换器，通过线性复杂度的两步代理注意力机制实现全局建模，在纽约Citi-Bike和芝加哥Divvy-Bike数据集上显著优于现有方法。

本文提出一种基于深度强化学习的多目标可靠性投资组合优化框架（MORP-DRL），联合优化预期收益和下行风险，使用方差、CVaR和EVaR三种风险度量，结合GARCH、极值理论和t-copula建模，在考虑交易成本等约束下，采用PPO策略，在十个全球股指上展现优于NSGA-II的性能。

D2PO（动态直接偏好优化）是一个框架，用于优化扩散模型的采样策略，包括时间步调度和无分类器引导权重。它解决了传统师生回归框架中低NFE学生采样器牺牲高频纹理保真度的问题，通过偏好对齐和动态偏好机制实现更好的感知质量。实验表明，在低NFE约束下，D2PO优于常规回归调度器。

NEST 是 arXiv 上的一篇新论文，针对长期多变量时间序列预测中的数据集级分布偏移问题，提出基于两阶段稠密专家混合（MoE）的框架：先用无监督聚类把数据集划分成若干运行状态，再通过面向状态的路由机制为专家分配权重，并以几何调制向状态质心修正，使每个专家作为专用核捕获状态特有的变量注意力模式。