Light-Omni 是一个多模态智能体框架，通过双上下文状态实现反射式视频理解。它用一次前向传播替代侦探式迭代推理，在多个视频基准上比 M3-Agent 平均准确率提升 2.4%，速度提升 12.1 倍，GPU 内存效率提升 2.6 倍。

Ground3D-LMM是一个统一模型，输入点云和可选RGB图像，支持具有点云定位响应和物体及部件级别度量数值输出的3D空间对话，并引入3D Grounded Measurement任务和约250万问答对的大规模数据集。

研究人员提出一种仅需一个相机和一个光源的视线估计方法，通过引入几何对称的“虚拟光源”并利用瞳孔与光斑距离关系估算虚拟光斑，再以多项式回归实现视线估计。该方法在单光斑系统中验证了新的归一化因子，性能可接受但较双光源系统有所下降。

本文提出任务驱动的评估框架，将深度感知合成雾生成、图像恢复、目标检测和跟踪集成到统一流程中。实验表明，雾会显著降低检测和跟踪性能，主要原因是漏检增加。包含雾的训练数据能最稳定地提升鲁棒性，而测试时恢复仅在检测器仅用清晰图像训练时最有益。恢复质量并不必然转化为下游感知的成比例增益，因此应与检测和跟踪性能联合评估。

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 为 IWSLT 2026 共享任务重新实现了其 IWSLT 2025 指令跟随流水线，采用 SeamlessM4T-v2-large 语音编码器和 Qwen3-4B-Instruct 大语言模型，并构建了 10 万条合成指令跟随示例。主模型在 MCIF 基准上取得 EN-ZH 语音翻译 COMET 0.781 和英语 SQA 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。

这篇arXiv论文重新考察了语言模型困惑度（PPL）与自动语音识别（ASR）词错误率（WER）之间长期被认为的对数线性关系。研究针对现代端到端ASR系统，探讨外部语言模型是否仍有帮助、PPL-WER关系是否仍保持线性、编码器上下文长度的影响，以及大语言模型困惑度如何融入传统神经语言模型的趋势。论文还分析了基于注意力编码器-解码器系统中的内部语言建模（ILM），并表明减去ILM会改变观察到的PPL-WER关系。

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。

这篇论文对量化、剪枝和合并等代表性KV缓存优化机制进行了工作负载感知的基准测试，发现压缩率本身无法预测端到端性能，不同机制在质量和吞吐量上各有优劣，因此长上下文服务应采用工作负载感知的选择策略。

一项基于arXiv的实证研究考察了人格提示对四种开源大语言模型智能体在迭代“分或偷”博弈中的影响。160场、每场15轮的欧洲葡萄牙语实验显示，互选“分”占主导（约74%），剥削行为低于11%；模型选择、人格类型与对话主题均显著影响合作与剥削倾向，为后续虚拟现实人机信任研究提供了基线。

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。

AdaStop提出一种成本感知的早停框架，将DNN测试建模为成本—收益决策过程，在估计的故障发现率低于阈值τ=c/v时停止标注。实验显示，仅用9%至31%的标注预算即可发现65%至84%的故障。

该论文提出将LLM智能体的执行框架视为可学习的控制层，而非固定基础设施。作者将其形式化为有限时域的Harness MDP，使用离线强化学习训练轻量控制器选择结构化执行动作，同时保持LLM执行器冻结。实验表明该方法能一致改善验证行为并选择性提升最终任务质量。

该论文将训练好的深度神经网络视为按深度索引的非线性动力系统，利用数据驱动的可达性、可观测性和平衡Gramian估计逐层的可达、可观测及联合可达-可观测秩，并将这些秩直接用作压缩后的层宽度。在MNIST和CIFAR-10上的实验显示，状态阶数和参数量大幅压缩，精度几乎不受影响，CUDA推理延迟约降低3倍。

该论文提出“外生丢弃”（exogenous dropout）——一种与模型无关的训练干预，在训练时随机将整条外生协变量通道置零。在电价、水库水文和气象三个领域，该方法显著提升了模型对高斯噪声、时间错位和通道完全缺失的鲁棒性，同时保持干净数据上的精度，并优于刻意设计的有界架构 BoundEx。

本文探讨了时间序列预测中的“粒度悖论”：更细的时间粒度（如从月度到周/日）改善了样本内诊断和数据集大小，但由于递归误差在更长预测区间上的累积，反而降低了样本外精度。通过13年公共采购数据集对10种模型在六种粒度上的基准测试，发现递归自治模型在高频预测中显著退化（例如Holt-Winters在日粒度测试R²为-151，TPFE达425.85%），而LSTM呈现U形误差曲线，在日粒度克服了误差传播惩罚（TPFE 4.35%，R² 0.66）。线性回归保持稳定，表明悖论由递归反馈拓扑驱动。标准指标（RMSE、MAE）系统性地掩盖了累积误差，本文引入共识-分歧诊断来识别标准诊断掩盖误差传播的模型。

GAIA是一种几何感知、基础设施锚定的学习框架，用于处理超宽带UWB测距中的非视距传播、突发噪声和长尾误差，通过结合时间范围建模、潜锚点布局估计和确定性距离投影，在作业区几何重建中实现了去噪和一致性重建。在真实户外UWB数据集上，GAIA将范围均方误差降低了18.4%，多边形IoU提升了15.5%，优于现有方法。

Design-CP 为 RFdiffusion 3 引入两种上下文并行推理策略，将二次方 token 与原子对表示分布到多 GPU，从而在保留预训练权重的同时实现大规模蛋白质组装体的全原子设计。

该论文提出统计意义几何（SMG）框架，将过参数化学习系统建模为无限维非参数Orlicz纤维丛，证明在持续分布外刺激下连续优化会失败，并触发规范对称性破缺，从而以离散熵跃迁区分真正的科学发现与统计插值。

一项新研究测试了大型语言模型（LLM）能否为投射技术生成合成消费者数据。研究发现，LLM的回答与人类回答在广泛主题和联想上存在大量重叠，但在风格、语言结构以及生成多样性的方式上存在重要差异。研究为利用LLM生成合成消费者数据提供了建议，并指出了相关局限性。

ArtisanCAD是一种面向工业计算机辅助设计的智能体，通过引入可执行的CAD中间表示（CAD-IR）来蒸馏专家知识，处理模糊或不完整的自然语言提示，生成可编辑的参数化B-Rep模型。在Text2CAD基准测试中，CAD-IR将中间提示的生成质量提升了33%，平均倒角距离从14.83降至9.88。

Akashic是一种为LLM代理系统设计的低开销记忆系统，通过MemAttention将上下文组织成有界块并建模语义关系，避免完整历史重放，从而提升任务准确率、吞吐量和可持续请求率。

该研究提出将记忆存储移入语言代理的推理循环中，在每个步骤读取和写入，以克服网络延迟问题。实验表明，进程内存储（约100微秒）可将冗余动作从7.2/12降至0.0/12，并将召回率从0/5提升至3.6-4.8/5。瓶颈在于嵌入生成而非存储。

FirstResearch引入了一种结构化研究问题证书，通过记录原始定义、假设、机制模型、矛盾、可证伪假设、最小决定性测试和失败更新规则，使LLM生成的科研问题可审计。在十个主题上评估，该框架优于基线方法，得分4.86/5 vs 4.38/5。消融实验表明证书至关重要，移除后得分低于1/5。结果表明显式推导约束能提高审计性。