Gemma 4 是 Gemma 系列的新一代开源多模态语言模型，采用密集和混合专家架构，参数规模从 2.3B 到 31B。该模型集成了改进的视觉和音频编码器，其中 12B 模型采用统一的无编码器架构，可直接处理原始音频和图像块。此外，Gemma 4 引入了思考模式，能在响应前生成推理轨迹，并在推理速度、内存和计算效率以及长上下文能力方面有所提升。在 STEM、多模态和长上下文基准测试中表现优异，可与更大的前沿开放模型相媲美。

这篇论文研究能否用文本转语音（TTS）合成数据来训练卢森堡语口语问答（SQA）系统，从而绕开大规模人工录音语料。作者将文本问答问题译为卢森堡语，用多种TTS系统合成语音，并训练一个参数高效的SLAM式架构，把冻结的Whisper编码器连接到冻结的多语言LLM后端。结果显示，多来源与基于声音设计的合成训练配置效果最佳，而TTS的免参考质量分数并不能单调预测下游问答性能。

本文提出了一种实用的可验证奖励强化学习（RLVR）方法，结合错误率奖励和文字保真度奖励，利用组相对策略优化（GRPO）和两遍草稿-精炼流程，仅用10%的TTS语码转换语音数据训练Qwen2-Audio，在10个语言对上匹配了全数据量LoRA监督微调的效果，最大提升出现在类型学距离较远的语言对上，且增益可零样本迁移到人类录制的语码转换语料。

该论文提出了一种多语言、多模态的NLP框架，结合XLM-RoBERTa、CLIP和多头注意力机制，利用讽刺和地理空间元数据等辅助特征，在包含13.8万条孟加拉语和英语样本的数据集上实现了98%的虚假新闻早期检测准确率，旨在预警由虚假信息引发的现实暴力事件。

该论文提出FCPA训练目标，通过对生成器分数进行频率校正来实现验证器-生成器一致性，实验表明在IFEval和HumanEval上Pearson相关系数提升高达27个百分点，同时保持验证器质量。

该研究探讨了训练人工智能在低风险场景下表现出的风险规避行为是否能够泛化到极高风险场景，作为应对AI对齐失败的一种安全措施。作者引入了RiskAverseOOD基准测试，并初步实验表明，通过多种方法（如SFT、DPO、激活引导）训练的Qwen3-8B模型，在高风险下选择安全“合作”选项的比例从基线2%提升至70%（SFT和tie训练）、52%（DPO）和39%（激活引导）。风险规避行为跨越98个数量级部分泛化，但一致性仍不足以作为可靠的安全机制。

高性能电动汽车动力系统的热行为预测因内部温度难以观测及从实验室到赛道的领域偏移而极具挑战。本文应用共形预测，结合加权集成批量预测区间（EnbPI），以改善协变量偏移下的覆盖性能。该方法在真实电池数据上将覆盖率从70.13%恢复至72.42%，并在F1遥测数据上作为无监督诊断进行测试。

研究者提出LiNO，一种基于第二代小波提升方案构建的多分辨率神经算子。LiNO通过参数化提升变换直接从数据中学习多分辨率分解，该变换对解函数自适应且精确可逆，从而在保持信息的前提下实现多尺度算子学习。在Darcy流、泊松方程、Allen-Cahn方程、可压缩Navier-Stokes方程和Gray-Scott反应扩散系统等基准上，LiNO表现优于当前先进神经算子。

本研究开发了一种粒度感知的脑电图（EEG）特征管道，将多尺度描述符组织为整体、区域和通道级别，并利用健康大脑网络（HBN）队列预测四种精神病理学维度。结果显示，基于树的模型和粒度平衡特征选择在特定条件下相较于传统方法有所改进，但效应量适中。可视化揭示了维度特异性的空间和频谱模式，与现有神经生理学知识大致一致。跨数据集检查表明该选择原则在协议变化下技术可行。

一种新的生成器无关方法，通过将类别分为同质和异质子集，从固定池中选择最具信息量的合成图像，以最多减少40%的样本量提升下游任务性能。

该研究将联邦学习应用于无人机目标检测，在KIIT-MiTA数据集上使用Sherpa.ai FL平台实现分布式训练。实验表明，联邦学习方法在保持数据本地化的同时，性能接近集中式训练，并显著优于单无人机训练，最佳轻量模型YOLO26 nano在[email protected]和[email protected]:0.95上分别实现52.89%和67.80%的相对提升，为安全关键场景下的分布式无人机机队提供了可扩展、高性能且隐私保护的解决方案。

GRAFT 提出一种逐词发音条件机制，利用短语音样本控制目标词的发音，在盲听测试中排名第一，并将目标词音素错误率降低 22-39%。

QuantFlow是一种概率预测框架，结合了反转序列嵌入、双向Mamba状态空间解码器、分位数回归和联邦学习，在多个数据集上取得低MSE，并展示非独立同分布联邦部署下的实用性，但对不规则流行病信号和长程泛化仍有局限。

该论文提出双数据集基准框架，用于公平评估时间序列基础模型（TSFM）在电价预测中的表现，并考察点预测、概率预测、尾部行为、价格尖峰及与领域专用方法的对比。研究发现TSFM具有竞争力，但严重依赖协变量支持，且未稳定超越领域专用方法；简单集成两者有显著潜力。

该论文指出，基于扰动的构建效度审计本身是脆弱的，其结论可能被实现细节悄悄制造。作者提出五种流水线失效类型，并在一个双模型、五基准案例中演示其六点尽职调查门控将所有单元格归入非确证类别。

本文提出了一种基于滑动窗口的强化学习（SWRL）框架，用于解决具有复杂齐套约束的柔性装配流水车间在线调度问题。该框架将问题建模为异构图马尔可夫决策过程，并集成了滑动窗口过滤、时空图编码网络和动态动作映射模块。在家电制造商的真实实例上，SWRL在延迟减少方面优于经典调度规则和现有深度强化学习方法。

VERITAS 是一个领域无关的复制框架，基于 CLI 编码代理，能自动提取论文声明、运行方法并判断结果，返回重要性加权的复制分数和修复日志。在涵盖计算机科学、社会科学、医学和天体物理学的 65 篇论文评估中，VERITAS 在 CORE-Bench 和 ReplicationBench 上均达到最优性能。

大型语言模型（LLM）在安全性和有用性之间面临挑战。传统的拒绝式对齐策略会拒绝敏感查询，但可能无法满足用户合理需求。Oyster-II提出基于强化学习（RL）的建设性安全对齐框架，采用Zero-RL范式和多阶段RL策略，解决了Oyster-I中监督微调（SFT）方案的安全泛化不足和安全思维链过度泛化问题。在多个基准测试中，Oyster-II在安全维度上全面超越Qwen3-14B和Oyster-I，性能堪比Qwen3-Max和Qwen3.5-397B。

研究团队提出医疗计算基准MedCalc-Pro，包含2,268个真实临床病例、覆盖14个科室的77个计算器，并设置单计算器、多计算器和嵌套计算器三级任务；同时提出支持多工具选择与嵌套调用的智能体框架，通过结构化验证与证据复核抑制参数误差传播，在开源、闭源及医疗专用大模型对比中于三类任务上均取得最佳表现。

研究者提出对象中心环境建模（OCM），将LLM智能体的经验组织为可执行的对象中心环境模型，通过维护对象知识与过程知识两个相互关联的代码库，并在每轮交互后反思、更新和验证，从而提升基准表现并减少无效动作。

该论文提出 SwarmResearch，一种编排器-子智能体架构，通过一个持全局上下文的 Shepherd Agent 指导多个在各自 git 分支上运行的 Search Agent，从而避免长时编码智能体过早收敛到单一方案。在 15 项开放式优化任务中，有 13 项取得优于或可比于现有 LLM 引导进化与多智能体方法的结果。

arXiv论文提出REDI开源框架，通过五阶段流水线实现科学数据从原始到AI就绪的自动转换，集成就绪评估、来源追踪和代理原生部署，并在气候、蛋白质组学、材料科学和核聚变领域验证有效。

这篇论文指出了一个关键问题：在部分可观测环境中，不确定性门控的小语言模型（SLM）辅助几乎从不触发。作者将其诊断为上下文问题，而非模型能力问题，并提出ASK+，通过提供轨迹感知的上下文和结构化思维链推理来修复它，从而在多个环境中显著提升成功率，即使使用更小的模型也是如此。

成对比较常用于学习人们对决策规则的偏好，但本文指出它基于两个强假设：局部比较能反映全局偏好，且人能果断回答。在内部多元主义（个体根据多种权威优先级评估规则）下，这些假设可能失效。全局优先事项（如比例性）无法通过局部比较捕捉，且优先级冲突会导致行为扭曲。允许报告犹豫可减少查询次数，并为直接引出优先级的方法指明方向。

科大讯飞研究团队在 arXiv 发布 iFLYTEK-Embodied-Omni 技术报告，提出在单一 Omni 框架内联合建模视觉（视频与图像）、语言与动作的统一多模态基础模型，通过共享多模态自注意力实现“大脑-小脑”协作，并采用四阶段渐进训练策略构建全面的具身数据集。

社交媒体正将AI眼镜等监控技术包装成时尚潮流，从而淡化其隐私风险，使骚扰和非自愿拍摄行为正常化。本文以Alexa Chung发布Ring安防摄像头穿搭照为例，揭示了这一趋势的隐患。

大学越来越多地使用AI检测工具来识别学生作业中是否使用生成式AI，但研究表明这些工具存在高误报率，甚至将人类写的文章误判为AI生成，引发公平性担忧。

Panoptes 是一个开源工具，用于监控 AI 代理的操作，记录所有工具调用、文件读取和 shell 命令，并提供可查询的审计追踪和策略执行功能。

Stitch 是一款开源、本地运行的AI桌面应用，集成记忆、会议记录、日程管理、自动化、邮件处理等功能。支持多种AI模型及本地模型，无需创建账户，所有数据本地存储，确保隐私安全。

本文通过计算机架构的视角，分析AI编程代理（如Claude Code、Cursor）的运行机制，指出其本质与CPU的取指-译码-执行周期无异。文章剖析了在本地运行代理的三大瓶颈：计算资源不足、无法持续在线、环境异构与污染。随后讨论了OpenClaw等自托管方案的短暂热潮及其局限，最后论证云原生代理是必然趋势，能实现从笔记本电脑的2-3个代理到云端1000+的规模跃迁，并带来15倍的投资回报率。