Aloe-Vision 引入了一系列开源医疗视觉语言模型，基于大规模质量过滤的数据集训练，在保持通用能力的同时取得竞争性性能，并暴露了对抗性输入下的脆弱性。

研究人员推出 DMV-Bench，这是首个针对多模态智能体视觉记忆的交互式基准，并提出了受双重编码理论启发的 DualMem 记忆架构。在受控的家居电商目录上，DualMem 在多个链条长度和模型上均优于现有基线。

SelectAnyTree是一种基于提示的实例分割模型，旨在从3D森林LiDAR点云中通过少量点击分割出任意单棵树。该模型引入点击到查询的提示编码器和冠层高度模型引导的首次提示，结合状态空间查询解码器，实现了高效的长距离上下文捕获。在七个不同森林区域和独立测试集上的评估表明，单次点击即可达到78.2的交并比，显著优于现有方法。

研究人员通过低秩适应方法微调Gemini 2.5 Pro模型，使用400个经临床医生评分的家庭视频，在评分者间信度和自闭症诊断准确率上取得显著提升，达到或超过临床医生水平。该方法实现了自闭症评估中可扩展的行为特征提取。

SemCityLoc是一种新颖的空中定位方法，利用语义-几何对齐将无人机姿态估计转化为基于基础模型视觉先验和标准化LoD 3D城市模型的结构化表面配准。该方法无需依赖精确的GNSS信号或辐射度量丰富的3D重建，在重复和遮挡的城市环境中提高了位姿判别性。同时引入了首个包含厘米级精度UAV位姿与LoD1-LoD3语义城市模型的真实世界基准SemCityLockeD。实验表明，相比现有地图方法，召回率提升高达36%，平均位置误差从9.89米降至2.62米。代码和数据已公开。

一种名为变换感知解耦（TAD）的新框架通过将关系推理分解为视角敏感和视角不变两个部分，提升了三维场景图生成在视角变化下的鲁棒性。

研究人员提出 Narrative-UFET，将超细粒度实体类型（UFET）任务从单句语境扩展到自动生成的连贯短篇叙事，从而检验跨句话语信息能否改善长尾类型识别。实验显示叙事语境对长尾类型有一致提升，其中类型在叙事中发生变化的变体信号更强，且合成叙事比自然文本更有效。

Ko-WideSearch是一个韩国语广度搜索基准，通过自动化合成与验证流程构建，包含190个实体、228张表、16个类别，按三个难度层级评估网络代理的穷举集合枚举能力。测试发现代理能恢复集合但无法完整填充行（Item-F1 92.8 vs Row-F1 53.7），且难度增加时性能稳定下降，开放文本单元格是主要瓶颈。

EntMTP是一种无需训练的调度器，通过根据局部生成熵动态切换树注意力拓扑，在低熵区域进行深度推测，高熵区域保守推测，从而在不牺牲生成质量的前提下，最大化吞吐量。在多个基准测试中，相比Hydra和Medusa分别实现1.15倍和最高1.36倍的加速。

该论文提出上下文就绪Transformer，通过修正网络在令牌进入变换器块之前预上下文化，将顺序推理变为循环神经网络，训练时展开修正过程K次并行处理。实验表明，D=5模型在A100上生成速度比12层Transformer快1.7倍且性能更优，单层模型（D=1）在K=10时优于6层Transformer且推理速度提升2.6倍。该架构在宽表示和长上下文下受益最大，在指针追踪任务中单层模型可解决全部10个组合层次。

该论文在真实对话数据上分离出LLM智能体更新已过时事实的能力缺陷，发现即便前沿模型在受限记忆中准确率也从92%跌至77%，且随对话增长差距扩大；为此发布可训练强化学习环境Supersede，并证明GRPO微调小模型可将超替换准确率近乎翻倍。

本研究采用发展方法探究神经语言模型（NLM）的统计学习和心理表征。通过训练一系列生成式Transformer模型于合成语法，并保存训练过程中多个阶段的模型状态，分析内部表征的变化，发现NLM在学习初期获取最抽象的全局统计知识，随后学习相对局部的统计依赖。这一学习路径包含许多早期过度泛化，这些泛化在后期逐渐受到约束。基于此观察，提出解释NLM统计学习和语言认知的新框架。

本文介绍了HSA_CORAL团队在FinCausal 2026共享任务中的提交方案，该任务旨在通过抽取式问答从英语和西班牙语金融叙述中提取因果关 系。研究对比了三种建模家族，并发现监督微调带来最大提升，最佳系统在英语子任务中并列最高分，在西班牙语中排名第三。

一篇被ACL BEA 2026研讨会接收的综述论文，系统梳理了自动演讲辅导系统，提出了五维任务分类法，并指出了数据稀缺、口音公平和实时低延迟诊断等关键挑战。

一篇ICML 2026立场论文指出，“机器遗忘”在LLM研究中被滥用，应严格限定为数据集定义的删除，即移除精确指定遗忘集的训练影响，使模型近似于未使用该数据重新训练。其他任务如拒绝有害请求、实体/知识移除或定向抑制应使用不同术语（对齐、抑制、编辑、混淆）和基线。这种混淆导致指标和基准被跨范围复用，奖励表面上的不披露，而忽视重训练等价性和衍生能力。论文呼吁采用更严格的术语和匹配目标的评估。

研究者提出了一种评估大型语言模型潜在思维表示的公理框架，定义了因果性、最小性、可分离性和稳定性四条公理，并为每条公理设计了独立于下游精度的定量指标。对23个推理任务的审计发现，没有候选表示能同时满足所有四条公理，且表示在区分任务类型上可靠，但无法区分同一任务内的两个问题，编码的信息也未能超越输入嵌入。这一缺陷在多模型家族中一致存在，表明其结构性本质。

本文提出了一种隐私保护的概率性种族/民族估计（PPRE）方法，用于在美国LinkedIn用户中实现关于种族/民族的公平性度量，同时保护隐私。该方法结合了贝叶斯改进的姓氏地理编码估计器和稀疏的自报告人口统计调查数据，并应用了安全多方计算、差分隐私和加法同态加密等隐私技术。

该研究评估了截断域边界处理对井底压力（BHP）和CO2羽流预测的影响，发现保持角点孔隙体积是关键，而渐变修正器结合传导率校正表现最一致。

最新研究揭示，在机械可解释性中常用的激活补丁技术，其估计的自然间接效应（NIE）不仅包含特定组件的因果效应，还混杂了交互效应（INT）。这些交互效应衡量组件因果效应如何依赖于其他组件的状态，可能导致因果重要性被高估或低估，甚至遗漏重要机制。研究在GPT-2 IOI电路上演示了这些失败模式，并证明INT是不可避免的，但可作为诊断工具，提示因果结论的提示依赖性和贪婪排名的局限性。

本文提出一种几何条件化的傅里叶神经算子（FNO），用于学习二维环面上三次散焦非线性薛定谔方程（NLS）的一步解算子。模型输入包括解的实部、虚部以及环面的纵横比参数，实验表明该算子能捕捉两种几何结构下的主要动力学，并再现有理环面和無理环面上不同的Sobolev范数增长行为，显式加入几何参数可提升长期预测精度。

Prism Transformer 提出一种渐进式注意力头调度策略：早期层使用少量宽头捕获局部组合模式，深层使用多个窄头分解为专门语言特征，在不增加参数和计算开销的情况下提升模型性能。

本文研究了在状态不可观测且决策周期可能受限的马尔可夫强盗问题中的遗憾最小化。引入了自退化马尔可夫强盗模型，并证明在没有先验知识时，罕见切换臂的算法的遗憾必然超对数增长。设计的UCB-NOM算法实现了近似对数遗憾，且在给定先验信息时可达到O(log T)遗憾。

研究人员提出PairSAE，一种针对类Pairformer架构的稀疏自编码器变体，通过N模SVD将成对张量总结为令牌级交互角色，再学习共享的令牌特征，从而在Boltz-2的蛋白质-配体复合物激活值上获得可解释特征，这些特征与UniProt注释对齐并能预测亲和力值。

Darts 自2020年发布以来，已成为广泛使用的开源时间序列分析库。近期，一系列基模型在零样本预测上取得了精度提升，预示着从定制模型训练向预训练通用预测器的范式转变。然而，这些模型常以孤立包的形式发布，接口碎片化且与常用工具互操作性有限。Darts 开发了统一的 FoundationModel 类集合（支持 Chronos-2、TimesFM 2.5、TiRex、PatchTST-FM），提供了标准化的全周期预测接口，最小化外部依赖，将基模型集成到生态系统中。现有 Darts 管道只需更改名称即可使用基模型；新管道可实现零样本或微调预测、不确定性估计和回测，结合数据处理与评估工具，全部在统一框架内完成。

本文提出了一种新的RANSAC评分方法，通过解析地边缘化内点尺度，消除了用户提供的尺度参数需求。该方法在近7万对图像上的基准测试中表现优于现有技术，即使阈值校准有误也能保持稳定，且仅需很少的验证对即可达到近最优精度。

OverFlowLight 是一个实时交通信号控制框架，通过摄像头和雷达检测队列溢出，动态插入专用溢出相位，并结合基于规则的快速干预与强化学习后端，在三个城市 43 个交叉口部署后减少 60.4% 溢出事件并提升 18.2% 网络吞吐量。

本文比较了基于智能体的世界模型和参数化世界模型在规划任务中的表现，提出了GILP方法，通过结合小型参数化模型和LLM推理，将幻觉状态率从0.176降至0.035，成功率从0.668提升至0.838，额外LLM调用仅增加约22%。

该论文研究了图世界模型（GWM）中的长时程滚动误差，提出了统一框架和误差界，并引入误差感知GWM以缓解误差放大。实验表明滚动误差和规划遗憾随预测步长增长，误差感知方法能防止长期发散。

本文提出一种符号反馈驱动的迭代自我精炼框架，旨在提升大语言模型在长时程规划任务中的鲁棒性与可靠性。该框架通过自然语言提示机制将逻辑符号映射为自然语言描述，利用符号验证器将错误转化为可解释的纠正指令，并借助计划识别器推断目标可达性，从而引导LLM进行自我精炼。实验表明，该方法能持续提升长时程规划任务的可行性与正确性。

本文提出Tree of Evidence（ToE），一种分层证据推理框架，用于自动化事实核查。该方法将每个声明建模为动态扩展的论证树，集成强化学习驱动的多源检索智能体、证据评估智能体和论证树聚合算法，通过可解释的证据链迭代分解、检索和验证声明。理论分析给出了检索过程的误差界，保证学习策略收敛至信息论最优策略的邻域。实验表明，ToE在多个数据集和基础LLM上比竞争基线提升4至24个百分点，尤其在对抗性毒化输入上增益显著。