这篇论文提出了TaskNPoint训练协议，通过人类教练提供少量输入（技能集、一次演示、交互窗口和目标），让人形机器人在物理仿真环境中快速掌握动态技能。实验在Unitree G1人形机器人上进行，成功执行了网球正反手击球、踢足球和搬箱子等任务，且训练时间不到一小时，无需每任务奖励调整。

RoboTales 是一个低成本机器人讲故事系统，用富有表现力的袜子木偶来演绎叙事。研究团队在 Baxter 机器人上实现了自主运行，并在试点研究中发现，木偶式讲故事在 HRIES 评分和故事回忆上均优于仅做手势的模式，表明具身木偶表演能提升参与度和叙事理解。

本文提出OmniContact分层框架，核心是接触流（CF）表示，由关键身体轨迹和时序二进制接触信号组成。底层策略CF-Track学习统一技能库，高层模块CF-Gen启发式合成未来接触流序列。在搬运箱子和推叠箱子任务中分别达到98.7%和76.5%成功率，显著超越基线。框架支持与视觉语言模型集成，实现语义驱动的复杂操作。

本文提出了首个针对对数螺旋连续体臂的形态特定闭环任务空间控制框架。该方法从对数螺旋运动学直接推导解析雅可比矩阵，并结合Broyden割线更新与卡尔曼滤波进行在线雅可比误差补偿，以持续修正非线性变形、接触和几何失配引起的建模误差。在MuJoCo仿真中，该控制器在轨迹跟踪、姿态调节、扰动抑制、三维位置跟踪及同步位置-姿态控制等任务上均优于分段常曲率基线，并成功应用于障碍辅助的伸展-缠绕-释放、自适应全臂抓取和多臂协同操作。

LiMoDE 提出一种两阶段终身机器人操作学习方案：在多任务预训练阶段使用动态混合专家（MoE）结构，根据运动信息激活不同数量的异构专家以学习可复用的先验知识；在任务适应阶段，设计终身 MoE 适应机制（LiMoEAM），学习终身专家并与冻结专家动态组合，从而促进新任务间的知识迁移。在模拟终身学习基准和真实任务上的实验表明，该方法仅增加适度的可训练参数和推理开销，即可实现优越性能和强终身适应能力。

该论文提出RMTL方法，将长时程机器人操作任务分解为多个语言描述的微任务，利用多视角视觉语言模型（VLM）奖励和分层策略学习，解决了单一全局提示奖励信号过于粗糙、早期进展难以检测的问题。在Fetch环境上的实验表明，该方法能提供更具信息量的奖励信号，加速学习过程。

一项新研究构建了物理真实的毛细血管网络模拟环境，并训练深度强化学习代理实现趋化导航，揭示了导航的物理极限，并展示了无需重新训练即可完成靶向血流阻断与恢复。

研究人员提出VMTAD，一种全无监督方法，用于动态农业场景中的实时障碍物检测。该方法使用带记忆模块的Transformer架构，利用时序上下文处理机器人运动，在油菜数据集上实现了最先进的检测和分割性能。

一篇新论文通过简单的线性探测审计视频、图像和音频深度伪造基准。结果显示，冻结的通用自监督表征性能接近定制检测器，表明基准主要奖励通用模态理解而非取证理解，并可能未反映现实威胁模型。

本文研究视觉提示调优中图像令牌与提示令牌的融合方式，将融合方案选择建模为双层优化问题，并利用可微架构搜索联合优化提示和融合策略。作者在拼接和相加之外引入仿射变换和交叉注意力，在34个数据集上取得一致提升，并发现混合融合能更有效利用ViT的层语义。

研究人员引入了浑浊水下基线（TUB）数据集和新指标PCD，以量化极端浑浊度下水下场景的信息损失。PCD与实例分割性能强相关，优于常用指标。

本文提出GeMoE，一种基于门控熵的不确定性感知自适应路由方法，用于MoE架构的大型视觉语言模型。通过将动态路由建模为最小描述长度问题，GeMoE根据每个token的复杂度自适应确定专家数量，在保持99.5%性能的同时将专家激活稀疏度提升36.5%。

该研究将fMRI认知任务分类学从单源迁移扩展到多源迁移，覆盖人类连接组计划的23个任务状态，并利用布尔整数规划分析预算约束下的任务分配。研究训练了1,127个任务特定模型和迁移模型，发现单源迁移具有方向性和范式结构，而多源迁移取决于源集的组成；工作记忆状态在全局分配目标下获得高优先级。

该研究提出一种基于卷积神经网络和状态空间模型的多任务深度学习框架，利用顶视熔池图像和焊接参数，同时预测激光穿透焊接的穿透状态、熔深及焊缝横截面形貌。在测试集上，穿透状态预测准确率达99.35%，熔深预测误差为1.79毫米，横截面重构准确率为95.65%。

该研究提出一种自监督冠层级地上生物量估算框架，利用2018年和2023年的机载LiDAR与近红外RGB正射影像，在加拿大安大略省810平方公里区域内实现了无需人工标注的树冠分割与生物量制图，并生成了双时相公开数据库。

arXiv 上发布的一篇论文提出了 Long-Context Generation (LCG) 框架，利用稀疏关系注意力（SRA）和路由一致性约束（RCC）改善长上下文多图像生成中角色与布局的连贯性，并构建了包含 60 万训练序列的 LCCD 数据集。实验表明 LCG 在提示对齐和角色一致性上优于基线。

本研究提出一种结合图像处理与深度学习的混合方法评估水果新鲜度。开发了量化腐败程度的图像处理算法（0-100分），并训练CNN进行二元分类（新鲜/腐烂）。通过逻辑回归融合两者结果，最终使图像处理算法能直接进行二元分类，无需CNN。该方法计算资源需求低，在苹果和橙子数据集上实现实时检测，准确率超90%。主要限制是水果需在白色或透明背景上隔离。

该论文提出DocArena，一个全自动数据策划流程，无需人工标注即可将原始文档集合转化为训练环境。它利用多模态大语言模型进行视觉感知、结构化索引和跨页信息分析，构建推理密集型问答对，并生成包含79K问答对、覆盖16个领域和49种语言的DocArena-79K数据集。此外，作者设计了Doc-Search智能体基础设施，将视觉感知与策略模型解耦，使纯文本LLM能作为多模态文档检索和问答的推理骨干。实验表明，在该数据上训练的智能体在检索准确性和问答质量上均取得最佳表现。

该研究提出了一种系统化的方法，将结构化语言资源（如Hindi WordNet）转化为125万条指令-回答对，用于微调12B参数的语言模型，并通过资源高效的LoRA和4位量化实现。实验表明，基于结构化知识的系统在印地语学习聊天机器人中取得了卓越的教学效果（91.0分），优于通用模型（79.4-83.6分），同时保持了竞争力的语义性能和一致性。该工作为低资源语言提供了无需大规模语料库的AI开发替代方案，有望推动数百种拥有WordNet资源的语言的专业AI发展。

新论文提出AdvCluster框架，系统分析大模型推理优势，发现约束引导推理是核心：大模型更擅长识别显式和隐式约束，并据此排除不可行路径、验证中间步骤。

NEST-V1框架将尼泊尔语语音转换为带情感的手语虚拟人，在600个样本上实现81.1%的语音识别准确率和79.21%的情感识别准确率，模型仅2200万参数，适合边缘部署。

本研究探讨如何利用非暴力沟通（NVC）原则作为轻量级提示约束，引导大型语言模型（LLM）在情感冲突情境中采取更缓和、非升级的对话行为。通过双智能体模拟框架，实验表明NVC约束能显著减少对话升级，稳定与高抵触用户的交互。

研究人员提出ContextForge系统，通过结构化查询生成、外部记忆检索和受控合成实现上下文回收，在多轮对话中减少token消耗并保持回答质量，无需扩大上下文窗口或重新训练模型。

一项新研究使用词汇匹配的立场对比探针，测量十种语言特征如何改变Llama-3.2-1B在动物福利问题上的推理倾向。八种特征产生显著影响，其中七种增强亲动物福利立场，而模糊语言和具体感官描述则削弱该立场。

该研究通过模型蒸馏法提取25道文本静力学问题，并构建添加图表和修改数值的两个数据集，发现LLM在纯文本问题上表现良好，但引入图表和多步推理后准确率下降，下降主因并非图像识别限制，而是多步推理及跨步骤一致应用视觉信息的困难。

研究发现，对语言模型进行帮助性后训练（如SFT和RL）会显著削弱中期训练注入的动物同情价值观，而编程领域后训练则能更好地保留这些价值观。帮助性训练在英语通用道德推理上也导致大幅下降，但跨语言迁移时效应消失，而同情价值观的退化则一致跨语言存在。这表明中期训练习得的价值观比后训练带来的推理改进更为深层和跨语言。因此，构建价值导向模型时，编程后训练可能是更优选择。

该论文提出Know2Guess基准，包含1200个跨五领域题目，区分可回答、应弃权与污染风险，并评估FLAN-T5、Qwen2.5和Llama-3系列模型。结果显示模型在“生产性弃权”上表现有限，校准仍差，良性拒绝持续存在。

HierBias 是一种分层上下文条件媒体偏见检测器，通过建模文档级上下文并结合二分类偏见检测与四类偏见类型分类的多任务学习，在 BABE 和 BASIL 数据集上取得了优于现有最先进检测器的性能。

该研究系统评估了拓扑数据分析（TDA）描述符在洪水检测中的效用，利用SEN12-FLOOD数据集提取拓扑特征并融入神经网络，证明拓扑特征能独立携带洪水信号，并与现有网络互补，从而构建更稳健、可解释的检测系统。

Antonio Ferrara的博士论文指出，当代算法公平性范式存在两大根本局限：审计依赖确定性的点估计，以及将个体视为脱离结构性背景的孤立实体。论文主张结合统计方法与结构性视角来更有效地应对复杂社会技术系统中的偏见问题。