TurboMPC 是一种完全在 GPU 上运行的可微模型预测控制求解器，结合 SQP、ADMM 内层求解与隐式微分，并在机器人仿真和实车竞速中实现显著加速与超长规划时域。

本文介绍了将模拟到现实性能估计与赌博（来自Chen等人）和安全随时有效推断（来自Ramdas等人）相结合的方法。该方法利用缩放模拟器，为均值估计产生高效可靠的证书，在机器人性能测试中尤其有价值。

本文提出TOLD框架，一种实时边级自适应方法，通过在线更新交互拓扑权重来最小化编队畸变，相比传统节点级控制器显著提升鲁棒性。理论分析和仿真实验验证了其有效性，在Crazyflie 2.0四旋翼上实现了超过62%的畸变降低。

强化学习可以训练双灵巧手在物理仿真中高精度地弹奏钢琴，但高自由度手的任务奖励或逆运动学方法常导致不自然的姿态和关节过度伸展。本文提出对抗姿势正则化（APR），利用少量随意的人类弹奏数据，通过对抗目标使策略的姿势分布与人类先验匹配，从而产生更像人类的手形。同时，使用消费级Meta Quest 3收集并发布非结构化手部运动数据，并将其重定向到Shadow Hand。在cPSI、BSE和FAC三人性化指标及视觉质量上均显著优于先前方法。

本文报道了2024年6月10日至14日举行的洛伦兹中心研讨会“工程化可靠自主系统”(ERAS)的成果。研讨会聚焦于自主系统的验证与确认技术、实际工程应用以及安全软件架构，形成了一份挑战目录和解决方案路线图。部分挑战可通过现有学术方法解决，但未在工业界广泛应用；其他挑战仍需进一步研究。

arXiv 论文提出 FEARL 框架，通过将机器人策略分解为大型控制器和小型安全模块，使得安全模块可以接受形式化验证，同时保留基础模型的表达能力，并在仿真和真实机器人上验证了其有效性。

本文提出取证知识图谱（FKG）框架，将取证痕迹提取、结构化推理与人类可解释说明整合在一起，用于可信图像鉴伪。该方法同时发布了一个含5万张真实伪造图像及真值FKG的数据集FKG-50K。实验表明，FKG在检测、伪造识别与定位以及取证论证方面均优于现有取证检测器和视觉语言模型。

该论文提出 TheProfessor，一种多教师提示蒸馏方法，通过集成领域微调的 PromptSRC ViT-L/14 教师和零样本 EVA-CLIP-L/14 教师来提升轻量学生模型在域偏移下的性能。在四个数据集上的实验显示，置信度加权集成平均 HM 提升 1.77 点，其中 EuroSAT 提升最大（+5.78）。

REALM 提供了首个针对物理世界视觉语言模型的统一红队测试基准，整合了12种攻击方法、3种防御措施和13个模型，以公平比较漏洞。关键发现包括文本和排版注入攻击最有效，且模型规模本身不提升鲁棒性。

研究者提出HeRA方法，在注意力头级别对齐多模态大语言模型与视觉编码器的表示，通过对齐最不对齐的头，在18个基准上提升了视觉中心任务性能并减少幻觉。

研究人员提出HANCLIP，一个通过双曲几何和角度三元组目标重构嵌入空间的视觉语言模型系列，仅用2万个图像-文本四元组训练，显著提升否定理解能力而不损害标准任务性能。

ABACUS是一个统一的视觉语言模型，能够在无基准特定训练的情况下处理物体计数、人群计数、指代表达计数以及计数忠实图像生成。它基于3B参数统一基础模型构建，通过三项关键创新适配于物体定位任务：密度感知自适应缩放与目标图用于空间定位；基于GRPO的边界感知计数策略消除裁剪边界误差；以及循环一致GRPO策略，理解分支自我批评生成输出，无需外部标注即可弥合理解与生成之间的差距。ABACUS在七个基准上均达到最先进水平，超越了任务特定专家和更大的通用模型。

该论文提出一种从空间到频谱的特征处理范式，通过可插拔的频率引导模块（WDG、LGE、FDHead）注入频率感知调制，在多个小目标检测基准上以仅1/6参数量超越同规模YOLOv11。

本文提出PV-TAM方法，通过分析提示侧语义而非答案侧token来评估视觉语言模型的一致性，解决了答案生成中的解码漂移和模态边界标记偏差问题，在多个数据集上提升了定位指标。

现代视频扩散模型通过扩展规模提升了生成质量，但也带来了高昂的推理成本。Sol视频推理引擎提出了一种无需训练的智能体加速框架，通过缓存、稀疏注意力、token剪枝、量化和内核融合五种技术，针对具体模型、硬件和配置进行实例特定优化。在三个不同规模的视频模型上，该框架实现了超过2倍的端到端加速，同时几乎不损失VBench质量指标。

研究人员开发了一种几何信息引导的计算机视觉流程，仅用单个自行车摄像头即可自动检测超车事件，召回率达97.8%且零误报，并能在车辆通过前平均2.44秒识别超车意图。

针对标准分词评估指标（如生育率）无法捕捉黏着语言形态正确性的问题，研究提出了QuechuaTok基准，比较了四种分词策略（BPE、Unigram LM、WordPiece和形态感知PRPE）在南克丘亚语上的表现。使用20万句语料库和SQUOIA形态分析器，评估了生育率、OOV率和形态边界准确性（MorphAcc）。结果显示，BPE生育率最低（1.636），但MorphAcc仅6.67%；PRPE的MorphAcc高达83.33%，证明仅靠生育率不足以评估黏着语言的分词器。

该研究质疑了精确匹配检索召回率作为检索器质量的代理指标的有效性。在tau-bench基准测试中，研究者发现检索到的策略子句与黄金标准策略相比，在下游分类任务中表现几乎同样好，尽管精确匹配召回率仅为7%。结果表明，仅依赖召回率可能会低估检索策略的实际效用。

本研究审计了八种自动评分器在三种评估构造上的表现，发现没有一种评分器能在所有数据集上保持最佳性能。在生成答案归因构造中，指标排名甚至出现反转，NLI评分器在长文本任务中失效。基于提示的LLM裁判避免了随机性能，但成本高且非确定性。研究表明，指标选择需针对目标数据集验证。

一项评估六款专有大型语言模型在16种DSM-5精神健康状况下安全性的研究发现，防护措施仅在自杀和自残方面可靠，而在进食障碍、物质使用障碍和重度抑郁症等状况下失败率高达100%。研究者呼吁按临床状况定义伤害类别并实施相应保护措施。

该论文提出IBA框架，将实体识别与证据排序解耦，通过让多模态大模型从候选名称中选择高置信度实体，再使用文本重排器选取证据，在Encyclopedic-VQA和InfoSeek上超越微调基线且降低计算复杂度。

该论文提出了一种可扩展且可解释的框架，利用大语言模型从定性产品反馈中量化产品需求性。在ZORQ和CARMA数据集上，零样本连续数值情感评分与专家标签的皮尔逊相关系数高达0.97，分类准确率达94%。GPT-4o-mini在性能媲美大模型的同时成本降低94%。框架还集成了模型置信度和可读性解释，提升了透明度和信任度。

arXiv 论文研究自我生成文本识别（SGTR）微调作为一种角色定向干预，在 GPT-4.1、Qwen2.5-32B-Instruct 和 Seed-OSS-36B-Instruct 三个模型上测试，发现它能有效预防并逆转涌现性对齐偏离（EM），并将 EM 重新解释为对齐角色的失稳而非采用连贯的恶意人设。

本研究提出归一化上下文利用（NCU）指标，用于严格量化RAG系统中的上下文信息增益。实验表明，在严格事实提取任务中，小语言模型（SLM）表现优于或媲美大模型，而商业API在近半数对抗性冲突中覆盖了外部证据，并出现置信度崩溃。

提出ModTGCN，一种模块感知图神经网络，通过联合优化交叉熵和模块化辅助目标，促进类别一致的文档社区，同时保持判别表示。在五个基准上取得一致改进，尤其在低同质性数据集上表现显著。

EXPO-SQL提出了一种基于执行的子句级策略优化方法，通过分析执行结果（包括错误信息和逐步执行）为SQL查询的每个子句分配细粒度奖励，解决了现有强化学习方法中粗粒度查询级奖励导致的学习信号不足问题。实验表明，该方法在多个Text-to-SQL基准测试中显著优于现有的监督微调、提示和RL方法。

一篇新论文提出“退化蒸馏器”方法，通过估计和展平Fisher信息矩阵，自动、符号化地检测并解决模型中的参数退化问题，从而提升下游神经后验估计的效率，最高可减少10倍仿真需求。

本研究提出一种深度学习应用，利用多变量时间序列图神经网络（MTGNN）重建1940年以来的月度GRACE类陆地水储量异常（TWSA）。该方法通过混合邻接矩阵编码空间依赖关系，在南美洲流域实现了0.94的平均相关系数，并成功再现了2015/16年厄尔尼诺和2020/21年拉尼娜事件。与现有方法相比，MTGNN仅需少量预测变量即可达到竞争性性能。

Fang Wu等作者提出SurfBind，一种直接基于分子表面表示进行表位预测的框架，通过Transformer架构结合几何与理化线索，在SAbDab和DB5.5等基准上取得最先进性能。

该论文主张，已发表的因果方向准确率因协议不同而不可比。作者在相同的102对Tuebingen数据上严格重跑了多种方法，不调参且强制决策。结果显示，一个零参数的压缩基线达到74.7%加权准确率，与最强方法（SLOPE的77.2%）在统计上无显著差异。论文还追溯了RECI的77.5%引用错误，并揭示了SLOPE的82.4%是决定子集上的数字。