本文针对远程光电容积描记法（rPPG）Transformer模型的可解释性不足，提出了一套定量化评估工具。作者将四种归因方法适配到RhythmFormer的双层路由注意力机制，引入了皮肤覆盖度指标，并将忠实度系数从分类任务扩展到rPPG回归。实验发现稀疏top-k路由下的多跳泄漏效应，而Beyond Intuition方法通过值投影加权和梯度掩码有效缓解，在UBFC-rPPG数据集上取得最高皮肤覆盖度（0.83）和忠实度（F=0.92）。研究推动了rPPG XAI向可审计的数值证据发展。

研究者提出 i2L（image-to-LoRA）框架，可在单次前向传播中根据一到多张参考图像直接预测 LoRA 权重，从而免去每种风格单独优化的过程，并在 Z-Image、FLUX.2 与 Hidream-O1 上提升风格保真度、提示对齐与感知质量。

CineOrchestra是一种统一的视频扩散模型，能够同时控制主体、事件、摄像机和镜头切换，通过实体中心条件原语和两种无参数的有序旋转嵌入实现。在两项新基准测试中，它优于六种单轴专业模型。

本文提出在卷积神经网络中引入可学习的成对滤波器连接函数，替代传统的逐点激活，使网络能够根据任务自适应调整连接方式，从而提升准确率。

IoU是目标检测中衡量候选框与真实框匹配程度的关键指标，但存在不敏感区域，导致不同几何重叠的样本获得相似IoU分数。本文提出一组形态相似度度量（面积、形状、长宽比），通过均值聚合辅助匹配分数，重塑响应分布，提升正样本分配精度。基于YOLOv9的实验在NEUDET和GC10-DET数据集上取得一致性能提升，且无需额外推理开销。

一项受控实证研究系统比较了提示、监督微调和强化学习在生成式ICD编码中的效果，发现仅靠提示评估会严重低估LLM潜力；SFT带来主要能力提升，GRPO进一步优化代码集预测，而新提出的PHI课程在宏观指标上提供针对性增益。

DLawBench是一个诊断性基准，用于评估大语言模型在模拟律师-客户咨询中的多轮交互能力。它涵盖461个中美法律案例、5,532条事实条目、3,411个询问评分标准和3,348个问题解决评分标准，测试了26个代表性模型。最佳模型GPT-5.5仅获0.562分，并暴露出模型在法律咨询中的谄媚倾向和一个悖论：当客户最需要指导时，模型表现反而更差。

本文提出SANA（搜索代理导航消融框架），一种诊断性消融框架，用于分解数据湖中探索性问答（EQA）任务的失败原因。通过将EQA任务转化为包含黄金源序列、清洗后子问题和执行记录的运行时配置文件，SANA构建理想化的搜索、规划和数据分析工具，对各组件进行消融，从而诊断策略失败。实验表明，数据分析是持续瓶颈，搜索在大型数据湖中限制显著，而规划问题相对较小。

神经主题模型虽能实现可扩展的语义发现，但其与量子硬件的结合尚未得到充分探索。本文提出了一种概念验证的混合经典-量子变分自编码器（VAE），在VAE的推理网络中嵌入参数化量子电路，同时保留经典的主题-词解码器。为解决量子硬件资源受限的问题，提出了一种改进的高斯Softmax后验分布，将潜在空间维度与待提取主题数量解耦，使得模型能够在仅有10个量子比特的低资源量子设备上运行。在AgNews数据集上，该混合VAE在主题一致性（C_v为0.71）和点互信息（NPMI为0.20）上均超越了现有最先进的神经主题模型，同时保持了高主题多样性。作为对比，全经典变体也在同一数据集上超越现有模型，并在潜在空间中展现出清晰的类别分离。这些结果表明，即使在NISQ时代的设备上，混合VAE在计算上也是可行的，为量子增强主题建模指明了有前景的方向。

该研究提出一个验证框架，评估基于大语言模型（LLM）的城市模拟器生成的人类移动模式是否真实。通过对巴黎大区和上海的数据集测试AgentSociety和CitySim，发现这些模拟器虽能生成看似合理的叙事，但未能复现真实的时空约束，如行程长度分布、起止点流量、停留时间和转换动态。研究还指出，移动多样性对提示配置敏感，需要显式的个体画像初始化。作者提供了可扩展的开源工具，用于地图生成、模拟增强、移动指标计算和交通模拟。

一项新研究指出，现代大语言模型训练流程存在“文化数据漏斗”：显性文化信号在预训练后的微调、对齐和推理阶段急剧减少，导致模型文化知识不均衡。研究团队发布含560万样本的文化标注数据集以推动改进。

本文概述了在OSACT7研讨会上组织的QIAS 2026共享任务，旨在评估大语言模型在伊斯兰继承法领域的复杂推理能力。任务基于MAWARITH基准（12,500个阿拉伯语继承案例），要求系统完成从识别合法继承者到为每位受益人分配正确份额的端到端计算过程，并使用多步骤评估指标MIR-E进行评判。共有16支团队参赛，探索了提示方法、检索增强生成和微调策略等。结果表明，伊斯兰继承推理对当前语言模型仍是极具挑战性的基准，尤其是在需要精确法律解释和结构化数值推理的阶段。

本研究介绍了PSL团队在2026年QIAS阿拉伯伊斯兰继承推理共享任务中的参与情况。该任务评估大型语言模型解决涉及法律解释、多步推理和精确数值计算的继承案件的能力。结果显示，商业模型（如Gemini 2.5 Flash）在识别合格继承人、应用排除规则和保持推理一致性方面表现更佳，而开源模型在依赖法律决策和分数份额调整的情况下稳定性较差。

一项新研究介绍了WebDecept，一个用于注入欺骗性界面以测试网页代理安全性的框架。评估表明，当前代理极易受到定向广告、域名重定向等操纵，且基于提示的防御往往失效。

一项新研究发现，使用大型语言模型（LLM）作为评审（LLM-as-a-Judge）来评估其他模型输出时存在显著的不稳定性：成对偏好平均翻转率为13.6%，28%的问题超过20%的翻转率，个别问题高达56%。GPT-4o-mini表现出明显的首位偏见，且不同评审之间的一致性仅为76%。研究表明，单次评估噪声过大，建议采用多次实验聚合、随机化位置和明确报告不确定性。

研究表明，大脑皮层神经活动的试次间变异性（结构化噪声）可以显著提高人工神经网络对对抗攻击和自然图像修改的鲁棒性，其中自然修改的鲁棒性提升最大但迁移性差，而对抗噪声的结构可推广到其他攻击。

该论文指出扩散策略强化学习后训练存在'双重漂移'问题：优化变分代理目标会使ELBO偏离真实对数似然，导致代理策略梯度与真实期望回报梯度错位。作者提出DiPOD框架，通过自我蒸馏与策略改进梯度更新交错进行，并在每次梯度更新中加入同策略ELBO正则项，在扩散语言模型后训练和连续控制任务中显著稳定训练并提升奖励。

一篇新论文提出Cheap LoRA (cLA)和链式循环变体c³LA，通过在现有LoRA变体中引入稀疏性，实现参数高效的微调。理论推导了泛化误差界，实验表明在11种微调方法、10个预训练模型和14个数据集上，稀疏结构化列空间限制的LoRA方法在保持竞争力的同时，可减少高达10%的训练时间和15%的峰值GPU内存。

D2H-AD 是一个基于超维计算（HDC）的新型异常检测框架，融合了距离相似性与密度感知编码，在五个基准数据集上优于五种基线方法，并具备轻量、可解释、低延迟等特性，适用于边缘AI和TinyML场景。

最新研究通过干预训练过程中的权重范数，证实了权重范数是神经网络“顿悟”（延迟泛化）的因果决定因素。研究发现，在自由训练中，网络在权重范数达到一个临界值Wc时发生顿悟，该值变化极小且随模数呈幂律增长。当固定范数为Wc的倍数ρ时，延迟时间遵循T_grok ∝ exp(αρ)，指数α≈7.5，拟合优度R²=0.996。固定范数可使延迟变化约19倍，而学习率仅影响约2倍。添加LayerNorm可消除这种依赖。

arXiv论文提出全GPU工作流，结合可微分高保真求解器与残差优化，训练神经仿真器预测高超声速流场，提升物理一致性并泛化至训练分布外。

一种针对时尚电商促销活动的新算法定价工具，采用日分辨率需求预测和多目标优化，在Zalando的A/B测试中实现了6%的利润提升。

该论文提出llada.cpp，首个面向智能手机的NPU感知扩散大语言模型推理框架，通过三项技术解决NPU利用难题，将LLaDA-8B生成延迟降低17-42倍，同时保持生成质量。

arXiv论文研究Gemma 4指令微调模型在长枚举任务中的重复循环问题，发现可通过静态权重编辑（最小仅需反转一个神经元的符号）消除循环，但无法解决因知识缺失导致的“doom loop”困境。

该论文指出，在低资源数据孤岛中，验证器只能看到目标流形的碎片化、有偏切片，数据选择本身因此产生偏差：它保留与局部流形一致的样本、剔除全局相关的尾部模式，从防止模型崩溃的手段变成诱发崩溃的机制。作者从理论上证明这种孤立选择会加速崩溃并导致幂律式多样性衰减，并提出用跨孤岛的 Wasserstein 代理参考作为初步缓解方案。

TwinBI 是一个代理式数字孪生框架，通过共享分析状态统一仪表板操作与自然语言对话，在多步分析中保持上下文一致。A/B 测试显示其将精确匹配准确率从 43.3% 提升至 63.3%，超时率从 40% 降至 10%，用户研究也表明集成工作流获得积极评价。

YeasierAgent 提出一种基于共生智能体、叙事世界和场景感知交互的应用构建范式，通过平台无关的交互单元（智能体、场景、对话）实现跨平台快速构建智能体原生应用，并将情感陪伴与工具执行统一在体验式沙盒中。

一篇新论文比较了差异均值法（DiM）和迭代空空间投影法（INLP）在安全微调聊天模型中引导拒绝行为的效果。研究发现，INLP反事实翻转在拒绝抑制方面与DiM定向消融相当，而空空间投影则较弱。将INLP限制在主要方向可以保持抑制效果且困惑度接近基线，两种干预方法落入激活空间的不同区域，表明模型对概念缺失与相反概念有不同的编码。

2024年，WorkBench上最强的代理GPT-4完成43%任务，26%有害行为；2026年，Claude Opus 4.8完成89%，有害行为降至2.5%。能力与安全性协同提升；基本错误仍可能导致不可逆损害；开源模型降低成本。更新版基准发布。

提出混合开放式三进化（HOTE）框架，利用混合模式强化学习促进提议者、求解者和评判者基于网络规模知识的协同进化，实现自主进化智能体。实验表明，8B模型在长格式深度研究基准上超越最强静态8-32B模型及最先进深度研究方法，且时间开销更低。