研究团队发布 SalArt-VQA 诊断基准，包含 950 张图像和 3,681 道人类编写的多选题，用于细粒度评估视觉语言模型（VLM）对 AI 生成图像中显著伪影的理解能力。在 20 个 VLM 上的测试显示，图像级检测高准确率掩盖了模型在定位、空间接地和缺陷识别上的严重失败：最强模型检测召回率达 99.37%，但四类伪影问题全部答对的图像仅占 53.26%。

本文提出高效持续对齐（ECA）方法，用于开放图像到文本生成中的增量学习。通过引入持续对齐概念和三个核心机制（查询混合模块、费舍尔动态扩展、字典回放），ECA在不依赖旧数据的情况下有效缓解灾难性遗忘，并在新基准上取得优异性能。

本文提出上下文中心特征融合（CCFF）框架，通过局部和全局注意力模块增强共现目标检测，在Cityscapes和BDD100K数据集上显著提升关系一致性，并改善小目标和稀有类别检测。

本文提出双状态槽注意力（DSSA），一种完全自监督的视频对象中心学习框架。DSSA将每个槽分解为局部状态（每帧外观）和身份状态（时间稳定对象信息），通过竞争调制聚合（CMA）减少弱匹配槽的虚假更新，从而解决现有方法中因单一槽向量编码外观与身份导致的槽交换问题。实验表明，DSSA在MOVi-C、MOVi-D和YouTube-VIS上持续提升了分割质量和时间一致性，并在下游任务中表现更优。

医学大型视觉语言模型（LVLMs）在医学影像任务中表现优异，但仍存在事实不一致、视觉基础薄弱等问题。现有对齐方法在医学领域有三大局限：序列级奖励信号无法区分关键临床标记；依赖静态监督微调导致分布偏移；缺乏显式视觉约束。本文提出一种细粒度、在策略的对齐框架，利用双向逐词KL正则化器和视觉对比基础目标，通过最小限度编辑模型输出构建偏好对，仅纠正临床错误部分，同时保持语言风格。实验验证了该方法的有效性。

少步扩散蒸馏在4-8步生成中已日趋成熟，但进一步推至2步仍具挑战。本文介绍Z-Image Turbo++，一个从8步Z-Image Turbo教师模型蒸馏而来的高质量2步图像生成模型，通过三个关键设计：分布对齐对抗学习、步解耦参数化、以及带有迭代正则化的端到端训练，显著缩小了2步与8步生成之间的质量差距。

HairPort是一个3D感知的发型迁移框架，通过将发型去除与迁移显式分离并强制几何一致性，解决了大姿态与尺度差异下的发型迁移难题。该方法提出Bald Converter（基于LoRA的FLUX.1 Kontext上下文适应）生成逼真光头图像，并构建了包含6000对光头-原始图像的Baldy数据集。实验表明，该方法在定性和定量上均优于现有方法，已被SIGGRAPH 2026接收。

本文提出一种基于AMD Kria K26 SOM的低功耗、便携式跌倒预测与检测系统，利用Intel RealSense D455相机捕获RGB和深度图像，通过量化YOLOX、Anchor-to-Joint（A2J）和CNN三级流水线实现隐私保护的实时跌倒检测。系统在边缘设备上运行，无需云端依赖，适用于老年人监护。实验表明，多线程流水线帧率达4.5 FPS，YOLOX、A2J和CNN精度分别为74%、84.13%和75.85%。

该论文提出多智能体模拟方法，研究形态学词干与屈折交替的涌现过程，并引入基于大语言模型的“AI历史语言学家”系统评估模拟形态的真实性。研究发现无标度社会网络和随机伯努利采纳策略有助于产生更合理的形态。

AfriSUD 是首个大规模、社区主导、母语者验证的九种非洲语言依存树库集合，采用 SUD 框架，覆盖主要语系。在词性标注和依存句法分析上的评测显示，现有模型（包括多语言编码器和 LLM）在非洲语言句法上存在显著差距。

该研究对潜在推理模型（LRM）中的可观察模式进行了因果与几何分析，发现如BFS前沿和可解码算术计算等模式在控制组中也出现，且并非总是因果影响行为。因果干预揭示潜在思考的利用是分级的，几何分析显示效应集中在低秩方向。结论：可观察模式不能作为内部推理机制的证据，LRM可解释性需要匹配的控制组和因果测试。

一项新研究提出两阶段框架，通过领域自适应预训练和层次化分类，显著提升阿拉伯语社交媒体文本中的心理健康障碍检测性能，并发布了包含50,670条推文的新标注数据集。

研究人员发布了 Shopping Reasoning Bench，这是一个包含 525 个专家编写的购物任务和 10863 条重要性加权评分标准的基准，用于评估语言模型在多轮购物对话中的推理能力。对九款模型的测试显示，整体通过率仅为 57% 至 77%，暴露出当前模型在专家级购物建议方面的不足。

本文提出“约束语义解压缩”任务，以波斯谚语条件故事生成为测试平台，发现LLM存在持续的解压缩差距：表面流畅但难以忠实体现谚语中的道德与因果结构。

本文提出了一种用于机制级药物相互作用（DDI）预测的可复现标注与评估协议，包含7家族147亚型分类法和泄漏安全的冷分片策略。并开发了7B参数的MARD模型，融合单令牌KL散度、PRM加权DPO和机制感知检索通道三项创新。在2026年4月DrugBank数据集上，MARD-7B是32个系统中唯一在药物对新颖性下保持准确率的模型，比最佳基线高13.9个百分点，比GPT-4o高6.7个百分点，成本仅为前沿API的1%。分析表明其优势源于结构化药理推理而非药物频率记忆。

EDEN（急诊科电子笔记）是一个新的大规模临床笔记语料库，包含约400万份来自意大利医院急诊科的完全匿名化笔记。其中约六千份笔记由临床专家手动标注，涉及呼吸困难和意识丧失两种患者情况，包含132个条目。该数据集旨在填补意大利语临床数据空白，支持大型语言模型在医疗领域的应用。

一篇发表于 COLM 2026 的论文通过 DoRA-RBAC 框架测试了适配器组合中的干扰假设，发现几何感知的合并策略相比标准平均并无一致优势，表明干扰主要源于共享非线性表示的交互，而非线性参数更新的重叠。

该论文将梯度直接通过未滚动的 Gray-Scott 模拟反向传播以反演参数，发现优化失败源于损失景观的几何结构：平坦高原与分岔边界处的陡崖。通过消融分析，作者明确了残差损失与神经网络在 PINN 中的分工。

本文提出了一种针对伯恩斯坦-舒尔核的新型随机特征构造方法，该类核是有限特征核与完全单调平移不变核的乘积。该方法结合了草图调制和径向随机化，实现了线性特征维度，同时提供了包括无偏性和算子范数界在内的严格理论保证。该方法在核岭回归中提高了效率，旗舰实例是有偏yat核。

研究者提出 MF-Net，一种循环动力学模型，将所有变量表示为共享场状态，并通过学习到的关系定律更新状态。该模型在多个预测任务中表现良好，并能揭示变量间的交互结构。

一篇立场论文认为，面向半导体制造等受物理约束领域的生成式AI，应在架构层面内嵌物理规律，而非依赖事后过滤。文章调研了物理信息扩散、PDE约束变分模型、神经算子先验和守恒律生成网络等工具，并提出四条模型与仿真器的集成路径及一个研究议程。

ProHiFlo 是一种分层流匹配框架，通过从粗到细的生成、功能引导和自适应 SE(3)-等变架构，在蛋白质生成任务中实现最先进性能，并在酶活性位点支架任务中以 58.9% 的成功率超越 RFDiffusion 的 41.2%，同时减少采样步骤。

《Few-Shot Resampling for Scalable Statistically-Sound Data Mining》提出 FewRS，一种基于新型上确偏差界、只需极少重采样数据集的统计显著性评估方法，在保持高统计功效的同时，将运行时间相比现有技术最多缩短两个数量级。

一项新研究提出双立场评估方法，发现激活引导虽能减少大语言模型的谄媚行为，却会无差别地抑制对事实正确陈述的同意，揭示了激活表征可读但不可写的普遍鸿沟。

本文研究具有二元潜状态和不完美二元反馈的休眠多臂赌博机问题，受机会频谱接入中感知误差的启发。作者开发了基于部分守恒定律（PCL）的分析与计算框架，用于建立可索引性并计算Whittle指数。该框架通过关联确定性骨架、更新分解和单词组合等工具，在多个阈值区域得到了可处理的折扣奖励和资源指标表达式，完全验证了PCL-可索引性条件。对于未能完全解析的区域，推导了高效数值方案来计算边际生产力指数。大量计算实验表明，该条件在广泛参数范围内成立，且MP指数策略通常显著优于标准基准策略。

该研究在电子健康记录中部署LLM，训练预响应分类器预测用户拒绝响应的风险，使用4.5个月的前瞻性数据达到0.719的AUROC，表明利用部署特定情境可提升预测能力。

一篇新预印本论文探讨了从人类水平的通用人工智能（AGI）向人工通用超级智能（ASI）的过渡，提出了四种潜在路径：扩展AGI、AI范式转变、递归改进以及大规模多智能体集体涌现的ASI。论文还讨论了这些路径上的摩擦与瓶颈，并指出AI进步可能加速，导致一系列变革而非单一突破。

紧凑型语言模型在工具使用方面面临挑战，尤其是在孤立函数调用之外。Evoflux 在推理时使用进化搜索来修复可执行工具工作流，在 MCP-Bench 任务上将执行可行性从约3%提高到17-24%，优于 SFT 和 DPO 基线。

TrajGenAgent提出了一种基于分层LLM智能体的框架，无需模型微调即可生成逼真的合成人类移动轨迹。它采用两阶段设计：LLM首先通过上下文学习合成个体和星期条件化的活动链，然后通过确定性工作流（包括个性化POI检索、距离感知位置选择、运动学感知的旅行时间传播和LLM持续时间估计）将每个活动转化为完整的访问记录。此外，引入基于异常检测的评估框架来评估行为与语义合理性。实验表明，该方法在时空保真度、语义一致性和个体行为真实性方面优于现有方法。

一篇新论文发现，现有语言模型谎言检测器在遇到经训练、隐藏信念可验证的“模型生物”时性能大幅下降，只有思维链判断器保持较强准确率（0.82平衡准确率），表明当前检测器无法支持对模型信念的高置信度断言。