本文探讨了即将到来的AI伴侣和恋人，认为它们将深刻改变人际关系和自我认知。文章讨论了‘代理型’AI的发展、对成瘾和商业操控的担忧，以及AI训练关系技能的可能性。

该论文提出了一个开源仿真框架，用于系统比较腹腔镜机器人中不同远程运动中心（RCM）建模方法和基于图像的视觉伺服（IBVS）控制架构。框架集成三种RCM模型和六种IBVS架构，通过结构化案例研究揭示了建模与控制器交互的关键结构敏感性，包括切平面定义、约束维度、开/闭环执行以及运动学奇点附近的鲁棒性影响。资源已公开，为RCM约束视觉伺服研究提供了可重复的基准。

该研究提出了一种新的框架，将主动学习中的预算机制重新解释为泛化主导机制的转变。通过重新解释PAC风格的风险组件，证明了这种主导权转移在结构上不可避免，并确定了三种阶段：数据驱动、过渡和模型驱动。实验表明，主动学习效率取决于策略的归纳偏差与当前瓶颈的对齐程度。自监督表示能更早地过渡，凸显了表示质量的作用。该工作为下一代过渡感知主动学习算法提供了统一框架。

本文提出一种模仿学习框架，利用图辅助网络编码人群交互，并设计轨迹级学习目标以捕捉时空动态，在仿真和真实数据上优于现有基线。

该研究从Argoverse 2数据集中提取1219次持续减速事件，通过19维运动学特征和K-means聚类发现四种稳定模式：预期性软减速（62.8%）、反应性接近（30.6%）、刹车式急动（4.8%）和异常类（1.8%）。仅配对年龄显示出中等效应（ε²=0.085），场景几何和弱势道路使用者接近度影响可忽略。早期事件分类器在1.0秒时达到宏F1=0.758，场景上下文贡献+0.059 F1。模式在中速驾驶中不变（ARI=0.817），但在低速时依赖速度范围（ARI=0.166）。

本文提出了一种在SE(3)李群上开发的不变扩展卡尔曼滤波器(IEKF)，用于串行刚体机械臂的状态估计。通过利用运动学方程的群仿射性质，线性化误差动力学变得自治，使得黎卡提方程能精确控制真实误差协方差。滤波器采用物理分离的噪声模型，独立处理陀螺仪和加速度计通道，并设计为模块化的每连杆IEKF链，计算成本与连杆数成线性关系。通过李代数李雅普诺夫函数证明了均方指数最终有界性，数值结果验证了方法的有效性。

研究人员开发了FLYNN，这是一种基于果蝇完整脑连接组的循环神经网络，用于视觉导航。相比传统网络，FLYNN在面对分布外数据和感官丢失时表现出更强的鲁棒性，即使在完全失明的情况下仍能运行。

本文提出GPAC架构，一种四层分层控制系统，使多架四旋翼无人机无需中央协调或交换状态即可协同运输缆索悬挂载荷。关键创新在于隐式协调，每架无人机通过局部缆索测量独立估计其有效载荷分担，同时结合几何控制、抗摆调节、风干扰观测器、基于并行学习的质量估计（无需持续激励）以及优先级排序的控制障碍函数安全滤波器。仿真显示平均跟踪均方根误差为33.8厘米，计算成本低。

服务机器人在搜索家庭物品时依赖于空间先验知识来降低搜索成本，但物品的位置可能因居民特征而异。收集特定特征的纵向居家轨迹具有侵入性且难以扩展。本文研究了何时个性化有帮助，并提出了PerSim——一种刚性门控混合策略，结合了特征条件先验和人群频率基线，仅在放置行为多变时进行个性化。通过人类校准的模拟流程生成并验证了不同家庭布局中的物品放置转换，并训练了一个预测器，输入连续的大五人格向量以输出房间级先验和房间内共现线索。一项统一的用户研究（N=200）表明，合成转换在行为上合理，并且个性化主要适用于低刚性物品，而人群频率基线对普遍放置的物品仍然有效。离线测试显示在未见过的连续特征向量上性能优于最近离散配置匹配。在家庭数字孪生中，PerSim通过结合房间访问努力和房间内线索检查降低了预期搜索成本。

针对视觉-语言-动作系统在空间关系理解上的不足，研究者提出了EmbodimentSemantic数据集与基准。该数据集通过物体-关系-物体三元组显式表示空间结构，包含真实世界和仿真两个部分，并验证了场景图对下游控制任务的提升作用。实验表明当前模型虽能预测合理关系，但难以精确处理深度和视角依赖的空间结构。

MG-SpaIR是一种无需训练数据的框架，能从单个受混合退化（模糊、下采样、噪声、缺失像素）污染的观测中恢复干净图像。它基于隐式神经表示，引入多级粗到细残差层次结构逐步优化重建，并通过显式稀疏近端正则化抑制伪影。实验表明，其性能优于Deep Image Prior。

提出一种利用合成数据训练实时装配步骤识别视觉系统的方案，仅需CAD模型和简单步骤描述，一小时内可完成部署，在真实装配案例中达到92.4%准确率，大幅降低数据采集成本。

研究人员提出了DeCoDe技术，通过将小样本图像分类分解为成对比较，使现成的多模态大语言模型无需额外训练即可成为强大的小样本分类器。该方法在十二个数据集上显著优于现有方法，代码已开源。

本文提出SegFS，一种双流快慢框架，用于开放词汇视频实例分割（OV-VIS）。通过在稀疏关键帧上使用开放词汇对象模型预测实例表示，并将这些表示投影回主干特征空间以调节轻量级快速网络，SegFS在不牺牲准确性的情况下显著提高了效率。快速分支的延迟比面向移动的MOBIUS模型低14倍，同时保持具有竞争力的分割性能。

本文提出PixelEyes，一种多轮视觉推理代理，通过解耦推理与感知来解决多模态大模型在目标定位中反复失败的问题。引入掩码引导视觉搜索和语义区域广度优先搜索，构建PixelEyes-6K数据集和Pinpoint-Bench基准，实验表明现有模型仍有较大提升空间。

城市级视觉地点识别（VPR）旨在通过将查询图像与地理标记数据库匹配来确定其地理位置。然而，现有方法忽略了城市数据集中存在的严重长尾问题，导致模型偏向图像丰富的区域，而忽视稀疏覆盖区域。本文系统性地描述了这一不平衡挑战，并提出了分布感知地点识别（DAPR）框架，这是一种与模型无关的即插即用框架，能够重新平衡头部和尾部类别的梯度贡献。在分类-检索流水线中，DAPR应用多尺度距离搜索机制来计算每类分布的紧凑性，在检索阶段提供补充增益。在SF-XL基准上，该框架在测试集v1和v2上分别比之前的分类-检索基线提升了18.3%和6.7%。作为即插即用模块，它在SF-XL、MSLS和Pitts30k上的代表性VPR方法中均取得了一致的改进。

本文提出了一种无需额外训练的证据注入框架，通过利用MedSAM获取的感兴趣区域先验，重新校准视觉感知轨迹并锚定文本推理轨迹，从而系统性地减轻医疗多模态大模型在临床问答和放射学报告生成中的幻觉问题。在多个模型和数据集上的实验表明，该方法能显著提升闭式问答准确率（最高提升约6%）并减少开放式幻觉（约35%）。

提出DiSIINet，基于扩散隐式模型统一医学图像增强与分割，通过共生信息交互模块实现特征级动态信息交换，在多模态数据集上显著提升性能。

提出了一种新的多尺度层注意力（MSLA）方法，用于改善甲骨文（OBI）识别。该方法显式建模多尺度和跨层特征交互，从而更准确地捕捉甲骨文的细粒度细节。实验表明，MSLA在大型数据集上持续优于现有注意力机制，同时保持计算效率。

SLIM-RL是一种新的强化学习方法，用于扩散大语言模型（dLLMs）。它通过τ预算解码器限制每步的承诺风险，并采用无迹随机掩码目标与方差降低技术，避免了TraceRL方法中昂贵的轨迹切分。在SDAR-4B上，SLIM-RL仅用0.46倍的训练样本就达到了与TraceRL相当的MATH500准确率，在数学和代码基准测试上均优于TraceRL。

本研究应用机器学习管道分析619个印加奇普（结绳记事装置），通过无监督聚类发现三个结构组，监督分类达到86% F1分数，并通过SHAP识别出绳索捻向为帝国风格的关键区分特征。研究还揭示了殖民时期博物馆收藏的结构印记，并独立验证了圣谷奇普的半族结构。

ALEE是一个新的评估框架，利用抽象意义表示（AMR）生成英语最小对，并配以目标语言翻译，从而实现对任意语言中文本嵌入模型的细粒度诊断。研究覆盖275多种语言和多个嵌入模型，发现不同语言、文本长度和语言现象间性能差异显著。

本文系统审计了现有的知识型视觉问答（KB-VQA）基准测试，发现其普遍存在答案缺失或矛盾、问题表述模糊以及视觉场景过于简单等缺陷，导致准确率指标失真。作者提出了审计-修复协议和多重实体增强协议来修正这些问题，并验证了修正后模型性能排名的显著变化。

一项新研究发现，医疗大语言模型的幻觉可通过简单探针以较高准确率检测（AUROC 0.77-0.86），但检测信号在神经元中分布冗余且分散，即使识别出相关神经元也无法通过干预有效纠正幻觉，揭示了可读性与可控性之间的显著差距。

研究人员针对土耳其语和阿拉伯语创建了包含六个主题的仇恨言论数据集，并开发了基于BERT的模型，用于分类、强度预测、目标识别和跨度检测，以应对在线仇恨言论。

一项研究通过人类专家评分，评估前沿大语言模型在阿拉伯文化和社会语言学知识上的表现。该交叉评估框架测试模型在埃及和伊拉克阿拉伯语上的表现，发现GPT-5.4是最可靠的评判者，而隐含的文化推理仍然是主要挑战。

一篇在ACL 2026 BigPicture研讨会上发表的论文提出通过引导向量和基于潜在空间的模型校准器来利用语言模型内部表征，从而增强对模型行为的控制能力并评估输出的可信度。

大型语言模型在创意写作中面临二元困境：要么进行安全的表面编辑，要么进行破坏性的无控制情节扩展。研究人员提出Loom框架，基于叙事学中故事与话语的区分，通过三层流水线和意图中心符号学思维链实现精准控制，在保持事件结构完整性的同时提升描述强度。评估表明Loom成功解决了这一基本矛盾，在事实完整性和描述强度上均优于现有基线。

本文对Beckmann & Butlin (2026)关于LLM个体化的本体论框架提出质疑，认为其继承了未论证的跨体制共指假设。通过Qwen3-4B-Instruct和Mistral-7B-Instruct-v0.2上的个性拓扑实验，作者展示了四个经验性楔子，共同削弱该假设，并提出体制索引个体化：表征内容的身份单位是（载体，体制）对，而非仅载体。

联邦学习在带宽上面临双重瓶颈：模型大小限制了参数平均方法的合并频率，而类别数量使得每个探针的软标签蒸馏在大词汇量下变得不可行。TallyTrain通过仅传输每个参与者的argmax类别索引，将类别轴的通信量压缩到⌈log2C⌉比特，其中C是输出类别数。实验表明，在非独立同分布训练下，硬标签多数投票能有效过滤噪声，而软标签平均会放大噪声。TallyTrain在标准基准上匹配或超越软标签蒸馏，同时通信量降低多达三个数量级。此外，结合稀疏参数合并的带宽桥接变体在Pareto曲线上优于FedAvg、FedProx和FedDF。