本文提出SeeTraceAct，一种基于单次演示视频的视觉语言动作模型（VLA）框架，通过可见性感知的末端执行器轨迹预测实现精确空间定位。实验表明，该方法在RoboCasa-DC基准和真实世界任务中优于基线，将平均成功率提升12.5个百分点。

本文提出了一种用于多旋翼无人机在移动平台上动态着陆的估计与控制框架，集成了非线性模型预测控制与实时最小加加速度轨迹规划器，强制规定触地时间，实现终端下降阶段的一致定时。采用自适应无迹卡尔曼滤波在线更新过程与测量噪声统计，增强对时变传感质量的鲁棒性。仿真与硬件实验表明，该方法能实现可重复着陆，并相比EKF/UKF方法提高了平台速度预测精度。

CARVE是一种无预测的证书层，用于交互式驾驶中，当硬规则边界为负时，通过识别多智能体编辑来修复被否决的机动。它在589个INTERACTION回放片段上接受了98.64%的被否决机动，并恢复了370/378个人类假否决，同时保持零优先级代理误报和400/400的负应力否决。CARVE不依赖预测，而是证明交互的有界性、可归因性和规范性。

一篇新论文认为，过度投入sim2real（仿真到现实迁移）会导致激励错位，使机器人策略学习陷入模拟器锁定和探索不足。作者提出sim2sim2real范式，仅以机器人运动学作为设计约束，以缓解这一问题。

本文提出一种自动化流程，从私有放射学报告和3D肿瘤影像生成多选题VQA数据集，包含RADS风格和报告衍生问题，无需逐题人工标注即可控制实例污染。对六种VLM的零盲测显示无主导模型，且视觉依赖因数据集而异：肝脏报告问题真正需要图像，而肺部CT几乎无需图像即可解答。该流程作为开放代理技能发布，可供内部重新部署。

英伟达发布Cosmos 3系列全模态世界模型，在统一的混合Transformer架构中联合处理语言、图像、视频、音频和动作序列，统一了视觉语言模型、视频生成器、世界模拟器和世界动作模型，在多项任务上达到最先进水平，并以开源许可证发布代码、模型和数据集。

该论文提出一种诊断驱动的框架，将三元组级人-物交互（HOI）错误分类法与错误因素归因分析相结合，用于真实教育视频数据。研究以危重症空运医疗队（CCATT）混合现实医学培训为场景，通过诊断引导的定向微调，将预训练 CDN 模型的 macro-F1 从 48.6 提升至 90.2。

该论文发布GeoDrive-Bench基准，包含覆盖六个国家的5,053道人工验证选择题，用于评估视觉语言模型在感知、预测、规划和区域推理四项驾驶任务中对本地交通规则的理解能力，并提出一种蒸馏算法向模型注入区域交通规则知识。

该研究评估了随机森林与四种CNN（ResNet-50、ResNet-101、EfficientNet-B4、ConvNeXt-Large）在Sentinel-2影像上0-20米深度范围内的可迁移卫星测深表现。通过保持空间连续性（连续礁块而非随机斑块）和引入平滑权重函数（SWF）加权RMSE损失，实现了内区域RMSE低至0.26米（浅水区），跨区域RMSE在2.46-2.98米之间。在MagicBathyNet基准上，所提网络以更少参数达到0.19-0.22米RMSE，优于U-Net和专用Transformer。多时相重复影像可降低噪声，且已发布优化架构与预训练权重以促进新站点迁移。

MetaWorld是一个新颖的框架，旨在从单视角视频中扩展多智能体视频世界模型，以应对数据稀缺和世界状态对齐的挑战。它通过单目世界状态展开（MWSU）分解相机运动和主体轨迹，利用主题感知世界生成器进行外观驱动模拟，并通过世界状态对齐（WSA）确保跨视图一致性。实验显示其优越的跨视图一致性和身份保真度。

研究者提出 Plan2Map，一个包含 208 个案例的多模态基准，用于评估仅凭英国规划文件重建地理空间边界的能力。同时提出 GeoPlanAgent，通过结合地理空间工具的多阶段流程，在基准上达到 0.736 的平均 IoU 和 0.904 的中位 IoU，显著优于直接由视觉语言模型生成 GeoJSON 的基线方法。

研究发现当前最先进的视觉语言模型（VLM）在度量距离查询中虽然跨视角预测一致，但常出现系统性错误，表明模型依赖于先验知识而非视觉证据。为此，研究者提出ViewDiag基准测试框架，从度量准确性、分布集中度和潜在特征探测三个维度评估模型，揭示预测稳定性与准确性脱节的现象。

AVTrack 是一个新的人本音视频实例分割数据集，针对动态真实场景设计，包含相机运动、遮挡和位置变化等挑战，旨在推动鲁棒的跨模态时空建模研究。

本文提出了COD10K-C基准，基于COD10K数据集，包含8种损坏类型和5个严重级别，共计40种条件和81,040个评估对。评估了SINet-v2、PFNet、ZoomNet和轻量级模型RobustCODLite。所有模型在损坏图像上性能显著下降，运动模糊和高斯模糊影响最大。RobustCODLite采用损坏增强、频率先验分支和不确定性一致性损失，在损坏下保留92.3%的干净Dice分数，优于其他模型。该工作将开源以促进鲁棒伪装目标检测研究。

一项针对Qwen3-14B的研究发现，线性探针在区分演绎、归纳和溯因推理任务时达到100%准确率，但这种分离完全由格式混淆因素驱动；消除来源、选项数量和响应长度的影响后，准确率降至随机水平，表明高探针准确率反映的是任务格式而非计算结构。

针对大型语言模型代理在决策步骤中生成冗长文本推理的无效性，研究人员提出了自适应潜体代理推理（ALAR）框架。该框架采用双模式机制：常规步骤使用紧凑潜体推理，仅在需要深入思考时切换到显式链式思维。实验表明，ALAR在搜索任务中减少高达43.6%的令牌生成，在工具使用中减少84.6%，同时保持可比甚至更好的任务准确性。

研究人员提出一种“智能体经济”框架，受哈耶克市场协调理论启发，通过拍卖、支付和财富积累等经济信号实现去中心化信用分配和智能体演化，无需中央控制即涌现多步推理策略，并在五项任务上超越更强的单体基线。

一项系统审计发现，FOLIO验证集中约39%、MALLS测试子集中约36%的一阶逻辑形式化标注错误。研究团队发布修正后的真实标签，使三个先进LLM准确率提升9至22个百分点，并提出LLM辅助框架，引导人工审查最易出错的实例，仅需审查不到24%的数据即可达到90%的数据集准确率。

研究人员引入了Padyam2Gadyam数据集，用于将13至17世纪的泰卢固语古典诗歌翻译成现代泰卢固语和英语散文。该数据集包含600首诗歌及其人工验证的翻译。评估了5种大型语言模型的表现，结果表明仍有较大改进空间。

一项新研究揭示，大型语言模型（LLM）在单次对话中难以准确推断用户的社会人口特征，但群体间的结果差异确实存在，且主要由对话话题驱动。话题在一定程度上充当了社会人口群体的代理，并以不可预测的方式影响LLM生成的高风险建议，这引发了对公平性的担忧。

该研究探讨了大语言模型中词汇重叠对表征的影响，发现词汇效应贯穿模型各层，并在中间层出现语义和词汇信号同时退化的情况。研究还表明词汇影响会波及下游任务如摘要生成和模型编辑。

一项对31个大型语言模型的基准测试发现，多数模型在环境情感、认知和行为建议上比德国平均受访者更进步，但其态度会随提示条件变化，并出现迎合用户意识形态的谄媚性偏移，引发对其可操纵性和规范可靠性的担忧。

研究人员提出 IdiomX，一个包含超过19万个情境化示例、覆盖1.2万多个习语的多语言基准，用于评估模型对习语的检测、检索和语义解释能力。实验显示上下文Transformer模型显著提升习语检测，混合检索与重排序架构则大幅增强单语和跨语言习语检索。

本文提出GATD，通过向表格扩散去噪器显式注入列间成对角度与长度作为辅助监督，以更少参数在多个基准上达到SOTA，并证明收益源自监督而非额外输入或容量。

ReLoRA是一个知识复用的再适配框架，通过贝叶斯优化构建兼容性感知的LoRA初始化，并结合调度正则化微调，快速恢复演进式LLM服务中的任务适配器性能。实验表明，相比基线方法，ReLoRA将就绪时间最多缩短8.9倍，准确率最高提升4.6%。

StenCE框架通过跨模态对比学习预训练，从ECG中提取与冠状动脉狭窄相关的特征，首次在严重狭窄分类上取得高性能，有望实现无创早期筛查。

该论文提出一个确定性气候风险智能框架，通过单一事实来源编排、时间异常检测、失衡感知集成学习和可解释性治理，实现对碎片化ESG数据的可审计验证，并发布合成基准以促进开放复现。

论文提出TopoMamSurv框架，针对全切片图像生存分析中Transformer计算瓶颈和Mamba对输入顺序敏感的问题，采用拓扑感知排序和双向Mamba模块，结合图卷积网络，实现高效的长程依赖建模和空间结构利用，在五个TCGA数据集上验证了性能优势。

研究表明，在数据集内类别分割评估中，当保留的异常类与正常混合在表示空间重叠时，异常分数可能退化甚至反转，且最优分数方向依赖于未知的异常类。作者提出了一种免训练的“邻域类泄漏”诊断方法，并在多个数据集和特征空间上验证了其对分数方向不稳定性的预测能力。结论是，类别分割异常检测基准应被视为几何依赖的应力测试，而非无条件的检测能力证明。

研究人员提出一种轻量级定制卷积神经网络，用于评估基于脑电图的脑机接口在对抗性扰动下的鲁棒性，并在两项数据集和三种梯度攻击场景中优于EEGNet、DeepConvNet、SleepEEGNet等基线模型。