Rhoda AI 提出直接视频-动作模型（DVA），将机器人控制重新定义为视频生成，利用网络视频预训练实现数据高效的任务学习、长期上下文记忆、一次性学习和可解释性。该模型通过因果视频模型和逆动力学模型，在仅需约10小时机器人数据的情况下完成复杂任务，并支持从单一演示中上下文学习。

PL-CBF是一种运行时安全过滤器，它通过并行有限时域推演评估一组备选策略，选择侵入性最小的安全模式，并求解二次规划以最小修改名义策略。理论分析基于闭环行为的有限时域语言度量，刻画了策略库覆盖要求。在双积分器、高速公路驾驶和四旋翼导航仿真中，该方法比单策略安全过滤器具有更高的安全覆盖率，且保持毫秒级运行时间。

Nori Bot 是一款成本947美元的17自由度双臂移动操作机器人，通过600毫米Z轴升降、树莓派4与OpenClaw主动代理运行时，以及基于电机电流的无传感器抓取力反馈安全栈，解决了低成本开源平台的三大局限。

研究人员将原本用于机器人操作的反应式梯度下降框架AICON应用于伦敦塔测试，发现该模型无需前瞻规划或人类认知知识即可重现24个问题的人类难度排序，并在规划能力下降的群体中优于规划基线模型，表明人类在规划能力受损时行为会转向反应式模式。

研究提出一种分层两阶段框架，结合粗粒度长期预测与网格感知短期预测，并融入海流、风、浪等环境参数，在澳大利亚西北海域数据上实现长时船舶轨迹预测，平均位移误差较最先进方法降低25%。

MR-SLAM 是一个混合现实系统，操作员佩戴 Meta Quest 3 头显，通过透视视图同时遥操作三个模拟 TurtleBot3 机器人，并实时合并各自的 SLAM 占用栅格地图。在五次 9 分钟评估中，系统扫描频率达 8.83 Hz，合并占用面积 17.9 平方米，跨实例一致性 94.7%。

SCAR 提出一种联合逆-前向动力学框架，从视觉 transitions 中学习跨具身统一的潜在动作表示，并在 Procgen 与 Robotwin 数据集上证明其比原始动作更适合作为世界模型的条件接口。

VHYDRO是一种变分混合动力学学习方法，通过将学习到的提议与可行转移律混合，防止在接触丰富的机器人动力学中丢失实际分支，并联合推断连续状态与离散接触模式，同时拟合稀疏端口-哈密顿定律。

OrbiSim 提出一种新的机器人仿真范式，将世界模型重新定义为面向具身智能的全可微分物理引擎，打通从场景资产、神经动力学到强化学习的端到端梯度通路，在预测保真度和控制性能上超越现有世界模型。

该论文针对分数阶粘弹性模型在有限记忆离散化下的触觉渲染，推导了确保无源性的闭式条件，并给出有效刚度和阻尼的符号表达式，统一并推广了整数阶模型的结果，同时通过实验验证了理论边界和人类感知真实性。

该论文提出首个统一神经符号与认知不确定性建模框架，用焦点集推理和可微分模糊逻辑增强 Swin Transformer，使分层图像分类在保持精度的同时降低过度自信并提升层级逻辑一致性。

该论文提出StreamPro-Bench基准和StreamPro训练框架，解决流视频理解中模型需自主决定“何时响应”而不仅是“响应什么”的主动性问题。基准从感知理解、时序推理和主动能动性三个维度评估模型，训练框架采用两阶段方法：先以CB-Stream损失缓解监督信号不平衡，再用GRPO结合多粒度奖励优化响应正确性与时机。实验显示StreamPro在StreamPro-Bench上得分41.5，远超先前最佳10.4，并在StreamingBench-RTVU上达到78.9。

SwordBench 是首个专门用于评估视觉模型概念移除任务中表征引导技术的基准，提出跨概念鲁棒性和附带损伤两项新指标，揭示线性 SVM 虽可分性强但附带损伤高，稀疏自编码器表现更优。

研究人员提出GeoSym引擎，这是一种神经符号框架，可自动生成高质量的几何推理数据。由此产生的GeoSym127K数据集将多模态模型在依赖图表的任务上的性能提升了超过20%。

Fre-Res提出一种预算自适应的双轨视频Token压缩框架，将稀疏的高保真空间锚点与紧凑的时序残差频率Token相结合，在显著缩短视觉Token长度的同时匹配或接近全Token性能。

本文提出F^3A，一种无需训练的视觉令牌路由器，在语言模型处理图像令牌前，根据问题条件化的证据搜索动态分配固定视觉令牌预算，无需额外训练或LLM前向传播，保持原始多模态提示和解码流程。

本研究提出StrLoRA，一种正则化两阶段专家路由框架，用于解决流式连续视觉指令微调（StrCVIT）中模型需同时学习新能力、巩固已有能力并缓解遗忘的问题。StrLoRA通过任务感知专家选择和令牌级加权，显著优于现有方法。

研究人员提出了一种基于光子统计的事件相机概率模型，统一描述了静态场景噪声事件和阶跃响应曲线，并基于该模型开发了Noise2Params方法，仅需记录静态均匀场景即可确定相机特定参数，实验证明合成噪声数据能提升CNN场景重建性能。

该论文系统研究了小于2B参数的轻量级大语言模型在刑事法院视角生成（CVG）任务中的表现，以及其对罪名预测的影响。研究围绕模型架构、模型规模、与深度神经网络的对比、以及先生成法院视角再预测罪名与直接预测的差异四个问题展开，并发布了包含三个公开数据集的评估框架CVGEvalKit。

该论文将多标签法律标注重构为检索任务：用冻结的检索模型嵌入文档与标签描述，再通过嵌入空间的k近邻预测标签，从而在标签集变化时只需重新嵌入和重建索引，而无需微调。在三个法律数据集上，该方法精度有竞争力、数据效率强，且在生成式推理存在的越界标签幻觉问题上，检索方法从设计上杜绝了此类错误。

CHI-Bench是首个评估AI智能体在真实医疗运营中端到端自动化能力的基准，涵盖三个领域：提供方预授权、付款方使用管理和护理管理。任务要求智能体在高保真模拟器中操作20个医疗应用、通过87个MCP工具完成长周期工作流，并遵循1290多份文件构成的运营手册技能。在30种智能体配置中，最佳模型仅解决28.0%的任务，严格pass^3标准下无一超过20%，而单会话连续执行所有任务时性能暴跌至3.8%。

一篇新论文提出利用大语言模型生成句子级标注并训练RoBERTa分类器，以可扩展的方式识别句子中的方式动词与结果动词，平均准确率最高达89.6%，为发展语言研究提供了新的测量工具。

研究者提出一种从情绪识别转向情绪强度评估的新方法，通过构建情绪强度分数数据集并微调开源生成式语言模型，使其输出0到100的连续值，在情感和情绪分析中优于分类基线，并展现出向相关构念（如情感和唤醒度）的泛化与迁移效果。该工作主张情绪强度评估更契合金融等需要解读情绪程度的应用领域。

arXiv报告其HTML Papers项目进展，包括社区驱动的改进、语料库转换、MathML 4无障碍标注和LaTeXML的Rust移植。

PQR是一个通过迭代交互自动生成真实用户意图查询以暴露LLM代理失败的框架。在电商QA代理上评估，发现的无效响应比之前方法多23%-78%。

一项研究揭示了LLM智能体系统中技能库规模的缩放定律：路由误差随库大小对数增长，而正确执行可改善下游决策。通过优化，路由准确率从71.3%提升至91.7%，任务通过率显著提升。

AdaGraph是一种基于图原生的聚类算法，源自结构中心机器学习（SC-ML）范式。它通过k近邻图拓扑结构替代欧几里得距离度量，从根本上解决了高维数据中的维度诅咒问题。该算法无需预先指定聚类数量k，能原生处理噪声，并通过SLCD框架实现扩展。在10个合成基准测试（维度从10到5000）中，其配套的Graph-SCOPE指标平均ARI达0.900，在9/10数据集上正确选择k，优于传统指标。在肝细胞癌基因共表达、文本聚类和材料科学三个科学领域均取得了显著成果。

本研究提出一种残差间隙感知Transformer模型，结合混合效应统计参考和Transformer残差学习，利用ADNI临床和生物标志物历史数据预测24个月CDR-SB变化。该模型通过锚点分析、不规则历史的三元组标记化和自注意力中的学习非负时间间隙惩罚，在多个指标上优于传统基线模型，MSE降低13.1%，相关性提高26.4%。

该论文系统研究了在强化学习中使用循环神经网络（RNN）时，如何将动作信息纳入状态更新函数。作者讨论了多种动作编码选择，并在多个领域进行了实证评估，同时探讨了未来工作方向及强化学习特有的挑战。

一篇新论文表明，自博弈强化学习智能体是否会在不对称规则扰动下崩溃，取决于一个决策容量阈值。当所有正可达的 contingent 决策被消除时，智能体会迅速收敛到确定性剥削吸引子，造成接近最大损失；而保留哪怕一个这样的决策点就能防止崩溃。该机制源于约束下的共同适应，而非扰动本身，且现象具有时间不变性和可逆性，并在函数近似下加剧。