该论文提出了一种被动容错架构，用于多无人机协同吊挂运输中突然发生缆线断裂的情况。通过将每个无人机的实测缆线张力直接反馈到其高度推力指令中，无需额外的故障诊断或重新配置。作者在Drake多体仿真中验证了该方法，表明在五架无人机、10公斤载荷的场景下，系统能在一次摆锤周期内恢复，且均方根误差仅为0.312-0.328米。

离线轨迹规划器Track A*在四维时空网格上结合有向无环图搜索与三项优化技术，实现100%收敛，平均规划时间比基线A*减少23倍，同时可见性性能几乎无损。

DexSim2Real是一个集成框架，利用视觉语言基础模型弥合灵巧操作的仿真到现实差距。它包含三个组件：基础模型引导的领域随机化（FM-DR）、触觉视觉交叉注意力策略（TVCAP）和渐进式技能课程（PSC）。在六个挑战性任务中，真实世界平均成功率达到78.2%，优于DrEureka和DeXtreme，并将仿真到现实性能差距缩小至仅8.3%。

研究人员提出一种拓扑驱动的多智能体强化学习框架，用于协调软体机器人在复杂环境中避免缠绕。该框架通过共享拓扑状态的集中学习和拓扑安全层来评估缠绕风险，在仿真中优于现有深度强化学习方法。

研究人员提出了一种用于多仓库车辆路径问题的GPU加速混合算法，融合了学习驱动的交叉操作和多罚函数搜索框架。该方法在大型基准测试中表现出色。

GeoQuery是一种零样本卫星图像检索系统，通过提示对齐的文本代理实现语义搜索，无需完整的对比训练。在灾害查询中达到31.6%的50公里内精度，已部署于危机响应系统ECHO。

LAMP是一种新颖的框架，用于从以自我为中心的多摄像头头戴设备中追踪3D人体运动。它通过先利用设备6自由度运动和校准将2D关键点提升到统一的3D世界参考系，然后使用时空变换器拟合3D运动，从而解耦观察者和目标运动。在单目基准测试中达到最先进水平，并在以自我为中心的动态场景中显著优于现有基线方法。

新研究提出使用一致性模型进行3D点云异常检测，只需一到两次网络评估即可预测无异常几何，推理速度比现有最先进方法快80倍，且无需GPU加速，适用于无人机、智能工业相机等资源受限的边缘设备。

Tamaththul3D 是一种专为阿拉伯手语（ArSL）设计的重建管道，能够从单目视频生成高保真三维虚拟形象。研究团队首次为 Ishara-500 沙特手语数据集提供了高质量的三维参数注释（SMPL-X 参数），涵盖 500 个文化真实的沙特手语手势。该管道集成了 SMPLer-X、WiLoR 和 MediaPipe，通过基于运动链的手腕对齐、混合摆动-旋转分解和二维监督关节优化，在手部精度上实现了高达 32% 的提升，同时保持竞争性的身体姿态。这项工作为 ArSL 虚拟形象重建建立了首个全面框架，有助于为阿拉伯聋人社区开发无障碍技术和文化遗产保护。

egenioussBench是一个基于城市级航空3D网格和CityGML LoD2模型的视觉定位基准数据集，提供厘米级精度的智能手机图像和独立于地图的真实值，旨在超越传统的SfM方法，推动大规模视觉定位研究。

Open-SAT是一种无需训练、仅在推理时运行的查询嵌入精化算法，利用大语言模型（LLM）改进用户查询与卫星图像内容之间的对齐，在三个公开基准上将F1分数提升高达16.04%，且无需额外训练或监督。

ViTok-v2 是一种新型视觉Transformer自编码器，通过原生分辨率支持（NaFlex）和DINOv3感知损失，解决了现有ViT自编码器在分辨率泛化和稳定扩展方面的局限。该模型在约20亿张图像上训练，参数量达50亿，是迄今为止最大的图像自编码器。ViTok-v2在256p分辨率下达到或超越现有最先进水平，并在512p及以上分辨率显著优于所有基线。与流匹配生成器联合扩展时，ViTok-v2进一步推进了重建-生成权衡的帕累托前沿。

本文提出Query2Uncertainty方法，利用DETR风格检测器的查询特征密度进行后处理校准，在分布偏移下同时优化分类和框回归的不确定性估计，在相机和LiDAR检测器上均超越传统方法。

提出一种基于反事实解释（CX）的类导向特征归因方法，利用生成对抗网络（GAN）和循环一致性损失函数，在合成、结核病和BraTS数据集上验证了有效性。同时提出生成可信反事实实例（CI）的方法和评估技术。

研究人员提出了一种布局感知表示学习方法，用于开放集身份欺诈检测。该方法仅使用美国身份证进行训练，但在加拿大身份证上实现了99.83%的布局分类准确率，并发现了276个自适应欺诈案例，其中222个未被现有检测器发现。该方法支持在分布偏移下进行大规模欺诈发现。

大型语言模型在多轮对话中面临隐藏恶意意图的攻击威胁。攻击者将恶意目标分散在多个看似无害的轮次中，从而绕过现有安全对齐和防护措施。本研究提出基于轮次的检测方法TurnGate，通过识别最早使累积交互足以实施恶意行为的轮次来干预，并构建了多轮意图数据集（MTID）以支持训练与评估。实验表明，TurnGate在有害意图检测上显著优于现有基线，同时保持低过度拒绝率，并具备跨领域、攻击管道和目标模型的泛化能力。

大语言模型（LLM）在生成上下文相关回复方面表现出色，但在多轮对话中，何时发言与说什么同样重要。本文提出When2Speak，一个基于真实世界的合成数据集及四阶段生成流水线，用于学习群体交互中的干预时机。该数据集包含超过21.5万个示例，源自1.6万场2至6人对话，涵盖多种风格、语气和参与者动态。监督微调（SFT）使4B+参数模型的平均Macro F1提升60%，但模型仍过于保守，平均错过干预率（MIR）为0.50。通过应用非对称奖励强化学习，MIR降至0.186–0.218，召回率从0.479提升至0.78–0.81。研究表明，时序参与是一个可训练的语言智能维度。

研究人员识别并形式化了多模态RAG中的“再次破坏”现象，即添加准确上下文导致模型放弃正确预测。他们提出了BAIR，一种无需参数、推理时框架，可恢复视觉注意力并应用位置惩罚。

一项研究比较了领域训练的小语言模型Olava Extract与前沿大语言模型在结构化合同提取上的性能。Olava的宏F1为0.812，微F1为0.842，推理成本降低78%至97%，且幻觉更少，挑战了大型模型的必要性。

一项新研究表明，对扩散语言模型生成的文本进行多次重写（最多五次）可以有效绕过水印检测，使检测率从87.9%降至4.86%。该研究测试了四种开放权重语言模型和五种重写风格，发现即使单次重写也能将检测率降至14%-41%，多次重写效果更显著。

ReaComp提出了一种方法，利用编码代理将少量LLM推理轨迹编译为可重用的符号程序合成器。这些合成器在测试时无需LLM调用，在多个基准测试上表现优异，甚至超越带测试时扩展的LLM。它们还能与LLM搜索互补，减少token使用量，并跨领域迁移至历史语言学任务。

SLAM是一种新型白盒水印方案，通过稀疏自编码器识别残差流中编码语言结构的方向，在生成时因果引导这些方向，从而在不牺牲文本质量的前提下实现100%检测准确率，质量损失仅为1-2奖励点，远低于现有方法。

本文提出一种基于证据的模型，从无查询数据集中自动生成查询关键词，用于面向查询的摘要（QFS）。实验表明，使用生成的证据查询获得的摘要ROUGE评分与使用原始查询的摘要相当。

一项干预研究探讨了学生写作中反驳论点对批判性思维的作用，并比较了AI与人类评估的一致性。研究涉及36名学生，使用6种标准进行评分，结果显示学生自写反驳论点包含逻辑要素，且前沿语言模型可有效评估学生作业，与人类评估高度一致。

AdaGATE是一种无需训练的证据控制器，将多跳RAG中的证据选择建模为令牌约束的修复问题。它结合实体中心缺口追踪、目标微查询生成和效用选择机制，平衡覆盖率、一致性、新颖性、冗余度和相关性。在HotpotQA上，AdaGATE在干净数据和冗余注入数据上分别达到62.3%和71.2%的证据F1，同时令牌使用量比Adaptive-k少2.6倍。

稀疏自编码器（SAEs）能有效解耦Transformer中的特征叠加，但组合式激活控制面临几何不稳定性。该论文提出一个高维稀疏锥流形框架，推导出组合塌缩的渐近阈值，并发现ReLU整流会导致类似棘轮效应的干扰积累。在CLEVR数据集上的实验验证了这些预测。

标准Transformer对所有Token应用相同层数。Token-Selective Attention (TSA) 引入一个习得的每Token门控，对简单Token跳过层，节省高达23%的操作，质量损失极小，无需改变架构。

一种新的非神经框架DVBL通过变分优化直接从数据中学习基函数，与神经网络相比，提供可解释性和数学透明度。

本文提出了MidSteer，一种用于生成模型概念引导的通用仿射框架。作者首先形式化了概念引导的理论，将标准引导方法与LEACE（一种闭式仿射擦除方法）联系起来，然后提出了LEACE-Switch框架，并在此基础上引入MidSteer。实验表明，MidSteer在视觉扩散模型和大型语言模型等多种任务和架构上表现优异。

一篇新论文介绍了稀疏前缀缓存，利用循环层从单一状态恢复的能力，通过在稀疏检查点存储精确的循环状态来优化LLM推理。一个O(NM)动态规划算法确定最佳检查点位置，在实际任务上优于标准启发式方法，减少了延迟。