一篇引人深思的文章探討了使用AI完成學校作業是否構成作弊的問題，深入分析了教育系統的雙重目標——擇優篩選與形成性發展，並考察了學生在高壓競爭環境中求助於AI的原因。

MiMo Code是一款具有顯式長期記憶架構的編碼代理，旨在提升開發效率。

研究者提出一種可靠性感知的擴散規劃器，通過蒸餾視覺-語言模型生成場景級可靠性熱圖，引導無人機在3D導航中避免不可靠區域（如玻璃、鏡子），將障礙違規率從40.3%降至9.6%，平均可靠性從0.588提升至0.925。

AnyGoal是一種無需訓練的多機器人導航架構，利用視覺語言模型（VLM）驅動邊界探索，通過共享的2D高斯貝葉斯價值圖（BVM）協調智能體，在GOAT-Bench上達到52.4%子任務成功率，比Modular GOAT提升27.5個百分點。

ContactWorld基準測試覆蓋12項接觸豐富的操作任務，發現空間結構化且時間連續的表示（如點雲）能顯著提升規劃成功率至32.1%。觸覺傳感的有效性取決於跨模態表示兼容性，結合點雲與觸覺力場表示可達最佳性能36.1%。觸覺在長週期規劃中愈發重要。

研究發現，在單GPU上微調視覺-語言-動作模型（VLA-JEPA）時，存在“種子彩票”問題：相同代碼不同隨機種子導致一個種子模型性能從91-94%驟降至65.2%，且無任何警告。原因在於輸出坍塌——動作預測器輸出幾乎與輸入無關。傳統權重級正則化（如L2、EWC）無法檢測此問題，而輸出級正則化（VICReg、Dropout、半學習率）可完全消除災難性種子。最簡單方法是修改優化器配置中的一個數字。

本文提出了一種基於核表示的高效領域自適應策略學習算法。通過可微分的隨機傅里葉特徵核近似建模未知擾動，離線訓練僅需50秒即可優化控制策略，在線部署時通過最小二乘估計實時更新核參數，實現非平穩環境下的快速適應。在Crazyflie四旋翼上的仿真和硬件實驗驗證了該方法在複雜氣動效應、風擾、地面效應和載荷變化下的有效性。

這篇綜述論文探討了自動駕駛從單一車輛智能向多智能體具身系統的轉變，重點介紹了共享世界模型（SWMs）作為跨車輛的預測性表示。文章回顧了超過380篇出版物，涵蓋V2X通信、協作感知、智能體間認知、協同規劃、端到端協同駕駛以及閉環驗證的仿真引擎。研究發現當前評估集中在仿真和離線協議，基於基礎模型的協調缺乏實時安全保證，並提出了可驗證的共享狀態維護、魯棒的意圖與計劃對齊以及安全協調行動等關鍵研究優先方向。

FlowMo-WM 是一種端到端可訓練的視覺世界模型，專為機器人學習設計，能夠從圖像和動作歷史中推斷物體中心的運動狀態以及與隱藏漂移相關的長曆史上下文，無需流場直接監督。通過將歷史分解為短歷史潛在狀態和長曆史上下文，並採用零上下文殘差過渡，該模型在模擬的水面車輛環境中顯著提升了長時程預測的準確性。

本文介紹μ₀，一種基於3D軌跡的可擴展世界模型，通過預測物體、工具、手等交互點的平滑3D軌跡，避免了像素重建和動作標籤依賴。該系統利用TraceExtract自動從視頻中提取3D監督信號，結合視覺-語言骨幹網絡和軌跡專家模塊進行預訓練。實驗表明，μ₀在2D和3D軌跡預測上優於基線方法，且凍結後的μ₀可與動作專家結合用於下游機器人任務，性能媲美使用動作監督的VLA模型。

一種基於被動分佈式聲波導的觸覺傳感新範式，利用深亞波長聲波導實現靈敏度、魯棒性與柔韌性的兼得，在宏觀彎曲下保持聲傳輸不變，通過稀疏麥克風陣列實現實時定位與波形重建。

本文提出一種基於佔據感知的層次化3D場景圖（3DSG）流程，通過將房間節點錨定到從佔據分解中提取的自由空間區域，為每個房間提供明確的凸多邊形足跡。該方法在12個Matterport3D場景上評估，與現有方法相比能恢復更多房間實例，但精度較低，且牆面精確的房間邊界仍是開放問題。

Avatar V是一種生產級框架，通過視頻參考條件身份建模，生成不僅視覺相似而且行為可識別的虛擬形象視頻。它引入稀疏參考注意力、運動表示流和身份感知超分辨率，使用超過1億訓練片段和五階段訓練流程，實現1080p無限時長視頻生成，在跨場景基準測試中優於Seedance 2.0、Kling O3 Pro等系統。

視覺語言模型可在無圖像時正確回答圖像問題，虛增基準分數。研究將其分為文本偏見和虛假圖像兩類，並提出幻象探針框架和PHI指數區分它們。

針對生成式視頻推理中單次生成的瓶頸，研究者提出時間回溯搜索（TBS），通過在時間軸上迭代生成-驗證-重啓循環，顯著提升了視頻模型在測試時的推理能力。實驗表明，TBS在算法、導航和機器人領域均優於同等預算的最佳N採樣，尤其在分佈外場景下，成功率從0.7%提升至22.7%。

本文針對遠程光電容積描記法（rPPG）Transformer模型的可解釋性不足，提出了一套定量化評估工具。作者將四種歸因方法適配到RhythmFormer的雙層路由注意力機制，引入了皮膚覆蓋度指標，並將忠實度係數從分類任務擴展到rPPG迴歸。實驗發現稀疏top-k路由下的多跳泄漏效應，而Beyond Intuition方法通過值投影加權和梯度掩碼有效緩解，在UBFC-rPPG數據集上取得最高皮膚覆蓋度（0.83）和忠實度（F=0.92）。研究推動了rPPG XAI向可審計的數值證據發展。

研究提出了i2L（圖像到LoRA）框架，將風格LoRA訓練攤銷為單次前向傳播，無需針對每種風格單獨優化。通過圖像編碼器、可學習LoRA查詢和壓縮解碼頭預測LoRA權重，在Z-Image、FLUX.2和Hidream-O1上提升了風格保真度、提示對齊和感知質量。

CineOrchestra是一種統一的視頻擴散模型，能夠同時控制主體、事件、攝像機和鏡頭切換，通過實體中心條件原語和兩種無參數的有序旋轉嵌入實現。在兩項新基準測試中，它優於六種單軸專業模型。

本文提出了一種改進卷積神經網絡（CNN）的新方法：在濾波器對之間引入可學習的連接參數。傳統的CNN依賴於逐點激活函數，而該方法允許網絡在不同層實現不同的連接，從而更好地適應任務。實驗表明，這種可學習的連接提高了模型準確性。

IoU是目標檢測中衡量候選框與真實框匹配程度的關鍵指標，但存在不敏感區域，導致不同幾何重疊的樣本獲得相似IoU分數。本文提出一組形態相似度度量（面積、形狀、長寬比），通過均值聚合輔助匹配分數，重塑響應分佈，提升正樣本分配精度。基於YOLOv9的實驗在NEUDET和GC10-DET數據集上取得一致性能提升，且無需額外推理開銷。

一項新研究探討了後訓練（如監督微調和強化學習）如何顯著提升生成式大語言模型在ICD編碼任務上的表現，挑戰了僅通過提示詞評估得出的“LLM不擅長醫療編碼”的結論。

DLawBench是一個新的診斷基準，用於評估大語言模型在多輪法律諮詢中的表現。它包含461個來自中美法律的案例，將諮詢互動分為合作型、依賴型、退縮型和對抗型四類。實驗表明，最佳模型GPT-5.5在諮詢導向的法律推理上僅得0.562，揭示了諂媚現象和客户越需要指導時模型表現越差的悖論。

本文提出SANA（搜索代理導航消融框架），一種診斷性消融框架，用於分解數據湖中探索性問答（EQA）任務的失敗原因。通過將EQA任務轉化為包含黃金源序列、清洗後子問題和執行記錄的運行時配置文件，SANA構建理想化的搜索、規劃和數據分析工具，對各組件進行消融，從而診斷策略失敗。實驗表明，數據分析是持續瓶頸，搜索在大型數據湖中限制顯著，而規劃問題相對較小。

神經主題模型雖能實現可擴展的語義發現，但其與量子硬件的結合尚未得到充分探索。本文提出了一種概念驗證的混合經典-量子變分自編碼器（VAE），在VAE的推理網絡中嵌入參數化量子電路，同時保留經典的主題-詞解碼器。為解決量子硬件資源受限的問題，提出了一種改進的高斯Softmax後驗分佈，將潛在空間維度與待提取主題數量解耦，使得模型能夠在僅有10個量子比特的低資源量子設備上運行。在AgNews數據集上，該混合VAE在主題一致性（C_v為0.71）和點互信息（NPMI為0.20）上均超越了現有最先進的神經主題模型，同時保持了高主題多樣性。作為對比，全經典變體也在同一數據集上超越現有模型，並在潛在空間中展現出清晰的類別分離。這些結果表明，即使在NISQ時代的設備上，混合VAE在計算上也是可行的，為量子增強主題建模指明瞭有前景的方向。

該研究提出一個驗證框架，評估基於大語言模型（LLM）的城市模擬器生成的人類移動模式是否真實。通過對巴黎大區和上海的數據集測試AgentSociety和CitySim，發現這些模擬器雖能生成看似合理的敍事，但未能復現真實的時空約束，如行程長度分佈、起止點流量、停留時間和轉換動態。研究還指出，移動多樣性對提示配置敏感，需要顯式的個體畫像初始化。作者提供了可擴展的開源工具，用於地圖生成、模擬增強、移動指標計算和交通模擬。

當前文化對齊方法主要關注推理時干預，但模型可能缺乏足夠的文化知識。研究提出“文化漏斗”概念，指出在後訓練階段文化信號顯著減少，而地理集中、任務專業化的數據佔主導。多語言雖能增強地理多樣性，但不能保證平衡。發佈含560萬樣本的文化標記數據集，提升下游文化基準性能。

本文概述了QIAS 2026共享任務，該任務旨在評估大語言模型在伊斯蘭繼承領域的複雜推理能力。任務基於MAWARITH基準數據集（12,500個阿拉伯語繼承案例），共有16個團隊參與，採用了提示、檢索增強生成和微調等方法。結果表明，當前模型在法律解釋和結構化數值推理方面仍面臨巨大挑戰。

本研究介紹了PSL團隊在2026年QIAS阿拉伯伊斯蘭繼承推理共享任務中的參與情況。該任務評估大型語言模型解決涉及法律解釋、多步推理和精確數值計算的繼承案件的能力。結果顯示，商業模型（如Gemini 2.5 Flash）在識別合格繼承人、應用排除規則和保持推理一致性方面表現更佳，而開源模型在依賴法律決策和分數份額調整的情況下穩定性較差。

一項新研究介紹了WebDecept，一個用於注入欺騙性界面以測試網頁代理安全性的框架。評估表明，當前代理極易受到定向廣告、域名重定向等操縱，且基於提示的防禦往往失效。

一項新研究發現，使用大型語言模型（LLM）作為評審（LLM-as-a-Judge）來評估其他模型輸出時存在顯著的不穩定性：成對偏好平均翻轉率為13.6%，28%的問題超過20%的翻轉率，個別問題高達56%。GPT-4o-mini表現出明顯的首位偏見，且不同評審之間的一致性僅為76%。研究表明，單次評估噪聲過大，建議採用多次實驗聚合、隨機化位置和明確報告不確定性。