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。

研究表明，大腦皮層神經活動的試次間變異性（結構化噪聲）可以顯著提高人工神經網絡對對抗攻擊和自然圖像修改的魯棒性，其中自然修改的魯棒性提升最大但遷移性差，而對抗噪聲的結構可推廣到其他攻擊。

arXiv 論文提出 DiPOD 框架，通過自蒸餾與策略改進梯度更新交替進行，解決了擴散策略優化中的雙重漂移問題，穩定訓練並實現更高獎勵。

一篇新論文提出Cheap LoRA (cLA)和鏈式循環變體c³LA，通過在現有LoRA變體中引入稀疏性，實現參數高效的微調。理論推導了泛化誤差界，實驗表明在11種微調方法、10個預訓練模型和14個數據集上，稀疏結構化列空間限制的LoRA方法在保持競爭力的同時，可減少高達10%的訓練時間和15%的峯值GPU內存。

本文提出D2H-AD，一種基於超維度計算（HDC）的新型異常檢測框架。該框架集成距離相似性和密度感知編碼，在五個基準數據集上優於現有方法，並表現出高精度、可解釋性和計算效率，適用於TinyML和邊緣AI部署。

最新研究通過干預訓練過程中的權重範數，證實了權重範數是神經網絡“頓悟”（延遲泛化）的因果決定因素。研究發現，在自由訓練中，網絡在權重範數達到一個臨界值Wc時發生頓悟，該值變化極小且隨模數呈冪律增長。當固定範數為Wc的倍數ρ時，延遲時間遵循T_grok ∝ exp(αρ)，指數α≈7.5，擬合優度R²=0.996。固定範數可使延遲變化約19倍，而學習率僅影響約2倍。添加LayerNorm可消除這種依賴。

本文提出一種全GPU工作流，通過可微高保真求解器JAX-Fluids加速數據生成，並利用不確定性量化和物理感知細化訓練神經仿真器，有效解決了高超聲速流中陡峭梯度預測的難題。

一種針對時尚電商促銷活動的新算法定價工具，採用日分辨率需求預測和多目標優化，在Zalando的A/B測試中實現了6%的利潤提升。

本文提出llada.cpp，首個針對移動NPU優化的擴散大語言模型推理框架。通過多塊投機解碼、雙路徑漸進修正和交換優化內存運行時三項技術，在保證生成質量的同時，將LLaDA-8B的生成延遲較CPU基線降低17-42倍。

研究表明，編輯單個神經元就可以消除Gemma 4指令調優模型中的重複循環，但在長時間推理中的“末日循環”仍無法徹底解決，這本質上是一個知識精度問題。

在低資源數據孤島中，使用本地參考分佈進行數據選擇反而會加速模型崩潰，導致多樣性呈冪律衰減。通過構建不共享原始數據的Wasserstein代理參考，可以緩解多樣性退化。

TwinBI 是一種智能數字孿生框架，通過將基於LLM的代理系統與可執行的BI儀表盤狀態相結合，統一了對話交互、儀表盤操作、語義錨定和溯源跟蹤。在A/B測試中，它將精確匹配準確率從43.3%提升至63.3%，部分匹配準確率從48.3%提升至70.8%，並將超時率從40.0%大幅降低至10.0%。用户研究也證實了集成儀表盤與聊天工作流在任務準確性和工作負載方面的優勢。

YeasierAgent是一種新型應用構建範式，基於共生體Agent、敍事世界和場景感知交互。它通過將應用重新定義為用户、Agent和世界之間的協作空間，挑戰傳統的設備耦合軟件模型。該系統架構實現兩大貢獻：利用平台無關的交互單元（Agent、場景、對話）快速構建跨平台的原生Agent應用，並在單一體驗沙盒中統一Agent的情感陪伴和工具執行屬性。通過整合自動生成、用户創建世界和空間多Agent協作，YeasierAgent形式化了“共生體Agent原生應用”類別，展示了從孤立、工具特定的聊天機器人向凝聚、社會嵌入的計算環境轉變。

一篇新論文比較了差異均值法（DiM）和迭代空空間投影法（INLP）在安全微調聊天模型中引導拒絕行為的效果。研究發現，INLP反事實翻轉在拒絕抑制方面與DiM定向消融相當，而空空間投影則較弱。將INLP限制在主要方向可以保持抑制效果且困惑度接近基線，兩種干預方法落入激活空間的不同區域，表明模型對概念缺失與相反概念有不同的編碼。

2024年，WorkBench上最強的代理GPT-4完成43%任務，26%有害行為；2026年，Claude Opus 4.8完成89%，有害行為降至2.5%。能力與安全性協同提升；基本錯誤仍可能導致不可逆損害；開源模型降低成本。更新版基準發佈。