PatiGonit22K是一個擴展的孟加拉語數學應用題數據集，包含22,441個問題，涵蓋簡單和多步驟方程，經過文化適配和驗證，旨在推動低資源語言的數學推理和NLP研究。

本文介紹LENS（基於層級的敍事抑制評估），一種用於測試大型語言模型在機器去學習後是否仍會復現虛假信息敍事框架的評估協議。實驗證明，LENS能有效評估並引導敍事去學習的深入研究。

提出AutoThinkSQL框架，通過監督微調（SFT）和直接偏好優化（DPO）集成自動推理機制，使模型對簡單查詢繞過推理，對複雜查詢使用深度思維鏈，在Spider和BIRD基準上取得一致提升，同時減少輸出令牌和延遲。

本研究分析了不同類型審稿指南（如官方會議指南和基於高質量人類評審生成的模仿性指南）對自動同行評審的影響。實驗表明，官方會議指南產生的評審結果與人類判斷最為一致，而嚴格的評分規則會降低性能。

MioFFAn是一款開源、可定製的標註框架，旨在解決科學文獻中數學表達式自動轉換為可執行符號代碼（公式形式化）時缺乏高質量數據集的問題。它基於MioGatto架構，支持方程選擇、符號代碼輔助規範、自定義分類和屬性，並通過大語言模型（LLM）實現部分自動化，採用人機協同的迭代優化策略。初步評估驗證了該方法的有效性。

機器翻譯系統仍會產生性別偏見翻譯，GAND數據集旨在通過自然語境下的性別模糊場景分析翻譯中的性別處理，結合對比翻譯和特徵歸因方法揭示影響性別翻譯的關鍵源詞。

DomainPilot 提出一種兩階段數據混合優化框架，通過領域級損失監控和定標定律引導，在不增加數據量或訓練成本的情況下提升 LLM 微調性能。

提出一種可擴展的、僅需推理的數據估值流程，近似Shapley值無需迭代訓練，通過語義k-NN圖評估數據效用，在HelpSteer2和HH-RLHF數據集上減少人工審計搜索空間99.1%，並發現數千隱藏的偏好反轉，暴露基準測試標籤缺陷。

提出一種整合深度學習與統計的框架，用於全網絡基因-環境關聯分析，以葉脈架構為表型。該框架利用EDTER模型從RGB圖像提取葉脈網絡，結合DiffusionEdge和BSDS500構建標註數據庫，並通過SSCCA進行變量選擇和關聯建模。在楊樹數據集中識別出三個顯著的基因-地理交互作用。

該論文提出了一種名為分級大語言模型（GLLMs）的代數框架，通過為Transformer表示空間引入分級，並傳播誘導的加權標量作用，在保持表達能力、計算複雜度和推理成本的同時，擴展了分級神經網絡和分級Transformer到自迴歸語言模型。幾何上，分級的好處由Kempf-Ness泛函表示，最優分級由兩個矩映射的重合點給出，而普通Transformer作為邊界上的半穩定各向同性點。此外，對於分層目標，證明了分級先驗與無分級先驗之間的極小極大分離。

本文提出“可訪問性可塑性”概念，認為神經網絡不僅可以通過改變計算能力來適應，還可以通過重組現有計算之間的交互和參與來適應。在序列學習任務中，這種方法的適應性修改減少了能力變化，同時保持了任務性能。

提出QFedPolyp，一種結合量化感知訓練與低精度模型通信的聯邦學習框架，用於協作式息肉分割。在多個數據集上，8位量化通信將傳輸成本降低約4倍，同時保持競爭性分割精度，推理速度提升高達1.5倍，適用於實時臨牀部署。

一種名為ProGPO的新方法，通過在組內所有軌跡都失敗時利用首次訪問觀測覆蓋率來分配優勢，解決了基於組的策略優化中的採樣不平衡問題，從而提升了長週期任務的性能。

現有的大語言模型自適應推理方法通常依賴隱藏狀態相似性或激活幅度等啓發式規則來丟棄冗餘模塊，但這些基於相關性的指標難以捕捉對語義準確性至關重要的非線性結構計算。CausalGate提出了一種干預引導框架，通過隔離子層並衡量輸出歸零對最終logit分佈的KL散度影響，建立結構重要性層級，再將其蒸餾為靜態輕量級標量門，實現零運行時開銷的高效推理。在多個模型和基準上的實驗表明，CausalGate顯著優於現有動態路由方法。

提出CORVUS，一種新型軌跡架構，通過解耦文件讀取操作與觀察結果，維護同步文件註冊表，顯著減少LLM編碼智能體的冗餘令牌和推理循環，同時保持通過率。

Semalith v1.4是一個184M參數的DeBERTa-v3-base分類器，能夠在單次前向傳播中同時進行提示注入、一般危害和金融服務監管合規的三軸安全分類。在22個基準測試中，它以44倍更少的參數在提示注入檢測上全面超越Llama-Guard-3-8B，並在208個良性代理提示上實現零誤報率。

本文提出一種基於多臂老虎機的損失感知特徵圖剪枝框架，通過將每個特徵圖視為一個臂，臨時屏蔽並評估損失變化，從而在保持精度的前提下減少冗餘特徵圖和計算量。實驗表明，UCB1和Thompson Sampling方法在多個數據集上性能優於貪心剪枝和基於幅度的剪枝，且與未剪枝模型統計上相當。

本文提出ScenarioGeneratorAgent管線，通過合成生成基於標準、證據充分的工業場景，擴展現有基準AssetOpsBench。新增智能電網變壓器資產類別及四種IEC診斷工具，並採用優化策略實現8倍加速，同時保持場景質量。

SF-AMS通過效用驅動的生存機制和複合重要性評分，動態建模記憶單元的重要性，解決了LLM代理中長上下文依賴導致的推理性能下降問題。在LoCoMo和LongMemEval-s基準測試中，該方法在多種推理任務上顯著超越現有基線，最高F1提升達9.65。

本文提出了一種名為程序蒸餾的替代方案，用於解決LLM作為評估者的高成本、高延遲和不透明問題。通過將LLM的決策邏輯蒸餾為程序委員會，實現了透明、可編輯且無API成本的評估。系統PAJAMA進一步結合了程序法官的聯合裁決和低置信度回退機制，在多個數據集上達到13B規模LLM法官的性能，並在RewardBench上以極低的API成本取得了更好的獎勵模型效果。

MIITA是一種專為資源受限環境下小語言模型（SLM）設計的持續學習框架，通過存儲緊湊的修正方向原型並在推理時基於語義和不確定性線索檢索，實現無破壞性的知識複用，有效緩解災難性遺忘。實驗表明，在固定內存預算下，MIITA能持續提升最終性能並減少遺忘。

DeepLens診斷代理通過五階段流程（結構化臨牀提取、循證檢索、約束候選生成、證據三角驗證和可審計決策），將小型醫療推理模型JSL Medical Small 7B v2的性能提升至60.14%的診斷準確率，超越許多前沿模型，同時成本更低。該工作流設計使診斷推理在不確定性下仍能可靠運行，並提供了可追溯的中間結果以支持高 stakes 應用場景。

研究表明，大型語言模型（LLM）在基準測試中常獲高準確率，但當同一問題以不同但等價的方式表述時，其答案可能改變。研究涵蓋四個基準和13個模型，發現實例級行為不穩定，不匹配率超過23%。模型雖常有正確知識但檢索不一致，自釋義策略可部分恢復潛在知識並提升性能。

QFoldAgent是一個閉環多智能體框架，用於5殘基四面體晶格摺疊。它通過設計智能體提出序列條件懲罰、VQE量子經典管道優化哈密頓量，以及反饋智能體基於能量景觀診斷和MolProbity驗證信號改進懲罰，顯著降低中位RMSD並提高結構有效性。

SeT-Diff是首個面向計算節點遙測和時間序列的基礎模型，採用基於擴散的方法，通過傳感器語義描述生成數字孿生，實現重建、插補、預測和虛擬傳感等任務。在真實超級計算機數據集上，重建平均絕對誤差為0.047，熱推斷誤差為0.033，並具有零樣本排列穩定性。

本文提出C-VCE，一種將分類器直接構建到生成模型中的擴散框架，通過概念瓶頸層生成反事實圖像，無需依賴外部噪聲魯棒分類器。C-VCE允許用户在採樣過程中切換語義概念，並保持圖像其他部分不變，同時添加正則化器平衡預測改變與原始相似性。在CelebA等基準測試中，C-VCE在翻轉率相當或更優的情況下，生成的反事實圖像在視覺上更接近輸入且失真更小。

本文分析了 AMD 在 AI 加速器軟件方面取得的進展，從早期零成功可能到如今具備顯著成功機會，得益於領導層的變革、開源策略以及 Anthropic 和微軟等大客户的支持。然而，AMD 仍面臨兩大風險：Helios 機架因設計問題量產緩慢，以及內部 GPU 集羣不足阻礙開發和測試。文章提供了對 AMD 管理層的具體建議，並詳細介紹了 MI455X 芯片和 Helios 機架架構。

Vela是一款AI驅動的招聘協調工具，幫助簡化招聘流程，提高效率。該產品在Product Hunt上發佈，提供討論和鏈接。

CharaLab是一個全面的AI角色創作平台，支持從文本或參考照片生成高質量的AI角色圖像和視頻，並提供多種AI工具如圖像增強、背景移除等。該平台目前提供限時50%折扣，並有免費套餐，生成結果無水印。

_done 是一個為AI代理提供真實世界任務API的平台，採用按使用付費模式，通過x402協議實現USDC微交易。它提供了多種API，包括網絡查詢、域名檢查、數據解析等，旨在讓AI能夠自主完成需要外部數據的任務。