一篇新論文識別了一種名為“適應性的投降”的LLM失敗模式，即模型先確認用户感受到的社會不公，然後卻詳細提供其名義上勸阻的獲取途徑。該研究對三個商業LLM進行了900次測試，提出了最小重歸因充分性（MRS）設計原則。

研究表明，小語言模型在任務能力上表現良好，但在指令與常規任務行為衝突時，往往會忽略非標準指令。隨着模型規模增大，標準準確率和指令遵循能力均有所提升，但兩者之間的差距依然存在。這證明任務完成能力和指令遵循是兩種不同的能力。

研究者探索了使用超網絡在訓練時將大規模事實知識注入大語言模型，並首次系統研究了超網絡架構的縮放行為。實驗表明，超網絡注入在損失、推理準確率及OOD泛化上遵循冪律縮放，且隨着規模增大，OOD泛化表現可靠，優於LoRA微調和全微調。他們創建了包含數千萬多跳問答樣本的MegaWikiQA數據集。

本文首次正式定義了結構泛化，並證明在標準計算複雜性假設下，純Transformer無法學習結構泛化，而神經符號系統通過硬編碼語義投影取得高分。

研究發現，監督微調（SFT）在將大語言模型適配到下游任務時，會顯著降低其行為多樣性，尤其是在順序決策任務中。通過在井字棋變體等確定性棋盤遊戲上的實驗，作者指出推理模式生成常常抑制動作多樣性，而標準SFT雖然提高準確率，卻導致過早的多樣性崩潰。動作增強（即訓練所有最優動作而非單一動作）可部分緩解這一問題。

現有大語言模型安全護欄僅獨立評估每輪對話，忽略了對話過程中良性輪次累積導致的危害。本文提出對話風險累積（CRA）概念及會話層框架，跟蹤語義漂移、敏感信息累積和順從度梯度三個軌跡信號，併發布CRA-Bench基準和評估協議。

該工作將一維單掃描神經算子研究擴展到二維，使用傅里葉神經算子（FNO）和U型神經算子（UNO）構建代理模型。研究了三種代理：直接映射材料與源場到通量的FNO和UNO，以及額外輸入單掃描近似通量的FNO。通過離散縱座標求解器驗證，採用平均相對L_2誤差評估。探討單掃描輸入是否提高精度及對數通量訓練是否改善強衰減區域的精度。

該研究將分箱頻譜損失函數擴展到非結構化網格的替代模型，利用圖拉普拉斯頻帶代替傅里葉頻帶，並提出了可擴展的切比雪夫和多層近似方法，以改善長時滾動的保真度。實驗結果表明，該方法在非結構化網格上預測湍流時，優於確定性基線，提高了長時滾動保真度並保持了統計不變量。

研究發現，稀疏自編碼器（SAE）的自動可解釋性得分受評估流程選擇的影響遠大於架構差異，導致跨論文比較可能反映的是流程而非架構的差異。

本文提出STN-TGAT模型，結合時間Transformer和圖注意力網絡，利用NMI先驗圖和軟閾值稀疏化機制，在真實投資環境下進行股票排名和投資組合構建，實驗表明其在預測準確性和投資回報上優於基線模型。

本文提出SUM，一種純服務器端框架，通過在聚合過程中對自適應向量進行幾何手術，同時緩解聯邦類增量學習中的空間干擾和時間干擾，無需額外客户端計算或通信，在多個基準測試上實現高達22%的性能提升。

該研究探討了在自適應時間序列預測中，利用可解釋性作為理解持續學習的關鍵工具。通過持續學習和經驗回放策略，研究分析了PatchMixer、PatchTST和DLinear等神經預測架構，並採用注意力展開和梯度歸因方法（Grad-CAM）來解釋預測行為和採樣策略。實驗基於真實世界的地下水時間序列數據，揭示了可解釋性在非平穩預測場景中的挑戰和機遇。

空氣污染每年導致約790萬人過早死亡，準確預測成為公共衞生優先事項。現有基準在地域範圍和污染物覆蓋上過於狹窄，且未評估最新時間序列基礎模型。本研究提出Air Quality Arena (AQA)，一個覆蓋7個國家、4大洲、6種主要污染物、超過14,000個站點-污染物序列的大規模多國數據集和基準。通過11個時間序列基礎模型和經典基線評估，結果表明時間序列基礎模型在零樣本預測中有效且持續優於經典基線，最佳模型採用跨模態架構，利用視覺基礎模型進行時間序列預測。數據集和基準已公開發布。

CruiseBench是專為航空發動機剩餘壽命預測設計的巡航階段基準，通過固定協議簡化N-CMAPSS數據集，提升模型比較的可重複性。

本研究探討Transformer能否執行貝葉斯模型選擇，即從數據中識別正確的假設類。通過引入貝葉斯風洞環境，使用固定點自由對合等控制設置，作者發現小型Transformer能在純關係任務中實現接近貝葉斯最優的性能，但在需要算術運算時，使用不透明符號會徹底失敗，且該邊界在擴大模型規模後依然存在。對前沿LLM的探測顯示其定性上符合貝葉斯行為，但校準差距較大。

論文提出HyenaND，一種直接對多維數據原生幾何結構進行操作的亞二次、全局、輸入依賴算子。它通過隱式參數化的全局多維卷積核實現，避免了傳統注意力或循環模型中的結構破壞問題。CUDA實現nSubQ融合FFT卷積路徑，實現O(L log L)縮放加速。在長上下文基因組學、計算機視覺、醫學影像和PDE建模中，純HyenaND堆棧匹配強注意力基線，混合配置超越純注意力和強循環混合模型。

一篇新論文提出了MemHop多跳記憶基準和ProGraph兩層記憶架構，結合輪廓擴展和壓縮殘差，顯著提升了LLM智能體的長期記憶能力。ProGraph在MemHop和LoCoMo基準上均取得優異結果，超越現有方法。

針對長鏈思維推理模型在測試時縮放中面臨的自注意力二次複雜度問題，本文提出LISA（線性索引稀疏注意力），一種即插即用的注意力替換模塊，無需從頭預訓練。LISA並行集成線性注意力和閃電索引器，通過門控機制融合，將推理複雜度從O(n²)降至O(nM)。在DeepSeek蒸餾Qwen模型上的實驗表明，在16K上下文下實現50%推理加速，並在AIME和MATH-500等基準上平均提升5.6%的性能。

本文提出一種輕量級推理時解碼層，用於增強自迴歸生成式推薦系統，使其在不修改或重新訓練模型的情況下支持多目標推薦列表生成。該方法將解碼過程建模為在線約束優化問題，通過隨機原對偶近似方案動態調整相關性及輔助目標之間的權衡，並提供了約束違反和遺憾的理論保證。離線實驗和在線A/B測試顯示，該方法在多目標權衡中取得了一致改進，在用户滿意度不受影響的情況下輔助目標提升1.8%。

NEXUS是一個結構化計劃安全監控器，結合確定性安全規則、參數級檢查和校準的邏輯迴歸風險評分，對LLM代理執行四種干預措施：允許、阻止、請求確認或請求修訂。在多個基準測試中，NEXUS表現出色，F1分數高達0.949，延遲僅0.205毫秒。

一項新研究揭示了大型語言模型（LLM）在整合外部信息時存在顯著缺陷：它們幾乎無法區分可靠與不可靠的來源，對信息真實性的判斷也接近隨機水平。研究引入了Learn2Discern框架，通過對13個模型、近67萬次試驗的測試，發現模型更傾向於依賴來源的流行度而非可靠性，並且無論信息是否接近真相，其更新程度幾乎相同。用户調查（n=299）證實，這些缺陷會降低用户信任和使用意願。研究還提出了一些簡單的推理時干預措施，可部分改善信息辨別能力。

提出FORMULASPIN自對弈框架，利用公式可執行性作為隱性監督，通過兩玩家遊戲和ExecVote機制，無需額外數據即可提升性能，在NL2FORMULA基準上達到74.9%精確匹配和87.1%執行準確率。

一項新研究評估了在NVIDIA H100 GPU上啓用機密計算對大型語言模型推理性能的影響。測試使用Mistral-7B和Qwen3-30B-A3B模型，發現機密模式使首令牌延遲平均增加21.8%-27.8%，全局令牌吞吐量下降17.7%-21.1%，且較大模型更早達到飽和。結果表明機密GPU推理在負載下仍可保持可用吞吐量，但容量規劃需考慮性能損失和早期飽和現象。

OpenEvoShield是一種針對LLM多智能體系統的持續防禦框架，能夠應對攻擊策略和正常行為雙重動態變化，通過不對稱速率控制器、動態行為邊界更新、正則化策略集成和能量檢測器，在100輪部署中有效檢測未知攻擊並保持低誤報率。

該論文提出FraudShield AI框架，融合LSTM網絡與手工設計的圖拓撲特徵，以應對金融欺詐檢測中極端數據不平衡（0.13%欺詐率）和不斷演變的對抗逃避策略。通過引入PageRank中心性、入度動態和自定義流量比率等網絡中心特徵，系統將檢測範式從孤立交易分析轉向網絡級取證。採用Focal Loss處理類別不平衡，並引入動態閾值機制增強對低額交易欺詐的韌性。在PaySim數據集上的實驗表明，該混合模型在精確率、召回率和F1分數上顯著優於邏輯迴歸和XGBoost基線，尤其在難以檢測的微交易欺詐模式上表現突出。消融研究證實了時間組件和拓撲組件的互補貢獻。

大語言模型作為在線服務不斷部署，高效服務成為關鍵挑戰。現有研究多依賴代理軌跡或粗粒度特徵，無法捕捉多模型平台的異構性。FineServe從全球商業市場收集多模型服務負載數據，提供細粒度的真實世界動態特徵。通過分析到達動態和令牌行為，揭示了不同模型架構、規模和任務意圖下的波動機制，並開發了負載生成器，用於評估路由、調度和容量規劃策略。

本文介紹了一個基於Apache SeaTunnel AI CLI的基準測試框架，對7個領先的大型語言模型在100個ETL任務上進行了三層驗證（靜態驗證、CLI驗證、運行時驗證）。結果顯示，靜態驗證表現良好並不保證運行時成功率。該測試為AI輔助ETL提供了實用評估方法，強調工程團隊應根據工作負載複雜度、運行時成功率、錯誤恢復能力和運營成本選擇模型。

DamNesia是一個基於16維狀態空間的AI角色框架，通過PES運行時提供確定性的人格動態，解決大語言模型在長期交互中的人格漂移問題。框架分為社區版、運行時版和企業版，支持高性能併發和零GC內存管理。

本文提出了一種基於確定性規則的思考機器架構，取代當前的統計AI。作者建議為整個英語構建遞歸下降解析器，併為每個單詞分配解析函數，結合推理引擎和響應生成器，以實現對語言的精確理解和計算。

儘管生成式AI被宣傳為能提升遊戲開發效率、降低成本，但眾多獨立開發者卻對其持反對態度。他們擔心AI會損害創造力、導致法律風險、扼殺初級崗位，並讓遊戲失去人性。本文采訪了超過30位開發者，其中約25位明確表示拒絕使用AI。