本文介紹了一種觸覺反應式夾爪，集成了視覺-觸覺主動手掌（VTAP）和帶觸覺陣列傳感器的柔性可重構手指。通過結構化的手指-手掌協同和多模態感知，實現了魯棒抓取和精細操作。還提出了一種分階段、手勢條件重定向框架用於靈巧遙操作。實驗驗證了在多種挑戰性任務中的高性能，為基於學習的靈巧抓取設計提供了實用參考架構。

本文提出了一套基於雙組分硅膠澆注鑄造的軟氣動致動器穩健製造流程，解決了內部腔體堵塞和氣密性問題，並開發了薄膜柔性傳感器的嵌入方法。通過有限元分析、PID壓力控制實驗以及自動圖像處理校準，驗證了致動器性能。階梯波和正弦波驅動實驗表明其具有高重複性和低滯後，且經過兩位操作者24次成功製造驗證，為軟體機器人的規模化應用提供了可靠基礎。

NeuroCommitSSM是一種以決策為中心的框架，用於輔助機器人操作中的安全承諾執行控制。它通過同步腦電圖（EEG）、肌電圖（EMG）和眼動追蹤（ET）預測連續的承諾就緒度分數，並利用滯回濾波轉換為離散承諾事件。三狀態有限狀態機HOLD-ASSIST-COMMIT（HAC）在啓動運動前要求同時滿足神經模型持續承諾就緒信號和實時感知及機器人狀態可行性。在32名受試者、五項日常生活活動任務中，NeuroCommitSSM達到0.950的動作平衡準確率，每1000個REST窗口僅0.75次誤承諾事件，並在傳感器缺失下保持低誤承諾和穩定狀態轉換。硬件在環驗證顯示可行性檢查執行減少了誤啓動和決策不穩定。

小米機器人團隊提出Xiaomi-Robotics-1，一個基礎視覺-語言-動作（VLA）模型，能夠遵循多樣語言指令在未見環境中執行移動操作任務，並通過少量微調數據高效適應新任務。模型採用兩階段訓練：預訓練階段利用超過10萬小時的真實操作軌跡（通過UMI設備收集）賦予模型廣泛的動作生成能力，並開發了可擴展的自動標註流水線；後訓練階段對齊機器人本體和人類指令。實驗證明模型具有強擴展性，在RoboCasa365上達到57.6%的成功率，在RoboDojo上取得20.07的平均分，均超越先前最佳水平。代碼和模型將開源。

跨視角地理定位將地面觀測與衞星圖像匹配。最新方法利用視頻片段等序列查詢獲得更豐富的時空線索，但忽略了路線描述這一互補模態。本文提出SeqGeo-VL數據集（約3.9萬視頻-文本-衞星三元組）和TrajLoc統一框架，同時處理視頻和路線描述，通過密集視覺與抽象語言語義相互增強。還提出TrajMod輕量模塊，根據軌跡幾何條件化查詢嵌入，實現空間感知表示。實驗表明TrajLoc在視頻和文本地理定位上顯著超越現有方法。

一項研究評估了在乳腺篩查AI中引入異常豐富的活檢確認病例的效果，發現混合數據集會導致性能下降，因為數據集特定特徵產生了域偏移，抵消了額外陽性病例的益處。

研究表明，CNN難以有效提取方向特徵。使用包含緊湊方向特徵和置信度的復結構張量作為CNN輸入，相比灰度圖像輸入，持續提高了識別準確率。實驗還表明，由小型復卷積網絡提供的輸入結合縮減的CNN尺寸，優於全尺寸的主流CNN架構。這表明在CNN中預先使用方向特徵（哺乳動物視覺中採用的策略）不僅緩解了CNN的侷限性，還增強了其可解釋性和對輕量級設備的適用性。實驗在公開眼周圖像數據集（Cross-Eyed和PolyU）上使用六種CNN架構進行閉集和開集場景下的生物識別和驗證，結果顯示等錯誤率降低了5-26%。

GS-RealBlur是一種新穎的數據採集框架，能夠以靈活的方式獲取真實模糊-清晰圖像對，用於訓練圖像去模糊模型。它使用手持相機拍攝模糊圖像，用雲台密集拍攝清晰圖像，重建3D場景表示，並通過模糊感知姿態精化模塊優化相機姿態。基於GS-RealBlur數據集訓練的模型在多個基準測試中均優於現有合成和真實數據集訓練的模型。

老年人跌倒是重大安全挑戰，但持續監控困難。本文提出隱私保護框架，用無監督關鍵點和預測時序建模替代RGB傳輸，在本地處理分割和關鍵點提取，通過變分遞歸預測和序列分類檢測跌倒。在UR Fall Detection和Human Fall數據集上評估，無監督關鍵點在遮擋和部分可見性下顯著優於監督方法，帶寬約束下差距擴大。

使用部分信息分解（PID）框架在訓練前選擇最優的MRI對比度組合，以降低多對比度3D MRI腦腫瘤分割的計算成本。研究選取T1c+T2-FLAIR作為最佳輸入對，在輕量級3D U-Nets上表現接近全輸入配置，平均Dice 0.676 vs 0.687，驗證了PID的實際價值。

多模態大語言模型（MLLMs）能夠從自然語言查詢中定位整個物體，但在查詢指定部件而非物體時表現不佳。本文提出物體-部件層次化反射式定位（OP-HRG），一種由粗到細的推理引導定位策略：先定位父物體，再鎖定其中的部件。自檢步驟會反思結果，並擴展為重新編碼預測裁剪區域以檢查糾正的區域。我們引入部件感知的GRPO框架，通過階段獎勵訓練該流程。一個4B模型經此訓練後，在PascalPart、PartImageNet和InstructPart上優於7B定位LLMs和SAM3，並遷移至推理分割。

該研究提出一種完全無需訓練的開放詞彙3D點雲分割方法，利用凍結的視覺語言模型（RegionPLC）和提示概念分割器（SAM3）通過跨視圖一致性實現廣義少樣本分割，在ScanNet200和ScanNet++基準上顯著提升了新類分割性能，且無需任何訓練或少樣本支持。

AI生成視頻（AIGV）通常包含幀間不一致導致的細微時間偽影。然而，使用標準全局讀出層的視頻骨幹網絡在AIGV檢測中往往不如強圖像預訓練探測器。本文提出Velocity Gated Patch Velocity Profiling（V-PVP），一種輕量級讀出模塊，僅替換聚合層，增加約0.5M可訓練參數，在AIGVDBench上達到95.28 AUC，且骨幹網絡完全凍結。

本研究比較了HOG+SVM、LBP+邏輯迴歸和輕量級CNN在FER-2013、CK+和KDEF三個面部表情數據集上的性能。結果顯示，CNN在複雜數據上表現最佳，HOG在受控環境下表現強勁，而LBP在所有數據集上表現不佳。研究強調了數據集複雜度對性能的影響，以及魯棒特徵學習在現實應用中的必要性。

大型語言模型（LLM）在回答預設問題方面表現優異，但其在開放式、結論前階段的探索能力尚未得到充分評估。本文提出前瞻性假設發現（PHD）任務，要求模型從不確定證據中自主構建有依據、可區分且可檢驗的假設空間。為評估該能力，研究者推出HypoArena基準，包含涵蓋六個科學分析領域的988個案例的HypoData數據集及HypoEval評估框架。實驗表明，15個前沿LLM在該任務上表現出明顯的能力分層，並揭示了結構化分析技能對模型性能的依賴效應。

本文提出BIRD，一種兩階段自我推理蒸餾方法，通過先採樣簡潔解並進行提示切換SFT，然後應用在線逆KL蒸餾，顯著提升了大語言模型在長鏈推理中的效率。在Qwen3-8B上，MATH-500準確率從86.2%提升至92.0%，同時響應長度從3099降至1115 tokens。

本文提出AdaLook，一種用於掩碼擴散語言模型的自適應多步前瞻解碼框架。通過基於候選分數方差動態決定前瞻深度並支持分支擴展，AdaLook在保持高效的同時提升了生成質量，實驗表明其優於現有單步前瞻方法。

本研究挑戰傳統將交互對象檢測視為多分類任務的做法，提出交互對象是連續現象，通過多人語料庫和潛在變量模型構建連續層級，發現注視與反饋行為與之相關，且連續模型預測效果優於離散標籤。

提出PATR方法，通過過程反饋評分部分軌跡、選擇性分支、共享前綴和停止退化路徑，提升多輪強化學習效率。在FrozenLake和SWE-Bench上分別提升9.3和5.0分。

SkillCorpus從約82.1萬個候選技能中篩選出超過9.6萬個開源LLM Agent技能，採用16類分類法和三個質量維度進行組織。結合檢索與選擇堆棧，它在多個基準測試中取得了持續改進，其中在SkillsBench上提升最大，達7.5個百分點。

本文介紹EpiNarrate，一種用於公共衞生報告生成的智能框架，將結構化數值推理與自然語言生成分離。框架通過部分有序模式提取情景軸，構建增強數據集，並採用比較語法確保語義和算術一致性，同時利用最大熵原理驅動的有趣性選擇機制平衡覆蓋與非冗餘。在COVID-19情景建模中心上的實驗表明，該模型生成的敍述具有更好的事實基礎和更廣泛的流行病學模式覆蓋。

研究人員通過新解釋性技術“雅可比透鏡”發現，大型語言模型中存在一個類似於人類意識全局工作空間的功能結構——J空間。該空間中的表徵可以被言語報告、故意調用和保持，用於中間推理步驟，並傳遞給任意下游計算，而自動處理則無需它們。J空間在中間層攜帶連貫內容，同時容納數十個概念，並通過權重廣播更廣泛。在一致性審計中，它揭示了策略性思考、評估意識和訓練中產生的錯誤傾向，而這些從未出現在輸出中。後訓練將助手的觀點安裝到工作空間中。反事實反思訓練通過僅訓練模型在被打斷並要求反思時會説的話來改善行為。這些發現表明語言模型維持着一小部分特權表徵，具有意識訪問的功能特徵。

該研究提出將電子健康記錄中的多模態數據（包括結構化檢測值和自由文本臨牀敍述）全部轉換為自然語言序列，直接微調預訓練語言模型，無需專門的多模態融合架構。在住院死亡率、移植後移植物失效和急診分診三項臨牀預測任務中，該方法與或超過特定任務的多模態基線，並優於臨牀部署的梯度提升模型，大幅降低了系統複雜度。

LLM4EHR是一種新型臨牀基礎模型，結合領域適配的大語言模型和Transformer時間序列編碼器，通過正則化對比目標對齊EHR事件與時間序列，在ICU預測任務上表現優異，並支持通過k-shot遷移到新羣體。

這項研究利用2019年和2021年的醫療支出小組調查（MEPS）數據，評估了COVID-19大流行前後美國醫療財務脆弱性的變化。財務脆弱性定義為家庭自付醫療支出超過家庭收入的10%。研究發現，貧困狀況、保險覆蓋和處方藥支出是財務脆弱性的主要預測因素，且不同人羣之間的差異持續存在。儘管大流行後脆弱性有所增加，但基於大流行前數據訓練的模型在預測大流行後情況時性能下降幅度很小，表明主要預測因素相對穩定。

本文提出隨機重置路徑尋找（SRP）問題，一種在已知有向圖上進行情節學習的框架，其中邊的成功概率未知且固定。SRP模擬了量子中繼網絡中的糾纏分發、閃電網絡中的支付路由等場景。作者證明了全局重置結構使得最優策略為開環策略，屬於組合級聯賭博機（CCB）範疇。他們提出了Log-Dijkstra元算法，並實例化了基於UCB的PathUCB和基於湯普森採樣的PathTS。主要理論成果是PathUCB的路徑級遺憾界，通過每條路徑的複雜度C(π)將遺憾分解到次優路徑上。實驗表明PathTS通常表現最佳，但存在對抗實例導致其不收斂。推薦PathTS作為實用默認算法，但需警惕對抗實例。

該研究刻畫並比較了標準線性模型與單量子比特混合態模型在監督二分類任務中的固有可解釋性。結果表明，單量子比特混合態模型本質上是標準線性分類的“橢球版本”，即學習一個超橢球而非超平面來分類數據。文章討論了兩者的幾何歸納偏差及特徵重要性歸納偏差差異，為零量子背景且僅熟悉線性分類的讀者提供了理解量子機器學習概念的途徑，並建議將其用於本科教學。

本文提出qZACH-ViT，一種量化感知的緊湊型醫學圖像分類器，結合零令牌、無位置ZACH-ViT骨幹網絡和遞歸內在補丁級類別證據。同時引入遞歸歸因穩定優化（RASO），通過歸一化匹配分類和歸因梯度並移除衝突成分，提高模型可解釋性。在7個MedMNIST數據集上的實驗表明，混合精度INT8 qZACH-ViT在指標上超越FP32基線，模型縮小70%，CPU速度提升1.41–2.39倍，預測一致性達99.975%。RASO顯著降低充分性誤差並增強輸入噪聲穩定性。

一篇系統評估五個大型語言模型（LLM）在技術市場分析中表現的研究論文，發現GPT-4 Turbo實現最高年化收益率和夏普比率，而FinGPT通過領域微調展現出有競爭力的風險調整後表現。研究還指出了數值幻覺、上下文窗口限制等常見缺陷。

本文提出了一種新的隨機多目標優化方法MoRe，通過利用衝突避免方向的Lipschitz連續性，在非凸環境下將收斂率從O(T^{-1/4})提升至O(T^{-1/2})，並給出了每步的衝突避免保證。