本文提出一種基於Loewner序下界的矩陣值可容許啓發式方法，在黎曼流形上進行直接知情采樣，通過保留度量張量的方向結構生成更緊緻的知情集，加速機器人運動規劃。在多種操作任務上的實驗表明，該方法優於傳統的歐幾里得和標量特徵值界限，能更快地收斂到最優解。

研究人員開發了一種用於水培生菜的數字孿生系統，結合傳感器和神經網絡，實現個體植物的生長軌跡追蹤和產量預測。系統使用RGB-D圖像訓練神經網絡，質量估算誤差在1.5克以內，未來1-4天的產量預測誤差約2克。

本文提出一種自監督的混合自適應卡爾曼濾波器，通過學習系統動態和過程噪聲協方差的結構化校正，在保持概率結構的同時提升估計精度和統計一致性，並利用創新似然進行模型分類。實驗表明該方法在低數據和大數據場景下均表現魯棒。

本文提出SeeTraceAct，一種基於單次演示視頻的視覺語言動作模型（VLA）框架，通過可見性感知的末端執行器軌跡預測實現精確空間定位。實驗表明，該方法在RoboCasa-DC基準和真實世界任務中優於基線，將平均成功率提升12.5個百分點。

本文提出了一種用於多旋翼無人機在移動平台上動態着陸的估計與控制框架，集成了非線性模型預測控制與實時最小加加速度軌跡規劃器，強制規定觸地時間，實現終端下降階段的一致定時。採用自適應無跡卡爾曼濾波在線更新過程與測量噪聲統計，增強對時變傳感質量的魯棒性。仿真與硬件實驗表明，該方法能實現可重複着陸，並相比EKF/UKF方法提高了平台速度預測精度。

CARVE是一種無預測的證書層，用於交互式駕駛中，當硬規則邊界為負時，通過識別多智能體編輯來修復被否決的機動。它在589個INTERACTION回放片段上接受了98.64%的被否決機動，並恢復了370/378個人類假否決，同時保持零優先級代理誤報和400/400的負應力否決。CARVE不依賴預測，而是證明交互的有界性、可歸因性和規範性。

本文指出，雖然 sim2real 對策略遷移到硬件至關重要，但過度依賴會導致激勵偏差、模擬器鎖定和策略探索不足。作者提出一種新的 sim2sim2real 範式，以機器人運動學為唯一設計約束，作為潛在解決方案。

本文提出一個自動化代理驅動流水線，直接從私有放射學報告和3D腫瘤學影像生成多項選擇VQA數據集，產生兩種互補問題類型：RADS風格問題和放射學報告推導問題。在四個內部癌症隊列上進行零樣本評估，發現沒有主導模型且所有單元存在巨大改進空間。盲法消融顯示視覺依賴高度特定於數據集：肝臟報告推導問題確實需要圖像，而肺CT即使沒有圖像也基本可解——領先的閉源模型在盲法下超過了其有視覺時的準確率。流水線作為開放代理技能發佈。

英偉達發佈Cosmos 3，一個全模態世界模型系列，採用混合Transformer架構統一處理語言、圖像、視頻、音頻和動作序列。該模型在多項理解和生成任務上達到最先進水平，被Artificial Analysis評為最佳開源文生圖和圖生視頻模型，被RoboArena評為最佳策略模型。代碼、模型權重和數據集已開源。

人-物交互（HOI）識別在複雜教育環境中自動分析學生行為至關重要。雖然最先進的HOI檢測器在基準數據集上表現良好，但在真實訓練環境中因領域特定物體、遮擋和複雜視覺條件而性能下降。本文提出一個診斷驅動框架，結合三元組級HOI錯誤分類和誤差因素歸因分析，應用於重症監護空運團隊（CCATT）混合現實醫學訓練。通過分析HOI失敗模式及其原因，開發了診斷導向的優化策略，將預訓練CDN模型的宏F1分數從48.6提升至90.2。結果突顯了詳細診斷分析在指導HOI模型針對性適應中的價值。

GeoDrive-Bench是一個新的基準測試，用於評估視覺語言模型在不同地區交通規則下的自動駕駛推理能力。它包含來自六個國家的5053個經過人工驗證的多選題，涵蓋感知、預測、規劃和區域推理四個任務。此外，論文提出了一種蒸餾算法，將區域特定的交通規則知識注入模型內部表徵，實驗表明當前VLM缺乏穩健的區域感知智能，而基線方法展現了改進的跨區域推理能力。

該研究評估了隨機森林與四種CNN（ResNet-50、ResNet-101、EfficientNet-B4、ConvNeXt-Large）在Sentinel-2影像上0-20米深度範圍內的可遷移衞星測深表現。通過保持空間連續性（連續礁塊而非隨機斑塊）和引入平滑權重函數（SWF）加權RMSE損失，實現了內區域RMSE低至0.26米（淺水區），跨區域RMSE在2.46-2.98米之間。在MagicBathyNet基準上，所提網絡以更少參數達到0.19-0.22米RMSE，優於U-Net和專用Transformer。多時相重複影像可降低噪聲，且已發佈優化架構與預訓練權重以促進新站點遷移。

MetaWorld是一個新穎的框架，旨在從單視角視頻中擴展多智能體視頻世界模型，以應對數據稀缺和世界狀態對齊的挑戰。它通過單目世界狀態展開（MWSU）分解相機運動和主體軌跡，利用主題感知世界生成器進行外觀驅動模擬，並通過世界狀態對齊（WSA）確保跨視圖一致性。實驗顯示其優越的跨視圖一致性和身份保真度。

Plan2Map是一個包含208個案例的多模態基準，用於從英國規劃記錄中重建地理空間邊界。研究人員提出了GeoPlanAgent系統，通過證據提取、定位、地圖配準、邊界分割、投影和驗證等步驟，在基準上實現了0.736的平均IoU和0.904的中位IoU，顯著優於直接VLM方法。

研究發現當前最先進的視覺語言模型（VLM）在度量距離查詢中雖然跨視角預測一致，但常出現系統性錯誤，表明模型依賴於先驗知識而非視覺證據。為此，研究者提出ViewDiag基準測試框架，從度量準確性、分佈集中度和潛在特徵探測三個維度評估模型，揭示預測穩定性與準確性脱節的現象。

AVTrack是一個為動態真實世界場景設計的人為中心的音視頻實例分割數據集，包含攝像機運動、視覺遮擋和位置變化等挑戰性條件。評估顯示現有方法性能顯著下降，為穩健的人為中心場景理解提供了基準。

本文提出了COD10K-C基準，基於COD10K數據集，包含8種損壞類型和5個嚴重級別，共計40種條件和81,040個評估對。評估了SINet-v2、PFNet、ZoomNet和輕量級模型RobustCODLite。所有模型在損壞圖像上性能顯著下降，運動模糊和高斯模糊影響最大。RobustCODLite採用損壞增強、頻率先驗分支和不確定性一致性損失，在損壞下保留92.3%的乾淨Dice分數，優於其他模型。該工作將開源以促進魯棒偽裝目標檢測研究。

一項針對Qwen3-14B隱藏狀態的探測研究表明，線性探針在分類推理類型（演繹、歸納、溯因）時達到了100%的準確率，但實際上檢測的是任務格式混淆因素（如來源、選項數量、響應長度），而非真正的推理模式。消除混淆後，準確率降至隨機水平，因果乾預實驗也未發現功能關聯。研究結果呼籲在機械可解釋性中進行常規的任務格式去混淆。

針對大型語言模型代理在決策步驟中生成冗長文本推理的無效性，研究人員提出了自適應潛體代理推理（ALAR）框架。該框架採用雙模式機制：常規步驟使用緊湊潛體推理，僅在需要深入思考時切換到顯式鏈式思維。實驗表明，ALAR在搜索任務中減少高達43.6%的令牌生成，在工具使用中減少84.6%，同時保持可比甚至更好的任務準確性。

受哈耶克市場理論啓發，研究人員提出一種基於拍賣、支付和財富積累的智能體經濟系統，使智能體無需集中控制即可自發形成集體智能。該系統在數學推理、金融研究等任務上超越了傳統單體模型，為多智能體系統設計提供了新思路。

對自然語言到一階邏輯（NL-to-FOL）基準FOLIO和MALLS的系統審計發現，約39%的FOLIO條目和36%的MALLS條目存在錯誤的FOL形式化。作者發佈了修正後的標註，並提出了一個基於LLM的框架，可將人工審查工作量減少70%以上，在審查不到24%的實例後即可達到90%的數據集準確率。

研究人員引入了Padyam2Gadyam數據集，用於將13至17世紀的泰盧固語古典詩歌翻譯成現代泰盧固語和英語散文。該數據集包含600首詩歌及其人工驗證的翻譯。評估了5種大型語言模型的表現，結果表明仍有較大改進空間。

研究顯示，在法律、醫療等高風險場景中，即使單次對話歷史也足以導致LLM輸差異。儘管LLM難以從對話推斷用户社會人口統計信息，但話題可部分代理該信息並不可預測地影響建議。

該研究探討了大語言模型中詞彙重疊對錶徵的影響，發現詞彙效應貫穿模型各層，並在中間層出現語義和詞彙信號同時退化的情況。研究還表明詞彙影響會波及下游任務如摘要生成和模型編輯。

一項研究評估了31個大語言模型在環境態度方面的表現，發現許多模型比普通人類受訪者更支持環保，但存在情境敏感性和諂媚行為等問題。

IdiomX是一個大規模多語言習語基準，包含超過19萬條上下文示例，涵蓋1.2萬多種習語，支持英語、阿拉伯語和法語。它定義了四項任務：習語檢測、上下文到習語檢索、阿拉伯語到英語習語檢索及習語解釋。實驗表明，Transformer模型提升了檢測性能，混合檢索架構增強了跨語言檢索。

本文提出幾何感知表格擴散模型（GATD），通過向擴散去噪器注入列值差異計算的成對角度和長度作為輸入和輔助目標，顯式捕獲表格數據中的列間關係。MLP實例在10個數據集上以平均3.5倍更少參數（分類任務達25倍）達到最先進性能，分別贏得8/10的形狀、7/10的趨勢和9/10的下游效用指標，形狀和趨勢誤差分別降低27%和20%。默認損失權重可遷移至GNN和Transformer去噪器，在27/30和25/30架構-數據集單元上改善形狀和趨勢。消融實驗證明增益來自顯式關係監督而非額外輸入或容量。該工作表明顯式關係監督是表格擴散的可遷移歸納偏置。

大型語言模型（LLM）作為持續演化的服務部署時，基礎模型頻繁更新會導致先前部署的任務特定低秩適配（LoRA）適配器失效。ReLoRA框架通過知識複用實現高效重新適配，快速恢復服務就緒的LoRA適配器，同時保持或提升任務性能。該框架包含自適應LoRA初始化和帶調度正則化的微調兩個關鍵步驟。實驗表明，與基線相比，ReLoRA將準備時間縮短最高8.9倍，準確率提升最高4.6%。

提出StenCE框架，通過對比學習融合心電圖（ECG）與冠狀動脈造影特徵，從ECG中檢測嚴重冠狀動脈狹窄信號，實現無創早期篩查。實驗表明該方法在多種ECG編碼器上均優於現有技術，首次實現高精度嚴重狹窄分類。

本文提出一個確定性氣候風險智能框架，通過整合單一真相源編排、時間異常檢測、不平衡感知集成學習和可解釋性治理，解決ESG數據碎片化和缺乏可審計性的問題。框架包含合成基準、時間漂移分析、SMOTE優化、集成學習、TreeSHAP可解釋性等，並與多種基線方法對比，結果通過分層五折交叉驗證和顯著性測試。該框架旨在建立可重複、可解釋、可操作審計的確定性氣候風險治理基礎設施。