OrbiSim是一種全新的機器人仿真範式，將世界模型重新定義為完全可微分的物理引擎。它實現了從狀態到視覺的端到端可微分，支持可微分接觸建模、基於梯度的稀疏獎勵策略優化和直觀物理推理。實驗表明，OrbiSim在預測保真度和控制性能上顯著優於現有世界模型。

本研究針對表現出蠕變和應力鬆弛的粘彈性材料，提出了基於分數階粘彈性模型的觸覺渲染方法。通過有限記憶離散化下的Grunwald-Letnikov導數，推導了分數階標準線性固體（FO-SLS）模型的無源性條件，並提供了有效剛度和阻尼的符號表達式。該框架統一了整數階Kelvin-Voigt、Maxwell和SLS模型的結果。實驗驗證了理論無源性邊界，並通過人類受試者評估了FO-SLS模型的感知真實感。

該論文提出了一種統一的神經符號和認知建模框架，通過焦點集推理和可微模糊邏輯增強Swin Transformer，解決了深度神經網絡在分層圖像分類中過度自信且缺乏邏輯一致性的問題。實驗表明，該方法在保持準確率的同時，提供了更校準、可解釋的預測，減少了過度自信，並強制了層級輸出間的邏輯一致性。

流式視頻理解要求模型在部分觀測下主動決定響應時機，而非僅僅響應內容。現有基準多采用“先看後答”模式，無法評估模型在信息不完整時的及時可靠決策能力。本文提出StreamPro-Bench基準，從感知理解、時間推理和主動決策三個維度評估模型，並推出StreamPro兩階段訓練框架，通過CB-Stream損失和分組相對策略優化顯著提升主動性能。在StreamPro-Bench上達到41.5，遠超此前最佳10.4，同時在實時流式基準上保持78.9的高分。

SwordBench是一個新的基準測試，用於評估視覺模型在推理時對圖像表示進行引導（steering）的效果。它引入了跨概念魯棒性和附帶損害兩個新指標，以衡量正交化操作的影響。實驗發現，線性SVM雖然具有較好的分離性和正交性，但無法實現零附帶損害，而稀疏自編碼器表現更優。在簡單場景中，標準基線和優化方法均無法實現完美引導。代碼即將在GitHub上開源。

研究人員提出GeoSym引擎，這是一種神經符號框架，可自動生成高質量的幾何推理數據。由此產生的GeoSym127K數據集將多模態模型在依賴圖表的任務上的性能提升了超過20%。

Fre-Res是一種預算自適應的雙軌視頻令牌壓縮框架，通過分離稀疏高保真空間錨點與緊湊頻率殘差令牌，在保持高保真空間細節的同時高效編碼時序動態，在多個視頻推理基準上實現了精度與效率的平衡。

隨着多模態模型規模的增長，向語言骨幹網絡提供的視覺標記序列越來越長，導致推理成本上升。本文提出了一個基本問題：實際需要多少視覺標記，以及在固定預算下如何分配？現有免訓練剪枝方法使用一次性代理，但作者認為視覺標記剪枝應視為任務條件證據搜索。他們提出了F^3A，一種在語言模型消費圖像標記之前運行的免訓練路由器，通過輕量級問題條件線索、凍結稀疏感知頭匹配以及粗證據定位、局部細化、覆蓋保持競爭和未覆蓋區域恢復來分配固定預算。F^3A無需模型訓練或額外LLM前向傳播，保留了原有的多模態提示和推斷流程。

本研究提出StrLoRA，一種正則化兩階段專家路由框架，用於解決流式連續視覺指令微調（StrCVIT）中模型需同時學習新能力、鞏固已有能力並緩解遺忘的問題。StrLoRA通過任務感知專家選擇和令牌級加權，顯著優於現有方法。

本文提出了一種基於光子統計的事件相機概率模型，統一了靜態場景噪聲事件和階躍響應曲線的描述。通過推導精確泊松、鞍點和高斯三種分佈，揭示了這些行為的內在聯繫。基於該模型，提出了Noise2Params方法，僅需靜態均勻場景即可確定相機參數（對比度閾值、轉換因子和泄漏項）。實驗表明，使用合成噪聲數據訓練的CNN在靜態場景重建中優於僅用實驗數據訓練的模型。

一篇系統研究輕量級（小於2B參數）大型語言模型在刑事法院判決生成任務中能力及其對罪名預測影響的論文。研究探討了模型架構、規模與深度神經網絡的對比，並開發了CVGEvalKit評估框架。實驗揭示了模型大小與任務間權衡的新見解。

該研究提出了將多標籤法律註釋轉化為檢索任務的方法，使用凍結的檢索模型嵌入文檔和標籤描述，並通過k近鄰預測標籤。在三個法律數據集上，該方法在準確性和數據效率上表現出色，並完全消除了生成模型產生的幻覺問題。

新基準CHI-Bench旨在評估AI代理在真實醫療工作流程中的端到端自動化能力，重點關注政策密度、多角色組合和多邊交互。測試結果顯示，最佳代理僅能完成28.0%的任務，嚴格通過率低於20%，單會話執行時成功率降至3.8%。研究團隊認為，類似差距可能在其他政策密集、角色複雜的領域中出現。

該研究提出了一種基於大語言模型和RoBERTa分類器的計算工具，用於在句子上下文中自動識別方式動詞和結果動詞，平均準確率達89.6%。該工具通過語言學提示生成標註數據，覆蓋436個動詞類別，為發展語言研究中的動詞語義分析提供了可擴展的測量方法。

本研究提出了一種新的情感建模方法，將焦點從識別轉向評估，通過構建情感強度分數數據集並微調開放權重生成語言模型輸出0-100的連續值，展示了比分類基線更富有表現力和通用性的框架，特別適用於金融等領域。

arXiv自2023年起為TeX/LaTeX提交提供HTML版本，2025-2026年取得重要進展：社區驅動的改進解決了約一半的6000份用户報告；大規模轉換工作旨在達到90%無錯誤HTML，目前為75%；初步集成MathML 4意圖註釋以支持語音輸出；正在進行LaTeXML的Rust移植，以降低計算成本並加快預覽速度。項目仍處於實驗階段，但正逐步成熟。

PQR框架通過迭代交互兩個互補模塊（查詢優化模塊和提示優化模塊），自動生成既能觸發代理失敗又符合真實用户意圖的多樣化查詢。在電商問答代理評估中，該方法檢測到的無幫助響應增加了23%-78%，且生成的查詢比之前的方法更多樣化和逼真。

一項研究揭示了LLM智能體系統中技能庫規模的縮放定律：路由誤差隨庫大小對數增長，而正確執行可改善下游決策。通過優化，路由準確率從71.3%提升至91.7%，任務通過率顯著提升。

AdaGraph是一種基於圖原生的聚類算法，源自結構中心機器學習（SC-ML）範式。它通過k近鄰圖拓撲結構替代歐幾里得距離度量，從根本上解決了高維數據中的維度詛咒問題。該算法無需預先指定聚類數量k，能原生處理噪聲，並通過SLCD框架實現擴展。在10個合成基準測試（維度從10到5000）中，其配套的Graph-SCOPE指標平均ARI達0.900，在9/10數據集上正確選擇k，優於傳統指標。在肝細胞癌基因共表達、文本聚類和材料科學三個科學領域均取得了顯著成果。

本研究提出一種殘差間隙感知Transformer模型，結合混合效應統計參考和Transformer殘差學習，利用ADNI臨牀和生物標誌物歷史數據預測24個月CDR-SB變化。該模型通過錨點分析、不規則歷史的三元組標記化和自注意力中的學習非負時間間隙懲罰，在多個指標上優於傳統基線模型，MSE降低13.1%，相關性提高26.4%。

該論文系統研究了在強化學習中使用循環神經網絡（RNN）時，如何將動作信息納入狀態更新函數。作者討論了多種動作編碼選擇，並在多個領域進行了實證評估，同時探討了未來工作方向及強化學習特有的挑戰。

研究發現，自對弈強化學習代理在不對稱規則擾動下，當所有正到達決策點被消除時會迅速崩潰至最大損失固定點，而保留單個正到達決策點即可防止崩潰。該現象由約束下的共同適應機制驅動，與擾動本身無關，且具有時間不變性、可逆性，並在函數近似下加劇。

研究自對弈強化學習中，攻擊者通過選擇性移除合法動作來破壞智能體決策。在撲克及非撲克領域的實驗表明，學習型掩碼比隨機掩碼和擾動基線造成更大傷害，且攻擊可跨算法遷移、在自對弈中放大，且無法通過延長掩碼訓練恢復。

SignMuon是一種結合了signSGD的多數表決符號聚合與Muon極座標步驟的1位、矩陣感知優化器。每個工作節點通過牛頓-舒爾茨迭代計算動量極因子，傳輸元素級符號並由多數表決聚合。在頻譜範數平滑和有界方差隨機梯度下，實現了O(1/√T)的非凸收斂率。在330個CIFAR-10/ResNet-50配置上，SignMuon取得了最佳驗證準確率92.15%；其4-GPU多數表決變體在匹配有效批次下訓練時間減少37%。在nanoGPT上，SignMuon實現了更低的困惑度和更好的即時性能。

該論文提出了一種基於反事實對比的信用分配框架，用於大語言模型多步推理的強化學習。通過採樣多條推理軌跡並利用其差異隱式近似替代決策，構建了過程級優勢估計器，將稀疏的終端獎勵轉化為步驟敏感的學習信號。基於此提出的隱式行為策略優化（IBPO）顯著提升了數學和代碼推理基準上的訓練穩定性和性能上限。

本文針對帶功能約束（不等式型約束）的變分不等式問題，提出了多種鏡像下降類算法。這些算法根據迭代中功能約束的值在生產性步驟和非生產性步驟之間切換，並採用不同的步長規則和停止準則。作者分析了這些算法，證明了對於有界單調算子和Lipschitz凸功能約束的問題，它們能夠以最優收斂速度達到所需精度。此外，還提出了一種改進算法，通過在生產性步驟中考慮每個功能約束以及第一個違反可行性的約束，從而在多個約束下節省運行時間。對於δ-單調算子，該算法可應用於無法獲得目標函數次梯度準確信息的約束最小化問題。數值實驗驗證了算法的性能。

本研究針對Apple M3 Ultra（60核GPU，512 GB統一內存）進行了10階段的全面優化實驗，旨在實現實時相機img2img變換。通過結合蒸餾專用模型SDXS-512的CoreML轉換和3線程相機流水線，最終在512x512分辨率下達到了22.7 FPS。研究揭示了CUDA平台上的優化策略在Apple Silicon統一內存架構上並不有效，例如量化無法加速、並行推理無效以及神經引擎不適用於大規模模型，並提供了針對Apple Silicon的擴散模型推理實用指南。

LinAlg-Bench是一個診斷基準，通過3x3、4x4和5x5矩陣的嚴格維度梯度，評估了10個前沿大語言模型在結構化線性代數計算上的表現。該基準覆蓋9種任務類型和660個SymPy驗證的問題，全面評估了6600個模型輸出。除了二元準確性，LinAlg-Bench還引入了一個三階段自動取證流程，將1156個失敗分類為十種主要錯誤標籤及細分子類型，揭示了LLM的數學失敗並非隨機，而是受算法類型和矩陣維度的結構性約束。核心發現是模型在4x4規模處出現一個尖鋭的行為閾值：低於此閾值時，模型因執行錯誤（如符號跟蹤失敗、算術漂移和奇偶錯誤）而失敗；高於此閾值時，失敗轉變為計算放棄，模型通過工具角色扮演、約束一致的虛構和結構化幻覺來編造響應，而非嘗試計算。這種從編造到放棄的轉變在幾乎所有模型層級和架構中普遍存在，暗示這是一個工作記憶限制而非知識差距，三種規模湧現的錯誤類型（在3x3中不存在但在4x4和5x5中出現）支持了這一觀點。研究還表明，解策略僵化是5x5行列式準確性的近乎完美預測因子，記錄了一種名為約束感知虛構的新型結構化幻覺故障模式，並公開了所有數據、模型輸出、錯誤標籤和判斷流程。

該研究提出一種知識自適應架構，將視覺感知與推理分離，結合視覺編碼器和動態知識庫，以解決野外邊緣AI部署中的環境變異性和資源限制問題。通過顯式知識庫替代隱式參數編碼，支持專家知識的可持續性，並與生物學家和原住民社區合作推動倫理AI共同開發。

最新研究表明，通用多模態嵌入（UME）從鏈式思維（CoT）推理中獲益顯著，但生成顯式CoT軌跡的計算開銷過大。本文提出用潛在思維令牌替代顯式CoT，這些令牌作為潛在變量可生成顯式CoT軌跡作為觀測變量。通過CoT生成損失優化思維令牌，再通過對比損失優化嵌入令牌，實現了恆定推理成本下的高性能、推理感知表示。研究探討了兩種關鍵架構設計，並推出了TTE-Flash-2B模型，在MMEB-v2基準上超越顯式CoT對應模型，同時思維令牌可文本和視覺解釋。此外，在15個視頻數據集上的零樣本評估顯示，隨着思維令牌數量增加呈現擴展行為，並啓發了基於任務需求的自適應思維預算分配試點研究。