DenseTRF是一種自監督框架，利用紋理中心注意力機制，無需監督即可將手術密集預測模型自適應到新分佈，提高了跨手術流程的泛化能力。

ABRA是一個新型放射學智能體基準測試，要求智能體通過21種工具操作OHIF查看器和Orthanc DICOM服務器。包含655個任務，覆蓋8種類型和3個難度級別。測試10個模型發現，執行率高但結果率低，瓶頸在於感知而非工具編排。

為自動生成臨牀級手術評估報告，研究者提出了包含感知-對齊-推理框架的新方法，核心是Hi-GaTA輕量級時序適配器，能將長視頻序列壓縮為LLM兼容的視覺前綴令牌。通過預訓練手術專用視頻編碼器Sur40k、採用時序金字塔與文本條件雙交叉注意力、以及跨層級門控融合等創新，該方法在有限監督下實現了連貫且風格一致的手術報告生成，性能優於強多模態大語言模型基線。

政治和社會身份影響人們如何評價政治信息，但現有計算工具往往給出單一分數，忽略這種差異。本文提出視角主義視覺政治情感分類器（PVPS），基於約82,000次評估（來自5,575名美國成年人）預測不同身份羣體的圖像評價。應用發現，考慮觀眾身份後，抗議圖像中的暴力感知和情感機制會發生實質性變化。

LatentHDR提出了一種新框架，將場景生成與曝光建模在潛空間中解耦。通過預訓練的擴散主幹生成單一場景表示，再使用輕量級條件潛空間映射頭將其轉換為曝光特定的表示，從而一次性生成密集且結構一致的曝光棧。該方法避免了多輪擴散，確保跨曝光對齊，並將計算量降低一個數量級，支持文本和圖像條件生成，在SI-HDR基準上達到了最先進的動態範圍。

本文提出一種基於視覺語言模型（VLM）嵌入空間線性可加性的預訓練方法，利用合成數據構建背景不變表示。在Waterbirds數據集上，該方法在100%虛假相關（無少數羣體樣本）條件下，首次實現了超過90%的最差組準確率，且無需真實去偏數據，具備強大的模擬到真實遷移能力。

HiDream-O1-Image是一種原生統一的視覺生成基礎模型，通過像素空間擴散Transformer實現了從模塊化架構到端到端上下文視覺生成引擎的範式轉變。它將原始圖像像素、文本標記和任務特定條件映射到單個共享標記空間，消除了對獨立VAE或預訓練文本編碼器的需求。實驗表明，8B參數的HiDream-O1-Image性能與27B的Qwen-Image相當甚至更優。此外，將架構擴展到200B以上參數後，HiDream-O1-Image-Pro在多個基準上創下了新紀錄。

研究人員發佈了首個全球農田地塊邊界數據集，空間分辨率10米，覆蓋2024和2025年，包含31.7億個遙感地塊多邊形，覆蓋241個國家和地區。該數據集基於U-Net分割模型和哨兵二號影像生成，在24個國家的驗證中平均像素級召回率達0.85。

本研究提出了一種原則引導的不確定性監督框架（PriUS），基於證據學習，通過確保空間不確定性分佈符合三個感知對齊原則（圖像對比度、圖像損壞嚴重程度、解剖結構幾何複雜度），提高了醫學圖像分割中不確定性估計的可解釋性和一致性。在ACDC、ISIC和WHS數據集上的實驗表明，PriUS在保持競爭性分割性能的同時，產生了更一致的不確定性估計。

ReAD是一種強化引導的能力蒸餾框架，通過考慮能力間的相互依賴關係，在固定令牌預算下自適應分配蒸餾資源，提升下游任務性能並減少有害溢出。

研究者推出了Hebatron，一款基於NVIDIA Nemotron-3稀疏MoE架構的希伯來語專用開源權重大語言模型。該模型在每輪前向傳播中僅激活30億參數，卻能達到73.8%的希伯來語推理準確率，超越了之前的模型，並與Gemma-3-27B等更大規模的模型相抗衡，同時提供約9倍的推理吞吐量和高達65,536個token的上下文長度。

本文介紹了RETUYT-INCO團隊在BEA 2026共享任務“基於評分標準的德語短答案評分”中的參與情況。團隊提出了元提示方法，即讓大語言模型根據訓練集示例生成自定義提示，用於評分新答案。此外，還探索了經典機器學習、微調開源大語言模型和不同提示技術。官方結果顯示，團隊在Track 1（8支隊伍中排名第6，QWK 0.729）、Track 3（9支隊伍中排名第4，QWK 0.674）和Track 4（8支隊伍中排名第4，QWK 0.49）中取得了成績。

ReVision是一種用於訓練多模態語言模型的方法，通過移除連續截圖間冗餘的視覺補丁，將令牌使用量平均減少約46%，同時成功率提升3%。該方法使代理能夠以更少的令牌處理更長的軌跡，並表明歷史性能飽和是由於令牌表示效率低下，而非過去信息的有用性有限。

一項新研究揭示了語言模型中指令主要影響輸出生成階段，而對輸入處理階段影響甚微。通過逐層探測任務特定信息，研究人員發現處理與生成之間存在顯著不對稱性：樣本令牌中的信息保持穩定且與行為弱相關，而輸出令牌中的信息則隨指令變化且與行為強相關。注意力干預實驗進一步證實，阻斷指令流向所有後續令牌會降低行為表現和輸出信息，而僅阻斷樣本令牌則影響極小。該現象隨模型規模和指令調優而加劇，表明理解模型能力需同時評估內部狀態和行為，並按令牌位置分解內部視角以區分輸入處理和輸出生成。

本研究系統評估了使用差分隱私（DP）訓練的大語言模型中的社會偏見。通過對比DP模型與非DP模型在句子評分、文本補全、表格分類和問答四種任務上的表現，發現DP僅在句子評分任務中減少偏見，且這種改善並未推廣到其他任務。研究還揭示了logit層面的偏見與輸出層面的偏見之間存在差異，並指出減少記憶化並不必然降低不公平性。

雙院模型通過可訓練的神經接口耦合兩個凍結的語言模型，實現隱藏狀態級別的連續通信，無需文本序列化。在算術、邏輯謎題和數學推理任務上顯著提升性能。

本文分解了一個約1.5億參數的進化型混合LoRA系統，將其分為三個因素：路由器重寫、每領域留一評估範圍和生命週期（包括死亡、alpha混合繼承、SVD變異和槽位重分配）。結果表明，路由器重寫帶來了顯著的對數困惑度改進（+0.0426 nat），而生命週期則是一個淨拖累（約-0.028 nat）。此外，基於可控合成沙盒的測試發現了一個基板條件邊界：只有當適配器預先與任務對齊時，路由通道上的進化搜索才有主導作用，否則其性能低於或等同於梯度解決方案。

本文介紹了ClinicalBench，這是一個包含400個問題的基準測試，用於評估臨牀問答中的斷言感知檢索。作者提出了EpiKG，一種患者知識圖譜，為每個事實附加斷言標籤和時間性標籤，並根據問題意圖引導檢索。實驗表明，與基線相比，該方法在多個指標上取得顯著提升。此外，醫師裁決發現56%的自動生成的參考答案存在缺陷，凸顯了人工審核的必要性。

一篇新論文提出了一個有效性-多樣性框架，表明LLM中多樣性崩潰源於解碼過程中的兩種校準錯誤：順序校準（有效令牌的排名不一定高於無效令牌）和形狀校準（概率質量過度集中在少數有效令牌上）。在14個模型上的實驗證實，多樣性問題不僅僅是採樣啓發式的缺陷，而是根本性的校準問題。

本文提出一種即插即用的框架SoftBlobGIN，將ESM-2等蛋白質語言模型的表示投影到蛋白質接觸圖上，並應用輕量級圖同構網絡進行可微的Gumbel-softmax子結構池化，實現結構感知的消息傳遞和學習粗粒度功能子結構。在酶分類任務中達到92.8%的準確率和0.898的宏F1分數，結合位點檢測的殘基AUROC從0.885提升至0.983。該方法無需重新訓練語言模型，僅增加約110萬參數，並提供可審計的結構解釋，使蛋白質語言模型的預測更加透明。

強化學習對齊方法常因獎勵黑客行為導致多樣性下降。TMPO通過匹配軌跡級獎勵分佈而非最大化標量獎勵來解決這一問題。它引入了Softmax軌跡平衡（Softmax-TB）和動態隨機樹採樣，生成多樣性比現有最優方法提升9.1%。

ξ-DPO 提出了一種新的直接偏好優化方法，通過比值獎勵邊際（ξ）解決了 SimPO 中超參數 β 和 γ 難以聯合調優的問題。該方法重新定義了獎勵形式，使邊際變得有界且可解釋，無需反覆試錯調整。

擴散語言模型（dLLM）因其高度並行處理的潛力而備受關注。然而，現有方法依賴高置信度閾值來保證準確性，嚴重限制了並行擴展性。本文通過令牌級統計分析發現，大量令牌在去噪早期就已收斂到正確預測，但未達到標準置信度閾值，表明現有標準過於保守。為此，提出LEAP（前視早收斂令牌檢測加速並行解碼），一種無需訓練、即插即用的方法，通過未來上下文過濾和多序列疊加檢測早收斂令牌，實現可靠早期解碼。實驗表明，LEAP顯著降低推理延遲和解碼步數，較置信度解碼平均減少約30%去噪步數，在GSM8K數據集上與dParallel結合達到每秒7.2個令牌的處理速度，同時保持模型精度。

該文介紹了一種新穎的分層多視圖HAAR（HMH）框架，用於異配圖分類。HMH通過異配感知編碼器學習符號親和度，構建軟圖層次，並在每個層次應用稀疏正交的Haar小波基進行頻譜濾波，有效緩解了中心節點主導聚合、過平滑和過壓縮問題。實驗表明，HMH在節點分類和圖分類任務上分別取得了最高3%和7%的提升，且保持了近線性可擴展性。

一種名為Vertex-Softmax的新方法，通過對區間約束下的softmax進行精確優化，為Transformer注意力的認證驗證提供更緊密的界限，在多個數據集上提高了驗證率和下界，同時計算效率高。

提出旋轉保持有監督微調（RPSFT），通過懲罰預訓練權重矩陣主奇異向量塊的投影變化，在保持任務適配的同時限制不必要的旋轉，從而改善域內/域外泛化權衡，並保留預訓練表示。

離散擴散語言模型（DLM）通過並行去噪所有位置來生成文本，但現有的控制生成方法採用統一干預調度，導致質量下降，特別是在多屬性聯合控制時。本研究通過訓練稀疏自編碼器分析四個DLM（124M-8B參數），發現不同屬性（如主題和情感）在去噪過程中的不同階段固化。基於此，提出自適應調度器，將干預集中在屬性活躍形成的步驟上，從而在不犧牲生成質量的前提下實現精確控制。在四個DLM和七個引導任務中，該方法在三屬性同時控制時達到93%的引導強度，比最強基線高出15個百分點。

研究人員提出QuIDE，這是一種統一指標，將壓縮、準確性和延遲整合為單一智能指數得分，用於評估量化神經網絡。跨多種架構的實驗揭示了任務依賴的最優量化級別：簡單任務和大語言模型最佳為4位，而複雜圖像分類8位最優。準確度門控變體可防止高估破壞準確性的配置。

研究人員提出了Conv-VaDE模型，用於可解釋的腦電微狀態分析。該模型進行概率軟聚類和生成式地形圖解碼。系統架構搜索表明，四層網絡配合緊湊通道和低潛維度可獲得最佳穩定性和可解釋性。

Reasoning-core 是一個輕量級（130M參數）的本地運行護欄，在AI代理（如Claude）編輯代碼前對其計劃進行結構迴歸評分，以提高任務完成率、節省令牌並保持代碼一致性。