PISTO是一種新型隨機軌跡優化算法，通過引入KL正則化穩定更新，在機器人運動規劃中達到89%的成功率，優於CHOMP和STOMP，並生成更短、更平滑的路徑。

本文介紹了Dr-BA，一種直接對二維旋轉雷達強度圖像進行束調整（BA）的創新框架。雷達對降水不敏感，是全天候自動駕駛的關鍵。Dr-BA利用多幀雷達回波聯合估計密集地圖與傳感器位姿，通過可分離優化將位姿估計與地圖構建解耦，並能自然地擴展到雷達僅用定位（DRL）。在超過200公里的五條不同路線上實現了最先進的性能。該工作已被RSS 2026接收，代碼已開源。

提出意圖同化控制（IAC）策略，通過估計操作者目標位置而非當前位置來引導從機器人，從而在低剛度下實現高精度跟蹤，平衡安全性與準確性。實驗表明，IAC在多種任務中優於傳統遙阻抗控制（TIC），提高了跟蹤精度、任務完成率並縮短了完成時間。

本文提出一種無需彈性模型的自適應控制器，使兩架無人機能夠協同運輸可彎曲物體，並通過李雅普諾夫分析證明其漸近穩定性，硬件實驗驗證了多種場景下的性能。

該研究提出了一種基於約束滿足的交通場景編排方法，利用基礎模型將自然語言描述轉化為約束，再通過求解器生成符合測試意圖的駕駛場景。在基準測試中，該方法顯著優於基線，尤其對於需要自我反應規範的場景，閉環方法至關重要。

本文提出了一種用於垂直農業環境的空中操作器平台，集成了RGBD感知、MPPI無人機控制和輕型2自由度機械臂，實現對花朵的精準檢測、定位和接近。仿真和實驗驗證了釐米級末端執行器定位精度，為未來非接觸式授粉系統提供了基礎。

一種新的控制框架利用旋量理論李代數和偏微分方程來管理多體柔性機械臂。該方法將系統分解為子系統，通過基於李雅普諾夫的方法和自適應參數估計實現全局指數穩定性和模塊化。數值模擬驗證了該方案的物理一致性。

本文提出異構步分配（HSA），一種訓練無關的推理算法，根據速度動態為不同時空令牌分配不同步數預算，通過KV緩存同步和緩存歐拉更新，在不犧牲全局上下文的情況下加速視頻生成。在Wan-2和LTX-2模型上，HSA在50%和25%運行時下顯著優於先前方法，實現質量-運行時帕累托最優。

本文提出了一種數據中心的置信學習適配方法，用於在圖像分割中檢測和緩解標籤偏差。該方法無需乾淨的無偏標註，通過比較訓練標籤與模型置信預測來識別方向性錯誤，並利用偏差對特徵空間中子組可分離性的影響進行緩解，在三個數據集上實現了公平性能。

TriDE是一種新的全局相機姿態估計方法，利用相機三角形一致性優化成對平移方向，提高了精度和後續相機位置估計。

AdpSplit是一種新的自適應分割算子，通過基於L1像素誤差區域統計確定分割子體數量並初始化子體參數，減少了3D高斯潑濺（3DGS）訓練中的密集化迭代次數，從而縮短訓練時間，同時保持渲染質量。在多個數據集上，作為即插即用的替換，AdpSplit將訓練時間減少了9.2%-22.3%，在FastGS中實現16.4%的加速，較原始3DGS快12.6倍。

本文研究了3D醫學影像中不同成像模態之間的知識遷移縮放定律，發現遷移具有強不對稱性，並提出了基於縮放定律的數據分配優化方法，形成樞紐-孤島結構，遷移感知分配優於數據比例採樣，提升幅度達58%。

LookWhen 是一種新的視頻識別框架，通過選擇-提取機制學習何時、何地以及計算什麼，從而在不處理所有令牌的情況下近似完整視頻表示，顯著提升效率。實驗表明，LookWhen 在多個數據集上實現了更好的準確率-計算平衡，比 InternVideo2-B 快6.7倍。

本文提出R$^3$L框架，通過不變空間分解、一致空間想象和支持性空間優化，顯著提升基於相對空間關係的3D佈局生成的可靠性和一致性。多跳推理中的參考系變換導致誤差累積，該框架有效緩解了這一問題。實驗表明，R$^3$L能生成物理可行且語義一致的佈局，代碼已開源。

HumanNet 是一個一百萬小時的人類中心視頻語料庫，涵蓋第一人稱和第三人稱視角，包含細粒度活動、人機交互、工具使用和長期行為。該數據集提供交互中心註釋，包括字幕、動作描述以及手部和身體相關信號，支持運動感知和交互感知學習。通過系統性數據策展範式，HumanNet 將非結構化互聯網視頻轉化為可擴展的表示學習、活動理解、運動生成和人類到機器人遷移的基礎。初步驗證表明，使用 HumanNet 中的1000小時自我中心視頻對 Qwen VLM 模型進行持續訓練，優於使用 Magic Cobot 的100小時真實機器人數據，表明人類視頻可作為機器人數據的可擴展且經濟高效的替代方案。

本文全面綜述了邊緣深度學習在計算機視覺特別是醫療診斷中的最新進展。介紹了邊緣深度學習的基礎原理與技術優勢，提出了一種基於性能和用途的硬件平台分類，探討了輕量級設計與模型壓縮等部署方法，並展示了實際應用案例。最後分析了未來發展方向與挑戰，為研究人員和從業者提供了重要參考。

研究人員提出了一種基於傳輸度量的框架來預測視覺文本壓縮（VTC）中的信息損失。他們將成本分解為精度和覆蓋度，實現了無標籤路由準則和自適應注視機制。在Qwen3-4B上的24個NLP數據集實驗中，該方法在70.8%的數據集上匹配了每個數據集的oracle，任務得分提升3.3%，同時令牌使用減少10.3%。

提出GoSkills方法，通過羣組結構化檢索將技能庫中的原子技能組織成角色明確的執行上下文，包括起始、支持、檢查和避免字段，提升智能體技能複用效率。

MultiSoc-4D是一個包含58K+條孟加拉語社交媒體評論的基準數據集，用於診斷大語言模型（LLM）在閉集指令下的標註偏差。研究發現LLM普遍存在“指令誘導標籤坍塌”現象，即偏好使用後備標籤（如“其他”、“中性”、“否”），導致對少數類別（如仇恨言論和諷刺）的檢測率大幅下降（分別漏檢79%和75%）。該研究揭示了“標籤一致性幻覺”，並通過弗萊斯Kappa係數近乎為零（κ≈-0.001）得到驗證。該基準旨在推動低資源語言NLP中的標註偏差研究。

一項新研究評估了大型語言模型根據檢索信息確定性調整回答的能力，發現系統性的侷限性，並提出了一個交互策略，平均減少25%的服從錯誤。

本文提出了一個開發以人為本的大型語言模型（HCLLM）的框架，整合了自然語言處理、人機交互和負責任的AI視角，強調在系統設計、數據收集、模型訓練、評估和部署等每個階段都需嚴格關注人類的關切、偏好、價值觀和目標，並以未來工作案例研究作為結尾。

研究人員提出了MIST（多模態交互式語音工具調用數據集），這是一個合成的多輪語音驅動代碼生成任務，專為物聯網設備設計。實驗表明，開放權重與閉權重多模態大語言模型在MIST上存在顯著性能差距，即使是最前沿的閉權重模型也有很大的改進空間。該數據集和可擴展的數據生成框架已公開，旨在推動能夠推理物理世界約束的混合主動性語音助手的研究。

本文介紹了TajPersLexon，一個包含40,112個單詞和短語對的塔吉克-波斯語平行詞彙資源，用於低資源場景下的跨腳本詞彙檢索、音譯和對齊。研究在僅使用CPU的條件下，對三種方法族進行了全面基準測試：輕量級混合管道、神經序列到序列模型和檢索方法。評估表明，該任務基本可解，神經和檢索基線達到了98-99%的Top-1準確率。值得注意的是，大型多語言句子轉換器在此精確詞彙匹配任務上表現不佳，而可解釋的混合模型在OCR後校正任務中實現了96.4%的準確率，提供了良好的精度-效率權衡。所有實驗使用固定隨機種子以確保完全可重複性。數據集、代碼和模型將公開發布。

IntentGrasp是一個大規模、多領域的意圖理解基準測試，涵蓋49個語料庫、12個領域，包含26萬餘訓練樣本和兩套評估集。對20個主流大語言模型的測試顯示，其表現遠低於人類水平（81.1%），但提出的意圖微調（IFT）方法能顯著提升性能，並展現出強大的跨領域泛化能力。

VITA-QinYu是首個端到端的表達性口語語言模型，支持自然對話、角色扮演和歌唱生成。它採用混合語音-文本範式和多碼本音頻標記，在保持模態分離的同時增強副語言表徵。通過15.8K小時的合成數據訓練，在角色扮演和歌唱基準測試上超越同行模型，並實現最先進的對話準確性和流暢性。代碼和模型已開源。

一項涵蓋33個前沿LLM、1500個MMLU題項的研究發現，聚合元認知得分掩蓋了領域內差異：應用/專業知識最易監控，形式推理和自然科學最難。模型家族內輪廓聚類顯著，且Gemma 4比Gemma 3有顯著提升。研究支持在部署前進行基準領域篩查。

研究人員提出了一種用於抗體序列設計的離散擴散模型，該模型利用生髮系吸收狀態減少生髮系偏差，並支持分類器引導的條件生成，在非生髮系殘基預測上取得了顯著改進。

本研究使用多種離線策略評估方法，檢驗了美國難民匹配中反事實影響評估結果的穩定性。結果表明，在不同評估方法和修改下，影響估計值在幅度上保持一致，且多數情況下統計顯著，與先前研究一致。

該研究利用2020-2023年CRSS數據，開發混合預測框架，識別出未使用安全帶、車齡、超速和駕駛員損傷是樹相關碰撞嚴重程度的關鍵風險因素，並提出了針對性干預措施。

一種名為Toeplitz MLP混合器（TMM）的新架構用三角掩蔽Toeplitz矩陣乘法替代注意力機制，實現了亞二次複雜度（訓練時間O(dn log n)，空間O(dn)），同時保留更多輸入信息，提升了複製能力、信息檢索和上下文學習準確率。