PRISM是一種新的策略表示方法，透過顯式建模物理變數之間的多項式互動，提高了機器人運動控制的效能和柔順性，在強化學習和模仿學習中均優於標準MLP。

本文提出了一種廣義的無資料關聯SLAM框架，聯合估計資料關聯、機器人位姿、地標位置和地標語義，利用深度學習的語義資訊（類別標籤和特徵向量），採用半增量式估計方案提高精度和效率，並提供了地標數量估計的原則和啟發式方法。在合成和真實資料集上，該框架在兩種語義資訊型別下均表現出優於強基線的效能。

Sling2Sim2Real是一種新型框架，能夠透過一次非破壞性互動識別彈性物體引數，從而在模擬中學習策略並零樣本遷移到真實機器人。該方法解決了彈性行為在真實世界與模擬之間難以標定的問題，而僅憑視覺觀測無法區分彈性屬性。該框架包括兩個階段：多起始點的Real2Sim系統辨識（利用引數協方差估計彈性屬性），以及基於模擬的策略學習與零樣本Sim2Real遷移。在Franka Emika Panda機械臂和不同彈性帶的彈弓操作任務上，實驗表明Sling2Sim2Real實現了準確的策略學習和魯棒的泛化能力，同時顯著減少了真實世界互動次數。

研究人員提出了一種雙階段框架，用於基於LLM的對話機器人，在語音開始前生成上下文感知的前置響應，減少響應延遲。現場實驗顯示不同填充型別之間存在時間權衡。

一項新研究揭示了機器人操作中精度與資料需求之間的超指數關係。隨著目標精度接近一個極限，所需的演示次數呈超指數增長。該極限並非固定物理常數，而是整個機器人系統（包括感測器和專家策略）的湧現屬性。透過改善系統元件（如新增腕部相機或使用更有效的專家），可以降低精度極限，從而擴充套件可實現的操作精度。這項工作為高精度機器人系統提供了新的理論框架和實用指導。

研究人員提出世界認知模型（WCM），一種基於SLAK架構的人本具身智慧體，透過非同步執行時分離感知、推理、控制與記憶，並引入人類在環教學模式，使機器人能夠透過互動學習複雜任務。在九項真實世界人機互動任務中，WCM實現了73.8%的平均成功率，包括未參與思維鏈微調的任務和透過教學學習的長時域任務。

本文提出了一個完全AMD加速的端到端技術棧，用於具身操控，覆蓋資料中心訓練、Radeon PRO模擬/渲染GPU和Ryzen AI邊緣計算，統一於開源ROCm軟體棧。展示了四個漸進式演示，證明VLA策略的訓練和部署無需CUDA生態。

一種新演算法利用手部姿態資料減少柔性觸覺手套中的力感測誤差，在多種設計和使用者中將最小可檢測力提高最多18.3%。

本文提出了一種重放約束模擬框架，透過MuJoCo模擬器重現假肢動力學，並利用個體步行資料中的髖部運動學和地面反作用力，無需複雜的人體神經肌肉模型。深度強化學習策略同時個性化兩個關節的相依賴性剛度、阻尼和平衡角，以最大化仿生學獎勵。三名經股截肢者的實驗表明，模擬到硬體的預測有效性很高（皮爾遜r=0.96-0.997），學習到的控制器將仿生學獎勵提高了42-59%。該框架支援可擴充套件的高維個性化，並可用於神經網路控制器。

該論文提出GeoMVC模型，利用幾何互動層和多視角共識策略檢測厭女模因，在CC-MMD挑戰中馬拉雅拉姆語和中文分割槽取得優異成績。

StepX-Edge是一款僅有0.9B引數的端側UI視覺語言模型，透過架構、訓練和部署的三層協同設計，在OCR、螢幕理解、視覺問答和元素定位等任務上實現了高精度與高效率的平衡。其創新包括UI感知分層視覺編碼（ULVE）、漸進維度投影聯結器（PDP）、五階段課程學習框架以及模組化兩階段量化方案。在多個基準測試中，StepX-Edge超越了同尺寸模型，甚至媲美2B引數級別的模型。量化後可在驍龍8 Gen5裝置上穩定執行，首令牌延遲約0.84秒，解碼速度98 tok/s，峰值記憶體1.4GB。程式碼和模型將開源。

提出LowAux-RDNet，在RDNet基礎上引入訓練專用的低通反射輔助目標（LowAux），透過低頻約束增強對多樣化反射分佈的平衡效能。結合RRW場景平衡的真實對，提升跨資料集泛化能力。在統一基準測試中，五資料集宏平均PSNR達27.546 dB，SSIM、NCC、LMSE均達到最優。

EditCLEVR是一個新的基準測試，用於評估物件中心學習中的組合忠實性。它透過配對場景干預（已知屬性更改或無更改）來測試模型在語義編輯下是否正確改變物件表示。該基準引入場景圖干預準確率（SGIA）和Delta-SGIA指標，分別要求完整後場景預測正確和僅檢測單一變化模式。基線評估表明，即使使用真實掩碼，組合分佈外效能下降依然存在，僅憑區域性性或穩定性可能會高估語義忠實性。

該論文提出了一種基於差分Transformer的神經網路模型Delta-InvFormer，利用可見光相機影片幀捕捉託卡馬克等離子體動態，預測二維光強分佈，顯著加速傳統方法並保持高精度。

該研究提出了一種語言引導的分割輔助診斷Transformer模型（LSDT），用於多引數MRI的攝護腺癌四分類，透過構建攝護腺癌組織病理學光譜資料集（PCa-HSD）並結合零樣本分割提供解剖先驗，在344名患者的五折交叉驗證中實現了0.633的平均準確率和0.768的聯合召回率，顯著提高了細粒度分類效能。

本文介紹了多模態互動運動編碼器（MIME），這是首個專為雙人互動運動設計的多模態編碼器。MIME透過基於流的共注意力機制、顯式互動特徵和基於課程的對比訓練，捕捉個體與共享結構。在Inter-X文本-運動檢索任務中，MIME顯著優於基線方法，在2000樣本庫中文本到運動R@1相對提升12.8%。作為凍結的輔助先驗，MIME在TIMotion和InterMask中提升了語義對齊指標，同時保持了相當的FID分數，表明互動感知的多模態編碼能夠提升多人運動檢索並遷移至下游運動生成任務。

FogDrive是一個基於CARLA模擬器的多模態自動駕駛資料集，包含660個場景（約13.3萬幀），覆蓋四種同步攝像頭、雷射雷達和雷達。它透過科施米德模型和比爾-朗伯定律在三種能見度（160米、100米、50米）下模擬物理一致的霧，並提供清潔和三種霧級別的配對資料。資料集在8千幀上驗證了95.1%的標註精度和超過99%的車輛召回率。基線測試表明，訓練時混合多種霧密度可改善3D檢測，而2D影像質量指標不能預測下游效能。

MegaSlide-DiT提出一種系統級方案，透過將模型狀態駐留於主機記憶體並流式傳輸至GPU，結合3D可變形滑動注意力機制，在單塊H200 GPU上適配105B引數的DiT模型，解決了引數記憶體和啟用記憶體兩大瓶頸。

基礎視覺模型在自然影像上訓練後可直接應用於醫學任務，無需領域預訓練。本研究在KiTS23資料集上比較了三種聚合器用於腎臟腫瘤和囊腫檢測，發現門控注意力多例項學習（MIL）效能最佳，腫瘤AUROC為0.74，囊腫為0.80。原型頭部在囊腫檢測上失敗（AUROC 0.51），凸顯了可解釋性與效能之間的權衡。

跨語言不匹配是現代說話人驗證效能下降的關鍵因素。TidyVoice 2026挑戰針對此問題，提供了40種語言的訓練資料和38種未見語言的測試資料。本文采用Nuisance Attribute Projection（NAP）作為嵌入空間中的簡單語言歸一化步驟，在開發集上將等錯誤率從2.97%降至2.18%，並在Codabench評估中獲得8.40分，表明簡單的後端語言歸一化可與更復雜的系統相媲美。

研究人員提出了CHiPS，一種輕量級的字元級作者歸屬方法，專門針對羅馬尼亞語文本。該方法結合了字元直方圖分類器（CH-SVM）和位置訊號分類器（FFT12-LR），無需分詞、句法分析、預訓練語言模型或Transformer微調。在封閉集實驗中，CHiPS-F在400個檔案資料集上達到0.9310的準確率，但作者強調其貢獻不在於最佳分類效能，而在於研究在嚴格洩漏控制下，受限且透明的字元證據能達到何種程度。

PatiGonit22K是一個擴充套件的孟加拉語數學應用題資料集，包含22,441個問題，涵蓋簡單和多步驟方程，經過文化適配和驗證，旨在推動低資源語言的數學推理和NLP研究。

本文介紹LENS（基於層級的敘事抑制評估），一種用於測試大型語言模型在機器去學習後是否仍會復現虛假資訊敘事框架的評估協議。實驗證明，LENS能有效評估並引導敘事去學習的深入研究。

提出AutoThinkSQL框架，透過監督微調（SFT）和直接偏好最佳化（DPO）整合自動推理機制，使模型對簡單查詢繞過推理，對複雜查詢使用深度思維鏈，在Spider和BIRD基準上取得一致提升，同時減少輸出令牌和延遲。

本研究分析了不同型別審稿指南（如官方會議指南和基於高質量人類評審生成的模仿性指南）對自動同行評審的影響。實驗表明，官方會議指南產生的評審結果與人類判斷最為一致，而嚴格的評分規則會降低效能。

MioFFAn是一款開源、可定製的標註框架，旨在解決科學文獻中數學表示式自動轉換為可執行符號程式碼（公式形式化）時缺乏高質量資料集的問題。它基於MioGatto架構，支援方程選擇、符號程式碼輔助規範、自定義分類和屬性，並透過大語言模型（LLM）實現部分自動化，採用人機協同的迭代最佳化策略。初步評估驗證了該方法的有效性。

機器翻譯系統仍會產生性別偏見翻譯，GAND資料集旨在透過自然語境下的性別模糊場景分析翻譯中的性別處理，結合對比翻譯和特徵歸因方法揭示影響性別翻譯的關鍵源詞。

DomainPilot 提出一種兩階段資料混合最佳化框架，透過領域級損失監控和定標定律引導，在不增加資料量或訓練成本的情況下提升 LLM 微調效能。

提出一種可擴充套件的、僅需推理的資料估值流程，近似Shapley值無需迭代訓練，透過語義k-NN圖評估資料效用，在HelpSteer2和HH-RLHF資料集上減少人工審計搜尋空間99.1%，並發現數千隱藏的偏好反轉，暴露基準測試標籤缺陷。

提出一種整合深度學習與統計的框架，用於全網路基因-環境關聯分析，以葉脈架構為表型。該框架利用EDTER模型從RGB影像提取葉脈網路，結合DiffusionEdge和BSDS500構建標註資料庫，並透過SSCCA進行變數選擇和關聯建模。在楊樹資料集中識別出三個顯著的基因-地理互動作用。