GRACE是一種新方法，透過結合擴散模型和模型預測路徑積分（MPPI）控制，僅使用前向成本評估來引導預訓練的擴散策略，從而處理非可微的部署約束，如碰撞檢測和關節限制。該方法在模擬中取得了更高成功率，並在真實7自由度機械臂上成功避開障礙物。

本文全面綜述了機器人學習中的進度獎勵建模方法，指出現有終端成功訊號的不足，並提出統一框架，從模型介面、訊號構建方法和資料基準三個角度系統梳理了該領域的研究進展與侷限性。

研究人員提出一種新框架，利用生成式AI將文本提示轉換為逼真多樣的人體運動序列，使人形機器人無需真實資料即可學習多種任務執行風格。在四個模擬場景中，機器人成功完成任務並展現出對複雜運動變化的強適應性。

本文提出ISPCloak，一種無需最佳化的對抗攻擊框架，透過利用影像訊號處理（ISP）管道的硬體固有統計特徵，將AI生成影像偽裝成真實照片，從而有效繞過當前深度偽造檢測器。該方法將影像轉換至RAW域，注入真實感測器噪聲並重建ISP管道，實現快速生成視覺上不可察覺的對抗樣本，實驗表明其對多種檢測機制具有廣泛欺騙性。

本文提出語義高斯分配變換器（SAGFormer），透過顯式分配固定數量的高斯體素來解決3D語義佔據預測中的分配瓶頸問題，提升了預測效果和語義一致性。

本研究提出了一種可重複的工作流程，利用1米NAIP RGB影像繪製農田範圍和可見邊界。使用殘差U-Net網路和Dice主導損失函式，在測試集上實現了0.8808的準確率、0.8605的IoU和0.9234的Dice係數。透過融合文本提示的SAM 3分支，在困難場景（如果園林行、碎片化地塊）中Dice係數分別提升至0.955和0.903。該產品為語義農田範圍層，支援當前無可用田塊層的農業監測應用。

SCALE是一個自監督框架，透過生成易違反佈局變體訓練DRC-VLM，在亞2nm節點上提升DRV修復率12-25%。

最近的條件影片生成模型能夠將深度圖等3D引擎渲染結果轉換為逼真影片，但在長時間自迴歸生成中，當相機重訪之前位置時，由於KV快取已清空，會出現不一致的外觀。本文提出一種無需額外訓練的方法，利用3D引擎提供的對應關係：時間對應檢索歷史潛在塊作為閉環記憶，空間對應透過相機姿態和深度重投影引導注意力，從而在保持影片質量的同時顯著提升重訪一致性。在TartanAir和TartanGround資料集上的實驗表明，該方法優於現有無訓練基線。

本文提出Trans-Unet框架，透過將3D點雲資料轉換為2D網格域，結合卷積神經網路和自注意力機制，實現高解析度腦摺疊形態的精確預測，在保真度和準確性上超越現有方法。

一項新研究調查了面部識別流程中照片陣容準確性受相簿大小的影響。研究發現，隨著相簿規模從500張增加到24,000張，目擊者錯誤識別的可能性及其對錯誤識別的信心均顯著上升。該流程已涉及至少9起錯誤逮捕，質疑是否應繼續使用此類影像進行照片陣容，以及僅憑照片陣容結果是否應構成逮捕的合理依據。

提出了一種名為風險引導的隱式邊界細化（RIBR）的緊湊型分割框架，透過隱式神經表示作為風險引導的殘差校正，結合邊界細化、風險控制和幾何-散斑感知正則化，在九項超聲資料集上取得最優整體宏平均和一致更低的邊界誤差，適用於資源受限和邊界敏感的超聲影像分割。

大型視覺語言模型（LVLM）在視覺推理任務中仍然脆弱。現有基準主要關注符號數學或科學問題以及簡單的視覺任務，缺乏對複雜視覺推理和邏輯一致性的評估。本文提出ConVBench，一個複雜的視覺推理基準，每個影像配有兩個邏輯等價的問題，涵蓋六個類別。同時定義邏輯一致性和魯棒準確性兩個評估指標。進一步提出ConVLM，透過基於GRPO的強化學習結合新穎的一致性獎勵來改進LVLM推理，有效利用自動生成的邏輯等價問答對和雙重獎勵設計。

Oxygen-TryOn是一種統一的任意物品虛擬試穿基礎模型，專為試穿任務設計，而非通用影像編輯器的改造。它利用專用資料引擎和試穿特定訓練，支援多種參考物品（如產品圖或日常穿搭照片）和目標人物影像，生成逼真的試穿效果。與傳統單品類或僅注重衣物的方法不同，Oxygen-TryOn支援全/半身檢視、可變參考數量、自由多物品組合，同時保持人物身份和物品外觀。它採用三階段訓練策略（CPT、SFT、RL），並在RL階段結合內部試穿獎勵模型和專有通用模型。在公開基準和內部測試中，它在單物品試穿上達到最先進水平，在多物品試穿上領先，匹敵或超越領先的商業和開源系統。

本研究首次系統性地探討了大型語言模型在生成文件播客時的忠實度問題，提出catch-n-repair框架以檢測和重寫不忠實內容，實驗表明該方法有效提升忠實度。

歷史文獻常因物理損壞而難以辨認，現有基於掩碼語言模型的修復方法雖能利用區域性上下文，但無法恢復需要外部歷史知識的命名實體。為此，我們提出了一種新框架，利用檢索增強生成（RAG）的大語言模型，結合預訓練LLM的隱含知識與顯式檢索的外部上下文，有效推斷上下文相關的專有名詞。在韓國曆史文獻上的實驗表明，該方法在恢復普通字元和命名實體上均顯著優於基線，專家評估證實其可作為領域專業人員的實用工具。

新研究表明，對於使用LoRA介面卡的閉卷問答，資料質量比模型容量更重要。一次簡單的資料整理處理將15個文件語料的準確率從57.7%提升到85.7%，甚至超過了檢索增強基線。

引入Copyright-Bench基準，評估LLM智慧體在執行商業任務時是否遵守版權法。發現智慧體傾向於選擇受版權保護的內容，即使有公有領域替代品，且開放權重模型在特定使用者偏好和時間壓力下違規率上升。

Khondo是首個針對孟加拉國政府表單文件包分割的基準，涵蓋雙語言（孟加拉語-英語）和視覺原生頁面影像，包含五種拼接方案和14個行政領域。零樣本評估顯示多模態大語言模型在聚類頁面方面表現良好，但在恢復原始頁面順序上存在困難，頁面順序重構成為關鍵挑戰。

這項初步研究使用自然語言自編碼器（NLA）探測Qwen2.5-7B-Instruct模型在處理哥倫比亞西班牙語和英語提示時，是否在內部表徵哥倫比亞身份、社會經濟地位或刻板印象相關資訊。研究採用30個提示（15對匹配的西班牙語-英語對），涵蓋顯性哥倫比亞線索、隱性哥倫比亞線索和中性對照，並報告描述性比率和定性證據，而非統計顯著效應。

教師、會議主席和讀者在判斷寫作質量時通常只能看到最終文件，而無法瞭解其生成過程。Humanly是一個寫作平臺，透過記錄完整的寫作活動並生成密封的寫作證書，使寫作過程本身成為可驗證的證據。該平臺支援配置感知的異常行為審查，適用於課程作業、同行評審和個人認證等場景。使用者研究和紅隊測試表明，Humanly在不同角色下都有幫助，其打字檢測器能可靠地區分人工打字和自動打字。

一項新研究系統比較了專家分配與自動分配的MeSH術語作為分類器特徵用於系統綜述篩選，發現明顯的差異高度依賴於評估設計，對基準解釋具有啟示意義。

這篇論文提出了一種基於共識的大語言模型（LLM）評估框架，透過讓多個LLM對彼此的匿名輸出進行投票排名，計算相對智慧指數（RII），以衡量模型間的相對偏好，而非絕對正確性。研究發現，不同模型在某些領域存在一致的偏好模式，但該結果反映的是模型間的一致性，而非客觀正確性或人類判斷。該方法為存在多個有效答案的場景提供了一種可擴充套件的、模型驅動的比較評估方法。

研究人員發現多模態大語言模型（MLLMs）在內容理解與安全防禦之間存在“風格不一致性”：模型能穩健理解任何視覺風格的內容，但防禦機制易被特定風格觸發繞過。基於此，他們提出對抗性風格最佳化（ASO），一種即插即用模組，透過GRPO代理微調影像編輯模型，疊加最佳化的風格修改以放大現有視覺越獄攻擊。實驗表明ASO顯著提升了最先進攻擊的攻擊成功率（ASR），證實了風格偏差是紅隊測試MLLMs的可擴充套件向量。論文已被CVPR 2026接收為口頭報告。

提出DUQFL-Prox框架，透過深度展開區域性最佳化解決量子聯邦學習中的資料異構和量子噪聲導致的客戶端漂移和不公平問題，在金融欺詐和基因組分類任務上提升了穩定性、泛化性和公平性。

本文提出將調整速度作為非平穩強化學習的安全約束。核心思想是基於適應可行性定義安全：當未來環境變化所需的適應能力超過系統校準的恢復能力時，主動收緊動作集並啟用動作級遮蔽以減少不安全行為。實驗表明，該方法主要減少了與環境變化對齊的短期視窗內的安全違規。

該研究將多步潛在一致性權重λ作為診斷工具，探索其對影片預測器和世界模型中潛在動力學幾何結構的影響。在Moving-MNIST上，提高λ顯著降低潛在膨脹和預測誤差，但在動作條件化的環境中無此效果，表明其作用域有限。透過隨機強迫律統一了不同領域的曲線。

本文提出了一種基於聯合嵌入預測架構（JEPA）的目標無關控制框架，用於偏微分方程。該框架使用小型2D ViT編碼器和基於動作的潛在動態模型進行離線訓練，無需獎勵或下游目標，隨後凍結並由模型預測路徑積分控制器重複使用。研究發現，在控制目標可用時，將其應用於明確的物理可觀測性（如動能）比在潛在空間中最小化歐幾里得距離更有效。在PDE Control Gym 2D Navier-Stokes基準測試中，動能探針規劃將原生獎勵從-12.08±0.86提升至-10.90±0.91，並將最後四分之一的速率場RMSE從0.0765降低至0.0692。在三個故意保留的不同非週期目標上，動能規劃將晚期場RMSE降低了53%。該框架還支援透過直接調節動能來實現穩態配置的穩定化控制，平均相對誤差為2.7%。

新論文研究擬蒙特卡洛（QMC）權重初始化在元強化學習中的應用。在相似未見任務上，該方法比正交初始化收斂更快，但在不相似任務上正交初始化更優。

合成表格資料旨在保留列間依賴關係，但常用指標對此不敏感。本文提出一種依賴感知的診斷方法，將強分類器雙樣本測試分解為邊際、依賴和數值-分類交叉分量，並應用於最先進的流匹配生成器。結果發現標準指標遺漏的依賴差距，且簡單幹預無法彌補。

本文提出個人代理評估需要一種新協議：在不同的持久使用者條件狀態上重放相同的時間干預，並測量失敗如何在代理元件間傳播。作者形式化了四個條件，審計現有基準後未發現滿足所有條件的協議，最後提出了最小基準設計和報告指標。