多模態大語言模型（MLLMs）能夠從自然語言查詢中定位整個物體，但在查詢指定部件而非物體時表現不佳。本文提出物體-部件層次化反射式定位（OP-HRG），一種由粗到細的推理引導定位策略：先定位父物體，再鎖定其中的部件。自檢步驟會反思結果，並擴充套件為重新編碼預測裁剪區域以檢查糾正的區域。我們引入部件感知的GRPO框架，透過階段獎勵訓練該流程。一個4B模型經此訓練後，在PascalPart、PartImageNet和InstructPart上優於7B定位LLMs和SAM3，並遷移至推理分割。

該研究提出一種完全無需訓練的開放詞彙3D點雲分割方法，利用凍結的視覺語言模型（RegionPLC）和提示概念分割器（SAM3）透過跨檢視一致性實現廣義少樣本分割，在ScanNet200和ScanNet++基準上顯著提升了新類分割效能，且無需任何訓練或少樣本支援。

AI生成影片（AIGV）通常包含幀間不一致導致的細微時間偽影。然而，使用標準全域性讀出層的影片骨幹網路在AIGV檢測中往往不如強影像預訓練探測器。本文提出Velocity Gated Patch Velocity Profiling（V-PVP），一種輕量級讀出模組，僅替換聚合層，增加約0.5M可訓練引數，在AIGVDBench上達到95.28 AUC，且骨幹網路完全凍結。

本研究比較了HOG+SVM、LBP+邏輯迴歸和輕量級CNN在FER-2013、CK+和KDEF三個面部表情資料集上的效能。結果顯示，CNN在複雜資料上表現最佳，HOG在受控環境下表現強勁，而LBP在所有資料集上表現不佳。研究強調了資料集複雜度對效能的影響，以及魯棒特徵學習在現實應用中的必要性。

大型語言模型（LLM）在回答預設問題方面表現優異，但其在開放式、結論前階段的探索能力尚未得到充分評估。本文提出前瞻性假設發現（PHD）任務，要求模型從不確定證據中自主構建有依據、可區分且可檢驗的假設空間。為評估該能力，研究者推出HypoArena基準，包含涵蓋六個科學分析領域的988個案例的HypoData資料集及HypoEval評估框架。實驗表明，15個前沿LLM在該任務上表現出明顯的能力分層，並揭示了結構化分析技能對模型效能的依賴效應。

本文提出BIRD，一種兩階段自我推理蒸餾方法，透過先取樣簡潔解並進行提示切換SFT，然後應用線上逆KL蒸餾，顯著提升了大語言模型在長鏈推理中的效率。在Qwen3-8B上，MATH-500準確率從86.2%提升至92.0%，同時響應長度從3099降至1115 tokens。

本文提出AdaLook，一種用於掩碼擴散語言模型的自適應多步前瞻解碼框架。透過基於候選分數方差動態決定前瞻深度並支援分支擴充套件，AdaLook在保持高效的同時提升了生成質量，實驗表明其優於現有單步前瞻方法。

本研究挑戰傳統將互動物件檢測視為多分類任務的做法，提出互動物件是連續現象，透過多人語料庫和潛在變數模型構建連續層級，發現注視與反饋行為與之相關，且連續模型預測效果優於離散標籤。

提出PATR方法，透過過程反饋評分部分軌跡、選擇性分支、共享字首和停止退化路徑，提升多輪強化學習效率。在FrozenLake和SWE-Bench上分別提升9.3和5.0分。

SkillCorpus從約82.1萬個候選技能中篩選出超過9.6萬個開源LLM Agent技能，採用16類分類法和三個質量維度進行組織。結合檢索與選擇堆疊，它在多個基準測試中取得了持續改進，其中在SkillsBench上提升最大，達7.5個百分點。

本文介紹EpiNarrate，一種用於公共衛生報告生成的智慧框架，將結構化數值推理與自然語言生成分離。框架透過部分有序模式提取情景軸，構建增強資料集，並採用比較語法確保語義和算術一致性，同時利用最大熵原理驅動的有趣性選擇機制平衡覆蓋與非冗餘。在COVID-19情景建模中心上的實驗表明，該模型生成的敘述具有更好的事實基礎和更廣泛的流行病學模式覆蓋。

研究人員透過新解釋性技術“雅可比透鏡”發現，大型語言模型中存在一個類似於人類意識全域性工作空間的功能結構——J空間。該空間中的表徵可以被言語報告、故意呼叫和保持，用於中間推理步驟，並傳遞給任意下游計算，而自動處理則無需它們。J空間在中間層攜帶連貫內容，同時容納數十個概念，並透過權重廣播更廣泛。在一致性審計中，它揭示了策略性思考、評估意識和訓練中產生的錯誤傾向，而這些從未出現在輸出中。後訓練將助手的觀點安裝到工作空間中。反事實反思訓練透過僅訓練模型在被打斷並要求反思時會說的話來改善行為。這些發現表明語言模型維持著一小部分特權表徵，具有意識訪問的功能特徵。

該研究提出將電子健康記錄中的多模態資料（包括結構化檢測值和自由文本臨床敘述）全部轉換為自然語言序列，直接微調預訓練語言模型，無需專門的多模態融合架構。在住院死亡率、移植後移植物失效和急診分診三項臨床預測任務中，該方法與或超過特定任務的多模態基線，並優於臨床部署的梯度提升模型，大幅降低了系統複雜度。

LLM4EHR是一種新型臨床基礎模型，結合領域適配的大語言模型和Transformer時間序列編碼器，透過正則化對比目標對齊EHR事件與時間序列，在ICU預測任務上表現優異，並支援透過k-shot遷移到新群體。

這項研究利用2019年和2021年的醫療支出小組調查（MEPS）資料，評估了COVID-19大流行前後美國醫療財務脆弱性的變化。財務脆弱性定義為家庭自付醫療支出超過家庭收入的10%。研究發現，貧困狀況、保險覆蓋和處方藥支出是財務脆弱性的主要預測因素，且不同人群之間的差異持續存在。儘管大流行後脆弱性有所增加，但基於大流行前資料訓練的模型在預測大流行後情況時效能下降幅度很小，表明主要預測因素相對穩定。

本文提出隨機重置路徑尋找（SRP）問題，一種在已知有向圖上進行情節學習的框架，其中邊的成功機率未知且固定。SRP模擬了量子中繼網路中的糾纏分發、閃電網路中的支付路由等場景。作者證明了全域性重置結構使得最優策略為開環策略，屬於組合級聯賭博機（CCB）範疇。他們提出了Log-Dijkstra元演算法，並例項化了基於UCB的PathUCB和基於湯普森取樣的PathTS。主要理論成果是PathUCB的路徑級遺憾界，透過每條路徑的複雜度C(π)將遺憾分解到次優路徑上。實驗表明PathTS通常表現最佳，但存在對抗例項導致其不收斂。推薦PathTS作為實用預設演算法，但需警惕對抗例項。

該研究刻畫並比較了標準線性模型與單量子位元混合態模型在監督二分類任務中的固有可解釋性。結果表明，單量子位元混合態模型本質上是標準線性分類的“橢球版本”，即學習一個超橢球而非超平面來分類資料。文章討論了兩者的幾何歸納偏差及特徵重要性歸納偏差差異，為零量子背景且僅熟悉線性分類的讀者提供了理解量子機器學習概念的途徑，並建議將其用於本科教學。

本文提出qZACH-ViT，一種量化感知的緊湊型醫學影像分類器，結合零令牌、無位置ZACH-ViT骨幹網路和遞迴內在補丁級類別證據。同時引入遞迴歸因穩定最佳化（RASO），透過歸一化匹配分類和歸因梯度並移除衝突成分，提高模型可解釋性。在7個MedMNIST資料集上的實驗表明，混合精度INT8 qZACH-ViT在指標上超越FP32基線，模型縮小70%，CPU速度提升1.41–2.39倍，預測一致性達99.975%。RASO顯著降低充分性誤差並增強輸入噪聲穩定性。

一篇系統評估五個大型語言模型（LLM）在技術市場分析中表現的研究論文，發現GPT-4 Turbo實現最高年化收益率和夏普比率，而FinGPT透過領域微調展現出有競爭力的風險調整後表現。研究還指出了數值幻覺、上下文視窗限制等常見缺陷。

本文提出了一種新的隨機多目標最佳化方法MoRe，透過利用衝突避免方向的Lipschitz連續性，在非凸環境下將收斂率從O(T^{-1/4})提升至O(T^{-1/2})，並給出了每步的衝突避免保證。

本文提出一種基於伯努利樸素貝葉斯（BNB）模型的統計驅動框架，透過監督χ²引導的統計二值化將連續變數轉化為閾值，實現完全可解釋的規則化臨床分類。在皮馬印第安人糖尿病、威斯康星乳腺癌和心力衰竭預測三個基準資料集上，AUC得分分別為0.800、0.984和0.919。機率校準透過Brier分數和beta校準得到改善。模型推理僅需參考表和基本算術，無需專有工具，為醫療AI的可信性和泛化提供實用方案。

該論文指出，將機率縮放正規化應用於通用量子電路合成是一個方向性錯誤。量子電路要求嚴格遵守數學約束，存在顯著的語法-語義差距。由於有效電路設計子集隨量子位元數量呈指數衰減，事後過濾在數學上難以處理。作者提出從以人為中心的副駕駛轉向以驗證器為中心的智慧體，並將層次約束、拓撲掩碼和符號代理直接整合到生成過程中。

本文揭示了當使用哈達瑪變換替代離散傅立葉變換（DFT）進行迴圈-二元卷積時產生的代數誤差的結構。研究給出了三項互補結果：精確誤差抵消位置、誤差運算元的秩性質以及期望誤差的標量控制公式。

本研究基於OECD資料集，對可信人工智慧(TAI)工具和信任標記框架進行了實證分析，揭示了倫理焦點、生命週期覆蓋、利益相關方定位及工具型別學上的顯著不對稱。研究建議擴大倫理目標、將倫理嵌入AI全生命週期，並促進更廣泛的多利益相關方參與。

本文提出將深度強化學習策略轉換為可執行的Prolog邏輯程式，使黑盒模型變得可解釋。該方法透過三階段後處理：提取凍結的PPO教師、歸納有序規則列表並生成Prolog程式，再透過擴充套件階段最佳化規則。理論證明包括返回損失界限、單調改進與終止性，以及在連續觀察空間中保真度的控制。實驗表明，在離散任務中達到最優回報，在連續控制任務中匹配或接近神經網路效能。

網際網路模因融合了視覺、文本和文化背景，使得幽默、諷刺與惡意共存的情況難以解讀。現有多模態分類器要麼忽略這些相互依賴關係，要麼可解釋性有限。本文提出MAR-12框架，利用視覺語言模型（VLM）從12個結構化視角解讀模因，透過角色感知軟門控注意力機制學習各視角貢獻，再基於原型分類器進行預測，並綜合視角推理和注意力權重生成解釋。在PrideMM和Memotion資料集上，幽默檢測準確率達80.3%，仇恨檢測達75.9%，優於現有方法，且生成的解釋連貫可信。

一項新研究透過四種巢狀的Codex智慧體實驗，揭示了可執行世界模型、計劃性簡化和精確回放驗證在ARC-AGI-3任務中的貢獻。結果表明，更強的模型和更高的推理努力始終提升效能，但各元件效果因設定而異，完整的驗證處理表現最佳但資源消耗大。

DrawingVQA 是首個專為評估多模態大語言模型（MLLM）在真實施工圖紙上表現而設計的基準。它包含33張“簽發施工”圖紙和92個專家策劃的問答對，涵蓋感知理解、上下文解釋和領域專家推理三個深度。透過雙分類框架，該基準首次將工程工作流對映到AI推理能力，評估顯示最先進的MLLM與專家效能之間仍存在顯著差距，尤其是在高推理深度上。

一項對4,181道數學問題的研究表明，在多智慧體系統中，規劃-執行-評審流水線的高精度評審者並不能保證批評被實際用於改進答案。廣播式同伴討論在難題上實現了更高的準確率，凸顯了檢測與採納之間的差距。

AnovaX是一個完全在使用者計算機上執行的本地優先桌面語音助手，利用單個Python程序整合喚醒詞門控、語音處理、基於Gemini的LLM規劃器（輸出JSON計劃）、安全層、多智慧體協調器（將計劃轉化為型別化子智慧體）以及自適應恢復迴圈。每個工具對應專門的智慧體類，具有超時、重試策略和共享資源鎖。透過Flask伺服器支援手機遠端控制，即時映象智慧體事件並流式傳輸螢幕。專案旨在展示一個輕量級、可讀的助手足以完成複雜桌面任務。