SLIM-RL是一種新的強化學習方法，用於擴散大語言模型（dLLMs）。它透過τ預算解碼器限制每步的承諾風險，並採用無跡隨機掩碼目標與方差降低技術，避免了TraceRL方法中昂貴的軌跡切分。在SDAR-4B上，SLIM-RL僅用0.46倍的訓練樣本就達到了與TraceRL相當的MATH500準確率，在數學和程式碼基準測試上均優於TraceRL。

本研究應用機器學習管道分析619個印加奇普（結繩記事裝置），透過無監督聚類發現三個結構組，監督分類達到86% F1分數，並透過SHAP識別出繩索捻向為帝國風格的關鍵區分特徵。研究還揭示了殖民時期博物館收藏的結構印記，並獨立驗證了聖谷奇普的半族結構。

ALEE是一個新的評估框架，利用抽象意義表示（AMR）生成英語最小對，並配以目標語言翻譯，從而實現對任意語言中文本嵌入模型的細粒度診斷。研究覆蓋275多種語言和多個嵌入模型，發現不同語言、文本長度和語言現象間效能差異顯著。

本文系統審計了現有的知識型視覺問答（KB-VQA）基準測試，發現其普遍存在答案缺失或矛盾、問題表述模糊以及視覺場景過於簡單等缺陷，導致準確率指標失真。作者提出了審計-修復協議和多重實體增強協議來修正這些問題，並驗證了修正後模型效能排名的顯著變化。

一項新研究發現，醫療大語言模型的幻覺可透過簡單探針以較高準確率檢測（AUROC 0.77-0.86），但檢測訊號在神經元中分佈冗餘且分散，即使識別出相關神經元也無法透過干預有效糾正幻覺，揭示了可讀性與可控性之間的顯著差距。

研究人員針對土耳其語和阿拉伯語建立了包含六個主題的仇恨言論資料集，並開發了基於BERT的模型，用於分類、強度預測、目標識別和跨度檢測，以應對線上仇恨言論。

一項研究透過人類專家評分，評估前沿大語言模型在阿拉伯文化和社會語言學知識上的表現。該交叉評估框架測試模型在埃及和伊拉克阿拉伯語上的表現，發現GPT-5.4是最可靠的評判者，而隱含的文化推理仍然是主要挑戰。

一篇在ACL 2026 BigPicture研討會上發表的論文提出透過引導向量和基於潛在空間的模型校準器來利用語言模型內部表徵，從而增強對模型行為的控制能力並評估輸出的可信度。

大型語言模型在創意寫作中面臨二元困境：要麼進行安全的表面編輯，要麼進行破壞性的無控制情節擴充套件。研究人員提出Loom框架，基於敘事學中故事與話語的區分，透過三層流水線和意圖中心符號學思維鏈實現精準控制，在保持事件結構完整性的同時提升描述強度。評估表明Loom成功解決了這一基本矛盾，在事實完整性和描述強度上均優於現有基線。

本文對Beckmann & Butlin (2026)關於LLM個體化的本體論框架提出質疑，認為其繼承了未論證的跨體制共指假設。透過Qwen3-4B-Instruct和Mistral-7B-Instruct-v0.2上的個性拓撲實驗，作者展示了四個經驗性楔子，共同削弱該假設，並提出體制索引個體化：表徵內容的身份單位是（載體，體制）對，而非僅載體。

聯邦學習在頻寬上面臨雙重瓶頸：模型大小限制了引數平均方法的合併頻率，而類別數量使得每個探針的軟標籤蒸餾在大詞彙量下變得不可行。TallyTrain透過僅傳輸每個參與者的argmax類別索引，將類別軸的通訊量壓縮到⌈log2C⌉位元，其中C是輸出類別數。實驗表明，在非獨立同分布訓練下，硬標籤多數投票能有效過濾噪聲，而軟標籤平均會放大噪聲。TallyTrain在標準基準上匹配或超越軟標籤蒸餾，同時通訊量降低多達三個數量級。此外，結合稀疏引數合併的頻寬橋接變體在Pareto曲線上優於FedAvg、FedProx和FedDF。

基於伊辛模型的熱力學計算裝置在低功耗AI推理和邊緣計算中展現出巨大潛力，但針對此類硬體的大規模模型訓練方法仍然有限。本研究將高溫吉布斯取樣伊辛系統的時間平均行為與神經網路推理的理論對應關係轉化為一種可擴充套件的、純反向傳播的演算法，用於訓練深度卷積網路在伊辛機硬體上進行熱力學推理。在CIFAR-10和CIFAR-100資料集上，模型分別達到94.9%和76.0%的準確率。此外，還開發了推理成本與精度之間關係的數學理論，並給出了最優推理排程演算法。最後討論了硬體開發的影響和高溫熱力學AI模型的未來。

本研究提出一種基於可驗證獎勵的強化學習方法，用於訓練校準的機率預測模型。透過引入無標籤獎勵（基於歷史結果的狀態條件經驗勝率）和梯度遮蔽技術，解決了直接獎勵真實結果導致的校準退化問題。在NFL比賽勝率預測測試中，7B引數模型僅使用該獎勵訓練，無需人工標籤或監督微調，即達到了博彩市場的校準水平，並優於零樣本前沿模型。

引數高效微調（PEFT）通常在固定基（空間域或傅立葉域）中重新引數化權重更新。本文提出分數傅立葉專家混合（Fractional-Fourier Mixture of Experts），每個專傢俱有可學習的分數傅立葉階數，可在空間域和傅立葉域之間連續插值。透過將token路由到不同階數的專家，模型可將低秩更新置於最緊湊的域中，且專家間自然去相關，減少干擾並提升多工組合。該計算方法開銷小，在多個基準上優於現有方法。

本文提出了EVOTS，一種用於多變數時間序列預測的進化神經架構搜尋框架。它採用模組化基因組表示和修復機制，自動發現任務自適應的Transformer類模型。在ETT系列資料集上的實驗表明，該框架能在實際計算約束下找到效能優異的架構。

一篇新論文證明，三種流行的語言模型推理訓練方法——GRPO、Dr. GRPO 和 DAPO——本質上都是調整同一個數值：標準偏差，它衡量模型對同一問題的多次回答的分歧程度。論文揭示了組標準差恆等式，表明分歧程度直接決定訓練更新的幅度，並基於Big-Math資料集和實際訓練實驗驗證了這一發現。

FoGS是一種針對生存分析的新型合成資料生成方法，透過從多個生成器池中篩選樣本而非直接生成，有效解決了小樣本臨床資料稀缺和隱私限制問題。在16個公共資料集上，該方法比傳統單一生成器顯著提升了模型效能，同時保持了隱私保護水平。

該研究透過SemiScope框架解耦半監督學習（SSL）管道中的分類器調優與聯合最佳化效果，發現僅使用貝葉斯最佳化調優分類器即可恢復86%的效能提升，簡化策略與完整聯合最佳化效果相當。

生成模型作為物理模擬的可擴充套件替代方案，但通常無法確保輸出符合守恆律、邊界條件等物理約束。約束取樣可以在推理時精確施加這些約束，但計算成本高昂。本文提出SNAP-FM，利用稀疏GPU非線性最佳化加速約束投影。透過ExaModels.jl和MadNLP.jl處理塊稀疏雅可比矩陣和KKT系統，該方法在偏微分方程基準測試上實現了更快的非線性約束投影，同時保持約束滿足。

該論文提出顯現單元協議，一種用於機制可解釋性的結構化表示方案，將元件級分析輸出組織成可查詢、可複用的欄位，並在多種模型上驗證了其有效性。

Seed2.0是一個模型系列，旨在解決複雜現實任務。它透過識別使用者真實需求並構建可靠的評估系統，重點攻克長尾知識和複雜指令跟隨兩大挑戰，同時在推理、視覺理解和搜尋方面達到世界領先水平。該模型卡記錄了廣泛的實際用例，展示Seed2.0已初步具備處理複雜現實任務的能力。

一項新研究透過Lewis訊號遊戲比較了五種記憶架構，發現配備持久私人筆記本的LLM智慧體在協調任務中表現最優，且記憶架構比通道容量更重要。

本研究提出“認識論AI素養”（EAIL）框架，將AI素養重新定義為一種過程導向的認識論現象。基於AIR框架，分析了學生在GenAI輔助程式設計中的認識論目標和過程。透過對大量人機協作對話資料集的分析，識別出可觀察的認識論目標（掌握導向目標）和過程（外包、尋求解釋、驗證、提示監控和認識論論證）。結果發現，78.8%的互動缺乏EAIL，而僅11.1%顯示了高認識論參與。

該論文提出一個情景賭博機團隊博弈模型，研究人類與AI之間雙向私人資訊下的執行時監督，並給出了團隊最優和短視規則的精確表徵，揭示了可避免傷害的區間以及非可信監督溝通的代價。

RareDxR1是一種端到端的推理中心型大語言模型，可直接從非結構化臨床筆記中進行開放域罕見病診斷。它透過知識內化和自主進化學習，繞過傳統基於流水線的表型提取或檢索增強生成方法的侷限，並採用反思增強推理取樣和雙級課程強化學習來提升診斷準確性。實驗表明，RareDxR1在多個基準測試中達到了最先進的水平。

提出了一種用於航路空中交通管制的新型無衝突路徑規劃演算法，利用解空間顯示提高可解釋性和靈活性。該演算法整合了三種意圖衝突檢測方法和兩種搜尋變體（SSPPV和SSPPE）。基於馬斯特裡赫特上層區域管制中心（MUAC）Delta扇區的實驗結果表明，SSPPV結合基於區域的衝突檢測效能最優，平均計算時間為3.69毫秒。

提出一種框架，將LLM生成的自由格式程式碼替換為型別化的JSON收集器配置，結合六型別收集器分類法、模板和效用函式約束、靜態Airflow DAG執行、基於規則的質量檢查和結構化反饋糾正。實驗表明，在已驗證任務中，框架執行階段零LLM token消耗，且平均耗時最低。

本文介紹MMM資料模型，旨在跨學科知識文件和互操作性。透過結合規範性約束和自由文本標籤，它解決了文件中心和形式化方法的侷限性。參考實現和試點部署資料展示了其可實施性和早期可用性。

一篇新論文提出了有限道德（Bounded Morality）框架，將有限理性擴充套件到道德認知領域，將倫理理論建模為在道德廣度和深度之間權衡的區域性高效策略。

來自arXiv的一篇論文提出“建構性對齊”框架，挑戰當前AI對齊中的靜態偏好假設，將對齊重新定義為控制偏好演化的過程，而非滿足固定偏好。