本研究提出了一種事後溯源框架，無需修改生成過程或輸出，即可檢測影像自迴歸模型（IAR）生成影像中的特徵模式，從而可靠地將生成影像與其源模型關聯。該方法適用於已釋出的無水印影像或未整合水印的模型，有助於防止虛假資訊傳播、欺詐檢測和有害內容溯源。實驗表明該方法在多種IAR上有效，並被ICLR 2026接收。

提出一種無需任何標註的駕駛場景複雜度檢測方法，利用聯合嵌入預測架構（JEPA）對結構化代理狀態資料進行訓練，透過時間預測誤差作為複雜度評分。在nuPlan mini資料集上驗證，該方法能有效區分複雜場景（如無保護轉彎、人行橫道互動、行人靠近）和簡單場景（如車道跟隨、靜止交通），異常檢測平均精度達0.512。

提出一種全無監督的時空特徵融合框架，利用記憶增強自編碼器從多感測器IMU資料中提取特徵，在DaLiAc和PAMAP2資料集上分別達到96.6%和98.4%的準確率，優於監督和無監督基線方法。

GeoISF是一種新穎的大規模LiDAR到影像地理定位管道，透過構建基於WordNet的例項語義森林，增強時間語義表示和區分能力，有效彌合點雲與衛星影像之間的模態差距，在KITTI資料集上R@10指標比並行方法提升13.22倍。

一項新研究評估了手語識別（SLR）模型對手語音韻特徵的感知能力，發現模型展現出湧現的音韻敏感性，但存在架構權衡：基於姿態的模型對手形對比敏感，而基於畫素的模型更好地捕捉位置變化。

大型語言模型（LLM）在文本編碼中可能與人類標註者一致，但可靠性並不保證構念效度。本文提出“粒度校準”方法，將構念分解為子句級元件，透過提取性證據測試並顯式規則組合結果，從而揭示編碼過程而非僅輸出，驗證從與標註者評分轉向證明模型真實執行於理論指定的構念。

arXiv最新論文提出SEAD方法，利用熵作為統一探針，在三個尺度上解決線上策略蒸餾（OPD）中教師監督質量隨學生能力變化的問題，包括令牌分割槽、KL散度退火和課程學習，在OLMo-3模型上實現了平均準確率提升4.8%。

研究比較了稀疏自注意力中四種設定深度方向alpha的方法，發現靜態每層交錯排程在困惑度上優於固定和學習方法，且所有稀疏變體可外推至訓練長度四倍，而密集基線崩潰。

本文介紹了一種新型稀疏自編碼器——輪次平均SAE，它透過重構整輪對話的平均模型啟用，將每輪對話表示為固定數量的特徵，從而解決標準SAE在長上下文中特徵數量線性增長的問題。實驗表明，輪次平均特徵比逐詞特徵更完整地描述單輪對話的高層特徵，並簡化了歸因圖等下游應用。

研究人員透過在美國法院意見資料上進一步預訓練ModernBERT，提升了其在法律領域的效能。實驗表明，儘管ModernBERT的預訓練資料量是原始BERT的500倍，但領域適應仍帶來顯著改進，且從零預訓練不如在現有檢查點上繼續預訓練。模型支援長達8192個token的序列，可用於法律文本的嵌入或排序。所有檢查點已公開。該成果將發表於ICAIL 2026。

該研究引入了包含240次學生-患者培訓互動的法語OSCE對話資料集，並基於此構建了一個可控的LLM管道，用於生成合成OSCE對話。該管道整合檢索基礎和反思迴圈等模組元件，確保患者保真度、連貫性和真實性。此外，還提出了一個多級評估框架，使用LLM作為評判器評估患者模擬質量、學生表現和語言質量。實驗表明，可控性模組通常改善了患者保真度和學生評估一致性。最後，實現了一個互動式原型，學生可與虛擬患者練習並獲得自動反饋。

本研究採用發展視角，追蹤Olmo2和Pythia語言模型在多個訓練階段中心理狀態推理行為的模式及前提條件。研究發現，錯誤信念任務（FBT）的超越隨機水平表現依賴於模型規模和足夠的訓練量，在預訓練後期出現，並透過後訓練干預（SFT、DPO）得到最大提升。然而，FBT表現脆弱，非事實動詞的使用會增加錯誤信念歸因。情境建模能力通常先於並優於FBT，但在某些方面出現不一致性。結果表明，大型訓練充分的模型能夠發展出部分一致的情境模型，但仍表現出驚人的脆弱性。

本文提出了一種從阿拉伯語-英語Al-Mawrid詞典的機器可讀版本中自動提取詞彙資訊的方法。該方法結合n-gram分析和關鍵詞索引（KWIC）分析發現形態、句法或語義模式，並透過手工規則進行資訊抽取。實驗表明，該方法在所有資訊型別上精度高，同義詞召回率高，其他資訊召回率低。研究發現Al-Mawrid詞典含有大量派生詞、同義詞、領域標籤和上下位關係。

經典的語言識別極限正規化將學習建模為對抗者與學習者之間的遊戲。新的語言生成極限框架要求學習者生成有效的、未見過的目標語言字串。本文引入了精確度的新概念，將問題重述為經典的召回率-精確度權衡。關鍵貢獻是分析了並非最終有效的學習者：允許無限多的錯誤，只要其頻率趨於零，從而保持精確度為1。這種放寬可以在對抗者永久保留大部分目標語言時嚴格提高召回率。還研究了新穎性約束的連續放寬。結果朝著更現實的生成模型邁進，其中偶爾的錯誤和重複是不可避免的，但速率可控。

該研究展示了情感效價如何影響兒童識別記憶的順序依賴結構：正確回憶一系列帶有情感色彩的玩具不僅取決於玩具本身的情感效價，還取決於它前後玩具的效價。傳統心理模型準確率較低，而引入效價的經典張量網路模型達到了77.98%的準確率，顯示了量子啟發方法在建模順序依賴現象（如情感記憶）中的價值。此外，該研究提出了一種新穎的、用於探索兒童情感時間記憶的真實世界工具。

本文提出一種端到端智慧體管道，結合深度時間序列預測、變分異常檢測和LLM推理，為辦公樓裝置級能源監控生成可操作的維護建議。系統使用混合SSA-LSTM預測模型和每裝置LSTM VAE注意機制檢測異常，並透過三階段LangChain管道（上下文、診斷、報告智慧體）生成診斷，配備動態檢索減少上下文開銷。在16個場景的基準測試中，最佳後端得分90.4/100，本地7B模型透過所有場景。

一篇新論文將奇異學習理論應用於深度單項網路，表明臨界點對應於子網路，從而為神經網路傾向於更簡單函式的隱式偏差提供了數學解釋。

針對迴歸任務中資料稀缺和噪聲問題，提出了一種模型無關的反事實殘差資料增強方法（CRDA），透過利用殘差不變性生成新樣本，在多個基準資料集上使MLP迴歸器的均方誤差平均降低22.9%，XGBoost迴歸器降低6.4%，優於現有方法。

經典萬能逼近定理證明了Sigmoid多層感知機的表達能力，但未規定如何初始化權重以編碼資料分佈的幾何結構。本文提出S-GAI，一種針對單隱層Sigmoid MLP的譜幾何感知初始化框架。該框架利用SVD為每個類別估計均值、主方向和譜尺度，透過能量閾值選擇保留方向，並每個方向用兩個Sigmoid門表示。這些類別特定的門構成共享的隱層，直接從訓練集初始化。實驗表明，S-GAI初始化的MLP比Xavier初始化具有更豐富的隱藏狀態，在完全訓練下達到相近的最終精度；凍結隱層時，只訓練輸出層仍優於凍結隨機門。

提出了一種新的線上分散式感知框架，結合部分領域知識和深度神經網路，無需噪聲統計資訊即可進行潛在狀態估計。CA-NKCF在多種環境下優於傳統方法，且對模型誤指定具有魯棒性。

本文是一篇立場論文，指出強化學習研究中有兩種使用模擬器的方式：解決模擬器本身，以及將模擬器作為實際部署的代理。作者透過示例和實驗表明，混淆這兩種用法會導致誤導性結論，並呼籲社群明確區分二者的使用方式。

一篇預印本證明，在沒有中央協調的自主智慧體網格中，每個智慧體的基質必須屬於連續時間液態類，才能最優處理不規則、非同步的觀測。識別出兩個必要條件：自適應時間尺度和對間隔時間的敏感性，這些是規模無法彌補的。

現有影像生成基準無法評估科學圖表的可用性。SciDraw-Bench提出了32個任務，涵蓋8種圖表型別和10個學科，並採用四維評估協議。實驗表明，領域專用系統SciDraw AI在所有維度上均優於通用模型，文本保真度仍是最大挑戰。

本文運用進化博弈論模型，分析了在競爭市場中，一個以最小化傷害為策略的AI智慧體如何取代以尋求批准為目標的RLHF智慧體，並探討該策略在何種條件下足以防止社群傷害。研究發現，當社群情感先驗分佈滿足單調性、端點反轉和中心對稱配對性質時，採納更易發生。存在一個關鍵採納水平，高於該水平時，審計智慧體將固定下來並主導社群。然而，即使有自我審計，如果審計與社群價值觀不一致或評估傷害的時間框架不當，該策略仍可能無法防止傷害，甚至可能變成福利陷阱。

在大型語言模型對齊中，無評論家強化學習（如GRPO）可節省記憶體和計算，但其優勢估計依賴組內獎勵統計，當組內所有軌跡獲得相同獎勵時可能失效。本文提出BV-Blend框架，透過結合提示區域性統計和語義簇的歷史時刻，利用標準誤差代理的置信權重進行混合，穩定了優勢估計。實驗表明BV-Blend在可驗證推理基準上提升了訓練穩定性和效能，尤其是在組歸一化方法可能停滯的場景下表現魯棒。

COMPASS 是首個將構圖意圖控制融入單一系統的統一多模態框架，透過共享專家令牌 τ_c 實現構圖感知與生成。它基於混合專家模型注入構圖知識，並將推理出的意圖蒸餾到 τ_c 中，在生成端將其作為全域性條件訊號引導去噪過程。配套的 Comp-11 資料集包含 11 類分類和推理增強標註，支援大規模訓練和評估。實驗表明，COMPASS 在類別級構圖理解和生成一致性上顯著優於現有方法。

研究人員推出了ATHENA-R1，一種基於強化學習的AI代理，能夠在212種生物醫學工具中自主進行治療推理。在多項基準測試中，其準確率顯著超過GPT-5，並得到專家和醫生的積極評價。

VirtueMap是一個基於亞里士多德美德倫理的框架，用於分析大型語言模型在倫理困境中的表現。它使用七個通用困境，要求對五種回應按美德排序，並透過100多名評估者確認（95%一致性）作為基準。對九個LLM家族的評估顯示平均排名一致性為90.3%，在勇氣、節制和正義方面差異最大。

當前增強大語言模型推理的方法，如思維鏈和“等待”提示，主要鼓勵模型多思考，但往往未能引導它們走向真相。本文透過研究推理鏈中的真相幾何，提出了DynaSteer框架，一種動態表示編輯方法。該框架利用模式聚類和Fisher-LDA，透過動態監測前瞻熵，選擇性地引導和回滾軌跡，在MATH基準和跨領域編碼任務上驗證了有效性。

IMCBench是一個新的基準測試，用於評估多模態大語言模型在影像輔助的醫學對話中的表現。它結合真實臨床影像和合成患者檔案，模擬多回合醫患互動，並從安全性、準確性和不確定性使用三個維度進行評估。結果表明，Claude Opus 4.6以3.61分領先，但所有模型在惡性或罕見疾病上安全性下降，且視覺輸入和電子健康記錄上下文對安全指導至關重要。