ARIS是一個統一多模態推理、基於圖譜的社會世界模型和檢索增強生成（RAG）的智慧體AI框架，用於社交機器人。在Pepper機器人上的使用者研究（N=23）顯示，ARIS在感知智慧、活力、擬人化和喜愛度方面顯著優於基線大語言模型。其三大貢獻包括：透過知識圖譜顯式建模使用者間社會關係的社交世界模型；高效的RAG對話流程，在對話歷史達數千輪時仍保持低延遲和回覆相關性；以及透過結構化API協調語音、視覺和物理動作的模組化智慧體架構。

這篇綜述性論文總結了LiDAR感測器在康復、傷後護理和醫院環境中的應用，涵蓋2019年至2025年的研究。LiDAR相比傳統基於攝像頭的系統和可穿戴感測器具有隱私保護、舒適性和精確性等優勢。文章探討了3D人體掃描、步態分析、機器人安裝LiDAR、即時監測和活動識別等應用，並分析了基於學習的處理技術，指出了當前的研究缺口和未來方向。

紅外小目標檢測在海上監視、軍事搜救等任務中至關重要，但低訊號雜波比和小空間範圍帶來挑戰。本文提出SANet，基於U-Net框架，包含雙路徑語義感知模組（DSM）和選擇性注意融合模組（SAFM），以增強目標感知並減少虛警。

現有單影像去霧方法在處理均勻薄霧影像時表現良好，但難以應對空間變化濃度和突變密度轉換的非均勻霧影像。本文提出CPIFNet多分支深度神經網路框架，將非均勻去霧分解為多個均勻子問題。網路包含影像增強網路（IENet）和影像融合網路（IFNet）兩階段，分別處理不同濃度均勻霧區域並智慧融合，同時引入綜合損失函式監督訓練。

研究人員提出了LiteVLA-H，一個緊湊的256M引數視覺-語言-動作（VLA）系統，專為無人機部署設計。該系統在NVIDIA Jetson AGX Orin上實現雙速率操作：快速外環制導模式（50.65ms/19.74Hz）用於短動作令牌輸出，以及較慢的語義模式（149.90-164.57ms）用於場景理解和危險描述。關鍵發現是延遲主要由多模態預填充主導，而非解碼額外令牌。透過知識保留微調，系統在保持描述能力的同時實現了高邊緣推理速率，超越了AnywhereVLA、FutureVLA和ReMem-VLA等最新架構。

本文全面綜述了基於深度生成模型的換臉方法，將其分為五大正規化，並提出了一個新的基準資料集CASIA FaceSwapping，包含均衡的人口統計分佈和顯式屬性變化，以及標準化評估協議。透過對代表性方法的廣泛實驗，揭示了當前技術的效能特徵和侷限性。

遠端光電容積描記法（rPPG）可實現便捷的非接觸生理測量。現有自監督學習（SSL）方法常陷入相關陷阱，傾向於學習資料中最主要的週期訊號（如高能運動或光照噪聲），而非微弱的真實rPPG訊號，導致模型泛化能力差。為解決該問題，作者提出一種新的SSL正規化——生理因果探測（PCP），將潛在rPPG訊號視為底層物理源，畫素色度變化視為其視覺表現。其核心思想是從被動相關學習轉向主動精確干預：基於提出的rPPG假設對影片進行干預，並驗證干預後的變化是否符合物理預期。作者提出了實現PCP的Interv-rPPG框架：rPPG提取器PhysMambaFormer假設rPPG訊號，可控生理訊號編輯器基於該假設對影片進行精確的色度域干預。Interv-rPPG透過“歸零可證偽性”和“公理等變性”驗證假設的物理真實性。編輯器透過干預影片的低頻色度分量實現rPPG訊號的精確編輯。該方法在VIPL-HR和MMPD等挑戰性資料集上提升了域內和跨域效能，並在複雜跨資料集設定中超越監督基線，同時在乾淨資料集上保持競爭力（干預機制可能引入輕微殘餘色度噪聲）。大量實驗（包括干擾敏感性診斷分析）表明PCP正規化能有效抵抗運動和光照偽影。

端到端自動駕駛系統正向著兩大正規化演進：以視覺-語言-動作為代表的單體模型和專用模組化架構。兩者都依賴Transformer骨幹進行復雜推理，這帶來共同漏洞。本文提出對抗流匹配（AFM），一種新型灰盒攻擊框架，利用Transformer結構脆弱性，透過神經平均速度場一步生成對抗樣本。實驗表明AFM在攻擊有效性和不可察覺性之間取得優異平衡，顯著降低各類場景下VLA和模組化自動駕駛代理的效能，同時保持最先進的視覺不可察覺性，並展現出強大的跨模型遷移性。

提出一種混合去霧模型，結合四階非線性偏微分方程與物理霧霾形成模型。採用暗通道先驗估計大氣引數並生成引導影像，透過四階電報型偏微分方程演化進行最終恢復，包含邊緣自適應擴散係數和透射圖加權保真項。該方法有效抑制霧霾，保持結構細節，並與現有方法相比具有競爭性視覺質量。

本研究系統比較了原始K線圖、格拉姆角場（GAF）及多通道GAF三種影像編碼方法，以及五種圖表元件配置、四種神經網路架構（CNN、ResNet18、EfficientNet-B0、Vision Transformer）和ImageNet遷移學習在加密貨幣制度預測中的效果。基於2018-2024年的比特幣、以太坊和標普500資料進行的八項控制實驗表明，一個簡單的4層CNN在原始K線圖上達到0.892的AUC-ROC，優於大型預訓練模型。令人驚訝的是，更簡單的表示（僅價格圖表、128x128解析度）始終優於更復雜的替代方案。研究還使用GradCAM進行可解釋性分析，並證明遷移學習在自然影像與金融圖表之間存在領域差距的情況下仍能將效能提升4-16%。

該研究提出一種潛在空間探測框架，透過攔截CogVideoX影片擴散模型推理過程中的去噪潛在表示，並附加輕量級分類器，實現即時成人內容檢測。實驗基於11,039個十秒影片片段（5,086個違規，5,953個非違規）構建的資料集，在測試集上達到97.29%的F1分數，檢測開銷僅4-6毫秒。

當前合成資料流水線隨機生成影像，而未診斷下游模型的實際需求。本文基於實驗設計（DoE）統計理論，提出合成設計實驗（SDRS），利用部分因子設計透過ANOVA分解高效審計模型的因子敏感性，將故障分為型別I（覆蓋不足）和型別II（虛假依賴），並針對性生成資料。實驗驗證：在dSprites上準確率從49.9%提升至79.0%；在分割任務中mIoU從0.948提升至0.998；還能檢測生成器中的交叉汙染。

本文研究了受控語義相近句子集的嵌入空間區域性幾何結構，提出了基於仿射、二次和三次擬合模型的區域性幾何建模方案，並採用表面潛在探測方法構建合成潛在點。實驗表明非線性模型優於仿射模型，但幾何有效性並不自動提升分類效能。同時釋出了CoPaGE-300K資料集。

該研究系統評估了差分隱私文本混淆中的文本分解和隱私預算分配技術，發現設計選擇對隱私-效用權衡有顯著影響，並提供了最佳化DP混淆程式可行性的證據。

新研究指出，當前反事實提示評估常因忽略表面形式變化而錯誤歸因模型敏感性。作者提出框架，透過統計檢驗將目標干預與釋義基線比較。重新審視MedPerturb資料集後，僅120項測試中的5項顯著，而職業傳記分類中的方向性性別偏見仍可檢測。基於樣本和迴歸的指標比聚合指標更有效。

一篇新的arXiv預印本將大型語言模型中的對抗性攻擊和防禦形式化為理論博弈，推匯出最優攻擊和防禦策略，並在多種設定下表現出優於現有方法的效能。

新研究提出XHS-SCoRE基準，用於檢測小紅書帖子是否引發向上、向下或中性的社交比較。研究發現，儘管LLM能夠流暢生成社交比較內容，但其提示分類器在檢測這些訊號時表現出系統性失敗，包括中立化和方向性偏差。實驗還顯示，LLM生成的帖子能影響讀者的感知和情緒，儘管檢測仍然脆弱。

CLEAR框架透過系統性擾動決策空間中的選項數量、真實答案或棄權選項的存在以及語義框架，評估了17個LLM在三個醫學基準上的表現。研究發現，增加合理答案數量會降低模型識別正確答案和拒絕錯誤答案的能力；棄權表述從“以上皆非”變為“我不知道”時，模型的不謹慎性加劇，且僅包含“我不知道”選項就會增加錯誤選擇；此外，模型在識別正確答案與拒絕錯誤答案之間的“謙遜赤字”隨模型規模擴大而惡化，表明單純擴大規模無法解決LLM的可靠性問題。

一項研究表明，大型語言模型（LLM）生成的去偏見新聞標題可以透過框架重述提高保守派讀者的信任和參與意願，但詞彙層面的調整無效。LLM還高估了自身效果，並缺乏對讀者心理的準確理解。

本文提出一種基於困惑度差異的簡單方法，透過比較微調模型和參考模型對隨機前文生成的補全的困惑度，能夠有效揭示微調目標。在76個模型生物（0.5至700億引數）上的實驗表明，該方法能識別後門、虛假事實內化、對抗性訓練隱藏行為等，且無需訪問精確預微調檢查點，相容API模型。

圖解問答需要推理級歸因，即將每個問答對與推導答案所需的所有視覺區域聯絡起來，而不僅僅是包含最終答案的區域。現有註釋工具將介面與資料集特定格式緊密耦合。本文提出的DIAGRAMS是一個輕量級、模式驅動的審查框架，透過內部元模式和資料集介面卡將介面邏輯與資料集特定的JSON結構解耦。該系統可基於問答對進行證據選擇並提出所需區域，缺失時自動生成並支援人工驗證。在六個資料集上，其建議證據的精確率達85.39%，召回率達75.30%，表明該框架能減少手動區域建立並保持高一致性。

研究人員提出了H-Probes，一組線性探針，從大語言模型的潛在表徵中提取層次深度和成對距離。實驗表明，這些層次子空間是低維的、對任務效能因果重要，並且能泛化到域內外。在數學推理等真實場景中也發現了類似結構。

PhaseNet++提出了一種頻域自編碼器，利用短時傅立葉變換（STFT）保留相位譜，用於工業控制系統（ICS）的異常檢測。透過相位相干指數（PCI）引導圖注意力網路，該方法在SWaT基準測試上取得了有競爭力的結果，標誌著該領域首次系統性地探索了相位域方法。

本文對二元分類器的接收者操作特徵（ROC）曲線進行了綜述，並正式證明了曲線下面積（AUC）等於分類器將隨機正樣本排在隨機負樣本之上的機率。此外，文中還給出了當某個假設不成立時該機率與AUC之間誤差的界限。

Haiku是一個三模態對比學習模型，整合了多重免疫熒光、H&E組織學和臨床後設資料，實現了跨模態檢索、臨床預測和零樣本生物標誌物推斷，並在反事實分析中揭示了癌症進展相關的分子變化。

StyleShield是一種新型流匹配框架，透過條件文本風格遷移在連續詞嵌入空間中操作，實現對AI生成內容檢測器的有效規避。該框架在中文多領域基準測試中實現了94.6%的規避率（針對訓練過的檢測器）和超過99%的規避率（針對三個未見過的檢測器），同時保持0.928的語義相似度。此外，研究提出的RateAudit演算法表明檢測分數可被任意設定，直接挑戰基於分數評估的可靠性。

GAZE框架賦予醫學視覺語言模型（VLM）迭代式分析能力，透過呼叫縮放、窗寬等觀眾級工具及PubMed/Open-i檢索工具，在包含906例罕見腦MRI的NOVA基準上，病灶定位[email protected]達58.2，Top-1診斷準確率34.9%，且對罕見病例提升顯著，揭示了工具使用與模型依賴之間的權衡。

FastSinkhorn是一種純CUDA實現的對數域Sinkhorn演算法，透過warp級洗牌歸約和共享記憶體分塊技術，在極小正則化引數下保持數值穩定性，並在稠密最優傳輸問題中實現12倍加速。

一篇論文從基本原理出發推導並實現了四種經典ODE求解器（尤拉法、顯式中點法、經典龍格-庫塔法RK4、多曼德-普林斯5(4)法），用於流匹配生成模型的取樣。研究發現，RK4在80次函式評估時即可達到尤拉法200次評估的樣本質量；同時觀察到速度場雅可比矩陣在t=1附近急劇硬化，且低階與高階求解器的質量差距在欠訓練模型上更為顯著。

該研究對六種經典與貝葉斯稀疏迴歸方法進行了大規模基準測試，在特徵相關、訊號弱、維度增長等現實條件下評估效能。結果顯示，貝葉斯方法（尤其是Horseshoe）在預測誤差和覆蓋率上表現更優，但Lasso在變數選擇上同樣高效，是無需後驗時的實用選擇。