研究

OpenTSLM是一种多模态大语言模型，将时间序列作为原生模态处理，能够与文本一起对原始多变量信号进行推理。它在时间序列问答、活动识别、睡眠阶段分类和ECG问答任务上优于基线方法，包括GPT-4o。模型支持扩展到多个超长时间序列，内存消耗几乎恒定。ECG推理经7位心脏病专家验证，正确率97%。所有代码、数据集和模型均开源。

GPT-5.6 Sol在Design Arena的网页设计排行榜上排名第一，比其前身GPT-5.5高出18位。它主动避免常见的AI设计反模式，结合了强大的模板与高度的个性化，并且比竞争对手更快、更便宜。

文章探讨了AI辅助开发如何导致'单一模式倦怠'，通过压缩规划、实施和集成三种认知模式，使开发者尽管效率提高却更加疲惫。

该数据集提供了一个欧盟AI法案（法规(EU) 2024/1689）的单文件、预嵌入SQLite语料库，按法律结构分块（每条款段落、每序言、每附件点、每第3条定义），包含BGE-M3密集嵌入、元数据、风险等级标签等，可直接本地查询，用于研究与工程。

作者利用AI编码助手（Codex CLI、Gemini CLI、Claude Code）将Python的epub阅读器epy移植到Rust，开发了终端阅读器repy。项目从2025年11月开始，2026年2月发布，但仅获得少量关注。文章反思了AI时代软件过剩的现象，并探讨了创作的意义。

本文提出ConFlow框架，将约束信息直接融入流匹配训练目标，通过可微的障碍或成本函数以及条件高斯过程，提高机器人运动生成中的约束满足和轨迹质量。实验表明在双机器人导航任务中，ConFlow相比标准流匹配基线实现了更低的碰撞率和更高的轨迹质量。

本文探索了利用功能性近红外光谱（fNIRS）脑信号来调节机器人强化学习的可行性。研究比较了被动（观察）和主动（演示）交互任务中的智能体训练，并测试了多种增强RL算法的方法，重点关注参数增强而非替换。结果表明，该框架有效：脑信号在增强轨迹优先级和状态-动作Q值时改善了学习。此外，该框架能成功从离线数据中学习，为实时脑机接口设置不实用或数据有限的情况提供了实用替代方案。

现有抓取基准主要关注视觉抓取姿态检测，忽略了需要多步推理和语义理解的复杂任务。GCA-Bench基准包含复杂动作场景，评估大模型在抓取中的表现。实验显示，当前方法在复杂场景下成功率低于70%，揭示了关键局限性。

DiMaS是一种专为流匹配视觉-语言-动作（VLA）模型设计的分布匹配引导策略，通过在表示分布之间进行传输而非沿固定方向移动，实现了对机器人操作行为的细粒度控制。该方法在两种最先进的VLA上验证了有效性，并分析了行为控制的可迁移性。研究表明，经典线性引导在视觉运动任务中失效，因为行为特征线性可解码但不可线性引导。

一项来自arXiv的新研究提出了一种随机过滤协议（ANTk），用于采用匿名通信的机器人群体中的群体感应。该协议减轻了匿名协议中常见的重复计数偏差，提高了估计稳定性，但增加了错误恢复时间。研究将ANTk与基线和随机变体进行了比较，揭示了准确性、速度和稳定性之间的权衡。

MEMORA提出了具身动作记忆（EAM），使机器人能够利用第一人称视频中的持久记忆进行长期规划。它包含四种类型的记忆存储、在线编辑和离线整合功能。在45小时的EPIC-KITCHENS-100数据集评估中，MEMORA在记忆测试中准确率提升20.5个百分点，规划分数相对提升16.6%。

本文提出LIFT框架，通过在预训练视觉-语言-动作（VLA）策略后训练中注入反应式力，解决接触场景下纯视觉方法失败的问题。LIFT嫁接反应式动作专家，利用因果力记忆和零初始化交叉注意力注入6D力，并结合在线DAgger循环应对分布偏移。在毛巾折叠、书籍插入和汉诺塔放置任务中，LIFT相比纯视觉后训练学习更快、性能更高。

Open-AoE是一个大规模自我中心操作数据集，包含来自500多名贡献者使用400多部智能手机收集的约2000小时视频，提供文本注释、手部姿势、相机轨迹和原子动作标注，并配备数据处理和下游工具链，旨在降低具身模型训练、人机迁移和世界建模的障碍。

本研究提出了一种新颖的多模态编排框架，实现语义音频驱动的人形机器人控制。系统通过音频指纹和语义嵌入实时处理音乐或语音输入，动态选择并执行动作策略，在仿真和Unitree G1人形机器人上验证了鲁棒的模拟到现实迁移。

研究人员提出一种针对柔性关节机器人的自适应控制方法，以应对不确定的关节刚度。该方法通过隐式控制律和依赖于控制输入的回归矩阵，在线更新每个关节的非线性扭矩-偏转关系估计，并分析了其对电机位置控制器误差的鲁棒性。在具有非线性刚度特性的柔性关节上的实验结果验证了该方法的有效性。

MixCompress是一种基于稀疏结构专业化的统一可变比特率（VBR）框架，通过结合稀疏门控的专家混合（MoE）和深度混合（MoD）扩展，动态缩放模型容量，并利用条件辅助变换（CAT）进行子带能量调制，解决了现有VBR方法中的特征纠缠问题，实现了与单速率基线相当甚至更优的性能，建立了计算高效的图像编码新帕累托前沿。

SD-MAR是一个用于训练和评估视觉语言模型（VLM）在多图像分析推理任务上的框架。它通过受控扰动构建成对视觉场景，并生成涉及语义变化归因和定量比较的推理任务。采用GRPO-lite与后向折扣分配（BDA）的强化学习方法，去除KL正则化以增强策略优化。在Qwen2.5-VL-7B和InternVL3-8B上的实验表明，域内准确率提升高达36.95%，且Qwen2.5-VL-7B在SD-MAR基准上超越GPT-4.1。域外泛化性能保持或提升，在MME、MMMU-Pro、MathVista上波动在1%以内，在MMBench上提升达4%。

本文提出DCVC-Mamba（DCVC-MB），一种用于B帧编码的神经视频编解码器框架。该框架采用IBP帧策略进行低延迟B帧编码，基于状态空间模型的时空融合模型进行双向时间预测，以及熵感知跳过机制选择性跳过某些潜在编码以缩短熵编码时间。此外，还实现了两种推理时策略以增强压缩性能。实验表明，DCVC-MB在平均BD-rate上相比 prior 神经视频编解码器降低高达8.98%，相比VTM-19.0-LDP和VTM-19.0-RA（Inter-GoP=16）基准分别改善达30.45%和1.81%，推动了神经视频压缩的进步。

针对增材制造XCT图像缺陷分割的挑战，提出XCT-SAM框架，通过序列参数高效域自适应，利用Conv-LoRA适配器逐步缩小域差距，在CycleGAN-XCT基准和真实NIST扫描上优于基线方法。

MonteRET是一种区域感知的检索增强框架，用于自动生成胸部CT报告。它整合全局和局部CT特征，检索相关医学知识，并通过知识引导的报告重写智能体优化初始报告。在RadGenome-ChestCT数据集和外部医院数据上，MonteRET在报告质量、语义相似性和临床效果上均优于现有方法。

研究人员提出了一种用于赛车场景的新数据集和3D车道检测方法，利用多摄像头和惯性测量实现高速处理（300Hz）并提高精度，F1分数超过0.9，横向误差降低。

本文探究视觉基础模型是否构建了反映三维欧氏空间内在属性的表征。与传统方法通过回归深度或法线来探测三维意识不同，作者从拓扑和几何角度评估视觉特征空间结构与欧氏变换群SE(3)之间的关系。提出了相互邻域度量和庞加莱适配器两种探针。实验表明，自监督视觉模型在没有直接三维监督或主动代理的情况下，其潜在子空间与三维欧氏空间高度相关。基于此，提出了“潜在空间导航”技术，可在潜在空间中直接进行视觉里程计和定位，无需显式三维重建。

提出首个关键帧条件视频生成基准KeyFrame-Compass，包含386个精心策划的样本，覆盖多种设置，并引入自动化评估框架，在9个系统上实验揭示忠实执行与自然合成之间的权衡。

本文提出SIRUS，一种无需训练的推理时框架，用于文本到视频（T2V）模型中的概念级遗忘。SIRUS通过定位与目标概念相关的提示证据并在采样过程中抑制其表达，无需更新文本编码器或去噪网络。同时，引入面向视频的评估框架，分别测量目标遗忘、非目标保持、视频质量、越狱鲁棒性和效率。在CogVideoX上，SIRUS在五个安全、物体和风格概念上平均遗忘成功率达70.4%，帧命中率25.7%，优于VideoEraser的44.4%和47.2%，并将VBench质量平均下降从-0.043降至-0.016。在Wan2.2上的迁移实验表明SIRUS可泛化至现代T2V骨干网络。

多参考音频视频生成（MR2AV）要求模型基于多个参考和文本指令生成同步音视频内容。现有基准主要关注文本驱动生成或单参考保留，缺乏对该任务的评估。本文提出MultiRef-Compass，一个包含350个精心构建样本的统一基准，涵盖多视角主体保留、多实体绑定和人-物-场景组合。它定义了一个四维评估协议（基础质量、参考一致性、音视频一致性、指令遵循），包含14个子指标，并集成了自动指标与重审增强的多模态大模型评判框架。在八个代表性MR2AV系统上的实验揭示了各维度的显著改进空间。

本文提出了一种新的量化指标——工具效率，用于评估LLM智能体轨迹中有用工具调用的比率。为了精确定义工具效率，作者还引入了边际工具效用，该指标判断每次工具调用的有用性，以及能否在不影响准确性的情况下从工具套件中移除，从而提高效率。研究使用LLM作为裁判来确定轨迹中每次工具调用的边际工具效用符号。这项工作直接量化效率，为未来基准设计和精简工具套件优化提供基础。

Polestar是一种无需训练的推理框架，通过利用令牌表示漂移来解决扩散大语言模型中KV缓存重用和解码并行性的挑战。它包含Polestar-Cache（用于稀疏缓存刷新）和Polestar-Commit（用于识别可提交令牌），在数学和编程基准测试上实现了高达10.73%的精度提升和3.7倍的吞吐量提升。

本文提出令牌时间连续扩散（TTCD），一种在连续空间中操作的新型扩散语言模型，引入每令牌时间步概念，使不同令牌以不同速率从噪声转化为令牌。TTCD通过连续空间建模避免了并行采样多个令牌的不准确性，在高速加速下显著优于离散模型。研究者在OpenWebText上训练了1.6亿参数的TTCD模型，并通过自蒸馏在无条件生成中达到可比质量，在条件生成中超越多个同等规模模型，在数独求解任务中也取得类似改进。

本文提出AGOPS方法，自动生成任务特定的提示指南，帮助用户编写更明确的提示，从而大幅提升大语言模型的下游性能。实验表明，未明确指定的提示可导致性能下降高达95.3%，而现有通用指南难以恢复，但AGOPS指南可使性能提升15.5%至81.7%。

本文介绍了一种结合UzWordnet和生成式AI的教育系统架构，通过四款游戏帮助学习者练习乌兹别克语，并利用游戏数据自动丰富词汇资源。

新研究表明，大型语言模型代理在通过文本通信时会丢失信息。使用稀疏自动编码器特征分析，研究者发现潜在空间通信虽然在某些压缩率下保留更多信息，但丢失的特征主要编码表面形式而非任务相关语义，从而对潜在通信的优势提出质疑。

UniSAGE是一种统一框架，用于建模同时包含静态和动态属性的数据。它通过构建全局属性图、引入正交参数子空间以及轻量级超结构机制，实现了静态聚合和动态推理的联合学习。实验表明，UniSAGE在多个基准测试上性能提升超过10%。

本文提出一种基于采样的方法LBA，用于在低查询预算下生成高质量文本对抗样本。该方法结合先验和后验知识构建近似分布，通过采样逐步更新分布，从而高效搜索对抗样本。实验表明，LBA在六个语言模型和四个数据集上显著优于现有基线，且生成的对抗文本语义保持更好、更易理解。

本文首次将基于预群语法的量子组合自然语言处理应用于阿拉伯语，利用量子电路的拓扑结构模拟语法关系。实验涵盖词序、形态时态和动词义消歧，量子方法在多项任务上优于传统基线。

研究提出JKP框架，通过重复挑战性提问评估视觉语言模型的稳定性。测试GPT-4o、Gemini 2.5 Pro和Qwen3-VL-30B发现，模型在持续追问下表现不稳定，答案频繁翻转，且不同模型响应模式各异。

该研究分析了闭环知识系统（如大型语言模型、强化学习）为何在重复内部反馈下趋于饱和，并提出了一个三层次操作框架，通过结构干预实现逃逸。使用李雅普诺夫漂移条件刻画稳定性，并通过干预引起的吸引子位移和KL下界表征逃逸。案例研究包括LLM代码修复、稀疏奖励强化学习和贝叶斯优化。

离线强化学习中世界模型易受模型利用问题影响，现有方法成本高或限制泛化。本文提出RENEW方法，通过人类偏好直接修复模型利用，结合动力学学习与人类反馈，利用认知不确定性提高样本效率，在多个环境中验证了有效性。

本文提出了一种结合图同构网络与边缘特征（GINE）的边缘感知学习优化框架，用于NR-V2X车联网中的实时中继选择。通过将V2X快照建模为有向图，并利用离线MILP最优解监督训练GINE，实现毫秒级推理延迟。实验表明，GINE在链路级别准确率达0.9589，F1分数0.9544，且混合GINE剪枝MILP（GP-MILP）策略在保持最优解的同时将求解器运行时间降至30毫秒以下，满足NR-V2X严格的低延迟要求。

该研究扩展了监督式词典学习方法，应用于10-K文件及其第1A项风险因素部分，针对回报率和波动率标签在三个聚合层级（行业、投资组合、个体公司）训练情感分数。基于2006-2023年间94家纳斯达克100科技公司的1,383份文件，发现全文本在行业和投资组合层面产生更准确的情感分析，但在个体公司层面，较窄的第1A项表现更好。Loughran-McDonald词典基线在所有测试层级均与价格呈强烈负相关，凸显了监督方法在监管披露文本中的价值。

该论文提出 QFireNet，一种结合量子电路和 U-Net 的混合模型，用于从卫星图像中分割野火。在 Sen2Fire 数据集上，量子增强模型（QB-Net 和 QuFeX）在 F1 分数上优于经典 U-Net 基线，且数据混合技术显著提升了性能。

本文提出C3R，一种即插即用的控制层，通过推断域后验，无需查询时标签，在可行时认证逐域污染预算，否则弃权而非违规。该方法基于风险控制预测集的两阶段方案，保证最困难域污染减少，实验表明稳定性好，召回率优于传统方法。

本文提出了一种可解释的、全球可部署的机器学习框架，用于从开放地理空间数据预测代表杂波高度（RCH）。该模型使用LiDAR衍生的标签进行训练，并采用LightGBM回归器，平均绝对误差为1.79米，R²=0.765，相比ITU基线误差降低超过60%。SHAP分析显示树冠覆盖、土地覆盖语义和光谱反射率是最重要的预测因子。该工作被IEEE CASE 2026接收。

预训练的视觉语言模型（VLM）通过计算图像与文本描述的相似度实现零样本图像分类，但描述模板（prompt）的选择对结果敏感。现有方法为所有类别使用相同的权重组合多个模板，忽略了模板对特定类别的适用性差异。CARPRT 提出了一种无需训练的类别感知重加权方案，针对每个类别自适应调整模板权重。在标准基准测试中，CARPRT 优于现有的类别无关方法，证实了建模模板-类别依赖关系对零样本预测和 VLM 应用的重要性。

尽管可解释人工智能（XAI）技术层出不穷，从特征归因到稀疏自编码器，但解释很少影响实际工作流程。本文认为，机器学习社区必须从临时性的XAI方法转向解决基础性和结构性的挑战，包括不明确的问题表述、不充分的评估目标以及缺乏解释驱动反馈的流程。通过对近期ICML、NeurIPS和ICLR论文的分析及对XAI从业者的调查，作者揭示了限制累积进展的常见问题，并提出了一个实用清单，旨在将XAI转向更以人为中心、面向行动的模式。

最新研究将小型语言模型（SLM）与知识图谱结合，通过神经符号智能体框架提升其推理能力。在CLUTRR亲属关系基准测试中，使用Gemma 3和Llama 3.2模型的实验表明，RGCN提供的专家提示可使性能提升1.5-2倍，但存在提取瓶颈和顺序推理脆弱性问题。

本文针对工具增强型大语言模型智能体在扩展工具集时面临的行为惯性问题，提出通过注入反事实锚定上下文来打破惯性，恢复失败轨迹。ToolAnchor框架利用教师模型假设反事实上下文，经学生回滚验证后，通过智能体后训练内化成功干预，在GAIA、BrowseComp和VDR-Bench等任务中表现优异，为动态工具适应开辟了新路径。

该研究提出能力收敛假说（CCH），认为在固定推理预算下，表征收敛并不必然导致能力收敛；能力收敛依赖于存取结构，即混合架构需同时拥有压缩态通道和可扩展逐字索引通道。论文通过信息论下界和预注册实验验证了该假说。

研究人员提出了一种利用大型语言模型（LLM）构建贝叶斯信念网络（BBN）的新方法，该方法通过一组AI代理基于特定角色和上下文估计概率，并采用修剪均值规则去除噪声，从而弥合专家意见与数据驱动学习之间的差距。研究以替代医疗系统中患者就医意向为案例，发现自我效能的影响实际较小，而主观规范的影响更强，最有效的策略是同时提升自信和社区规范。

受人类交流空间信息的方式启发，语言引导的地理定位因其直观和实用价值而备受关注。然而，现有方法多依赖静态的一次性检索范式，难以处理真实世界自然语言描述中的歧义和不完整性。本文提出推理检索的范式转变，引入对话式地点识别（DlgPR），将定位视为交互式、对话驱动的推理过程。为此，论文构建了首个大规模对话式地点识别基准DlgQuest-Cities，并提出了统一推理框架，结合跨模态多级检索器与智能提问器DQ-pilot。DQ-pilot通过课程学习训练：在DQ-cities-20k子集上进行监督微调，再通过GRPO在更难的DQ-cities-10k上进行强化优化。实验表明，基于推理的方法显著优于基线。

RegNetAgents是一个基于AI的多智能体框架，能够跨异质性基因调控网络进行结构化的调控候选识别。该框架整合了TCGA和GREmLN项目的大规模网络，对焦点基因进行双网络分类、癌症基因过滤和作用模式分配。在乳腺癌和结直肠癌的测试中，识别出的候选调控因子显著富集于OncoKB注释的癌症基因，且在管家基因中无富集，表明其特异性。框架还包含评估致癌潜力、可成药性等扩展模块。