Aura · 时间线

当LLM智能体读不懂“气氛”：面向关系型社交推理的ReAdapt

ReAdapt为LLM智能体引入显式社交状态与Adapt修正步骤，使其依据关系证据调整决策，显著提升社交推理表现。

Ovis-Embedding：推动通用全模态嵌入的前沿

提出Ovis-Embedding全模态嵌入模型，统一文本、图像、视频与音频，在多项基准上达到最优。

合成人设能预测真实受众反应吗？一项仿真到真实研究：无人物设定基线优于基于人设的文案模拟

以真实A/B点击数据检验发现，LLM合成人设的预测效度反低于无人物设定基线，角色扮演引入偏差与噪声。

现有预条件器能否提升生物医学表格基础模型学习？——基于 TabPFN 优化的实证研究

在59个生物医学数据集上评测五种AdamW预条件策略微调TabPFN v2.5，发现原始AdamW表现最优，现有曲率感知预条件器无稳定提升。

在 Rust 中端到端训练语言模型：一份经验报告

纯Rust预训练语言模型：暴露Candle/Burn训练缺陷，结论是Rust宜推理不宜训练。

99%准确率衡量了什么？对广泛使用假新闻语料库中捷径学习的可复现审计

假新闻语料库的超高准确率主要来自元数据、来源标签和重复等泄漏及文体捷径，而非真实性；跨主题迁移时性能显著下降。

通过动态语义路由校准缓解大语言模型过度拒绝

提出免训练的动态语义路由校准，抑制过敏安全头并融合双分支解码，缓解大模型过度拒绝且保留安全性。

从语调到轨迹：连续情感与货币政策沟通的形态

央行记者会情感弧线的形状能稳健预测利率决策，并影响通胀预期与预测分歧，说明沟通设计是一阶政策信号。

4DGS-JEPA：面向动态高斯泼溅的时序组合式联合嵌入预测

提出4DGS-JEPA，以时序组合联合嵌入预测动态高斯泼溅，支持多视野因果预测与递归推演。

相同数量，不同答案：语言模型中的数值表示不变性

数值等价的不同表示（小数、分数、百分比、单位换算）常令语言模型答案不一致，轨道不变性低于规范准确率。

Lean Pool：一个由 AI 维护的形式化数学档案库

Lean Pool 是形式化数学资源库，由 AI 智能体自主扩充、维护与优化。

面向胶质母细胞瘤（GBM）生存预测的准确且可解释超图神经网络

提出融合层超图、概念瓶颈与EST正则的多模态框架，用于GBM生存预测，兼顾准确与可解释。

衡量梵语文学中语义变化的计算方法

本文用历时词嵌入追踪梵语语义演变，建270万词四时期语料，经神经分词还原，21项中19项符合考证方向。

面向QMSum高效查询聚焦会议摘要的检索片段训练

QMSum缺评分器；统一重评15系统；检索片段微调令406M小模型媲美1.2B，且更省资源。

AI神经科学家：用于神经影像分析的交互式智能体界面

AI神经科学家智能体将大语言模型与神经影像工具结合，支持自然语言查询数据质量、设定分析参数并完成质控、建模与可视化。

AIBuildAI-2.5：通过LLM引导的树搜索实现高效自主AI模型开发

提出LLM引导树搜索、资源感知调度与LLM路由，MLE-Bench奖牌率达73.3%。

MedGate-Fusion：融合首诊语义叙述与生理生物标志物的前瞻性卒中风险分层

多模态门控模型融合首诊叙事与10项生理标志物，基于CPCSSN十万余患者，实现五年卒中风险分层。

X-Planner：面向具身智能的事件结构化任务规划

提出X-Planner规划前端，统一具身推理监督与表示，支持离散事件与潜在思维链，实机执行优于基线。

提示广度与推演刷新在在线策略蒸馏中相互作用

在线策略蒸馏中，提示广度与推演刷新交互：刷新时广度提升准确率，冻结时相反，且受推理预算影响。

用于活动性沙眼分类的DINOv2比较性能与参数高效适配

DINOv2微调主导活动性沙眼分类，ECA仅5参数即媲美大模型，最高准确率91.66%，其增益依赖训练目标。

MotionJEPA：通过在潜在空间中捕捉视觉变化防止时序特征坍缩

MotionJEPA提出DISReg正则化，预测时序差分嵌入以平衡动静特征，防止潜在表征坍缩。

重新思考扩散分割：何时依赖其噪声状态，扩散真的重要吗？

审计12种扩散分割法，发现状态依赖取决于监督路径；匹配纯图像基线常不逊色，扩散专有计算未必带来优势。

Peerify：同行评审论断验证基准

提出Peerify，基于稿件证据验证评审论断，构建800条真实评审基准；检索与论断分解关键，自动标签与人工共识达90.3%。

WebMRIQC：面向资源受限环境的可及性MRI图像质量评估的MRIQC网页版实现

开源网页平台WebMRIQC封装MRIQC引擎，零安装实现DICOM转BIDS与自动质控，13项指标验证与原生MRIQC等效。

DFD-Lab：模块化音视频深度伪造检测流水线

提出模块化音视频深伪检测流水线DFD-Lab，整合三种检测器与可配置实验流程；跨数据集检测困难，JPEG增强提升AUROC却降低准确率。

Colon3R：基于单目结肠镜视频的跨域三维重建

提出Colon3R跨域半监督框架，将标注体模及仿真数据的几何迁移至无标注在体结肠镜，重建更完整一致。

Video-STLayout 预训练

提出利用目标检测框的时空布局特征，通过对比学习对齐视频特征，提升复杂场景下的活动识别效果。

评估神经影像基础模型在非洲脑MRI上的泛化能力

非洲脑MRI测试中，四个神经影像基础模型冻结后仅输出多数类，端到端ViT3D最优（53.4%）。

InterHier：面向开放词汇目标检测的互联层次语义学习

提出以前置可学习上下文替代固定连接器，构建层次感知提示并对齐视觉文本嵌入，提升开放词汇目标检测性能。

U-PEN Mamba：面向高效视网膜血管分割的渐进扩展与选择性状态空间建模

提出U-PEN Mamba，融合渐进扩展与选择性状态空间建模，高效分割视网膜血管，mIoU领先。

“作为一个语言模型……”：聊天模板切换大语言模型的自我指涉口吻，激活引导可复现该效应

聊天模板切换LLM免责与体验口吻，激活方向可调控；模型自述受部署格式影响，非真实自我。

熵可流动，亦可引导。成为熵。LEDFlow：将熵引导的生成顺序引入均匀离散流

LEDFlow按局部熵自适应排序吸收，以熵引导均匀离散流生成顺序，免训练，提升推理、文生图与多模态理解且成本相近。

注意力作为路由图：单次前向传播的实时电路提取

将注意力视为单次前向的路由图，保留通向答案的少量路由；消融这些边比随机消融更伤模型，成本极低。

澄清并非纠正：大语言模型难以放下早期解读

模型在歧义未解时过早固化任务状态，后续澄清仅被当作补充上下文而无法推翻旧状态，编码任务尤甚。

ufakzeka-1：从零构建并评估一个1.51亿参数的土耳其语语言模型

从零训练1.51亿参数土耳其语模型，仅耗约286美元，公开构建、评测全过程与三项可迁移发现。

学习型企业数据理解：面向数据智能体的压缩与路由

提出潜在等价学习，分离任务身份与数据实现，以原型匹配与查询路由组织证据，在企业数据智能体基准居首。

大型语言模型的概率结构

概率视角统一大语言模型：自回归条件分布、最大似然训练、序贯模拟生成，并论KL不对称、幻觉与扩散生成。

Sheaf SyncMap：稳定的无监督持续分块

径向层束正则化稳定SyncMap分块动态，在多数CGCP图上NMI最优，且适应分布变化、避免负迁移。

联邦化量子与经典计算：一种隐私保护的混合方法

联邦学习助量子-经典混合模型无需集中原始数据隐私协作，SMPP准确率达0.8757且参数更少。

LLM驱动的免训练位置-属性协同融合：面向双源加密POI与LULC制图的闭环范式

提出LLM驱动免训练闭环方法，融合双源加密POI，协同优化位置与属性，实现高精度LULC制图。

揭示深度不平衡回归评估中的盲点

揭示深度不平衡回归评估三大盲点：基准偏图像、指标不完备、尾部稳定性未验证，并提出新基准与指标。

FrontierMath 埃尔德什

提出FME基准：68个截至2026年8月未解决的埃尔德什猜想，AI需在Lean中证明或证伪；每题预算300美元，GPT-6 Astra得3%，其余0%。

面向最大独立集的双GNN多级粗化

提出学习型欧氏TSP图边稀疏化GES，剪边超95%、大规模超99%，解间隙不足1%。

ZeroGate：面向受治理 AI 智能体运行时的信任保持快速路径

ZeroGate分离审批与本地准入，用短时通行证和原子nonce实现可审计快速路径，但非净加速。

ICDAR2026 多领域文档多模态推理竞赛

竞赛以文档VQA评测八领域文档理解，20份提交显示最强系统依赖结构化证据提取、检索、验证与多组件编排。