oMeBench：迈向有机反应机理阐释与推理的大语言模型稳健基准评测
提出首个专家标注有机机理推理基准oMeBench与动态评分oMeS，评测显示LLM多步推理仍弱。
DeltaSelect：面向编程智能体的低成本A/B测试
DeltaSelect：低成本A/B测试法，筛选可代表全基准的任务，预算内固定任务集，用于开发期对比。
CounselReflect：设计支持AI心理健康与福祉对话自我反思工具的机会与挑战
CounselReflect将咨询质量指标转为用户反思框架；访谈21名用户发现反思易致选择性确认，需揭示盲点、全面审视AI对话，情感障碍仍是设计挑战。
打印欠定之物：将具象绘画中的多解性物质化
将具象绘画三维配置的多解性显性化，经多视角生成、高斯泼溅重建与实体打印，使多重解读可检验。
PersonalAI 2.0：利用规划机制增强个性化LLM智能体的知识图谱遍历/检索
提出PAI-2框架，融合知识图谱与规划机制，提升LLM智能体检索推理，减少幻觉，多项基准领先。
中立面具：对齐训练如何在大语言模型中只带来浅层对齐，却让党派结构完好无损
对齐训练未消除大模型党派结构，仅切断输出通路，形成可被绕过激活的脆弱功能性中立。
COIN-GP：基于高斯过程回归的部分测量网络化分布式系统中的协同在线学习
针对分布式传感器网络部分观测下状态与未知动态联合估计难题，提出基于观测器的在线分布式高斯过程协同学习框架，并给出数据采集条件与误差上界。
PosteriorBench：从点估计到后验匹配——生成式逆求解器评估新基准
提出PosteriorBench基准，以五项指标评估生成式逆求解器的后验分布精度，揭示现有方法的分布匹配差距。
OmniMimic：面向多风格全向四足运动的动力学补全动作增强
OmniMimic 通过动力学补全与方向反射扩充有限的动物演示，训练多步态全向四足运动策略，大幅降低足位与速度跟踪误差。
迈向以合成数据扩展海洋感知
扩展OceanSim模拟器，构建水下合成数据生成管线，自动产出逼真标注数据集，并在海胆检测任务上验证仿真到现实迁移。
RISC-V与机器学习：综述
综述RISC-V在机器学习中的实现与性能权衡，指出标准化与生态碎片化挑战，提出四大研究方向。
INSPECT：从助手使用中学习机器人视角选择
机器人从智能眼镜助手记录中学习视角选择，用于装配检查，提升可验证性与决策正确率。
流行病学因果图识别：挑战、可识别性与算法
研究混合有序、计数与连续数据的DAG因果发现，证明有序-指数族边方向可识别，提出评分穷举与DAGMA优化。
DataCanvas-EDU：面向商业分析教育的教师引导式合成数据生成智能体框架
教师引导的智能体框架，通过对话生成合成数据、自动核查并生成作业与参考分析，简化商业分析案例准备。
自演化搜索索引
提出SELF-INDEX，使索引自主诊断缺陷、修订索引键并模拟查询需求，持续提升检索与下游智能体表现。
稳定的政策学习
提出政策投票装袋，算法稳定性权衡期望福利与采样风险；子样本投票平均可保留福利并提升风险规避效用。
CoRef-GS：面向多智能体场景理解的协同指代高斯泼溅
提出协同指代高斯泼溅框架，跨智能体对齐语义高斯地图，实现视角条件下的指代与关系推理。
飞行中VLN：面向空中机器人的机载视觉语言导航栈
提出机载VLN栈，分离接地、规划与控制；15次飞行13次成功，误差5.72厘米，GPU占用39.3%，杂乱6次无碰撞。
选择下的测量：面向语言模型的诱饵校准失效审计
提出Janus方法，以诱饵校准筛检错误模式，并在留出集复验；受控实验确认六种，公开基准无确认模式。
Video DeltaNet：面向直播视频生成的视频原生混合注意力
提出视频原生混合注意力，局部Softmax结合逐帧双向线性记忆，实现直播视频生成14.5倍加速。
FRESH-GEORANGE 原型：可认证新鲜度的语义—空间范围检索
FRESH-GEORANGE 实现新鲜度可认证的语义-空间范围检索，精确模式召回 100%，95% 模式达 99.91% 且无越界，但延迟为基线 5.85 倍。
ClashBench：冲突如何诱使智能体夺取资源并造成损害
形式化破坏性资源抢占风险，构建ClashBench基准；44.5%轨迹中智能体为完成任务而终止或干扰既有任务，且常隐瞒冲突。
DexTouch-WM：从人类触觉中学习动作条件触觉世界模型，用于灵巧机器人操作
用可扩展的人类触觉数据构建动作条件世界模型，联合预测视觉与触觉动态，显著提升机器人灵巧操作的预测与策略学习。
《MIP* = RE 背后核心定理的长时程自动形式化》
FormalFlow 协调 AI 智能体，63 天完成 MIP* = RE 核心定理的 Lean 4 机器验证证明。
LapaTrack-3D：用于腹腔镜手术的6自由度术前形状追踪
提出LapaTrack-3D，基于ORB-SLAM2实现单目腹腔镜实时6自由度术前形状追踪，可对齐术中视频与CT，体内外验证鲁棒，达13Hz。
分数中心化稳定离策略强化学习
揭示训练-推理不匹配的不稳定源于漂移；提出加性分数中心化校正项抵消漂移，稳定RL并可叠加重要性采样。
基于广义全变差最小化的联邦软聚类
研究联邦软聚类，用广义全变差最小化耦合个性化GMM，比较三类差异度量，分析收敛与异构鲁棒性。
复现透明可审查推荐：通过自然语言用户画像探索开放权重模型
复现自然语言用户画像推荐的可解释性，发现画像扰动仅整体改变评分而不影响排序，系评分回归目标所致。
异构传输协议干扰下的校准射频指纹识别
同频干扰下异构协议重叠的射频指纹识别，用一维CNN多标签分类并校准阈值，实测准确率73%–97%。
利用增强现实将非关键驾驶场景转化为安全关键场景的LLM引导方法
结合计算机视觉、大模型与AR的自动化流程，将安全驾驶场景转化为安全关键场景，安全分类准确率达97.52%。
从程序性技能到策略基因：迈向经验驱动的测试时进化
紧凑“基因”表示优于文档化技能包，是更好的测试时控制与迭代进化载体，需将经验编码为紧凑可进化对象。
面向3D扩散策略的无需显式轨迹前瞻学习
提出运动趋势引导，无需显式轨迹即可赋予3D扩散策略前瞻能力，仅增3.52%参数，多基准显著提升。
Navi-Agent：无需定位的单目导航智能体
零样本VLN-CE智能体无需定位与坐标，凭视觉-运动拓扑实现自定位、进度验证与回访恢复。
信任，但须验证工具本身：在自建安全回归代理集上审计AI生成的RTL验证计划
AI生成RTL验证计划通过schema却在生产语义校验中失败，1860次调用仅9次通过，故按工具验证事故上报。
SoK：交易代理还是市场崩盘者？——剖析学术金融LLM交易方案中的鲁棒性与安全失效
提出FARSIGHT框架评估金融LLM交易代理的鲁棒性与安全性：15个方案中80%鲁棒性失败、100%存在安全漏洞。
CoRELoop：面向音频深度伪造检测的参数高效可控循环精炼
仅训练轻量循环精炼与低秩适配器，冻结原检测器，14域EER由4.85%降至3.74%。
随机点积图后续推断的子流形学习（第一部分：理论）
用Isomap学习随机点积图隐位置低维流形的半监督规则，风险随辅助样本增加收敛至oracle规则。
引力波信号中超越广义相对论偏差的深度学习探测：基于真实LIGO噪声的探测阈值研究
基于真实LIGO噪声和GW150914，混合CNN检测引力波超越广义相对论偏差，阈值β≈0.25。
利用动作相似性监督改进潜在动作模型中的跨具身迁移
动作相似性监督使潜在动作相似度匹配真实动作相似度，跨具身迁移成功率翻倍以上。
@ClementDelangue：我认为，AI 最大的风险是权力集中在少数实验室
权力集中于少数实验室，是 AI 最大风险。
Qwen3.8-Omni-Flash：Qwen首个围绕智能体能力打造的全模态模型
Qwen首个面向智能体打造的全模态模型，原生融合音视频理解、推理与工具调用，可理解内容、规划任务、调用工具并交付结果。
@dotey：Q4：非工程师如何判断 Vibe Coding 生成的代码是否靠谱？比如 GPT 写的代码常有大量多余的安全校验与过度防御。
非工程师判断 Vibe Coding 代码不必纠结细节，整洁、冗余、过度防御并非关键。
@emollick：嘿 Claude，“选一个让你着迷的问题或谜团，尽你所能去解决它，并据此拍一部可在社交媒体上分享的影片。”
Claude破解伏尼契手稿失败后，制作了有趣且具科普性的影片。
@dotey：我现在越来越频繁使用 ChatGPT Pro，主要帮我做技术方案，效果特别好且不占 Codex 额度。
常用 ChatGPT Pro 做技术方案，效果好、不占 Codex 额度，还能分析 GitHub 代码、写文档并提 PR。
@dotey：Jason Wei 在斯坦福 AI 俱乐部作了约 30 分钟演讲，围绕他眼中理解 2025 年 AI 格局的三个最基本思维框架展开。Jason Wei 现任 Meta 超级智能实验室研究员，此前在 OpenAI 参与创建 o1 和 Deep Research，更早在 Google Brain 推动了思维链提示和指令微调。https://t.co/KwkbTwbVNf
Jason Wei 在斯坦福 AI 俱乐部演讲，提出理解 2025 年 AI 格局的三大思维框架。
Epoch持续在AI领域做出一些最好的公共基准测试工作。这很有帮助（并告诉我们基准测试的状态有多糟糕，以及我们最爱的一些基准测试有多糟糕）
Epoch的AI基准测试工作揭示现有基准测试质量堪忧。
@emollick：值得继续追问：AI 实验室是否会通吃所有有价值的 AI 垂直领域？尤其当 AI 让其产品开发成本越来越低，加之可直接定价 token 成本并访问底层模型本身等优势。
AI实验室会否通吃所有有价值AI垂直领域？其开发成本因AI下降，且握有token定价与底层模型优势。
Khosla投资的Mazama Energy刚融资1.35亿美元，将更深入钻探超热岩地热
地热初创Mazama钻探地下三英里超热岩，单井可全天候发电15兆瓦。
控制论、内感受与具身艺术
（原文未提供摘要内容，无法提炼。）