Aura · 时间线

T-Router：学习丘脑路由以实现参数高效强化学习推理

T-Router仅以0.466%参数实现丘脑式路由，复用计算块，推理超越LoRA与全参数GRPO。

正交却耦合：面向模型合并的几何分量解耦

DiGA以预训练权重为参考，将任务向量正交分解并分组件聚合重组，缓解跨组件耦合，提升模型合并性能。

ArXiv AI

覆盖优先于控制：面向可控逆合成的路线指令锚定与引导

提出RIGS两阶段框架：先训练投影器学习指令偏好，再引导冻结生成模型，兼顾备选覆盖与指令控制。

面向驾驶行为视频描述的预训练模型适配比较研究

比较自动驾驶中LLM微调与提示方法；在BDD-X上，全量微调SpaceTimeGPT部分指标超基线，并分析LoRA与VideoLLaVA提示工程的局限。

PartiCam：基于奖励引导的相机控制视频生成

提出免训练粒子滤波的奖励引导框架，以全局-局部精炼实现精准稳定的相机控制视频生成。

面向选定高斯过程近最优性证书的预序e值

以预序e值审计GP包络选择，剔除矛盾候选，用存活者最大上界作任意时间有效认证，降低误认证风险。

语料库引导的双路径传播用于图检索增强生成

提出NexusRAG，用语料级实体邻域结构引导语义与结构双路径传播，提升多跳检索证据召回率。

Muon 中的行归一化之谜

研究Muon行归一化：引入维度相关复杂度因子，合成任务更慢，大模型预训练却更优，理论实践仍成谜。

System One 模型 Jev 的评估与基准测试

零样本评测 Jev：37 个数据集多数优于 Qwen/Gemma，概率校准良好，支持选择性预测。

arXiv cs.AI

GrammarRL：通过强化学习实现有效的语法约束解码

GrammarRL用正反向自监督奖励的强化学习适配语法约束，无需标注，成本同贪心解码，提升达9.8分。

读者熟练度塑造逐层惊奇度特征

词汇熟练度影响LLM惊奇度的分层预测深度：低熟练读者首遍注视的预测深度更深，总注视时长亦然。

从前到后：面向非对称跨视角车辆重识别的视觉语言模型基准测试

提出前到后车辆重识别基准，评测视觉语言模型；其未稳定超越检索基线，推理可提升，人类更可靠。

CDMD：面向表格数据的跨数据集混合类型扩散模型

提出CDMD，直接在混合类型特征空间上跨数据集联合训练扩散模型，单模型生成质量优于各专用模型。

ID 平衡：基于 PID 负载控制的极稀疏 MoE 稳定训练

将无辅助损失方法视为不完整PID控制器，提出ID平衡，随误差增大加强校正，降低负载不均衡并稳定训练。

配对难度至关重要：重新审视成对式LLM评判评估与一致性

现有评判指标多受近秩差配对主导，不一致实属必然；排序信号来自大秩差配对，故应按秩差条件化评估。

面向文本到图像模型后门防御的正常扩散动力学学习

提出NDDL，仅用良性样本学习扩散轨迹正常转移动力学，以预测偏差检测并定位后门，泛化性强。

面向大语言模型服务的高带宽闪存特性研究

HBF扩展LLM服务内存，分层存储与缓存感知调度使完成时间降36.1–87.0%、能耗降55.8%，写入寿命延至14.82年。

arXiv cs.AI

更好的演示文稿，还是不同的评审？评估企业和投资银行中智能体框架的增益

投行演示稿智能体框架得分高于直接生成，但评审差异与重复评分波动削弱改进结论。

镜头光晕去除与重建

提出光晕去除与重建：建大型数据集，微调扩散模型去大光晕；建模光晕并与3DGS联合分解，可编辑迁移。

RESUME：基于运动与残差信号循环状态更新的高效视频语言建模

RESUME以锚帧初始化隐状态，逐预测帧循环更新，向视频语言模型输出时序轨迹，时序推理显著提升。

ArXiv AI

AIMS：面向仿真到现实多模态ISAC的智能体AI框架

提出双智能体AIMS框架协调场景构建与任务学习，提升多模态ISAC仿真到现实迁移车辆检测与波束预测。

要纠正，不要删除：用纠正性监督缓解涌现性失准

微调有害数据可致涌现性失准；将中毒样本改为纠正答案比删除更能降低失准，并提升医疗回答。

Billiger.de 产品：双语实体匹配基准

发布德英双语实体匹配基准，覆盖13类商品，含难例，验证显示其比现有基准更难。

问题接力中的魔鬼：源条件接力引导缓解音视频大语言模型幻觉

揭示音视频大模型中问题接力致源混淆定位幻觉，提出免训练源条件接力引导，显著缓解源混淆定位幻觉。

EffGS：高效高保真高斯泼溅

EffGS通用加速框架融合频率感知引导、局部密度控制与自适应尺度调制，提升训练渲染效率并保持高保真重建。