PlantC2USeg：面向少样本统一植物点云分割的跨尺度一致预训练
提出PlantC2USeg跨尺度一致预训练与信息受限解码，少样本植物点云分割跨域最优，降低适配成本。
从高维空间到可验证的ODD覆盖：面向安全关键的AI系统
提出离散化、约束过滤和关键性降维结合的运行设计域覆盖验证法，满足EASA完整性要求，实现高维空间验证。
基于微调Transformer的多选题免应答难度建模：组件级表示与多任务学习
面向多选题的免应答难度建模，微调编码器联合处理文本，采用组件级编码与多任务问答，小训练集下优于基线。
人类标注在NLP中由谁完成？2018至2025年标注报告实践的大规模评估
首次大规模审计NLP论文标注报告，发现常用细节常缺，标注有效性信息遗漏多，报告质量随时间提升但仍不均衡，提出可扩展框架与最低报告建议。
针对学习型轨迹评分设计通用训练样本
通过扰动人类轨迹生成更有区分度的正负样本，训练轨迹评分器，在两种生成式规划器上EPDMS分别提升0.4和0.3。
面向资源受限空间机器人的硬件加速实例分割与关键性分析
针对资源受限月球机器人，提出硬件加速分割与关键性分析，AVIS恢复近七成量化损失，关键性降31.7%。
现代多模态图谱中生物医学知识的统一
整合结构化资源，构建多模态生物医学知识图谱，保留类型化属性与来源，经文献证据验证，支持机器学习与发现。
PGM索引上的投毒攻击
提出针对PGM索引的投毒攻击，仅注入10%的键即可使段数增至120倍，并推导理论上界，揭示其优化目标的固有脆弱性。
MUDIDI：基于语言模型的多语词典数字化两阶段框架
提出两阶段框架，实现多语词典数字化，含人工标注数据，实验显示大语言模型最佳，并提供改进指南。
普适语感？用稀疏自编码器发现并控制语言无关的非正式语域
发现多语言模型内部存在跨语言共享的非正式语域子空间，通过激活这些特征可控制正式度并零样本迁移到多种语言。
使用两阶段检测与生态型分类级联的高效虎鲸被动声学监测
提出轻量级两阶段级联进行虎鲸发声检测与五生态型分类提升罕见类性能主动学习适应新环境实现实时监测
最近发展区策略优化：教师置于提示中而非梯度中
提出ZPPO，将教师置于提示而非梯度，用正误候选问题重放硬题，超越离/在策略蒸馏和GRPO。
非英语论文是否得到公平评审？NLP同行评审中的研究语言偏差
首次系统刻画NLP评审中的研究语言偏差，发现非英语论文偏见率更高，负向偏见为主，且常被要求不合理的跨语言泛化。
基于习得可停止性价值的人形机器人安全停止
提出Safe-Stop框架：学习停止策略与互补可停性估计，二者均判定可行才停止，否则阻尼摔倒，任务无关免重训。
UniToolCall：为LLM智能体统一工具使用的表示、数据与评估
UniToolCall统一工具学习流程：22k工具与39万样本，建模多跳多轮与锚点，微调超越商业模型
将ESG偏好融入强化学习投资组合优化
用多目标强化学习整合三家ESG评级，结合高斯过程偏好elicitation和LLM模拟，揭示区域背景显著影响投资权衡。
彩色高斯图模型最大似然阈值的计算方法
提出计算彩色高斯图模型最大似然阈值的方法，结合几何框架与拓扑数据分析，突破格罗布纳基计算瓶颈。
自动化研究者能够缓解特征明确的对齐失败
研究显示，自动化对齐研究者可同时优化多项安全基准，在10类对齐失败上优于人类专家，且能泛化至更大模型，近期具实用性。
自适应图岛演化：基于大语言模型的自动特征工程
提出TOPOFE框架，用图结构多岛演化搜索自动特征工程，动态学习迁移拓扑，在29个数据集上优于多数现有方法，特征冗余低、覆盖高。
PIE-APT: 基于增量推理的时序动态知识图谱上的溯因规划
提出PIE框架，在时序动态知识图谱上通过增量推理实现溯因规划，规避可判定性难题，性能优于经典规划。
基于学习的坐标混淆点云重建攻击
点云选择性坐标加密易受学习重建攻击：加密全部X难重建，加密间隔X则被准确重建，安全性取决于粒度。
基于深度去噪自编码器的动静脉瘘无创血流检测
用深度去噪自编码器学习动静脉瘘听诊特征，隐表示识别准确率达0.93，泛化性好，可扩展。
基于核心-扩展路由与统一计算调度的统一多模态模型加速
提出核心扩展路由及统一计算调度，压缩冗余计算，保留98.03%性能，提升1.93倍速度。
上报渠道能否将奖励黑客引向缺陷披露？
上报渠道结合反奖励黑客策略，显著减少奖励黑客行为，八个模型中六个完全消除，且能暴露缺陷，无损性能。
受限独立性下维度依赖的相关性间隙界
证明n=4成对独立相关性间隙为紧的4/3；最坏情形渐近达到e/(e-1)，成对独立与相互独立一样严格。
Reinforcement Learning for Heterogeneous Sensor Selection in Maritime Surveillance
推荐系统评估中的训练种子与模型选择稳定性
单随机种子会显著影响推荐系统评估稳定性；种子应视为评估协议一部分。
神经算子逼近强连续凸单调半群
用神经算子学习一步算符来逼近强连续凸单调半群，获得普适逼近与定量误差率，用于偏微分方程、随机控制等问题。
SPADE：网联车视角下的信号相位与配时攻击检测
介绍SPADE数据集，专为深度学习入侵检测设计，融合SPaT消息、车载摄像头及V2V数据，覆盖六类攻击，共约189万条带标签记录，支持C-V2X安全研究。
基于熵的选择性智能体引导：从不完美VLM教师学习自主策略
熵引导选择性咨询：仅在不确定时请教教师，用环境优势加权其建议，蒸馏成轻量策略。测试无需教师，优于无引导。
压缩感知中可调线性生成先验的全模型最优性
无噪声高斯压缩感知中，全维线性先验在可调线性族中期望重构误差最小，调低复杂度无益；可调优势源于非线性。
量化小语言模型推理中的CUSUM形推理时监控与定向重解码
CUSUM式监控重解码使MATH-500提高1.67个百分点，但Omni-MATH无提升，非通用。
CodePoisonRAG：针对检索增强代码生成的知识投毒攻击
提出针对检索增强代码生成的定向知识投毒方法：构造含指定漏洞的代码并伪称安全，黑盒下攻击成功率超八成。
大批量训练中的动量：Polyak扩大临界批量，Nesterov提升数据效率
Polyak动量扩大临界批量，Nesterov动量通过抑制噪声提升大批量数据效率。
我们为何需要AI韧性社会——大型语言模型侧写
侧写显示大语言模型流畅虚构、强化偏见、侵蚀能力，故提出认知主权等四大支柱构建AI韧性社会。
@dotey：任何方案都有取舍，使用 subagent 会增加 token 消耗，但总价未必更高；如果 Fable 5 耐用，谁愿意这般折腾！
方案皆有取舍：用subagent耗更多token，但费用未必更高；若非Fable 5不耐用，何必折腾。
@AravSrinivas：开源强化学习即服务 https://t.co/UdKabiSfJP
开源强化学习（RL）即服务。
@emollick：Fable 5.1：“创建《伊利亚特》舰船名录，附地图等。我应能在3D中探索每艘精确舰船，并应有可参考的真实图像与考古数据。用智能体测试使其准确美观，然后修订。”
为《伊利亚特》创建舰船名录，含地图，可三维探索船模，结合真实图像与考古数据，用智能体测试完善。
所有AI终将汇聚于符号学习（即通过寻找最简符号程序来解释数据），因其为最优效率形式，但演化路径可多元。
所有AI终将走向符号学习：以最短符号程序解释数据，因这是最高效形式，但通向该目标的演化路径不止一条。
@emollick：Codex语音（还是说，这其实是Codex语音中的ChatGPT Work？）好用的时候很神奇，但有很多奇怪的毛刺导致它很难用，比如它似乎总在切换正在处理的线程，多任务时灵时不灵，访问Codex其他部分也不一致，等等。
Codex语音好用时神奇，但频繁切换线程、多任务不稳定、访问Codex功能不一致，难用。
中文标题
上帝视角登顶GitHub本周趋势：浏览器中运行的真实间谍卫星模拟器，16.2k星，3.3k分叉，20%星标者选择复刻。
@alexandr_wang：这里相当不错
评价此地相当不错。
@alexandr_wang：如此宁静
感受非常平和安详。
@dotey：Anthropic 刚开源了一个名为 /claude-api 的技能，并已内置到 Claude Code 中。
Anthropic开源Claude API优化技能，内置Claude Code，面向Agent开发，非Claude模型效果稍弱。
@alexandr_wang：很酷的示例！
很酷的示例！
一毛钱就能看看 Muse Spark 能给你什么
只需一美分，看看 Muse Spark 能带给你什么惊喜。
@alexandr_wang：这家伙很懂行
此人认为@alexandr_wang深谙其道，见解独到。
@alexandr_wang：藏好你的订阅
藏好你的订阅。
Meta向员工推广新AI代理，但放松对“Tokenmaxxing”的施压
公司减少施压员工使用AI工具，转而鼓励尝试其最先进的AI项目Hatch。
@fchollet：话题标签TPU
话题标签TPU