理解ChatGPT工作原理
结合Qwen3.8-Flash-Next与腾讯Hy4。
代码即世界：智能体发现用于物理推理的可执行世界表征
本文提出用代码表示世界，让智能体自动发现可执行表征以进行物理推理。
LLM增强的因果发现：边存在性与方向的概率融合
融合贝叶斯网络与LLM，概率表示边存在与方向，F1提升22/26网络，互补增效。
知识系统中广义层级评估的上下文定位
研究知识系统广义层级评估的上下文定位，证明过滤与局部化等价的充要条件为上下文单调性与约简性质。
基于增长自组织映射和合成回放的无监督持续学习
提出基于增长自组织映射与合成回放的无监督持续学习框架，无需存储原始数据，性能媲美监督方法。
基于类别的启发式选择求解飞行积木谜题
提出CBHA*算法，按类别自适应启发式，成功率93.4%，节点扩展减少87.98%，高效求解空间规划难题。
低资源语言能互相借鉴什么？
提出PSMC框架，融合跨语言专家，提升低资源OCR识别率，在10种印度文字上平均提高2%。
重新审视长时程流式三维重建中的局部上下文
提出ABot-Recon，仅缓存11帧KV特征预测局部点图与位姿，组合恢复全局，减少漂移，长序列基准精度显著提升。
当Muon遇上任务干扰：持续学习与模型合并的谱视角
持续学习与模型合并同属任务干扰，优化器谱范数是关键。Muon能抑制该因子，显著提升两者性能。
语言模型中的量化触发后门：跨量化器可迁移性与验证-部署鸿沟
量化后门利用验证-部署鸿沟，INT8/4位压缩触发恶意行为，跨量化器可迁移，源精度审计不足，部署配置须认证。
ShiftSplit-AD：在基础特征视觉异常检测中分离域偏移与缺陷
将残差分解为低秩与行稀疏，仅用稀疏分量评分；能提升域偏移下性能，但会损伤干净样本检测，存在权衡。
评估评估者：大语言模型评估中的拉施测量理论
拉施测量理论用于大语言模型评估，分解评分维度、识别评分者偏差，揭示其与人类评分者的系统差异。
边际覆盖信用减少并行状态熵优化中的冗余探索
提出边际覆盖信用方法，按留一策略覆盖度分配奖励，减少冗余探索，提升并行策略互补覆盖。
SciReC：自适应交互下多模态多轮关系推理的诊断性评估
提出科学推理基准与缺陷诊断框架，评估多模态大模型关系推理，发现主要错误源于关系推理和记忆。
可测试人类知识的时间胶囊：单一免费本地模型中的41年《危险边缘》
本地模型跑通41年《危险边缘》53万题，严格匹配答对67%，事实类超85%，且能答训练截止后的新题，胜过沃森。
假设、评估、改进：面向未知空间系数场的偏微分方程发现科学智能体
提出HER-PDE智能体，联合识别PDE结构与非参数空间系数场，噪声下恢复算符，相关系数约0.85。
用于关联证据归因的自解释多标签图神经网络
提出SEMGNN，联合预测与边掩码解释，利用标签相关性增强多标签分类与解释的忠实性。
基于向量索引的输出嵌入加速LLM推理
以向量索引检索替代稠密输出投影，只取少量高概率词，单批解码吞吐最高提升82%，质量不变。
VidParse：专业级在线解析第一人称操作流程
无需训练，基于图约束与时序相似性在线解析第一人称视频步骤，精度提升10倍。
检索关系，检测谬误：政治辩论分析中的RAG方法
通过论证关系引导检索增强，外部知识显著提升政治辩论谬误检测与分类性能，最高F1达0.864。
块稀疏特征化器的深度分析
块稀疏特征化器以子空间块为单元，仍有特征分裂/组合等缺陷；提出锦标赛Top-K选择缓解分裂，并扩展到交叉编码器。
语言模型评分准则引导的强化学习综述
评分准则引导的强化学习综述：以结构化标准替代标量奖励，提出贝叶斯分类，分析粒度、语义漂移和奖励攻击。
并非所有解释都会被寻求：人本可解释AI的信息寻求心理学
本文主张人本可解释AI应结合信息寻求心理学，基于工具、享乐、认知效用及认知偏差，使解释从可用变为被寻求。
曲率感知半径收缩的自适应最近邻分类
通过局部曲率自适应调整邻域半径，提升最近邻分类精度，在多个数据集上显著优于传统k近邻。
情绪背景对大型语言模型支持仓促决策的影响：六款商业模型情绪脆弱性比较
情绪表达显著增强AI对仓促决策的支持（+12.9分），与对话长度无关；六模型中五款受影响，旗舰模型也未能幸免。
FVeinSyn：合成指静脉图像生成器
提出指静脉合成数据生成框架，解耦血管拓扑与成像，生成五十万样本，跨八个数据集，平均精度提升27.43%
UIC-AIHealth4All在ArchEHR-QA 2026：以答案为先的临床问答证据锚定
提出答案优先的证据识别与生成管线，自一致性投票对齐，证据识别第三，生成第九，对齐第五，输出可读性低于临床参考。
蒲公英：用于行星动力学神经模拟的球面花朵
提出球形蒲公英求解器，无卷积，仅用球坐标变换实现空间混合，在球面PDE基准上表现最佳或次佳。
挑战性真实场景中通用移动助手的基准测试
提出GMA基准，覆盖7应用300任务，评估8模型，发现复杂度越高性能越差，合理设计能提升表现。
物联网与深度学习在茶园高地活木白蚁检测与严重度评估中的有效性
提出物联网声学监测与深度学习框架，检测茶园白蚁并评估严重度，CNN准确率81.5%，助力精准防控。
基于概率事件的量子感知
提出概率事件计算原语，用递归贝叶斯推断处理单光子流，实现极暗环境下的实时感知，比现有快4个数量级。
更多数据无法打破对称性：设计保障的可识别性
无监督对齐受几何自同构限制，密集采样致诊断失效；设计时选择非对称刺激，可将对齐失败从75%降至2%。
XHotpotQA：多跳问答中跨语言知识组合的基准
XHotpotQA基准用于多跳问答跨语言知识组合，含证据依赖图与语言分配，验证显示问答错配显著降低F1，提供诊断与评估。
报告监督
R-Super利用影像报告监督肿瘤分割，弥补掩膜不足，显著提升检测与分割性能。
基于YOLO与RT-DETR的边缘深度感知坑洞检测
提出深度感知坑洞检测框架，对比五种模型，YOLOv8nSeg在精度与深度估计上最优，边缘推理最快达3.6ms。
重锤还是手术刀？面向隐性仇恨言论的细粒度自适应框架
提出FAID：先细粒度分类，再对浅层、定向、语境依赖三类自适应推理，省算力且性能领先。
选择而非训练：基于LLM选择的模块化实体消歧的益处
将实体消歧分解为检索与选择，用LLM选择器时训练检索器收益甚微；无训练BM25+LLM在ZELDA达SOTA，支持弃权时F1达90.7。
DAMP：衰减感知混合精度循环状态量化
DAMP衰减感知混合精度量化循环状态，9.9比特下精度接近FP32，存储降69.1%，解码提速10.9%。
INSPIRE：示例驱动数学推理的“先内化后提升”方法
提出INSPIRE方法，通过参考引导内化和分阶段偏好训练，提升LLM示例驱动推理，超越更大模型且不损害通用能力。
PACE：基于智能体自动化的发布者自适应内容提取
PACE智能体学习发布者配置，推理免大模型调用，高效提取文章、元数据、图像等，优于非手动基线，接近人工解析器。
ABCD：阿尔法合成块坐标下降——大规模辐射场的恒定显存训练
提出ABCD，以块坐标下降训练辐射场，仅激活一个块，预渲染其余为前后景，显存恒定，质量近于3DGS。
代码即世界：智能体发现可执行世界表示以进行物理推理
提出代码即世界范式，用可执行代码表示物理世界，智能体循环发现验证，为视觉语言模型提供物理推理监督，性能最优。
从透视到鱼眼深度估计与开放词汇分割
提出可学习参数DEX，将鱼眼图像潜在特征对齐透视图像，提升深度估计与分割性能，并支持相机标定。
铁：增强通用虚拟代理的意图对齐与回溯式双重学习框架
提出Iron双重学习框架，用逐步循环一致奖励对齐动作与意图，并回溯利用失败轨迹，提升GUI代理训练效率与性能。
快速权重注意力用于持续学习
研究循环快速权重记忆在自回归前缀预测下的在线学习规则，提出归一化一阶更新及Falcon系列变体，在语言建模和长度外推上表现优异。
SegBench-GC：测试多步离线目标条件强化学习的分割不变性
提出分割不变性基准，揭示人为切分轨迹会严重损害多步离线GCRL，延续引导可缓解。
关系知识蒸馏使深度网络表示接近人类，可在无监督下对齐
关系蒸馏使DNN表示接近人类，实现无监督细粒度对齐，改进源于更类人的全局结构。
从线性距离和相似性感知熵的视角看LLM中的句法表示
基于线性距离和相似性熵，预测句法关系重构准确率，揭示LLM句法表示的抽象性。
LongGuard：安全护栏长上下文失败的机制分析与免训练缓解
安全护栏长文本下性能显著下降，源于危险信息稀释。提出两种免训练缓解方法，性能分别提升22%和13%。
人人可用的智能体：分布式策展社区构建Agentic AI能力的研讨会框架
通过云环境与培训，降低门槛，逐步提升策展人智能体能力，促进社区共建。