ReSplat：循环高斯泼溅学习
提出循环高斯泼溅模型，利用渲染误差作反馈迭代优化高斯，无需梯度，适应多视图多分辨率，高效且SOTA。
多变量扩散Transformer解耦注意力用于高保真掩码-文本协同人脸生成
提出MDiTFace扩散Transformer，统一处理掩码与文本，用解耦注意力分离动态/静态路径，缓存复用静态特征，降低掩码计算开销94%以上，提升人脸保真度与条件一致性。
从声学分布恢复专家乐评来源的音乐艺术家网络邻接：构念效度方法
用声学分布与最优传输恢复乐评专家对音乐人的关联：整体准确率高，共识强时更高，验证存在可复现的声学核心。
基于注视的身份认证：影响认证性能的因素
研究基于注视的身份认证关键因素，基于8849名受试者数据，分析信号质量、校准及滤波对认证性能的影响。
TTPO：测试时策略优化
提出TTPO，非对称目标+投票伪标签，无标签测试时训练，数学推理媲美有监督。
跨领域整合RLVR能力：融合范式深度解析
RLVR融合三范式：平均差≤1.4，单基准差8.6。有专家用合并，无专家用混合RL，需保增益用蒸馏。
FLAT：用于MRI重建的展开网络的流对齐训练
提出FLAT方法，将展开网络与流匹配轨迹对齐，提升级联稳定性与重建质量。
FaulT-Bench：面向不可靠用户工单的网络故障排查LLM智能体基准测试
新基准测试网络故障排查智能体：应对不可靠工单时，误报场景过度诊断，工单表述比内容更关键。
磁振子诱导的声子陈绝缘体
提出磁振子声子杂化诱导的拓扑声子态：圆偏振基特尔模破缺时间反演，实现陈数绝对值一或二的可调陈绝缘体。
通过弱模型引导增强RLVR中的LLM探索
提出用弱模型部分推理轨迹引导目标模型缓解RLVR熵坍缩提升推理多样性无需额外监督微调性能优于基线
缓解多阶段LLM招聘流水线中的虚构问题：提示护栏与人工介入检查点的实证评估
提示护栏降低虚构密度但仍有半数输出造假；人工检查点消除身份虚构并显著减少捏造，建议分层防护。
孟加拉国农村医院开药现场药物不良反应安全核查系统：一项可行性研究
为孟加拉农村医院设计手机安全核查系统：处方拍照识别成分，匹配患者严重反应史，仅高危预警，做可行性评估。
语义数据处理系统的组合式在线学习
大模型调用昂贵且延迟长，可在往返中更新轻量学习器；组合式在线学习框架在生产中组合三类组件，取得约8倍加速。
词元级广告
词元级广告机制LAMA，将广告主影响嵌入生成过程，满足激励相容与近似最优福利，提升收益及质量。
安全性不具有组合性：自主大语言模型智能体的非衰减循环状态
跨迭代攻击下，轨迹级监控检测率等于误报率；保留非衰减循环状态可恢复安全，并把未授权操作数界为常数。
使临床语言模型可审计：概念引导的微调实现稳健预测
提出CAST框架，用稀疏自编码器暴露可审计特征，微调时抑制模板等伪影，提升部署鲁棒性并留审计轨迹。
转导语言模型的随机估计
提出基于不放回重采样和包含概率倒数的递归加权，得到目标前缀概率的无偏估计，计算-方差更优，比阈值剪枝快数个数量级。
主动感知表征植物胁迫异质性
自主机器人平台结合3D重建与运动规划，对叶片进行靶向叶绿素荧光测量，实现高分辨率生理表征。
椭球拟合的普适性与尖锐阈值
随机向量椭球拟合存在尖锐相变，阈值仅依赖四阶矩，高斯情形为1/4，并给出不可满足区的最优误差。
PLCBench：自主LLM代理能否将PLC访问转化为持续的物理影响？
首个真实硬件在环框架，评估自主代理从网络到持续物理影响能力。240次实验31.3%成功，丰富观测提升成功率。
语言模型如何组织与结构化道德知识
语言模型对道德知识的表征既非单一检测器也非彼此孤立，而是共享正成分的多维几何结构，且早于训练饱和形成。
分布强化学习中分位数时序差分学习的有限样本分析
同步分位数时序差分学习获全局有限样本保证；其波动不依赖分位数个数，区分局部随机与全局样本复杂度。
大语言模型在数字EDA中的角色转变：从生成到编排
LLM在EDA中从生成器、智能体走向编排者，需突破语法陷阱，构建物理感知的标准编排器以提升工业设计可靠性。
STEP：基于多模态大语言模型的状态感知任务估计与规划用于人机协作
提出STEP方法，让多模态大模型显式估计状态及转移，提升机器人任务规划的可执行性与收敛性。
面向好友推荐的图神经网络扩展：多哈希用户嵌入与时序邻居采样
提出可扩展GNN推荐系统，多哈希嵌入减98%存储，时序采样优化，在线好友添加增16%。
基于条件扩散从原始散射事件学习横动量分布
条件扩散模型直接从原始SIDIS事件映射到TMD PDF，无需函数假设，少量数据即可可靠估计不确定性
三维与二维圆心精确测量及其在激光雷达-相机外参标定中的应用
提出基于共形几何代数与RANSAC的三维圆心估计及弦长方差二维圆心估计，提升激光雷达-相机外参标定精度。
CritICL：利用小语言模型失败模式的推理时弱到强泛化
CritICL利用小模型失败模式作指导，通过批判式上下文学习提升推理，性能优于标准ICL，媲美测试时扩展，成本更低。
基于Transformer的联邦对抗训练
提出FedWAvg聚合，提升视觉Transformer联邦对抗训练在非独立同分布数据上的鲁棒精度。
CollaFuse: 协同扩散模型
提出CollaFuse，基于分割学习实现分布式协同扩散模型训练，减轻客户端计算负担，减少数据共享，提升性能。
从准确性到鲁棒性：数学推理中基于规则与模型的验证器研究
规则验证器误判等价答案，模型验证器易受奖励欺骗，需兼顾准确性与鲁棒性。
基于记忆幺半群的循环强化学习
提出记忆幺半群框架，将循环更新视为幺半群，改进循环强化学习批处理，提升样本效率与回报，简化损失实现。
ReLATE：通过安全高效学习稀疏编码加速张量分解
该框架通过无监督学习生成安全高效稀疏编码，加速张量分解，零推理开销，性能比专家格式最高提升2倍。
MODIS：面向小样本与非配对数据集的多组学数据整合方法
提出MODIS半监督框架，利用大数据库辅助训练，实现小样本非配对多组学数据的对角线整合，抗类别不平衡，适用于罕见病研究。
普通Transformer可成为强大的图学习器
仅需三个简单修改，普通Transformer即可成为强大图学习器，媲美复杂图模型。
用于理解模型行为的引导式数据生成
提出生成输入分布的方法以理解模型行为，涵盖标签预测、模型分歧、扰动敏感和风险预测。
AirLLM：基于扩散策略的自适应LoRA，用于大语言模型的空中远程微调
采用分层扩散策略优化低秩自适应配置经近端策略与扩散模型细化降低传输成本并提升远程微调性能
线性模型与ReLU神经网络上的可证明单样本投毒后门攻击
可证明：仅一个毒样本即可向线性模型和MLP注入后门，无需单点信息，后门零错误且不影响良性任务。
残差奖励模型：利用先验知识实现机器人中高效的基于偏好的强化学习
残差奖励模型将奖励分解为先验与残差，利用先验提升偏好强化学习样本效率，仿真和实物机器人验证有效。
中文标题
法官阻止五角大楼将Anthropic列入黑名单，称其国家安全供应链风险认定“非法且毫无根据”。
@svpino：这不仅仅是又一个编程代理
与Claude Code+Opus 4.8相比，PRAXIST在75项任务中获49金（对手35金），成本约3千美元（对手约3.8万），性能更优且成本仅为约十二分之一。
AI、运动员与Keith Rabois：StrictlyVC 9月10日重返纽约
StrictlyVC 9月10日重返纽约西村，邀Keith Rabois等六位嘉宾谈AI、体育投资、社区、风投与政治，附餐饮社交。
支持泰国下一代AI初创企业
OpenAI与泰MHESI推出八周加速器，助10家健康、保健及教育初创将AI原型转化为可信产品。
VGI-Bench：探测视频生成模型中的视觉智能
VGI-Bench基准评测视频生成模型的视觉智能，探测其对物理规律与视觉世界的理解。
@elonmusk: Grok 现已登陆 Microsoft Foundry
马斯克宣布Grok现已集成至微软Foundry平台。
@elonmusk：真理将使你自由
真理使人自由。
@percyliang：Marin 535B-A23B 训练完成约7%，进展顺利；下周二Zoom座谈将讨论设计决策与经验。
Marin模型训练完成7%进展良好，下周二Zoom座谈分享设计决策与经验。
@elonmusk：少数惯犯对绝大多数暴力犯罪负有责任
少数惯犯制造大多数暴力犯罪
增强混合地球系统模型的可复现性
提升混合地球系统模型的可复现性，通过标准化流程与工具，确保实验结果可重复验证。
大型语言模型作为实验发现中不确定性校准的优化器
利用大型语言模型校准不确定性，优化实验发现过程，提升探索效率与决策可靠性。