空间-DISE：评估视觉语言模型空间推理的统一基准
提出统一基准Spatial-DISE，按认知分类学划分四类空间推理，含基准与12K训练集，评估28个VLM发现其与人类差距显著。
在统一潜在空间中渐进学习异构技能
提出HetSkills框架，在统一潜在空间中渐进学习异构技能，通过共享解码器与任务引导，实现运动追踪、文本生成等多种任务的高效适应。
HRV Studio验证：一款透明且质量可控的心率变异性分析平台
HRV Studio开源平台验证：与NeuroKit2等高度一致，频谱指标误差小，合成与心律失常压力测试数值稳定，提供透明可重复的HRV分析。
延迟观测下的厄尔尼诺可预测性
延迟观测能显著提升6个月内厄尔尼诺预报，但模型复杂度无增益，简单SINDy模型更优。
REFINE：一种基于证据引导的多智能体LLM代码重构方法
提出多智能体LLM重构方法，结合静态分析减少代码异味，但需人工审查编译测试后再采用。
NeuralParker：面向不规则停车环境的强化学习规划器
提出强化学习混合规划器，用目标相对全局表征与终端集成，在复杂停车场景中提升规划成功率与轨迹质量，并成功迁移至实车。
超越可执行模型：Pufibara 智能体框架与面向物理系统建模的 Modelica 智能体工作流基准
提出 Pufibara 框架及 232 任务基准，借持久状态与显式提交提升物理建模成功率、降低资源消耗。
重建档案：智能体应用重建的机械强制规格，及模型层级失败所揭示的问题
工具锁定应用接口并强制逐项测试；测试通过不等于正确，多层核查能发现隐藏错误。
基于置信度伪标签的无监督增量学习
基于置信度伪标签的无监督增量学习，免人工标注，精度超现有方法5%以上。
自动驾驶车辆轨迹预测的自适应多模式分布外检测
针对轨迹预测的分布外检测，提出模式感知CUSUM，显式建模多错误模式并自适应阈值，减少检测延迟和误报。
相依数据下的序列算子学习
推导Hilbert空间含噪随机过程的时间一致自归一化集中界，得到依赖数据下线性/非线性算子回归误差保证，无需独立性假设。
SPO++：面向异步智能体强化学习的流对齐策略优化
针对异步智能体强化学习，提出SPO++：按动作令牌度量标准化终端优势，按策略事件组织证据，提升在线学习效率。
STA-Net：用于轻量级植物病害分类的解耦形状与纹理注意力网络
提出解耦形状与纹理注意力，经轻量搜索建网，CCMT上401K参数/51.1M FLOPs，89%准确率，优于基线。
Maia 200：面向大规模AI加速的软件定义数据流系统
Maia 200采用软件定义数据流架构，以数据移动为中心，高性能低功耗，支持大规模AI推理，节省成本。
SatDL：面向卫星分布式学习的联合优化数据重分配与训练
SatDL联合优化数据重分配与训练，最小化卫星学习总时间。实验显示总时间降18.6%，能耗降12.23%-88%，精度仅略降。
识别代码的潜在声明式表示以辅助仓库迁移
用注释数据流图显式化代码潜在语义，提升仓库级迁移覆盖率与可靠性，测试通过率85.6%。
ToolRobustBench：面向工具调用智能体的分阶段扰动评估与故障诊断
提出面向工具调用智能体的分阶段扰动诊断基准，揭示输出扰动为主要瓶颈及失败非叠加模式。
MoRF-AST：变工况下结构监测的校准概率虚拟传感
提出MoRF-AST，在变工况下校准概率虚拟传感，覆盖误差降55.9%且保持精度。
TAMP操作学习中的宏操作符生成与谓词选择
提出宏操作符生成与无用谓词剪除，加快任务与运动规划，最高提速4.6倍，解决基线无法解决的长序任务。
findr：通过半结构化回归实现透明且公平的信用风险决策
提出findr半结构化回归，分离可解释线性部分与神经残差，并内嵌公平约束，兼顾预测精度、可解释性与公平性。
释放合作的力量：人与机器如何协同改进人脸识别
人机协作提升人脸识别准确率，基线差越小增益越大；智能融合择优合作优于机器单独或全员融合。
连续吉布斯采样的可证明量子-经典分离
证明连续吉布斯采样首个量子-经典分离：经典需Ω(α)查询，量子仅O(√α)，优势为势垒幅度平方根。
DLTPose：基于精确稠密表面点估计的6DoF姿态估计
提出DLTPose：融合稀疏关键点与稠密预测，用DLT获取表面点估计6DoF姿态，并做对称感知排序，超越多数方法。
Voronoi辅助优化用于从无向点扩散无符号距离场
提出无网络VAD方法，利用Voronoi准则定向法线并扩散构建无符号距离场，高效鲁棒，适用于复杂拓扑。
当相似性由交互驱动：面向机制敏感学习的量子核
提出交互驱动量子核，编码高阶交互，在欺诈检测中优于经典核，价值在表征而非量子加速。
基于堆叠Transformer的时空注意力模型用于动态手语及手指拼写识别
提出基于堆叠变换器的时空注意力模型，无需固定骨架图，从零训练在手指拼写与手语识别上均达最优。
适得其反的反馈：小型语言模型智能体为何会重复刚刚失败的调用
失败反馈适得其反：小模型重复失败调用的概率大增，根因在任务框架而非模型理解。
LAFR：基于潜在码本对齐适配器的高效扩散式盲脸恢复
提出码本适配器对齐低质量潜在特征，配合多级恢复损失，仅用0.9%数据微调即达高效盲脸恢复，训练时间减少70%。
Iwin Transformer：基于交错窗口的分层视觉变换器
该模型免位置嵌入，交错窗口注意力与卷积结合，降低复杂度，支持跨分辨率微调和二维到三维迁移，性能优越。
通过隐式随机递归稳定时序差分学习
提出隐式TD算法，将更新重构为不动点方程，对步长不敏感，稳定且收敛保证更广。
AdAdaGrad：面向自适应梯度方法的自适应批大小方案
提出AdAdaGrad自适应批大小策略，证明非凸优化收敛率O(1/K)，提升训练效率与泛化性能。
对手感知的强化学习
提出威胁马尔可夫决策过程框架，理论并实验证明强化学习智能体需感知对手威胁。
量子最大熵推断与哈密顿量学习
将最大熵推断与学习算法扩展至量子领域，通过谱半径分析收敛率，引入拟牛顿法大幅加速，并用于哈密顿量学习。
QABBA：基于整数量化聚合的误差保证符号时间序列压缩
提出量化ABBA（QABBA），减少参数并支持整数运算，保持重构质量，建立误差界，可直接用于大语言模型，实现存储、精度与预测性能的权衡。
焦点校准损失：控制深度神经分类器中的后验失真
焦点校准损失在焦点损失上添加布里尔锚项，控制后验失真，虽非适当但分类校准，实验表现竞争性而非主导。
TLXML：基于影响函数的元学习任务级解释
TLXML将影响函数用于元学习量化训练任务影响复杂度降为线性可解释性强
具有弱正交约束的多项式增强神经网络（PANNs）用于增强函数与偏微分方程逼近
提出多项式增强神经网络，融合深度网络与多项式，用弱正交约束、剪枝及预处理，提升回归与偏微分方程精度。
输入凸神经网络$L_p$-Lipschitz常数与Zonotope上$L_p$-范数最大化的参数化复杂度
固定$p\in(1,\infty)\cap\mathbb{Q}$，Zonotope上$L_p$范数最大化关于维数$d$是W[1]-难的；两层ICNN的$L_p$-Lipschitz常数计算亦难。
FID 掩盖了什么：生成评估中偏差的检测、排序与诊断
提出ZID综合诊断，用六种统计量输出排序、p值和离散方向，检测FID漏掉的分布偏差，识别欠分散与过分散。
@dotey: 让 AI 做性能优化很厉害，把 Activity Monitor 截个图，它能根据截图上的 pid 迅速定位到原因是啥。想起上古时代找内存泄漏可费劲了，要抓好几份内存 Dump，用工具分析堆栈，费很大劲才能定位到可能的原因。
AI凭活动监视器截图上的PID就能定位内存占用原因，比旧时抓Dump分析堆栈高效。
印度Ringg获Peak XV支持，推动语音AI超越电话通话
Ringg获Peak XV 1000万美元A轮延期融资。
@gdb：ChatGPT中的触发任务
ChatGPT中的触发任务
永远在线的背景进程：持续摄取所有连接器上下文，多跳推理循环，运行于本地硬件。这就是未来。
持续摄取全连接器上下文，多跳推理永不间断，本地硬件运行——这就是未来。
消息称机器人初创公司Generalist估值达30亿美元
该公司融资2亿美元，估值数月内从20亿升至30亿。
@elonmusk：祝贺猎鹰团队！
祝贺猎鹰团队！
@elonmusk：简单实用的 Grok @Bot
简单实用的 Grok 机器人
@emollick：世事变化之快可见一斑，这就是OpenAI在2025年10月所宣布的企业AI代理未来。
OpenAI 2025年10月公布的企业AI代理愿景已过时，6月停用Agent Builder，但不少企业产品仍沿用此模式。
OpenAI失去一位顶级数据中心高管，高调离职潮持续
OpenAI数据中心高管离职，此前基础设施改组，Katti接任。
loveholidays如何借助Codex让每个人都成为开发者
loveholidays用OpenAI Codex让全员参与软件开发，加速创意落地。
一个知识驱动的框架，用于预测未建档药物的单细胞反应
针对未建档药物，构建知识驱动框架以预测其单细胞反应。