Aura · 时间线

长时程语言智能体中的重尾记忆轨迹

揭示智能体记忆呈核心-尾部重尾分布，提出CTWM按秩分配提示预算，节省token并降低尾部预测误差。

基于时序分割与语义抽象的自我中心与外部视角程序理解框架

多模态工作视频经边界分割与事件卡片抽象，增量构建工作环境模型，实现隐私约束下紧凑可审计的检索。

STATERA：利用冻结时序管片实现零样本仿真到现实运动学的隐藏质量估计

冻结时序管片适配V-JEPA，单目视频零样本估计隐藏质心，仿真到现实迁移最优。

喜剧中的愚人金：对话幽默中的奖励漏洞与对策

研究对话幽默奖励的漏洞与对策：惊喜嵌入奖励易被乱序回复欺骗，笑声线索可被利用；修正后改善但未达预期。

Noor超大型阿拉伯语语言模型碳足迹的整体评估

本文综合评估Noor超大型阿拉伯语模型全周期碳足迹，指出推理和外部成本影响显著，并探讨减排路径。

逆向项目反应理论：碎片化癌症药物反应矩阵中的稀疏稳健排序

提出逆向项目反应理论，将癌症类型与药物建模为耐药被试与项目，碎片化数据中比简单平均更稳健恢复排序。

从提议到可验证效果：Praxa——面向受治理AI智能体执行的证据约束型执行框架

Praxa以证据约束架构显式区分提案、授权、派发与验证效果；四条证据线均未证明性能优越。

空间升维用于稠密预测

提出空间升维：将输入提升到高维空间并由3D网络处理，稠密预测性能更优，参数量与推理成本大幅下降。

涌现式物体绑定具有有限空间视界

预训练ViT冻结块嵌入可解码同物体信号，但绑定随距离指数衰减至非零下限，呈现有限空间视界。

Adam 距离自然梯度下降有多远？

Adam与自然梯度的几何偏离随场景变化，病态下显著，但凭动量平滑仍能有效优化。

BudgetSchemaBench：Text-to-SQL 模式上下文的预算扫描式诊断基准

提出预算扫描诊断基准，发现检索覆盖受限时，执行准确率对模式上下文的预算远比对序列化格式敏感。

理由究竟传递了什么？角色专精问答中的消息干预研究

忠实理由不提升答案准确率，但受损理由显著改变验证支持判断，故理由共享应作为验证消息机制评估。

衡量微任务合格性差距：现成小语言模型何时足以用于智能体执行框架？

构建4项微任务基准测试现成小模型：均未达阈值，量化无改善；差距源于规模而非精度，宜仅作基线补充。

韩国性犯罪案件中的法律文本分类：从传统机器学习到结合XAI洞察的大语言模型

韩国性犯罪判例分类中，微调KLUE-BERT准确率99.3%，优于GPT与传统模型，XAI揭示语境理解局限。

因果世界模型何时有助于模块化 LLM 智能体

因果世界模型仅在跨模块接口可统计识别、且行动时可用时，才有助于模块化 LLM 智能体。

编码却脱节：在激活补丁零结果下分解视觉语言模型失败

三种视觉语言模型中层虽编码答案却因果失活，补丁零翻转；错误分为感知失败、编码脱节、先验覆盖，且可学习。

目标检测中的域泛化与合成数据：赋能者、探针与鸿沟

目标检测域泛化研究稀缺；合成数据既是赋能者与探针，又存在合成到真实鸿沟，未来需兼顾定位与分类。

FACET 在 WMT 2026 自动翻译质量评估任务中

提出免参考免训练FACET，将评估分流畅、准确、一致三通道；另交省略一致通道版，人工译后编辑排名第一。

FourierQK：滤波器形状、可容许性与泄漏-覆盖定律

QK注意力消融：抑制直流/奈奎斯特，段落尺度带宽最优，可容许滤波器更优；泄漏随覆盖增，适用双向注意力

在多实例强化学习系统中整合公平性与可解释性

研究融合RL-MIL、对抗去偏与偏好超网络的学生风险预测，发现偏好调节失效、模式坍塌，需梯度平衡与目标分离。

面向个性化偏好优化的梯度对齐配对选择

提出GAP-DPO，以效用梯度几何对齐选择偏好对，提升LLM个性化偏好优化效果。

可达性不等于泛化：理解装配动作识别中的动–名分解

系统分析三数据集上的动–名分解：泛化主要靠共现插值，失败集中于大词表成分，共享编码器致成分纠缠。

面向大语言模型的快速多项式超越函数

用3–4次BF16多项式替代sigmoid、tanh、SiLU，训练吞吐最多提升8%，损失几乎不变。

刻画推理时 PRM 剪枝片段嫁接无效的配置：来自三个推理语言模型的证据

PRM剪枝片段嫁接在推理时与独立并行思维链基线无显著差异；触发多未命中真正困难链，跨三模型六基准复现。

端侧命名实体识别：准确性、成本、可靠性与置信度的可部署性研究

端侧NER可部署性评测：编码器更可靠，小生成模型无效输出多，置信度需校准。

基于结构因果模型（SCM）的法律文书分类公平性与忠实可解释性

公平性正则化未改善人口公平，却持续削弱SHAP解释忠实性，表明公平与解释忠实性解离。

看见城市，还是识别地点？VLM城市感知中街景影像较现有城市数据的增量贡献

街景影像的增量价值取决于视觉可读性与本地数据覆盖；部分属性上现有数据已匹敌甚至优于图像。

DSSR-3D：3D高斯中视角相关指代的解耦推理

DSSR-3D以解耦推理实现3D高斯视角相关指代分割，免重训练，并提出ViewRef-GS基准。

面向快速 FP4 预训练的格式感知融合

格式感知融合协同设计FP4量化布局，Llama-3 8B预训练达37.9K tokens/s/GPU。

“非常可能”等于“不确定”？大语言模型在语言不确定性量化上如何与人类分道扬镳

大语言模型为“可能”“很可能”等词赋予的不确定性概率与人类差异显著，新算法从输出中学习标记映射，揭示二者置信语义的系统性偏差。

K-Dense BYOK：一款本地运行、以哈希链保存实验记录本的开源 AI 科研助手

开源本地 AI 科研助手，自带模型密钥，哈希链实验记录不可篡改，跨学科表现优于管理平台。

基于双对齐测试时自适应的鲁棒在线航空发动机叶片缺陷检测

ABDD测试时自适应框架，对齐全局风格与局部缺陷，用不确定性伪框过滤，提升域偏移下叶片缺陷检测鲁棒性。

首个 token 并非裁决：不生成即读取 LLM 评判器的隐性代价

首 token 读出裁决会系统性高估位置偏差；评判器常不先输出裁决 token，强制读取实为退回先答，建议报告首发率。

SW-KAN：采用 Stieltjes-Wigert q-正交多项式的 Kolmogorov-Arnold 网络

提出SW-KAN，用Stieltjes-Wigert q-正交多项式与tanh指数映射解决域不匹配，提升资源受限下的逼近与分类效率。

单一掌握阈值并不适用于所有知识追踪模型

同一掌握阈值不适合所有知识追踪模型；六模型四数据集表明最佳阈值随模型和情境变化，需重校准与综合评估。

指标—构式耦合会夸大合成方言恢复的测量值

韩语方言语料不可再分发；KoDialectBench揭示合成数据恢复因能力轴而异，且当评估指标词表与变换构式重叠时，恢复率被显著高估。

测量大语言模型中的类人偏见？——对LLM评估中人类衍生偏见构念的批判

论文批评将人类偏见构念用于LLM评估，指出构念、人机与情境错配导致推断鸿沟，并提出分析框架。