SM4RT提出了一种结构化运动4D重建Transformer，通过将场景运动分解为若干SE(3)刚体运动基元，实现了从单目RGB视频中端到端联合推断3D几何、世界坐标系运动与场景运动结构。
值得关注：SM4RT明确了“运动本身具有几何结构”这一物理先验，将4D重建从逐点无结构化建模提升为基于刚体运动学的结构化表示，可能显著提升运动估计的鲁棒性、一致性和可解释性。
Skill Self-Play（Skill-SP）提出一种**技能协同演化框架**，通过生成器、求解器和动态技能控制器在强化学习循环中持续自对弈，在保持任务多样性的同时获得可靠的验证信号，从而在工具使用和推理基准上持续提升大语言模型性能，甚至扭转初始不匹配模型的表现。
值得关注：该方法首次将**技能**作为连接结构化验证与开放式探索的桥梁，为自演进LLM训练提供了新范式； 协同演化的思想避免了传统自生成方法中奖励信号不可靠的问题，同时突破了环境绑定方法的天花板； 展示了即使初始能力较弱的模型也…
本文证明奇异值软阈值（singular value soft-thresholding）可通过归约到矩阵极分解来计算，从而利用GPU友好的极分解算法，在GPU上相比标准SVD方法实现显著加速；但鲁棒性未经探究，且因符号函数的不连续性只适用于低精度应用。
值得关注：提供了SVD的高效替代方案，尤其适用于大规模矩阵处理，可能降低GPU上的计算瓶颈。 启发其他通过极分解间接计算矩阵函数（如阈值、投影）的技术路线，拓宽了极分解的应用场景。
人类常通过身体抽象（如影子、剪影、反射）进行沟通，但机器人目前主要依赖物理形态表达。本研究旨在让机器人学会操控自身投影的视觉抽象（特别是阴影）来与观察者交流。核心挑战在于：机器人不仅需要推理自身运动，还需理解运动如何被转化为外部投影并被人感知。
值得关注：机器人通过阴影等抽象视觉形式进行沟通，在以下场景具有潜力： 非语言交互场景（如嘈杂环境、远程呈现） 娱乐与教育（如机器人皮影戏、动态故事讲述） 人机协作中提示意图（如阴影箭头指向）
本文提出机器人分解世界模型，将动作执行过程拆解为机器人自身控制器/运动学渲染的标称轨迹，再通过 URDF 显式渲染机器人几何体，从而让视频世界模型专注于学习物体如何响应机器人运动，在未见过的机器人形态上也能泛化，并可从人类演示视频重定向生成机器人操作视频。
值得关注：提出了一种通用接口，将机器人特异性（几何、运动学）从世界模型中剥离，使世界模型更专注于物理交互预测，有望提升机器人操作任务的规划能力和数据效率。 与既有脉络的关系：与 Cycle-World（抑制误差累积）、Defor…
量子谱模型（QSM）通过将输入矩阵直接编码进哈密顿量生成器，使量子模型的归纳偏置显式地匹配输入数据的谱结构，从而在多个基准任务上优于坐标式旋转门编码的传统量子模型。
值得关注：该项工作展示了输入条件化谱表示如何为量子机器学习模型提供可分析的归纳偏置，开辟了结构感知模型设计的新视角。与传统坐标式编码相比，QSM显式利用了矩阵输入的谱结构，在量子电路深度有限时能更高效地捕获全局关系，对于处理图、…
PRIMS 通过将流体力学物理关系显式嵌入 Transformer 架构（三个专用模块），在仅 0.46M 参数下对五种流体分类达到 98.92% 平均 F1 分数，相比当前最优 Transformer 方法参数减少 14 倍，并在未见过的温度/流速分布偏移下保持鲁棒性，为片上微流控设备中的可靠流体识别提供了可解释、数据高效且抗环境变化的方案。
值得关注：相比已有基于纯数据驱动的微流控流体识别方法，PRIMS 首次系统地将物理关系（如粘度与密度、流速、压力的耦合）直接编码到 Transformer 注意力机制中，既减少了过拟合风险，又增强了模型在分布外环境下的泛化能力。…
工业级搜索与推荐系统中，新内容（冷启动）因缺乏历史交互信号而难以获得曝光，同时系统对已有内容的偏向会扭曲模型预测。现有方案多局限于单阶段或单场景，缺乏跨漏斗的统一解法。本文提出 PinEqualizer，旨在解决以下问题： 如何在整个多阶段漏斗（召回、粗排、精排等）中协同处理冷启动与去偏？ 如何在不引入短期探索损失的前提下，提升模型对各类内容的预测准确性？…
值得关注：冷启动与系统偏差是推荐系统长期面临的挑战，PinEqualizer 首次在工业规模下实现了跨漏斗、跨场景的组合解决方案。 提供了短期实验与长期效果验证的可量化测量框架，降低了工业部署风险。 与既有相关工作相比，其增量贡…
通用音频基础模型（AST、CLAP）从物种发声嵌入中自动恢复了系统发育距离，相关性高达 r≈0.82，而手工设计的 MFCC 特征完全不相关；出人意料的是，针对鸟类训练的专用模型（BirdNET）和生物声学模型（BEATs-bio）的表现反而弱于通用模型，领域特定预训练并未带来优势。
值得关注：揭示了深度学习模型在无监督情况下“意外学到的”深层结构，与先前关于视觉-语言模型是否忠实的讨论（已有相关卡片）不同，这里关注的是模型嵌入空间是否隐含了未训练标签的知识。 挑战了“领域特定预训练必然更好”的直觉，对于高成…
本文提出将最优输运（OT）成像技术与深度协方差对齐（Deep CORAL）相结合，为工业控制阀粘滞检测提供了一种能够有效缓解模拟-真实域偏移、在基准测试中达到90%准确率与100%召回率的无监督域适应方法。
值得关注：本文是首次将最优输运图像表示与Deep CORAL域适应结合应用于工业控制阀粘滞检测任务。它提供了一种无需目标域标签即可从模拟数据迁移到真实场景的实用方案，对提升工业过程监控自动化水平具有潜在价值。与现有知识卡片中其他…
商业大语言模型对争议性科学主张的立场并非模型本身的稳定属性，而是部署配置（系统提示、安全层、接口路由、无声更新）的偶然产物；在测试的四个模型家族中，Grok 的 Fast 版本给出的伪科学可信度评分是其他模型的 2–5 倍，且该行为在无声补丁后发生逆转，同一模型标识符在不同接口上产生截然不同的输出。
值得关注：揭示了**商业 LLM 在争议性科学主张上的立场不透明且不稳定**，可能被无声地操纵或扭曲，对公共知识传播构成风险。 与已有相关卡片相比，本条聚焦于**部署配置对模型立场的影响**，而非模型内在的预测能力或偏差表征——…
该论文证明了在谱分离与非退化条件动作变异两个条件下，联合嵌入预测架构（JEPA）的全局最优解能够唯一（至多相差正交变换）识别高斯潜状态的受控世界模型，并揭示了有限动作覆盖带来的反事实预测代价。
值得关注：填补了受控世界模型可辨识性理论空白，为实际中判断所学模型是否捕获真实因果动态提供了可检验条件。 解释了行为策略覆盖不足时反事实预测性能下降的根本原因（误差比等于可辨识性边界的倒数）。 区别于已有世界模型部署工作（如Em…
MineValiCoder通过“测试用例质量挖掘+并行TDD优化+二部图互验证”的闭环框架，在无需人工测试用例的情况下，在HumanEval上实现Pass@1达96.34%，显著缓解LLM随机性导致的代码生成不可靠问题。
值得关注：现有自动化代码生成在仅有自然语言需求时无法生成可靠测试用例，且未能解决LLM随机性带来的反馈质量不一致问题。MineValiCoder首次将测试用例质量挖掘与代码-测试互验证相结合，形成闭环优化，在无需人工测试用例的前…
Learning to Prepare Molecular Ground States with Transformer Models
本文发现LoRA矩阵的条件数（最大与最小奇异值之比）与微调贡献正相关：条件数大的矩阵包含更丰富的方向信息，是性能提升的主要来源。基于此提出κ-LoRA，仅更新条件数排名前50%的矩阵，可在匹配标准LoRA准确率的前提下，将可训练参数减半，平均节省16.2%的微调时间并降低4.5%内存开销。
值得关注：首次从条件数角度揭示了LoRA矩阵的“重要性差异”，为选择性微调提供了可量化的依据。 与已有LoRA加速工作不同（如AdaLoRA基于敏感度剪枝），本文提出的是基于谱分析的新视角，更关注方向丰富性而非参数敏感性。 方法…
Bag-of-waves 是一种基于无监督学习的小型可解释脑电波形字典方法，在仅有少量数据（如16只小鼠）或大规模临床数据集上均能达到与深度模型及基础模型相当的分类性能，同时保持完全的可解释性。
值得关注：解决了传统脑电分析的两极困境：**预定义频谱特征**带有强偏置（固定什么信息有用），而**深度神经网络/基础模型**难以解释、需要大量数据和算力。 提供一种轻量、可解释、标签高效的替代方案，特别适用于数据稀缺的临床神经…
超球风格优化器（如MuonH）在大规模训练中的优势并非来自其固有更优的更新方向，而主要源于有效步长的演化差异；恒定的角速度并不能消除学习率调度的难题，精心设计的调度仍是发挥其潜力的关键。
值得关注：现有研究多将超球优化器的成功归因于其归一化机制带来的方向稳定性，本文通过理论推导与隔离实验首次系统质疑了这一假设，揭示了有效步长演化的关键作用。这不仅深化了对优化器内部机制的理解，也为实际训练中的调度设计提供了可操作的指导。
grapheme-kit 是一个开源 Python 库，它将词法距离、相似度和评估指标从 Unicode 码点层面提升至字素簇（grapheme cluster）层面，从而更忠实地评估泰米尔语、僧伽罗语等复杂书写系统的 OCR 与 NLP 任务。
值得关注：填补了现有文本评估工具在复杂脚本上的空白：大多数主流库（如 textdistance、python-levenshtein）仅支持码点级计算。 为低资源语言（泰米尔语、僧伽罗语）提供更公平的评估基础，避免因 Unico…
Graph-Based Correlation Matrix Generation: A Convex Optimization Approach
本文探索将可解释性技术应用于强化学习（RL）算法，以辅助空中交通管制（ATC）决策，并初步使用显著性图（saliency map）分析影响智能体决策的关键输入特征（待核实具体实验结果）。
值得关注：在安全关键系统中，AI 可解释性是从实验室走向实际部署的必要前提。 本文是少数直接将可解释技术与强化学习结合用于空管避障决策的研究之一（待核实是否存在同类工作对比）。 与现有卡片（如 CompactionRL、多智能体…