该论文提出一种无需干净RGB监督的3D感知RGB-NIR低光成像方法，通过将极嘈杂的RGB观测与近红外（NIR）线索在3D空间中隐式融合，恢复出干净RGB图像，并能在不同噪声水平下泛化。
值得关注：该工作将3D感知建模引入RGB-NIR低光成像，提供了一条不依赖干净RGB配对数据的新路径，可能提升模型在复杂噪声环境下的鲁棒性。与既有知识卡片主题（具身智能、3D生成、点云投毒）无直接重复，属于低光成像与多模态融合方…
持续学习（CL）系统中的分布外（OOD）检测性能会随任务增加而下降（称为 OOD 遗忘，OODF），但该下降与“旧任务分类准确率”仅呈弱负相关，说明其机制相对独立；论文提出的免训练后处理方法 TOOD 通过对数几率（logit）的任务级能量分解和基于回放缓冲区的重校准，可在多数设置下改善 OOD 检测。
值得关注：已有研究多关注持续学习的分类精度遗忘，本文则聚焦 OOD 检测这一常被忽略的维度，并指出 OOD 遗忘与分类遗忘是相对独立的问题。TOOD 无需训练、即插即用，为持续学习系统在开放动态环境中的可靠性提供了一种低成本改进…
TokTier 提出一种“有状态”的 tokenization 服务：不每次从头全量分词，而是只重算追加位置附近的小窗口，并用稳定边界检查保证输出的 token ID 与全量参考分词完全一致，从而在 coding agent 类长会话场景显著降低首 token 延迟。
值得关注：在 prompt 缓存已经高命中时，tokenization 反而成为被忽视的瓶颈；TokTier 的关键增量是把“有状态”思想扩展到 serving 前端，同时保持 exact tokenization 语义。 对 …
该论文提出“苏格拉底测试”的理论基础：一种自动化、计算机中介的对话式评估方法，用动态评估和渐进式脚手架来量化学生的最近发展区（ZPD），并以非补偿性的加法式评分体系取代传统的惩罚性扣分模式。
值得关注：传统评估要么牺牲诊断性，要么受人际互动干扰。Socratic Test 试图用 AI 中介的对话方式同时解决这两个问题：既保留口试的互动性和探索性，又通过标准化计算机制减少与考察目标无关的变量。该方向把经典教育学概念（…
在参数高效微调（PEFT）中，将单一共享LoRA改为“自动任务分组 + 任务排序 + 独立QLoRA”的多策略优化路径组织方式，可以在相同可训练参数量下提升性能；论文报告在TRACE基准上达到44.78的最好成绩（待核实）。
值得关注：它把PEFT的改进重点从“增加容量”转向“优化路径组织”，为LoRA/QLoRA类方法提供了新的设计维度。 与已有相关卡片“大语言模型中的超级权重与选择性训练的失败”相比，本卡片不是讨论“是否该用LoRA”，而是讨论“…
Sycophancy Undermines Epistemic Vigilance in Cooperative Vision-Language Tasks
SignMuon 将 Muon 更新逐元素取符号，压缩到每参数 1 bit，是在极低通信预算下运行矩阵感知优化器的一种最直接方式；它在实践中优于 SignSGD，但即使在线性函数上也可能上升。把符号放在 LMO 之前或两侧并不能普遍修复该问题；误差反馈只有作用在梯度上时才带来标准非凸收敛率。更反直觉的是，实验中理论上会发散的 sign-after-LMO…
值得关注：这是对 Muon/SOAP 优化器研究脉络的通信压缩补充：已有相关卡片关注 Muon/SOAP 在训练精度和收敛速度上的收益；本条补充的是低比特通信下的收敛性边界与误差反馈的适用位置。 它说明误差反馈并非天然有效：同样…
视觉生成中，收敛后的扩散损失并不随自然语言提示的 token 数量缩放，而是随提示中“结构化语言”的数量缩放：与白盒似然度量 GPG 近似线性下降，与黑盒属性度量 ED 呈幂律下降。
值得关注：已有相关卡片多聚焦于视觉语言模型的准确性、认知错误或图像感知度量。本卡片的增量信息在于：它首次提出“结构化语言数量”而非“token 数量”作为扩散损失缩放的横轴，为视觉生成中的文本条件提供了可预测的缩放规律；同时把这…
研究问题：KV 缓存压缩对高效长上下文推理至关重要。已有驱逐类方法会永久丢弃未选中 token，导致这些 token 对注意力的总贡献被整体移除；合并类替代方法虽保留更多信息，但可能扰动本应保持精确的保留 key/value。 核心观察：缓存驱逐所遗漏的信息，可以形式化为 softmax 注意力分子和分母中的残差统计量。 事件信息：论文《ResKV: Re…
值得关注：已有相关卡片中，DepthWeave-KV 关注跨层低秩基分解，FreqDepthKV 关注频率引导的深度共享；ResKV 的增量在于显式建模“被驱逐 token 的残差统计”，并让残差项与主缓存共同参与 softma…
RayViT 通过向预训练 ViT 注入以 Plücker 射线图表示的相机几何信息，使视觉模仿学习策略在相机扰动下显著更鲁棒。
值得关注：RGB 图像缺乏显式几何信息，是视觉模仿学习在真实环境中对相机变化敏感的重要根因。RayViT 在不重建完整 3D 场景的前提下，以轻量方式让预训练视觉 Transformer 感知相机射线几何，为提升机器人视觉策略的…
QASP 提出一种查询自适应的向量搜索策略：通过一次前馈回归预测每条查询的完整召回进展曲线，再按任意召回目标导出搜索策略，从而在不反复调用模型的情况下降低召回波动和计算成本。
值得关注：现有向量搜索评估多关注平均召回率，容易忽略长尾查询的体验劣化。QASP 把“逐查询召回曲线预测”作为核心，使搜索策略能按查询自适应调整，兼顾召回稳定性与计算效率，是向量检索系统调优的一个新思路。
OASIS 提出了一种面向单张图像手部虚拟化身重建的 3D 高斯泼溅（3D Gaussian Splatting）框架，通过“几何对齐的视觉证据令牌”和“可见性条件点-图像注意力”处理严重自遮挡，并引入“Feature-on-Mesh”表示建模手部非刚性形变，在视觉保真度和效率上优于现有基线，同时支持文本生成化身与纹理编辑等下游应用。
值得关注：将 3DGS 引入单图手部化身重建，缓解了 NeRF 类方法计算昂贵、细节保留不足的问题。 针对手部强自遮挡提出显式的可见性建模，是遮挡感知重建中的一个可借鉴思路。 与已有相关卡片（如 ATSplat 关注 3DGS …
MOT-SR 是一个面向符号回归的LLM框架，通过外部分析工具提取结构先验，并用动态Pareto前沿进行多目标优化；在40个标准任务和极端质量比旋进（EMRI）轨道建模中，相比现有符号回归方法在准确性、泛化性和效率上表现更优。
值得关注：与只关注拟合误差的单目标方法不同，MOT-SR 同时考虑准确性、复杂度和泛化性，并通过动态 Pareto 前沿维持多个候选解，有助于避免过早收敛到局部最优。 引入外部分析工具来提取变量依赖和结构先验，使 LLM 不再完…
LEMUR 提出了一个无需预定义奖励函数的多目标强化学习框架：它从多个人的偏好反馈中同时学习策略和多个目标各自的奖励模型，从而在竞争性目标之间进行平衡，并在多种基准多目标任务上取得了优于基线方法的表现。
值得关注：现有 MORL 与 PbRL 各有局限：前者依赖目标奖励函数，后者大多限定于单目标。 LEMUR 代表了一条新方向：把“人类偏好”作为多目标强化学习的信号来源，让策略对齐多个人类的期望，而无需显式定义每个目标的奖励函数…
HierDoc 将多页文档视觉问答中的证据获取建模为“先选页、再从页内选语义区域”的两阶段集合预测，通过在页面与区域两个粒度上分别优化策略，显著优于仅选页面的系统。
值得关注：HierDoc 把粗粒度页面路由与细粒度区域路由作为统一证据获取流程中连续、独立优化的阶段，而不是让二者割裂，为多页长文档视觉问答提供了一个清晰的阶段性路由框架。
GQ-FSL 提出在联邦分割学习中同时引入随机量化与不对称精度配置，在满足目标精度的前提下最小化系统总能耗，论文声称其能效优于量化联邦学习和全精度联邦分割学习。
值得关注：联邦分割学习虽然减轻设备计算负担，但持续传输切层数据和子模型的能耗仍非常突出。GQ-FSL 将随机量化同时应用于训练和无线传输，并允许客户端和服务端使用不同精度，提供了一种面向能耗-精度权衡的系统级方案。与已有关于“安…
FriendBench 论文摘要指出：在从 20 秒双人对话片段推断“熟人还是陌生人”的任务上，最佳多模态大模型与人类总体的准确率在每种模态下统计上不可区分；但人类在两个答案类别上保持均衡，而最强模型系统性地倾向于回答“陌生人”——这被归因于有效先验的差异，而非判别能力的高低。
值得关注：FriendBench 将社交认知中非常细微的“熟悉度”判断引入多模态大模型评估，补充了现有基准偏重任务型/知识型能力的缺口。它也揭示了人类与模型在准确率相当的情况下，可能通过完全不同的决策机制达到同样表现；这对“以准…
本文提出一种“冻结—然后选择”（freeze-then-select）的偏微分方程（PDE）发现策略：先用结构化场适配器从稀疏观测中重构连续场，再在冻结场后通过稳定性验证弱选择（SVWS）选出正确的微分项；在六个稀疏 MDBench 场景中，该方法取得了最高的精确支持恢复率。
值得关注：已有神经 PDE 发现方法往往让方程选择与神经网络的场重构同步优化，导致正确项可能在中途消失或从未出现。本文用“冻结—然后选择”的两阶段方式解耦二者，提升了支持恢复的稳定性；同时不局限于固定候选库，可通过遗传编程扩展到…
FlexComposer 将生成式视频合成统一为“轨迹引导的条件生成”任务，在不依赖显式 3D 重建或额外可学习适配器的前提下，同时支持静态图像和预动画动态素材的插入，并在视觉质量、时间一致性和轨迹遵循度上声称超越现有方法。
值得关注：与已有相关卡片（ReChannel、STRACE、UniD）相比，FlexComposer 的增量信息在于：
FibVLA 通过对数回溯采样与斐波那契递归推理相结合的方式，在不重新训练大规模视觉编码器的前提下，实现兼顾长上下文时序感知与推理效率的视觉-语言-动作模型，实验显示可提升动作平滑度、成功率及实时响应性（具体数值与实验细节待核实）。
值得关注：VLA 的时序理解与推理效率通常存在冲突：长上下文历史可提升智能表现，但会拖慢响应速度。FibVLA 从“采样”和“推理”两个层面缓解这一冲突，为长上下文 VLA 设计提供了新思路。 增量信息：与已有相关卡片相比，本工…