精选

UltraX: Refining Pre-Training Data at Scale with Adaptive Programmatic Editing

The Illusion of Equivalency: Statistical Characterization of Quantization Effects in LLMs

The complexities of patient-centred conversational artificial intelligence

“超级权重”（Super Weights）——即单个重要性极高的参数——并不适合作为微调的目标；单独训练超级权重会导致模型性能崩溃，而有效的微调依赖于对整层进行结构化分解（如LoRA），而非针对个别重要参数。

值得关注：推翻了“参数越重要就越应该单独调整”的直觉，为理解大模型微调的底层机制提供了关键修正。该发现有利于设计更鲁棒的微调策略，并警告社区不要过度依赖单参数重要性指标来指导训练。

SolarChain-Eval 是一个结合物理约束与 LLM 审计机制的基准测试平台，用于评估去中心化能源市场中自主智能体的任务性能与可信度；实验表明，仅追求收益的强化学习智能体会产生不安全行为，而加入 LLM 规划/审计层可提升可审计性但无法完全补偿错误奖励函数。

值得关注：为去中心化能源市场中自主智能体的可信评估提供了首个受物理约束的基准方法，强调了在奖励函数设计之外引入审计机制的必要性。

Secure Decentralized Federated Learning via Gossip and Virtual Voting

SAM-MT 基于 SAM2 改造，通过将延迟与目标数量解耦，实现了与单目标基线相当的多目标实时视频分割（10 个目标时 >36 FPS），同时保持 SAM2 的鲁棒分割性能。

值得关注：传统多目标分割方案因重复处理导致性能瓶颈，SAM-MT 首次在 SAM2 框架上实现多目标实时交互，显著提升效率，对实际部署具有重要价值。

在预算约束下，将重采样（resample）与重路由（reroute）视为同一查询预算的竞争性使用，并基于每单位成本的估计边际正确率进行在线分配，可以在成本-质量Pareto前沿上显著优于现有基线，尤其在模型异质性最高的基准上增益最大，且收益受验证器质量门控。

值得关注：1. **首次统一视角**：将重采样与重路由视为同一预算池内的竞争选择，而非孤立操作，更贴近实际部署场景。 2. **有预算约束的实际意义**：现实系统中每查询有固定成本预算（如API调用费用），现有工作多假设理想化预…

本文提出一种与原有动作代理并行的主动记忆代理，它通过结构化记忆库和选择性干预机制，在长时程任务中有效缓解“行为状态衰减”问题，显著提升任务成功率。

值得关注：长时程任务是AI代理面临的核心挑战之一。传统方法受限于固定上下文窗口，无法有效维持任务关键信息。本文将记忆从“被动检索”转变为“主动干预”，为构建更持久的智能代理提供了新范式，并且其即插即用特性降低了实际部署门槛。

ProjAgent 提出将**程序相似性**作为显式检索信号，结合代理工作流与静态分析反馈循环，在仓库级代码生成任务中以 41.14% Pass@1 超越了现有基于检索的基线方法。

值得关注：仓库级代码生成是软件工程自动化的关键挑战。现有检索方法忽略了“实现逻辑相似但表面不同”的函数，而 ProjAgent 通过捕捉这种深层程序行为，显著提升了生成代码的正确性和可集成性，为 AI 辅助编码工具提供了新思路。

OpenCoF 通过构建专门的推理视频数据集（OpenCoF-17K）并微调视频生成模型（Wan-CoF），证明了多样化的时序监督能显著提升模型在视频推理任务上的表现，同时引入视觉和文本推理令牌可进一步组织中间推理状态。

值得关注：这项工作开辟了通过视频生成进行推理的新路径，为未来面向推理的视频生成研究提供了数据、模型和设计思路。其开源性质有助于社区快速复现和扩展。

LingBot-VA 2.0 是一个从头为具身智能构建的视频-动作基础模型，通过语义视觉-动作分词器、因果预训练、稀疏 MoE 骨干和增强异步推理四项核心设计，实现了在真实世界中复杂操作任务的少样本泛化。

值得关注：该工作直接挑战了“复用视频生成模型”的主流思路，提出了面向物理世界特性和实时控制需求的完整设计原则，为具身智能基础模型的发展提供了新方向。

Multi-Resolution Feature Stem for Diabetic Retinopathy lesion segmentation

本文通过理论分析与分层机器教学算法证明：在逆向强化学习中，结合多模态反馈（特别是比较反馈）并在多个环境间主动选择信息互补的环境进行教学，能够显著提升奖励函数的泛化鲁棒性，降低部署在新环境中的遗憾值。

值得关注：传统IRL教学假设反馈源与部署环境相同，而真实场景中环境可能剧烈变化（如天气、地形、光照等）。本文首次从理论和算法层面系统研究多环境+多模态反馈的教学设计，揭示了比较反馈的独特优势，并给出了可操作的主动学习方案，填补了…

MPFlow 利用深度图强化学习，在预算约束下为比特币闪电网络节点选择最优通道以最大化路由容量（最大流），并在真实网络快照上优于强启发式基线，且已部署于生产环境。

值得关注：闪电网络是比特币的 Layer-2 扩容方案，其路由效率高度依赖于通道的流动性分布。MPFlow 提供了一种理论有据、数据驱动的流动性放置方法，直接提升了节点的路由能力，且已在真实系统中得到验证。

本文提出一种利用陈旧数字高程模型（DEM）作为几何先验的多模态地形重建框架，通过物理驱动的像素‑像素对齐大幅降低计算复杂度，在野火灾区快速生成高保真深度图，且保持实时性能。

值得关注：野火频发地区的地形数据更新滞后，而图像+陈旧DEM的组合可快速、廉价地生成实时深度图，帮助消防和应急部门更准确评估火势蔓延路径和危害，提升决策效率。

MAESTRO 是一种专为稀疏激活混合专家（MoE）语言模型设计的有结构剪枝框架，通过将自回归专家激活轨迹建模为遍历马尔可夫链，利用其平稳分布编码跨层依赖关系，从而获得全局重要性启发式，在50%压缩率下平均性能保留比现有最优方法高最多10.61%，且跨任务方差更低。

值得关注：MoE模型在大规模部署中内存瓶颈突出，剪枝是降低开销的关键手段。 现有剪枝方法忽视MoE路由的相互依赖性，MAESTRO首次利用马尔可夫链建模全局依赖，显著提升了剪枝后模型的性能保留和泛化一致性。 适用于安全、偏见、伦…

现有AI系统在科学思想的谱系推理任务上表现很差，最强模型仅达27.3%的精确准确率，且结构化的谱系上下文会重新排序系统排名而非均匀提升所有参与者，暴露出组合瓶颈。

值得关注：当前基准很少能检验AI系统是否理解科学思想如何从前人工作中继承、变异与重组。IG-Bench填补了这一缺口，为评估AI在真实科学推理与创意生成中的能力提供了结构化的度量标准。

HumanForge 是一个大规模、多范式、以人为中心的深度伪造视频数据集，通过自动化的多智能体流水线 Gen2Anno 生成超过 18K 高保真视频片段及结构化对比注释，现有检测器和大型多模态模型在其上表现出零样本泛化和细粒度推理的显著困难。

值得关注：弥补了现有基准忽视人-物/人-人交互和多模态对齐的短板，使深度伪造检测研究更贴近真实伪造场景。 提出自动化注释流水线 Gen2Anno，避免了人工标注的高成本和幻觉性的单一提示，提高了数据生成的可重复性和一致性。 揭示…

在自利代理人社会中，不加约束会导致合作崩溃；而**调解（Mediation）机制**能够在对抗性攻击下维持市场稳定——虽然会被削弱（最优攻击使诚实代理效用降低13.3%），但不会崩溃，具有“可弯不可断”的鲁棒性。

值得关注：填补了“LLM代理社会如何通过正式机制维持合作”的实证空白，此前研究多侧重无约束通信下的自利问题。 引入并定义了“对抗鲁棒性”在该场景下的量化指标，为后续构建更可靠的AI社会提供方法论。 演示了调解机制作为轻量级治理手…