离散扩散模型在学习一个反向跳转率的条件期望，而该条件期望可通过去噪器（denoiser）、分数比（score ratio）或桥插件预测器（bridge plug-in predictor）三种等价坐标表示；负ELBO精确等于数据熵加上真实反向过程与学习到的反向过程之间的路径KL散度，而不仅仅是下界。
值得关注：离散扩散模型是生成式AI的核心技术之一（如文本、蛋白质序列生成），但此前对其学习目标的理论理解不完整。本工作首次严格证明了ELBO的精确分解形式，并统一了多种流行方法，为模型设计、训练稳定性和损失校准提供了理论基础。
本研究提出 Direct On-Policy Distillation (Direct-OPD) 方法，通过在弱模型上运行强化学习（RL），然后将其 RL 引发的策略偏移（而非最终策略）作为隐式奖励信号转移到强学生模型，从而高效地实现从弱到强的泛化。
值得关注：该研究提出了一种成本效益极高的模型后训练范式，解决了大语言模型训练中后训练阶段的计算瓶颈问题。通过将昂贵的小模型 RL 训练收益有效迁移到更大模型，可以在不增加强模型直接 RL 开销的情况下显著提升其推理能力，对模型能…
待核实（无法从元数据中提取结论，需查阅原文正文）。
值得关注：待核实。若成立，意味着生成模型学习到的视觉物理规律可被复用，减少专门光照估计模型的需求。
URSA是一个针对实用逆合成评估的化学感知基准，旨在更全面地衡量逆合成模型在真实化学场景中的表现。具体结论待核实。
值得关注：逆合成分析是计算机辅助合成路线设计的关键步骤，现有基准可能缺乏对实际化学应用（如试剂成本、反应产率、原子经济性等）的考量。URSA的提出可能弥补这一空白。
待核实（本文提出一种轻量级多目标时空动作检测方法，旨在平衡精度与计算开销）。
值得关注：待核实（时空动作检测是视频理解的核心任务，轻量化方案有助于在边缘设备或实时场景中部署）。
TREK 通过蒸馏（而非模仿）来扩展学生模型的探索支持，有效克服了 GRPO 在困难提示上的停滞问题，在数学推理和智能体任务上均取得了显著提升，且可兼容白盒、黑盒或自上下文教师。
值得关注：TREK 提供了一种简单且通用的框架，解决了 GRPO 在困难样本上的探索瓶颈。它不仅不依赖特定教师架构，还能通过自上下文方式独立运作，为强化学习中的探索-精炼循环提供了新思路，在数学和智能体领域均验证了有效性。
本工作提出了一个用于诊断LLM智能体在工具使用中失败情况的基准，但具体结论因无法获取原文而待核实。
值得关注：LLM智能体日益依赖工具调用（如搜索引擎、计算器、数据库），失败诊断对安全性、可靠性和实用性至关重要。ToolFailBench填补了该领域的系统性评估空白。 待核实：具体动机和贡献陈述。
在表格数据的深度学习中，基于多层感知机（MLP）的高效集成近期成为有效且实用的架构。现有同类方法对所有底层 MLP 使用相同的超参数，因此需要额外的超参数调优才能获得最佳性能。本研究提出 TabPack，一种具有强“开箱即用”性能、对传统调优依赖更低的高效 MLP 集成方法。
值得关注：TabPack 使得表格数据深度学习更易用、更高效，尤其对资源有限的团队或个人而言，可免去繁琐的超参数搜索过程，同时保持卓越性能。
SynCity 3000 提出通过微调图像到3D生成器，使其作为卷积算子应用于整个场景的等轴测图，从而生成任意大小、全局一致且可精细控制布局的3D场景。
值得关注：首次将图像到3D生成扩展到场景级别，无需依赖真实场景训练数据，通过合成数据自举（bootstrapping）解决数据瓶颈。 实现了全局一致性与局部控制之间的平衡，用户可通过等轴测图指定布局，同时保持场景整体连贯。
通过控制扩散U-Net中的捷径路径和早期噪声暴露，可以将训练导向“解缠优先”的优化轨迹，从而在保持图像质量的同时获得更优的潜在表示；提出的SteeringDRL方法在多个解缠基准上提升了表示质量并降低了种子敏感性。
值得关注：该研究揭示了扩散自编码器训练中一个被忽视的优化动力学现象，并提供了首个直接调控训练轨迹以改善表示能力的方法。这有助于理解扩散模型的内部表征学习机制，并为生成式模型的表征质量、可解释性及下游任务应用（如可控生成、目标检测…
现有的流式语音到语音语言模型在信号质量和自动语音识别（ASR）误差上表现良好，但在响应延迟、话语重叠、方言保留、情感适应以及人际立场动态等方面仍与人类对话行为存在差距；SPEARBench 提供了一个多维度的基准来系统评估这些自然度缺失。
值得关注：对话的自然度不仅取决于语音合成的清晰度，还涉及复杂的社交线索（如时机、情感、方言、人际姿态）。SPEARBench 填补了现有评估体系的空白，为研究界和工业界提供了一套可复现、多维度的自然度评估工具。
SovereignPA-Bench 是一个用于评估用户拥有的个人代理（Personal Agent）在演化意图、平台中介和同意约束下是否保持“用户主权”的可执行基准，实验表明“完全主权脚手架”策略在主权评分、隐私泄露、同意违反、过度让步和操纵捕获等指标上均优于现有基线。
值得关注：现有个人代理评估过度关注任务完成，忽视了用户主权（隐私、同意、证据、抵抗操纵等）。SovereignPA-Bench 提供了首个系统性基准，推动评估向“代表性、同意感知、证据依据的行动”转变，对构建可信的自主代理具有关键指导意义。
现有大语言模型多比特水印方法无法选择性地披露信息，本文提出的层次化词汇路由（HeRo）框架首次实现了细粒度的访问控制，允许不同验证者仅解码与其权限对应的水印部分，同时保持文本质量和高检测精度。
值得关注：当前多比特水印缺乏隐私控制机制，HeRo填补了这一空白，使水印系统更适用于多方协作或隐私敏感场景（如AI生成内容的溯源审计、法律文件等）。
Search Beyond What Can Be Taught: Evolving the Knowledge Boundary in Agentic Visual Generation
该论文提出名为 Retroactive Chain-of-Thought (RetroCoT) 的方法，利用法医重构式提示对基础模型进行安全诊断，并声称该方法可跨模型世代使用。具体结论和效果待核实。
值得关注：传统安全评估多采用静态测试集或手动红队攻击，而 RetroCoT 试图通过**回溯推理路径**挖掘更深层的不安全行为。 跨模型世代的适用性意味着该方法可在模型持续演进中提供**可复用的安全基准**，减少重复设计测试的成本。
REDDIT是一种轻量级后训练框架，能有效纠正自回归ASR系统在长非语音段上的时间戳漂移，且不会导致灾难性遗忘，在Whisper-tiny上仅更新1.6%参数便大幅提升时间对齐精度。
值得关注：时间戳漂移是带时间戳ASR实际部署中的关键障碍，REDDIT首次提出一种同时纠正漂移和避免遗忘的解决方案。 监督数据自动生成，降低人工成本并提高可扩展性。 轻量级后训练（仅微调极少参数）使其易于集成到现有模型流水线中。
ReCal3R是一种无需重新训练即可应用于已有模型（如CUT3R）的校准规则，通过评估场景状态中每个token的可靠性来调整学习率，从而在长序列流式3D重建中显著降低姿态误差（ATE降低3.7倍），同时保持相近的运行时间和内存消耗。
值得关注：现有的流式重建方法在序列变长时易出现状态漂移或遗忘关键历史信息。ReCal3R提供了一种轻量级、即插即用的校准机制，在不改动模型结构的前提下显著提升长序列重建的稳定性，为后续研究提供新思路。
PixWorld 通过将三维重建与生成统一到像素空间扩散范式中，消除了潜在空间方法的信息损失与对预训练自编码器的依赖，在生成任务上超越此前潜在空间方法，在重建任务上达到当前最优水平。
值得关注：此前统一范式在潜在空间进行，存在信息损失与依赖预训练编码器的瓶颈。PixWorld 首次在像素空间实现统一，并通过几何感知损失增强了三维结构意识，为三维场景理解与内容生成提供了更简洁、更保真的基础模型思路。
本文提出了一种名为PAST-TIDE的立场检测方法，该方法通过原型锚定（Prototype-Anchored）语句微调与话题不变归一化（Topic-Invariant Normalization）来提升模型在跨话题场景下的泛化能力。**（待核实：论文结论及效果来自标题推测，具体实验结果未知。）**
值得关注：立场检测是自然语言处理中细粒度分类的重要子任务，但现有方法严重依赖话题标签。PAST-TIDE尝试解耦话题与立场，有望推动跨领域、零样本立场检测的发展。**（待核实：理论基础仅基于标题推测。）**