精选

UniMem: Complementary Episodic-to-Parametric Memory for Boundary-Agnostic Task Streams

Spend Experts Where You Are Unsure: Confidence-Adaptive Routing for Mixture-of-Experts LoRA

Sharpness-Aware Minimization and Muon: Robustness under the Spectral Norm

GARFIELD 通过一个统一的潜在表示同时实现未来轨迹的快速采样和运动概率密度的直接估计，在运动规划性能与大型视频生成模型相当的情况下，轨迹采样速度快 97 倍，密度估计比蒙特卡洛采样快两个数量级。

值得关注：GARFIELD 首次在单一框架中同时支持快速轨迹采样和密度直接估计，避免了视频生成模型的冗余计算和蒙特卡洛采样的高开销。这为自动驾驶、机器人操作等实时场景理解与规划提供了高效的不确定性量化手段。与现有通过学习场景状态…

Reinformed Dreamer 通过一种新的非对称表征学习目标（潜在引导）改进了基于模型的强化学习，相比之前的非对称方法（如 Informed Dreamer）在多个基准上更稳定地超越 Dreamer 基线。（待核实具体改进幅度）

值得关注：首次系统分析了非对称方法在基于模型 RL 中特权信息表征的瓶颈，并提出针对性解决方案。 潜在引导目标可作为一种通用模块，方便集成到其他世界模型框架中。 与既有梳理的关系：本卡片不重复已有卡片内容（评估自主AI模型发现、…

通过三阶段改造（优化测试集与校准沙箱、组合正确性与速度的奖励设计、适配稀疏噪声环境的GRPO训练），强化学习可成功从代码正确性扩展至代码优化，在DMC-Optim上使top‑50% pass@1提升约13个百分点，且保持纯正确性分数不变。

值得关注：此前RL主要关注代码正确性，而实际应用中代码效率同样关键。本文首次系统展示了如何在实践中克服噪声与稀疏性问题，将RL有效用于代码优化，为自动化生成更快且正确的程序提供了可行路径，且实验结果显著优于简单添加速度奖励的基线。

Re-thinking Mammography Transfer Learning: The Dataset-Informed Transfer Learning (DITL) Framework for Breast Cancer Screening and Lesion Diagnosis

值得关注：提供了一种无需手动调参的迁移学习方案，提升了实际临床应用的可操作性。 首次在统一框架中同时处理小规模病灶特征和大规模人群密度特征，拓展了迁移学习在医学影像中的适用范围。 与既有方法（如Focal Loss）相比，消除了…

Quasi-SVD通过仅强制一个因子矩阵严格正交（李群参数化）、另一个因子通过软约束恢复的非对称设计，实现了完全并行的GPU矩阵分解，在医学成像任务中达到3-20倍加速和超过25 FPS的临床实时吞吐量，同时保持SSIM 0.89-0.94的重建保真度。

值得关注：与已有相关卡片（如Panda用于MR实时异常检测）不同，本工作直接挑战了计算成像中的基础线性代数操作层，使结构化矩阵分解首次在**临床实时管线**中变得实用。 增量信息：它是在**底层分解算法层面**实现加速，而非依赖…

现有最先进的大语言模型（LLM）在充当政治信息中介时，高聚合得分掩盖了系统性失败：它们在信息清晰时表现可靠，但在信息缺失、模糊或矛盾时频繁崩溃，同时会扁平化政治语言强度，且失败可能受政党先验和输出语言影响；目前没有模型能一贯可靠地完成这一中介任务。

值得关注：填补了LLM政治信息中介评估的标准化空白，揭示了仅靠聚合分数评估的误导性。 强调“认知谦逊”作为规范标准，对民主治理中的AI部署具有直接政策意义。 与已有相关卡片（自动驾驶漏洞、VLM定位、引用验证器）主题正交，本卡片…

Pictura 是一个 GPU 加速的多智能体驾驶仿真器，首次实现了从透视视角图像直接进行大规模自对弈强化学习训练，无需特权观测（如精确位姿、遮挡物位置），所得策略在零样本迁移中超越了使用特权向量的同类模型。

值得关注：**解决了表征鸿沟**：以往自对弈驾驶策略（如 TerraZero）通常依赖特权向量观测或蒸馏步骤。Pictura 直接使用透视视角图像进行端到端训练，消除了从特权观测到实际摄像头输入的差距，使部署策略与其训练过程一致…

本文表明，在四旋翼无人机低层控制中，采用物理感知的端到端深度强化学习方法，并显式建模执行器动力学（时间常数 0.076 秒）与转子陀螺耦合，能够实现稳定的悬停与平移控制；SAC 和 TD3 算法在稳定性与探索效率上显著优于 PPO。

值得关注：端到端 DRL 通常忽略执行器动态，导致仿真与实物迁移的差距；本文首次在四旋翼低层控制中系统纳入一阶执行器模型与转子耦合，并对比多种算法。 提供了可复现的基准（Simulink + DRL 框架），便于后续研究在相同条…

Relay-OPD 通过让教师模型在学生犯错时短暂“接力”纠正，解决了在线策略蒸馏中因前缀失败导致后续生成持续偏航的问题，在 1.7B 学生模型上平均比标准 OPD 提升 5.73%，且训练轨迹长度减半。

值得关注：现有在线蒸馏方法（如 Direct-OPD、On-Policy Delta Distillation）主要关注如何构造更有效的监督信号，而本工作首次系统处理“前缀失败”这一结构性瓶颈。 相比已有相关卡片，Relay-O…

MODUS 是首个仅解码器的任意到任意（any-to-any）多模态模型，对称处理所有模态，无需特定模态头或损失函数，在多个基准上达到与专业模型和多任务基线相当的竞争力。

值得关注：这是首次将仅解码器架构应用于任意到任意多模态建模，使得模型能直接利用已有的强预训练解码器（如大语言模型）作为先验，显著简化了训练流程和架构设计。同时，对称的多模态处理方式为链式生成和跨模态自校验等新应用提供了基础，有望…

MemLens 提出一种以内存记录为“一等对象”、通过 Shapley 价值评估和交互式仪表板实现价值感知存储与分层查询的长期内存管理系统，提升 LLM 智能体在长程推理、个性化响应和知识复用中的效率与可解释性。

值得关注：**与既有脉络的关系**：区别于仅关注训练或推理内存优化的方案（如 JAX 主机卸载、CompactionRL），MemLens 聚焦于智能体交互记录的生命周期管理，引入了价值量化和交互式分析工具，使得内存管理从“黑盒…

MDTransformer 首次利用模式分集光学数据流与逆设计的多模耦合器件，在单激光连续波 1550 nm 光源下实现四路并行光子张量核，相比现有光子 Transformer 加速器（PTA）在面积、功耗和能耗上分别降低约 40.4%、63.6% 和 40.6%，且延迟相当，为高性能 Transformer 推理提供了一种更实用的光子计算方案。

值得关注：**突破多波长瓶颈**：传统光子加速器需要多个激光器和波长管理，MDTransformer 通过空间模式复用简化光源需求，提升可扩展性。 **逆设计集成**：利用逆设计方法（而非手工布局）自动优化耦合器/交叉波导，实现…

πR² 通过将条件分为快速本体感觉通道和异步慢速视觉语言通道，并结合延迟自适应的流调度，使基于大模型的动作分块策略（如 GR00T-N1.7）具备实时闭环反应能力，在真实平台上达到约 25Hz 的重新规划频率，显著提升动态操作任务的成功率。

值得关注：πR² 解决了现有大规模动作分块策略无法用于动态闭环控制的根本瓶颈——反应性与延迟不可兼得。其方法对现有架构友好，仅需微调即可迁移，有望推动机器人基础模型从实验室开环演示走向实时闭环生产应用。

本研究提出一种由求解器引导的大语言模型（LLM）框架，用于为多仓库库存分配中的每个实例选择最优的混合整数规划（MIP）公式。在京东的真实数据集上，该方法将Top-1命中率从21.45%提升至50.42%，并将分配精度与事后最优解的差距缩小至4.85个百分点，显著优于固定公式和偏好训练的选择器。

值得关注：多仓库库存分配是供应链管理的核心问题，传统做法依赖单一固定公式或人工经验选择公式。本研究证明，通过LLM动态选择公式，可以大幅提升分配质量。更重要的是，这一框架为“LLM作为运筹学建模选择器”开辟了新路径——LLM不必…

LaP-Forensics 通过冻结的 Stable Diffusion DDIM 反演-重建模型生成残差图，将 RGB 语义与重建一致性证据相结合，在跨生成器检测和伪影定位上达到竞争水平，但自由文本忠实度与后处理鲁棒性仍是开放局限。

值得关注：为深度伪造检测提供了新的范式：从依赖表面视觉伪影转向利用生成模型自身的重建不一致性。 结合多模态推理（RGB + 残差）和强化学习（GRPO）来生成可解释的文本分析与伪影掩码，兼顾检测与可解释性。

PRISM‑AH 将视频中的矛盾与犹豫（A/H）建模为随时间展开的多模态冲突，通过轻量流式模型量化跨模态失调、生成“犹豫惊奇”信号并发现行为原型，再经知识引导的大语言模型（LLM）依据专家线索分类学进行推理，在 525 个视频的测试集上达到 Macro F1 0.6133，显著优于零样本基线（0.2827）。

值得关注：首次将知识引导的 LLM 推理引入视频级 A/H 识别，且采用晚期融合策略保证只在有效时使用，避免噪声。 提出的“犹豫惊奇”信号和行为原型为理解 A/H 的时序动态提供了新视角。

指令微调后的 Llama 和 Gemma 模型在与人类对话的相邻轮次中，对上下文无关语法（CFG）规则的复用程度超过了被替换的人类回应，且指令微调增强了这种句法趋同，但同时也带来了对无关句法线索的更高敏感度。

值得关注：揭示了 LLM 的句法趋同行为在指令微调后**定量增强**，但同时也失去了部分对特定句法启动的选择性，可能意味着指令微调使模型更倾向于模拟人类对话的统计模式，而非真正理解语境结构。 为对话系统设计提供启示：指令微调带来…