精选

Encoder-Side Neuron Identification and Amplification for Acoustic Perception in Large Audio-Language Models

Cycle-World 在训练和推理阶段同时引入时间反向预测与循环一致性约束，显著抑制自回归视频生成中的误差漂移，在 60 秒长视频合成中达到领先的生成质量和时间一致性。

值得关注：针对长视频生成中误差累积这一核心瓶颈提出了兼具理论分析与工程实现的新框架。 与已有相关工作（如 MV-Forcing 利用 4D 几何与自强迫处理长视频、角色感知联合训练处理物理一致性）相比，Cycle-World 侧…

当前最强的多模态大语言模型（MLLM）在单视角视频理解上表现良好，但在体育视频的多视角推理中无法有效利用多视角信息，瓶颈在于细粒度视觉感知与视角选择而非逻辑推理；新提出的智能体框架 SportMV-Agent 通过迭代主动视角选择、感知工具执行和基于证据的推理，相对最强基线提升 14.46%。

值得关注：首次系统评估 LLM/MLLM 在**多视角体育视频**上的表现，揭示了现有模型在视角融合上的根本短板。 与已有卡片（如 EgoPolice）不同，本工作聚焦**多视角协同而非单视角/自我中心视角**，且面向体育裁判场…

本文提出了一种针对Mamba系列选择性状态空间模型的精确测量工具，能够离线计算任意子集状态模式剔除后的输出误差，并发现训练好的模型会根据输入动态重分配状态资源——称为“输入驱动迁移”，基于此现象的模式剪枝可在半数状态预算下达到未剪枝模型的性能。

值得关注：该工作首次给出了SSM状态使用的**精确**量化工具（而非近似），揭示了此前未被发现的“输入驱动迁移”现象，并指出该迁移主要由\(B_t\)驱动而非时间步长，挑战了选择性机制的传统理解。基于此的剪枝策略在保持性能的同时…

AdvancedMathBench: A Benchmark Suite for Advanced Mathematical Proof Generation and Verification

REGRIND 提出一种极简的流水线，仅需单次人类演示，通过将手‑物体运动重目标到保留空间与接触关系的机器人参考，结合残差强化学习仿真训练，即可零样本迁移到真实多指手上执行剪剪刀、拧螺丝等工具操作，产出的策略表现流畅且类人。

值得关注：将原本在人形全身控制中有效的“重目标+RL”配方成功扩展到灵巧操作领域，验证了该范式的泛化能力。 仅需单个演示即可学习复杂操作策略，大幅降低数据收集成本。 零样本迁移到真实硬件的能力减少了繁琐的真机调试，推动了灵巧操作…

Song 等人提出将“可持续性机器人学”（Sustainability Robotics）确立为一门新学科，通过三大指导原则（最小侵入性、普遍可及性、共生性）和两个互补维度（可持续机器人设计、机器人可持续解决方案），克服当前机器人发展碎片化问题，使技术进步与全球可持续发展目标对齐。

值得关注：首次系统性将机器人学与可持续性目标捆绑，提出跨学科整合的纲领性路线。 与既有碎片化实践相比，本文提供了可操作的三原则+二维度结构，便于后续研究分工与评估。 强调“普遍可及性”和“共生性”，弥补了以往技术驱动范式对社会平…

该论文对一份已发表的教学评论分类协议进行回溯性基准测试，发现该协议在2019年冻结编码器、稀疏词特征、提示大语言模型等三代表征方法下均保持有效；在情感分析任务上，前沿模型并未比廉价模型表现出显著优势，跨语言（西班牙语→英语）迁移也未发现描述性分离，表明模型选择本质上是部署决策而非协议属性。

值得关注：该研究系统验证了一个已被应用的教学反馈分类协议在技术进步和语言扩展中的鲁棒性，为教育机构选择低成本、跨语言的自动化评价方案提供了实证依据。相比已有相关卡片（如针对流式语音模型或原子间势优化的基准），本研究聚焦于教育数据…