LKValues 是首个基于调查的斯里兰卡价值观对齐资源套件，包含 40 个多数人认可的社会价值观、15 万条僧伽罗语-英语指令数据和 1000 条评估基准；微调 Qwen 系列模型后显著减少了无效输出和跨语言差异，但效果依赖模型家族。
值得关注：本研究填补了斯里兰卡价值观对齐的资源空白，强调在 LLM 对齐中纳入非西方、低资源语言和多元文化价值观的必要性。其方法论可推广到其他低资源国家或地区，推动全球 AI 价值观包容性。
本文证明了局部 Lipschitz 函数在 Lipschitz 伪度量下的强大数定律，并识别出一类函数集，使得此前发现的“失败现象”不再出现。
值得关注：拓展了传统大数定律的适用范围，从可微或凸函数扩展到局部 Lipschitz 函数族。 利用模型论（o-minimal 结构）为涉及非光滑函数的学习和优化问题提供统一框架。 直接回应了文献中关于“随机次微分不收敛”的负面…
本文提出一种无需任何标注数据、仅通过最小化有限体积法（FVM）残差来训练注意力图神经网络的方法，在稳态三维热流体场预测中达到全场归一化均方根误差（nRMSE）2.3–2.8%，在参数化瞬态案例中精度甚至优于有监督基线，同时完全省去了传统数值模拟生成训练数据的计算与存储成本。
值得关注：传统数据驱动代理模型面临“数据瓶颈”：生成高质量CFD标签数据需大量算力和存储，尤其对于三维瞬态问题。本文提出的FVM残差训练方法将物理模型（有限体积法）直接嵌入损失函数，实现了零标注训练，在部分场景中甚至比用标签训练…
本文提出区间物理增强神经网络（iPANN）和模糊物理增强神经网络（fPANN），通过学习自由能密度的上下界及模糊集表示，实现对含噪声超弹性应力-变形数据的无分布偶然不确定性量化，并在有限元模拟中传播不确定性。
值得关注：相较于传统概率方法需要假设噪声分布，iPANN和fPANN直接学习确定性区间或模糊集，避免分布假设错误带来的偏差；同时物理约束保证了本构模型的客观性和稳定性，训练过程中自动导出的稀疏能量表示增强了可解释性。该工作为不确…
该工作为 Ex‑Fuzzy 库添加了基于 Mamdani 推理的可解释回归模块，利用 Fuzzy C‑Means 聚类进行目标感知分区，在 10 个 KEEL 数据集上取得约 0.86 的决定系数（R²），同时保持 10–15 条人类可读规则，为黑箱回归模型提供了透明且性能有竞争力的替代方案。
值得关注：**填补库级空白**：Ex‑Fuzzy 库此前缺乏回归支持，此扩展使其能够处理回归任务。 **可解释性与性能的平衡**：证明了基于模糊规则的回归在保持人类可读规则集的前提下，能达到与黑箱模型接近的精度，有助于推动可解释…
人工智能（AI）工具能让没有平面设计经验的研究者快速制作清晰、吸引人的图形摘要，前提是必须负责任地使用——用户需确保科学准确性和不侵权。
值得关注：图形摘要是传播研究成果的关键工具，能提升可读性和影响力。传统上制作门槛高（需设计软件或专业设计师），AI大幅降低了这一门槛。本文提供了可操作的具体指南，填补了“如何负责任使用AI制作图形摘要”的实用知识空白——与已有卡…
Generative AI floods and dilutes the market for books
FMRP-LEAN: A HIPAA-Compliant AI-Augmented LIMS Architecture for End-to-End Clinical Assay Workflow Optimization
EVO 是一种无需重训练的加速框架，通过进化搜索为扩散策略的迭代去噪过程全局优化缓存刷新调度，在保持近完整性能的同时最高实现 8.05 倍动作生成加速，并将 FLOPs 从 15.77G 降至 1.96G。
值得关注：Diffusion Policy 是机器人操作中主流的高性能视觉运动控制范式，但其推理速度瓶颈限制了实时应用。EVO 提供了一种轻量级、无训练、可即插即用的加速方案，显著降低了计算需求，且不牺牲任务表现，有助于扩散策略…
AI供应链中许可证义务在流转过程中严重失效：62.3%的链条至少经过一个无声明许可证的工件，所有负担义务的许可证类别端到端存活率低于7%，而宽松许可证（Permissive）存活率高达95.1%。
值得关注：**首次大规模量化**AI供应链中的许可证义务传播失效问题，揭示了一个被忽视的法律与合规风险。 开发者依赖下游标签（如“MIT”）可能误用受限制的代码或数据，引发知识产权纠纷。 对模型发布者、权利持有者、平台所有者具有…
本文提出 DIM-Fashion 基准和 FashionAM 框架，直接对齐多模态对话查询与时尚图库嵌入空间，避免中间文本化带来的信息损失，从而解决多轮时尚图像检索中意图多样化的实际问题。
值得关注：本文是首次系统性地探索多轮时尚图像检索中的意图多样化问题，突破了以往只处理单一属性编辑范式的局限。相比已有工作（如仅关注单轮组合检索或同质化多轮交互），本工作引入了异构意图转换和回退机制，并提出了无需中间文本化的直接跨…
本文首次在去中心化黎曼优化中针对强测地凸损失实现了 \(O(\log T)\) 的静态遗憾界，匹配欧几里得强凸在线优化的极小化最优速率，并通过新颖的次凸性论证将这一结果扩展到了两点赌博机反馈设定。
值得关注：**填补空白**：此前去中心化黎曼优化仅对一般测地凸损失有结果，强凸情形完全未被探索。 **工具创新**：提出的时变网络误差分析可能独立于具体的强凸性假设，对后续其他非欧几里得分布式在线优化研究有借鉴意义。 **最优性…
在多机器人共享持久环境中，采用“礼貌性预判规划”（Courteous Anticipatory Planning）可显著降低长任务序列的总成本：在双机器人家庭场景中相比短视规划降低10.43%，在三机器人餐厅场景中降低17.41%。
值得关注：已有相关卡片主要关注分布式攻击、说话人识别、图稀疏采样等不同方向。本卡片补充了多机器人持久环境下的长期任务规划方法，其关键创新在于“礼貌性”——不仅考虑自身未来成本，还同时考虑其他机器人的未来成本，且通过因子化估计避免…
本文提出DEED（数据高效后训练与经验驱动学习）系统级框架，在超市薯片补货任务上验证：通过精心设计的数据后训练（仅需单张GPU）即可将原失败策略转变为有效的真实世界系统，表明弥合实验室-商店差距主要是系统集成挑战而非架构问题。
值得关注：首次在真实零售任务上检验了VLA基础模型的域迁移能力，并展示了系统级工程方案的有效性 对比已有相关卡片：本条直接针对人形机器人视觉-语言-动作模型的真实部署问题，与已有卡片中“条件式户型图生成”或“机器学习原子间势”完…
变分量子自编码器模型在实时异常检测触发任务中能达到与经典方法相当的性能，且经FPGA合成后资源与时序满足未来对撞机触发系统的约束，这项工作是首批将QML模型部署到FPGA用于高能物理触发的实现之一。
值得关注：**填补硬件部署空白**：此前QML在高能物理中的应用多停留在理论或仿真层面，本文首次展示QML模型能在真实硬件（FPGA）上运行且满足触发系统的实时性要求。 **增量信息**：与已有仅关注QML算法本身的工作不同，本…
ATSplat 通过引入自适应 3D 令牌（Adaptive 3D Tokens）和令牌级不确定性驱动的扩展机制，在保持前馈式 3D 高斯泼溅（3DGS）实时渲染速度的同时，将高斯数量减少 5.7 倍以上，达到与优化式方法相媲美的渲染质量。
值得关注：首次在前馈式 3DGS 中实现了与优化式方法类似的场景自适应容量分配，解决了像素对齐范式固有的冗余问题。 与已有的 WildSplat（面向无位姿野外图像）不同，ATSplat 聚焦于有标定输入下的高效紧凑表示，在渲染…
利用AI模型ProteinMPNN重新设计实验室进化后的酶，可恢复其稳定性，作为定向进化的起始点能持续获得比野生型起始点活性更高、特异性更强的酶。
值得关注：解决了定向进化中因稳定性丧失而限制功能进化潜力的核心难题。传统方法需额外进行稳定性进化或过表达伴侣蛋白，耗时且易产生作弊机制。AI重设计可直接恢复稳定性，无需额外实验。 建立了通用型工作流：计算序列设计 + 实验室进化…
本文提出稀疏惩罚深度神经网络（SPDNN）估计器，在协变量偏移与依赖数据（包括多种混合过程）的设定下，可自适应地达到（至多对数因子）极小化最优收敛率，适用于分位数回归和Huber回归。
值得关注：现有深度非参数回归多数假设i.i.d.且无协变量偏移。本研究首次同时处理依赖数据与协变量偏移，拓宽了深度回归在现实复杂场景（如非平稳时间序列）中的适用性，并给出了非渐近收敛率保证。
AI 3D 公司 Meshy 完成近 4 亿美元 B 轮融资，投后估值超 100 亿元人民币，刷新 AI 3D 赛道单轮融资规模与估值两项纪录，营收一年增长 12 倍，并推出对话式 3D Agent、8K 贴图等能力，布局实时互动多模态内容体验。
值得关注：Meshy 的大额融资和高速增长标志着 AI 3D 生成赛道进入规模化商业化阶段。其客户包括半数全球顶尖科技公司，意味着 3D AI 正从工具型产品向平台级基础设施演化。与已有相关卡片（如 SIMA 2、Cursor …
待核实。根据元数据，OpenAI 与 Hugging Face 就一次发生在 AI 模型评估过程中的安全事件分享了初步发现，并强调了攻击者的高级网络能力以及可供防御者借鉴的经验教训。
值得关注：待核实。若经证实，此事件可能表明：即使是在受控的模型评估环节，攻击者仍可能利用供应链或协作接口发动攻击；需重新审视 AI 评估流程的安全模型。与已有相关卡片（如模型融合、智能体评估）不同，本事件聚焦于安全漏洞而非模型性…