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…
Generator-Aligned Representation Interfaces for Diagnostic Soft Equivariance
在理想化AI竞赛实验中，不安全开发行为主要源于落后于对手的竞争压力以及对手的行为动态，而非个体风险偏好；政策应侧重降低竞争压力与促进合作，而非仅关注个人风险。
值得关注：该研究挑战了“不安全AI开发主要源于个体风险偏好”的常见叙事，揭示了竞争结构和社会动态（如对落后的恐惧、模仿对手）的关键作用。这为AI安全政策提供了新视角：单纯限制风险或教育开发者可能效果有限，更应关注如何设计竞争机制…
现有多模态大语言模型在真实临床诊断中的多轮推理能力仍然有限，即使最优模型也仅有极少数案例能完全正确诊断；ClinMM-Bench 是目前规模最大的多轮多模态临床诊断评估基准，揭示了五种典型失败模式。
值得关注：本工作首次将临床诊断的 **多轮交互特性** 纳入基准测试，填补了现有单轮评估无法模拟真实临床流程的空白。 与已有单轮或孤立任务基准相比，ClinMM-Bench 更贴近医生逐步获取信息、修正假设的真实工作流，为改进模…
所有评估的九种表格基础模型（TFM）在标签偏移、社会经济偏移和地理偏移三种真实分布偏移下均出现系统性性能下降，无论预训练策略如何，偏移差距在 0.003–0.060 之间；高性能模型还存在显著的可扩展性瓶颈。
值得关注：填补了TFMs在分布偏移下鲁棒性评估的空白。 结果表明TFMs并未克服传统模型的分布偏移弱点，这与“基础模型自动泛化”的预期不符。 为高风险领域（如信用评估、医疗、投票预测）的模型选型提供了实证依据，提醒需额外考虑分布偏移风险。
向 LLM 提供实时集群服务调用图与工作负载绑定信息（拓扑上下文），可将拓扑依赖型安全补丁的正确率从 11.1% 提升至 78.0%，而拓扑无关补丁不受影响，证明该提升来源于上下文而非通用提示丰富。
值得关注：此前研究仅依赖扫描器输出，忽略了运行时依赖关系；补丁看似合规却可能隐式切断服务链路。KuTIE 首次在受控多依赖类条件下量化了拓扑上下文的效果，证明将实时服务图纳入 LLM 提示是自动化安全修复不可缺失的环节。
本文提出了一种跨模态不一致检测方法（Kontrast），能够自动识别并分类维基百科文本/表格与Wikidata知识图谱之间的知识冲突、粒度差异、时间变化及知识图谱不完整性，揭示了多模态知识间的互补与校正潜力。
值得关注：本研究首次系统性地将“文本-表格-知识图谱”三种模态之间的不一致作为独立问题提出，并给出了自动检测与分类方案。这有助于提升多模态知识库的可靠性，对LLM预训练和检索增强生成的质量控制具有直接参考价值。相比已有关于知识图…
Desktop-Delta Bench（DDB）是一个针对计算机使用智能体（CUA）的离线步骤级基准测试，旨在评估模型对 GUI 状态转换中因果关系的理解能力。初步实验表明，现有模型在该基准上表现不佳，最优非干扰项和干扰项精确匹配率仅约 65%，且存在系统性错误复制给定顺序的问题。
值得关注：填补了 GUI 定位与最终任务成功之间的诊断层缺失，为改进桌面 CUA 的验证、可靠性和恢复能力提供了针对性测试。 揭示了现有模型在理解异步、因果状态转换方面的不足，对开发更鲁棒的计算机使用智能体具有指导意义。
本文提出了一种联邦纵向-生存建模框架，通过客户端可分离的离散时间风险目标，使多个机构在不共享原始传感器数据或个体失效记录的情况下协同训练故障预测模型，并在C-MAPSS涡扇发动机退化数据集上验证其性能接近集中式训练。
值得关注：首次（待核实是否为首次）将纵向+生存分析与联邦学习结合用于工程系统故障预测，突破了传统Cox模型在联邦场景中的可分离性限制。 相比已有“多模态经验贝叶斯变分自编码器用于联合纵向与事件时间建模”（医学应用），本文关注工业…