该研究提出在视觉文档理解中，用自然语言引用（quote）代替坐标框输出可大幅提升证据召回并降低归因幻觉，且通过无需区域标签的GRPO训练方法进一步提升了严格归因准确率。
值得关注：该研究揭示了当前VLM在视觉文档理解中归因失败的一个关键原因——坐标表达能力的限制，并提出了更自然、成本更低的替代方案，对构建可解释的文档AI系统具有实际指导意义。
本文将从有界工作记忆中驱逐哪些标记（token）的问题重新建模为一个对隐藏信号（该标记是否会被重用）的估计问题，并提出一种训练自由的策略RMM，它通过测量模型未来短时间内的实际注意力（demonstrated utility）来决定驱逐，但实验表明，在标准自然语言基准上，该方法并未显著优于现有方法（H2O、SnapKV），优势仅出现在具有尖锐内生重用模式的…
值得关注：**理论贡献**：首次将测试时记忆驱逐问题与信号估计中的固定滞后平滑建立联系，为理解现有方法提供了统一视角。 **相对已有脉络的增量**：与已有的“在线神经时空记忆”（侧重动态场景重建）和“代理上下文管理”（侧重生命周…
首个大规模结构化ER图理解基准ERUnderstand揭示：当前视觉-语言模型（VLM）能可靠识别常见ER图元素（F1>0.74），但在弱实体（低至0.28 F1）、多值属性（0.14 F1）和N元关系（0.07 F1）上性能骤降；推理增强模型整体提升15-25%，但仍受语言先验和图复杂度影响。
值得关注：**首个结构化ER图基准**：填补了VLM在图式级视觉理解方面的评估空白，尤其针对数据库概念设计这一垂直领域。 **明确能力边界**：揭示了当前VLM在处理非标准ER构造（弱实体、多值属性、N元关系）时的严重缺陷，为模…
Efficient LLM-Generated Shuttling Compilers for Complex Trapped-Ion Architectures
自主研究（AR）系统的性能不仅应看最终结果质量，还应重视搜索过程效率；新提出的自适应方法“流体搜索”（fluid search）在12项系统优化任务上取得了最高的整体搜索效率，接近事先知道最优搜索结构的理想性能。
值得关注：这是首个系统论证**搜索效率**应作为自主研究核心评价维度的研究，挑战了仅关注“最终答案”的惯例。 流体搜索是通用性强的自适应方案，可嵌入现有AR系统（如自动化科学平台、代码生成与调试循环），提升预算使用效率。 与已有…
DreamStyle3D能够在10秒内生成高保真、几何一致的3D风格化资产，通过解耦双交叉注意力机制显式分离几何与风格特征，实现了效率与质量的兼顾。
值得关注：现有方法大多采用2D到3D的间接风格化，难以同时保证风格、几何和效率。DreamStyle3D首次实现了原生3D风格化中的显式几何-风格解耦，将生成时间压缩至10秒，为实时应用奠定了基础。与已有相关卡片（如SANA-V…
分布式推理架构中的协调层（路由器和合并器）易受波形工作负载攻击（如 Yo‑Yo 突发请求），攻击者通过资源竞争使正常用户的慢路径预测延迟超过截止期限，导致预测被丢弃，从而引发准确度崩塌——无需获取模型权重或受害者数据，即可显著降低推理质量。
值得关注：首次系统性地识别出分布式推理流水线中协调层的时间依赖攻击面。 攻击成本低、隐蔽性强，可绕过传统模型安全防御（如对抗样本检测、数据投毒）。 与已有相关卡片中的“分布式攻击与持久状态AI控制”不同，本工作聚焦于**推理阶段…
DataOrchestra 是一个为每个预训练数据样本（chunk）自适应编排处理流程的框架，在 0.5B 到 7B 模型的从头预训练中，相比单个固定处理策略在 11 项基准上取得稳定平均提升，并能在数学继续预训练场景下超越更强的基线，同时通过跳过不必要操作降低处理计算量。
值得关注：打破了“一刀切”的数据处理范式，首次提出每个样本独立编排处理流程，理论上能更精准地适配数据多样性和噪声分布。 实验覆盖多个规模，展示了方法的通用性和可扩展性，且减少计算开销，对工业级预训练数据处理有直接实用价值。 与已…
本文系统地将具身操作的数据源组织为一个五层“金字塔”，围绕可扩展性与机器人对齐之间的张力，分析了不同数据源的质量、多样性、可重用性与物理保真度，并探讨了近期具身基础模型在预训练中如何选择、对齐与混合这些数据源，最后提出了六个开放的挑战。
值得关注：在机器人学习领域，数据来源分散且性质各异，缺乏统一的认识框架。本文首次将五种常见数据源组织为金字塔，并定量化其折中关系，帮助研究者根据任务目标（如更注重对齐或更注重规模）选择合适的配比策略。此外，该工作连接了数据组成与…
该研究提出了两种共学习策略（特征级与决策级），使多模态分类模型在训练与推理时模态不匹配（任意子集缺失）的场景下仍能保持鲁棒性能，实验发现特征级方法在单模态缺失时更优，而决策级方法在仅剩单一模态的极端缺失条件下表现更好。
值得关注：填补了多模态分类中“任意模态任意缺失”这一现实且未被充分研究的问题空白。 共学习思路（而非融合）为处理模态不完全对齐的工业部署提供了新范式。 提供的两种方法可依据实际缺失概率灵活选择（轻度缺失 vs 重度缺失）。
ClinFusion: A Vision-Centric Multimodal LLM System for Holistic Medical Understanding
TemporalSinkhorn通过并行时间执行和可认证的审计机制，在保证输出无容差违规的前提下，将动态熵最优运输中重复Sinkhorn计算的执行速度提升1.42 倍至3.632 倍（针对Flow Matching小批量流），且零边际容差违规。
值得关注：这是首个提供可认证输出正确性的并行时间Sinkhorn算法。它打破了动态熵最优运输中“顺序帧→同步”的固有瓶颈，使得Flow Matching等实时或近实时应用能够在不牺牲精度的前提下大幅提升吞吐，为最优运输在视频生成…
Causal‑TS 是一个面向高维、非平稳多元时间序列的因果发现开源 Python 库，内置四种专用算法和多种经典包装器，通过统一的 GPU 加速条件独立性检验层和结构变化发现流程，提供从原始时序到因果效应估计的端到端工具链。
值得关注：相比已有因果发现库（如 TETRAD、causal-learn），Causal‑TS 专门针对非平稳性和高维问题设计，引入了结构变化发现的自动化流程。 将因果效应估计（通过 DoWhy 集成）与因果发现无缝衔接，提供了…
实体匹配（Entity Matching）旨在识别指向同一现实实体（如商品、人物）的不同记录。语言模型可通过三种适配架构完成该任务：双编码器（bi-encoder）、交叉编码器（cross-encoder）和生成式匹配器（generative matcher）。然而，先前研究常将匹配器架构与模型骨干（backbone）、模型变体（反映不同预训练目标）和模型…
值得关注：该研究厘清了长期混淆的架构层与模型层因素对实体匹配性能的贡献，揭示了模型变体（预训练目标）和模型大小的交互效应，为未来基准设计提出要求：应明确分离架构选择与模型级别因素，并显式评估分布偏移和跨数据集迁移能力。
在基于1D-CNN的陀螺仪偏差校正框架中，认知不确定性（epistemic uncertainty）比偶然不确定性（aleatoric uncertainty）更能有效区分标称与扰动运行条件，为混合学习型状态估计的监控与故障检测提供了可靠信号。
值得关注：本研究首次在陀螺偏差校正任务中系统分解并对比了偶然与认知不确定性的行为差异，证明了认知不确定性可作为分布外检测的有效指标，对航天器自主导航的可靠性提升具有直接参考价值。
Agentic Permissions Policy Algebra for Taint Confinement in LLM Agents
本文提出一种结合项目难度与类别依赖标注者能力的生成式聚合模型，在33个真实众包数据集上始终取得最高的少数类召回率，同时平衡准确率保持竞争力，尤其适用于稀有标签恢复为首要目标的不平衡众包场景。
值得关注：现实世界中的众包检查系统（如医学影像、产品缺陷检测）中，操作上最重要的标签往往出现频率最低。现有众包标签聚合方法对这类不平衡场景支持不足，本文给出了首个同时处理类别依赖错误和项目难度的生成式方案。
APS-RAG 是一个已在先进光子源（APS）部署的混合检索增强生成平台，通过融合稠密、稀疏和知识图谱检索通道，并引入修正性智能体循环，使自然语言查询可访问数十年积累的机构知识；在 50 道题的 APS-Bench 评估中，完整修正性 Agentic GraphRAG 的严格关键细粒度召回率达到 70.3%，显著优于朴素 BM25 基线的 63.8%。
值得关注：该工作提供了一个**已部署的、运维导向的**可信 AI 辅助设施操作工作流，弥合了实验室落地的检索增强系统与学术评价基准之间的差距。与已有相关卡片（如基于谱系推理的创意生成）不同，本文聚焦于真实物理设施的长期运营知识管…