研究问题：KV 缓存压缩对高效长上下文推理至关重要。已有驱逐类方法会永久丢弃未选中 token，导致这些 token 对注意力的总贡献被整体移除；合并类替代方法虽保留更多信息，但可能扰动本应保持精确的保留 key/value。 核心观察：缓存驱逐所遗漏的信息，可以形式化为 softmax 注意力分子和分母中的残差统计量。 事件信息：论文《ResKV: Re…
值得关注：已有相关卡片中，DepthWeave-KV 关注跨层低秩基分解，FreqDepthKV 关注频率引导的深度共享；ResKV 的增量在于显式建模“被驱逐 token 的残差统计”，并让残差项与主缓存共同参与 softma…
RayViT 通过向预训练 ViT 注入以 Plücker 射线图表示的相机几何信息，使视觉模仿学习策略在相机扰动下显著更鲁棒。
值得关注：RGB 图像缺乏显式几何信息，是视觉模仿学习在真实环境中对相机变化敏感的重要根因。RayViT 在不重建完整 3D 场景的前提下，以轻量方式让预训练视觉 Transformer 感知相机射线几何，为提升机器人视觉策略的…
QASP 提出一种查询自适应的向量搜索策略：通过一次前馈回归预测每条查询的完整召回进展曲线，再按任意召回目标导出搜索策略，从而在不反复调用模型的情况下降低召回波动和计算成本。
值得关注：现有向量搜索评估多关注平均召回率，容易忽略长尾查询的体验劣化。QASP 把“逐查询召回曲线预测”作为核心，使搜索策略能按查询自适应调整，兼顾召回稳定性与计算效率，是向量检索系统调优的一个新思路。
OASIS 提出了一种面向单张图像手部虚拟化身重建的 3D 高斯泼溅（3D Gaussian Splatting）框架，通过“几何对齐的视觉证据令牌”和“可见性条件点-图像注意力”处理严重自遮挡，并引入“Feature-on-Mesh”表示建模手部非刚性形变，在视觉保真度和效率上优于现有基线，同时支持文本生成化身与纹理编辑等下游应用。
值得关注：将 3DGS 引入单图手部化身重建，缓解了 NeRF 类方法计算昂贵、细节保留不足的问题。 针对手部强自遮挡提出显式的可见性建模，是遮挡感知重建中的一个可借鉴思路。 与已有相关卡片（如 ATSplat 关注 3DGS …
MOT-SR 是一个面向符号回归的LLM框架，通过外部分析工具提取结构先验，并用动态Pareto前沿进行多目标优化；在40个标准任务和极端质量比旋进（EMRI）轨道建模中，相比现有符号回归方法在准确性、泛化性和效率上表现更优。
值得关注：与只关注拟合误差的单目标方法不同，MOT-SR 同时考虑准确性、复杂度和泛化性，并通过动态 Pareto 前沿维持多个候选解，有助于避免过早收敛到局部最优。 引入外部分析工具来提取变量依赖和结构先验，使 LLM 不再完…
LEMUR 提出了一个无需预定义奖励函数的多目标强化学习框架：它从多个人的偏好反馈中同时学习策略和多个目标各自的奖励模型，从而在竞争性目标之间进行平衡，并在多种基准多目标任务上取得了优于基线方法的表现。
值得关注：现有 MORL 与 PbRL 各有局限：前者依赖目标奖励函数，后者大多限定于单目标。 LEMUR 代表了一条新方向：把“人类偏好”作为多目标强化学习的信号来源，让策略对齐多个人类的期望，而无需显式定义每个目标的奖励函数…
HierDoc 将多页文档视觉问答中的证据获取建模为“先选页、再从页内选语义区域”的两阶段集合预测，通过在页面与区域两个粒度上分别优化策略，显著优于仅选页面的系统。
值得关注：HierDoc 把粗粒度页面路由与细粒度区域路由作为统一证据获取流程中连续、独立优化的阶段，而不是让二者割裂，为多页长文档视觉问答提供了一个清晰的阶段性路由框架。
GQ-FSL 提出在联邦分割学习中同时引入随机量化与不对称精度配置，在满足目标精度的前提下最小化系统总能耗，论文声称其能效优于量化联邦学习和全精度联邦分割学习。
值得关注：联邦分割学习虽然减轻设备计算负担，但持续传输切层数据和子模型的能耗仍非常突出。GQ-FSL 将随机量化同时应用于训练和无线传输，并允许客户端和服务端使用不同精度，提供了一种面向能耗-精度权衡的系统级方案。与已有关于“安…
FriendBench 论文摘要指出：在从 20 秒双人对话片段推断“熟人还是陌生人”的任务上，最佳多模态大模型与人类总体的准确率在每种模态下统计上不可区分；但人类在两个答案类别上保持均衡，而最强模型系统性地倾向于回答“陌生人”——这被归因于有效先验的差异，而非判别能力的高低。
值得关注：FriendBench 将社交认知中非常细微的“熟悉度”判断引入多模态大模型评估，补充了现有基准偏重任务型/知识型能力的缺口。它也揭示了人类与模型在准确率相当的情况下，可能通过完全不同的决策机制达到同样表现；这对“以准…
本文提出一种“冻结—然后选择”（freeze-then-select）的偏微分方程（PDE）发现策略：先用结构化场适配器从稀疏观测中重构连续场，再在冻结场后通过稳定性验证弱选择（SVWS）选出正确的微分项；在六个稀疏 MDBench 场景中，该方法取得了最高的精确支持恢复率。
值得关注：已有神经 PDE 发现方法往往让方程选择与神经网络的场重构同步优化，导致正确项可能在中途消失或从未出现。本文用“冻结—然后选择”的两阶段方式解耦二者，提升了支持恢复的稳定性；同时不局限于固定候选库，可通过遗传编程扩展到…
FlexComposer 将生成式视频合成统一为“轨迹引导的条件生成”任务，在不依赖显式 3D 重建或额外可学习适配器的前提下，同时支持静态图像和预动画动态素材的插入，并在视觉质量、时间一致性和轨迹遵循度上声称超越现有方法。
值得关注：与已有相关卡片（ReChannel、STRACE、UniD）相比，FlexComposer 的增量信息在于：
FibVLA 通过对数回溯采样与斐波那契递归推理相结合的方式，在不重新训练大规模视觉编码器的前提下，实现兼顾长上下文时序感知与推理效率的视觉-语言-动作模型，实验显示可提升动作平滑度、成功率及实时响应性（具体数值与实验细节待核实）。
值得关注：VLA 的时序理解与推理效率通常存在冲突：长上下文历史可提升智能表现，但会拖慢响应速度。FibVLA 从“采样”和“推理”两个层面缓解这一冲突，为长上下文 VLA 设计提供了新思路。 增量信息：与已有相关卡片相比，本工…
ExtractBench 是目前已知首个同时评估“值准确率、大规模记录完整性、证据溯源性和实测成本”的 schema-guided extraction（模式引导抽取）基准；在该基准上，LlamaExtract Agentic Plus 在全部三项指标上排名第一，准确率与 coding agents 相当，但成本大幅更低。
值得关注：本卡片与已有相关卡片关注点不同：它不是提出新模型或新能力，而是为企业文档抽取 agent 提供评测基准，首次把“值准确率、记录完整性、grounding 和成本”放进同一把尺子，帮助实际选型和部署决策。增量信息在于：该…
在AI生成图像检测中，热力图作为证据需要经过因果检验；该研究显示，压缩历史而非合成本身主导朴素评估，并且通过“检测器盲对照”仍不等于获得忠实解释——作者明确表示没有展示出任何忠实解释。
值得关注：本文的增量信息在于：它把“检测精度”和“解释可信度”分开考察。即使检测器的PR-AUC接近完美，其归因热力图也可能不提供有效证据；压缩历史等后处理方式会严重干扰朴素评估。通过检测器盲对照来检验归因图，比单纯展示热力图更…
在迭代学习模型中，当不同意义的出现频率不均匀时，高频意义可以像自然语言中观察到的那样“逃脱”统辖低频意义的语法压力；但如果频率结构施加在意义的部分组件而非整体意义向量上，语言将无法跨代稳定传递。
值得关注：本研究为“语言为何呈现不规则高频形式”提供了一个演化机制解释：不规则性可能源于意义使用频率不均衡与学习瓶颈的交互作用。同时，它划定了频率塑造语言的边界条件——频率必须作用于可整体习得的单位，否则语言系统会崩溃。这对语言…
DynoDINO 针对多相增强CT（CECT）病灶分割提出统一框架：先进行切片级对齐，再用多相融合模型增强跨相位时序相关性，并在 LiTS、PLC-CECT、WAW-TACE 等数据集上改善边界勾画与结构保真度（具体量化指标待核实）。
值得关注：DynoDINO 不是简单的单相位分割或后处理，而是把相位间错位、缺失和对比增强动力学联合建模。它通过注意力与门控机制区分“有诊断价值的增强变化”和“错位造成的伪影”，对呼吸运动、扫描不完整等造成的多期CT质量不稳定问…
DungeonBench 是一个面向《龙与地下城》战斗场景的规则密集战术推理基准，目前前沿语言模型策略在单场遭遇战中常能获胜，但在跨遭遇战的连续“一日”场景中暴露出资源预算、休息时机和规则意识上的明显不足。
值得关注：DungeonBench 把游戏规则引擎变成可复用的决策测试平台，补充了现有基准对多因素交织战术推理的覆盖不足。与已有卡片对比，它不属于视觉合成或语音自然度评估，而是聚焦“规则密集的战术决策”。增量信息在于：它不只评测…
本文首次系统研究严格差分隐私约束下的多变量密度模态恢复问题，提出均值漂移启发的DP-GRAMS方法，并证明其模态估计误差在极小极大意义下接近最优（仅差对数因子）。
值得关注：密度模态估计在聚类、回归和异常检测中有广泛应用，但将严格的差分隐私引入非参数模态学习此前几乎空白。DP-GRAMS不仅提供了首个通用方案，还配齐了隐私初始化、误差界和极小极大下界，为后续隐私保护的可解释分布摘要研究建立了理论基础。
FDD-ON 是一个模块化、可扩展的本体，用于形式化表示变风量（VAV）暖通空调（HVAC）系统的组件、故障类型、症状状态、故障影响及相关属性；论文称，在公开 VAV HVAC 系统数据集上的评估表明，它能作为可扩展、透明、可互操作的故障检测与诊断（FDD）解决方案的语义基础。
值得关注：本工作与已有相关卡片中的缺陷检测挑战赛、优化器收敛性等主题不同，核心增量在于从领域本体/知识表示层面解决暖通空调 FDD 的数据互通与诊断知识复用问题。它不依赖某一具体算法，而是通过显式语义关系为异构诊断输出提供统一解…
在由随机微分方程（SDE）描述的扩散环境多臂老虎机问题中，采用 logit 参数化的策略梯度更新，在任意常数学习率下几乎必然收敛到最优臂；当常数学习率低于某个与时间无关的阈值时，非渐近遗憾上界为 $O(\log T)$。
值得关注：这项工作是策略梯度理论在扩散环境（连续时间随机性环境）中的延伸。相比已有相关卡片关注的模型微调、数据投毒等主题，本卡片的增量信息在于：它从**优化与统计学习理论**角度，为策略梯度在随机扩散环境中的收敛性提供了严格保证…