TCA-SIR 将科学灵感检索重新定义为“目标条件抽象”：不是按主题相似度检索论文，而是针对目标问题从候选论文中提取可迁移的抽象原理，并利用这些抽象表示预测可迁移性；在 ResearchBench 上，其 HitRate@top4% 相比 MOOSE-Chem 提高超过 10 个百分点，且生成的抽象可解释检索依据。
值得关注：现有 SIR 多停留在“主题相似”层面，缺少对“如何迁移”的刻画。TCA-SIR 将“可迁移原理”作为显式检索对象，为远程灵感检索提供了更本质的思路，同时给出可解释的检索理由。与已有相关卡片相比，本条不是面向图像或优化…
在测试的推理阶段边界上，**边界K/V缓存是发散轨迹的因果充分载体**；BF16下“保留实时缓存”与“一次性预填相同token”会产生行为差异，而FP32下不产生解码分歧。精确token重放可以可重复，但不等于保持实时状态保真度。
值得关注：该结果把KV缓存从“性能优化/存储机制”延伸到“因果状态载体”：在测试边界上，只要更换48层K/V缓存，发散续写方向就会跟随缓存供体。这对大模型推理的可解释性、可复现性和阶段回放诊断有直接启发。
SCOPE 提出一种将供应链实体 token 化、并通过共享运营表示统一协调多类决策的复合策略模型，在城市生鲜零售的真实运营数据上持续优于“分阶段独立优化”的方法，说明跨环节耦合建模能提升端到端供应链决策效果。
值得关注：已有相关卡片多关注 AI 加速培训流程、临床检验工作流或四旋翼控制；本条卡片的增量信息在于：它针对供应链中“选品—补货—配送”相互耦合的长期痛点，提出了一种统一 token 化建模与复合策略的机器学习框架，并首次使用国…
ScaFE 不直接把临床照片交给视觉语言模型（VLM）诊断，而是让大语言模型生成确定性的、可执行的“临床特征程序”，在本地计算瘢痕视觉属性，再用轻量随机森林分类；在三医院 600 张照片的留一站点评估中达到 81.0% 的站点宏平均平衡准确率，比最强基线 BiomedCLIP 高 10.0 个百分点；仅用 10% 开发数据时仍保有 72.0% 平衡准确率并…
值得关注：现有范式要么依赖大量数据训练端到端图像模型，要么把图像交给托管 VLM、在隐私和可审计性上打折扣。ScaFE 展示了“LLM 生成特征程序 + 本地执行 + 可解释的结构化特征”这一中间路线：既保留 LLM 的临床知识…
在把“批评、反思、重写、辩论、检查”等所有环节消耗的token都计入成本后，**没有任何方法在同等成本下可靠优于“重复采样取多数答案”这个简单基线**；共有10项比较显著更差，且全部来自模型检查自身输出的方法。
值得关注：该工作为“自我反思/自我精炼”类方法提供了更严格的基线对照：很多收益可能来自“生成了更多文本”，而非方法本身的机制。 它填补了Wang et al. (2024)缺乏推断统计的空白，用配对设计和多重性校正让结论更可靠。…
在 GNN 的同一张图上，节点分类（NC）到链接预测（LP）的迁移在“同质性图”上稳定有益；而链接预测到节点分类的迁移则很脆弱，朴素复用表示甚至可能降低准确率，只在“LP 容易但 NC 尚未饱和”的结构主导场景中才可靠为正。迁移方向具有强方向性，并可用简单数据集统计量（尤其是同质性）来预测和规避负迁移。
值得关注：已有相关卡片分别关注知识图谱问答、教学反馈分类协议、医学影像跨模态迁移。本条与它们不重复，增量信息在于：
ROAD 将判别式3D基础模型已有的语义和结构先验迁移到扩散Transformer中，并用互惠目标对齐解决生成/判别潜在空间的异质性，从而以仅 1.5% 的工业基线 Step1X-3D 训练数据达到有竞争力的高保真3D生成性能，显著降低训练成本。
值得关注：ROAD 改变了“3D生成必须从零学习几何、主要靠堆数据和算力”的默认路径，提示已有的判别式3D基础模型可以充当生成模型的“训练时教师”。
ReToken 是一种轻量级可学习嵌入，充当显式检索目标，从预填充的视觉 KV 缓存中选取与查询相关的稀疏视觉 token；在 Visual Haystacks 上使 Qwen3VL-8B 提升 13.4 个百分点、InternVL3.5 提升 12.4 个百分点（相对提升超过 20%），并能零样本迁移到长视频场景，在 LVBench 上为 Qwen3VL…
值得关注：该工作为 VLM 在长视觉上下文中的信息获取提供了一条轻量路径：无需一次性处理全部视觉 token，而是通过一个额外可学习 token 来定位与查询相关的稀疏视觉证据。与已有卡片分别关注错误归因、语音自然度、长期准确率…
在本地计算机使用智能体（CUA）上增加推理时计算往往收益递减，并会改变失败模式；上下文扩展可提升轨迹稳定性但会饱和，时间扩展减少停滞却未必提升任务成功率，结构分解带来规划/格式开销，并行扩展以高计算成本部分缓解失败。
值得关注：这是对推理时扩展在本地、资源受限模型上的系统实证研究。此前研究主要表明推理时扩展可改进前沿计算机使用智能体，但对本地模型效果未知。本卡片的增量信息在于：揭示了本地场景下“更多计算”并非线性收益，失败模式会随扩展维度发生…
RefCaptioner: Multi-Reference Image-Grounded Video Captioning
PhiZero 提出一种以“物理语言”（physical language）为核心的物理世界模型：先用紧凑离散的世界状态转移序列显式推理未来演化，再将其渲染为视频，而不是像现有模型那样直接在像素空间预测未来视频。
值得关注：这是对“世界模型是否必须直接预测像素”这一主流路径的一种替代回答：通过在视频预测中引入离散、符号化的中间层，把物理演化的推理过程显式化，可能提升世界模型的样本效率、可控性与可解释性。与已有相关卡片（CamVLA、数据分…
SWE-bench类基准中约13.6%的PR-Issue配对存在错位；本文提出的PAIChecker多智能体系统能在SWE-Gym和SWE-bench Multilingual上分别达到最高92.12%和91.67%的二元准确率，优于四种LLM后端下的现有方法。
值得关注：该工作提示我们：被广泛用作LLM评测基准的SWE-bench类数据并非完全可靠。PR-Issue错位可能导致模型在错误的问题-补丁对上训练和评测，从而高估或低估LLM的真实issue解决能力。PAIChecker为未来…
PAC-MAN 将控制障碍函数与强化学习结合，并引入部署级真实的机载感知约束，使人形机器人仅凭头戴相机提供的分割遮罩深度信息就能完成躲避球任务，在仿真基准上接近“特权状态”性能，并在 Unitree G1 真机上实现零样本迁移，95% 的投掷成功躲过。
值得关注：已有相关卡片多集中在视频理解、多模态感知等“感知”任务，而 PAC-MAN 提供了一条**感知如何进入安全控制闭环**的机器人学路径。 它明确提出：训练时使用的安全结构（如 CBF）必须与部署时的感知可观测性匹配；否则…
OSReward 是一个用于评估视觉语言模型（VLM）作为“计算机使用智能体（CUA）轨迹判断器”是否可靠的基准。作者发现，即便是最先进的 VLM 判断器也存在系统性“宽松偏差”，容易把失败轨迹误判为成功；为此，作者构建了开放推理标注语料 OS-Shepherd-100K，并训练出低成本、可靠的开放奖励模型 OS-Shepherd（9B/35B），在成本比…
值得关注：在 CUA 领域，奖励信号的质量直接影响强化学习与数据筛选。此前缺少一个专门评估“VLM 判断器”的标准基准。OSReward 填补了这一缺口，并揭示了现有判断器的系统性偏差，同时提供了开源奖励模型作为低成本替代方案。…
在接近生产环境的 oncall 根因分析（RCA）评测中，五个前沿智能体的最佳准确率在 Medium（真实输入设定）上只有 25.3%，在 Hard 上只有 10.0%；最弱模型会在 40% 的故障报告中提出不合理的幻觉根因。即使 Claude Fable 5 也无法弥合这一差距，说明通用编码智能体距离安全承担生产可靠性值班仍有明显距离。
值得关注：ORCA-bench 提供了一个可复现的评测框架，把智能体能力评估从“代码生成/补全”扩展到“生产故障排查”。它对产业界的直接启示是：前沿编码智能体虽然能处理代码任务，但在真实感的 oncall 根因分析中仍然脆弱；这…
β-OPSD 将 vanilla OPSD 重新解释为“策略优化族”中 β=1 的特例，通过可调节的 KL 惩罚权重 β，在参考策略与特权教师之间做几何插值，并用廉价的自蒸馏目标逼近昂贵策略优化问题的解，从而在数学推理基准上比 vanilla OPSD 更稳定、更有效。
值得关注：给出了 OPSD 不稳定的结构性解释，而不是只靠工程技巧修补。 把 KL 惩罚权重 β 从固定值变成可调超参数，提供了新的调优维度。 将昂贵的策略优化目标转化为可实现的蒸馏目标，兼具理论推导与实操效率。 为“自蒸馏”与…
MixFrag 提出一种基于“量化脆弱性”引导的混合精度训练后量化（PTQ）框架，通过KL散度评估ViT各组件对量化的敏感度，并将比特分配建模为多选择背包问题（MCKP），在目标比特预算下自适应分配层间精度，从而在目标检测等任务上取得超越现有混合精度PTQ方法的效果。
值得关注：打破了ViT量化中“均匀比特宽度”的常见假设，强调组件级异构敏感性的重要性。 将比特分配形式化为MCKP，提供了清晰的优化框架，可适配不同比特预算。 在检测/分割等下游任务上的大幅提升（最高+9.6 AP）表明混合精度…
本文将单分子化学结构识别（OCSR）和 Markush 结构识别统一建模为“图像到文本翻译”问题，提出 OCSRGlyph 与 MarkushGlyph，并引入一种新的 Markush 结构翻译准确率评估指标。
值得关注：Markush 结构在专利中非常常见，但传统方法往往需要多阶段处理视觉与文本信息，容易产生误差累积。本文尝试用视觉语言模型直接读取整个 Markush 结构图像，并把 OCSR 与 Markush 识别统一为同一图像到…
MANTA 让基于大语言模型的多智能体系统在推理时自适应调整通信拓扑，使“协作架构本身”也能自我改进；在五个基准上平均得分 74.0，比最强基线高 5.8 个百分点。
值得关注：已有相关卡片中，GaP 侧重图式策略生成，HealthClaw 侧重纵向个人健康管理，而 MANTA 的增量在于：它把“自进化”的对象从单个智能体或固定图结构扩展到多智能体系统的通信拓扑，提出在推理时动态调整协作组织方…
这篇论文用机器学习方法判断超对称箭图规范理论中的 Seiberg 对偶；在约 10 个箭图节点规模的问题中，Transformer 与多层感知机（MLP）等网络架构倾向于胜过确定性算法，而用成熟寻路算法补充网络后，搜索策略的效率和准确性还能进一步提升。
值得关注：它把“对偶性判定”这一理论物理问题转化为可由机器学习处理的图论/组合问题。 为 AI for theoretical physics 提供了一个具体、可比较的基准任务。 展示了神经网络与经典寻路算法结合的可能增益，而不…