KAISEN 是一个针对临床风险模型亚组公平性审计的可复现五阶段流水线；通过合成基准压力测试发现，审计结论的可靠性取决于最小可检测效应、缓解方法选择、代理变量是否错设以及队列随机实现，不能只看平均结果或统计显著性。
值得关注：公平性审计的结论可能影响模型是否被批准部署，但审计组件本身也可能失效。KAISEN 提供了一个可复现的压力测试框架，明确给出了组件失效的条件，尤其是“无信号失败”和“平均效应掩盖方差”这两类风险。它提醒审计报告应披露更…
该研究发现，为阻止大型语言模型（LLM）将意识归因于自身而进行的安全对齐，会连带抑制模型对非人类动物、自然物体以及精神信仰相关的心智归因；通过机械性干预恢复模型内部对“意识”的表征，可以逆转这种抑制，并让模型在价值观类社会学调查中给出更接近人类的回答。
值得关注：揭示了安全对齐可能以“抑制自我归因”为代价，连带削弱模型对动物、自然物及其他文化中广泛认可的心智/精神属性的理解。 从可解释性角度给出实证：研究者可通过在激活空间中引导一个“意识向量”来改变外部行为与价值观输出。 为未…
本文提出一种图神经网络磁力场框架，直接从电子结构计算学习金属磁体的有效磁能量泛函，从而高效计算自旋力矩，并以较低成本模拟与直接电子模拟高度一致的非平衡自旋动力学。
值得关注：这项工作将图神经网络方法从结构材料、流体、晶粒生长等模拟扩展到磁体自旋动力学这一凝聚态物理核心问题，展示了用机器学习力场替代电子结构求解瓶颈的可能性。与已有相关卡片相比，增量在于其学习对象是“磁力场”或有效磁能量泛函，…
生成式AI在学术写作与出版中既可能强化英语世界的主流语言等级，也可能成为语言多样性的抵抗场所；最终效果取决于AI的设计、治理方式以及学术社群的使用实践。
值得关注：本文从世界英语视角切入，将AI与学术出版中的语言规范问题联系起来，超越了单纯的技术效率讨论。 它提示学术机构、期刊和AI开发者关注非英语母语学者在生成式AI环境中的语言自主权。 与既有相关卡片相比，本文的增量在于：采用…
Frontis-MA1: Training an AI4AI Model towards Recursive Self-Improvement in Machine Learning Engineering
在卫星影像前后时相文本检索任务中，融合模块的查询速度决定搜索成本；一项受控实验表明，免训练两阶段搜索（廉价差分模型粗筛 + 注意力融合精排）可在匹配或超过全量融合召回率的同时，将查询成本降低 10–15 倍。
值得关注：这篇工作首次在固定编码器和固定训练配置下，对多种卫星变化文本检索融合模块进行受控比较，给出了可复现的统计结论。它揭示了一个反直觉的工程事实：理论上有线性复杂度的 Mamba 在视觉 patch 规模下未必优于注意力融合…
DualG-MRAG 提出将多模态检索增强生成（MM-RAG）中的全局结构推理与细粒度证据匹配解耦为“宏观推理图”和“微观匹配图”两层，并用 GNN 驱动的查询式消息传递与动态规划解码来提升多跳问答的证据召回与答案准确率；据论文摘要，其在证据召回与复杂问答准确率上均超过基线。
值得关注：针对 MM-RAG 中“图太粗丢证据、图太细有噪声”的权衡，给出了显式的解耦设计，而不是单纯堆叠特征。 相比已有相关卡片中的 DynaKRAG（面向文本多跳 RAG 的证据控制），DualG-MRAG 的增量在于面向多…
本文提出 **Doubly Robust Functional Representation Learning (DR-FRL)**，一种将不规则观测历史转化为面向目标估计量的状态表示的交叉拟合工作流，使纵向因果推断中的双重稳健估计在明确理论条件下具有渐近线性，并在模拟和 VitalDB 数据审计中展示可行性。
值得关注：填补了双重稳健估计与函数型/深度表示学习之间的方法论空白，避免强制压缩为标量摘要或单纯优化预测损失。 提供了一套诊断工具来评估“历史上提取的状态是否真的能支撑因果估计方程”。 为高维、不规则、含信息性观测时间的纵向数据…
本文提出一种多层级计算框架，将文学创造力建模为对早期文本的选择性转化，并在词汇、语义、概念、结构、叙事等表征层面比较文本，从而定量刻画“模仿在哪里延续、创造在哪里发生”。
值得关注：这为“创造力”提供了一种更精细的可计算视角：创造力不一定是无中生有，而是对已有材料的“再组合、再转化”。相比笼统的相似度检测，该方法能把“像/不像”拆解为多个表征层面上的具体差异，为研究文学影响、抄袭判定、风格演变等提供新工具。
本文提出一种量子数据增强方法，使神经网络能利用零差测量数据高效分类多体连续变量系统中的纠缠结构，在降低数据采集成本的同时显著提升分类准确率。
值得关注：解决了数据驱动机器学习在大型希尔伯特空间中学习量子系统时，数据获取成本高昂的关键障碍。 此项工作的增量信息：与已有的利用神经网络对离散变量系统（如自旋组态）进行量子态分类或相位识别的研究不同，本文专门针对连续变量系统中…
Change2Task 是一个基于仓库历史自动将已合并 Pull Request 转化为“可在现代健康代码版本上运行并经自动验证的编程智能体任务”的系统，在 1,130 个候选源变更上达到 79.6% 的验证任务构建成功率，相比基于 Pull Request 的构建基线多恢复 29.2% 的验证任务。
值得关注：编程智能体需要持续新增“可执行”且“可验证”的任务数据，而不仅仅是非结构化的代码文本。Change2Task 提供了一条从真实仓库历史中自动挖掘此类数据的路径。 与已有相关卡片中的“数据选择”类工作（如 PPL-Fac…
仅用单一情绪分数无法充分刻画金融新闻的预测信息；通过大语言模型抽取多维结构化语义特征，可在股票预测中显著超越单纯的情绪分析，表明金融文本中的“情绪—语义解耦”是系统性的且可利用的。
值得关注：这是“已有相关卡片”脉络中的一个新方向：既有工作关注区块链情绪分类、开源大模型生成漏洞威胁信息、智能体轨迹优化，而本卡片聚焦金融新闻的多维结构化信息抽取，并首次系统性量化了“情绪—语义解耦”的预测价值。其增量信息在于：…
GenEvA 在“选帧/压缩”后增加一个查询相关的跨帧潜在证据聚合步骤，让模型在生成答案前先整合互补信息；在 8 帧设置下，LLaVA-Video 的四基准平均分提升 +5.2，Qwen2.5-VL 在 LVBench 上准确率提升 +10.1，仅增加约 0.11%–0.40% 的视频 token 开销。
值得关注：它提示“帧选择不是终点”：在显式选帧之后，如何对潜在证据进行跨帧聚合，是长视频理解中一个此前未被充分强调的改进点。 通过极低 token 开销获得稳定增益，对 Video-MLLM 的高效实用部署有参考价值。 增量信息…
现有智能体视觉推理模型在“工具使用时机”和“工具实际收益”上存在明显短板：工具既能帮助解决难题，也会在简单问题上引入额外错误；为此提出的 Beacon 模型通过强化学习阶段的两个机制，同时提升了整体性能、工具调用自适应性和真实的工具收益。
值得关注：该工作将“工具使用”拆解为“时机”和“效果”两个可量化维度，为智能体视觉推理提供了更系统的评估视角。 揭示了现有模型的一个普遍问题：工具带来的收益可能被简单样本上的退化抵消，这对评估和部署工具增强型 MLLM 具有警示…
AuricularWorld 提出一种基于潜空间世界模型的分割框架，通过在编码器-解码器结构中引入确定性递归状态空间模型，以层级解剖动作迭代细化潜表示，从而在不依赖真值引导的推理过程中提升CT影像中细小、不规则且相互重叠的耳廓结构分割精度，HD95降低超过43%。
值得关注：这是将世界模型思想用于医学图像精细分割的探索，突破了传统前馈网络“单次前向预测”的局限。AuricularWorld 通过潜空间中的迭代解剖推理，为处理标注复杂、边界模糊、目标极小且重叠的医学结构提供了新思路。
AskChem将化学文献的检索单位从“论文”变为“带出处的原子化声明”，使AI阅读器在AskChem-Bench上的可解析DOI率达到100%（无检索为88.3%），并在五个被测系统中获得最高引用密度。
值得关注：AskChem将检索单元从文档级推进到声明级，并且每个声明自带出处，这一转变直接回应了科学文献综合中的可验证性痛点。对于AI代理而言，它可以更可靠地获取、引用和综合化学知识，为未来的科学问答、文献综述和自动发现工作流提供基础设施。
APO（Atomic Policy Optimization）提出了一种完全无监督的对齐框架，用“内在物理一致性”替代依赖真实坐标的监督偏好学习，在晶体和抗体结构预测任务上超过全监督基线；但具体实现细节和数值指标需以原文为准，部分细节待核实。
值得关注：这项工作提示：与“有噪声的监督坐标匹配”相比，“内禀物理一致性”可以成为更好的对齐指导信号。它可能在数据稀缺、标注昂贵的科学场景中提供一条更可扩展的建模路线。
本文研究批准制委员会选举中 Thiele 投票规则的胜者确定问题，在 Voter Interval（VI）域上为 PAV 及其他 Thiele 规则设计了 FPT 算法，并解决了文献中两个开放问题：每个候选人至多被两名选民批准时存在多项式时间算法，以及以胜出委员会总得分为参数的 FPT 算法。
值得关注：PAV 在 Voter Interval 实例上的计算复杂性是该领域尚未完全解决的核心问题之一。本文并未宣称完全解决该问题，但通过 VI 域上的 FPT 结果和两个开放问题的解决，提供了新的算法边界。对计算社会选择而言…
AISPA 是一个面向用户的系统提示（system prompt）审计框架，用八个维度评估商业 AI 产品中由开发者配置的系统提示指令，并对 88 个商业 AI 产品中的 3,249 条指令进行审计，发现保护用户类指令虽已广泛存在但覆盖深度不足，同时约 40% 的产品仍包含至少一条有损用户利益的指令，凸显系统提示需要更高的透明度、标准化和独立监督。
值得关注：这项工作将“不可见”的系统提示转化为可量化、可审计的对象，为 AI 应用部署层面的信任与问责提供了基于大规模商业产品样本的证据。与已有相关卡片中的模型压缩、测试时选择、运筹学公式选择等主题相比，本条属于大模型治理、透明…
该论文认为，生成式AI系统在训练数据、设计协议、评估基准、用户反馈和公共评论等层面，再生产了以“内圈”英语规范为标准的语言意识形态，并可能使非支配性英语使用者被与“AI生成语”混为一谈；同时，AI也可能通过广泛语料和全球南方用户的标注工作带来“标准化悖论”——既同质化英语，又多元化英语。
值得关注：将大模型讨论从“性能表现”扩展到“语言权力”：LLM不仅是技术系统，也是语言意识形态被（再）生产的场所。 为AI公平性讨论增加社会语言学维度：除了种族、性别等偏见，还需关注英语内部变体的等级制，以及全球南方群体的语言主…