TYTAN 将符号化的数据库分析与 LLM 语义推断结合，并只在证据不足时向用户追问，从而自动从关系数据中构建分析语义模式；在摘要报告的评测中，覆盖率和检索指令可执行率均达到 100%（1,678/1,678），语义角色与参考模式的一致性为 92–100%。
值得关注：TYTAN 不只是又一个“自然语言转数据库查询”的中间层，而是展示了一种值得关注的组合模式：LLM 负责语义推断，符号分析保证可执行性，交互式提问处理不确定性。
TS-RAG 提出了一种将检索增强生成（RAG）用于时间序列预测的新框架，通过专门的 reference tokens 融合输入序列与检索到的相似序列，并在多个真实世界预测基准上宣称取得了一致的先进性能（具体数值待核实）。
值得关注：这是将 RAG 从自然语言处理扩展到时间序列预测的一次直接尝试，填补了该方向研究的空白（根据摘要表述）。 与已有相关卡片相比：DynaKRAG 侧重多跳问答中的证据控制，Earthquaker-AI 侧重教育场景中的 …
TrajDebug 提出一种按“错误生命周期”追踪 LLM 智能体长轨迹的新框架，通过区分局部错误与真正导致最终失败的关键错误，在多个智能体基准上取得最优总体性能，并配套构建了 486 条人工标注的失败轨迹基准 TrajErrBench。
值得关注：长时程智能体系统中的错误级联是实际落地的主要障碍之一。已有相关卡片多从“提升能力”入手，如技能对齐、主动记忆、视频世界模型；TrajDebug 则从“事后诊断”切入，把错误定位从“找单点错误”扩展为“追踪错误生命周期”…
Nimblemind多智能体系统（nMAS）能够在心力衰竭电子健康记录（EHR）数据上自动生成可审计、可追溯的特征，使HFrEF表型分型的held-out AUROC从0.895提升到0.963，HFpEF从0.870提升到0.910。
值得关注：心力衰竭EHR数据复杂且涉及大量临床判断，传统人工特征工程效率低、可维护性差。nMAS提供了一种“证据链接”和“可审计”的自动化方案，让特征生成过程更透明，有助于提升临床AI的可信度。
本文发布了一个专家验证的孟加拉手语（BdSL）图像数据集 RSBdSL38，并提出了一个仅 298,470 参数的轻量注意力卷积网络。该模型从零训练在 RSBdSL38 上达到 96.37% 准确率（五种子均值 95.72% ± 0.54%），性能接近九种 ImageNet 预训练高效架构的最优水平，但参数量和计算量低一个数量级以上；量化后可在普通智能手机…
值得关注：首次同时提供专家验证的 BdSL 数据集和适合端侧部署的轻量模型，填补了现有受控数据集与真实部署之间的缺口。 以极低参数量接近预训练大模型性能，为资源受限场景下的手语识别提供了新思路。 该工作将基准准确率转化为可部署的…
本研究提出并外部验证了一个基于 Mask R-CNN 的牙齿定位与编号模型（TLNM），仅用智能手机拍摄的口腔照片即可实现牙齿级别的检测、编号和分割；在内部测试集和独立外部数据集上均取得较高性能，且以开源容器化 API 形式提供推理管线。
值得关注：这是少见的针对智能手机照片进行牙齿检测、编号和分割并从外部数据集验证的工作，且公开提供容器化推理 API。与依赖放射影像或口内相机的既往方法相比，它面向公众自采数据场景，可能拓展口腔健康的预防性筛查和远程医疗边界。
GEM-3 提出了一种可配置时间步长的概率全球天气预测模型，用同一套权重在推理时选择不同时间步长，从而在短期精细预报与长期误差累积之间取得平衡。
值得关注：这项工作突破了固定时间步长对机器学习天气预报模型的限制，将时间步长从训练时固定的超参数变为推理时可调节的配置项，为短期精细预报和长期稳定预报提供了统一的模型基础。相对已有脉络，它是 GEM 系列从 GEM-2 到 GE…
SG-TULA 是一种直接使用次梯度并借助驯化（taming）技巧的显式 Langevin 采样算法，适用于势能同时非光滑、具有超线性梯度增长且非凸的目标分布；它在 Wasserstein-2 距离下给出非渐近收敛界，并在 GPT-2 谱系语言模型的正则化预训练势能上验证了假设，其坐标式增强变体在以预训练任务对比微调后的 AdamW 与 Muon 时具有竞…
值得关注：填补了非光滑、超线性、非凸三者同时出现时 Langevin 采样理论的部分空白。 避免光滑化步骤，使算法更直接、计算成本更低。 将采样算法与 LLM 预训练势能联系起来，为基础模型训练中的优化器选择提供了新视角：从“启…
视频语言模型在看似简单的视频事件计数任务上存在系统性时间推理失败：即便是低频事件，模型也可能完全无法可靠计数；提高采样率可以提升最终答案的分数，却无法带来忠实的事件级恢复。
值得关注：这项研究把视频语言模型的评测从“最终答案准确率”推向“时间推理失败模式诊断”。它揭示了一个关键现象：最终计数正确率可能被额外采样率或提示策略“刷高”，但模型其实并没有忠实跟踪事件序列。因此，只优化基准分数可能掩盖底层时…
“用图像思考”让多模态大模型调用裁剪/缩放等视觉工具来“看图”，但因果审计发现：即使聚合准确率有提升，视觉工具使用在大范围 rollout 中并不因果有效；提升集中在少数校准良好的轨迹上，因此存在“视觉工具使用的幻觉”。
值得关注：为“用图像思考”类方法提供了一种可复用的因果审计框架，超越单纯比较准确率。 提出三层干预和 Visual Evidence Gain，能够定位是“调用不看”还是“看了不规划”。 对工具使用型 Agent 的评估有启发：…
将工具调用从“原生 JSON 调用”改为“程序化工具调用（Programmatic Tool Calling, PTC）”，在 BFCL v4 基准上对 14 个语言模型的评测中，多数情况下能匹配甚至超越原有基线，并在并行与上下文退化条件下表现更稳定；但部分细节因未能抓取论文正文而待核实。
值得关注：工具调用是将大语言模型从“只能输出文本”转变为“能执行行动的智能体”的关键机制。此前主流做法是让模型生成 JSON 去调用工具，但 JSON 格式在表达复杂链式、并行逻辑时较为僵硬。本文给出的“苦涩教训”式结论是：与其…
Surv-IPTB 提出了一种基于注意力机制的框架，将生存数据中的个体治疗获益概率（IPTB）估计转化为二元分类问题，并在非线性合成数据集上相比传统 meta-learner 基线表现更稳健。
值得关注：已有因果生存模型多聚焦于平均效应，难以回答“这个患者到底该不该用药”。Surv-IPTB 直接输出个体层面的治疗获益概率，并用注意力机制处理配对比较，为个性化医疗决策提供了更直接的建模思路。相比已有相关卡片中的方法，本…
本文提出一个强化学习框架，在持久图（Persistence Diagram, PD）空间上定义可控制的随机动力学，使持久图可以通过拓扑感知的局部编辑逐步演化，并能在保留主要拓扑结构的同时降低图的复杂度。
值得关注：将强化学习引入持久图空间，赋予“拓扑摘要”以动态演化和生成能力，突破了以往静态统计分析的限制。 结合遍历性理论，为持久图空间上的平稳分布和概率推断提供了理论依据。 潜在应用包括自适应拓扑简化、带特定拓扑约束的生成建模，…
本文提出一种向量自回归滑动平均（VARMA）模型估计框架，使每次优化迭代的成本与序列长度 \(T\) 无关，从而将基于似然的VARMA估计推广到实践者此前只能使用VAR模型的中等维度问题。
值得关注：该工作将VARMA类模型的可行规模大幅扩展，同时保持每次迭代成本与数据长度无关。它使建模者可以使用MA项来压缩长期依赖，而不必退化为高阶VAR，这是对时间序列建模工具的重要补充。
RxnCLF 是一个基于“浓缩反应图”（Condensed Reaction Graph, CRG）的自监督对比学习反应基础模型，在 170 万条 Pistachio 反应数据上预训练，能够在多个反应产率预测基准上优于图基与序列基线，并学习到具有变换感知性和化学可解释性的反应表示。
值得关注：RxnCLF 的直接价值在于改善了反应表示学习：它不像传统编码那样把反应物和产物分割开，而是用单一图结构表达“从反应物到产物”的变换本身。该方法利用自监督学习从大量无标注反应数据中获取表示，缓解了标注数据稀缺的问题。与…
本文提出 RRC（Ranking-based Reward Construction），通过从相对偏好排序中构造奖励信号，解决生成式奖励模型与现有强化学习标量打分范式之间的不匹配，从而显著提升生成式奖励模型在 LLM 强化学习中的训练效果。
值得关注：生成式奖励模型已被视为奖励建模的新范式，但此前的 RL 使用方式仍受标量奖励限制；RRC 直接桥接了生成式奖励的“比较本性”与 RL 的“标量需求”。 与既有“奖励结构塑造探索与记忆交互”“证据感知奖励”等卡片相比，本…
RP-OPSD 提出用“推理支点”来引导同策略自蒸馏：先区分目标语言推理中的“表面文本”与“推理支点”，再用教师视图在有/无英文参考解时的分布偏移来定位这些关键决策，从而在数学推理基准上优于强多语言推理基线和已有 OPSD 变体。
值得关注：RP-OPSD 为“在 rollouts 中哪些 token 应被重点蒸馏”提供了新的选择标准：不是简单按位置或概率加权，而是按是否属于推理支点。 该方法的识别信号不要求显式标注推理支点，而是用“有/无英文参考解”的教…
本文提出一个从人类演示中学习机器人运动轨迹的框架，生成的轨迹在21人用户评估中获得71.50/100的整体类人评分（SD=22.56），表明大多数轨迹被感知为“更像人类”；同时发布了包含3142条手写字母轨迹的开源数据集，作为可复现基准。
值得关注：LfD提供了一种“发展式”的机器人技能获取思路：机器人通过观察和模仿人类动作学习，减少每一步都需要显式编程。类人运动不只是风格问题，更是建立信任、实现自然人机协作的关键。该文把运动生成与人的主观感知评估结合起来，并公开…
该论文提出一个正式的机制设计模型，让经过验证的人类利益相关者通过“治理币”表达支持或拒绝，最终把净支持转换为受安全上限约束的计算预算授权，并借助硬件签名的计算许可证让治理决策自我执行。
值得关注：多数 AI 治理讨论停留在原则、审计或公告层面；该模型尝试把治理变成博弈论上可分析、资源上可执行的机制。 以计算预算作为控制变量，比纯文本政策更可验证，也为算力监管提供了理论入口。 它把“人类能否持续控制已部署 AI”…
QuanTiMedAI结合智能体LLM进行临床特征选择与紧凑量子循环网络进行时序建模，在MIMIC-IV心脏骤停患者死亡预测任务上仅用605个参数取得AUROC 0.852，比当前最先进基线提升约2.9%。
值得关注：已有相关卡片分别涉及时间序列基础模型的语料库、以及大语言模型预算感知的测试时选择；本条卡的增量信息在于：将量子增强循环网络与智能体AI结合，应用于重症临床时序预测任务，用极低参数达到更优判别表现。这提示“小参数+量子非…