ParVL 提出一种不直接扩大模型参数、也不增加顺序推理计算的多模态大模型缩放框架：通过复用现有 ViT 和 LLM 骨干参数、在多个视觉/语言分支上分配共享骨干的计算，从而在固定骨干参数预算下实现并行缩放，并系统研究视觉与语言模态之间的计算分配权衡。
值得关注：ParVL 将缩放视角从“增加参数”或“加深顺序计算”转向“固定骨干、并行分支、可分配计算”，为多模态大模型提供了一种更低内存/延迟开销的扩展路径，也为任务自适应的视觉/语言计算分配提供了新思路。
在 Mamba-2 130M 模型上的受控实验中，Muon 优化器的收益具有局部性：仅对输出投影使用 Muon 优于对输入投影或同时对两者使用；优势主要体现在 token 效率上，且条件数不能解释这一收益。
值得关注：为谱优化器在状态空间模型上的应用提供了受控证据，说明 Muon 并非“处处有效”，其收益高度依赖应用位置。 与既有 Mamba 相关卡片关注内部状态测量、推理适配器、图像恢复不同，本卡片增量信息在于：Mamba-2 训…
本文发现归一化仿射参数（如 BN 的 scale/shift）是决定量化鲁棒性的“低维高杠杆”子空间，提出 Normalization Affine Preconditioning (NAP) 方法，通过在量化图上只微调仿射参数（PTQ 场景）或交替进行特征学习与数值校准（QAT 场景），即可恢复严重崩溃的低比特量化精度，并超越饱和的全参数联合训练。
值得关注：挑战了“全参数联合训练/优化”的默认做法，揭示“低维子空间定向优化”原则。 与已有相关知识卡片相比，本条首次引入“神经网络量化中的低维子空间优化”视角，且方法上同时覆盖 PTQ 与 QAT，并给出理论解释，属于增量信息。
在扩展到 100B token 规模的评估中，先让语言模型在“形式推导（formal derivations）”数据上进行前置预训练（Logic-PPT），能显著加速自然语言技能习得：达到 80% 准确率比标准初始化少用 36B token；并且这种训练方式带来的内部表征几何特征，使模型在约 33% 稀疏度剪枝下仍能匹配密集基线性能。
值得关注：这是少数将前置预训练研究推到 **100B token** 规模的工作，能更可靠地观察技能涌现和表征演变。 提出了比 Dyck、程序化算法等更接近自然语言核心机制的前置预训练任务：**形式推导**。 揭示了训练数据先验…
本文提出潜奖励寄存器（Latent Reward Registers），通过在冻结的 Diffusion Transformer（DiT）输入序列前添加可学习、位置无关的寄存器 token，直接从中间噪声潜变量估计最终样本的偏好奖励，从而为整个去噪过程提供密集、可微的奖励信号；并据此设计了训练端策略 RG-OPD 与推理端策略 RGS，分别实现更省算力的偏…
值得关注：它针对扩散模型对齐中的稀疏奖励与时间信用分配难题，提供了一种不修改生成器参数的密集奖励读出机制。与已有的 AURORA-LM（扩散语言建模）、PointDiT（单目几何估计）、Align4D（X-to-4D 生成）等卡…
JoyAI-Video-Edit 是一个 16B 参数的自回归扩散视频编辑框架，可在不访问未来帧、无需预设视频时长的情况下，以单张 NVIDIA B200 GPU 实现约 30 FPS 的端到端 720p 实时视频编辑，并在自动与人工评测中优于现有流式编辑器、与强离线系统表现相当。
值得关注：与已有卡片涉及的 SAM-MT（视频目标分割）、X-Lens（单目深度估计）、FlowMimic（视频编辑训练数据生成）不同，JoyAI-Video-Edit 直接面向“实时开放式视频编辑”这一生成任务。它展示了自回归…
本文提出一种基于轻量级模糊控制器的自适应测试时采样方法，利用提示复杂度和模型置信度等可解释信号，为每个查询分配不同的采样预算，从而在减少平均采样数的同时保持与全预算控制接近的性能。
值得关注：该工作区别于固定预算的测试时缩放：它将推理时计算的使用方式从“不可检查的固定分配”转向“可解释的自适应分配”。相较于已有相关卡片中提到的预算感知模型选择或图像生成测试时优化，本条增量在于“模糊控制器 + 可解释信号”这…
该研究将 GFlowNets 的前向策略训练置于轨迹采样器的信息几何视角下，提出基于 Fisher-Rao 度量与自然梯度的结构感知优化框架，并区分了三种可计算性场景。
值得关注：已有相关卡片多为大语言模型或生成模型工程优化，本条聚焦 GFlowNets 这一概率推断框架，且从信息几何视角统一了自然梯度更新与图模型近似工具，属于方法论层面的增量贡献。 相比于已有卡片中的任务（户型图生成、超级权重…
因果感知（causal perception）指多个智能体对同一系统持有不同的结构因果模型（SCM），从而在相同干预下推断出不同概率分布。本文首次将这一纯理论框架落地实现，并在德国信用数据集上证明：公平性判断是相对于智能体 SCM 而“情境化”的，竞争性世界观不能被忽视。
值得关注：这是因果感知框架的第一个实现，弥补了从理论到算法的空白。 它将公平性讨论从“该用哪个公平指标”推进到“该用哪个因果模型”。 增量信息：已有相关卡片未涉及因果感知或 SCM 公平性；本条的核心增量是首次实现并用数据展示了…
HalluTruthQA-4K 是一个包含 4,000 条专家精选阿拉伯语问答实例的细粒度幻觉检测与事实核查语料库，在整句二元标注基础上补充了字符级错误片段、人工解释和分层幻觉类型，用于支撑阿拉伯语大模型的幻觉检测、错误定位与事实核查评测。
值得关注：该语料库将幻觉评估从“整句有无幻觉”推进到“错误在哪、为什么错、正确答案是什么”的细粒度层面，为阿拉伯语 LLM 的事实可靠性研究提供了可复用资源，并作为 HalluScoring 2026 共享任务的一部分，可能推动…
标准音乐 Transformer 在时间平移或音高移位后会对同一音乐段落产生不相关的表征，且规模越大、训练越久，等变性越差；本文提出的 Equivariant Music Transformer（EMT）通过自蒸馏加入等变正则化损失，同时提升了下一词元预测能力和表征等变性。
值得关注：首次系统指出标准音乐 Transformer 的等变性缺陷及其随规模放大而恶化的问题，提示“更大模型并不自动学会音乐平移对称性”。 EMT 提供了一种不依赖外部增强或手工特征的正则化框架，用自蒸馏实现等变归纳偏置，为音…
传统优化编译器在程序表示中缺少某些“使能语义”（enabling semantics）时，会漏掉本可盈利的优化变换。本文提出一个可执行基准SeGaBench，并系统评估LLM能否从异构C/C++上下文中恢复这类语义，将之实现为经过验证、保持契约的优化工件。
值得关注：编译器优化通常依赖程序表示中显式可得的语义；真实代码的大量语义存在于注释、命名、库契约、领域知识中，传统编译器难以利用。 本工作将LLM引入“语义优化机会恢复+验证”这一编译器研究问题，并提供了可执行基准和可复现协议。…
针对组织病理学合成图像，常规 FID/IS 可能因依赖 ImageNet 预训练特征提取器而不够有效；采用病理领域基础模型改写的 FID/IS，并联合下游细胞核分割任务验证，可能提供更好的判别力。初步结果显示，生成数据多样性的增加比单图视觉保真度的提升与分割性能的正相关性更高。
值得关注：该研究将图像生成质量评估从“像不像自然图像”引向“对病理下游任务是否有效”，为医学影像合成数据的质量筛选提供了参考思路。它也与已有图像生成评估卡片形成延续：不是只评生成图本身，而是用下游任务和领域基础模型来验证。
在文本到符号音乐生成中，决定分布保真度的关键变量是音乐表征（representation）而非模型规模；本文提出的性能分辨率音乐令牌 PMT 让 0.8B 模型在 Frechet Music Distance（FMD）上优于 27B 节拍网格模型。
值得关注：本文首次在大规模受控条件下，将音乐表征的影响与模型规模、数据和训练配方解耦，提供了一个可复用的评测框架与基线。未来领域内关于“新表征更好”的声明，可以用同一套测量方式来验证，而不是仅靠断言；同时它也提示，在音乐生成中精…
本文提出一种“物理风味神经网络”（PFNN），将拉伸指数（stretched-exponential）物理模型嵌入 CNN-Transformer 架构，直接从力-时间曲线中提取具有物理意义的收缩动力学参数，并在多种收缩表型和细胞系（含杜氏肌营养不良模型）中实现高保真参数化。
值得关注：将“物理约束深度学习”从传统固体力学/材料领域推进到生物组织功能表征，展示了物理信息神经网络在生物医学工程中的新应用。 与已有相关卡片（3D晶粒生长、双材料弹性波、PG-KINN）相比，本条的增量信息在于：将物理模型嵌…
当基础模型智能体在社交困境中进行最优规划时，会稳定收敛到合作，而不是经典博弈论预测的相互背叛；这种合作源于“嵌入式贝叶斯智能体”通过相似性推断，将自己的决策过程作为他人行为的证据。
值得关注：现有博弈论框架基于“解耦能动性”假设，可能不适用于现代 AI 智能体。本文首次提出从“解耦”到“嵌入”的范式转变，为基础模型智能体的集体行为提供解释框架，并给出了一个不同于纳什均衡的理论核心。与已有基础模型相关卡片（如…
MiniMax发布通用全模态生成模型H3，支持文本、图像、视频、声音的统一理解，可输出原生双声道音视频；最高支持15秒2K分辨率，2K每秒价格不到主流模型三分之一，并将在未来几天开放模型权重。
值得关注：当前视频生成领域多聚焦于“文本/图像到视频”的单项生成能力，H3强调全模态统一理解与生成，并将“原生双声道”作为产品特性，意味着音视频同步生成而非后期配音。相较于已有的材料发现、机器人、3D生成等卡片内容，本条是生成式…
Ori Eval 是 OpenRouter 推出的评估工具：它用你自己的提示词运行你的 agent，断言 agent 调用了哪些工具，并用 LLM 评判开放式答案，从而帮你找到“最适合你正在构建的东西”的单一模型，并给出可验证的证据。
值得关注：Ori Eval 不是又一个静态排行榜，而是把评估嵌入到开发流程中：它扫描真实代码库、基于真实调用场景生成测试，并让回归检查成为 CI 的一部分。它延续了 OpenRouter 从模型聚合平台向智能时代基础设施演进的方…
NVIDIA Vera CPU在存储原语微基准中，相比对比用的x86 CPU，实现了最高1.29x至3.67x的吞吐提升，覆盖加密/解密、Reed-Solomon恢复、CRC32C完整性检查、压缩/解压及多阶段流水线。
值得关注：Agentic AI工作流中，存储是活跃部分，每个代理步骤触发多次存储操作，CPU侧处理的性能决定数据流动速度。 传统CPU扩展需要更多核心、功耗和散热，且受最慢步骤限制；Vera通过统一架构将AI基础设施的代理执行和…
Epoch AI 在其官网上推出“AI Capabilities and Benchmarking Hub”（AI 能力与基准测试中心），目标是建立关于基准测试结果的数据库，展示领先 AI 模型在挑战性任务上的表现。该数据库既包含 Epoch AI 内部评测的基准，也包含从外部来源收集的数据，支持按时间、基准或模型探索 AI 能力趋势。
值得关注：该中心是一个聚合型基准测试基础设施：不同于单个基准（如 AA-Briefcase 或模型融合实验），它同时提供自建基准、外部基准和模型开发者基准的汇总视图，并给出趋势分析入口。这为研究机构、政策制定者和产业界提供了一个…