本研究提出一种基于腕戴式多模态传感器数据的深度学习融合框架，用于检测和分类身体聚焦重复行为（BFRB），在二分类检测中达到F1分数0.985、AUC 0.997，在九分类方案中宏平均F1为0.700、AUC为0.963，优于单模态基线。
值得关注：这项工作将多模态可穿戴传感与深度学习结合，针对精神障碍相关的细微动作进行客观检测，弥补了传统主观评估和早期识别困难的不足。与已有“基于LoRA的级联多模态融合用于医疗培训动作识别”卡片相比，本条不是在培训环境下的通用动…
Taboo 是一种零提示（zero-prompt）的运行时诊断压力测试，通过动态屏蔽 logit 空间中的高概率候选 token，强制大语言模型偏离其“标准生成路径”，从而评估模型在真实部署约束下的鲁棒性。本结论基于论文摘要元数据，具体机制与数据待核实。
值得关注：现有评估多聚焦于“名义路径”性能，而 Taboo 直接在解码层制造扰动，更贴近真实部署中的约束场景。 与已有“LLM 测试生成”“测试时缩放”等卡片相比，本条增量信息在于“解码层干预”这一原语：不改变输入提示，而是从输…
现有基于置信度的无验证器测试时缩放（VF-TTS）方法在复杂任务上会灾难性失效，因为“全程高置信度”往往对应探索不足和自信的错误；本文提出 Consilience 框架，通过显式建模置信度的时间不对称性——惩罚初始高置信、要求最终高确定性——来挑选更稳健的推理轨迹，并在研究生级数学和自由形式代码生成上超过基线。
值得关注：本文是对“无验证器测试时缩放”中置信度利用方式的重要更新。已有卡片讨论了自适应采样、迭代优化和重采样/重路由，本条增量信息在于：揭示了置信度基 VF-TTS 在复杂任务上的失效模式，并给出了可操作的轨迹级选择标准。 为…
CEAA 提出一种模块化、面向实现的认知架构，用于在实时交互式 3D 计算系统中部署具备认知能力的具身智能虚拟代理（IVA），旨在弥合高层智能体推理模型与实时具身执行之间的鸿沟。
值得关注：CEAA 与已有相关卡片中的智能体架构不同，其增量信息在于：它明确面向“具身”智能虚拟代理，并以工程可实现性为核心，将 Sense-Think-Act 与 BDI 等成熟认知模型组合为可供复用的模板，而非聚焦于情感记忆…
目前的自动化 TTS 评估方法（MOS 预测器与音频大模型裁判）并不能可靠覆盖听者实际感知的多样语言维度：MOS 预测器主要塌缩到声学信号质量，音频大模型裁判则是选择性且依赖提示词的检测，两类方法都难以全面捕捉语言结构性的语音错误。
值得关注：现有自动评估指标常被当作人类听感的代理，但本文首次在维度层面对两类主流的自动化评估器进行系统性检验，揭示其盲区。 与已有相关卡片中的 SPEARBench 相比：SPEARBench 关注流式语音到语音对话模型的自然度…
CEAVAD 将视频异常检测的判断单位从“孤立异常概念”改为“可证伪的事件假设”，通过让“危险解释”与“良性解释”在视频证据面前相互竞争，无需目标域训练即可建立推理时的异常决策边界；在三个广泛使用的 VAD 基准上，该方法达到免训练范式下的最优性能。
值得关注：指出现有免训练方法的盲点：更强的异常描述不必然解决“异常性判定”问题。 提出一种概念上的新策略：不直接定义什么是异常，而是让“危险解释”和“良性解释”在具体视频证据前竞争、被裁定。 与既有相关卡片的关系：已有卡片中没有…
BDH-CQ 是一种将上下文学习与循环潜在推理结合的新推理模型：推理时输入不断更新模型的循环记忆，模型在高维潜在空间中迭代计算求解，而不把中间推理过程写成文字。论文报告，150M 参数配置在公开 ARC-AGI-1 评测集上达到 29.5% pass@2，每个任务计算成本约 \$0.0007，突破了此前报告的 ARC-AGI-1 成本-准确率帕累托前沿。
值得关注：BDH-CQ 说明“隐性/潜在推理 + 循环记忆”可以在不输出 Chain-of-Thought 的情况下获得较强的推理性能和极低计算成本。 这为“测试时计算”提供了一条不同于显式推理文本的路径：模型可以在潜在空间中反…
ArchAgent v2 将智能体自动化设计扩展到了多级数据预取：据候选摘要，它在第4届数据预取锦标赛（DPC4）规则下自动设计出一个三级预取器，IPC性能优于手工设计的冠军方案。因原始正文未抓取，具体数字与实验细节待核实。
值得关注：与已有相关卡片不重复：本条不是 LLM 压缩、数据分析基准或医学文本挖掘，而是智能体自动化设计在“计算机体系结构”领域的前沿应用。 增量信息在于：原 ArchAgent 只做到单级缓存替换策略；ArchAgent v2…
本文提出在机器人规划与执行之间加入一个由大语言模型（LLM）驱动的“验证层”（verification layer），用LLM-as-a-Judge集成对规划动作进行“允许性”审查，将计划分为批准、拒绝/重写或升级人工审查，从而提升机器人自主系统的安全性与对抗鲁棒性。
值得关注：填补了机器人自主性研究中“规划验证”环节的空白：以往系统大多优化规划能力，而缺少对动作伦理、安全、对抗风险的显式检查。 提出了一种可组合的LLM评判集成机制，不依赖单一模型的判断，提高了验证可靠性。 与既有卡片的关系：…
作者提出，当前“生成-排序”（generate-and-rank）的自动化研究范式忽视了**稀疏反馈**问题；自动化研究应该像灰盒模糊测试一样，用廉价、密集的认知进展信号来引导下一步实验，并由不受自适应复用污染的最终验证来判定真正发现。
值得关注：增量信息：已有卡片讨论过形式化验证、循环不等于可靠性、多智能体社会结构等；本条直接把自动化研究类比为灰盒模糊测试，提出“反馈架构”而非“生成能力”是主要瓶颈。 重要含义：没有密集反馈信号时，研究者只能事后筛选海量候选；…