SAEVerbalizer 通过将稀疏自编码器（SAE）的解码器方向注入大语言模型（LLM）的表示，并微调 LLM 下游层，使模型直接为 SAE 特征生成自然语言解释，从而绕开依赖外部行为观察的传统解释路径。
值得关注：SAEVerbalizer 代表了一种从“观察行为推测特征含义”转向“从表示方向直接解释”的路径。相比传统方法，它可能降低大规模解释 SAE 特征的计算成本，并推动跨模型、跨字典的可解释性工具复用。本卡片在既有可解释性…
LLM编码智能体的“匹配执行分数”并不能区分命令生成错误与生成后被接口（序列化、包装、重新解析）引入的故障；QuoteBench通过精确最终状态验证测量这一边界，结果显示披露边界后模型恢复能力差异巨大，因此评估应报告完整配置而非只报匹配分数。
值得关注：说明匹配分数并非模型的固有属性；同一个模型在不同“模型配置、生成契约、执行路径、工作点、最终状态验证器”下可能表现完全不同。 对命令型LLM智能体的评估提出了新的报告规范：应披露完整上下文，避免将匹配分数作为唯一指标。…
PlayWorld 提出用多模态“智能体玩家”（Agent Players）代替固定动作序列，来评测视频世界模型在长时程目标下的表现；实验显示，当前九种先进世界模型在长时程交互目标上仍不可靠，尤其在空间一致性和持久状态演化方面。
值得关注：现有评测往往用固定动作条件检查视频一致性和可控性，难以评价模型在真实用户“带着目标去探索”时的表现。PlayWorld 把人类玩家的行为模式转成可复现的智能体评测范式，为视频世界模型的可比性、可解释性提供了新框架，也为…
机器学习决策系统能达到的性能不是由算法复杂度单独决定，而是受制于底层数据生成过程的结构性信息界限；想在预测上突破，必须先有足够好的数据模型。
值得关注：这篇文章提供了一个统摄性视角：从信息论极限出发，把分类误差、估计精度、依赖建模和 LLM 智能体动力学放在同一个框架下讨论。相比已有卡片中“生成模型水印取证的熵率定律”这类具体紧定律，本条是更一般化的理论定位，增量信息…
OmniScientist 是一种端到端、全模态、全学科的 AI 科学家系统，直接从异构原始证据开展多学科研究；在 36 个真实数据案例中全部完成“原始数据 → 可编译论文”的全流程，且直接感知相比“只接收预计算标量特征”的盲变体在 7 个评估维度上均更优、在 85% 的成对比较中胜出。
值得关注：这项工作把“AI 做科研”的焦点从“工作流自动化”推向“完整证据访问”。它提示：即使论文写作和代码执行都已自动化，若智能体看不到原始时空、跨通道和程序性证据，科学结论仍可能缺乏坚实基础。OmniScientist 的增…
本文提出 ARMDIL（Adaptive Router for Multi-Domain Image classification with LLMs），利用多模态大语言模型（MLLM）作为路由器，为每张图像动态选择最合适的视觉骨干模型，以提升跨数据集、跨域图像分类的鲁棒性与可适应性。
值得关注：本文的增量信息在于：不同于此前卡片涉及的固定协议基准测试、域偏移分割方法或单 LoRA 风格迁移，本卡片聚焦于用 MLLM 作为“路由决策器”来动态选择视觉骨干，属于异构集成与跨数据集泛化的交叉方向。它展示了将大型语言…
本文提出一种不需要选定下游任务或验证集、仅依据预训练轨迹即可衡量单个训练样本影响力的方法，并在 Pythia 与 PolyPythia 的 18 种配置上发现：训练早期文学类数据与最终参数轨迹的对齐更强，后期 STEM 类数据的对齐更强。
值得关注：该工作不依赖具体下游任务就能追踪训练数据的影响，可能有助于理解预训练动态、改进数据配比或设计更可控的训练流程。相比已有卡片中涉及的任务感知数据选择（如 PPL-Factory）或自生成数据编码（如邀序编码），本卡片的增…
MARC v1 是一个开源、模型无关的确定性多智能体编排框架，用角色分工和可追踪中间输出替代单体 LLM 提示，面向临床推理，并支持 YAML 配置与 CPU 本地部署。
值得关注：MARC 将多智能体编排从自由对话转向确定性流水线，并强调可解释性与失败归因，这是临床 AI 落地中的关键需求。其 Decomposer 免去手动提示设计，YAML 配置对非程序员友好，扩展了多智能体框架在专业领域的可用性。
MapRoute++ 是在 Genμ 2.0 挑战赛 Task 3 中提出的视觉概念遗忘方法。它在 MapRoute 基础上加入任务特定训练目标、更丰富的概念表示和语义路由，在 Stable Diffusion v1.4 的官方基准上以 ERR 指标平均超过当前最优基线 12.1%，同时强调保留无关概念和语义相邻概念。
值得关注：与已有概念遗忘方法（如 TILDE 的分布对齐路线）不同，MapRoute++ 的增量信息在于： 将“语义路由”引入概念遗忘，按概念选择映射器，而不是单一全局修改； 强调保留“语义相邻概念”（semantically …
在完整自动驾驶软件栈 Autoware 上，LLM 辅助动态分析的主要瓶颈不是候选弱点生成，也不是模糊测试，而是“构建集成”（build integration）；研究预算内未动态确认任何候选弱点，观察到的崩溃全部来自桩代码而非 Autoware 本身。（待核实）
值得关注：自动驾驶软件涉及安全关键控制，弱点若被攻击者利用可能造成严重后果。 过去静态分析会产生大量候选弱点，但动态验证困难；本研究尝试用 LLM 把这一过程自动化。 结果显示：与其继续只优化候选生成或模糊测试，不如重视构建集成…
本研究提出一个以美国小学五年级及以下知识为边界的 88B token 预训练语料 LITTLECURRICULUM，并从中训练出 5B 参数模型 LITTLELEARNER，作为研究模型知识获取与能力边界的可控沙盒；初步实验显示，后训练和上下文学习能让模型更好地利用已有知识，但不会让能力扩展到课程范围之外。
值得关注：现有大模型训练语料混杂，知识暴露难以刻画；LITTLECURRICULUM/LITTLELEARNER 把训练范围变成可解释的课程边界，使“模型学过什么”和“模型知道什么”之间的因果链条更清晰。 与已有相关卡片相比，本…
许多临床预测模型把干预后结局视为从基线测量到未来终点的“单步映射”。但实际术后恢复往往是一条不规则轨迹：临床观察、用药调整、再次干预、生理测量等事件异步发生，并可能随时间改变风险判断。
值得关注：它把“世界模型”思路引入临床术后结局预测：不是一次性给出风险标签，而是用潜在状态表示患者恢复过程并随时间更新。相比传统单步预测，它能利用 90 天恢复窗口中的异步临床记录，并且使用训练期影像监督来降低推理时对随访影像的依赖。
Intern-S2-Preview 是一个面向科学发现的多模态智能体基础模型系列，通过“科学多模态预训练 + 统一后训练（SFT、多任务RL、智能体RL、蒸馏）”的流水线，在科学、多模态、智能体和通用基准上取得有竞争力或领先的结果；其中 397B 模型引入了从时间序列理解到数值预测的扩展能力，而独立的 4B 记忆解码器扩展可在不修改冻结 397B 骨干的情…
值得关注：与已有机器人基础模型、行为基础模型等卡片不同，本条聚焦“科学智能体基础模型”，强调对异构科学证据的多模态推理与长时程智能体任务。增量信息包括：① 时间序列建模从理解扩展到数值预测；② Memory Decoder 提供…
HumanTracker 是一个专门用于人形机器人运动跟踪评估的基准与指标，其核心是让评估结果更贴近人类在视频中的直观感知，并能捕捉传统运动学指标容易遗漏的接触与稳定性错误。
值得关注：现有评估多采用逐帧姿态误差，但与人眼感知不一致；HumanTracker 提供了规模更大、更多样化且更符合人类感知的评估工具。 相比已有相关卡片（如 ergoCub 人机协作优化），本卡片聚焦于“评估基准”这一层，为具…
GS$^{2}$CI: Robust Gaussian Splatting For Snapshot Compressive Imaging via Large Vision Model Priors
FineX 将细粒度动作线索分解为 RGB 外观、姿态热图几何和骨骼图拓扑三路表征，通过成对交叉注意力与潜空间稀疏专家混合（Sparse MoE）进行融合，在 Gym99、Gym288 和 Diving48 上达到当前最优结果；在长尾分布明显的 Gym288 上，平均类准确率从 68.6% 提升到 76.2%（+7.6 个百分点），且不依赖文本监督或大规模…
值得关注：细粒度动作识别的难点在于“看起来很像，但动作不同”。FineX 的价值在于同时保留 RGB 的视觉上下文、姿态热图的几何信息以及骨骼图的拓扑结构，并用潜空间稀疏专家按内容动态路由，从而提升对微小差异的判别能力。相比同类…
将一个可控单量子比特与常规传感器耦合，可在学习经典信号时将所需测量次数指数级减少，并在超导腔-量子比特实验中实现10^7倍测量次数缩减。
值得关注：表明近期的量子技术已能在实用任务中指数级增强我们从经典信号中学习的能力。 为系统识别实际实验任务中的严格量子优势提供了新框架，超越了传统量子Fisher信息方法的边界。 与已有相关卡片相比，本条聚焦于单量子比特传感与经…
多标签 Jaccard 度量（IoU）的精确凸校准需要指数多个预测坐标；如果只要求固定加性遗憾容差，则存在多项式预测维数的凸替代损失。
值得关注：Jaccard/IoU 在多标签分类和二元分割中非常常见，但它的损失矩阵结构复杂。该论文给出了一个清晰的维数分界：精确校准与近似校准之间存在指数/多项式鸿沟，这为设计以 IoU 为目标的凸替代损失提供了理论边界。它也展…
视网膜基础模型的潜在空间可以作为临床可控视网膜图像合成的基质，生成结果能保留临床表型信息；但用真实图像训练的分类器评估时，这些优势消失，存在“合成-真实表征差距”（synthetic-to-real representation gap）。
值得关注：该研究将基础模型的用途从“理解/表征”延伸到“可控生成”，为眼科影像的数据增强、医学教育或模型训练提供新可能。 提示生成模型评估结论可能受评估模型来源影响：同源评估可能高估生成质量，需要加入真实图像训练分类器进行跨域验…
从三维平衡密度场可以直接学习经典密度泛函理论中的超额自由能泛函，同时保持空间对称性与变分一致性，且无需自由能或化学势标签；单个学习到的泛函可跨温度、体系尺寸与统计系综迁移，并能复现结构因子、状态方程、液-气共存和界面展宽等非训练目标。
值得关注：该工作将经典密度泛函的学习从平面或低维设置推进到全三维，同时保留了空间对称性与变分一致性。相比已有相关卡片中关于机器学习原子间势优化器或Transformer学习的内容，本条聚焦液体状态的热力学泛函学习，属于不同脉络；…