本文提出一个通用框架，用“规模-权重前沿”（size-weight frontier）刻画合成数据增强统计推断时的样本量与权重配置，并从历史任务中估计该前沿，从而对前沿上或下方的所有配置同时给出有限样本覆盖保证。在利用大语言模型回复增强民意调查数据的实验中，该方法达到目标覆盖率并显著缩窄置信区间。
值得关注：合成数据在基础模型时代越来越常见，但盲目混合真实与合成数据会导致统计偏差。本文为多任务场景下的合成增强选择提供了原则性框架，结合历史任务信息，在不牺牲覆盖率的前提下提高推断效率。与已有相关卡片相比，本条卡片聚焦于统计推…
本研究提出 GOLLuM（Gaussian Process Optimized LLMs）——通过高斯过程的边际似然目标训练大语言模型，使其具备校准的不确定性估计，从而能够在自然语言指导下进行跨领域实验优化；仅从 10 个低性能实验出发，即可在 23 个任务上平均排名第一。
值得关注：本研究提出了一种新的基础模型专门化范式：不是通过更多数据，而是通过更丰富、不确定性引导的信息来训练模型。与已有相关卡片中的检索增强知识图谱、水印或测试时模型选择不同，本条目的增量在于：首次将 LLM 直接通过贝叶斯优化…
在LLM机器翻译中，顺序式测试时扩展（sequential sampling）相比并行式（parallel sampling，如i.i.d.采样+重排）具有更高的性能上限，其收益主要体现在翻译流畅性和自然度上；但当推理预算较大时，顺序采样反而可能损害翻译准确性。该增益可部分归因于模型能够访问更大的目标侧上下文（target-side context）。
值得关注：已有测试时扩展研究强调不应把“预算”当作一个简单标量，而要区分推理算法的结构。本文在机器翻译这一具体任务上，进一步区分了顺序式与并行式两种扩展形态，指出其收益模式不同：顺序式提升流畅性和自然度，但可能牺牲准确性；且机制…
InstructMesh 是一个面向制造的交互式后处理精修工具，允许用户通过区域选择和局部操作（如打开/封闭空洞、调整局部厚度）修复生成式3D模型的几何缺陷；其关键设计是直接在中间潜变量表示上进行编辑，使没有专业建模技能的新手也能完成制造前的几何修正。
值得关注：生成式3D模型的实际应用受限于几何不精确，InstructMesh 直接面向这一缺口，而不仅仅是提升视觉质量。 与完全自动修复或专业建模软件相比，它强调普通用户的“选择性控制”和“无需专家技能”。 与已有相关卡片的增量…
即使不同评分规则在理论上都激励模型“说出真实概率”，五种 proper scoring rules 作为 LLM 训练目标时，仍可能产生不同的校准、概率使用和误差结构；因此不能简单认为 proper scoring rules 可以互换。
值得关注：既有相关卡片已经展示过部署配置、外部制度规则、信念表达方式等因素会塑造 LLM 行为。本条的增量在于：**训练阶段奖励函数的选择**也是值得关注的干预点。五种 proper scoring rules 共享“鼓励真实概…
GeBDA 提出将建筑损毁评估（BDA）直接建模为文本序列预测任务：一个通用视觉-语言模型仅通过自回归生成，输出建筑物边界框及其损毁等级；初步实验表明，仅输入双时相卫星图像和合适的文本提示即可获得有前景的损毁映射结果。
值得关注：检验了通用 VLM 是否能把“目标定位 + 分类”的遥感任务转化为纯文本序列生成，可能简化 BDA 流程。 与已有相关卡片形成互补：HASTE 聚焦无代码评估平台，GeBDA 则关注底层建模范式；ReChannel 做…
将人工智能融入地球系统模型（Earth system models, ESMs）虽然提升了模拟与预测能力，但也显著放大了可复现性挑战；本文提出将可复现性从“事后要求”重构为混合地球系统模型的“结构性属性”，并推出 RHEM（Reproducibility in hybrid Earth system models）参考指南与实施路线图。
值得关注：AI 与地球系统模型的融合正在加速，但“能预测”不等于“能验证”。如果混合 ESMs 的可复现性问题不被正视，科学结论可能变得难以追溯、难以复核，进而影响气候风险评估、极端事件预测和可持续发展政策。
DARTS 提出了一种面向自回归解码器的模型合并后表示偏置校正方法，通过熵加权 L1 损失和逐位置加性偏置，在新增参数约 0.1% 的情况下，显著改善合并模型在代码生成、数学推理和指令跟随等任务上的表现。
值得关注：本文是少数将模型合并后的表示偏置校正从编码器视觉模型扩展到自回归解码器模型的工作之一。它揭示了因果注意力掩码带来的偏置累积问题，以及高熵 token 位置的关键性，为后续解码器模型合并后的内部表示修复提供了新的技术思路。
COVER 是一种评估契约，通过在结果生成前固定公共信息边界、下游栈 G 和有限合法团队族，使有限基准上的“路由后悔值”（oracle regret）可被识别；受控测试表明它能暴露选择余量，但并未制造出“路由必胜”的结论。
值得关注：在智能体系统评测中，简单地比较端到端准确率会混淆多个因素。COVER 通过预先注册的评估契约和有限团队覆盖，使得“路由效果”在固定栈上可被识别。这有助于防止事后挑选对照来制造虚假的路由优势，也为多智能体路由评估提供了更严格的基准。
ContextPilot 提出一种用于长程智能体任务的主动上下文管理框架，通过扩展规划、长期记忆和软上下文卸载工具，并使用面向上下文编辑动作的细粒度强化学习（RL），在长上下文问答和深度搜索任务中实现更强性能与更紧凑的工作上下文。
值得关注：针对现有主动上下文管理方法的三个关键缺陷给出系统性解决方案：扩展工具集、改进探索效率、细化RL奖励分配。 与已有相关卡片相比，增量信息在于： 相比 CompactionRL（仅通过上下文压缩进行RL训练），Contex…
本文提出一个分裂共形（split conformal）框架，使神经算子输出的校准逐点带能在评估域上至少 $1-\gamma$ 的比例内包含真实解，并且该覆盖保证在测试输入与校准输入上以至少 $1-\alpha$ 的概率成立（$\alpha,\gamma\in(0,1)$）。在Darcy流与Navier-Stokes方程实验中，该校准带比现有校正方法更紧，同…
值得关注：该工作将共形预测的统计保证引入神经算子/函数空间算子学习，弥补了神经算子“预测快但缺少不确定性量化”的短板。与已有相关卡片相比，本条不是针对区间/模糊神经网络、真实-虚假分类或主观风险分解，而是直接为神经算子输出提供逐…
该综述认为，2025–2026年的神经网络优化已不能简单描述为“新Adam变体的序列”；矩阵感知（matrix-aware）优化器是真实进展，但不存在独立于具体情境的AdamW替代品。
值得关注：该综述为“优化器对比”提供了一个宏观框架，有助于避免把局部最优推广为普适结论。 与既有SOAP/Muon卡片的关系：已有卡片显示SOAP与Muon在机器学习原子间势训练中显著优于Adam；本条综述则补充了重要的限定条件…
大语言模型在面对“同一事实存在多个版本”的长尾分歧知识时，往往只回忆起其中一个版本；ElephantBench 上性能最强的模型也仅在 52.4% 的问题中同时恢复两个版本，说明参数化记忆存在明显的认知短视。
值得关注：它把评测重点从“模型是否能给出唯一标准答案”转向“模型是否掌握同一事实的不同版本或叙述”，这对长尾知识、争议性话题和多文化叙事尤为重要。 与既有脉络的关系：已有相关卡片《格莱斯式退避》聚焦于模型在知识边界之外仍生成貌似…
本文提出一种基于 nnU-Net 家族、结合解剖（器官）监督与在线交互式涂鸦提示的全身病灶分割模型，用于 FDG 和 PSMA PET/CT，在 AUTOPET V 挑战中通过四折交叉验证取得稳定最优性能。
值得关注：与既有相关卡片脉络不同，本文关注医学影像中的基础模型应用，属于“foundation-model”主题下的医学分割场景。 增量信息：将可提示分割与在线交互训练结合到 PET/CT 病灶分割中；同时处理 FDG/PSMA…
Aero Hand Open 是一款开源的腱驱动拟人灵巧手，随附仿真模型、双向驱动映射和强化学习训练包，作者宣称可以让策略完全在仿真中训练后直接部署到实体手，无需微调或状态估计。
值得关注：已有相关卡片分别关注强化学习流水线（REGRIND）、系统集成框架（DEED）和组合泛化学习（战略性扩展），而本卡片的增量信息在于提供一个完整的开源硬件–仿真–控制映射–训练部署平台，重点解决腱驱动手这类硬件的仿真表达…
本研究对 scikit-rebate 包进行重构、优化与扩展，加入 SWRF*、mu-Relief 及 5 种新 Relief 变体，并在模拟基因组数据上比较发现：除 mu-Relief 外，多数 RBA 能有效检测噪声数据中的二阶交互；采用“far”评分的变体（尤其 MultiSWRFDB*）最擅长检测二阶交互但对主效应不敏感；综合主效应与二/三阶交互，…
值得关注：为高维生物医学数据（如基因组关联分析）提供了可扩展、可解释且能感知交互的特征选择工具。 对 scikit-rebate 的重构显著降低计算成本，使 RBA 在大型数据集上更可用。 与已有相关卡片不同，本条增量信息聚焦于…
AcrossVAM1.0 是一个 0.28M 参数的轻量级文本辅助视频动作模型，通过将未来预测分解为“语义粒子运动 + 稠密外观生成”来预测机器人未来 5 帧；在自建 VRS 基准上，粒子动力学使轨迹误差比“持续最后一帧”基线降低 21.0%，但语言指令的影响仍较弱（正确 vs 打乱语言仅带来 2.8–3.1% 的轨迹误差变化），外观交付也尚未在 LPIP…
值得关注：它不是在“更大像素生成器”方向上继续堆规模，而是显式把运动预测与外观生成拆成可分别评估、可解释的模块。 粒子动力学在轨迹维度上的收益可以被单独度量，这比只看整帧图像质量更能反映机器人任务所需的结构化运动信息。
听者无法仅从话语形式（utterance form）完全恢复说话者的意图；无论使用多少文本数据、多少监督信号，任何文本表示（包括当代大语言模型的隐藏状态）在解码意图时都会受到形式对意义内在不确定性的上界限制。
值得关注：这是对“用海量文本训练即可让模型理解意义”这一主流信念的形式化挑战。 它把意义歧义从工程难题上升为信息论必然，有助于界定大语言模型能力的真实边界。 与已有相关卡片的关系：本卡片不讨论训练策略或评估框架，而是从信息论角度…
按该速递摘要，Anthropic 应用 AI 团队发布《AI Native SDLC Playbook》，认为 AI 让写代码变快后，真正的“新卡点”是评审、测试、发布等上下游流程仍停留在人工速度；解法是把单向开发流水线改成循环 Loop，并用版本化产物让 AI 与人可接续、可审计地协作。
值得关注：这条信息的重要性在于：它把 AI 编程的瓶颈从“写代码”重新定义为“完整交付流程”。如果只加速编码，而评审、测试、发布仍按人工速度运行，AI 的收益会被下游环节抵消。相比已有相关卡片，本条不是关于 MCP 服务器、图像…
Pavo 上线 Agnes Video 2.5 系列，其中 Flash 型号完全免费，并配套短剧 Harness 与无限画布，推动 AI 视频生成从单镜头生成走向多集短剧的连续化制作工作流。
值得关注：已有相关卡片已记录“Agnes Video 2.5 系列发布，Flash 版免费开放”。本条卡片的增量信息在于：Pavo 平台上的 Agnes Video 2.5 不只是提供免费档位，还配套了短剧 Harness 和无…