DIASENTINEL 是一个完全本地化部署的多智能体系统，用于基于电子健康记录（EHR）的一年期 2 型糖尿病（T2DM）风险筛查与指南 grounded 报告生成，重点提升临床决策支持的可信性、可审计性与隐私保护能力。
值得关注：与已有相关卡片相比，DIASENTINEL 的增量信息在于：它面向真实临床指南（ADA）落地，将“指南检索融合（RRF）”和“混合验证层”引入多智能体框架，并强调“可审计”（auditable）和“全本地化部署”。 它…
该研究提出一种通过“学习到的多模态潜在表示”进行跨区域葡萄藤耐寒性预测的框架，能够利用品种和种植区域的文本描述以及少量历史观测来实现零样本和少样本迁移，据摘要其在北美六个区域数据集上持续优于现有最先进方法。
值得关注：现有耐寒性预测模型大多“一地一训”，难以推广。该工作将文本描述和少量观测结合进可迁移的潜在表示，为跨区域、跨品种预测提供了一条新路径，尤其在数据匮乏地区具有实际价值。
在全信息反馈（full-information feedback）下，论文提出确定性的完全非耦合算法 **ECHO-OFTRL**，在任意有限 \(N\) 人策略式博弈中，使每个玩家的个体遗憾上界为 \[ O(\mathrm{poly}(N,\log m_{\max})) \] 其中 \(m_{\max}\) 是最大的行动集大小。该上界与时间范围 \(T\…
值得关注：此前非耦合无遗憾动力学中，个体遗憾通常只能做到随 \(T\) 呈 polylog 增长。本文把这一依赖去掉，同时保持算法确定性和完全非耦合，说明在一般有限博弈中，只要反馈是全信息的，个体长期遗憾可以做到不随时间范围变大…
Configurable Semantic Chunking for Biomedical Information Extraction in Retrieval-Augmented Generation
BLOOM-WILT 是一个无需训练成本的自动化审计流水线，通过输入端会话策略更新与输出端基于目标模型自身分布的对数概率倾斜，在 4 个目标模型、8 种行为的 32 个设置中，于 30 个设置里击败基线审计器，并可能推翻以往模型安全排名。
值得关注：自动化审计是识别模型风险行为的关键路径；现有方法往往只追求覆盖面，采样效率不足。WILT 把行为诱导当作可优化的解码干预，且不需要训练，容易复用到已有部署链路。 与已有相关卡片相比，本卡片的增量信息在于：已有卡片分别关…
BLARM 是一种前馈式（feed-forward）方法，输入单目视频和一个静态物体网格，直接预测时间上连贯的动画网格，无需显式骨骼、笼子或绑定权重。
值得关注：传统动画绑定依赖人工搭建骨骼或笼子，而直接回归高维顶点运动又容易不稳定；BLARM 提出一种低维、可解释的中间表示。 与已有相关卡片中的 VidMap（视频运动恢复）和 LDR（视频世界模型物理外推）属于不同任务方向：…
腾讯WorkBuddy中的混元Hy3模型限时免费体验延长至2026年8月31日；因参与热度过高，官方对每日免费额度做了合理分配，资源繁忙时进入排队，每晚23:00至次日8:00资源更充足。Hy3为大语言模型，暂不含多模态。
值得关注：本卡片是新增信息：腾讯Hy3不仅延长了WorkBuddy上的免费体验期，还披露了具体架构参数（MoE、295B总参数、21B激活、256K上下文），并进入创意智能体Miora落地应用。这体现了国产大模型在办公与创意工具…