对2023年至2026年3月间66篇同行评审研究的系统综述显示，大型语言模型（LLM）在暖通空调（HVAC）运行中的现有证据仅支持其作为“语义层/工作流层”或人类参与下的辅助工具，而非自主控制器；目前没有任何研究报告持续的实际运营部署，也没有研究被评为“现阶段可直接用于行业”。
值得关注：已有相关卡片覆盖医疗、视觉语言模型等领域；本卡片的增量在于聚焦建筑能源/暖通空调这一物理控制密集、可靠性要求高的工程场景。它没有停留在“大模型能力很强”的一般判断上，而是给出了“0项ready-now、63项resea…
How to Speculate about Uncertainty in Agentic Coding? A Draft-Model Gate Method
使用四流mHC残差通路的DeepSeek-V4-Flash，在训练后只实现了架构提供的部分灵活性：典型的注意力/FFN站点实际上约使用两个流，残差混合主要发生在早期层；将晚期混合器替换为恒等映射几乎不影响性能，说明晚期残差混合的测量收益很小。
值得关注：该研究直接回答了“mHC扩展出的多流容量在训练后是否被真正使用”这一空白问题，提供了从架构设计到实际计算行为之间的实证桥梁。 它表明“设计空间大”不等于“模型会用”：即使mHC允许每个模块读写多个流，实际训练出的站点也…
GUT 提出用有向无环图（DAG）覆盖大语言模型推理链的所有潜在分支，以图复杂度近似推理空间复杂度来量化不确定性，并通过将负不确定性作为强化学习奖励函数来降低不确定性；在 4 个 LLM 和 5 个数据集上验证了有效性。
值得关注：该工作把“推理不确定性”与“图复杂度”联系起来，给出了统一的量化与优化框架，为理解 LLM 推理过程提供了结构视角。 与已有相关卡片关注的特定下游任务或模型参数现象不同，本方法聚焦于推理过程中分支发散本身的度量与优化，…
计算机视觉可解释AI（XAI）经过十余年发展已拥有成熟方法工具箱，但领域几乎未回答方法最初想回答的问题——模型本身有多可解释、随模型演进是否在进步；本文主张将研究重心从“方法”转向“模型”。
值得关注：在XAI工具已较成熟的阶段，提示社区反思：可解释性研究是否错置了目标对象。 将“模型可解释性”类比为系统神经科学中研究大脑表征与计算可读性的问题，可能为跨模型、跨架构的认知风格比较提供新框架。 与既有知识卡片的脉络关系…
在2024年特刊之后仅两年，Nature Methods再次推出“AI嵌入生物学”专题，显示人工智能已渗透到生物学研究的几乎所有角落；当前关键问题已从“AI能否用于生物学”转向如何建立基础模型的评估基准、社区标准与透明性，并确保高质量真实实验数据持续供给。
值得关注：这篇社论是方法学领域的风向标：AI已经从单点分析工具变成贯穿数据获取、图像处理、实验设计和软件开发的基础设施。相比2024年的第一辑，本次专题更突出“评估与治理”议题——尤其是基础模型在生物学中快速应用时，基准测试、可…
本文提出 Embedded Graph Flows（EGF），一种不依赖固定 one-hot 类别编码的图生成模型，通过学习节点与无向边类别的连续嵌入，将高斯噪声流式地转换为离散图结构；在 QM9 与 ZINC250k 分子基准上取得了有竞争力的结果，并在 QM9 四个指标上优于所比较的 DiGress 和 GruM 基线（待核实，基于摘要）。
值得关注：该工作针对类别图生成中的一个基础问题：固定 one-hot 编码可能引入人为的类别等距几何，影响生成质量。 EGF 将离散类别的表示与生成流程联合学习，并用置换等变的图 Transformer 保持对节点顺序的不变性，…
在合适的层分布、时间调度与优化器超参数组合下，层dropout（stochastic depth）不应被排除在大规模LLM预训练配方之外：它能在相同训练FLOPs下实现更低损失，或在固定训练步数下节省最多约25%训练FLOPs，并支持最高约1.5倍推理加速。
值得关注：本文直接挑战“LLM预训练应丢弃dropout”的常见做法，并把层dropout重新定义为一种可优化的层稀疏性策略。 它同时覆盖训练阶段和训练后推理优化，说明层dropout的价值不只是正则化，而是贯穿预训练与推理效率…
模型升级后，Agent 即使保留原有记忆存储，也可能“遗忘”或“记错”：不同记忆编码方式对模型更换的敏感度差异很大。固定模式知识图谱迁移稳定，自然语言压缩笔记表现出强烈模型耦合；若额外保留原始历史，修复效果明显更好。
值得关注：大规模语言模型时代，Agent 的记忆往往由某个旧版本模型生成、压缩或索引。当产品升级到新模型时，如果只把记忆文件原样迁移，可能因为新模型的解读方式变化或检索空间不兼容而失效。这项研究将“记忆可移植性”作为独立评测维度…
该论文提出一种“LLM 当教师、轻量模型当学生、产品类型做测试时适配”的两级框架：第一级将 LLM 对升级换购推荐的推理蒸馏成只依赖商品嵌入的紧凑分类器；第二级按产品类型用少量示例训练轻量适配器，进一步校准决策边界。摘要报告，在人工标注基准上，推理蒸馏学生达到 AUC 0.924，加入 PT-TTT 后提升至 0.941；在 100K 对代理目录上，比直接…
值得关注：已有测试时训练卡片多关注视觉语言模型（VLM）在无人机导航、模态顺序一致性、视频严重分布偏移等感知问题上的适应。本条与它们同属测试时训练话题，但切入点是电商/商品推荐中的“产品类型”局部适配：它在推理蒸馏后的冻结嵌入对…
Diffusion TV 是一个将扩散模型“去噪生成”过程转化为实体互动的 AI 艺术装置：观众通过操纵改装后的 CRT 电视天线，实时改变 AI 生成图像与声音的清晰度，由此在肉身操作层面亲历扩散模型逐步消除噪声的生成过程。
值得关注：扩散模型类研究通常聚焦在生成质量、推理效率、可控性或专家组合等技术层面；Diffusion TV 则从艺术与交互设计角度切入，让使用者“用手”而不是“用眼”去理解扩散过程。 与已有相关卡片相比，本条目的增量信息在于：E…
SMART 是一个面向 ML 系统性能建模的“AI-native”符号化性能建模库。它的主分支几乎不存放代码，而是一份由自包含自然语言“设计文档”组成的有向无环图（DAG）。版本更新时，AI 编码子代理仅从这些设计文档重新生成实现，从而让“设计文档”而非“代码”成为长期演化的持久工件。
值得关注：与已有的“机器学习抑郁症筛查”和“X到4D生成”卡片不同，本条不是关于模型直接完成下游应用任务，而是关于“AI 编码智能体驱动软件库自身演化”。它的增量信息在于：不是用 AI 生成一次代码就结束，而是把 AI 智能体当…
CONTINUITY: Security-Context Contracts for Composable LLM Agent Controls
基于参考的自动评测方法不应只按聚合分数选优劣；本文提出“行为正确性假设”，用受控变换规定评测器应有的评分变化，发现没有评测器满足全部假设，且聚合分数相近的评测器可以表现出很不相同的行为剖面。
值得关注：聚合分数不是充分统计量；评测指标本身的“评估行为”也需要被评测。本文把元评测从“与人类判断是否一致”扩展到“在受控变换下是否做对了该做的事”，为LLM评测器和传统指标的比较提供了更细颗粒度的诊断视角。与已有相关卡片（金…
目前对生物医学基础模型的全面测评方法论仍不成熟；这篇 Nature Methods Perspective 提出，不能只把基础模型当作普通预测任务来“跑排行榜”，而需要重新思考其可证伪性、可验证性与实际效用，并依靠科学社区建立更稳健、更有意义的评测规范。
值得关注：作者阵容包括 Julio Saez-Rodriguez、Gustavo Stolovitzky 等在生物医学建模和社区挑战赛中具有重要影响力的研究者，文章发表在 Nature Methods。 它不是某一个具体基准，而…
论文提出“AI4CDS”五阶段方法论框架，主张在计算设计科学（CDS）中让AI扩展问题与设计搜索空间，同时由研究者保留领域落地、可采纳性、验证与科学判断的责任；并以“ChildRiskGuard”系统展示了该框架在短视频儿童不适内容检测中的可行性。
值得关注：本条是“研究的工业化”脉络中一处具体方法论回应：既有讨论指出 AI 正在成为科研循环中的自主参与者，而 AI4CDS 把这种转变落到“计算设计科学”的规范流程中，强调在扩大AI作用的同时保留研究者的科学判断责任。与 M…
AdaGate-DF 提出一种基于图像质量线索进行门控路由的深度伪造检测框架，通过“双多出口”系统让高质量图像更早退出以节省计算；在 Celeb-DF 上达到 AUC 0.9370，在 384×384 输入下达到 AUC 0.9708，同时保持较低推断延迟。
值得关注：资源受限场景下的深度伪造检测是实际部署中的关键问题。AdaGate-DF 不要求所有输入都经过同一个重型网络，而是根据图像质量动态选择推理路径，尝试在精度、不确定性与效率之间取得实际可用的平衡。相比静态压缩固定模型，这…
IIns-GAN 是一种面向无线感知的深度生成模型，用生成对抗网络合成带标签的无线信号；在公开 UWB 数据集上，生成信号的物理特征接近真实测量，并能用于距离估计、环境识别等模型训练任务。
值得关注：无线信号实测数据常受场景、设备、测量成本等因素限制，带标签数据尤其稀缺。IIns-GAN 提供了一条不同于传统环境仿真的数据驱动合成路径，把 GAN 引入无线信号级数据生成，直接服务于下游感知模型的训练数据需求。
腾讯发布面向个人的跨应用AI协同体系Buddy One，将腾讯文档、会议、网盘与ima打通，并共享WorkBuddy的Agent底座，实现一句话跨应用检索与统一积分体系。
值得关注：对个人用户：跨应用检索与统一积分减少了在多个产品间切换和重复授权的时间成本。 对腾讯办公生态：以WorkBuddy为底座统一多个办公产品的AI入口，有助于形成协同效应。 与既有脉络的关系：已有卡片记录了WorkBudd…
本条是 Nature Machine Intelligence 对一篇量子神经算子论文的出版商更正：初始 PDF 版本公式 3 缺少 “Λ”，现已更新为 \(M(u)=B(u)\Lambda B^\dagger(u)\)，以与 HTML 版本一致；材料未说明该更正是否影响原论文结论、性能或复现结果。
值得关注：已有相关卡片已总结该原论文的核心贡献：面向 NISQ 时代的量子神经算子、隐式二次框架、表达性优势及 IBM 量子处理器概念验证。本条不重复这些研究结论，增量信息是官方对 PDF 公式 3 的符号缺失作出更正。 对引用…