论文提出 Fuse——一个多智能体模拟框架，用于在“用户向 LLM 助手咨询并推断他人隐藏动机”的场景中构造可验证的社会推理真值；对 12 个 LLM 的分析显示，用户中介、偏见框架、所需细节量和对话长度都会系统性影响模型表现，但具体模型清单、开源地址与数据细节待核实。
值得关注：日常社交咨询中，用户往往带着主观框架转述情境，而“对方意图”又难以验证。如果 LLM 助手易受用户偏见框架影响，或在信息需求上与人类不一致，可能影响建议质量与用户决策。该工作把社会推理评估从不可验证的主观判断，转为可构…
一篇 arXiv 论文提出三阶段遮挡鲁棒多目标跟踪框架：以 YOLOv11n 检测、Kalman Filter 运动预测和遮挡感知外观 Re-ID 维持身份与轨迹连续性，并在 OVIS 与自建军事数据集上相对 OccluTrack 报告 MOTA/IDF1 提升。
值得关注：全遮挡和长期遮挡是 MOT 的典型失效点；该工作把问题从“检测不到”推进到“身份与轨迹连续性如何维持”。 方法层面体现系统集成思路：用 Kalman Filter 处理遮挡期间运动状态，用外观 Re-ID 在目标重现后…
论文提出用结构化文本表示替代表格图像中心路线的表格理解方案：DELTA 将表格解析为 OTSL，TARQA 基于 OTSL 序列微调 LLM，在表格结构识别、表格问答与表格视觉问答上报告了增益，并发布 Hindi 基准 TORQUE 及代码、模型、基准。
值得关注：路线变化：从“表格图像 + VLM”转向“表格结构化文本 + LLM”，可能降低对视觉编码器的依赖。 表示统一：OTSL 同时编码单元格排列和文本内容，把结构识别与后续问答连接在同一表示上。 多语言价值：材料以 Hin…
论文提出把语义伪标签和传感器可见性信息作为额外输入，以最小架构改动提升现有 LiDAR 语义场景补全（SSC）模型；在 SemanticKITTI 上使旧模型与 SOTA 竞争，并在 SSCBench-nuScenes 的 32 线稀疏传感器上显示可迁移性。
值得关注：对 SSC 研究路线提出反思：与其不断加重模型和联合训练分支，不如测试简单、可能带噪的先验输入能否释放已有模型潜力。 若“SSC 训练一次、后接任意分割器”成立，可减少因分割器更新而重训 SSC 的成本，具有模块化价值…
摘要称，SlotDiT 把文本引导 Diffusion Transformer（DiT）放在基于 slot 的物体中心潜在空间中，以参考图像和语言指令为条件自回归去噪未来 slot 轨迹；在四个机器人数据集上，它取得有竞争力的视频生成质量并持续提升任务完成率，同时以更紧凑表示提供计算效率优势。
值得关注：它把“潜在空间设计”提升为 DiT 的关键研究变量，而不仅是去噪架构或规模问题。 对机器人场景，对象中心结构可能把感知中的实体概念带入生成/预测过程，连接视频生成、动态建模与任务完成。 与已收录的 PointDiT 卡…
ScienceBuddy 是一个交互式科研工作空间，提出“递归中的递归自我改进”（recursive-in-recursive self-improvement）：内层在固定模型下改进 harness，外层在改进后的 harness 下训练模型，并把研究者请求、反馈和执行证据转化为持续学习的任务与评估 rubric；具体效果、任务细节与可复现性待核实。
值得关注：与既有脉络的关系：已有相关卡片（如 AI4AI-Bench、PAST-Bench、AI 中的递归自我改进调查）分别从基准评测和分类法角度讨论递归自我改进；本条的增量是把 RSI 推向交互式科研产品与工作流，并提出 in…
作者将 125M GPT-2 模型 MéTRON-FR 提交至 BabyLM 2026 Strict track，并报告其在法语原生语法基准 QFrBLiMP 上达到 85.97% ± 0.17%，在 BabyLM-weighted leaderboard 上达到 62.80%；同时强调儿童规模模型评测中分词器与模板伪影会显著影响零样本打分，需引入原生语言…
值得关注：该工作把“评估工具是否匹配任务”推到前台：法语单语小模型需要原生语言基准，而非仅依赖翻译后的 GLUE 类任务。 它指出儿童规模模型评测中的方法学风险：分词器与模板可能主导 zero-shot 分数，影响结论可靠性。 …
一篇标题为 *Reduced-Space Multi-Fidelity Bayesian Optimization of Process Simulation Models* 的 arXiv 预印本提出（据候选摘要称）RS-MFBO 框架，目标是在高维、昂贵的黑箱过程模拟中用降维＋多保真策略减少高保真仿真调用次数；**但本次抓取未获得正文，以下要点均待核实…
值得关注：若上述结果成立，其价值在于把“降维（GSA）＋多保真代理（高斯过程）＋成本感知采集”串联为一套可迁移的流程，可能降低化工/生物工艺流程优化中对高保真仿真的依赖。 对“昂贵黑箱优化”这一通用议题，多保真样本分配策略（何时…
PhysStream 是一种自回归图像到视频模型，通过在线结构化场景记忆与稀疏速度增量信号，实现多物体桌面刚体场景的生成中途交互控制；材料称其相对最强基线将运动分布距离（FVMD）降低 33%、轨迹误差降低 12%，并在 in-the-wild 人类评估中获得超过 85% 偏好。
值得关注：控制粒度从文本提示或像素位置，推进到编码物理量的速度增量信号，更接近物理动力学层面的操作。 支持生成中途控制，而不是只能预定义完整控制计划。 结构化场景记忆由已生成帧在线推导，可能有助于在自回归生成中保持场景状态；具体…
摘要称，PanoGS-SLAM 是首个基于 3D Gaussian Splatting 的全景稠密 SLAM 系统；它直接在球面域进行可微渲染与位姿优化，并引入球面一致光度损失和深度引导高斯初始化，在 PALVIO、SynPano 上于跟踪精度和渲染质量上优于几何与 GS 基线，同时达到实时性能。具体指标与“首个”断言待核实。
值得关注：该工作把 3DGS 从新视角合成/重建进一步推进到全景稠密 SLAM，强调视场角、传感几何与优化稳定性之间的关系。 与已有相关卡片相比，已有卡片覆盖前馈式 3DGS 压缩、单图手部化身、无位姿野外新视角合成等方向；本条…
ORCA 将单目深度引入 Gaussian-anchor 表示，并按缺失区域大小分流补全：小范围去遮挡用重建中已有 RGB-D 修复，大范围才用生成式 inpainting，从而在单图可探索 3D 场景新视角合成中减少生成幻觉；在 DIV2K 上相对 VistaDream 将 MUSIQ 从 61.60 提升到 68.71，CLIP-IQA 从 0.474…
值得关注：它把“生成式补全”从默认手段改为有条件使用的后备手段，提出了“先复用重建信息、再生成”的分级补全思路。 对单图新视角合成而言，深度边界附近的小孔洞很常见；若能用已有 RGB-D 修复，有助于减少生成模型引入的幻觉，并更…
据 arXiv 摘要，LimiX-2 用 Contextual Mechanism Networks (CMNs) 和 Context-Conditional Masked Modeling (CCMM) 把表格/结构化数据的上下文学习从目标中心预测转向机制导向联合建模，并在 TabArena、TALENT、BCCO 上报告超过现有数据集特定模型和表格基础…
值得关注：对表格/结构化数据基础模型而言，它提出从“预测映射”转向“联合机制建模”的范式变化；若成立，可能影响结构化数据的通用建模与因果发现。 因果骨架恢复把预测性能与可解释/因果结构联系起来，是摘要中较突出的增量点。 与既有卡…
LP-BTS 将图提议策略、价值评论器与边预算 PUCT 规划结合，在动作集合大且随状态重建的一对多移动充电任务中取得最高观测 survival 与 alive-AUC；但其相对最强领域工程比较器的生存优势仍不确定（95% CI 跨 0）。
值得关注：针对大型、动态、几何结构动作空间，展示候选生成、价值评估与预算化树搜索的组合，而非固定输出头直接选动作。 单一冻结检查点覆盖 736–2,813 stops 的动作全集，说明策略不依赖固定动作输出维度，这可能对动作集合…
LACE 通过在每一量化层使用独立压缩步骤，实现层特定分段边界，从而在动态帧率神经音频编解码器中取得更优的率-质量权衡，并借助 union alignment 与 boundary anchor 支持下游 TTS 的跨层时长一致。
值得关注：语音语言模型与 TTS 常受长音频 token 序列制约；动态帧率与层自适应压缩直接作用于 tokenizer 效率。 与已有相关卡片中的 KV 缓存压缩（DepthWeave-KV、FreqDepthKV）和动态相机…
JustFit 是一个基于 MLX 的本地 LLM 推理运行时，摘要报告其通过 KVExec、PhaseSwap、StateTrans 等即时状态管理机制，在 24 GiB M4 Pro MacBook 上运行 Qwen3.8-27B MXFP4，把单请求完成的上下文档位从 mlx-vlm 基线的 30,720 提升到 212,992（6.93×），并在…
值得关注：与既有脉络的关系：已有相关卡片涉及硬屏障 LLM 推理组与 OS 协同调度、JAX 训练中的 HBM 主机卸载。本条增量不在训练 HBM 或推理组逐 token 成员变更，而在 24 GiB 笔记本上的本地推理运行时状…
FreqSpaNet 提出一种面向 SFPF 的表示学习网络，通过频率分支、几何感知空间分支、自适应融合和互补预训练做开放集硬件异常检测；摘要报告平均 AUROC 96.31%，比基线高 9.05 个百分点，但实验细节与独立验证待核实。
值得关注：硬件替换可保持逻辑身份不变，说明仅依赖逻辑身份验证可能不足以确认物理实现完整性；物理层响应/指纹可提供补充信号。 SFPF 的频率维度与空间维度结构依赖不同，FreqSpaNet 的“分分支建模 + 融合”设计针对这一…
FlashVector 是一个智能体（agentic）系统，把原本用于单点 GPU 内核优化的智能体范式推广到异构的模型服务全栈；据论文摘要，其在 Unity 的 Vector 广告平台部署后，模型服务器实现最高 2 倍吞吐提升与最高 1.98 倍延迟加速，特征存储实现最高 1.6 倍吞吐提升。
值得关注：它把“AI 智能体做性能优化”的边界从单点内核推进到分层生产系统：优化对象包含 C++ 与 Python 两种技术栈、多个服务组件，而不仅是 CUDA 内核。 与既有脉络的关系：已有卡片 STRACE 关注用结构化轨迹…
量子工程中的科学 AI 智能体存在“能演示能力”与“能可靠运行”之间的实质差距；Quantum-Harbor 虚拟实验室与 QIQCBench 基准把“动作与结论可被直接验证”作为评估前提，为可验证自主性（verified autonomy）提供度量基础。
值得关注：评估视角的转变：把“能否完成任务”与“能否被验证为可靠地完成任务”区分开，强调对动作和结论的双重验证，而非只看最终输出。 对自驱动实验室（self-driving lab）、自动化实验与量子工程工作流的工程化落地具有直…
这篇论文把 GPT-4o-mini、Gemini-1.5-pro、LLaMA 等大语言模型用于“平实语言改写”（Plain Language Adaptation, PLA），并比较提示策略、QLoRA 微调与 Mixture-of-Agents（MoA）整合三种路径；摘要层面报告 LLM 驱动的 PLA 在“让医疗信息更易懂”与“保留关键内容”之间展现出…
值得关注：医疗沟通的可及性直接关系知情同意、用药依从性与健康公平；PLA 是其中一个可被自动化改造的环节。 该工作把当前主流闭源模型与开源模型放在同一比较框架下，并叠加 MoA 与参数高效微调，属于“工程组合式”的落地探索，而非…
ENCP 将保形预测从单步校准改为按 VLN 回合校准最大非一致性分数，并用策略残差置信度重缩放分数，从而在回合内步骤相关的情况下，为视觉-语言导航提供步级覆盖保证；摘要称其在 R2R 和 REVERIE 的 seen-to-unseen 评估中达到报告的经验步覆盖目标。
值得关注：VLN 是安全相关序列决策任务，仅给点预测不够，还需知道何时不可靠。 标准 CP 的独立、单步覆盖假设与 VLN 回合内依赖、变长步骤不匹配；ENCP 试图解决这一校准缺口。 若模型无关性质成立，可跨不同 VLN po…