据候选摘要（待核实），成功条件化在广泛一类 MDP 上收敛到最优策略，并在折扣 MDP 中给出 \(O(1/\varepsilon^p)\) 迭代复杂度、在单期 MDP 中给出 \(O(\log(1/\varepsilon))\) 迭代复杂度。
值得关注：候选摘要将成功条件化描述为“实践常见但理论理解不足”的策略优化机制。若其结论成立，本条补足的是这一机制在 MDP 中的极限行为与收敛速度，而不只是经验性描述。与已有卡片的关系：已有卡片分别覆盖扩散环境多臂老虎机策略梯度…
基于候选摘要，该工作提出一条面向多/高光谱地球观测卫星的星载海洋异常检测流水线，利用自监督编码器压缩图像并在低维空间做异常检测，以支持资源受限平台上的及时告警与带宽优化；但正文未抓取，具体性能、部署成熟度和集成状态待核实。
值得关注：海洋环境威胁具有跨区域、时效性强的特点，早期检测对生态与人类活动都有潜在价值。 星载处理可减少对地面站下传带宽和人工筛查的依赖；在轨异常检测可把有限通信资源用于更关键事件。 本条补足了异常检测在遥感/海洋环境监测与星载…
NeutronGym 是作者所称首个可执行的中子仪器设计环境：智能体用验证工具搭建仪器，McStas 做光线追踪，分级评分阶梯从语法、运行时、结构到科学目标打分，且不用 LLM 评审；它既能评测 LLM 智能体是否“做物理”而非“背物理”，也能通过强化学习训练模型。
值得关注：提供“做物理 vs 背物理”的可执行测试：用 McStas 光线追踪和硬评分替代 LLM 评审，减少评分争议。 展示强化学习在科学仪器设计任务上的潜力与边界：部分学分对性能至关重要；奖励信号可接近经典优化器，但比较涉及…
据 arXiv 元数据与摘要，**MRVQ（Matryoshka Residual Vector Quantization）**是一种作用于冻结嵌入（frozen embeddings）的后处理残差量化器：其最高码率编码可沿两条路径截断——丢弃残差级以降低码率、丢弃嵌入坐标以降低维度——从而用一份常驻索引覆盖多个（维度，码率）组合；在 FiQA/NFCor…
值得关注：**运维与成本**：弹性检索若为每个（维度，码率）保留独立索引，会带来内存墙与多套模型状态管理问题；单份常驻是更易运维的工程折衷。 **与既有脉络的关系**：已有卡片中，*DenseOn 与 LateOn* 关注密集/…
论文提出 **MoSE3**，一个从单目 RGB 视频前馈预测每像素世界空间 **SE(3)** 刚体运动的模型；它通过联合学习 **3D point tracks** 与 **rigidity embeddings**，并在软刚性簇内可微拟合变换来恢复 SE(3）。论文称其在 SE(3) 估计与 3D 点跟踪基准上达到 SOTA，并展示从纯合成运动数据到…
值得关注：它把动态场景的运动表示从“逐像素 3-DoF 平移轨迹”推进到“逐像素世界空间 6-DoF 刚体变换 + 软刚性分组”，将旋转、平移以及“哪些像素属于同一物体/部件”放进同一输出中。若成立，这比仅做点跟踪更接近可操作的…
LoGo 把后训练奖励拆成“全局奖励 + 空间局部奖励”：局部奖励提供细粒度信用分配以显著改善 3D 一致性，全局奖励则守住相机跟随与视频质量，从而针对相机控制视频模型在长时程生成中的 3D 不一致失败模式。
值得关注：长时程视频生成的核心难点之一不是单帧画质，而是跨时间的三维一致性与物体永久性；LoGo 把问题定位到“后训练奖励的粒度”这一可操作层面。 对相机控制类视频模型而言，局部奖励与全局奖励的权衡，可能成为兼顾“听相机话”和“…
LESSER 提出用输出层梯度近似全参数梯度做后训练数据选择，只需前向传播即可提取特征，在 SFT 与 RL 基准上把特征提取 FLOP 成本分别降至约 1/9.7 和 1/3.0，同时在下游任务上跟踪全梯度方法的性能。
值得关注：后训练数据质量直接影响下游性能，但高质量数据选择不能以不可承受的计算成本为代价。 该工作把“贵特征”替换为“便宜特征”的思路，可能缓解全参数梯度选择在大规模候选池上的瓶颈。 与已有相关卡片的关系：已有卡片涉及数据精炼、…
SNAP 提出一种自监督编码器-解码器 Transformer，通过“位姿条件局部解码器”和“潜空间重建目标”，把新视角合成从渲染任务改造成更利于几何表示学习的训练框架；摘要声称其在多项下游任务上与专用或自监督表示方法有竞争力，并表现出更好的视角鲁棒性。
值得关注：这项工作把 NVS 的角色从“生成新视角”推进到“学习可迁移几何表示”。与已有相关卡片中 SplatGuide、GeoVerse 等关注新视角合成质量或几何先验注入的脉络相比，本条增量在于：它反过来诊断 NVS 训练中…
据 arXiv 摘要，Queen 是一个 4B 参数的 chess-language model，能在典型特级大师水平下棋，并解释自己的走法与计划；其框架把静默专家棋编码器与指令微调 LM 通过 cross-attention 结合，并用迭代蒸馏把 Elo 从 1782 提升到 2697。
值得关注：它尝试解决一个核心矛盾：专家棋引擎强但不解释，语言模型能解释但棋力不足。 它展示了 4B 参数模型借助静默专家编码器的表示、跨注意力接口和迭代蒸馏，可能达到很高的领域能力。 “静默专家编码器 + 语言解释层 + 自蒸馏…
IDRF 提出一种面向少步（few-step）掩码离散扩散生成器的奖励微调框架：用逆蒸馏（inverse-distillation）正则替代不可计算的序列级 KL 惩罚，并用裁剪策略梯度优化学生轨迹上的奖励；据候选摘要，它在 DNA、图像与文本生成上以最多 32× 更少的去噪步数取得较高奖励，同时缓解 reward hacking 并保持样本质量。（正文未…
值得关注：离散扩散的奖励微调长期受制于序列似然不可计算；把 KL 正则替换为可优化的逆蒸馏目标，是一条值得关注的技术路线。 少步生成器与奖励微调结合，可能把“对齐成本”从多步采样中解耦出来。 将 few-step generat…
来源材料指出，LLM 引导的演化方法（如 AlphaEvolve）已用于圆堆积等困难计算优化问题。 但既有工作通常优化“固定迭代次数下的性能增益”。 作者主张，实际优化应最大化“单位成本带来的增益”。 为此提出 FrugalEvo：一个成本感知的演化框架。 同时提出 Budget-Aware Area Under the Curve（BA-AUC）指标，用…
值得关注：它把 LLM 引导程序演化从“迭代次数导向”推进到“成本感知导向”，更贴近实际部署中的预算约束。 BA-AUC 为“固定花费下能多快变好”提供了可讨论的度量方式。 强弱模型分工、缓存感知 harness 设计，可能对降…
该论文提出以图结构为核心的去中心化优化框架：GATE 用“每条边一个变量 + 树块”的消息传递联合设计优化子问题，GATE-S 以替代模型降低每轮成本，并给出速率显式依赖函数正则性、网络拓扑与分区的线性收敛结果。
值得关注：视角转变：从“用网络混合/聚合信息”转向“用图结构撕裂/分解问题”，把通信图同时作为算法设计对象。 收敛解释：线性收敛率显式关联函数性质、拓扑和分区，有助于理解图分解选择如何影响性能。 工程权衡：GATE-S 针对每轮…
在两项真实库存控制部署中，用目标策略在反事实模拟器中的 rollout 轨迹训练预测器，其点估计 MAPE 低于用历史真实数据训练的同一架构；部署后用早期真实观测做轻量校准，还能进一步降低误差。
值得关注：新策略上线时，历史数据分布与目标策略不匹配，而真实目标策略数据稀缺，形成预测冷启动。如果模拟器 rollout 能训练出比历史数据更好的预测器，就可能缩短新策略预测模型的可用时间，并在部署后平滑过渡到真实数据校准。与已…
据摘要，FlowHMR 将单目视频人体运动捕捉表述为“视频条件运动生成”问题，先预训练 flow matching 模型，再用 GRPO 与保真度、物理追踪双奖励后训练，从而生成更符合输入视频且更可被物理控制器追踪的全局 3D 人体运动。
值得关注：它针对单目视频深度歧义和直接回归平均解问题，尝试用生成式建模保留多样性。 它不只优化视频保真度，还把“物理控制器能否成功追踪”纳入奖励，强调物理合理性。 GRPO 后训练用于移动模型输出偏好，使生成结果在视频忠实度与物…
EyeRobot 2.0 受人类视觉启发，用主动注视与中央凹式视觉处理，使机器人仅凭单个立体相机完成精细双手操作，并在无腕部相机条件下缩小性能差距，在腕部相机被遮挡时显著优于 ego + wrist 策略。
值得关注：展示无需腕部相机也能进行精细双手操作的可能，减少对额外腕部视觉传感器的依赖。 主动注视和中央凹式 token 分配把视觉计算引向任务相关区域，可能提升遮挡场景鲁棒性。 对机器人操作策略的输入模态、动作表示和评测设计有参…
在专家验证的 1,042 题哥伦比亚法律基准上，15 个模型的选择题准确率最高为 0.905（Gemini 3.1 Pro）、最低为 0.577，但自由文本法律答案的事实正确率均不超过 0.45；模型常显得“回应相关”却事实错误，因此当前 LLM 用于哥伦比亚法律任务仍需专家监督。
值得关注：法律场景错误代价高，而来源指出“听起来相关却频繁出错”对非专家用户尤其令人担忧。该基准把可靠性评估扩展到美国以外、以哥伦比亚法律体系为对象，补充了国别法律 AI 评测的空白。与已有相关卡片相比，本条不讨论 RAG 自动…
在 DINOv2 上，寄存器令牌（register tokens）相关特征更偏高层语义概念，而高范数离群补丁令牌（high-norm outlier patch tokens）相关特征更偏低层结构、背景与纹理模式；因果消融还显示二者对表征的功能贡献高度不对称，支持自监督 ViT 中存在令牌专门化。
值得关注：该研究把 ViT 内部令牌的功能差异从观察性描述推进到可解释性特征分析与因果消融证据（基于摘要信息）。 与既有卡片的关系：已有卡片分别涉及代码模型表征中任务、语言与模型的角色分离，VLA 具身推理忠实性，以及 LLM …
DepGPO 将终端命令之间的执行依赖与读写关系用于强化学习信用分配：从任务验证器检查的资源反向追踪，把轨迹优势重新分配到相关的写入及其支撑读取步骤上；摘要称其在复杂终端任务上提升任务表现和训练稳定性，具体幅度与适用边界待核实。
值得关注：终端任务中的命令往往形成链式依赖，最终结果只由部分关键读写路径决定。若信用分配不能追踪这些路径，训练信号会被稀释或错配。DepGPO 的重要性在于把“哪些命令真正影响结果”从统计层面的奖励估计，推进到显式依赖结构层面，…
据已知元数据，该工作研究欠完备线性自编码器在有限步长随机梯度下降（SGD）下如何沿 PCA 解流形发生有方向的标度漂移；由于正文未抓取，所有具体结论均待核实。
值得关注：（以下为基于元数据的推断性说明，非论文原文主张，**待核实**） 若成立，它说明即使在最简单的线性自编码器上，SGD 也并非仅在功能等价解之间随机游走，而可能沿确定性方向漂移，这会影响对“解选择”与“隐式偏置”的解释。…
4DCodeBench 提出一个通过代码生成评估智能体进行 4D 逆图形的基准：智能体需从视频重建动态场景并输出可执行图形程序；摘要称对前沿模型的广泛评测显示，强静态重建能力尚未转化为对复杂动态的可靠重建。
值得关注：它把动态世界理解评测放在“代码生成 + 逆图形”链路中，而不仅是静态重建能力。 若智能体要可靠重建形变、流体、断裂等动态现象，可能需要程序化抽象与物理模拟，而非仅拟合外观。 与已有动态世界/科学智能体基准（如 Eart…