本文提出把非可逆共形图像变换 $T$ 及其适配递归约束的广义逆 $T^\dagger$ 与扩散去噪步骤交错编织，使自指场景与其几何扭曲同步生成，以解决仅靠提示、事后变换或采样中直接变换的不足。
值得关注：它把经典艺术与数学对象（Escher、Penrose、共形映射）和现代生成模型连接起来，并指出了一个具体失败模式：生成模型会“修复”人为扭曲，使递归结构难以保持。其提出的“编织”策略可能对需要全局几何一致性的生成任务有…
MIRTO 试图把脑MRI无监督异常分割（UAD）的评估从“单一排行榜分数”转为对配准、阈值、假阳性预算、指标聚合和病灶定义等评估选择的显式、多重宇宙式检验；据候选摘要，这些选择可能显著改变方法比较结论（待核实）。
值得关注：它把“评估管线选择”本身作为变量，而不是只比较模型架构或训练策略。 配准门控和实际假阳性负担报告，可能减少因几何错位、阈值迁移和指标聚合造成的虚假优势。 对脑MRI异常分割基准而言，单一分数可能不足以支持稳健结论；需要…
LSL 是一个面向大模型“灾难性遗忘”的通用训练框架：它把遗忘重新表述为每个权重矩阵输入空间中的几何问题，并在不访问旧数据的前提下，用“权重适配器 + 高斯混合模型门控”的组合让更新只作用于当前阶段的数据分布，从而在继续学习新能力的同时保留旧能力。**（该判断基于候选摘要，正文未抓取，细节待核实。）**
值得关注：**与主流缓解手段的差异**：常见做法依赖旧数据回放、正则化约束或参数隔离；LSL 强调“无旧数据”，且以输入分布局部性作为保留机制——若被验证，是一条较低成本的替代路线。 **把遗忘几何化**：从“指标现象”转向“权…
据候选摘要，该研究为具有有理多面体状态-动作矩形不确定性（覆盖奖励和转移）的鲁棒马尔可夫决策过程（RMDP）构造单个线性规划（LP），使其最优解可恢复鲁棒最优值和所有最优平稳随机策略；并在固定折扣因子下给出多项式规模 LP 与强多项式构造，同时改进或建立若干 RMDP 与回合制随机博弈的复杂度界。正文未抓取，相关定理细节与证明待核实。
值得关注：鲁棒 MDP 关注不确定性下的序贯决策；若能以单个 LP 表示并给出强多项式算法，理论上可提升问题可解性与复杂度理解。 候选摘要强调“所有最优平稳随机策略”的恢复，这可能对策略集合刻画有意义；但完整证明与条件待核实。 …
LACE 将大语言模型用于组合优化算法设计：先建立经验证的问题契约和 I–O–T–H 接口，再通过时间约束下的互补演化生成并选择一组互补启发式；材料报告其在 36 个 CO-Bench 经典问题上平均得分 0.945，高于最强已有 LLM 基线 0.870 和直接提示 0.571，并把增益主要归因于框架而非单纯模型。
值得关注：这条工作把大语言模型从“直接写代码/单次提示”推进到“结构化算法发现框架”：问题契约、工具库和互补启发式组合共同构成可演化的设计空间。材料强调增益来自框架而非模型，这对图书、简报和产业讨论都很关键：不要只问“换哪个模型…
基于关键词匹配的宽松工具调用指标可能把“从未真正发出工具调用”的小模型判为合格；一组只需数分钟 CPU 时间的严格廉价诊断步骤（逐字复现、首 token 探针、嵌入漂移检查等）可以在采信小模型的工具调用主张之前把这类假阳性筛出来（全部细节待核实）。
值得关注：**评测效度风险**：如果宽松的关键词类指标会“默认放行”，那么小模型在榜单或内部评测中的工具调用得分可能系统性高估真实能力，进而影响选型与部署决策。 **训练课程顺序的反直觉副作用**：论文把 1B 的失效定位到特殊…
KaliBench 是一个面向 Kali Linux 自然语言到 CLI 的细粒度基准与数据集，用于测量 LLM 生成可执行网络安全命令的能力，并基于确定性信号构建 runtime-free verifiable rewards 用于训练；摘要称在 unrestricted setting 下，没有开放权重模型超过 42% exact-command ac…
值得关注：它直接针对 LLM 在网络安全 CLI 场景中的落地瓶颈：不仅要知道工具，还要能生成参数正确、可执行的命令。 对 AI agent 工具调用、网络安全自动化、模型后训练奖励设计有参考价值；runtime-free ve…
InterEvolve 把“奖励程序”本身变成可在测试时被大语言模型改写、被数值优化器调参、并在并行仿真中反复验证的对象，从而在**不重新训练控制器**的前提下，让人形机器人把已有的移动-操作技能重组出来完成新任务（依据仅为摘要级材料，待核实）。
值得关注：**范式层面**：把“测试时计算”从推理期 prompting / 采样，扩展到**奖励与任务规格的测试时演化**；控制器权重不动，改变的是任务接口与规划信号。 **接口层面**：论文强调的“表达力 vs 可执行、可度…
HiPhy 是一个强化学习框架，通过“局部约束单个物理原理的时间动态 + 全局保证整个场景物理与语义一致”的双层目标，提升多物理原理同时发生时的视频生成物理合理性与语义对齐；摘要称其显著优于先前方法和基线。
值得关注：现有视频生成优化和评测常偏重视觉质量或单一物理现象；HiPhy 将问题推进到多物理原理在同一场景中的耦合与一致性。 与既有相关卡片的关系：已有卡片关注立体视频生成的自监督几何、长多视角 4D 一致性、X-to-4D 对…
论文提出 **HGR（Higher-order Grammar Representation）**，将分子提升为组合复形并解析为上下文无关高阶语法的产生式规则序列，使高阶拓扑能够被标准序列模型处理；摘要报告其在分子生成和 MoleculeNet 表示学习上取得领先结果。
值得关注：高阶拓扑，尤其是环系统和重复基序，是化学结构中的关键信息；标准序列或图表示难以显式捕获。 HGR 尝试把高阶拓扑“语法化”，从而同时利用高阶结构先验和标准序列模型的可扩展性。 RingDiv 与 RDI 指向一个方法学…
HC-DLM（Hierarchical Continuous Diffusion Language Models）提出一种把离散 token 生成与连续潜变量轨迹耦合在同一去噪过程中的扩散语言模型，并在 Sudoku、Countdown 和 LM1B 上报告了相对匹配规模离散/连续扩散基线的提升（具体数值待核实）。
值得关注：扩散语言模型持续探索自回归之外的生成路径，尤其针对双向推理和全局约束满足任务。 HC-DLM 的增量在于：不是简单给离散链附加连续上下文，而是把连续潜变量设为唯一持续状态，并让 token 读出与潜变量更新形成循环耦合…
据候选摘要，论文提出 ExpertLens：在多模态混合专家（MoE）模型中，专家会自然形成跨模态/领域的语义专门化；利用该结构可识别领域专家并选择性微调，从而以更少参数更新和更快训练达到或超过全量微调。因正文未抓取，上述具体结论待核实。
值得关注：如果稀疏 MoE 确实会自然产生语义模块化，那么领域适应不必总是全参微调或单纯依赖低秩更新，而可转向“找专家、调专家”的结构化参数高效微调。 这可能同时影响模型可解释性、领域适配成本、训练算力需求和模型维护方式。 与既…
材料提出面向内在无序蛋白区域（IDR）的自回归蛋白语言模型 IDiom 和后训练方法 RL-SAE；后者以稀疏自编码器特征激活为奖励，在八个 IDR 设计任务中平均激活 90% 的 30 个目标特征，并改善预测的亚细胞定位与转录活性。
值得关注：该工作试图补上蛋白生成模型在 IDR 上的缺口：不依赖折叠结构先验，而是面向 IDR 数据训练生成模型；同时把 SAE 特征从“解释工具”转为“生成控制信号”，通过 RL 奖励指定特征集合的激活。若结果成立，这可能为合…
GenCine 将单张图像提升为可编辑的 3D 场景骨架，让艺术家在同一世界坐标系中联合指定相机路径与前景局部 3D 运动手柄，再通过 guidance maps 把这些控制注入预训练视频模型，以缓解仅用 2D 轨迹或稀疏拖拽信号控制物体运动时的 3D 歧义。
值得关注：可控视频生成的一个关键歧义是 2D 控制信号无法唯一确定 3D 运动；GenCine 用 3D 场景骨架和 guidance maps 尝试显式表达相机-物体关系。 对创作者而言，相机路径加局部 3D 手柄比纯 2D …
根据候选摘要，论文把 LLM 智能体反复使用同一外部权威来源的过程，从“重复访问”重新定义为“来源学习”，并提出 SourceLearn 来构建可持久更新的来源模型；但正文未获取，机制与结果需待核实。
值得关注：它把“检索/访问来源”与“学习来源”区分开：前者关注取回内容，后者关注形成对来源结构、解释方式和适用边界的持久理解。 对知识密集型智能体而言，这可能补足 RAG 与 agent-memory 之外的第三种能力：来源特定…
在摘要所述实验中，多教师在线策略蒸馏的教师信号会被损失平均规则、Adam 一阶矩和 BF16 舍入重塑或掩盖；top-64 交集 KL 梯度虽接近 Qwen 全词表梯度，但其任务效果依赖平均规则。
值得关注：它把 MOPD 的讨论从“如何组合教师”推进到“教师信号经过平均、优化器和数值精度后变成什么参数更新”。 对诊断能力合并与能力失衡有直接价值：若 Adam 和 BF16 压缩或隐藏差异，只看最终权重或 BF16 变化可…
候选摘要提出：与其修改学习目标来吸收 off-policy 专家数据，不如用 MCMC 采样逐步把 off-policy traces 转化为更接近 on-policy 的微调数据，从而让 SFT 在后训练中与 RL 等主流方法竞争；该结论的具体实验范围、数值和可复现性待核实。
值得关注：它挑战了“SFT 弱泛化/易遗忘、RL 强泛化/少遗忘”的常规二分。 它把采样从推理技巧或数据生成手段，提升为后训练中塑造数据分布、影响可学习性的核心操作。 与已有相关卡片的关系：FibVLA 关注 VLA 时序采样，…
FERPO（Forward Entropy-Regularized Policy Optimization）是一种在策略最大熵强化学习算法：它用 critic 的值来构造目标动作分布，再以 forward-KL 目标拟合 actor，避免对 critic 关于动作求导；在 MuJoCo Playground 与 ManiSkill 上的实验显示有竞争力的性…
值得关注：指出“critic 值预测准确 ≠ critic 动作梯度准确”，并把策略改进从 critic 动作导数上解耦，可能降低策略更新对不可靠动作梯度的依赖。 通过 forward-KL 与 entropy/KL 正则组合，…
Faynt 是一族 10M 与 75M 参数的 Transformer 策略，用**单个检查点同时控制《Super Smash Bros. Melee》全部 26 名角色**；经强化学习后，10M 模型在同角色对局中取得 244 战 240 胜（98.4%），并对全部十四款对手版本保持胜多负少，同时开源权重、两套基准与自动化模型锦标赛平台——但完整正文未抓…
值得关注：**对“缩放定律”叙事的补充**：本例中更小的 10M 模型在实战胜率上反超 75M，且预测损失更高的模型反而更能赢，提示**离线预测指标与在线对抗表现可能脱钩**。 **单检查点多角色的工程价值**：一个检查点覆盖 …
语言模型在组件消融后表现出的“自修复”，这篇论文将其解释为消融前就已存在的一种增益：细粒度单元的响应遵循仿射定律 \(E_r(\lambda)=\mathrm{own}_r+\gamma_r\lambda\)，其斜率符号决定该单元是在抵消还是在强化被移除信号。
值得关注：它试图把“自修复”从模糊的补偿叙事，改写为可参数化的剂量—响应/仿射关系，并强调反权重是预存的、可由固定权重预测的。 对机制可解释性而言，如果传统消融只是未校准的 \(\lambda\) 点，那么不同干预强度可能产生不…