这篇论文提出一套用于高能物理（HEP）任务的系统化缩放律推导与架构比较流程；在约 110 亿喷注的 ATLAS JetSet2 数据集上，用多任务 Transformer 在计算约束和数据约束两类情形中验证：计算最优时模型与数据规模近似同等按 √C 扩展，辅助目标可降低主喷注分类损失，输入向更低层数据扩展可降低损失但缩放指数近不变；数据集规模低于阈值时，损…
值得关注：把语言模型领域的缩放律方法论系统化迁移到 HEP，并用大规模真实任务验证，有助于减少“单点架构比较”的外推风险。 强调数据规模本身决定高计算量缩放是否可信；若数据不足，增加算力未必带来可预测收益。 对 HEP 基础模型…
H-JEPA 提出一种端到端训练“动作条件化 JEPA 层级”的方案：每一层在各自学到的潜空间中预测更远的未来，规划时自顶向下把上层预测当作下层的子目标；据候选摘要，它在四个仿真导航与操作环境中优于单层（扁平）JEPA，并在 Visual AntMaze 上把成功率从 18% 提升到 73%，同时使用更少的规划器计算。上述数字与结论均待核实（未能抓取正文）。
值得关注：长时程规划的核心张力是“预测多远”与“预测多准”之间的权衡：单层模型若预测很远，误差累积、细节不可控；若预测很近，则难以完成需要跨越多个阶段的任务。H-JEPA 的价值主张是把这一权衡交给层级与时间尺度分解来处理，让每…
根据候选摘要，该工作研究纯玻色子高斯态的不可知层析：给定任意 \(n\) 模玻色子态 \(\rho\) 的多个副本，目标是输出一个纯高斯态，使其与 \(\rho\) 的 infidelity 不超过 \(\mathrm{opt}+\varepsilon\)；材料称作者给出了高低保真度情形下的高效协议，并证明非高斯测量对达到强不可知保证是必要的，且 \(\m…
值得关注：将不可知学习与稳健统计思路引入玻色子高斯态层析，并提出高斯性检验的容忍版本。 强调非高斯测量的必要性，挑战“仅用高斯测量即可完成”的直觉；同时与经典高斯稳健估计形成对比。 与既有卡片关系：现有卡片涉及多智能体目标涌现、…
针对在反向过程中构造高斯倾斜中间分布的扩散后验采样器，论文提出把这些目标拉回条件更弱的干净空间后验，再通过高斯桥解析地映射到噪声空间目标，从而直接在中途时间初始化 MCGDiff，以牺牲渐近一致性为代价提升有限粒子下的采样性能。
值得关注：扩散后验采样常用于逆问题、科学计算等场景，但 SMC 方法的一致性依赖足够多的粒子；有限粒子下容易丢失模式。 该工作提供了一种结构化的中间初始化策略，把“干净空间弱条件后验”与“噪声空间倾斜目标”用高斯桥连接起来，可能…
SeqSmoother 是一个基于 transformer 的时序校正器，可仅用腕部加速度计估计睡眠心率，在全折外预测上取得参与者宏平均 MAE 1.60 bpm；其结果显示学习式时序建模与质量门控信号处理之间存在“精度—可用性”权衡，并支持用物理启发的子谐波特征识别谐波锁频失败。
值得关注：对大规模队列研究而言，无需新增光学传感硬件即可探索睡眠心率信息，理论上有利于降低数据采集成本、复用既有纵向数据。 论文明确呈现“精度—可用性”权衡：在两种方法都给出估计的区间上 Nightbeat 更准，但 SeqSm…
CLIFT: Conformal Self-Verification for Web Agent Training and Test-Time Scaling
该工作提出在介入式因果表示学习（interventional CRL）中放宽介入假设，从而得到因果变量的“块解耦”（block disentanglement），并把这一框架用于具身视觉状态估计——在没有标注数据的情况下，直接从图像/视频中恢复机器人系统的潜在物理变量；但论文正文未抓取，具体实验与量化结论待核实。
值得关注：无标签 CRL 若能在更现实的假设下获得可识别性保证，就更接近可用于机器人与具身智能的实用推断方法。 “块解耦”把可识别性要求从理想化的单变量解耦，调整为依据实际可用介入机制划分的块级结构，降低了理论与真实场景之间的落…
BiasFlow 试图把“模型是否依赖虚假特征”的评估，从单次 WGA 扩展到冻结骨干的类-属性质心几何与抗偏置头重训能力，并提出可组合的 BiasFlow Regularization（BFR）；在所报告的小规模基准和 CelebA-Std 压力测试中，BFR 可改善或保持 WGA，但属性信息仍可恢复、跨任务结果混合，结论限于特定测试协议。
值得关注：传统 WGA 可能掩盖 backbone 中仍可被新 head 利用的虚假或属性信息；BiasFlow 尝试把监测点放在 frozen backbone 的几何结构上。 对基础模型/表征复用场景，下游头重训很常见；该工…
论文摘要称，基础模型在数学与编码任务上的推理表现，可被响应开头的特定 token 线索大幅改变；这些线索与训练数据中的文档类型及安全行为相关，RL 会提高其出现概率。
值得关注：如果摘要结论成立，推理能力并非完全由 RL 后训练新造，而可能部分来自基础模型已具备、可被训练数据中的线索触发的行为模式；RL 的部分效果可能体现在提高这些线索的出现概率。这为 “Think step by step”…
待核实：若候选摘要准确，该论文提出 BTTF（Back-to-the-Future）框架，尝试把芯片后仿真验证中的非结构化仿真数据、波形调试与 RTL 版本信息整合进多智能体系统，以补齐 LLM 在 EDA 中偏重静态 RTL 生成、较少覆盖后仿真验证的基础设施缺口。
值得关注：与既有卡片“LLM在EDA前端设计中的挑战与机遇”相比，本条增量不是泛谈 LLM 作为 EDA 统一接口，而是聚焦芯片验证后段：仿真数据规范化、自然语言到 SQL、波形异常关联、RTL 版本溯源和多智能体编排。待核实。…
该论文提出一种解剖感知多模态框架，将器官级CT上下文与放射报告融合为统一表示，用于喉咽癌T分期预测；摘要声称在T分期上取得优于对比方法的性能，但具体实验细节与临床效用待核实。
值得关注：T分期直接影响喉咽癌个体化治疗策略，非侵入或低侵入的影像与报告多模态评估存在临床需求。 方法层面，它把“解剖结构关系建模”和“细粒度跨模态对齐”作为核心问题，区别于仅做全局特征融合的路线。 与已有相关卡片（ICME 2…
据候选摘要，该工作把线性响应理论变成一套可校准、按模式分解的“探针”，用来检验机器学习模拟器不仅统计得像、而且对强迫的**响应**也对；结果显示统计保真度与响应保真度可以双向脱钩。由于正文未抓取，以下内容均据元数据与候选摘要整理，细节待核实。
值得关注：1. **验收标准缺口**：如果模拟器要被用于强迫-响应型分析（如气候归因），那么“统计像”不等于“响应对”，该工作给出了可操作的区分方式。 2. **诊断粒度**：按 Ruelle-Pollicott 模式分辨，能指…