该论文给出了首个在 Gaussian 分布、\(L_2\) 损失下，以全多项式时间 PAC 学习 \(k\) 个任意 ReLU 激活函数正线性组合的算法，样本与时间复杂度均为 \(\mathrm{poly}(d,k,1/\epsilon)\)，且无需对权重矩阵做强条件假设。
值得关注：ReLU 正线性组合是浅层神经网络的基本形式，其 PAC 可学习性的时间复杂度长期受制于维度 \(d\) 之外的参数 \(k\) 与精度 \(1/\epsilon\)。全多项式时间算法的出现，意味着该模型类在计算上被视…
该论文为并行语义 ID 生成式推荐提出两种互补的知识蒸馏目标（IDM 与 CMM），把序列推荐教师模型的“物品级软分布”知识迁移到“编码空间”的学生模型，同时保留学生并行预测结构；在基准数据集上均优于现有最优方法，IDM 平均将 Recall@10 提升 15.39%，CMM 平均将 NDCG@10 提升 8.28%。
值得关注：指出现有语义 ID 推荐“硬标签监督”的信息缺口：缺少候选间的相对分布信息。 给出跨空间蒸馏的两条可行路径（物品空间重建对齐、编码边缘投影对齐），对“教师物品空间 / 学生编码空间”这类异构蒸馏问题有方法学参考价值。 …
Backtrack 通过在冻结的视觉-语言-动作（VLA）模型上附加一个极小的失败预测头，在预测到当前回合可能失败时让机械臂回退到近期经过的配置并重试，从而在不重新训练、不增加演示数据、不引入独立模型的情况下降低长程操作任务的失败率。
值得关注：VLA 的脆弱性往往出现在分布外状态，而这类状态恰恰由策略自身动作造成。Backtrack 把“失败预测”和“物理回退重试”解耦于策略学习之外，降低了恢复能力的获取门槛：无需恢复演示、无需策略再训练、无需推理时的第二模…
一项针对11个开源模型、4种解码配置、EffiBench全部1000道题目的实证研究提出：LLM自我精炼生成的“性能优化代码”往往比人类参考解更耗能，且优化过程本身的推理能耗可能远超执行阶段节省的能量（基于摘要信息，具体数值与结论待核实）。
值得关注：对“用LLM优化代码即绿色计算”的直觉给出反例，提示性能指标（速度）不能替代能耗指标。 为LLM代码生成的可持续性评估提供量化框架：需同时计入推理阶段能耗与执行阶段能耗。 对工程实践的直接含义：token上限、模型架构…
本条仅能确认这是一篇发表于 Science Advances 的论文，主题为基于梯度中间层（gradient-interlayer）的柔性压力传感器，面向高性能机器人感知；由于未能获取正文，具体方法、性能指标与结论均待核实。
值得关注：机器人感知尤其是触觉/压力感知，长期面临灵敏度与量程、柔性与耐久性之间的权衡；标题中的“梯度中间层”提示了一种以结构梯度缓解该权衡的思路（待核实）。 本条与既有卡片“基于期望自由能的信息性路径规划用于火星机器人探索”同…
Flownomaly 把少样本工业异常检测转化为冻结 DINOv2 特征空间中的“正常对应物恢复”问题，用条件流匹配学习速度场，并仅用单步场评估直接得到干净正常 token 的后验均值，在 MVTec-AD、VisA 和 Real-IAD 的少样本设定下取得领先性能。
值得关注：工业质检场景中缺陷样本稀缺且类别多变，少样本设定更贴近实际部署条件。Flownomaly 将推理与存储样本解耦、避免刚性线性假设，并通过单步评估降低推理开销，同时给出无需异常验证数据的超参数选择准则，这对产线部署的可行…
FlexGlue 是一种非对称的稀疏到稠密匹配神经网络：给定第一张图中的点坐标，它在第二张图的稠密像素中搜索少量对应点，并在判定为非匹配时拒绝该点对，从而同时兼顾稀疏匹配的速度与稠密匹配的亚像素精度。
值得关注：匹配与消歧通常被当作两个分开的环节处理，FlexGlue 把“找对应点”和“拒绝错误点对”合并进同一个非对称匹配框架，并且用稀疏查询加稠密搜索的方式控制计算量。若其在相对位姿、SfM 与视觉定位上的优势成立，这类设计可…
EdenGNN-Uni 是一个覆盖元素周期表（非磁性结构）的通用机器学习电荷密度模型，在保持投影增广波（PAW）级精度的同时，比部分现有方法快一个数量级以上，并能对多数未见材料给出准确的能带结构预测。
值得关注：若电荷密度预测足够快且准，可绕开或大幅减少自洽 DFT 迭代，把电子结构计算推向更大体系与更高通量，直接支撑材料筛选与发现。 与“通用机器学习哈密顿量”路线相比，本条提供的是电荷密度路线的一个通用化、效率优先的实现，并…
DexPort 提出一种无需机械臂、可随身携带的灵巧手数据采集接口：采集与部署使用同一手部硬件，操作者通过移动手持设备指定腕部运动、并用“技能”选择或调整手指协同动作，从而在无机器人本体的情况下记录可供行为克隆训练的命令数据（具体实现细节待核实）。
值得关注：把“数据采集”从整机遥操作中解耦出来，可能显著降低灵巧操作数据集的采集成本与场地门槛。 “命令 vs 状态”的对照再次提示：模仿学习里记录什么是关键设计变量，而非仅是工程细节。 技能抽象把高自由度手指控制压缩为少量可复…
该论文提出将多模态对比模型的嵌入域从单位球面 $S^{d-1}$ 改为概率单纯形 $\Delta^{d-1}$，借助非负、单位质量约束作为跨模态校准的结构先验，在五个多模态检索基准上把质心 $\ell_2$ 距离缩小 97–99%，检索性能匹配或超过标准无约束模型。
值得关注：模态鸿沟是多模态对比学习的常见痛点，既有工作多从损失函数或训练策略入手；本文的增量在于指出“嵌入所在流形本身”就是可调的结构先验。若结论稳健，这为多模态检索、跨模态检索系统的轻量化改进提供了新维度。
HAD-VLM 提出一种自回归-扩散混合框架，用扩散过程预测连续测量值（卡尺端点坐标与长度），在超声心动图定量测量上把平均绝对误差相对自回归基线降低 21.4–37.6%，同时保留语言问答能力。
值得关注：它把“数值输出”从离散 token 采样改为连续扩散预测，直接针对医学定量测量中精度与解剖一致性这两个关键需求；且在同一模型中保留语言问答，指向“对话式定量影像分析”的统一范式。
LEMS 与 KFAC-SVD 针对低秩 SVD 压缩中的“全局秩分配不准”和“分解质量差（秩塌缩）”两类问题，分别引入逐层误差代理与基于 token 级统计的分解方法；据摘要称在 Mistral、Qwen3、Llama 3 上取得最高 4.8 个百分点的零样本精度提升、困惑度平均改善 15%（细节待核实）。
值得关注：低秩 SVD 压缩是降低 LLM 计算成本的重要路线；该工作把改进点落在“秩分配”和“分解质量”两个可直接复用的环节，若结果成立，对现有 SVD 压缩流程具有即插即用式的改进意义。 将误差建模与 ILP 结合用于全局秩…
AdaBPE 通过在 BPE 合并过程中按候选词元的长度与类型动态调整最小频率阈值，缓解传统 BPE 将空白视为固定语义边界、且偏向高频短模式的局限，使词表容量能更多分配给 LaTeX 等低频领域符号，并在五个数据集上报告了编码效率与领域内容下游性能的提升且不损害通用语言表现。
值得关注：词元化决定了模型输入的基本离散单元，词表分配策略会直接影响对形式语言、代码/排版记号等低频但结构关键内容的建模效率。 若 AdaBPE 的结论在更多领域语言上成立，则对混合自然语言与结构化符号的语料（如含 LaTeX …
一篇 arXiv 教程论文提出模块化物理约束机器学习框架 KKT-HardNet，试图把混合建模、过程仿真、优化与模型预测控制整合到同一平台，并声称在约束满足与推理时间上取得数量级提升（具体实验细节待核实）。
值得关注：现有物理信息机器学习卡片多聚焦特定场景（如流体场重构、材料吸附位点搜索、稀疏标签多任务学习）。本条的不同点在于：以“硬约束满足 + 统一优化/控制平台 + 教程化基准”为组织方式，强调工程端到端的可部署性，而非单一预测…
Ballester 与 Tran-Nguyen 在 Nature Machine Intelligence 发表 Perspective，提出一套评估指南，主张通过数据、代码与实验流程的透明披露，以及对数据泄漏、采样偏差和设计缺陷的防范，实现评分函数（scoring functions）公平、可复现且有意义的比较。
值得关注：评分函数的优劣判断高度依赖评估协议；数据泄漏与偏差会系统性高估方法性能，误导方法选型。 透明度与共同数据划分是把“看似更强”转化为“可验证更强”的前提，对学术复现与产业落地均有直接价值。
谷歌开源了与Meta PyTorch团队共同开发的原生TPU软件栈TorchTPU，使现有PyTorch模型经少量改动即可部署到TPU，并已在8000颗Ironwood TPU上完成训练验证。
值得关注：PyTorch是当前大模型开发的主流框架之一，而TPU是英伟达GPU之外的重要算力选项。TorchTPU若如材料所述实现“少量改动即可迁移”，将影响开发者在框架与硬件之间的选择成本，并可能与vLLM、SGLang等推理…
据 OpenAI 官网条目元数据，Uber 正在将 ChatGPT Work 推广至 3 万余名员工，用于研究、数据分析、制作演示文稿和处理复杂工作流；具体部署范围与效果指标待核实。
值得关注：与既有卡片中 The Den 的中小团队案例相比，本条提供的是**万人级企业全员铺开**的样本，二者构成“小团队省时”与“大企业规模化”的对照，可用于观察 AI 办公工具在不同组织尺度下的落地差异。 与教育场景的 Ch…
NVIDIA 在 GTC Berlin 宣布官方支持八节点 DGX Spark 集群，统一内存扩展至 1 TB，可本地运行 GLM 5.3（753B）等前沿级模型，并在推理、多模型编排和预训练三类负载上给出接近线性的扩展数据。
值得关注：把“前沿级开放模型 + 多智能体负载 + 小模型预训练”从数据中心拉到桌面级集群，改变了本地 AI 开发的规模假设：内存而非单卡算力成为第一道门槛，八节点 1 TB 是跨过该门槛的关键配置。 给出按拓扑选型的工程结论：…
OpenAI 为 API 增加最长 12 小时的提示缓存选项（对 GPT-5.6 及以上模型生效），同时宣布 Codex 和 Work 登录用户的缓存永久保留；但官方文档明确 12 小时只是“按缓存命中计费”的最短生命周期，不保证复用 KV 张量或降低延迟。
值得关注：对开发者：缓存写入成本翻倍（相对未缓存输入的 1.25 倍升至 2.5 倍），需要重新估算长上下文与多轮调用场景的账单结构。 对产品设计：缓存永久保留使 Codex/Work 这类持续型工作流的上下文连续性更强，可能影…
Anthropic 于 2026 年 10 月 22 日发布公开征集，邀请学术机构、非营利组织和政府实验室的 PI 及其团队申请成为客座研究员，在 8–12 周内与 Anthropic 研究人员合作，用 Claude 探索生命科学关键问题，Anthropic 承担模型与工具运行成本，成果与数据代码拟共同发表并开源。
值得关注：对于生命科学研究者，这是一条低成本获取前沿模型与研究团队协作的通道，且不要求交出数据。 对于 AI 行业，这体现了模型公司从“提供 API”向“深度参与科学研究合作”延伸的趋势。 与既有卡片的关系：已有“Anthrop…