FL4N 是首个前馈式潜在 4D 新视角合成（NVS）模型，它放弃显式 4D 高斯原语，改为在预训练静态潜在先验之上以残差方式学习时序动态，在仅有图像合成训练目标的前提下实现实时渲染的当前最优 4D NVS 质量。
值得关注：对“显式 4D 高斯=4D NVS 默认路线”的判断构成挑战：FL4N 表明隐式潜在路线同样可行，且能规避时间不一致与渲染伪影。 “静态先验 + 动态残差”的思路降低了对大规模动态训练数据的依赖，对数据稀缺场景的动态重…
待核实（未能抓取正文；仅凭标题与元数据无法确认论文的具体结论与数值）。
值得关注：若论文确实探讨“前馈三维重建模型对自身失败的自知”，其潜在意义在于：此类模型通常在一次前向中回归相机位姿与几何，若不报告不确定性，下游系统难以区分可靠与不可靠输出。该问题与已有的“模型是否知道自己不知道什么”脉络相关（…
该研究探讨视觉编码器是否以统一的线性方向编码抽象概念变换（如数量 2→3、干净→脏），并据摘要提出“碎片化线性”（fragmented linearity）现象：模型普遍存在局部线性结构，但跨视觉“域”（regime）的全局线性结构常常缺失。具体数值与实验细节待核实。
值得关注：该工作把语言模型中的线性表示假设扩展到视觉，并指出“局部可线性解码”与“全局概念一致”之间的差距。对理解视觉编码器是否真正抽象、以及如何评估跨域概念迁移具有方法学意义。与既有卡片中关于 VLA 忠实性、VLM 失败归因…
论文提出以“可复用交互技能”为中心训练和评估网页智能体：先建一个可控的微型网站环境（MiniWeb）来诊断技能短板，再用自动生成数据训练“技能执行器”，最后用规划器把技能组合成完整任务流程（具体方法与数据待核实）。
值得关注：提出“先练可复用技能、再组合解决陌生任务”的紧凑型浏览器智能体配方，把评测从“任务成败”推进到“技能诊断”，有利于定位失败原因。 与既有多模态智能体能力框架（如按感知/规划/执行等功能切分）相比，本条增量在于给出可操作…
Auto-Research Arena 是一个多目标基准，用于评估自主研究系统并在语言建模中发现研究想法；摘要称其能清晰区分现有研究框架，且简单顺序搜索基线可胜过若干复杂方法，但正文细节待核实。
值得关注：该工作把自动研究从单一指标评测推进到多目标、可接纳性与改进分离的评测框架，并尝试把评估过程中发现的想法回流到搜索流程，形成“评估—发现—再利用”的闭环。与已有卡片中 FriendBench 关注多模态模型的社会推断偏差…
这篇论文提出“安全关注点（Security Concerns）”与“原子安全关注点（Atomic Security Concerns, ASCs）”概念，假设网络安全知识可由有限的基础关注点集合表示，从而为跨领域的安全概念提供共同抽象层；该工作定位为概念性框架与研究假设，尚未提供形式化或实证验证（待核实）。
值得关注：安全领域长期存在术语与抽象层次不统一的问题，跨框架（治理、风险、合规、架构）的概念映射与推理难以复用。该论文的价值在于提出一个可检验的基础层假设：用有限“原子关注点”组合出领域概念。与既有卡片中“知识编辑需考虑知识相互…
DECE 提出一个覆盖十款欧式桌游、共享接口与评估协议的统一竞技场，用于比较完整 LLM 智能体配置（模型 + 执行框架）的跨游戏竞争表现与资源代价；具体数值结果与实现细节待核实。
值得关注：把评估单位从“模型”扩展到“模型 + 执行框架”的完整配置，并同时考察性能与成本，有助于避免仅凭单游戏或单框架结论做选型。与既有基准类卡片（如 MM-ToolSandBox、AgentHPOBench）相比，本条增量在…
一篇理论工作提出，生物神经系统中普遍存在的内在噪声并非单纯干扰，而可能显著塑造循环神经网络（RNN）的表示学习，甚至决定非退化解是否存在；具体模型设定与推导细节待核实。
值得关注：若上述主张成立，则噪声不应仅被视为训练中的干扰或正则化技巧，而可能是决定 RNN 学到何种表示、解是否存在的结构性因素。这对理解生物神经网络中噪声的功能角色、以及设计带噪或受正则化约束的循环模型具有理论意义。与既有卡片…