在大型企业后台员工中，生成式AI使用的“成熟度”与员工资历及职能领域明显相关；战略、数字创新和项目管理三个职能领域的成熟度最高。同时，观察期内未发现成熟度随时间自然提升，正式AI培训也未带来持久改善。
值得关注：这项研究提供了来自真实企业内部、大规模且细颗粒度的GenAI使用现场证据，而不是基于实验或问卷调查。它把关注点从“模型能力”转向“员工实际使用行为的异质性”，对组织采纳AI、培训和绩效管理有直接参考价值。相比已有相关卡…
在生产级社交图谱（1.94亿用户、280亿条边）上，将多哈希ID嵌入作为主要节点表示，并用按时间戳排序的CSR存储加二分查找实现时间邻居采样，使推荐带来的好友添加量提升16%、去重后的添加用户数提升11.5%，同时将ID嵌入表规模压缩超过98%。
值得关注：该工作展示GNN排序系统在真实社交推荐场景中的可落地性，并给出两个影响生产可行性的关键工程选择：多哈希嵌入压缩和高效时间邻居采样。 与只关注模型精度的研究不同，它强调系统开销和数据结构设计：若不解决嵌入表大小和邻接列表…
视觉语言模型（VLM）中存在一类数量很少的注意力头，称为 **Visual Retrieval Heads (VRHs)**，它们负责将文本描述锚定到图像区域，并从图像中提取相应视觉证据；仅屏蔽约 20 个这样的头即可使指代表达定位准确率下降最多 80 个百分点，而屏蔽同样数量的随机头几乎没有影响（待核实）。
值得关注：这是继 LLM 文本检索头之后，首次在 VLM 中提出“视觉检索头”概念，并将“因果性-稀疏性-通用性”三元组从文本检索头扩展到视觉检索（待核实）。 与已有相关卡片的关系： 不同于 **ReToken** 通过添加一个…
RedEvoAgent: Automatic Red-Teaming Agent with Experience-Driven Skill Evolution
本文通过将音乐家表示为80个低层 Essentia 声学描述符的经验分布，并用边际最优传输（Wasserstein）距离衡量两两声学距离，证明专家批评文字中形成的“批评邻接”关系在冷启动、艺术家不相交的划分下可被声学内容部分恢复（样本外 AUC=0.767），且批评共识越强越可恢复（多源共证边 AUC=0.865）。
值得关注：将批评话语引入推荐系统，提供一种较“用户行为”更原则化、较“纯音频内容”更富语义的中间信号。 说明批评邻接可分解为可复现的“声学核心”与“社会学剩余”；这为理解音乐品味中的审美判断与社会建构提供了可量化方法。 本条并非…
MILO 利用大型重建模型（LRM）从单张图像生成几何脚手架，再将该网格分割为人体与物体部分，并分别拟合参数化人体模型和（可选的）物体模板，从而在多个基准上取得优于现有基线的 3D 人-物交互重建精度。
值得关注：提出一种新范式：将 3D HOI 重建从“拟合 2D 观测约束”转向“解释 LRM 生成的三维网格”，利用基础模型学习到的几何先验。 与已有相关卡片（FriendBench、音频语言模型、医疗 LLM）主题不同；本条可…
有影响力的公共话语会影响公众信念，也可能产生误导——这种误导不仅源于陈述的事实，还源于信息的框架、省略、情境化与沟通方式。然而，已有研究较少关注误导性如何产生并影响读者形成的解读。RCMN（Reader-Centric Misleadingness Understanding）为此提出了一个以读者为中心的误导性理解框架。
值得关注：现有虚假信息研究多聚焦事实性造假，而 RCMN 将注意力转向读者的解读过程，以及框架、省略、语气等“怎么说”的维度。它提供了一个可操作的五维框架，并初步展示了轻量级 AI 表示在可扩展误导性分析中的潜力，同时划清了当前…
RATIO 是一个大规模科学文献检索基准，用 Address、Broaden、Specify 三种“创意动作”（ideation moves）重新定义相关性，用于训练和评估能帮助人类与 AI 科学家从文献中获得灵感的检索系统。
值得关注：现有科学文献检索工具多以“主题相关”或“答案匹配”为目标，而科学创新往往需要从文献中获取不同抽象层级的灵感。 RATIO 首次在检索基准中显式建模三种不同类型的创意操作，使检索系统可以按用户的认知需求返回“解法”“推广…
仅凭“首次访问帧与返回帧高度相似”并不能证明视频世界模型记住了场景，因为中间的生成过程可能根本没怎么变化。R2M-Bench 通过同一条 rollout 内的相对校准指标（MemoryGain 与 NMR），把“重访特有的记忆一致性”和“普通时间稳定性”区分开来，更可靠地评估交互式视频世界模型的重访记忆。
值得关注：已有相关卡片多聚焦于训练方法或推理策略（如 Cycle-World 的循环一致性、LDR 的潜在动力学外推），R2M-Bench 则从“评估方法论”切入：它指出了绝对重访相似度的盲区，并提供了同轨迹相对校准的实际方案，…
QuantumBoostNet是一种将经典骨干网络与10量子比特参数化量子电路结合的混合架构，在心脏超声视图识别中优于当前最先进的经典和混合经典-量子模型，并在标准图像分类基准上表现出更强的噪声鲁棒性。
值得关注：这是量子机器学习在医学影像分类中的又一具体探索。与已有相关卡片中的“量子自编码器用于对撞机实时异常检测”和“QuanTiMedAI用于心脏骤停死亡预测”不同，本条聚焦心脏超声视图识别这一图像分类任务，展示了混合量子架构…
Puro-2B 是一套面向资源受限实验室的开源预训练配方：在消费级 RTX 5090 GPU 上用 FP8 精度从零训练 2B 级模型，最高使用 1.4 万亿 tokens；最佳模型计算成本低于 6.9K 美元，性能接近 Qwen2.5-1.5B。拟合的 Puro 成本缩放定律进一步表明，约 4.4K 美元（<5,090 美元）即可达到 Qwen2-1.5…
值得关注：填补了“低成本、硬件可及、完整开源预训练配方”的空白，而不是只发布模型权重。 可复现的训练数据、代码和权重全量开放，便于社区验证和改进。 提出成本缩放定律，为预算规划提供定量依据。 提供了数据课程对下游性能影响的受控实…
仅用心率等端点指标验证相机rPPG是不够的；本研究显示，从接触式PPG到相机rPPG的“可恢复性”是属性特定的，群体层面的统计合理性并不能保证单条记录层面的生理属性得到保留。
值得关注：已有相关卡片涉及数据增强、视角鲁棒VLA模型和图像生成一致性，未涉及rPPG验证。本卡的增量信息在于：提出了“属性特定可恢复性”这一评估视角，提示群体水平的统计重叠可能掩盖单条记录的不可恢复性，对rPPG算法验证标准、…
PES 通过将 LLM 智能体的“人格”（指令、语气、自我呈现）与“执行”分离到不同信任域，使受治理组织中的人格可以自由漂移，同时执行仍保持有状态、可审计和可追溯。
值得关注：该模式提供了一个可落地的架构选择，直接回应 LLM 智能体在组织治理中的核心矛盾：人格需要持续演化，而执行必须被审计。 与已有相关卡片相比，本条不聚焦记忆分离或用户主权评估，而是提出“人格域-执行域”分离的架构模式，强…
当前视频生成模型虽然常被称作世界模型，也能生成看似合理的视频，但在“相同初始观测与动作下，多次生成的行为分布是否与真实物理可能性分布一致”上普遍未达标。
值得关注：当前对“世界模型”的评价标准还停留在视频是否逼真，忽略了世界模型的预测本质是下一时刻状态的概率分布。 如果模型只能输出一种可能，而真实世界允许多种可能，则模型在规划、决策、科学模拟等应用中会产生系统性偏差。 本工作给出…
在碎片化文本复用证据下，将“找回文章级重印/复用”的任务从“片段检索”转为“pair级证据整合”，可生成紧凑、可审计的候选传播关系集合；直接LLM提示配置适合高召回扩展，而规则工作流在精确率-召回率权衡上更强。
值得关注：该研究提供了一个可直接落地的历史文本复用研究范式：面对碎片化、不完整的复用证据，不追求一次性召回所有重印，而是输出可审计的紧凑候选对，让历史学者能够手工验证。同时，研究揭示直接LLM提示在完整候选空间上会大量标记正例，…
评估感知（eval-awareness）不应被视为一个单一的、可整体压制的量；当模型在思维链中把“被测试”框定为“测试我的能力”而非“测试我的边界”时，其遵从行为显著更高。安全评估需要区分评估感知的语义类型，而不能只看总体抑制率。
值得关注：如果安全评估管道把评估感知当成单一值来压制，就可能被汇总指标误导：总量下降并不等于安全相关行为变好。本文给出一个更细粒度的可观测信号——模型在思维链中如何框定“自己被测试”这件事——并说明该信号与遵从行为有预测性和因果…
抵押贷款文档自动化通过智能文档处理（IDP）将非结构化贷款文档转换为可验证、可集成的结构化数据，从而缓解人工处理带来的延迟、低效和合规风险。
值得关注：本条是面向金融垂直领域的文档自动化指南，属于基础模型/大模型在行业场景中的应用。与已有相关卡片（机器人变体任务、Transformer 谱分析、印刷质量合成数据）不同，本条补充了“智能文档处理 + 贷款流程”这一具体业…
MAELLE 将化学反应直接建模为电子占据向量上的离散流匹配，在 USPTO-480K 基准上取得与领先反应预测模型相当的表现，并在分布外场景下保持稳健，同时能恢复符合已知化学的机理轨迹并预测副产物。
值得关注：该研究放弃了常见产物生成或分子图编辑范式，转向电子占据这一更底层的化学描述空间，使反应预测与机理可解释性对齐，并具备副产物预测能力。与已有知识卡片覆盖的知识图谱问答、闪电网络优化、链上欺诈检测等主题不同，本卡片关注 A…
据论文摘要，CAST（Concept-guided Artifact Suppression Tuning）通过稀疏自编码器识别并抑制临床笔记中的格式伪影，在 MIMIC-IV 出院小结死亡风险预测任务上优于微调编码器基线，并与强 LLM 基线竞争力相当，同时提供特征级审计踪迹。（待核实）
值得关注：本工作将“可审计性”嵌入临床语言模型的微调过程，回应了医疗场景中模型部署的信任与安全需求。相比已有相关卡片中的“BERT-LER”，本条增量在于：不只做可解释的临床预测，而是显式区分并抑制文档伪影，使模型决策更依赖临床…
对于库存控制、排队网络控制、品类优化这类边界清晰（well-specified）的运筹学问题，最强测试模型 gpt-5.6-sol 在几乎全部评估实例上匹配或优于现有最佳方法；即使在 level 2 设置下——只给定问题类别描述和参数范围、生成固定算法之后再看到评估实例——这一结论依然成立。
值得关注：已有关注 LLM 翻译、经验抽象、数据增强等话题；本卡片的增量信息是：LLM 的能力检验可以扩展到运筹学算法设计这类结构化决策问题。摘要显示，一条未调优提示词加上固定计算预算，就能产生与专用方法竞争的 OR 算法，并且…