论文为Transformer注意力中的LoRA更新建立了任务相关的秩-误差理论界，说明LoRA秩的选择可由目标更新的谱尾部能量等因素指导，而非仅凭经验。
值得关注：目前LoRA秩的选取大多是经验调参，本文在Transformer注意力上给出了可证明的秩-误差界，是LoRA理论化的重要补充。 与已有相关卡片相比，本卡片并不描述某个具体应用方法，而是提供分析LoRA变体容量需求的理论…
Group-Shared Low-Rank Approximation for Mobile-Efficient Pointwise Convolutions in Large-Kernel CNNs
该论文提出在自动驾驶规划“承诺前”加入一个由语言引导意图模块驱动的门控层，基于平滑的“意图-几何发散度”评分拦截计划机动；在重放的驶离道路事件和四段碰撞片段中，门控是唯一能修复计划的层，且将评分不确定性视为“弃权”而非“半个冲突”后，误触发率从 9 次/5.9 分钟降至 0.341 次/分钟。
值得关注：这项工作将意图误解与“承诺后失败”联系起来，提出一个位于规划执行之前的轻量级门控层，而不是事后修正。其“不确定性作为弃权”的设计原则对自动驾驶交互安全具有直接参考价值，也为语言模型在规划中如何与几何约束结合提供了一个可验证的案例。
通过微调多语言基础模型 Whisper Small，可以在仅约0.54小时人工转写语音的极低资源条件下，为巴尼瓦语（Baniwa）建立自动语音识别（ASR）初步基线，最佳词错误率（WER）为37.5%，字符错误率（CER）为7.45%。
值得关注：本研究的增量在于：它展示了通用多语言语音基础模型（Whisper）在数据量极少的原住民语言上仍可获得可行的初步识别效果，为低资源语言语音技术提供了实证案例。与已有相关卡片关注的通用ASR评估、多模态动作识别或市场模拟不…
通过将基于稀疏自编码器的机械可解释性首次引入粒子物理，研究者从一个中微子基础模型的内部表征中识别出经严格验证的物理概念图谱；该图谱虽未被原有的方向重建头利用，却能被一个不确定性头因果性地使用，从而显著提升中值角分辨率。
值得关注：这项工作将机械可解释性从视觉、语言和代码模型扩展到高能天体物理领域，展示了稀疏自编码器在科学基础模型中的价值：它不仅用于解释，还能找出既有任务头“未充分使用”的信息，并据此开发出性能更好的下游组件。这为后续将可解释性分…
DualOPSD 让同策略自蒸馏（OPSD）中的特权教师不再固定：先由学生从特权教师学习，再在同一学生轨迹上让教师向更新后的学生分布移动，从而在 Qwen3-8B 非思考模式下相对 OPSD 提升 AIME 2024、AIME 2025、HMMT 2025 的 avg@12，并在多个规模上减少截断。
值得关注：既有相关卡片中，DASH 调整 OPSD 的监督视野，RP-OPSD 用推理支点引导迁移，VAD 处理多模态视觉证据归因。 DualOPSD 的增量信息在于：它不只是在已有监督机制上加门控或引导，而是直接改造“特权教师…
在人类阅读与大语言模型（LLM）处理中，概念性信息（conceptual information）与指称性信息（referential information）被破坏时呈现出可区分的加工动态：概念干扰引发更强、更局部、快速衰减的加工代价，而指称干扰引发更弱、更渐进、且更受句界调节的分布式加工过程。
值得关注：已有相关卡片分别关注代码模型中的表征组织、冻结语言模型中的推理干预、以及医疗大语言模型的安全框架。本条作为增量补充，首次在同一实验框架下比较人类阅读与LLM处理中“概念”与“指称”两种语义维度的动态差异，为理解语言模型…
在对话理解中，单纯由“局部不匹配”驱动的信念更新会破坏共同基础（grounding）并损害检索表现；相反，一种对“累积不确定性”敏感的保守策略——面对局部不匹配时先保持原有理解，直到不确定性充分积累才进行修正——能够兼顾连贯理解与检索性能。
值得关注：该研究对“局部意外 = 需要更新”的常见直觉提出挑战，提示对话系统可以更稳健地处理指称模糊场景。与已有卡片主要关注强化学习奖励设计、视频问答检索、LLM检测干预不同，本卡片增量地指出了**“选择性信念修正”在对话系统设…
AGENTEX 是一个机器人化的无细胞（cell-free）翻译平台，可在不改造活体基因组的前提下，快速设计并测试重新编码的遗传密码，使密码子被重新分配并引入非标准氨基酸。
值得关注：绕过“全基因组重新编码”这一极端瓶颈，将遗传密码设计从基因组尺度降维到无细胞、自动化、可迭代的原型化流程。 与已有卡片（PEFT 任务排序、SABRE、SOAP/Muon）无直接脉络重叠；本条属于合成生物学/遗传密码工…
AsymSpec 提出一种“上下文不对称”的投机解码框架：轻量级 draft 模型读取完整输入，大型 verifier 只读取压缩后的输入，并通过对比式 δ-融合与分歧感知接受门来保持验证稳定性和高草稿接受率，从而在压缩上下文导致精度损失时，平均达到约 90% 的全上下文精度，同时带来 1.3–1.7 倍吞吐加速和 0.2–0.3 倍计算成本。
值得关注：现有投机解码通常被用于“无损加速”，但其前提是 draft 与 verifier 共享相同上下文；AsymSpec 将其扩展为“有损压缩下也可用”的不对称机制。 在压缩不可避免的现实 agent 系统中，它能利用廉价小…
一个自主 AI 智能体能够在完全无人值守的情况下，完成无线小区边缘功率控制 ML 算法设计的全部环节（架构、输入/输出表示、损失函数、训练采样规则等），在固定推理预算内达到传统优化参考的 99.5% 性能，并将推理成本降低约 600 倍。
值得关注：该工作把智能体从“辅助调参”或“生成策略”推进到“整个算法设计层自主完成”，重新定义了研究者的角色：研究者更多负责设定目标、设计保障机制和验证结果，而不是手工设计网络结构和损失函数。与已有脉络中的 AtumAI（面向数…
本文提出一种面向多模态大语言模型（MLLMs）的“视觉依赖感知”（Visual Dependence-Aware, VDA）框架，让已部署模型能够从流式无标注数据中持续进化，同时缓解跨模态灾难性遗忘并保持新任务可塑性。
值得关注：首次明确提出 MU-CPT 任务，将“无监督持续后训练”与“多模态跨模态遗忘”相结合。 将 token 级视觉依赖作为持续学习中的关键信号，提供了不同于均匀优化的新视角。 与既有相关卡片（如机器人 VLA 后训练、自动…
该研究提出一种自进化的测试时防御框架：通过跨交互的持久规则记忆，把一次成功的越狱攻击抽象为“方法级规则”并在未来输入中复用，使大语言模型防御无需更新参数也能不断适应新出现的越狱手法，同时保持正常回答能力。
值得关注：这项工作的增量在于把“自进化”引入越狱防御：不是通过更新权重，而是通过外部规则记忆积累经验。它把“一次失败”转化为可复用的防御知识，使安全系统不再是部署后固定不变的状态，而能持续学习新的攻击结构。
MAP是一个将结构化生物学知识注入单细胞扰动建模的AI框架，能在药物完全没有转录扰动谱的情况下进行零样本预测；在三个基准上，将top-50差异表达基因Pearson delta相关性的最强基线提升最高达+19.8%（数据集OP3），并在非小细胞肺癌A-549的虚拟筛选中将5个已批准抗癌药中的4个排进前15。
值得关注：传统扰动预测依赖已观测表达谱，对没有谱的药物几乎失效；MAP通过知识图谱与跨模态对齐，使模型能推断机制相似的未知药物。 这一框架支持大规模虚拟筛选、药物重定位和功能分析，可能降低早期药物发现成本与延迟。 凸显“机制知识…
静态嵌入模型通过查找表为每个 token 提供向量，再用平均池化得到句子向量。由于它没有 transformer 前向计算，速度很快，且对 WebAssembly 友好。ColBERT 等模型则使用“晚期交互”和 MaxSim 打分：每个查询 token 找到最匹配的文档 token，再将这些最佳匹配分数相加。
值得关注：这是一个少见的、公开分享的负面实验结果。它用具体数字说明：
这篇 Perspective 提出，借鉴生物体的“内感受”（interoception）——即监测和调节内部身体状态以维持内稳态的机制——可以为人工智能体提供稳定且普遍可用的内部参考信号，从而增强其在动态变化环境中的自主性和适应性。
值得关注：现有 AI 在开放环境中长期自主运行的能力依然有限。生物体通过内感受维持内稳态，从而在复杂环境中生存和行动。本文将这一生物机制引入 AI 设计，强调内部状态作为稳定参考信号的价值，为构建真正“自主”的智能体提供了新的理…
可灵（Kling）4.0 已全面上线，单次原生生成视频最长 30 秒，并强化高速运动与大幅运镜稳定性；"全能参考"单次最多组合 15 项素材，关键帧控制与续拍延展进一步提升了可控性，但实测中仍存在道具漂移等问题。
值得关注：与已有卡片对照可见一条清晰的行业节奏：阿里 Wan3.0（2026-08-25）与字节 Seedance 2.5（2026-08-03）均已把原生 30 秒和大量素材参考作为卖点，可灵 4.0 的全面上线使"30 秒原…
阿里云百炼正式开放 Wan3.0 视频生成模型，所有开发者可直接调用；单次可生成 30 秒 1080P 电影级画面，原生音画同出，并支持图、文、音频、视频、文档与网页等全能参考。
值得关注：相对于已有“阿里Wan3.0视频模型开启公测”卡片，本条增量信息在于：Wan3.0 已在阿里云百炼正式开放，公开了“按秒计费、失败不计费、标准版限时7折”等商业化策略，并明确支持 1080P、原生音画同出，以及最多 1…
NVIDIA Dynamo 的 Shadow Engine Recovery（影子引擎恢复）通过在同一 GPU 上维护一个已完全初始化但空闲的备用推理引擎，并利用 GPU Memory Service（GMS）持久化权重，可将 LLM 推理工作进程故障后的恢复时间从约 283 秒（冷重启）缩短至 7.3 秒（约 39 倍加速）。
值得关注：传统高可用通常需要额外副本或完整权重副本，成本高。影子引擎通过 GMS 实现权重共享，使备用引擎的边际显存成本接近零；同时把不可继承的初始化状态（CUDA 图、通信器）预先完成，规避了进程绑定状态无法热迁移的根本限制。…
据外媒报道，全球最大AI社区Hugging Face正探索潜在出售，交易估值可能超130亿美元，但讨论仍处早期，最终能否达成交易尚不确定。
值得关注：Hugging Face被视作开源AI生态的“水电煤”，其资本动向反映了大模型竞争之外的平台价值重估。与既有脉络的关系：本条延续了“OpenRouter MCP 服务器”卡片背后的产业链线索——OpenRouter被S…