精选

Lévy Attention: Single-Pass Predictive Uncertainty for Continuous-Time Attention

根据现有元数据，该条目指向一篇 Science Robotics 论文，英文题名为“Learning vision-driven reactive soccer skills for humanoid robots”，主题涉及人形机器人的视觉驱动反应式足球技能学习；但正文未抓取，具体方法、实验、结果与结论均待核实。

值得关注：本条与已有卡片处于相近的人形机器人学习型技能与基础模型脉络附近：已有卡片分别关注人形机器人行为基础模型缩放、零售场景数据高效后训练与经验驱动学习 VLA、以及面向视觉—语言—动作强化学习的“世界评论家”模型。 若本文确…

单个训练样本对最终模型的贡献通常只能“估计”而无法“测量”，因为要直接测量，需要做两次完整的预训练，而两次训练之间仅在一个 batch 的一行上存在差异。本文在较小规模上把这种反事实实验真正跑了出来：训练了 32 个 124M 参数的 GPT-2 模型（在 OpenWebText 上），共 4 种条件、8 个随机种子。在总训练步数 9,536 步中的第 2…

值得关注：这项研究第一次直接“测量”而不是“估计”了单个训练样本对预训练最终模型的影响。它提供了一个定量证据：单一文本样本可能在预训练过程中被短期记住，但最终对模型行为几乎没有可检测的残留影响；同时，模型权重轨迹仍被明显改变，且…

将梯度提升集成中每棵树的叶值视为坐标，每个样本就变成 R^M 空间中的一个点，模型分数就是坐标之和；这一视角为对比解释提供了精确且可审计的基础，并支持在“可执行性”约束下更有效的逆决策（recourse）。

值得关注：常见的可解释性方法往往需要拟合、采样或假设特征层面可加性；本文指出，在叶值坐标空间中，可加性是已经存在的结构，而不是额外假设。 该工作把解释从“近似”推向“精确”，并且把“逆决策建议是否可执行”纳入评估，这对信贷审批、…

该研究利用深度学习模型将大气环流预测转化为降水预测，预测2026年夏季中国中部将出现干燥异常，并通过可解释性分析将这一预测主要归因于特定的大气环流异常。

值得关注：这项工作为AI生成的气候区域预测提供了物理上可解释的框架，使得在观测数据尚未可用时即可对预测结果进行基于证据的评估，有助于增强对AI预测结果的信任，并为干旱预警等决策提供参考。

本文提出了一条利用RGB正射影像辅助生成3D探地雷达（GPR）标注数据的高性价比流程，并设计了一个融合残差连接、混合卷积核与深度/通道注意力机制的3D CNN，在路面修补（patch）和裂缝（crack）缺陷的二分类任务中优于基线架构。

值得关注：它将路面表面可见的缺陷标签迁移到地下GPR数据中，绕开了纯人工标注3D GPR数据的巨大成本，为交通基础设施智能检测提供了一条实用的数据生产路线。同时，3D CNN中的残差、混合卷积核和注意力机制组合，也可迁移到其他体…

前沿语言模型的平均能力已接近饱和，真正区分系统的是重复相同请求时输出围绕目标的“散布”或“精度”，而不是“能力”本身。

值得关注：在已有讨论“AI安全失败”和“机器学习系统结构极限”的基础上，本文把焦点从“模型能做什么”转向“模型在重复执行时有多一致”——这是可操作、可量化且直接关系到部署可靠性的指标。增量信息在于：它提供了一个不依赖模型打分的廉…

作者提出利用 RVQ 神经音频编解码器自身的层级结构，在连续码本几何空间中做“对比式检索”来代替传统的离散 token 预测或连续回归，从而从较粗的编解码器 token 重建高质量音频；在语音和音乐的编解码器恢复任务上，该方法优于单遍 token 预测基线和单步回归基线（具体指标和实验细节待核实）。

值得关注：该工作试图跳出“离散 token 预测 vs 连续回归”的既有二分法，为音频编解码器重建提供第三条路线。 对基座模型主题而言，RVQ 离散表示是许多音频生成基座模型的基础；改善粗 token 的重建质量可能直接提升上层…

本技术报告描述了通过人声模仿查询声音效果的两种互补微调策略，是 AES AIMLA 2025 挑战赛的获胜提交；但摘要未给出具体性能数字，实际效果有待核实。

值得关注：人声模仿是自然且低门槛的检索方式，用户无需专业关键词或标签即可表达目标声音。该工作展示了将预训练表示与针对性微调策略结合用于音效检索的可行性，可为后续声音查询系统提供参考。

本研究用超分辨率生成对抗网络（SRGAN）对锂离子电池NMC正极材料的低分辨率EBSD数据进行计算增强，在5倍超分辨率下可实现约25倍的采集加速或视场扩展，并在晶粒尺寸、形状等关键指标上保持可接受的精度。

值得关注：传统EBSD受限于采集速度，难以快速获取大范围、统计稳健的微观结构数据。本文将超分辨率生成对抗网络引入EBSD领域，在不明显损失微观结构精度的前提下大幅提升通量，为电池材料及其他材料的统计性微观表征提供了新路径。与已有…

S-JEPA 的软目标中，非最大概率的数值结构并不能完全决定学习到的 Encoder 表示；这些非最大概率值被分配到哪些 GMM 分量同样重要。

值得关注：该结果对依赖 GMM 软标签的自监督表示学习方法具有直接启示：仅保留概率分布的一阶统计量（如 top-1 和尾部总质量）可能丢失关键结构信息。它提示设计 soft target 时，需要同时关注概率值与分量身份之间的对…

本文提出 MDTIM（Masked Diffusion Time-series Imputation Model），通过掩码扩散训练和随机离散化，使模型在时间序列插补任务中直接预测原始值，并在多种缺失场景下取得优于现有确定性方法和生成式方法的鲁棒性与可扩展性。

值得关注：该工作从表示空间和学习目标两个层面重新对齐了扩散模型与插补任务，而不仅仅是替换网络结构。 随机离散化提供了一种将连续时间序列与离散掩码扩散模型连接的新思路，可能对时间序列基础模型的预训练与生成式插补有推动作用。 与既有…

DistScan 提出一种新的目标检测后门检测思路：即使输入中没有触发器，后门注入也会系统性地改变模型在 NMS 前的预测类别分布，使其偏离训练类别频率；因此只需在干净验证集上统计中间类别预测，即可判断模型是否被植入后门，无需访问模型权重、无需知道触发器、也无需额外训练。

值得关注：目标检测后门攻击的检测通常面临“触发器未知、权重访问受限”等现实约束。DistScan 只需要干净验证集和训练类别频率，就能绕过这些约束，通过分布偏移信号识别后门模型。这一思路可能为模型安全审计、第三方模型验证、以及供…

DA-WAM 提出将预测表示学习、动作条件未来建模与轨迹评分统一到一个驾驶决策目标下，让预测的未来直接参与轨迹选择，并在 NAVSIM-v1 和 NAVSIM-v2 上取得当前最优性能（具体指标数值待核实）。

值得关注：现有驾驶世界模型大多强调“预测未来”本身，而 DA-WAM 强调“预测出的未来必须能区分不同轨迹的好坏”。这是从“预测型世界模型”走向“决策型世界模型”的关键一步。 与已有相关卡片相比，Deform360 聚焦可变形物…

该研究针对Hawkes过程驱动的非马尔可夫随机控制问题，提出先用混合指数核将多变量Hawkes过程有限维马尔可夫化，再在近似模型上使用一种连续时间确定性策略梯度算法（Hawkes-CT DDPG）求解，并证明了马尔可夫化过程、强度及问题值对原非马尔可夫模型的收敛性。

值得关注：该研究将连续时间强化学习扩展到Hawkes跳跃扩散控制的非马尔可夫场景，填补了经典随机控制理论与现代无模型强化学习之间的一个缺口，为事件驱动的金融、排队、社交网络等应用提供了潜在工具。

本文提出一种基于嵌入（embedding）的大规模动态主题建模方法，用于在 12.7 亿条 Reddit 评论中检测与量化“主题漂移”（topic drift）；初步结果显示，政治与社会争议话题在嵌入空间中呈现显著方向性漂移，而音乐、体育等领域相对稳定。

值得关注：该项工作把“主题漂移”分析推进到评论级超大规模语料，并在嵌入空间中直接考察语义演变。零模型检验的引入有助于区分真实的话语变化与随机波动，为后续动态主题分析提供了可参考的验证框架。

ChildSafeAds 2026 是一个面向“可能触达儿童和青少年”的YouTube视频中商业内容检测的共享任务，提供来自939个频道的3,360个视频数据，并设置三个子任务和四级证据访问设置，用于评估系统在广告/商业内容识别、产品分类和法律风险识别上的表现。

值得关注：这是少见的专门针对儿童/青少年受众YouTube视频商业内容识别的共享任务，结合了众包赞助片段、平台元数据和大模型标注，为隐性广告识别、法律合规评估和推荐系统安全提供了新的基准与数据资产。相比已有相关卡片，本条是全新的…

NEAR 框架通过将高重复次数的神经响应中心作为锚点，同时从“带噪查询”和“候选图像表征”两侧向该锚点对齐，显著提升了仅有一或几次重复时的脑-图像检索准确率，减少了对大量重复采集的依赖。

值得关注：脑-图像检索以往依赖大量重复试次，严重限制了实际应用。NEAR 首次明确指出“查询噪声”之外“图像侧放置”的影响，并提出双侧锚定机制，为少重复神经解码提供了新思路。本条与已有相关卡片无直接重叠，属于脑信号与视觉表征检索…

语言模型智能体可以通过连续隐藏状态进行公共转录中不可见的隐蔽通信；论文提出的“可验证潜在对齐（VLA）”框架能够在不使用攻击样本训练主监控器的情况下，以较高准确率监控此类私有通道，并在具备白盒反事实访问时有效缓解合谋行为。

值得关注：多智能体安全是大模型系统落地的关键问题；如果智能体能通过隐藏状态协调，仅依赖文本日志的安全措施将存在盲区。 该工作首次为“潜在通道合谋”提供了端到端的监控与引导框架，并量化了检测和干预效果。 与已有相关卡片相比：该卡片…

GC-OPD 在 rollout 组内分别归一化验证器奖励和轨迹级 OPD 分数，用二者之差作为带符号的“教师-验证器分歧残差”，再按相对优势分配到 token，从而在不丢弃逐 token 稠密教师指导的情况下引入验证器的整体任务反馈；在 5 个长上下文基准上，Qwen3-4B 的五基准均值从 29.08 提升到 40.47，Qwen3-8B 从 35.1…

值得关注：它直接回应了“教师似然”与“任务验证”在长上下文场景中的错位问题，说明仅追求教师逐 token 似然可能不够。 核心价值是：不丢弃稠密的逐 token 教师指导，而是用验证器奖励做组内相对残差校准。 与既有脉络的关系：…