ZAP（Zero-real Agent Policy）提出一种“工具调用式”配方：用预训练大模型提供世界理解与推理，再用简单仿真任务教小模型如何操控机器人；在不使用任何真实机器人数据训练的情况下，据称在真实任务上达到 96.7% 成功率，并能泛化到训练中未出现的物体、目标、策略与语言，甚至迁移到未见过的机器人形态——以上数据均来自摘要元数据，正文细节待核实。
值得关注：对“基础模型 + 机器人”路线的一个关键分歧点给出实证：**理解能力可以预训练获得，动作技能可以在仿真中获得**，二者组合即可产生组合泛化。 与 π0.7 一类“通用机器人基础模型涌现组合泛化”的叙事形成对照：ZAP …
在基于连接器（connector）的语音大模型中，向新语言扩展 ASR 能力时，采用 SSU-Wanda+TIES 的“源感知适配+模型合并”策略能在学习新语言与保留源语言性能之间取得最佳平衡，而仅做目标语言微调或标准 TIES 合并会导致严重的源语言遗忘。
值得关注：多语言 ASR 系统在向新语言扩张时往往缺乏源语言数据的重放条件（受数据隐私、存储或授权限制）。该研究说明“源感知的更新构造+模型合并”是一条可行的无重放扩展路径，并揭示了不同合并策略在源语言保留上的显著差异，为实际部…
研究提出 NPC-RubricBench——一个以鼻咽癌为疾病场景、覆盖六个连续照护阶段的“分期感知”基准，用患者特异性原子化评分标准评估大语言模型在多阶段临床推理中的表现；结果显示强诊断能力并不能延续到下游照护，且主导失败模式随阶段发生反转（原始摘要信息，全文待核实）。
值得关注：把评估单位从“单次问答”转向“患者-阶段”纵向单元，为医疗 AI 评测提供了可复用的分期化思路（据摘要）。 揭示“诊断强 ≠ 照护全程可靠”，对模型选型与部署监控提出不同于静态榜单的要求（据摘要）。 提示提示词粒度是可…
OSWAM 通过用“想象令牌”初始化扩散过程并结合特权信息蒸馏，将直接策略世界动作模型（Direct-policy WAM）的动作生成从数十步去噪压缩到单步，在自动驾驶与具身控制任务上达到与多步基线相当或更优的效果，并获得约 3 倍加速（摘要数据，具体实验设置待核实）。
值得关注：世界动作模型常在“动作质量”与“推理延迟”之间权衡；OSWAM 声称打破这一权衡，把去噪步数压到一步而性能不降，这对实时闭环控制场景具有直接价值。 与既有卡片中关注实时性的工作（如 TurboVLA 的 32Hz 实时…
该研究提出一个模块化框架，将多轨音频中的乐器活动、可见乐器与图像清晰度，与基于节拍的切镜时机和概率化机位选择结合，用于多机位演唱会视频编辑；但受限于未获取正文，具体数值结果与实验规模待核实。
值得关注：该工作把“音乐结构—视觉质量—切镜节奏”显式拆分为可测试组件，为自动演唱会剪辑提供了可解释的架构基础；其“混合评价”的初步结论也提示，仅靠局部视听相关性不足以决定完整剪辑质量，序列级与上下文标准可能是后续改进方向。
MedVTok 是一个通用医学视觉分词器，把 2D 图像与 3D 体数据、跨 9 种成像模态统一映射到同一 token 空间，并在 24 个基准上报告了最优性能，为多模态医学 AI 提供可复用的视觉接口。
值得关注：医学影像天然多模态、多维度（X 光/病理切片为 2D，CT/MRI 为 3D 体数据），此前系统往往按模态各自为政。MedVTok 若如其报告所言在 24 个基准上全面领先，则意味着下游任务（分割、报告生成、VQA 等…
dSpark 提出用“调度蒸馏”让扩散大语言模型学会在解码时优先揭示那些能帮助其他位置更快变得可预测的 token，从而在数学推理与代码生成任务上显著加速并行采样；具体方法细节与实验设置待核实。
值得关注：对扩散语言模型而言，解码轮数与并行采样效率是关键部署瓶颈；dSpark 把“提交顺序”本身作为可学习对象，而不是仅依赖 token 置信度，提供了加速 dLLM 的一条新路径。 与既有脉络的关系：已有卡片 Pivot-…
FLORE 通过“无机器人演示采集 + 力反应扩散策略 + 带力跟踪的混合柔顺全身控制器”，让人形机器人在保持平衡的同时按指令控制双手接触力；在三个接触密集任务上成功率 80%，而仅位置策略为 26.7%。
值得关注：许多真实操作依赖对接触力的主动调节（如推、压、擦拭、协同搬运），仅靠位置控制容易失败或无法完成任务。FLORE 给出了从“无机器人演示”到“力反应策略”再到“全身力跟踪执行”的完整路径，并用真机对比显示了力指令输入带来…
本文提出一种信息论安全聚合方案，使联邦学习中带宽受限程度不同、因而采用不同量化级数的客户端仍能安全地求和模型更新，同时容忍客户端掉线以及最多 \(T\) 个半诚实客户端与服务器串谋。
值得关注：异构量化是实际联邦学习部署中的常见约束，而安全聚合若不能兼容异构精度，要么迫使客户端统一量化而牺牲带宽适配，要么在掉线与串谋组合下产生隐私缺口。本文用统一线性整数系统生成跨不同代数群的秘密份额，为“异构精度 + 掉线容…
论文提出“不可剥夺的人在环”（I-HITL）概念，要求即便 AI 代理已攻陷人类所交互的系统、甚至人类试图把审批权外包给代理，关键动作仍必须获得人类明确批准；作者用通信拓扑形式化该性质，证明其实现必须依赖可信实体（如可信计算设备），并给出可插拔到现有 HITL 系统的原型 Countersign。
值得关注：把 HITL 从“流程约定”提升为“可证明的安全属性”，为 AI 代理的高风险动作审批提供了更严格的安全目标。 揭示现有 HITL 实现的系统性弱点：当代理能访问审批通道（如邮箱）时，审批可能被代理自己完成。 与既有的…
该论文用博弈论模型分析AI普及后学术招聘中的双向困境：研究者该深耕理解还是用AI堆论文，招聘方该只看面试理解力还是坚持论文数量与面试双过关；受限于材料，模型细节与结论待核实。
值得关注：当论文产出因AI变得廉价，依赖出版物数量与质量的传统筛选信号可能失效，导致“理解深度”与“简历长度”之间的错配。该框架有助于讨论如何在AI环境中保留深度理解的价值，避免招聘陷入单纯数量竞赛或面试成本过高的困境。与既有卡…
在微服务故障根因分析（RCA）任务上，不预设模型调用流程的三种简单 LLM 执行框架（harness）在准确率上超过五个已发表的 LLM RCA 智能体与统计/因果方法；但该结论仅来自候选摘要与元数据，正文细节待核实。
值得关注：该结果对“复杂智能体编排必然优于简单封装”的默认假设提出反例，提示 RCA 智能体的设计重点可能应从流程编排转向证据供给与模型能力。相对于既有卡片中偏重轨迹分析与优化框架的主题，本条提供的是评测层面的横向比较证据（增量…
FOCUS 是一种强化学习方法，通过“选择性分支”让评论家网络主动从最能降低估值误差的状态采样续写，从而在稀疏结果奖励下改善长程智能体的信用分配；据摘要，其在 Qwen3.5-9B 规模、匹配每步生成预算下优于 GRPO 与 VinePPO（具体数字待核实）。
值得关注：把“评论家该在哪里多采样”变成主动学习问题，直接针对长程信用分配的成本-精度矛盾。 与已有的 CompactionRL 卡片形成互补：CompactionRL 侧重从压缩历史中学习，FOCUS 则把压缩产生的片段边界用…
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…