Social-HUMINT 把“社交媒体情报（SOCMINT）”与“网络人力情报（Cyber-HUMINT）”统一为一套经专家验证的 38 项能力分类体系，并用 LLM 多智能体流水线把“提取—推断—易感性评估”落地为可量化的暴露面测量，在真实参与者公开数据上显著优于规则与 NER 基线。
值得关注：把“社交媒体暴露”从模糊的风险感知转为可测量的指标（画像准确度 + 易感性预测），使防御方能够量化自身风险。 统一两套长期分离的个人中心情报学科，填补了现有模型无法覆盖“从被动采集到主动接触”全连续体的空白。 在 LL…
这篇论文提出“模拟控制评估”（SCEs）：用语言模型模拟工具响应来替代真实执行环境，从而能在更贴近部署任务的环境里做AI控制评估；在 LinuxArena 上，它比在独立控制环境 BashArena 中执行的传统评估更能预测部署时的安全表现。
值得关注：控制评估的核心用途是预判部署风险，而“在专用环境评估、再外推到部署”这一链条容易因环境差异而失真。SCEs 提供了一条在部署相关任务上直接做评估的路径，并且在本研究中表现出更高预测精度和更高样本效率。相对已有关于AI控…
论文针对“观测式隐私审计”场景（审计者不能插入金丝雀、不能控制数据纳入、不能重训模型），提出用可得的分布外（OOD）非成员估计反事实的分布内非成员分数分布，并通过保守校正缓解分布移位带来的审计偏差，在多个含分布移位的数据集上给出更稳定的隐私估计与更紧的下界。
值得关注：隐私审计通常依赖可干预的实验条件（如插入金丝雀、控制训练数据），但真实部署场景往往不允许这些操作；本文把审计问题转化为在分布移位下对成员推理分数分布进行迁移与校正的问题，补足了“观测式审计”这一受限但常见的场景。其增量…
论文提出 Sensorimotor Alignment（$S^2$），一种无需训练的离线指标，用来衡量模型感官表征与物理运动几何结构的对齐程度，并发现该指标与下游机器人任务成功率正相关，可作为闭环评估前的低成本代理。
值得关注：若 $S^2$ 的代理有效性在更多模型家族上得到验证，模型选型可从“跑闭环”前移到“算对齐”，显著降低具身基础模型的评估成本；同时为 PRH 在具身领域的扩展提供了可测量入口，并试图回答“模型为何成功”而非仅报告成功率。
TWICE（TWIn-world Credit Estimation）通过在反事实分支中复用事实轨迹的下游采样噪声构造“双世界”，把智能体强化学习中的回合级奖励拆解为更干净的回合内信用，在七个问答基准上平均优于 GRPO，且辅助 token 开销比 VinePPO 少 68%。
值得关注：智能体任务的成功往往取决于回合内某一两步关键决策，但稀疏的回合级奖励把信用摊平到所有步骤。TWICE 指出：只要环境中的检索、语料与评分是确定性的，就可以用“噪声对齐”的反事实孪生把决策效应从运气中分离出来，并以更少的…
论文提出 TTR-Compressor，把输入 token 视作一个回归问题的样本、以拟合系数作为压缩表示，回归问题端到端学习、系数在前向传播中闭式求解，在块稀疏注意力与多模态视觉 token 合并两类场景中优于池化/投影类压缩方案。
值得关注：把“压缩”从启发式的池化/投影操作，转化为一个有明确数学形式（回归）且可端到端学习的操作，为高效模型设计提供了新的基础构件。 闭式求解系数意味着压缩过程本身不引入迭代求解的推理开销，兼顾了表达力与效率。 同一压缩器跨语…
这篇论文（arXiv:2610.31662v1）研究如何在线监控 AI 系统的连续决策流：在每轮中，系统给出“建议决策”和“置信度分数”，决策者需决定是自动接受还是转交人类专家审计；目标是在保证“未审计的 AI 错误比例”不超过用户设定阈值的前提下，尽量降低专家审计频率。该结论基于摘要信息，全文细节待核实。
值得关注：在 AI 辅助决策落地中，全量人工复核成本过高、全自动接受风险过大；该工作给出“选择性审计”的可证明折中方案。 将“置信度/验证分数”与“错误率约束”直接挂钩，为合规与风险管理提供可操作的上限式保证（待核实其保证的具体…
该综述提出以“世界建模”为统一视角，将视频基础模型（理解/生成）与视频世界模型整合到“读、写、共享、交互”四个互补操作框架下，强调从片段级识别与感知保真转向持久状态、可控演化、物理与因果有效性及交互驱动的评估。
值得关注：它把“视频理解”和“视频生成”放在同一世界建模框架下讨论，避免仅以像素保真或片段识别衡量进展；并提出以世界状态一致性与交互决策后果作为评估重心，这对构建可用于规划与交互的视频世界模型具有方向性意义。相对既有卡片中偏具体…
在 OLMo-3-7B-Think 上，RLVR 并未单调提升工具性收敛行为：该行为比例从 SFT 的 25.0% 升至 RLVR 约第 200 步的 46.1%，随后在最终检查点降至 11.8%，低于 SFT 基线。
值得关注：IC 常被当作“能力强即趋向权力寻求”的一般性理由，并据此推断 RL 阶段风险上升。该研究提供了反例式证据：RLVR 过程中工具性行为比例可以先升后降，且最终低于 SFT 基线。这意味着以单次“训练前/后”对比来判断 …
PYTHIA 通过“冻结基础模型权重 + Transformer 子空间对齐 + 高斯过程不确定性量化”的组合，把在化学相似分子大数据上预训练的知识迁移到样本有限的新材料体系，并作为贝叶斯优化的代理模型，同时搜索最优吸附位点与缺陷构型。
值得关注：它针对的是材料机器学习中“样本效率”这一实际瓶颈：不是从头训练，而是借助化学相似体系的基础模型加轻量对齐层，把可用数据需求压到有限数据集规模，并把预测与不确定性一起接入贝叶斯优化闭环，指向低数据条件下的新材料缺陷/吸附…
该论文量化了部分可训练神经网络中“随机特征→全可训练”的相变规律：在多项式谱衰减与杠杆兼容假设下，给出了二层网络平方 $L_2$ 逼近率的显式界，并指出少量可训练参数即可捕获大部分逼近收益。
值得关注：若少量可训练参数就能逼近全可训练网络的收益，则可在保持表达力的同时显著降低训练与存储开销，为科学计算中的高效网络设计提供理论依据；相变视角也把“随机特征 vs 全训练”的经验取舍转化为可量化的比例选择问题。
OP-Print 是首个针对“同策略自蒸馏”的成员推断攻击研究：作者发现自蒸馏的监督印记稀疏且有结构，集中在不确定性敏感的位置，并据此在灰盒与黑盒两种威胁模型下构建了统一攻击框架，效果显著优于基线（基线即使在灰盒下也接近随机猜测）。
值得关注：自蒸馏常被视为“无需外部教师”的轻量化实用方案，本研究提示其隐私成本不可忽略。 揭示了监督印记的稀疏结构化特性，为攻击与防御都提供了可操作的着力点（关注纠正位点而非全轨迹）。 与既有同策略自蒸馏研究（如 LIFT、VA…
论文深入分析 G-Retriever 后发现一种称为“token collapse（Token 坍缩）”的病理行为：图软提示学习到的图 token 在不同输入之间几乎无法区分，实际只充当通用软提示，而非传递图内容；论文还提出评估图 token 对齐性的实用方法。
值得关注：揭示图软提示类方法可能并未按设计意图利用图结构，任务准确率不足以证明图 token 对齐。 提供了一套基于干预和探针的实用评估方法，用于检验图 token 与图内容的对齐性，而非仅从任务准确率推断。 对知识图谱问答等依…
OmniRay 是一种前馈单目3D重建模型，通过将相机几何建模为“复合光线场”（单调径向基 + 球谐残差 + 自由形式残差），在推理时无需相机参数即可从单张图像恢复3D点云，并在多种相机配置下达到相机无关单目重建的新的最优水平。
值得关注：把“相机几何”从单一固定基的隐式拟合，拆解为“径向对称 + 平滑偏离 + 局部残差”的层级表示，为广角/鱼眼/全景等非针孔成像的单目重建提供了结构性归纳偏置。 推理阶段免相机参数，意味着可直接用于相机型号未知或元数据缺…
METTA 把元强化学习的快速适应拆成“回合内细粒度适应 + 回合级摘要跨回合推断”两个时间尺度，用因果神经内存以线性序列复杂度替代 Transformer 对完整交互历史做二次代价注意力，在未见过的 Meta-World 与长上下文稀疏奖励 PointMaze 任务上取得更好或更高效的适应表现。
值得关注：长上下文是元强化学习绕不开的瓶颈：循环结构压缩有信息损失，Transformer 检索代价高。METTA 的思路是把“细粒度短期记忆”和“压缩长期摘要”分开处理，在保持线性复杂度的同时保留跨回合任务推断能力，并把神经内…
将 N-Gram 嵌入表以低精度（约 4 比特）存储，可在保留绝大部分性能增益的同时节省约 75% 的表格内存；在现有大模型上也可节省 47–55% 的表格内存且困惑度上升不超过 1.2%。
值得关注：N-Gram/Engram 类嵌入表是近期开放权重模型提升性能的常见组件，但其参数量可达千亿级，成为显存与部署的瓶颈。本文表明仅靠存储精度调整即可释放大量内存预算，且释放的预算还能反哺模型容量，对模型压缩与推理部署具有…
LACToS 是一种面向“局部异常/OOD 区域”检测的统计典型性方法，通过“像素聚成超像素”和“用计算高效的代理估计典型性”两项设计，使典型性检验在多模态内点分布下更可行；论文称其在医学影像、人脸与 X 射线安检三类场景中比既有方法更稳健（具体数值与实验设置待核实）。
值得关注：现有局部异常检测研究高度偏向工业缺陷基准，LACToS 把“内点分布多模态”明确作为问题核心，提示跨场景泛化是该方法的主要卖点。 超像素 + 典型性代理的组合思路，可能为资源受限场景下的局部 OOD 检测提供更可扩展的…
在乳腺病变管理文献的 RAG 系统中，检索分数高度依赖标注覆盖范围：扩充证据标注能提高被识别的证据数量与目标块数量，却不改变检索排名，说明评估结果对“真实标注”的构造方式敏感。
值得关注：检索评估分数并非“客观常数”，而是随标注覆盖度变化的量。对于临床 RAG 这类高风险场景，若只报告分数而不说明标注构造过程，可能高估或误读系统能力。该研究提示：评估协议应显式记录证据标注的粒度与覆盖范围，并把“排名稳定…
HiP3R 用“先块级 Sim(3) 图定全局布局与尺度、再固定布局逐帧估计共享 SE(3) 相机”的层级位姿图方案，弥合了长视频三维重建中块级优化的刚性局限与帧级优化的高成本/尺度不稳定之间的矛盾，且无需额外训练或微调即可用于块式与流式后端。
值得关注：长时域三维重建的核心痛点不是单窗口精度，而是跨块的一致性：坐标帧漂移、尺度漂移、回环闭合与重复相机估计。HiP3R 的价值在于把“块级定全局、帧级修局部”的分工显式化为两级图优化，从而在保持度量尺度的同时恢复帧级轨迹灵…