Park 和 Walsh 提出了一个强化学习框架（Chemeleon2），通过组相对策略优化（GRPO）和多目标奖励机制引导潜在扩散模型生成热力学稳定、化学新颖且结构多样的晶体材料，有效解决了生成模型在材料发现中“似然采样”与“探索未开发区域”之间的目标错配问题。
值得关注：传统生成模型倾向于插值新颖性，而材料发现需要外推至未知化学空间。本文通过强化学习将生成目标从“似然最大化”转向“奖励驱动探索”，直接解决了这一关键瓶颈，使生成式 AI 在功能材料逆向设计中更具实用性和可控性。
待核实。该论文标题暗示对齐语言模型存在“先错后对”的后期补救机制与接口失败现象，但具体结论需查阅全文。
值得关注：待核实。若“Late Rescue”现象被证实，意味着对齐模型可能在不安全或错误输出之后才“补救”，对实际部署（如对话系统、内容生成）有安全风险。
WildSplat 是首个能够从无位姿、光照多变的野外图像中，通过单次前馈推理实现外观条件化新视角合成和外观编辑的3D高斯泼溅框架，性能优于现有优化基与前馈方法。
值得关注：首次实现了前馈框架下对无位姿、光照变化的野外图像的外观可控新视角合成，突破了传统方法依赖逐场景优化或光照假设的局限，显著提升了实用性与效率。
离散扩散模型在学习一个反向跳转率的条件期望，而该条件期望可通过去噪器（denoiser）、分数比（score ratio）或桥插件预测器（bridge plug-in predictor）三种等价坐标表示；负ELBO精确等于数据熵加上真实反向过程与学习到的反向过程之间的路径KL散度，而不仅仅是下界。
值得关注：离散扩散模型是生成式AI的核心技术之一（如文本、蛋白质序列生成），但此前对其学习目标的理论理解不完整。本工作首次严格证明了ELBO的精确分解形式，并统一了多种流行方法，为模型设计、训练稳定性和损失校准提供了理论基础。
本研究提出 Direct On-Policy Distillation (Direct-OPD) 方法，通过在弱模型上运行强化学习（RL），然后将其 RL 引发的策略偏移（而非最终策略）作为隐式奖励信号转移到强学生模型，从而高效地实现从弱到强的泛化。
值得关注：该研究提出了一种成本效益极高的模型后训练范式，解决了大语言模型训练中后训练阶段的计算瓶颈问题。通过将昂贵的小模型 RL 训练收益有效迁移到更大模型，可以在不增加强模型直接 RL 开销的情况下显著提升其推理能力，对模型能…
待核实（无法从元数据中提取结论，需查阅原文正文）。
值得关注：待核实。若成立，意味着生成模型学习到的视觉物理规律可被复用，减少专门光照估计模型的需求。
URSA是一个针对实用逆合成评估的化学感知基准，旨在更全面地衡量逆合成模型在真实化学场景中的表现。具体结论待核实。
值得关注：逆合成分析是计算机辅助合成路线设计的关键步骤，现有基准可能缺乏对实际化学应用（如试剂成本、反应产率、原子经济性等）的考量。URSA的提出可能弥补这一空白。
待核实（本文提出一种轻量级多目标时空动作检测方法，旨在平衡精度与计算开销）。
值得关注：待核实（时空动作检测是视频理解的核心任务，轻量化方案有助于在边缘设备或实时场景中部署）。
TREK 通过蒸馏（而非模仿）来扩展学生模型的探索支持，有效克服了 GRPO 在困难提示上的停滞问题，在数学推理和智能体任务上均取得了显著提升，且可兼容白盒、黑盒或自上下文教师。
值得关注：TREK 提供了一种简单且通用的框架，解决了 GRPO 在困难样本上的探索瓶颈。它不仅不依赖特定教师架构，还能通过自上下文方式独立运作，为强化学习中的探索-精炼循环提供了新思路，在数学和智能体领域均验证了有效性。
本工作提出了一个用于诊断LLM智能体在工具使用中失败情况的基准，但具体结论因无法获取原文而待核实。
值得关注：LLM智能体日益依赖工具调用（如搜索引擎、计算器、数据库），失败诊断对安全性、可靠性和实用性至关重要。ToolFailBench填补了该领域的系统性评估空白。 待核实：具体动机和贡献陈述。
在表格数据的深度学习中，基于多层感知机（MLP）的高效集成近期成为有效且实用的架构。现有同类方法对所有底层 MLP 使用相同的超参数，因此需要额外的超参数调优才能获得最佳性能。本研究提出 TabPack，一种具有强“开箱即用”性能、对传统调优依赖更低的高效 MLP 集成方法。
值得关注：TabPack 使得表格数据深度学习更易用、更高效，尤其对资源有限的团队或个人而言，可免去繁琐的超参数搜索过程，同时保持卓越性能。
SynCity 3000 提出通过微调图像到3D生成器，使其作为卷积算子应用于整个场景的等轴测图，从而生成任意大小、全局一致且可精细控制布局的3D场景。
值得关注：首次将图像到3D生成扩展到场景级别，无需依赖真实场景训练数据，通过合成数据自举（bootstrapping）解决数据瓶颈。 实现了全局一致性与局部控制之间的平衡，用户可通过等轴测图指定布局，同时保持场景整体连贯。
通过控制扩散U-Net中的捷径路径和早期噪声暴露，可以将训练导向“解缠优先”的优化轨迹，从而在保持图像质量的同时获得更优的潜在表示；提出的SteeringDRL方法在多个解缠基准上提升了表示质量并降低了种子敏感性。
值得关注：该研究揭示了扩散自编码器训练中一个被忽视的优化动力学现象，并提供了首个直接调控训练轨迹以改善表示能力的方法。这有助于理解扩散模型的内部表征学习机制，并为生成式模型的表征质量、可解释性及下游任务应用（如可控生成、目标检测…
现有的流式语音到语音语言模型在信号质量和自动语音识别（ASR）误差上表现良好，但在响应延迟、话语重叠、方言保留、情感适应以及人际立场动态等方面仍与人类对话行为存在差距；SPEARBench 提供了一个多维度的基准来系统评估这些自然度缺失。
值得关注：对话的自然度不仅取决于语音合成的清晰度，还涉及复杂的社交线索（如时机、情感、方言、人际姿态）。SPEARBench 填补了现有评估体系的空白，为研究界和工业界提供了一套可复现、多维度的自然度评估工具。
SovereignPA-Bench 是一个用于评估用户拥有的个人代理（Personal Agent）在演化意图、平台中介和同意约束下是否保持“用户主权”的可执行基准，实验表明“完全主权脚手架”策略在主权评分、隐私泄露、同意违反、过度让步和操纵捕获等指标上均优于现有基线。
值得关注：现有个人代理评估过度关注任务完成，忽视了用户主权（隐私、同意、证据、抵抗操纵等）。SovereignPA-Bench 提供了首个系统性基准，推动评估向“代表性、同意感知、证据依据的行动”转变，对构建可信的自主代理具有关键指导意义。
现有大语言模型多比特水印方法无法选择性地披露信息，本文提出的层次化词汇路由（HeRo）框架首次实现了细粒度的访问控制，允许不同验证者仅解码与其权限对应的水印部分，同时保持文本质量和高检测精度。
值得关注：当前多比特水印缺乏隐私控制机制，HeRo填补了这一空白，使水印系统更适用于多方协作或隐私敏感场景（如AI生成内容的溯源审计、法律文件等）。
Search Beyond What Can Be Taught: Evolving the Knowledge Boundary in Agentic Visual Generation
该论文提出名为 Retroactive Chain-of-Thought (RetroCoT) 的方法，利用法医重构式提示对基础模型进行安全诊断，并声称该方法可跨模型世代使用。具体结论和效果待核实。
值得关注：传统安全评估多采用静态测试集或手动红队攻击，而 RetroCoT 试图通过**回溯推理路径**挖掘更深层的不安全行为。 跨模型世代的适用性意味着该方法可在模型持续演进中提供**可复用的安全基准**，减少重复设计测试的成本。
REDDIT是一种轻量级后训练框架，能有效纠正自回归ASR系统在长非语音段上的时间戳漂移，且不会导致灾难性遗忘，在Whisper-tiny上仅更新1.6%参数便大幅提升时间对齐精度。
值得关注：时间戳漂移是带时间戳ASR实际部署中的关键障碍，REDDIT首次提出一种同时纠正漂移和避免遗忘的解决方案。 监督数据自动生成，降低人工成本并提高可扩展性。 轻量级后训练（仅微调极少参数）使其易于集成到现有模型流水线中。