GigaBench 是首个专门评估“可学习表征”（Learnable Representations, LRs）在十亿像素（gigapixel）级图像上做压缩与超分辨率表现的基准，并在消费级硬件上系统比较了隐式、混合、显式三类 LRs 的重建质量、模型大小、压缩与推理时间。
值得关注：为十亿像素级图像的神经原生表示提供了第一个统一评测口径，填补了 LRs 在超大规模图像场景下缺乏基准的空白。 强调“消费级硬件可运行”，意味着评估不止看质量，也看部署可行性，对实际产业落地更有参考价值。 与既有卡片中 …
Gate3DGen 是一个即插即用的预处理模型，能在不重训练现有 3D 生成器的前提下，选择性地净化真实世界退化图像，在合成基准上平均仅需 2.3 秒即可改善图像质量与下游 3D 几何精度（TRELLIS.2 网格距离相对退化输入降低 61.5%）。
值得关注：现有 3D 生成研究多聚焦生成器本身，而该工作把问题定位在“输入质量”这一前置环节，提供了一种低成本（秒级、免重训练）的兼容方案。它说明真实世界部署中的退化鲁棒性可以通过轻量预处理层缓解，而不必改动大模型权重，这对将 …
该论文提出一个不依赖特定模型结构的算法稳定性框架，将 SGD 下的期望遗忘分解为任务内/跨任务泛化差距与经验遗忘，并给出同时包含学习率调度与累积梯度对齐的上界，在 Split CIFAR-100 与 Split MiniImageNet 上进行验证。
值得关注：把“遗忘”从经验现象推进到可分解、可界定上界的理论对象，且不绑定特定网络结构，适用面更广。 学习率调度（尤其是任务边界是否重启衰减）被显式纳入遗忘分析，为训练策略设计提供理论线索。 累积梯度对齐作为非凸条件下的关键量，…
F2G-Pose 是一个实时、单次前向传播的类别级 RGB-D 物体姿态估计框架，将稠密视觉基础特征提升到部分点云上并结合几何与专家混合 Transformer，在无需实例 CAD 或参考视图的条件下同时预测姿态、度量尺寸与相机坐标系补全形状（基于摘要元数据，正文细节待核实）。
值得关注：类别级姿态估计是机器人与增强现实中无需逐实例建模即可操作新物体的关键能力。F2G-Pose 声称以单次前向、实时速度同时给出姿态、尺寸与形状，若其精度与效率结论在正文中成立，则有望降低对扩散式多步采样与复杂后处理的依赖…
EpiSEM-Bench 是一个可执行基准，专门测试“工具返回结果省略了安全相关事实”时，使用工具的 LLM 智能体是否会执行本应被禁止的动作，以及它能否主动找回缺失事实并做出恰当决策。
值得关注：智能体安全评估通常假设工具返回的信息足够支撑判断；EpiSEM-Bench 把“证据缺失”本身作为攻击面，揭示了一类被忽视的风险：请求无害、返回为真，但因关键事实缺席而导致违规执行。同时它区分了“不动作”与“主动恢复证…
该研究提出了在批处理设置下满足用户级差分隐私（Person-Level DP）的离散分布学习算法，首次在纯差分隐私（Pure DP）下实现了多项式时间且信息论最优（忽略对数因子）的样本复杂度，并利用 6 次平方和（Sum-of-Squares）估计器解决了不可信批次数据的鲁棒学习问题。
值得关注：该研究在理论上解决了用户级差分隐私下离散分布学习的样本复杂度最优性问题，特别是填补了纯差分隐私下多项式时间算法达到信息论最优界的空白。其提出的 6 次平方和估计器及相关的代数证明技术（如 Grothendieck 不等…
该论文提出一种“思维剪枝”（thought pruning）方法，直接以最大化被保留候选池的 pass@k 为目标来选择部分解，从而在剪枝阶段把“质量”（更可能通向正确答案）与“多样性”（覆盖不同推理轨迹）统一到同一优化准则中，而不是靠分开的启发式规则去平衡。
值得关注：与既有卡片《推理大模型中的测试时扩展》相呼应：那张卡片强调测试时扩展应按整个推理系统记账、并区分不同推理算法的统计结构；本工作把“剪枝”这一常被忽略的环节显式建模为 pass@k 优化，属于对测试时扩展系统评估与计算分…
论文把连续隐空间黑盒攻击中“随机映射解码”替换为连续扩散语言模型（dLLM）作为学习到的语言生成分布，在保留标准高斯隐变量与下游采样/优化流程的前提下，把生成提示的词级困惑度从最高 $10^7$ 降到个位数，并发现两种映射下的模型风险估计可相差一个数量级。
值得关注：现有连续空间攻击的有效性有一部分来自“不自然但有效”的提示，这既削弱了攻击的现实性，也让风险估计缺乏自然提示基础。本工作表明，把随机映射换成学习到的扩散语言模型后，攻击框架结构不变而提示自然度显著改善，同时风险估计发生…
CRANE 是首个面向多模态分类器的后设、模型无关反事实解释框架，通过检索目标类别的真实训练样本来构造反事实，并按多模态共识检索（MC-R）策略在四个数据集中的三个上取得最佳或并列最佳表现。
值得关注：多模态模型在产业中的部署日益增多，但解释方法多沿用单模态归因思路，容易产生跨模态不一致的解释。CRANE 的模型无关性与“检索真实样本”设计降低了适配成本，并为“解释必须落在联合数据分布内”提供了可操作准则。与既有卡片…
该研究将“成本感知弃权”作为离线、成本条件下的就绪度评估框架：在校准集上按显式成本选定路由策略，冻结后在测试集上一次性评估；在公开工单语料上，校准选出的阈值策略显著降低了误路由率与期望成本。
值得关注：对图书/简报而言，它提供了一个可复用的“成本条件就绪度评估”范式：不是问模型准不准，而是问在给定错误成本下，自动路由是否比转人工更划算。它也提醒实践者：校准指标（ECE）与判别指标（AUROC）需分开报告，否则可能高估…
论文提出“可争议治理”（contestable governance）模式：由LLM专家智能体为有争议的元数据决策生成带评分和引用的论证，人类管理员在提交前可接受、拒绝、修改或补充论证，系统保留包含证据、干预与结果的治理记录；该模式面向结构化与非结构化工业数据的统一治理。
值得关注：工业数据治理的瓶颈常在于专家审查不可扩展且不可追溯。该工作把“人类审查”从一次性点击审批变成可争议、留痕、可复用为先例的机制，与既有卡片中“轨迹完整性/可审计推理”的关注点形成互补：后者关注智能体计算轨迹的可审计性，本…
CellTrack-Bench 是一个用于评估视觉语言模型（VLM）在显微细胞追踪任务上表现的新基准，覆盖 15 个标准数据集、4 种成像模态，包含 1,537 个问题与 9,041 个细胞关联决策，并将 VLM 与专用追踪算法进行对比。
值得关注：细胞追踪是典型的专业化科学图像任务，通用 VLM 能否在此类任务上接近专用算法，直接关系到基础模型在生物医学图像分析中的适用边界。CellTrack-Bench 通过标准化数据集、困难子集筛选与失败模式分析，把“通用模…
CausalCoT 试图用“有向无环图 + 原子子问题隔离上下文”的推理框架，让思维链的中间步骤真正对最终答案产生因果影响，而不是在完整上下文下先“查答案”再补理由；其具体基准表现与实现细节待核实。
值得关注：若该主张成立，它针对的是 CoT 可解释性研究中的核心质疑：步骤“可读”不等于步骤“重要”。与已有卡片《可读性并非可解释性》所讨论的“步骤重要性只能从轨迹文本中部分恢复”形成呼应——CausalCoT 试图从推理结构上…
这篇论文把 LLM 当作“语料调试器”而非分类器：在 FineWeb2 的 2650 万篇斯洛伐克语子集上，一个带工具、只读且带预算的智能体经三次运行（每次成本 \$2.21–\$2.84）共提出七项发现、覆盖四类现象，其中最大一项是 1,408,437 篇（5.32%）机器生成内容农场通过了原流水线过滤。上述内容来自元数据与摘要，正文细节待核实。
值得关注：它给多语言语料治理提供了一种“一次性调试、长期低成本复用”的范式：昂贵 LLM 用于生成测试，廉价测试用于全量扫描。对以英语为中心设计的过滤规则在其他语言上的系统性盲区，这类审计可能比逐文档分类更可行。与既有卡片的关系…
BrickWright 通过为预训练编码智能体提供“积木搭建 API + 物理可行性验证器”，把 LEGO 积木搭建任务的物理有效率从基线最高 69% 提升到 512 条提示上的 100%。
值得关注：该工作表明，对于“要在物理世界成立”的生成任务，工具层面的装配接口与可行性验证反馈可能比单纯扩大模型能力更关键；同时它把智能体编码能力从纯数字 3D 建模延伸到受物理约束的实体装配，对理解智能体在实体建造类任务中的落地…
匹配读者母语（L1）的双语语言模型在预测其二语（L2）英语阅读时间上优于单语英语基线和其他母语双语模型，且这种优势集中在晚期眼动指标、受 L1-L2 文字系统重叠调节、并在中级水平读者中最明显。
值得关注：把“LM surprisal 预测阅读时间”的结论从单语扩展到双语/二语场景，指出单语基线在 L2 阅读建模上的结构性不足。 为“跨语言迁移与人类 L1 驱动偏向对齐”提供了行为层面的证据，连接了计算模型与双语阅读认知…
PC-DAPS 通过在一次采样过程中维护多个候选解、并按“先验一致性”剪枝与替换，缓解扩散模型求解歧义非线性逆问题（如相位恢复）时测量引导偏向“测量一致但先验不支持”模态的问题，且无需访问真实解。
值得关注：它把评估口径从“best-of-k 挑最好”转向“单次运行内多候选的先验一致性筛选”，直接针对扩散后验采样在歧义非线性问题上的失败模式；对相位恢复等难以用真值挑选实际部署结果的场景具有方法学意义。
BeNice! 提出两阶段方法（预训练随机深度 + 后训练 KV 广播），使循环（looped）架构在保持与标准微调相当的无共享验证困惑度的同时，实现跨递归的 KV 缓存共享，从而缓解推理内存随递归次数线性增长的问题。
值得关注：循环架构以固定参数量换取质量提升，但推理内存开销是其落地长上下文场景的关键瓶颈。本文不仅给出工程手段（BeNice!），还从机制上解释了 KV-shareability 的来源（收缩型残差动力学），并证明该共享策略可与…
LEAP 把“从轨迹观测中恢复随机作用量（action）”作为学习目标，在路径空间上构造可微目标，使同一学得的作用量能复用于路径排序、推断、机制操控、约束优化与采样，在随机物理系统、多体轨道动力学和分子模拟中验证。
值得关注：它把“轨迹”从生成对象转为可优化的目标载体：一次学习的作用量可在多个下游推断/控制任务间复用，避免为每个任务重训生成模型。对科学模拟而言，这提供了兼顾局部动力学与长程依赖的统一建模范式。与既有卡片中面向机器人操作的世界…
FlexPart 在单一模型内统一支持从稀疏点到密集包围盒/掩码等多种粒度的几何条件，在 PartVerseXL 掩码条件下将部件 Chamfer Distance（Part CD）相对 TripoSG + SAM3D 降低 16.6%、相对 OmniPart 降低 10.5%，同时保持有竞争力的整体网格质量。
值得关注：3D 部件生成的实际使用场景中，用户对控制精度的需求差异很大：有时只需粗略位置提示（稀疏点），有时需要精确区域约束（掩码）。FlexPart 的价值在于用统一模型吸收这种粒度差异，并通过跨粒度表示对齐维持几何一致性，指…