SoftCache 把动态缓存中的“刷新/复用”二值开关改造成由 staleness 信号余量（headroom）驱动的**连续步长调节**，在免训练、无需按骨干网络调参的前提下，于 FLUX、HunyuanVideo、Wan2.1 上实现 3.5×–6.9× 加速并领先所有基线。
值得关注：与既有脉络的关系：本卡片延续了“扩散/视频生成缓存加速”这条线索。已有卡片中，MORCA 用离线到在线强化学习学习“复用/重算”的调度决策，属于决策策略层面的改进；Flash-dLLM 面向扩散大语言模型，解决 KV …
论文提出一种鲁棒强化学习（RL）框架，把患者建模为隐藏上下文，用鲁棒上下文马尔可夫决策过程统一处理“跨患者泛化”与“生物标志物测量误差/疾病动态漂移”两类不确定性，并在转移性前列腺癌自适应治疗的临床校准模拟器中取得优于现有自适应疗法的策略。
值得关注：临床治疗策略面对的是“患者异质性 + 观测噪声 + 疾病演化不确定性”的叠加，单一确定性假设下的 RL 策略容易失效；该工作把三类问题放进一个形式化框架处理。 “鲁棒性几乎不损失标称性能”与“帕累托支配”是较有说服力的…
现代 MoE 架构中“细粒度专家分割”与“共享专家”两个设计的组合会产生探索困境：共享专家降低了 token 表示的多样性，削弱了路由探索，而细粒度分割又因组合空间扩大而更需要探索；论文提出 MirrorMoE，通过 token 自适应抑制冗余专家来缩小探索空间，从而缓解这一矛盾。
值得关注：MoE 是当前扩展大模型参数规模的关键技术路线之一；细粒度专家分割与共享专家已成为现代 MoE 的常见组合。 论文指出的“探索困境”提示：两个各自有效的设计叠加时可能相互干扰，导致细粒度分割的表达能力无法完全兑现。这为…
一项 arXiv 预印本研究提出用随机投影（random projection）同时变换检索库嵌入与查询嵌入，在可证明保持语义相似度的前提下缓解 RAG 数据存储的隐私泄露；据摘要称其检索与生成表现优于依赖形式化差分隐私（DP） guarantee 的先前方法，但全文未抓取，细节待核实。
值得关注：若结论成立，随机投影提供了一种比形式化 DP 更轻量、且性能损失更小的 RAG 隐私保护路径，可能降低隐私保护 RAG 的部署门槛。 对需要在外部知识库上做检索增强、但又担心数据存储被提取攻击的系统设计具有参考价值。 …
P³-WAM 通过一个共享权重的混合 Transformer 架构，把第一视角灵巧操作中的 3D 手部感知、动作条件预测与目标导向规划统一到同一个世界动作模型中，并用随机模态可见性让视频与 3D 动作在不同模式下互为条件或预测目标。
值得关注：该工作尝试把“感知—预测—规划”从三个分离模块整合为一个统一的世界动作模型，为第一视角灵巧操作提供端到端的一体化范式。 通过随机模态可见性与双向视觉-动作注意力，模型在训练中同时学习“由动作生成视觉”和“由视觉推断动作…
PathFM 用流匹配（flow matching）生成完整未来轨迹而非仅边缘分位数，并通过模型蒸馏与历史注意力缓存共享，将多条路径的生成时间压缩到接近一次分位数模型查询，在 fps-bench 上聚合路径分数优于所有被评估的外部基线。
值得关注：依赖轨迹的下游量（累计需求、峰值负荷、事件时序）无法由边缘分位数正确刻画。PathFM 通过生成完整路径并提供快速采样，使生成式预测在保持边缘精度的同时具备可用的推理速度，并配套提出 fps-bench 以评估路径层面…
OmniVerifier-C1 提出一种将复杂提示或环境规则自动分解为细粒度子项并打分的分级视觉验证器，在文本到图像与规则治理世界建模（如 Maze、Sudoku）任务中优于传统二值验证器；作者进一步指出，当存在真值图像时，成对（pairwise）验证范式比逐点（pointwise）形式给出更准确的评判。
值得关注：验证器从“是/否”二值判断转向连续分级评判，可提供更丰富的训练/评估信号，有助于组合式多模态要求的稳健判定。 在规则治理的世界建模场景中（如迷宫、数独），验证器承担对规则遵循程度进行精细评判的角色，是生成模型充当世界模…
EOS-Story 是一个无需训练的框架，试图在视觉故事生成的图像序列中同时保持身份一致性与场景特定适应；但本条仅基于 arXiv 元数据，具体方法与实验细节待核实。
值得关注：视觉故事生成不只是“保持同一角色”，还要让角色随场景变化而合理适应。EOS-Story 把问题拆到文本提示解耦与视觉身份注入两个层面，并指出尺度不匹配导致的结构伪影，这对理解身份保持与场景适应之间的张力具有参考价值。与…
该论文提出“多目标少样本提示”（multi-target few-shot prompting），利用扩散语言模型在共享画布上同时填充多个掩码区域，并用选择性掩码构造似然比奖励来提升示例遵循度；由于未能获取正文，具体方法与数值结果待核实。
值得关注：把少样本提示从“单目标生成”扩展到“多目标同时编辑”，对应真实工程中成批、上下文相关的改动需求。 用扩散模型的并行填充能力替代因果生成，规避了双向上下文依赖在自回归解码中的结构性不便。 与既有卡片《基于冻结离散扩散语言…
MLExpert 是一个 35B 的专家混合（MoE）智能体模型，通过后训练方法（层级化智能体 SFT + 窗口化交互强化学习 WIRL）实现长时程自主机器学习工程优化，在 MLE-Bench Lite 上把基座模型的平均奖牌率从 37.9% 提升到 72.7%。
值得关注：与已有的 AI4AI 系统卡片（如 Frontis-MA1 与 OpenMLE）相比，本条增量在于：给出了一套明确的后训练方法（SFT + WIRL）与量化提升数据，而非仅停留在系统架构描述层面。 WIRL 的"执行窗…
MindEval2 提出由“心理健康质量评分细则（MHQR）”与“患者模拟器（MindSim）”组成的评估框架，用临床心理学家参与制定的可操作标准替代不透明的 Likert 打分，并对 18 个闭源与开源模型评测后发现：前沿模型在表层质量与边界问题上已明显改善，但“引导校准（guidance calibration）”仍是所有模型共同的主要失效模式，构成大…
值得关注：心理健康支持是 LLM 高风险应用场景之一，评估方法的真实性直接决定结论可信度。MindEval2 的增量在于：一方面修正“合成患者过于配合”的模拟偏差，另一方面把评分从模糊量表转为可操作标准，并引入纵向记忆来贴近真实…
LIBERO-PeRM 是一个在 LIBERO 仿真环境中构建的个性化机器人操作（PeRM）基准，通过将“任务完成”与“偏好满足”分离，系统评估具身智能体在零样本、监督学习、泛化、组合与冲突等五个维度上的偏好学习能力。
值得关注：将“任务完成”与“偏好满足”解耦评估，为个性化机器人操作提供了可量化的研究框架。 明确了当前 VLA 策略在个性化场景下的能力边界，为后续研究提供了基准和诊断工具。 对通用机器人进入家庭环境具有直接推动作用，因为家庭场…
论文提出一种“引导智能体”（steering agent），在LLM智能体或多智能体系统执行过程中实时监督，通过“快/慢”双路径决定何时以及如何介入，以纠正“目标漂移”（goal drift）；在信息检索类任务上验证了其对单/多智能体性能与效率的提升，并具备跨任务、跨执行器的泛化能力。
值得关注：长程工具使用与多智能体协作是当前LLM智能体落地的主要形态，而“目标漂移”是这类系统在真实任务中常见的失效来源；论文把该问题显式命名并给出可训练的在线干预方案。 与已有卡片《多智能体辩论中社会结构引发的潜在目标涌现》的…
论文提出“基于市场的后训练”（Market-based Post-training, MPT）框架，让去中心化智能体集群通过“投标”机制同时学习行动策略与自组织协调，在具身制作、机器人导航和深度研究任务上优于单体后训练及替代协调策略，并表现出更好的扩展性与抗掉线鲁棒性。
值得关注：把“协调结构”本身变成可学习对象，而非人工固定，为多智能体系统设计提供了新范式。 用市场/投标机制替代中央调度，契合去中心化部署需求（如机器人集群、分布式研究代理）。 展示了规模扩展与抗掉线鲁棒性的正向关系，对实际系统…
本文研究未知动力学随机多智能体系统中，以有限迹概率线性时序逻辑（$\mathsf{PLTL}_f$）刻画各智能体概率时序目标时的“理性合成”问题，并给出基于表格型 Nash-Q 学习的条件收敛保证与有限样本置信界（基于摘要与元数据，正文细节待核实）。
值得关注：将形式化时序规范（$\mathsf{PLTL}_f$）与博弈论解概念（Nash/子博弈完美均衡）结合到无模型 MARL 中，试图同时回答“目标是否被满足”和“策略是否稳定”两个问题。 提供有限样本置信界与稳定性检查，方…
LeanGraphSearch 利用 Mathlib 前向依赖关系构图并做多跳遍历，以检索支持性引理；在提升检索召回的同时，也改善了端到端定理证明的通过率与成本效率。
值得关注：把检索从“字面/语义相似”扩展到“依赖结构感知”，有助于发现证明中真正起支撑作用但表面不相似的引理；并且检索增益被验证可转化为端到端证明性能提升，为结构感知的证明发现提供了方向。
语言模型能否把微调学到的新关系泛化到未见主体，主要取决于该关系在预训练表征中是否“线性可读”，而非模型是否能回忆原始事实本身。
值得关注：为“哪些知识值得微调/注入”提供了可测量的预筛选信号：线性探针可读性可能比事实回忆准确率更能预测迁移效果。 对知识编辑、持续学习、参数高效微调的数据选择有直接启示：应优先选择在表征空间中结构清晰的关系。 与既有关注“微…
KnowGPO 提出一种强化学习框架，不再按表面观测（检索到的页面/上下文）而是按“已获得的任务相关知识状态”对轨迹分组并分配过程奖励，在 Xbench、BrowseComp-ZH、GAIA 上比 GRPO 及 GiGPO、IGPO 等基线高 3.8–4.2 分，其 8B 模型可媲美或超过多数 32B 开源系统（据摘要）。
值得关注：把信用分配的锚点从“看了什么页面”转到“掌握了哪些知识条件”，直接针对深度搜索中观测噪声大、上下文长的痛点。 与既有卡片中 DepGPO 的“依赖感知信用分配”形成对照：DepGPO 面向终端命令的读写依赖反向重分配优…
《自然》职业新闻栏目报道了一场专家小组讨论，聚焦生成式人工智能对博士培养的冲击：越来越多博士生用 AI 做文献检索、设计演示、生成代码和总结论文，而许多研究者担心这会侵蚀博士训练本应建立的核心能力。由于正文付费/未抓取，讨论的具体观点与结论待核实。
值得关注：博士训练的核心价值之一是可独立完成批判性分析与知识生产；如果 AI 承担了检索、总结、代码与表达等环节，培养链条中最关键的“思维肌肉”是否仍被锻炼，是高等教育面临的现实问题。 本条与既有卡片《学生用AI作弊，大学该如何…
在 ARC-AGI-3、AGI Maze 与 Terminal-Bench 上，仅调整一条“鼓励报告困难并交回控制权以自动继续”的指令，就能提升基于 Codex 的通用智能体在前两个环境中的平均得分；但通用智能体仍低于 ARC-AGI-3 专用参考方案，而把重置决策交给脚本化控制器可部分追回专用方案的优势——说明“拥有信息与工具”和“有效使用它们”之间存在…
值得关注：结果表明，在本文测试的模型上，外部提供的流程（procedure）仍然重要；核心区分在于“信息与工具可得”与“被有效使用”。这为“通用脚手架 vs. 环境专用工程”的取舍提供了可复现的评测框架（EnvTraverse）…