在非对称检索任务中，带提示/指令的嵌入模型可能连简单任务指令都无法可靠遵循，尤其当评估包含查询侧干扰物（query-side distractors）时；作者假设这与当前嵌入模型的训练设置和评估方式有关，并报告加入查询侧干扰物进行微调可带来显著改善，且对其他任务影响很小。
值得关注：如果指令在干扰条件下失效，仅靠“带指令的检索提示”可能高估嵌入模型的任务可控性。 训练/评估分布与真实查询中的干扰因素是否匹配，可能是影响指令遵循的关键变量。 与既有“模型是否真正遵循/检索到目标”的脉络相关：已有卡片…
论文指出，仅凭已训练模型和待遗忘样本、没有保留数据或额外训练信息的“forget-only unlearning”并不总能准确逼近从零重训练；其可行性取决于学习方法，成功时往往要求模型记住普通训练中会丢弃的训练数据信息。
值得关注：与已有 LACUNA、TILDE 等卡片相比，本条不是评测某个遗忘平台或概念遗忘方法，而是从理论上说明 forget-only 遗忘何时不可能、成功需要多少记忆。增量信息是：把“遗忘精度”问题前推到学习与信息保留层面，…
JoHan 是一个从头训练的统一生成式框架，直接从视频序列联合生成对齐的 2D 与 3D 局部手部位姿序列，绕过逐帧位姿预测这一中间环节，从而在遮挡与观测不完整条件下改善手部运动重建的精度、速度与平滑度。
值得关注：遮挡与不完整观测下，逐帧估计容易抖动并累积误差；把 2D-3D 生成放在序列层面统一建模，是一种规避中间位姿误差传播的思路。 2D 表示在此被当作“引导信号”而非最终输出：它既保留图像中的直接空间线索，又通过 2D-3…
当语言模型回答没有标准答案的问题时，可借鉴陈述偏好经济学的效度框架，用理论一致性与效度测试判断回答是否连贯，而不是判断其是否正确。
值得关注：许多高价值 LLM 应用没有单一正确答案，传统准确率或金标准评估不足以覆盖这些任务。 该路径把评估从“是否答对”转向“回答是否符合可检验的效度与理论约束”，可用于审计模型在政策偏好、价值取舍、用户选择建议等任务中的一致…
论文声称两级 Softmax（2LS）采样会因忽略簇大小失衡与簇内相似度离散度而引入系统性偏差，并提出 S-2LS 与 SD-2LS 两种修正方法；但**正文未抓取成功，具体定义、证明与实验结论均待核实**。
值得关注：若 2LS 的偏差确实存在且被系统性忽略，那么此前使用 2LS 的大规模采样结果可能带有未被察觉的分布扭曲。 论文主张的“可证明更优近似 + 可忽略开销”若成立，意味着修正几乎无成本，具有替换现有默认做法的实践价值。 …
美国总统特朗普签署行政令，要求联邦机构用“Super Intelligence（SI）”取代“Artificial Intelligence（AI）”，但研究者指出“超级智能”目前仍是一个愿望性概念而非现实，且该术语本身缺乏严格定义。
值得关注：行政令以官方名义重新命名一个科学技术领域，可能影响联邦机构的用词规范与公众认知框架。 研究者强调“超级智能”按多数定义仍是一个愿望性类别而非现实，这与政策话语中宣称“新时代已到来”之间存在明显落差。 术语的模糊性使得不…
Tetris3D 通过显式地将每个物体的生成条件建立在周围物体几何与物理关系之上，提升单图3D场景重建中物体形状和位姿的几何/物理一致性，并配套提出基于物理模拟的 1.2M 场景数据集 ComOb。
值得关注：该工作把单图3D场景重建的重点从“单独生成物体”推进到“让物体在场景中彼此契合”，尤其是对相邻交互物体的形状与位姿施加几何和物理关系约束。配套的 ComOb 数据集若可获取，可能为关系感知的3D生成/重建提供训练与评测资源。
SciExam for ENSO 是一个让语言模型智能体在六小时预算内、从真实观测构建 ENSO 低阶随机模型的基准；材料称十二个智能体系统中六个得分超过已发表模型，说明智能体已能构建有竞争力的气候模型，但其科学有效性、可复现性和泛化性仍待核实。
值得关注：传统评估通常无法回答“新科学模型是否有效”。SciExam for ENSO 尝试把开放式科研产出放到可评分任务中，并用隐藏评分器降低直接对答案或语言模型评审的依赖。若其结果可复现，则说明智能体不仅能复现已有知识，还可…
RoboJEPA 是一个基于 JEPA、覆盖 12 种机器人本体并在真实机器人数据上训练的多本体潜世界模型；作者报告其“想象误差”随计算量呈二阶幂律，并可用于预测下游规划表现与零样本真实机器人部署。
值得关注：这条工作把 LLM 领域常见的 scaling laws 思路引入机器人潜世界模型，并尝试用想象误差作为可预测的代理指标。若结论稳健，它会改变机器人世界模型的研发节奏：团队可以在训练前/训练中估算收益，而不是只靠真实机…
视觉-语言-行动（VLA）模型对指令措辞异常敏感，且不继承其底层视觉-语言模型的语言鲁棒性；摘要称，通过将少量评分证据蒸馏为 10–20 条改写规则并在部署时统一改写指令，可在不修改策略的情况下提升冻结 π0/π0.5 的成功率，收益尤其集中在分布外任务。
值得关注：语言接口是机器人基础模型的关键输入层；措辞微小变化即可造成行为大幅波动，这会直接影响可靠性、安全性和评测结论。 固定指令评测可能高估 VLA 的泛化能力；同一任务换一种说法就可能暴露 OOD 脆弱性。 该方法把缓解手段…
RECAST 把“找证据”从固定的相似度检索扩展为可学习、可执行的“检索 + 计算”序贯决策，让证据被主动推导而非仅被取回；论文报告在六个异构基准族上平均成功率 75.6%，比最强的大模型基线高 15.9%。
值得关注：**范式增量**：它不只优化“检索什么”，而是把上下文构建变成“取什么、算什么、何时算够”的决策问题，把计算操作纳入证据构造的一等公民。 **架构增量**：RouterLM 可训练、CompilerLM 与 Answe…
QuadTok 提出一种分层四叉树视觉 tokenization 框架，通过动态分配表示能力减少 token 使用，并利用树结构带来的自然因果性支持自回归图像生成；材料称其 947M GPT-style 模型在 ImageNet 256×256 上达到 2.08 gFID，并支持零样本空间控制生成。
值得关注：它把视觉 tokenizer 的 2D 空间结构与 1D 序列建模需求结合起来，避免固定网格或纯序列化带来的刚性。 动态分辨率与 token 分配机制直接关系到自回归图像生成的效率与保真度权衡。 树结构天然提供生成顺序…
论文提出首个在不可知（agnostic）设定下、无需知道基测度 μ 的 oracle-efficient 平滑在线学习算法；该算法基于 Gaussian Follow-The-Perturbed-Leader，免参数，并达到 sublinear regret。
值得关注：该工作把 agnostic 统计学习中“ERM 无需知道数据分布即可高效学习”的思路，向平滑在线学习推进：不再要求算法具备 μ 的采样访问或完美标签条件。 与已有相关卡片无直接延续关系；本条关注 foundation-…
Never Look Back: Understanding Persistence in 3D Object Memory from Egocentric Videos
NeuralBES 试图用“共享神经编码器 + 物理约束 RC 热模型 + 可微并行求解”的方式，在建筑能耗建模中同时兼顾物理可解释性与大规模可扩展性；但本卡片基于元数据生成，正文细节与具体数值待核实。
值得关注：若结果成立，NeuralBES 提供了一条不同于“纯黑盒预测”或“逐栋物理标定”的中间路线：用物理结构约束神经模型，同时保留可扩展性与可微训练能力。 对需求侧灵活性（预测、转移、削减住宅负荷）而言，可信的热模型是基础组…
MORCA 是一个通过离线到在线强化学习训练、在用户指定的加速目标下做“潜在感知（latent-aware）”复用/重算缓存决策的调度框架；据摘要，它在多种视频生成模型与多个目标加速比下，以可比计算预算取得优于现有缓存方法的生成保真度（细节待核实）。
值得关注：视频扩散推理成本高，缓存加速是实用方向；把优化目标从 step error 转向 terminal error，可能改变缓存决策的判据。 用强化学习做缓存调度，并把“用户指定加速目标”作为约束/目标，指向更可控的加速接…
这是一项发表于 Science Advances 的研究，提出一种带仿生皮肤的**双段式支气管镜机器人**，目标是缓解支气管镜在气道内操作时的**侧向感知盲区**问题；由于仅获取到元数据、正文抓取失败，具体方法与结论**待核实**。
值得关注：若该工作成立，其价值在于针对**腔内机器人侧向感知盲区**这一具体痛点提出结构+皮肤层面的解法，而非单纯提升前端成像。 与既有机器人基础模型类卡片（如 π0.7 的通用操作、UAV-DualCog 的多模态状态推理）不…
一项发表于 *Science Advances* 的研究提出用机器学习辅助植物 Rubisco（核酮糖-1,5-二磷酸羧化酶/加氧酶）的定向进化；具体方法、结果与数据均**待核实**（正文未抓取）。
值得关注：从主题看，该工作处在“机器学习 + 蛋白质定向进化”的交叉前沿，若成立，可能为植物关键酶的工程化提供新范式。此判断仅为基于标题的方向性描述，**待核实**。 与既有卡片的关系：已有卡片多聚焦机器学习优化器（如 SOAP…
Long-WAM 是一个在实时控制约束下扩展因果世界-动作模型上下文的模型-系统框架；其核心结论是：拥有历史不等于会利用历史，更长历史只有在视频基础模型经自回归（AR）预训练时才会带来显著收益。
值得关注：它把“上下文长度”问题转化为“预训练目标是否支持因果/自回归利用历史”的问题，提示长窗口收益不是自动的。 对具身智能、机器人基础模型、世界模型和实时边缘部署均有参考价值。 与既有卡片的关系：同属世界模型/具身方向，但本…
一项研究提出，仅用未染色明场图像配合深度学习，即可对 CHO 细胞进行无标记活性预测，并在其评估中对基于荧光的参考测量取得约 2.68% 的平均绝对误差（具体口径待核实）。
值得关注：无标记、低干预的活性评估可降低对样本的化学扰动，并减少荧光试剂与光漂白带来的测量不确定性。 将“检测 + 单细胞分类 + 交互式探索”整合到一个软件中，有利于把单细胞层面的活性异质性纳入常规分析。 公开发布基准数据集有…