QF3（Fast Flow RL with Filtered Q-Gradients）是一种在线离策略强化学习算法，用流匹配训练流策略，并结合评论家的动作梯度与“过滤 Q 梯度”机制提升更新可靠性；作者报告其可首次以离策略流 RL 从零训练人形机器人运动策略并零样本迁移到硬件，同时相较 FPO++ 取得约 10 倍墙钟加速。
值得关注：它将流匹配策略与离策略强化学习结合，指向一条比在线策略流 RL 更高效的训练路径。 “过滤 Q 梯度”针对评论家梯度与一步预测的可靠性问题，提供了控制更新范围的方法思路。 若零样本人形运动迁移与操作策略微调结果可复现，…
针对“近期短窗口有标签、长期仅有协变量、且覆盖多个空间位置”的时空数据场景，论文提出一种结合预测驱动推断（PPI）与异方差自相关稳健（HAC）思路的方法，用不完美预测器给出各空间位置未来期望标签的点估计与有效置信区间，并称优于若干自然替代方案。
值得关注：现实中的时空数据常常“标签稀缺但协变量充足”，直接用模型插补标签会把预测误差当作真实信号，导致系统性偏差；而只做传统统计推断又受限于样本长度。 PPI 原本是为利用 ML 预测做有效推断而设计的框架，但其 i.i.d.…
论文提出一种面向 3D Gaussian Splatting（3DGS）的后训练语义提升方法：逐目标类别融合多视角证据，按每个高斯在各视角中的可见性加权累积目标/非目标证据，再用主阈值 β 与较低阈值 γβ 筛选和扩展高斯；该设计可分离 2D 检测器、2D 到 3D 提升、以及高斯到网格标签迁移三类误差。材料报告在 ScanNet++ 十个测试场景上，使用…
值得关注：3DGS 高斯与网格真值属于不同表示，直接把网格标注用于高斯评估会混入表示转换误差；该工作尝试显式拆分三类误差。 多视角遮挡、类别判断不一致和检测器置信度波动，使简单逐视角阈值化不稳定；可见性加权与双阈值设计针对这一问…
本文给出一个确定性算法，在在线逆向线性优化中达到最优的 \(O(\sqrt d)\) 遗憾，并将运行时间降到 \(d\) 与 \(T\) 的多项式，正面回答 Sakaue 提出的“能否在多项式时间内达到该遗憾”的问题。
值得关注：本文正面回应了在线逆向线性优化中的一个核心计算效率问题：最优遗憾是否必然伴随指数级计算代价。答案是“不需要”——存在确定性多项式时间算法达到同一遗憾阶。
摘要显示，鲁棒 bandits 中一个特殊情形可用多项式时间学习器实现 $\tilde{O}(\sqrt{T})$ regret；但若干小泛化被证明是 NP-hard，说明该特殊情形可能位于计算可处理性的边界。
值得关注：这项工作把 robust bandits 的讨论从“统计上能否学习”推进到“计算上能否高效学习”。对于需要在线决策、且环境可能偏离学习者假设类的场景，计算可处理性决定理论保证是否可能真正落地。与已有相关卡片无直接事实重…
论文提出 **Neural Petri Flow**，把 Petri 网的 firing form、局部性和使能规则硬编码为无参数层，仅学习各变迁的 rate law 或分类读出；摘要报告其在原子映射、反应分类、正向预测和基元步骤预测等多个任务上优于若干基线。具体实现与可复现性待核实。
值得关注：与“把 Petri 网仅当消息传递骨架”的神经模型不同，本工作尝试保证每个权重取值下仍保留 Petri 网语义，把归纳偏置从软约束变为结构约束。 在既有相关卡片脉络中，本卡不重复“算子学习”“3D 晶粒生长动力学”“贝…
在精确滑动窗口约束的线性 bandit 中，离线最优解依赖凸性与循环移位不变性；在线学习不能只靠几何结构，需要 transition diameter $\tau$ 或 history-state diameter $D$ 等可达性/通信度量，作者据此给出 rare-switching OFUL 与乐观剩余时域规划，并在评估中以更少策略更新维持精确可行性。
值得关注：它指出了一个关键点：在约束在线学习中，“乐观地面向可行集”不够，还必须处理可行状态之间的可达性与通信结构。 从平稳解扩展到非平稳最优行为，并用有限记忆控制视角处理历史状态，为滑动窗口约束下的 bandit 提供了新的分…
据摘要，IdeaAnchor 试图通过“结构化规格作为特权信号”训练 LLM，把一组相关论文综合成研究想法；摘要称其在 ideation quality 上有持续改进，并观察到“锚点训练强化创造性综合、检索增强细节展开、二者结合最佳”的功能分解。
值得关注：现有 prompting/feedback 路线缺少对文献综合过程的结构化监督，IdeaAnchor 的增量在于把“论文如何被综合成想法”的规格显式编码为训练信号，并从已发表论文中挖掘这种监督实例。
复用选出 Best-of-N 胜者的分数来评估该策略，会高估其期望评审奖励；论文给出无偏评估的硬条件：在固定 K 个独立分数矩阵下，仅当选择策略使用的新分数数 J 小于 K 时，才存在仅基于该矩阵、对期望评审奖励恰好无偏的单一估计量，而 Holdout 可达到相应 minimax 风险，但无偏本身有统计代价。
值得关注：Best-of-N 类方法常用分数来选择胜者，再将同一批评分用于报告效果；本条材料指出这种复用会导致乐观偏差。论文进一步给出无偏性成立的精确条件与风险率下界/上界，因此对评估协议设计、评分预算分配和结果可信度有直接影响。
VIMA（变分推断驱动的微环境分析）是一种无需预先注释细胞类型或微环境的深度学习统计方法，可在多种空间分子技术与疾病中高功效、高保真地识别疾病相关组织模式。
值得关注：空间分子数据（如空间转录组、多重成像）正快速积累，如何在无注释条件下发现疾病相关组织模式是关键瓶颈。 既有方法常需先定义细胞类型或组织微环境，可能引入主观性与偏差；VIMA 声称可在无注释下进行识别，属于方法学上的“减…
EgoLAP 是一个 VLA 预训练框架：它不把原始人类轨迹直接作为控制监督，而是把运动意图表示为结构化、时间抽象的语言动作，并搭配运动级推理，从而将第一视角人类经验迁移到机器人控制。摘要报告其真实世界平均任务进度达 80.1%，相比替代动作表示有 2.3 倍提升。
值得关注：它把“跨具身迁移”问题从直接对齐低层动作，转向共享的语义/语言动作抽象，可能为 VLA 预训练提供一种数据扩展接口。 与既有 VLA 忠实性卡片的关系：既有卡片关注 VLA 是否“言出必行”的忠实性；本条关注用语言-行…
在 TRACE 的 590 个 AppWorld 压缩边界配对重放语料上，压缩前历史只能弱预测压缩后的动作负担；最佳可解释触发器避免 21% 有害边界并保留 84% 压缩机会，但材料尚不支持其在匹配保留率下优于 token 预算规则的结论。
值得关注：长时程智能体的上下文压缩直接关系成本、延迟与任务成功率；全局 token 预算忽略任务状态，可能在不合适的时机压缩。本文的重要性在于：它用配对重放和动作负担指标把“压缩何时有害”变成可检验问题，但结果提醒该信号目前很弱…
Disentangling Paradigm, Identifier, and Decoding in Generative Retrieval
DepthWorld 通过构建校准的 3D 数据集 DROID-3D，并训练基于 Stable Video Diffusion 的多视角 RGB+深度联合预测世界模型，试图让机器人世界模型从“逐帧看似正确”走向“具有一致 3D 几何”，同时报告深度监督还能反过来提升 RGB 预测。
值得关注：机器人世界模型若要替代或补充模拟器，单靠 RGB 视频先验可能不足以支撑 3D 一致的 rollout；DepthWorld 的核心贡献是同时处理 3D 监督数据和吸收监督的架构。 DROID-3D 的校准流程强调复用…
H-CDLM 把 token 与由预训练 token embedding 聚类得到的粗粒度簇作为多种语义粒度模态并行去噪，在 CoBit 上得到 H-CoBit、在 FLM 上得到 H-FLM，摘要报告其在 LM1B、OWT、GSM8K 等基准上相对基线有提升。
值得关注：如果结果可复现，它提供了一条把分层/多粒度表示引入连续扩散语言建模的路径，并用生成指标和推理基准同时评估。 与既有脉络的关系：已有“分层连续扩散语言模型（HC-DLM）”卡片可能与本条指向同一工作或相近脉络。本条材料补…
在基于 patch 的高光谱图像（HSI）分类中，从同一图像随机划分训练集与测试集会造成训练-测试 patch 空间重叠，进而导致数据泄漏和过于乐观的性能估计；该论文用 OP 与 AOR 两个指标量化这种重叠，并显示非随机空间采样下深度模型性能大幅下降。
值得关注：高光谱图像分类常依赖空间-光谱局部信息，patch 方法会放大空间自相关带来的评估风险。若随机划分训练/测试集导致 patch 重叠，模型可能部分“看过”测试区域，从而在论文或基准中呈现虚高精度。该研究把这种泄漏用 O…
CtrlCache 是一种无需训练的控制感知缓存框架：它利用交互式生成中“控制信号先于去噪到达”的特性，动态决定哪些视频块可复用计算，在 Matrix-Game 2.0 与 LingBot-World v1/v2 上取得 1.21x–1.41x DiT 骨干加速，同时提升 WBench Overall 分数。
值得关注：交互式视频世界模型的实际体验高度依赖生成延迟。CtrlCache 的增量在于把“控制信号”作为提前可用的调度依据，而不是仅依赖模型内部去噪动态；同时它无需重训练，便于作为推理侧优化接入。与已有相关卡片多关注多玩家交互、…
这篇论文为“保形预测集大小缩减可当作信息增益度量”提供了决策论与信息论基础：它引入基于集合大小和覆盖的一族广义信息度量，证明 Shannon 互信息可由这些度量精确积分表示，并给出集合大小缩减与经典信息量之间的夹逼关系和数据处理不等式。
值得关注：已有相关卡片“ENCP”关注的是视觉-语言导航中按回合校准保形预测的经验方法；本条则是理论层工作，回答“为什么预测集变小可以解释为信息增益”，并补充了一个反直觉发现：集合大小缩减与 Shannon 互信息并不总是同序。…
本文把路径网络与流网络放在同一路径-流对齐目标下协同训练，并通过随机路径正则化抑制路径过拟合和低熵瓶颈；在 ImageNet-256x256 与 SiT 骨干网络上报告 FID 一致改善，且推理时架构与采样器不变。
值得关注：这项工作把 flow matching 中通常被视为设计选择的“路径”也纳入学习过程，并指出了一个关键陷阱：训练对齐指标下降不等于生成质量提升。其增量信息在于训练目标层面的路径与流联合优化，以及用正则化控制中间边缘分布…
论文摘要提出一种改造物体中心 3D 生成器（以 Trellis 2 为例）的方法，使其能仅凭单张图像生成包含相机未观测表面的完整室内外场景网格；方法结合自适应分块、显式 2D-3D 对应建模和约 4,000 个合成室外场景，并称在 Tanks and Temples、ScanNet++ 与 in-the-wild 图像上优于所有基线。
值得关注：它尝试解决单图 3D 生成中“物体级先验强、场景级泛化弱”的矛盾，尤其是室外数据稀缺导致的室内偏置。 自适应分块在细节保留与远距离大结构覆盖之间做尺度权衡，是针对场景级生成的设计。 显式建模自由空间、观测表面与未观测区…