来源材料提出 **ProAR**，把自回归视频生成从“下一块预测”的短视模式改造成目标导向的前瞻推理：用目标帧预测与非对称注意力掩码锚定长期结果，再用未来表征自对齐引导短程转移；摘要称其在多个视觉推理基准上提升，并能用 25% 训练步数超过完整训练的标准 AR 基线。
值得关注：它把视频生成的目标从下一块预测转向目标导向推理，可能更适合世界模型、规划、具身智能等需要长期目标与中间状态有效性的任务。 训练效率叙事较强：25% 训练步数超过标准 AR 基线，若成立，对算力受限团队有吸引力。 与已有…
PoCoFL 把联邦学习拆成“FL 类型 / 策略语义 / 密码学实现”三层，用承诺加非交互零知识证明让客户端证明自己的贡献合规、聚合方证明自己按既定聚合策略处理了被接纳的贡献集合，从而在保持数据本地化的同时补上“策略合规”这一环，并被形式化为四种可实例化的 FL 变体。（基于摘要元数据，细节待核实）
值得关注：隐私不等于合规：数据不出本地只解决了隐私暴露面的一部分，无法回答“贡献是否按规则产生”“聚合是否按规则执行”这两个治理问题。 模块化抽象的价值：把策略与密码学实现分离，意味着换策略或换证明系统时不必重写整个 FL 工作…
论文将分类中的交叉熵解释为“有耐心的准确率”，并提出按剩余学习量截断的 **horizon loss**；在 MNIST 和 ImageNet 分类实验中，它以固定学习率改善 top-1 准确率，且标签噪声越大增益越明显。
值得关注：它挑战了一个直觉：在分类这种无探索、无信用分配、无动作采样噪声、且梯度精确的设定中，精确策略梯度未必优于交叉熵。 它把交叉熵与策略梯度放进同一个“学习视野”框架：交叉熵看长期/耐心总误差，精确策略梯度只看零视野即时收益…
Pivot-SD 是一种面向掩码扩散语言模型（dLM）的离线自蒸馏后训练框架，仅监督去噪过程中对剩余掩码位置不确定性影响最大的“支点”承诺；摘要称其用 200 个问题、每个问题 4 次 rollout，在数学与代码基准上改善 LLaDA-8B-Instruct，并超过全序列 SFT 与预算匹配的扩散 RL 基线。
值得关注：它把 dLM 后训练的信用分配粒度从“整段最终文本”或“整个去噪步骤”推进到“单个高影响承诺”。 对掩码扩散模型而言，这意味着训练信号可以更集中地作用于真正改变生成走向的决策点。 与既有脉络的关系：已有卡片中，“面向掩…
据候选摘要（待核实），成功条件化在广泛一类 MDP 上收敛到最优策略，并在折扣 MDP 中给出 \(O(1/\varepsilon^p)\) 迭代复杂度、在单期 MDP 中给出 \(O(\log(1/\varepsilon))\) 迭代复杂度。
值得关注：候选摘要将成功条件化描述为“实践常见但理论理解不足”的策略优化机制。若其结论成立，本条补足的是这一机制在 MDP 中的极限行为与收敛速度，而不只是经验性描述。与已有卡片的关系：已有卡片分别覆盖扩散环境多臂老虎机策略梯度…
基于候选摘要，该工作提出一条面向多/高光谱地球观测卫星的星载海洋异常检测流水线，利用自监督编码器压缩图像并在低维空间做异常检测，以支持资源受限平台上的及时告警与带宽优化；但正文未抓取，具体性能、部署成熟度和集成状态待核实。
值得关注：海洋环境威胁具有跨区域、时效性强的特点，早期检测对生态与人类活动都有潜在价值。 星载处理可减少对地面站下传带宽和人工筛查的依赖；在轨异常检测可把有限通信资源用于更关键事件。 本条补足了异常检测在遥感/海洋环境监测与星载…
NeutronGym 是作者所称首个可执行的中子仪器设计环境：智能体用验证工具搭建仪器，McStas 做光线追踪，分级评分阶梯从语法、运行时、结构到科学目标打分，且不用 LLM 评审；它既能评测 LLM 智能体是否“做物理”而非“背物理”，也能通过强化学习训练模型。
值得关注：提供“做物理 vs 背物理”的可执行测试：用 McStas 光线追踪和硬评分替代 LLM 评审，减少评分争议。 展示强化学习在科学仪器设计任务上的潜力与边界：部分学分对性能至关重要；奖励信号可接近经典优化器，但比较涉及…
据 arXiv 元数据与摘要，**MRVQ（Matryoshka Residual Vector Quantization）**是一种作用于冻结嵌入（frozen embeddings）的后处理残差量化器：其最高码率编码可沿两条路径截断——丢弃残差级以降低码率、丢弃嵌入坐标以降低维度——从而用一份常驻索引覆盖多个（维度，码率）组合；在 FiQA/NFCor…
值得关注：**运维与成本**：弹性检索若为每个（维度，码率）保留独立索引，会带来内存墙与多套模型状态管理问题；单份常驻是更易运维的工程折衷。 **与既有脉络的关系**：已有卡片中，*DenseOn 与 LateOn* 关注密集/…
论文提出 **MoSE3**，一个从单目 RGB 视频前馈预测每像素世界空间 **SE(3)** 刚体运动的模型；它通过联合学习 **3D point tracks** 与 **rigidity embeddings**，并在软刚性簇内可微拟合变换来恢复 SE(3）。论文称其在 SE(3) 估计与 3D 点跟踪基准上达到 SOTA，并展示从纯合成运动数据到…
值得关注：它把动态场景的运动表示从“逐像素 3-DoF 平移轨迹”推进到“逐像素世界空间 6-DoF 刚体变换 + 软刚性分组”，将旋转、平移以及“哪些像素属于同一物体/部件”放进同一输出中。若成立，这比仅做点跟踪更接近可操作的…
LoGo 把后训练奖励拆成“全局奖励 + 空间局部奖励”：局部奖励提供细粒度信用分配以显著改善 3D 一致性，全局奖励则守住相机跟随与视频质量，从而针对相机控制视频模型在长时程生成中的 3D 不一致失败模式。
值得关注：长时程视频生成的核心难点之一不是单帧画质，而是跨时间的三维一致性与物体永久性；LoGo 把问题定位到“后训练奖励的粒度”这一可操作层面。 对相机控制类视频模型而言，局部奖励与全局奖励的权衡，可能成为兼顾“听相机话”和“…
LESSER 提出用输出层梯度近似全参数梯度做后训练数据选择，只需前向传播即可提取特征，在 SFT 与 RL 基准上把特征提取 FLOP 成本分别降至约 1/9.7 和 1/3.0，同时在下游任务上跟踪全梯度方法的性能。
值得关注：后训练数据质量直接影响下游性能，但高质量数据选择不能以不可承受的计算成本为代价。 该工作把“贵特征”替换为“便宜特征”的思路，可能缓解全参数梯度选择在大规模候选池上的瓶颈。 与已有相关卡片的关系：已有卡片涉及数据精炼、…
SNAP 提出一种自监督编码器-解码器 Transformer，通过“位姿条件局部解码器”和“潜空间重建目标”，把新视角合成从渲染任务改造成更利于几何表示学习的训练框架；摘要声称其在多项下游任务上与专用或自监督表示方法有竞争力，并表现出更好的视角鲁棒性。
值得关注：这项工作把 NVS 的角色从“生成新视角”推进到“学习可迁移几何表示”。与已有相关卡片中 SplatGuide、GeoVerse 等关注新视角合成质量或几何先验注入的脉络相比，本条增量在于：它反过来诊断 NVS 训练中…
据 arXiv 摘要，Queen 是一个 4B 参数的 chess-language model，能在典型特级大师水平下棋，并解释自己的走法与计划；其框架把静默专家棋编码器与指令微调 LM 通过 cross-attention 结合，并用迭代蒸馏把 Elo 从 1782 提升到 2697。
值得关注：它尝试解决一个核心矛盾：专家棋引擎强但不解释，语言模型能解释但棋力不足。 它展示了 4B 参数模型借助静默专家编码器的表示、跨注意力接口和迭代蒸馏，可能达到很高的领域能力。 “静默专家编码器 + 语言解释层 + 自蒸馏…
IDRF 提出一种面向少步（few-step）掩码离散扩散生成器的奖励微调框架：用逆蒸馏（inverse-distillation）正则替代不可计算的序列级 KL 惩罚，并用裁剪策略梯度优化学生轨迹上的奖励；据候选摘要，它在 DNA、图像与文本生成上以最多 32× 更少的去噪步数取得较高奖励，同时缓解 reward hacking 并保持样本质量。（正文未…
值得关注：离散扩散的奖励微调长期受制于序列似然不可计算；把 KL 正则替换为可优化的逆蒸馏目标，是一条值得关注的技术路线。 少步生成器与奖励微调结合，可能把“对齐成本”从多步采样中解耦出来。 将 few-step generat…
来源材料指出，LLM 引导的演化方法（如 AlphaEvolve）已用于圆堆积等困难计算优化问题。 但既有工作通常优化“固定迭代次数下的性能增益”。 作者主张，实际优化应最大化“单位成本带来的增益”。 为此提出 FrugalEvo：一个成本感知的演化框架。 同时提出 Budget-Aware Area Under the Curve（BA-AUC）指标，用…
值得关注：它把 LLM 引导程序演化从“迭代次数导向”推进到“成本感知导向”，更贴近实际部署中的预算约束。 BA-AUC 为“固定花费下能多快变好”提供了可讨论的度量方式。 强弱模型分工、缓存感知 harness 设计，可能对降…
该论文提出以图结构为核心的去中心化优化框架：GATE 用“每条边一个变量 + 树块”的消息传递联合设计优化子问题，GATE-S 以替代模型降低每轮成本，并给出速率显式依赖函数正则性、网络拓扑与分区的线性收敛结果。
值得关注：视角转变：从“用网络混合/聚合信息”转向“用图结构撕裂/分解问题”，把通信图同时作为算法设计对象。 收敛解释：线性收敛率显式关联函数性质、拓扑和分区，有助于理解图分解选择如何影响性能。 工程权衡：GATE-S 针对每轮…
在两项真实库存控制部署中，用目标策略在反事实模拟器中的 rollout 轨迹训练预测器，其点估计 MAPE 低于用历史真实数据训练的同一架构；部署后用早期真实观测做轻量校准，还能进一步降低误差。
值得关注：新策略上线时，历史数据分布与目标策略不匹配，而真实目标策略数据稀缺，形成预测冷启动。如果模拟器 rollout 能训练出比历史数据更好的预测器，就可能缩短新策略预测模型的可用时间，并在部署后平滑过渡到真实数据校准。与已…
据摘要，FlowHMR 将单目视频人体运动捕捉表述为“视频条件运动生成”问题，先预训练 flow matching 模型，再用 GRPO 与保真度、物理追踪双奖励后训练，从而生成更符合输入视频且更可被物理控制器追踪的全局 3D 人体运动。
值得关注：它针对单目视频深度歧义和直接回归平均解问题，尝试用生成式建模保留多样性。 它不只优化视频保真度，还把“物理控制器能否成功追踪”纳入奖励，强调物理合理性。 GRPO 后训练用于移动模型输出偏好，使生成结果在视频忠实度与物…
EyeRobot 2.0 受人类视觉启发，用主动注视与中央凹式视觉处理，使机器人仅凭单个立体相机完成精细双手操作，并在无腕部相机条件下缩小性能差距，在腕部相机被遮挡时显著优于 ego + wrist 策略。
值得关注：展示无需腕部相机也能进行精细双手操作的可能，减少对额外腕部视觉传感器的依赖。 主动注视和中央凹式 token 分配把视觉计算引向任务相关区域，可能提升遮挡场景鲁棒性。 对机器人操作策略的输入模态、动作表示和评测设计有参…
在专家验证的 1,042 题哥伦比亚法律基准上，15 个模型的选择题准确率最高为 0.905（Gemini 3.1 Pro）、最低为 0.577，但自由文本法律答案的事实正确率均不超过 0.45；模型常显得“回应相关”却事实错误，因此当前 LLM 用于哥伦比亚法律任务仍需专家监督。
值得关注：法律场景错误代价高，而来源指出“听起来相关却频繁出错”对非专家用户尤其令人担忧。该基准把可靠性评估扩展到美国以外、以哥伦比亚法律体系为对象，补充了国别法律 AI 评测的空白。与已有相关卡片相比，本条不讨论 RAG 自动…