在一种语言中让 LLM“遗忘”某个事实，并不保证其他语言也遗忘；该工作提出语言预算多语言遗忘任务、174 语言—文字对基准 Cross-Lingual Unlearning Tensor，以及 COVER 方法，用有限语言预算选择遗忘监督源语言，使未获监督语言的留出集残余访问相对均匀源选择降低 7.8–27.3%。
值得关注：多语言 LLM 的安全、隐私与版权治理不能只依赖单语言遗忘；“英文已遗忘”不等于“多语言已遗忘”。 COVER 在部署时仅需 benign calibration data 和 frozen model 访问，可能降低…
MM--GSA 提出一种基于元模型的全局敏感性分析（GSA）方法，试图在只有观测样本、无法按设计抽样重复评估输入—输出机制时，估计一阶 Sobol' 指数，并引入一种新的基于触发的结构指数来刻画预测性能对预测变量可用性的依赖。
值得关注：许多领域只能获得观测数据，难以进行干预、重复实验或按设计抽样。如果 MM--GSA 的结论成立，它可能帮助研究者在观测研究中开展敏感性分析与变量相关性筛查。
在 GPT2 与 DistilGPT2 的 DP-SGD 实验中，解除输入/输出嵌入的权重绑定（untied embeddings）比权重绑定（weight tying）取得更高准确率，最高提升 4.74 个百分点，并可启用内存高效的 ghost clipping，报告内存使用降低超过 60%。
值得关注：DP-SGD 是大语言模型隐私保护微调的重要方法；架构选择会直接影响效用、内存和训练可扩展性。 本文把“权重绑定”这一常见非私有设计放入 DP 语境检验，提示隐私训练可能改变标准 LLM 架构权衡。 与已有相关卡片无明…
据元数据与摘要信息，VideoMSN 尝试把视频重排为“超级图像”（由采样帧组成的网格），再用标准图像 Vision Transformer 与掩码孪生（Masked Siamese）目标学习时空表示，从而避免依赖重型 3D 架构或基于重建的自编码器；其自称在多个动作识别基准上达到当前最优，并显著减少视频预训练轮数（具体数值待核实）。
值得关注：若“图像分类器可直接充当高效视频表示学习器”成立，会挑战“视频必须用专门 3D 架构或重建式目标”的默认假设，把视频自监督拉回到图像基础模型的生态与工具链中。 效率叙事（更少预训练轮数、免解码器）对算力受限的研究者与中…
论文研究“按时间顺序消费帧、严格滑动窗口批次、无全局打乱、无多轮回放”的连续视频流自监督预训练；结果显示对比学习和蒸馏类方法在该设置下表现困难，MAE 更稳健但仍落后于标准 i.i.d. 预训练，而提出的 StreamMAE 通过流感知正则化与运动偏置裁剪，缩小了这一差距。
值得关注：它把自监督预训练的“数据消费方式”本身当作研究变量：不是只问模型结构或目标函数，而是问连续视频流中的批次内冗余如何影响表示学习。与已有“从视频中自监督学习结构化运动表示”的卡片相比，本条增量在于聚焦流式预训练协议与批内…
在相同时间预算与同一前沿 LLM 底座下，复杂的开源“外挂框架”（harness）相对最简会话式编码智能体并未显示优势，性能差异更可能来自模型底座本身——**该结论目前仅来自元数据与摘要级描述，正文未抓取，具体实验设置与数据待核实**。
值得关注：它把 MLE 智能体的“能力归因”问题摆上台面：排行榜增益究竟来自脚手架工程，还是来自底座模型换代。 对研究复现与工程投入有直接含义：若 harness 收益有限，则社区在编排、检索子智能体上的重复建设可能属于低回报投…
据候选摘要（正文未抓取，待核实）：在被 FineWeb 质量过滤后的 2026 年 6—8 月网页数据中，被 Pangram 判为 AI 生成的 token 占比从 27.5% 升到 31.1%；作者预训练 800 个语言模型后发现，这类“野生”AI 文本对预训练的边际价值可正可负——先压低人类文本损失，随后迅速反转为损害，且现有 Chinchilla 式…
值得关注：直击“数据墙/数据枯竭”争论：当人类文本预算受限时，用 AI 文本扩容看起来是直觉解，本工作给出了这一直觉的条件性否定——收益存在但会饱和并反转。 把“AI 污染网页”从一个检测与伦理议题，转化为可量化的预训练数据估值…
GLARE 试图把“倾听者头部生成”从只追求视觉真实，推进到同时判断何时反应、如何反应与反应类型是否恰当；候选摘要称其通过反应感知的数据、模型与评测取得增益，但正文未抓取，结论待核实。
值得关注：对话自然度不只取决于说话者头部动画，也取决于倾听者的点头、摇头、微笑、笑、皱眉、惊讶等社会信号是否出现得及时且类型恰当。把评测从纯视觉质量转向反应发生、时间对齐与非对称偏差，可能更贴近“倾听是否恰当”的行为问题。与已有…
EvoDuet 是一种在固定 LLM 参数下，让“候选解”和“搜索查询”双层共同演化的方法；在部分模型和 21 个优化任务上，它提高了 OpenEvolve 的归一化发现增益，并表明检索增强进化搜索的关键不只是加网页搜索，而是让查询随解变化。
值得关注：它指出简单给 LLM 接入网页搜索并不足够，搜索查询需要与当前解的状态共同演化。 检索门控把“何时检索、何时复用、何时不检索”交给 LLM 判断，体现了更细粒度的工具使用策略。 跨脚手架改进提示该方法可能不绑定单一进化…
Ego4WAM 在固定 world-action model 骨干的设定下，系统解耦自我中心人类数据的“对齐性、时长、任务多样性、动作监督、使用策略”等因素，指出机器人学习收益并不只由数据时长决定，而是由这些数据属性共同塑造。
值得关注：该研究把“自我中心人类数据 scaling”从单一时长问题，扩展为对齐、多样性、监督和使用策略的多因素问题，有助于重新理解人类数据在机器人学习中的价值来源。 如果对齐人类演示能减少目标机器人任务数据需求，可能对降低真实…
候选摘要称，DynaHarness 试图用“共享执行契约 + 快慢双脑 + 失败归因与回归检查”的动态物理 Harness，把机器人长程操作中的语义推理与物理执行协调起来，并让失败证据转化为经过验证的能力修订；正文未获取，结论待核实。
值得关注：对长程机器人操作，单纯扩大 VLA / 预训练策略未必解决“失败后改哪里”的问题；DynaHarness 把失败证据连接到能力修订，可能补足系统级自演化环节。 与既有卡片的关系： 相较“程序性图”强调显式图结构和自我编…
据元数据与候选摘要，该工作主张：对训练好的多任务循环网络，可以用**有限时域格林算子（finite-horizon Green's operator）**统一刻画扰动的全局一阶响应，并用它的简单约简同时得到"任务到任务"和"时间到时间"的两种计算组织视图；由于正文未能抓取，本卡片中所有具体结论均**待核实**。
值得关注：**与既有脉络的关系（增量信息）**：已有卡片《什么、哪里、如何：代码模型表征中任务、语言与模型的角色分离》的结论是——在独立训练的代码模型中，"哪些概念获得专用电路"由任务决定而高度一致，"电路在哪一层、如何逐层增长…
据来源元数据，本文题为“Deep learning–enhanced single-shot triorganelle STED-FLIM imaging of lipid dynamics in living cells”，指向一种用深度学习增强、以单次采集方式同时对三类细胞器进行 STED-FLIM 成像、并用于活细胞脂质动态观测的方法；由于正文未能抓…
值得关注：从标题看，该工作把三条通常在工程上互相牵制的需求放在一起：超分辨（STED）、寿命/微环境对比（FLIM）、多细胞器并行，以及活细胞所需的低损伤快速采集；“single-shot”与“deep learning”正是用…
Nature Methods 报道的 CytoVI 是一个面向抗体单细胞数据（流式细胞术、质谱流式、CITE-seq）的概率生成模型，试图在一个端到端框架中统一完成数据整合、缺失测量插补、差异蛋白表达检验和细胞自动注释。
值得关注：流式细胞术是公共领域中数量丰富、成本较低且临床常用的单细胞模态，但多供体、多批次、多平台、不同抗体 panel 的数据整合长期困难。CytoVI 的重要性在于把多个常见分析任务收束到一个概率生成模型中，可能减少流程拼接…
cua-speedrun 试图用统一的虚拟机环境、执行流水线和通用 agent 接口，把“计算机使用智能体（CUA）有多快、多贵”变成可复现、可跨基准比较的评测对象；其初步结论是速度、性能与成本之间不存在单一模型家族通吃的解（具体数值待核实）。
值得关注：若 CUA 的速度与成本不可比，产业界难以判断“能不能用、划不划算”，学术进展也难以在效率维度上累积。 将 harness 与环境延迟纳入变量，提示“模型更强”并非速度提升的唯一路径，系统工程与运行时配置同样关键。 任…
该工作主张把联邦学习中的有损压缩从"误差来源"重新理解为"安全信号"：压缩器对诚实更新与攻击更新的响应差异（压缩足迹）可被服务器端用于鲁棒聚合，并在摘要报告的多数实验设置中取得领先或接近领先的精度。
值得关注：视角转换：把压缩从"需要容忍的噪声"变成"可以主动利用的防御侧信道"，为服务器端防御增加了一类低成本、无需额外通信的信号来源。 部署友好性：不需要客户端上报元数据、不需要事先知道恶意客户端数量，这两点在真实联邦部署中往…
Cogentic 是一个面向开放研究问题的多智能体证明发现框架，通过“证明—验证”迭代循环、对抗验证与已验证中间结果账本，以 Gemini 为基础模型在在线学习、拍卖理论与机制设计的五个开放问题上取得新结果，并由领域专家独立验证。
值得关注：它把多智能体编排的竞争点放在长时程证明发现，而非单轮答案生成。 对抗验证与持久化已验证账本，是对 LLM 证明可靠性问题的一种流程化回应：后续轮次只基于已确认中间结果继续推进（据摘要）。 与已有相关卡片的关系：WebS…
来源为 arXiv 预印本条目，英文标题：**CAS II: Symmetric Partitions as Kolmogorov Models**；URL：https://arxiv.org/abs/2609.40290v1。 所属轨道：academic；主题标签：foundation-model。 研究背景（据候选摘要）：在算法统计中，字符串 x 可由…
值得关注：它提供了一种统一视角：把假设类视为划分，把对称性视为对模型类的限制；这有助于理解“什么样的规律性能被哪类对称模型捕捉”。 “完全对称群可恢复全部 Kolmogorov 模型，而 GL(n,2) 只覆盖线性齐次集”形成鲜…
据候选元数据摘要，MAGIC 通过在多智能体执行过程中在线维护一张共享的“可通行性”高斯信念，并用高斯马尔可夫随机场与高斯信念传播做近似推断，把观测到的局部地图变化外推到未观测的邻近区域，从而为常规 MAPF 规划器生成“绕行感知”的代价——在基准测试中于 96.3% 的实例上降低了执行后的总代价（具体数值与实验细节待核实）。
值得关注：把“不确定性建模”从单体感知推进到多智能体协同层面：多个智能体的观测被汇总为一个共享信念，观测价值不再局限于观测点本身。 与“先规划后重规划”的常规工程流水线兼容：不替换规划器，而是改造代价函数，落地成本可能较低。 与…
Atomizer-IO 试图把“观测”及其采集元数据作为原子表示，通过局部交叉注意力映射到可任意放置的锚点，从而不再让像素、图块和规则网格定义传感架构的接口；摘要称其在多数任务上与灵活的 EO 专用架构有竞争力，并可在无需架构重设计的情况下扩展到无序 3D 点云。
值得关注：它挑战视觉基础模型/传感架构中默认的网格先验，把“灵活性 vs. 空间归纳偏置”的权衡重新设计为“观测原子 + 物理关系”。 对遥感等通道、时间、分辨率、几何异构的数据源，规则栅格常是人为对齐；观测中心接口可能更贴近采…