仅用预填充阶段（prefill）隐状态预测大语言模型将解码多少 token，其精度受自回归解码固有随机性所决定的下界约束；当前基准把预测器质量与任务难度混为一谈，导致更换模型、数据集或采样配置时准确率骤降，且不同预测器设计最终都收敛到接近该界。
值得关注：把“预测器能力”与“任务固有难度”区分开，避免在不可比的基准上做模型选型。 给出可检验的理论下界与方差律，为推理系统容量规划提供概率视角（分布而非点估计）。 与既有“机器学习决策系统的结构极限”卡片形成呼应：本条把极限…
NEOPIC 是一种直接在粒子经验测度上求值、无需网格或树结构的神经算子，用作粒子模拟中的“即插即用”场求解器，并在理论上具备与标准蒙特卡洛粒子方法一致的误差结构。
值得关注：与基于网格的神经算子相比，避免了粒子噪声向网格的混叠，这对粒子模拟中信噪比敏感的场景具有直接意义。 只替换场求解、保持 $O(N_p)$ 复杂度且常数与网格无关，降低了将学习型求解器嵌入既有粒子代码的门槛。 误差结构上…
该论文提出一种带杂波抑制的多基地集成感知与通信（ISAC）框架，利用残差与注意力增强的深度神经网络直接从受杂波污染的观测中增强目标响应，在密集动态杂波条件下对目标位置与速度估计的表现显著优于传统信号处理方法。
值得关注：多基地ISAC的覆盖优势在密集动态杂波下容易被抵消，杂波抑制是决定其能否实用的关键环节。 将深度学习引入ISAC信号处理链路，代表“AI增强感知”在通信感知一体化方向的具体落地尝试，对后续系统设计与标准化讨论具有参考价…
Multi-View MoE 通过多路由器聚合与路由偏好复用，在不增加激活专家数、专家 FLOPs 和全对全通信量的前提下，改善了稀疏 MoE 的专家选择质量，并在 10B-A1B 规模模型上取得下游任务平均 1.18 个百分点的提升。
值得关注：该工作表明，在激活预算不变的前提下，通过多路由器提供差异化选择信号并复用其偏好来调制专家输入，可以在不增加推理开销的情况下提升 MoE 模型质量；同时它揭示了单路由器排序与专家实际效用之间的错位，为 MoE 路由设计提…
该研究通过针对专业剪辑师的形成性研究，提炼出“微剪辑”（micro-edits）的结构并给出数学形式化，进而构建基于 AI 与优化的工具，帮助用户在标准剪辑工具中更简单高效地探索这类精细到帧的局部调整。
值得关注：微剪辑直接关联节奏控制与视觉注意力引导，是叙事表达的关键细节，但长期依赖手工逐帧调整。 将微剪辑显式形式化并引入 AI/优化，意味着把“难以言说的创作直觉”转化为可探索的计算空间，为人机协同的创意工具设计提供路径。
在220条加纳移动货币（MoMo）标注短信上，多项式朴素贝叶斯与线性SVM在留出测试集上取得准确率、F1与AUC均为1.00的成绩，交叉验证平均准确率分别为96.6%、94.9%，随机森林为92.0%；作者将其定位为低资源、端侧可部署的可解释过滤方案。
值得关注：把反诈检测落到具体国家与具体支付渠道（加纳MoMo + SMS/USSD），而非泛化的英文垃圾短信任务。 采用轻量、可解释模型而非大模型，契合低算力、端侧部署与可审计需求。 提供了该场景下“领域归一化 + TF-IDF…
该研究针对真实监控场景中遮挡、背景杂乱和人群拥挤导致行李重识别（ReID）性能下降的问题，提出并评估了一套从多路视频流到检测与重识别的端到端流程策略，重点考察多视角/多帧选择与融合以及跨环境数据集训练对实际应用性能的影响。
值得关注：真实部署中的监控画面很少具备干净裁剪条件，多摄像头、多帧观测的互补信息是提升行李 ReID 实用性的关键抓手；该工作把“视角/镜头选择与融合”和“跨环境训练”作为可评估的设计维度，有助于缩小学术基准与实际系统之间的差距。
L3G-World 用“潜在三维高斯记忆”（Latent 3D Gaussian Memory, L3G）替代随时间无限增长的序列上下文或显式三维记忆，让记忆规模随场景范围而非生成流长度增长，从而在 9 FPS 下实现长时程空间一致的实时世界生成。
值得关注：长时程空间一致性通常以记忆膨胀或离线重编码为代价，L3G-World 把“记忆增长”从流长度解耦到场景范围，并把记忆表示对齐到生成器的潜空间，从表示层面削减了实时化的主要瓶颈。与既有卡片中关注物理一致性（ELWM）、测…
IndicIPR-QA 是覆盖印度全部七部知识产权法案的抽取式问答基准，包含 4,462 个问答对；在该基准上，BM25 的 token 级 F1 仅 20.21，而微调后的 InLegalBERT 达到 85.02，说明单纯词匹配远不足以应对此类法律问答。
值得关注：为印度 IPR 法律这一低资源法律领域提供了带精确答案片段的抽取式问答评测集，填补了跨全部七部 IPR 法案的基准空白。 章节级划分策略有助于减少上下文泄漏带来的评测虚高，对法律问答基准设计具有参考价值。 结果提示：法…
论文提出基于模板的可扩展数据增强流程，从有害提示中抽取安全模板、翻译后填充文化本地化实体，构建覆盖60种语言的MSafeTemp语料，用于多语言安全对齐与评测。
值得关注：安全对齐的“英语中心”假设在跨语言部署中可能系统性低估风险；该工作把评测盲区（翻译攻击、文化本地化攻击）与训练数据供给（可扩展模板管线）放在同一闭环中，为多语言安全对齐提供了可复用的数据与流程。与既有关于训练数据生成与…
一篇教程论文展示了如何在单张消费级 GPU 上从零训练含分词器的葡萄牙语小型语言模型（11–12M 参数），并用预注册协议对比自回归与掩码扩散两种生成模式在巴西法律等专业领域任务上的表现；论文不提出新方法。
值得关注：证明“自建语言模型”在消费级硬件上可行，降低了小型专业领域模型的门槛。 提供了一套可复用的预注册评测范式：引入 Kneser-Ney 与公开大模型作为标尺，区分“似然持平”与“任务可用”两种结论。 揭示小模型容易在重复…
HairDeck 将风格化角色的发型视为“无序的发卡集合”，用集合扩散 Transformer 从单张图像一次性生成发卡几何与驱动其动画的弹簧骨骼链，在 CHARM 测试集上 Chamfer 距离降低 44%、发卡朝向误差减半以上，且推理速度快 33 倍。
值得关注：风格化角色的头发资产长期依赖手工摆放发卡与绑定弹簧骨骼；HairDeck 把这一环节转为单图自动生成，且输出即为可动画、可导出的成品格式，而非仅视觉上接近的网格或发丝。相比 CHARM 的自回归序列解码，集合式建模更贴…
Gym-Anything for Robotics 把“创建机器人仿真环境”本身当作编程智能体的任务，通过对抗式创建-审计流程构建了 RoboWorld（25 个仿真、25 个测试与 175 个训练 RL 环境），并显示当前最强前沿模型在全部测试任务上失败（平均奖励仅 0.06）。
值得关注：把“仿真环境生产”从专家手工劳动转变为可随模型能力水涨船高的自动化流水线，是扩展具身 AI 训练数据的关键杠杆。 RoboWorld 提供了一个高难度基准：前沿模型平均 0.06 的奖励说明现有模型在多样化物理任务上仍…
WxCrop 是据称首个从物理可解释天气指数出发、经因果分析判断农业灾害，并融合天气与农业信息预测作物损失的智能体；在佛罗里达针对飓风、霜冻和干热灾害的演示中，其损失模型经三项可靠性检查，包括飓风指数识别历史气旋日的 AUC 达 0.98、留出年份记录损失复现误差在 2% 以内、独立产量记录确认县级排名（秩相关 0.63）。
值得关注：农业灾害响应长期卡在天气预报与作物损失之间的断档。WxCrop 的价值主张是把物理可解释的天气指数、因果分析和保险校准的损失模型串成一个可溯源智能体，使预报日期也能给出分作物组的损失估计。与既有卡片中“AI 权威：从应…
Fight World Model（FWM）将格斗游戏的“规则执行”与“视频渲染”解耦：由可执行引擎维护状态并判定交互，再由确定性编译器把结果编码成时空对齐的交互代理来驱动视频生成，从而在不重新训练渲染器的前提下支持伤害缩放、限次免伤、吸血、多段技能等原生规则之外的机制。
值得关注：对游戏世界模型而言，画面可信并不等于可玩：状态持久性与规则一致性是交互式内容的核心约束。FWM 把这两类职责拆开，使规则扩展（如吸血、限次免伤）与外观/场景定制可以独立于渲染器进行，这对快速迭代玩法原型、以及在图书/简…
FARMS 提出一套“忠实且高效”的基础设施，把计算数学文献转化为 AI 可解释、可复用且带显式保证的计算知识，并在随机数值线性代数与数值偏微分方程共 171 个目标上实现 157 个被流水线接受，单目标平均估计成本为 0.85–2.29 美元。
值得关注：该工作针对的是自动化计算科学中的一个关键瓶颈：AI 不仅需要“读到”数值方法，还需要以可验证的方式理解其前提与保证。FARMS 将形式化陈述、来源语境与定量保证绑定，并通过 Lean 检查建立陈述与计算技能之间的蕴含链…
MTA-OPSD 提出首个 token 级自适应的在线策略自蒸馏（OPSD）方法：不再让整条回复共用固定教师，而是为每个 token 从候选教师池中动态选择“更偏好”的教师，在 Qwen3 数学推理任务上最多比基座模型平均提升 +5.9。
值得关注：把“教师选择”从训练级/回复级细化到 token 级，是对 OPSD 监督粒度的一次结构性改动，而非仅调整损失权重或传播方式。 与既有脉络的关系：已有卡片中，DASH 关注 OPSD 逐 token 监督中“散度自适应…
该研究提出可控归因基准 CATT，用虚构知识微调语言模型以获得无歧义的真值，从而隔离数据集属性对归因算法的影响；并发现改用负对数几率梯度并只聚合高分 token，可在多个基线上将真值召回率提升 35–72 个百分点。
值得关注：该工作指出现有归因评估因多变量同时变化而难以定位失败原因，并以可控合成基准把评估问题转化为可诊断的实验设计；同时表明损失函数与聚合方式这两个常被忽视的选择对归因效果影响显著——证据的局部性意味着“全文平均”并非合理默认…
论文提出“可回卷交互式证明”（Rewindable Interactive Proofs, RIPs），利用验证者能够保存并恢复 AI 证明者状态的能力，在不假设证明者诚实、也不使用密码学的前提下，以更低计算成本实现可扩展监督。
值得关注：既有高效方案（如辩论）依赖“至少一个证明者诚实”的假设，而去掉该假设的方案计算成本很高。RIPs 利用 AI 模型状态可快照、可恢复的工程特性，提供了一条无需密码学、效率更高的替代路径，对可扩展监督的协议设计有直接参考价值。
论文提出沿“训练时间”和“扩散时间”两个轴校准图像重建难度，把“模型记住了这张图”与“这张图本来就容易重建”区分开，从而大幅提升扩散模型成员推断攻击（MIA）的准确率与跨参数化泛化能力。
值得关注：成员推断是评估训练数据隐私泄露与版权风险的关键手段。既有方法因忽略图像固有难度而产生误判，论文的“难度校准”思路直接针对这一偏差来源，且 TSC 只需单一模型、无需历史检查点，提升了实际可部署性；跨参数化泛化则扩大了适…