候选摘要暗示，LLM 在回答问题时，对“查询路由信息”和“目标知识/内容”的依赖会随层变化，且 Qwen、Llama、Gemma 的轨迹并不一致；但由于未能抓取正文，具体结论、实验细节与可复现性均待核实。
值得关注：该研究如果得到正文证实，可能帮助区分“模型内部信息可读”“自然状态下的强度”“可被因果操控”和“后期内容依赖”这几类不同问题，而不是把它们混为一谈。待核实。 对 foundation-model 而言，理解内部知识如何…
论文提出开源对话式 XAI 系统 **Explainability Assistant**，利用现代大语言模型（LLM）的 function-calling 能力，让设施管理人员和建筑运营者用自然语言询问能耗预测模型的解释；论文报告意图解析准确率达 94%，并在与能源领域专家的对比评估中获得对传统 XAI dashboard 的一致偏好。更细的系统架构、评…
值得关注：该工作把 LLM 的 function calling 用于 XAI 交互，而非仅作为通用聊天接口；这可能减少对自定义语法和任务特定微调的依赖。 与已有“LLM 在建筑能源系统 HVAC 运行中作为语义层/工作流层或人…
在八套公开 CGM 数据集上，零样本时间序列基础模型未稳定优于 Elastic Net、PatchTST 等强任务特定基线；轻量微调可明显改善血糖预测，而加入时间对齐的饮食多模态信息主要降低餐后预测误差。
值得关注：对“时间序列基础模型开箱即用”的叙事给出 CGM 场景边界条件：通用零样本能力不等于临床 CGM 预测优势。 与既有时间序列基础模型/多模态患者旅程脉络的关系：已有 RMISC 类工作强调大规模多变量语料对零样本泛化的…
基于摘要，美国国会议员在国会发言和 Twitter 中体现出的“证据导向相对于直觉导向”的语言取向（EMI），在个体层面与其立法有效性正相关；同时，意识形态更极端的议员在国会发言中使用更少证据导向语言。该结论是关联性的，不能从摘要推出因果关系。
值得关注：如果证据导向语言在个体层面与立法有效性相关，那么政治传播质量可能不仅是规范问题，也可能与制度绩效存在可测量的联系。 该研究把“认识论取向”从抽象话语趋势推进到议员个体差异，并连接 LES 这一立法有效性指标，为研究极化…
该研究提出用微调语言模型从反应条件的文本描述中动态学习任务自适应表征，并与高斯过程代理模型联合训练、嵌入多目标贝叶斯优化闭环；摘要称其在镍/钯催化交叉偶联中比描述符库或 one-hot 编码用更少实验达到收敛，并在两个前瞻性案例中实现克级放大与高对映选择性。
值得关注：反应表征是模型驱动反应优化的关键瓶颈之一。该工作把“文本描述”作为统一接口，让语言模型与实验闭环共同学习任务自适应表征，从而避免为每个新反应系统手工设计共享特征。它还把语言模型表征、高斯过程代理、多目标贝叶斯优化和高通…
Domain-Specific Hallucination Detection in Large Language Models
该研究聚焦“距离泛化”：在上下文长度固定时，改变训练与推理阶段的 token 间距离，并用两个合成延迟复制任务测试模型对训练中未见延迟的表现；摘要强调理解底层机制至关重要，但未披露三个研究问题的具体结果。
值得关注：把评测焦点从“上下文变长”扩展到“token 间距离变化”。这有助于区分：模型失败是因为总长度外推，还是因为源 token 与回忆位置之间的间隔改变。 位置编码方案（RoPE/ALiBi/NoPE）常被用于改善长上下文…
Data Scarcity and Model Sparsity: Mixtures-of-Experts Overfit More to Repeated Data
CoRA-NAS 用零成本代理做粗排序，再以少量锚点的早期验证曲线和 ExtraTrees 残差修正进行低成本精修；在多个 NAS 基准上取得跨空间较稳健的排序表现，精修成本约为全训练候选集的 1%。
值得关注：NAS 落地常受限于训练成本，而零成本代理虽然便宜，却可能在不同搜索空间间不稳定。CoRA-NAS 的增量在于：它不把零成本代理当作最终排序器，而是将其作为粗排序先验，再用极少量锚点和学习曲线残差修正来纠正排序。与已有…
CausalArena 是一个统一且可演化的因果发现基准，其跨多种 SCM 家族与协议的实验表明：经典、神经及预训练方法在不同基准制度下的排名会显著变化，单一合成基准上的强表现无法可靠迁移；同时，预训练环境与测试 SCM 的重叠是基础模型时代评估因果发现的核心难题之一。
值得关注：如果因果发现方法的评估只依赖固定的合成基准，可能高估或误判其真实能力。预训练—评估重叠意味着基础模型的评测结果可能被“记忆”或环境相似性污染，而非真正反映因果发现能力。CausalArena 的可演化设计指向一种更稳健…
CFD 提出一种边缘-云代理式长视频理解框架：边缘端只做一次离线字幕生成，建立“事件级故事骨架 + 片段级微日志”的双轨叙事索引；查询时由云端 MLLM 在语言空间中优先推理，仅当轻量 Visual-Need Router 判断为感知类问题时，才按预算检索关键帧，从而把视觉访问变成查询条件下的显式成本。
值得关注：已有相关卡片中，EcoFrame 侧重免训练、查询自适应的视觉证据调度；GenEvA 侧重在选帧/压缩后增加查询相关的跨帧潜在证据聚合；PACR-Video 侧重参数高效的多镜头长视频外推。本条 CFD 的增量在于：它…
在 96 物种识别任务中，2–8B 边缘可部署 VLM 与 300M 领域专家 BioCLIP 都远高于随机水平；但所有模型在相机陷阱野外图像上明显退化，BioCLIP 显著优于全部被测 VLM，提示领域专用训练数据可能比模型规模更关键，而清洁照片到野外图像的退化更像图像质量位移的结果。
值得关注：该研究把 VLM 评估放在真实边缘约束下：相机陷阱常无稳定联网，不能默认依赖前沿大模型或云端推理。 与既有 VLM 失败归因类卡片相比，本条增量在于将“看不见还是不知道”的问题具体化到边缘物种识别：退化跨通用模型与领域…
该 arXiv 预印本提出 AssayBench-Loop 大规模 CRISPR 自适应命中发现基准，并给出结合 AssayFormer 与 LLM 生物先验的 AssayLoop 顺序实验设计框架；摘要称其在时间留出筛选上以约 5% 候选库检测量实现 5.67 倍随机富集、回收 27.7% 命中，并优于若干基线。完整正文、统计细节与同行评审结论待核实。
值得关注：该工作把“命中发现”从一次性预测推进到实验在环的顺序决策：历史实验不只用于验证，而是成为学习采集策略的训练资源；LLM 则提供广谱生物先验，弥补小规模实验反馈的冷启动问题。与已有相关卡片相比，本条不重复 CausalA…
在 10M 词语料上训练的小型掩码语言模型 DeBERTa 中，训练前用图像区域为部分词嵌入做“视觉直指”初始化，会在训练全程留下可测印记，并稳定提升这些词的对象—属性知识；但多数 BabyLM 抽象语法基准看不到该效果，功能词/抽象词虽被训练目标利用，却没有现成基准能捕捉——评测盲区仍开放。
值得关注：对“词义从语料中随机学起”的默认图景提出一个可操作的替代/补充：视觉直指初始化能在小模型上产生可测、可因果转移的词汇/属性知识优势。 显示“表征变化”和“基准可见性”可能分离：语法类 BabyLM 基准不敏感，而对象—…
论文提出“人工本我”（artificial id）——一种用于判断行为应当继续、停止还是改变的自适应内部驱动力——并主张当智能体跨任务边界携带“有后果的状态”与自适应驱动力时，对齐应当被视为持续运行的智能体系统的属性，而不是模型单次响应或单条轨迹的属性。
值得关注：它把“持续性”同时定位为自适应控制的来源和风险的来源，而不是只当作记忆功能或安全缺陷。 它提出把对齐的“单位”从模型输出转向持续系统，并给出一份对齐边界需要覆盖的要素清单（观察、后果、状态、权威、身份、溯源、硬约束）。…
MatBrain 以 30B 分析模型 Mat-R1 与 14B 执行模型 Mat-T1 的异构双模型协作，在晶体材料研究中实现轻量、可本地部署且与前沿大语言模型具有竞争力的表现；在催化剂设计案例中，于 48 小时内生成 30,000 个候选结构并识别 38 个有前景材料，并显著减少材料设计与计算筛选所需的人类活跃时间。
值得关注：它针对“大模型参数巨大但在材料科学领域推理和工具协调不足”的痛点，提出以两个轻量模型的异构分工来承担科学推理与工具执行。 与已有卡片“能力强的大语言模型可能不再需要多智能体协作”的增量关系：本工作不是同质多智能体堆叠，…
AdamX 是一种一阶优化器，将 cosine similarity 作为控制更新幅度的自适应机制，并引入 variance rectification scheme；摘要称其在固定超参数预算下，在多种基准数据集和架构上达到有竞争力的收敛速度。
值得关注：在 foundation-model 主题脉络中，优化器是训练核心组件之一；模型无关且易嵌入训练管线的改进，可能影响训练效率与实验成本。 该工作把 cosine similarity 引入更新幅度控制，并专门处理训练早…
3DPS 提出一种面向毫米波雷达的可微点渲染器，直接从雷达方程立体角形式推导，保留复值相位与显式材料模型；在六个 ColoRadar 室外场景的留出 RA 图像上达到 0.587 平均 Pearson 相关系数，单张 RTX 4090 训练约 3 分钟/场景。
值得关注：雷达 NVS 不只是视觉图像合成，还涉及相位、材料响应和距离剖面等物理量；3DPS 把可微渲染从光学/功率域推进到复值雷达域，并尝试兼顾物理模型与多视角训练效率。 与既有相关卡片的关系：已有卡片覆盖光学 3DGS 无位…
DeepSeek 已开启 V4.1 Flash 中间版本内测。开发者保持 `base_url` 不变，将模型名改为 `deepseek-v4.1-flash-expires-on-0910` 即可调用；计费与 V4 Flash 相同，每账号限流 20 并发，9月10日自动下线。开发者实测最高输出速度达 507 `tokens/s`，多人测试平均超 300…
值得关注：已有相关卡片记录过 V4 Flash 的低价效应、V4 Pro 0813 与 GPT-5.6 Sol 的成本/路由比较。本条是 Flash 产品线的一次时间线推进： DeepSeek 在 V4 Flash 之后继续放出…
Chris Lehane 认为，更强的人工智能能力需要更强的安全证据、共同标准和持久的政策行动；当前“政策窗口”仍然开放，需尽快行动。（此结论基于元数据摘要生成，原文正文未抓取，具体表述待核实。）
值得关注：本条涉及 OpenAI 高管层面的政策立场，与已有相关卡片形成互补： 此前“OpenAI资助14个独立政策研究项目”侧重支持外部独立研究； “OpenAI在欧洲推进负责任人工智能”侧重区域治理实践； 本条则从“政策窗口…