陶哲轩在加州理工学院以“Math 2.0”为题演讲，指出数学因可验证、可数字化、数据充足而最先受AI冲击，正从“证明匮乏”转入“证明充沛”时代，但真正的瓶颈是人类想象力与对问题的理解。
陶哲轩在加州理工学院发表题为“Math 2.0”的演讲。 核心判断：数学正在从“证明匮乏时代”进入“证明充沛时代”，证明本身不再稀缺。 演讲关注的问题：AI对数学研究范式的冲击，以及人类应如何在“证明不再稀缺”的前提下重新定位研究目标。
腾讯研究院（搜狐同步）
查看来源原文本期 54 件事。点击标题可查看卡片、来源与相关知识点。
据候选摘要，PivotOPD 提出一种在线策略蒸馏框架：在多轮智能体任务中，既训练学生模型预防“关键错误”（pivotal mistake），也训练其从这些错误造成的后续状态中恢复；但正文未抓取，以下实验细节与结论均待核实。
多轮智能体在交互中，一个错误动作会改变后续状态，导致误差跨轮累积。 在线策略蒸馏（on-policy distillation, OPD）可在学生模型自己生成的轨迹上提供密集教师监督，是训练语言智能体的一种有前景方法。 候选摘要称，作者关注的问题是：多轮失败轨迹中是否存在可识别的“关键错误”，以及这些错误是否可恢复。 候选摘要称，在三个 Qwen3 模型（…
arXiv 论文
查看来源原文李飞飞团队发布触觉模型T-Rex，灵巧手成功率翻倍
腾讯研究院（搜狐同步）
查看来源原文英伟达CEO黄仁勋首次在社交媒体X发帖，公开25家科技公司联署的《开放权重与美国AI领导力》公开信，主张开源对美国AI生态、竞争与安全至关重要；闭源巨头OpenAI、Anthropic、谷歌缺席，信中对“蒸馏”技术正名触及闭源阵营核心利益。
黄仁勋首次在X平台发帖，公开25家公司联署的公开信《开放权重与美国AI领导力》（Open Weights and American AI Leadership）。 公开信主张：开源对美国AI生态系统、竞争格局以及国家安全至关重要。 签署方包括英伟达、微软、Meta、IBM、a16z、YC等，但OpenAI、Anthropic、谷歌三家闭源巨头缺席。 信中为…
腾讯研究院（搜狐同步）
查看来源原文Microsoft 于 2026 年 7 月 27 日发布 Project Perception，一个专为 AI 时代设计的代理式安全系统，通过“红、蓝、绿”三色智能体团队和全新 Cyber Stack 架构，实现持续感知、推理和自主防御，预计 2026 年 8 月 3 日进入公开预览。
Microsoft Security 执行副总裁 Hayete Gallot 在官方博客宣布，传统以人类行动者为基础的安全方法无法应对 AI 驱动的攻击（攻击者生成漏洞更快、规模化更高效）。Microsoft 因此推出 Project Perception，这是一个基于“新 Cyber Stack”（新网络安全堆栈）的持续学习安全系统，旨在让防御者以机器速…
Microsoft AI 博客
查看来源原文NVIDIA Ising Calibration 1.5 是一款开源的 31B 参数视觉语言模型，通过增强的上下文学习能力实现量子处理器诊断输出的全自动校准，在零样本和上下文学习设置下均超越所有开源模型，并与领先闭源模型（如 Fable 5、GPT 5.6 Sol）竞争。
2026 年 7 月 27 日，NVIDIA 发布 Ising Calibration 1.5，这是其面向量子处理器校准的开源视觉语言模型（VLM）的最新版本。该模型旨在解释量子处理器的诊断输出并自动决定如何调优，支持实验室本地部署，首次推出 NVFP4 量化版本以便在单 GPU 或 NVIDIA DGX Spark 上运行。模型权重、数据集、基准和部署蓝…
NVIDIA 博客
查看来源原文技术与叙事：一部关于狂热者与反思者的历史
腾讯研究院（搜狐同步）
查看来源原文陶哲轩在2026年国际数学家大会（ICM）上提出“AI能力猜想”，认为AI可能以可接受成本承担研究级数学任务，但现有评价体系将面临冲击；他主张将数学问题“真正解决”分为五层，警示AI加速前端可能导致“证明过剩”与“证明消化不良”，未来稀缺的是提出问题、理解问题与组织知识的能力。
2026年ICM上，陶哲轩发表题为《人工智能时代的数学》的演讲。 提出“AI能力猜想”：AI或将以可接受成本承担研究级数学任务，冲击现有研究文化与评价体系。 核心关注：AI在数学研究中的角色边界，以及如何调整数学界的评价标准以适应AI时代。
腾讯研究院（搜狐同步）
查看来源原文2026 年 7 月 27 日，Anthropic CEO Dario Amodei 发布公开声明，回应近期围绕中国开放权重模型以及部分美国官员考虑禁止美国企业使用中国开放权重模型的讨论。声明澄清 Anthropic 的立场，并解释其核心关切与应对措施。
Anthropic 博客
查看来源原文Cohere于2026年7月27日宣布推出North Automations，这是一个面向企业的智能工作流编排层，旨在通过统一协调多个AI代理、按步骤选择模型和内置治理，帮助企业弥合AI投入与实际回报之间的差距。
Cohere团队在官方博客中宣布发布North Automations。材料指出，当前企业中AI代理快速普及，但普遍存在工作流狭窄、缺乏治理、成本高昂等问题，导致代理式AI的潜力难以落地为可扩展的ROI。North Automations作为Cohere“North”平台的一部分，提供集中式代理编排层，将分散的单个任务自动化升级为端到端的、结果导向的工作流…
Cohere 博客
查看来源原文OpenAI 的新研究显示，ChatGPT 用户正在跨越传统岗位边界承担更多类型的任务，AI 正在重塑工作中“能做什么”的边界，而不仅仅是替代重复劳动。具体数据与结论待核实。
OpenAI 于 [具体日期待核实] 发布了一篇题为“How AI is expanding what people do at work”的研究报告，探讨生成式 AI（尤其是 ChatGPT）如何改变劳动者在岗位上的实际工作范围。研究聚焦于 ChatGPT 用户的使用模式，指出用户开始利用 AI 执行原本不属于其岗位职责的任务，从而扩展了个人的工作边界。
OpenAI
查看来源原文Black Forest Labs 发布 FLUX 3，从专用图像模型进化为统一处理图像、视频、音频并具备动作预测能力的多模态模型，其视频生成能力在初评中显著领先多个竞品，且 Dev 版将开源。
Black Forest Labs 于 2026 年 7 月 27 日左右发布 FLUX 3，这是其从图像生成模型向多模态模型的重大升级。新模型基于 Self-Flow 方法构建，可统一处理图像、视频、音频，并原生集成动作预测能力。公司估值达到 32.5 亿美元。
腾讯研究院（搜狐同步）
查看来源原文Anthropic于2026年7月27日正式发布Claude Opus 5，在多项编程与知识工作评测中刷新纪录，智能水平接近竞品Fable 5，但每百万输入/输出价格仅为其一半（输入5美元、输出25美元），并已成为Claude Max默认模型。官方称其为迄今对齐程度最高、欺骗行为发生率最低的模型，但在生物研究与进攻性网络安全两用能力方面仍落后于Mythos…
2026年7月27日，Anthropic发布新一代旗舰模型Claude Opus 5。该模型在Frontier-Bench、ARC-AGI 3等评测中取得领先成绩，自主核查与迭代能力增强，可自建测试框架并修复真实漏洞。定价策略极具竞争力：每百万输入token仅5美元、输出25美元，约为Fable 5的一半。模型现已作为Claude Max默认模型上线。
腾讯研究院（搜狐同步）
查看来源原文Anthropic在发布Claude Opus 5后，对Claude Code的系统提示词进行了大幅精简，删除了八成以上内容。经编码评估，未发现可测性能损失。官方认为模型越强，越不需要冗长的保姆式规则。
腾讯研究院（搜狐同步）
查看来源原文OpenAI全量开放ChatGPT Health，免费用户可接入Apple Health、Epic等电子病历数据，用于健康管理与就诊准备，但数据隐私和误导风险引发担忧，官方强调不能替代医生。
2026年7月27日，OpenAI全量开放ChatGPT Health功能，整合进主聊天页面。用户可同步Apple Health、Epic等电子病历及体检报告，基于真实数据做纵向对比与就诊准备。免费用户不受限，目前仅对美国18岁以上用户开放，支持网页与iOS端。
腾讯研究院（搜狐同步）
查看来源原文2026 年 7 月 27 日，NVIDIA 技术博客介绍了 NVIDIA Labs 的研究预览产品 NOOA。该框架的核心观点是：智能体的性能不仅取决于底层模型，还很大程度上取决于“夹具”（harness）——即围绕模型构建的架构，包括上下文渲染、动作执行、状态管理和任务终止判断。NOOA 通过将智能体建模为单一 Python 类，利用类型注解和代码即行…
NVIDIA 博客
查看来源原文2026年7月，OpenAI 为 ChatGPT 桌面端（Codex 环境）上线了基于 GPT-Live 的实时语音功能。开发者佩戴耳机后即可脱离键盘和鼠标，通过语音指挥多个 Agent 执行代码任务，并随时查询进度、修改需求。同时新增 Appshots 功能，Codex 能够读取当前活动窗口的画面与文字，无需用户手动截图即可理解报错信息或界面状态，并直接…
腾讯研究院（搜狐同步）
查看来源原文本文研究时序图（Temporal Graph）生成模型在分布漂移下的退化问题。模型在演化网络的一段连续片段上训练，部署于后续片段，二者之间存在分布差异。已有研究注意到此退化，但未系统证明其根本原因及可修复性。作者证明：这种退化的可推导的、普遍的，且无法通过仅观测部署期数据（不获取未来标签）来纠正。核心问题：观测到部署期的图结构后，能否基于历史数据设计校正器…
arXiv 论文
查看来源原文The Physics of Multi-Turn Long-Horizon Planning: From Pre-training to Post-training via Single- and Multi-Teacher On-Policy Agentic Distillation
arXiv 论文
查看来源原文TADD 提出了一个轻量级在线适应框架，通过双重蒸馏损失（零样本蒸馏 + 目标蒸馏）在严重分布偏移的视频动作识别任务中持续超越现有测试时适应方法，在三个基准上分别提升最高 3.81%、2.63%、3.03%。
深度学习模型在真实场景中因不可预见的分布偏移而性能严重下降。测试时适应（TTA）在推理时不依赖源数据，仅使用目标域无标签数据动态调整模型。现有 TTA 研究主要针对独立同分布图像，对于具有时间相关性的视频，以及目标域存在严重域偏移的情况，仅有少量工作。本文提出 TADD（Test-time Adaptation via Dual Distillation）…
arXiv 论文
查看来源原文本文提出堆叠线性酉组合（Stacked Linear Combination of Unitaries, S-LCU）作为变分拟设，通过层数 \(l\) 单一旋钮即可在贫瘠高原（barren plateau）风险与经典可模拟性之间实现系统性的可调权衡，其中自由费米子S-LCU的损失景观方差下界为 \(\Omega(1/(n k^{3l}))\)，对应的经典…
变分量子电路是近期量子计算应用的核心，但大量证据表明可训练性与量子优势存在根本矛盾：足够表达能力强到抵抗高效经典模拟的拟设往往出现贫瘠高原；而能证明没有贫瘠高原的结构通常又是经典可模拟的。论文旨在设计一种能在这两个极端之间提供连续调节的变分拟设。
arXiv 论文
查看来源原文本文提出时空条件去噪Transformer（SCDT），通过联合长短时时间上下文作为条件，利用噪声调制适应机制，在单一框架内统一处理模态缺失与完整数据的RGBT跟踪，并在三个公开基准上取得最优结果。
RGBT跟踪中，可见光（RGB）与热红外（T）模态经常出现缺失，导致多模态特征表示不完整且不稳定，严重降低跟踪性能。现有方法通常从可用模态恢复缺失模态，但在挑战性场景下生成质量不佳；同时，现有方法在处理模态缺失与完整数据时灵活性有限。本文针对上述两个局限提出统一解决方案。
arXiv 论文
查看来源原文稀疏自编码器（SAE）中大多数特征并非提供单一可复用的干预方向；特征可分为“值型”（value-like，关联静态事实）和“指针型”（pointer-like，关联上下文依赖操作），前者表现出结构化但多方向的低维效应，后者效应多为弥散状，但两类特征均可具有可解释性和因果相关性。
以往 SAE 作为可解释性工具时，特征激活描述清晰却常导致弱或意外的因果效应，基于激活的特征选择可能漏掉能产生期望输出变化的特征。本文转而研究**特征干预引起的模型 logit 变化的下游几何结构**，而非传统上对特征内部几何的研究。
arXiv 论文
查看来源原文SADe 是一种预测器无关的支持去污染层，通过稀疏自编码器（SAE）的原子激活对比来估计弱标注区域中斑块的可信度，从而生成更干净的支撑掩码，并在多种弱标注形式下显著提升少样本分割（FSS）的查询分割质量。
少样本分割通常假定支撑标注为干净的像素级掩码，但在实际应用中，支撑监督常使用边界框、涂鸦、粗掩码或伪掩码。这些弱标注可能包含与目标纹理相似的干扰物和背景上下文，在查询预测前污染了类别原型或视觉提示。本文提出 SADe，一种无需查询信息的支持去污染层，可插入任意 FSS 模型，提升其对弱标注的鲁棒性。
arXiv 论文
查看来源原文Rethinking Classifier-Free Guidance in On-Policy Diffusion Distillation
arXiv 论文
查看来源原文当前评估大语言模型作为社会模拟器（如合成调查受访者）时，仅匹配最终答案（如购买意向）是不够的；即使结果相似，模拟器的内部推理路径可能与人类不一致。该论文提出通过“有符号理由状态”（signed reason states）对模拟器的推理过程进行可解释审计，发现人类开放式理由能显著提升行为预测，而LLM模拟的理由往往表面合理但实际复述概念描述而非真实接受/拒…
LLM越来越多地被用作社会模拟器，例如生成合成调查受访者。常见的评估方式是检查模拟输出（如购买意向）是否与人类结果在统计上匹配。本文指出这种“结果匹配”是必要但不足的：模拟器可能用错误的推理得到正确答案。为此，作者设计了一个审计框架，通过让人类受访者写出开放式理由，并将其结构化编码为有符号理由状态（Z），然后考察（1）人类理由是否能帮助预测行为（Y），（2…
arXiv 论文
查看来源原文一个基于Dinomaly的无监督框架，通过在健康病例上学习正常表征并在推理时检测异常，在盆腔MRI实时成像中达到像素级AUROC 88.06%、帧级特异性95.45%和40.5 slices/s的处理速度，满足临床实时部署需求。
女性盆腔疾病长期因诊断延迟而影响治疗。盆腔MRI虽有优异软组织对比度，但实时异常检测受生理运动、组织变形及器械伪影干扰。有监督方法因不良事件罕见、异质且标注困难而不实用。本研究旨在开发无需标签、可在扫描仪旁提供即时反馈的无监督异常检测框架。
arXiv 论文
查看来源原文MMOE通过系统地将大语言模型（LLM）中的高效扩展策略（如路由专家、共享轻量专家、残差路由等）适配到扩散变换器（Diffusion Transformer）中，在单机训练预算下，比稠密模型和现有稀疏专家模型收敛更快、生成质量更高（FID更低），实现了AIGC基础模型在质量与成本之间的更好平衡。
MMOE: Modernizing Diffusion Transformers with Efficient Expert Design
arXiv 论文
查看来源原文MicroZoom 是一个生成式框架，仅凭一张普通照片和少量消费级显微镜近摄图，即可合成整张物体表面在 350 倍放大下的全局连贯、材质真实的十亿像素图像。
研究聚焦于“全图、参考引导、极端尺度超分辨率”（放大倍数高达 350×），面临两大挑战： 1. 从高度有损的输入中恢复材质特有细节，尤其在模糊的材质边界； 2. 在数百万局部预测中保持正确的全局图案结构（如织物编织的重复几何）。 目标不是精确重建，而是生成视觉上合理的微观纹理。
arXiv 论文
查看来源原文生成-测试-修订循环本身不提供可靠性保证；在修复过程中，维持当前验证状态比重复循环更重要，陈旧痕迹会显著损害正确修复，而证据绑定的类型化契约机制可在不提升修复能力的前提下确保可审计的可靠提交。
本文研究编码智能体在生成-测试-修订循环中“找到正确补丁”与“保留、验证、提交正确补丁”之间的差距。具体问题是：仅仅增加循环次数能否带来可靠性？重复过程中，旧版本验证痕迹（stale traces）对最终提交正确性的影响有多大？如何从契约层面确保修复过程的可靠性？
arXiv 论文
查看来源原文本文证明了从多个异构且可能有重叠的数据提供者学习分布时，可学习性完全由提供者对应的“共现图”结构决定：点态一致性要求共现图在目标支撑集上连通，而PAC可学习要求共现图完全；样本复杂度可从近线性（$\widetilde Θ(n/ε^2)$）到二次（$\widetilde Θ(n^2/ε^2)$）连续调节。
研究受多源数据融合（如不同机构提供的异构、交叠数据集）的启发，建立了一个理论模型：学习一个有限域 $[n]$ 上的未知分布 $p$。学习者拥有一个固定的可查询集合族 $\mathscr{S} \subseteq 2^{[n]}$，每次查询 $S \in \mathscr{S}$ 返回一个来自条件分布 $p(\cdot \mid S)$ 的独立样本。模型的核…
arXiv 论文
查看来源原文Kimi K3 是一个拥有 2.8T 总参数（104B 激活参数）的 MoE 大语言模型，在长时编码、智能体、知识、推理和视觉任务上达到前沿水平，但整体性能仍落后于最强闭源模型（Claude Fable 5、GPT-5.6 Sol）；其权重已开源。
Kimi K3 是 Moonshot AI 发布的新一代基础模型，采用混合专家架构（Mixture-of-Experts），包含 2.8T 总参数，每 token 激活约 104B 参数。模型原生支持视觉，上下文窗口达 100 万 token。核心创新包括 Kimi Delta Attention 和 Attention Residuals（改善序列长度和…
arXiv 论文
查看来源原文KANEx是首个利用KAN（Kolmogorov-Arnold Network）的符号化可解释性来支撑视觉-语言模型（VLM）推理的框架，结合其直接导出的热力图方法KAN-Map，在MIMIC-CXR数据集上使视觉定位与下游推理质量提升约10%，同时生成更忠实的显著性图。
医学影像分类模型（如胸部X光片分类器）虽高效，但其黑盒特性削弱了临床医生的信任。工业界尝试将分类器与视觉-语言模型（VLM）配对以生成自然语言解释，但这种做法仅增加语言流畅性，并未解决底层视觉模型的不透明性。KAN因其基于样条（spline）的组件具有内在可解释的函数单元，本研究探索能否利用这种架构透明度产生更可信的文本解释。
arXiv 论文
查看来源原文本文综述提出，将宽光谱红外成像与深度学习跨模态翻译耦合，可从非电离数据生成合成X线片重建，为儿科骨骼创伤分诊提供无辐射替代方案；但该方向仍处于框架论证阶段，还需多中心配对数据集、外部验证模型及红外源安全认证才能迈向临床。
儿科骨骼肌肉创伤占儿科急诊就诊量的18%，当前诊断依赖电离X线摄影。儿童早期累积低剂量辐射会增加终身白血病和脑恶性肿瘤风险，因此需要无辐射分诊替代方案。本文目标是综合证据，构建混合框架：利用宽光谱红外成像（650 nm–1 mm）结合深度学习跨模态翻译，从非电离数据生成临床可解释的合成X线片重建。
arXiv 论文
查看来源原文该研究严格证明，对一类半线性偏微分方程（在解及其一阶导数上非线性），使用梯度下降最小化PDE残差目标函数训练的神经网络将收敛到PDE的真实解，而非仅收敛至局部极小值。
Deep Galerkin Method (DGM) 和 Physics Informed Neural Networks (PINNs) 是科学机器学习中求解偏微分方程的流行方法。其核心是用（随机）梯度下降训练神经网络，通过最小化PDE残差来逼近解。然而，由于残差目标函数的非凸性，理论上训练可能仅收敛到局部极小值（此时不是PDE的解）。因此，长期存在一个…
arXiv 论文
查看来源原文本文提出一种基于物理感知特征与“噪声专家轨迹”数据生成的策略蒸馏框架，将连续控制深度强化学习（TD3）策略蒸馏为浅层决策树，在保持倾倒摆基准任务性能等价的同时，实现全局与局部可解释性，但代价是引入了高频Bang-Bang控制与稳定的双峰极限环。
Explainable Reinforcement Learning via Physics-Aware Policy Distillation
arXiv 论文
查看来源原文该研究提出在视觉文档理解中，用自然语言引用（quote）代替坐标框输出可大幅提升证据召回并降低归因幻觉，且通过无需区域标签的GRPO训练方法进一步提升了严格归因准确率。
可靠的视觉文档理解要求模型将每个答案归因到支持它的证据区域。现有基准和系统通过坐标接口（输出边界框坐标）来表示证据，但视觉语言模型（VLM）在此接口下即使答案正确也常识别错误区域——即“归因幻觉”（Attribution Hallucination）。本研究探究：该失败是否部分受限于模型通过坐标表达证据的能力。
arXiv 论文
查看来源原文本文将从有界工作记忆中驱逐哪些标记（token）的问题重新建模为一个对隐藏信号（该标记是否会被重用）的估计问题，并提出一种训练自由的策略RMM，它通过测量模型未来短时间内的实际注意力（demonstrated utility）来决定驱逐，但实验表明，在标准自然语言基准上，该方法并未显著优于现有方法（H2O、SnapKV），优势仅出现在具有尖锐内生重用模式的…
语言模型的测试时记忆（如KV缓存）受有界工作记忆限制，必须反复决定保留哪些已存储的标记。现有方法（如StreamingLLM、H2O、SnapKV）都在标记到达的瞬间做出决定——要么根据过去（如累积注意力），要么根据对未来的猜测（如SnapKV）。本文将其重新定义为对“某个标记在未来是否会被重用”这一隐藏信号的估计问题，指出不同方法对应不同的“提交延迟”（…
arXiv 论文
查看来源原文首个大规模结构化ER图理解基准ERUnderstand揭示：当前视觉-语言模型（VLM）能可靠识别常见ER图元素（F1>0.74），但在弱实体（低至0.28 F1）、多值属性（0.14 F1）和N元关系（0.07 F1）上性能骤降；推理增强模型整体提升15-25%，但仍受语言先验和图复杂度影响。
实体-关系图（ERD）是概念数据库设计的核心，但通常以渲染图像形式存在，缺乏机器可读结构，限制了AI辅助数据库工程。研究者提出ERUnderstand，首个用于评估VLM对ER图结构化理解的基准，包含2960张图（来自教材、真实模式、合成数据），覆盖多种领域、表示法、复杂度及扩展ER（EER）构造。每张图配有标准化机器可读表示，支持细粒度要素评价。
arXiv 论文
查看来源原文Efficient LLM-Generated Shuttling Compilers for Complex Trapped-Ion Architectures
arXiv 论文
查看来源原文自主研究（AR）系统的性能不仅应看最终结果质量，还应重视搜索过程效率；新提出的自适应方法“流体搜索”（fluid search）在12项系统优化任务上取得了最高的整体搜索效率，接近事先知道最优搜索结构的理想性能。
论文指出当前AI驱动的自主研究系统主要依据最终结果质量来评估性能，忽视了达到该结果所需的搜索预算（如评估次数、物理实验成本）。随着AR从数学、代码等低成本验证领域扩展到需要昂贵物理实验的真实科学场景，搜索效率将变得至关重要。作者提出使用帕累托前沿的曲线下面积（AUC）与最终结果质量共同评估AR系统，并比较了爬山法、束搜索、树搜索、进化搜索等多种搜索算法在1…
arXiv 论文
查看来源原文DreamStyle3D能够在10秒内生成高保真、几何一致的3D风格化资产，通过解耦双交叉注意力机制显式分离几何与风格特征，实现了效率与质量的兼顾。
DreamStyle3D: Efficient 3D Stylized Asset Generation via Dual-Attention Disentanglement
arXiv 论文
查看来源原文分布式推理架构中的协调层（路由器和合并器）易受波形工作负载攻击（如 Yo‑Yo 突发请求），攻击者通过资源竞争使正常用户的慢路径预测延迟超过截止期限，导致预测被丢弃，从而引发准确度崩塌——无需获取模型权重或受害者数据，即可显著降低推理质量。
现代推理系统常采用“快路径+慢路径”方案：快路径在延迟截止期内返回预测，慢路径在更强的远程硬件上运行高计算量方法以获得更高精度，并通过协调层（路由器调用慢路径、合并器决定是否采纳慢路径返回的预测）整合结果。本文发现，该协调层暴露出新的攻击面——**形状工作负载攻击**可人为制造资源竞争，将慢路径预测推出延迟截止期，使合并器丢弃这些预测，从而损失慢路径精度优…
arXiv 论文
查看来源原文DataOrchestra 是一个为每个预训练数据样本（chunk）自适应编排处理流程的框架，在 0.5B 到 7B 模型的从头预训练中，相比单个固定处理策略在 11 项基准上取得稳定平均提升，并能在数学继续预训练场景下超越更强的基线，同时通过跳过不必要操作降低处理计算量。
大型语言模型（LLM）的预训练数据质量对下游性能至关重要。现有方法大多在语料库或领域层面定义固定的处理策略（如统一清洗或过滤），对所有样本采用相同操作，缺乏对每个样本具体需求的适应性。因此，如何根据每个样本的特点动态选择是否丢弃、保留或清洗，并进一步编排多个清洗操作，是一个待解决的问题。
arXiv 论文
查看来源原文本文系统地将具身操作的数据源组织为一个五层“金字塔”，围绕可扩展性与机器人对齐之间的张力，分析了不同数据源的质量、多样性、可重用性与物理保真度，并探讨了近期具身基础模型在预训练中如何选择、对齐与混合这些数据源，最后提出了六个开放的挑战。
多模态基础模型通过互联网数据轻松学会了看和说，但具身智能体无法走这条捷径——它们需要耦合观察、物理状态与动作的数据。这些信号可以从多种数据源中以不同程度获取。本文旨在系统化整理具身数据生态系统，回答：不同数据源在可扩展性与机器人对齐之间存在怎样的权衡？当前具身基础模型的数据配比如何影响其能力？
arXiv 论文
查看来源原文该研究提出了两种共学习策略（特征级与决策级），使多模态分类模型在训练与推理时模态不匹配（任意子集缺失）的场景下仍能保持鲁棒性能，实验发现特征级方法在单模态缺失时更优，而决策级方法在仅剩单一模态的极端缺失条件下表现更好。
Co-Learning for Missing Arbitrary Modalities in Multi-modal Classification
arXiv 论文
查看来源原文ClinFusion: A Vision-Centric Multimodal LLM System for Holistic Medical Understanding
arXiv 论文
查看来源原文TemporalSinkhorn通过并行时间执行和可认证的审计机制，在保证输出无容差违规的前提下，将动态熵最优运输中重复Sinkhorn计算的执行速度提升1.42 倍至3.632 倍（针对Flow Matching小批量流），且零边际容差违规。
动态应用（如最优运输流匹配Flow Matching）需要反复求解一系列相互关联的熵最优运输问题。传统分布式Sinkhorn算法顺序处理每个时间帧，并在每次迭代后全局同步，导致大量等待和冗余计算。本文提出TemporalSinkhorn，一个并行时间执行器，同时批处理未来候选帧及其修正计算，并通过中心化的、行分片的认证器确保只有确定性安全的前缀被接受，预测…
arXiv 论文
查看来源原文Causal‑TS 是一个面向高维、非平稳多元时间序列的因果发现开源 Python 库，内置四种专用算法和多种经典包装器，通过统一的 GPU 加速条件独立性检验层和结构变化发现流程，提供从原始时序到因果效应估计的端到端工具链。
因果发现对于理解复杂系统的动态机制至关重要，但现有库在处理高维、非平稳时间序列时往往缺乏对结构突变的适应性，且算法扩展性有限。Causal‑TS 旨在填补这一空白，将因果发现的适用场景从平稳、低维数据推广至非平稳、高维情景。
arXiv 论文
查看来源原文实体匹配（Entity Matching）旨在识别指向同一现实实体（如商品、人物）的不同记录。语言模型可通过三种适配架构完成该任务：双编码器（bi-encoder）、交叉编码器（cross-encoder）和生成式匹配器（generative matcher）。然而，先前研究常将匹配器架构与模型骨干（backbone）、模型变体（反映不同预训练目标）和模型…
arXiv 论文
查看来源原文在基于1D-CNN的陀螺仪偏差校正框架中，认知不确定性（epistemic uncertainty）比偶然不确定性（aleatoric uncertainty）更能有效区分标称与扰动运行条件，为混合学习型状态估计的监控与故障检测提供了可靠信号。
本研究旨在提高航天器姿态估计中陀螺-恒星估计器的精度与鲁棒性。传统方法依赖物理模型校正陀螺仪偏差，而该工作尝试用深度学习（1D-CNN）预测残差角速率修正值，并重点回答：如何分解与解释网络输出的不确定性？偶然不确定性与认知不确定性在面对结构化扰动时分别表现如何？
arXiv 论文
查看来源原文Agentic Permissions Policy Algebra for Taint Confinement in LLM Agents
arXiv 论文
查看来源原文本文提出一种结合项目难度与类别依赖标注者能力的生成式聚合模型，在33个真实众包数据集上始终取得最高的少数类召回率，同时平衡准确率保持竞争力，尤其适用于稀有标签恢复为首要目标的不平衡众包场景。
研究不平衡众包中“类别依赖的标注者准确性”（class-dependent annotator accuracy），该设置在实际检查系统中极为重要——最重要（即操作意义最大）的标签往往也是最稀有的。现有模型要么捕获类别依赖错误但忽略项目难度（item difficulty），要么建模项目难度但不捕获类别依赖错误。本文旨在填补这一空白，提出同时建模两者且允许…
arXiv 论文
查看来源原文APS-RAG 是一个已在先进光子源（APS）部署的混合检索增强生成平台，通过融合稠密、稀疏和知识图谱检索通道，并引入修正性智能体循环，使自然语言查询可访问数十年积累的机构知识；在 50 道题的 APS-Bench 评估中，完整修正性 Agentic GraphRAG 的严格关键细粒度召回率达到 70.3%，显著优于朴素 BM25 基线的 63.8%。
大型科学用户设施（如同步辐射光源）在长期运行中积累了分散于电子日志、技术文档、内部维基、运维聊天记录、维护记录和实时控制系统数据中的运营知识，单一搜索索引无法覆盖全部。本文提出 APS-RAG 平台，旨在解决如何通过自然语言查询高效获取这些异构、跨模态的机构知识的问题，并构建了面向运维场景的评估基准 APS-Bench。
arXiv 论文
查看来源原文