本期 47 件事。点击标题可查看卡片、来源与相关知识点。
上海AI实验室发布并开源了面向科研智能体的实验设备访问与协同协议“书生SCP-Lab”，基于科学智能上下文协议SCP，旨在让科研智能体能够统一发现异构实验设备能力、提交任务并获取反馈，并提出了L1至L5五级控制粒度。
**发布方**：上海AI实验室。 **产品/协议**：基于科学智能上下文协议SCP推出的实验设备访问与协同协议——书生SCP-Lab，并已开源。 **目标**：解决科研智能体在调用异构实验设备时缺乏统一接口的问题，使其能统一发现设备能力、提交任务并获取反馈。 **验证情况**：材料称已在化学合成、药物筛选等9个场景验证；清华张数一团队借此完成上海、北京、苏…
腾讯研究院（搜狐同步）
查看来源原文在 YC Summer 2026 Demo Day 上，受投资人关注的项目明显向物理层集中，围绕电力、芯片、光交换、机器人数据与执行能力展开；材料判断其共同背景是模型变强后，瓶颈转向能源、带宽与真实世界数据。
腾讯研究院AI速递 20260915 汇总了 YC Summer 2026 Demo Day 的动向。最受关注项目不再局限于纯软件与应用层，而是包括海上数据中心、光交换、模型权重芯片化、机器人数据采集、低成本双臂机器人、LLM 生成机器人控制代码，以及人类神经元 next-token prediction 等。核心问题是：当基础模型能力继续提升，下一步制约…
腾讯研究院（搜狐同步）
查看来源原文Artificial Analysis 的 Capability Indices 页面展示了一套按“技能”和“专业领域”组织的 AI 模型能力指数；其中六个专业领域指数覆盖金融会计、战略运营、法律、医疗健康、工程和经济，并把 agentic knowledge work、推理、长上下文、工具使用、非幻觉等纳入测量维度。抓取摘录未包含具体模型排名、分数或 v…
该页面为 Artificial Analysis 的 AI Capability Indices 汇总页。页面描述称其提供独立能力指数，对 AI 模型在 agentic work 以及行业垂直领域（包括 legal、healthcare、finance、engineering、economics）进行排名。
artificialanalysis.ai
查看来源原文MIT特别委员会在5个月调研后发布40页报告，承认AI已能可信完成本科几乎所有书面作业，并主张以“逆向设计”课程、重构评估和明确AI政策来应对，而非依赖全校一刀切规则或AI检测器。
来源材料将本条概括为“MIT报告直面AI代做作业，重构大学教育评估”。 报告由MIT特别委员会经5个月调研形成，篇幅40页，承认AI已能可信完成本科几乎所有书面作业。 报告关注的不只是作弊，还包括答疑出席率下降、面对面学习小组减少、师生信任被侵蚀等教与学关系变化。 核心问题：当AI可完成大量书面作业时，大学如何重新确认学习目标、评估真实学习，并制定可执行的…
腾讯研究院（搜狐同步）
查看来源原文LeCun 在 ECCV 2026 主旨演讲中主张：仅靠语言和 token 训练难以达到人类水平智能；像素级预测本质不可能，应转向 JEPA，在编码器输出的抽象表征空间做预测，并用 SIGReg 等方法防止表征坍塌。材料还称 V-JEPA 2.1 仅靠单目视频训练即自行学会深度估计。
LeCun 在 ECCV 2026 主旨演讲中判断，仅靠语言和 token 训练达不到人类水平智能。 他给出的论据之一是：四岁孩子经视觉获取的信息量已与全网公开文本相当。 他认为像素级预测本质不可能，因为未来帧所需信息不在当前输入中。 替代方案是 JEPA：在编码器输出的抽象表征空间做预测，而非直接预测像素。 他还建议同行放弃生成式模型，转向联合嵌入与世界…
腾讯研究院（搜狐同步）
查看来源原文NVIDIA NVLink 6 的核心增量不是单纯提高规模扩展带宽，而是把 AI 工厂网络做成一套覆盖物理层、链路层、系统控制面和软件/应用层的无损韧性栈，通过检测、隔离和快速恢复瞬态错误、链路退化与节点中断，维持持续训练/推理产出。
来源文章（2026-09-15）面向大规模 AI 工厂运营者：训练需跨数千 GPU 每秒同步梯度，推理宕机直接减少请求量和收入；超大规模下瞬态错误、链路退化、节点中断是“数学必然”。问题是如何让紧密耦合负载在网络异常下仍不中断，避免单丢包造成推理延迟尖峰或训练集合通信停摆。文章以 NVLink 6 和 Vera Rubin NVL72（72 个 Rubin…
NVIDIA 博客
查看来源原文2026 年 10 月 26 日，GXO Logistics 与 Agility Robotics 宣布扩大合作，计划于 2027 年初将 Digit 人形机器人部署至 GXO 位于北卡罗来纳州 Statesville 和田纳西州 Lebanon 的站点，用于电商履约中的高重复性物料搬运任务。
本次公告是双方自 2023 年底试点、2024 年 6 月签署行业首个多年度 RaaS（Robots-as-a-Service）协议以来的合作扩展。原 Flowery Branch（佐治亚州）站点已实现 Digit 搬运超过 100,000 个周转箱的运营记录。新协议将部署范围从单站点扩展至多站点，部署预计于 2027 年初启动，初期使用 Digit 4，…
agilityrobotics.com
查看来源原文材料称，上海AI实验室在浦江创新论坛发布并开源多模态大模型“书生-S2”，其通用能力位列开源第一梯队，并在生命科学与材料结构类科学任务上大幅领先现有开闭源旗舰模型；其关键设计是可插拔的 Memory Decoder 专业记忆，不改主模型参数即可接入领域知识。
据腾讯研究院AI速递 20260915，上海AI实验室在浦江创新论坛发布多模态大模型书生-S2。材料标题称其为“开源”，正文称其“发布”。材料给出的核心判断是：书生-S2 的通用能力处于开源第一梯队，在生命科学与材料结构类科学任务上大幅领先现有开闭源旗舰模型。同步还预告了 NCP-ArchPreview，并说明书生-S2 将接入“书生·端砚”科学发现平台。
腾讯研究院（搜狐同步）
查看来源原文哈萨比斯预判新文艺复兴，AI越强创造力越值钱
腾讯研究院（搜狐同步）
查看来源原文Agility Robotics 于 2026 年 9 月 15 日发布 Digit 5，称其为公司首款为“规模化协作安全作业”而设计的通用人形机器人，可减少对传统物理安全围栏的依赖，并计划以 2027 年上半年早期访问、2027 年底全面上市推进制造、仓储和物流场景。
发布主体：Agility Robotics，总部位于俄勒冈州 Salem，并在 Pittsburgh、Fremont 设有办公室。 产品：Digit 5，下一代通用人形机器人。 核心问题：如何让通用人形机器人在不设置传统自动化物理安全屏障的情况下，与人近距离协作并规模化工作。 背景：基于 Digit 4 三年客户现场反馈、超过 65,000 小时运行和商业…
agilityrobotics.com
查看来源原文Agility Robotics 于 2026 年 10 月 22 日宣布，Digit 5 的量产版将统一采用 NVIDIA IGX Thor 模块作为车载计算平台，NVIDIA 由此成为其独家车载计算供应商，合作范围从 Halos 安全平台延伸至计算架构层面。
Agility Robotics 发布新闻稿，宣布扩大与 NVIDIA 的合作：Digit 5 将把车载计算统一到 NVIDIA IGX Thor 模块上，此举建立在双方此前围绕 NVIDIA Halos 物理 AI 安全平台展开的合作基础之上。新闻稿同时重申 Digit 5 早期访问预计于 2027 年上半年开始，并在随后 6 至 9 个月内逐步扩大面向…
agilityrobotics.com
查看来源原文Accelerating Dropless MoE Training in JAX with NVIDIA Transformer Engine
NVIDIA 博客
查看来源原文上海交大、清华等30多位研究者发布的75页综述《人类构建的最后一个AI》认为，训练成本与人力标注天花板正迫使AI转向递归自我改进（RSI），并提出B0至L5自主度框架与HCI指数；当前系统多具备L1/L2，L3/L4依赖领域且多在仿真，L5仅见于有界原型，且更高自主度未必带来更好改进。
来源条目：腾讯研究院AI速递 20260915，第六则“上交清华字节等发布递归自进化75页路线图”。 材料称上海交大、清华等30多位研究者发布综述《人类构建的最后一个AI》。 研究问题：训练成本和人力标注存在天花板，AI为何、如何转向递归自我改进（RSI）。 英文标题：待核实（材料未给出）。 关键词：RSI（recursive self-improveme…
腾讯研究院（搜狐同步）
查看来源原文材料显示，智谱拟通过配售新H股和发行201.4亿元零息可转债，合计预计净募约393亿港元，其中约60%（约235亿港元）投向下一代GLM基础模型与“完全自训练”体系，核心表述为数据自产、环境自造、基础设施自我优化的递归式自我改进闭环。
来源材料称，智谱在港交所公告配售新H股并发行201.4亿元零息可转债。 两项合计预计净募约393亿港元；这是智谱上市不足九个月内的第三轮融资，累计净募约755亿港元。 资金用途：约60%（约235亿港元）投向下一代GLM基础模型与“完全自训练”体系；约15%用于业务拓展与战略并购；约25%补充营运资金。 全部款项预计2028年6月30日前动用完毕。 本条关…
腾讯研究院（搜狐同步）
查看来源原文据腾讯研究院 AI 速递 20260915 条目，Suno 将 v2 至 v5.5 旧模型全量下架、底层统一换为 v6 家族，并在 Simple 模式接入 Chat/对话 Agent 能力，使音乐生成进一步走向自然语言与多模态调度。
相关条目为：二、Suno切换v6模型家族，Simple模式接入对话Agent。 变化包括：旧模型退役、v6 三档模型上线、Simple 模式获得 Chat 能力、高级模式新增三项参数。 材料未提供具体发布时间、地区/套餐覆盖范围、底层技术细节，待核实。
腾讯研究院（搜狐同步）
查看来源原文Chain-of-Self-Questioning（CoSQ）是一种 prompt-only 框架：让大语言模型在承诺回答前，先显式评估“回答问题所需的信息是否足够”，再决定回答或弃答；材料显示，它在 TruthfulQA 多选题和 Natural Questions 短答案评估中支持可调的选择性风险控制。
大型语言模型可能在事实支持薄弱时仍生成流畅答案。本文研究的问题是：何时应让 LLM 弃答，以控制“无支持承诺”的风险。作者提出 CoSQ，并在 TruthfulQA 多选题验证集与 Natural Questions 短答案任务上评估三个 CoSQ 变体。
arXiv 论文
查看来源原文剪枝会先破坏智能家居工具调用中的“接地具体性”，再影响模式级意图；密集模型的安全剪枝区间较窄且随后急剧退化，MoE 模型可承受明显更多剪枝，激进剪枝密集模型还可能引发系统性过度拒答。
英文标题：What Breaks Under Pruning in Smart Homes, and When? Evaluating LLM Degradation Across Architectures and Task Complexity 研究问题：剪枝可降低大语言模型部署成本，但其对“依赖上下文 grounding 的工具调用”影响仍不清楚。…
arXiv 论文
查看来源原文论文提出 Fuse——一个多智能体模拟框架，用于在“用户向 LLM 助手咨询并推断他人隐藏动机”的场景中构造可验证的社会推理真值；对 12 个 LLM 的分析显示，用户中介、偏见框架、所需细节量和对话长度都会系统性影响模型表现，但具体模型清单、开源地址与数据细节待核实。
LLM 助手被广泛用于日常社交建议。评估这类咨询场景中的社会推理存在两个困难：助手要从主观用户叙述中了解社交情境；他人意图等社会属性通常缺少可验证真值。论文的研究问题是：如何在用户中介的社会推理设定中，为 LLM 助手的判断建立可验证评估？
arXiv 论文
查看来源原文一篇 arXiv 论文提出三阶段遮挡鲁棒多目标跟踪框架：以 YOLOv11n 检测、Kalman Filter 运动预测和遮挡感知外观 Re-ID 维持身份与轨迹连续性，并在 OVIS 与自建军事数据集上相对 OccluTrack 报告 MOTA/IDF1 提升。
实时多目标跟踪系统在目标被完全遮挡或长期离开相机视野时，容易过早终止轨迹，导致身份丢失和态势感知下降，尤其在国防与监控场景。该研究的问题是：如何在全遮挡和长期遮挡期间保持目标身份与轨迹连续。论文提出集成检测、运动预测、外观重识别的框架，包含三个阶段：目标检测、遮挡期间位置估计、目标重现后身份恢复。
arXiv 论文
查看来源原文论文提出用结构化文本表示替代表格图像中心路线的表格理解方案：DELTA 将表格解析为 OTSL，TARQA 基于 OTSL 序列微调 LLM，在表格结构识别、表格问答与表格视觉问答上报告了增益，并发布 Hindi 基准 TORQUE 及代码、模型、基准。
表格理解是文档智能的核心任务，包含两个关键子任务：表格重建与表格视觉问答（TabVQA）。近期方法主要依赖视觉语言模型（VLMs）处理表格图像；本文研究一种更可扩展、更有效的替代方案——结构化文本表示。材料称该表示更易处理、更自然地对齐 LLM，并可消除对语言特定视觉编码器的需要，因而尤其适合多语言文档。
arXiv 论文
查看来源原文论文提出把语义伪标签和传感器可见性信息作为额外输入，以最小架构改动提升现有 LiDAR 语义场景补全（SSC）模型；在 SemanticKITTI 上使旧模型与 SOTA 竞争，并在 SSCBench-nuScenes 的 32 线稀疏传感器上显示可迁移性。
来源为 arXiv 预印本，英文标题：**SSC-Priors: Exploring Semantic and Visibility Priors to Boost Lidar Semantic Scene Completion**。 论文关注：近年 SSC 方法多追求架构创新，模型更重更复杂，例如联合训练点云语义分割分支；本文反向探索简单“先验”能否增强…
arXiv 论文
查看来源原文摘要称，SlotDiT 把文本引导 Diffusion Transformer（DiT）放在基于 slot 的物体中心潜在空间中，以参考图像和语言指令为条件自回归去噪未来 slot 轨迹；在四个机器人数据集上，它取得有竞争力的视频生成质量并持续提升任务完成率，同时以更紧凑表示提供计算效率优势。
文本条件潜在扩散模型在视频生成中表现强，也被视为机器人应用的有前景骨干。 既有方法多依赖像素级或 VAE-based 潜在表示，缺乏显式语义结构；表示空间对 DiT 的影响尚未被充分探索。 Slot-based object-centric 表示将场景分解为对象级 latent（slots），在 dynamics modeling 和 planning 中…
arXiv 论文
查看来源原文ScienceBuddy 是一个交互式科研工作空间，提出“递归中的递归自我改进”（recursive-in-recursive self-improvement）：内层在固定模型下改进 harness，外层在改进后的 harness 下训练模型，并把研究者请求、反馈和执行证据转化为持续学习的任务与评估 rubric；具体效果、任务细节与可复现性待核实。
来源为 arXiv 2609.17523v1，英文标题为 *ScienceBuddy: Recursive-in-Recursive Self-Improvement for Interactive Scientific Agents*，发布于 2026-09-15。 论文介绍并发布 ScienceBuddy，目标是把持续改进的科学智能体带入研究者的日常工…
arXiv 论文
查看来源原文作者将 125M GPT-2 模型 MéTRON-FR 提交至 BabyLM 2026 Strict track，并报告其在法语原生语法基准 QFrBLiMP 上达到 85.97% ± 0.17%，在 BabyLM-weighted leaderboard 上达到 62.80%；同时强调儿童规模模型评测中分词器与模板伪影会显著影响零样本打分，需引入原生语言…
论文标题：**Right Tool, Right Job: Native-Language Evaluation, Tokenizer Sensitivity, and Methodological Findings from a French-Only BabyLM** 作者：Adam Zachary Wasserman, David Beauchemi…
arXiv 论文
查看来源原文一篇标题为 *Reduced-Space Multi-Fidelity Bayesian Optimization of Process Simulation Models* 的 arXiv 预印本提出（据候选摘要称）RS-MFBO 框架，目标是在高维、昂贵的黑箱过程模拟中用降维＋多保真策略减少高保真仿真调用次数；**但本次抓取未获得正文，以下要点均待核实…
已知元数据：arXiv 预印本，编号 2609.17440v1，Track 标注为 academic，Topics 标注为 foundation-model。 标题指向的问题域：工业过程流程（flowsheet）仿真模型的优化。据候选摘要描述，此类优化因严格仿真计算成本高、设计空间维度高而代价高昂。 该预印本是否已正式发表、是否经过同行评审、投稿日期与版本…
arXiv 论文
查看来源原文PhysStream 是一种自回归图像到视频模型，通过在线结构化场景记忆与稀疏速度增量信号，实现多物体桌面刚体场景的生成中途交互控制；材料称其相对最强基线将运动分布距离（FVMD）降低 33%、轨迹误差降低 12%，并在 in-the-wild 人类评估中获得超过 85% 偏好。
交互式视频生成的控制方式正从粗粒度提示转向更细粒度、具有物理意义的动态场景操作。现有可控方法存在两类限制：一类要求生成开始前就给出完整控制安排；另一类使用像素空间信号，主要指定物体位置，而不是表达物理动力学。PhysStream 试图解决这些问题，面向物理落地的图像到视频合成，支持生成中途的细粒度运动控制。
arXiv 论文
查看来源原文摘要称，PanoGS-SLAM 是首个基于 3D Gaussian Splatting 的全景稠密 SLAM 系统；它直接在球面域进行可微渲染与位姿优化，并引入球面一致光度损失和深度引导高斯初始化，在 PALVIO、SynPano 上于跟踪精度和渲染质量上优于几何与 GS 基线，同时达到实时性能。具体指标与“首个”断言待核实。
研究对象：面向机器人实时稠密 SLAM 的全景 3D Gaussian Splatting 方法。 问题背景：已有 3DGS SLAM 多面向窄视场针孔相机，角覆盖有限会削弱位姿可观测性，并在快速运动、大视角变化下导致光度优化不稳定。 核心问题：使用全景/全向感知几何，并直接在球面域优化，能否提升 3DGS SLAM 的跟踪稳定性、建图鲁棒性与渲染质量？
arXiv 论文
查看来源原文ORCA 将单目深度引入 Gaussian-anchor 表示，并按缺失区域大小分流补全：小范围去遮挡用重建中已有 RGB-D 修复，大范围才用生成式 inpainting，从而在单图可探索 3D 场景新视角合成中减少生成幻觉；在 DIV2K 上相对 VistaDream 将 MUSIQ 从 61.60 提升到 68.71，CLIP-IQA 从 0.474…
来源为 arXiv 预印本，提出 ORCA（Occlusion-Aware Refinement and Completion）。 问题：从单张图像合成新视角本质上有歧义。相机偏离输入视角后，原先被遮挡区域暴露，重建场景出现缺失几何与孔洞。 现有方法常依赖生成模型补全这些区域；但材料指出，许多伪影只是深度边界附近的小缝隙，并不需要生成新场景内容。 ORCA…
arXiv 论文
查看来源原文据 arXiv 摘要，LimiX-2 用 Contextual Mechanism Networks (CMNs) 和 Context-Conditional Masked Modeling (CCMM) 把表格/结构化数据的上下文学习从目标中心预测转向机制导向联合建模，并在 TabArena、TALENT、BCCO 上报告超过现有数据集特定模型和表格基础…
论文/预印本：LimiX-2，LimiX 系列的新模型。 研究问题：面向通用结构化数据智能，如何让上下文学习不止预测目标，而是建模数据生成背后的机制与联合结构。 摘要称其模型与数据缩放受此前建立的缩放规律指导；该缩放规律的具体形式待核实。
arXiv 论文
查看来源原文LP-BTS 将图提议策略、价值评论器与边预算 PUCT 规划结合，在动作集合大且随状态重建的一对多移动充电任务中取得最高观测 survival 与 alive-AUC；但其相对最强领域工程比较器的生存优势仍不确定（95% CI 跨 0）。
研究问题：许多学习型序列决策系统把当前状态直接映射到一个动作；当候选动作数量多、具有几何结构并随状态重建时，这种捷径会变脆弱。 具体场景：一对多移动充电。材料称，N=250 sensors 时，初始状态诱导约 1,125 个候选充电站动作；每个被选充电站同时服务其范围内传感器，且动作全集随传感器死亡而变化。 论文提出 LP-BTS 作为学习引导规划架构，用…
arXiv 论文
查看来源原文LACE 通过在每一量化层使用独立压缩步骤，实现层特定分段边界，从而在动态帧率神经音频编解码器中取得更优的率-质量权衡，并借助 union alignment 与 boundary anchor 支持下游 TTS 的跨层时长一致。
神经音频编解码器是语音语言建模的关键组件，但高帧率会导致序列长度过长、计算成本增加。 动态帧率编解码器通过压缩步骤合并多帧，降低有效帧率，以缓解该问题。 既有方法多数只处理单码本编解码器，或只在多层量化之前做一次压缩；这迫使所有量化层共享相同分割边界。 论文指出：不同量化层的残差嵌入随时间的改变速率并不相同，因此统一分割边界可能不是最优。 LACE 针对这…
arXiv 论文
查看来源原文JustFit 是一个基于 MLX 的本地 LLM 推理运行时，摘要报告其通过 KVExec、PhaseSwap、StateTrans 等即时状态管理机制，在 24 GiB M4 Pro MacBook 上运行 Qwen3.8-27B MXFP4，把单请求完成的上下文档位从 mlx-vlm 基线的 30,720 提升到 212,992（6.93×），并在…
开放权重模型使本地编码与推理更有吸引力，但上下文和执行状态会挤压笔记本内存。论文提出 JustFit，研究如何在 24 GiB 级设备上完成约 200K token 的 LLM 服务，并支持延长生成推理。作者为 Yuhua Chen；arXiv 2609.17475v1，2026-09-15，主分类 cs.AI，分类 cs.AI、cs.PF。是否经过同行评…
arXiv 论文
查看来源原文FreqSpaNet 提出一种面向 SFPF 的表示学习网络，通过频率分支、几何感知空间分支、自适应融合和互补预训练做开放集硬件异常检测；摘要报告平均 AUROC 96.31%，比基线高 9.05 个百分点，但实验细节与独立验证待核实。
未经授权的硬件替换可能保留无线设备的逻辑身份，却改变其物理实现，因此对硬件完整性验证构成挑战。空间-频率极化指纹（Spatio-frequency polarization fingerprints, SFPF）跨多个频率和方向捕获设备相关响应，但其频率维度与空间维度呈现不同的结构依赖。摘要中的研究问题是：如何学习 SFPF 表示，以用于开放集硬件异常检测。
arXiv 论文
查看来源原文FlashVector 是一个智能体（agentic）系统，把原本用于单点 GPU 内核优化的智能体范式推广到异构的模型服务全栈；据论文摘要，其在 Unity 的 Vector 广告平台部署后，模型服务器实现最高 2 倍吞吐提升与最高 1.98 倍延迟加速，特征存储实现最高 1.6 倍吞吐提升。
论文关注的核心问题是：模型服务（model serving）是生产推荐系统最大的成本来源之一，而提升吞吐需要同时处理多个层次——GPU 内核、ML 框架计算图、模型服务器、按需特征处理。 这些层次各自需要专门领域知识，跨层专家能力难以获得，也无法跟上持续增长与变化的工作负载，导致成本效率收益未被充分释放。 已有 AI 智能体在“独立的 GPU 内核优化”上…
arXiv 论文
查看来源原文量子工程中的科学 AI 智能体存在“能演示能力”与“能可靠运行”之间的实质差距；Quantum-Harbor 虚拟实验室与 QIQCBench 基准把“动作与结论可被直接验证”作为评估前提，为可验证自主性（verified autonomy）提供度量基础。
背景：量子工程是把量子现象转化为实用技术的关键环节。随着量子平台规模与复杂度上升，其表征（characterization）与运行所需的人力与协调成本不断增加。 设想路径：能规划实验、操作仪器、分析观测的科学 AI 智能体（scientific AI agents），被视为通向自主量子工程的可行路线。 缺口：现有智能体在该场景下能否可靠工作，此前尚未被系统…
arXiv 论文
查看来源原文这篇论文把 GPT-4o-mini、Gemini-1.5-pro、LLaMA 等大语言模型用于“平实语言改写”（Plain Language Adaptation, PLA），并比较提示策略、QLoRA 微调与 Mixture-of-Agents（MoA）整合三种路径；摘要层面报告 LLM 驱动的 PLA 在“让医疗信息更易懂”与“保留关键内容”之间展现出…
研究动机：医疗健康文本往往术语密集、句法复杂，与患者的阅读能力之间存在落差；PLA 的目标就是把技术性医疗语言改写成更易理解的表达。 论文关注：在任务专用数据有限的条件下，能否借助大语言模型的零样本/少样本能力自动完成这一改写。 摘要给出的定位是“自动化 PLA 的可行性验证 + 方法比较”，而非单一的模型发布或数据集发布。
arXiv 论文
查看来源原文ENCP 将保形预测从单步校准改为按 VLN 回合校准最大非一致性分数，并用策略残差置信度重缩放分数，从而在回合内步骤相关的情况下，为视觉-语言导航提供步级覆盖保证；摘要称其在 R2R 和 REVERIE 的 seen-to-unseen 评估中达到报告的经验步覆盖目标。
背景：VLN 模型需要序列决策，不确定性估计可帮助识别模糊、不可靠的预测，使 agent 做出更安全的导航决策。 问题：标准 conformal prediction（CP）校准无法为依赖、变长的 VLN 回合提供其承诺的覆盖保证。 研究目标：设计适用于 VLN 回合级依赖结构的不确定性估计框架。
arXiv 论文
查看来源原文Det-LIME 将 LIME 改造成检测器感知的多实例解释方法，在 harbor seal 航拍无人机检测中给出实例级、检测框对齐的解释；摘要报告其在 Attribution Ratio 与 Max Saliency Hit Rate 上持续改善多实例归因，并优于 vanilla LIME、Stabilized LIME、Deterministic LI…
背景：黑箱目标检测器在海洋哺乳动物研究与监测中快速采用，但可解释性技术很少被整合进保护工作流。 问题：多数分类导向的可解释性工具不适合涉及社会性生物或群居生活史的检测图像；它们忽略同一场景中的多个检测，产生单实例输出，模糊个体之间的证据。 另一问题：这些方法产生低分辨率、常与生物学无关的可视化，限制其在调试、定向数据增强和精细化数据收集中的用途。 论文提出…
arXiv 论文
查看来源原文论文模型显示，多智能体把任务拆成树并不会提高“叶子发现到达根节点”的产出：平坦架构在产出上最优；分解/深度主要买来的是根上下文暴露减少和成本优势，但每层会引入产出与对齐折损。标题中的“完整性”精确定义待核实。
研究对象：多智能体系统常以更小上下文、更干净分离、并行性为理由，把任务拆给一棵智能体树。 核心问题：这种拆分如何影响叶子发现最终到达根节点的比例？ 论文标题：Decomposition Buys Integrity, Not Yield。
arXiv 论文
查看来源原文论文提出 Coupled Calibration and Learning（CCL），把教师校准与学生更新通过 token-level branching 耦合起来，仅使用源问题上的奖励反馈；摘要称其在自回归策略框架中证明学生到 oracle student 的期望平均 KL 散度以多项式速率收敛到零，从而在没有目标域奖励反馈时缓解教师偏差。
LLM 蒸馏通常希望把强教师模型的能力迁移给小规模学生模型，但直接模仿也会传递教师的系统性偏差和错误。该问题在协变量偏移下更突出：教师对目标问题的可靠性不确定，同时目标域奖励反馈不可用。论文研究的问题是：能否在不获取目标域奖励反馈的条件下，通过耦合教师校准与学生训练，减轻教师偏差并恢复学生类内的最优目标。
arXiv 论文
查看来源原文对 254 个 SWE-bench 提交的审计表明：头部编码智能体在排行榜上的小分差，往往不足以支撑“谁比谁更强”的排序解读；评估应报告比较集特定的分辨率和模型-脚手架来源，而不是把小聚合差距当作已确立的排名差异。
论文质疑一种常见读法：编码智能体排行榜上的小差异被当作系统排序。作者不运行模型，而是审计已发布的 SWE-bench 结果，检查这些公开结论是否支持排序式解读。数据覆盖 254 个 SWE-bench 提交，涉及四个 split。
arXiv 论文
查看来源原文CareMirror 是一个面向痴呆症照护者福祉的设想型生态系统，通过照护者端与临床医生端互联界面支持长期反思、个性化支持和由照护者控制的临床分享；14 位照护者的设计探针访谈显示，他们重视被关注、长期觉察和有意义的临床跟进，但也担心反思负担、自动共享抑制坦诚表达，以及 AI 越界替代人的声音与判断。
痴呆症患者的家庭照护者承担情感与实践责任，但其自身福祉常处于痴呆照护体系的边缘。研究提出并构建 CareMirror，将其作为设计探针，考察照护者如何看待这一生态系统，以及在“与临床照护连接”方面出现了哪些期望、担忧和边界。核心问题包括：照护者是否接受此类福祉支持系统，临床连接应如何设计，自动分享与个人控制之间如何平衡。
arXiv 论文
查看来源原文论文证明：在广泛使用的一阶/二阶相似性假设下，或仅依赖弱插值假设时，异质异步优化相对同质设置的悲观时间复杂鸿沟无法被任何随机算法弥合；只有引入“强插值 + 局部 Polyak-Lojasiewicz 条件”的最小不可约假设组合，才能在不要求数据同分布的情况下，得到与同质设置最好已知结果在 worker 计算时间依赖上匹配的新时间复杂界。
现代大规模机器学习任务常需要多个 worker、设备、CPU 或 GPU 并行、异步地计算随机梯度，以训练模型权重。 理论研究通常区分两种设定： homogeneous setting：所有 worker 访问相同的数据分布。 heterogeneous setting：每个 worker 操作不同的数据分布。 已知最优时间复杂度在这两种设定之间存在显著差…
arXiv 论文
查看来源原文论文提出 CoTS 与 E-CoTS，用温度缩放缩小测试时提示调优（TPT）与零样本预测之间的置信度差距，并在弱-强集成上应用；在 ImageNet 变体上，E-CoTS 将 TPT 的平均 ECE 从 11.90% 降至 5.38%，同时将准确率从 60.74% 提高到 62.95%，但更细实验设置与可复现性待核实。
研究对象：Test-time prompt tuning (TPT) 能在单个测试实例上自适应，提升准确率，但常牺牲校准性能。 现有校准方法：多通过额外正则项促进文本嵌入分散以降低校准误差，却常伴随准确率下降。 本文问题：能否在保持 TPT 准确率的同时改善校准？ 动机：零样本预测通常具有较好的校准特性。 论文：Bridging the Confidenc…
arXiv 论文
查看来源原文BrainFocus 用 EEG 分类器预测目标类别、用 YOLO 定位对应 ROI，仅当两者都通过置信度阈值时把裁剪 ROI 送入 VLM，否则回退全图；在 Qwen3.5-VL 2B/4B/9B 上，杂乱场景 VQA 准确率提升 4.14–9.87 个百分点，同时减少约 23.2%–39.5% 的 token 与端到端 FLOPs。
视觉语言模型（VLM）在视觉问答（VQA）上表现强，但处理大而杂乱的图像时计算开销高，而实际相关区域可能很小。EEG 可捕捉人对视觉刺激的神经响应，提供关于感兴趣区域（ROI）的人源语义线索；但 EEG 引导的视觉类别解码仍不完美，直接做 ROI 路由并不可靠。该工作提出 BrainFocus，目标是在 EEG 解码不完美的情况下，仍能可靠地引导高效 VL…
arXiv 论文
查看来源原文在 Krotov-Hopfield 单点错误准则 $P_{\mathrm{error}}=1/N$ 下，居中二值模式的偏差会改变稠密联想记忆的绝对容量缩放：无偏 $q=1/2$ 时为 $N^{n-1}/\ln N$ 量级，但固定 $q<1/2$ 时高阶交互容量降为 $O(N^{n/2})$（偶数 $n\ge4$）或 $O(N^{(n+1)/2})$（奇数…
传统稠密联想记忆的绝对容量分析多针对无偏模式。该工作研究居中二值模式中偏差的影响：每个模式分量以概率 $q$ 取 $1-q$，以概率 $1-q$ 取 $-q$，其中 $0<q\le1/2$。衡量标准是 Krotov-Hopfield 单点准则：$P_{\mathrm{error}}=1/N$，即单点翻转降低已存模式能量的概率为 $1/N$；$N$ 为神经元…
arXiv 论文
查看来源原文论文主张：当 AI 智能体跨信任边界、代表不同且目标仅部分一致的 principal 自主协调时，仅有管理单个智能体私有上下文与 principal 通信的 personal harness 不够；还需要面向智能体间交互的 social harness，以预防失败、在运行时检测无效消息，并支持事后调查与后果。
材料将“agentic society”定义为：一组 AI 智能体跨信任边界自主协调，代表不同 principal，且这些 principal 的目标可能仅部分一致。 研究问题是：现有 harness 与 messaging primitives 是否足以支撑这类智能体社会中的协调？ 摘要称，实验显示即使诚实、有能力的智能体，在现有 harness 和消息…
arXiv 论文
查看来源原文