MEOX（Multimodal Earth Observation with eXperts）是一个总参数仅 3.115M 的多模态掩码自编码器，面向地球观测中的异构传感器与缺失观测问题；它在多个 GEO-Bench 下游任务上取得强迁移表现，并在 EuroSAT 224 像素平均准确率、cashew 分割 mIoU 等结果上超过文中所报告的 CSMoE…
值得关注：MEOX 的增量信息在于：它把混合专家思想用到了“地球观测多模态表征”这个具体领域，并且强调紧凑参数预算，而不是继续扩大架构。相比已有 MoE 相关卡片中的具身视频预训练、低秩适配路由、分布式指令微调等方向，MEOX …
LLM-Driven Algorithm Design for Quantum Circuit Synthesis based on Binary Decision Diagrams
将 Hessian-Balanced 自适应块剪枝（H-BAC）、量化和注意力知识蒸馏组合成一个 ViT 压缩流程，可在辣椒病害分类任务中把模型从 327.42 MB 压缩到 6.01 MB（约 54.5 倍体积缩减），同时保持约 95.13% 的精度；但同等最终尺寸下直接训练的 INT8 小模型也能达到 94.87%，因此复杂压缩流程在该数据集上的增量价…
值得关注：该论文同时验证了剪枝、量化、蒸馏组合应用的可行性和边界。 在真实跨村、跨设备 OOD 测试条件下报告压缩效果，比仅在随机划分数据集上评估更有农业部署参考价值。 与直接训练小模型的对比揭示了：在某些数据规模和任务复杂度下…
“简化后的法律条款是否仍然表达原含义”这一评估题，现有“相同对需得最高分、无关对需得最低分”的检验方式存在漏洞：它让词汇重叠与法律效力同步变化，导致任何“token重叠的单调函数”都能通过检验。论文提出一种分离诊断（dissociation），即保持表面形式基本不变但翻转法律效力；结果显示，主流的词嵌入与 BERTScore 指标对这类翻转几乎无感知，而唯…
值得关注：它揭示了一个评估方法论上的反例：传统正负样本对（完全相同 vs 完全无关）无法排除“只测量词面重叠”的指标。 它提供了一种可复用的分离诊断数据集与评估思路，让研究者能检查指标是否感知“法律效力”这一与表层形式相对独立的…
在一项包含300例心肌病患者的本地队列研究中，基于正常ECG训练的β-VAE重建误差（DTW误差）在12个导联中的10个显示出LGE阳性/阴性的显著差异，且可作为分类特征（Logistic Regression下AUC 0.643）；但单独使用浅层β-VAE潜变量表示的分类效果（AUC 0.577）低于ECG基础模型ECGx.AI特征（AUC 0.686）。
值得关注：该研究提供了一条与“LGE-CMR图像分割”不同的思路：不直接处理影像，而是利用仅在正常ECG上训练的VAE，通过重建误差捕捉瘢痕相关的异常ECG线索。这体现了一种将“正常模型”用于“异常检测”的潜在范式，也为比较基础…
对2023年至2026年3月间66篇同行评审研究的系统综述显示，大型语言模型（LLM）在暖通空调（HVAC）运行中的现有证据仅支持其作为“语义层/工作流层”或人类参与下的辅助工具，而非自主控制器；目前没有任何研究报告持续的实际运营部署，也没有研究被评为“现阶段可直接用于行业”。
值得关注：已有相关卡片覆盖医疗、视觉语言模型等领域；本卡片的增量在于聚焦建筑能源/暖通空调这一物理控制密集、可靠性要求高的工程场景。它没有停留在“大模型能力很强”的一般判断上，而是给出了“0项ready-now、63项resea…
How to Speculate about Uncertainty in Agentic Coding? A Draft-Model Gate Method
使用四流mHC残差通路的DeepSeek-V4-Flash，在训练后只实现了架构提供的部分灵活性：典型的注意力/FFN站点实际上约使用两个流，残差混合主要发生在早期层；将晚期混合器替换为恒等映射几乎不影响性能，说明晚期残差混合的测量收益很小。
值得关注：该研究直接回答了“mHC扩展出的多流容量在训练后是否被真正使用”这一空白问题，提供了从架构设计到实际计算行为之间的实证桥梁。 它表明“设计空间大”不等于“模型会用”：即使mHC允许每个模块读写多个流，实际训练出的站点也…
GUT 提出用有向无环图（DAG）覆盖大语言模型推理链的所有潜在分支，以图复杂度近似推理空间复杂度来量化不确定性，并通过将负不确定性作为强化学习奖励函数来降低不确定性；在 4 个 LLM 和 5 个数据集上验证了有效性。
值得关注：该工作把“推理不确定性”与“图复杂度”联系起来，给出了统一的量化与优化框架，为理解 LLM 推理过程提供了结构视角。 与已有相关卡片关注的特定下游任务或模型参数现象不同，本方法聚焦于推理过程中分支发散本身的度量与优化，…
计算机视觉可解释AI（XAI）经过十余年发展已拥有成熟方法工具箱，但领域几乎未回答方法最初想回答的问题——模型本身有多可解释、随模型演进是否在进步；本文主张将研究重心从“方法”转向“模型”。
值得关注：在XAI工具已较成熟的阶段，提示社区反思：可解释性研究是否错置了目标对象。 将“模型可解释性”类比为系统神经科学中研究大脑表征与计算可读性的问题，可能为跨模型、跨架构的认知风格比较提供新框架。 与既有知识卡片的脉络关系…
在2024年特刊之后仅两年，Nature Methods再次推出“AI嵌入生物学”专题，显示人工智能已渗透到生物学研究的几乎所有角落；当前关键问题已从“AI能否用于生物学”转向如何建立基础模型的评估基准、社区标准与透明性，并确保高质量真实实验数据持续供给。
值得关注：这篇社论是方法学领域的风向标：AI已经从单点分析工具变成贯穿数据获取、图像处理、实验设计和软件开发的基础设施。相比2024年的第一辑，本次专题更突出“评估与治理”议题——尤其是基础模型在生物学中快速应用时，基准测试、可…
本文提出 Embedded Graph Flows（EGF），一种不依赖固定 one-hot 类别编码的图生成模型，通过学习节点与无向边类别的连续嵌入，将高斯噪声流式地转换为离散图结构；在 QM9 与 ZINC250k 分子基准上取得了有竞争力的结果，并在 QM9 四个指标上优于所比较的 DiGress 和 GruM 基线（待核实，基于摘要）。
值得关注：该工作针对类别图生成中的一个基础问题：固定 one-hot 编码可能引入人为的类别等距几何，影响生成质量。 EGF 将离散类别的表示与生成流程联合学习，并用置换等变的图 Transformer 保持对节点顺序的不变性，…
在合适的层分布、时间调度与优化器超参数组合下，层dropout（stochastic depth）不应被排除在大规模LLM预训练配方之外：它能在相同训练FLOPs下实现更低损失，或在固定训练步数下节省最多约25%训练FLOPs，并支持最高约1.5倍推理加速。
值得关注：本文直接挑战“LLM预训练应丢弃dropout”的常见做法，并把层dropout重新定义为一种可优化的层稀疏性策略。 它同时覆盖训练阶段和训练后推理优化，说明层dropout的价值不只是正则化，而是贯穿预训练与推理效率…
模型升级后，Agent 即使保留原有记忆存储，也可能“遗忘”或“记错”：不同记忆编码方式对模型更换的敏感度差异很大。固定模式知识图谱迁移稳定，自然语言压缩笔记表现出强烈模型耦合；若额外保留原始历史，修复效果明显更好。
值得关注：大规模语言模型时代，Agent 的记忆往往由某个旧版本模型生成、压缩或索引。当产品升级到新模型时，如果只把记忆文件原样迁移，可能因为新模型的解读方式变化或检索空间不兼容而失效。这项研究将“记忆可移植性”作为独立评测维度…
该论文提出一种“LLM 当教师、轻量模型当学生、产品类型做测试时适配”的两级框架：第一级将 LLM 对升级换购推荐的推理蒸馏成只依赖商品嵌入的紧凑分类器；第二级按产品类型用少量示例训练轻量适配器，进一步校准决策边界。摘要报告，在人工标注基准上，推理蒸馏学生达到 AUC 0.924，加入 PT-TTT 后提升至 0.941；在 100K 对代理目录上，比直接…
值得关注：已有测试时训练卡片多关注视觉语言模型（VLM）在无人机导航、模态顺序一致性、视频严重分布偏移等感知问题上的适应。本条与它们同属测试时训练话题，但切入点是电商/商品推荐中的“产品类型”局部适配：它在推理蒸馏后的冻结嵌入对…
Diffusion TV 是一个将扩散模型“去噪生成”过程转化为实体互动的 AI 艺术装置：观众通过操纵改装后的 CRT 电视天线，实时改变 AI 生成图像与声音的清晰度，由此在肉身操作层面亲历扩散模型逐步消除噪声的生成过程。
值得关注：扩散模型类研究通常聚焦在生成质量、推理效率、可控性或专家组合等技术层面；Diffusion TV 则从艺术与交互设计角度切入，让使用者“用手”而不是“用眼”去理解扩散过程。 与已有相关卡片相比，本条目的增量信息在于：E…
SMART 是一个面向 ML 系统性能建模的“AI-native”符号化性能建模库。它的主分支几乎不存放代码，而是一份由自包含自然语言“设计文档”组成的有向无环图（DAG）。版本更新时，AI 编码子代理仅从这些设计文档重新生成实现，从而让“设计文档”而非“代码”成为长期演化的持久工件。
值得关注：与已有的“机器学习抑郁症筛查”和“X到4D生成”卡片不同，本条不是关于模型直接完成下游应用任务，而是关于“AI 编码智能体驱动软件库自身演化”。它的增量信息在于：不是用 AI 生成一次代码就结束，而是把 AI 智能体当…
CONTINUITY: Security-Context Contracts for Composable LLM Agent Controls
基于参考的自动评测方法不应只按聚合分数选优劣；本文提出“行为正确性假设”，用受控变换规定评测器应有的评分变化，发现没有评测器满足全部假设，且聚合分数相近的评测器可以表现出很不相同的行为剖面。
值得关注：聚合分数不是充分统计量；评测指标本身的“评估行为”也需要被评测。本文把元评测从“与人类判断是否一致”扩展到“在受控变换下是否做对了该做的事”，为LLM评测器和传统指标的比较提供了更细颗粒度的诊断视角。与已有相关卡片（金…
目前对生物医学基础模型的全面测评方法论仍不成熟；这篇 Nature Methods Perspective 提出，不能只把基础模型当作普通预测任务来“跑排行榜”，而需要重新思考其可证伪性、可验证性与实际效用，并依靠科学社区建立更稳健、更有意义的评测规范。
值得关注：作者阵容包括 Julio Saez-Rodriguez、Gustavo Stolovitzky 等在生物医学建模和社区挑战赛中具有重要影响力的研究者，文章发表在 Nature Methods。 它不是某一个具体基准，而…