自然产生的用户交互反馈并非如近期研究所说那样“噪声大且难以利用”；它其实是一种高度可操作的LLM改进信号。以往认为无效，主要是因为现有评估范式存在系统性偏差：当模型因反馈而真正修正问题时，LLM评判者常常反而偏好较差的基线输出。
值得关注：已有研究表明LLM可以从经验抽象、翻译上下文等路径获得提升，本条卡片指出另一条低成本但易被忽略的信号通道——真实用户交互反馈。更重要的是，它指出“模型反馈无效”这一结论可能来自LLM裁判的系统性偏差，这提醒我们在评估生…
将 E2M1 FP4 载荷与无符号 E5M3 块缩放结合（即 UE5M3），并采用选择性随机舍入，可以在约 190B token 的 Nemotron-H 8B 预训练中取得比 NVIDIA Transformer Engine 参考配方更低的训练/验证损失和更高的下游量化推理点估计，同时省去随机 Hadamard 变换与 BF16 最终层豁免。
值得关注：低位预训练是降低大模型训练/推理成本的重要方向，但 4 位浮点此前被认为难以稳定预训练；本文提供了 8B 规模、约 190B token 的对照证据。 与在已有模型上做后训练低比特压缩不同，本文关注的是从预训练阶段就使…
TRACE（Transparent Reasoning Architecture for Credible Execution，透明推理架构以实现可信执行）提出了一种四层可审计决策框架，使自主机器人的每个动作都可以通过文档化因果链追溯到传感器证据；在仓库机器人导航的500个模拟决策周期中，其三个可审计性指标均超过98%。
值得关注：TRACE 尝试从系统架构上回答“AI 的事故决策能否被事后完整复盘”，而不仅仅依赖事后特征归因。 增量信息：已有相关卡片分别涉及 XAI 方法本身的可信度审计、可解释性需求工程实践以及 AI 教育机器人；TRACE …
从论文摘要看，现有统一生成模型（UGM）和世界模拟器在面对“从视觉输入推断规则，再生成逻辑约束图像”的任务时，普遍存在**推理-生成鸿沟**：局部看起来合理，但全局往往不合逻辑。RIG-BENCH 正是用于暴露这一短板的压力测试与诊断基准。
值得关注：它将视觉生成模型的评测重点从“图像是否对齐/逼真”扩展到“生成过程是否需要受约束的高层推理”。 对产业界而言，这类基准有助于判断模型在需要规则一致性的视觉生成任务中是否可靠，例如示意图生成、空间规划、场景推理等。 为“…
SolarWM 提出一套从数据处理到长时程推理的“完全开放”框架，用可重构数据引擎将来自 10 个数据集的 143 万个规范片段统一为帧对齐契约，并在保留 Wan2.2、LTX-2.5、MiniMax-H3 各自表征与目标的前提下，通过三阶段统一训练方案得到 4 个 5B–33B 模型；据摘要，这些模型仅用 5 秒序列训练，即可在分钟到小时级的推演（rol…
值得关注：SolarWM 不是单点算法贡献，而是把“数据—适配—训练—推理”做成了一套可复现的系统级基础设施。此前很多视频世界模型工作使用内部数据或定制代码，难以相互比较；SolarWM 通过开放数据和统一接口，为后续方法提供了公共底座。
ShallowStream 提出让多模态大语言模型（MLLM）的浅层网络在持续视频流中同时完成帧编码与检索索引构建，在保持与最强现有流式方法相当性能的同时，显著降低每帧预填充延迟和端到端延迟。
值得关注：已有的高效视频理解工作多集中在帧选择、token 压缩或证据聚合，而 ShallowStream 的增量在于专门利用 MLLM 的“深度”维度：把浅层计算产物同时用作索引，让深层只在需要作答时执行，从而缓解流式场景下“…
SafeEvolve 提出一种由智能体自身经验驱动的“护栏-策略协同演化”框架，在 agentic 安全基准上取得优于现有基线的安全-效用权衡。
值得关注：已有护栏演化工作（如 SHE）侧重安全护栏自身的轨迹驱动演化；SafeEvolve 的增量在于把“策略优化”也纳入同一个自演化闭环，形成“护栏-策略协同演化”，试图同时改善运行期控制与模型内在安全，并强调护栏更新的可审…
RoGe 是一个端到端统一框架，将“隐式场景重建”与“视频扩散生成”联合训练，去掉了以往混合方法中“渲染图像/点图/3D Gaussian”这类有损的显式 3D 桥接；摘要称其在 DL3DV 上的图像级指标和视频时间一致性均优于重建型、生成型和混合型基线。
值得关注：RoGe 提供了一个新思路：重建与生成之间不一定要用显式 3D 表达或渲染图来传递信息，而是可以让生成模型直接使用隐式场景表示中的射线特征。联合训练还意味着生成损失可以反向影响几何条件的学习，而不是让重建误差单向传导给生成模块。
作者提出了一套结合题目筛选、合成推理轨迹、监督微调（SFT）与强化学习（RL）的语言模型后训练方案，并引入反馈驱动的测试时计算策略 GenCorrect；据摘要报告，该系统在 IOI 2025 和 IOI 2026 题目/赛制中均超过金牌线，其中 IOI 2026 的竞赛专用系统在 535.4/600 的分数上超过了最高分人类选手 498.27，作者称这是…
值得关注：摘要给出了一个可量化的“AI 超过人类顶尖选手”的竞赛编程里程碑：535.4 分超过最高分人类选手 498.27 分。 它把“后训练”和“测试时计算”作为关键贡献，而不只是堆叠预训练规模。 与已有相关卡片中涉及视觉语言…
MuyBridge 是一个纯端侧系统，用单部手机的单目视频流估计运动员基于节段法的人体质心（segmental center of mass，CoM）轨迹：以 63 FPS 的 2D 姿态估计为主干，配合约 2.86 Hz 的稀疏单目深度更新，在 AthletePose3D（跑步、田径、花样滑冰）上取得 33–41 mm 的垂直方向 CoM 误差，且不需要…
值得关注：质心与运动稳定性、能量消耗和损伤风险等关键问题直接相关，却长期被绑定在实验室设备上。MuyBridge 展示了一条可行路径：用紧凑 2D 姿态网络、经蒸馏的深度网络与解剖/物理先验，在端侧恢复有物理单位的生物力学量。它…
SpeND（Spectral-like Neural Discretisation）将无网格离散算子中“未被多项式一致性约束的自由度”交给神经网络学习，使构造出的微分算子能在更宽波数范围内近似谱算子的频响，同时通过硬约束投影严格保持多项式一致性。
值得关注：该工作表明，无网格格式中看似“剩余”的自由度并非只能由核函数或范数条件决定，也可以用数据驱动的谱目标来引导。现有“已有相关卡片”均不涉及无网格离散算子学习，本卡片补充了“神经网络自适应构造离散微分算子”这一方向，属于数…
本文提出一种面向电信网络根因分析（RCA）的结构化推理框架，通过在诊断前将异构网络遥测组织成规范上下文、在诊断中强制决策路径推理、在输出时生成证据支撑的解释，来减少大语言模型（LLM）在5G/6G场景下直接用于RCA时的幻觉与不稳定，提升诊断准确率和决策一致性。实验基于TeleLogs和TelecomTS两个5G RCA数据集（待核实具体规模与来源）。
值得关注：过去关于LLM的可靠性研究多集中于模型自身机制（如水印、基准、预算分配），而本工作聚焦专业领域（电信RCA），强调“领域证据结构”与“推理过程约束”比单纯提示词调优更能抑制幻觉。这属于LLM在垂直行业落地中的关键增量信息。
在光滑凸优化中，采用预定步长序列的梯度下降（GD）仍有不可忽视的收敛误差下界：本文给出 non-anytime 下界 \(\Omega(n^{-1.6342})\) 和 anytime 下界 \(\Omega(n^{-1.2408})\)，分别改进了 Ma-Chen 与 Tsai 等人的结果，并借助 silver schedules 的非 anytime…
值得关注：这项工作刻画了“仅仅改变 GD 的预定步长序列”这一简单操作能达到什么程度，为理解梯度下降的加速边界提供了更精确的理论参考。
Graph Machine（GM）是一种维护 O(n) 大小状态并通过稀疏动态路由访问该状态的架构；用 GM 稀疏层替换 Qwen3-0.6B 中 75% 的稠密 Transformer 层后，在 15.7B tokens 上从头预训练，每个 KV 头只需从 4,096 个 token 中检索 4 个 token，最优模型的 loss 便获得轻微改善。
值得关注：增量信息在于：GM 用“边”作为可微指针式对象，在稀疏层中保持 O(n) 复杂度的同时，避免了固定大小状态或静态稀疏路由对可访问状态大小造成的限制。 本文属于基础模型预训练架构与稀疏动态路由方向，与已有相关卡片中的场景…
GRADSOLVE 是一个面向 NVIDIA GPU 的开源 JAX 库，用于求解低维 ODE 集成（ensemble）并执行反向模式求导：它记录自适应求解器接受的步，再对这些步做定步长重放和微分，返回这些步的精确离散伴随；一旦完成一次记录，其梯度计算速度比 Diffrax 的 checkpointed adjoint 快约 5.6–14.1 倍，具体优势…
值得关注：GRADSOLVE 试图打破“正向求解快”与“可求导”之间的取舍，为科学计算中的参数估计、灵敏度和优化任务提供更直接的高吞吐路径。 与既有知识卡片无直接重复；本条对应 arXiv 2609.02876v1，属于新的工具…
GDB-Reward 的核心主张是：把图形设计领域各类不可微的评估指标统一转换为强化学习奖励，从而在不微调文生图模型的情况下，提升模型输出对设计规格的遵从性（依据候选摘要，具体效果与机制待核实）。
值得关注：它把“评估”与“训练”连接起来：原本用来给结果打分的指标，也可以反过来作为优化信号。 对基础模型应用而言，这种思路提供了一种不改动庞大生成模型的改进路径：只在奖励端做转化，即可影响生成结果。 增量信息在于“评估指标本身…
在无噪声高斯压缩感知的理想化线性设定中，**全维线性生成先验**在整族可调线性先验中取得最小期望重建误差；此时调低先验复杂度并不能改善重建误差。该结果与去噪任务中低复杂度先验因偏差-方差权衡而更优的行为形成对比。
值得关注：该结果刻画了“可调生成先验”在压缩感知与去噪两种任务之间的本质差异：压缩感知中线性族的全模型最优性说明，实验上观察到的调优收益不能由线性机制解释；这为理解非线性生成先验的作用提供了理论边界。作为待核实摘要，它提供了对既…
论文为 Model-RB 基准实例 `frb100-40` 给出了可核验的最优性证书：一个 100 顶点的独立集，以及一个将该 4,000 顶点图划分为 100 个大小为 40 的团的验证性划分；二者合在一起证明最大独立集大小为 100，最小顶点覆盖大小为 3,900。预注册搜索实验显示，新增的 pair 与 triple 修复算子相对基础 ULSA 没有…
值得关注：这是对 `frb100-40` 这一长期开放实例的确定求解，而不只是又一个表现更好的启发式运行。 将“随机搜索发现”与“可核验证明”分离，有助于建立可复现的组合优化结果。 预注册的零加速结果是一个有价值的负面结果：说明…
CW-Net（Concept-Wrapper Network，概念封装网络）将自动驾驶机器学习规划器的决策“因果性地”锚定到人类可理解的概念上，并在真实自动驾驶车辆上完成部署；结果显示，它改善了驾驶员对车辆行为的心智模型，使其能更好地预测车辆行为，尤其是在意外场景中。
值得关注：本研究提供了“经真实部署验证”的可解释性路径，回应了此前可解释深度学习技术实用性不明的问题。 CW-Net 的解释不是与决策脱节的附加说明，而是参与最终决策的概念变量，因此更可能真实反映规划器行为原因。 对自动驾驶安全…
本文提出一种轻量级全合一图像恢复方法 FReSH-IR（Frequency Reconstruction via Spectral Harmonization），通过在层级编解码器中显式分解高、低频特征并结合傅里叶跳跃连接，以比 Transformer 类模型少 80% 的参数与计算量，取得相近的恢复质量。
值得关注：已有相关卡片分别关注全合一恢复中的“歧义校正”和“自监督深度估计的天气鲁棒性”，但尚未覆盖“轻量化、频谱分解”这一技术路线。本条目的增量信息在于：FReSH-IR 从频率分解和傅里叶跳跃连接入手，将全合一天气恢复的模型…