Symbal 是一个基于现成基础模型的双阶段框架，能够自动检测多模态大语言模型（MLLM）生成图像描述中的系统性错误（即与特定视觉特征相关的重复性错位），并在 SymbalBench 基准上实现了 63.8% 的准确率，相比最强基线提升近 4 倍。
值得关注：提出了一项新任务（系统性错位检测）及其解决方案，填补了 MLLM 生成描述质量审计的空白。 Symbal 不需要访问生成模型本身，在实际应用中（如使用第三方数据集或黑盒 API）具有很高的可用性。 与已有相关卡片不同，…
不确定性度量不是需要公理化的原始量，而是更高层建模决策的结果；通过将严格真损失对应的主观风险分解，可以统一导出认知不确定性和偶然不确定性度量，并为学习理论提供新框架。
值得关注：颠覆传统UQ思考方式：从“定义公理”转向“从高层选择推导”，可能简化UQ方法的设计与比较。 理论统一：为UQ社区十多年来提出的多种度量提供了共同的数学基础，有助于消除不同方法之间的混淆。 本卡片与已有相关卡片无直接重复…
无监督可见光-红外行人重识别（USVI-ReID）面临两大挑战：模态间巨大差异以及缺少跨模态身份标注。已有渐进关联范式试图逐步弥合差距，但存在两个关键瓶颈——依赖模糊的全局表示、以及开环方式下伪标签噪声不受抑制地传播。
值得关注：现有渐进关联方法本质上是开环的，伪标签噪声会随训练累积。SSRL 首次将闭环反馈机制引入无监督跨模态行人重识别，从结构和语义两个层面自校正，显著提升了鲁棒性。相比已有相关卡片（如金融异常检测、优化器、算子学习等），本条…
本研究提出了一种结合大语言模型（LLM）与专家审核的自进化标注框架，旨在为抑郁症相关数据集提供结构化、可追溯、符合DSM-5-TR标准的症状级证据和标签生成，在初步研究中提升了标注一致性与可解释性并减少了人工修改工作量。
值得关注：填补了抑郁症标注过程中结构化证据缺失的空白，使标注过程可审计、可复现。 自进化设计通过记忆机制实现持续改进，无需频繁重新训练，降低了工程成本。 与已有相关卡片（如HealthClaw自进化智能体）相比，本工作聚焦于**…
SearchOS 提出了一种系统级多智能体框架，通过将隐式搜索进度外显化为持久共享状态（前沿任务、证据图、覆盖图、失败记忆），并引入管道并行调度与搜索工具中间件，显著提升了开放域信息搜索代理在长交互历史下的鲁棒性和效率，在 WideSearch 和 GISA 基准上全面超越现有单/多智能体基线。
值得关注：针对现有智能体在长交互中易陷入重复循环的痛点，首创性地将搜索进度外显化并持久化，结合失败记忆避免重复错误。 管道并行调度与技能系统提高了资源利用率，实用性更强。 与已有卡片（BioASQ 14b 答案类型感知 LLM …
SciDiagramEdit: Learning to Edit Scientific Diagrams from Paper Revisions
SceneBind 提出了一种统一的全模态场景表示，在实例级语义（“有什么”）基础上加入了显式的3D空间结构（“在哪里”），并在跨模态场景检索和音频-视觉定位任务上达到当前最优。
值得关注：现有全模态研究多聚焦于语义对齐，而 SceneBind 首次在视觉-音频-语言三种模态中系统性地融合了3D空间结构，填补了“在哪里”这一关键维度的空白。其轻量级设计也降低了实际部署成本。
通过协调学习范式（全局帧运动跟踪）、数据策略（on-policy rollout量+参考动作多样性）和模型架构（Humanoid Transformer），行为基础模型（BFM）在人形机器人控制上实现了显著的性能提升，全局模式下平均关键点位置误差（MPKPE）降低82%。
值得关注：现有机器人基础模型（如π0.7）主要针对灵巧操作任务，而本工作专门聚焦人形机器人全身控制，提出了实用的缩放配方，并给出了量化指标。这是首次系统揭示学习范式、数据与架构三者协调对BFM缩放的关键作用，为后续大规模人形控制…
本文提出一种两阶段混合神经-物理框架，利用RTS平滑器交替进行状态推断与神经网络参数更新，从部分观测数据中学习未知的ODE组件，同时在保持可解释性的前提下改善潜状态重建与长期预测。
值得关注：相比纯黑箱模型，该框架保留了物理可解释性；相比纯物理模型，它能从数据中学习缺失动态。 特别适用于仅能观测部分变量的实际系统（如生物神经电路、生理信号分析）。 与已有相关卡片（如物理约束晶粒生长、散斑回归、优化器）无直接…
RoboTTT 首次将机器人策略的视觉运动上下文长度扩展至 8K 时间步（较现有技术高出三个数量级），在不增加推理延迟的前提下，实现了从人类视频演示的一次性上下文模仿、在线策略改进、扰动鲁棒性以及在多阶段长程任务上的显著性能提升。
值得关注：首次证明在机器人策略中，增加预训练上下文长度能持续提升闭环性能（steady gains），此前未见此类规律。 将上下文缩放作为机器人基础模型的独立缩放维度，与参数规模、数据规模并列，为后续模型设计提供新方向。 测试时…
以往针对预训练数据的投毒研究大多依赖维基百科等已建立的数据源，其规模与异质性无法代表真实预训练语料库，且忽视了投毒数据与数据筛选管道之间的相互作用。本研究探索了在更现实的网络规模下，是否可以通过现有网络内容注入机制（公共讨论界面）对预训练数据进行投毒。
值得关注：拓宽了对预训练数据投毒威胁的认识：攻击者不再需要攻破权威数据源，只需利用开放的Web讨论平台即可大规模注入有害内容。 针对数据筛选管道的盲点：许多现有数据清洗流程未考虑来自公开讨论界面的恶意内容，可能被系统性地绕过。 …
Plover 通过将任务计划外化为可检查、可修改的工件，使 GUI 自动化代理的运行更加透明、可控和可适应，用户可以在计划可见、干预局部化的前提下有效修复代理的失败行为。
值得关注：现有视觉多模态代理将规划与适应视为内部过程，用户无法介入纠偏。Plover 首次系统性地将计划外化并支持局部修复，弥补了用户监督与代理自主性之间的鸿沟，为构建可信、可交互的 GUI 自动化系统提供了新思路。
LLM在上下文学习中的概率估计严重违反全概率公式所要求的自一致性，但细粒度子群体估计反而比直接总体估计更准确（“宏观谬误”），表明模型拥有子群体知识但无法可靠聚合。
值得关注：首次系统检验ICL的概率一致性假设，揭示模型虽具备子群体知识（细粒度估计较准），但缺乏将知识正确传播回总体层次的推理能力。 提供了可扩展的无参考评估框架（无需人工标注），用于诊断模型在条件推断中的系统性偏差。
该方法提出了一种将记忆更新频率与记忆应用频率解耦的在线神经时空记忆框架，在保持长期记忆能力的同时实现了实时动态新颖视图合成，并在动态人体运动和分钟级在线记忆场景上达到当前最优性能。
值得关注：首次在动态新颖视图合成中实现记忆更新与应用频率解耦，解决了实时性与长期记忆之间的核心矛盾。 提出的辅助记忆损失和记忆缓存策略是稳定长序列在线学习的关键创新。 为实时VR/AR、动态场景重建等实际应用提供了可行的技术路线。
将教师模型与其基础模型（未进行推理指令微调）的输出概率差定义为“delta信号”，并以此作为蒸馏奖励，能显著提升在线策略强化学习蒸馏的效果，使推理大模型在极短的后训练期内达到强性能。
值得关注：首次系统探索在线策略蒸馏中“应该模仿什么”这一根本问题，提出基于差值的信号设计。 与已有相关卡片（如 Direct-OPD）形成互补：Direct-OPD 利用弱模型 RL 引发的策略偏移作为信号，而 OPD² 利用教…
NeuronSoup 提出一种无需反向传播、不依赖可微计算图的神经计算架构，通过遗传算法协同演化网络的拓扑、权重、延迟和连接性，在 MNIST 分类任务上达到 85.9% 测试准确率，模型仅占 115 KB。
值得关注：挑战了以反向传播为核心的学习范式，证明遗传算法在特定规模下能够有效演化复杂神经网络拓扑。 通过共享神经元和延迟介导的异步处理，实现了路径间的自然横向交互——传统架构需要手动设计（如注意力机制或横向连接）。 提供了一种无…
Mutable Low-Rank Sketches for Retrain-Free Recommendation
心肌梗死（MI）是全球主要死因，超声心动图（Echo）是广泛使用的评估手段，其中区域室壁运动异常是关键指标。现有基于学习的运动分析方法依赖手工特征或密集监督，标注成本高；基础模型虽提升了单视图分析能力，但节段级定位在视图依赖歧义下（尤其是心尖视图）仍不可靠。本工作提出 MCF-Net 以解决多视图融合下的定位问题。
值得关注：本文提出了一种结合基础模型与极稀疏运动监督的多视图融合框架，解决了超声心动图分析中因视图歧义导致的定位不准问题，同时将运动建模的标注需求降至最低（仅单模板帧）。相比已有工作（如依赖密集光流或关键点），显著提升了实用性和…
MM-IssueLoc: A Controlled Benchmark for Evaluating Visual Evidence in Multimodal Repository-Level Issue Localization
MedFailBench 是一个由临床医生构建的开源基准，旨在系统性地识别和分类医疗 AI 模型在不同安全边界（safety gate）上的失效模式，而非仅仅判断模型是否给出正确答案。
值得关注：现有基准（如 MedQA、MedMCQA）只关注“答案是否正确”，忽略了同样危险的“正确但违反安全边界”的情况（例如建议安全但在远程场景下不可执行的剂量）。 MedFailBench 首次将临床安全边界作为独立评估维度…