PACR-Video 通过冻结文本到视频扩散 Transformer，仅添加低秩时间适配器与递归提示库，在不进行全模型微调的前提下，实现了多镜头长视频外推中实体、场景、语义和因果关系的连贯保持，并在六个基准上超越多种现有方法。
值得关注：长视频生成是视频理解与生成领域的关键挑战，保持长期连贯性往往需要大量计算资源或全模型微调。PACR-Video 证明了在不改动底层大模型的情况下，仅通过参数高效的适配器与提示路由也能获得优异的连贯性和质量，为实际应用中…
PAW 将自然语言描述的模糊函数编译为轻量级本地可执行神经工件，使用 0.6B 参数的解释器即可达到 32B 参数直接提示的性能，推理内存仅为后者约 1/50，并在 MacBook M3 上以 30 tokens/s 运行。
值得关注：PAW 范式有望改变当前依赖大模型 API 的开发模式，将昂贵的在线推理转化为一次性的离线编译和轻量级本地执行，从而在保持性能的同时大幅降低资源消耗，提升隐私和可控性。
Point as Skeleton 是一个生成式传感器仿真框架，通过引入点云骨架条件和 Reset-and-Roll 机制，在闭环驾驶仿真中实现了更稳定的自回归视频生成，兼顾了闭环交互性与视觉保真度，并在 nuScenes 和 nuPlan 数据集上验证了其有效性。
值得关注：该框架首次将点云骨架作为自回归生成的条件，结合 Reset-and-Roll 机制，有效缓解了长序列自回归生成中的误差传递，同时保持了闭环交互性。它为在仿真中实现高保真、可交互的驾驶场景生成提供了可行路径，对自动驾驶算…
Pitwall 是一个在实时一级方程式（F1）比赛中生成多语言策略简报的生产系统，通过将每个句子分解为可验证的事实声明并借助校准的蒙特卡洛概率引擎进行验证，将忠实性作为架构属性而非事后补救，实现了高保真度的实时生成。
值得关注：将“忠实性”从追求目标提升为系统架构的固有特性，而非依赖事后事实核查。 为高风险、高时效的场景（如体育直播、金融新闻、实时决策简报）提供了一种可复现的设计范式。 揭示了生成中一个关键权衡：丰富性 vs. 忠实性，并证明…
PIPBench 是首个将用户画像（profile）纳入评估的个性化图像生成基准，揭示了现有方法在捕捉用户审美偏好方面的关键局限。
值得关注：个性化生成是提升用户体验的核心方向，但缺乏统一的评估基准。PIPBench 首次将用户画像（而非仅提示词）作为评估维度，更贴近实际应用场景中用户对“我喜欢什么”的隐性需求。
由于非人类灵长类动物发声或手势序列的长度分布快速衰减，无监督依存句法分析器所检索到的正确边的比例必然很高，因此无需金标准即可评估其性能；而人类语言序列缺乏该性质，导致评估困难。
值得关注：解决了长期困扰学界的一个逻辑困境：若无法获得金标准，是否意味着对非人类序列的句法分析根本不可评估？本工作表明，利用序列自身统计性质即可实现无金标准评估，从而为跨物种语言研究的实验设计铺设道路。
该研究提出的双层控制框架（上层动态定价 + 下层基于多智能体深度强化学习的电池管理）在奶牛场场景中，相比基于规则的模型可将能源套利利润提升最高 18%，同时增加分布式发电利用率且不显著增加成本，并符合爱尔兰电网电压规范。
值得关注：为乳制品行业量身定制了可再生能源整合控制方案，填补了现有研究空白。 展示了多智能体深度强化学习在农业能源管理中的实际应用潜力，提供了可量化的经济和技术效益证据。
红外遥感图像能捕捉强度结构、目标-背景对比度及不受光照影响的线索，而这些在RGB图像中常不可见。然而，现有的遥感视觉-语言资源与模型大多聚焦于可见光波段，红外遥感视觉-语言理解仍未被充分探索。MonoIR-RS旨在填补这一空白，提供一个受控、可复现的测试平台，将红外模态与语言对齐。
值得关注：红外遥感在不依赖可见光的条件下提供关键信息，但此前缺乏专门的视觉-语言数据集与模型评估。MonoIR-RS首次大规模地将红外图像与语言监督协同，并证明了针对红外特性的适配能显著提升模型性能，推动了遥感多模态理解在红外领域的进展。
该研究首次系统评估了条件式户型图生成模型对域偏移的敏感性，发现跨域转移时性能可下降一个数量级；并提出通过合成数据预训练来缓解该问题，在零样本和低数据微调场景下均显著优于现有基线，低数据量下微调性能提升高达40%。
值得关注：首次关注条件式户型图生成中的域偏移问题，填补了该领域的研究空白。 提供了一种低成本、数据高效的域适应策略，无需大量人工标注即可将模型部署到新区域或新风格，对实际建筑和室内设计应用具有直接价值。
Listen to Gen Z when it comes to AI in education
Lift3D-VLA: Lifting VLA Models to 3D Geometry and Dynamics-Aware Manipulation
本研究提出了一种仅依赖公开卫星影像和建筑形态数据的可扩展网格化框架，能够以高空间分辨率划分印度城市内部的富裕与贫困区域，并通过Google街景和贷款违约数据验证其有效性。
值得关注：传统人口普查或社会经济调查耗时长、成本高，且更新频率低。该研究提供了一种无需现场访问、仅靠卫星影像和公开数据即可实时、精细地监测城市内部不平等性的替代方案，对城市规划、资源配置和扶贫政策制定具有直接参考价值。
LACUNA 是首个提供参数级定位真相的大模型遗忘测试平台，发现现有最先进遗忘方法在参数层面高度不精确且易受重新浮现攻击，而一旦实现精确定位，即使是简单的基于梯度的遗忘方法也能达到强擦除效果。
值得关注：LACUNA 填补了遗忘评估中缺乏参数级定位真相的空白，揭示了仅依赖输出层面评估的局限性，并推动了更精确、更鲁棒的遗忘方法发展。
本文构建了一个高质量、人工验证的GitHub仓库行业分类数据集NAICS-GH（6,588个仓库，标记为NAICS两位数行业），并设计了一套检索-验证流水线，在人工验证样本上达到96.98%的精确率，为产业创新地理、开源软件产业构成等实证研究提供了基础资源。
值得关注：GitHub仓库的行业分类是连接开源软件与产业经济研究的关键桥梁。以往缺乏标准化的分类方法，导致大量基于开源活动推断经济现象的研究缺乏可靠基础。NAICS-GH提供了高精度、可复现的分类工具和公开数据集，使研究者能够大…
HoloCount 是一个分级诊断性视觉计数基准，揭示了当前多模态大语言模型在从感知性计数过渡到复杂逻辑推理与对抗场景时性能显著下降，定量的精确性仍是重大瓶颈。
值得关注：视觉计数是多模态智能的基本支柱，要求精细定位与空间推理的无缝整合。HoloCount 首次系统性地覆盖了语义、分析和鲁棒性三个层次，暴露了现有模型在定量推理上的根本弱点，为后续研究指明了方向。
本文首次揭示了全双工口语语言模型（SLM）中模态干扰的根本原因——声学与语义建模在共享深层参数空间时产生梯度冲突，并提出了Lychee-FD框架，通过层次化参数分离策略有效解耦冲突模态，同时利用专用语义对齐通道保持跨模态连贯性。实验表明，该方法在Spoken QA上提升7.4%，在FullDuplexBench 1.5上提升28.5%，且不牺牲推理效率。
值得关注：模态干扰是制约全双工SLM“人性化”的核心瓶颈，长期未获根本性解决。本文不仅从优化力学角度揭示了根因，还提供了可实践的解耦方案，使得语音交互既保持流畅（全双工）又具备语义理解能力，为下一代智能语音助手、实时对话系统等应…
混合整数线性规划（MILP）实例在求解器开发中难以获得，尤其是当模型来自私有或特定应用管道时。现有通用生成器通常选择公式模板、汇总统计、局部图编辑或重组后的块作为生成单元，但这些单元未能显式记录 MILP 局部部分与其余实例的耦合关系。GraphBU 旨在解决这一结构保留问题。
值得关注：MILP 广泛用于运筹优化、供应链、金融等领域，但实际应用的实例往往难以公开获取。现有生成器无法准确保持局部与全局的依赖结构，导致下游算法失效。GraphBU 通过图原生单元显式建模耦合关系，提高了生成数据的可用性和训练效果。
Graph Convolutional Attention: A Spectral Perspective on Graph Denoising and Diffusion
该研究针对生物医学问答任务，根据问题类型（是非题、事实题、列表题）分别设计不同的LLM推理流程，在BioASQ 14b Task B官方评测中表现具有竞争力，并在Batch 4的事实题子任务中获得第一名。
值得关注：生物医学文献体量巨大且证据常分散于多篇文档，通用问答方法容易因提示策略单一导致答案不稳定。本研究通过区分问题类型并定制化流程，显著提高了答案的鲁棒性和证据追溯能力，推动了LLM在专业领域问答中的实用化。
提出ReChannel方法，利用预训练DiT模型直接进行像素空间稠密预测，无需生成式解码器，在无trimap抠图、KITTI深度和指代分割上达到新SOTA，且比同类方法更快更准。
值得关注：首次提出最小化接口设计，将预训练生成模型的内部结构直接用于稠密预测，避免冗余的潜空间解码步骤，同时保持或超越生成式方法的精度，为高效利用基础模型开辟新方向。