FreqDepthKV 是一种无需重训练的推理时 KV 缓存压缩方法，通过将相邻层 KV 状态分解为共享低频深度分量和稀疏高频残差，按注意力头对重建敏感度的贡献动态分配压缩模式，在长上下文推理中能以 3.9 倍有效压缩比接近完整 KV 缓存的任务精度。
值得关注：FreqDepthKV 通过频率先验分解和在线自适应分配，在保留层特定推理证据的同时大幅降低内存占用，解决了长上下文 LLM 推理中“压缩 vs 精度”的根本矛盾。它不依赖重训练，可直接集成到现有推理框架中，为部署长上…
FootsiesGym 是一个开源环境，将极简格斗游戏 Footsies 改造为适合强化学习研究的双人零和不完全信息博弈基准，并提供了向量化模拟器以支持高效训练。
值得关注：填补了从简单矩阵博弈到复杂全游戏之间研究工具的空白。 环境轻量、高效，降低了研究门槛。 开源可复现，有助于对比和验证强化学习算法在结构化博弈中的表现。
Nimblemind多智能体系统（nMAS）在54份胃活检病理报告中检测幽门螺杆菌阳性及相关胃炎的四类二元字段，总体准确率达98.61%，且通过自动化证据链接可将人工审查时间从83.3工时降至1.4工时，显著提升效率。
值得关注：本研究展示了一种可扩展的、基于多智能体的方法，能从非结构化病理报告中准确提取幽门螺杆菌感染证据，克服了传统关键词搜索和人工审查的局限，有望在胃癌筛查和公共卫生监测中降低人力成本并提高一致性。
EntroPath 是一种通过聚合点间所有 k 步路径的集合（而非单一路径）来构建相异度距离的流形学习新方法，在非均匀采样密度和分支轨迹突出的流形上，其恢复测地几何的效果优于传统扩散映射和最短路径方法。
值得关注：EntroPath 提供了一种理论完备、实践鲁棒的流形学习工具，尤其适用于生物单细胞数据这类存在严重密度不均和复杂分支结构的领域，有望改善下游的降维可视化与伪时间推断。
ELSA3D通过引入弹性语义锚定机制（Anchor Tokens + 层级感知的八叉树分词器），在统一骨干网络中同时实现图像/文本到3D生成与3D描述任务，性能达到新SOTA，并大幅降低计算开销（FLOPs和推理延迟减半）。
值得关注：3D统一模型长期面临文本与几何信息如何有效对齐的难题。ELSA3D提出的弹性语义锚定提供了一种结构化、可解释的跨模态交互范式，避免了传统扁平化注意力带来的信息混淆，且计算开销大幅降低，为构建更高效、更强大的统一3D模型…
EgoPolice 是一个由真实警察随身摄像机视频构成的基准数据集，用于评估模型在高风险、快速运动场景下的自我中心视频理解能力。测试表明，当前最强视频模型（如 Gemini 2.5 Pro）在预测“掏枪”等高风险动作时仍表现不佳。
值得关注：首次系统性地将自我中心视频理解与执法场景结合，提供了真实、具有挑战性的基准。 揭示了当前视频模型在处理极端运动、密集交互和不平衡类别（稀有事件）时的局限性。 为警务行为研究、公共安全、AI 伦理等交叉领域提供标准化评估工具。
DynaKRAG 通过一个学习的状态条件策略（state-conditioned policy）在多跳检索增强生成中动态选择当前最合适的证据操作（检索、诊断、充分性判断等），在 HotpotQA、2Wiki 和 MuSiQue 三个基准上均超越了现有最强基线。
值得关注：该工作首次将多跳证据获取形式化为**状态条件控制**问题，打破了传统固定管道的限制，使系统能在推理过程中自适应地选择检索、诊断或终止动作。其结果证明了在演化证据状态下协调检索、诊断和定向补缺能够带来显著的性能提升，为下…
论文证明：LLM 智能体在早期交互轮次中的隐藏层激活已能可靠预测最终失败，基于此设计的“探针级联”机制可在保持高召回率（如 90%）的前提下节省 37%~47% 的推理计算量，性能远超仅使用行为信号的方案。
值得关注：首次系统性地利用 LLM 智能体的内部表示实现“零成本”提前终止，而非等待行为级失败信号。 提出端到端可部署的级联架构，并给出全局召回保证，填补了从理论到实践的 gap。 揭示了“隐藏状态优于行为”的洞察，为未来智能体…
DepthWeave-KV通过跨层低秩基分解与令牌条件深度路由器，在64K上下文长度下实现8.3倍KV缓存压缩，同时保持接近全缓存的任务质量，吞吐率达72.8 tokens/s。
值得关注：该方法统一解决了两个关键矛盾：①不同令牌对压缩精度的需求差异（如指令词、检索关键词需高保真）；②不同层之间KV表示的冗余性。通过免校准的在线适应机制，无需微调即可直接用于现有模型，实用性强。
当前大语言模型在真实世界数据分析场景中表现远未达到实用要求；新提出的DataGovBench基准揭示了显著性能差距。
值得关注：随着LLM被越来越多地用于辅助数据分析，缺乏能反映真实复杂场景的基准将阻碍技术落地。DataGovBench弥补了这一空白，能更准确地衡量模型在多元表格、外部知识整合和探索性发现等关键能力上的水平，对推动LLM走向实际…
Danus: Orchestrating Mathematical Reasoning Agents with Fact-Graph Memory
CAIRN 是一种拓扑感知的 3D 大语言模型（3D-LLM），通过显式建模房间间的连通性和物体级关系，首次实现了对包含多个互联房间的真实家庭环境的跨房间 3D 场景理解，并在新提出的 CAIRN-MR 基准上大幅超越此前所有 3D-LLM 模型。
值得关注：真实住宅大多包含多个房间，而以往 3D-LLM 无法处理房间之间的关联。CAIRN 首次将拓扑感知引入 3D-LLM，使得模型能够回答诸如“冰箱里的食物对应哪个房间”或者“从卧室到厨房要经过哪里”等跨房间问题，极大提升…
通过引入视觉对齐奖励和视觉-动作对齐奖励，VAORA方法能有效抑制视觉语言模型在交互式物理推理中的幻觉链式推理，并缩小推理与行为之间的差距，从而在未见过的任务和环境中实现更好的泛化。
值得关注：该研究直接针对VLM在物理推理中的两个关键缺陷（幻觉推理和推理-行为脱节），并提出了可操作的奖励设计框架。它展示了如何通过强化学习中的奖励塑造，使大语言模型在物理世界中更可靠地推理和行动，对具身智能、机器人任务泛化等领…
数据增强（如生成对抗网络 GAN）并不能有效净化已投毒的 3D 点云数据集；投毒攻击能够逃避增强技术的清洗作用，在增强数据中传播并最终干扰通用分类器的决策。
值得关注：揭示了“数据增强可以自动清洗投毒数据”这一常见假设的漏洞。 强调自动驾驶系统在依赖增强数据集训练模型时，仍需防范投毒攻击，不能将增强视为安全措施。 为后续研究提供公开的实验基准，推动防御技术的开发。
本文首次系统研究了印地语（Hindi）音频描述（ADs），构建了首个由8部完整电影人工标注的印地语ADs数据集Andha-Dhun，并发现简单机器翻译会引入伪影、降低多样性，无法适配文化参照；而人工翻译虽有所改善但仍不足，最终强调印地语ADs应以印度BLV观众的可访问性为目标，内容适配比严格忠于原文更重要。
值得关注：印度CBFC已要求扩大ADs覆盖范围，英语之外的印度语言ADs需求迫切，但此前缺乏相关研究。 Andha-Dhun数据集为印地语ADs的自动生成和评估提供了基准。 揭示了“直接翻译”方法在文化适应性上的根本局限，推动领…
视觉语言模型（VLM）在作为扩散图像编辑的条件编码器时，虽然其本身具备强定位能力，但由于单次前向传递的约束，定位信号无法可靠传播到预设的层配置中，而是隐藏在随输入提示变化的中间表示里——这一根本错配导致了现有编辑流程的定位失效。
值得关注：首次系统性地解释了一个常见但未被充分理解的性能问题：为什么 VLM 本身定位很好，放到编辑流程中却变差。 提出的代理分析方法是一种通用诊断工具，可推广至其他将 VLM 作为编码器使用的场景。 直接挑战了当前“直接取用 …
An Experimental Design Approach to Evaluating Agentic AI's Autonomous Model Discovery
Align4D 框架通过三种对齐技术（物体距离对齐、运动-几何联合对齐、异步优化）将任意模态输入（文本、图像、视频、3D）转化为连贯的视频-3D 对，实现了高质量、一致性的 X-to-4D 生成，且无需昂贵的大规模多样化数据集。
值得关注：首次提出通用的 X-to-4D 框架，可以处理文本、图像、视频、3D 等多种输入，而不局限于单一模态。 通过创新的对齐策略，有效解决了多模态不一致的难题，无需大量配对数据即可生成连贯的 4D 动态场景。 提出 X4D …
AirflowAttack 是首个针对红外（IR）遥感视觉语言模型（VLM）的对抗攻击，通过将热气流湍流制作为物理可行的通用扰动，在多个模型上实现了平均 48.5% 的场景分类攻击成功率，暴露了该领域严重的安全漏洞。
值得关注：这是首次针对**红外遥感 VLMs** 的对抗攻击研究，填补了该领域在对抗鲁棒性方面的空白。 首次将**热气流湍流**武器化为对抗扰动先验，使攻击更具物理可行性和隐蔽性。 揭示了一个关键矛盾：模型越自信于红外分析，越容…
该研究提出了一种融合白天视觉性能与夜间逆反射评估的VLM（视觉语言模型）增强框架，能够低成本、自动化地对交通标志进行综合状态评估，并在462个验证标志中识别出68个需要立即更换的隐患标志。
值得关注：交通标志状态直接关系道路安全，但现有检查方法成本高、效率低且存在安全隐患。本研究首次将白天视觉性能与夜间逆反射评估有机结合，利用VLM和LiDAR实现自动化、客观的综合评估，有望降低维护成本、提高道路安全水平。