一篇理论计算机科学论文证明：任意深度的 ReLU 神经网络都可以被一个仅含两个隐藏层的 ReLU 网络**精确模拟**（而非近似），并给出同调代数与组合数学两条独立证明路径。
值得关注：深度是深度学习架构设计的核心假设之一；该结果在**精确模拟**这一最强意义下削弱了“深度必需”的论点。 两种风格迥异的证明（同调代数 vs. 组合）本身可能为神经网络表达力研究提供新的数学工具。 与既有卡片的关系：本卡…
TS2Vec-FM 通过三项改动把原本需逐数据集重训的 TS2Vec 变为“一次预训练、跨数据集复用”的冻结编码器，仅 160 万参数即在 UCR-128 与 UEA-27 线性探测下接近当前最优（差 0.3 个百分点），且无需注意力、patch tokenizer 或中间层特征提取。
值得关注：该工作说明时间序列分类基础模型不必依赖 Transformer 式组件即可接近最优性能，为轻量、低参数量的跨数据集复用编码器提供了实证支持；同时它延续了“合成语料预训练”的路线（可与 RMISC 卡片中关于合成/真实语…
Tessera 是一个面向空间转录组的表示学习框架，试图同时解决“空间知情基因选择”和“保留方向性的细胞邻域建模”两个问题；但本卡片仅依据 arXiv 元数据撰写，正文内容与实验细节待核实。
值得关注：若上述声明成立，则提示空间转录组基础模型的关键不只是“更大的模型或更多数据”，而是表示中是否保留空间方向性与相对几何关系；这对细胞状态刻画、微环境建模与跨组织/跨技术泛化具有方法学意义。 与既有卡片中 NOAH 等“整…
SolarRenderer 通过冻结 33B 视频生成主干并仅训练两个轻量 LoRA，把任意结构表示（游戏引擎/模拟器输出的粗结构视频）作为参考条件，实现 4 步生成、比 50 步采样快 12.3 倍的写实视频渲染，并能泛化到 11 种未见结构表示。
值得关注：它把“结构条件渲染”从绑定单一引擎表示、依赖多步采样或专门蒸馏的范式，转向“冻结大主干 + 轻量 LoRA + 原生参考通路 + 少步分布匹配”的通用范式；同时在少步生成（与 ROMS-IMLE 的单步生成议题相呼应）…
一篇提出“语义可观测性”架构的概念性论文：把分散的多格式日志统一建模为可查询的属性图，再用有状态多智能体系统（基于有向循环图）结合因果图算法与时序回溯定位故障影响范围，最后由 LLM 生成代码级根因分析与修复建议；量化评估尚未完成，待核实。
值得关注：把“日志检索”问题重构为“图上的因果推理”问题，为可观测性工具提供了一条不同于关键词搜索与扁平索引的技术路线。 用拓扑剪枝来约束送入 LLM 的上下文，是对 LLM 在运维场景中 token 成本高、易产生结构性幻觉这…
SceneRig 是一个智能体（agentic）系统，可将单张图像重建为可编辑、物理稳定、可直接用于机器人仿真的 3D 场景，其核心增量在于用“编辑—验证”循环替代事后物理沉降，从而改善物体放置与操控表现。
值得关注：大规模构建仿真就绪场景是机器人仿真的瓶颈之一；单图重建若能兼顾视觉与物理，可显著降低场景生产成本。 强调“物理稳定 + 可操控”不只提升观感，还直接关系到仿真到真实的策略评估可信度。 与既有卡片的关系：本卡片延续“智能…
Sage-A1.5 是一个 35B 参数的混合专家（MoE）智能体模型，在 A1 基础上通过“能力组合”推进长程问题求解，强调智能体编排、验证与开放式科学发现三项改进（依据摘要；技术细节待核实）。
值得关注：现有长程智能体工作多聚焦单线程执行或上下文管理（如压缩历史轨迹以支撑长程强化学习），Sage-A1.5 的增量在于把“多子智能体编排 + 执行中验证与策略修订 + 面向开放科研的探索”组合为同一能力框架，并以 35B …
PsycheMME 是一个受心理学理论启发的视频基准，用八个能力维度把“理解他人”与“选择回应”拆开评测，并通过“推理验证”协议同时考察答案与理由；在 17 个模型上，Timing（时机）能力得分与理由可信度最低。
值得关注：现有视频理解基准多按任务类型或模态组织，PsycheMME 按“理解—行动”链路组织能力维度，更贴近真实社交交互的认知过程。 Reasoning-Verified 协议把“理由质量”纳入评分，回应了“答案对但推理错”的…
PUN 是一种学习“噪声感知价值场”的神经算子，用于在未见几何环境中做带执行噪声的规划；元数据称其在 4D 重规划基准上兼顾更高成功率与更低运行时间，但正文未抓取，细节待核实。
值得关注：把“执行噪声”显式纳入价值场学习，而不是只在确定性规划后做补救。 通过边界条件改造（反射 Neumann + 目标 Dirichlet）缓解长路径目标信号衰减，这是对 screened-Poisson 随机最优控制表述…
一篇发表于 Nature Machine Intelligence 的 News & Views 评论指出，一种融合拉格朗日（Lagrangian）与欧拉（Eulerian）视角的神经网络架构，能够将稀疏观测转化为复杂、混沌流体运动的高分辨率且物理准确的映射。
值得关注：流体动力学中长期存在“观测稀疏”与“物理一致性”难以兼得的问题；混合拉格朗日—欧拉视角提供了一条兼顾数据与物理约束的思路。 该评论将物理信息机器学习与流体力学经典视角（拉格朗日/欧拉描述）联系起来，有助于理解 PINN…
PaPi 是一种受弱非线性流启发的积分方案，通过指数积分与 Duhamel-Picard 迭代实现时间并行推理，在保持预测精度的同时将神经谱架构（NeuSA）的训练与推理加速最多两个数量级。
值得关注：时间维度的顺序积分长期是 NeuSA/PINN 类方法并行化的关键限制。PaPi 通过指数积分与 Picard 迭代把时间步进转化为可并行的迭代格式，并附带收敛性与误差界分析，为“精度—速度”权衡提供了新的可解释路径。
把经典几何优化中的曲面能量泛函搬到神经隐式 SDF 的参数空间上做正则，可在百万点级 LiDAR 场景中抑制抖动与伪影、提升重建平滑度，且不增加推理开销。
值得关注：对 LiDAR 建图而言，稀疏与噪声输入带来的表面抖动是下游（测绘、仿真、自动驾驶感知）常见痛点；本文提供了一条不增加推理成本的几何正则化路径。 思路上的增量在于把经典曲面能量先验与神经隐式 SDF 结合，而非仅在损失…
NarraSpace 将图片描述中的词语和语音时间对齐到具名场景元素，用冻结语言模型对预设场景事件做患病/健康对比打分，并保留“事件分数—原话语—语音区间—词汇匹配”的可追溯记录；在 ADReSS 官方 48 人测试集上，固定 SVM 取得 80.88%±2.56% 的平均准确率（50 个随机种子），平均概率后准确率 81.25%、AUC 91.32%。
值得关注：与仅输出转写级预测的做法相比，本工作的增量在于“证据可查”：分类所依赖的场景事件测量可以被追溯到具体话语与时间点，使模型输入构造过程透明、可审查，为临床复核场景提供接口。这与既有卡片中强调“视觉证据归因/有据可依”的脉…
MindView 是一个包含 1,500 个样本、覆盖 513 个室内场景的生成式多视图空间智能基准，用七类任务评测“从部分多视图观测出发、按语言指令生成空间一致新视角”的能力，并配套给出微调方案与免训练证据选择器 MindCue。
值得关注：它把“多视图空间智能”从静态理解/编辑推进到**生成式、语言引导的新视角合成**评测，同时给出两个可操作的改进方向（任务特定监督、证据选择），并提供了“生成能力与理解能力可能相互促进”的初步证据。相较已有卡片中偏重建（…
VPM（Video-Point Model）尝试把“多视角视频预测”和“持久场景点的三维轨迹预测”放进同一个世界模型里联合学习，用轨迹监督把不同相机的表观变化锚定到同一份三维运动描述上；但本卡片未能获取论文正文，方法细节与数值结果均待核实。
值得关注：若上述结果成立，这条路线给出的增量在于：把“点轨迹”当作跨视角的共享监督信号，而不只是额外的预测输出——它约束的是多相机视频生成背后的三维一致性。这与单纯的视频世界模型（只预测像素/潜变量演化）形成对照，也为“世界模型…
AdaDex 提出“混合灵巧模仿”（Hybrid Dexterous Mimicking）框架，用一段仅数秒的单次手-物体运动轨迹，在大量并行仿真环境中同时训练“动作跟踪”与“带噪泛化”两类环境，从而得到既能保持类人先验、又能泛化到参考轨迹之外的可适应灵巧技能策略。
值得关注：对灵巧操作而言，纯 RL 策略常出现不自然且不可靠的手指动作，而纯模仿又缺乏适应性。AdaDex 的增量在于用“双种群并行环境”的训练配方把两者耦合起来，使单段短演示即可扩展为可适应技能；与已有 REGRIND 卡片（…
KoalaGS 提出一种“复杂度感知”的连续细节层次（LoD）方法：利用优化前由输入视图估计的图像复杂度作为先验，在训练中引导高斯原语向重建较差区域迁移，并通过原语重要性评分支持低容量推理；据摘要称可在保持满容量质量竞争力的同时改善全预算区间质量、平滑 LoD 过渡并支持更快的渐进式流式传输（具体数值与实验细节待核实）。
值得关注：将“部署期预算变化”纳入训练目标，而非仅在推理时做剪枝/排序，可能缓解低预算下的质量断崖。 用优化前即可获得的图像复杂度作为先验，思路轻量且可解释；但其泛化性与对不同类型的 3DGS 重建流程的适用性待核实。 与既有脉…
该研究提出一种将3D运动生成与视频生成解耦并协同的模型，可为任意骨架（rig）从文本直接生成可复用的3D运动与对应视频，并同时恢复相机以将运动注册回3D场景。
值得关注：相比仅生成像素级视频或仅支持人体骨架的方案，该工作把“可复用的3D运动”作为一等输出，并解决运动与场景的相机对齐问题，使生成的运动能直接用于驱动3D资产与场景重放。其解耦设计也降低了对配对视频数据的依赖，扩展到任意骨架。
Industrial ReMEmbR 将 NVIDIA ReMEmbR 扩展为面向仓库机器人车队的共享时空记忆系统，通过在机器人端编码视频并仅在需要时生成场景描述，降低服务器端计算、通信与存储成本，同时支持 GDPR 合规的 PII 抽象。
值得关注：该工作把机器人语义记忆从单机/研究原型推进到车队级共享时空记忆的工程化设计，核心增量在于：用机器人端编码 + 服务器端缓存 token 解码替代写入时描述生成，从而在保持输出一致性的同时降低服务器计算与通信开销；并复用…
GBClaw 是一个将大语言模型（LLM）嵌入模块化智能体架构的材料计算框架，用于系统研究一般晶界（general grain boundaries）的结构与变形行为，并在镍的 14 个非对称倾转晶界上完成了界面缺陷表征、变形模式识别与剪切阻力机制的追踪。
值得关注：把智能体 AI 从“流程自动化”推进到“机制发现”：不仅批量跑模拟，还能围绕异常结果做追踪式分析。 一般晶界长期因复杂度高而研究不足，该工作提供了一条可复用的“编排器 + 领域工具 + 记忆”研究范式。 对材料计算工作…