MassNet 构建了覆盖 35 个物种、15 亿张串联质谱（MS/MS）图谱的 AI 就绪语料库，配套标准化张量存储格式 MSDT，并据此训练出非自回归 Transformer 模型 XuanjiNovo，在人类 Astral 数据的从头肽段测序上较现有最优方法提升 38.35%–143.57%。
值得关注：填补了质谱蛋白质组学领域缺失“AI 就绪基座语料库”的空白，类比于 NLP/视觉领域的 ImageNet、OpenWebText 等基础资源，为监督与自监督学习提供策展、标注、结构一致的数据。 多物种覆盖（不止人类）有…
巴西葡萄牙语（PT-BR）专用小模型 Manacá-1B 的第二代对齐工作表明：其安全性提升主要来自专门的安全 SFT（AnswerCarefully 风格）而非 DPO（三次 DPO 尝试全部失败），同时揭示了 LLM 裁判在部分安全题上“拒绝打分”的静默失效模式，会导致有效样本量被悄悄削减。
值得关注：对低资源语言（PT-BR）的安全对齐提供了可复现的“负结果 + 统计检验”范式，弥补了该领域普遍不记录失败尝试的空白。 揭示“训练奖励间隔很高但生成行为不变”这一现象，对依赖 DPO 做安全对齐的实践者具有警示意义。 …
该论文提出一种基于可学习离散 Hodge Laplacian 的混合专家（MoE）架构，将稳态 PDE 代理模型的解按不同谱尺度划分给多个 vanilla Transformer 专家，并通过门控机制按顶点重组输出，在 AirFRANS 稳态 RANS 翼型基准的精简重网格版本上显著优于 Transolver。
值得关注：针对非结构化网格上的稳态 PDE 代理建模，提出以谱尺度驱动的 MoE 分解思路，区别于对整个解施加单一混合机制的主流做法。 将 Hodge Laplacian 用作可学习的高频度量层，为几何/拓扑信息与 MoE 路由…
Latent Compaction 通过在测试时训练（Test-Time Training）为每份文档学习一个紧凑的 KV 缓存，在冻结模型权重的前提下，于 RULER 上实现 32$\times$ 压缩下 96.7% 的准确率，远超 KVZip+ 的 40.0%。
值得关注：长上下文推理的成本瓶颈主要在 KV 缓存，而现有压缩方案多依赖一次性、无训练的选择或合并策略，在未见问题上容易失效。Latent Compaction 把压缩转化为文档级的测试时优化问题，且不触碰模型权重、不需要下游问…
HiRe-MoMa 提出一套在真实机器人上对复杂移动操作（MoMa）系统进行稳定、样本高效微调的分层残差框架，可在约 30 分钟在线交互内提升任务表现，且不依赖底层策略的具体架构。
值得关注：真实世界微调是移动操作落地的关键瓶颈；该工作把“分层解耦 + 残差学习 + 稀疏人类引导”组合为可操作的工程范式，强调低在线交互成本（约 30 分钟）与架构无关性。 与既有脉络的关系：本卡片与“通用机器人抓取的接触表示…
GeoThinker-$F$ 通过让多模态大模型（MLLM）自身隐状态预测当前几何与未来语义的潜在世界表征，在移除推理阶段外部 3D 编码器依赖的同时，实现最高 $3.6\times$ 推理加速（1.45 s → 0.40 s），并在多个空间智能基准上保持有竞争力的性能。
值得关注：外部 3D 编码器路径在高频或实时场景中构成明显瓶颈。GeoThinker-$F$ 展示了“用模型自身语义隐状态预测空间先验”的可行性，为空间智能模型从“依赖外部专家”转向“内生预测”提供了方法参考。若该方法在更广泛基…
这篇论文提出一种自监督表示学习方法，通过分解数据的逐点互信息（PMI）来监督表示损失，并将其作为生成建模的分词器；作者声称该方法在避免维度坍塌与特征抑制、以及计算效率上优于 DINO、LeJEPA 等常用方法，并在 ImageNet 和 GPIC 上给出分词器编码器的缩放规律。
值得关注：把“表示学习”与“生成建模的分词器”放在同一目标下优化，可能改变扩散/生成模型前端分词器的设计范式，而非仅复用判别式自监督特征。 强调“联合 FLOP 效率”，把评价标准从单一表示质量扩展到 tokenizer+gen…
该研究提出用机器学习方法，从低纯度、杂质较多的“脏”原料（废料）出发设计高性能合金，试图减少对高纯原生原料的依赖；但具体方法、数据集与实验验证细节待核实。
值得关注：与“用AI/ML加速材料发现与设计”的脉络一致：把机器学习用于更复杂的约束条件（原料不纯、成本与可持续性目标），而不只是追求单一性能极值。 若“脏原料→高性能合金”可行，可能把可持续性指标（回收料比例、碳足迹、成本）纳…
MFGS 把“先生成再压缩”的前馈 3DGS 流水线改为“直接对多视图特征做端到端率失真编码”，在 RE10K、ACID、DL3DV 上相对 generate-then-compress 流水线报告 99.76–99.86% 的 BD-rate 码率节省，并将总 GMACs 降低 52–55%、端到端加速约 12 倍。
值得关注：与既有前馈 3DGS 压缩方向（如 ATSplat 关注用自适应令牌减少高斯数量、保持前馈实时渲染）不同，MFGS 的增量在于把压缩对象从“显式高斯表示”前移到“多视图特征”，并让几何与外观在同一特征空间中联合编码。 …
F3（Fast Feature Field）被提出为一种面向事件（events）的通用预测表示，目标是服务于机器人感知；但正文未抓取成功，方法细节、实验设置与结论均待核实。
值得关注：机器人感知长期面临“表示是否通用、是否可预测、是否足够快”的权衡；标题中的 “Fast” 与 “general predictive representation” 暗示其试图同时回应效率与泛化问题（待核实）。 本条与…
DynThinker 提出一个统一框架，试图同时增强视觉语言模型（VLM）的静态3D空间推理与动态4D空间推理能力，以缓解二者之间的“空间—动态干扰”。（基于标题与候选摘要；正文待核实）
值得关注：指出了一个被忽视的权衡：静态3D能力与动态4D能力可能相互干扰，而非天然互补。 提出干扰在参数层面“非均匀分布”的观察，并据此设计参数分组约束（D-EMA）与特征融合（SDF），为多能力统一建模提供了一条可复用思路。 …
一项研究提出轻量级卷积神经网络（CNN），用于将马铃薯叶片分类为健康、早疫病和晚疫病三类；在 PlantVillage 数据集上准确率较高，并在埃塞俄比亚田间数据集上取得约 90% 的准确率（具体细节待核实）。
值得关注：马铃薯病害（尤其是早疫病和晚疫病）对粮食安全构成威胁，轻量级模型有助于在资源受限环境中部署。 从基准数据集到田间数据集的性能下降（约 98.66% 到 90.28%）说明仅依赖受控数据集可能高估实际表现。 与 VGG1…
一项发表于 *Science Advances* 的研究利用深度学习方法，对膜翅目（Hymenoptera）昆虫翅膀形态的演化进行分析，报告了生态解耦（ecological decoupling）与演化速率异质性（rate heterogeneity）两项发现；由于正文未能抓取，具体方法与结论细节待核实。
值得关注：将深度学习引入昆虫形态演化研究，代表计算方法与演化生物学的交叉方向。 膜翅目是物种丰富且生态多样的类群，其翅膀形态演化机制对理解适应性辐射有潜在价值。 与既有卡片中“深度学习用于生物/医学分类与可解释性”的脉络一致（如…
Continuum Attention（CA）是一种把离散 Key/Value 查表替换为“连续分段线性记忆曲线上的积分”的因果 Transformer 注意力算子；在论文报告的验证集比较中，它相对普通 softmax 与 focal attention 取得更低的负对数似然，但更大规模的泛化性仍待核实。
值得关注：它把注意力从“离散检索”重新表述为“连续积分”，在概念上区别于稀疏注意力、线性注意力等常见效率改进路径，属于注意力机制建模范式的变化。 若闭式指数矩与解析梯度确实成立，则它可能在保持标准 decoder 结构与二次复杂…
CommerceGen-Studio 是一个面向电商 SKU 主图生成的端到端三阶段框架，已在生产环境以每天数百万张、单图几秒延迟的规模运行，并在自建 CommerceGen-Bench 上超过所评估的开源基线、部分指标优于更大的闭源模型。
值得关注：对电商而言，主图是直接影响转化与合规（商标、文字）的关键资产；论文把“可发布性”拆成可度量的指标（Instruction Following、Product Integration）并作为评测重点。 与既有图像生成卡片…
CoPE 通过在成功轨迹上增加“多步动作预测”这一辅助监督，让语言智能体的策略主干在训练中同时学习“行动”与“预测未来动作”，在不增加推理开销的前提下提升了聚合性能与样本效率。
值得关注：针对长时程 rollout 昂贵这一智能体训练瓶颈，提出了一条利用中间步骤监督的新路径（多步动作目标），而非沿用价值目标或观测目标。 “训练时预测、推理时只行动”的设计意味着性能收益不以推理成本为代价，对实际部署更友好…
Ask4NV 探索用“3D 语言理解”作为新视角生成（Novel-View Generation）的互补监督信号，在预训练统一多模态模型（Mixture-of-Transformers，MoT）上联合训练后，摘要报告其在图像质量、几何一致性以及 3D 语言理解上均取得有竞争力的表现，并改善 VAE 表示的跨视角对应与 3D 感知特征空间的相似度。
值得关注：若“空间问答/3D 语言理解”确能作为新视角生成的有效监督，则意味着生成模型可利用高层语义与物体关系约束几何一致性，而不只依赖像素级或几何级线索。 与既有卡片 **RoGe** 的差异：RoGe 强调端到端隐式重建与视…
该研究提出一种结合 LLM 语义审查与机械数值/空泛性检查的 Lean 形式化验证方法，在三个标注数据集上取得最低“接受错误率”，并据此构建了 NIST DLMF 的部分形式化库 FLMF。
值得关注：相对既有“LLM-as-a-Judge”式验证（参见既有卡片“Agentic Harnesses”中 LLM 驱动验证层），本文的增量在于引入**机械化、可检查**的数值与空泛性检查，弥补纯语义评判难以发现的错误类型。…
ATAS 通过引入“场景记忆”与“事件记忆”构成的世界状态，把剧本编译为带显式地点、相机与事件时间引用的镜头请求，从而在非连续请求下提升长视频生成的跨镜头时空一致性。
值得关注：把“跨镜头一致性”从依赖提示词/近邻帧的局部传递，转向可检索、可索引、可准入的**世界状态记忆**，为长时程、非连续镜头的生成提供了显式机制。 记忆准入与影片交付解耦的设计，说明生成系统可以在不阻塞产出的前提下维护状态…
ActiveEvidence 把多模态智能体的“是否需要继续获取视觉证据”形式化为可决策认证的主动证据采集问题，用反事实证据交互图（CEIG）与 ε-决策证书，在冻结执行轨迹上以更少的高成本交互项完成采集决策，并在 640 个案例上给出任务分数 0.842 等指标。
值得关注：把“要不要继续看”“看哪个”“何时停”从启发式规则转为**带证书的停止条件**，为智能体证据采集提供了可审计的终止判据。 明确区分“模型相对最优性证明”与“语义质量评估”，避免把形式化证书误读为语义正确性保证。 成本过…