Nature 报道的一项 *Scientometrics* 研究显示，GPT-4o 在对 139 份真实资助申请做两两比较排序时，与人类评审最终决定的总体一致率约为 60%，但在“新颖性”评分高的提案上系统性地更不愿资助，提示 AI 辅助评审可能把经费推向既有思路、抑制突破性研究。
值得关注：若 AI 辅助评审制度化，其对新颖性的系统性保守倾向可能改变基础研究的经费配置方向，影响潜在突破的产生概率。 与既有卡片《AI 会抢发你的科学发现吗？》的增量关系：那张卡片关注 AI 作为“研究竞争者”带来的信息封闭风…
一项可行性研究显示，前沿语言模型（Claude Opus 5.5）在仅获得临床协议与小型网络权重的条件下，可在多数植入缺陷的放疗计划筛选网络中定位并低成本修复故障，但尚不能证明网络本身正确。
值得关注：提出“权重空间审计”这一新路径：不依赖数据访问或代码执行，直接读取权重来找缺陷，可能补充传统基于测试用例的验收方式。 对临床 AI 治理有直接含义：模型调试中“测试通过”不等于“规则正确”，共享捷径会掩盖问题。 与既有…
L-STAR 利用大语言模型（LLM）对空间转录组候选空间域分割图进行视觉比较与排序，再基于排名最高的结果构建共识图，在多种组织、物种与技术数据集上比单一方法或固定方法的共识分析更贴近专家标注，并提升了可复现性与可解释性。
值得关注：针对空间转录组分析中“方法选择依赖数据集、缺乏通用最优方法”的实际痛点，提供了一种数据自适应的模型选择与集成路径。 将 LLM 的角色从文本生成扩展到“视觉评估科学图像”的元分析环节，为生物信息学流程中的自动化方法评估…
这篇论文提出了一套基于 LiDAR 的参考数据生成流程，通过引入 LargeDepth-Gap Visibility Score（LDGVS）处理累积扫描中的可见性误差，从而在缺乏完整扫描勘测的植被户外场景中，为前馈视觉几何模型和传统 SfM 方法提供可比的零样本评测参考。
值得关注：植被户外场景是视觉三维重建与深度估计的难点场景，而可靠评测长期受制于真值获取成本。该流程把“已有定位数据集”转化为“可用的评测参考”，并用 LDGVS 针对累积扫描的可见性误差做过滤，使参考点云在密度与误差之间取得更好…
论文提出 PEARL（Prefix-Expanded Adversarial Reinforcement Learning），一种 GRPO 变体，旨在实现对语言模型中已观察到的错位行为进行“即时抑制 + 抗后续训练复发 + 保留通用能力”的持久后验移除。
值得关注：模型不良行为可能在训练任一阶段浮现或复发，因此“抑制一次”不等于“永久消除”。论文把“持久性”作为独立评估维度，并给出在宽触发、难以用定向 SFT 处理的情形下更有效的方案，对模型部署后的安全维护与再微调风险管理具有直接参考价值。
作者构建了一种 Transformer，其注意力、前馈非线性与输出全部替换为玻恩测量形式，使每个类别的概率成为词振幅的多项式，从而可以用有限求积无误差地计算积分梯度证据；在 e-SNLI 上以约 98k 非嵌入参数达到与同尺寸 softmax Transformer 相当的准确率，且证据忠实度显著更高，同时同一权重可精确编译到光电子光学与量子比特线路。
值得关注：提供了一条“可精确解释”的注意力设计路线：证据不是事后近似，而是结构上可精确求积的量。 表明解释忠实度与注意力可视化可以脱钩：注意力更像人类标注并不等于更好地解释答案。 给出同一权重同时编译到光学与量子硬件的可行性，并…
PyRUA-DataFarm 让编码智能体在给定一次标定 episode 后，自动在仿真中重建任务、生成专家轨迹并经视频模型渲染为“实机就绪”数据；仅用这类数据训练的策略在 5 个真机任务上达到甚至超过等量遥操作数据的水平，且单任务适配成本约 21 美元、每条后续 episode 约 0.80 美元，无需机器人与操作员。
值得关注：机器人学习长期受限于演示数据的规模与成本；本条展示了一条“智能体编写仿真任务 + 视频模型渲染真实感观测”的自动化流水线，使数据生产在成本上可与遥操作竞争，并在分布外视觉条件（桌布、光照）下表现出更好的鲁棒性。相对于既…
PolicyIK 将逆运动学（IK）建模为目标条件强化学习策略，通过姿态反馈更新关节位置参考并显式保留静止时的控制偏移，在仿真中将末端误差控制在 1 mm / 0.2° 以内的任务比例达 93.5%（部署协议下达 98.9%）。
值得关注：VLA 策略要在真实机械臂上落地，需要可靠的底层位姿执行能力；PolicyIK 表明强化学习可以作为经典 IK 求解器与手工控制器的替代方案，在毫米级精度上可与之竞争甚至更优。它把“跨本体迁移”中的底层执行环节变成可训…
论文论证：基于固定人格（persona）的合成人口模拟，无论人格写得多细、底层模型多大，都无法复现“由特定情境激活”的那部分群体行为，因为身份更像随情境切换的状态，而非稳定属性。
OpenBrain 把 35,838 例来自 607 个 OpenNeuro 源数据集的 T1w 全脑 MRI 生成式分区，打包成“带风险证据的可审计病例记录”而非单纯的标签文件夹：每条记录附带 QC-7 无参考可靠性指标、百分位风险、综合风险分 R 与置信分层，使用户在下载后仍可过滤、加权、审计或重新阈值化，而不必重跑推理。
值得关注：它把“生成标签发布”从文件分发转为可审计的证据分发：下游使用者能在不重跑模型的前提下判断复用价值，并以风险分层指导训练数据选择。这一“风险证据随标签一起发布”的思路，对大规模自动标注数据集的发布规范具有参考意义；与既有…
Möbius 将扩散过程直接搬进运动理解所用的同一多模态表示空间，在连续帧级原始运动数据上统一了运动描述、文生运动、时序补全与指令引导编辑，在 HumanML3D 上取得统一运动模型中的 SOTA，并验证了向 1.7B 参数、1700 小时数据扩展的有效性。
MedPhysBench 是一个面向医学物理计算与同行复核的基准：它用十类带随机种子的题目生成器覆盖放疗、诊断影像、核医学与辐射防护，并把“算对”和“查出别人的错”分开评测；12 个模型在 1200 道留出测试题上的计算得分为 33.3%–100.0%，但高分不等于可靠，弱模型在差错检测上会大量放过植入错误。
值得关注：束流校准或 MU 计算的一个错误会波及该条件下治疗的全部患者，因此医学物理工作流内建了同行复核。MedPhysBench 把这一现实约束转成可测指标：既看计算准确率，也看差错检测的检出率与误报率，并区分“看工作表”与“…
MDSKILL 把智能体自生成的“技能记忆”按功能拆成状态锚定、动作规划、执行控制三个视角，先筛选高质量技能，再用同策略自蒸馏（OPSD）把多分支经验迁移进共享策略；摘要称在 ALFWorld 与 WebShop 上分别比 SOTA 最高提升 7.1% 与 8.1%，且不增加额外计算开销。
值得关注：技能记忆与自蒸馏结合是自进化智能体的活跃方向；MDSKILL 的增量在于**先按功能视角解耦记忆、再筛选、再跨分支蒸馏**，针对“记忆噪声与知识纠缠”这一具体瓶颈。 与既有卡片的关系：已有 GaP 卡片侧重图式策略与多…
LD-PointNet++ 是面向低密度 3D 点云分类的专用架构；论文同时提出首个系统评估不同密度下主流点云分类方法的基准研究，并在 ModelNet 上报告低密度场景优于对比方法、跨密度准确率保持 90% 以上（细节待核实）。
LoopVQ 是一种针对循环 Transformer（looped transformers）的 KV 缓存向量量化方法，利用循环轴上 KV 缓存的高度冗余性联合编码多个循环步的通道，在 0.5 bit/元素下即可在通用、长思维链推理和长上下文检索任务上优于面向标准 LLM 的现有 KV 缓存向量量化方法；与 TaSQ 结合时，即使在 0.25 bit/元…
即使微调数据完全无害，只要内容是模型“认为错误”的，模型对训练答案的相信程度越低，微调后的广泛失准（misalignment）就越严重；这种失准源于“口头输出错误答案”与“内部概率仍偏好正确答案”之间的不一致。
HARP 将 LLM 推荐重构为“智能体通信”四阶段过程，并通过三个免训练算子补齐物品侧画像、检索时画像相似度门控与上下文内反思更新，在四个公开基准上把 Hit@1 较最强已发表基线提升 6.9%–24.0%。
值得关注：该工作把 LLM 推荐中“用户画像 vs 物品画像”的不对称问题形式化为通信缺口，并给出无需训练、可直接叠加在冻结主干上的轻量补丁，对现有记忆增强推荐系统是一种低成本升级路径；其“检索时消费画像信号而非塞进提示词”的思…
GUILD 提出一种“引导式数据采集”（GDC）框架，在机器人模仿学习的数据采集环节就主动决定“该采什么”，而不是采完再筛选，从而提升样本效率与部署表现。
值得关注：把“数据筛选”前移为“数据采集引导”，从源头减少无信息数据的采集成本，对遥操作数据昂贵、采集预算有限的机器人学习场景有直接价值。 将 VLM 语义先验与数据归因信号结合，形成“提议—评估—再提议”的闭环，为主动数据采集…
GSCV++ 提出一套轻量级 3D 高斯泼溅（3D Gaussian Splatting, GS）序列压缩流程，通过改进预处理、3D 到 2D 映射与视频编码配置，在沿用标准视频编解码器的前提下取得显著的率失真增益与更快的处理速度。
值得关注：该工作强调“标准视频编解码器 + 轻量流程”的路线，契合产业对硬件兼容性与低复杂度的诉求，避免引入编解码器规范层面的改动。其增量在于同时从特征降维、2D 映射布局与编码配置三处协同优化，而非仅在单一环节改进；这与其同系…